基于要素识别的多层级绿色基础设施网络构建——以合肥市为例

程帆 ，顾康康 ，2，杨倩倩 ，储金龙 ，2，陈晓华 ，2

(1.安徽建筑大学 建筑与规划学院，合肥；2.安徽省城镇化发展研究中心，合肥)

0 引言

当今城市空间的快速扩张造成了生态空间破碎化、生态服务功能削弱以及栖息地和物种多样性的丧失[1]。绿色基础设施强调一种连接网络，作为保护生态空间和加强生态系统服务功能的有效措施已被各国学者认可与实践[2、3]。其开放空间网络主要由网络中心和连接廊道构成[4]，故识别网络中心和提取连接廊道是网络构建的基础和重点。绿色基础设施网络中心传统的识别方法是主观的将一些森林、湿地或者保护区等大型生态区域作为网络中心[5、6]或如马里兰州绿图计划，依据景观生态学方法，通过多因子分析的地图叠加来辨识网络中心[7、8]，其方法具有一定科学性，但仅强调其生态区域自身属性，难免具有一定的主观判断，容易忽略生态区域景观连通性属性。良好的景观连通性能更好地提供生态流，是绿色基础设施识别的重要指标。连接廊道的传统构建方法主要以潜在的生态廊道为主[9]，容易忽视现有的结构性廊道，造成连接廊道构建的不全面。

近来广泛的研究当中将形态学空间格局分析(MSPA)方法应用在绿色基础设施规划中[10、11]，其综合了结构性景观要素识别和连通性分析，同时在像元层面进行数学形态学处理，能精确分辨景观的类型与结构，增加了绿色基础设施网络要素识别的准确性与完整性[12]。

本文以合肥市为例，基于 ENVI、ArcGIS、Guidos和Conefor等软件平台，运用MSPA方法，综合最小累积阻力模型对合肥市绿色基础设施要素进行识别，明确各绿色基础设施要素的重要性等级，构建合肥市绿色基础设施分级网络，并优化合肥市现有生态格局，为合肥市未来生态网络的规划提供参考依据。

1 研究区与数据

1.1 研究区域概况

合肥是安徽省省会，合肥都市圈中心城市，长三角城市群副中心城市，国家重要的科研教育基地、现代制造业基地和综合交通枢纽。合肥位于30°57′N—32°32′N、116°41′E—117°58′E 之间，地处中国华东地区、江淮之间，环抱巢湖。合肥市总面积11445.1平方公里，属于亚热带季风气候，四季分明，气候温和。境内有丘陵岗地、低山残丘、低洼平原三种地貌，以丘陵岗地为主；境内地表水系发达，境内巢湖是中国五大淡水湖之一，东西长54.5公里，南北宽21公里，水域面积770平方公里，号称“八百里巢湖”。

虽然合肥市拥有良好的生态本底，但城市的快速发展，生态环境问题日益突出，市域山、水、林等生态空间分布出现破碎化，生物多样性日益下降，生态廊道连通性较差，难以较好的发挥生态效益。

1.2 数据来源

本研究主要依据2016年合肥市landsatTM遥感影像数据(影像来源地理空间数据云)，应用ENVI软件进行遥感影像解译，同时与合肥市土地利用调查数据进行比对，将合肥市用地类型划分为林地、草地、园地、耕地、水体、未利用地以及建设用地7类，最终获得合肥市30 m*30 m的土地利用类型图。最小累积阻力模型中阻力面的构建运用的夜间灯光数据是通过对NOAA NGDC提供的2016年每月NPP VIIRS DNB灯光数据进行年均值合成处理，得到2016年合肥市年平均灯光数据。

2 研究方法

2.1 绿色基础设施网络要素识别

MSPA方法最初是在森林生态学研究中用来分析森林的空间格局和功能连通，具有确定景观格局中网络要素的独特功能。基于合肥市30 m*30 m的土地利用类型图，将土地利用数据转为前景和后景的二元图像，运用Guidos Toolbox软件通过MSPA分析可以将一个二元图像分割成七个景观类别[13]：核心区，边缘，孤岛，穿孔，环，连接桥和分支。分析过程中选取合肥市具有重要绿色基础设施功能的用地作为MSPA分析的“前景”，具体包括林地、草地、水体通过分析运算获得合肥市不同功能的7种景观类型(图1，表1)。景观生态规划强调水平生态过程与景观格局的相互关系，其中一个被广泛认可的景观规划原则是“集中与分散相结合”[14]，它认为景观布局的模式应该是聚合土地的使用，同时在整个地区应当保持走廊和小片的自然景观。据此，将MSPA分析过后的景观类型重新组合，得到新的绿色基础设施网络要素，分为网络中心、连接廊道以及块状岛屿。网络中心包括景观类型中大面积核心区及其周围地区的边缘、穿孔；连接廊道包括连接桥、环、分支等线状景观类型；块状岛屿由小面积的核心区和孤岛共同构成。

表1 MSPA各景观要素含义及占比

图1 MSPA景观分类图

2.2 绿色基础设施网络中心分级

网络中心可以为野生动物提供栖息地或目的地，对于区域生态功能以及生态承载力的维护具有重要意义。在景观规划中斑块大小与斑块连通性是确定要素重要性的主要因素[15]，因此网络中心的大小与连通性的不同，对区域绿色基础设施网络的重要性不同，同时也承担着不同的生态功能。对绿色基础设施网络中心重要性进行等级划分，有利于针对不同等级要素提出不同的管理措施和规划方案。

首先运用GIS软件计算网络中心斑块面积，作为等级划分的指标之一；其次是在连通性评价方面，斑块重要性指数(dPC)作为景观连接度评价指数之一，能较好的反应景观格局与功能。因此通过Conefor Sensinode 2.6景观连通性分析软件计算核心区斑块重要性指数，参数的设置参考已有研究[16]，在计算过程中将斑块连通距离阈值设置为500 m，连通性概率设置为0.5；最后对网络中心的面积大小和斑块重要性指数进行分级和逻辑组合，将网络中心重新分为三个等级，分别为一级网络中心、二级网络中心和三级网络中心。

2.3 绿色基础设施廊道提取与分级

绿色基础设施廊道体系是由结构性廊道与潜在廊道构成。其中将重新组合的景观类型形成的连接廊道作为结构性廊道。潜在生态廊道的识别具有多种方法，其中最小累积阻力模型(MCR)运用广泛[17]，通过计算生态源地之间的最小累积阻力距离来构建潜在廊道。计算公式如下：

式中，MCR指最小累积阻力值，Dij指生态用地从源i到j的空间距离；Ri表示栅格i对生态用地空间扩张的阻力系数。∑表示栅格i与源j之间穿越所有单元的距离和阻力的累积；f表示最小累积阻力与生态过程的正相关关系。该模型可通过ArcGIS的cost-distance模块实现。

MCR模型构建主要受生态源和阻力面的影响，其中以网络中心作为合肥市MCR模型的生态“源”，同时综合土地覆被情况和人为干扰度来构建阻力面。参考相关研究，确定合肥市土地土地覆被的基本阻力系数[18](表2)。

表2 合肥市土地覆被的阻力系数表

夜间灯光数据能在一定程度上反应城市发展水平、人口密度以及人类活动状态[19]，通过灯光数据(图2)修正合肥市土地覆被的阻力系数，得到合肥市阻力面(图3)。这能较好的体现人为干扰度，避免土地覆被相同情况下阻力系数的均一化赋值。修正公式如下：

式中：NLi为栅格i的灯光指数；NLa为栅格i对应的土地覆被类型a的平均灯光指数；R为栅格i对应的土土地覆被类型a基本阻力系数。

最后通过ArcGIS软件，使用Distance模块中的Cost Distance分析，计算各级网络中心最小累积成本距离，再使用Distance模块中的Cost Path分析计算各级网络中心的最小成本路径，从而生成了不同层级潜在廊道。现有区域结构性廊道对维护生态格局具有重要意义，绿色基础设施网络应在维护现有结构性廊道基础上加强网络构建，潜在性廊道的构建是加强区域连通性。故在进行廊道构建分级时以结构性廊道优先，将所有结构性廊道列为一级廊道，再根据潜在廊道所联系要素的等级不同将廊道进行分级。更加分级规则将廊道划分为三级：现有结构性廊道与一级网络中心间的潜在廊道列为一级廊道；二级网络中心间的潜在廊道和一级、二级网络中心间的潜在廊道列为二级廊道；三级网络中心与其他网络中心的潜在廊道为三级廊道，形成廊道体系。并从区域平衡角度出发，对构建的廊道体系进行优化，将区域连通性较强的三级廊道提升为二级廊道，构建较为均衡完整的绿色基础设施廊道体系

图2 合肥市灯光指数图

图3 合肥市阻力面

2.4 绿色基础设施暂栖地构建

暂栖地对于长距离物种的迁移以及物质流通具有重要意义，主要是为其提供暂时栖息的斑块场所。重新组合的块状岛屿具有“生态跳岛”功能，在绿色基础设施网络中起着媒介和联系的作用。依据构建的廊道体系，根据廊道上块状岛屿的空间分布，同时结合重要廊道的交汇点，选取部分块状岛屿为暂栖地。同时适当增加暂栖地的数量和降低暂栖地间的距离将有利于提高物种迁移中的成功率和存活率。

3 结果分析

3.1 绿色基础设施网络要素识别结果

根据表1统计结果显示核心区在7类景观类型中占比达到69.1%，表明合肥市存在着大量的野生动物栖息地或迁移目的地。同时再对景观类型重新组合得到的绿色基础设施网络要素进行统计，从统计结果可以看出：网络中心在7类景观类型中占比依然达到65%，且主要由50个斑块组成，这表明合肥市大部分核心区可作为绿色基础设施网络中心，且网络中心主要以大型斑块呈现。通过图4可以看出网络中心整体上破碎化程度严重，空间分布上主要分布于合肥市东南部，包括巢湖、黄陂湖、银屏山、龟山、冶父山、牛王寨、雾顶山。合肥市北部区域网络中心分别较少，且与东南部网络中心相比，面积较小。这种空间分布的不均衡导致合肥市生态环境存在着区域性差异，不利于网络中心间的生物及物质的扩散与交流。

图4 景观类型组合分类图

同样通过表1的统计结果可以看出由连接桥、环、分支等线状景观类型构成的连接廊道在7类景观类型中占比达到10.39%，大部分分布于网络中心周围，且距离较短。距离较长的连接廊道分别较少，空间上存在着不连续。表明现状合肥市区域性连接廊道较少且建设较差。距离较长的连接廊道将作为结构性廊道被提取，结果显示合肥市主要结构性廊道有5条，对比合肥市用地现状发现，5条结构性廊道主要由南淝河、派河、白石天河、兆河以及滁河干渠组成。可以看出合肥市水系沟通廊道建设较好，且连通性较强，但现状陆地廊道整体建设较差。

3.2 绿色基础设施网络中心分级结果

基于GIS与Conefor Sensinode 2.6的计算结果，将网络中心按面积大小(S)分为3个等级：S≤500 hm2、500 hm2＜S≤4000 hm2、S＞4000 hm2；按斑块重要性指数(dPC)分为3个等级：dPC≤0.01、0.01＜dPC≤0.1、dPC＞0.1。再通过对网络中心的面积大小和斑块重要性指数进行逻辑组合(表3)，划分网络中心等级。分级结果显示(图5)一级网络中心数量较少，只有8个，但面积较大且景观连通性好，主要位于合肥市东南部，包括牛王寨、雾顶山、银屏山、公安山、浮槎山，一级网络中心作为绿色基础设施网络的核心枢纽，是发挥生态功能的重要保障。二级网络中心18个，主要均衡分布于合肥市东南部与东北部，包括牛王寨、雾顶山、银屏山部分区域以及冶父山、龟山、黄陂湖、紫蓬山、董浦水库、大房郢水库、众兴水库等，二级网络的均衡分布对加强区域生态格局的平衡具有重要作用。虽然二级网络中心面积及连接度小于一级网络中心，但仍是绿色基础设施网络的重要组成部分，能提供较大的生态系统服务功能。三级网络中心数量较多，但面积较小，分布上主要围绕一二级网络中心分布，存在着孤岛化现象，但在生态流中起着重要的媒介作用，应加强斑块建设以及与一二级网络中心之间的连接。

表3 合肥市网络中心等级分类表

3.3 绿色基础设施廊道提取结果

图5 网络中心分级图

绿色基础设施廊道由结构性廊道和潜在性廊道组合而成，结构性廊道由距离较长的连接廊道构成，潜力廊道基于最小累计阻力模型提取。根据提取结果(图6)可以看出一级廊道主要位于合肥中部与南部，围绕巢湖进行分布，同时连通着周边几个大型山体，例如牛王寨、雾顶山、银屏山、公安山、浮槎山。由于北部地区未分布大型网络中心，所以北部区域未分布有一级廊道，未来北部地区建设应适当提高网络中心的建设。二级廊道数量明显多于一级廊道，主要分布于合肥市东南部，北部区域分布较少。二级廊道在一定程度加大了廊道密度，对于加强区域生态联系具有重要作用。由于三级网络中心主要分布在北部，导致三级廊道集中在北部区域，其他区域三级廊道较少，同时三级廊道在距离上较短，但是在加强小型核心区与块状孤岛的连通性方面同样具有良好效果。

3.4 绿色基础设施网络构建结果与实施措施

绿色基础设施网络是由廊道和生态斑块构成。在基于MSPA的要素识别和重组基础上，将分析得出的网络中心、廊道分级结果与暂栖地综合叠加，从而构建合肥市绿色基础设施网络(图7)。从整体分布上可以看出巢湖为合肥市绿色基础设施要素中面积最大且连接度最强的网络中心，应加强其保护与管理，明确巢湖生态保护区。北部区域网络中心与廊道等级较低且分布较少，加强北部区域生态环境建设，扩大生态斑块面积，建设区域性生态公园对提升北部区域整体生态环境具有重要意义。

图6 廊道分级图

图7 绿色基础设施网络图

针对绿色基础设施网络构建结果对不同等级要素提出具体实施措施。一级网络中心分布于市区外围区域，在建设过程可结合生态红线划定，划定保护区；二级网络中心是区域网络完整性的重要支撑，应加强连通性建设，部分区域未来划入一级网络中心的保护区；三级网络中心应以提升斑块面积与连通性为主，考虑到绿色基础设施网络完整性与覆盖面，部分未覆盖区域应增加城市广场绿地、公园。一级廊道建设在维护现有廊道基础上，建议廊道建设宽度不少于30 m并在部分断裂点位置应建设生态通道，保证连通性。二级廊道建设应结合道路、铁路、河流等生态廊道构建廊道体系，在无山无水的区域进行人工廊道的建设；三级廊道增加宽度，引导向二级廊道发展，城市建设区域可结合道路绿化建设小尺度绿化带。

4 结论和讨论

以合肥市为研究区域，在市域尺度上通过MSPA方法识别并重新组合绿色基础设施网络要素，以连通性与斑块面积做为景观指数的影响因素对网络中心进行等级划分，并结合MCR模型构建研究区多层级的绿色基础设施网络，对合肥市上生态环境的保护提出管控策略，这对生态综合效益的提升具有重要意义。较以往生态分析相比，在构建方法上通过MSPA方法能较为快速全面的识别绿色基础设施网络的关键要素，同时从景观类型的分布上进行连通性分析，能为网络分级提供参考依据。同时较为科学的划定绿色基础设施网络等级，可以为城市生态建设提供分级、分类指导和建设导则，进一步为城市生态建设提供了新的研究方法与分析思路，本文在运用MSPA以及Conefor 软件进行分析仍然存在着不足。MSPA的参数设置以及Conefor 软件计算景观连通性时的参数设置都是基于前人的研究成果，但对不同物种以及不同区域在扩散距离、MSPA参数上存在着差异。未来针对不同研究区域或不同物种参数的选取还需更为详细研究，有利于针对研究区域构建绿色基础设施网络。

通过灯光数据修正阻力面虽然能较好的反应人为干扰程度，但仍然不能全面的对物种迁移的难易程度进行分析。一直以来阻力面的构建是最小阻力模型的运用中最主要的问题，也是未来研究的重点。