华东传统矿业城市生态网络重构研究

朱 凤,杨宝丹,杨永均,张绍良,李 钢,陈 浮

(中国矿业大学环境与测绘学院,江苏 徐州 221116)

近30年来我国工业化和城市化迅猛发展,建设用地漫延式扩张，不断侵占和蚕食周边生境斑块,景观破碎化已十分严重[1-2],导致空间异质性上升，连通性下降,区域生态系统服务结构和功能发生了重大变化[3]。有效地发挥城市生态系统服务功能、提升生态系统服务价值和景观稳定性已成为国土空间规划、城市转型和协调发展的重要关注点。

大型生境斑块是生物多样性保护的重要源地和生态屏障[1],但长久以来只注重公园、广场绿地等大型斑块建设,而忽视了城市内部生境斑块等级体系及有效连接。生态网络决定了物种分布、迁移和基因流动[4],对种群发育以及维持和改善区域生态环境至关重要。20世纪90年代以来,学术界对生态网络研究逐渐增多,西方国家多将景观生态学理论融入城市土地利用规划以构建生态网络[5-6],国内研究多集中于湿地、城市绿地等生态系统[7-8]。传统矿业城市往往产业单一,绿化系统差,河流等生态走廊受地表塌陷、运煤专用线等分割阻断,水、土污染严重,生态系统自净能力弱[9-10]。当前关注矿业城市生态网络的研究极少,且未与国土空间规划紧密结合。近年来,遥感、景观格局指数、最小累积阻力模型(MCR)和电路理论等一系列定量化方法被引入区域或城市景观格局变化、生态安全格局评价和生态网络构建研究中[10-13]。其中,MCR模型因其具有构建简易性和要素可拓性等优势[14],已得到广泛应用[3,10,12],通常用于结合图谱理论和网络结构指数定量评价和优化生态网络[5,14-15]。许峰等[16]认为直接选取具有较高生态系统服务价值的自然保护区或森林公园作为生态源地,存在较强主观性,容易忽视斑块的景观连通作用,而将形态学空间格局分析(MSPA)和MCR模型有机统一,可使生态源地和廊道的选取更为科学[14-15,17]。传统矿业城市生境碎片化严重,重构生态网络对提升生态系统服务功能以及维护生物多样性和景观多样性具有重要意义,但如何有效弥补传统矿业城市土地利用在生态建设时忽视水平方向上生态流不足的问题,构建完善的生态网络,还需进一步研究。

徐州市作为传统工业基地和煤都,景观破碎化严重,塌陷毁坏十分普遍。同时建设扩张也侵占了大量自然生态空间,极大地影响了区域景观格局,生境斑块破碎化和生态环境问题尤为严峻[9-10],不利于区域生态安全和可持续发展。当前徐州市正在实施旧城改造和低效用地再开发,利用该契机可优化城市生态网络格局,提升区域生态系统服务功能。鉴于此,以徐州市中心城区为对象,采用MSPA方法和景观指数法提取重要生态源地,利用MCR模型生成的阻力面评价不同土地利用类型及坡度差异的影响,最终对城市生态网络进行重构与优化,并进一步定量评价其稳定性和安全性。该研究旨在为华东传统矿业城市转型、低效用地再开发和国土空间规划提供科学参考。

1 材料与方法

1.1 研究区概况

徐州市位于江苏省西北部,介于北纬33°43′～34°58′、东经116°22′～118°40′之间,属暖温带季风性气候区,年均气温约为14 ℃,年均降水量约为840 mm。徐州素有“五省通衢”之称,陇海、京沪铁路干线和多条高速公路交汇于此,是国家交通枢纽城市、淮海经济区中心城市。徐州历史上因煤而兴,靠资源发展,在为国家经济发展做出重要贡献的同时,也面临耕地保护压力较大、资源枯竭、土地损毁和生态环境破坏等严峻挑战。以《徐州市城市总体规划(2007—2020年)》确定的中心城区范围作为研究区,区内常住人口288万,土地面积为573.19 km2,包含鼓楼区、云龙区、泉山区和铜山区部分区域(图1)。

1.2 数据来源与预处理

数据包含遥感数据、栅格数据、矢量数据、位图数据和其他数据。其中,遥感数据采用美国地质勘探局(https:∥www.usgs.gov/)2015年Landsat TM遥感影像;坡度数据是利用ArcGIS 10.2软件中Spatial Analyst工具从数字高程模型(分辨率为30 m×30 m,来自中国科学院计算机网络信息中心的GDEM数据集)中提取出来的;矢量数据包括2015年徐州市地形图和中心城区界线图以及2020年中心城区规划图(http:∥zrzy.jiangsu.gov.cn/xz/);位图数据为2015年城市用地现状图,来源于徐州市自然资源局;其他数据包括2006—2015年社会经济数据和2015年徐州市主要粮食作物市场价格,分别来源于《徐州统计年鉴》和徐州市粮食局。

采用ENVI 5.3软件对遥感图像进行辐射校正、几何校正和影像裁剪等处理,采用监督分类和目视解译相结合的方式,同时考虑研究需要并参照2015年徐州城市用地现状图,最终将徐州市中心城区土地利用类型分为耕地、林地、河流湖泊、坑塘沟渠、湿地、绿地、建设用地、交通用地和其他用地9类(图1),并根据土地主体功能将林地、河流湖泊、坑塘沟渠、湿地和绿地归为生态用地。结合实地踏勘并对照Google earth高分影像进行精度检验,解译精度达83%,满足研究需要。

1.3 研究方法

研究区生态网络重构所用方法见表1[5，11，13-24]。

2 结果与分析

2.1 景观格局和生态源地识别结果分析

由图1可知,根据MSPA方法评价结果,研究区核心区生境面积为7 143.73 hm2,占前景土地利用类型面积的78.77%,但其空间分布不均,主要分布在西南部;东、北部核心区生境斑块较少,分布分散。边缘和孔隙面积占前景土地利用类型面积的15.87%,不利于研究区生态系统避免外界因素的干扰。

图1 研究区2015年土地利用现状、景观格局和核心区斑块重要性分级

表1 主要研究方法

Table 1 Main research methods

研究方法公式/原理主要步骤意义MSPA方法该方法偏向于度量结构连接性分析,采用图像腐蚀、膨胀、开闭运算等算法,对栅格数据空间布局进行度量、识别和分割[18](1)将研究区2015年土地利用数据转换成像元为30 m×30 m的TIFF格式二值化栅格数据;(2)以湿地、林地、绿地和河流湖泊为前景,其他类型为背景,采用GuidosToolbox软件进行8邻域结构分析,得到核心区、孤岛、孔隙、边缘、桥接、环道和支线7种景观类型可从像元层面识别核心生态斑块,一定程度上能弥补MCR模型在选取生态源地时存在主观性的不足,使生态源地和廊道的选取更为科学[14-17]景观连接度评价方法PC=∑ni=1∑nj=1ai·aj·Pij∗AL2,dPC=PC-PC,removePC×100%(1)采用ArcGIS 10.2软件中Conefor Toolbox插件提取核心区斑块间距离信息;(2)采用Conefor 2.6软件计算dPC,设定斑块连通距离阈值为500 m,连通概率为0.5[16-17]对MSPA方法识别出的核心区斑块重要性等级进行评定,进而选择对维持区域生态系统健康相对重要的核心区斑块作为生态源地生态阻力面构建方法VCR=∑Rij×Wi(1)选取NP、CA、PD、AREA_MN、LSI、PLADJ和CON-NECT 7种景观格局指数。参考Costanza等[19]、谢高地等[20]研究结果,增加绿地[21]和其他用地[22]调整当量,并根据徐州市粮食生产和市场价值得到各土地利用类型生态系统服务价值[23];(2)采用ArcGIS 10.2软件栅格计算器对各阻力因子生成的阻力面进行加权求和,得到综合阻力面生态阻力面作为MCR模型的成本数据,需要综合评价不同土地利用类型的景观格局指数和生态系统服务价值以及坡度的差异进行阻力赋值[14-15]生态网络构建及优化方法VMCR=fmin∑i=m,j=ki=1,j=1DijRi[13](1)将生态源地及阻力面图层输入开源GIS工具Link-age Mapper软件,通过计算生态源地斑块间的欧氏距离和成本加权距离确定生态源地间最低成本路径,即潜在生态廊道;(2)采用GIS缓冲区分析和泰森多边形相结合的方法识别生态源地盲区;(3)采用ArcGIS开发工具Pinchpoint Mapper识别生态廊道的夹点区域能够弥补生态源地盲区,明确优先保护和建设关键区域以及生态功能薄弱处,进一步优化基于土地利用现状形成的潜在生态网络体系网络结构分析方法α=L-V+12V-5,β=LV ,γ=L3(V-2)采用图论方法,将生态源地斑块抽象成点,将生态廊道抽象成线,系统分析点与线之间的拓扑关系可定量评价生态网络的连通性、复杂性和有效性[5,11],是探究区域生态系统内部结构的有效工具[24]

n为研究区景观斑块数量;AL为研究区景观整体面积,hm2;ai和aj分别为i、j斑块面积,hm2;Pij*为斑块间物种扩散的最大可能性;PC为可能连接度指数;dPC为斑块重要性;PC,remove为去除某斑块后的连接度水平。VCR为综合阻力面值;Rij为第i种阻力因子的第j个分级指标的阻力值;Wi为第i种阻力因子权重。NP为斑块数量;CA为斑块类型面积;PD为斑块密度;AREA-MN为平均斑块面积;LSI为景观形状指数;PLADJ为同类斑块邻接比;CONNECT为连接度指数。VMCR为最小累积阻力面值;f为一个未知函数,反映生态过程和最小累积阻力的正相关关系,min指待分析的景观单元相对各个初始斑块选取最小累积阻力值;Dij为从源j到景观单元i的空间距离;Ri为景观单元i对运动过程的阻力值;m为景观单元数量,个;k为生态源地斑块数量,个。α为闭合度,反映生态网络出现回路的程度;β为线点率,表征生态网络结构的复杂程度;γ为环通度,用来度量生态网络节点的连接强度;L为生态廊道数,条;V为生态节点数,个;L-V+1为实际环线数,个;2V-5为最大可能环线数,个;3(V-2)为生态网络中最大可能廊道数,条。

由图1可知，孤岛面积仅占前景土地利用类型面积的0.90%,主要集中发布于建设用地内部,其斑块孤立，连通性差,但可作为生物迁移的连接点。桥接、支线和环道面积约为404.48 hm2,占前景土地利用类型面积的4.46%,它们分布较为均匀,对物种扩散和能量流动极为重要。

根据斑块重要性(dPC)进行筛选,将dPC≥0.01的核心区斑块作为生态源地。由图1可知,研究区生态源地斑块总数为237个,总面积为6 421.49 hm2。生态源地斑块数量占比仅为10.40%,而面积占比高达89.89%。这说明研究区大型核心斑块居主导地位,对维护生物多样性具有重要意义。面积小于10 hm2的生态源地斑块数占比为62.45%,其面积占比仅为7.26%,这说明研究区生态源地斑块碎片化十分严重,不利于物质交换和能量流动。

2.2 生态景观阻力评价

由表2、图2可知,研究区建设用地面积占比最大,交通用地连接度指数较高,它们形成的分隔作用明显,不利于生物迁徙。绿地同类斑块邻接比最小,这表明绿地斑块破碎化程度最高。湿地平均斑块面积、同类斑块邻接比、连接度指数和单位面积生态系统服务价值最大,这表明湿地集聚程度最高,其生态系统服务功能也最好。耕地总生态系统服务价值最大,但其提供的单位面积生态系统服务价值远低于林地和湿地。林地平均斑块密度、连接性指数和生态系统服务价值均较大,对维护城市生物多样性十分重要。

表2 研究区各土地利用类型的景观格局指数和单位面积生态系统服务价值

Table 2 Landscape pattern indexes and ecosystem services value per unit area of different land use types

景观类型NPCA/hm2PDAREA-MN/hm2LSIPLADJCONNECT单位面积生态系统服务价值/(元·hm-2) 耕地 442181.300.7741.0130.8397.71 1.2116 657.15 林地10133.840.1833.5016.5897.152.0659 291.02 河流湖泊12227.800.2122.7841.4292.142.4895 620.48 坑塘沟渠8110.410.1412.8512.3196.181.9495 620.48 湿地21.450.003 572.311.9598.38100.00115 482.55 绿地1 05927.611.842.6177.9285.171.0850 334.11 建设用地1 029228.651.7922.2243.1497.150.820 交通用地12641.870.2233.2689.5886.164.430 其他用地19321.870.3411.3219.9195.740.9213 768.51

NP为斑块数量;CA为斑块类型面积;PD为斑块密度;AREA-MN为平均斑块面积;LSI为景观形状指数;PLADJ为同类斑块邻接比;CONNECT为连接度指数。

图2 研究区各土地利用类型生态系统服务总价值

在构建生态阻力面时选择土地利用类型和坡度研究区阻力因子,并采用德尔菲法和层次分析法[10]分别赋予0.8和0.2的权重值(表3)。同时基于不同土地利用类型的景观格局指数和生态系统服务价值,确定不同土地利用类型的生态景观阻力。由表3可知,各土地利用类型阻力值由大到小依次为建设用地、交通用地、其他用地、耕地、绿地、水域、林地和湿地。按各像元土地利用类型和坡度分别进行阻力和权重赋值,再采用ArcGIS 10.2软件栅格计算器得到研究区阻力面,并以此构建生态廊道。

2.3 生态网络构建及优化分析

采用MCR模型提取研究区潜在生态廊道。由图3可知,研究区共提取435条潜在生态廊道,总长度为248 823 m。多数生态廊道位于河流或林带,生态阻力小,无需优化。但部分廊道穿越建设用地,生态阻力极大,需要优化。生态源地盲区为因生态源地间无法形成结构性连接,导致生态网络存在覆盖度较低的区域。根据GIS缓冲区分析结果,研究区生态源地盲区面积为196.6 km2,占研究区总面积的34.2%,主要分布于生态环境较差的城中村、旧工业用地和建筑密集区。为弥补生态源地盲区,提升城市生态系统服务功能,必须对其进行连接度优化。依据泰森多边形法则,增添面积≥0.5 hm2的生态斑块作为踏脚石,并采用ArcGIS开发工具Pinchpoint Mapper形成电流密度图,将电流密度值接近1的点作为生态夹点(图3)。共添加70个踏脚石和新增192条生态廊道。优化后,研究区α指数由0.42增至0.53,生态网络分布更均匀,回路缺失区域大幅减少,网络通达性进一步提高;β指数由1.84增至2.04,网络中每个节点的平均连线数增多,斑块之间相互联系更加容易,网络复杂性大幅提升,生态流动效率提高;γ指数由0.62增至0.69,生态源地连接度大幅提升,这说明添加的踏脚石和新增的生态廊道已经有效地将原先孤立、分散的生态源地与其他生态源地连接起来。

表3 研究区景观阻力因子及其权重和相对阻力值

Table 3 Landscape resistance factors and their weights and relative resistance values in the study area

阻力因子权重分级指标阻力值 土地利用类型0.80湿地1 林地5 水域10 绿地20 耕地40 其他用地600 交通用地700 建设用地1 000 坡度0.20≤2°1 >2～5°10 >5～15°30 >15～25°60 >25°100

图3 研究区潜在生态廊道和优化的生态网络

2.4 生态网络重构有效性分析

由图4、表4可知,生态网络重构后的生态用地面积比2015年生态用地增加886.91 hm2,其增量相当于达到2020年城市规划方案中生态用地面积所需增加面积的33.3%,且优化后生态用地斑块密度大幅下降,平均斑块面积明显增加,说明生态斑块景观破碎度得到明显改善。

图4 研究区2015、2020年城市规划方案和生态网络重构方案中生态用地分布

表4 研究区2015、2020年城市规划方案和生态网络重构方案的景观格局指数

Table 4 Landscape pattern indexes of ecological land in 2015, in urban planning for 2020 and in the expected ecological network after optimization

方案生态用地总面积/hm2PDAREA-MN/hm2LSICONNECTCOHESIONSPLIT 2015年10 147.116.2615.9855.081.2299.67 7.90 2020年城市规划方案12 807.2714.346.9768.260.6298.0584.62 该研究生态网络重构方案11 034.023.0133.2363.992.0199.981.13

PD为斑块密度;AREA-MN为平均斑块面积;LSI为景观形状指数;CONNECT为连接度指数;COHESION为斑块结合度;SPLIT为分离度指数。

2020年城市规划方案十分重视生态建设,规划的生态用地面积大幅增加,但其斑块连接度仍然很低,不利于物种交流和能量传递。与其他情景相比,优化的生态网络构建方案中生态用地分离度指数大幅下降,说明构建的生态网络提升了生态景观连接度水平。而2020年城市规划方案中生态用地分离度指数最大,这对生态用地连接度起负面作用。综合比较3个情景,优化的生态网络能有效降低生态用地破碎度,提高斑块间连接度水平,改善生态景观格局。

3 讨论

3.1 徐州市中心城区景观格局特征变化

研究区生态源地空间分布不均匀,特别是北、东部地区生境斑块较少,分布较孤立、分散。近年来,徐州市开始重视生态建设,2015年生态用地面积为101.10 hm2,比2005年增长20.54 hm2[25],其占研究区面积比例从13.84%提升至17.59%,但远低于广州市(56.64%[15])和厦门市(45.87%[26])以及京津冀城市群(44.37%[3])。这主要与徐州市产业结构有关。作为老工业基地,2003—2013年徐州市工业用地面积扩张3 077.46 hm2,且主要集中于东、北部[27],自然生态空间不断被挤压。煤矿开采也造成主要分布于西北、东北部,面积为1.5×104hm2的塌陷地[9],进一步加剧了当地景观破碎化程度。相关研究[25]也表明,徐州市低效用地主要分布于西北和东北部,其面积占全市面积的9.94%。因此,应加强对徐州市东、北部核心区生境斑块的保护,合理利用采煤塌陷地和低效用地构建生态网络,促进城市可持续发展和生态系统服务功能的提升。

3.2 生态阻力的成因与减缓

生态阻力面作为MCR模型的成本数据,其关键是阻力值的确定,不同阻力值赋值方案会对网络模拟结果产生重要影响[1]。考虑到生态系统自身具有复杂性、动态性、异质性的特点[28],阻力值不是绝对值,只反映阻力的相对大小、物质能量和信息向外扩散的难易程度[29]。景观要素的类型组成、空间格局配置和生态系统服务功能直接决定斑块的生态阻力[26]。在缺少详细生物资料的情况下,笔者研究基于景观格局指数[11,15]和生态系统服务价值[30]确定各土地利用类型的生态阻力值,同时综合考虑坡度影响构建的生态阻力因子体系具有较好的实用性。

生态阻力因子与研究区生态格局实际情况密切相关。以城市中心划分4个象限,西南、西北、东北和东南区域生态用地面积分别占研究区生态用地面积的37.86%、22.54%、17.95%和21.65%。西南区域生态用地分布有云龙山、云龙湖和泉山公园等大型斑块,连通性好,生态阻力小。尽管西北区域生态用地面积占比较高,但多为零星的公园绿地,连通性差。北部区域生态用地多为工业防护绿地,缺少生态系统服务功能较高、生境适宜性较大的生态源地。东北部三环以内区域基本被建设用地占用,联系东、北部区域的生态廊道在此被切断,使生态源地间无法有效连接。从整体来看,研究区南、北部区域生态用地连通性差,中心区域尤为严重,不利于物质交换和能量流动,因此笔者通过添加踏脚石斑块和生态廊道[14-15],以优化生态用地连通性,缓解生态阻力大的问题。

3.3 徐州市中心城区生态网络优化

就优化后的徐州市中心城区生态网络而言,其西南、西北和东部区域都有连接着主要生态源地的重要生态廊道,这能有效缓解采煤区塌陷、老工业基地发展和城市扩张带来的景观破碎化问题,这些区域需要在开展生态建设时予以重点保护和建设。而优化后新增的生态廊道主要分布在云龙湖以北等老城区范围和大黄山以东的城市外围区域,能有效沟通研究区西南部区域与北、东部区域的联系,起到优化整体生态网络的作用。郭宏斌等[26]基于最小耗费距离模型构建了厦门市生态网络,随着生态廊道数量的增加,α、β和γ指数分别增加0.26、0.53和0.18,均低于笔者研究,这可能是因为直接选取较大规模的林地和园地作为生态源地,而忽视了中、小斑块的作用。杨志广等[15]基于MSPA方法和MCR模型构建广州市生态网络,优化的生态网络α、β和γ指数分别为0.68、2.07和0.79,略高于笔者研究,这可能是因为受产业结构、煤矿开采和自然山水资源禀赋等条件限制,徐州市中心城区景观破碎化程度更高。

4 结论

以徐州市中心城区为对象,应用形态学空间格局分析(MSPA)和景观连通性指数法,筛选dPC≥0.01的核心区作为生态源地;基于土地利用类型的景观格局指数和生态系统服务价值以及坡度构建的阻力面更符合徐州市中心城区的生境特点;采用最小累积阻力模型(MCR)和电路理论、图论等相结合的方法,添加70个踏脚石斑块和192条生态廊道,以弥补现有生态网络的不足。综合对比可知,重构后的徐州市中心城区生态网络景观破碎化程度大幅度降低,斑块连通性增加,斑块结合度提高,分离度降低,区域景观格局和生态安全显著改善。以徐州市中心城区生态本底为研究对象,采用多种方法重构的生态网络,其稳定性和安全性得到有效验证。这不仅为徐州市中心城区进一步开展生态建设提出可行性方案,还可为其他传统矿业城市转型、低效用地再开发和未来国土空间规划提供科学参考。但由于缺少徐州市中心城区详细的生物资料,生态阻力面的构建还存在一定局限性。下一步需加强研究区生态本底调查,综合考虑道路、人为干扰等因素影响,并重点关注可能存在的生态盲区。