基于MSPA-InVEST模型的北京中心城区绿色空间生境网络优化

陈泓宇 李雄

1 研究背景

2020年9月30日联合国生物多样性峰会上，习近平主席指出各方亟待统筹城市发展与保护的关系以应对持续严峻的生物多样性形势。城市绿色空间是城市生物多样性的核心载体，如何提升城市生物多样性已成为城市绿色空间研究的前沿重点内容[1-3]。

城镇化进程造成了北京中心城区生境破碎化[4],[5]76与生物多样性的显著降低[6]。现已有从生境质量评估[5]77,[7]、生境营造方法等角度对北京中心城区绿色空间的研究[8-9]，但缺乏生境网络角度的有关研究。生境网络是生境间物质、信息、能量交换的载体，是维持生物多样性的空间保障[10-11]，保护生境网络比单纯保护生境更具意义[12]845。生境网络已形成了“源地－廊道”构建范式[13]2,[14]，源地识别是其关键步骤[15]。多数研究基于物种观测数据，使用生态位模型识别生境源地，进而构建与优化生境网络[12]847,[16]，但受限于物种观测数据的可获得性与精度，生态位模型在中心城区尺度的生境网络构建与优化中应用性有限。形态学空间格局分析（Morphological Spatial Pattern Analysis, MSPA）可基于斑块面积和空间拓扑关系等空间形态属性指导生境源地识别[17]，但因不能定量体现斑块生境质量等功能属性，其对生境源地的识别具有局限性；生态系统服务综合评价与权衡（Integrated Valuation of Ecosystem Services and Tradeoffs,InVEST）模型的生境质量模块可定量评估生境质量，基于斑块功能属性指导生境源地识别[18]，因其难以反映面积、结构性连接等空间形态属性，故仅使用InVEST模型识别生境源地也有局限性。综上，MSPA、InVEST模型可基于斑块自身属性识别生境源地，相对于生态位模型在中心城区尺度的生境网络研究中具有更好的可操作性，且二者分析机制具有互补性。目前已有独立使用MSPA或InVEST模型构建生境网络的研究[19-20]，但未见结合二者的相关研究。

基于上述分析，本研究将创新地耦合MSPA与InVEST模型，综合空间形态属性与功能属性识别生境源地，并基于此优化北京中心城区绿色空间生境网络，对北京中心城区绿色空间研究的内容以及生境网络优化方法进行补充，同时借北京“留白增绿”“城市森林”等工程建设契机，支撑北京中心城区绿色空间精准化建设及生物多样性保护与提升。

2 数据与方法

2.1 研究区域概况

《北京城市总体规划（2016年—2035年）》提出北京“一核一主一副、两轴多点一区”的未来城市空间结构布局，其中“一主”为东城区、西城区、朝阳区、海淀区、丰台区、石景山区所组成的中心城区，即本研究区域，总面积约1 378 km2（图1）。

1 本文研究范围：北京中心城区The research scope: central Beijing

2.2 研究数据

本研究使用2019年分辨率为30 m的Landsat 8 OLI_TIRS遥感影像为土地利用源数据（条带号：123，行编号：32），并使用ENVI软件解译影像，依据《土地利用现状分类》（GB/T 21010—2017）将解译结果分为耕地、林地、草地、水域、建设用地和未利用地6种土地利用类型，最终在ArcGIS软件中剪裁获得北京市中心城区2019年土地利用数据。

2.3 研究方法

本研究基于“源地－廊道”的生境网络构建范式，综合考虑生境源地的空间形态属性与功能属性，结合MSPA景观要素分类与InVEST模型生境质量评价结果，对研究区域的生境源地进行遴选，并以此为基础，识别生境廊道与生境节点，进而对北京中心城区生境网络进行优化。

2.3.1 景观要素识别

MSPA是一种基于数学形态学的分类的处理方法[21]，其基于腐蚀、膨胀、开运算、闭运算等数学形态学原理，能够将二值图像的像素分为7类互斥景观要素（表1）。

表1 MSPA的景观类型及其含义[21]Tab.1 MSPA landscape types and their implications[21]

从生物多样性角度，使用解译获取30 m精度土地利用数据，将生物多样性潜力良好的林地、草地、水域3类自然要素作为前景要素，将耕地、建设用地、未利用地作为背景要素，生成二值图像，之后在Guidos Toolbox软件中采用八邻域分析法对研究区域进行基于MSPA的7类景观要素识别。

2.3.2 生境质量评价

InVEST模型是一款生态系统服务评估工具，其内置的生境质量模块能够基于土地利用类型，定量评估生境质量[22]。输入土地利用数据、胁迫因子、对胁迫因子敏感度等参数，计算得到以栅格为单位，值域0～1的生境质量指数。栅格精度与土地利用数据一致，本研究参考InVEST模型手册推荐值及相关文献[5]80,[19]115,[23]97，结合研究区域的实际情况设置模型参数（表2、3）。模型主要运算公式如下：

表2 胁迫因子及其最大影响距离、权重及衰减类型Tab.2 Threat factors and their maximum impact distance, weight and attenuation types

表3 不同土地利用类型对胁迫因子的敏感度Tab.3 Sensitivity of different land use types to threat factors

式（1）中，Qxj为某种土地利用类型j中的栅格x的生境质量；k为半饱和常数；Hi为土地利用类型j的生境适宜性；Dxj是某种土地利用代表的生境类型j中栅格x的生境胁迫水平。Dxj满足如下公式：

式（2）中，R为胁迫因子的个数，Wr代表胁迫因子r的权重；Yr为胁迫因子图层在土地利用数据中的栅格个数；ry为土地利用类型每个栅格上胁迫因子的个数；βx为栅格x的可达性水平，其最大值为1，代表其达到最大可达性；Sjr为土地利用类型j对胁迫因子r的敏感性，其最大值为1，代表生境对胁迫因子的敏感性达到最高；栅格y中胁迫因子r对栅格x中生境的胁迫作用为irxy，其随距离变化满足如下公式：

式（3）（4）中，dxy为栅格x与栅格y之间的直线距离，drmax为胁迫因子r的最大影响距离。

2.3.3 绿色空间生境网络优化

生境网络可拆解为具有核心保护作用的生境源地、具有连接作用的生境廊道和具有踏脚石作用的生境节点[24]，因不同源地、廊道、节点在全生态过程中的作用存在差异[25]7552，为最佳配置与利用有限的资源，充分发挥有限空间的生物多样性保护与提升功能，应依据源地、廊道、节点重要程度优先次序采取不同策略。故本研究将生境网络的构建与优化过程分为生境源地、生境廊道以及生境节点3个层面的识别与优先级判断。

1）生境源地识别与优先级判断。首先在ArcGIS中提取MSPA所识别的核心区斑块，其次基于InVEST模型评估得到的生境质量指数，对核心区斑块进行生境质量指数赋值，提取生境质量较高的斑块作为生境源地。相关研究表明可通过景观连接度对源地进行优先级划分[26]，故本研究选取整体连通指数（dIIC）、可能连通指数（dPC），并计算二者相对重要性（dI）作为生境源地优先级评判的指标[13]4，选取dI值较高者作为核心生境源地。使用Conefor 2.6软件对上述指标进行量化，其中将斑块连通距离阈值与连通概率分别设置为500 m与0.5。主要计算公式如下：

式（5）（6）中，n为斑块总数，ai与aj分别表示斑块i与斑块j的面积，AL为景观的总面积，lij为斑块i和斑块j间的路径数，p*ij是物种在斑块i与j直接扩散的最大可能性。

2）生境廊道识别与优先级判断。阻力指物种在不同景观单元之间进行迁移的难易程度，生物在不同斑块区间运动需要克服不同的阻力。最小累积阻力（Minimum Cumulative Resistance, MCR）模型能够模拟物种在斑块间运动，并基于MCR得到物种扩散最佳路径。本研究基于MCR模型，使用ArcGIS软件中Spatial Analyst模块的Cost Backlink、Cost Distance以及Cost Path工具，置入生境源地空间数据，并依据生境质量设置阻力参数（表4）[19]115,[25]7552，识别生境廊道。此后，基于生境源地的优先级判断，认为连接核心源地间的廊道具有维持生境网络整体稳定性的关键结构性作用[27]，置入核心生境源地空间数据，再次运行MCR模型，识别关键廊道。最小累积阻力（MCR）值满足如下公式：

表4 阻力参数[19,25]Tab.4 Parameters of resistance[19,25]

式（8）中，Dij为源点j到空间单元i的距离，Ri为单元i的阻力系数。

3）生境节点识别与优先级判断。根据景观生态学理论，尽管孤岛斑块的生态能力有限，但一些位于廊道上的孤岛斑块仍可在生境网络体系中发挥重要的踏脚石作用。首先，在ArcGIS软件中提取MSPA识别得到的孤岛斑块，同时叠加生境廊道识别结果，对廊道所经过的孤岛斑块进行识别并提取，作为生境节点。之后依据廊道等级，将关键廊道所经过的孤岛斑块视作重要节点，其余为一般节点。

3 结果与分析

3.1 景观要素识别结果与分析

在Guidos Toolbox软件中运行MSPA工具对研究区域2019年土地利用数据进行分析，得到景观要素的MSPA分类结果（图2），并统计不同景观类型的面积并计算其占比（表5）。结果表明，前景要素中面积最大的为核心区（11 524.41 hm2），占前景要素总面积的35.31%，但其仅占研究区域面积的8.43%。核心区中最大斑块为海淀西山林地，面积7 821.82 hm2，对核心区面积的贡献高达67.87%，剔除该斑块后，其他核心区斑块仅占研究区域面积2.7%。结合图2可知大型核心区主要分布在第一道绿隔带上，呈西多东少、北多南少分布态势，该结果体现了近年北京城市公园环的建设成果，同时从侧面反映出海淀西山林地以外的核心区斑块面积有限且分布较为分散。前景要素中面积次之的为孤岛（占前景要素总面积24.46%），而具有重要生物迁移作用的桥接区仅占前景要素总面积的11.53%。综上，北京中心城区尽管存在如海淀西山林地的大尺度核心区斑块，但核心区总体面积有限、格局分散，且孤岛斑块占比高，桥接区比例有限，生物迁移能力弱。

2 MSPA景观类型分析结果The analysis results of MSPA landscape types

表5 基于MSPA的各景观类型面积及占比Tab.5 The area and proportion of landscape types based on MSPA

3.2 生境质量评价结果与分析

在InVEST模型中使用生境质量模块量化研究区域生境质量指数，得到研究区域生境质量指数分布，指数区间0～0.98（图3）。依据生境质量指数量化结果，并参考有关文献[5]78,[19]114,[23]98,[28]，将研究区域生境分类：高质量生境（0.76～0.98），中质量生境（0.43～0.75）及低质量生境（0～0.42）。

3 生境质量指数分析结果The analysis results of habitat quality index

统计不同质量生境面积及所占比例（表6），发现高质量生境占比17.61%，低质量生境占比76.12%，而中质量生境占比最小仅为6.27%，呈两极化分布趋势。该结果可能因近年来建设用地侵占农田及中心城区退耕还林、退草还林所共同导致[5]80。尺度较大的高质量生境呈现出沿第一道绿隔带分布的态势，在海淀西山林地、丰台区永定河沿岸以及奥林匹克森林公园等位置呈大规模的聚集，但仍有大量散点式高质量生境分布在研究区域内，高质量生境总体分布分散。

表6 不同质量生境面积及占比Tab.6 The area and proportion of habitats with different quality

3.3 绿色空间生境网络优化结果与分析

3.3.1 生境源地识别与优先级判断

基于MSPA景观要素分类与InVEST模型生境质量评估结果，遴选出作为生境源地的高生境质量核心区斑块205个，占核心区斑块数（340）的60.3%，总面积10 735.0 hm2，占核心区斑块总面积的93.2%。对比发现，尽管面积占比高达93.2%，但在数量上有近40%核心区斑块的生境质量不满足其作为生境源地，说明了耦合空间形态属性与功能属性对生境源地选择具有必要性。

进行连通性分析时，因海淀西山林地斑块的面积过大，致其明显弱化了其他源地重要性差异程度，故优先判定其为核心生境源地，将其移出后将剩余生境源地置入Conefor 2.6中量化连通性指标，计算求得各源地dI值，综合考虑计算结果并参考有关研究[25]7551，将dI＞0.97的生境源地选为核心生境源地（图4），共计32个，总面积9 851.3 hm2，占生境源地总数的15.6%，占生境源地面积91.7%，主要包括海淀西山林地、奥林匹克森林公园等大型城市森林。

4 生境源地识别结果The results of habitat source identification

核心生境源地基本在中心城区外围空间，沿第一道绿隔带分布，分布趋势西多东少、北多南少，南部及东南部无核心生境源地。该结果可能由于东部及北部生境源地建设时间早、规模大、周边生境源地数量多，斑块的连通性好，在生境网络中具有更强的结构性作用，致使南部及东南部生境源地重要性较低。

3.3.2 生境廊道识别与优先级判断

基于MCR模型， 通过ArcGIS的Cost Path工具识别得到生境廊道463.2 km，并识别关键廊道88.5 km，占廊道总长度的19.1%（图5）。关键廊道由中心城区东部经北部向西至海淀西山，向南经永定河流域达中心城区西南部，总体呈半包围态势，由于东南部核心生境源地的缺失，该区域无关键廊道。

5 生境廊道识别结果The results of habitat corridor identification

匹配廊道识别与生境质量分析结果，得到廊道高、中、低生境分布比例（表7），发现一般廊道内非高质量生境达41.2%，其中低质量生境比例达22.7%，关键廊道内非高质量生境比例达40.2%，其中低质量生境比例达24.4%。说明所识别廊道尽管为基于MCR模型所得，但研究区域现状生境质量对廊道内的生物迁移仍有较大阻力，廊道连通能力有待提升。

表7 廊道生境质量分布Tab.7 The distribution of corridor habitats’ quality

3.3.3 生境节点识别与优先级判断

基于廊道识别结果，识别生境节点527个（图6），总面积368.7 hm2，仅占MSPA分析得到孤岛面积的4.6%，表明大部分孤岛尚未融入生境网络优化格局之中，难以发挥其生态功能，仍具较大的优化潜力；生境节点分布呈内多外少的辐射特征，主要原因在于中心城区内部生境源地数量较少致使生境源地间廊道相对外围空间更长，使小型斑块被经过的可能性上升，反映了中心城区由外至内生境破碎度上升的特点。位于关键廊道上的重要生境节点49个，占节点总数的9.3%，整体分布东多西少，表明中心城区东部尽管具有一定的核心生境源地，但相较于依托良好自然本底的西部地带，生境受到的隔离作用较强，生境源地间距较大，廊道距离较长，致使所经节点数量更多。

6 生境节点识别结果The results of habitat node identification

匹配生境节点识别与研究区域生境质量分析结果，得到生境节点高、中、低生境分布比例（表8），发现所识别生境节点无低质量生境分布，中质量生境分布比例相对较高，总体占比58.0%，表明廊道所穿越生境节点的生境质量有待提升，同时反映了大量高质量孤岛斑块因隔离作用而难以进入优化网络，有待进一步整合。

表8 节点生境质量分布Tab.8 The distribution of node habitats’ quality

4 结论与讨论

4.1 结论

研究结果表明耦合MSPA与InVEST模型能够互补各自优势，在中心城区尺度的生境网络构建与优化中具有可行性与优势性，可高效支撑城市生态能力提升与生物多样性保护工作。

1）北京中心城区大尺度生境斑块连通性欠缺，生境破碎程度较高。基于MSPA的景观要素分类结果表明，研究区域内核心区面积占比最高，次之为孤岛，分别占前景要素总面积的35.31%、24.46%，具有重要生物迁徙作用的桥接区仅占11.35%，说明北京中心城区绿色空间破碎程度较高，尽管存在如海淀西山林地的大型生境斑块，但整体连通性不佳。

2）北京中心城区生境质量呈现两极化趋势，高质量生境呈整体分散局部聚集的分布态势。InVEST模型评价结果表明研究区域低质量生境面积占比最高（76.12%），次之为高质量生境（17.61%），中质量生境最低（6.27%）；除中心城区边缘区域有局部聚集，高质量生境整体呈离散分布。

3）基于分析结果，构建了北京中心城区绿色空间生境网络优化格局。识别出北京中心城区生境源地205个，总面积10 735.0 hm2，占中心城区面积7.8%，核心生境源地面积9 851.3 hm2，占生境源地面积91.7%，分布态势西多东少、北多南少；识别出生境廊道共计463.2 km，关键生境廊道88.5 km，占廊道总长度18.3%，关键廊道沿中心城区外围呈东北–西南半包围式分布；识别出可作为生境节点的孤岛斑块527个，呈内多外少的辐射分布，总面积368.7 hm2，占孤岛总面积的4.6%，其中重要生境节点49个。

4.2 讨论

北京城市建设已由增量发展转向存量优化，通过生境源地综合遴选，生境廊道与生境节点识别，能够在“留白增绿”“城市森林”等工程建设背景下，为北京中心城区精准、高效开展绿色空间优化及生物多样性保护与提升等工作提供参考。

1）强化生境源地的保护与扩充。首先，严格控制生态边界以保证生境源地的完整性，特别是对核心生境源地的保护，从根本上保护绿色空间生境网络，并加强生境源地周边综合治理，削减对源地的胁迫作用；其次，利用“留白增绿”“城市森林”等工程建设契机，扩大现有生境源地的规模，并对生境质量欠佳的近40%核心区斑块，进行生境质量提升，使其成为生境源地，从而扩充生境源地数量，重点提升中心城区南部生境源地规模与数量。

2）注重生境廊道的疏通与连接。首先，严格保护关键生境廊道上林带、水系等线性绿色空间以保证廊道结构的完整；其次，优先利用生境廊道上的腾退用地开展“城市森林”建设，并对生境廊道上的农田适当进行退耕还草、退耕还林，整体提升廊道生境质量与连通性，尤其加强中心城区南部廊道连通性的提升。

3）推进生境节点的提质与整合。研究所识别生境节点内高质量生境整体占比不足50%，因此应对生境节点进行生境质量重点提升，增强其对生境网络的支撑作用，同时整合重要节点周边的破碎绿色空间，扩大节点生态规模；此外，研究结果表明仍有大量生境孤岛置于优化网络之外，故可利用腾退用地连点成线，连线成面，促进分散的点状生境就近融入整体网络体系之中，发挥孤立生境的生态功能，整体提升生境网络能力。

4.3 问题与展望

由于遥感影像解译精度有限且解译过程中存在误差，同时因缺乏标准的参数量化方法，本研究所使用模型参数主要来自模型参考值及前人有关研究，因此分析结果与实际情况存有一定的误差，具有局限性；本研究从生境网络优化角度，为北京中心城区广泛生物多样性保护与恢复构建空间基础，未来应进一步结合生物观测等多元数据，验证与校正分析结果，推进具体策略的深化与落实，以支撑北京城市生物多样性保护与恢复。

致谢(Acknowledgments)：

感谢李方正老师对本文写作的帮助，感谢李豪同学在本文写作过程中的帮助。

图表来源(Sources of Figures and Tables)：

图1改绘自《北京城市总体规划（2016年—2035年）》中的附图10：中心城区空间结构规划图，其余图纸均为作者绘制。表1根据参考文献[21]绘制；表4根据参考文献[19, 25]绘制；其余表格均为作者绘制。