基于景观生态风险评价的景观格局优化——以北京市浅山区为例

倪畅 周凯 郑曦

随着经济的快速发展、城市化水平的深入推进，土地覆被发生变化，生态系统结构和服务功能发生改变，复杂的自然过程和人为活动使得各类生态风险和突发事故频频发生，对生态环境造成难以估量的破坏[1]。有效识别生态风险，优化区域内景观格局，实现生态安全以及最大景观生态效益成为生态学核心内容[2]。

景观格局优化能够利用景观生态学原理调整优化景观组分、斑块数量和空间分布格局，使之和谐有序地解决土地合理利用问题，以达到景观综合价值最大化[2]。景观格局优化多在识别特定生态安全格局或景观生态风险的基础上，确定重点保护区域，提出合理建议[3]。景观生态风险评价对在自然灾害和人类干扰下的景观结构、功能以及过程的不良发展进行预估和判断，基于分析景观要素镶嵌、景观生态过程和景观格局演变对风险进行响应，强调景观格局对于生态过程或功能的影响，因此景观生态风险评价能够有效地为景观格局优化与管理提供依据[4]。

景观生态风险评价基本可以划分为基于风险源汇和景观格局2种评价方法，目前最为常用的是基于景观格局的评价方法[4]，其利用景观格局指数和土地利用类型构建风险评价模型，能够弥补风险源汇中缺少对景观异质性与生态系统动态变化的考量的缺点，但是该方法仅考虑了景观格局与结构的影响，忽略了人为干扰对生态系统的影响[1]。因此，需要对自然要素、人类干扰以及景观格局进行综合考虑。景观格局优化方法包括概念模型、计量模型以及空间模型。最小累积阻力（Minimum Cumulative Resistance, MCR）模型属于空间模型，由Knaapen等[5]提出，并应用于景观格局优化中。诸多学者利用风险评价结果构建景观累积阻力表面，从而构建生态廊道和生态节点等关键生态元素，以实现对景观格局的优化[6-8]。

山体是城市重要的生态屏障，也是不可再生的自然景观资源。北京浅山区自然环境复杂，受人类活动干扰频繁，区域的可持续协调发展受到严重影响。本研究以北京浅山区为研究区域，基于生态学理论，利用地理信息系统（Geographic Information System, GIS）和遥感（Remote Sensing, RS）技术建立了浅山地区景观生态风险评价模型，依据评价结果对浅山区景观格局进行优化，以期为浅山区景观生态风险防控与生态环境及城镇空间协调发展规划提供科学依据。

1 研究区概况与数据来源

1.1 研究区概况

北京位于华北平原西北部（115.7～117.4°E、39.4～41.6°N），北部、东北部和西部三面环山，东南部为平原。本次研究区域是平原与山麓的过渡地带，以丘陵、台地为主，平均海拔100～300 m，涉及北部和西部的海淀、丰台、石景山、门头沟、房山、昌平、平谷、怀柔、密云9个区的81个乡镇、街道，总面积约为3 917.84 km2，高差1 242 m，属于北温带半湿润大陆性季风气候。浅山区特殊的降雨分布特征和地质地貌条件使得山体地质灾害频频发生；同时，伴随着浅山区人居建设与经济发展，人类活动干扰与生态问题日益加剧。

1.2 数据来源

研究数据包括土地覆被类型数据，土壤数据，数字高程模型（digital elevation model,DEM）数据，多年平均降雨量数据，人口密度数据，矿区开采点数据，灾害易发性数据，风景名胜区、自然保护地与地质公园数据。土地覆被类型数据、DEM数据均来自地理空间数据云平台（http://www.gscloud.cn/），在ENVI 5.3软件中，对遥感影像进行处理，依据相关文献[8]同时参考北京市《土地利用现状分类》（GB/T 21010—2017），将土地覆被类型分为耕地、园地、林地、草地、建设用地、交通用地、水域用地、其他用地8种类型；气象数据来源于世界气象数据库（http://www.worldclim.org/）；土壤数据来源于国家地球系统科学数据中心（http://soil.geodata.cn/index.html）；人口密度数据来源于国家统计局（http://www.stats.gov.cn/）；矿区开采点、灾害易发性数据来自北京市矿产资源规划数据库；风景名胜区、自然保护地与地质公园数据均来自课题“北京浅山区生态保护体系研究”数据资料。

2 研究方法

以景观格局指数法构建景观生态风险评价模型，综合考量景观格局指数、自然因素、人类干扰3个层面。将浅山区景观生态风险评价结果作为景观格局阻力的评价因素，结合土地利用与DEM数据，利用MCR模型进行景观格局优化（图1）。

1 研究思路与框架Research ideas and framework

2.1 景观生态风险评价模型的构建

景观格局指数法是在风险概率乘以危害程度的风险评价模型基础上，根据景观干扰度指数和景观脆弱度指数构建的评价景观生态风险的方法。

2.1.1 景观干扰度指数

景观干扰度指数（Ei）是景观受外部扰动的定向表征，由景观破碎度指数（Ci）、景观隔离指数（Si）和景观优势度指数（Di）组成[9]：

景观破碎化是景观由单一、连续、均匀转变为多个、异质、不连续的斑块的过程，可以用来反映景观的破碎化的程度。Ci计算公式如下[9]：

式中：指数Ai为景观类型i的面积；Ni为景观类型i的斑块数。

Si是指某景观类型斑块的分离程度，分离程度越大，景观越扩散，其破碎化也越严重。计算公式如下[9]：

式中：Hi为景观类型i的距离指数；A为景观总面积，Ai与Ni与式（1）相同。

景观优势度指数（Di）用于描述特定景观类型中斑块的优势程度。计算公式如下[9]：

式中：Hmax是多样性指数的最大值；Pi是景观类型i所占面积的比例；N为景观中斑块类型的总数。

Ei可通过将Ci、Ni和Di根据权重叠加获得。计算公式如下[9]：

式中：a、b、c分别为相应景观指数的权重，根据文献研究[10-12]，a、b、c分别赋予0.6、0.3、0.1的权重值。通过Fragstats软件计算得出所有景观格局指数。

2.1.2 景观脆弱度指数

景观脆弱度表示生态系统受到干扰的敏感性，一般与气候、物种多样性、土壤条件、人为干扰等密切相关。本研究结合土地利用，选取坡度、坡向、归一化植被指数（normalized difference vegetation index, NDVI）、平均降雨量、与水体距离、生境质量、土壤类型7个自然因素指标及其与矿区点距离，灾害易发性，城镇用地距离，道路距离，人口密度，风景名胜区、自然保护地和地质公园距离6个社会因素指标共13项指标来表征景观脆弱度指数（Fi），将这13个指标分为5个等级，1～5级分别代表高度、中高度、中度、较低度和低度风险水平[13-16]，值越高代表生态环境越脆弱，越容易受到外界干扰，其安全性也就越低。之后采用空间主成分分析法（spatial principal component analysis, SPCA）进行空间分析与指标筛选，选取累计贡献率＞85%的指标因子作为选取依据[3]，将各主成分因子的方差贡献率作为总权重平均分配给荷载较大的评价因子，重新叠加得到各因子权重。

2.1.3 景观生态风险评价模型

用采样的方法将景观生态风险指数空间化[9]，研究区域包括980个单元（2 km×2 km）。利用景观面积比建立景观结构与景观风险之间的关系，公式为[17]：

式中，ERI为生态风险指数；N为景观组分类型的数量；Ai为第i类景观组分的面积；A为样本区域总面积；Ri为第i种景观的景观损失指数。

2.2 景观格局优化

MCR模型反映景观内部迁移的受阻程度，是区域景观格局优化研究的关键[18]。MCR模型公式为：

式中，Dij表示研究区域目标i到源j的距离；Wi为景观i对流动的物质及能量的阻力值。f反映MCR与生态过程的正相关关系[18]。

2.2.1 生态源地识别

生态源地是指景观格局连续且完整、生态稳定性较强且拥有较高生态服务价值的区域。基于相关研究基础及研究区实际情况，将起到景观连通性、重要水源供给以及径流调蓄功能的河流、水库，生物多样性丰富且提供高生态系统服务功能的、斑块面积较大的林地及具有良好生态功能的园地作为源地[18]。山林生态源地的最小面积在50 km2以上，园地生态源地面积在30 km2以上，水源生态源地面积在2 km2以上[3]。

2.2.2 景观格局阻力面构建

景观格局阻力是生态系统物质和生态流在空间运行过程中，需要克服不同景观类别边界的阻力[19]。MCR模型通过计算生态流到达景观斑块消耗的成本构建生态阻力面。将景观生态风险评价作为构建景观格局阻力面的依据，在ArcGIS中进行相关运算，得到浅山区景观格局阻力面数据[20]。

2.2.3 生态廊道提取

生态廊道是区域景观格局的重要组成部分，是提高生态源地能量流动与物质循环、改善浅山区生境质量，提升区域景观连通性、实现区域生态系统服务功能完整性的关键生态用地[21-22]。生态廊道的阻力相对较小，故在ArcGIS中计算累积阻力表面的最小的一条线即可得到廊道。并依据生态廊道的性质，将其分为山林型、河流型和复合型生态廊道[23]。

2.2.4 生态节点判别

生态节点可以增强生态源地之间的连通性与稳定性，一般处于生态廊道上[24]。作为生态源地间的跳板，生态节点对于生态源地之间的景观流具有关键的联系作用。本研究将景观格局累积阻力的表面阻力值最高的一条线与生态廊道的交点设定为生态节点。在ArcGIS中对景观格局阻力面进行阻力值最高线的提取[25]，这条线与生态廊道的交点就是浅山区生态节点。

3 结果与分析

3.1 浅山区景观生态风险评价

将浅山区景观生态风险评价结果进行分级，利用重分类工具，将其分为4级（图2～3），其中低景观生态风险区面积为743.61 km2，占比为18.98%；中景观生态风险区面积为1 213.36 km2，占比30.97%；较高景观生态风险区面积为882.30 km2，占比22.52%；高景观生态风险区面积为1 078.58 km2，占比27.53%。浅山整体景观风险评价结果显示，研究区景观生态风险水平不平衡，浅山东部与平原交界处建设用地与耕地处于高景观生态风险区；密云水库东北区域和南部密云区附近高景观生态风险区域较多，主要是耕地和一些村镇分布其中，生态环境状况不容乐观；在云蒙三峪自然风景区、神堂峪自然风景区以及白羊沟自然风景区与南部平原区域景观生态风险水平对比强烈，说明自然风景区以及自然保护区对生态环境的保育作用显著。总体上，密云区、门头沟区、房山区、平谷区景观生态风险指数较高，景观生态风险水平变化与土地利用变化趋势基本吻合。

2 北京浅山区景观生态风险评价结果Results of landscape ecological risk assessment of the Beijing shallow mountain area

3 北京市浅山区景观生态风险评价结果分级Ranking of ecological risk assessment results in Beijing shallow mountain area

3.2 浅山区景观格局优化

3.2.1 浅山区生态源地的确立

北京浅山区生态源地以山林型生态源地为主，其由北京地区北枕燕山、西峙太行的地理区位所决定。山林生态源地共10个（图4），面积约为807.46 km2，占研究区总面积的20.61%。水源生态源地与山林型生态源地相互交错，包括水库、湖体以及河流流域，共4个，面积约为202.73 km2，占研究区域面积的5.17%。园地生态源地1个，面积约为49.78 km2，占研究区域面积的0.03%。

4 生态源地平面图Plan of ecological source areas

3.2.2 浅山区生态廊道的构建

由浅山区景观格局累积阻力分级图所示（图5），景观格局高阻力地区主要分布于山体与城市建成区的交界处，且与周边城市化程度呈正比例分布，承受城市化扰动压力较大，受风险干扰次数较多。根据景观格局阻力表面，在北京市浅山区共构建10条生态廊道（图6），按照长度进行分级（表1）。

5 景观格局累积阻力分级Classification of landscape pattern cumulative resistance

6 生态廊道Ecological corridor

表1 生态廊道分级Tab. 1 Ecological corridor classification

山林型生态廊道可进一步增加其连通性，保护自然景观，必要时增加植被面积，构建完整的浅山区山林廊道体系。河流型生态廊道处，可充分利用浅山区地带的环境优势，与周边绿化建设相结合，构建缓冲带，提升河流生态环境。复合型生态廊道，可提升景观异质性，促进物质、生态流的流通，建立区域生态网络，构建完整的山-水-林-湖生态系统。

3.2.3 浅山区生态节点

浅山区共识别生态节点14个（图7），按所处廊道级别分级（表2）。

表2 生态节点分级Tab. 2 Ecological node classification

7 生态节点Ecological nodes

位于西山拒马河流域的节点（节点1），是北京西南部生态建设的关键节点，由于河流周边其他类型生态源地较少，缺乏关键生态源地之间的重要连接，同时易受人为因素干扰，因此应增加拒马河流域林地面积，形成京西南山林-河流的复合型生态廊道，为生态流运行提供完整介质。位于山林带、水源带与浅山区城镇建设的过渡地带，可通过在节点处增加绿地斑块数量和面积，增加区域景观格局异质性，提高植被覆盖率和物种丰富度，构建完善的生态网络。位于山林区的节点（例如节点6、9、10、11、12），应丰富植被种类，引入抗风险、隔离效果好的树种，阻挡浅山区内农业及乡村非点源污染的扩散。

3.2.4 景观格局优化

景观格局优化是为了调整斑块数量以及景观镶嵌分布形式从而使景观生态达到健康、稳定、有序的状态。浅山区域虽分布着较多林地、水域等生态稳定性较强的区域，但近平原区分布大量建设用地，且不断向浅山内部扩张，使得景观格局趋于碎片化。因其景观功能空间分布不平衡，需要加强景观之间的沟通与联系，才能最大化景观的综合价值。经过优化后的景观格局（图8）与现状景观格局（图9）相比，充分利用了现有的河道、山林构建廊道，同时在廊道的关键处设置生态节点，将源地进行有效串联，使得区域内能量、物质能够有效交流，提升景观总体生产力与稳定性。

8 优化后景观格局Landscape pattern after optimization

9 现状景观格局Landscape pattern status

4 讨论与结论

4.1 研究方法局限性

1）本研究结合研究区山地的特点，构建了自然、人类社会、景观格局3个层次的综合景观生态风险评价模型，克服了传统的单因子评价、单一风险受体的不足。SPCA方法能够减少数据冗余，突出主要信息，客观选取评价因子并赋予权重。随后，本研究利用MCR模型进行景观格局优化。景观阻力依据景观生态风险评价结果计算，将生态环境、人类活动及景观格局综合考虑，从而避免单因子对阻力的片面和主观影响。但此研究方法的探究实践，尚存在一些局限性。1）卫星遥感数据主要来源于Landsat 8 OLI夏季数据，遥感图像30 m空间分辨率及时相差别对提取结果有所影响，同时人工解译也存在一定误差。2）景观生态风险评价因子的选择与等级划分中大多基于学者的研究成果，有必要结合区域实际情况，进一步研究与探讨；本研究加入了一些新的尝试，比如生境质量因子与灾害易发性因子，具有一定主观性。3）景观生态风险评价结果缺少验证，评价结果的可靠性不足。4）尽管MCR模型对景观格局优化具有较好的参考价值，但其原理和过程需要进一步探讨与研究；同时优化结果与实际景观格局存在一定误差，需要结合实际情况进一步探究。

4.2 结论与对策

北京城市不断扩张会对浅山景观生态系统带来一定的破坏，在追求经济、社会快速发展的同时不能忽视对生态环境的保护。应该限制无序地开发建设，加强自然地区保育与修复。浅山整体景观风险评价结果显示，研究区景观生态风险水平不平衡，浅山东部与平原交界处建设用地与耕地生态风险最为严重。景观生态风险水平变化与土地利用变化趋势基本吻合。可以看出由于人类的干扰，生态结构已经有所变化，生态环境已有退化，区域生态风险发生概率较大。

在浅山区共识别了10个生态源地，构建了10条生态廊道，14个生态节点，形成点、线、面相互交织的生态网络格局，从而将山体、水域、平原有效连接，有力改善了景观格局，维护了生态系统的整体性和稳定性。研究结果可以为浅山区景观生态系统研究及生态规划提供参考。基于此，进行北京浅山区景观格局优化时，首先要保护生态源地以及已经具有一定植被覆盖度的各类公园，它们对提升浅山区域生态功能稳定性具有重要作用[26]，应当设立生态核心区，加强对生态核心区域的保护和监管，重点保护好现有植被和水体。同时，在核心区外围适当规划生态保护的缓冲管控区，从而减弱外部环境对其干扰，提高生态土地连通性，降低潜在生态风险[27]。其次，构建及完善生态廊道及生态节点，应适当扩宽廊道，保护自然景观，必要时人工增加植被面积。在城镇建设地区带增加绿地斑块数量和面积，增加区域景观格局异质性，提高植被覆盖率和物种丰富度。河流型生态廊道处，可充分利用浅山区环境优势，与周边绿化建设相结合，构建缓冲带。丰富植被种类，引入抗性强、隔离效果好的树种，阻挡浅山区内农业及乡村非点源污染的扩散[28]。

图表来源(Sources of Figures and Tables)：

文中所有图表均由作者绘制，图2～8底图来自标准地图服务网站（http://bzdt.ch.mnr.gov.cn/index.html），审图号：GS(2019)3333号。