土地利用类型视角下重庆市主城区生态控制区区划及生态廊道构建研究

谢于松 王倩娜 罗言云

1 研究背景

2019年5月，中共中央、国务院发布《关于建立国土空间规划体系并监督实施的若干意见》，文件中提出健全基本农田、生态红线、城镇发展边界等用地的管制制度[1]。同月，自然资源部在《关于全面开展国土空间规划工作的通知》中提出要协调落实生态网络规划中的城镇生态保护红线和永久基本农田，以及布置落实生态屏障、生态廊道和生态系统保护格局等内容[2]。

生态网络规划承担了土地基础底图的管控利用功能，是国土空间规划的重要组成部分[3]。其中，生态控制区的划定是生态网络规划的核心任务。城市基本生态控制区是为保障城市基本生态安全，维护生态系统的科学性、完整性和连续性，优化国土空间格局，在尊重城市自然生态系统和环境承载力的前提下划定的生态保护区域[4]。生态控制区识别的主要方法包括：生态要素叠加法、生态安全格局构建法和形态学空间分析(Morphological Spatial Pattern Analysis，MSPA)方法[4]。MSPA方法[5]能够确定景观格局中的各网络结构要素，且因其仅需要土地利用数据即可开展分析等优势，越来越多地被运用到生态控制区识别及空间格局分析等领域。国内外学者已运用MSPA方法对绿色基础设施(GI)、绿地系统、生态网络等展开研究[6-11]。如Saura等[6]采用MSPA和景观网络连通性方法分析西班牙2个不同尺度森林区域的GI网络结构；邱瑶等[7]运用MSPA提取深圳市GI网络要素，识别GI网络要素功能及等级，以景观功能为导向对GI网络提出分级规划和建设建议。既往文献多将非建设用地归为GI进行MSPA分析并完成生态控制区划定，但GI网络结构要素内景观组成类型多样，不同类型具有的生态服务功能差异较大，故将非建设用地均一化地归为GI进行研究存在明显不足。为更好应对我国空间规划体系中“三区三线”的划定要求，解决不区分土地利用类型带来的生态网络及廊道规划中缺乏针对性的问题，有必要区分不同土地利用类型现状和生态网络，为生态控制区的划定及生态廊道的分类保护提供有力依据。

最小累积阻力(Minimal Cumulative Resistance，MCR)模型是指物种从源到目的地运动过程中所需耗费的模型[12]。近年来，将MCR模型与MSPA方法结合进行廊道构建的研究逐渐增多[9-11]。如杨志广等[10]基于MSPA提取广州市的核心区作为生态源地，基于MCR模型构建了广州生态廊道网络，提出了生态网络优化对策；王玉莹等[11]基于MSPA和MCR模型对江苏省生态网络进行构建与优化，为江苏省生态安全格局的构建提供参考与借鉴。整体而言，运用MSPA方法识别GI生态源地，结合MCR模型进行生态廊道构建的研究已较为普遍，但既往研究并未明确区分生态廊道的土地利用类型，忽略了不同土地利用类型的生态廊道在生态服务功能上的差异，从而导致了均一化设定生态廊道宽度、无法分类讨论生态廊道的功能特征等问题。

基于以上背景，以重庆市主城区为研究对象，首先运用MSPA方法对耕地、林地、水体和草地进行景观格局分析，选取网络结构要素组成和景观格局指数复杂程度较高的耕地和林地，进一步通过连接度指数和斑块面积分别确定控制区范围和生态源地。最后运用MCR模型构建城市耕地型和林地型廊道，依据廊道类型和重要性级别确定生态廊道的宽度，研究生态廊道内部景观组成，并完善城市耕地和林地的生态控制区范围，提出城市生态廊道构建和生态控制区区划的建议。研究验证了基于土地利用类型对生态控制区进行划分并构建生态网络的可行性，研究结果可为重庆市主城区生态保护红线、永久基本农田保护线、城镇开发边界等的划定、补充与修正，以及城市生态网络构建提供参考和启示。

2 研究对象及数据

2.1 研究区概况

重庆市是成渝城市群的核心城市之一，其主城区是重庆大都市区西部开发战略支撑和长江经济带西部中心枢纽的重要载体[13]。重庆市主城区下辖渝中区、江北区等9个区，总面积约5 467km2，地理范围为东经106°14′～106°53′、北纬29°19′～ 29°67′，属亚热带季风性湿润气候，年平均气温16～18℃。自1997年直辖以来，主城区城镇化进程迅速，2017年城镇化率高达89.83%[14]。重庆市主城区拥有独特的山水格局，地处缙云山、中梁山、铜锣山和明月山之间的3个南北向平行排列的谷地中，同时也是长江和嘉陵江的交汇地带，高度城市化的主城区被大山大水分隔，形成了多中心、组团式的城市发展格局[14]。

2.2 数据来源及预处理

基于云量少、无遮挡的原则，选取重庆市主城区2019年4─5月共4景Landsat卫星TM/ETM遥感影像[15]拼接出研究区范围。在ENVI 5.3软件内完成辐射定标、FLAASH大气校正、镶嵌、行政边界裁剪等预处理后，获得重庆市主城区遥感影像图。采用支持向量机的分类方法进行监督分类，将研究区土地利用类型划分为建设用地、未利用地、耕地、林地、草地和水体6类[16]。结合高精度遥感影像及实地调研对提取结果进行修正，最终获得2019年重庆市主城区30m×30m土地利用类型图(图1)。

图1 2019年重庆市主城区土地利用类型

3 研究方法

3.1 基于土地利用类型的景观格局分析

基于2019年主城区土地利用类型图，在ArcGIS中将研究区内的林地作为MSPA分析的前景(赋值为1)，其余土地利用类型作为背景(赋值为0)，并将数据转换为30m×30m的二值栅格数据。基于Guidos Toolbox软件，采用八邻域分析方法和30m边缘宽度对二值栅格数据进行MSPA分析，得到基于MSPA的林地网络结构要素分布图、面积及其所占百分比数据。同理，依次将研究区中的耕地、草地和水体作为MSPA分析的前景，其余土地利用类型作为背景进行MSPA分析，分别得到基于MSPA的网络结构要素分布图、面积及其所占百分比数据。

基于ArcGIS将MSPA分析后各土地利用类型的网络结构要素进行重分类，将核心及穿孔和边缘、孤岛等归为斑块，将连接桥、环、分支等线状景观类型及非GI类型归为背景[17]，分别导入Fragstats软件中进行景观格局指数运算。景观格局指数是基于聚类分析，运用因子分析相关系数矩阵法筛选得到的关联性较弱或具有相对独立景观含义的指数，包括密度大小及差异指标：斑块密度(PD)；边缘指标：边界密度(ED)；形状指标：景观形状(LSI)；聚散性指标：景观分割(DIVISION)；多样性指标：Shannon多样性(SHDI)；以及面积指标：最大斑块(LPI)6个指数。

3.2 斑块重要性分级与生态源地识别

斑块的面积和连接度指数是维持景观生态功能的重要载体[7]。研究表明，可能连接度指数(dPC)能较好地评价区域内斑块的景观连接度水平[10]。因此，本研究基于dPC和斑块面积2个核心指数对各土地利用类型的斑块进行评价和重要性分级。具体操作为：将各土地利用类型中的斑块依次导入Conefor 2.6，斑块连通距离阈值设置为1 000m，连通概率设置为0.5[18]，分别计算得到每个斑块的dPC指数。依据各斑块面积和dPC指数结果，对各土地利用类型中的斑块进行重要性分级。生态源地定义为分级级别较高，即dPC指数较高和面积较大的斑块，通过ArcGIS识别生态源地的几何中心作为生态源/汇点。

3.3 景观阻力因子选取及赋值

景观阻力是指物种在不同景观单元之间进行迁移的难易程度，结合既往研究[10，19-21]，选取土地利用类型、坡度、高程[15]、距道路距离[22]和距城镇距离[23]5个阻力因子。其中，土地利用类型的权重赋值通过选取斑块面积和6类景观格局指标，并结合土地利用类型的生态服务价值当量展开。生态服务价值当量通过采用Costanza等[24]对生态系统服务价值的估算方法，并参考谢高地等[25]编制的中国生态系统单位面积生态服务价值表计算得到，结合景观格局指数，进一步采用主客观赋权相结合的层次分析(AHP)-熵值法确定不同土地利用类型的阻力权重值(保留小数点后2位)。其余4个因子分别在ArcGIS中使用自然间断点法进行分级，不同级别对应赋值1～5之间的整数，赋值越大即生态阻力值越大。具体操作为：首先在ArcGIS中进行邻域分析，依据分级指标采用多环缓冲区完成缓冲区建立，然后结合分级指标所对应的生态阻力值进行重新赋值，最后转换为像元大小为30m的栅格数据。结合既往文献[19-21]，综合5位专家意见，分别为土地利用类型、高程、坡度、距道路距离和距城镇距离5个因子赋予0.45、0.08、0.13、0.13和0.21的权重值。最后，加权叠加计算得到重庆市主城区的生态阻力数据。

3.4 基于MCR模型的生态廊道构建及分级

采用MCR模型构建重庆市主城区的生态网络，MCR模型可确定某一源/汇点与目标之间的最小消耗路径，是生物物种迁移与扩散的最佳路径，可以有效避免外界干扰。MCR模型公式参见相关参考文献[26]。利用ArcGIS中Distance工具模块进行模拟，按研究区生态阻力系数利用Cost Distance工具生成生态阻力面，依次计算得出每个生态源地的源/汇点到达其他生态源/汇点的最小耗费路径。最后，基于重力模型[27]，构建生态源地间的引力矩阵，根据结果按照引力强度将生态廊道分级，划分为重要廊道、一般廊道、可建设廊道3个级别，构建研究区域生态廊道网络。

3.5 生态廊道景观组成分析及生态控制区划定

基于朱强等[10，28-29]对生态廊道宽度的研究，本研究基于不同土地利用类型，识别出潜在耕地型廊道和林地型廊道，结合不同土地利用类型廊道所承担的生态服务功能，将研究区生态廊道的识别宽度设置如下：重要林地廊道设置为100m，一般林地廊道设置为60m，重要耕地廊道设置为60m，一般耕地廊道设置为30m。在ArcGIS中，依据以上宽度对识别出的生态廊道进行缓冲区分析，得到具备宽度的生态廊道网络。其后，分别分析各廊道的景观组成情况，并进一步研判生态廊道网络间的交叉或重叠等不同空间形式。最后，通过提取重要廊道的景观组成，对生态控制区区划范围进行完善。

4 结果分析

4.1 土地利用类型的景观格局分析

重庆市主城区各土地利用类型的网络结构要素组成统计数据显示(表1)：耕地、林地和水体主要以核心区形式存在，其中耕地的核心区与边缘分别占到耕地总面积的37.77%、36.38%，林地的核心区与孤岛占林地总面积的52.38%，边缘占29.60%，此数据表明城市中的林地、耕地破碎化程度较为严重；耕地与林地中的环、桥等能够闭合连接斑块的带状绿地均低于10%，耕地、林地的连通性较弱。水体方面，虽然核心区和边缘分别占水体总面积的44.36%和28.15%，但不难发现，重庆市主城区内的水体主要以长江与嘉陵江水域为主，15.49%的孤岛数据表明水体在城市主城区中仍有部分以小型斑块的形式存在。草地的孤岛占草地总面积的51.28%，以点状形式存在于主城区建设用地与GI用地的过渡地带。

表1 重庆市主城区各土地利用类型网络结构要素组成统计

重庆市主城区各土地利用类型的景观格局指数计算结果显示(表2)：重庆市主城区的水体和草地LPI指数均高达98%以上，而PD、ED、LSI、DIVISION、SHDI指数小，因此水体与草地的网络结构表现为斑块较为完整且紧凑、不同斑块类型的团聚程度或延展趋势较好、景观聚集度和景观优势度较高、景观连续度较好、景观异质性较弱。将耕地、林地的景观指数结果与水体、草地的景观指数结果进行比较发现，耕地与林地的PD、ED、LSI、DIVISION、SHDI指数均是水体与草地的6倍以上。因此，较之草地与水体，耕地与林地斑块更为破碎，景观聚集度低、斑块稳定性较差、易受到人类干扰。

表2 重庆市主城区各土地利用类型景观格局指数统计

4.2 斑块重要性分级与生态源地识别结果

研究区内耕地与林地的总面积分别为2 516.34、1 302.71km2，水体与草地的面积分别为157.09、35.15km2。研究区内耕地与林地面积远高于草地与水体，耕地与林地面积之和占重庆市主城区总面积的69.86%，且耕地与林地的网络结构要素组成和景观格局指数较水体与草地均显示出更高的复杂程度。因此，本研究后续主要选取耕地与林地2种土地利用类型进行重点研究。

耕地斑块依据表3标准划分为4个等级(图2)。结果显示：一、二级耕地斑块主要分布在主城区四大山脉两侧，其中北碚区、沙坪坝区、九龙坡区和巴南区范围内一、二级耕地面积大且分布较广。林地依据表3标准划分为4个等级(图3)。结果显示：林地的布局基本遵循了重庆市四大山脉的分布及走向。结合相关文献对生态源地的筛选依据[7，10，30-31]及重庆市主城区山水格局分布、自然保护区设定和生态红线划定等[32]，最终选择一、二级耕地斑块和一、二级林地斑块作为耕地控制区和林地控制区，选择耕地与林地中的一级斑块作为生态源地(表4、5)。

表3 重庆市主城区耕地、林地斑块分级标准

表4 耕地生态源地重要程度排序

图2 重庆市主城区耕地斑块分级及生态源地识别

图3 重庆市主城区林地斑块分级及生态源地识别

4.3 景观阻力因子赋值及生态阻力面生成

经计算，重庆市主城区各土地利用类型的生态服务价值当量分别为：耕地89 277.1万元、林地164 514.69万元、水体31 994.15万元、草地1 842.12万元、未利用地2 261.38万元、建设用地0元。结合各土地利用类型面积、景观格局指数和生态服务价值当量，完成土地利用类型阻力值赋值，并完善权重得到生态阻力值表(表6)。叠加各因子层数据，得到研究区生态阻力面(图4)，阻力面构建的结果符合重庆市主城区以渝中半岛为中心向外辐射的现状及趋势。

表6 重庆市主城区生态阻力值

图4 重庆市主城区生态阻力面

4.4 基于MCR模型的生态廊道构建及分级结果

基于MCR模型识别出研究区耕地生态廊道布局(图5)和林地生态廊道布局(图6)。耕地类型中，共识别出廊道253条，采用重力模型构建生态源地间的引力矩阵，将引力值超过50的廊道作为重要耕地型廊道，20～50的廊道作为一般耕地型廊道，20以下作为可建设耕地型廊道。其中，重要廊道共39条、一般廊道66条、可建设廊道148条。由矩阵可知，耕地斑块中引力较强的包括：6与9的引力值为403.78、9与12的引力值为528.29、4与9的引力值为669.99、8与12的引力值为774.12、8与9的引力值为813.92、6与7的引力值为940.33、2与3的引力值为991.00，以及20与21的引力值为最大值1 189.37，以上耕地斑块间的生态廊道须在规划及建设中予以重点保护。林地类型中，共识别出廊道28条，依据引力矩阵表，将引力值在6以上的划分为重要林地型廊道，共11条，其余划分为一般林地型廊道，共17条。其中，斑块7与8的引力强度达68.66，二者间的生态廊道须在规划及建设中予以重点保护。

图5 重庆市主城区耕地生态廊道

图6 重庆市主城区林地生态廊道

4.5 生态廊道景观组成分析及生态控制区划定结果

表5 林地生态源地重要程度排序

分析结果(表7)显示，构建的廊道中耕地与林地占比之和均达75%以上，须通过在水体、建设用地、未利用地上对生态廊道进行完善和补充的生态面积较少，因此具备较好的生态廊道规划基础。值得注意的是，一般耕地型廊道和重要耕地型廊道分别有31.80和18.36km2、一般林地型廊道和重要林地型廊道分别有26.02和17.33km2分布于现有林地基底上，此部分重合区域应结合廊道重要性分级和耕地实际情况，进行耕地控制区调整或退耕还林等。类似地，林地廊道也有部分与现有耕地基底重合的情况，重合区域可通过调整林地控制区协助完成生态网络构建。对于重要耕地型廊道和重要林地型廊道且内部景观组成为耕地和林地的区域，应划入耕地控制区(图7)或林地控制区(图8)。图7、8表明：重庆市主城区生态廊道基本可利用自身现有耕地和林地进行整合和构建。耕地方面，存在内部整合型廊道(重要耕地型廊道现有景观组成中耕地面积大且相对完整)、跨区整合型廊道(需要整合的廊道跨越区域界线)、跨区耕地斑块(耕地斑块位于区域交界处)和退耕还林廊道(重要林地型廊道的现有景观组成为耕地)等几种形式，均应先作为耕地控制区统一管控。巴南区、九龙坡区、北碚区等的耕地控制区面积较大，是主要的耕地控制区，应重点对以上区域的耕地进行监控和保护。林地控制区沿市内主要山脉分布，其中北碚区的林地控制区面积较大。林地控制区内宜通过规划森林公园、风景名胜区、自然保护区等进行重点保护。通过廊道识别出的林地控制区较少，但连续性较强，具备协同耕地控制区进行林地保护的可行性。

图7 重庆市耕地控制区识别

图8 重庆市林地控制区识别

表7 生态廊道景观组成统计

5 总结与讨论

本研究围绕非建设用地整体归类为GI进行均一化的生态控制区划分与生态廊道识别这一核心问题展开。基于土地利用类型，运用MSPA方法和MCR模型划分出重庆市主城区生态控制区范围，结合耕地、林地的生态服务功能差异及重要性分级，进行更加合理、有针对性的耕地型廊道和林地型廊道宽度设置，加强了潜在重要生态廊道内部景观组成的识别和认知，对MSPA方法划分的重庆市主城区生态控制区范围进行了调整和完善。对于识别出的重庆市主城区林地型廊道，可结合重庆独特的山水格局，视生态廊道的重要级别，与城市防风林、护路林等进行协同规划与后续实施。耕地型廊道可结合永久基本农田和城镇开发边界的划定，以及林地的保护进行协同规划与后续实施。未来有必要系统开展不同城市、不同尺度下的生态廊道及生态网络研究，进一步分析生态廊道与现状道路、河流、建设用地的空间关系，为找准关键生态空间节点提供有力帮助，并为生态廊道与其他基础设施、景观要素等的协调规划和实践设计提供重要的启示及指导。

注：文中图片均由作者绘制。