基于MCR模型的辉河湿地生态网络构建

范子君 张玉红

（哈尔滨师范大学地理科学学院，黑龙江 哈尔滨 150025）

生态网络是指在一定空间范围内可以识别的线性生态廊道特征与各类生态斑块之间的联系，且能够反映空间要素组合规律及结构功能特征的空间组织体系研究（傅丽华等, 2019）。生态网络最早起源于国外景观生态学规划领域,被应用于生物保护领域的研究。与欧美法学者相较，我国相关的研究起步较晚，但目前利用最小累积阻力模型（MCR)构建生态安全格局的研究已经日成熟，1999年俞孔坚首次基于MCR模型提出了景观生态安全格局的概念（俞孔坚, 1999），之后随着不断发展完善,研究主题和范式也逐渐趋向多元化及综合发展，形成“生态源地识别—阻力面构建—生态廊道和节点提取”的基本研究框架（姚材仪等, 2023）。

辉河湿地处于环境变化的敏感地带，对维护我国东北地区生态平衡起着重要的作用；同时，辉河湿地自然保护区分布有大量的国家重点保护动植物资源，尤其是湿地为迁徙过境的鸟类提供舒适的栖息环境。近年来，随着经济发展，辉河湿地面临着湿地面积萎缩、植被退化、生态服务功能下降和生态环境退化等诸多挑战(张平安等, 2009)。本研究以辉河湿地为研究对象，以MCR模型为主要方法，利用“基质-斑块-廊道”理论构建辉河湿地生态网络并实现优化，为辉河湿地生态空间规划与生态网络优化提供理论支撑。

1 研究区概况与数据来源

1.1 研究区概况

研究区位于内蒙古呼伦贝尔市西南部辉河湿地(48°10'N—48°57'N，118°48'E—119°45'E)，总面积3 468.48 km2，海拔平均高度650～700 m。气候类型为中温带大陆性季风气候，年平均气温-2.4～2.2℃，研究区有森林、草原、湿地多种类型生态系统，湿地占比较大，面积约1 167 km2（李兴福等, 2018）。

1.2 数据来源与处理

本研究所采用的数据来源于地理空间数据云网站(http://www.gscloud.cn/search)提供的2020年7月Landsat8 OLI遥感影像数据，轨道号为123/26，云量低于10%，空间分辨率为15 m×15 m；地理空间数据云网站(http://www.gscloud.cn/search)提供的空间分辨率为30 m×30 m的DEM数据，道路数据来源于Open Street map(http://www.Openstreetmap.org)；归一化植被指数(NDVI)从中国科学院资源环境科学与数据中心(http://www.Resdc.cn/)网站下载，通过“Spatial analyst工具—水文分析”进行填充洼地、流向、流量、河网、河流链接等处理，经优化得到辉河水系数据。

根据《土地利用现状分类》（GB/010-2017）标准，结合研究区实际情况和影像地物特征，总结辉河相关研究将研究区用地类型归为湿地、湖泊、草地、沙地、林地、耕地、城工用地7类（图1）（李兴福等,2018）。本文利用eCognition图像处理软件进行信息提取：1）Landsat影像数据进行预处理，将原始影像数据借助ENVI5.6软件进行辐射定标、大气校正、波段融合、图像裁剪等处理；2）将裁剪后的图像进行影像分割、特征空间构建等处理后基于阙值分类提取水体，基于决策树算法提取其他景观；3）基于Landsat遥感影像，参考GoogleEarth高清卫星地图(https://www.earthol.com/），每类景观选取50多个样本点，借助ENVI5.6平台进行混淆矩阵计算，以验证分类精度，其整体精度达到90%以上。

图1 研究区概况Fig.1 Overview of the research area Reserve

2 研究方法

2.1 生态源地识别

本文将研究区内重要湿地作为生态源地。根据景观生态学理论，影响景观生态过程与功能的景观格局要素有很多，其中斑块面积和连接度指数是维持景观生态功能的主要载体（姚材仪等, 2023）。利用Conefor2.6和ArcGIS软件统计湿地的面积，计算斑块的重要性指数（dPC）。通过景观连通性指数计算识别生态源地，参考前人研究（何柳燕等, 2023; Jinyao et al., 2021; Guan et al.,2023），结合研究区实际情况，将景观连通性阈值设为500 m，连接概率设定为0.5。最终，将面积大于0.5 km2和dPC值大于 0.1的13块辉河湿地斑块识别为生态源地。

2.2 阻力面构建

最小累积阻力模型（MCR）是目前广泛应用的一种景观连通性评估模型。其计算公式为：

式中：MCR表示物种从源头i出发到景观的下一个源j时所花费的最少费用距离；f是指在空间上任一点的最小阻力，与其到所有源头的路径和景观基面特征之间的正相关关系；Dij代表物种从源j到空间中某点所经过的某景观的基面i空间距离；Ri代表斑块i的阻力值(俞孔坚, 1998)。

通过景观连通性分析，从研究区内各重要湿地中选取重要生态源地，最终将13个重要生态源地提取为中心点，选取高程、与道路距离、与河流距离、与建设用地距离、归一化植被指数（NDVI）、土地利用类型、坡度7个重要要素作为阻力因子，构建阻力面体系。利用专家打分法和AHP层次分析法两种方法对阻力值及权重进行确定，构建综合阻力面，并结合综合阻力面基于Arc GIS10.7平台计算成本距离，通过成本路径分析识别潜在生态廊道（姚材仪等, 2023）。

2.3 生态组分的识别

在已识别生态源地和综合阻力面构建的基础上，基于ArcGIS的空间分析工具(Spatial Analyst Tools)中的cost-distance和cost-path模块，获取最小成本路径,整合这些路径可获取源地之间的潜在生态廊道（Feng et al., 2023）。通过重力模型可量化源地间的相互作用力的大小，重力值越大代表生态源地间的相互作用力越大，表示生态廊道越重要。本文依据重力模型，构建了13块源地之间的相互作用关系矩阵。根据模型计算结果，将各源地间相互作用引力值大于2的路径确定为重要廊道，其余为一般廊道，计算公式为：

式中：Gab为斑块a、b之间的相互作用强度，N为斑块所占的权重值，P为斑块的阻力值，S表示斑块面积，Lab为斑块a到b的累积阻力值，Lmax是各廊道的最大阻力值（姚材仪等, 2023）。

3 结果与分析

3.1 生态源地识别分析

利用conefor 2.6软件，选用斑块重要性指数（dPC）作为辉河湿地生态源地重要度排序指标，将斑块的连通距离阈值设置为500 m，将连通概率设置为0.5，对辉河湿地内的湿地斑块进行重要度评价。通过景观连通性评价结果发现（表1），dPC值位于0.1以下的湿地斑块面积较小，景观连通性差，且大多距离建设用地较近，易受人为因素干扰，因此选取dPC值大于0.1的12块湿地斑块为生态源地。8号湿地斑块dPC值接近0.1，且位于研究区中南部地区有助于各研究区之间的连通，将其选作生态源地。

表1 基于景观连通性的核心区面积及dPC值Table 1 Based on the core area and dPC values of landscapeconnectivity

13块生态源地总面积为790.75 km2（图2），重要生态源地相对集中在研究区西部,研究区内河流是主要的生态廊道，其重要性排序如表1所示。对比各生态源与此类景观的关系，得到以下结果：9号源地占地面积最广为665.4 km2，主要由研究区西部结构较为完整的湿地斑块组成。9号源地内部水资源丰富，辉河穿过斑块中心，呈南北走向，能够给区域内湿地供给足够的水资源，dPC指数最高为97.981 78，表明9号源地为研究区最重要的生态源地，是物种生存的重要空间，适宜生物进行迁徙与物质能量交换，且生物多样性较为丰富，保有比较好的水源涵养功能。12号源地占地面积为106.69 km2，dPC指数也相对较高。一般生态源地面积和dPC指数均较低，具有相对较高的生境质量，主要原因是距离河流距离较远，分布较为分散，能够在各源地之间发挥“踏脚石”功能，促进各源地之间的连通（杜佳衡等, 2023）。

图2 生态源地分布Fig.2 Distribution of ecological sources

3.2 阻力面构建与综合阻力值分析

综合研究区实际情况和当前可获数据，参考相关研究(杜佳衡等, 2023; 李航鹤等, 2020;刘庆豪, 2023)，最终选取了高程、与道路距离、与河流距离、与建设用地距离、归一化植被指数（NDVI）、土地利用类型、坡度7个阻力指标用于构建阻力面（图3）。各阻力指标的权重系数以各单因子对湿地生态系统的影响程度为基础，利用AHP决策分析法计算出各阻力因素的子权重，并在建立层次架构模型后。根据专家打分法，对以上7个因素进行重要程度标准化，再将文献中不同赋值进行同比例标准化处理（杜佳衡等, 2023; 李航鹤等, 2020; 刘庆豪,2023），结合专家访谈的结果和建议，以辉河湿地实际情况为基础对多种阻力因子展开评估与打分。在对各阻力指标进行同一水平的比较后，选取相对可靠的判断值，得出阻力因子及权重（表2）。基于上述 7 类生态阻力因子及权重值，运用ArcGIS10.7中叠加分析工具得到研究区各类因子综合阻力值(图3h)。

表2 阻力指标因子权重Table 2 Weight of resistance index fact

图3 单因子阻力面和综合阻力面图Fig.3 Single factor resistance surface and composite resistance surface diagram

由图3可知，阻力高值区集中分布于研究区中东部和西南部地区，距离生态源地较远，主要作物类型为草地，距离水源较远，建设用地相对较多，受人类活动影响大，容易阻碍生物之间的信息交换，不利于生物活动。阻力低值区分布于研究区西部和北部地区，湿地分布较广，辉河的主要河流从研究区经过，NDVI值较高，是生态环境较好的区域，生物更容易进行迁徙（杜佳衡等, 2023）。综合来看：研究区阻力值的高低主要受自然因素影响，人类的生产与开发等活动在一定程度上降低了生态源地之间的互通(刘瑞宽等, 2023)，研究区中东部和西南部综合阻力值较高，西部和北部较低，高值区和低值区连通过度区较少，不利于生态风险的疏散和物种的交流。

3.3 生态廊道识别与生态安全格局构建结果

在 ArcGIS 10.7平台上将13块生态源地转为生态源点，再基于辉河湿地保护区的最小累计阻力模型（如图3h），利用 Distance工具的 costdistance 模块，计算每个源点到其他生态源点间的成本距离并生成相应的回溯链接，并将其输入到cost-path 模块，计算出每个源点到其他源点的成本路径，并将栅格形式的成本路径转换为矢量的形式，就生成了辉河湿地的78条潜在生态廊道，廊道分布如图4所示。

图4 生态廊道Fig.4 Ecological corridors

重力模型可以量化源地间的相互作用力的大小，依此可评价廊道的相对重要性。基于重力模型提取关键廊道，利用重力模型对13个生态源地的相互作用力进行计算，构建吸引力矩阵。将相互作用力强度大于2的廊道作为重要廊道,共筛选出20条廊道作为重要廊道,总长度为378.99 km，剩余的58条廊道作为一般廊道。其中3号源地和5号源地的相互作用力最强，是由于两个源地的生态环境质量较好，有利于生物迁徙，可促进物质流动和能量交换，在具体的规划应用中需进行重点保护。7号源地和8号源地的相互作用力最弱，两个源地之间的阻力值比较高，生物迁徙较为困难，后续应在生态廊道间增加生态节点，为生物提供相应的栖息地（杜佳衡等,2023）。由图4可知：生态廊道呈现为北部和东部呈链条状而中南部呈较为密集的网状，并且辉河干流与众多支流是物种迁徙扩散重要的生态廊道(刘瑞宽等, 2023)。

4 讨论

辉河湿地作为“鸟类的飞机场”，其丰富的景观在维系东北亚地区的生态平衡起着重要的作用。依据辉河湿地生态网络研究结果，研究区西部、北部和中南部地区生态源地分布相对密集，应以源地的保护为重点，可采取调蓄水源的方式增加湿地面积，提升景观连通性和生态系统的稳定性。东部和中部地区源地分布稀疏,距离河流水源距离较远，植被主要以草地为主，湿地数量极少并主要分布在东南部，虽生态环境质量较低，但该区域城镇密度小，受人为因素的干扰较少，可采取自然修复的措施，不必投入过多经济资源。中南部地区生态廊道尤其是重要廊道分布密集，将原本相互孤立的源地连接起来，多数小块生态源地充当“脚踏石”的作用，促进了重要生源地9号源地和12号源地的连通，构成了辉河湿地的生态屏障（晁云舒等, 2023）。在未来的规划中需抓住核心保护区域，合理规划生态廊道，同时注重研究区东部和中部的湿地建设和水源补给，增强研究区东西之间的连通性和东部较干旱地区的生态建设和物种的交流。

本文的研究思路和方法可为辉河湿地的生态建设布局模式提供一定的科学参考，但由于数据获取等客观原因仍存在不足。首先，本文在构建阻力面主要运用AHP决策分析法和专家打分法结合现有的数据进行阻力因子的确定与权重量化，存在一定的局限性和主观性。其次，本文只是构建了辉河湿地的生态网络，缺少格局的具体优化调整措施与验证，对各生态组分的具体保护措施还需深入研究（杜佳衡等, 2023）。

5 结论

本研究以辉河湿地自然保护区为对象，以2020年Landsat遥感数据影像为基础，利用MCR模型、重力模型等方法，构建了具有13个生态源地、78条生态廊道和20条重要廊道的生态网络，主要结论如下：

1）运用conefor2.6软件识别出了13块生态源地，总面积为790.75 km2，约占研究区总面积的22.8%。沿辉河流域分布的源地，是贯通网络南北部的大型湿地斑块，主要集中分布在研究区的西部、北部和中南部，其中，中南部分布密集,东部和北部分布稀疏。

2）基于MCR模型共提取出生态廊道共78条，利用重力模型选取重要廊道共20条，辐射影响范围覆盖研究区大部分地区，最长距离达33.414 km，主要在研究区中南部地区呈现网状分布，说明辉河湿地中南部地区的生态系统连通性和完整性最高。研究区东部和中部地区未有源地和廊道分布，景观连通性较差。