基于生态环境质量评价的酒泉市生态空间网络优化

收稿日期Received：2022-04-29""" 修回日期Accepted：2022-06-08

基金项目：国家自然科学青年基金项目（42001211）。

第一作者：仇实（240285033@qq.com）。

*通信作者：于强（yuqiang@ bjfu.edu.cn），副教授。

引文格式：

仇实，于强，刘泓君，等. 基于生态环境质量评价的酒泉市生态空间网络优化. 南京林业大学学报（自然科学版），2024，48（2）：199-208.

QIU S， YU Q， LIU H J， et al. The optimization of ecological spatial network in Jiuquan City based on the evaluation of ecological environment quality. Journal of Nanjing Forestry University （Natural Sciences Edition），2024，48（2）：199-208.

DOI：10.12302/j.issn.1000-2006.202204070.

摘要：【目的】构建并优化酒泉地区生态空间网络，提升生态环境质量，发挥区域生态作用，防止沙漠扩张。【方法】将遥感生态指数（RSEI）与生态空间网络结合，评估酒泉地区景观格局空间，基于复杂网络理论确定薄弱生态源地，提出优化策略。【结果】①酒泉市RSEI呈现北部地区低，中南部地区高的空间格局。②酒泉市潜在生态空间网络由332个生态节点，656条生态廊道组成，依照RSEI最低的区域进行增边优化，模拟增边242条，增加生态踏脚石9个。③增边优化后，网络的节点鲁棒性和连接鲁棒性有明显的提升，网络边的鲁棒性略有提升但不明显。【结论】对生态环境质量弱节点采取增边以及增加踏脚石的优化策略，可使酒泉市生态空间网络的稳定性和生态恢复能力得到一定程度的提升。针对新增生态廊道开展建设，增强源地间的连接，有利于发挥区域生态效益，为酒泉市未来生态工程建设提供策略。

关键词：遥感生态指数（RSEI）；生态质量评价；生态空间网络；增边优化；鲁棒性

中图分类号：X171.4;P931.1""" 文献标志码：A开放科学（资源服务）标识码（OSID）：

文章编号：1000-2006（2024）02-0199-10

The optimization of ecological spatial network in Jiuquan City based on the evaluation of ecological environment quality

QIU Shi， YU Qiang*， LIU Hongjun， WANG Huiyuan， LI Song， YUE Depeng

（College of Forestry， Beijing Forestry University， Beijing 100083， China）

Abstract： To construct and optimize the ecological spatial network in the Jiuquan region， improve the quality of the ecological environment， harness regional ecological functions， and prevent desert expansion.By integrating remote sensing ecological index （RSEI） with the ecological spatial network， the landscape pattern in the Jiuquan region was evaluated， weak ecological source areas were determined based on complex network theory， and optimization strategies were proposed.①The RSEI showed a spatial pattern in the Jiuquan city with low values in the northern region and high values in the central and southern regions. ②The potential ecological spatial network in Jiuquan city consisted of 332 ecological nodes and 656 ecological corridors. Based on the region with the lowest RSEI， 242 additional edges were simulated， resulting in the addition of 9 ecological stepping stones. ③After the addition of edges， the network’s node and connection robustness improved significantly， while the edge robustness showed a slight， but not significant， improvement.Adopting edge addition and stepping stone addition optimization strategies for weak ecological areas can enhance the stability and ecological restoration capacity of the ecological spatial network in Jiuquan city. Undertaking construction of new ecological corridors to enhance connectivity between source areas would facilitate regional ecological benefits and provide strategies for future ecological engineering projects in Jiuquan city.

【Objective】 The objective of this study is to construct and optimize the ecological spatial network in Jiuquan City， aiming to enhance the quality of the ecological environment， harness regional ecological functions， and prevent desert expansion. 【Method】 By integrating remote sensing ecological index （RSEI） with the ecological spatial network， this study assessed the spatial pattern of landscape in Jiuquan City. By using complex network theory， the study identified weak ecological source areas and proposed optimization strategies. 【Result】 （1） The RSEI exhibited a spatial pattern in the Jiuquan City， with low values in the northern region and high values in the central and southern regions. （2） The potential ecological spatial network in Jiuquan City comprised 332 ecological nodes and 656 ecological corridors. Through the simulation of additional edges based on the region with the lowest RSEI， 242 edges were added， resulting in the inclusion of nine ecological stepping stones. （3） After the addition of edges， there was a noticeable improvement in the robustness of network nodes and connections， while the improvement in edge robustness was slight and not significant. 【Conclusion】 The optimization strategies of adding edges and stepping stones to weak ecological areas can enhance the stability and ecological restoration capacity of the ecological spatial network in Jiuquan City. The construction of new ecological corridors to enhance connectivity between source areas would facilitate regional ecological benefits and provide strategies for future ecological engineering projects in Jiuquan City.

Keywords：remote sensing ecological index（RSEI）; ecological quality evaluation; ecological spatial network; edge-increasing optimization; robustness

遥感生态指数（RSEI）是基于现代遥感技术对研究区生态状况进行快速监测与评价的指标，通过主成分分析法，将地表湿度（WET）、干度（NDBSI）、热度（LST）和绿度（NDVI）4个自然因子进行耦合以评价生态环境质量。已有多位学者基于RSEI针对不同生态类型区域展开研究：孙桂凯等基于改进后的RSEI对岩溶山区生态质量进行评价；王小宇应用RSEI对石漠化地区生态环境质量进行评价；彭燕等基于RSEI对赣南稀土矿开发区生态环境质量进行监测与评估。但以上研究都是利用RSEI评价研究区的生态质量，没有提出宏观层面上对生态治理的方法，尤其是针对较大尺度且环境条件较为特殊区域的研究。

生态空间网络由生态廊道和生态节点组成，是一种从宏观角度对景观生态进行探究和修复的一种方法。生态空间网络是在原始的生态网络基础上，通过结合复杂网络理论，将生态廊道抽象为网络的边，生态源地抽象为网络的节点，通过拓扑指标分析，探究网络中要素的关系以及网络的拓扑性质。根据拓扑指标中的数值并结合生态学思想提出切实可行的优化方案，可以起到恢复景观格局、保护生态环境、提升生态环境质量的作用。

甘肃省酒泉市是我国防风固沙的重点区域，是重要的防风固沙屏障带。该地区的自然条件较差，同时受到过度开垦和放牧等人为干扰，导致酒泉地区的生态环境质量较差、土地荒漠化严重，亟须推动生态文明建设，保护生态环境。本研究利用形态空间格局分析（MSPA）的方法提取得到酒泉市生态源地，通过夜间灯光数据和生态能量因子来修正最小累计阻力（MCR）模型，基于酒泉地区RSEI评价结果，利用复杂网络理论与生态空间网络相结合的方法进一步探究生态空间网络内部的拓扑特性，识别生态质量较差的薄弱节点，并对薄弱节点进行增边优化，同时对于生态廊道较长的地区增加一定数量的“生态踏脚石”，以期优化酒泉市生态环境质量较差的地区，提升酒泉市的整体生态环境状况，遏制沙漠扩张及土地荒漠化。

1" 材料与方法

1.1" 研究区概况

酒泉市位于甘肃省西北部（92°20′～100°20′E，38°09′～42°48′N），面积19.2万km2，地势南高北低，自西南向东北逐渐倾斜；地处库姆塔格沙漠东部的边缘地带，也是巴丹吉林沙漠和塔克拉玛干沙漠的过渡地带，地形地貌复杂多样，包括沙漠、戈壁、山地、平原、盆地、河谷等。酒泉市深处内陆，属于半沙漠干旱性气候，大部分地区气候干燥，年平均降水量为84 mm，日照充足，蒸发量大。酒泉市特殊的地理和气候条件，使得酒泉市成为气候变化的敏感区和生态环境的脆弱区。

1.2" 数据来源

本研究酒泉市边界区划、高程、坡度数据来自于地理监测云平台（http：//www.dsac.cn/）；通过谷歌地球引擎（Google earth engine），利用Landsat 5/8表面反射传感器图像来计算归一化植被指数（NDVI）、湿度指数（WET）、归一化土壤差异指数 （NDBSI）、归一化水体指数（MNDWI）和地表温度（LST），并通过GEE平台下载处理后的数据；基于VIIRS Stray Light Corrected Nighttime Day/Night Band Composites Version 1数据集得到酒泉市夜间灯光数据。土地利用数据来自于2020年GlobeLand 30（http：//globeland30.org/）；人口密度数据来自于2020年WorldPop（https：//www.worldpop.org/）；水网和路网数据来自于2020年OpenStreetMap（https：//www.openstreetmap.org/），通过ArcGIS中的核密度分析模块获得水网和路网密度数据；为了匹配各类数据，本研究将所有栅格数据重采样为500 m×500 m的分辨率。数据处理使用Google Earth Engine、ArcGIS10. 4、Gephi、Matlab等。

1.3" RSEI指数的构建

RSEI可以对研究区的生态环境质量进行可视化研究，其包含如下4种指标：

1）湿度指标，能较好地反应土壤和植被的湿度，湿度低表明植被覆盖程度较差、生态环境差；湿度高表明土壤水分充足、地表植被覆盖丰富、生态环境好。其计算公式为：

WTM=0.013 5ρB+0.202 1ρG+0.310 2ρR+0.159 4ρNIR-0.680 6ρSWIR1-0.610 9ρSWIR2; （1）

WOLI=0.151 1ρB+0.197 3ρG+0.328 3ρR+0.340 7ρNIR-0.717 7ρSWIR1-0.455 9ρSWIR2。（2）

式中：WTM、WOLI分别为TM和OLI遥感影像的湿度分量；ρB为蓝波段反射率；ρG为绿波段反射率；ρR为红波段反射率； ρNIR为近红外波段反射率；ρSWIR1为短红外1波段反射率；ρSWIR2为短红外2波段反射率。

2） 干度指标，是对土壤干化程度的量化，研究区内裸露地和建筑用地会在一定程度内造成地表的“干化”，因此干度指标由裸土指数（SI）和建筑物指数（IBI）综合考虑。计算公式：

SI=（ρSWIR1+ρR）-（ρNIR+ρB）（ρSWIR1+ρR）+（ρNIR+ρB）;（3）

IBI=2ρSWIR2ρSWIR1+ρNIR-（ρNIRρNIR+ρR+ρGρG+ρSWIR1）2ρSWIR2ρSWIR1+ρNIR+（ρNIRρNIR+ρR+ρGρG+ρSWIR1）;（4）

NI=（IBI+SI）/2。（5）

式中：NI为干度指标；ρB、ρG、ρR、ρNIR、ρSWIR1、ρSWIR2依次表示OLI影像的2、3、4、5、6、7的反射率。

3） 热度指标，是表征地球表面能量平衡和温室效应的指标，它是区域和全球尺度地形物理过程中的一个关键因子，可以反映土壤-植被-大气系统的能量流动与物质交换，本研究采用单通道（sc）算法反演地表温度。

Ts=γ［ε-1（φ1L+φ2）+φ3］+δ;（6）

γ≈T2bγL" δ≈T-T2bγ;（7）

φ1=1τ，φ2=-L↓-L↑τ，φ3=L↓;（8）

T=K2/; （9）

L=ML·Q+AL。（10）

式中：Ts为地表温度;ε为表面发射率；γ和δ为取决于普朗克函数的2个参数；τ为大气透射率；L↓和L↑分别为上升流和下降流大气辐射率；T为亮度温度；ML和AL分别为波段特定的乘法缩放因子和波段特定的加法缩放因子；Q为热转换常数；K1和bγ、K2为热定的热转换常数。

4） 绿度指标，采用归一化植被指数表征当地植被生长情况的因子，该指标被广泛应用于植被以及生态环境状况的监测。

G=（ρNIR-ρR）/（ρNIR+ρR）。（11）

式中：G为归一化植被指数;ρNIR、ρRed依次表示近红外波段和红光波段的反射率。

1.4" 酒泉市生态网络的构建

1.4.1" 基于形态空间格局分析的生态源地识别

形态空间格局分析（MSPA）是基于形态学算法来识别出研究区内重要的生境斑块的方式，可以将目标用地按形态分为核心区、桥接区、环道区、支线、边缘区、孔隙和岛状斑块。分析酒泉市的所有土地利用类型，在ArcGIS中将原始土地利用数据中乔木林地、草地、灌木林地、湖泊、湿地设置为前景，耕地、裸地、建设用地设置为背景，并导入到Guidos中进行MSPA分析。考虑到研究区域的景观空间规模较大，小面积的斑块过于碎片化，因此采用八邻域方法将大于4 km2的核心区域提取为生态源地，结果如图1所示。

1.4.2" 基于能量因子和夜间灯光数据修正后的MCR模型

MCR模型最早由Knaapen等提出，通过“源”“汇”的理论可以模拟能量与物质信息在生态源地中传递的过程，在景观格局分析等方面得到广泛应用，但是传统的MCR模型只考虑到了在能量传递过程中的阻力，却忽略了不同土地利用类型在人类不同开发建设强度下对景观阻力值的影响，以及生态能量流动的过程在不同地点的阻碍作用也是不同的，本研究针对此观点对MCR模型进行了修正，结合酒泉市的高程、坡度、植被指数（NDVI）、改进水体指数（MNDWI）、水网密度、路网密度、居民点密度和土地利用数据构建最小累计生态阻力面（图2）。

修正的廊道阻力提取模型公式为：

VMCR=fmin∑mi=1∑mq=1（DiqRiPqNq）。（12）

式中：VMCR为修正后最小累积阻力面值；fmin为一个单元的最小累积阻力值;m为景观单元个数；Diq为源地q到景观单元i的空间距离;Ri为单元i在运动过程中受到的阻力系数；Nq为夜间灯光数据在源地q的修正值；Pq为生态源地q的生态能量因子，其中生态能量因子Pq和夜间灯光数据修正值Nq的计算公式分别为：

Pq=AqNqr；（13）

Nq=Ki/Ka。（14）

式中：Aq为第q块生态源地斑块的面积;Nqr为第q块生态用地斑块的第r个归一化指数，本研究选取了NDVI与MNDWI作为归一化指数，因此r取1和2；Ki为栅格i的夜间灯光指数；Ka为栅格i对应的景观类型a的平均夜间灯光指数。

1.4.3" 生态空间网络的构成分析

1） 生态廊道提取。通过ArcGIS 软件中的cost-distance模块计算最小生态累积阻力面值，并且利用成本路径模型（cost-path）模型进一步提取生态源地间的潜在生态廊道。生态空间网络由生态节点和生态廊道两部分构成，将每个源地抽象为网络中的一个节点，每条廊道抽象为网络中的一条边，生态能量在不同的源地间通过廊道实现能量的流动与物质信息的交换，因此在研究复杂生态网络拓扑结构和特征的基础上进行研究区生态空间网络分析。

2） 生态踏脚石。通过形态空间格局分析（MSPA）分类得到的孤岛斑块主要分布于核心区斑块之间，其面积较小，数量众多，是一种较为孤立的斑块类型，通常上被认为是生态踏脚石的最佳选择，起到加强大型斑块连通度的作用。选择面积大于3 km2的孤岛斑块，同时基于生态环境质量评价结果与生态廊道距离，在生态质量较差与生态廊道较长的地区综合筛选生态踏脚石。

3） 节点度中心性。节点的度指的是与该节点相连接边的数目，节点度中心性表示与其直接相连的邻居节点的中心程度，若节点度越大就意味着该节点的度中心性越高，则认为该节点在整个网络中就越重要。节点度中心性表达式为：

Ci=ki/（N-1）。（15）

式中：Ci为节点i的度中心性；ki为节点i的度， N为节点数量。

4） 介数中心性。介数指的是不相邻的两个节点Vj与Vl之间最短路径会途经节点Vi，若Vi被许多最短路径经过，则表示该节点在网络中很重要，介数可以衡量网络中节点的重要性，而其归一化指标则称为介数中心性，表达式为：

Bi=2Ji/。 （16）

式中：Bi为节点i的介数中心性；Ji为节点i的介数。

5） 网络鲁棒性。网络鲁棒性即为网络遭受攻击或者故障时的耐受性，当受到攻击时相当于删除网络中的若干个节点或者边，使得原有的网络遭受一定程度的破坏。本研究选取了连接鲁棒性、节点恢复鲁棒性、边恢复鲁棒性来模拟生态空间网络受到攻击后，网络的稳定程度。三类鲁棒性的表达式为：

R=C/（N-Nr）。（17）

式中：R为网络的连接鲁棒性;C为去除部分节点后网络的最大连通子图中节点的数量；Nr为被移除的节点数目。

D=1-Nr-Nd/N；（18）

E=1-Mr-Me/M。（19）

式中：D为节点恢复鲁棒性；E为边恢复鲁棒性；Nd为在移除节点后重新恢复的节点数目；M为网络中边的条数；Mr为网络中移除的边的条数；Me为移除后恢复的边的数量。

2" 结果与分析

2.1" 基于RSEI指数的酒泉市生态质量评价

利用google earth engine和ArcGIS10.4平台，得到湿度指标、干度指标、热度指标、绿度指标4个指标的结果（图3）。为了消除不同指标之间量纲的影响，将湿度、干度、热度、绿度指标分别进行归一化处理。通过主成分分析后采用第1主成分提取得到RSEI，同时将结果进行标准化处理，并以0.2为间隔，将RSEI分为5个等级并赋值，RSEI指数越接近1表明生态质量越好，反之RSEI指数越接近0表明生态网络质量越差，结果如图3e所示。

由图3可以看出，酒泉市中南部地区湿度、绿度指标较高，干度、热度指标较低，表明该地区土壤水分充足，植被覆盖率高，温度适宜，植物生长环境较好；酒泉市北部地区湿度、绿度指标较低，干度、热度指标较高，说明该地区土壤较为干旱，土壤干化严重，缺乏水分，不利于植被生长，植被覆盖率低。由4个指标耦合的酒泉市遥感生态指数（RSEI）可以看出，RSEI为的地区位于酒泉市南部部分地区。

综合评价结果来看，酒泉市中南部地区RSEI值较高而北部地区RSEI值较低，遥感生态指数形成了北部低，中南部高的空间格局，表明酒泉市北部地区的生态质量较差，因此要加强对该地区的生态建设，综合提升其生态本底，发挥生态效益，从而进一步防止沙漠的扩张。

2.2" 酒泉市生态网络及特征分析

2.2.1" 生态源地筛选结果

基于MSPA分析的结果，筛选得到生态源地共342块，其中林地1块、草地319块、灌木林13块、湿地7块、水体2块，酒泉市生态源地分布如图3f所示。由图3f可知，酒泉市生态源地主要位于中南部地区，呈明显的片状分布，源地以大片的草地为主，源地与源地之间联系紧密；酒泉市北部地区生态源地稀少，且呈现散点状分布，不同源地之间间隔较大，源地间缺乏联系，这表明酒泉市北部生态本底较弱。

2.2.2" 生态阻力面构建结果

将酒泉市的高程（DEM）、坡度、归一化植被指数（NDVI）、归一化水体指数（MNDWI）、水网密度、路网密度、居民点密度、土地利用数据依照ArcGIS中的自然断点法进行分类，并分别进行阻力值赋值，赋值情况见表1。在本研究中各阻力因子的影响权重通过熵权法确定。将各个阻力因子放入ArcGIS平台，采用自然断点法进行重分类并分别赋值，将赋值后的数据通过地图代数合并，再通过ArcGIS软件中cost_distance 模型得到酒泉市的累积生态阻力面。

2.2.3" 酒泉市潜在生态网络构建

通过使用ArcGIS平台的迭代器工具，将已得到的生态源地与累计生态阻力面用cost_path模型进而生成生态廊道，将通过MSPA分析筛选后的生态源地与生态网络结合，构建出酒泉市潜在的生态空间网络，如图4所示。

由图4可知，酒泉市生态网络共有生态节点共332个，生态廊道共656条。酒泉市中南部的生态节点数量更多分布较密，生态节点的面积也更大。酒泉市中南部的生态廊道分布同样密集，其数量相较于北部地区更多且长度更短，表明酒泉市中南部的生态空间网络连通性好；酒泉市北部的生态节点数量远小于中南部，且面积也较小，生态廊道的分布密度和数量同样少于酒泉市中南部，且节点与节点之间的生态廊道较长，距离较远，不利于能量与信息的传递，这表明酒泉市北部的生态连通性较差，该地区的生态本底有待加强。

2.2.3" 酒泉市生态节点度中心性与介数中心性

通过Matlab将酒泉市生态空间网络的邻接矩阵导入到Gehip平台后，利用统计工具中的网络概述，对生态网络中每一个节点的度中心性及介数中心性进行计算，得到的结果如图5所示。

由图5中酒泉市生态空间网络的节点度中心性的计算结果可知，共有3个节点的度中心性大于0.030，且大多数节点位于酒泉市的中南部地区，其中第332号节点度中心性最高达到了0.170，并显著高于其他节点，节点连通性强；度中心性小于0.005的生态节点主要分布在酒泉市北部共25个，该地区节点的度较小，节点连接性较差，因此应对该地区的生态节点进行优化，以增加生态网络整体的连通性。

由酒泉市介数中心性计算结果可知，介数中心性大于10 000的节点共4个，主要位于酒泉市中部和南部地区，说明酒泉市南部地区的部分节点在网络中具有较强的重要性；介数中心性大于5 000的节点共14个，其中有12个节点位于酒泉市中部和南部地区，但第34、122号节点位于酒泉市北部地区，说明虽然酒泉市北部地区整体的节点介数中心性较差，但是仍有介数中心性较强的节点，在生态过程中发挥着不可替代的作用。

2.2.4" 增边节点的优化及生态踏脚石的识别

将酒泉市生态节点的度中心性、介数中心性进行综合量化分析，计算得到酒泉市生态节点平均度中心性为0.011，平均介数中心性为1 025.5。分别将平均值以下的生态节点识别为介数中心性低节点和度中心性低节点，如图6a所示。同时将中心性低节点与RSEI评价指标结果进行比对，发现有41个节点位于生态质量较差的地区，10个节点位于生态质量一般的地区，2个节点位于生态质量良的地区，剩余113个节点均位于生态质量差的地区，这说明生态质量不佳的地区的节点普遍介数中心性和度中心性较低。因此，选取生态质量差和较差地区的低中心性脆弱节点识别为需要进行增边优化的节点（图6b），同时本研究计算了酒泉生态空间网络的平均路径长度，对生态廊道较长且生态质量差的地区进行筛选，将面积大于3 km2的孤岛斑块设置为“踏板”斑块。通过ArcGIS平台的cost_path模型，在当前累计阻力条件下为各个节点进行模拟增边优化并新增斑块，使其与周边的节点形成生态廊道。

经过筛选后，优化新增了生态廊道242条，新增“踏板”斑块9个，加强了与周边节点的连通性，构建了更加完善的生态空间网络图6c。

2.2.5" 酒泉市生态空间网络鲁棒性分析

将增边前后生态网络的两个邻接矩阵分别导入到Matlab中，并对其进行随机攻击与恶意攻击，总共得到3种形式的鲁棒性：节点与边的恢复鲁棒性，以及连接鲁棒性。在模拟攻击下酒泉市生态网络节点的恢复鲁棒性变化如图7所示。

由图7可知，增边前后网络的初始节点恢复鲁棒性值均为1，但在随机攻击下的增边前网络于第34个节点，网络的鲁棒性开始下降；增边后网络的鲁棒性仍为1，随着被攻击的节点数量的增加，增边前后网络的鲁棒性均呈现了先缓后增的下降趋势并分别在攻击了327和337个节点后鲁棒性跌破0.1，网络接近崩溃。在恶意攻击下，增边后的网络鲁棒性下降速度同样低于增边前网络，增边前后网络鲁棒性分别在攻击162和196个节点前维持0.9的高值，然后分别在攻击到309和319个节点后鲁棒性跌破0.1。由此可知，在节点的恢复鲁棒性中，增边后的网络在随机和恶意攻击下，鲁棒性下降速度更加缓慢，证明增边后的点恢复鲁棒性优于增边前网络，并且提升效果较为明显。

增边前后网络的初始边恢复鲁棒性均为1，增边前网络在随机打击了4个节点后，网络的鲁棒性开始下降；增边后网络在随机攻击8个节点后，鲁棒性才开始下降，随着被攻击节点数量的增加，增边前后网络鲁棒性逐渐降低且下降趋势与速度近乎相同，最终分别于325和330处网络鲁棒性跌破0.1，网络近乎崩溃。在恶意攻击下，增边前网络相较于增边后网络，鲁棒性下降更快，增边前后网络整体的下降速度与下降趋势大致相同，并最终分别在攻击了285个节点和296个节点后，鲁棒性跌破0.1，网络近乎崩溃，说明增边后的边恢复鲁棒性仍优于增边前网络，但是提升效果不明显。

增边前后网络的连接鲁棒性均为1，当网络遭受随机攻击后，增边前后的网络分别呈现了不同的分段式下降，在初始阶段增边后的网络下降速度明显缓于增边前网络，并且在攻击到138个节点前，鲁棒性仍能维持在0.9的较高值上，此时增边前网络鲁棒性已经跌至0.51，随后增边后网络鲁棒性下降速度急剧变快，最终在攻击334个节点后鲁棒性恢复到0.22，而增边前网络仅能恢复到0.12；在恶意攻击下，增边前后的网络鲁棒性均迅速跌落，并分别呈现不同的分段式下降，但增边后的网络随着攻击节点的增加，鲁棒性下降的速度明显缓于增边前网络，增边前后网络分别于77和90处跌破0.1，网络近乎崩溃。

3" 讨" 论

本研究对酒泉市的景观空间结构进行优化从而提高酒泉市整体生态环境质量，通过RSEI的分析评价结果，重构并优化酒泉市原有的生态空间网络结果可知：

1）酒泉市RSEI呈现北部地区低，中南部地区高的空间格局，表明中南部地区生态环境质量较好，而北部地区生态环境质量较差，生态水平亟须提升。

2）提取到了酒泉市潜在生态网络的生态源地332块、生态廊道656条，源地和廊道主要分布在中南部地区，且数量多密度高，而酒泉市北部地区的源地和廊道稀少，且廊道较长，分布密度低，说明酒泉市北部的生态流通性较差，应加强该地区的生态本底。

3）将复杂网络理论中度中心性、介数中心性与酒泉市RSEI相结合，选取需要进行提升的生态节点，同时增加生态踏脚石，对酒泉市潜在生态网络进行增边优化，成功增加生态廊道242条、生态踏脚石9块。通过拓扑分析发现增边后的生态网络点恢复鲁棒性和连接鲁棒性有较为明显的提升，边恢复鲁棒性略有提升但不明显。说明重构后的生态网络整体的稳定性和连通性得到了提升，并且提高了生态的自我恢复能力。

当前，我国已有部分学者对RSEI展开了研究，利用RSEI对各个研究区的生态环境质量进行监测和评价，但是尚缺乏相关研究人员提出基于生态环境质量评价后的生态修复策略；另一部分学者针对生态网络进行了研究，传统的生态网络能够形成一种网络化的生态空间组织形态，通过廊道连接源地可以进行能量的传输与物质信息的交换，然而这种空间形态却并不能够得到有效的量化，构建出的生态网络很难评价其拓扑性质，因此难以进一步地优化提升。本研究基于上述两种研究境况以及酒泉市生态环境状况，将生态空间网络与RSEI进一步结合。此外，通过能量因子和夜间灯光数据对原始的MCR模型进行了修正，进而构建了酒泉市初始的生态空间网络。通过分析生态空间网络的拓扑指标来评价其拓扑性质，通过RSEI指标评价区域生态环境质量。针对RSEI较低和中心性较低地区的生态节点进行增边优化，并增加一定的生态踏脚石，以改善当地生态环境，提升生态本底。模拟后的结果表明，增边优化后的酒泉市生态空间网络更加稳定，并且由鲁棒性分析可知，地区生态恢复功能得到一定程度的提升。

在研究中，结合复杂网络理论，将真实生态环境里的生态源地和廊道识别为复杂网络里的节点和边，实际上是对真实景观简化的过程，通过简化后的复杂生态网络可以通过具体的数值来量化网络的拓扑性质，并对此进行研究和分析，最终验证优化后的结果。笔者认为生态的优化过程不仅仅要注重微观层面的探究，同时还要注重宏观层面的研究，生态网络的构建优化是对研究区整体生态环境的把控，是联系而非孤立的探求各个生态源地之间相互的影响作用，从一种更加广阔的视角看待生态问题，实现区域整体的生态本底的提升。将RSEI评价指标与生态空间网络相结合，更有针对性的对生态质量较差的地区实现区域生态功能的提升，从而防治酒泉市的沙漠扩张。笔者试图通过重构生态空间网络从一个新的视角切入，以求实现生态环境的综合治理与提升。

同时，本研究存在一定的局限性。本研究依照RSEI指数和拓扑指标选择二者都低的地区节点进行增边优化，优化后的网络在面对沙漠扩张，土地荒漠化等侵害时会具有更稳定的抗干扰能力，通过增加的生态廊道也可以进一步促进能量与物质信息的交换，改善区域的生态环境，而这种优化结果最终也会影响RSEI中湿度、干度、热度和绿度因子，但是依照现有的科学技术水平，尚不能通过优化策略来准确地预测RSEI数值上的变化，希望在未来技术不断成熟和发展下，区域景观的生态环境质量变化可以被人类预测，为未来的生态修复工程起到指导和参考作用。此外通过潘竟虎等的研究表明，构建出的生态廊道应当进行一定程度的筛选，否则可能会出现大量廊道冗余的情况出现，同时优化后的新增廊道是通过RSEI与拓扑指标分析后得到的，这些修复廊道在实际过程中可能会受限于自然环境如坡度、土壤、气候的影响，导致建设廊道的阻力很大，或者耗费的人力成本和经济成本要远超于所预期得到的生态收益，这需要进一步结合实际情况考虑。在生态踏脚石的选择中还应当考虑到其形状指数，有学者研究表明，踏脚石斑块的稳定程度取决于周长和面积，在同一区域下，踏脚石斑块的形状越紧凑，越接近于圆圈，面对干扰的抗性也就越强。在之后的研究中应当更加充分考虑这些因素的影响，以便获得更加准确的结果。此外本研究在研究过程中还试图建立起阻力因子分级与RSEI分级间的关系，发现阻力较低的地区RSEI指数高，反之阻力较高的地区RSEI指数普遍较高，这证明RSEI与阻力值分类的确存在一定的关系，推测由于RSEI由湿度、干度、热度、绿度4个自然因子综合分析得到的结果，而本研究中阻力因子有MNDWI和水网密度，土地利用，居民点密度，NDVI与之相对应，因此从结果来看会存在一定的联系，除此之外阻力因子还包括了高程、坡度、路网密度，这可能解释了阻力值分类与RESI结果产生部分差异的结果，那么在后续的研究过程中能否进一步构建起阻力值分类与RSEI分级间的关系并基于此实现生态源地或生态廊道的分级建设，从而构建更加完善和精确的层级生态空间网络值得进一步探究。

参考文献（reference）：

［1］徐涵秋．城市遥感生态指数的创建及其应用．生态学报，2013，33（24）：7853-7862.XU H Q．A remote sensing urban ecological index and its application．Acta Ecol Sin，2013，33（24）：7853-7862．DOI： 10.5846/stxb201208301223.

［2］孙桂凯，王国帅，魏义熊，等．基于改进遥感生态指数的岩溶山区生态质量评价：以澄碧河流域为例．水土保持通报，2021，41（2）：230-239，F0003.SUN G K，WANG G S，WEI Y X，et al．Improvement of remote sensing ecological index in Karst mountainous areas：taking Chengbi River basin as an example．Bull Soil Water Conserv，2021，41（2）：230-239，F0003．DOI： 10.13624/j.cnki.issn.1001-7445.2020.0248.

［3］王小宇．基于遥感生态指数的石漠化地区生态环境质量评价：以贵州花江示范区为例．贵阳：贵州师范大学，2019．WANG X Y．Evaluation of eco-environmental quality in rocky desertification area based on remote sensing ecological index：a case study of Huajiang Demonstration Zone in Guizhou Province．Guiyang：Guizhou Normal University，2019．

［4］彭燕，何国金，张兆明，等．赣南稀土矿开发区生态环境遥感动态监测与评估．生态学报，2016，36（6）：1676-1685．PENG Y，HE G J，ZHANG Z M，et al．Eco-environmental dynamic monitoring and assessment of rare earth mining area in southern Ganzhou using remote sensing．Acta Ecol Sin，2016，36（6）：1676-1685．

［5］于强，张启斌，牛腾，等．绿色生态空间网络研究进展．农业机械学报，2021，52（12）：1-15. YU Q，ZHANG Q B，NIU T， et al．Research progress and prospect of green ecological space network．Trans Chin Soc Agric Mach，2021，52（12）：1-15．DOI： 10.6041/j.issn.1000-1298.2021.12.001.

［6］于强，岳德鹏，张启斌，等．磴口县景观格局演变特征及生态网络构建．中国沙漠，2017，37（3）：601-609．YU Q，YUE D P，ZHANG Q B，et al．The evolution of landscape pattern and the construction of ecological infrastructure network in Dengkou，Inner Mongolia，China．J Desert Res，2017，37（3）：601-609．

［7］马仲武，王新源，王小军，等．甘肃省酒泉市土地沙漠化现状及动态分析．中国农业资源与区划，2018，39（3）：141-147. MA Z W，WANG X Y，WANG X J，et al．Present situation and dynamic analysis of land desertification in Jiuquan City，Gansu Province．Chin J Agric Resour Reg Plan，2018，39（3）：141-147．DOI： 10.7621/cjarrp.1005-9121.20180320.

［8］刘凌冰，李世平．西北荒漠化地区土地生态安全评价：以酒泉市为例．水土保持研究，2014，21（4）：190-194，202. LIU L B，LI S P．Evaluation on land ecological security in desertification areas of northwest China：a case study of Jiuquan city．Res Soil Water Conserv，2014，21（4）：190-194，202．DOI： 10.3969/j.issn.1001-8158.2011.05.008.

［9］牛腾，岳德鹏，张启斌，等．潜在生态网络空间结构与特性研究．农业机械学报，2019，50（8）：166-175. NIU T，YUE D P，ZHANG Q B，et al．Spatial structure and characteristics of potential ecological networks．Trans Chin Soc Agric Mach，2019，50（8）：166-175．DOI： 10.6041/j.issn.1000-1298.2019.08.019.

王戈，于强，YANG D，等．基于复杂网络分析法的层级生态网络结构研究．农业机械学报，2019，50（7）：258-266，312. WANG G，YU Q，YANG D，et al．Hierarchical ecological network structure based on complex network analysis．Trans Chin Soc Agric Mach，2019，50（7）：258-266，312．DOI： 10.6041/j.issn.1000-1298.2019.07.028.

裴燕如，孙炎浩，于强，等．黄河流域典型矿区生态空间网络优化：以鄂榆地区为例．煤炭学报，2021，46（5）：1541-1554. PEI Y R，SUN Y H，YU Q，et al．Optimization of ecological spatial network in typical mining areas of the Yellow River basin：take Ordos and Yulin areas of the Yellow River basin as examples．J China Coal Soc，2021，46（5）：1541-1554．DOI： 10.13225/j.cnki.jccs.ST21.8218.

XIONG Y，XU W H，LU N，et al．Assessment of spatial-temporal changes of ecological environment quality based on RSEI and GEE：a case study in Erhai Lake basin，Yunnan Province，China．Ecol Indic，2021，125：107518．DOI： 10.1016/j.ecolind.2021.107518.

SAHANI N．Assessment of spatio-temporal changes of land surface temperature （LST） in Kanchenjunga Biosphere Reserve （KBR）， India using Landsat satellite image and single channel algorithm ．Remote Sens Appl，2021，24：100659．DOI： 10.1016/j.rsase.2021.100659.

KNAAPEN J P，SCHEFFER M，HARMS B．Estimating habitat isolation in landscape planning．Landsc Urban Plan，1992，23（1）：1-16．DOI： 10.1016/0169-2046（92）90060-D.

王雪然，万荣荣，潘佩佩．太湖流域生态安全格局构建与调控：基于空间形态学-最小累积阻力模型．生态学报，2022，42（5）：1968-1980.WANG X R，WAN R R，PAN P P．Construction and adjustment of ecological security pattern based on MSPA-MCR model in Taihu Lake basin．Acta Ecol Sin，2022，42（5）：1968-1980．DOI： 10.5846/stxb202103020571.

张启斌．乌兰布和沙漠东北缘生态网络构建与优化研究．北京：北京林业大学．ZHANG Q B．Study on the construction and optimization of ecological network in the northeast edge of Wulanbuhe desert．Beijing：Beijing Forestry University.

王戈，于强，YANG D，等．包头市层级生态网络构建方法研究．农业机械学报，2019，50（9）：235-242，207．WANG G，YU Q，YANG D，et al．Construction method of hierarchical ecological network in Baotou City．Trans Chin Soc Agric Mach，2019，50（9）：235-242，207．DOI： 10.6041/j.issn.1000-1298.2019.09.028.

王戈．京津冀生态空间网络与区域热环境关系研究．北京：北京林业大学．WANG G．Study on the relationship between Beijing-Tianjin-Hebei ecological space network and regional thermal environment．Beijing：Beijing Forestry University．

周东东. 城市存量开发中生态空间优化策略研究——“生态踏脚石”在存量生态空间的应用模型//持续发展 理性规划——2017中国城市规划年会论文集（08城市生态规划）.2017：232-241.

周涛，柏文洁，汪秉宏，等．复杂网络研究概述．物理，2005，34（1）：31-36．ZHOU T，BAI W J，WANG B H，et al．A brief review of complex networks．Physics，2005，34（1）：31-36．DOI： 10.3321/j.issn：0379-4148.2005.01.007.

张娟，文广超，王恩营，等．基于遥感生态指数的焦作市生态环境动态监测与评价．水土保持通报，2020，40（6）：107-114．ZHANG J，WEN G C，WANG E Y，et al．Dynamic monitoring and evaluation of ecological environment at Jiaozuo City based on remote sensing ecological index．Bull Soil Water Conserv，2020，40（6）：107-114．DOI： 10.3969/j.issn.1674-3504.2020.01.011.

张亚球，姜放，纪梦达，等．基于遥感指数的区县级生态环境评价．干旱区研究，2020，37（6）：1598-1605．ZHANG Y Q，JIANG F，JI M D，et al．Assessment of the ecological environment at district and county level based on remote sensing index．Arid Zone Res，2020，37（6）：1598-1605．DOI： 10.13866/j.azr.2020.06.26.

褚馨德，贾伟，张峻豪，等. 基于RSEI模型的祁连山自然保护区生态环境质量评价. 环境监测管理与技术，2022，34（1）：38-42. CHU X D， JIA W，ZHANG J H，et al．Ecological environment quality evaluation of Qilian Mountain nature reserve based on RSEI model．Adm Tech Environ Monit， 2022， 34（1）： 38-42. DOI：10.3969/j.issn.1006-2009.2022.01.008.

胡其玉，陈松林. 基于生态系统服务供需的厦漳泉地区生态网络空间优化. 自然资源学报，2021，36（2）：342-355. HU Q Y， CHEN S L. Optimizing the ecological networks based on the supply and demand of ecosystem services in Xiamen-Zhangzhou-Quanzhou region．J Nat Resour， 2021， 36（2）：342-355. DOI：10.31497/zrzyxb.20210206.

卢杰，王戈，马骏，等. 基于复杂网络理论的西藏巴宜区森林景观空间结构研究. 农业机械学报，2021，52（4）：152-158. LU J， WANG G， MA J， et al．Forest ecological network construction and structure evaluation based on complex network theory in Bayi District of Tibet．Trans Chin Soc Agric Mach，2021， 52（4）：152-158. DOI：10.6041/j.issn.1000-1298.2021.04.016.

张启舜，李飞雪，王帝文，等. 基于生态网络的江苏省生态空间连通性变化研究. 生态学报，2021，41（8）：3007-3020. ZHANG Q S， LI F X， WANG D W，et al． Analysis on changes of ecological spatial connectivity in Jiangsu Province based on ecological network ．Act Ecol Sin，2021， 41（8）：3007-3020. DOI：10.5846/stxb202005181264.

潘竟虎，刘晓．疏勒河流域景观生态风险评价与生态安全格局优化构建．生态学杂志，2016，35（3）：791-799．PAN J H，LIU X．Landscape ecological risk assessment and landscape security pattern optimization in Shule River basin．Chin J Ecol，2016，35（3）：791-799．DOI： 10.13292/j.1000-4890.201603.022.

WU J S，ZHANG S Y，LUO Y H，et al．Assessment of risks to habitat connectivity through the stepping-stone theory：a case study from Shenzhen，China．Urban For Urban Green，2022，71：127532．DOI： 10.1016/j.ufug.2022.127532.

（责任编辑" 孟苗婧" 郑琰燚）