CN115759883B - 基于网络群组特征的生态管理分区方法 - Google Patents
基于网络群组特征的生态管理分区方法 Download PDFInfo
- Publication number
- CN115759883B CN115759883B CN202310010495.5A CN202310010495A CN115759883B CN 115759883 B CN115759883 B CN 115759883B CN 202310010495 A CN202310010495 A CN 202310010495A CN 115759883 B CN115759883 B CN 115759883B
- Authority
- CN
- China
- Prior art keywords
- ecological
- land
- source
- network
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/60—Ecological corridors or buffer zones
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于网络群组特征的生态管理分区方法,包括:采集研究区域的相关数据,并对数据进行预处理;根据预处理后的数据对研究区域进行生境质量评价,并根据生境质量评价结果选取生态源地并构建生态廊道,从而形成生态网络;基于生态网络建立引力模型,在引力模型的基础上,采用CONCOR算法对生态源地进行群组划分,并分析群组结构特征;基于划分的群组特征,进行网络分区,并对分区进行评价;基于生境质量评价,群组结构特征,分区管理特点,制定分区规划保护措施。本发明解决了现有分区方法侧重区域生态属性特征,忽略了空间结构联系网,未充分考虑生态要素在生态过程中相互联系的问题,为区域生态差异化治理提供新视角。
Description
技术领域
本发明属于生态保护的技术领域,具体涉及一种基于网络群组特征的生态管理分区方法。
背景技术
随着城镇化进程与人类活动的不断加剧,导致生态土地持续破碎化乃至丧失,城市生态安全受到严重威胁。生态分区管理是生态保护领域的重要科学问题,对于维持区域生态安全具有重要意义。城市生态管理分区所体现的城市生态功能异质性,是城市用地开发指引和生态空间管控的重要依据。如何准确、科学、合理的划分城市生态管理分区,对于城市生态生态差异化治理,构建城市生态安全格局尤为重要。
目前,针对生态分区管控的研究较为丰富,包括:基于不同生态要素的生态分区,如水源、湿地、绿地等;基于不同研究热点的生态分区,如国土生态空间修复分区、生态系统服务供需关系分区等;基于不同评价指标体系,如生境质量、生态系统服务价值、生态敏感性、生态脆弱性等,运用矩阵分析、聚类分析、多准则决策等指标分析方法进行生态分区的划定。然而由于缺乏生态要素完整性和协调性观念,现有评价体系注重了区域生态属性特征,忽略了生态空间形态特征,忽视了区域生态要素之间的关系。
生态网络能够反映区域生态要素的形状、比例和空间配置,体现空间中点、线、面所构成的潜在关系。作为生态网络中的关键要素,生态斑块反映区域生态系统服务价值、生境质量等属性,廊道有效维持区域内物质、能量、信息等的交换与流动。斑块间产生物种联系,形成辐射效应,使碎片化的生态土地能够在空间中形成多个群体,从而产生组群效应,形成不同功能区域,使各生态区域的服务功能产生“1+1>2”的效果。相较于指标体系分区,网络群组结构充分考虑生态要素在生态过程中的相互联系,关注结构联系网,将区域分成异质性群组,在生态要素功能同质性及相互联系基础上,使有机体能够在斑块间进行迁移、信息交换,维持生态过程完整性。基于生态网络的群组特征进行生态管理分区,对于制定合理的生态保护规划,谋划合理的生态布局促进生态环境与社会经济协调发展具有重要意义。
发明内容
本发明的目的在于针对现有技术的不足之处,提供一种基于网络群组特征的生态管理分区方法,该方法解决了现有分区方法侧重区域生态属性特征,忽略了空间结构联系网,未充分考虑生态要素在生态过程中相互联系的问题,为区域生态差异化治理提供新视角,对构建生态安全格局,实现城市生态安全具有重要意义。
为解决上述技术问题,本发明采用如下技术方案:
一种基于网络群组特征的生态管理分区方法,包括如下步骤:
步骤1、采集研究区域的相关数据,包括遥感影像数据和矢量数据,并对数据进行预处理;
步骤2、根据预处理后的数据对研究区域进行生境质量评价,并根据生境质量评价结果选取生态源地并构建生态廊道,从而形成生态网络;
步骤3、基于步骤2形成的生态网络建立引力模型,在引力模型的基础上,采用CONCOR算法对生态源地进行群组划分,并分析群组结构特征;
步骤4、基于划分的群组特征,进行网络分区,并对分区进行评价;
步骤5、基于生境质量评价,群组结构特征,分区管理特点,制定分区规划保护措施。
进一步地,步骤1中预处理方法包括:
获取研究区域的土地利用数据并将其进行土地利用类型划分,包括耕地、林地、草地、水域、建设用地、其他用地;
获取高程数据,并据此计算坡度,坡向以及地形起伏度;
获取路网数据,包括提取铁路、高速路、国道、省道及县道五类道路信息。
进一步地,步骤2中研究区域进行生境质量评价的计算公式为:
;
;
;
式中:Q xj为第j 种土地利用类型中栅格x的生境质量指数,Q xj∈[0, 1],其中,栅格为步骤1中获取的遥感影像重采样后划分的网格;H j为第j 种生境类型的生境适宜性分值;z为尺度常数;k为半饱和常数;D xj为第j 种生境类型中栅格x 的生境退化度,R为威胁因子总数,Yr为栅格y上威胁因子的个数,、/>、/>、/>依次对应代表不同威胁因子的权重、栅格y中的威胁因子 r对栅格 x 的影响、生境抗干扰水平、生境类型j对威胁因子r的敏感程度;d xy代表栅格 x、y 之间的距离,d rmax代表威胁因子 r的最大胁迫距离。
进一步地,将生境质量评价值最高的土地利用类型作为MSPA分析的前景要素,MSPA通过空间拓扑关系将前景分为核心、孤岛、孔隙、边缘区、环道区、桥接区和分支,提取出核心区,再对核心区进行景观连通性评价,用斑块重要性dPC来衡量核心区的连通性,其计算公式为:
;
PC值表示所有核心区都存在时的景观整体的可能连通性指数,PCremove指缺少某一核心区后剩余核心区组成的景观的可能连通性指数;
当dPC越大时,说明缺少该核心区时,整体的可能连通性指数变化量大,表示该核心区在景观连通中的重要性越大;
最终将dPC值大于1的核心区作为生态源地。
进一步地,步骤3中,构建MCR模型,通过MCR模型确立生态源地到目标地之间的生态廊道,MCR模型的计算公式为:
;
式中,MCR为最小累积阻力值;f是未知的正函数,反映空间中任一点的最小累积阻力值与该点到所有生态源地的距离及景观阻力面的正相关关系;D il表示景观阻力面上物种从生态源地l到空间单元i的距离;R i表示景观基面上空间单元i对物种扩散所造成的阻力;
MCR模型通过计算物种在景观阻力面上从生态源地点到目标地所需克服的最小累积阻力获取二者间的最低成本路径,该最低成本路径则视为物种在两地间迁移扩散的最优路径,这条最优路径即确立为生态廊道。
进一步地,根据土地利用类型、地形要素、距道路距离三种因素赋予空间单元阻力系数及权重,构建综合阻力面,其中,生态用地赋予的阻力系数比非生态用地更小,缓坡比陡坡的阻力系数更小,距离高速公路越近阻力系数越大。
进一步地,步骤3中构建的引力模型为:
;
G ab指生态源地a、b之间的引力值,N a、N b为生态源地a、b的权重,通过生态源地生境质量评价值与生态源地面积乘积获得;D ab为两生态源地之间廊道连接的最短距离。
进一步地,步骤3中对生态源地进行群组划分的方法为:
以各生态源地的引力值G ab为指标构建N×N的对称矩阵,计算该对称矩阵各行或各列的相关系数,之后把相关系数矩阵作为输入矩阵,继续计算此矩阵的各个行或者各个列之间的相关系数,依次类推经多次迭代运算后,矩阵的相关系数值由-1 和1 组成,通过对该矩阵的各个行和列同时进行置换,从而进行实现对各生态源地进行群组划分,其简化形式为:;
此外,对中+1的子矩阵进行同样的群组划分操作从而得到多个分区。
进一步地,对划分后的群组计算凝聚子群内密度和凝聚子群间密度,根据凝聚子群内密度和凝聚子群间密度分析群组结构内及群组结构间的相互关系,其中,凝聚子群内密度的计算公式为:
;
D 1为凝聚子群内密度;n为子群内生态源地数量;d(c i ,c l )为生态源地c i与c l之间的引力值;
凝聚子群间密度的计算公式为:
;
D 2为凝聚子群间密度;n为其中一个子群内生态源地数量,a i为该子群内生态源地;m为另一个子群内生态源地数量,b l为该子群内生态源地;d(a i ,b l )为生态源地a i与b l之间的引力值;
凝聚子群内密度值越大,则该群组内部联系越紧密;凝聚子群间密度值越大,则群组间的联系越紧密。
进一步地,步骤4具体包括子步骤:
1)对于生态特征不同的群组确立为一个分区,对生态特征相似且相近的群组确立为另一个分区;
2)通过结构鲁棒性评价各分区的稳定性,其中,结构鲁棒性的计算公式为:
;
式中,为初始分区中的生态源地数,/>为从分区中去除的生态源地数,c为当生态源地被去除后分区中最大连通子网络中的生态源地数量;
3)计算各生态源地的度中心性和中间中心性,再对各生态源地的度中心性与中间中心性归一化处理,然后与权重加权求和获得各生态源地的得分,选取整个研究区中得分最高的k个生态源地作为全局重要斑块,在每个分区中选取得分最高的生态源地,若该生态源地也归属为全局重要斑块,则该生态作为分区中的一级重要斑块,否则,则为二级重要斑块,将一级重要斑块、二级重要斑块之间的廊道确立为重要廊道。
与现有技术相比,本发明的有益效果为:本发明基于生境质量评价识别生态源地、提取生态廊道构建生态网络,并且在引力模型的基础上,借助凝聚子群方法,探讨局部网络中斑块间联系状态,基于斑块之间的生态联系进行群组划分,从群组视角分析整体生态网络,探讨网络稳定性以及斑块、廊道重要性,从而进行生态管理分区,以期为区域生态差异化治理提供新视角。该发明充分考虑生态空间中点、线、面所构成的潜在关系和景观完整性,注重网络特性与源地之间的功能联系,考虑生境斑块群组现象,将区域分成异质性群组,在生态要素功能同质性及相互联系基础上,使有机体能够在斑块间进行迁移、信息交换。从系统的角度耦合景观结构、生态过程和功能,解决了现有分区方法侧重区域生态属性特征,忽略了空间结构联系网,未充分考虑生态要素在生态过程中相互联系的问题。基于生态网络的群组特征进行生态管理分区,对于制定合理的生态保护规划,谋划合理的生态布局,促进生态环境与社会经济协调发展具有重要意义。
附图说明
图1为本发明实例中的生态管理分区方法得流程图;
图2为本发明实施中的生境质量评价图;
图3为本发明实施中的生态网络图;
图4为本发明实施中的生态网络群组分布图;
图5为本发明实施中的凝聚子群连接关系图;
图6为本发明实施中的生态网络群组分区图;
图7为本发明实施斑块廊道重要性评价结果图。
具体实施方式
下面将结合本发明实施例对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合具体实施例对本发明作进一步说明,但不作为本发明的限定。
本发明实施例公开了一种基于网络群组特征的生态管理分区方法,包括如下步骤:
步骤1、采集研究区域的相关数据,包括遥感影像数据和矢量数据,并对数据进行预处理;
本实施例采集研究区域的遥感影像数据、高程数据以及路网数据(矢量数据),其中遥感影像数据由中国科学院资源环境科学数据中心提供的30×30m栅格数据;根据遥感影像数据获取研究区域的土地利用数据,并将其重分类为六大一级地类,包括耕地、林地、草地、水域、建设用地、其他用地;
获取研究区域的高程数据,由地理空间数据云平台提供,并据此基于arcgis计算坡度,坡向以及地形起伏度;获取路网数据,路网数据源自OpenStreetMap,主要提取铁路、高速路、国道、省道及县道五类道路信息。
步骤2、根据预处理后的数据对研究区域进行生境质量评价,并根据生境质量评价结果选取生态源地并构建生态廊道,从而形成生态网络;
生境质量的高低反映了生态系统能够为生物提供生存条件的能力,因此生态源地应当具有较高的生境质量。综合考虑生境类型对各威胁因子的相对敏感性、各威胁因子的相对影响、生境栅格与威胁因子之间的距离、土地受到合法保护的水平四个因素,对研究区的生境质量进行量化分析,其计算公式为:
;
;
;
式中:Q xj为第j 种土地利用类型中栅格x的生境质量指数,Q xj∈[0, 1],其中,栅格为步骤1中获取的遥感影像重采样后划分的网格;H j为第j 种生境类型的生境适宜性分值;z为尺度常数;k为半饱和常数;D xj为第j 种生境类型中栅格x 的生境退化度,R为威胁因子总数,Yr为栅格y上威胁因子的个数,、/>、/>、/>依次对应代表不同威胁因子的权重、栅格y中的威胁因子 r对栅格 x 的影响(根据表1中土地类型选择指数或线性)、生境抗干扰水平、生境类型j对威胁因子r的敏感程度;d xy代表栅格 x、y 之间的距离,d rmax代表威胁因子 r的最大胁迫距离。
本实施例以武汉市为研究区域进行说明,参考构建的威胁因子参数如表1所示,构建的各土地利用类型对应生境适宜性及敏感性如表2所示。
表1 威胁因子参数
表2 各土地利用类型对应生境适宜性及敏感性
基于上述数据可直接计算出研究区域生境质量,再基于自然断点法将武汉市的生境质量分为五类,得到武汉市的生境质量评价结果见图2。
在生境质量评价的基础上,进行潜在生态廊道网络构建,具体地:
(1)生态源地综合识别:
由于斑块连接度与面积是维持景观生态功能的重要载体,MSPA(形态学空间格局分析)能够从像元层面,根据连通性规则识别核心区,并全面的提取结构性景观要素。为此,在本实施例中,将生境质量评价值最高的两类土地利用类型作为MSPA分析的前景要素,MSPA通过空间拓扑关系将前景分为核心、孤岛、孔隙、边缘区、环道区、桥接区和分支7类,基于arcgis软件选取并导出核心区,且将面积小于1km的细碎斑块剔除;采用Conefor软件对剩余核心区斑块进行景观连通性评价,用景观斑块连通性指数(PC)和斑块重要性(dPC)来衡量核心区的连通性,计算公式为:
;
PC值表示所有核心区都存在时的景观整体的可能连通性指数,PCremove指缺少某一斑块后剩余斑块组成的景观的可能连通性指数,当dPC越大时,说明缺少该斑块时,整体的可能连通性指数变化量大,表示该斑块在景观连通中的重要性越大。以上计算均可在Conefor软件中完成并得到dpc,最终将dPC值大于1的核心区作为生态源地。
(2)生态廊道识别
景观阻力用于反映生物在不同空间单元间迁移扩散的难易程度,根据土地利用类型、地形要素、距道路距离三种因素,参考相关研究成果赋予各生态源地1、3、5、7、9五类阻力系数及权重,阻力系数越高,表明扩散时物种受到的阻力值越大,构建景观综合阻力面。对于各类阻力因子,根据相关研究成果,并结合实例区实际情况,以生态阻碍性为主,兼顾廊道建设的用地适宜性,进行阻力赋值。对于土地利用类型,生态用地对于生物迁移的阻碍更小,阻力系数更小,而非生态空间阻力更大,因此阻力系数更大;对于地形要素,低起伏度、缓坡、阳坡都更加利于生物移动,阻力系数更小;对于距道路距离,离道路越近,生物流动所受影响越大,阻力系数更高,在本实施例中构建的阻力系数等级如表3所示。
表3 阻力系数等级表
MCR模型通过计算物种在景观阻力面上从生态源地点到目标地所需克服的最小累积阻力,获取二者间的最低成本路径,该路径可视为物种在两地间迁移扩散的最优路径,这条最优路径即确立为生态廊道,其公式为:
;
式中,MCR为最小累积阻力值;f是未知的正函数,反映空间中任一点的最小累积阻力值与该点到所有生态源地的距离及景观阻力面的正相关关系;D il表示景观阻力面上物种从生态源地l到空间单元i的距离;R i表示景观基面上空间单元i对物种扩散所造成的阻力。
在本实施例中,以生境质量最好的林地和水域作为前景要素进行MSPA分析,再基于面积与连通性指标识别出生态源地,判断生态源地的生境类型以及生态源地分布特征,利用MCR模型提取生态廊道(见附图3)。
步骤3、基于步骤2形成的生态网络建立引力模型,在引力模型的基础上,采用CONCOR算法对生态源地进行群组划分,并分析群组结构特征;
引力模型可通过计算生态源地间的相互作用,以此确定联系比较紧密的生态源地。生态源地的紧密关系是群组形成的基础。生态源地生境质量的高低、面积的大小、距离的远近会影响区域内物质、能量、生物有机体等的交换与流动,从而反映出生态源地间联系的紧密程度。因此选取这三项指标,基于引力模型进行计算,其公式为:
;
G ab指生态源地a、b之间的引力值,N a、N b为生态源地a、b的权重,通过生态源地生境质量评价值与生态源地面积乘积获得;D ab为两生态源地之间廊道连接的最短距离,在本实施例中根据引力模型计算得到的引力大小如表4所示。
表4 源地斑块间引力大小
(2)网络群组划分
凝聚子群是指整体网络节点之间具有相对较强的、紧密的关系所构成的一个成员的子集合。该分析是探讨网络的整体结构是如何由群体小结构组成,判断整体网络中凝聚子群的依据是分析子群中节点之间具有“相对较强的、直接的、紧密的、经常的或者积极的关系”。它可以建立在互惠关系的基础上,也可以建立在可达性、联系频次或关系密度的基础上。在本实施例中,以值为指标,基于Ucinet中的CONCOR算法进行凝聚子群分析。具体操作时,以/>值为指标构建N×N的对称矩阵,再对该对称矩阵计算出矩阵各行(或各列)的相关系数,之后把系数矩阵作为输入矩阵,继续计算此矩阵的各个行或者各个列之间的相关系数。得到的各个“相关系数的相关系数”将构成又一个新的系数矩阵。然后继续依次计算。最后得到“相关系数的相关系数的相关系数的…矩阵”。经多次迭代运算后,矩阵的相关系数值由-1 和1 组成,通过对该矩阵的各个行和列同时进行置换,从而可以分区和简化为如下形式:/>;
这样就达到了对所对应的各个单位进行分区(此表分为两个区,即两个“+1”位置)。另外CONCOR可以对每个子矩阵(“+1”区)进行同样的分区操作而得到多个分区。
在具体操作时,可以选择最大划分深度,即进行几次分区,在本实例中选择3,则最终将34个源地斑块划分为8个子群分区。CONCOR利用树形图表达各个位置之间的结构对等性程度,并且标记出各个位置拥有的网络成员,生成凝聚子群分布图的同时,还计算子群的密度矩阵,其中,凝聚子群内密度的计算公式为:
;
D 1为凝聚子群内密度;n为子群内生态源地数量;d(c i ,c l )为生态源地c i与c l之间的引力值;
凝聚子群间密度的计算公式为:
;
D 2为凝聚子群间密度;n为其中一个子群内生态源地数量,a i为该子群内生态源地;m为另一个子群内生态源地数量,b l为该子群内生态源地;d(a i ,b l )为生态源地a i与b l之间的引力值;
分析各群组空间位置,为管理分区空间布局提供基础。具体来说,分别分析各群组主要位于区域的哪个位置,包含了哪些生态源地斑块,这些生态源地斑块具有怎样的生态特征,群组所在区域具有怎样的生态功能。如某一群组位于北部区,以林地景观为主,该区域植被覆盖大,生态环境良好,具有良好的生态功能,可作为天然的生态屏障。
凝聚子群密度表反映生态网络中各生态源地之间联系的紧密程度,密度越大,表明生态网络中各生态源地之间的关系越密切,其中,可根据凝聚子群内密度分析群组结构内得相互关系,而凝聚子群间密度则可分析群组结构间的相互关系。在同一群组内部,通过廊道的连接,会产生不同程度的生态辐射,根据群组内部的连接程度,探讨内部的互动联系,从而评判该群组的生态特征。具体来说,如某一群组的子群内密度远高于其他群组,则证明该群组内部联系十分紧密,一方面是因为该群组内部生态源地斑块面积较大,源地分布更为集中,另一方面也可能因为群组内部生态源地斑块都具有较高的生境质量,更利于物种之间交流联系。这样的群组更有利于维护区域的生态安全。而有些群组内部可能较多生态源地斑块的面积较小,本身具有的安全水平较低,不能产生很好的联系,因此子群内密度值偏低,因此并不适合单独成组,或者需要进一步的生态管控;
不同群组之间,通过廊道的连接,同样具有不同的连接度,产生不同的生态联系,连接度越高,群组之间的生态辐射也就越强,从而探讨群组间的相互关系。具体来说,如某一群组与大部分群组之间密度较高,则说明他们存在较高的连通性,表明其不仅自身具有良好的生态功能,利于生物流的流动,而且对改善整体生态环境具有重要作用。而有些群组与大部分群组之间的密度偏低,但他们又处于相对关键的位置,则需要进行重点的生态恢复与保护。
在本实施例中,计算各生态源地间廊道最短连接距离,在此基础上根据引力模型得到各生态源地之间的联系紧密程度,再利用CONCOR算法得出整体生态网络群组划分(见附图4)。基于凝聚子群密度表,绘制群组连接关系图(见附图5),分析群组内与群组间关系。
步骤4、基于划分的群组特征,进行网络分区,并对分区进行评价;
(1)生态分区构建
结合区域实际情况及相关研究,设定廊道宽度,确保廊道内部的林地与建设用地占比在较为合适的范围;力求实现斑块与廊道生态服务全覆盖,参照《城市绿地规划标准(GB/T 51346—2019)》及已有研究,以3km为生态源地斑块、廊道的服务半径,进行缓冲区覆盖分析;结合生态群组分析,考虑生态系统完整性以确定群组网络分区,对于生态特征不同的群组确立为一个分区,而对于生态特征相似且相近的群组确立为一个分区。如本实例中,见图4,群组1、2都具有较高的生境质量,且群组间联系十分紧密,但群组2内部源地数量较少,因此将群组1、2确立为一个分区进行保护;群组5、7内部生境质量较差,且与大部分群组联系较弱,但处于较为关键的位置,因此确立为一个分区进行恢复治理。之后将规划的生态分区与区域经济发展分区进行对比,确定生态分区效果以及区域经济功能。
(2)生态分区稳定性评价
判断生态网络对破坏事件的反映,是预防生态网络损失和生物多样性灭绝的必要条件。分区网络虽能保持较高的独立性,在其他网络受到破坏时不受干扰,但如果自身网络属性容易遭受破坏,则需要特别保护。结构鲁棒性能够用来衡量生态网络在遭受到外界干扰破坏时,维持其正常结构和功能的能力,即潜在生态网络抵抗能力。探讨生态分区覆盖的建设用地面积,可以评估群组范围城市空间发展对生态环境可能造成的威胁程度。因此通过结构鲁棒性的起始值与分区内部建设用地覆盖程度来综合反映群组网络的稳定性能,结构鲁棒性越高,建设用地占比越低,则认为区域稳定性越好。其中,结构鲁棒性的计算公式为:
;
式中,为初始分区中的生态源地数,/>为从分区中去除的生态源地数,c为当生态源地被去除后分区中最大连通子网络中的生态源地数量。
(3)斑块廊道重要性评价
中心性能够反映景观要素在生态网络空间结构关系和生态过程中的重要程度。分别对整体网络和分区网络进行斑块中心性评价,通过度中心性与中间中心性加权求和来反映斑块的重要程度。其中度中心性指网络结构中与某一生态源地相连的连接线的数量,反映了生态分区网络中某一生态源地斑块功能性连接的整体特征,指标较高的生态源地斑块具有相对重要的中心位置。中间中心性,是通过分区网络中某个生态源地的最短路径与所有生态源地间( 不包括该点) 最短路径的数量比,反映了特定生态源地斑块在景观流传递过程中发挥着连接不同功能结构体或“踏脚石”斑块的重要作用。将对各生态源地斑块度中心性与中间中心性进行归一化处理,然后以0.5权重加权求和得到各生态源地斑块的得分,在整体生态网络中选取得分最高的10个斑块作为全局重要斑块,在分区网络中选取得分最高的在每个分区中选取得分最高的生态源地,若该生态源地也归属为全局重要斑块,则该生态作为分区中的一级重要斑块,否则,则为二级重要斑块,将一级重要斑块、二级重要斑块之间的廊道确立为重要廊道。
在本实施例中,结合群组结构功能特征,进行缓冲区覆盖分析,将网络划分为不同生态分区(见附图6),通过与区域经济规划分区相对比,具有较高的一致性,证明了分区的合理性与必要性。通过斑块廊道重要性评价,识别出一级重要斑块、二级重要斑块、全局重要斑块以及重要廊道(见附图7)。
步骤5、基于生境质量评价,群组结构特征,分区管理特点,制定分区规划保护措施;
识别网络群组结构,形成分区,最终目的是为了分区规划符合景观过程和格局的真实需求,更能有效地促进生态安全的可持续管理。生态网络不仅是生态连接网络,也是社会管理网络,它可以建立一个平台,在不同的利益相关者之间进行合作和共同管理,使得不同生态群组既能保持自身的独立完整性,又能相互交流协作,而这就需要分区差异化的保护规划措施。在该步骤中,结合对群组结构特征、分区功能特点以及区域相关发展战略,对各分区进行规划,并提出相应的规划发展措施。在本实施例中,共划分为六大生态管理分区:
黄陂北部区生境质量高,源地之间联系十分紧密,生态网络稳定、有利于维护整个大区域的生态安全,拥有大量的森林资源,可作为绿色生态屏障区,生态建设的关键点是保持目前的生态质量水平;主城西部区生境质量较高,源地之间联系紧密,但生态稳定相对较弱,可作为生态控制区,生态建设的关键点是要兼顾生态安全的基本条件和土地资源的承载能力,以控制区域生态环境的恶化;主城东部区生境质量中等,生态稳定性较弱,同时覆盖了大面积的主城区,但由于东湖风景区的等生态用地较好的建设,为区域提供了较好的生态支持,因此可作为生态整治区,生态建设的关键点对城市生态破坏的进一步管控以及注重生态廊道生境质量的维护和改善;主城南部区生境质量中等,源地之间的联系相对较差,同时生态网络稳定性也相对较弱,区域内部工业历史悠久,有着大面积的工矿用地,面临着严重的生态退化威胁,因此可以作为生态修复区,生态建设的关键是采取适当的生态修复措施,加强生态源地的开发保护,扩大源地的面积;蔡甸-汉南区生境质量较高,生态网络稳定,但由于处在武汉市边缘地区,区域经济实力相对较弱,人口密度相对较低,对生态用地的开发利用程度远远不够,因此可作为生态开发区,生态建设的关键是在兼顾土地资源的承载能力和经济发展的基础上,更大力度推进绿色生态建设;洪山-江夏区生境质量较高,不仅生态网络稳定,同时与其他分区有相对较好的联系,分区内部较多大型生态斑块,往往会与其他斑块产生物种联系,形成辐射效应,因此可作为生态辐射区,生态建设的关键是加强生态源和生态廊道连通性建设。
综上,本实施例通过识别生态源地,以构建整体生态网络,在引力模型的基础上,借助凝聚子群方法,探讨局部网络中斑块间联系状态,从而进行群组划分,最终形成相应的生态分区,借助指标评价与网络分析方法,为区域生态差异化治理提供新视角,对构建生态安全格局,实现城市生态安全具有重要意义。
以上仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (5)
1.一种基于网络群组特征的生态管理分区方法,其特征在于,包括如下步骤:
步骤1、采集研究区域的相关数据,包括遥感影像数据和矢量数据,并对数据进行预处理;
步骤2、根据预处理后的数据对研究区域进行生境质量评价,并根据生境质量评价结果选取生态源地并构建生态廊道,从而形成生态网络;
步骤3、基于步骤2形成的生态网络建立引力模型,在引力模型的基础上,采用CONCOR算法对生态源地进行群组划分,并分析群组结构特征;
步骤4、基于划分的群组特征,进行网络分区,并对分区进行评价;
步骤5、基于生境质量评价,群组结构特征,分区管理特点,制定分区规划保护措施;
其中,步骤2中研究区域进行生境质量评价的计算公式为:
;
;
;
式中:Q xj为第j 种土地利用类型中栅格x的生境质量指数,Q xj∈[0, 1],其中,栅格为步骤1中获取的遥感影像重采样后划分的网格;H j为第j 种生境类型的生境适宜性分值;z为尺度常数;k为半饱和常数;D xj为第j 种生境类型中栅格x 的生境退化度,R为威胁因子总数,Yr为栅格y上威胁因子的个数,、/>、/>、/> 依次对应代表不同威胁因子的权重、栅格y中的威胁因子 r对栅格 x 的影响、生境抗干扰水平、生境类型j对威胁因子r的敏感程度;d xy代表栅格 x、y 之间的距离,d rmax代表威胁因子 r的最大胁迫距离;
步骤3中,构建MCR模型,通过MCR模型确立生态源地到目标地之间的生态廊道,MCR模型的计算公式为:
;
式中,MCR为最小累积阻力值;f是未知的正函数,反映空间中任一点的最小累积阻力值与该点到所有生态源地的距离及景观阻力面的正相关关系;D il表示景观阻力面上物种从生态源地l到空间单元i的距离;R i表示景观基面上空间单元i对物种扩散所造成的阻力;
MCR模型通过计算物种在景观阻力面上从生态源地点到目标地所需克服的最小累积阻力获取二者间的最低成本路径,该最低成本路径则视为物种在两地间迁移扩散的最优路径,这条最优路径即确立为生态廊道;
步骤3中构建的引力模型为:
;
G ab指生态源地a、b之间的引力值,N a、N b为生态源地a、b的权重,通过生态源地生境质量评价值与生态源地面积乘积获得;D ab为两生态源地之间廊道连接的最短距离。
步骤3中对生态源地进行群组划分的方法为:
以各生态源地的引力值G ab为指标构建N×N的对称矩阵,计算该对称矩阵各行或各列的相关系数,之后把相关系数矩阵作为输入矩阵,继续计算此矩阵的各个行或者各个列之间的相关系数,依次类推经多次迭代运算后,矩阵的相关系数值由-1 和1 组成,通过对该矩阵的各个行和列同时进行置换,从而进行实现对各生态源地进行群组划分,其简化形式为:;
此外,对中+1的子矩阵进行同样的群组划分操作从而得到多个分区;
对划分后的群组计算凝聚子群内密度和凝聚子群间密度,根据凝聚子群内密度和凝聚子群间密度分析群组结构内及群组结构间的相互关系,其中,凝聚子群内密度的计算公式为:
;
D 1为凝聚子群内密度;n为子群内生态源地数量;d(c i ,c l )为生态源地c i与c l之间的引力值;
凝聚子群间密度的计算公式为:
;
D 2为凝聚子群间密度;n为其中一个子群内生态源地数量,a i为该子群内生态源地;m为另一个子群内生态源地数量,b l为该子群内生态源地;d(a i ,b l )为生态源地a i与b l之间的引力值;
凝聚子群内密度值越大,则该群组内部联系越紧密;凝聚子群间密度值越大,则群组间的联系越紧密。
2.根据权利要求1所述的基于网络群组特征的生态管理分区方法,其特征在于,步骤1中预处理方法包括:
获取研究区域的土地利用数据并将其进行土地利用类型划分,包括耕地、林地、草地、水域、建设用地、其他用地;
获取高程数据,并据此计算坡度,坡向以及地形起伏度;
获取路网数据,包括提取铁路、高速路、国道、省道及县道五类道路信息。
3.根据权利要求1所述的基于网络群组特征的生态管理分区方法,其特征在于,将生境质量评价值最高的土地利用类型作为MSPA分析的前景要素,MSPA通过空间拓扑关系将前景分为核心、孤岛、孔隙、边缘区、环道区、桥接区和分支,提取出核心区,再对核心区进行景观连通性评价,用斑块重要性dPC来衡量核心区的连通性,其计算公式为:
;
PC值表示所有核心区都存在时的景观整体的可能连通性指数,PCremove指缺少某一核心区后剩余核心区组成的景观的可能连通性指数;
当dPC越大时,说明缺少该核心区时,整体的可能连通性指数变化量大,表示该核心区在景观连通中的重要性越大;
最终将dPC值大于1的核心区作为生态源地。
4.根据权利要求1所述的基于网络群组特征的生态管理分区方法,其特征在于,根据土地利用类型、地形要素、距道路距离三种因素赋予空间单元阻力系数及权重,构建综合阻力面,其中,生态用地赋予的阻力系数比非生态用地更小,缓坡比陡坡的阻力系数更小,距离高速公路越近阻力系数越大。
5.根据权利要求1所述的基于网络群组特征的生态管理分区方法,其特征在于,步骤4具体包括子步骤:
1)对于生态特征不同的群组确立为一个分区,对生态特征相似且相近的群组确立为另一个分区;
2)通过结构鲁棒性评价各分区的稳定性,其中,结构鲁棒性的计算公式为:
;
式中,为初始分区中的生态源地数,/>为从分区中去除的生态源地数,c为当生态源地被去除后分区中最大连通子网络中的生态源地数量;
3)计算各生态源地的度中心性和中间中心性,再对各生态源地的度中心性与中间中心性归一化处理,然后与权重加权求和获得各生态源地的得分,选取整个研究区中得分最高的k个生态源地作为全局重要斑块,在每个分区中选取得分最高的生态源地,若该生态源地也归属为全局重要斑块,则该生态作为分区中的一级重要斑块,否则,则为二级重要斑块,将一级重要斑块、二级重要斑块之间的廊道确立为重要廊道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310010495.5A CN115759883B (zh) | 2023-01-05 | 2023-01-05 | 基于网络群组特征的生态管理分区方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310010495.5A CN115759883B (zh) | 2023-01-05 | 2023-01-05 | 基于网络群组特征的生态管理分区方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115759883A CN115759883A (zh) | 2023-03-07 |
CN115759883B true CN115759883B (zh) | 2023-07-18 |
Family
ID=85348193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310010495.5A Active CN115759883B (zh) | 2023-01-05 | 2023-01-05 | 基于网络群组特征的生态管理分区方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115759883B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116402656A (zh) * | 2023-03-22 | 2023-07-07 | 广州市城市规划勘测设计研究院 | 国土生态空间治理优先级计算方法、装置、介质及设备 |
CN117973599A (zh) * | 2024-01-12 | 2024-05-03 | 北京市生态环境保护科学研究院 | 基于产业空间和生态环境互适性的布局优化方法 |
CN118135404B (zh) * | 2024-04-30 | 2024-07-12 | 广州市城市规划勘测设计研究院有限公司 | 一种国土空间生态网络识别优化方法、系统及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021898A (zh) * | 2016-05-13 | 2016-10-12 | 中国环境科学研究院 | 一种地下水污染源强分级评价方法 |
CN110298411B (zh) * | 2019-07-04 | 2020-05-26 | 中国城市建设研究院有限公司 | 一种城市群生态空间受损识别方法 |
CN113327042B (zh) * | 2021-06-07 | 2023-09-29 | 中国矿业大学 | 一种区域生态系统修复需求的快速划分方法 |
-
2023
- 2023-01-05 CN CN202310010495.5A patent/CN115759883B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115759883A (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115759883B (zh) | 基于网络群组特征的生态管理分区方法 | |
Wang et al. | Can the establishment of ecological security patterns improve ecological protection? An example of Nanchang, China | |
Zhang et al. | An optimized evaluation method of an urban ecological network: The case of the Minhang District of Shanghai | |
CN110334864B (zh) | 一种基于gis的多规合一城乡空间分区划定的方法 | |
Kim et al. | Landscape character, biodiversity and land use planning: The case of Kwangju City Region, South Korea | |
Jiang et al. | Zoning for ecosystem restoration based on ecological network in mountainous region | |
Dong et al. | Optimization of green infrastructure networks based on potential green roof integration in a high-density urban area—A case study of Beijing, China | |
Zhang et al. | Identification and extraction of a current urban ecological network in Minhang District of Shanghai based on an optimization method | |
CN111125285B (zh) | 一种基于物种空间分布关系的动物地理区划方法 | |
CN107527133A (zh) | 城市群国土空间利用质量提升辅助决策系统 | |
Qian et al. | Construction of ecological security pattern in coastal urban areas: A case study in Qingdao, China | |
CN115409673A (zh) | 基于生态安全格局的城市绿地生态网络构建方法 | |
Chang et al. | Urban landscape pattern design from the viewpoint of networks: A case study of Changzhou city in Southeast China | |
Liu et al. | Spatial distribution analysis and driving factors of traditional villages in Henan province: a comprehensive approach via geospatial techniques and statistical models | |
Luo et al. | Construct the future wetland ecological security pattern with multi-scenario simulation | |
CN115049164A (zh) | 耦合社会网络模型和碳抵消的生态网络优化方法 | |
CN112508332A (zh) | 一种顾及多维特征的渐进式乡村聚落整治分区方法 | |
Jing et al. | Optimization of landscape pattern in the main river basin of Liao River in China based on ecological network | |
Luo et al. | Exploring habitat patch clusters based on network community detection to identify restored priority areas of ecological networks in urban areas | |
Shen et al. | Improving landscape ecological network connectivity in urbanizing areas from dual dimensions of structure and function | |
Guo et al. | Large‐Scale and Refined Green Space Identification‐Based Sustainable Urban Renewal Mode Assessment | |
Chuangsheng et al. | Developing regional ecological networks along the Grand Canal based on an integrated analysis framework | |
Zhang et al. | Urban green corridor construction considering daily life circles: A case study of Wuhan city, China | |
Pan et al. | Optimization of multi-objective multi-functional landuse zoning using a vector-based genetic algorithm | |
Peng et al. | Integrating potential land use conflict into ecological security pattern in response to land use/cover changes at a county scale in Yangtze River Delta, China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |