区域生态安全格局规划研究进展及规划技术流程探讨

欧定华，夏建国*，张莉，赵智

1. 四川农业大学资源环境学院，四川 成都 611130；2. 成都市龙泉驿区大面街道办事处，四川 成都 610101；3. 四川农业大学经济管理学院，四川 成都 611130

区域生态安全格局规划研究进展及规划技术流程探讨

欧定华1，夏建国1*，张莉2，赵智3

1. 四川农业大学资源环境学院，四川 成都 611130；2. 成都市龙泉驿区大面街道办事处，四川 成都 610101；3. 四川农业大学经济管理学院，四川 成都 611130

区域生态安全格局规划是化解生态保护与经济发展之间矛盾冲突的有效途径，进行区域生态安全格局规划研究具有重要理论和现实意义。但是，目前尚缺少对区域生态安全格局规划概念内涵、支撑理论、技术方法等相关文献的系统梳理和归纳总结。鉴于此，通过查阅大量文献资料、总结分析国内外相关研究成果，厘清了生态安全格局相关概念之间的逻辑关系，给出了区域生态安全格局规划的确切定义，对景观生态分类与适宜性评价、景观格局演变分析与动态模拟、生态安全预测预警、空间规划决策技术方法等区域生态安全格局规划相关支撑理论和技术方法，研究成果总结发现：景观生态分类指标构建理论和分类结果可靠性验证研究较为薄弱；应用较多的景观生态适宜性评价方法有“千层饼”法、层次分析法等传统方法和人工神经网络、遗传算法、元胞自动机等现代人工智能方法；景观格局变化驱动因子定量识别相对缺乏，各驱动因子间相互作用关系探讨不深入，常忽视景观格局本身对驱动因子的自适应和反馈作用；在众多景观格局动态演变模拟模型中，CA-Markov模型综合了CA和Markov模型的优点，可实现研究对象时空演变信息的精确挖掘；生态安全预警可弥补传统生态安全评价不能揭示生态环境质量长期动态变化状况的不足，能反映区域生态安全状况动态变化过程，是生态安全格局规划的重要基础；常见的空间规划决策技术方法主要有多准则数量优化法、空间分析技术方法、情景分析法、人工智能优化法和综合优化法，在综合优化法中 CLUE-S模型能综合土地利用变化各驱动因子对不同时空尺度下的土地利用变化进行预测模拟，集成模型能集成多个模型优点来解决一些复杂空间格局优化问题，两者对进行区域生态安全格局规划方法探讨皆具有重要参考价值和借鉴意义。在此基础上，依据现阶段比较成熟的景观生态学理论、景观生态规划原理，综合集成现行空间规划决策技术方法，将区域生态安全格局规划技术流程概括为景观生态分类、景观格局演变分析、景观生态适宜性评价、景观格局演变动态模拟、生态安全预测预警、生态安全需求预测、多情景模式构建和总体规划目标确定、生态安全格局规划、多种规划方案比选、方案试点效果监测与评价、规划实施与执行监管等14个步骤。今后加强区域生态安全格局规划基础理论、技术方法、实践应用这3方面研究是未来该领域研究的重要方向。

区域生态安全格局；规划技术流程；景观格局动态演变模拟；生态安全预警；空间规划决策；研究进展

世界各国在实现现代化进程中，由于落后的生态环保观念和粗放的经济发展模式，致使自然生态环境遭到了严重破坏，气候变暖、臭氧层破坏、大气污染等全球性生态环境问题引起了人类社会的广泛关注。中国在快速推进工业化和城市化进程中，也致使部分地区发生了水土资源短缺、生物多样性降低、环境污染严重等一系列生态安全问题。如何有效协调经济发展和生态保护之间的矛盾关系，成为中国政府面临的重大课题。近年来，部分地区生态环境得以局部改善，但总体恶化趋势未能得到根本遏制。追根溯源，除了环境问题日积月累的破坏性释放日益突发外，主要还是我们在规划编制过程中没有从空间布局上把区域生态安全格局作为一个复杂系统工程进行统筹谋划，导致部分地区生态保护进入盲目保护和低效保护的误区，出现了过度利用和低效利用的新问题。怎样从空间上协调经济发展和生态保护的矛盾关系，已成为当今科研和实践领域亟待解决的现实问题。研究表明，生态安全格局规划是实现区域生态安全的基本保障和重要途径，能够避免走入盲目保护和低效保护的误区，有效化解生态保护和经济发展的矛盾冲突（俞孔坚和王思思，2009）。国内外研究者围绕生态安全格局规划相关理论、技术方法展开了大量探讨，欧美学者主要从土地利用优化配置（Reshmidevi等，2009；Shaygan等，2014）和景观生态规划（Kezhen，2011；Szabo等，2012）两种途径进行相关研究，国内研究者在景观生态安全格局构建（胡道生等，2011；李咏红等，2013）、城市生态安全格局规划（龙宏和王纪武，2009；向颖和戴彦，2013）、区域生态安全格局构建（康相武和刘雪华，2009；周锐等，2015）、土地利用生态安全格局优化（蒙吉军等，2014，2012）等方面也取得了大量研究成果。为此，本文在总结以往相关研究成果基础上，厘清了生态安全格局相关概念之间的逻辑关系，给出了区域生态安全格局规划定义，对区域生态安全格局规划相关支撑理论和技术方法进行了系统梳理，提出了区域生态安全格局规划技术流程，并对未来发展趋势进行了展望，以期能为将来开展区域生态安全格局规划研究和实践提供理论支撑和方法参考。

1 区域生态安全格局规划内涵解析

学术界对生态安全概念的认识尚未达成共识，研究者们从生态系统服务、生态系统健康、生态风险、区域生态安全等不同角度对生态安全概念进行了大量研究，概括起来大致存在广义和狭义两种理解。其中：广义的生态安全概念指人的生活、健康、安全、基本权利、生活保障来源、必要资源、社会秩序和人类适应环境变化能力等方面不受威胁的状态，是由自然、经济和社会生态安全组成的一个复合人工生态安全系统（于成学，2013）；狭义的生态安全是指自然和半自然生态系统的安全，即生态系统完整性和健康的整体水平反映（肖笃宁等，2002）。广义生态安全反应了复合生态系统生态安全的范畴，从生态安全涉及的范围尺度上可分为全球生态安全、区域生态安全和微观生态安全等若干层次，从生态安全的客体尺度上可包括生物细胞、组织、个体、种群、群落、生态系统、生态景观、生态区、陆地/海洋生态以及人类生态，涉及内容即广泛又具体，在生态安全研究中具有一定影响力，为大多数研究者所接受。随着生态安全研究的深化，研究者们发现仅靠生态安全（风险）评价提出的对策难以应对日益复杂的区域生态安全问题，需要通过一系列技术方法将这些恢复措施和管理对策落实到空间地域上，才能有针对性的解决生态环境问题。为此，马克明等（2004）提出了区域生态安全格局概念，将其定义为针对区域生态环境问题，在干扰排除基础上，能够保护和恢复生物多样性、维持生态系统结构和过程的完整性、实现对区域生态环境问题有效控制和持续改善的区域性空间格局。文献资料中关于生态安全格局的提法很多，常见的有国土生态安全格局（俞孔坚等，2009）、区域生态安全格局（俞孔坚等，2012）、城市生态安全格局（杨青生等，2013）、土地利用生态安全格局（蒙吉军等，2012）、耕地生态安全格局（赵宏波，2014）、景观生态安全格局（王让虎等，2014）、自然生态安全格局（赵清等，2009）、文化遗产安全格局（俞孔坚和王思思，2009）、人文安全格局（俞孔坚和王思思，2009）等。这些概念实质上反映了不同角度、不同尺度下的生态安全格局，它们之间的逻辑关系可用图1进行简要描述。

综上所述，区域生态安全格局是一种健康、稳定、可持续的生态安全状态，它是区域生态安全格局规划的理论基础，而区域生态安全格局规划则是维持区域生态安全格局这一理想空间状态的具体实现手段。故可将区域生态安全格局规划定义为人们在面对具体生态环境问题时，积极发挥主观能动性，以景观生态学和景观生态规划原理为基础，按照一定的规划原则和流程，依靠GIS空间分析技术、情景分析法、数学模型等空间规划技术方法，对区域内各种自然、经济、人文要素进行安排、设计、组合与布局，得到由点、线、面、网组成的多目标、多层次和多类别的区域性空间优化配置方案，以维持区域生态系统结构和过程的完整性，实现区域生态、经济、社会综合效益最大化。另从图1可以看出，区域生态安全格局和景观生态安全格局本质上是从不同角度出发对生态安全格局展开的研究，二者涵盖的绝大部分内容是相同或相近的，其核心内容皆为土地生态安全格局。因此，可从景观格局角度出发进行区域生态安全格局规划研究，也可把土地利用生态安全格局规划研究作为区域生态安全格局规划研究的核心。

2 区域生态安全格局规划理论和方法研究

2.1 区域生态安全格局规划支撑理论研究

2.1.1 景观生态分类研究

景观生态分类是进行景观格局演变分析与动态模拟、景观评价、区域生态安全格局规划研究的基础，国内外对景观生态分类的研究主要包括景观生态分类理论和景观生态分类方法两方面。

图1 生态安全格局相关概念逻辑关系Fig. 1 The logic relation diagram of ecological security pattern relevant concepts

在景观生态分类理论研究上，国外对土地生态分类研究较为广泛，Wilson和 Forman（1995）直接把土地利用现状等同于景观类型，并划分了城郊、水田、草地、森林、湖沼和工业景观等6种景观类型，但这种划分并不能充分反映实际存在的景观类型；Zonneveld（1995）认为景观等级划分在底层等级应体现内部高度一致性，到高层至少应有一种特性是一致的，并基于此把景观类型划分为生态元、土地相、土地系统、主要景观4个等级，该分类实际上反映的仍是土地生态类型。国内景观生态分类理论研究起步较晚，早期地理学界借鉴前苏联景观学思想开展的土地分类研究，为我国景观生态分类理论发展奠定了基础，如林超和李昌文（1980）在研究北京山区的土地类型时，借鉴前苏联的分类理论和方法，把地方、限区和相作为土地分类单位。20世纪90年代末以来，我国景观生态分类理论研究才进入快速发展时期，取得了大量研究成果，如肖笃宁和钟林生（1998）从景观定义出发概述了景观生态分类的生态学原则，并提出把自然、经营和人工等不同景观类型特性作为景观分类的依据和原则；韩荡（2003）以城市建设活动对景观的“干扰”程度和景观抗“干扰”能力为依据，将城市景观划分为建设、旅游休闲、农业、环境、水体和城市发展6大类景观；师庆东等（2014）提出了景观带、景观区、景观类、景观型4级景观分类体系，该分类体系最大特点是将人工景观指标引入到景观发生学分类。

在景观生态分类方法研究上，早期主要采取整体、反复、综合3种重叠方法进行景观生态分类，近年来注重将“3S”技术与数学方法（模型）相结合进行景观生态分类，如 Scheller和 Mladenoff（2007）基于空间相互作用、树木种群动态、生态系统过程3个生态标准开发了一套森林景观生态分类仿真模型；Coops等（2009）基于多源遥感影像数据获取综合指标进行生态土地分类；王桥和王文杰（2006）将1 km分辨率的NOAAAVHRR和30 m分辨率的TM影像提取的土地利用数据作为中国生态分类遥感分区等级体系的一级分区指标，并通过遥感影像光谱特征对比进行分区结果检验。另外，一些相关领域的研究方法也引入到景观生态分类中，如二元指示种法TWINSPAN（Ozkan和Mert，2011）、多变量聚类方法（Coops等，2009）、模糊聚类方法（Zhang等，2013）、神经网络（Dronova等，2012）等。

总体上看，目前尚缺乏对景观生态分类的统一认识，分类指标各不相同，不同尺度上参与景观生态分类的各因子的分级标准也未统一，景观生态分类结果的可靠性验证研究较为薄弱。因此，深化景观生态分类概念、指标体系构建理论研究，加强“3S”技术在景观生态分类中的应用以及强化遥感技术景观生态分类结果可靠性探讨将成为景观生态分类研究的重要内容。

2.1.2 景观格局演变分析研究

识别景观格局变化驱动力因子并探究其驱动机制是深入理解地表景观格局演变，实现对景观格局变化过程控制的必要条件。景观格局变化驱动因子识别方法有定性、定量和半定量研究3种。定性方法以对驱动因子的罗列、排序或描述等为特征，在国内应用较广泛（赵占轻等，2010；王千等，2011），但近年来有向定量化发展的趋势，如刘明和王克林（2008）应用灰色关联分析法和主成分分析法甄别了洞庭湖流域景观格局变化的驱动因子。景观格局演变驱动因子定量研究在国外起步较早，Rudel等（2005）利用加权OLS回归对1990─2005年间全球森林景观变化影响因子进行了甄别。综合来看，定性分析方法虽对机理探讨较深入，但过于主观，缺乏说服力；定量分析方法则由于景观格局变化过程的非线性、环境的异质性和驱动因子的随机性导致可信度不高、解释力不强，于是有研究者将模糊认知图等半定量方法应用到景观格局变化驱动力分析中，取得了较好效果，如Kasper（2009）基于模糊认知图，发展了一种识别和量化景观格局变化驱动力间关系的方法，并成功应用到巴西亚马逊河流域案例研究中。

开展景观格局演变研究，还需在识别出驱动因子基础上找出驱动因子间的相互关系，以及驱动因子与景观格局变化间对应的因果关系。国内早期景观格局演变分析研究，主要针对单个研究区域景观格局变化进行定性描述或简单定量分析，缺乏不同区域及不同区域尺度、不同时间段及不同时间尺度的对比分析、定量研究和因子相互作用机理探讨。随着“3S”技术的进步，关于景观格局演变分析的定量研究和机理探讨的报道逐渐增多，如魏伟等（2012）在RS和GIS的支持下，采用景观空间格局指标定量，分析了 20多年来石羊河流域景观规模和空间格局演变特征。国外研究多致力于比较分析、系统分析及半定量化尝试，如Hayes和Robeson（2009）应用移动窗口法，分析了2002年新墨西哥波尼尔火灾对景观格局变化空间变异特征的影响，Navarro-Cerrillo等（2013）运用景观格局分析软件FRAGSTATS，对西班牙安大路西亚蒙特斯马拉加州立公园米勒种植园地中海松 1956─1999年间景观空间格局变化进行了分析研究。

总体来看，国内外对景观格局变化驱动因子识别和驱动机制的研究，尚没有形成相对成熟的研究范式。学者在研究时拘泥于个案本身，缺乏对某一类相似景观格局变化驱动力的归纳，较少进行跨时空对比研究，驱动因子的定量识别分析相对缺乏。在驱动机制综合分析上，对各驱动因子间的相互作用关系探讨不够深入，常忽视景观格局本身对驱动因子的自适应和反馈作用。因此，跨时空景观格局演变对比分析、驱动机制定量分析研究、多学科综合的景观格局驱动力探讨，将成为景观格局演变驱动机制研究的重点。

2.1.3 景观生态适宜性评价研究

国内外对生态适宜性评价的研究，主要以土地生态适宜性评价为主，专门针对景观生态适宜性评价的研究报道则较少。实际上，景观生态适宜性评价与土地生态适宜性评价联系相当紧密，它是在继成土地适宜性评价原理方法、整合景观生态学基本理论基础上，对土地生态适宜性评价理论方法的扩展和革新。

国外景观生态适宜性评价研究始于20世纪70年代，其评价方法主要包括“千层饼”法和逻辑规则组合法。“千层饼”法与土地生态适宜性评价方法中权重指数和法如出一辙，其思想都是通过多因素叠加区别适宜性等级；逻辑规则组合法则是为了克服“千层饼”法难以确定各评价指标权重的缺陷而演化产生的，该方法运用生态因子逻辑规则，建立适宜性分析准则来进行景观生态适宜性判别，不需要通过确定生态因子的权重就可直接进行适宜性分区。早在20世纪80年代景观规划思想就已引入我国，但迄今为止其研究主要还是集中在土地生态适宜性评价、生物物种生态适宜性评价等方面，专门针对景观生态适宜性评价的研究实践特别少，一些学者开展景观生态适宜性评价研究，采用的理论方法大部分来自国内外相关领域比较成熟的理论方法，如廖谌婳（2012）采取GIS空间分析技术与层次分析法、多因素综合评价法、叠加分析法等传统方法相结合的评价方法，对矿区农田景观生态适宜性进行了评价研究。近几年，模糊数学方法（杨海波等，2010）、人工神经网络（祝伟民，2009）等人工智能方法的引入，为景观生态适宜性评价研究的加快发展起到了积极促进作用。

总体上看，国内外生态适宜性评价应用较多的方法有“千层饼”法、层次分析法等传统方法以及模糊数学方法、人工神经网络、遗传算法、元胞自动机等现代人工智能方法。将GIS空间分析技术与人工智能方法结合进行景观生态适宜性定量评价，以及评价结果空间可视化表达将成为景观评价研究的主要内容。

2.1.4 景观格局动态模拟研究

景观格局动态变化模拟有助于弄清景观结构、功能和过程之间的关系，是预测未来景观结构变化的有效工具。模型是进行景观格局动态变化模拟预测的有效手段，目前应用广泛的有Markov模型、CA模型和CA-Markov模型。

国际上在景观动态变化研究中非常重视开发和应用系统模型。Childress等（2002）开发了EDYS模型，对大尺度土地管理进行了模拟研究；Ward等（2000）、Syphard等（2005）运用CA模型，进行了大量景观格局动态变化情况模拟预测研究；Clarke和Gaydos（1998）运用元胞自动机模型，对美国旧金山海湾地区以及华盛顿—巴尔的摩走廊的城市扩张情况进行了模拟和预测。国内景观格局动态模拟研究起步较晚，是在借鉴国外研究成果基础上发展起来的，如李晖等（2009）、李利红和张华国（2013）借助RS和GIS技术手段并通过模型，对各自研究区景观格局动态变化进行了初步预测模拟。随着信息技术和数学建模的发展，“3S”技术、预测模型在国内景观格局动态变化模拟中得到了广泛应用，如刘进超（2009）借助“3S”技术和景观指数分析软件，对农村居民点景观格局进行了动态分析，并利用CA-Markov模型对研究区2010年农村居民点景观格局状况进行了预测研究；黄超（2011）应用CA-Markov模型，对福州市2014年景观格局进行了动态模拟。

纵观国内外研究，随着地理信息科学和计算机技术的进步，景观动态演变预测模拟模型得到了长足发展，特别是CA-Markov模型，它综合了CA和Markov模型优点，有利于实现研究对象时空演变信息的精确挖掘，在区域景观格局动态变化趋势模拟方面取得了良好应用效果。

2.1.5 区域生态安全预测预警研究

目前开展的生态安全评价大多是静态评价，不能反映区域生态安全格局动态变化过程，也不能作为生态安全格局规划的基础。生态安全预警可以弥补传统生态安全评价不能揭示生态环境质量长期动态变化状况的不足，成为生态安全评价研究的重要内容。

国外有关生态安全预警的研究集中体现在生态预报上。国外生态预报是一门综合科学，涉及范围可以是小样地，也可以是区域到大陆乃至整个地球，预测周期可从几年到几十年甚至长达几百年，其研究主要包括实践应用和生态预报模型构建两方面。在实践应用研究上，Brown等（2013）运用mechanistic-empirical方法，对切萨皮克海湾生态系统进行了短期预报研究；Ricciardi等（2012）对Hemimysis anomala入侵北美的生态影响进行了预测探讨；在生态预报模型构建研究上，Banet和Trexler（2013）对长期监测数据缺乏条件下空间替代时间研究方法的可靠性进行实证检验，Record等（2010）运用遗传算法对桡脚类动物种群动态预测计算模型进行了改进研究。

国内生态安全预警研究，集中在预警指标体系构建和预测预警方法探讨两方面。在预警指标体系构建上，研究者们主要基于“自然-社会-经济”人工复合生态系统理论和P-S-R等概念框架模型构建生态安全预警指标体系，如赵雪雁（2004）从资源、环境与生态、人口、社会经济4方面构建了西北干旱区城市化进程中的生态预警指标体系，沈静等（2007）参考 D-P-S-R概念模型，构建了崇明城镇生态环境安全预警指标体系等。在生态安全预测预警方法上，比较常见的有灰色GM(1,1)模型、BP神经网络、情景分析法、系统动力学方法、能值分析以及可拓分析法，其中灰色GM(1,1)模型（蒙晓等，2012）、BP神经网络（李华生和徐瑞祥，2005）、情景分析法（沈静等，2007）、系统动力学方法（韩奇等，2006）因其预测能力强，在生态安全预警研究中应用较为广泛。

纵观国内外研究，国外生态预报研究尺度偏微观，对生态预报模型构建方法及其预报精准性、实用性的探讨更为深刻，国内生态安全预警研究尺度偏宏观，预测预警方法多从国内外相近行业预测方法中引用借鉴，对方法预测效果的探讨不深，一些预测方法预测预警准确度较低。为此，可以尝试将神经网络、GM(1,1)模型等预测效果较好的数学模型与“3S”技术结合进行生态安全预测预警，并通过实证研究或长期定位监测来检验模型预测准确性，校核模型产生的预报误差，不断提高预测预警的精准度。

2.2 区域生态安全格局规划方法研究

空间规划技术方法是区域生态安全格局规划的核心内容，也是研究者们关注的焦点，纵观国内外研究，空间规划技术方法主要包括多准则数量优化法、空间分析技术方法、情景分析法、人工智能优化法和综合优化法5种。

第一，多准则数量优化法主要包括线性规划、非线性规划、多目标规划、动态规划、图论与网络流等经典最优化技术方法以及系统动力学模型方法，这些方法在土地利用结构优化中应用广泛，如Gabriel等（2006）采用多目标优化模型，对马里兰州蒙哥马利郡土地利用结构进行了优化研究；Sadeghi等（2009）以最小的土壤侵蚀、最大的经济效益为目的，利用多目标线性规划技术，对伊朗克尔曼沙汗省 Brimvand流域土地利用方式进行了优化配置。系统动力学模型能够从宏观上反映土地利用系统的复杂行为，可用来模拟不同情景条件下的土地利用方案，如杨莉等（2009）运用系统动力学模型对黔西县土地利用数量结构变化进行仿真模拟，李秀霞等（2013）利用SD-MOP整合模型，对 2020年吉林省西部土地利用结构进行了仿真模拟优化研究。

第二，空间分析技术方法能够实现空间数据和非空间数据的一体化处理，在空间规划中应用广泛（Hanafi-Bojd等，2012；Kaundinya等，2013）。空间优化模型是空间分析技术方法的核心，常见的有景观格局优化模型和元胞自动机两种。其中，景观格局优化模型主要运用生态学理论设计一些关键点、线、面或其空间组合来维持生态系统结构和过程的完整性，实现对区域生态环境的有效控制和持续改善，如Seppelt和Voinov（2002）基于空间显式景观模型建立了一种土地利用类型优化技术方法，用于确定以综合效益最大为目标的最优土地利用类型分布。国内学者也对此进行了大量研究，如孙立和李俊清（2008）在景观格局分析的基础上形成北京市自然保护区分布格局“三区二带”的规划理念。元胞自动机是时间、空间和状态都离散的，空间相互作用及因果关系皆局部的网格动力学模型。国内外研究者围绕CA模型展开了大量探讨和应用研究，如Mathey等（2008）在CA进化算法中整合了时间和空间目标，探索了一种协同演化CA模型；刘小平等（2007）利用元胞的“生态位”适宜度来制定概率转换规则，并结合GIS进行土地可持续利用规划。

第三，情景分析法自 1970年提出以来，其应用研究就一直十分活跃，如Rotter等（2005）采用情景规划方法进行区域土地利用情景变化分析，李玮等（2010）基于情景分析法，预测了不同情景下汤逊湖2010年和2020年主要污染物排放结果。情景分析法在空间规划中的应用研究较少，但它能够针对不同状态目标为决策者提供多个相对最优规划方案的优势，弥补了传统空间规划结果单一的缺陷，将在空间规划研究中拥有广阔应用前景。近年来，我国学者尝试将情景分析法应用到土地利用规划、区域生态安全格局构建、城市建设用地拓展规划等研究中，取得了不少成果。如张丁轩等（2013）运用CLUE-S模型，对2020年武安市在趋势发展情景、耕地保护情景、生态安全情景3种情景方案的土地利用变化情况，进行预测模拟和比较分析；俞孔坚和王思思（2009）在北京市生态安全综合格局研究基础上，提出无生态安全格局、底线生态安全格局、满意生态安全格局、理想生态安全格局 4种城镇空间发展预景。

第四，人工智能决策方法重点研究基于模拟智能过程、智能结构、模糊思维和随机思维的一系列智能方法在规划中的应用，目的在于克服传统优化技术方法的不足，提高人们处理高维、非线性复杂决策问题的能力，从而使决策质量、效果、效率得到根本性改善和提高。目前比较常见的人工智能优化方法有遗传算法、人工神经网络、模糊决策方法、模特卡罗法等，人工智能决策方法在空间规划领域也有一定应用和实践，Zhang和 Gui（2010）运用人工神经网络技术对城市规划用地进行预测；宗跃光等（2004）利用模特卡罗方法探讨疾病区域时空变化特征，并据此提出防御对策；武鹏（2008）运用模糊集合评判法进行城乡居民点空间合并规划。

第五，综合优化法是将不同优化模型有机结合，综合各模型优点来解决问题的最优方法，这种模型即能满足数量结构的优化，又能实现空间格局优化，常见的有CLUE-S模型和集成模型。其中，CLUE-S模型是荷兰瓦赫宁根大学 Verburg等在CLUE模型基础上发展来的，在国内外多个地区土地利用和覆被变化（Britz等，2011；陆汝成等，2009）、土地利用环境效应（Trisurat等，2010；Chen等，2009）、土地利用政策研究（Banse等，2011；周锐等，2011）中得到广泛应用，另外，部分研究者还对CLUE-S模型，进行了适用性探讨和改进研究，如Batisani和Yarnal(2009)对区县尺度及以下的土地利用变化进行模拟和比较分析，结果表明，CLUE-S模型更适合区县尺度土地利用变化模拟；吴桂平等（2010）运用 Autologistic回归模型对CLUE-S模型驱动因子计算方法进行了改进，解决了空间统计分析问题中固有的空间自相关效应影响。集成模型可以弥补单一模型在某些环节上的不足，是进行区域生态安全规划的有效途径，如何春阳等（2004）人结合SD模型与CA模型，建立了土地利用情景变化动力学模型LUSD，模拟中国北方 13省未来 20年土地利用变化情景；徐昔保等（2009）耦合GIS、CA模型和GA遗传算法，构建了两种情景下的土地利用优化模型ULOM。

总体上看，多准则数量优化法虽理论成熟、应用广泛，但在应用中对生态安全格局过程、因果反馈关系做了很多假设，易导致结果偏离实际，同时对生态安全格局空间优化不足，无法将模拟结果进行空间可视化表达。空间分析技术方法实现了从定性到定量、由静态到动态、由单一模型到多种模型的综合，能够对生态安全格局进行时空动态过程模拟，但常见的空间优化模型还存在景观格局优化模型构建理论薄弱、CA模型应用空间尺度难确定等问题。预景分析方法解决了传统空间规划决策结果单一的不足，能为规划决策者提供多种备选方案，符合规划工作实际，具有广阔应用前景。人工智能优化在空间规划决策中应用相对缺乏，但人工智能对复杂问题的处理优势，能帮助决策者更加深刻地认识问题本质，有助于制定更为科学的空间规划方案，具有较大的应用推广价值。综合优化法是进行区域生态安全格局规划的有效途径，其中，CLUE-S模型能综合土地利用变化各驱动因子，对不同时空尺度下的土地利用变化进行预测模拟，提高CLUE-S模型模拟精度，并将其推广到生态安全格局规划等领域进行实证研究是未来研究的重点。

3 区域生态安全格局规划技术流程

在明晰区域生态安全格局规划内涵基础上，综合集成现行景观生态学理论、景观生态规划原理和空间规划决策技术方法，提出了区域生态安全格局规划编制技术流程（图2），将其概括为14个主要步骤：

1）景观生态分类。构建区域景观生态分类体系，采取遥感影像景观生态分类提取方法将区域自然要素综合体划分为具有等级体系的景观类型，制作景观生态类型分布图；2）景观格局演变分析。采用FRAGSTATS软件计算区域景观类型指数和景观水平指数，分析一定时期内区域景观格局演变过程、规律和特征，再运用景观格局分析模型，对区域景观格局及其影响因素进行空间自相关性分析和空间统计分析，从而确定区域景观格局变化驱动因子；3）景观生态适宜性评价。综合运用GIS空间分析技术和人工智能方法，对区域不同景观类型的适宜性进行评价，形成不同景观类型适宜性分级图集；4）景观格局演变动态模拟。在步骤2）、3）成果基础之上，运用MCE-CA-Markov集成模型对区域景观格局演变趋势进行预测，得到规划目标年区域景观格局模拟预测图；5）生态安全预测预警。首先基于P-S-R概念模型建立区域生态安全动态评价指标体系，采取组合赋权法确定指标权重，运用综合指数法对研究区多年生态安全度进行评价，得到多期生态安全警度等级分布图，在此基础上运用RBF神经网络对区域生态安全警度变化趋势进行预测模拟，得到规划目标年区域生态安全警度模拟预测图；6）生态安全需求预测。通过区域人口规模、经济发展、生态环境敏感性、生态系统服务功能等方面的综合分析，利用数学模型预测确保规划目标年区域生态安全所需的各景观生态类型面积，为进行生态安全格局规划提供基础数据；7）多情景模式构建和总体规划目标确定。结合区域经济发展、城镇总体规划、土地利用规划、产业发展规划、政策调控措施等实际，吸纳规划、环保、农业、国土等领域专家意见，根据步骤3）～6）成果合理构建多种情景预案，并确定不同情景下区域生态安全格局规划目标；8）生态安全格局规划。按照步骤7）制定的规划目标，在步骤 2）～6）成果基础上，结合实际选择CLUE-S模型法、MCR模型或多目标优化模型与GIS空间分析相结合的方法对区域不同情景下生态安全格局进行优化配置，得到不同情景区域生态安全格局优化规划方案；9）多种规划方案比选。从生态环境安全、社会经济发展等多个角度对不同情景的区域生态安全格局优化规划方案进行评析，确定适合规划区的最优生态安全格局规划方案；10）方案试点效果监测与评价。对步骤9）确定的规划方案进行试点，动态监测方案实施效果，并对监测结果进行综合评价，若实施效果符合规划目标，则开始步骤11）的工作，否则将按步骤8）～9）的流程对生态安全格局规划方案进行优化调整，直到评价结果满意才能开始步骤11）的工作；11）规划实施与执行监管。从政府管理、政策制定、公众参与等角度提出区域生态安全格局规划执行方案和监管意见；12）适时修订生态安全标准。区域生态安全格局规划目标不是静止的，随着生态安全新问题的产生和社会经济发展新需求的提出，需要重新制定生态安全新标准，若新标准出台时间尚在本轮区域生态安全格局规划期内，则开始步骤13）的工作，否则进行步骤 14）的工作；13）进行本轮规划方案修编。以新标准为规划目标，按照步骤8）～11）的流程开展区域生态安全格局规划修编；14）开展新一轮规划方案编制。按照步骤1）～11）的流程开展新一轮区域生态安全格局规划方案编制。

4 研究展望

区域生态安全格局规划是解决当今中国经济发展与环境保护矛盾冲突的有效途径，而如何将区域内自然、经济、人文等多种要素进行合理配置，实现区域经济、社会、生态综合效益最大化，是当前学术界和实践领域亟待解决的难题，未来研究重点可从以下3方面开展。

1）加强区域生态安全格局规划基础理论研究。国内专门针对生态安全格局规划理论和技术方法的系统研究较少。本文在总结分析、吸收借鉴国内外相关研究成果基础上，给出了区域生态安全格局规划的确切定义，并从景观格局角度提出了区域生态安全格局规划流程。但为了增强规划流程的操作性，所依托的理论是现阶段景观生态学、景观生态规划学理论，整合的方法也是现阶段空间规划决策技术方法，然而这些理论和技术方法都还处在不断发展完善中，所以还需进一步深化区域生态安全格局规划概念内涵和相关基础理论研究。另外，由于区域生态安全格局是一个复杂的系统工程，仅从景观格局角度进行规划研究是不够的，还需要从多个角度对其规划理论、技术方法进行丰富完善。

2）加强区域生态安全格局规划技术方法研究。纵观国内外区域生态安全格局规划相关研究不难得知：加强“3S”技术在景观生态分类中的应用并强化分类结果精度评价是国内景观生态分类研究重点；跨时空景观格局演变分析、驱动机制定量研究以及多学科综合景观格局驱动力探讨是景观格局演变驱动机制研究难点；将GIS空间分析技术与人工智能方法结合进行景观生态适宜性定量评价和评价结果的空间可视化表达是未来景观生态适宜性评价研究发展趋势；CA-Markov模型可以实现时空演变信息的精确挖掘，将在区域景观格局动态变化趋势模拟中拥有广阔应用前景；尝试将 RBF神经网络、GM(1,1)模型等预测效果较好的数学模型与“3S”技术结合进行生态安全预测预警，并通过实证研究或长期定位监测来检验模型预测准确性是生态安全动态评价研究重要方向；综合集成灰色理论、Markov链模型、Autologistc回归模型优势，提高CLUE-S模型模拟精度，并将其应用到区域生态安全格局规划中，是进行区域生态安全格局规划方法研究的有益尝试和探索。

3）加强区域生态安全格局规划实践应用研究。目前关于区域生态安全格局规划的研究大多还停留在理论探讨层面，缺乏理论与实践相结合的实例研究，对理论研究成果的推广应用力度不够大。结合区域生态环境问题实际，广泛开展生态安全格局规划实践，积极将理论研究成果推广应用到生产实践中并接受实践检验，是当前和今后一段时间生态安全格局规划研究者的重要努力方向。

BANET A I, TREXLER J C. 2013. Space-for-Time Substitution Works inEverglades Ecological Forecasting Models[EB/OL]. Plos One, [2014-8-20]. http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone. 0081025.

BANSE M, MEIJL H V, TABEAU A, et al. 2011. Impact of EU biofuel policies on world agricultural production and land use[J]. Biomass & Bioenergy, 35(6): 2385-2390.

BATISANI N, YARNAL B. 2009. Urban expansion in centre country, Pennsylvania: Spatial dynamics and landscape transformations[J]. Applied Geography, 29(2): 235-249.

BRITZ W, VERBURG P H, LEIP A. 2011. Modelling of land cover and agricultural change in Europe: Combining the CLUE and CAPRI-Spat approaches[J]. Agriculture, Ecosystems and Environment, 142(1/2): 40-50.

BROWN C W. HOOD R R, LONG W, et al. 2013. Ecological forecasting in Chesapeake Bay: Using a mechanistic–empirical modeling approach[J]. Journal of Marine Systems, (125): 113-125.

CHEN Y, XU Y P, YIN Y X. 2009. Impacts of land use change scenarios on storm-runoff generation in Xitiaoxi basin, China[J]. Quaternary International, 208(1/2): 121-128.

CHILDRESS W M, COLDREN C L, MCLENDON T. 2002. Applying a complex, general ecosystem model(EDYS)in large-scale land management[J]. Ecological Modelling, 153(1): 97-108.

CLARKE K C, GAYDOS L J. 1998. Loose-coupling a cellular automation model and GIS: long-term urban rowth prediction for San Francisco and Washington-Baltimore[J]. International Journal of Geographic Information Science, 12(7): 699-714.

COOPS N C, WULDER M A, IWANICKA D. 2009. An environmental domain classification of Canada using earth observation data for biodiversity assessment[J]. Ecological Informatics, 4(1): 8-22.

DRONOVA I, GONG P, CLINTON N E, et al. 2012. Landscape analysis of wetland plant functional types: The effects of image segmentation scale, vegetation classes and classification methods[J]. Remote Sensing of Environment, (127): 357-369.

GABRIEL S A, FARIA J A, MOGLEN G E. 2006. A multiobjective optimization approach to smart growth in land development[J]. Socio-Economic Planning Sciences, 40(3): 212-248.

HANAFI-BOJD A A, VATANDOOST H, OSHAGHI M A, et al. 2012. Spatial analysis and mapping of malaria risk in an endemic area, south of Iran: A GIS based decision making for planning of control[J]. Acta Tropica, 122(1): 132-137.

HAYES J J, ROBESON S M. 2009. Spatial variability of landscape pattern change following a ponderosa pine wildfire in northeastern new Mexico, USA[J]. Physical Geography, 30(5): 410-429.

KASPER K. 2009. The potential of fuzzy cognitive maps for semi-quantitative scenario development, with an example from Brazil[J]. Global Environmental Change, 19(1): 122-133.

KAUNDINYA D P, BALACHANDRA P, RAVINDRANATH N H, et al. 2013. A GIS (geographical information system)-based spatial data mining approach for optimal location and capacity planning of distributed biomass power generation facilities: A case study of Tumkur district, India[J]. Energy, (52): 77-88.

KEZHEN S. 2011. Research on the ecological strategies in landscape design and planning[J]. Applied Mechanics and Materials, (71/78): 1805-1808.

MATHEY A H, KRCMAR E, TAIT D, et al. 2008. An object-oriented cellular automata model for forest planning problems[J]. Ecological Modeling, 212(3/4): 359-371.

NAVARRO-CERRILLO R M, GUZMAN-ALVAREZ J R, CLAVERORUMBAO I. 2013. A spatial pattern analysis of landscape changes between 1956-1999 of pinus halepensis miller plantations in montes de malaga state park (Andalusia, Spain)[J]. Applied Ecology and Environmental Research, 11(2): 293-311.

OZKAN K, MERT A. 2011. Ecological land classification and mapping of Yazili Canyon nature park in the Mediterranean region, Turkey[J]. Journal of Environmental Engineering and Landscape Management, 19(4): 296-303.

RECORD N R, PERSHING A J, RUNGE J A, et al. 2010. Improving ecological forecasts of copepod community dynamics using genetic algorithms[J]. Journal of Marine Systems, 82(3): 96-110.

RESHMIDEVI T V, ELDHO T I, JANA R. 2009. A GIS-integrated fuzzy rule-based inference system for land suitability evaluation in agricultural watersheds[J]. Agricultural Systems, 101(1/2):101-109.

RICCIARDI A, AVLIJAS S, MARTY J. 2012. Forecasting the ecological impacts of the Hemimysis anomala invasion in North America: Lessons from other freshwater mysid introductions[J]. Journal of Great Lakes Research, (38): 7-13.

ROTTER R P, HOANH C T, LABORTE A G, et al. 2005. Integration of systems network(sysnet) tools for regional land use scenario analysis in Asia[J]. Environmental Modeling and Software, (20): 291-307.

RUDEL T K, COOMES O T, MORAN E. 2005. Forest transitions: Towards a global understanding of land use change[J]. Global Environmental Change, 15(1): 23-31.

SADEGHI S H R, JALILI K H, NIKKAMI D. 2009. Land use optimization in watershed scale[J]. Land Use Polic, 26(2): 186-193.

SCHELLER R M, MLADENOFF D J. 2007. An ecological classification of forest landscape simulation models: tools and strategies for understanding broad-scale forested ecosystems[J]. Landscape Ecology, 22(4): 491-505.

SEPPELT R, VOINOV A. 2002. Optimization methodology for land use patterns using spatially explicit landscape models[J]. Ecological Modelling, 151(2/3): 125-142.

SHAYGAN M, ALIMOHAMMADI A, MANSOURIAN A, et al. 2014. Spatial multi-objective optimization approach for land use allocation using NSGA-II[J]. Ieee Journal Of Selected Topics In Applied Earth Observations and Remote Sensing, 7(3): 906-916.

SYPHARD A D, CLARKE K C, FRANKLIN J. 2005. Using a cellular automaton model to forecast the effects of urban growth on habitat pattern in southern California[J]. Ecological Complexity, 2(2): 185-203.

SZABO S, CSORBA P, SZILASSI P. 2012. Tools for landscape ecological planning - scale, and aggregation sensitivity of the contagion type landscape metric indices[J]. Carpathian Journal Of Earth and Environmental Sciences, 7(3): 127-136.

TRISURAT Y, ALKEMADE R, VERBURG P H. 2010. Projecting land-use change and its consequences for biodiversity in Northern Thailand[J]. Environmental Management, 45(3): 626-639.

WARD D P, MURRAY A T, PHIN S R. 2000. A stochastically constrained cellular model of urban growth[J]. Computers, Environment and Urban Systems, 24(6): 539-558.

WILSON E O, FORMAN R T T. 1995. Land mosaics: the ecology of landscapes and regions[M]. Cambridge: Cambridge University Press, 1-656.

ZHANG W, PING Z W, ZHANG H Y, et al. 2013. Application of gray clustering method in the ecological classification of the cities in China[C]//IEEE. Proceedings of 2013 IEEE International Conference on Grey systems and Intelligent Services (GSIS). Piscataway: IEEEpress, 325-329.

ZHANG X R, GUI W Y. 2010. Prediction in urban planning based on artificial neural network[C]//Watada J, Watanabe T, Phillips-Wren G, et al. Proceedings of 2010 4th International Conference on Intelligent Information Technology Application(Volume 2). Berlin: Springer-Verlag: 115-118.

ZONNEVELD I S. 1995. Land ecology: an introduction to landscape ecology as a base for land evaluation, land management and conservation[M]. Amsterdam: SPB Academic Publishing: 1-199.

韩荡. 2003. 城市景观生态分类——以深圳市为例[J]. 城市环境与城市生态, 16(2): 50-52.

韩奇, 谢东海, 陈秋波. 2006. 社会经济——水安全SD预警模型的构建[J]. 热带农业科学, 26(1): 31-34.

何春阳, 史培军, 李景刚, 等. 2004. 中国北方未来土地利用变化情景模拟[J]. 地理学报, 59(4): 599-607.

胡道生, 宗跃光, 许文雯. 2011. 城市新区景观生态安全格局构建——基于生态网络分析的研究[J]. 城市发展研究, 18(6): 37-43.

黄超. 2011. 基于CA-Markov模型的福州市景观格局动态模拟研究[D].福州: 福建农林大学硕士学位论文, 53-55.

康相武, 刘雪华. 2009. 北京顺义区域生态安全格局构建[J]. 干旱区资源与环境, 23(10): 71-78.

李华生, 徐瑞祥. 2005. 南京城市人居环境质量预警研究[J]. 经济地理, 25(5): 658-661.

李晖, 白杨, 杨树华, 等. 2009. 基于马尔柯夫模型的怒江流域中段植被动态变化预测[J]. 生态学杂志, 28(2): 371-376.

李利红, 张华国. 2013. 基于RS/GIS的西门岛海洋特别保护区滩涂湿地景观格局变化分析[J]. 遥感技术与应用, 28(1): 129-136.

李玮, 秦大庸, 褚俊英, 等. 2010. 基于情景分析法的污染物排放趋势研究[J]. 水电能源科学, 28(5): 36-39.

李秀霞, 徐龙, 江恩赐. 2013. 基于系统动力学的土地利用结构多目标优化[J]. 农业工程学报, 29(16): 247-254.

李咏红, 香宝, 袁兴中, 等. 2013. 区域尺度景观生态安全格局构建——以成渝经济区为例[J]. 草地学报, 21(1): 18-24.

廖谌婳. 2012. 矿区农田景观生态适宜性评价——以徐州市潘安采煤塌陷区为例[J]. 资源与产业, 14(3): 36-42.

林超, 李昌文. 1980. 北京山区土地类型研究的初步总结[J]. 地理学报, 35(3): 187-198.

刘进超. 2009. 县级尺度农村居民点景观格局时空分异研究——以徐州市唯市宁县为例[D]. 南京: 南京农业大学硕士学位论文, 14-44.

刘明, 王克林. 2008. 洞庭湖流域中上游地区景观格局变化及其驱动力[J]. 应用生态学报, 19(6): 1317-1324.

刘小平, 黎夏, 彭晓鹃. 2007. “生态位”元胞自动机在土地可持续规划模型中的应用[J]. 生态学报, 27(6): 2391-2402.

龙宏, 王纪武. 2009. 基于空间途径的城市生态安全格局规划[J]. 城市规划学刊, (6): 99-104.

陆汝成, 黄贤金, 左天惠, 等. 2009. 基于CLUE-S和Markov复合模型的土地利用情景模拟研究——以江苏省环太湖地区为例[J]. 地理科学, 29(4): 577-581.

马克明, 傅伯杰, 黎晓亚, 等. 2004. 区域生态安全格局: 概念与理论基础[J]. 生态学报, 24(4): 761-768.

蒙吉军, 燕群, 向芸芸. 2014. 鄂尔多斯土地利用生态安全格局优化及方案评价[J]. 中国沙漠, 34(2): 590-596.

蒙吉军, 朱利凯, 杨倩, 等. 2012. 鄂尔多斯市土地利用生态安全格局构建[J]. 生态学报, 32(21): 6755-6766.

蒙晓, 任志远, 戴睿. 2012. 基于压力-状态-响应模型的宝鸡市生态安全动态评价及预测[J]. 水土保持通报, 32(3): 231-235.

沈静, 陈振楼, 王军, 等. 2007. 上海市崇明主要城镇生态环境安全预警初探[J]. 城市环境与城市生态, 20(2): 8-12.

师庆东, 王智, 贺龙梅, 等. 2014. 基于气候、地貌、生态系统的景观分类体系——以新疆地区为例[J]. 生态学报, 34(12): 3359-3367.

孙立, 李俊清. 2008. 北京市自然保护区空间布局与三区二带理念[J].生态学报, 28(12): 6379-6384.

王千, 金晓斌, 周寅康. 2011. 江苏沿海地区耕地景观生态安全格局变化与驱动机制[J]. 生态学报, 31(20): 5903-5909.

王桥, 王文杰. 2006. 基于遥感的宏观生态监控技术研究[M]. 北京: 中国环境科学出版社, 31-37.

王让虎, 李晓燕, 张树文, 等. 2014. 东北农牧交错带景观生态安全格局构建及预警研究——以吉林省通榆县为例[J]. 地理与地理信息科学, 30(2): 111-115.

魏伟, 石培基, 王旭峰, 等. 2012. 基于GIS的石羊河流域景观格局演变分析[J]. 土壤通报, 43(6): 1287-1293.

吴桂平, 曾永年, 冯学智, 等. 2010. CLUE-S模型的改进与土地利用变化动态模拟: 以张家界市永定区为例[J]. 地理研究, 29(3): 460-470.

武鹏. 2008. 新农村建设过程中的居民点空间合并对策——以浙江省嘉兴市海盐县五圣村为例[J]. 经济地理, 28(3): 464-468.

向颖, 戴彦. 2013. 西南山地城市生态安全格局规划初探——以四川省达州市为例[J]. 小城镇建设, (11): 86-91.

肖笃宁, 陈文波, 郭福良. 2002. 论生态安全的基本概念和研究内容[J].应用生态学报, 13(3): 354-358.

肖笃宁, 钟林生. 1998. 景观分类与评价的生态原则. 应用生态学报, 9(2): 217-221.

徐昔保, 杨桂山, 张建明. 2009. 兰州市城市土地利用优化研究[J]. 武汉大学学报·信息科学版, 34(7): 878-881.

杨海波, 贺添, 李建峰. 2010. 基于模糊集对分析的黄河三角洲景观评价研究[J]. 人民黄河, 32(5): 1-3.

杨莉, 何腾兵, 林昌虎, 等. 2009. 基于系统动力学的黔西县土地利用结构优化研究[J]. 山地农业生物学报, 28(1): 24-27.

杨青生, 乔纪纲, 艾彬. 2013. 基于元胞自动机的城市生态安全格局模拟——以东莞市为例[J]. 应用生态学报, 24(9): 2599-2607.

于成学. 2013. 基于“3S”技术的生态安全评价研究进展[J]. 华东经济管理, 27(4): 149-154.

俞孔坚, 李海龙, 李迪华, 等. 2009. 国土尺度生态安全格局[J]. 生态学报, 29(10): 5163-5175.

俞孔坚, 王思思, 李迪华. 2012. 区域生态安全格局: 北京案例[M]. 北京: 中国建筑工业出版社: 1-168.

俞孔坚, 王思思. 2009. 北京市生态安全格局及城市增长预景[J]. 生态学报, 29(3): 1189-1204.

张丁轩, 付梅臣, 陶金, 等. 2013. 基于CLUE-S模型的矿业城市土地利用变化情景模拟[J]. 农业工程学报, 29(12): 246-256.

赵宏波. 2014. 东北粮食主产区耕地生态安全的时空格局及障碍因子——以吉林省为例[J]. 应用生态学报, 25(2): 515-524.

赵清, 杨志峰, 陈彬. 2009. 城市自然生态安全动态评价方法及其应用[J]. 生态学报, 29(8): 4138-4146.

赵雪雁. 2004. 西北干旱区城市化进程中的生态预警初探[J]. 干旱区资源与环境, 18(6): 1-5.

赵占轻, 黄玲玲, 张旭东, 等. 2010. 张家界女儿寨小流域植被变化驱动力[J]. 生态学报, 30(5): 1238-1246.

周锐, 苏海龙, 胡远满, 等. 2011. 不同空间约束条件下的城镇土地利用变化多预案模拟[J]. 农业工程学报, 27(3): 300-308.

周锐, 王新军, 苏海龙, 等. 2015. 平顶山新区生态用地的识别与安全格局构建[J/OL]. 生态学报, 35(6): [2014-04-25]. http://www.cnki.net /kcms/doi /10.5846/ stxb201305241169.html.

祝伟民. 2009. 基于小波神经网络的区域景观生态评价研究[D]. 南京:南京农业大学: 78-95.

宗跃光, 王莉, 曲秀丽. 2004. 基于蒙特卡罗模拟法的北京地区非典时空变化特征[J]. 地理研究, 23(6): 815-824.

Research Progress on Regional Ecological Security Pattern Planning and Discussion of Planning Techniqueflow

OU DingHua1, XIA JianGuo1, ZHANG Li2, ZHAO Zhi3
1. College of Resources and Environment, Sichuan Agricultural University, Chengdu 611130, China; 2. Damian Sub-district Office, Longquanyi District of Chengdu City, Chengdu 610101, China; 3. College of Economy and Management, Sichuan Agricultural University, Chengdu 611130, China

The regional ecological security pattern planning is an effect way to resolve conflicts between ecological protection and economic development, an important method to achieve smart growth and smart protection as well, thus, the research on regional ecological security pattern planning has important theoretical and practical significance. However, there is a lack of systematic carding and summary on the related literatures of conception, supporting theories as well as technical methods for regional ecological security pattern planning. Therefore, through consulting a large number of literature as well as summarizing and analyzing relevant researches at home and abroad, this paper not only clarified the logical relationship among different conceptions of regional ecological security pattern thus exactly defined regional ecological security pattern planning, but also systematically summarized the supporting theories and technical methods on regional ecological security pattern planning in different areas, such as landscape ecological classification and ecological suitability assessment, landscape pattern change analysis and dynamic simulation, ecological security warning and spatial planning decisions technical methods, and the conclusions are as follows: research on reliability verification of theory constructing and classification results on landscape ecological classification index is relatively weak; methods widely used on landscape ecological suitability assessment can be divided into traditional method including “thousand layer cake”method, analytic hierarchy process, and modern artificial intelligence method including artificial neural network, genetic algorithm, cellular automata; quantitative identification on driving factors of landscape pattern change is relatively deficient and dissicution on interaction relationship among all driving factors is superficial, what’s more, self-adaptive and feedback effct of landscape pattern itself reacting to driving factors are ignored; among various landscape pattern dynamic simulation models, CA-Markov model integrated the advantages of CA and Markov model, so that it can realize the accurate mining for information of temporal spatial evolution of research object; ecological security warning can not only make up for the traditional ecological security evaluation which cannot reveal long-term dynamic changes of ecological environment quality, but also reflect the process of dynamic change of regional ecological security situation, thus become an important foundation for ecological security pattern planning; common technology and methods for spatial planning decision mainly include multi criteria optimization method, space analysis technology and method, scenario analysis method, artificial intelligence optimization method and comprehensive optimization method in which there are two models have important reference value and

ignificance for discussion on method of regional ecological security pattern planning, one is the CLUE-S model which can integrated every driving factor of land use change to simulate the land use change under different temporal and spatial scales, the other is the integrated model which can integrate multiple model to solve some complicated spatial pattern optimization problems. On the basis of those conclusionts, this paper references mature landscape ecology theory and landscape ecological planning theory, integrated with the current decision-making technology methods on spatial planning, the techniqueflow of regional ecological security pattern planning was summarized as following 14 steps: landscape ecological classification, landscape pattern change analysis, landscape ecological suitability assessment, landscape pattern dynamic simulation, ecological security prediction and early-warning, ecological security demand forecasting, scenario model construction and overall planning objective determination, ecological security pattern planning, comparison and selection of various planning, monitoring and evaluation of planning practice, implementation of planning and execution supervision and so on. In the end, this paper indicated that study on basic theory, technical method and practical application for regional ecological security pattern planning must be an important research direction in the future in this area.

ecological security pattern planning; planning techniqueflow; Landscape pattern change analysis and dynamic simulation; ecological security early-warning; spatial planning decision; reserch progress

Q149

A

1674-5906（2015）01-0163-11

10.16258/j.cnki.1674-5906.2015.01.024

欧定华，夏建国，张莉，赵智. 区域生态安全格局规划研究进展及规划技术流程探讨[J]. 生态环境学报, 2015, 24(1): 163-173.

OU DingHua, XIA JianGuo, ZHANG Li, ZHAO Zhi. Research Progress on Regional Ecological Security Pattern Planning and Discussion of Planning Techniqueflow [J]. Ecology and Environmental Sciences, 2015, 24(1): 163-173.

四川省学术和技术带头人培养经费（2014）；四川农业大学双支计划项目（2014）；成都市经济发展课题研究计划项目（龙泉驿区生态移民改革实践研究）；中共成都市委统筹城乡工作委员会年度课题研究经费联合资助

欧定华（1984年生），博士研究生，主要从事景观生态规划与设计、土地利用规划与管理、“3S”技术应用研究。E-mail: jichu627660105@163.com *通讯作者：夏建国（1967年生），教授，博士，主要从事土地利用与环境演变研究。E-mail: xiajianguo@126.com

2014-11-10