京津冀地区生境质量与景观格局演变及关联性

常玉旸,高 阳,谢 臻,张天柱,于希泽 (中国农业大学土地科学与技术学院,北京 100193)

城镇化是全球现代化进程的普遍现象,是衡量社会进步以及经济发达程度的重要指标[1].随着人类活动的加剧以及土地覆被的变化,地表景观格局也在以前所未有的速度发生改变.地表景观格局的急剧变化往往意味着生态系统的物质流、能量流等受到强烈干扰与破坏,这会影响生态系统的格局和功能[2],威胁当地的生境质量[3].因此,在城镇化背景下,人为扰动所导致的景观破碎化、景观结构复杂化会增加区域维持生态平衡与保持生境质量的压力[4],这成为经济快速发展区域普遍面临的难题.

迄今为止,国内外学者围绕生境质量和景观格局展开了大量研究,主要聚焦于有关生境质量与景观格局的理论、方法和应用等方面[5-8],特别是在理论层面揭示了景观格局影响生境质量的内在机理[4,6].但在分析二者内在关系时,大多未考虑地理现象的空间属性,研究结果无法表征二者显著相关的具体空间范围,且多未能从时序上定量研究生境质量和景观格局空间关联性的演变趋势.因此,有必要从时空演变的视角分析景观格局变化与生境质量的相关关系,以揭示二者的空间关联特征.

京津冀首都经济圈是我国继长三角城市群、珠三角城市群之后的第三经济增长极.近年来,京津冀城市群发展迅猛[9-10],然而,城市群的快速发展导致当地生态系统生境格局被破坏,生物多样性受到严重威胁[11].京津冀境内包含高原、山地以及平原多种地形,是集自然生态涵养区与核心都市区于一体的复合生态系统,是开展生境质量与景观格局演变研究的理想对象.吴健生等[12]以流域为尺度评估了京津冀地区生境质量空间分布集聚性;邓越等[13]从城市扩张视角分析了城镇化加剧对京津冀地区生境质量的影响;严珅等[14]应用协调发展度模型,对城镇化与景观格局的协调度进行了定量评估.尽管很多学者研究了快速城镇化地区生境质量与景观格局的演变趋势,但二者的时空关联性却鲜有研究,二者是否具有相关性、相关关系的强弱等问题仍未明晰.因此,本研究以京津冀地区为研究区,基于生境评估、景观分析等理论与手段,分析2000～2018 年该地区生境质量与景观格局演变特征,并通过地统计学方法分析二者间的空间关系,旨在为京津冀地区生态保护以及土地可持续利用等提供科学支持.

1 研究区概况

京津冀地区包括北京市、天津市以及河北省的保定、唐山、廊坊、石家庄、秦皇岛、张家口、承德、沧州、衡水、邢台、邯郸共13 个城市,位于我国 华 北 地 区(36°03′～42°40′N,113°27′～119°50′E),土地总面积约21.6×104km2,约占中国总面积的2.2%.研究区具有典型的温带大陆性季风气候,年平均气温为3～15℃,年平均降雨量为304～750mm.高程自西北向东南递减,范围为-18～2836m.境内有水土保持、水源涵养以及防风固沙等多个生态保护区,同时也是“三北”防护林、沿海防护林等林业工程的主要项目区.京津冀地区是国家政治、经济、文化和科技中心,到2018 年底,总人口为1.127 亿,生产总值合计84580.08 亿元,占全国的8.5%.伴随着京津冀地区经济水平的迅猛发展,当地资源与环境问题日益突显,生态环境已成为社会关注的焦点[15].近年来,该地区建成区扩张迅猛,2018 年该地区建成区面积达4709.61km2,占全国建成区面积的8.05%;为促进内部城市协同发展,该地区高效密集轨道交通网也逐步建成.这些密度大、扩散性强的土地利用模式严重破坏了京津冀地区生态系统的生境结构,对该地区生境质量、生物多样性造成一定威胁.

2 数据来源及预处理

(1)遥感数据.2000 年、2010 年、2018 年30m 分辨率LUCC数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn).该数据以 Landsat-TM/ETM 和Landsat 8 的30m 多光谱影像为信息源,基于高分辨率遥感地面调查观测技术,结合人机交互解译方法处理得到,分类精度达85%以上,华北地区遥感图像获取时相为5 月上旬至10 月中旬.该数据根据土地资源利用属性和自然属性,分别将土地利用类型分为6 个一级地类和25 个二级地类.根据研究需要,本文将沼泽地归为湿地,沙地、盐碱地、裸土地等未利用地归并为裸地.

(2)行政区划及道路数据.基础地理信息行政区边界、主要公路和主要铁路等矢量数据下载于国家基础地理信息数据库(http://nfgis.nsdi.gov.cn/).并运用ArcGIS 软件将主要交通路网矢量数据转为栅格数据.

(3)高程数据.在地理空间数据云平台上(http://www.gscloud.cn)下载DEM 数据,空间分辨率为90m.

3 研究方法

3.1 研究思路

基于土地利用覆被数据,运用InVest 模型评估研究区2000～2018 年生境质量,并利用ArcGIS 平台栅格计算器工具、空间质心模型分析18a 间京津冀生境质量演变特征;其次,根据研究区特点,选取相应的景观格局指数,采用Fragstats 软件计算各类指数以反映研究区景观格局空间分异情况;最后,以网格为基础地理单元,分别运用SPSS 软件、GeoDA 软件对生境质量与景观格局指数二者间的相关关系及空间关联性进行分析.

3.2 生境质量评价

采用InVEST 模型进行生境质量评估,该模型现广泛应用于生态系统服务功能评估[16].其中,生境质量(Habitat Quality)和生境稀缺性作为生物多样性的反映,可以通过评估某一地区各种生境类型或植被类型的范围和这些类型各自的退化程度来表达[17].该方法的优点是可以替代详查的方法在短时间内定量监测生境质量的变化.生境质量计算结合生境的敏感度和外界威胁强度;生境质量由4个变量决定,包括威胁因子的影响距离、生境对威胁因子的敏感度、生境与威胁源的距离及土地受法律保护程度.计算生境质量前首先需要计算生境退化度,计算公式如下[18]:

式中:Dxj、R、Yr和ωr分别代表生境退化度、威胁源的个数、威胁源的栅格数及威胁源r 的权重;ry为栅格y 的胁迫值;irxy表示栅格y 对栅格x 的胁迫水平;βx 是威胁源对栅格x 的可接近性;Sjr表示生境类型 j 对威胁源r 的敏感度;dxy表示生境对威胁源的欧氏距离;drmax代表威胁源r 对生境的最大干扰半径.

在生境退化度基础上计算生境质量,公式如下[18]:

式中:Qxj代表生境质量指数;Dxj表示生境退化度;Hj为生境适宜度;k 代表半饱和常数,数值为最大退化度的一半;z 表示归一化常量,一般取值2.5.

参考 InVEST 模型用户指南及前人研究基础[18-20],人类利用程度越高的地类对生境的威胁越严重[4],因此本文将耕地、城镇用地、农村居民点、工矿用地、裸地及主要道路设定为主要生境胁迫因子.耕地与建设用地是人类活动威胁生境的主要区域,具有较强的扩张性;京津冀西北部、北部土地沙化、水土流失问题较为严重,盐碱地、裸土地、沙地等裸地对外部生境具有侵蚀作用,会严重影响周围生态系统的稳定性[12],因此本研究将土地分类系统中除沼泽地之外的未利用地认定为生境胁迫因子,按照沼泽地特性,将其重分类为水体(湿地).对于威胁因子,人类活动强度越高的土地类型,其对周围生境生物多样性的影响越大;对于生境来说,一般认为人工景观基本不具有适宜度,而越原始、越复杂的生态系统,其生境适宜度则越高[20].因此,参照已有研究[13,18,21]及研究区自身特点,设定威胁因子最大影响距离、权重以及生境对威胁因子敏感程度(表1、表2).通过利用ArcGIS10.2 对原始数据进行重分类、矢量转栅格等预处理,形成土地利用、胁迫因子栅格数据,以用于模型计算.

表1 威胁因子及其最大影响距离和权重Table 1 Treats and their maximum distance of influence and weight

表2 生境适宜度及其对威胁因子的敏感性Table 2 Sensitivity of habitat types to each threat

3.3 空间质心模型

为明晰生境质量时空变化趋势,选取空间质心模型,通过分析各研究时段不同生境质量等级区域分布质心,以从空间上描述区域生境质量的时空演变特征.该模型以输入要素质心的坐标为数据源,以不同斑块的面积作为权重,从而构造全部同类要素在空间上的几何质心[22],该模型已被广泛应用于地理学、景观生态学等领域,模型计算公式如下:

空间质心转移距离:

式中:Xt和Yt分别是t 时期的某一生境质量等级质心坐标;Xi和Yi是某生境质量等级第i 个斑块的质心坐标;Cti为第i 个斑块的面积;Lt+1表示从t 到t+1 时期生境质量空间质心转移距离;n 是生境质量等级的斑块总数目.本研究以生境斑块为基础地理要素,以生境质量值作为划分依据,计算不同生境质量等级对应的全部生境斑块的空间质心,并测度不同年份各生境质量等级的质心转移距离.

3.4 景观格局指数

本文运用景观格局指数表征景观格局演变情况[23],选取最大面积指数(LPI)、边缘密度(ED)、分离度(DIVISION)、香农多样性(SHDI)和香农均匀度(SHEI)五个景观格局指数[24-25],运用网格分析法,以10km×10km 网格测度单元[26-27],将京津冀地区划分为2 337 个网格,将预处理后的土地覆被数据作为数据源输入Fragstats 4.2 软件平台,得出各网格景观格局指数.然后运用ArcGIS10.2 平台的普通克里格插值功能,得到2000 年、2010 年和2018 年景观格局指数分布图,以定量描述京津冀地区景观格局的时空演变特征,并得到相应年份的空间分布图.

3.5 空间自相关分析

3.5.1 构建空间权重矩阵 进行空间自相关分析需要构建空间权重矩阵,以定义不同网格空间关系.本文生境质量分区统计与景观格局指数计算均以10km×10km 的网格为基本单元,基于GeoDA 软件,以网格编号为基础变量,选取rook 邻接构建空间权重文件,构建规则如下[28]:

式中:n 表示空间单元个数;wij表示区域i 与j 的邻接关系,若二者有公共边界则赋值为1,其他情况则赋值为0.

3.5.2 全局空间自相关 为了揭示多个变量之间的空间相关性,Anselin 在空间自相关基础上提出双变量空间自相关,以揭示空间单元某一特定属性值与邻近空间上其他属性值的相关关系[29].双变量的空间自相关在描述两个地理要素的空间关联和依赖特征上具有较高的适用性和有效性,该相关关系用全局莫兰指数进行表征[30].GeoDA 是进行空间统计分析的专业软件,在空间关联性分析方面已较为成熟,目前在景观生态学、环境科学以及地理学等领域应用较广[28].因此,本研究利用GeoDA 软件分析研究区各网格单元生境质量与景观格局指数之间的空间关联性,公式如下[31]:

式中:I 为莫兰指数;n 为空间单元个数xi和xj分别为区域i 和j 的观测值;wij为区域i 和j 的空间邻接关系;S2表示观测值的方差.I 的取值一般在[-1,1]之间;小于0 表示在空间呈负相关,大于0 表示在空间呈正相关;等于0 表示不相关,随机分布.该值越趋近于0,表示两个变量间的全局相关关系越弱.本研究中网格为基础地理单元,利用ArcGIS 中分区统计工具提取栅格图层上各网格平均生境质量后,将各网格平均生境质量值、各景观格局指数值作为数据源,计算得到生境质量与各景观格局指数的散点图及全局莫兰指数.

3.5.3 局部莫兰指数 采用局部莫兰指数可表征一个单元与邻近单元属性值的相关程度,通常采用局部莫兰指数进行表征,并在z 检验的基础上绘制LISA 分布图.本研究通过GeoDA 分析研究区网格单元生境质量与邻近网格单元景观格局指数的空间相关程度,公式如下:

式中:n 是空间单元数量,xi和xj分别表示单元i 和单元j 的观测值,wij为区域i 和j 的空间邻接关系;S2表示观测值的方差.本处理仍以各网格平均生境质量值、各景观格局指数值作为数据源,通过空间局部自相关分析得到两个变量的LISA 聚类图.

4 结果与讨论

4.1 生境质量格局特征

2000 年、2010 年和2018 年京津冀地区生境质量空间格局见图1.根据生境质量分值将生境划分为高质量区、次高质量区、次低质量区以及低质量区四类(表3).从空间分布来看,2000～2018 年京津冀地区生境质量均表现出明显的空间异质性,整体为“东南低,西北高”的分布态势.高质量区主要分布于燕山-太行山一带,张家口坝上高原为次低质量区与次高质量区编织状分布,南部、东南部平原区整体生境质量水平较低,建成区为主的低质量区呈点状分布,东南部其他区域则为大规模的次低质量区.

图1 2000～2018 年京津冀地区生境质量空间格局Fig.1 Spatial distribution of habitat quality in Beijing-Tianjin-Hebei region from 2000 to 2018

图2 2000～2018 年京津冀地区生境质量变化Fig.2 Variation of habitat quality in Beijing-Tianjin-Hebei region from 2000 to 2018

从时间分布来看,18a 间低质量区面积明显增加,到2018 年低质量区面积增加8829.16km2,占全域比例增长4.1%,主要集中在城镇周边区域,源自城市扩张,以北京、天津以及石家庄等大都市扩张最为明显;次低质量区与次高质量区表现出减少趋势,分别减少9293.84km2和1317.39km2,占全域面积比例分别减少4.31%和0.61%;而生境质量高质量区为先减后增,到2010 年减少837.01km2,2010 年到2018 年增加2617.03km2.

为实现2000～2018年京津冀地区生境质量动态增减情况空间可视化,利用ArcGIS10.2 平台栅格计算器工具将2018年与2000年生境质量进行差值计算,采用Jenks 自然断点法将计算结果分为剧烈降低、轻微降低、无变化、轻微增加以及剧烈增加五类,结果见图2.从图中可以看出,伴随着城镇化加剧,城镇外围生境质量剧烈降低,城市不断扩张使得城郊的耕地、林地等生境被改造为建设用地,原始生境转为威胁因子使得威胁程度进一步加剧.京津冀北部生境质量大面积提高,唐山、秦皇岛沿海区域、沧州大部分区域以及西南部太行山脉地区轻微增加.然而,京津大都市圈以及南部城市群生境质量大面积衰减,这些地区经济增长迅猛、大都市效应使得该区域人口密度增加,人类活动愈加剧烈;平坦的地势为交通干线升级、工矿用地扩张提供了必要条件,这些城市景观挤压、分割周围的生境,导致这些区域生境质量连片降低.

表3 2000～2018 年间京津冀地区生境质量等级面积变化Table 3 Habitat quality proportion change in Beijing-Tianjin-Hebei region from 2000 to 2018

图3 2000～2018 年京津冀地区不同生境质量等级区域质心分布Fig.3 The evolution of habitat quality centroids in Beijing-Tianjin-Hebei region from 2000 to 2018

4.2 生境质量空间质心演变

京津冀地区不同生境质量等级空间质心演变特征见图4 和表4.整体来看,低质量区与次高质量区在“东西”方向移动,次低质量区与高质量区空间质心“南北”方向偏移.低质量区在2000～2010年移动速度明显高于2010～2018 年,直线移动距离为14839.75m,从质心区位来看,低质量区空间质心逐渐迁移至京津冀中心地带.次低质量区空间质心移动速率较为稳定,呈“先东北,后西北”方向移动,直线移动距离为2819.56m,为四个等级中最短.次高质量区与高质量区呈“迂回型”迁移,次高质量区第二时段移动速率明显放缓,先向东北移动3669.26m,再向西南移动509.92m,整体向东北方向移动3162.17m.高质量区在2010～2018 年移动速率明显提高,移动距离总计5944.11m,这是由于该时段内渤海湾沿海区域有连片的高质量区增长,对该等级生境质量区空间质心移动影响显著.

图4 2000～2018 年京津冀地区景观格局指数空间分布Fig.4 Spatial distribution of landscape pattern index in Beijing-Tianjin-Hebei region from 2000 to 2018

表4 2000～2018 年间京津冀地区生境质量等级空间质心迁移距离(m)Table 4 The transfer distance of habitat quality centroids in Beijing-Tianjin-Hebei region from 2000 to 2018(m)

4.3 景观格局指数时空演变特征

京津冀地区景观格局异质性明显.从各景观格局指数分布特征来看(图4),最大斑块面积指数(LPI)总体表现出西北低,东南高;边缘密度指数(ED)、分离度指数(DIVISION)、香农多样性指数(SHDI)以及香农均匀度指数(SHEI)分布相对一致,低值区集中在东南部,西北部分值较高.

京津冀北部以及西部太行山-燕山山地区各类斑块边缘形状复杂,景观类型多样且分布均匀,同类景观分离度较高.这是由于山区海拔高、坡度大,自然条件导致景观更为多样、异质;与此同时,山地的自然条件限制了人类活动,景观类型以自然景观为主.京津冀南部、东南部优势景观斑块面积大,景观边缘平整,同类景观表现出集聚效应,景观类型较为单一,景观格局占比失衡.该区域地处平原区,地势平坦,为优势景观规模连片提供了自然支撑;同时,该区域人口密集,水源较为充足,人类生产活动强度高,对自然景观改造程度较强.作为我国粮食主产区之一,耕地为该地区优势景观,且经营方式多为规模经营,因此景观斑块面积大,形状规则,景观类型单一;城镇区高强度的土地利用模式也使得各类斑块密集分布、斑块之间被路网分割,边缘密度低.

从时间序列来看,18a 间,京津冀地区景观总体格局较为稳定,山区景观格局变动不明显,东南部城市群指数值变化显著.东南部城市群除LPI 指数降低之外,其他指数均有一定程度增长.城镇化进程中,城市景观要素不断增加、扩张,耕地被开发为建设用地,威胁到了耕地景观面积优势,使其LPI 指数下降.此外,城镇用地、工矿用地扩张,利用形式趋于多样化,使斑块边界愈加复杂,同类景观分离程度增加,景观多样性及分布均匀度有所提高.

4.4 景观格局与生境质量关系

4.4.1 景观格局与生境质量相关关系 基于SPSS平台对2337 个网格单元生境质量与各景观格局指数进行相关分析,得到2000 年、2010 年以及2018年京津冀地区生境质量与景观格局指数各类统计数据(表5).由表5 可知,18a 间,京津冀地区生境质量与景观格局特征始终保持中等或低度的相关关系,其中,仅有LPI 与生境质量呈负相关,其余各指标呈正相关,且所有相关分析结果均具有统计学意义(P＜0.01).从时间序列来看,各指数相关系数绝对值均呈下降趋势,这表明京津冀地区生境质量与景观格局虽具备一定相关性,但二者间的相关关系正在减弱.

图5 生境质量与景观格局指数全局空间自相关分析结果Fig.5 Moran scatter plots for habitat quality and landscape pattern index

4.4.2 景观格局与生境质量全局空间自相关分析传统的双变量相关分析是对同一样本点的不同属性值进行比对,以得到全部样本整体的相关系数,虽能体现双变量的相关关系,但未考虑地理现象的空间属性.生境质量与景观格局作为具有空间分布特征的地学变量,有必要从空间尺度分析二者的耦合关系,因此,本文基于GeoDA 平台,通过构建2337 个网格空间权重矩阵,以分析京津冀地区生境质量与景观格局特征的空间分布规律.

双变量全局空间自相关是通过建立空间滞后模型,计算某单元因变量属性值与邻近空间单元自变量属性值是否存在集聚效应,从而判定双变量之间空间关联性.从分析结果(图5)可以看出,2000～2018 年京津冀地区生境质量与景观格局指数空间关系较为稳定,各类景观格局指数莫兰散点在4 个象限均有分布,其中生境质量与LPI 莫兰散点在二、四象限分布较多,莫兰指数为负值,表明生境质量与最大斑块面积指数具有明显的空间负相关关系;ED、DIVISION、SHDI 以及SHEI 莫兰指数均为正值,散点以一、三象限分布最多,也即生境质量与这四类景观格局指数空间关联性为正相关.比较各年份莫兰指数可以发现,2000～2018年京津冀生境质量与景观格局特征空间关系虽具有相关关系,但呈下降趋势,这与上述的双变量相关分析结论吻合.

4.4.3 景观格局特征与生境质量局部空间自相关分析 为实现集聚范围的空间可视,分析了2000年、2010 年与2018 年生境质量与景观格局局部自相关性,由于篇幅限制,仅展示2018 年LISA 聚类图(图6).图中H-H 型表示生境质量高值与景观格局指数高值呈集聚效应;H-L 型表示生境质量高值与景观格局指数低值呈集聚效应,依此类推.对于LPI 指数,H-L 型区域主要分布在承德市、唐山市和秦皇岛市北部;L-H 型区域主要分布在南部、东南部城市群.ED、DIVISION、SHDI 和SHEI 的LISA 图分布规律较为一致,均为H-H 型在太行山-燕山一带集聚,而东南部平原城市群主要为L-L 型.

根据2000 年、2010 年和2018 年三个年份LISA聚类统计结果(表6),对比了生境质量与各景观格局指数主要聚类网格数的增减情况.结果显示,生境质量主要低值聚类区网格数量持续减少,主要高值聚类区网格数量波动变化.

表5 景观格局指数与生境质量相关性Table 5 Correlation between landscape pattern index and habitat quality

图6 生境质量与景观格局指数局部空间自相关分析结果Fig.6 LISA cluster maps of habitat quality and landscape pattern index

表6 2000～2018 年生境质量与景观格局指数局部自相关聚类网格数量统计Table 6 Statistics on LISA cluster of habitat quality and landscape pattern index from 2000 to 2018

4.5 讨论

4.5.1 生境质量空间格局与演变 2000～2018 年间,京津冀地区生境质量始终表现出“东南低,西北高”分布态势,与该地区地貌特征、土地覆被类型空间布局相吻合,也即西北部山区生境质量明显优于东南部平原地区.由于山区特殊的地理条件,人类对山区侵扰程度小,各类自然景观是良好的生物栖息地,因此该地区主要为生境质量高质量区与次高质量区;而东南部多为平原,且近年来该地区发展迅猛,建成区扩张迅速,各类人工景观的侵入严重威胁周围的生境,导致这些区域生境质量低下.研究结果表明,生境质量低质量区空间质心逐渐西移至京津冀中心地带,这反映出北京-保定-石家庄-邢台-邯郸轴线城市加速发展[13]对该地区生态系统的影响;京津冀西北部坝上高原区、北部风沙源区以及沿海盐碱化地区生境质量明显改善,这可能得益于当地实施了太行山绿化、京津风沙源治理、三北防护林、沿海防护林、退耕还林等重大生态修复工程[32].

4.5.2 生境质量与景观格局的相关关系 本文通过SPSS 相关关系分析、GeoDA 双变量空间自相关分析对生境质量与景观格局特征关系进行了探讨.结果表明,生境质量与景观格局指数具备相关关系,这与前人研究[33-34]结论相吻合.从时间序列来看,京津冀地区生境质量与景观格局特征的空间关联性逐渐减弱,且主要表现为生境质量主要低值区聚类面积减少,这与前人研究的观点[35]并不完全贴切.目前大多类似研究聚焦于山区[34,36]、湿地[37]等以自然景观为主的地区其景观格局对生境质量的影响,而本文选取的京津冀地区人口密度较大,高强度、高密度的人类活动对地表景观破坏严重.因此,从研究结果来看,该地区生境质量与景观格局二者关系演变特征相比于前人研究具有特殊性.本研究认为造成该地区生境质量与景观格局空间关联性逐渐减弱的原因如下:京津冀地区生境质量主要低值聚类区分布在东南部城市群,该地区为城镇化快速推进的核心区域,土地利用形式愈加多样化,使原本大面积平整的耕地与建设用地等景观要素形状变得复杂,景观类型增多,均匀度得到提高;大都市卫星城、县城迅速扩张承担了部分核心都市用地功能,同类人工景观要素也由高度集聚开始向周边区域扩散,因此这些地区景观分离度、异质性逐渐回升.也即,对于城镇化程度提高的地区,其景观格局指数似乎逐渐向自然景观格局指数方向趋近.但即使该类地区景观格局发生变化,多样化的人工景观仍会威胁周围生境,生境质量并不会与景观格局指数同步“向好”,因此在高度城市化地区,二者空间关联性随时序降低.总体而言,生境质量与景观格局二者间的相关关系存在一定的区域差异性[38],在自然景观为优势景观的地区,自然景观多样、形状复杂等特性对生境质量具有促进效应,而在人工景观为优势景观区域,生境质量与景观破碎化具有一定相关关系,但二者空间关联性会随时序减弱.

6 结论

6.1 京津冀地区生境质量值与地形地貌空间分布具有较高匹配度,整体呈现出“东南低,西北高”的空间分布特征.2000～2018年京津冀北部以及沿海地区生境质量大面积提高;城镇外围生境质量剧烈降低,京津都市圈以及南部城市群生境质量大面积衰减.低生境质量区空间质心明显向西迁移;高生境质量区空间质心为纵向“迂回型”迁移,整体向西南移动5944.11m.

6.2 2000～2018 年京津冀地区景观格局特征较为稳定,山区景观格局变动不明显,东南部平原区指数值变化显著.人工景观的多样化使东南部地区景观边界复杂,同类景观分离程度加大,景观趋于破碎.

6.3 生境质量与景观格局特征具有明显的空间关联性,但其相关关系随时序减弱.生境质量与景观格局指数的聚类空间分异明显.在自然景观为优势景观的地区,景观类型多样、形状复杂、分布均匀等特征对生境质量具有促进效应,而在人工景观为优势景观区域,生境质量与景观格局特征的聚类效应会随着城市化程度的提高而减弱.