城市绿色空间网络构建与优化研究——以云南普洱市为例*

徐承栋，王锦

(1.楚雄师范学院，云南 楚雄 675099；2.西南林业大学，云南 昆明 650224)

城市化的加快使得绿色空间孤岛化、破碎化加重，景观斑块连接性下降，城市的可持续发展和生物多样性保护更加困难[1]。城市绿色空间网络是在开敞空间内利用线性廊道将绿色空间斑块进行有机连接，形成连续空间结构的网络[2]，主要由生态源地、生态廊道和景观基质组成。绿色空间网络可以通过生态廊道有效地连接破碎化斑块，形成环环相扣的网，降低景观破碎化程度，有利于加快形成完整的自然生态系统，促进自然生态系统其内部的物质代谢、能量流动和信息传递[3]，有助于保护生物栖息地、维护城市生物多样性和保障地区生态安全，对推动城市可持续发展具有重要意义。

目前，国内外学者对城市尺度的绿色空间网络构建研究主要从以下几个方面进行：基于景观生态学将促进生态过程发展的景观要素作为生态源，采用最小耗费距离模型构建潜在的城市绿色空间网络，基于重力模型和α指数、β指数、γ指数、成本指数对生态网络结构进行定量分析。基于景观格局分析斑块的面积、数量和多样性；基于模糊数学理论评价不同景观的优势度；通过生态系统单项服务功能价值(ESV)评价绿色空间的生态服务功能[6]。通过形态学空间格局分析(MSPA)识别结构不同的景观要素，将核心区作为“源地”，桥接区作为“廊道”[7]，然后根据斑块面积和斑块连接度对生态源地就行分级，辨别关键生态源地[8]。基于电路理论，根据连通度确定生态源地的重要性，根据电路密度确定生态廊道的重要性[9]。

在生态源地识别方面，同时考虑生态系统服务功能价值和结构连通度的研究较少。大部分生态源地识别考虑斑块的类型、面积和生态系统服务功能价值等因素，优点是能快速识别出有重要生态系统服务功能价值的生态源地；缺点是研究利用生态系统服务功能价值评价模型评价过程中容易忽视同种土地利用类型的连通度水平差异性和斑块异质性[10]。少部分研究利用MSPA方法，从像元层面识别结构性的景观要素，优点是将整个绿色空间作为一个整体考虑，能根据空间形态识别具有不同连通度的景观要素[7]；缺点是将整个绿色空间视为同样的性质进行考虑，忽视了不同景观要素的生态系统服务功能价值差异。

在生态廊道识别方面，主要基于最小累积阻力模型(MCR)构建潜在的生态廊道，过程中忽视了既有的结构性上连通的生态廊道，容易造成生态廊道的保护和建设难以落实。景观要素组成、空间配置及其生态系统服务功能直接决定了生态源地间生态廊道的形成[3]。因此需要综合评价不同景观要素的生态系统服务功能价值、连通度等多种指标，对不同景观要素进行阻力赋值，构建景观阻力面[11]。景观阻力面构建中，大部分研究通过景观指数法和生态系统服务价值估算法对不同景观要素进行阻力赋值，存在一定局限性。首先，使用景观指数法对景观格局进行分析时，景观指数的选择较为主观且计算数据冗杂，不合理的景观指数会造成评价结果偏差较大；另外景观指数的生态学意义较为局限，部分景观指数的表征结果含义相互重叠[7]。其次，绿色空间网络的构建中主要考虑陆生生物的生存繁衍，而水生生物生存繁衍考虑较少；另外人为干扰对不同景观要素的生态系统服务功能影响考虑较少。

为了方便城市建设者、管理者清晰地了解城市绿色空间网络现状的生态系统服务功能价值和结构连通度，明确城市绿色空间网络未来保护和规划建设的重点。研究以云南省普洱市城市规划区绿色空间为对象，通过MSPA方法和遥感(RS)技术，提取能量因子较高的核心区作为生态源地，根据不同景观要素的结构连通度、生态系统服务功能价值、人为干扰度建立景观阻力评价体系，通过MCR提取生态廊道，构建普洱市规划区层级绿色空间网络；通过能量因子的大小和分布状况评价绿色空间网络生态效益，运用连通性指数、度、介数三个复杂网络评价指标对绿色空间网络结构进行定量分析，为绿色空间网络的功能和结构优化指明方向。

1 研究区概况

普洱市2013年被命名为国家园林城市，是我国首个国家绿色经济试验示范区，属于中高强度的中小山地城市建设区。本次研究范围与普洱市城市规划区范围一致，位于云南省普洱市思茅区中部，是普洱市城镇人口最多、城镇化水平最高的区域。截至2017年底，城市规划区城镇人口26.04×104人，城镇化水平将近68%，规划区面积约65.87 km2，建成区面积26.5 km2。

城市化加快使得普洱市城市规划区建设强度不断增加，生态用地逐渐减少，景观破碎化逐渐加重，抵御生态风险的能力下降。在中小山地城市地形复杂、可建设土地资源有限、生态重建困难的条件下，加强绿色空间网络建设，尽可能保护现有重要的生态斑块、廊道，防止重要生态斑块、廊道在建设中遭到破坏，是保障中小山地城市生态安全的必然选择。

2 研究方法

2.1 研究区数据来源及处理

将空间分辨率为30 m的Landsat8 OLI卫星遥感影像作为研究基础资料。通过ENVI 5.3软件对遥感影像进行图像增强和几何校正处理，选择支持向量机监督分类法对遥感影像进行监督分类，提取普洱市城市规划区的用地信息。提取植物覆盖绿地、水域和建设用地三类用地信息，获得研究区土地利用分类图。

2.2 绿色空间网络构建

2.2.1 生态源地识别

生态源地和生态廊道识别是绿色空间网络构建的基础。研究基于MSPA方法获得结构性的景观要素，识别较大的生境斑块；在此基础上，通过RS技术，基于斑块自身的生态属性计算能量因子，估算斑块的生态系统服务功能价值，识别生态源地和划分生态源地等级。

MSPA方法最早由Riitters和Vogt等人提出，是基于腐蚀、膨胀、开运算、闭运算等数学形态学原理的一种图像分析方法，可用于多尺度数字图像分析，能获取研究对象的尺寸、形状和连通度等信息，能从结构上识别研究对象核心区(core)、边缘区(edge)、桥接区(bridge)、孤岛(ielet)、支线(branch)、环道区(loop)、空隙(perforation)[12-13]。

首先，运用ArcMap10.2软件，通过重分类工具对研究区域土地利用栅格数据进行重分类，一个栅格的大小为30 m×30 m；将绿色空间分为一类，包括植物覆盖绿地和水域，属性值设定为1，其他城市建设用地分为一类，属性值设定为NoData。然后，将数据导入Guidos Toolbox 2.8软件中进行形态学空间格局分析，将属性值为1的绿色空间设为前景要素，属性值为NoData的其他城市建设用地设为背景要素。在软件中设置图像领域分析方法为八邻域分析法；边缘宽度设定为1，即设定廊道的最小宽度为30 m，满足动植物迁移、传播以及生物多样性保护的基本功能[14]。最后，通过MSPA获得7类生态学含义不同的景观要素，以及不同景观要素的位置和数量；根据不同景观要素的生态学含义[7]，将核心区作为生态源地的备选区域。

考虑斑块异质性，克服核心区斑块均以相同比重作为生态源地的缺陷，在MSPA的基础上进行生态系统服务功能价值估算，识别有重要生态功能作用的核心区[15]，提取生态源地。通过RS技术，计算每块斑块的归一化植被指数(NDVI)和改进归一化差异水体指数(MNDWI)[16]，将NDVI值和MNDWI值作为评价斑块生态系统服务功能价值的依据，反映斑块的生物量、生物空间分布和生物多样性[17-18]。之后，通过斑块的NDVI值和MNDWI值计算每块斑块的能量因子Qi[19]，值越大代表斑块的生态能量越大[20]，生态系统服务功能价值越大，根据核心区斑块的能量因子识别生态源地，按照能量因子大小划分生态源地等级。能量因子Qi计算公式为：

Qi=Ai·(Ni+Mi)

式中：Qi为第i块斑块的能量因子，Ai为第i块斑块的面积(km2),Ni为第i块斑块的NDVI值，Mi为第i块斑块的MNDWI值。

2.2.2 生态廊道识别

生态流是生态过程的载体，是生态功能的决定性因素，运行需要克服不同景观要素的阻力[3]。考虑城市中人的干扰对生态流运行影响较大，研究从景观要素的结构连通度、生态系统服务功能价值和人为干扰度三个方面建立景观阻力评价体系，构建景观阻力面，通过MCR提取生态廊道。MCR计算公式如下。

式中：MCR为最小累计阻力值；f表示最小累积阻力与生态过程的正相关关系，fmin表示生态源地间累积阻力最小值；∑表示生态源地i与生态源地j之间穿越的距离和阻力值累积，Dij为生态源地i到生态源地j的距离成本，Rij为生态源地i到生态源地j的景观阻力系数[21]。

首先，考虑既有的结构上连通的景观要素，从景观要素的结构连通度方面建立景观阻力体系，评价不同景观要素对绿色空间网络构建的重要性，越重要的景观要素结构连通度越好，景观要素越有利于生态流的运行。

其次，考虑绿色空间的生态系统服务功能价值，从生态系统服务功能方面建立景观阻力体系。根据土地覆被情况，计算斑块的能量因子，能量因子越高，生态系统服务功能价值越高越有利于生态流的运行。基于能量因子计算阻力系数，公式如下。

式中：Ri设为基于生态系统服务功能价值计算的阻力系数；Qi为第i块斑块的能量因子；Qmax为斑块的理论最大能量因子，即NDVI值或MNDWI值为1时计算的能量因子。

再次，在形态学空间格局分析的基础上，考虑不同景观要素的人为干扰度，从人为干扰度方面建立景观阻力体系。根据斑块到居住用地的最短距离计算不同斑块的人为干扰度，人为干扰度越大对生态流运行的阻碍作用越大。

式中，Di设为基于人为干扰度计算的阻力系数，Di为第i块斑块到居住用地的欧式距离，Dmax为规划区内最远斑块到居住用地的欧式距离。

最后，构建景观阻力评价体系(表1)，通过层次分析法确定指标权重，将结构连通度景观阻力系数、生态系统服务功能价值景观阻力系数和人为干扰度景观阻力系数进行加权，获得规划区景观阻力系数，生成景观阻力面。

表1 景观阻力评价体系Tab.1 Landscape resistance evaluation system

运用Arcmap10.2软件，提取生态源地的几何中心作为绿色空间网络的源/汇点。通过MCR依次计算每个源/汇点到其他源/汇点的最小成本路径，根据生态源地等级构建不同等级的生态廊道。

2.3 绿色空间网络评价

2.3.1 绿色空间网络生态效益评价

为促进城市绿色空间网络的均衡发展和生态效益的均衡发挥[22]，研究将能量因子作为绿色空间生态效益评价的依据，能量因子高的绿色空间相较能量因子低的绿色空间生态功能更完善、生态效益更好[16]。按照绿色空间网络化、生态效益均衡化的发展理念，通过能量因子评价绿色空间生态效益；能量因子越大的区域，生态效益越好、能量因子分布越均匀、生态效益发挥越均衡、生态系统服务功能越完善。

2.3.2 绿色空间网络结构评价

(1)绿色空间网络总体连接度评价 通过图论的网络测度指标可以定量的测度网络的连接性和复杂性[4]，研究选用网络闭合度指数(α指数) 、网络连接度指数(β指数) 和网络连通率指数(γ指数) 对绿色空间网络结构进行分析，评价绿色空间网络的总体连接度水平[1]。各指数计算公式为：

式中:L为绿色空间网络中的生态廊道数，Lmax为绿色空间网络中可能连接的最大生态廊道数，V为绿色空间网络中的源/汇点数。

α指数用来度量绿色空间网络的闭合度，反映绿色空间网络中回路出现的程度，指数越高说明绿色空间网络中回路越多，物质能量流动的路径越多，越有利于生物多样性保护[4]，抵抗干扰能力更强，被捕食的可能性更低[23]。α指数的取值范围为： 0≤α≤1，当α=0，表示绿色空间网络中没有回路；当α=1时，表示绿色空间网络拥有最大可能数量的回路[24]。

β指数表示绿色空间网络中源/汇点的平均连接数，β指数的取值范围为： 0≤β≤3，当β=0时，表示网络不存在，当β<1，表明绿色空间网络为树状结构，绿色空间网络不完善；当β=1时， 表示形绿色空间网络形成单一回路；当β=2时 ，表示绿色空间网络连接较完善，网络呈方格状；当β=3时 ，表示绿色空间网络连接最完善，绿色空间网络最复杂，网络呈方格十字对角线形[24-25]。

γ指数表示绿色空间网络中所有源/汇点被连接的程度，γ指数的取值范围为： 0≤γ≤l，当γ= 0时，表示绿色空间网络中没有生态廊道连接各源/汇点；当γ=1时，表示绿色空间网络中每个源/汇点都彼此相连，反映生态廊道连接程度最高。

(2)绿色空间网络结构重要性评价 将提取的绿色空间网络进行拓扑分析，通过Pajek软件计算生态源地度和介数，从结构上识别绿色空间网络中重要的生态源地和生态廊道，为绿色空间网络保护和建设提供依据。

生态源地度表示与该生态源地相连的生态廊道数量，是网络中衡量生态源地特性的重要指标，生态源地度越大说明该生态源地在网络中的重要性越高[18]，计算公式为：

式中:Ki为生态源地度，N为自然数，i与j为绿色空间网络中的任意两个生态源地，e为生态源地i与j之间的生态廊道数量。

介数包括节点介数和边介数，绿色空间网络中节点为生态源地，边为生态廊道。介数反映了相应生态源地(生态廊道) 在整个绿色空间网络中的作用和影响力，有利于在绿色空间网络中发现和保护关键生态资源。生态源地介数反映某生态源地所通过的连接绿色空间网络任意2个生态源地间最短路径的数量，穿过该生态源地的最短路径越多，其介数中心性越高，对绿色空间生态功能的发挥越重要；生态廊道介数定义与生态源地介数相似[26]。

生态源地介数计算公式为：

式中:Bn为生态源地介数，dinj表示过生态源地n的生态源地i与生态源地j之间的最短路径数目，dij表示生态源地i与生态源地j之间的最短路径数目。

生态廊道介数计算公式为：

式中:Bmn为生态廊道介数，dimnj表示过生态廊道lmn的生态源地i与生态源地j之间的最短路径数目。

3 结果与分析

3.1 生态源地识别结果

基于MSPA生成绿色空间景观要素分布图(图1)，在此基础上将主要位于规划区边缘的共169块核心区斑块作为生态源地备选区域。之后，通过ENVI 5.3软件计算研究区的NDVI值和MNDWI值，获得NDVI值分布和MNDWI值分布；生成NDVI值与MNDWI值之和分布图(图2)，统计各个核心区面积和各个核心区斑块的能量因子(图3)。

图1 绿色空间景观要素分布Fig.1 Distribution map of green spatial landscape elements

图2 NDVI值与MNDWI值之和分布Fig.2 Distribution of the sum of NDVI values and MNDWI values

图3 核心区能量因子分级Fig.3 Classification diagram of energy factor in core area

根据各个核心区斑块能量因子大小，去除能量因子较小的斑块，将能量因子较大的核心区斑块作为绿色空间网络的生态源地。采用自然间断点分级法对核心区斑块能量因子进行排序分级，将能量因子小于0.005的核心区斑块去除，留下能量因子大于0.005的核心区斑块作为生态源地。将生态源地分为两级获得生态源地分级图(图4)；其中一级生态源地能量因子大于0.1共计8块，二级生态源地能量因子大于0.005小于0.1共计26块。普洱市规划区生态源地共计34块，中部生态源地缺乏，一级生态源地主要为农林用地、公园绿地和水域等能量因子较大的核心区；二级生态源地为散布于一级生态源地周围的公园绿地、附属绿地和防护绿地；其中能量因子最高、面积最大的生态源地位于规划区南部。

图4 生态源地分级Fig.4 Classification map of ecological source

3.2 生态廊道识别结果

通过景观要素结构连通度评价获得各景观要素的结构连通度，由大到小依次为：核心区、环道区、桥接区、支线、空隙、边缘区、孤岛、非绿色空间，生成结构连通度景观阻力系数(图5)，颜色越鲜艳的区域结构连通度越好、景观阻力越小。通过能量因子计算获得各个斑块的生态系统服务功能价值估算值，生成生态系统服务功能价值景观阻力系数(图6)，颜色越鲜艳的区域生态服务功能越好、景观阻力越小。通过人为干扰度计算获得各个斑块的人为干扰度，生成人为干扰度景观阻力系数(图7)，颜色越鲜艳的区域人为干扰越少、景观阻力越小。根据景观阻力评价体系构建规划区景观阻力面(图8)，其中规划区东部、南部、西部和北部的边缘区域景观阻力较小；景观阻力较大的区域主要分布于规划区中部、西南部和东北部，这部分区域绿色空间分布较少、景观破碎化严重、人为干扰度大。

图5 结构连通度景观阻力系数Fig.5 Structural connectivity landscape resistance coefficient

图6 生态系统服务功能价值景观阻力系数Fig.6 Landscape resistance coefficient of ecosystem service function value

图7 人为干扰度景观阻力系数Fig.7 Landscape resistance coefficient of artificial disturbance

图8 规划区景观阻力面Fig.8 Landscape resistance surface in planning area

通过MCR计算最小成本路径，生成12条一级生态廊道(图9)，21条二级生态廊道(图10)。

图9 一级生态廊道Fig.9 Landscape resistance coefficient of artificial disturbance

图10 二级生态廊道Fig.10 Secondary ecological corridor

从生态廊道分布来看，由于城市中心景观阻力较大，一级生态廊道主要沿规划区边缘分布且多条相互重合，造成一级生态源地间的廊道多为单线联系、结构单一，围绕城市中心大致形成一条环形廊道。二级生态廊道在规划区东部和南部分布较多，主要与1号生态源地和2号生态源地相连接。

表2 生态廊道统计表Tab.2 Landscape resistance evaluation system

通过MCR获得绿色空间网络的生态廊道统计表(表2)。构建的绿色空间网络大体呈现“一环一纵三横”的基本格局。其中“一环”为围绕城市规划区中心分布的山地，包括老箐山、大荒地、龙山、兰火地。“一纵”为北部湿地公园、思茅河滨河公园。“三横”为北部、中部、南部的三条横向的生态廊道，北部生态廊道为文化中心公园、湿地公园、马龙山、曼迈河；中部生态廊道为洗马湖观景台公园、洗马湖、思亭路；南部生态廊道为大坟山、鱼水路、老街海子。

从生态廊道景观阻力值分析，一级生态廊道中1号、2号和3号生态廊道景观阻力值较高，二级生态廊道中13号和14号生态廊道景观阻力值较高；今后生态廊道优化的重点就是减小景观阻力值较大的廊道以促进生态流的流畅运行。

3.3 绿色空间网络空间评价结果

3.3.1 绿色空间网络生态效益评价结果

通过分析能量因子大小和分布状况，发现规划区东部、南部、西部、北部能量因子较大、生态效益较好，中部、西南部和东北部能量因子较小、生态效益较差；东南部和西北部生态联系较强、生态效益较为均衡，西南部和东北部生态联系较弱。总体来看，规划区绿色空间网络呈现出外多内少、南疏北密的特点，生态效益发挥不均衡。

3.3.2 绿色空间网络结构评价结果

(1)绿色空间网络总体连接度 计算绿色空间网络结构指数，其中绿色空间网络的源/汇点有34个，生态廊道有33条，α指数、β指数、γ指数分别为0.51、0.97、0.34。从计算结果可知绿色空间网络闭合度不高，接近一半的绿色空间网络未得到连接闭合；网络整体呈树状结构，多数源/汇点间单一回路连接；网络整体连通率较低，大多数源/汇点未通过生态廊道彼此相连，生态廊道连接效率较低，物质能量流动的路径较少。

(2)绿色空间网络重要性 计算生态源地度和介数，生成生态源地度散点图(图11)，一级生态源地度明显大于二级生态源地度。生态源地度最大为8，编号为3，度最小为1，平均度为2.29。绿色空间网络的度-度相关系数为-0.326 8，即规划区绿色空间网络为异配网络；度大的生态源地倾向与度小的生态源地连接。

绘制生态源地介数散点图(图12)，有21个生态源地介数为0，位于规划区西部的8号生态源地介数最高为0.412 9。生态源地介数大于0.1的生态源地有8块，全部为在绿色空间网络中起到能量流动、物质交换枢纽作用的一级生态源地。

绘制生态廊道介数散点图(图13)，位于规划区西部的4号生态廊道介数最高为0.442 9。一级生态廊道的介数明显大于二级生态廊道介数，对绿色空间网络的控制力和影响力更强。

图11 生态源地度散点Fig.11 Scatter map of the degree of ecological source

图12 生态源地介数散点Fig.12 Intermediate scattered point map of ecological source

图13 生态廊道介数散点Fig.13 Intermediate scattered point map of ecological corridor

4 讨论和结论

4.1 讨论

研究将少量城市农业用地纳入绿色空间，生态源地识别和景观阻力面构建过程中未考虑农业用地的人为干扰度与其他用地的人为干扰度差异；在识别生态源地时，设定能量因子高于0.005的核心区为生态源地，阈值根据核心区能量因子相对大小进行确定，主观因素影响较大，今后需要根据研究区的尺度、区位合理设定阈值；生态源地识别以斑块呈现状态为主要依据，忽视了其在城市建设中的动态过程；景观阻力评价体系构建更多考虑城市中人的活动对生态流的干扰，未考虑研究区外的大环境对生态流的影响；提出了绿色空间网络构建的方法与步骤，但未与我国目前实行的城乡一体化规划、多规合一等相结合。

4.2 结论

研究采用MSPA方法和RS技术构建普洱市城市规划区绿色空间网络，通过绿色空间网络生态效益评价和结构分析确定绿色空间网络优化策略。研究表明，绿色空间网络构建过程中同时考虑现状的绿色空间结构连通度和生态系统服务功能价值，构建的绿色空间网络与以往构建潜在的生态网络相比更容易保护和建设落实。在构建的绿色空间网络基础上，同时进行生态效益和结构评价能清晰地了解目前绿色空间网络的资源分布状况和结构状况，有利于快速识别绿色空间网络功能和结构上的薄弱环节、明晰未来绿色空间网络保护和规划建设重点。