基于LSMM與MSPA的深圳市綠色景觀連通性研究

曹翊坤，付梅臣，謝苗苗,*，高 云，姚思瑤

1 北京市海淀區房屋管理局，北京 100193 2 中國地質大學(北京) 土地科學技術學院，北京 100083

基于LSMM與MSPA的深圳市綠色景觀連通性研究

曹翊坤1,2，付梅臣2，謝苗苗2,*，高 云2，姚思瑤2

1 北京市海淀區房屋管理局，北京 100193 2 中國地質大學(北京) 土地科學技術學院，北京 100083

基于線性光譜混合模型(LSMM, Linear Spectral Mixture Model)，引入形態學空間格局分析(MSPA，Morphological Spatial Pattern Analysis)進行城市地域綠色景觀連通性評價。根據城市綠色景觀特點和MSPA方法中的7種連通性類型的涵義，定義了城市綠色景觀連通性功能類型。以深圳市1986年、1995年、2000年、2005年及2010年五期Landsat TM影像為數據源，應用線性光譜混合模型提取植被覆蓋率，得到深圳市植被覆蓋圖。在此基礎上，提取出高、全植被覆蓋作為目標像元進行MSPA處理，分析植被覆蓋狀況與綠色景觀功能類型的時序總體特征及空間梯度動態。結果表明：深圳市綠色景觀破碎程度較高，表現為對結構連通性貢獻最小的斑塊類型總數最大。城市內部東西部連通性呈現出不同變化的趨勢；右側外圈層的大鵬半島結構連通性最佳；在同一城市化發展梯度上，東部的樣帶連通性水平比西部要好。在城市化過程中，深圳市高、全覆被植被像元連通性大小受以下因素的影響：城市化程度，地形因素及區域定位。在同一城市化程度上，地形因素對景觀連通性的影響較大。從整體的時間變化和空間梯度動態分析可知，在快速城市化過程中植被覆蓋率和連通性功能均下降，而到穩定城市化階段植被覆蓋率和連通性均得到改善。研究表明線性光譜混合模型與形態學空間格局分析相結合可以較好的表征城市綠色景觀連通性類型時空分布特征，進而明晰城市化過程與區域內綠色景觀數量及連通性動態變化關系。

城市綠色景觀；連通性；形態學空間格局分析；深圳市

城市是人類居住的主要區域[1]，城市綠色景觀包含城市綠地及耕地、園地、林地或其他農用地[2]，是城市生態系統服務的重要提供者之一，具有緩解城市熱島效應[3]、固碳釋氧[4]、減少城市大氣污染[5]、保護城市生物多樣性[6]等功能。城市化過程造成綠色景觀數量和格局發生劇烈變化，破碎程度加劇。在高度破碎化的景觀中，連通性有利于維持種群個體在殘留生境擴散，緩解片段化種群的局域滅絕風險，是區域土地可持續利用和生物保護領域的主要指標[7]，是人類強烈干擾區域中的物種豐富度[8]和遷徙過程[9]的物質基礎。因此綠色景觀連通性影響著城市生態系統發揮作用，是評價城市生態平衡和環境改善的重要依據。

目前連通性研究多通過景觀格局指數[10- 11]和模型[12]進行識別分析。其中格局指數應用最為廣泛，但也具有明顯的局限性[11- 15]：例如景觀水平上的指數只能提供單一數值，缺少空間分布信息；由于指數高度概括，不同連通性格局的景觀可能在指數上表現出相似數值；其生態學意義較為局限，例如表征斑塊形狀特征的周長-面積比指數，僅能識別出連接廊道的格局特性。近些年國內外研究者提出了圖論法[16]及模型與指標耦合[17- 18]度量景觀連通特征。前者可較好的識別景觀中關鍵節點和多種連接，但需結合其他方法識別廊道[19]，且結果數據冗余，需進一步的修正[20]。后者能綜合考慮景觀結構和功能變化的影響因素，彌補單一方法或指數的缺陷[21]。但上述方法都是基于斑塊的評價，在大尺度景觀的研究中的應用易湮滅小型斑塊，造成結果精確度欠佳[22]。

區別于傳統的景觀連通性評價以斑塊為中心的方式，基于形態學的格局分析方法(MSPA)方法[23- 24]從像元的層面上提取出具有景觀連通性意義區域(如：節點和廊道)，從空間形態上說明其連通性功能，體現其在物質信息能量流的作用，突出連接和生態踏腳石等景觀要素，不僅能量化結構連通性也可量化功能連通性[25]。其應用發展從“邊緣類別制圖[26]”、“內部生境滲透度[27]”到卷積算法在森林景觀連通性的實證研究[28- 30]，均獲得預期的效果。對美國Delmarva半島森林[31]和斯洛伐克北部森林區[32]的研究表明MSPA各類型很好的反映了各生境斑塊的連通性功能，且能同時識別多種具有連通性意義的空間類型而不受研究區尺度過大的影響。在對美國綠色基礎設施規劃與評價研究中滿足了跨州際及時間動態管理的需求[25]。

目前應用MSPA方法評價森林景觀連通性多使用中分辨率影像或者地類作為數據來源。城市地表覆被較森林景觀更為復雜，除了林地、耕地等地類，還包括內部的綠色空間[33]，利用遙感影像進行地類解譯往往由于大量混合像元的存在，影響綠色景觀的提取效果。線性光譜混合模型(LSMM，Linear Spectral Mixture Model)則以其簡單、高效、物理意義明確等優點，有效解決了混合像元問題[34]，并且植被覆蓋率可作為城市綠色景觀覆蓋質量的表征。本文探討結合LSMM與MSPA方法，以快速城市化地區深圳市為例，進行城市綠色景觀的提取與連通性功能類型劃分，量化評價綠色景觀連通性格局在1986年至2010年間城市化過程中的時空動態，探討城市化過程中綠色景觀連通性的時空演化一般特征和驅動因素。

1 研究區與數據來源

1.1 研究區概況

深圳地處廣東省中南部沿海，陸地范圍為E 113°46′—114°37′，N 22°27′—22°52′；全市總面積1952.84 km2。地貌類型多樣，以丘陵、階地和平原為主；結構上呈階梯狀分布。地勢東南高，西北低；地面坡度較緩和。氣候屬南亞熱帶海洋性季風氣候，年平均溫度22.4 ℃，年降水量1948 mm。主要植被類型包括亞熱帶常綠季雨林、山地常綠闊葉林、亞熱帶常綠針葉林、紅樹林、竹林、亞熱帶常綠灌叢、草叢等近自然植被和人工林及農業植被等人工植被。在快速的城市化過程中，原生植被多被破壞，現存植被多為次生林、人工林和經濟作物[35]。

1.2 數據源及預處理

本研究數據源包括深圳市2010年、2005年、2000年、1995年和1986年5個時期的Landsat TM衛星遙感影像，軌道號均為121/44和122/44，均選擇秋冬季節無云、成相質量好的影像。數據預處理包括輻射校正、幾何校正與裁剪等，采用的軟件為ArcGIS9.3、Envi4.3。

2 城市綠色景觀連通性功能類型提取

2.1 植被信息提取

VIS模型(Vegetation-Impervious-Soil)[36]提出對基于光譜分析定量提取城市景觀組分具有重要的意義，其中線性光譜分離技術(LSMM)由于能夠形成高質量的組分圖、較低的誤差、易于處理等[37]成為應用最為廣泛、成熟的模型，適合于本研究。處理過程包括MNF(Minimum Noise Fraction)變換、PPI(Pixel Purity Index)處理、終端單元的收集、線性光譜分離、結果的檢驗與校正等[38- 39]。根據深圳市地物特征，選取高反照、低反照、植被與土壤四個端元[35,40]。采用光譜分離均方差與樣區檢驗兩種方法對分離的結果進行精度檢驗，圖像平均誤差0.0055，均方差大于0.1的像元數量2個，在可接受范圍之內[35]。并選用GOOGLE EARTH上的高分辨率影像進行分層與隨機抽樣的方式進行精度檢驗，選取100個300 m×300 m樣區配準至TM數據，目視解譯得到單一的植被覆蓋分布，與線性光譜分離的圖像進行比對，得出植被覆蓋度均方差誤差為0.089，精度較高能夠滿足研究要求。最終得到深圳市5期植被覆蓋率分布圖(圖1)。

MSPA方法在城市綠地景觀環境應用的關鍵是二值柵格圖中目標像元與背景像元的區分。在隨機圖上，形態空間格局等級的多樣性依賴于表現出來的目標像元數量[41]。根據滲透理論[42]和文獻中對高覆蓋度植被的界定[43]，本研究中定義植被覆蓋率達到60%的像元作為的目標像元，即綠色像元，在二值圖中賦值為1，其余為背景像元，賦值為0，既可通過MSPA評價整體連通性又可通過植被覆蓋度閾值保證像元內部的連通性。

圖1 深圳市1986—2010年植被覆蓋率分布圖Fig.1 Vegetation fraction of Shenzhen from 1986 to 2010

2.2 連通性功能類型

MSPA識別目標像元集與結構要素之間的空間拓撲關系，將目標像元集分為核心、斑塊、孔隙、邊緣、橋接、環道和支線7種類型[44]。結合城市綠色像元的分布和形態聚集特征，表現出不同于森林景觀的內涵，其定義、特征和表象如下表所示(表1)。

表1 城市地域中MSPA類型定義及特征Table 1 The definition, characteristics and appearance of morphological spatial pattern analysis (MSPA) classes in urban area

2.3 MSPA方法參數確定

在運算過程中需定義4種關鍵參數[45]。

(1)像元大小

同指柵格圖的空間分辨率。據研究，城市綠地斑塊面積達到1 hm2以上時，才能緩解城市熱環境聚集效應[46]，因此將篩選出來的綠色像元進行合并。通過對90 m×90 m和100 m×100 m重采樣結果對比，前者誤差小于0.02%，可忽略不計，因此采用90 m為本研究像元邊長。

(2)尺寸參數

是基于目標景觀范圍的定義，與研究尺度相關。由于地圖的范圍，空間和制圖比例尺等參數與本文目的無關，因此不討論這些因素[45]。尺寸參數是腐蝕或者膨脹等算子運算的寬度；其與邊緣類和孔隙類的寬度，核心類面積的最小值以及斑塊面積的最大值相關[41]。

(3)結構要素

結構要素是指對目標景觀類型圖進行處理的單位。通過結構要素對柵格像元進行一系列邏輯運算(如：對柵格像元取并集、交集、補集等)來達到分析景觀格局的目的。分為8鄰域和4鄰域[42]。考慮到避免格網連接悖論[45]以及城市景觀的復雜多樣性，將綠色像元區(前景區)設置為8鄰算法，非綠色像元區(背景區)設置4鄰算法。

(4)邊緣寬度參數

由尺寸參數S和像元大小P決定[32]。本研究中沒有設定目標物種，默認一個像元的邊長作為邊緣寬度參數。

2.4 連通性功能類型時空動態分析

經過MSPA分析得到各時點深圳市綠色景觀連通性功能類型格局(圖2)。

圖2 1986—2010年深圳市綠色景觀連通性功能類型分布圖Fig.2 Classification maps of connectivity pattern of green landscape of Shenzhen from 1986 to 2010

為凸顯城市內部的差異性，研究城市化過程在空間梯度上對綠色景觀連通性的影響而采用典型樣帶分析。參考前人研究成果[46- 48]，選用3 km間隔的“S”型格網由西向東穿越各個城市發展圈層并編號(圖3)。并將樣帶格網分為第1圈層(43—57)、第2圈層(26—42，58—67)；考慮到第3圈層內部也有分化，將12—25，68—80劃為第3圈層；1—11，81—91為外圈層。

圖3 空間梯度樣帶分析示意圖[46]Fig.3 Sketch map of spatial gradients transect analysis [46]

3 深圳市綠色景觀連通性功能類型時空動態分析

3.1 綠色景觀連通性功能類型結構變化分析

3.1.1 綠色景觀連通性功能類型時序總體變化特征

在研究期內，深圳市的綠色景觀連通性功能類型的總量和各類型的分量都發生了較大的變化(表2)。體現為如下幾個特點：

(1)研究期內對連通性貢獻最低的斑塊類總數最大，其次為橋接類，孔隙類最少；而核心類面積波動幅度最大。

(2)除斑塊類外其他6種連通性功能類型面積呈現先減后增的趨勢，均在2000年處于峰谷位置；其中核心類減少了86.34%，減幅最大；2000年之后，各類型面積顯著增加，核心類增長幅度最大，達到286%，其他類型面積增幅超過135.18%。斑塊類在此期間先減少后增長再減少，在1986—1995年間減少的比例最低為34.24%，2000年到2005年間，斑塊類略有增長。2005—2010年間，各類型面積變化趨勢分異增大，增幅最大達到119.35%(核心類)，其次是邊緣類為79.92%，而斑塊類相對上一期減少了6.29%。

表2 1986—2010年各類綠色景觀連通性功能類型面積變化/hm2Table 2 Area of each MSPA classes in Shenzhen from 1986 to 2010

3.1.2 城市綠色景觀連通性功能類型時序轉移矩陣

1986年至2010年的連通性功能類型轉移矩陣說明其內部空間變化特征[49]。到研究期末，除孔隙外各類型轉為非綠色像元區域比例均為最大值(表3)。類型內部轉換中，多向連通性高的類型轉換，說明保留下來的綠色景觀連通性在改善。如：2.97%的斑塊轉為支線類，12.78%的支線類和11.04%的環道類轉成了橋接類；橋接，孔隙和邊緣類轉換為核心類的較多，分別為13.33%、50.49%和19.33%。而核心類中有17.67%轉化成為邊緣，顯示出期間有部分核心景觀萎縮。

表3 1986—2010年深圳市域綠色景觀連通性功能類型變化轉移矩陣Table 3 Transition matrix of MSPA classes and background changes from 1986 to 2010 in Shenzhen

3.2 城市綠色景觀連通性功能類型空間梯度分異特征

2010年深圳市綠色景觀連通性類型像元數量沿樣帶編號方向呈現不同的趨勢(圖4)。隨著樣帶推進，核心、邊緣、橋接和支線類趨勢較為一致；而環道類的趨勢顯示出一種“N”型的趨勢。斑塊除在右側外圈層降幅明顯外，數量始終維持在較高的水平上。各圈層連通性功能類型的平均數量分異代表了不同城市化發展空間梯度上連通性變化規律(表4)。由于孔隙類在采樣中數量少，因此在以下分析中不考慮孔隙的變化。

表4 深圳市各圈層空間梯度樣帶各格網MSPA類型平均數量(2010年)Table 4 The average counts of MSPA classes for each grid of spatial gradients in each circle in Shenzhen(2010)

圖4 深圳市綠色景觀連通性功能類型像元數量的空間梯度分異(2010年)Fig.4 Spatial gradient differentiation of each MSPA classes of green landscape in Shenzhen (2010)

(1)外圈層的81—91號樣帶景觀連通性最佳，表現在核心、邊緣及橋接這3類具有重要連通功能意義的類別出現最大值(分別為337、133、286)且平均值最大。而同外圈層的1—11號樣帶中以斑塊類型為主，前三類數值為0。

(2)城市內部3個圈層東西樣帶相比，東部樣帶表現出連通性優勢；且除斑塊以外的6種類型均在東部的2圈層達到最大值。西部樣帶在從第3到第1圈層的位移中，各連通功能類型變化趨勢為單調遞增；東部樣帶則表現出先增后減的趨勢，各類型高值區出現在第2圈層。

(3)各圈層類型總數代表了綠色像元的數量。1—11號樣帶中綠色像元數比12—25號少，且具有連通性意義類型數量為0。說明在快速城市化地區的植被覆蓋率和連通性功能均處于弱勢。

(4)樣帶43—57比68—80號綠色像元少，對比各類型平均值，核心區差值(5.61)比邊緣區(0.65)大，說明第1圈層內部核心區雖數量少，但形狀較第3圈層更不規則，且支線和環道的數量比68—90號樣帶多，說明該區域內的核心類聚集程度及綠色像元能量交換和物質交換范圍較第3圈層更優。同時，43—57樣區斑塊平均值比例比68—80號樣帶小。

整體上，外圈層81—91號樣帶連通性功能最好；在城市內部，連通性功能大小在西部樣帶呈現出第1圈層>第2圈層>第3圈層的趨勢，而東部樣帶則是第2圈層>第1圈層>第3圈層；在同一城市化發展梯度上，東部的樣帶結構連通性水平比西部要好。

4 討論

4.1 深圳市綠色景觀連通性動態特征及原因分析

1986到2010年間，深圳城市發展經歷了“快速擴張、提高整合、科學轉型”3個階段[48,50]，本次研究表明，期內深圳市綠色景觀及其連通性隨著城市化進程而變化，呈現出先減小后增加的趨勢。研究期內，深圳市綠色景觀對結構連通性貢獻最小的斑塊類型總數最大，呈現出破碎程度較高的狀態。轉移矩陣表明，深圳市綠色景觀處于劇烈波動中，一是大量初期綠色像元到期末轉為非綠色像元，說明城市化過程中去植被化或是植被覆蓋率降低。二是綠色景觀連通性類型內部轉化以向連通性意義高的類型轉化為主。

在時序分析的基礎上，本文從空間梯度上對連通性功能類型變化趨勢進行了研究，以細化城市發展階段對綠色景觀連通性影響。在外圈層，1—11號樣區對應寶安區公明中部及松崗北部，81—91號樣區對應大鵬半島，均為城市發展相對滯后區域[48,51]，區域間連通性功能類型的數量差異與地形及政策相關。寶安區遠離市中心且地勢平坦，支柱產業為工業，建設用地規模長期保持擴張趨勢。大鵬半島地形以山地為主，是深圳市生態環境重點保護區，政策的傾斜和城市發展限制[52]使得該區域內表現出優質的生態環境。第三圈層內東部(龍崗區龍崗街道)較西部(寶安區松崗街道)以斑塊為主的各類型數量都要多，說明受地形的庇護，東部植被覆蓋程度比西部好，但該圈層景觀連通性功能主要受城市化程度的影響。

在第2圈層，東西樣區的連通性功能類型數量存在較大差異。西部的龍崗、觀瀾及松崗，地勢平坦，在前期城市化過程中建設用地規模大幅提高[48]；而東部樣區穿過梧桐山脈，地勢相對較高，地形狹小[53]，加之梧桐山是深圳唯一的省級風景名勝保護區，連通性處于較高水平。

第1圈層穿過南山、福田及羅湖區，是深圳的城市中心，也是深圳市城市化進程的最高階段。其連通性功能比西部第2圈層優，但不如東部第2圈層是因為東部樣區位于鹽田區，其區域功能為港口及旅游區，具有成片的山體限制了建設活動在空間上的擴張，顯示出景觀較為聚集。

綜上所述，城市化發展階段、區域政策定位及地形因素是影響深圳城市連通性功能類型數量的主要因素，且地形因素影響顯著地區連通性。從不同城市化階段的空間梯度分析可知，在快速城市化地區植被覆蓋率和連通性功能均處于弱勢，而城市化達到一定程度后(第2圈層)地形因素超過了城市化進程對植被覆蓋和連通性的影響力，到高度城市化地區(第1圈層)，隨著城市對綠色景觀的保育與恢復，連通性得到提升。

4.2 MSPA方法應用

對比前人研究[46,54]的結論，印證了MSPA方法的實用性，且使用簡便，參數定義明確，能夠從空間聚集形態上直觀的辨出具有連通性意義的目標像元集，能夠明晰城市化過程中綠地景觀連通性的時空特征和動態變化，其研究結論對于城市景觀規劃、環境建設、生物多樣性保護和生態網絡規劃具有一定的參考價值。

采用整體連通性(IIC)和可能連通性(PC)對深圳市生態用地連通性的研究[55]得出了與本文時態趨勢相反的結論，原因一是其采用的基礎數據為地類數據，本文采用的全高覆被像元，不僅僅體現覆蓋類型也體現出覆蓋程度，從側面也表明深圳市生態用地雖數量減少，但覆蓋率有提高；二是IIC和PC的大小受研究尺度的影響，側重于市域尺度的整體連通性，而MSPA方法側重于各種不同連通性類型的空間分布。本研究表明核心景觀多出現在龍崗、鹽田和羅湖區，其他研究也表明該區域為深圳市生態安全格局中的“源地”的主要分布地[56]，說明MSPA方法的實用性。目前深圳已起草《深圳經濟特區園林綠化條例(修訂草案稿)》推進立體綠化在城市的推廣，在增加地區實證驗證的基礎上，該方法能夠為立體綠化布局提供參考，保護和改善連接和踏腳石等具有重要連接意義的區域，為生態城市規劃提供基礎信息。

相對景觀格局指數方法[57]，MSPA方法簡單，不需考慮指數之間的相關性。但像元(P)和邊緣寬度參數(S)的大小對連通性類型格局具有顯著影響，需根據研究區特點或者物種習性加以說明。結構連通性中，P的增大使得目標區信息的減少，且分析結果中核心景觀顯著減少。而相對S的增加，P的變化對核心景觀和邊緣類型的變化影響相對較小[45]。但不論S如何變化，給定P的情況下，結果始終保持精確[45]。對于具體的物種，其功能連通性研究的關鍵就在于S的確定[44]。本文通過先驗研究確定像元大小與邊緣寬度，在后續研究中，可進行多尺度對比研究，并結合不受景觀類型和尺度限制的圖論法等研究方法，深入了解景觀連通性的尺度效應。連通性格局對城市生態系統功能及服務價值均有影響，將本文研究成果與生態環境效應結合起來必將深化城市環境下景觀生態學格局-過程的理論與實證。基于LSMM與MSPA的綠色景觀連通性分析方法注重亞像元連通性與整體連通性的結合，但并未關注具體地類，對城市內部的核心景觀在生態安全格局中的重要程度仍需借助其他方法體現。

5 結論

本文根據LSMM方法提取深圳市高、全覆蓋的綠地像元作為城市綠色景觀，結合形態學空間格局分析方法(MSPA)，劃分出7種在城市生態環境下具有不同連通性功能的綠色景觀類型，通過分析其時序總體特征及空間梯度動態過程判定，揭示出城市化過程中城市綠色景觀連通性變化特征和影響因子。結果顯示，總體上具有連通性意義的綠色像元數量在時間軸上呈現出先減少后增大的變化趨勢；空間上綠色景觀連通性的高低受到城市化程度、地形因素以及區域定位影響；在同一城市化程度上，地形因素對景觀連通性的影響較大。從整體的時間變化和不同城市化階段的空間梯度分析可知，在快速城市化過程中植被覆蓋率和連通性功能均下降，到穩定城市化階段，城市對綠色景觀的保育與恢復使得連通性得到提升。研究加深了復雜城市景觀中，城市綠色景觀連通性時空動態特征與影響因素的理解。

[1] United Nations. World Urbanization Prospects, the 2011 Revision. [2013-06-08]. http://esa.un.org/unpd/wup/index.htm.

[2] 張小飛, 李正國, 王如松, 王仰麟, 李鋒, 熊俠仙. 基于功能網絡評價的城市生態安全格局研究——以常州市為例. 北京大學學報: 自然科學版 網絡版(預印本), 2009, (1): 54- 62.

[3] 陳輝, 古琳, 黎燕瓊, 慕長龍. 成都市城市森林格局與熱島效應的關系. 生態學報, 2009, 29(9): 4865- 4874.

[4] 陳莉, 李佩武, 李貴才, 蘇笛, 袁雪竹. 應用CITYGREEN 模型評估深圳市綠地凈化空氣與固碳釋氧效益. 生態學報, 2009, 29(1): 272- 282.

[5] 郭偉, 申屠雅瑾, 鄭述強, 王惟, 劉常富. 城市綠地滯塵作用機理和規律的研究進展. 生態環境學報, 2010, 19(6): 1465- 1470.

[6] Imai H, Nakashizuka T. Environmental factors affecting the composition and diversity of avian community in mid-to-late breeding season in urban parks and green spaces. Landscape and Urban Planning, 2010, 96(3): 183- 194.

[7] 孫賢斌, 劉紅玉. 基于生態功能評價的濕地景觀格局優化及其效應——以江蘇鹽城海濱濕地為例. 生態學報, 2010, 30(5): 1157- 1166.

[8] Alexis A A. Promoting and preserving biodiversity in the urban forest. Urban Forestry and Urban Greening, 2006, 5(4): 195- 201.

[9] Vergnes A, Viol I L, Clergeau P. Green corridors in urban landscapes affect the arthropod communities of domestic gardens. Biological Conservation, 2012, 145(1): 171- 178.

[10] McGarigal K, Cushman S A, Neel M C. Ene. E. FRAGSTATS: Spatial pattern analysis program for categorical. [2013-06-08]. http://www.umass.edu/landeco/research/fragstats/fragstats.html

[11] Pascual-Hortal L, Saura S. Comparison and development of new graph-based landscape connectivity indices: Towards the priorization of habitat patches and corridors for conservation. Landscape Ecology, 2006, 21(7): 959- 967.

[12] 岳天祥, 葉慶華. 景觀連通性模型及其應用. 地理學報, 2002, 57(1): 67- 75.

[13] Magle S B, Theobald D M, Crooks K R. A comparison of metrics predicting landscape connectivity for a highly interactive species along an urban gradient in Colorado, USA. Landscape Ecology, 2009, 24(2): 267- 280.

[14] Zipperer W C, Foresman T W, Walker S P, Daniel C T. Ecological consequences of fragmentation and deforestation in an urban landscape: a case study. Urban Ecosystems, 2012, 15(3): 533- 544.

[15] Minor E S, Urban D L. A graph-theory framework for evaluating landscape connectivity and conservation planning. Conservation Biology, 2008, 22(2): 297- 307.

[16] Urban D, Keitt T. Landscape connectivity: a graph-theoretic perspective. Ecology, 2001, 82(5): 1205- 1218.

[17] 富偉, 劉世梁, 崔保山, 張兆苓. 景觀生態學中生態連接度研究進展. 生態學報, 2009, 29(11): 6174- 6182.

[18] 吳昌廣, 周志翔, 王鵬程, 肖文發, 滕明君. 景觀連接度的概念、度量及其應用. 生態學報, 2010, 30(7): 1903- 1910.

[19] 蔡青, 曾光明, 石林, 梁婕, 黃璐, 韋安磊. 基于柵格數據和圖論算法的生態廊道識別. 地理研究, 2012, 31(8): 1523- 1534.

[20] 韓凌云, 徐振, 阮宏華, 瞿曉怡, 陳桂娟, 馮育青, 金裕華. 基于景觀圖論和生物能學的景觀演變分析方法. 生態學雜志, 2012, 31(6): 1597- 1604.

[21] Lookingbill T R, Elmore A J, Engelhardt K A M, Churchill J B, Gates J E, Johnson J B. Influence of wetland networks on bat activity in mixed-use landscapes. Biological Conservation, 2010, 143(4): 974- 983.

[22] 孫小芳, 盧健, 孫依斌. 基于分割的多尺度城市綠地景觀. 應用生態學報, 2006, 17(9): 1660- 1664.

[23] Vogt P, Ritters K H, Estreguil C, Kozak J, Wade T G, Wickham J D. Mapping spatial patterns with morphological image processing. Landscape Ecology, 2007, 22(2): 171- 177.

[24] Soille P. Morphological Image Analysis: Principles and Applications. Berlin: Springer-Verilog, 2003.

[25] Wickham J D, Riitters K H, Wade T G, Vogt P. A national assessment of green infrastructure and change for the conterminous United States using morphological image processing. Landscape and Urban Planning, 2010, 94(3/4): 186- 195.

[26] Metzger J P, Muller E. Characterizing the complexity of landscape boundaries by remote sensing. Landscape Ecology, 1996, 11(2): 65- 77.

[27] Metzger J P, Décamps H. The structural connectivity threshold: An hypothesis in conservation biology at the landscape scale. Acta Oecological, 1997, 18(1): 1- 12.

[28] Riitters K H, Wickham J D, O′Neill R, Jones B, Smith E. Global-scale patterns of forest fragmentation. Conservation Ecology, 2000, 4(2): 3- 3.

[29] Riitters K H, Wickham J D, O′Neill R V, Jones K B, Smith E R, Coulston J W, Wade T G, Smith J H. Fragmentation of continental United States forests. Ecosystems, 2002, 5(8): 0815-0822.

[30] Civco D L, Hurd J D, Wilson E H, Arnold C L, Prisloe M P. Quantifying and describing urbanizing landscapes in the northeast United States. Photogrammetric Engineering and Remote Sensing, 2002, 68(10): 1083- 1090.

[31] Vogt P, Ferrari J R, Lookingbill T R, Gardner R H, Riitters K H, Ostapowicz K. Mapping functional connectivity. Ecological Indicators, 2009, 9(1): 64- 71.

[32] Vogt P, Ritter K H, Iwanowski M, Estreguil C, Kozakd J, Soillee P. Mapping landscape corridors. Ecological Indicators, 2007, 7(2): 481- 488.

[33] 李鋒, 王如松. 城市綠色空間服務功效評價與生態規劃. 北京: 氣象出版社, 2006.

[34] 李二森, 張保明, 宋麗華, 余文杰, 唐德瑾. 線性混合模型的光譜解混算法綜述. 測繪科學, 2011, 36(5): 42- 44.

[35] 謝苗苗, 王仰麟, 李貴才. 基于亞像元分解的不透水表面與植被覆蓋空間分異測度——以深圳市為例. 資源科學, 2009, 31(2): 257- 264.

[36] Ridd M K. Exploring a V-I-S (vegetation-impervious surface-soil) model for urban ecosystem analysis through remote sensing: comparative anatomy for cities. International Journal of Remote Sensing, 1995, 16(12): 2165- 2185.

[37] Lu D S, Weng Q H. Spectral Mixture Analysis of the Urban Landscapes in Indianapolis with Landsat ETM+ Imagery. Photogrammetric Engineering & Remote Sensing, 2004, 70(9): 1053- 1062.

[38] Wu C S. Normalized spectral mixture analysis for monitoring urban composition using ETM+ imagery. Remote Sensing of Environment, 2004, 93(4): 480- 492.

[39] 張小飛, 王仰麟, 吳健生, 李衛峰, 李正國. 城市地域地表溫度-植被覆蓋定量關系分析——以深圳市為例. 地理研究, 2006, 25(3): 369- 377.

[40] 劉珍環, 王仰麟, 彭建, 謝苗苗, 李猷. 基于不透水表面指數的城市地表覆被格局特征——以深圳市為例. 地理學報, 2011, 66(7): 961- 971.

[41] Riitters K H, Vogt P, Soille P, Kozak J, Estreguil C. Neutral model analysis of landscape patterns from mathematical morphology. Landscape Ecology, 2007, 22(7): 1033- 1043.

[42] 鄔建國. 景觀生態學: 格局, 過程尺度與等級. 北京: 高等教育出版社, 2007.

[43] 賈寶全. 基于TM衛星影像數據的北京市植被變化及其原因分析. 生態學報, 2013, 33(5): 1654- 1666.

[44] Soille P, Vogt P. Morphological segmentation of binary patterns. Pattern Recognition Letters, 2009, 30(4): 456- 459.

[45] Ostapowicz K, Vogt P, Riitters K H, Kozak J, Estreguil C. Impact of scale on morphological spatial pattern of forest. Landscape Ecology, 2008, 23(9): 1107- 1117.

[46] Chang Q. Green Landscape Changes and Typical Ecological Responses in Urban Areas: A Case in Shenzhen [D]. Beijing: Peking University, 2008.

[47] Chang Q, Li M X, Li X, Wu J S. A RS-based gradient analysis of vegetation spatial temporal changes in Shenzhen City, China // International Conference on Remote Sensing, Environment and Transportation Engineering. Nanjing: IEEE, 2011: 29- 32.

[48] 王富海. 深圳城市空間演進研究 [D]. 北京: 北京大學, 2003.

[49] 烏日汗, 溫小榮, 趙海霞, 佘光輝. 基于RS和GIS的深圳特區綠地景觀動態分析及預測. 北京林業大學學報, 2010, 32(6): 42- 47.

[50] 王如淵. 深圳城市空間形態演變及其影響因素. 西華師范大學學報: 自然科學版, 2006, 27(4): 385- 390.

[51] 華中, 牛慧恩. 城市化水平測度方法與實證研究——以深圳市特區外地區為例. 城市規劃, 2003, 27(11): 34- 38.

[52] 尹強, 王佳文, 呂曉蓓. 新型城市發展觀引領深圳城市總體規劃. 城市規劃, 2011, 35(8): 72- 76.

[53] 卜心國, 王仰麟, 吳健生. 深圳快速城市化中地形對景觀垂直格局的影響. 地理學報, 2008, 63(1): 75- 82.

[54] 武劍鋒, 曾輝, 劉雅琴. 深圳地區景觀生態連接度評估. 生態學報, 2008, 28(4): 1691- 1701.

[55] 吳健生, 劉洪萌, 黃秀蘭, 馮喆. 深圳市生態用地景觀連通性動態評價. 應用生態學報, 2012, 23(9): 2543- 2549.

[56] 吳健生, 張理卿, 彭建, 馮喆, 劉洪萌, 赫勝彬. 深圳市景觀生態安全格局源地綜合識別. 生態學報, 2013, 33(13): 4125- 4133.

[57] 聶娟, 王薇, 張寶軍. 深圳市土地覆蓋格局空間變化研究. 國土資源遙感, 2009, 21(3): 84- 87.

Landscape connectivity dynamics of urban green landscape based on morphological spatial pattern analysis (MSPA) and linear spectral mixture model (LSMM) in Shenzhen

CAO Yikun1,2, FU Meichen2, XIE Miaomiao2,*, GAO Yun2, YAO Siyao2

1HaidianDistrictHousingAuthorityofBeijing,Beijing100193,China2SchoolofLandScienceandTechnology,ChinaUniversityofGeosciences,Beijing100083,China

Urban area is the main environment where human are living. The stability of internal ecosystem of a city is highly relevant with its sustainable development. Besides, the connectivity of urban green landscapes is a symbol of the integrity and stability of regional ecological functions. Urbanization has brought a dramatic transformation to urban landscape connectivity. The research on the dynamic changes of landscape connectivity is not only significant to the stability of an urban ecosystem, but also provides a basis for regional biodiversity conservation, urban planning, and land use planning and management. However, current connectivity indicators have obvious limitations, for example, indices over different landscape patterns may show familiar values; graph theory requires a human interpretation because of redundancy data, and research on large-scale landscape may cause data extinction during processing. In this paper, Linear Spectral Mixture Model (LSMM) was integrated into Morphological Spatial Pattern Analysis (MSPA) to evaluate the spatial and temporal dynamics of green landscape connectivity in Shenzhen. According to the urban landscape characteristics and MSPA theory, 7 types of connectivity were defined for urban green landscapes, and then the change features among different urbanization gradients were analyzed. We defined urbanization gradients as three different circle layers based on urbanization density, with a decrease of dense values from the first circle to the third. The main steps followed: 1) LSMM was applied to extract the vegetation coverage information from multi-temporal Landsat TM images. On that, the high and full covered vegetation pixels were defined as the foreground pixels (green landscape) in MSPA approach. 2) 7 types of connectivity were utilized to reveal the temporal and spatial variations of green landscapes in the process of urbanization. The results demonstrated that: 1) over 27% of green landscapes in Shenzhen did not contribute to connectivity during 24a. 2) The transition matrix of connectivity-pattern categories from 1986 to 2010 indicated that the connectivity areas were sharply fluctuated during 24a, and the majority of classes changed into non-green landscapes. Except for the core category, the areas of other connectivity categories showed an upward trend. The connectivity of internal urban landscapes showed different trends between eastern part and western part, and, the Dapeng Peninsula in the third circle showed the best connectivity among the whole city. The peak interval of connected categories showed that the eastern part of Shenzhen had more connectivity providers than the western part. 3) The overall connectivity of Shenzhen′s green landscapes followed a change of ″decrease-increase″ in sequence. Comparing with Shenzhen′s urbanization process, it is proved that the quantity and connectivity of green landscapes were affected by the following factors: urbanization level, topographic factor and regional policy. Additionally, it is found that the topographic factor had the greatest influence within the same urbanization level. The results from temporal variations and spatial gradients demonstrated that both vegetation coverage and connectivity showed a downward trend in rapid urbanization process, while the two have been improved in steady urbanization stage. The experimental results prove that the jointly analytical framework is efficiently applied to reveal the spatial and temporal dynamics of connectivity characteristics for urban green landscapes during the process of urbanization. Furthermore it enables us to know the relationship between urbanization and urban green landscape connectivity. This research can be applied in practice and provide benefits for monitoring urban green landscapes.

urban green landscape; landscape connectivity; morphological spatial pattern analysis; Shenzhen

國家自然科學基金青年基金(41101175)；國家自然科學面上基金(41171440)資助

2013- 06- 10;

2014- 07- 03

10.5846/stxb201306101563

*通訊作者Corresponding author.E-mail: xmiaomiao@gmail.com

曹翊坤，付梅臣，謝苗苗，高云，姚思瑤.基于LSMM與MSPA的深圳市綠色景觀連通性研究.生態學報,2015,35(2):526- 536.

Cao Y K, Fu M C, Xie M M, Gao Y, Yao S Y.Landscape connectivity dynamics of urban green landscape based on morphological spatial pattern analysis (MSPA) and linear spectral mixture model (LSMM) in Shenzhen.Acta Ecologica Sinica,2015,35(2):526- 536.