基于二維與三維信息的南京市主城區生態網絡格局對比分析

費 凡,尹海偉,*,孔繁花,陳佳宇,劉 佳,宋小虎

1 南京大學建筑與城市規劃學院, 南京 210093 2 南京大學國際地球系統科學研究所, 南京 210023 3 寧夏大學土木與水利工程學院, 銀川 750021 4 江蘇省測繪工程院, 南京 210013

隨著城市化進程的不斷推進,人類高強度的開發建設活動導致土地利用格局及下墊面性質發生明顯改變,致使城市生態系統的完整性遭到破壞,綠地生境斑塊的破碎化、島嶼化程度逐漸增大[1- 2],從而隔離了物種在不同斑塊之間的空間運動,降低了城市生態系統的生態調節功能,對城市的生物多樣性造成嚴重威脅[3- 5]。人與自然是生命共同體,國土空間開發保護和城市規劃建設必須尊重自然、順應自然、保護自然。目前,現有的國家政策及諸多學者都提倡通過推進生態文明建設、構建生態廊道(Ecological corridors)及生態網絡(Ecological networks)等措施來恢復破碎生境斑塊之間的連接[6- 8],進而提高景觀的連接度,增加種群及生境間的功能聯系,維持景觀生態格局的完整性和穩定性,維護自然生態系統的質量和保護生物多樣性[9- 11]。

近年來,國內外學者對生態網絡的構建方法進行了大量探索,1992年Knaapen提出最小費用路徑法(Least-cost path method, LCP,又稱最小累積阻力模型,Minimum cumulative resistance,MCR)[12],通過計算物種從“源”斑塊出發經過不同阻力的景觀類型所消耗的“費用”或克服阻力所做的功來模擬潛在的最小成本路徑。最小費用路徑方法可以快速識別出物種擴散的最優路徑,因其所需數據簡單、計算方便且結果直觀而被廣泛采用;但該方法也存在忽略物種在擴散過程中隨機游走的特性、不能明確廊道的具體范圍和關鍵區域等局限性[13- 14]。2007年,McRae等[15]將源自物理學中的電路理論(Circuit theory)原理應用到景觀生態學、景觀遺傳學等領域,借助電路中電子自由流動的特性,來類比模擬生物流或基因流在異質景觀中的遷移擴散過程,并通過計算電路中的電流密度(運動密度)來識別生態廊道和生態關鍵節點。該理論能夠整合生態源地之間的多條可替代路徑,模擬出景觀格局中的整體連接情況,與物種運動的實際狀態更加相符[14,16],目前已有一些運用該理論進行生態網絡構建的有益探索[16- 18]。

基于電路理論與最小費用路徑法的生態廊道構建過程較為相似[19],都需要進行源地(節點)的識別與阻力面(電阻面)的確定。目前源地的提取與阻力面的賦值多基于遙感影像解譯獲取的土地利用/覆蓋數據來設置,其中源地大多根據綠地斑塊的面積來確定,阻力面值則多根據土地利用/覆蓋類型來設定[14,20]。然而,基于遙感影像數據得到的信息多為二維信息,并未考慮生態學意義上的三維植被結構及其相關的生境質量,因而導致一些有價值的信息被忽略[21]。LiDAR(Light Detection And Ranging,激光雷達)作為一種主動遙感技術,可以通過激光掃描來遠距離獲取研究目標的三維坐標數據及相關信息[22],具有精度高、受外部影響較小、穿透性較強等特點,其發射的脈沖信號能夠穿透冠層表面的狹小縫隙,因而特別適合用于植被三維結構相關信息的獲取,進而推動了當前城市綠地研究由二維平面向三維立體方向不斷發展[23]。盡管目前LiDAR數據已廣泛應用于三維植被信息的提取與測算,但將三維植被信息融入生態網絡構建及其景觀連通性評價方面的研究尚不多見。

本文以南京市主城區為例,基于高分辨率遙感影像與機載激光雷達數據分別獲取了研究區的二維與三維綠地植被信息,采用最小費用路徑與電路理論方法,分別構建了二維與三維情景下的生態網絡,并對兩種情景下構建結果的差異情況進行了對比分析,以期為研究區內生態網絡的規劃建設與格局優化提供一套科學的分析框架,從而實現研究區自然生態系統的整體修復與功能綜合提升。

1 研究區概況

南京市作為我國東部地區重要的中心城市,生態資源豐富,擁有較多生態質量較高的森林公園、綠地與湖泊,植被種類、結構復雜多樣。但由于近些年來城市規模的不斷擴大與建設用地的高強度開發,原有的生態空間逐漸遭到蠶食。南京市主城區作為城市建設發展的核心區,綠地景觀的連通性大幅降低,城市生物多樣性受到威脅。因而,亟需進行生態網絡的構建與修復,以提升其生態系統的完整性與穩定性。本文選取南京市主城區作為研究區(圖1),并依據數據源對部分邊界進行了修正。研究區范圍內主要包括鼓樓區、玄武區和秦淮區的大部分,棲霞區、建鄴區和雨花臺區的部分地區,面積約為218km2。

2 數據與研究方法

2.1 數據來源與預處理

本研究首先將機載LiDAR數據進行航帶拼接、去重疊、剔除噪聲點、分類地面點及歸一化計算等預處理,并將點云數據與IKONOS數據進行空間配準,使得所有數據具有相同的地理與投影坐標系統。然后,使用IKONOS數據的近紅外波段,計算歸一化植被指數(Normalized Difference Vegetation Index,NDVI),提取NDVI值大于0.2的區域作為植被區域(圖1)[24- 25],并結合人工目視解譯對局部區域進行修正。最后,使用修正后的植被區域作為掩膜,從預處理好的LiDAR數據中提取出植被的三維點云數據。

圖1 研究區及研究數據概況Fig.1 Study area and research data overview

2.2 研究方法

本文的技術路線如圖2所示,具體的研究方法分別從以下4個方面進行闡述。

圖2 技術路線圖Fig.2 Methodology flow chart

2.2.1基于LiDAR三維點云數據的植被結構參數提取

本文基于提取的植被三維點云數據,從垂直結構、水平結構和整體結構3個方面共計算了6項三維植被結構參數[26- 27](表1,圖3)。

表1 通過LiDAR點云數據提取的植被結構參數

其中,垂直結構參數中的冠層高度(Canopy height,CH)與冠層高度異質性(Canopy height heterogeneity,CHH),可用來表征植被生境的復雜性與物種多樣性[33-34]。水平結構參數中的冠層蓋度(Canopy cover,CC),可反映植被生長的茂密程度[30];由于生境斑塊的面積大小對區域生物多樣性具有重要影響[1],因而本文也將斑塊面積(Patch area,PA)作為水平結構的參數之一。在整體結構中,葉高多樣性(Foliage height diversity,FHD)是描述植被剖面中葉片的密度和高度分布的指標,其值越高,代表植被在垂直層面上分布得越均勻,該參數與部分物種的生物多樣性呈顯著相關[31];三維綠量(Green volume,GV)是指植物莖葉部分所占據的體積,與傳統二維面積指標相比,能夠從三維角度更好地描述植被的空間結構,更精確地表征植被的生態效益水平及物種群落的豐富程度[35]。本文采用分層測算法,分別計算草地層(0—0.5m)、灌木層(0.5—2m)與喬木層(大于5m)的體積,并將三者相加得到最終的三維綠量[25,32]。其中,草地層與灌木層體積是通過每個斑塊的平均高度與斑塊面積相乘而得,斑塊面積采用LAStools工具包中的lasboundary工具進行計算;喬木層體積是通過對喬木點云進行單木分割,得到單木的樹高與冠徑數據,進而參照相關文獻的參數設定進行計算而得[25]。

2.2.2基于景觀連通度指數的生態源地提取

首先,基于ArcGIS 10.2與Conefor Sensinode 2.6軟件平臺,剔除掉不適宜物種長期生存的破碎細小斑塊,選擇面積大于1hm2的綠地作為輸入斑塊,在二維與三維兩種情景下分別選取斑塊面積與斑塊綠量表征其生境質量。然后,依次進行整體連通度指數(Integral index of connectivity,IIC)與可能連通度指數(Probability of connectivity,PC)的參數設定與計算(表2)。其中,斑塊連通距離是判斷兩個斑塊是否相連接的距離閾值;連通概率則指生境斑塊之間連接的可能性大小。本研究參照相關文獻[36],結合研究區的范圍與大小,將斑塊連通距離閾值設置為1000m,連通的概率設置為0.5,計算綠地斑塊的景觀連通度指數。最后,將dIIC指數與dPC指數賦予相同的權重,計算得出斑塊的重要性指數dI(公式1)。為了確保兩種情景下提取的生態源地數量一致以便之后的對比分析,本文均提取斑塊重要性指數前20%的斑塊作為生態源地,并對照遙感影像圖,分析了其差異情況(圖4)。

《中國經濟周刊》記者致電瑞華所，試圖了解當時瑞華所與天成控股的溝通事宜，以及天成控股在這次審計完成后不再續約的原因。瑞華所答應接受采訪后，記者發出采訪函。數日之后，瑞華所又拒絕了采訪。

dI=0.5dIIC+0.5dPC

(1)

2.2.3基于最小費用路徑的生態廊道構建

景觀阻力面的科學構建需要綜合考慮景觀類型、植被結構、人為影響程度等因素[1,11,20]。因而,本文采用公式2來計算景觀阻力值。首先,將研究區的景觀類型劃分為綠地、水域、農田、裸地、道路及建設用地6種類型。然后,綜合考慮不同物種的生活習性,參考相關文獻[1,20,37- 38],進行不同景觀類型基準阻力值的設定(表3),并對斑塊內部不同的屬性進行分級,確定相應的阻力系數(表4)。

Ci=Mi·∏Wi

(2)

式中,Ci為斑塊i的景觀阻力值,Mi為斑塊i對應的景觀類型的基準阻力值,Wi為斑塊i的第j個屬性分級后的景觀阻力系數[20]。

圖3 通過LiDAR點云數據提取的植被結構參數Fig.3 Vegetation structure index derived from LiDAR point cloud data

表2 基于圖論的景觀連通度指數

表3 不同景觀類型的基準阻力值

阻力面分別基于二維與三維信息兩種情景來進行構建。在二維情景中,綠地斑塊的景觀阻力系數僅考慮斑塊面積屬性,而在三維情境中,綠地斑塊的景觀阻力系數則由6種植被結構參數共同決定。由于城市建成區是具有高度異質性的區域,建成環境的空間異質性會對生物棲息與遷移產生重要影響,因而本文計算了研究區每1hm2地塊(100m×100m)內的建筑密度與容積率,用以表征建成環境對生物生境的潛在影響。水體與道路的景觀阻力值則分別由面積大小與道路等級來設定。根據公式(2)分別得到二維和三維兩種情景下的景觀阻力面(圖5)。最后,分別結合之前提取出的兩類生態源地,基于ArcGIS軟件平臺工具箱Linkage Mapper Toolkit進行最小費用路徑模擬,得到研究區兩種情景下的生態廊道矢量路徑(圖6)。該工具箱由McRae等人研發,最早應用于野生動物棲息地的連通性分析,可以進行最小費用廊道的繪制,并允許調用Circuitscape程序進行電路理論等的相關分析[18]。

表4 不同景觀類型的阻力分級表

2.2.4基于電路理論的生態關鍵節點區域識別

在電路理論中,一個區域內電流密度越大,則表示物種通過該區域內的可能性越大或者選擇頻率越高。生態關鍵節點是指廊道中的瓶頸點或窄點,在這些區域中,電流密度較大,即使出現小面積的破壞也會對廊道的連通性造成很大損失[39- 40]。這些節點具有較強的不可替代性,處于生態廊道中的關鍵地位,具有重要生態價值。

基于電路理論,運用Linkage Mapper Toolkit工具箱中的Pinchpoint Mapper模塊,將二維與三維兩種情景下的不同景觀阻力值視為電阻值,將一個生態源地接地,其他所有源地分別輸入1A的電流,并選擇“all to one”模式進行迭代運算,得到研究區生態廊道的累積電流密度圖(圖7)。相關研究表明,廊道寬度不會改變關鍵節點的位置,也不會影響整個研究區的連接性[18,39]。因而本文為了結果顯示更直觀,設置10000m的成本加權距離作為廊道寬度。

3 結果與分析

3.1 生態源地的分布與差異

生態源地是城市生態網絡中的核心構成要素,其作為生物物種生存繁衍的重要棲息地,具有非常重要的生態意義。由圖4可見,研究區共提取出77個生態源地斑塊,適宜生物生存棲息的生態單元大都集中于研究區北部,中部及南部城區的生態斑塊較少。這與研究區內部的城市化發展水平與自然環境相關。北部地區地形起伏相對較大,存在較多的山脈與水系,形成了豐富的城市公園與綠地,整體綠化水平較高;南部地區城市化發展水平較高,人口密度大,景觀破碎化程度高,因而生態源地數量相對較少。

圖4 兩種情景下生態源地的提取結果與差異圖Fig.4 Extraction results and difference of ecological sources in two scenariosa、b、c、d: 面積屬性提取；e、f、g、h: 三維綠量屬性提取

圖5 兩種情景下的景觀阻力面圖Fig.5 Resistance surface in two scenarios

對比兩種情景下提取出的生態源地,可以發現共有11處差異,占總源地數的14%。其中二維情景下通過斑塊面積提取出的生態源地斑塊面積約為4149hm2,占綠地總面積的61%;三維情景下通過斑塊綠量提取出的生態源地斑塊面積約為4115hm2,整體上的面積差異較小。但差異斑塊二維情景下的平均阻力值為19.3,而三維情景下的平均阻力值僅為5.5,表明三維情景提取出的生態源地斑塊在生態質量表征方面更為準確。由高分辨率遙感影像可以看出(圖4),在這些差異斑塊中,屬于通過面積屬性提取的多集中于研究區的東部,斑塊面積相對較大,但內部多以草地為主,垂直結構較為簡單,生態價值相對不高;而通過三維綠量屬性提取的差異斑塊多集中于研究區的中部,內部喬木或灌木較為豐富,垂直結構相對復雜,生態價值相對較高(圖4)。

3.2 生態廊道的分布與差異

生態廊道的準確識別對于前瞻性地保護生物的擴散路徑具有重要實踐指導意義。由圖6可見,兩種情景下研究區東北部及中部區域的生態廊道均較為密集,景觀連通性較好。這主要是因為東北部與中部區域存在較多可以發揮踏腳石功能的小型綠地斑塊,且東北部生態源地較多,使得生態廊道的長度相對較短,密度較大,形成了聯系緊密的生態網絡結構。西南部有較大的廊道真空區域,主要是由于該地區缺乏發揮踏腳石功能的生態斑塊,使得斑塊之間距離較遠而無法形成有效連接。

圖6 兩種情景下生態廊道的模擬結果圖Fig.6 Simulation results of ecological corridors in two scenariosa1,b1: 東北部；a2,b2: 中部區域; a3,b3: 西南部; a4,b4: 西北部; a5,b5: 東部區

二維與三維情景下構建的生態廊道分別有137條與129條,平均每條廊道的單位距離阻力值分別為18.2與24.0。三維情景生態廊道的整體空間分布情況相較二維情景來說,數量有所減少,成本阻力值有所增加,廊道減少的區域主要位于研究區西北部與東部地區。這一方面是因為兩種情景下生態源地的不同導致廊道位置發生變化,另一方面是由于部分綠地經過三維植被結構指數的細分之后,生態價值有所降低,致使二維情景下得到的部分廊道在三維情景下并不能承載相應的生態功能,未能形成有效的生態連接,且使得三維情景下的廊道阻力值有所增加(圖4)。

兩種情景下模擬的生態廊道差異最為明顯的區域位于研究區的西北部區域,在二維情景下該處的廊道密度明顯高于三維情景。這主要是因為該區域屬于城市高密度建成區,現狀植被較少且植被結構多為草地,缺乏生態質量較高的復合植被結構斑塊作為生態源地及踏腳石,整體的生態效益較低,景觀連通性也較差。這說明二維情景不能很好地區分綠地斑塊的生態價值差異,導致研究區部分區域的景觀連通度水平被高估。

3.3 生態關鍵節點區域的識別

兩種情景下,生態關鍵節點的空間分布情況基本一致。由電流密度圖(圖7)可以看出,關鍵節點主要集中于西北部、中部以及東南部。其中,西北部的關鍵節點位于獅子山與象山的生態廊道上,其間存在兩處小型綠地可以充當動物遷移的踏腳石,因而電流密度較大;中部的關鍵節點位于玄武湖與鼓樓公園附近,其中玄武湖附近的關鍵節點主要是由于湖面較大,物種擴散的路徑受到限制,而鼓樓公園為周邊高密度建設區之中少有的綠地公園,成為物種遷徙所選擇的高概率區域;東南部地區由于源地斑塊較為分散,且該區域僅有河流水系及兩岸的綠地具有一定的生態價值,因而河流沿線的電流密度較高,被識別為生態關鍵節點區域。另外,研究區部分源地斑塊之間相距較近,從而使其之間的通道成為擴散概率較高的區域,被識別為生態關鍵節點。

圖7 兩種情景下生態關鍵節點的識別結果與電流密度圖Fig.7 Identification results of key ecological nodes and current density in two scenarios

4 生態網絡結構優化的對策與建議

4.1 生態源地的補充與提升

在研究區南部源地真空區域應注重源地數量的補充,對原有生態空間進行系統修復,并提升已有綠地公園的生境質量,形成結構緊湊、聯系緊密的生態網絡體系,綜合提升其生態系統服務功能。另外,對研究區生態源地進行分級管控,提升其生境質量。對于生境質量較高的斑塊(如紫金山、玄武湖公園等),應保持其用地范圍不被侵占、用地類型不被變更,并在一定緩沖區范圍內禁止任何破壞性的開發建設活動;對于識別出的植被結構較為單一、生境質量一般的斑塊,應注重生態空間的復合利用,通過多層次植物群落的營建增加垂直結構的生態位,進而提升其生境質量與生物多樣性水平;對于源地斑塊的邊緣區域,應盡可能減少景觀中的硬質邊界,從而減少物種穿越景觀的阻力[41]。

4.2 生態廊道結構的優化

對在二維情景下存在但在三維情景下不存在、具備成為高質量生態廊道建設潛力的區域,應注重對既有綠地斑塊的保護,豐富斑塊內部的植被群落結構,提升其生境質量。另外,應加強這些廊道區域內的用地管控,以保證生態廊道具有一定的寬度。這些廊道區域主要為河道或道路兩旁的綠帶,應將其納入城市藍線與綠線范圍,進行嚴格管控;對于距離較近生態斑塊之間的廊道連接,應積極開展生態修復綜合措施,如建設動物遷徙時的專門通道[1],使功能性連接轉變為結構性連接,從而增強生態連接的有效性和生態網絡的穩定性。

4.3 踏腳石斑塊的建設與保護

踏腳石斑塊是指位于大型源地斑塊之間,由一系列小型斑塊構成的生物遷徙的中轉站,增加踏腳石斑塊可有效提高景觀中的連通程度[42]。從整體來看,研究區南部的廊道比北部的少而且連接路徑過長,說明缺乏必要的踏腳石斑塊,在今后的規劃建設中應多增加口袋公園、濕地水域等多種類型的生境斑塊,降低源地斑塊的離散程度,提高整體的廊道密度與聯系強度。另外,兩種情景下電路理論的模擬結果均表明生態關鍵節點主要位于西北部的象山與獅子山連接處、中部的鼓樓公園附近及東南部雨花臺周邊等地,應在這些區域加強踏腳石斑塊的重點保護與格局優化。

5 結論與討論

5.1 結論

本研究利用機載激光雷達數據,構建多個三維層面上的植被結構指標,對南京市主城區的綠地進行了量化評價,并借助景觀連通性指數、最小費用路徑方法和電路理論,科學提取了生態源地、生態廊道以及生態關鍵節點,并分析了傳統二維情景與三維情景下模擬結果的差異。結果表明：使用三維植被參數可以更準確地識別具有豐富植被結構的生態源地;運用傳統二維信息的模擬結果會在一定程度上高估景觀連通性;不同情境下生態關鍵節點的空間分布格局基本一致,主要集中在研究區的西北側、中部以及東南側,并大多出現在距離較近的源地斑塊之間。研究結果可為南京市主城區生態網絡的規劃建設提供參考依據,對三維綠地景觀連通性的研究也具有一定的借鑒意義。

5.2 討論

目前關于城市生態網絡的構建與模擬的研究大多基于二維數據信息,未能很好地考慮植被三維結構信息所表征的多元生態位對生境質量的影響,致使生態網絡的功能有效性有所降低。城市物種的豐富度與植被垂直結構的復雜性呈正相關[43]。同時,植被垂直結構對于斑塊之間的連接性亦非常重要,因為生物并非在二維空間中移動,而是通常會利用植被結構的一個或多個層次,故忽略植被的三維結構信息可能會導致斑塊之間連通性的較大偏差[44]。本文研究結果表明使用三維植被結構數據可以獲取更加準確的生態源地信息,而使用傳統二維數據信息則會高估綠地景觀的連通性,這與國外的一些研究結果相吻合[24]。因而,基于三維植被結構數據信息準確量化生態斑塊的生境質量,進而修正生態源地的選取和景觀阻力面的構建,是未來生態網絡研究的重要發展趨勢。

不同物種的擴散距離和對不同植被群落結構與土地利用類型的適應程度均存在顯著差異,因而需要針對不同物種來分別設置不同的距離閾值和景觀阻力值。然而,本研究由于缺乏研究區生物多樣性的詳細觀測數據與資料,在生態網絡構建時未選取焦點物種,也未考慮物種間的差異,會對分析結果產生一定的影響。因此,在今后的研究中,應重視生物多樣性數據資料的收集與整理,并選擇焦點物種進行實證研究,以期不斷完善本文構建的分析框架與方法體系,進一步驗證生態網絡模擬結果的科學性與有效性。