中文 
English 
Integrated Recognition and Feature Analysis of the Key Areas of Green Space Ecology in Dongting Lake Region
-
摘要: 以洞庭湖区为研究对象，在3S技术支持下，利用生态系统服务功能量评估法、生物多样性综合指数评价法及形态空间格局分析法对绿地生态关键区进行综合识别及特征分析。结果表明：洞庭湖区绿地生态关键区空间分布不均衡，其主要分布在研究区的西北部、西南部、东部、中部；由林地、灌丛、园地、草地、水域构成，其中林地面积为8415.18 km2，灌丛面积为3410.31 km2，水域面积为1922.27 km2，这三者面积之和为绿地生态关键区总面积的95.90%，为研究区总面积的30.32%；关键区中的林地与灌丛的平均海拔高度分别为371.6、402.6 m，主要位于研究区内的山区，生物资源丰富；关键区中的水域平均海拔高度为33.5 m，主要为研究区中部的洞庭湖湿地，其周围的平原区域几乎无关键斑块分布，生态风险较高。研究结果能为洞庭湖区国土空间规划、绿地生态网络的构建提供参考。Abstract: Taking Dongting Lake region as an example, with the support of 3S technology, identified the key areas of green space ecological network and analyzed their features with the methods of comprehensive evaluation of ecosystem service, comprehensive evaluation of biodiversity index and morphological spatial pattern analysis. The results showed that the spatial distribution of the key green space ecological areas in Dongting Lake region was unbalanced. They were mainly distributed in the northwest, southwest, east and middle of the study region. It consisted of forest land, shrub land, orchard land, grass land and water areas. The area of forest land, shrub land and water areas was 8415.18, 3410.31 km2 and 1922.27 km2 respectively, the sum of the 3 areas accounted for 95.9% of the key areas, and 30.32% of the total area of the study region. The average altitude of forest land and shrub land was 371.6 m and 402.6 m respectively, which were mainly located in the mountainous area and rich in biological resources. The average altitude of the water area was 33.5 m, which was mainly made up Dongting Lake wetlands in the middle of the study region. There were almost no key patches in the surrounded plain region, the ecological risk of this region was high. The results can provide references and scientific instructions for the spatial planning of national land and the building of green space ecological network in Dongting Lake region.
-
Keywords:
- ecosystem /
- green space /
- ecologically key area /
- recognition /
- character /
- Dongting Lake region
-
城乡建设及社会经济发展带来的环境污染、生态系统质量和服务功能下降、生物多样性降低、生态空间破碎化问题形势严峻[1]。研究表明[2-4]，绿地生态网络能有效缓解上述生态环境问题，其能形成一个自然、高效、连续、多样并具有较强自我调节能力的完整生态系统[5-6]，能有效保障生态系统质量和稳定性、实现生态系统服务的空间流动[7-8]、提升生物多样性，让人类获得持续的自然服务[9]。而构建绿地生态网络的难点工作是科学识别区域生态关键区[1, 10]。
生态关键区或称生态源地，是指对维护区域生态安全和可持续发展具有重要价值的生态用地[11-12]。早期研究[13-14]大多直接将政府部门划定自然保护地、湿地公园、风景名胜区、森林公园、大型林地等确定为生态关键区，这是一种较为便捷的方法，但忽略了斑块的内部差异及区域设定后各类干扰下的生境动态变化；近年来，对于生态关键区的识别，理论探索主要集中在生态系统服务[15]、生物多样性保护[16]、景观格局[17]以及生态风险防范[18-19]几个方面。研究方法层面，采用当量因子法对生态系统服务价值进行评价[20]较为普遍，当量因子法以专家评价结果得出的当量因子表为基础可以实现对生态系统服务价值的核算，不足之处是其作为一种静态的评估方法，对生态系统质量状况的时空差异缺乏考虑；或是采用生物物种监测分析法及MaxENT模型分析法[21]从生物多样性的角度进行分析，然而这两种方法所需数据获取难度大且数据量需求多；或是采用景观格局分析法对景观结构组分和空间配置特征进行评价[22]，但是其仅强调了景观格局。结合生态学、景观生态学理论来看，只从生态系统服务、生物多样性、景观格局的单一层面对绿地生态关键区进行识别会导致研究结果的片面性。
本研究以快速城市化的洞庭湖区为研究对象，以科学性和全面性为着眼点，采用综合识别方法判定生态关键区。通过功能量评估法对研究区的生态系统服务功能进行评估、利用综合指数法对生物多样性进行评价、借助形态空间格局评价法对斑块重要性进行分析，根据划定的评价等级结果，将生态系统服务重要区、生物多样性保护热点区、形态空间格局重要区进行融合处理，得到研究区绿地生态关键区，并在此基础上分析其特征。研究结果能为区域绿地生态网络的构建提供基础、为区域国土空间规划与生态环境保护提供依据。
1. 研究区概况
洞庭湖区（27°58′～30°08′N，110°29′～114°09′E）位于长江中游以南，湖南省北部。行政区划上，包括岳阳、常德、益阳3市所辖的21个县市区，面积45330 km2。区域内的洞庭湖为中国第二大淡水湖泊，联合国教科文组织于1992年将东洞庭湖湿地、1994年将西洞庭湖与南洞庭湖湿地列入《国际重要湿地名录》[23]。以洞庭湖为中心，向周边依次过渡为河湖冲积平原、丘陵岗地、山地，区域地貌总体为一碟形盆地[24]。该地区海拔高度在24～2077 m之间，其中平原地区海拔大多在30～50 m间；属北亚热带季风湿润气候区，四季分明，年平均温度在16.4～17.0 ℃，年无霜期260～280 d，年平均辐射总量在418.7～455.6 kJ/cm2间，年平均降水量在1200～1550 mm间；区域内有丰富湿地植物，优势种为禾本科及莎草科，森林植物类型主要有亚热带常绿阔叶林、常绿针叶林、落叶阔叶林、针阔混交林、常绿落叶混交林及竹林，年最大植被覆盖率在0.73左右[25]；区域水网密集，主要的成土母质为冲积湖积层、土质肥沃，是全国著名的鱼米之乡[26]。近年来，随着区域城市化进程的加速，出现了生态用地破碎化、生态斑块连接度降低等问题，对区域生态安全造成了威胁[27]。
2. 材料与方法
2.1 数据来源及处理
2.1.1 土地利用数据
本研究采用的洞庭湖区2018年Landsat 8 OLI遥感影像数据来源于地理空间数据云（www.gscloud.cn），分辨率为30 m。根据《土地利用现状分类》（GB/T 21010—2017）[28]，利用 ENVI软件对影像进行几何校正及大气校正，采用支持向量机的方法进行监督分类，将洞庭湖区划分为林地、灌丛、园地、草地、水田、旱地、水域、建设用地、未利用地9大土地利用类型，得到研究区2018年土地利用类型图（图1）。通过外业调查、Google Earth高分辨率遥感影像及土地利用现状图的比对，对分类结果进行精度验证，结果显示总体精度为86.2%，Kappa系数超过0.83，达到研究所需。
2.1.2 其他主要数据
本研究中其他数据来源及精度见表1。
表 1 其他主要数据来源及精度Table 1. Sources and accuracy of other main data数据名称 数据来源 精度 数字高程数据（DEM） 中国科学院遥感与数字地球研究所 30 m 植被覆盖度（VC） 全国生态环境调查与评估数据库 250 m 植物净初级生产力（NPP） 全国生态环境调查与评估数据库 250 m 地上生物量（AGB） 全国生态环境调查与评估数据库 250 m 土壤属性数据 寒区旱区科学数据中心 1 km 气温、降雨量 中国气象局 0.05° 降雨侵蚀力 北京师范大学 气象站点 氮磷污染物负荷数据 相关文献、研究区生态环境部门 县域 2.2 生态系统服务功能视角下的重要区识别
在3S技术支持下，采用功能量评估法在栅格像元尺度上评估各生态系统服务功能，并以此为基础识别生态系统服务综合功能重要区。结合洞庭湖区的生态功能定位，选取的生态系统服务及具体方法如下：
1）水源涵养。水源涵养量通过水量平衡方程计算得到。以水量的输入量和输出量为依据，将降水量与蒸散发量以及地表径流量的差值做为水源涵养量[29]，公式如下：
${Q_{\rm wc}} = (P - R - {\rm AET}) \cdot A$
(1) 式中：Qwc为水源涵养量（m3/a）；P为降雨量（mm/a）；R为地表径流量（mm/a）；AET为蒸散发量（mm/a）；A为面积（m2）。
2）水质净化。生态系统能通过一系列生物物理过程对进入水体中的污染物进行吸附、转化、吸收等，从而使水质得到净化[15]。本研究采用InVEST模型中的“NDR”模块计算生态系统持留N、P的能力，来表征生态系统的水质净化功能。其原理如下：
${Q_{{\rm wp,}i}} = {\rm Loa}{{\rm d}_i} \times {\rm RP}{{\rm I}_i} - {\rm{EX }}{{\rm P}_i}$
(2) 式中：Qwp,i为栅格i的对于N、P的净化量（kg/hm2），Loadi为栅格i的污染物负荷值（kg/hm2）；RPIi为栅格i的径流影响指数；EXPi为栅格i的污染物输出值（kg/hm2）。
3）洪水调蓄。生态系统具有特殊的生态结构、水文物理性质，能够吸纳大量的暴雨降水，蓄积洪峰水量，削减并滞后洪峰，以缓解汛期洪峰造成的威胁和损失[27]，采用下式进行计算：
$ {Q_{\rm fm}} = \frac{{P_{\rm heavy}\left( {1 - \alpha_{\rm heavy} } \right)}}{{1000}} \times S $
(3) 式中：Qfm为洪水调蓄量（m3/a），Pheavy为暴雨降雨量（mm/a），αheavy为暴雨径流系数，S为面积（m2）[30]。
4）气候调节。选用生态系统蒸散发消耗的能量来衡量洞庭湖区生态系统的气候调节功能[30]，计算公式如下：
$ {Q_{\rm ca}} = \frac{{\rm AET}}{{1000}} \times S \times \rho \times q \times \frac{1}{{3600}} \times \frac{k}{{r}}$
(4) 式中：Qca为蒸散发量所消耗的能量（kW·h/a）；S为面积（m2）；AET为生态系统蒸散发量（mm/a）；ρ为水的密度（1000 kg/m3）；q为水的汽化潜热值，以空调降温较为舒适的温度24 ℃作为参照，24 ℃时水的汽化潜热值为2443.9 kJ/kg；1/3600为千瓦时和焦耳之间的换算系数，即：1 kJ=1/3600 kW·h；k为全年空调开放时数与全年总时数的比值，取0.05；r为空调能效比，取3.0。AET的值通过参考蒸散发、各类型生态系统的生物物理参数、降雨量等数据在InVEST模型中运行获得。
5）固碳释氧。生态系统的固碳释氧功能指绿色植物通过光合作用吸收大气中的二氧化碳，将转化而来的葡萄糖等碳水化合物以有机碳的形式固定在土壤中或植物体内，并释放出氧气的功能[31]。固碳量和释氧量通过植被净初级生产力来核算，公式如下：
${Q_C} ={ \rm NPP} \times 1.63$
(5) ${Q_O} = { \rm NPP} \times 1.1{\rm{9}}$
(6) 式中：QC为生态系统固碳量（g/（m2·a））；QO为生态系统释氧量（g/（m2·a））；NPP为生态系统净初级生产力（g/（m2·a））。
6）土壤保持。土壤保持功能采用生态系统减少的土壤侵蚀量（潜在土壤侵蚀量与实际土壤侵蚀量的差值）来判定，通过土壤流失方程计算洞庭湖区生态系统的土壤保持量[15]。公式如下：
${Q_{\rm sr}} = \frac{{R \cdot K \cdot L \cdot S \cdot (1 - C)}}{\rho } \cdot \lambda $
(7) 式中：Qsr为土壤保持量（m3/（hm2∙a））；R为降雨侵蚀力因子（MJ∙mm/（hm2∙h∙a））；K为土壤可蚀性因子（t∙hm2∙h/（hm2∙MJ∙mm））；L为坡长因子、S为坡度因子，基于数字高程图通过InVEST模型运行得出LS的值；C为植被覆盖因子[32]；ρ为土壤容重（t/m3），取1.65 t/m3；λ为泥沙淤积系数，取0.24。
通过模型及公式计算，得到上述6类生态系统服务功能空间格局图，采用最大最小值法将数据进行归一化处理，得到值域为[0, 1000]的各生态系统服务栅格图。将以上6类归一化的生态系统服务功能进行等权叠加处理，得到生态系统服务综合功能空间格局图，再将各栅格单元的叠加值按从高到低的顺序排列，计算累加服务值。将累加服务值占生态系统服务总值比例的20%、40%、60%、80%所对应的栅格值，作为生态系统服务功能评估分级的分界点，划分成1～5个等级，等级值越高，重要性越高。本研究选择最高等级的区域作为生态系统服务综合功能重要区域。
2.3 生境质量视角下的生物多样性保护热点区识别
以InVEST的生境质量模型得出的区域生物栖息地质量评价数据[33]与地上生物量数据为基础，采用综合指数法在栅格像元尺度上评价生境质量，将生境质量指数最优的区域作为生物多样性保护热点区[34]。
1）生物栖息地质量。生物栖息地质量是指生态系统为物种提供适宜生存条件的能力，综合Habitat Quality模型推荐的参数、专家评价意见、相关文献[35-36]，设定各土地利用类型的生物栖息适宜度及其对不同威胁源的敏感度（表2）、威胁源类别及影响范围（表3）、生物栖息地可达性（表4），运行模型得到栅格像元层级的栖息地退化度，再以退化度为基础，演算得到各像元的栖息地质量高低评价数据[37]，计算公式如下：
${D_{ji}} = \sum\nolimits_{t = 1}^T {\sum\nolimits_{y = 1}^{{Y_t}} {\left( {\dfrac{{{W_t}}}{{ \displaystyle \sum\nolimits_{t = 1}^T {{W_t}} }}} \right)} } \times {t_{ji}} \times \left( {1 - \dfrac{{{d_{im}}}}{{{d_{t\max }}}}} \right) \times {A_i} \times {S_{jt}}$
(8) ${Q_{ji}} = {H_j} \times \left[ {1 - \left( {\frac{{{D_{ji}}^{\textit{z}}}}{{{D_{ji}}^{\textit{z}} + {k^{\textit{z}}}}}} \right)} \right]$
(9) 式中：Dji为土地利用类型j中栅格单元i的生境退化程度；T为生态威胁因子总数，t为第t类生态威胁因子；y表示受生态威胁因子t影响的栅格单元数量；Yt是受生态威胁因子t影响的栅格单元总数；Wt为生态威胁因子t的权重；tji为土地利用类型j中栅格单元i的生态威胁因子个数；dim为栖息地栅格i与威胁源栅格m的距离；dtmax为威胁源t的最大影响范围；Ai为栅格单元i的可达性程度，取值范围为[0, 1]；Sjt为土地利用类型j对于威胁因子t的敏感度，取值范围为[0, 1]。公式（9）中：Qji为土地利用类型j中栅格单元i的生物栖息地质量指数，值为[0, 1]；Hj为栖息地类型j的生物栖息适宜度；k为半饱和常数，即退化度最大值的一半；z为模型默认系数，值为2.5。
表 2 生物栖息地适宜度及其对不同威胁源的敏感度Table 2. Habitat suitability and their sensitivity to different threat sources土地利
用类型生物栖息
适宜度对不同威胁源的敏感度 耕地 城乡居
民点高速公路、铁路、
国道、省道其他交
通道路林地 1 0.80 1 0.70 0.60 灌丛 1 0.40 0.60 0.30 0.20 园地 0.85 0.75 1 0.70 0.65 草地 0.75 0.45 0.60 0.35 0.25 水田 0 0 0 0 0 旱地 0 0 0 0 0 水域 1 0.70 0.75 0.90 0.50 建设用地 0 0 0 0 0 未利用地 0.20 0.30 0.50 0.15 0.10 表 3 威胁源类别及其影响范围Table 3. Categories of threat sources and their scope of influence威胁源 影响距离/km 权重 耕地 8.0 0.7 城乡居民点 10.0 1 高速公路、铁路、国道、省道 5.0 1 其他交通道路 3.0 0.7 表 4 生物栖息地可达性Table 4. Accessibility of habitats生物栖息地类型 植被覆盖度VC状况/% 可达性 林地 VC≥90 0.10 70≤VC<90 0.20 50≤VC<70 0.30 30≤VC<50 0.35 VC≤30 0.40 灌丛 VC≥90 0.20 70≤VC<90 0.30 50≤VC<70 0.40 30≤VC<50 0.45 VC≤30 0.50 园地 – 0.70 草地 – 0.80 水田 – 0.65 旱地 – 0.65 水域 – 0.35 建设用地 – 1.00 未利用地 – 0.30 2）地上生物量（AGB）。当不考虑其他环境因子时，地上生物量与生物多样性密切相关。地上生物量高的区域，生态系统供给能力较强，生物多样性也相对较高；反之，地上生物量低的区域，生态系统供给能力较弱，生物多样性也相对较低[38]。本研究将AGB作为衡量生境质量的一个指标。
3）生物多样性保护热点区识别。将上述两类数据采用最大最小值法进行归一化处理，值域为[0, 1000]。采用综合指数法得出各栅格像元的生物多样性指数。公式如下：
${\rm B}{{\rm D}_i} = {Q_i} \times {W_q} + {\rm AG}{{\rm B}_i} \times {W_{\rm agb}}$
(10) 式中：BDi表示栅格单元i的生物多样性综合指数，Qi为归一化后的第i个栅格生物栖息地质量值；AGBi为归一化后的第i个栅格的地上生物量值；Wq、Wagb分别为计两者的权重，采用专家评价法获得，其中：Wq=0.7、Wagb=0.3。
将上式得出的各栅格单元生物多样性综合指数按从高到低顺序排列，计算累加值，将累加值占总值比例的20%、40%、60%、80%所对应的栅格值，作为生物多样性评估分级的分界点，划分成1～5个等级，等级值越高，重要性越高。本研究选择最高等级的区域作为生物多样性保护热点区。
2.4 形态空间格局视角下的重要区识别
从形态空间格局的角度，借助MSPA（morphological spatial pattern analysis）方法对区域景观构成进行形态空间格局度量、分割及识别[39]。利用Guidos 2.9软件，采用八邻域分析方法对数据进行以拓扑学为基础的形态空间格局分析，得到核心区、孤岛、孔隙、边缘区、环线、连接桥、支线7种景观组成类型。
根据景观生态学理论，斑块面积和连接度是维持景观生态功能的重要指标，对于维系区域生态安全具有重要的价值。选择核心区类型中面积大于10 km2的斑块，利用Guidos 2.9软件构建这些核心区斑块两两之间的距离矩阵，并找出核心区斑块的距离最大值。借助Conefor 2.6软件，以核心区斑块的距离最大值为距离阈值，将连通概率设为0.5，用可能连接度指数PC（式11）进行景观连接重要度评价（式12）[40-41]。
${\rm PC} = \dfrac{{ \displaystyle \sum\limits_{i = 1}^n { \displaystyle \sum\limits_{j = 1}^n {{a_i} \cdot {a_j} \cdot {p^*_{ij}}} } }}{{{A_L}^2}}$
(11) This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
${\rm DPC} = 100 \times \frac{{I - {I_{\rm remove}}}}{I}$
(12) 式中：DPC为斑块连接重要性指数，I为景观中所有斑块的整体可能连接度值，Iremove是去除某个斑块后剩余斑块的整体可能连接度值。DPC值越高，表示该斑块的景观连接重要性越高。
按照景观连接重要性指数的高低顺序选取面积累积到区域总面积20%的斑块作为洞庭湖区形态空间格局的重要区。
3. 结果与分析
3.1 生态系统服务综合功能空间特征及重要区分析
由生态系统服务综合功能空间格局图（图2）和生态系统服务综合功能重要区域图（图3）可知，综合功能高值区主要分布在研究区西南部的安化县、东南部的平江县、东北部的临湘市；西北部的石门县、西部的桃源县、东部的岳阳县也有一些高值区，高值区团聚特征较为明显。高值区由林地、灌丛、园地、草地构成（表5），总面积为5471.90 km2，其中，绝大部分为林地，林地面积达5338.85 km2，比例高达97.57%。生态系统服务综合功能低值区与较低值区主要分布在研究区中部，包括常德市区、汉寿县、安乡县、澧县、津市、临澧县、益阳市区、沅江市、南县、岳阳市区、华容县、南县，基本为平原区，海拔高度多在30～48 m之间，土地利用类型多为建设用地。生态系统服务综合功能为中等的区域主要为农业用地，与低值区、较低值区交错分布。
![]()
图 2 生态调节服务综合功能空间格局Figure 2. Spatial pattern of comprehensive functions of ecological regulation services![]()
图 3 生态调节服务综合功能重要区域Figure 3. Important region of comprehensive function of ecological regulation services3.2 生物多样性保护热点区分析
由综合生境质量等级图（图4）和生物多样性保护热点区图（图5）可知，高值区主要分布在研究区西北部的石门县、西南部的安化县、东北部的临湘市；东部的岳阳县、平江县以及西部的桃源县也分布了一些高值区。这些高值区远离城镇建设用地，也无高等级的过境交通，受人类生产生活干扰强度小，其土地利用类型为林地和灌丛（表6），总面积为3533.46 km2，其中，林地面积为2503.64 km2，比例为70.86%，灌丛面积为1029.82 km2，比例为29.14%。综合生境质量低值区与较低值区主要分布在研究区中部，面积达24718.54 km2，其用地类型主要为建设用地、水田、旱地，该区域的人类生活、生产活动对生物栖息干扰较大，因而导致综合生境质量不高。
表 5 生态系统服务高值区土地利用类型属性表Table 5. Land use types of high ecosystem services area土地利用类型 面积/km2 比例/% 林地 5338.85 97.57 灌丛 4.22 0.08 园地 0.01 0.0002 草地 128.80 2.35 总计 5471.90 100.00 3.3 MSPA视角下重要区分析
分析洞庭湖区形态空间格局图（图6），形态空间格局核心区主要分布在研究区西北部、西南部、东部以及中部，其面积为11618.08 km2，占形态空间格局景观类型总面积的71.56%，占研究区总面积的25.63%。
表 6 综合生境质量高值区土地利用类型属性表Table 6. Land use type of high comprehensive habitat quality area土地利用类型 面积/km2 比例/% 林地 2503.64 70.86 灌丛 1029.82 29.14 总计 3533.46 100.00 根据景观连接重要性指数的评价及统计结果，得出形态空间格局重要区由18个斑块构成，其重要性排序如图7所示，各斑块的属性如表7所示。其中，景观连接度最高的斑块为研究区中部的1号斑块，其主要由水域构成，DPC值为39.53%，面积为2062.49 km2。排名次之为位于桃源县与安化县交界处的2号斑块，面积为1005.35 km2。7号斑块虽然位于研究区的中部，与其他斑块的平均距离小，但是由于其面积为406.91 km2，与排序靠前的其他几个斑块的面积相比偏小，因而在重要性排序上只是排在第7。虽然第8、9、10号斑块的面积比7号斑块的面积大，但是由于其空间位置略偏研究区外围，不如7号斑块占据了空间连接的有利位置，因而排序在7号斑块之后。15号斑块与7号斑块的情况类似，由于其位置比16、17号斑块更佳，面积虽然小，但是排序在16、17号斑块之前。以上结果表明景观连接度与斑块面积、斑块所处的空间位置密切相关，斑块面积越大、占据的空间位置越靠近研究区中心，其景观连接度值越大。
3.4 绿地生态关键区分析
融合生态系统服务功能重要区、生物多样性保护热点区、形态空间格局重要区，以生态系统完整性、土地利用与保护相结合为原则对斑块边界进行修正，得到研究区绿地生态关键区（图8）。
![]()
图 7 高景观连接度斑块及重要性排序Figure 7. High landscape connectivity patches and their importance ranking表 7 景观连接度最高的18个斑块属性表Table 7. Attribute of 18 patches with the highest landscape connectivity景观连接重
要性排序面积/km2 DPC值/% 景观连接重
要性排序面积/km2 DPC值/% 1 2062.49 39.53 10 437.87 8.68 2 1005.35 19.23 11 400.70 7.63 3 689.49 13.06 12 330.55 6.45 4 660.13 12.75 13 321.59 6.25 5 660.62 12.25 14 181.55 3.94 6 525.85 10.73 15 111.78 3.07 7 406.91 9.74 16 130.64 2.49 8 477.68 9.26 17 113.67 2.16 9 466.85 9.25 18 74.39 1.44 绿地生态关键区空间分布差异明显，主要分布在研究区西北部的石门县，西南部的桃源县、安化县和桃江县，东部的临湘市、平江县、岳阳县以及中部的汉寿县、沅江市、岳阳市、湘阴县、岳阳县。中部关键区周边的平原地区几乎无面状的关键斑块分布，显得较为孤立。
关键区的土地利用类型构成（表8）包括林地、灌丛、园地、草地、水域，总面积14334.78 km2；其中，林地面积最大，为8415.18 km2，占关键区总面积的58.70%，占研究区总面积的18.56%；其次为灌丛，面积为3410.31 km2，占关键区总面积的23.79%，占研究区总面积的7.52%；水域面积为1922.27 km2，占关键区总面积的13.41%，占研究区总面积的4.24%；而草地和园地的面积分别为586.39 km2和0.64 km2，所占比例较小。
表 8 绿地生态关键区土地利用类型属性表Table 8. Attribute of land use types of key areas of green space ecology土地利
用类型面积/km2 占绿地生态关键
区面积比例/%占研究区总
面积比例/%林地 8415.18 58.70 18.56 灌丛 3410.31 23.79 7.52 园地 0.64 0.004 0.001 草地 586.39 4.09 1.29 水域 1922.27 13.41 4.24 合计 14334.78 100.00 31.62 林地在海拔25～2066 m、灌丛在海拔25～2077 m均有分布，两者的平均海拔高度分别为371.6、402.6 m，主要位于研究区内的山区，生物资源丰富，分布有结构稳定的天然次生林及亚热带常绿阔叶林、常绿针叶林、常绿阔叶灌丛、落叶阔叶灌丛。水域主要分布在研究区中部的两个关键区，主要由东洞庭湖、西洞庭湖、南洞庭湖湿地构成，平均海拔高度约为33.5 m，生长着成片的芦苇（Phragmites australis）、荻（Triarrhena sacchariflora ）等湿地植物，是国家一级保护动物中华鲟（Acipenser sinensis）、白鲟（Psephurus gladius）、白暨豚（Lipotes vexillifer）及珍稀水禽白鹤（Grus leucogeranus）、白头鹤（Grus monacha）、白尾海雕（Haliaeetus albicilla）、白鹳（Ciconia boyciana）、黑鹳（Ciconia nigra）等的重要栖息地。
4. 结论与讨论
本研究对洞庭湖区通过综合识别方法判定生态关键区，得出如下结论：1）生态系统服务功能重要区主要分布在研究区西南部、东南部及东北部，呈现出较为明显的团聚特征。高值区由林地、灌丛、园地、草地构成，林地是最主要的构成部分。2）生物多样性保护热点区主要分布在研究区西北部、西南部及东北部，主要由林地和灌丛构成，这些区域的建设用地、农业用地相对较少，对生物栖息的干扰小。3）形态空间格局重要区主要分布在西北部、西南部、东部及中部，由高景观连接度的大型自然生态斑块构成，景观连接度最高的斑块为研究区中部的主要由水域构成的斑块，其面积最大而且位于中部这个有利的空间位置，这是其景观连接重要性排在第一的原因。4）综合生态系统服务功能重要区、生物多样性保护热点区、形态空间格局重要区域得到的洞庭湖区绿地生态关键区空间分布不均衡；其由林地、灌丛、园地、草地、水域构成；面积大小关系为：林地>灌丛>水域>草地>园地；林地、灌丛与水域三者面积之和为绿地生态关键区总面积的95.90%，为研究区总面积的30.32%；关键区中的林地与灌丛主要位于研究区内的山区，生物资源丰富，关键区中的水域主要为洞庭湖湿地，其周边的平原区无大型的关键斑块分布，生态风险较高。
相较直接划定自然保护地、湿地公园、风景名胜区、森林公园、大型林地或者从生态系统服务、生物多样性、景观格局的单一层面进行生态关键区识别的方法，本研究采取的综合识别法体现了科学性和全面性。将综合识别出的绿地生态关键区与政府部门已划定的自然保护地进行比较，研究区内东洞庭湖、西洞庭湖、壶瓶山、乌云界、六步溪五个国家级自然保护区87.71%的面积包含在关键区内，而目前政府部门划定的自然保护地面积小于本研究综合识别得出的绿地生态关键区面积，表明存在保护空缺，建议地方政府以现有自然保护地为基础，参考本研究得到的绿地生态关键区，新建与扩建自然保护地，加大生态系统的保护范围。
生态系统服务功能、生物多样性、生态系统形态空间结构三个层面的研究结果均显示林地为绿地生态关键区最重要的组成部分，而融合三个层面的结果，得出林地、灌丛、水域是绿地生态关键区的最主要组成部分，这与既有研究[42-44]的结论一致。三者交集部分的面积仅为1134.85 km2，分别为生态系统服务重要区、生物多样性保护热点区、形态格局分析重要区面积的20.74%、32.12%、12.53%，说明只从功能、格局、生物多样性三者中的一个层面进行绿地生态关键区的识别有局限性。考虑到分别从生态系统服务功能、生物多样性、形态空间格局识别出的关键区会各有侧重，建议将三者交集部分作为极重要区进行保护，而非交集部分应结合其特点采取不同的保护和管理对策。
综合识别得到的关键区呈现出空间分布不均衡的格局，这与洞庭湖区湿地、林地等斑块类型分布不均衡，破碎化程度较高的既有研究结论[45]具有一致性。林地、灌丛、水域是研究区绿地生态关键区的主要构成类型，地方政府在制定生态补偿政策时，应重视对这些区域的补偿强度；应引导生态价值低的土地利用类型向生态价值高的土地利用类型转变；应通过生态优化措施，提升生态系统的质量[15]。位于研究区中部的关键区显得较为孤立，其主要由洞庭湖湿地构成，鉴于洞庭湖湿地的重要生态价值，应对其制定专门的水环境保护法规，应采取措施对湿地周边的平原区域实施生态修复，但考虑到洞庭湖平原是我国最重要的商品粮基地之一，应注意生态修复与社会经济发展的协调。本研究也存在以下不足：1）生态系统服务功能未考虑文化服务；2）未结合生态关键区提出区域绿地生态网络的构建方案。而绿地生态网络能实现生态系统服务的流动、提高生物多样性、提升生态空间的连接度及整体性，这些将是后续研究的重点。
-
![]()
图 2 生态调节服务综合功能空间格局
Figure 2. Spatial pattern of comprehensive functions of ecological regulation services
![]()
图 3 生态调节服务综合功能重要区域
Figure 3. Important region of comprehensive function of ecological regulation services
![]()
图 7 高景观连接度斑块及重要性排序
Figure 7. High landscape connectivity patches and their importance ranking
表 1 其他主要数据来源及精度
Table 1 Sources and accuracy of other main data
数据名称 数据来源 精度 数字高程数据（DEM） 中国科学院遥感与数字地球研究所 30 m 植被覆盖度（VC） 全国生态环境调查与评估数据库 250 m 植物净初级生产力（NPP） 全国生态环境调查与评估数据库 250 m 地上生物量（AGB） 全国生态环境调查与评估数据库 250 m 土壤属性数据 寒区旱区科学数据中心 1 km 气温、降雨量 中国气象局 0.05° 降雨侵蚀力 北京师范大学 气象站点 氮磷污染物负荷数据 相关文献、研究区生态环境部门 县域 
下载: 导出CSV
表 2 生物栖息地适宜度及其对不同威胁源的敏感度
Table 2 Habitat suitability and their sensitivity to different threat sources
土地利
用类型生物栖息
适宜度对不同威胁源的敏感度 耕地 城乡居
民点高速公路、铁路、
国道、省道其他交
通道路林地 1 0.80 1 0.70 0.60 灌丛 1 0.40 0.60 0.30 0.20 园地 0.85 0.75 1 0.70 0.65 草地 0.75 0.45 0.60 0.35 0.25 水田 0 0 0 0 0 旱地 0 0 0 0 0 水域 1 0.70 0.75 0.90 0.50 建设用地 0 0 0 0 0 未利用地 0.20 0.30 0.50 0.15 0.10
下载: 导出CSV
表 3 威胁源类别及其影响范围
Table 3 Categories of threat sources and their scope of influence
威胁源 影响距离/km 权重 耕地 8.0 0.7 城乡居民点 10.0 1 高速公路、铁路、国道、省道 5.0 1 其他交通道路 3.0 0.7
下载: 导出CSV
表 4 生物栖息地可达性
Table 4 Accessibility of habitats
生物栖息地类型 植被覆盖度VC状况/% 可达性 林地 VC≥90 0.10 70≤VC<90 0.20 50≤VC<70 0.30 30≤VC<50 0.35 VC≤30 0.40 灌丛 VC≥90 0.20 70≤VC<90 0.30 50≤VC<70 0.40 30≤VC<50 0.45 VC≤30 0.50 园地 – 0.70 草地 – 0.80 水田 – 0.65 旱地 – 0.65 水域 – 0.35 建设用地 – 1.00 未利用地 – 0.30
下载: 导出CSV
表 5 生态系统服务高值区土地利用类型属性表
Table 5 Land use types of high ecosystem services area
土地利用类型 面积/km2 比例/% 林地 5338.85 97.57 灌丛 4.22 0.08 园地 0.01 0.0002 草地 128.80 2.35 总计 5471.90 100.00
下载: 导出CSV
表 6 综合生境质量高值区土地利用类型属性表
Table 6 Land use type of high comprehensive habitat quality area
土地利用类型 面积/km2 比例/% 林地 2503.64 70.86 灌丛 1029.82 29.14 总计 3533.46 100.00
下载: 导出CSV
表 7 景观连接度最高的18个斑块属性表
Table 7 Attribute of 18 patches with the highest landscape connectivity
景观连接重
要性排序面积/km2 DPC值/% 景观连接重
要性排序面积/km2 DPC值/% 1 2062.49 39.53 10 437.87 8.68 2 1005.35 19.23 11 400.70 7.63 3 689.49 13.06 12 330.55 6.45 4 660.13 12.75 13 321.59 6.25 5 660.62 12.25 14 181.55 3.94 6 525.85 10.73 15 111.78 3.07 7 406.91 9.74 16 130.64 2.49 8 477.68 9.26 17 113.67 2.16 9 466.85 9.25 18 74.39 1.44
下载: 导出CSV
表 8 绿地生态关键区土地利用类型属性表
Table 8 Attribute of land use types of key areas of green space ecology
土地利
用类型面积/km2 占绿地生态关键
区面积比例/%占研究区总
面积比例/%林地 8415.18 58.70 18.56 灌丛 3410.31 23.79 7.52 园地 0.64 0.004 0.001 草地 586.39 4.09 1.29 水域 1922.27 13.41 4.24 合计 14334.78 100.00 31.62
下载: 导出CSV
-
Silva J M C D, Wheeler E. Ecosystems as infrastructure [J]. Perspectives in Ecology and Conservation, 2017, 15(1): 32−35. DOI: 10.1016/j.pecon.2016.11.005
Opdam P, Steingröver E, Rooij S V. Ecological networks: a spatial concept for multi-actor planning of sustainable landscapes [J]. Landscape and Urban Planning, 2006, 75(3/4): 322−332.
De Montis A, Caschili S, Mulas M, et al. Urban-rural ecological networks for landscape planning [J]. Land Use Policy, 2016, 50: 312−327. DOI: 10.1016/j.landusepol.2015.10.004
Borrett S R, Sheble L, Moody J, et al. Bibliometric review of ecological network analysis: 2010-2016 [J]. Ecological Modelling, 2018, 382: 63−82. DOI: 10.1016/j.ecolmodel.2018.04.020
刘滨谊, 王鹏. 绿地生态网络规划的发展历程与中国研究前沿 [J]. 中国园林, 2010, 26(3): 1−5. DOI: 10.3969/j.issn.1000-6664.2010.03.002 彭建, 杨旸, 谢盼, 等. 基于生态系统服务供需的广东省绿地生态网络建设分区 [J]. 生态学报, 2017, 37(13): 4562−4572. Bagstad K J, Johnson G W, Voigt B, et al. Spatial dynamics of ecosystem service flows: a comprehensive approach to quantifying actual services [J]. Ecosystem Services, 2013, 4: 117−125. DOI: 10.1016/j.ecoser.2012.07.012
江世丹, 潘洪义, 姜允芳. 基于空间效能的城市绿地生态网络空间系统及其评价指标 [J]. 西部林业科学, 2019, 48(8): 90−50. Díaz S, Pascual U, Stenseke M, et al. Assessing nature's contributions to people [J]. Science, 2018, 359(6373): 270−272. DOI: 10.1126/science.aap8826
Liquete C, Kleeschulte S, Dige G, et al. Mapping green infrastructure based on ecosystem services and ecological networks: a Pan-European case study [J]. Environmental Science & Policy, 2015, 54: 268−280.
陈昕, 彭建, 刘焱序, 等. 基于“重要性—敏感性—连通性”框架的云浮市生态安全格局构建 [J]. 地理研究, 2017, 36(3): 471−484. 俞孔坚, 王思思, 李迪华. 区域生态安全格局: 北京案例[M]. 北京: 中国建筑工业出版社, 2012. 孔繁花, 尹海伟. 济南城市绿地生态网络构建 [J]. 生态学报, 2008, 28(4): 1711−1719. DOI: 10.3321/j.issn:1000-0933.2008.04.042 尹海伟, 孔繁花, 祈毅, 等. 湖南省城市群生态网络构建与优化 [J]. 生态学报, 2011, 31(10): 2863−2874. Ouyang Z Y, Zheng H, Xiao Y, et al. Improvements in ecosystem services from investments in natural capital [J]. Science, 2016, 352(6292): 1455−1459. DOI: 10.1126/science.aaf2295
于丹丹, 吕楠, 傅伯杰. 生物多样性与生态系统服务评估指标与方法 [J]. 生态学报, 2017, 37(2): 349−357. Visconti P, Elkin C. Using connectivity metrics in conservation planning when does habitat quality matter? [J]. Diversity and Distributions, 2009, 15(4): 602−612. DOI: 10.1111/j.1472-4642.2009.00564.x
Peng J, Pan Y J, Liu Y X, et al. Linking ecological degradation risk to identify ecological security patterns in a rapidly urbanizing landscape [J]. Habitat International, 2018, 71: 110−124. DOI: 10.1016/j.habitatint.2017.11.010
Wang Y, Pan J H. Building ecological security patterns based on ecosystem services value reconstruction in an arid inland basin: a case study in Ganzhou District, NW China [J]. Journal of Cleaner Production, 2019, 241: 118337. DOI: 10.1016/j.jclepro.2019.118337
吴健生, 张理卿, 彭建, 等. 深圳市景观生态安全格局源地综合识别 [J]. 生态学报, 2013, 33(13): 4125−4133. Abdelaal M, Fois M, Fenu G, et al. Using MaxEnt modeling to predict the potential distribution of the endemic plant Rosa arabica Crép. in Egypt [J]. Ecological Informatics, 2019, 50: 68−75. DOI: 10.1016/j.ecoinf.2019.01.003
Zhao S M, Ma Y F, Wang J L, et al. Landscape pattern analysis and ecological network planning of Tianjin City [J]. Urban Forestry & Urban Greening, 2019, 46: 126479.
崔丽娟, 王义飞. 中国的国际重要湿地[M]. 北京: 中国林业出版社, 2008. 邓楚雄, 钟小龙, 谢炳庚, 等. 洞庭湖区土地生态系统的服务价值时空变化 [J]. 地理研究, 2019, 38(4): 844−855. DOI: 10.11821/dlyj020170999 李涛. 基于3S技术的洞庭湖地区土地覆盖变化及其生态环境响应[D]. 长沙: 湖南农业大学, 2017. 谢春花, 王克林, 陈洪松, 等. 土地利用变化对洞庭湖区生态系统服务价值的影响 [J]. 长江流域资源与环境, 2006, 15(2): 191−195. DOI: 10.3969/j.issn.1004-8227.2006.02.012 孔令桥, 郑华, 欧阳志云. 基于生态系统服务视角的山水林田湖草生态保护与修复: 以洞庭湖流域为例 [J]. 生态学报, 2019, 39(23): 8903−8910. 全国国土资源标准化技术委员会, 土地利用现状分类: GB/T 21010—2017[S]. 北京: 中国标准出版社, 2017. 龚诗涵, 肖洋, 郑华, 等. 中国生态系统水源涵养空间特征及其影响因素 [J]. 生态学报, 2017, 37(7): 2455−2462. 游旭, 何东进, 肖燚, 等. 县域生态保护成效评估方法: 以峨山县为例 [J]. 生态学报, 2019, 39(9): 3051−3061. 欧阳志云. 面向生态补偿的生态系统生产总值(GEP)和生态资产核算[M]. 北京: 科学出版社, 2017. 饶恩明, 肖燚. 四川省生态系统土壤保持功能空间特征及其影响因素 [J]. 生态学报, 2018, 38(24): 8741−8749. Moreira M, Fonseca C, Vergílio M, et al. Spatial assessment of habitat conservation status in a Macaronesian island based on the InVEST model: a case study of Pico Island (Azores, Portugal) [J]. Land Use Policy, 2018, 78: 637−649. DOI: 10.1016/j.landusepol.2018.07.015
谢余初, 巩杰, 齐姗姗, 等. 基于综合指数法的白龙江流域生物多样性空间分异特征研究 [J]. 生态学报, 2017, 37(19): 6448−6456. 陈妍, 乔飞, 江磊. 基于In VEST模型的土地利用格局变化对区域尺度生境质量的影响研究 : 以北京为例 [J]. 北京大学学报(自然科学版), 2016, 52(3): 553−562. 谢余初, 巩杰, 张素欣, 等. 基于遥感和InVEST模型的白龙江流域景观生物多样性时空格局研究 [J]. 地理科学, 2018, 38(6): 979−986. Upadhaya S, Dwivedi P. Conversion of forestlands to blueberries: Assessing implications for habitat quality in Alabaha river watershed in Southeastern Georgia, United States [J]. Land Use Policy, 2019, 89: 104229. DOI: 10.1016/j.landusepol.2019.104229
Pesola L, Cheng X L, Sanesi G, et al. Linking above-ground biomass and biodiversity to stand development in urban forest areas: a case study in Northern Italy [J]. Landscape and Urban Planning, 2017, 157: 90−97. DOI: 10.1016/j.landurbplan.2016.06.004
Saura S, Estreguil C, Mouton C, et al. Network analysis to assess landscape connectivity trends: Application to European forests (1990-2000) [J]. Ecological Indicators, 2011, 11(2): 407−416. DOI: 10.1016/j.ecolind.2010.06.011
Bodin Ö, Saura S. Ranking individual habitat patches as connectivity providers: Integrating network analysis and patch removal experiments [J]. Ecological Modelling, 2010, 221(19): 2393−2405. DOI: 10.1016/j.ecolmodel.2010.06.017
Engelhard S L, Huijbers C M, Stewart-Koster B, et al. Prioritising seascape connectivity in conservation using network analysis [J]. Journal of Applied Ecology, 2017, 54(4): 1130−1141. DOI: 10.1111/1365-2664.12824
Sigwela A, Elbakidze M, Powell M, et al. Defining core areas of ecological infrastructure to secure rural livelihoods in South Africa [J]. Ecosystem Services, 2017, 27: 272−280. DOI: 10.1016/j.ecoser.2017.07.010
Chenoweth J, Anderson A R, Kumar P, et al. The interrelationship of green infrastructure and natural capital [J]. Land Use Policy, 2018, 75: 137−144. DOI: 10.1016/j.landusepol.2018.03.021
Hüse B, Szabó S, Deák B, et al. Mapping an ecological network of green habitat patches and their role in maintaining urban biodiversity in and around Debrecen City (Eastern Hungary) [J]. Land Use Policy, 2016, 57: 574−581. DOI: 10.1016/j.landusepol.2016.06.026
石军南, 徐永新, 刘清华. 洞庭湖湿地保护区景观格局变化及原因分析 [J]. 中南林业科技大学学报, 2010, 30(6): 18−26. DOI: 10.3969/j.issn.1673-923X.2010.06.004
计量
- 文章访问数: 837
- HTML全文浏览量: 475
- PDF下载量: 11
