CN113505510A - 融合景观指数和随机游走模型的生态安全格局识别方法 - Google Patents
融合景观指数和随机游走模型的生态安全格局识别方法 Download PDFInfo
- Publication number
- CN113505510A CN113505510A CN202110787661.3A CN202110787661A CN113505510A CN 113505510 A CN113505510 A CN 113505510A CN 202110787661 A CN202110787661 A CN 202110787661A CN 113505510 A CN113505510 A CN 113505510A
- Authority
- CN
- China
- Prior art keywords
- ecological
- area
- value
- landscape
- random walk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005295 random walk Methods 0.000 title claims abstract description 39
- 238000012567 pattern recognition method Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000011160 research Methods 0.000 claims abstract description 27
- 238000013508 migration Methods 0.000 claims description 16
- 230000005012 migration Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 10
- 238000009792 diffusion process Methods 0.000 claims description 10
- 238000013467 fragmentation Methods 0.000 claims description 9
- 238000006062 fragmentation reaction Methods 0.000 claims description 9
- 108090000623 proteins and genes Proteins 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 239000011148 porous material Substances 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 238000003909 pattern recognition Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract 1
- 241000894007 species Species 0.000 description 25
- 238000004364 calculation method Methods 0.000 description 14
- 238000010276 construction Methods 0.000 description 10
- 230000001186 cumulative effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000009919 sequestration Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了融合景观指数和随机游走模型的生态安全格局识别方法，基于InVEST模型评估各项生态***服务功能，按照自然间断点法重分类分为五级，提取第四、五级的范围作为生态***服务的高值区，并对这些高值区进行等权叠加，结果即为生态***服务高值区范围。基于土地利用类型数据，利用GuidosToolbox软件平台进行MSPA分析，从结果中提取核心区景观要素。取生态***服务高值区与核心区景观要素的交集，此交集即为生态源地备选区。通过趋势分析，选出最适合本研究区的生态源地最小面积阈值。本发明提出一个“识别生态源地‑构建生态阻力面‑提取生态廊道‑遴选关键生态节点”的生态安全格局识别新体系，从而改善现有研究范式和技术体系上的不足。
Description
技术领域
本发明涉及生态安全格局技术领域，尤其涉及融合景观指数和随机游走模型的生态安全格局识别方法。
背景技术
识别生态安全格局主要基于特定层次的生态保护需求，其以景观生态学的“斑块-廊道-基质”研究范式为理论基础，提取出对保障区域自然生态过程和生态***服务具有关键作用的点、线、面状要素，并以此构建一个区域生态安全格局，目前，识别生态安全格局的方法已日趋成熟，“识别生态源地-构建生态阻力面-提取生态廊道”的研究框架也已经成为识别生态安全格局的基本模式。其中，生态源地是指对区域生态安全有重要意义或具有辐射功能的生境斑块，是识别生态安全格局的基础，一般通过选取自然保护区、风景名胜区等区域，或定量评价生态重要性来识别。生态阻力面作为识别生态安全格局过程中的另一项核心要素，现有研究普遍依据不同土地利用类型赋值，忽略了同一土地利用类型在不同开发建设强度下对景观阻力值的影响，掩盖了人类活动对生态阻力值的影响。近年来，生态阻力面的设置、如何降低生态阻力面设置的主观性，成为了重点探讨的方向。
当前主要以生态***服务评估、生态流演算以及景观格局指数计算为计量手段，以最小累积阻力模型(Minimal Cumulative Resistance，MCR模型)、图论(Graph Theory)以及电流理论(Circuit Theory)等技术方法，来构建一个由生态源地、生态廊道和生态节点等构成的关键生态安全格局。识别生态安全格局能够合理调控生态过程，维持区域物质流通和能量循环，是保持区域生态***健康、保障生态安全的重要途径，不仅可以维持健康的居住环境、有效地控制城市扩张，还能为变化环境下的国土生态安全保障和景观可持续利用提供了空间显式的规划蓝图。为此，我们提出融合景观指数和随机游走模型的生态安全格局识别方法。
发明内容
基于背景技术存在的技术问题，本发明提出了融合景观指数和随机游走模型的生态安全格局识别方法，以解决背景技术中提出的问题。
本发明提供如下技术方案：
融合景观指数和随机游走模型的生态安全格局识别方法，包括如下步骤：
A、基于InVEST模型评估各项生态***服务功能，按照自然间断点法重分类分为五级，提取第四、五级的范围作为生态***服务的高值区，并对这些高值区进行等权叠加，取并集，获取生态***服务高值区范围；
B、基于土地利用类型数据，利用形态学空间格局分析模型获取MSPA分析结果中的核心区范围；取生态***服务高值区与MSPA分析所提取的核心区范围的交集，此交集即为生态源地备选区；通过设定不同的生态源地最小面积阈值，观察各生态源地最小面积阈值与生态源地斑块数量之间的关系，选出最适合研究区的生态源地最小面积阈值；并根据该阈值提取出本研究区的生态源地。
C、在构建生态阻力面时，由于生境质量越高，生物多样性水平越高，物种运动的阻力越小，利用InVEST模型计算生境质量，将生态阻力值定义为生境质量的反比；
D、基于随机游走模型识别出研究区的生态廊道及生态节点的空间分布状况，再通过Fragstats软件平台计算有效粒度尺寸这一景观破碎化指数，利用ArcGIS软件平台对该指数网格化，再结合MESH网格化结果，对随机游走模型所计算的累积电流密度值进行校正，将校正后仍为高电流的地区遴选为关键生态节点。
优选的，所述步骤A中基于InVEST模型中的多个模块，定量评价某地区生态服务功能重要性和生态敏感性，提取出生态***服务高值区，为之后提取生态源地斑块作准备。
优选的，所述步骤B中形态学空间格局分析方法通过数学形态学原理采用腐蚀、膨胀、开运算和闭运算数学运算，对栅格图像的空间格局分布进行分析与尺度分割，识别出不同空间结构，基于土地利用遥感监测数据，将具有生态效应的用地设置为前景、其他非生态用地设为背景，利用ArcGIS软件平台进行二值化重分类，将重分类后的栅格数据导入GuidoToolbox2.8_64windows软件平台中，通过一系列图形处理方法得到功能不同的7类景观，即核心区、分支、边缘、孔隙、孤岛、桥接区和环线区，再提取出MSPA分析结果中核心区的矢量面数据，为之后提取生态源地斑块作准备。
优选的，所述步骤B中得出生态***服务高值区以及MSPA分析结果中的核心区的范围后，利用ArcGIS软件工具箱中的相交工具，对这两个矢量面数据图层取交集，该交集所得的斑块将作为生态源地的备选斑块，打开生态源地备选斑块的图层属性表可以看到各备选斑块的编号和面积属性值；通过设定不同的生态源地最小面积阈值，分别统计大于该阈值的斑块数量，将统计结果输入Excel软件中生成折线图，其中纵轴反映斑块数量，横轴反映生态源地最小面积阈值，根据折线图，可以分析不同的最小面积阈值下，斑块数量的变化趋势，观察斑块数量下降趋于平缓时，横轴上的值为多少，该值即为生态源地最小面积阈值；并根据该阈值提取出本研究区的生态源地。
优选的，所述步骤C中由于生境质量越好的地区，生物种类越多，生态信息传递越畅通，因此在构建生态阻力面时，将阻力值定义为生境质量的倒数，即生境质量越好，物种流动与信息传递效率越高，阻力值越低。
优选的，所述步骤D中随机游走模型利用电荷在电路中随机游走的特性来模拟物种个体或基因流在某一景观中的迁移扩散过程，将复杂景观中的物种个体或基因流类比于电荷，经过的景观视为电阻面，根据是否利于某种生态过程为各类景观赋予相应的电阻值，随机游走模型模拟出的廊道可满足多物种的迁徙需求，更符合物种运动的真实情况。
本发明有益效果如下：
1、本发明提供了融合景观指数和随机游走模型的生态安全格局识别方法，构建了“识别生态源地-构建生态阻力面-提取生态廊道-遴选关键生态节点”的生态安全格局识别新体系。
2、本发明根据生态***服务价值的空间分异特征提取高值区以及形态学空间格局分析所提取的核心区，构建了一个生态源地提取体系。
3、本发明在阻力面构建方面，大部分研究基于MCR模型，采取了主观赋予阻力值的方式构建阻力面，而生境质量是根据土地利用数据、威胁因子数据以及威胁源等数据，基于数理模型计算出来的，通过对生境质量取反所得的生态阻力值的方法显然优于主观赋值。
4、本发明考虑到物种个体或群体在景观环境中的随机迁移扩散过程与电荷随机游走具有相似性，因而将这种随机游走性应用于景观生态学领域，最终能够较好地拟合出地区生态安全格局的特征，而且，相关物理术语恰好与景观生态学的相关术语组成一一对应关系且形象生动，有助于预测物种的扩散和迁移运动规律、识别生态安全格局中多条具有一定宽度的可替代路径，并可通过源地之间电流的强弱确定生境斑块和廊道的相对重要性，有效识别对景观连接性有重要影响的景观要素。该方法因计算所需的数据量少、过程简便，且整合了生态源地间的结构性与功能性廊道，满足多物种迁徙需求，更符合物种运动的真实情况，对量化和识别生态安全格局中的关键区域提供了新方法，突破了以往仅依靠最小成本路径方法识别栖息地之间的最小成本路径。
5、本发明通过对计算有效粒度尺寸这一景观破碎指数并且将其网格化，以查明研究区生态廊道范围内生态用地的破碎化情况，并据此对随机游走模型所计算出的累积电流密度值进行校正，将校正后仍保持高电流的区域遴选为关键生态节点。可为确定生态修复的近期目标区域提供参考。
6、本发明技术成果可为提取关键生态节点、构建区域生态保护格局提供科学参考。
附图说明
图1为本发明技术路线图；
图2为本发明随机游走理论数据结构示意图；
图3为本发明随机游走理论表达异质栅格景观示意图；
图4为本发明生态***服务评估结果以及生态***服务高值区空间分布特征图；
图5为本发明MSPA分析结果示意图；
图6为本发明从MSPA分析结果中提取的核心区景观要素示意图；
图7为本发明生态源地最小面积阈值与生态源地数量关系图；
图8为本发明生态源地示意图；
图9为本发明生境质量示意图；
图10为本发明生态阻力面示意图；
图11为本发明基于随机游走模型的累积电流密度分布图；
图12为本发明生态廊道范围内生态用地与非生态用地空间分布图；
图13为本发明生态廊道范围内生态用地有效粒度尺寸网格化结果示意图；
图14为本发明基于有效粒度尺寸修正的累积电流密度值和关键生态节点遴选结果图；
图15为本发明生态安全格局示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-15，本发明提供一种技术方案：
实施例一：
融合景观指数和随机游走模型的生态安全格局识别方法，包括如下步骤：
A、基于InVEST模型评估各项生态***服务功能(产水量、水土保持服务、碳固存、粮食产量服务)，按照自然间断点法重分类分为五级，提取第四、五级的范围作为生态***服务的高值区，并对这些高值区进行等权叠加，取并集，获取生态***服务高值区范围。即基于InVEST模型中的多个模块，定量评价某地区生态服务功能重要性和生态敏感性，提取出生态***服务高值区，为之后提取生态源地斑块作准备；
B、基于土地利用类型数据，利用形态学空间格局分析模型获取MSPA分析结果中的核心区范围，形态学空间格局分析方法通过数学形态学原理采用腐蚀、膨胀、开运算和闭运算数学运算，对栅格图像的空间格局分布进行分析与尺度分割，识别出不同空间结构，基于土地利用遥感监测数据，将具有生态效应的用地(如林地、草地和水域等)设置为前景、其他非生态用地设为背景，利用ArcGIS软件平台进行二值化重分类，将重分类后的栅格数据导入GuidoToolbox2.8_64windows软件平台中，通过一系列图形处理方法得到功能不同的7类景观，即核心区、分支、边缘、孔隙、孤岛、桥接区和环线区，再提取出MSPA分析结果中核心区的矢量面数据，为之后提取生态源地斑块作准备；取生态***服务高值区与MSPA分析所提取的核心区范围的交集，此交集即为生态源地备选区；打开生态源地备选斑块的图层属性表可以看到各备选斑块的编号和面积属性值，通过设定不同的生态源地最小面积阈值，分别统计大于该阈值的斑块数量，将统计结果输入Excel软件中生成折线图，其中纵轴反映斑块数量，横轴反映生态源地最小面积阈值，根据折线图，可以分析不同的最小面积阈值下，斑块数量的变化趋势，观察斑块数量下降趋于平缓时，横轴上的值为多少，该值即为生态源地最小面积阈值；并根据该阈值提取出本研究区的生态源地。
C、在构建生态阻力面时，由于生境质量越高，生物多样性水平越高，物种运动的阻力越小，利用InVEST模型计算生境质量，将生态阻力值定义为生境质量的反比，由于生境质量越好的地区，生物种类越多，生态信息传递越畅通，因此在构建生态阻力面时，将阻力值定义为生境质量的倒数，即生境质量越好，物种流动与信息传递效率越高，阻力值越低；
D、基于随机游走模型识别出研究区的生态廊道及生态节点的空间分布状况，再通过Fragstats软件平台计算有效粒度尺寸这一景观破碎化指数，利用ArcGIS软件平台对该指数网格化，再结合MESH网格化结果，对随机游走模型所计算的累积电流密度值进行校正，将校正后仍为高电流的地区遴选为关键生态节点，随机游走模型利用电荷在电路中随机游走的特性来模拟物种个体或基因流在某一景观中的迁移扩散过程，将复杂景观中的物种个体或基因流类比于电荷，经过的景观视为电阻面(即生态学中的阻力面)，根据是否利于某种生态过程为各类景观赋予相应的电阻值(即阻力值)，例如，可将草地、林地等易于物种迁徙或促进基因流动的土地利用类型赋予低电阻值，将建设用地、裸岩裸土等阻碍迁徙、流动的土地利用类型赋予高电阻值，据此，异质景观就被抽象为了一系列节点和电阻，节点代表生境、种群或保护区，其中电阻、电流和横跨景观的电压计算与整个生态过程相关，电流的大小指代物种沿某一路径扩散概率的大小(如图2所示)，随机游走模型因结合了物种运动的随机性而更具有解释力，可以识别多条具有一定宽度的扩散路径、显示廊道冗余度，并可通过源地之间电流的强弱确定生态源地和廊道的相对重要性，可用于生态修复规划、预测空间异质性和景观变化的生态和遗传效应，随机游走模型模拟出的廊道可满足多物种的迁徙需求，更符合物种运动的真实情况。
在对栅格数据进行分析时，首先需要对不同的景观类型赋予电阻值，图3为一简单例子，三种不同景观类型的电阻分别被分配为有限电阻、零电阻和无限电阻三类，为了将栅格网络转变为电路形式，这里将具有有限电阻的单元转换为节点(灰色，可代表不同的景观类型)，而具有无限电阻的单元(即表示完全屏障、黑色的单元)被丢弃，相邻节点通过电阻连接，具有零电阻(“短路区域”，它可用于表示连续的栖息地)的相邻单元被合并成单个节点，然后通过电阻与零电阻周围的所有节点相连。通过此过程，图3中的16个栅格单元被表示为具有13个节点和18个电阻的电路图。根据物理学中的欧姆定律，在一个电路中电流与电压呈正比，与电阻呈反比，基本表达式为：
I＝V/R
式中：I，电流；V，电压；R，有效电阻，也称电阻距离。
电流I与电阻距离R直接相关，电压一定的情况下，电阻距离R越大，电流I越小。这说明若某条路径的电阻距离过大，物种的扩散可能会选择其他更优路径，即电阻距离较小的路径。具体物理学术语与其在生态学中的对照意义见表1。
表1相关物理术语与其生态学意义对照表
生态廊道是生态源之间物种流动、信息传递的重要线路，也是最低阻力障碍的通道，生态廊道通过联系不同生态源，增加了区域生态景观的连通性，维护了区域生态的稳定性，基于随机游走理论使用Circuitscape软件和Linkage Mapper工具，进行识别出生态廊道以及生态节点的空间分布情况；
生态廊道结构与功能的复杂性，使得廊道的宽度具有很大的不确定性，生态廊道的宽度由保护目标、植被情况、廊道功能、周围土地利用，廊道长度等多个因素决定；一般来讲，廊道越宽越好，随着宽度的增加，环境的异质性增加，进而造成物种多样性的增加；有学者认为，当考虑所有物种的运动时，或者当对于目标物种的生物学属性知之甚少时，又或者希望供动物迁移的廊道运行数十年之久时，合适的廊道宽度应该用公里来衡量，因此借助随机游走模型中的Linkage Mapper工具，设定1200米为廊道宽度阈值，以识别不同源地间的最小累积耗费成本路径，通过Linkage Mapper工具设置不同的廊道宽度发现，随着宽度的增加，生物在核心区之间的移动有了更多的可能性，造成电流分流，“节点”区域的累积电流密度不断减少，但是“节点”区域的位置没有发生明显变化，廊道宽度的增加对整个景观的连接性影响不大。
此外，随机游走模型有多种计算模式，“成对”计算模式是计算相邻两个核心区之间连接廊道中的“节点”区域，“多对一”计算模式是计算某个核心区与其他所有核心区之间连接廊道中的“节点”区域，通过模拟分析可知，“成对”计算模式得到的“节点”区域对维持整个景观的连接性没有价值，生物可以绕道其他核心区在两个核心区之间进行移动，因此，“节点”区域要在“多对一”计算模式下进行识别。
在生态廊道内部，相比于累积电流密度值高但生态用地分布不集中的区域，累积电流密度值高且生态用地分布集中的区域是更易于开展生态修复工作的区域，且考虑到生态修复是一个循序渐进的过程，因此有必要提取出生态用地分布较为完整且连续的区域作为关键的生态节点，根据上述计算出的累积电流密度值，利用景观破碎指数(选用的是有效粒度尺寸指数)进行校正，将校正后的仍为高电流值的地区作为关键生态节点，具体过程和计算公式如下所示：
有效粒度尺寸这一景观破碎指数能有效地反映景观面积权重和结构上的差异性特征，该指数融合了生态过程、景观组分与空间格局，可以更为综合、客观地表征景观的破碎化状况，有效粒度尺寸越小，景观破碎化程度就越高，只分析生态廊道范围内生态用地的破碎化状况，因此提前将土地利用类型重分为两类，一类为生态用地，另一类为非生态用地，计算类型尺度下生态用地的有效粒度尺寸指数，计算公式为：
式中，m表示景观i的有效粒度尺寸，n为景观i中非破碎斑块的数量，aij表示斑块ij的面积，A为景观总面积，该指标等于某一斑块类型中所有斑块面积的平方和除以景观总面积，然后除以10000转化为hm2。
有效粒度尺寸网格化采用了创建地理空间网格方法来统计各个空间网格中生态用地的破碎化情况，即通过ArcGIS软件平台创建渔网工具，给研究区划分若干个大小相等的网格区域，再通过分割、掩膜等操作，利用网格矢量数据对土地利用类型影像掩膜，接着再将这些被分割和掩膜的土地利用类型数据导入Fragstats软件平台进行有效粒度尺寸(MESH)指数的批量计算，最后，将计算结果导回ArcGIS软件平台进行网格化，以便于进一步提取关键生态节点。
对于关键生态节点的遴选，利用有效粒度尺寸指数，对累积电流密度值进行校正，并遴选出校正后仍为高电流值的区域作为关键生态节点，将每个网格的有效粒度尺寸与对应区域内的有效粒度尺寸均值的比值与修正前的累积电流密度值相乘，所得即为校正后的累积电流密度值，修正公式为：
式中，Yi为修正前的累积电流密度值；MESHi为栅格i所在斑块的有效粒度尺寸；MESHa为栅格i对应区域内有效粒度尺寸的平均值；Y′i为修正后的累积电流密度值。
完成以上步骤之后，就可以构建一个由生态源地、生态廊道以及(关键)生态节点组成的生态安全格局，可以根据该结果划分出研究区内的近、中、远期的生态保护范围，从而为生态修复工作提供具有计划性的参考。
实施例二：
(1)生态***服务功能评估
分别提取以上4种生态***服务的高值区(即4级和5级的区域)，取并集，可得到图4f，代表各类优质生态***服务在空间上的总体分布情况，该数据将被运用到之后的生态源地提取中。
(2)基于形态学空间格局分析提取核心区斑块
图5即为MSPA分析结果。基于此结果，利用ArcGIS软件平台的提取工具提取出核心区斑块的分布范围，将该栅格数据转换为矢量面数据(图6)，该数据将被运用到之后的生态源地提取中。
(3)提取生态源地
通过ArcGIS软件平台，取生态***服务高值区以及MSPA分析所提取出的核心区范围的交集，通过设定多个生态源地最小面积阈值，分别统计大于该阈值的斑块数量，将统计结果输入Excel软件中生成折线图并进行趋势分析，图7中可以看出，当最小面积阈值为7km2时，斑块数量下降趋于平缓，于是在本案例中，生态源地最小面积阈值为7km2，共获得553个生态源地，研究区周边地区生态源地斑块相对集中且连续，而内部的生态源地斑块多呈孤岛分布。
(4)构建生态阻力面
基于InVEST模型，模拟出研究区生境质量分布(图9)，并根据生境质量高低，对其取反比，构建出阻碍研究区生态流动格局的阻力面(图10)，其中生境质量高值区域主要分布在研究区的周边地区，以及东部的平行岭谷地区，而低值区域分布于城(镇)区及农村居民点，由于城(镇)区生境质量为0，当进行反比运算时，其值接近无限大，因而表现出无限大电阻，河流水系时生境质量较好的区域，对生态流的阻碍能力较低，易形成一条线状的低阻力值。
(5)基于随机游走模型识别生态廊道和生态节点
利用Circuitscape 4.0.5软件平台和linkage mapper工具，选用多对一模式，将生态廊道宽度阈值设置为1200米，以识别研究区中生态廊道和生态节点的空间分布情况。多对一模式将景观面中的一个生态源地斑块接地，其余斑块均输入1A电流，计算所有斑块到这一斑块的电流值，通过迭代运算得到多对一模式下的生态廊道以及累积电流密度值的分布情况(图11)。
研究区廊道分析结果如图11所示，整体上看，结果较为复杂，研究区内西南部、东北部和西北部出现了较高的电流值，而东部地区电流值较低，且各廊道的宽窄不一，东北部重要廊道的数量最多，西部地区局部簇团成网，网络密度不大。
(6)有效粒度尺寸网格化
生态廊道范围内的生态用地与非生态用地的空间分布状况如图12所示，图中反映了研究区周边地区的生态廊道的用地类型主要为生态用地，而内部地区生态廊道的用地类型以非生态用地为主。
图13表示的是生态廊道范围内，类型尺度下的生态用地有效粒度尺寸的网格化成果，可见，有效粒度尺寸指数较高的区域在东北部和西部地区，表示这些地区生态用地破碎化程度低。该结果将用来对随机游走模型所计算的累积电流密度值进行校正，以遴选出研究区内的关键生态节点。
(7)基于有效粒度尺寸修正累积电流密度值，遴选关键生态节点
在实施生态恢复和重建实践中，应优先考虑关键点和障碍区域，但在原有的生态安全格局构建体系中，大多研究直接将随机游走模型所计算的累积电流密度高值区作为生态保护的重点区域，而缺乏对生态廊道内部的分异细节进行考量，本发明在传统研究范式的基础之上，增加了对生态廊道范围内生态破碎化程度的考量，遴选出累积电流密度值高且生态用地分布相对集中的区域为关键生态节点，提取结果如图14所示。
(8)构建生态安全格局
生态安全格局的构建要素包括生态源地、生态廊道以及(关键)生态节点，综合运用MSPA分析、生态***服务评估、随机游走模型和景观指数计算等方法，按照“识别生态源地-构建生态阻力面-提取生态廊道-遴选关键生态节点”这一新的生态安全格局构建体系，得到了一个多维的、相对客观的以及能够表征景观要素内部细节的生态安全格局构建成果(图15)，该成果明晰了需要整治与修复的重点区域，并有针对性地遴选出关键生态节点，以便于制定重点区域工程的建设时序，为生态规划提供了科学依据，也为其他地区构建生态安全格局提供了参考。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (6)
1.融合景观指数和随机游走模型的生态安全格局识别方法，其特征在于，包括如下步骤：
A、基于InVEST模型评估各项生态***服务功能，按照自然间断点法重分类分为五级，提取第四、五级的范围作为生态***服务的高值区，并对这些高值区进行等权叠加，取并集，获取生态***服务高值区范围；
B、基于土地利用类型数据，利用形态学空间格局分析模型获取MSPA分析结果中的核心区范围；取生态***服务高值区与MSPA分析所提取的核心区范围的交集，此交集即为生态源地备选区；通过设定不同的生态源地最小面积阈值，观察各生态源地最小面积阈值与生态源地斑块数量之间的关系，选出最适合研究区的生态源地最小面积阈值；并根据该阈值提取出本研究区的生态源地。
C、在构建生态阻力面时，由于生境质量越高，生物多样性水平越高，物种运动的阻力越小，利用InVEST模型计算生境质量，将生态阻力值定义为生境质量的反比；
D、基于随机游走模型识别出研究区的生态廊道及生态节点的空间分布状况，再通过Fragstats软件平台计算有效粒度尺寸这一景观破碎化指数，利用ArcGIS软件平台对该指数网格化，再结合MESH网格化结果，对随机游走模型所计算的累积电流密度值进行校正，将校正后仍为高电流的地区遴选为关键生态节点。
2.根据权利要求1所述的融合景观指数和随机游走模型的生态安全格局识别方法，其特征在于：所述步骤A中基于InVEST模型中的多个模块，定量评价某地区生态服务功能重要性和生态敏感性，提取出生态***服务高值区，为之后提取生态源地斑块作准备。
3.根据权利要求1所述的融合景观指数和随机游走模型的生态安全格局识别方法，其特征在于：所述步骤B中形态学空间格局分析方法通过数学形态学原理采用腐蚀、膨胀、开运算和闭运算数学运算，对栅格图像的空间格局分布进行分析与尺度分割，识别出不同空间结构，基于土地利用遥感监测数据，将具有生态效应的用地设置为前景、其他非生态用地设为背景，利用ArcGIS软件平台进行二值化重分类，将重分类后的栅格数据导入GuidoToolbox2.8_64windows软件平台中，通过一系列图形处理方法得到功能不同的7类景观，即核心区、分支、边缘、孔隙、孤岛、桥接区和环线区，再提取出MSPA分析结果中核心区的矢量面数据，为之后提取生态源地斑块作准备。
4.根据权利要求1所述的融合景观指数和随机游走模型的生态安全格局识别方法，其特征在于：所述步骤B中得出生态***服务高值区以及MSPA分析结果中的核心区的范围后，利用ArcGIS软件工具箱中的相交工具，对这两个矢量面数据图层取交集，该交集所得的斑块将作为生态源地的备选斑块，打开生态源地备选斑块的图层属性表可以看到各备选斑块的编号和面积属性值；通过设定不同的生态源地最小面积阈值，分别统计大于该阈值的斑块数量，将统计结果输入Excel软件中生成折线图，其中纵轴反映斑块数量，横轴反映生态源地最小面积阈值，根据折线图，可以分析不同的最小面积阈值下，斑块数量的变化趋势，观察斑块数量下降趋于平缓时，横轴上的值为多少，该值即为生态源地最小面积阈值；并根据该阈值提取出本研究区的生态源地。
5.根据权利要求1所述的融合景观指数和随机游走模型的生态安全格局识别方法，其特征在于：所述步骤C中由于生境质量越好的地区，生物种类越多，生态信息传递越畅通，因此在构建生态阻力面时，将阻力值定义为生境质量的倒数，即生境质量越好，物种流动与信息传递效率越高，阻力值越低。
6.根据权利要求1所述的融合景观指数和随机游走模型的生态安全格局识别方法，其特征在于：所述步骤D中随机游走模型利用电荷在电路中随机游走的特性来模拟物种个体或基因流在某一景观中的迁移扩散过程，将复杂景观中的物种个体或基因流类比于电荷，经过的景观视为电阻面，根据是否利于某种生态过程为各类景观赋予相应的电阻值，随机游走模型模拟出的廊道可满足多物种的迁徙需求，更符合物种运动的真实情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110787661.3A CN113505510B (zh) | 2021-07-13 | 2021-07-13 | 融合景观指数和随机游走模型的生态安全格局识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110787661.3A CN113505510B (zh) | 2021-07-13 | 2021-07-13 | 融合景观指数和随机游走模型的生态安全格局识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113505510A true CN113505510A (zh) | 2021-10-15 |
| CN113505510B CN113505510B (zh) | 2022-08-26 |
Family
ID=78012920
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110787661.3A Active CN113505510B (zh) | 2021-07-13 | 2021-07-13 | 融合景观指数和随机游走模型的生态安全格局识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113505510B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114386816A (zh) * | 2021-12-31 | 2022-04-22 | 四川农业大学 | 一种国土空间生态修复关键区识别*** |
| CN114580972A (zh) * | 2022-04-28 | 2022-06-03 | 北京北林生态田园景观规划设计有限公司 | 一种基于多元生态源地的生态廊道构建方法和装置 |
| CN115081939A (zh) * | 2022-07-22 | 2022-09-20 | 南京信息工程大学 | 表征生态空间格局破碎化指标的分析方法及*** |
| CN116775787A (zh) * | 2023-06-19 | 2023-09-19 | 重庆市规划和自然资源信息中心 | 一种基于geotools工具修复外环与内环相交的地理图像导出方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103218770A (zh) * | 2012-12-14 | 2013-07-24 | 北京林业大学 | 一种城乡一体化生态安全格局构建的技术 |
| US20160203146A1 (en) * | 2015-01-12 | 2016-07-14 | Gary Allison Moll | Ecosystem Services Index, Exchange and Marketplace and Methods of Using Same |
| CN108280588A (zh) * | 2018-02-08 | 2018-07-13 | 广州地理研究所 | 一种基于机器学习的生态安全格局构建方法 |
| CN109241221A (zh) * | 2018-08-22 | 2019-01-18 | 南京林业大学 | 一种基于3s技术探究城墙对城市景观格局演化影响的量化评价方法 |
| CN110188986A (zh) * | 2019-04-19 | 2019-08-30 | 中国科学院遥感与数字地球研究所 | 结合景观格局和区域生态风险因子的生态风险评价方法 |
| CN110298411A (zh) * | 2019-07-04 | 2019-10-01 | 中国城市建设研究院有限公司 | 一种城市群生态空间受损识别评价方法 |
| CN110298883A (zh) * | 2019-05-13 | 2019-10-01 | 南京航空航天大学 | 一种基于扩展随机游走算法的遥感图像亚像元定位方法 |
-
2021
- 2021-07-13 CN CN202110787661.3A patent/CN113505510B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103218770A (zh) * | 2012-12-14 | 2013-07-24 | 北京林业大学 | 一种城乡一体化生态安全格局构建的技术 |
| US20160203146A1 (en) * | 2015-01-12 | 2016-07-14 | Gary Allison Moll | Ecosystem Services Index, Exchange and Marketplace and Methods of Using Same |
| CN108280588A (zh) * | 2018-02-08 | 2018-07-13 | 广州地理研究所 | 一种基于机器学习的生态安全格局构建方法 |
| CN109241221A (zh) * | 2018-08-22 | 2019-01-18 | 南京林业大学 | 一种基于3s技术探究城墙对城市景观格局演化影响的量化评价方法 |
| CN110188986A (zh) * | 2019-04-19 | 2019-08-30 | 中国科学院遥感与数字地球研究所 | 结合景观格局和区域生态风险因子的生态风险评价方法 |
| CN110298883A (zh) * | 2019-05-13 | 2019-10-01 | 南京航空航天大学 | 一种基于扩展随机游走算法的遥感图像亚像元定位方法 |
| CN110298411A (zh) * | 2019-07-04 | 2019-10-01 | 中国城市建设研究院有限公司 | 一种城市群生态空间受损识别评价方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114386816A (zh) * | 2021-12-31 | 2022-04-22 | 四川农业大学 | 一种国土空间生态修复关键区识别*** |
| CN114386816B (zh) * | 2021-12-31 | 2023-04-18 | 四川农业大学 | 一种国土空间生态修复关键区识别*** |
| CN114580972A (zh) * | 2022-04-28 | 2022-06-03 | 北京北林生态田园景观规划设计有限公司 | 一种基于多元生态源地的生态廊道构建方法和装置 |
| CN114580972B (zh) * | 2022-04-28 | 2022-07-29 | 北京北林生态田园景观规划设计有限公司 | 一种基于多元生态源地的生态廊道构建方法和装置 |
| CN115081939A (zh) * | 2022-07-22 | 2022-09-20 | 南京信息工程大学 | 表征生态空间格局破碎化指标的分析方法及*** |
| CN116775787A (zh) * | 2023-06-19 | 2023-09-19 | 重庆市规划和自然资源信息中心 | 一种基于geotools工具修复外环与内环相交的地理图像导出方法 |
| CN116775787B (zh) * | 2023-06-19 | 2024-04-05 | 重庆市规划和自然资源信息中心 | 一种基于geotools工具修复外环与内环相交的地理图像导出方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113505510B (zh) | 2022-08-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113505510B (zh) | 融合景观指数和随机游走模型的生态安全格局识别方法 | |
| Liu et al. | A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects | |
| Zhang et al. | Land use/cover predictions incorporating ecological security for the Yangtze River Delta region, China | |
| Wang et al. | Delimitation of ecological corridors in a highly urbanizing region based on circuit theory and MSPA | |
| Sakieh et al. | Evaluating the strategy of decentralized urban land-use planning in a developing region | |
| CN110298411A (zh) | 一种城市群生态空间受损识别评价方法 | |
| CN106780089B (zh) | 基于神经网络元胞自动机模型的永久性基本农田划定方法 | |
| Liao et al. | Urban sprawl scenario simulations based on cellular automata and ordered weighted averaging ecological constraints | |
| Li et al. | Quantitative analysis of the ecological security pattern for regional sustainable development: case study of Chaohu Basin in Eastern China | |
| CN108632832B (zh) | 网络覆盖分析方法及*** | |
| Zhang et al. | Identification and extraction of a current urban ecological network in Minhang District of Shanghai based on an optimization method | |
| Liu et al. | Linking GRNN and neighborhood selection algorithm to assess land suitability in low-slope hilly areas | |
| Liu et al. | Constructing ecological security patterns based on ecosystem services trade-offs and ecological sensitivity: A case study of Shenzhen metropolitan area, China | |
| CN115063276A (zh) | 一种基于mspa和电路理论的城市生态廊道空间划定方法 | |
| CN115759883A (zh) | 基于网络群组特征的生态管理分区方法 | |
| KianiSadr et al. | Quantitative zoning of ecotourism potential in Oshtorankouh protected area using Delphi method, analytic hierarchy process, and weighted overlay methods | |
| Jing et al. | Optimization of landscape pattern in the main river basin of Liao River in China based on ecological network | |
| Men et al. | Ecological network identification and connectivity robustness evaluation in the Yellow River Basin under a multi-scenario simulation | |
| Shen et al. | Improving landscape ecological network connectivity in urbanizing areas from dual dimensions of structure and function | |
| Li et al. | Environmental governance of transnational regions based on ecological security: The China-Mongolia-Russia economic corridor | |
| Saeidi et al. | Designing an integrated urban growth prediction model: A scenario-based approach for preserving scenic landscapes | |
| CN116579518A (zh) | 一种水域生态空间保护修复靶向区域的识别方法 | |
| Liu et al. | Projection of the potential distribution of suitable habitats for Siberian crane (Grus leucogeranus) in the middle and lower reaches of the Yangtze River basin | |
| Wang et al. | Identifying ecological security patterns to prioritize conservation and restoration: A case study in Xishuangbanna tropical region, China | |
| Wang et al. | A fuzzy intelligent system for land consolidation–a case study in Shunde, China |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |