快速城市化虽然能够提高经济水平，但不合理的城市生态规划、人口迁移等导致生态用地被占用、生物栖息地减少，甚至导致生物多样性丧失，严重干扰生态自我调控能力^[1-2]。评估景观连通性并构建生态网络是从理论到实践解决城市生态问题的有效途径。这一策略通过连接孤立且破碎的生态斑块，增加斑块间的有效联系，促进基因流动和物种交换，对提高城市生态系统服务水平、恢复自然生态系统功能以及丰富生物多样性具有重要作用^[3-4]。

许多学者在生态网络研究领域进行了大量工作，开发了多种构建生态网络的方法。这些方法通常以生态用地规划为主，识别生态源地，构建生态耗费面并提取生态廊道^[5]；在此基础上，结合生态风险评估^[6]、生态土地适宜性评价^[7]等方法，可以进一步细化生境斑块的空间质量、阻力^[8]、经济成本和生态效益^[9]，针对不同地形地貌构建不同尺度的生态网络，并制订优化策略。随着城市经济的不断发展，城市用地空间不足，逐渐侵占山林、河湖等绿地，破坏景观连通性，导致中心城区景观破碎和分散^[10]。将形态学空间格局分析(morphological spatial pattern analysis，MSPA)方法与最小累计阻力(minimum cumulative resistance，MCR)模型结合，不仅能保证研究结果的科学性和准确性，还能提升整个网络的连通性和生态效益^[11]，进而更有效地构建生态网络。

云南省玉溪市是生态学研究网络中的重要节点，可以充分利用生态网络建设提供的资源平台，进行更深入、系统的研究^[12-13]。易门县在玉溪市具有重要地位，其独特的地理位置、丰富的资源以及明确的发展战略和规划，为其在玉溪市的发展提供了有力支撑。近年来，易门县人民政府针对经济快速发展，城镇扩张导致周边林地、草地及优质耕地被侵占等问题，积极开展生态修复、水土保持、水土流失治理、水生态修复等工作，协同发展生态旅游产业，共筑区域生态安全格局^[14-15]。构建和优化生态网络在生态保护、环境改善、数据监测与治理等方面具有显著优势，有利于缓解易门县因城市化导致的土地利用类型变化，进而产生的景观破碎化、区域生态环境恶化、生物栖息地减少等一系列问题，并以此为基础，探究城乡发展与生态环境保护之间的用地矛盾，寻求平衡自然环境与人类活动的方法。

1.   材料与方法

1.1   研究区概况

研究区位于云南省玉溪市西北部的易门县(24º27′N，102º18′E)，2021年全县总面积约1 526.55 km² (图1)。该地区属亚热带季风气候，年均温16 ℃，冬季阳光充足，无严寒。易门县山区面积约占97%，地处高原山地，三面高山环绕，中部为溶蚀性盆地，东南面为中山河谷地带，地形复杂，立体气候显著。复杂的地形地貌条件孕育了丰富的动植物资源，境内森林覆盖率达66.53%，拥有多种野生动物。目前，易门县的生态廊道主要以水源保护、森林公园保护、水源涵养等为重点生态廊道，数量较少，不同廊道间的连通性不足，且碎片化严重^[15]。

图  1  研究区位置示意图

注：底图审图号GS(2024)0650号；下同。

Figure  1.  Schematic diagram of the location of the study area

Note: Bottom drawing number: GS(2024)0650; the same as below.

下载: 全尺寸图片 幻灯片

1.2   数据来源与处理

研究数据包括：2021年易门县城市规划区边界、道路和水系的矢量数据，来源于全国地理信息资源目录服务系统(https://www.webmap.cn/main.do?method=index)；分辨率为30 m的遥感影像图和ASTER GDEM数字高程数据，来源于地理空间数据云平台(http://www.gscloud.cn/)。以2021年易门县Landsat 8 OLI_TIRS遥感影像为基础数据，使用ENVI 5.3软件进行基本配准处理后，通过对比谷歌地图进行目视解译和监督分类，将其划分为水体、林地、草地、耕地、建设用地和其他用地6类土地利用类型；根据实地调研校对和验证数据(解译精度为96.46%，Kappa系数为0.93)，在ArcGIS 10.7中添加研究区道路和行政区边界矢量数据，栅格数据单元设为30 m×30 m，最终得到2021年易门县土地利用类型(图2)。

图  2  2021年易门县土地利用类型

Figure  2.  Land use type of Yimen County in 2021

下载: 全尺寸图片 幻灯片

1.3   研究方法

1.3.1   基于MSPA方法的景观格局分析

生态网络的构建需要经过确定源地、构建阻力面、判别生态格局等步骤^[16]。MSPA方法能够有效反映区域内空间形态上的连通性和景观类型的整体分布格局，基于此对栅格数据进行景观分类^[17-18]。GuidosToolbox工具可以将赋值后的二值栅格文件运用八领域方法进行分析，识别出核心区、桥接区、孔隙、环线、支线、边缘区和孤岛7种不重叠的景观类型^[19]。在易门县土地利用数据的基础上，将重要生态要素(如林地和水体)设为前景，赋值为2，草地、耕地、建设用地和其他用地作为背景，赋值为1，边缘宽度设为默认值1，进行景观连通性分析。

1.3.2   生态源地识别及景观连通性评价

生态源地为生物活动提供优质栖息地与迁徙用地，是具有高生境价值并产生重要辐射效应的关键斑块。源地越密集，其生态功能和调控能力越强。景观连通性评价可以判断斑块的连通重要性及其是否利于物种迁徙。景观连通性指数主要包括整体连通性指数(integral index of connectivity，IIC)、可能连通性(probability of connectivity，PC)指数和斑块重要性(dPC)指数，这些指数能够反映区域内部能量是否流通，以及斑块对景观连通性的贡献度。连通性越高，越有助于促进物种迁徙和扩散，维持种群的遗传多样性。使用Conefor 2.6软件计算核心区及以上3个指数，选取面积最大的10个斑块作为核心区域进行连通性分析并识别生态源地，计算公式为：

式中：$ n $为研究区内所有斑块的数量；$ {a_i} $和$ {a_j} $分别为斑块$ i $和$ j $的面积；$ nl{}_{ij} $为斑块$ i $至$ j $之间的连接数；$ p_{ij}^ * $为物种在斑块$ i $和$ j $间直接迁徙扩散的最大可能性；$ {A^2} $为研究区的景观总面积；$ {\mathrm{P}}{{\mathrm{C}}_{{\mathrm{remove}}}} $为去除某一斑块后的景观连接度指数。

1.3.3   最小累计阻力(MCR)模型的构建

MCR模型由KNAAPEN等^[20]提出，能够将估计的物种扩散阻力分配给各景观类型，进一步分析现有联系的空间分异，同时也是生态保护和景观类型分析的重要工具。目前该模型在生态网络构建和优化方面的应用已相对成熟^[21]。生态阻力能够反映生态源地之间物种扩散的难易程度，而综合生态耗费面则是研究区域内主要影响因素的综合空间表现。地形中的海拔和坡度是构建阻力面的关键限制因素^[22]。鉴于人为干扰通常表现为阻碍生态资源外部扩散，故将与道路的距离纳入人为阻力因素。参考相关研究，除了土地利用类型外，使用自然断点法对景观阻力因子进行1~5等级分级赋值^{[11, 23-26]}，并将土地利用类型、海拔、坡度和距道路距离的权重分别设置为0.34、0.06、0.29和0.21 (表1)。使用ArcGIS 10.7中的栅格计算器对4项阻力因子进行加权求和(土地利用类型×0.34 +海拔×0.06 +坡度×0.29 +与道路的距离×0.21)生成栅格阻力面，并计算从生态源向周围斑块扩散的累计成本，计算公式为：

表  1  景观阻力因子分级、赋值与权重

Table  1.  Classification, assignment and weight of landscape resistance factors

项目 item		土地利用类型 land use type	海拔/m altitude	坡度/(°) slope	与道路的距离/m distance from road
阻力值 resistance value	1	林地 forest land	≤1480	≤5	>800
	2	草地 grassland	(1480, 1721]	(5, 17]	(600, 800]
	3	耕地 farmland	(1721, 1921]	(17, 29]	(400, 600]
	4	其他用地 other land	(1921, 2125]	(29, 41]	(200, 400]
	5	水体 water bodies	>2125	>41	≤200
	6	建设用地 construction land
权重 weight		0.34	0.06	0.29	0.21

下载: 导出CSV 

| 显示表格

式中：$ {\mathrm{MCR}} $_ij为生态源地 i 到其余斑块 j 的最小累积阻力值；$ f $(x)为某个正函数；$ m $为景观单元$ i $的数量，$ n $为源地 j 的数量，$ {D_{ij}} $为斑块 i 到 j 的空间距离；$ {R_i} $为$ i $对某种物种运动的综合阻力系数。

1.3.4   基于最小成本路径的生态廊道识别

基于重力模型对研究区潜在生态廊道进行重要性识别，可以构建生态源地之间的相互作用力矩阵。由于斑块本身的属性差异、斑块间的相互作用关系、人为因素与保护策略等因素的综合作用，不同斑块的重力选择不同。因此，可以定量评价斑块间的相互作用强度，并判断潜在生态廊道的相对重要性。相互作用力越高，廊道所承接的生物扩散和能量流动就越强，在增强生态连通性、保护生物多样性、维护生态系统完整性等方面具有重要作用。基于ArcGIS 10.7软件，选择1个生态源地为源/汇点(生态系统中物质、能量或信息的输入或输出节点)，叠加研究区的综合生态耗费面，使用成本距离与成本回溯链接矩阵计算每个源点到其他源点的最小成本路径，识别生态源地之间的最优生物扩散和迁移路径，构建潜在生态廊道。

1.3.5   重要生态廊道提取

生态源地之间的相互作用力可以体现源地之间的关系，作用力越强，源地在生态系统中发挥的功能越关键，连接2个源地的廊道能更有效地传递物质和能量。通过重力模型构建各源地间的相互作用力矩阵，提取高作用力廊道作为重要生态廊道，构建易门县的生态网络图。随后，使用网格分析法对现有网络的闭合度(α值)、线点率(β值)及连接度(γ值)进行验证，结合研究区实际情况提出优化策略，其中，α值越接近1，物种扩散迁徙越有利，物质循环越流畅；β值越大，生态网络越复杂。生态源地之间的相互作用力计算公式为：

式中：$ G{ _{ab}} $为2个核心斑块$ a $和$ b $之间的相互作用力；$ {L_{ab}} $为斑块a和b廊道之间累积的阻力值；$ {L_{\max }} $为研究区内所有廊道累积的阻力最大值；$ {S_a} $和$ {S_b} $分别为斑块$ a $和$ b $的面积；$ {P_a} $和$ {P_b} $分别为源地$ a $和$ b $的平均阻力值。

2.   结果与分析

2.1   基于MSPA的景观格局

MSPA景观类型分析(图3)和景观类型统计(表2)显示：核心区面积为712.22 km²，占7类景观总面积的77.09%，整体呈片状分布。大型斑块主要分布在研究区的中西部和东北部，而西南角和南部则以破碎的小斑块为主。中东部区域主要为建成区，受人类活动和城市建设影响，该建成区区域形成大面积空白。虽然核心区的大型斑块成片分布，但孔隙较多，增加了生态系统退化的可能性。西部和南部的桥接区较为密集，但面积仅为7.27 km²，占总面积的0.79%，表明研究区整体连通性不高。孔隙和边缘是核心区与非绿色景观区域内部和外部之间的过渡区域，具有边缘效应，分别占总面积的5.24%和12.96%。支线占比为2.44%。环线是斑块内部生物迁徙和活动的便捷通道，仅占0.64%，面积最小，不利于物种的多样性。孤岛是零散、破碎分布的块状斑块，较为孤立，占比为0.85%，通常可作为连接其他斑块并提供生物迁徙的踏脚石。

图  3  基于MSPA的景观类型分析

Figure  3.  Landscape type analysis based on MSPA

下载: 全尺寸图片 幻灯片

表  2  景观类型分类统计

Table  2.  Landscape type classification statistics

景观类型 landscape type	面积/km2 area	占比/% percentage
核心区 core	712.22	77.09
桥接区 bridge	7.27	0.79
孔隙 perforation	48.41	5.24
边缘 edge	119.74	12.96
支线 branch	22.54	2.44
环线 loop	5.91	0.64
孤岛 islet	7.84	0.85
总计 total	923.92	100.00

下载: 导出CSV 

| 显示表格

2.2   生态源地选取及景观连通性

由表3可知：整体连通性指数(IIC)和可能连通性(PC)指数随着连通距离阈值的增加而增大。当距离阈值达到1 000 m，可能性概率为0.5时，整体连通性指数将固定为0.29，即景观连通性已达到最高值。以IIC、PC和斑块重要性(dPC)对核心区进行景观连接度评价，对比得到dPC值大于1的10个斑块作为生态源地并编号(表4和图4)，发现1、2、3号斑块的面积较大，其dPC和IIC值也较高，其余斑块的dPC和IIC值随着面积的减小而减小。因此，推测斑块面积会影响斑块重要性和整体连通性指数。

表  3  不同距离阈值下的景观连通性指数

Table  3.  Landscape connectivity index under different distance thresholds

景观连通性指数 landscape connectivity index	200 m	500 m	1000 m	1500 m	2000 m
整体连通性指数 integral index of connectivity (IIC)	0.24	0.28	0.29	0.29	0.29
可能连通性指数 probability of connectivity (PC) index	0.28	0.33	0.36	0.37	0.37

下载: 导出CSV 

| 显示表格

表  4  10个生态源地的景观连通性指数

Table  4.  Landscape connectivity index of ten ecological source areas

序号 serial number	斑块编号 patch number	斑块重要性 dPC	整体连通性指数 IIC
1	7	5.22	3.82
2	1	75.34	67.35
3	3	47.26	41.64
4	6	5.54	3.76
5	10	1.09	0.88
6	2	56.96	50.05
7	4	7.04	4.89
8	8	4.55	2.94
9	9	1.87	1.40
10	5	7.43	6.89

下载: 导出CSV 

| 显示表格

图  4  生态源地分布

Figure  4.  Distribution of ecological source areas

下载: 全尺寸图片 幻灯片

由图4还可知：源地斑块面积差异较大，空间分布不均。大斑块源地主要位于东北部和中部，而小斑块源地则集中于中南部，南北方向的连通性较差，中东部、西北部与南部区域存在大量空白。水域、林地和公园主要分布在生态状况较好的大面积生态源地斑块中(如2、3、6号斑块)，虽然能够维持较高的整体景观连通性，但与南部的连接通道较少，限制了生物流、能量流及信息流的扩散。南部地区地势相对低洼，村庄密集，由于交通道路和耕地的影响，源地斑块(如4、5、7、8、9、10号)多被分割成距离较近、面积小且破碎的小块。虽然这些小斑块可以为生物迁徙提供短暂的停留点，有助于斑块异质性的发展，但由于其内部生境质量不高，不利于物种的长期停留和栖息。因此，生态源地间的dPC值与IIC值具有一定的关联性。

2.3   生态网络构建与优化

根据表2数据计算得到研究区的综合生态耗费面(图5)，结果显示阻力值分布不均。受城市建设和人类活动的影响，中东部的阻力值最高，并以此为中心向东北、东南和西南地区延伸，使生态源地被分割成小块；西侧也存在部分阻力值较高的区域。这些城镇和居住区极大地限制了生物的流动，阻碍了源地之间的物质、能量流通。

图  5  研究区的综合生态耗费面

Figure  5.  Integrated ecological cost surface of the study area

下载: 全尺寸图片 幻灯片

基于重力模型对研究区的潜在生态廊道进行重要性识别，构建生态源地之间的相互作用力矩阵(表5)，结合研究区实际情况，最终提取出相互作用力最高的15条廊道作为重要生态廊道，这些廊道主要集中于南部地区，北部仅有1条，其余30条则为一般廊道(图6)。研究区的生态网络空间分布不均，重要生态廊道和一般生态廊道都集中在生态源地较多的中南部地区，整体廊道的空间分布在南北和东西方向上差异较大；面积较大的生态源地内部的潜在生态廊道过于单一，以北部地区的重要廊道数量仅有1条最为明显。

表  5  基于重力模型的生态斑块间相互作用矩阵

Table  5.  Interaction matrix between ecological patches based on gravity model

斑块编号 patch number	2	3	4	5	6	7	8	9	10
1	762.87	138.47	164.74	84.60	154.87	114.54	142.21	87.83	95.13
2		456.42	407.77	148.30	387.42	315.04	34.72	167.87	185.19
3			358.23	122.72	780.50	5403.35	1109.69	182.00	186.50
4				678.23	2814.61	350.67	1278.01	931.30	1144.86
5					368.97	133.28	316.05	2480.24	4137.18
6						820.71	9663.88	699.89	730.44
7							1217.01	196.79	201.65
8								568.04	569.33
9									16898.22

下载: 导出CSV 

| 显示表格

通过网格分析法验证生态网络的完善程度和连通性可知：网络的闭合度(α值)、线点率(β值)和连接度(γ值)分别为0.40、1.50和0.63，表明易门县生态网络结构复杂但不够流畅，闭合度与连接度水平一般，存在较大的生态网络优化空间。优化结果(图7)显示：考虑到生物扩散和迁徙的需求，以及研究区源地的空间分布，在维护原有林地和水体的基础上，从核心区中筛选出8个面积较大，IIC、PC和dPC值较高的斑块作为新增生态源地，并使用MCR模型构建最小成本路径，规划16条新廊道；识别出10个重要生态节点(主要分布在南部地区)和23个一般生态节点(集中在中南部地区)；还识别出24个生态断裂点，其中7个位于省道，12个位于县道，5个位于市级道路。经网格分析法验证，优化后的α、β和γ值分别为0.45、1.72、0.65，优化效果显著。

图  7  生态网络优化

Figure  7.  Optimization of ecological network

下载: 全尺寸图片 幻灯片

3.   讨论

3.1   源地识别—阻力面构建—生态廊道提取的生态网络构建方法分析

本研究使用MSPA方法与景观连通性指数作为筛选源地的主要条件，通过空间拓扑关系，更加精确地分辨景观类型，避免因区域位置和保护性因素盲目选取生态源地。通过使用IIC和PC值计算不同距离阈值的景观连通性，使研究更加客观和准确。在构建生态网络的过程中，不同的研究方法和数值设置对研究结果有较大影响^[27-29]。本研究数据科学且精确，除了参考已有研究外，还在土地利用分类中融合了软件监督分类技术与人眼目视解译的方法，并结合实地调研，使解译精度和Kappa系数分别达到96.46%和0.93。

图  6  研究区的生态网络

Figure  6.  Ecological network of the study area

下载: 全尺寸图片 幻灯片

易门县位于中国西南部的云南省玉溪市，境内森林覆盖率达66.53%。与北方地区相比，季节变化对植被的影响较小，冬季时植被仍能保持相对良好的生长状态，落叶现象不普遍或显著，如云南松、华山松等常年保持绿色^[30-31]。本研究使用2021年2—3月的遥感影像，数据较新，处于冬末春初阶段，部分植被开始复苏或进入生长期，受极端天气影响较小，能够准确反映该地区的生态特征，评估生态廊道构建潜力，也有助于深入探究城乡发展与生态环境保护之间的用地矛盾，寻求缓解生态用地被占用、生物栖息地减少等问题的方法。生态廊道需要满足物种的扩散、迁移和交换功能。随着气温回升及植被复苏，冬末春初是易门县动物迁徙的重要时期。但由于不同地域的不同动植物对栖息、迁徙和生存所需的环境要求不一，难以准确预测每个物种的迁徙时间。因此，缺乏针对研究区内生物物种的具体分析。根据文献资料，玉溪市保护物种数量较少，新增量低，易门县的生物物种资料难以获取^{[3-4, 32-33]}，数值设置也存在一定的主观性。本研究主要从用地类型角度考虑，优化生态网络，提升生态效益，还需要进一步研究如何平衡自然与人类活动发展的关系^[34]。

3.2   易门县生态网络优化建议

在区域尺度下，生态网络的构建和优化对该地区生态环境和生物多样性保护研究都具有重要意义，能够全面展示研究区的生态环境现状^[35]。相关研究表明：通过营造适宜生物生存和物种迁徙的高质量生境，增设并扩大生态源地与生态廊道，识别并强化重要生态节点等方式，可以有效提高源地间的景观连通性，优化景观格局，加强生物多样性保护^[36-37]。因此，基于易门县生态网络构建结果与实地情况，提出以下优化建议。

(1) 增补源地斑块与廊道网络。生态网络构建研究显示：研究区西北角、中东部和南部存在大量空白，生境较差，缺少生物栖息地和基础廊道连接。经过优化，筛选出8个新增生态源地，规划16条新廊道。经网格分析法验证，优化前α、β和γ值分别为0.40、1.50和0.63，优化后分别为0.45、1.72和0.65，数值明显增加，优化效果显著，生态网络流畅度、廊道、节点均得到明显改善^[22-23]，能够有效打通南北和东西方向的网络连接，优化研究区整体的生态网络结构。

(2) 加强生态节点保护。生态节点连接不同的景观区域，影响生态循环和物质交换。有效的保护和建设有助于优化生态网络，促进区域可持续发展。研究区内识别出的生态节点已进行重要程度分级，包括10个重要生态节点(位于重要生态廊道交会处，以及重要生态廊道与一般生态廊道的交会处)和23个一般生态节点，以实现不同等级生态节点的针对性保护，增强景观的整体性和生态的稳定性。

(3) 修复生态断裂点。生态断裂点通常定义为生态网络与硬质表面的交汇点，包括与国道、省道、高速公路及少量居民点的交集。城镇化进程中，这些地点往往成为建设用地和道路对区域生态环境造成威胁和破坏的关键点。通过对研究区交通路网和生态廊道的研究，共识别出24个生态断裂点。建议采取工程措施进行修复，如利用高架桥等修筑公路，以减少交通网络对生态网络的直接破坏；或在一般道路两侧设立生态缓冲区，注重道路两侧绿化的体量和生态功能，增强生态斑块间的连通性，降低动物迁徙过程中的死亡率。

4.   结论

从景观格局分析来看，研究地核心区景观面积为712.22 km²，占7类景观总面积的77.09%，主要呈片状分布，中东部等地区因建成区影响形成大面积空白。根据景观连通性分析，选出10个生态源地，其中1、2、3号源地的斑块面积与其他源地差异较大，集中于中北部，中南部多为面积较小的源地斑块。整体空间分布不均，斑块面积与斑块连接重要性密切相关。提取15条重要生态廊道和30条一般廊道构建易门县的生态网络，南部网络密度较高，南北部与东西部连通性较低。通过网络分析法评价网络情况发现，该网络的闭合度、线点率和连接度水平不高。大型生态源地斑块内部的潜在廊道数量少，小型生态源地斑块距离近、成本低，但易受外来因素的干扰和影响。