网络出版时间：2016-04-18 14:32:31 网络出版地址：wwwki/kcms/detail/21.1253.Q.20160418.1432.031.html
鹀属DOI: 10.13287/j.1001–9332.201607.006
喜剧世界南京市绿基础设施网络格局与连通性分析的尺度效应 于亚平1尹海伟1*孔繁花2王晶晶1徐文彬1
（1南京大学城市规划与设计系，南京 210093；2南京大学国际地球系统科学研究所，南京 210023）
摘要以南京市为研究区，基于ArcGIS、Erdas、GuidosToolbox和Conefor等软件平台，采用形
态学空间格局分析（MSPA）和景观连通性分析方法，通过在MSPA中设置不同的粒度、边
缘宽度和在景观连通性分析中设置不同的扩散距离阈值，对2013年南京市绿基础设施网络
格局变化的尺度效应、边缘效应与距离效应进行评价。结果表明：基于MSPA获取的景观类
桦川一中
型构成存在明显的尺度效应和边缘效应，且边缘效应对MSPA景观类型的影响较尺度效应更
为明显。不同扩散距离对景观连通性的影响很大，对于南京市来说，2 km或2.5 km是关键的
扩散距离阈值。当输入数据选择粒度30 m、边缘宽度30 m时，可以得到南京市城市绿基
础设施（UGI）网络更为详尽的景观信息。基于MSPA与景观连通性方法，分析尺度效应、
边缘效应、距离效应对研究区UGI网络景观类型的影响，有助于选择合适的粒度、边缘宽度
及扩散距离，并更好地理解UGI网络的空间格局和与生态过程相关的尺度效应和距离效应，
从而使得UGI网络时空格局变化分析时的参数设置更为科学合理。研究结果可为中尺度范围
内UGI景观网络时空格局分析时的参数设置提供重要的参考和依据，对其他地区UGI景观网
络的分析也具有一定的借鉴意义。
关键词形态学空间格局分析（MSPA）；景观连通性；城市绿基础设施（UGI）；南京市红脊长蝽
Scale effect of Nanjing urban green infrastructure network pattern and connectivity analysis.
YU Ya-ping1, YIN Hai-wei1*, KONG Fan-hua2, WANG Jing-jing1, XU Wen-bin1(1Department
of Urban Planning and Design, Nanjing University, Nanjing210093,China; 2International
Institute for Earth System Sciences, Nanjing University, Nanjing210023, China)
Abstract: Based on ArcGIS, Erdas, GuidosToolbox, Conefor and other software platforms, using
morphological spatial pattern analysis (MSPA) and landscape connectivity analysis methods, this
paper quantitatively analysed the scale effect, edge effect and distance effect of the Nanjing urban
green infrastructure network pattern in 2013 by setting different pixel sizes (P) and edge widths in
MSPA analysis, and setting different dispersal distance thresholds in landscape connectivity
analysis. The results showed that the type of landscape acquired based on the MSPA had a clear
scale effect and edge effect, and scale effects only slightly affected landscape types, whereas edge
effects were more obvious. Different dispersal distances had a great impact on the landscape
connectivity, 2 km or 2.5 km dispersal distance was a critical threshold for Nanjing.When
selecting the pixel size 30 m of the input data and the edge wide 30 m used in the morphological
model, we could get more detailed landscape information of Nanjing UGI network. Based on
MSPA and landscape connectivity, analysis of the scale effect, edge effect, and distance effect on
the landscape types of the urban green infrastructure (UGI) network was helpful for selecting the
appropriate size, edge width, and dispersal distance when developing these networks, and for
better understanding the spatial pattern of UGI networks and the effects of scale and distance on
the ecology of a UGI network. This would facilitate a more scientifically valid set of design
parameters for UGI network spatiotemporal pattern analysis. The results of this study provided an important reference for Nanjing UGI networks and a basis for the analysis of the spatial and temporal patterns of medium-scale UGI landscape networks in other regions.
Key words: morphological spatial pattern analysis (MSPA); landscape connectivity; urban green infra
structure (UGI); Nanjing City.
本文由国家自然科学基金项目（51478217）和中央高校基本科研业务费专项资助This work was supported by the National Natural Science Foundation of China (51478217) and the Fundamental Research Funds for the Central Universities.
2015-12-28 Received, 2016-03-29 Accepted.
*通讯作者Corresponding author. E-mail: qzyinhaiwei@163
随着我国城市化进程的不断推进，城市空间不断扩展，致使城市下垫面性质发生改变，生境斑块变得日益破碎化，景观连通性不断降低，严重削弱了城市生态系统的服务和城市的可持续发展能力[1-3]。城市绿基础设施（urban green infrastructure，UGI）作为自然生命支持系统（natural life support system），可为生物多样性保护、生态环境质量维护和人类福祉提供重要的空间载体与保障，对于维护城市生态系统的服务具有重要意义[4-5]。
邑国时代传统的UGI要素识别和时空格局研究主要基于GIS技术和景观指数分析，且通常将UGI网络的结构性要素（核心、廊道）分别提取出来进行单独分析[3]。近年来，形态学空间格局分析（morphological spatial pattern analysis，MSPA）方法开始被引入到UGI网络分析中[6-8]。MSPA是V ogt等[9]基于腐
蚀、膨胀、开运算、闭运算等数学形态学原理对栅格图像的空间格局进行度量、识别和分割的一种图像处理方法，能够更加精确地分辨出景观的类型与结构。该方法强调结构性连接，仅依赖于土地利用数据，将其重新分类后提取林地、湿地等自然生态要素作为前景（foreground），其他用地类型作为背景（background），然后采用一系列的图像处理方法将前景按形态分为互不重叠的7类景观。MSPA能够快速识别UGI网络的结构要素，进而对UGI网络的空间分布进行可视化分析。景观连通性指景观对生态流的便利和阻碍程度，是衡量景观格局和功能的一个重要指标[10]。连通性良好的UGI网络可以更好地保护区域生物多样性和维持生态系统的稳定性和整体性[11]。目前，大量基于景观连通性指数和景观连通性模型的研究已经广泛应用于生态学的各个方面[6,12-21]。例如，Conefor软件可以定量化分析栖息地和廊道对于维持或提高景观连通性的重要性，通过识别生态连通性的关键站点，并确定其优先次序，被认为是在景观规划和栖息地保护中的决策支持工具。
近年来，国外基于MSPA和景观连通性分析方法的UGI时空格局变化研究逐渐增多[22-27]。例如，Saura 等[13]采用MSPA和景观连通性方法分析了西班牙两个不同尺度和管理背景下的森林区域中各结构要素的重要性，并考虑了距离效应对景观结构要素的影响；V ogt等[27]基于MSPA方法，通过设置不同的粒度和边缘宽度的组合，探讨了MSPA对尺度效应、边缘效应的敏感性；Wickham等[9]采用MSPA方法对整个美国的UGI格局进行分析与评价，并探讨了边缘效应、邻域规则对UGI时空格局演化的影响。国内目前有关UGI 景观格局与连通性的尺度效应研究仍以景观指数与连通性指数分析为主[28-
33]，而基于MSPA的景观格局与连通性分析尚不多见[34-35]，关于粒度效应、边缘效应、距离效应对UGI景观格局和景观连通性影响的研究更为少见。
本文以南京市为研究区，基于ArcGIS、Erdas、GuidosToolbox和Conefor等软件平台，采用MSPA和景观连通性分析方法，通过在MSPA分析中设置不同的粒度（pixel）、边缘宽度（edge width）和在景观连通性分析中设置不同的扩散距离阈值（maximum dispersal distance），探讨了粒度效应、边缘效应和距离效应对南京市UGI网络格局变化的影响，以期明确粒度效应、边缘效应对研究区UGI网络格局有何影响、以及距离效应对研究区UGI的景观连通性水平有何影响，旨在为南京市UGI网络格局分析时设置合适的分析参数提供重要的参考和依据，对其他城市UGI网络格局的尺度效应分析也具有一定的借鉴意义。
1 研究地区与研究方法
1.1 研究区概况
南京市是江苏省省会，地处长江三角洲西端（31°14'—32°37' N、118°45'—119°14' E），市域总面积6582 km2。该区属北亚热带湿润气候，四季分明，雨量充沛；境内江河湖泊遍布，长江穿城而过，主要支流有秦淮河和滁河，湖泊主要有固城湖、玄武湖等；地貌以低山丘陵和河谷平原为主，两者交错分布（图1）。
南京市虽坐拥山水城林、自然人文景观资源丰富，但随着城市建设用地的快速扩张，UGI不断遭受侵占与蚕食。2000年以来，南京市先后出台并实施了一系列生态保护措施，使得部分在快速城市化过程中遭到破坏的UGI网络得以部分恢复。
图1研究区2013年土地利用类型
Fig.1 Land use types of the study area in 2013.
1.2数据来源与预处理
本研究所使用的主要数据有：南京市2013年8月11日的TM遥感影像数据（源于地理空间数据云网站）、1：50000地形图以及南京市城市总体规划中的相关图件。
首先，基于ERDAS软件平台，将2013年的TM遥感影像数据进行多光谱融合。然后，以地形图为参照，将融合后的遥感数据进行精校正（均方根RMS< 1个像元）和坐标转换（统一转换成WGS _1984坐标体系和UTM投影坐标体系），并按照研究区边界进行数据裁剪。最后，基于监督分类方法得到土地利用现状图，并结合城市总体规划中的用地现状图和实地调研数据进行验证。根据研究区实际情况和研究目的，将南京市土地利用类型划分为7类：建设用地、草地、林地、农田、道路、水体和裸地（图1），并将林地、草地、水体作为UGI的主要构成要素，合并为UGI一类。
1.3 研究方法
1.3.1 南京市UGI网络格局的粒度效应与边缘效应分析首先，基于研究区的土地利用现状图，将UGI 作为前景，其他用地类型作为背景，并将数据转为TIFF格式的二值栅格数据文件。然后，基于Guidos T婚姻保卫战片尾曲
oolbox 软件，采用八邻域分析方法，边缘宽度（edge Width）参数设置为4，对应的物理距离为120 m，粒度大小分别设置为30、60、120 m，进行MSPA分析，并将得到的7类景观类型进行统计（表1）[35]，进而分析粒度效应对研究区UGI网络景观结构的影响。再次，采用同样的方法，使用粒度为30 m的栅格数据，边缘宽度参数分别设置为1、2、4，对应的物理距离分别为30、60、120 m，分析边缘效应对UGI网络景观结构的影响。最后，为了表征边缘宽度的变化对大中小型斑块及其网络数量的影响，将核心区按照面积大小划分为3类，并分别统计了3类核心区及其网络构成的数量变化特征。需要说明的是，这里的边缘宽度指MSPA分析时定义的非核心区类型的宽度和厚度（以像素为单位），真实的距离对应边缘像素的数量乘以数据的像素精度；“边缘效应”指图形分析时人为改变边缘宽度导致的分析结果的变化，不同于生态学意
效应对研究区UGI网络的整体景观连通性影响。
2 结果与分析
2.1 粒度效应对UGI网络景观结构的影响
在粒度30、60、120 m时，研究区2013年绿基础设施的总面积分别为131097、131202、131465 hm2，UGI总面积稍有增加，这是因为尺度不同造成的微小差异。由表2可见，随着粒度增加，核心区一直是研究区的主要景观类型，约占UGI总面积的42%，其次是孤岛区、边缘区、桥接区；随着粒度增加，核心区面积先减后增，孤岛面积先增后减，孔隙、边缘面积、分支面积递增（依次增加了135.7%、35.6%、66.1%），环道区、桥接区面积递减（依次减少了59.5%、48.5%）；孤岛区数量先增后减，孔隙、桥接区数量先减后增，其余景观类型的数量均大幅递减。事实上，大部分情况下核心区的内部像素依然是核心区（核心区转变成核心区的概率大于0.5）。但是核心区面积的外部边界很可能以较高的概率（转变概率在0.1~0.5）转变成边缘类型，或者以较低的概率转变成分支、桥接区、孔隙或非UGI要素(转变概率<0.1)[22]，这主要在于
非核心区类型要素宽度的增加或是狭长形的小面积的UGI 要素的减少。随着粒度的增加，核心区面积的减少（像素由30 m 增加到60 m 时）对应着孔隙、边缘、分支面积增加，而对于小面积的核心斑块，粒度的增加很可能导致其转变成孤岛类型或是完全被移除。由于非核心区MSPA 类型要素宽度增
加，边缘区最有可能转变成桥接区、分支，或是孤岛类（粒度P 足够大）。孔隙、桥接区、分支、孤岛很可能转变成非UGI 要素（狭长形的小面积的UGI 消失），而桥接区、分支、孤岛转变成其他MSPA 类型的可能性相对较低。总之，随着粒度增加，MSPA 类型不稳定，处于动态变化（图2）。
表2粒度30、60、120 m 时MSPA 各景观类型比重及数量变化（边缘宽度120m ）
Table 2Changes ofpercentageand number ofMSPA landscape typesat 30, 60 and 120 m pixel scales (edge width, 120 m ）
景观类型 Landscape
像素30m
Pixel 30m
像素60m Pixel 60m 像素120m Pixel 120m 占UGI 总面
占UGI 总面积占UGI 总面积的
