基于遥感生态指数和电路理论的生态安全格局构建 以广州市为例

杨鸿辉; 余娇; 耿建伟; 吴钺; 付琳; 丁铮

doi:10.12171/j.1000-1522.20220367

基于遥感生态指数和电路理论的生态安全格局构建——以广州市为例

福建农林大学风景园林与艺术学院，福建福州 350100

基金项目: 中国农林高校设计艺术联盟专项（111900050）。

详细信息

作者简介:
杨鸿辉。主要研究方向：景观生态评价。Email：1390700949@qq.com　地址：350100 福建省福州市闽侯县上街镇福建农林大学风景园林与艺术学院

责任作者:
丁铮，教授。主要研究方向：景观规划设计。Email：604141713@qq.com　地址：同上。

中图分类号: F205；X826；TP79
计量
- 文章访问数: 715
- HTML全文浏览量: 308
- PDF下载量: 93
出版历程
- 收稿日期: 2022-09-05
- 修回日期: 2023-01-03
- 录用日期: 2023-06-19
- 网络出版日期: 2023-06-24
- 刊出日期: 2023-10-24

Construction of ecological security pattern based on remote sensing urban ecological index and circuit theory: a case study of Guangzhou City, Guangdong Province of southern China

College of Landscape Architecture and Art, Fujian Agriculture and Forestry University, Fuzhou 350100, Fujian, China

摘要

摘要:
目的
城市化的高速推进使经济发展需求与生态保护矛盾日益突出，构建生态安全格局对实现人与自然和谐共生及国土空间结构优化具有重要意义。
方法
以广州市为例，采用遥感生态指数（RSEI）识别生态源地，通过最小累积阻力模型与电路理论识别生态廊道、生态夹点及障碍点，从而构建广州市生态安全格局。
结果
（1）1990—2020年广州市生态环境质量较好，RSEI均值从0.60下降至0.58再回升到0.60，呈“先降后升”趋势，但南、北部生境质量差距较大。（2）共识别出生态源地25个，面积共计1 511.26 km²，占广州市总面积20.33%，主要集中于研究区东北部，南部仅有3处生态源地；共提取出生态廊道50条，其中一级廊道20条，总长114.06 km，二级廊道22条，潜在廊道8条。（3）共识别出生态夹点48处，现状用地类型以林地、耕地、建设用地为主，其中面积最大为19.09 km²，位于番禺区莲花山一带，最小的夹点面积仅有0.11 km²；生态障碍点共识别出12个处，主要分布于黄埔区、从化区，土地利用现状主要为耕地和建设用地，其中面积最大为0.42 km²，位于从化区温泉东埔农庄北部，最小面积仅有900 m²；共识别出63处断裂点，主要集中于广州市中部的白云区和黄埔区。
结论
研究结果可为广州市未来城市空间格局优化及生态系统修复提供数据支撑，同时为其他超大型城市的生态安全格局构建提供参考。
- 遥感生态指数 /
- 电路理论 /
- 生态安全格局 /
- 广州市
Abstract:
Objective
In recent years, the rapid development of urbanization has made the contradiction between economic development needs and ecological protection increasingly prominent, and the construction of an ecological security pattern is of great significance for realizing the harmonious coexistence between man and nature and the optimization of spatial structure of the national territory.
Method
Taking Guangzhou City, Guangdong Province of southern China as an example, the ecological source sites were selected using the remote sensing ecological index (RSEI), and ecological corridors, ecological pinch points and barrier points were extracted by the minimum cumulative resistance model and circuit theory, so as to construct the ecological safety pattern of Guangzhou City.
Result
(1) The ecological and environmental quality of Guangzhou City from 1990 to 2020 was relatively good, with the average value of RSEI decreasing from 0.60 to 0.58 and then increasing to 0.60, showing a trend of first decreasing and then increasing, but the difference between the habitat quality in the southern part and the northern part was large. (2) A total of 25 ecological source sites were identified, with a total area of 1 511.26 km², accounting for 20.33% of the total area of Guangzhou City, mainly concentrated in the northeast of the study area, with only 3 ecological source sites in the south. A total of 50 ecological corridors were extracted, including 20 primary corridors with a total length of 114.06 km, 22 secondary corridors, and 8 potential corridors. (3) A total of 48 ecological pinch points were identified, with the current land use types mainly being forest land, farmland and construction land, of which the largest area was 19.09 km², located in the area of Lianhua Mountain in Panyu District, and the smallest pinch point was only 0.11 km² in area. A total of 12 ecological barriers were identified, mainly in Huangpu District and Conghua District, where the current land use was mainly arable land and construction land, with the largest area of 0.42 km² located in the north of Dongpu Farm in Conghua District, and the smallest area of 900 m². 63 fracture points were identified, mainly in Baiyun District and Huangpu District in central Guangzhou.
Conclusion
The research results can provide data support for the optimization of the future urban spatial pattern and ecosystem restoration in Guangzhou City, and at the same time, provide a reference for the construction of the ecological security pattern of other super-large cities.
- remote sensing ecological index /
- circuit theory /
- ecological security pattern /
- Guangzhou City

HTML全文

目前全球森林面积为40.6亿hm², 约占陆地总面积的31%^[1]。近30年来, 许多学者基于地面调查、通量监测、大气监测与反演、模型模拟等手段对森林生态系统碳源汇开展了系统研究，尽管不同研究得出的碳汇大小存在差异, 但这些研究大都表明森林生态系统是显著碳汇^[2-6]。例如，使用样方清查数据评估中国陆地生态系统碳储量及其变化发现：2001—2010年间年均碳汇为0.201 Pg/a（以C计），其中森林贡献了约80%的碳汇^[7-8]，是实现“碳中和”国家战略目标的关键。

温带森林占全球森林面积约26% ^[9]，实际贡献全球森林碳汇的65%^[6]。东亚温带森林是全球三大温带森林之一，是目前保存最完整的温带森林，主要分布在我国的东北地区，是我国“两屏三带”/“三区四带”中唯一森林带，林地面积占全国31.4%，蓄积量占32.7%。东北东部森林是东北地区、乃至东北亚地区最为典型的温带植被类型，也是我国东北部地区山地森林生态系统的主体^[10]，代表性温带针阔叶混交林和阔叶林所具有的碳汇能力决定了我国东北林区碳汇大小，进而影响到全国森林碳汇量。

森林中储存的大量碳主要集中在土壤碳库和生物量碳库，分别占全球森林碳库的44%和42%^[6]。尽管土壤自身具有巨大的碳储量和空间变异性，由于自然状态下土壤有机碳的形成与积累是一个相对十分缓慢的过程，使得短期内难以监测到土壤碳储量的微小变化^[11]。相反，森林面积和树木通过净初级生产力实现蓄积量（树木生物量）增长是实现固碳增汇的重要驱动力^[12-14]。相较于小树而言，天然林中大径级个体存储着更高地上生物量碳，通过分析全球48个森林固定样地、560万株个体长期监测数据表明，大树数量仅占总数的1%，其地上生物量约占地上总生物量的一半左右^[15]，并且这些大树对地上生物量增加的影响大于物种多样性和群落性状特征^[16-17]。能够形成群落中大径级个体的树种通常是群落中的优势种，它们一般具有胸径大、树干高、树根深、树冠宽的特征，在森林群落的竞争中占据绝对优势^[18]。因此，准确确定和评估天然林中优势树种碳库现状及其固碳速率，有助于推进森林科学经营，优化树种配置，实现因地制宜、适地适树的管理目标，为森林碳汇能力维持与提升提供科学依据^[19]。

本研究基于吉林长白山25 hm²阔叶红松（Pinus koraiensis）林固定样地连续15年（2004—2019年）3期监测数据，揭示优势树种对地上生物量碳库储量的贡献，分析优势种群数量和径级大小的动态变化，对比优势种群固碳速率及种间生长同步性大小，旨在碳中和背景下为本区域树种选择和造林模式提供一定的数据支持和理论参考。

1. 研究区概况与研究方法

1.1 研究区概况与样地设置

长白山自然保护区位于吉林省东南部的中朝交界处，地处41°43′ ~ 42°36′N，126°55′ ~ 128°17′E。由于特殊的自然条件、历史及社会原因，长白山成为我国乃至全球自然生态系统保存最为完整的地区之一^[20]。长白山自然保护区总面积19 665 hm²，始建于1960年，于1979年被联合国教科文组织纳入“国际人与生物圈计划”保护网。本地区气候类型属于温带大陆性季风气候，由于山体较高，所以气候随海拔变化较大。山脚表现出典型的暖温带气候，而山顶呈复杂、多变的近极地气候^[21]。山下（海拔740 m，下同）平均年降水为600 ~ 900 mm，多集中在夏季，6—9月份降水量占全年降水量的80%之多。气温也呈现明显的垂直变化：山下年均温约2.8 ℃，而山顶年均温只有−7.3 ℃左右^[22]。

巨大的海拔差异，导致水热条件的显著不同，从而形成了长白山从下到上的明显环境梯度，也造就了长白山类型多样的自然植被，构成了独特的自然景观格局^[10]。长白山复杂的生物区系，不仅拥有完整的森林生态系统和明显的植被垂直带谱，而且是欧亚大陆从中温带到寒带主要植被类型的缩影。其中，长白山北坡阔叶红松林作为地带性顶级森林生态系统，主要分布于海拔600 ~ 1 000 m的玄武岩台地上，是世界上为数不多的大面积原始针阔混交林，与同纬度其他地区森林相比，以其建群种独特、物种多样性丰富而著称^[23]。

2004年，参照巴拿马Barro Colorado Island（BCI）50 hm²样地技术规范^[24]，在长白山阔叶红松林内建立了中国第一个大型固定监测样地，面积为 25 hm²（500 m × 500 m），平均海拔801.5 m，最高海拔809.5 m，最低海拔791.8 m，最大高差17.7 m。样方内所有胸径（DBH） ≥ 1 cm的木本植物的种名、胸径和坐标被准确测量并挂牌。根据2004年首次调查数据，样地中木本植物共52种，其中乔木28种、灌木22种、藤本2种，隶属于18科32属，涵盖了阔叶红松林中的大部分物种^[25]。样地垂直结构层次明显，是典型的复层异龄林：平均树高约为26 m，树高20 m以上为主林层，主要树种有红松、紫椴（Tilia amurensis）、蒙古栎（Quercus mongolica）和水曲柳（Fraxinus mandshurica）等；次林层高约10 ~ 20 m，主要树种有色木槭（Acer mono）、青楷槭（Acer tegmentosum）、假色槭（Acer pseudo-siebodianum）和怀槐（Maackia amurensis）等。

每隔5年对样地中所有DBH ≥ 1 cm的木本植物进行复查，记录其胸径和生长状态（倾斜、倒伏、枯立等），同时标记新死亡树木，新进入起测胸径（1 cm）的树木也要测量其胸径、坐标、鉴定物种并挂牌。迄今为止，分别于2009年、2014年和2019年进行了3次复查^{[17, 26]}。

1.2 地上生物量估算及其动态

通常认为在同一气候区域内建立的异速生长方程可以通用^[27]，所以本研究中地上生物量估算所使用的异速生长方程主要来自已经发表的文献^[28-29]，对于部分未检索到树种，本研究使用所有的阔叶树种标准木数据拟合了一个综合模型^[30]。

在此基础上，分别计算种群数量、平均胸径及地上生物量的年均增长速率。以计算地上生物量年均增长速率为例，首先基于物种的异速生长方程估算每次调查时存活个体（包括分支）的地上生物量（AGB），进而加和求得每个20 m × 20 m 样方内该种群所有个体的地上生物量（Mg/hm²）。最后，再根据公式（1）确定不同种群在不同调查区间内的地上生物量年均变化速率（%），作为种群固碳能力的指标。

${\mathrm{\Delta }\mathrm{A}\mathrm{G}\mathrm{B}}_{i,t}=\frac{{\mathrm{A}\mathrm{G}\mathrm{B}}_{i,t + T}-{\mathrm{A}\mathrm{G}\mathrm{B}}_{i,t}}{{\mathrm{A}\mathrm{G}\mathrm{B}}_{i,t}\times T}$

(1)

式中： ${\mathrm{\Delta }\mathrm{A}\mathrm{G}\mathrm{B}}_{i,t}$ 表示第i 种树在特定调查周期T内（例如5年）的地上生物量年均净变化速率， ${\mathrm{A}\mathrm{G}\mathrm{B}}_{i,t}$ 表示第i 种树在 $t$ 年的地上生物量大小， ${\mathrm{A}\mathrm{G}\mathrm{B}}_{i,t + T}$ 表示第i 种树在t + T年地上生物量的大小。

使用Pearson相关性分析研究主要优势树种固碳速率在3次调查周期（2004—2009年、2009—2014年、2014—2019年）内的相关性大小。当优势树种种群生产力在时间上的波动完全同步时，即相关系数较大，意味着种群动态呈完全正相关。当种群波动不完全一致时，即种群间生产力呈负相关时，称之为种群动态出现不同步性（asynchrony）或异步性^[31]。

以上所有计算和分析均在R软件（3.6.2）中完成。

2. 结果与分析

长白山25 hm²阔叶红松林样地在2004、2009、2014和2019年的地上生物量分别为（267.3 ± 94.1） Mg/hm²、（275.0 ± 96.2） Mg/hm²、（278.7 ± 98.9） Mg/hm²和（282.5 ± 102.8） Mg/hm²（图1）。地上生物量在15年连续监测期内年均净增加1.0 Mg/hm²，其中2004—2009年、2009—2014年和2014—2019年3个监测周期内增加速率分别为1.54、 0.73和0.76 Mg/（hm²·a）。

图 1 长白山25 hm²样地地上生物量及其时间动态

Figure 1. Aboveground biomass and its temporal dynamics of 25 ha sample plot in Changbai Mountain

下载: 全尺寸图片幻灯片

2019样地内调查到的52个胸径 ≥ 1 cm的树种，其中7个最重要树种的地上生物量约占整个样地总地上生物量的96.2%（图2A），紫椴（89.6 Mg/hm²）、水曲柳（60.7 Mg/hm²）和蒙古栎（57.2 Mg/hm²）（图2B）3个树种贡献了总地上生物量的73.6%。

图 2 2019年长白山样地内不同树种地上生物量的累计百分比（A）及主要优势树种地上生物量储量（B）

Figure 2. Cumulative percentage of aboveground biomass of different tree species (A), and the aboveground biomass stock of dominate species (B) in 2019

下载: 全尺寸图片幻灯片

大青杨（Populus ussuriensis）在7个主要固碳树种中个体数最少，在2004年监测到36株；但该种群个体平均胸径最大，为100.8 cm（表1）。相较而言，色木槭种群的个体数最多，为6 767株；其平均胸径却最小，为7.32 cm。在2004—2019年间，紫椴、水曲柳、蒙古栎、红松、大青杨和春榆（Ulmus japonica）6个种群的个体数均表现出明显下降趋势，其中紫椴种群年均减少幅度最大，为1.58%。仅有色木槭种群个体数表现出增加趋势，年增长速率为0.1%。从种群平均胸径变化来看，15年间个体数呈下降趋势的6个种群中，它们的平均胸径均表现出明显的增长趋势，其中紫椴种群的年均增幅最大，为1.7%。水曲柳是地上生物量积累速率最快的树种，年均固碳速率为0.77%，其次是紫椴和春榆。大青杨和色木槭则表现出负的增长速率，分别为−0.97%和−0.46%。

表 1 25 hm²样地内主要优势树种种群数量、平均胸径及地上生物量年均动态变化

Table 1. Annual average dynamic change of population number, average DBH and aboveground biomass of main dominant tree species in 25 ha sample plot

树种 Tree species	初始个体数 Initial individual number	种群数量年变化 Annual change of population quantity/%				初始平均胸径 Initial average DBH/cm	种群平均胸径年变化率 Annual change rate of population average DBH/%				初始地上生物量/ （Mg·hm⁻²） Initial aboveground biomass/ (Mg·ha⁻¹)	地上生物量年均变化 Annual average change of aboveground biomass/%
树种 Tree species	初始个体数 Initial individual number	2004— 2009	2009— 2014	2014— 2019	2004— 2019	初始平均胸径 Initial average DBH/cm	2004— 2009	2009— 2014	2014— 2019	2004— 2019	初始地上生物量/ （Mg·hm⁻²） Initial aboveground biomass/ (Mg·ha⁻¹)	2004— 2009	2009— 2014	2014— 2019	2004— 2019
紫椴 Tilia amurensis	3 288	−0.95	−2.08	−2.12	−1.58	28.00	1.1	1.9	1.7	1.7	82.28	0.75	0.49	0.50	0.60
水曲柳 Fraxinus mandshurica	702	−0.68	−0.53	−0.85	−0.66	47.43	0.8	0.4	1.0	0.8	54.42	0.81	0.49	0.93	0.77
蒙古栎 Quercus mongolica	937	−0.38	−0.57	−1.19	−0.69	41.62	0.4	0.5	0.8	0.6	54.27	0.49	0.35	0.28	0.38
红松 Pinus koraiensis	2 486	−0.69	−0.9	−1.44	−0.96	32.40	0.6	0.6	0.6	0.6	36.40	0.48	0.23	−0.48	0.09
色木槭 Acer mono	6 767	0.09	0.89	−0.65	0.10	7.32	0.4	−1.0	0.1	−0.2	15.33	0.04	−0.66	−0.78	−0.46
大青杨 Populus ussuriensis	36	−1.11	−1.18	−3.13	−1.67	100.80	0.1	−0.2	1.6	0.5	7.63	−0.91	−0.81	−1.35	−0.97
春榆 Ulmus japonica	1 152	−0.38	0.71	−1.56	−0.39	13.95	0.8	−0.7	1.5	0.5	5.90	0.45	0.24	0.91	0.54

下载: 导出CSV

| 显示表格

通过比较3次监测时期的种群个体动态，发现除色木槭外，其余6个树种的个体数都在2014—2019年间表现出较大的波动（表1），多数树种在2004—2009年间的变动最小。紫椴和色木槭种群的平均胸径变化较大的时期发生在2009—2014年间，而红松种群平均胸径的年增长速率在3次监测期基本保持不变。

不同种群在3个监测期内表现出不一致的固碳速率，紫椴和色木槭表现出前期下降后期持平的格局，蒙古栎和红松是持续下降趋势，水曲柳和春榆则呈现先下降后升高的格局（图3A）。从种群间相关关系图上也可以看出紫椴与色木槭，蒙古栎和红松，水曲柳和春榆之间表现出较高的正相关关系（图3B）。大青杨是唯一一个在3个监测期固碳速率均为负值的树种，其种群波动情况与春榆呈完全相反的关系（图3）。

图 3 不同调查周期内主要优势树种地上生物量年均净变化速率（A）、及其树种间生长速率在时间上的相关性（B）

Figure 3. Annual average net change rate of aboveground biomass of main dominant tree species in different survey cycles (A), and the temporal correlation of their growth rates among tree species (B)

下载: 全尺寸图片幻灯片

3. 结论与讨论

以大型森林固定监测样地为平台，利用翔实的群落组成和空间信息来估算树木地上生物量，通过连续监测获得一定时期树木个体的生长、死亡特征^[32]，可以准确反映群落生产力的大小、变化趋势及揭示其内在机制，也便于与全球其他类型森林进行比较^{[15, 33-34]}。长白山阔叶红松林25 hm²样地中不足总树种14%的种群贡献了96.2%的地上生物量，古田山24 hm²样地内调查到的159个树种中，17个树种的地上生物量约占整个样地总地上生物量的90%^[35]，广东黑石顶50 hm²样地中217个树种的前10个种群贡献了72.13%的总地上生物量^[36]。这些结果均支持生态系统中资源一般集中于群落中的少数种群的观点^{[15, 17]}。因此，在巩固提升森林生态系统碳汇能力的背景下，必须优先保护这些主要优势种群，在使用样地清查法进行群落地上碳库和生产力估算时，在时间和精力有限的情况下，可以首先筛选出目标群落中的主要固碳树种，重点监测它们的数量、分布及动态，基本能够实现对整个群落地植被碳库动态的精准监测和预测^[37]。

基于连续15年的监测数据发现阔叶红松林地上生物量年均净固碳速率约为0.50 Mg/hm²（按植物生物量含碳量为0.5），高于全球老龄林（0.34 Mg/hm²^[32]）和亚马逊热带雨林（0.31 Mg/hm²^[38]）。尽管随着森林演替会增加林内的郁闭度，这将加剧林下层小径级个体对光的竞争，导致群落中总个体数持续减少，这种自然稀疏现象可能使林地资源得到充分利用，促进大径级个体的持续生长，进而提升生态系统整体碳库储量^[39-40] 。多期监测数据表明长白山阔叶红松林地上生物量没有方向性的变化规律，这与全球其他地区大样地研究结果一致。例如在热带雨林地区，Chave等^[41]通过分析巴拿马热带雨林50 hm²长期监测样地3次调查数据，发现该区森林在1985—1990年和1995—2000年内分别增长（0.82 ± 0.84） Mg/hm²和（0.40 ± 0.70） Mg/hm²，但在1990—1995年期间却降低了（0.69 ± 0.82） Mg/hm²，降低的主要原因是树木生长速度下降。同样地，本研究结果表明红松种群在2004—2009年和2009—2014年间地上生物量持续增加趋势，而在2014—2019则出现了降低的现象。虽然春榆表现出方向性的固碳趋势，但是不同监测周期内的固碳速率相差近3倍。因此，基于单期监测数据来评估种群固碳速率可能会存在很大的不确定性。

树种是森林的基本单元，选择合适的树种造林及建立良好的森林树种结构是提高森林资源数量、质量与功能的重要途径。本研究发现紫椴、蒙古栎和红松等多个地上生物量呈明显增长趋势的树种均属于典型的外生菌根依赖型树种。已有大量研究表明，外生菌根真菌可以通过多种方式影响树木生长，提高林木抗逆性，增加造林成活率和林木生产力，对于维持森林生态系统稳定性具有重要意义^[42-43]。首先，外生菌根真菌可以改变根系形态，增加根系吸收面积，并以此提高树木对氮、磷、钾等营养元素的吸收效率，进而促进宿主植物健康生长。例如，森林生态系统中通常80%以上的氮是以有机态形式存在，而由微生物矿化作用转化成无机氮（主要为铵态氮和硝态氮）才是植物和微生物吸收的主要形式^[44]。外生菌根真菌可以通过分泌多种降解酶使土壤有机质中的氮降解传递给宿主植物，也可以少量利用小分子无机氮^[45]。其次，外生菌根真菌可以提高树木光合作用速率和强度，进而提高宿主植物的竞争能力和存活率^[46]。此外，树木在非生物胁迫下会产生对自身健康状况有害的活性氧，外生菌根真菌可以调节活性氧、清除酶含量，进而减轻植物体氧化损害，提高林木对非生物胁迫的抵抗和适应能力。最后，外生菌根真菌与树木共生可以产生赤霉素、细胞分裂素等生长激素，有利于调控树木生长发育与分化。因此，相较于其他树种，具有外生菌根类型的树种大多能在干旱、寒冷、高温、高盐和含有高浓度有毒物质的不良环境中生存，并成为冠层优势树种^{[42, 45]}。

本研究发现作为我国“东北三大硬阔” —水曲柳、胡桃楸（Juglus mandshurica）和黄檗（Phellodendron amurense） —之一的水曲柳具有最快的固碳速率，它们拥有的复叶特征长期以来被认为与较高的生产力有关^[47-49]。例如，水曲柳较大的复叶叶片和环孔材结构二者相组合，使这些树种得以实现比其他共存树种呈现更高效的水分传输效率，从而支撑高的气孔导度和光合碳同化速率，实现高的生产力^[49]。最新研究结果进一步发现复叶的水力系统在面临极端干旱时还能够发挥“保险丝”作用^[50]。这是因为与叶片和叶柄相比，复叶树种的茎干能够在日间蒸腾强烈发生时仍保持较高的水势，茎中气穴化栓塞发生的风险显著低于叶片和叶柄，该机制的存在可以保证在严重干旱环境中栓塞现象优先发生在更末端的器官，通过“熔断”机制以脱落叶片为代价保护碳成本更高的茎干器官。同时，由于复叶树种每年会脱落整个复叶叶柄，额外丢失较多的碳水化合物，使得具有较低导水效率和较低潜在光合碳同化能力的树种难以收回复叶脱落带来的额外碳投入成本，因而绝大多数具有复叶和散孔材的树种在进化上会逐渐被淘汰，而保留下来的环孔材复叶树种通常具有较高的生产力^[50]。但是具有环孔材树种对于冻融造成的枝条木质部气穴化栓塞非常敏感，这也使得多数温带复叶树种潜在生产力需要在条件比较优越的环境中才能得以发挥^[37]。但是具有环孔材树种对于冻融造成的枝条木质部气穴化栓塞非常敏感，这也使得多数温带复叶树种潜在生产力需要在条件比较优越的环境中才能得以发挥^[37]。

固碳速率的异步性一定程度上反映了同一区域内共存树种生长对气候变化响应和适应策略的差异性^{[31, 51-52]}，例如，长白山区红松径向生长主要受降水量控制，水曲柳和春榆受温度影响强于降水，蒙古栎和黄檗对气候变化响应不是十分敏感，表现出受温度和降水量的综合影响^[53-55]。不同树种在生长季的生长速率及主导其气候因子也存在显著差异，基于生长环逐月监测数据表明，长白山25 hm²样地内红松、蒙古栎和紫椴生长速率也存在明显季节差异^[56]，三者在6、7和8月份的生长速率排序依次为：蒙古栎 > 红松 > 紫椴、蒙古栎 ≈ 紫椴 > 红松和蒙古栎 > 红松 > 紫椴，秋季平均气温被认为影响长白山水曲柳生长的关键因子，而当年6月最高温度是红松径向生长的关键限制因子^[54]。通常认为，树种内在生理、生态习性特征对多变扰动响应的分异，以及树种对外部环境变化反应速度的不同将会导致植物在生长发育过程中对资源（如温度、养分）需求的差异^[57-58]，形成生态位分化，从而缓解对同一时间点或同一地点的资源竞争，提高资源利用效率，促进树种稳定共存^[59-61]。

综上所述，少数优势树种是影响温带针阔混交林地上碳储量及动态的主要因素，并且优势树种之间在固碳速率上存在着一定的时间异步性。因此，未来研究应该针对性地关注这些“关键少数”的生理、生态习性特征及其随地形、土壤养分、干扰和经营措施等因子的分异规律，结合近年来飞速发展的近地面遥感技术，精准量化植被固碳速率和能量转化效率，提升林业碳汇能力，使森林在实现“碳中和”目标过程中更好地发挥“压舱石”“稳定器”的重大作用^[62]。

图 1 广州市高程图

Figure 1. Elevation map of Guangzhou City

下载: 全尺寸图片幻灯片

图 2 广州市生态阻力基面

Figure 2. Ecological resistance base surface in Guangzhou City

下载: 全尺寸图片幻灯片

图 3 综合阻力面

Figure 3. Comprehensive resistance surface

下载: 全尺寸图片幻灯片

图 4 1990—2020年广州市RSEI等级分布

Figure 4. Distribution of RSEI ratings in Guangzhou City from 1990 to 2020

下载: 全尺寸图片幻灯片

图 5 广州市1990—2020年生态环境质量变化空间分布图

Figure 5. Spatial distribution of changes in the ecological environment quality of Guangzhou City from 1990 to 2020

下载: 全尺寸图片幻灯片

图 6 广州市生态源地的空间分布

Figure 6. Spatial distribution of ecological source site in Guangzhou City

下载: 全尺寸图片幻灯片

图 7 广州市生态廊道的空间分布

Figure 7. Spatial distribution of ecological corridors in Guangzhou City

下载: 全尺寸图片幻灯片

图 8 广州市生态保护区的空间分布

Figure 8. Spatial distribution of ecological reserves in Guangzhou City

下载: 全尺寸图片幻灯片

图 9 广州市生态改善区的空间分布

Figure 9. Spatial distribution of ecological improvement areas in Guangzhou City

下载: 全尺寸图片幻灯片

图 10 广州市生态断裂点的空间分布

Figure 10. Spatial distribution of ecological fracture points in Guangzhou City

下载: 全尺寸图片幻灯片

图 11 广州市生态安全格局

Figure 11. Ecological security pattern in Guangzhou City

下载: 全尺寸图片幻灯片

表 1 各指标计算公式

Table 1 Calculation formula for each indicator

指标 Index	计算方法 Calculation method
NDVI	${\rm{ NDVI }} = \left( {{\rho _{{\rm{NIR}}}} - {\rho _{{\rm{red}}}}} \right)/\left( {{\rho _{{\rm{NIR}}}} + {\rho _{{\rm{red}}}}} \right)$
WET	${\rm{WE} }{ {\rm{T} }_{ {\rm{TM} } } } = 0.031\;5{\rho _{\rm{B} } } + 0.202\;1{\rho _{\rm{G} } } + 0.310\;2{\rho _{\rm{red}} } + 0.159\;4{\rho _{ {\rm{NIR} } } } - 0.680\;6{\rho _{ {\rm{SWI} }{\rm{R} }1} } - 0.610\;9{\rho _{ {\rm{SWIR} }2} }$
	${\rm{WE} }{ {\rm{T} }_{ {\rm{OLI} } } } = 0.151\;1{\rho _{\rm{B} } } + 0.197\;3{\rho _{\rm{G} } } + 0.328\;3{\rho _{\rm{red} } } + 0.340\;7{\rho _{ {\rm{NIR } } } } - 0.711\;7{\rho _{ {\rm{SWIR1 } } } } - 0.455\;9{\rho _{ {\rm{SWIR2 } } } }$
LST	${\text{LST = } }{T \mathord{\left/ {\vphantom {T {\left[ {1 + \left( {\dfrac{ {\lambda {T } } }{\rho } } \right) \cdot \ln \varepsilon } \right] - 273.15} } } \right.} {\left[ {1 + \left( {\dfrac{ {\lambda {T } } }{\rho } } \right) \cdot \ln \varepsilon } \right] - 273.15} }$
NDBSI	$\begin{array}{l}{\rm{IBI} } = \left\{ {2{\rho _{ {\rm{SWIR1 } } } }/\left( { {\rho _{ {\rm{SWIR1} } } } + {\rho _{ {\rm{NIR} } } } } \right) - \left[ { {\rho _{ {\rm{NIR} } } }/\left( { {\rho _{ {\rm{NIR} } } } + {\rho _{\rm{red}} } } \right) + {\rho _{\rm{G} } }/\left( { {\rho _{\rm{G} } } + {\rho _{ {\rm{SWIR1 } } } } } \right)} \right]} \right\}/\\\qquad\;\;\left\{ {2{\rho _{ {\rm{SWIR1} } } }/\left( { {\rho _{ {\rm{SWIR1 } } } } + {\rho _{ {\rm{NIR } } } } } \right) + \left[ { {\rho _{ {\rm{NIR} } } }/\left( { {\rho _{ {\rm{NIR } } } } + {\rho _{\rm{red}} } } \right) + {\rho _{\rm{G} } }/\left( { {\rho _{\rm{G} } } + {\rho _{ {\rm{SWIR1 } } } } } \right)} \right]} \right\}\end{array}$
	${\rm{SI} } = \dfrac{ { {\left( { {\rho _{ {\rm{SWIR1} } } } + {\rho _{\rm{red}} } } \right) - \left( { {\rho _{\rm{B} } } + {\rho _{ {\rm{NIR} } } }} \right)} } }{ { {\left( { {\rho _{ {\rm{SWIR1} } } } + {\rho _{\rm{red}} } } \right) + \left( { {\rho _{\rm{B} } } + {\rho _{ {\rm{NIR} } } }} \right)} } }$
	${\rm{NDBSI} } = ({\rm{IBI}} + {\rm{SI}})/2$
注：NDVI.归一化植被指数；WET.湿度指数；LST.地表温度；NDBSI.归一化土壤指数；IBI.建筑用地指数；SI.裸土指数；ρ_red、ρ_B、ρ_G、ρ_NIR、ρ_SWIR1、ρ_SWIR2分别对应TM和OLI遥感影像红光、蓝光、绿光、近红外光、短波红外1、短波红外2波段的反射率；T.热辐射强度转化的亮度温度；λ.热红外中心波长；ρ = 1.438 × 10⁻² mK；ε.地表比辐射率。Notes: NDVI, normalized difference vegetation index; WET, humidity index; LST, land surface temperature; NDBSI, normalized difference impervious surface index; IBI, index-based built-up index; SI, soil index; ρ_red, ρ_B, ρ_G, ρ_NIR, ρ_SWIR1, ρ_SWIR2 are the reflectance of the red, blue, green, near infrared, short-wavelength infrared 1, and short-wavelength infrared 2 bands of Landsat 5 TM and Landsat 8 OLI, respectively; T, brightness temperature for conversion of thermal radiation intensity; λ, thermal infrared central wavelength; ρ = 1.438 × 10⁻² mK; ε, land surface emissivity.

下载: 导出CSV

表 2 阻力因子及阻力值

Table 2 Resistance factors and resistance values

阻力因子 Resistance factor	分级标准 Classification criteria	阻力值 Resistance value	阻力因子 Resistance factor	分级标准 Classification criteria	阻力值 Resistance value
NDVI	0.8 ~ 1.0	1	坡度 Slope/(°)	< 3	1
	0.6 ~ 0.8	2		3 ~ 8	2
	0.4 ~ 0.6	3		8 ~ 15	3
	0.2 ~ 0.4	4		15 ~ 25	4
	0.0 ~ 0.2	5		> 25	5
土地利用类型 Land use type	森林 Forest	1	距道路距离 Distance from road/m	> 1 500	1
	水体、湿地 Water area and wetland	2		900 ~ 1 500	2
	灌木林 Shrubbery	3		500 ~ 900	3
	草地、耕地 Grassland and cropland	4		200 ~ 500	4
	建设用地 Construction land	5		< 200	5
地形起伏度 Relief/m	< 8	1	距水域距离 Distance from water area/m	> 1 500	1
	8 ~ 18	2		900 ~ 1 500	2
	18 ~ 30	3		600 ~ 900	3
	30 ~ 46	4		300 ~ 600	4
	> 46	5		< 300	5

下载: 导出CSV

表 3 阻力因子权重

Table 3 Weights of resistance factors

阻力因子 Resistance factor	NDVI	土地利用类型 Land use type	地形起伏度 Relief	坡度 Slope	距道路距离 Distance from road	距水域距离 Distance from water area
权重 Weight	0.121 0	0.288 2	0.083 2	0.107 1	0.171 9	0.228 7

下载: 导出CSV

表 4 1990—2020年广州市生态环境质量等级与面积统计

Table 4 Statistics of ecological quality grade and area of Guangzhou City from 1990 to 2020

遥感生态指数（RSEI）等级 Remote sensing based ecological index (RSEI) grade	1990		2000		2011		2020
	面积 Area/km²	比例 Ratio/%	面积 Area/km²	比例 Ratio/%	面积 Area/km²	比例 Ratio/%	面积 Area/km²	比例 Ratio/%
差 Bad	870.23	12.67	893.81	13.13	1 080.65	15.85	852.97	12.44
较差 Poor	725.95	10.57	800.94	11.76	847.42	12.43	929.54	13.55
一般 Moderate	1 297.40	18.90	1 431.28	21.02	1 225.26	17.97	1 124.15	16.39
良 Good	1 936.30	28.20	1 780.55	26.15	1 609.65	23.61	1 729.24	25.22
优 High	2 036.18	29.66	1 902.27	27.94	2 054.00	30.13	2 221.78	32.40
RSEI均值 Mean value of RSEI	0.60		0.59		0.58		0.60

下载: 导出CSV

表 5 1990—2020年广州市各区RSEI均值统计

Table 5 Average RSEI statistics of various districts in Guangzhou City from 1990 to 2020

年份 Year	荔湾区 Liwan District	越秀区 Yuexiu District	海珠区 Haizhu District	天河区 Tianhe District	白云区 Baiyun District	黄埔区 Huangpu District	番禺区 Panyu District	花都区 Huadu District	南沙区 Nansha District	从化区 Conghua District	增城区 Zengcheng District
1990	0.38	0.17	0.43	0.43	0.57	0.52	0.57	0.56	0.74	0.68	0.93
2000	0.19	0.17	0.24	0.32	0.49	0.57	0.40	0.56	0.58	0.69	0.65
2011	0.16	0.24	0.25	0.35	0.42	0.54	0.32	0.49	0.44	0.77	0.66
2020	0.24	0.33	0.34	0.43	0.45	0.56	0.38	0.54	0.42	0.77	0.68

下载: 导出CSV

表 6 广州市生态夹点的分布位置

Table 6 Location of ecological pinch points in Guangzhou City

区 District	数目 Number	面积 Area/km²	分布位置 Distribution location	主要土地利用类型 Main land use type
越秀区 Yuexiu District	1	0.37	白云山西南部景泰坑一带 The area around Jingtai Keng, southwest of Baiyun Mountain	林地、草地、耕地 Forest land, grassland, cropland
天河区 Tianhe District	1	1.37	天河区粤华路一带（如图8中点A） Along Yuehua Road, Tianhe District (as point A in Fig. 8)	建设用地、林地、草地 Construction land, forest land, grassland
白云区 Baiyun District	6	15.96	大岭顶以北、铜锣湾森林景区以西、广州白云湖公园、白云山片区 North of Daling Ding, west of Tongluo Wan Forest Scenic Area, Guangzhou Baiyun Lake Park, Baiyun Mountain	林地、草地、水体 Forest land, grassland, water area
黄埔区 Huangpu District	11	21.36	凤凰湖东北部、雷公山片区、南蛇坳北部、荷包山、大岭顶、大山尾顶北部、丹水坑风景旅游区、玉树公园以北、天鹿湖森林公园西北部 Northeast of Fenghuang Lake, Leigong Mountain, north of Nansheao, Hebao Mountain, Daling Ding, north of Dashanwei Ding, Danshuikeng Scenic Tourism Area, north of Yushu Park, northwest of Tianlu Lake Forest Park	建设用地、林地 Construction land, forest land
番禺区 Panyu District	6	50.50	莲花山片区（如图8中点B）、岭南印象园沿岸、大夫山、滴水岩森林公园 Lianhua Mountain (as point B in Fig. 8), along the Lingnan Impression Park, Dafu Mountain, Dishuiyan Forest Park	建设用地、水体、林地 Construction land, water area, forest land
花都区 Huadu District	8	22.49	牙鹰山北部、盘古王公园、广州天科生产基地西部、秀全公园、科达工业园片区、强兴农趣园、广州民航职业技术学院（花都赤坭校区）南部、竹底窝村西部 North of Yaying Mountain, Pangu Wang Park, West of Guangzhou Tianke Production Base, Xiuquan Park, Keda Industrial Park, Qiangxing Agricultural Interest Park, South of Guangzhou Civil Aviation College (Huadu Chini Campus), West of Zhudiwo Village	林地、建设用地 Forest land, construction land
南沙区 Nansha District	4	2.25	小虎山西部、大山乸森林公园、黄山鲁森林公园东北部 West of Xiaohu Mountain, Dashanna Forest Park, northeast of Huangshanlu Forest Park	林地、建设用地 Forest land, construction land
从化区 Conghua District	4	2.04	高龙围东部、黄迳村西部、下新村北部、火村东部 East of Gaolongwei, west of Huangjing Village, north of Xiaxin Village, East of Huo Village	林地、草地、耕地 Forest land, grassland, cropland
增城区 Zengcheng District	7	11.22	赶牛凹南部（如图8中点C）、刘家村东部、东西境森林公园东部、元吓村南部、紫荆体育公园、广州市天韵机械设备有限公司北部、新城公园一带 South of Ganniu Ao (as point C in Fig. 8), east of Liujia Village, east of Dongxijing Forest Park, south of Yuanxia Village, Zijing Sports Park, north of Guangzhou Tianyun Machinery Equipment Corporation, Xincheng Park	林地、草地、耕地 Forest land, grassland, cropland
荔湾区 Liwan District	0	0
海珠区 Haizhu District	0	0

下载: 导出CSV

表 7 广州市生态障碍点的分布位置

Table 7 Distribution location of ecological barrier points in Guangzhou City

区 District	数目 Number	面积 Area/km²	分布位置 Distribution location	主要土地利用类型 Main land use type
黄埔区 Huangpu District	5	1.53	大山尾顶南部（如图9中点A）、凤凰顶南部、柯木塱塘石三街一带、水尾村一带、贤江公园西部 South of Dashanwei Ding (as point A in Fig. 9), South of Fenghuang Ding, Tangshi 3rd Street in Kemulong, Shuiwei Village, West of Xianjiang Park	建设用地、耕地 Construction land, cropland
花都区 Huadu District	2	0.62	王子岭中药种植基地东部、万氏养生度假胜地东部 East of Wangziling Chinese medicine plantation base and east of Wans health resort	耕地、林地 Cropland, forest land
从化区 Conghua District	4	1.06	苏桂街一带、何迳头村西部、温泉东埔农庄北部（如图9中点B）、大江里村 Sugui Street, west of Hejingtou Village, north of Wenquan Dongpu Farm (as point B in Fig. 9), Dajiangli Village	耕地、建设用地 Cropland, construction land
增城区 Zengcheng District	1	0.35	元吓村北部（如图9中点C） North of Yuanxia Village (as point C in Fig. 9)	耕地、建设用地 Cropland, construction land
注：除黄浦区、花都区、从化区和增城区之外的7个区均没有障碍点的分布。Note: there are no barrier points distributed in the 7 districts except Huangpu District, Huadu District, Conghua District and Zengcheng District.

下载: 导出CSV

参考文献(37)

[1]	史芳宁, 刘世梁, 安毅, 等. 城市化背景下景观破碎化及连接度动态变化研究: 以昆明市为例[J]. 生态学报, 2020, 40(10): 3303−3314. Shi F N, Liu S L, An Y, et al. Changes of landscape fragmentation and connectivity with urbanization: a case study of Kunming City[J]. Acta Ecologica Sinica, 2020, 40(10): 3303−3314.
[2]	王夏晖, 何军, 牟雪洁, 等. 中国生态保护修复20年: 回顾与展望[J]. 中国环境管理, 2021, 13(5): 85−92. Wang X H, He J, Mou X J, et al. 20 years of ecological protection and restoration in China: review and prospect[J]. Chinese Journal of Environmental Management, 2021, 13(5): 85−92.
[3]	苏冲, 董建权, 马志刚, 等. 基于生态安全格局的山水林田湖草生态保护修复优先区识别: 以四川省华蓥山区为例[J]. 生态学报, 2019, 39(23): 8948−8956. Su C, Dong J Q, Ma Z G, et al. Identifying priority areas for ecological protection and restoration of mountains-rivers-forests-farmlands-lakes-grasslands based on ecological security patterns: a case study in Huaying Mountain, Sichuan Province[J]. Acta Ecologica Sinica, 2019, 39(23): 8948−8956.
[4]	曹宇, 王嘉怡, 李国煜. 国土空间生态修复: 概念思辨与理论认知[J]. 中国土地科学, 2019, 33(7): 1−10. Cao Y, Wang J Y, Li G Y. Ecological restoration for territorial space: basic concepts and foundations[J]. China Land Science, 2019, 33(7): 1−10.
[5]	付凤杰, 刘珍环, 刘海. 基于生态安全格局的国土空间生态修复关键区域识别: 以贺州市为例[J]. 生态学报, 2021, 41(9): 3406−3414. Fu F J, Liu Z H, Liu H. Identifying key areas of ecosystem restoration for territorial space based on ecological security pattern: a case study in Hezhou City[J]. Acta Ecologica Sinica, 2021, 41(9): 3406−3414.
[6]	Yu K. Security patterns and surface model in landscape ecological planning[J]. Landscape & Urban Planning, 1996, 36(1): 1−17.
[7]	彭建, 赵会娟, 刘焱序, 等. 区域生态安全格局构建研究进展与展望[J]. 地理研究, 2017, 36(3): 407−419. Peng J, Zhao H J, Liu Y X, et al. Research progress and prospect on regional ecological security pattern construction[J]. Geographical Research, 2017, 36(3): 407−419.
[8]	王正伟, 王宏卫, 杨胜天, 等. 基于生态系统服务功能的新疆绿洲生态安全格局识别及优化策略: 以拜城县为例[J]. 生态学报, 2022, 42(1): 91−104. Wang Z W, Wang H W, Yang S T, et al. Identification and optimization strategy of ecological security pattern of oasis in Xinjiang based on ecosystem service function: taking Baicheng County as an example[J]. Acta Ecologica Sinica, 2022, 42(1): 91−104.
[9]	李怡, 赵小敏, 郭熙, 等. 基于InVEST和MCR模型的南方山地丘陵区生态保护红线优化[J]. 自然资源学报, 2021, 36(11): 2980−2994. doi: 10.31497/zrzyxb.20211119 Li Y, Zhao X M, Guo X, et al. Optimization of ecological red line in the hilly region of southern China based on INVEST and MCR model[J]. Journal of Natural Resources, 2021, 36(11): 2980−2994. doi: 10.31497/zrzyxb.20211119
[10]	张守法, 李翅, 赵凯茜. 基于生态网络构建的贵阳市绿地景观格局优化研究[J]. 中国园林, 2022, 38(5): 68−73. Zhang S F, Li C, Zhao K X. Green space landscape layout optimization of Guiyang based on ecological network construction[J]. Chinese Landscape Architecture, 2022, 38(5): 68−73.
[11]	韦家怡, 李铖, 吴志峰, 等. 粤港澳大湾区生态安全格局及重要生态廊道识别[J]. 生态环境学报, 2022, 31(4): 652−662. Wei J Y, Li C, Wu Z F, et al. Identifying ecological security patterns and prioritizing ecological corridors in the Guangdong-Hong Kong-Macao Greater Bay Area[J]. Ecology and Environment Sciences, 2022, 31(4): 652−662.
[12]	徐涵秋. 城市遥感生态指数的创建及其应用[J]. 生态学报, 2013, 33(24): 7853−7862. Xu H Q. A remote sensing urban ecological index and its application[J]. Acta Ecologica Sinica, 2013, 33(24): 7853−7862.
[13]	秦子博, 玄锦, 黄柳菁, 等. 基于MSPA和MCR模型的海岛型城市生态网络构建: 以福建省平潭岛为例[J]. 水土保持研究, 2023, 30(2): 303−311. Qin Z B, Xuan J, Huang L J, et al. Ecological net work construction of sea-island city based on MSPA and MCR model: a case study of Pingtan Island in Fujian Province[J]. Research of Soil and Water Conservation, 2023, 30(2): 303−311.
[14]	Gao J, Du F, Zuo L, et al. Integrating ecosystem services and rocky desertification into identification of karst ecological security pattern[J]. Landscape Ecology, 2020, 36: 1−21.
[15]	赵宇豪, 罗宇航, 易腾云, 等. 基于生态系统服务供需匹配的深圳市生态安全格局构建[J]. 应用生态学报, 2022, 33(9): 2475−2484. Zhao Y H, Luo Y H, Yi T Y, et al. Constructing an ecological security pattern in Shenzhen, China, by matching the supply and demand of ecosystem services[J]. Chinese Journal of Applied Ecology, 2022, 33(9): 2475−2484.
[16]	宋利利, 秦明周. 整合电路理论的生态廊道及其重要性识别[J]. 应用生态学报, 2016, 27(10): 3344−3352. Song L L, Qin M Z. Identification of ecological corridors and its importance by integrating circuit theory[J]. Chinese Journal of Applied Ecology, 2016, 27(10): 3344−3352.
[17]	刘阳, 欧小杨, 郑曦. 整合绿地结构与功能性连接分析的城市生物多样性保护规划[J]. 风景园林, 2022, 29(1): 26−33. Liu Y, Ou X Y, Zheng X. Urban biodiversity conservation planning integrating green space structural and functional connection analysis urban biodiversity conservation planning integrating green space structural and functional connection analysis[J]. Landscape Architecture, 2022, 29(1): 26−33.
[18]	徐涵秋. 区域生态环境变化的遥感评价指数[J]. 中国环境科学, 2013, 33(5): 889−897. Xu H Q. A remote sensing index for assessment of regional ecological changes[J]. China Environmental Science, 2013, 33(5): 889−897.
[19]	Song C, Bo H, You S. Comparison of three time-series NDVI reconstruction methods based on TIMESAT[C]//Geoscience and Remote Sensing Symposium (IGARSS), 2012 IEEE International. New York: IEEE, 2012.
[20]	Crist E P. A TM tasseled cap equivalent transformation for reflectance factor data[J]. Remote Sensing of Environment, 1985, 17(3): 301−306. doi: 10.1016/0034-4257(85)90102-6
[21]	Xu H. A new index for delineating built-up land features in satellite imagery[J]. International Journal of Remote Sensing, 2008, 29(14): 4269−4276. doi: 10.1080/01431160802039957
[22]	Sobrino J A, Jiménez-Muoz J C, Paolini L. Land surface temperature retrieval from LANDSAT TM 5[J]. Remote Sensing of Environment, 2004, 90(4): 434−440. doi: 10.1016/j.rse.2004.02.003
[23]	杨天荣, 匡文慧, 刘卫东, 等. 基于生态安全格局的关中城市群生态空间结构优化布局[J]. 地理研究, 2017, 36(3): 441−452. Yang T R, Kuang W H, Liu W D, et al. Optimizing the layout of eco-spatial structure in Guanzhong urban agglomeration based on the ecological security pattern[J]. Geographical Research, 2017, 36(3): 441−452.
[24]	魏伟. 基于CLUE-S和MCR模型的石羊河流域土地利用空间优化配置研究[D]. 兰州: 兰州大学, 2018. Wei W. Land use optimal allocation based on CLUE-S and MCR model in Shiyang River Basin[D]. Lanzhou: Lanzhou University, 2018.
[25]	韦宝婧, 苏杰, 胡希军, 等. 基于“HY-LM”的生态廊道与生态节点综合识别研究[J]. 生态学报, 2022, 42(7): 2995−3009. Wei B J, Su J, Hu X J, et al. Comprehensive identification of eco-corridors and eco-nodes based on principle of hydrological analysis and Linkage Mapper[J]. Acta Ecologica Sinica, 2022, 42(7): 2995−3009.
[26]	周敏, 齐增湘, 吕婧玮, 等. 废弃工矿区生态修复潜力分析: 以水口山镇为例[J]. 西北林学院学报, 2021, 36(4): 273−281. Zhou M, Qi Z X, Lü J W, et al. Ecological restoration potential of abandoned industrial and mining areas: a case study of Shuikoushan Township[J]. Journal of Northwest Forestry University, 2021, 36(4): 273−281.
[27]	叶玉瑶, 苏泳娴, 张虹鸥, 等. 生态阻力面模型构建及其在城市扩展模拟中的应用[J]. 地理学报, 2014, 69(4): 485−496. Ye Y Y, Su Y X, Zhang H O, et al. Ecological resistance surface model and its application in urban expansion simulations[J]. Acta Geographica Sinica, 2014, 69(4): 485−496.
[28]	吕剑成, 周磊, 洪武扬, 等. 城市土地生态适宜性分区划分研究: 以常州市武进区为例[J]. 长江流域资源与环境, 2015, 24(9): 1560−1567. Lü J C, Zhou L, Hong W Y, et al. Zoning division research of urban land ecological suitability: a case of Wujin District, Changzhou City[J]. Resources and Environment in the Yangtze Basin, 2015, 24(9): 1560−1567.
[29]	汤峰, 王力, 张蓬涛, 等. 基于生态保护红线和生态网络的县域生态安全格局构建[J]. 农业工程学报, 2020, 36(9): 263−272. Tang F, Wang L, Zhang P T, et al. Construction of county-level ecological security pattern based on ecological protection red line and network in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2020, 36(9): 263−272.
[30]	曹秀凤, 刘兆顺, 李淑杰, 等. 基于生态安全格局的国土空间生态修复关键区域识别: 以吉林省松原市为例[J]. 中国环境科学, 2022, 42(6): 2779−2787. Cao X F, Liu Z S, Li S J, et al. Identification of key areas of ecological protection and restoration based on the pattern of ecological security: a case of Songyuan City, Jilin Province[J]. China Environmental Science, 2022, 42(6): 2779−2787.
[31]	邓兴栋, 韩文超, 霍子文. 基于人地和谐的国土空间治理框架: 以广州市为例[J]. 城市规划学刊, 2022(2): 47−53. Deng X D, Han W C, Huo Z W. Framework of territorial space governance based on the perspective of human earth harmony: the case of Guangzhou City[J]. Urban Planning Forum, 2022(2): 47−53.
[32]	薛强, 路路, 牛韧, 等. 基于地质灾害敏感性的生态安全格局关键区识别与修复: 以济南市为例[J]. 生态学报, 2021, 41(22): 9050−9063. Xue Q, Lu L, Niu R, et al. Identification and restoration of key areas of ecological security pattern based on sensitivity to geological disasters: a case study of Jinan City[J]. Acta Ecologica Sinica, 2021, 41(22): 9050−9063.
[33]	朱琪, 袁泉, 于大炮, 等. 基于电路理论的东北森林带生态安全网络构建[J]. 生态学杂志, 2021, 40(11): 3463−3473. Zhu Q, Yuan Q, Yu D P, et al. Construction of ecological security network of Northeast China forest belt based on the circuit theory[J]. Chinese Journal of Ecology, 2021, 40(11): 3463−3473.
[34]	蒋思敏, 张青年, 陶华超. 广州市绿地生态网络的构建与评价[J]. 中山大学学报(自然科学版), 2016, 55(4): 162−170. Jiang S M, Zhang Q N, Tao H C. Construction and evaluation of green space ecological network in Guangzhou[J]. Journal of Sun Yat-sen University (Natural Science Edition), 2016, 55(4): 162−170.
[35]	彭建, 郭小楠, 胡熠娜, 等. 基于地质灾害敏感性的山地生态安全格局构建: 以云南省玉溪市为例[J]. 应用生态学报, 2017, 28(2): 627−635. Peng J, Guo X N, Hu Y N, et al. Constructing ecological security patterns in mountain areas based on geological disaster sensitivity: a case study in Yuxi City, Yunnan Province, China[J]. Chinese Journal of Applied Ecology, 2017, 28(2): 627−635.
[36]	杨志广, 蒋志云, 郭程轩, 等. 基于形态空间格局分析和最小累积阻力模型的广州市生态网络构建[J]. 应用生态学报, 2018, 29(10): 3367−3376. Yang Z G, Jiang Z Y, Guo C X, et al. Construction of ecological network using morphological spatial pattern analysis and minimal cumulative resistance models in Guangzhou City, China[J]. Chinese Journal of Applied Ecology, 2018, 29(10): 3367−3376.
[37]	张剑波. 广州陆域生物多样性生态安全格局构建研究[D]. 哈尔滨: 哈尔滨工业大学, 2016. Zhang J B. Research on the construction of ecological security pattern of biodiversity in the land area of Guangzhou[D]. Harbin: Harbin Institute of Technology, 2016.

施引文献(4)

期刊类型引用(1)

米湘成，王绪高，沈国春，刘徐兵，宋晓阳，乔秀娟，冯刚，杨洁，毛子昆，徐学红，马克平. 中国森林生物多样性监测网络:二十年群落构建机制探索的回顾与展望. 生物多样性. 2022(10): 211-233 .

百度学术

其他类型引用(3)

资源附件(0)

图(11) / 表(7)

计量

文章访问数: 715
HTML全文浏览量: 308
PDF下载量: 93
被引次数: 4

1. 研究区概况与研究方法
1.1 研究区概况与样地设置
1.2 地上生物量估算及其动态
2. 结果与分析
3. 结论与讨论

基于遥感生态指数和电路理论的生态安全格局构建——以广州市为例

作者简介: 杨鸿辉。主要研究方向：景观生态评价。Email：1390700949@qq.com 地址：350100 福建省福州市闽侯县上街镇福建农林大学风景园林与艺术学院

责任作者: 丁铮，教授。主要研究方向：景观规划设计。Email：604141713@qq.com 地址：同上。

计量

出版历程