2. 广西艺术学院智慧人居环境产业学院,广西南宁 530007
2. College of Smart Human Settlements Industry, Guangxi Arts University, Nanning, Guangxi, 530007, China
边境城市具有土地利用不均衡、人为活动频繁、文化多元、国际化的特点,区域生态环境影响要素复杂,研究表明其生态环境呈现逐渐衰退的趋势[1-3]。生态网络(Ecological Network,EN)可以表征景观中各组分间的生态流[4]、生态系统内物质与能量流动关系[5],优化生态网络成为化解经济发展与生态保护冲突[6]、恢复区域内景观连通性、限制城市无序扩张和维护生态系统稳定的重要手段[7]。因此,科学构建边境城市生态综合网络对于推进协调区域生态与经济高质量发展具有重要现实意义[8]。
国内外学者对生态网络进行了大量研究。20世纪90年代,俞孔坚[9-10]提出“源地识别—阻力面构建—廊道提取”生态网络构建范式,开启了国内生态网络构建研究的先例。生态网络研究从最初单一的生态要素分析[11-12],逐渐扩展到多维度、复杂的系统研究[13-14],形成多学科、多领域交叉态势;方法应用也向多样化、丰富化的方向发展[15-16]。其中,生态源地是生态网络构建基础和生态系统构成的重要载体[17],现有研究主要采用形态学空间格局分析(Morphological Spatial Pattern Analysis,MSPA)[18-19]、生境质量评估[20-21]、景观连通性[22-23]等多种方法进行识别。其中MSPA因数据需求量小、操作便捷等优势,已成为生态源地筛选的主流方法;在廊道识别中,常采用最小累积阻力(Minimum Cumulative Resistance,MCR)模型[24-25]模拟生态网络构建,并结合重力模型(Gravity Model,GM)筛选重要廊道。然而生态系统并非孤立存在,生态风险评估与生态网络之间关系密切[26],生态风险评估结果成为景观生态网络结构优化的重要科学依据[27]。但现有研究多偏向于单一生态保护,对于复杂、脆弱的生态环境如边境城市区域,尚缺少有效、系统的研究成果支撑,难以真实有效反映边境城市生态网络状况,更不能满足当下边境城市生态建设发展需要。因此,为克服以往基于单一生态要素构建边境地区生态网络研究的局限性,急需对边境城市风险源进行空间精准识别和影响程度量化研究,旨在为边境城市生态保护及城镇建设高质量发展提供科学依据和政策咨询。
广西边境城市区位优势明显,是我国重要的水源涵养区和生物多样性优先保护区,也是我国与东南亚国家重要的生态廊道和经济通道[28]。然而,近年来,随着“一带一路”倡议不断深入,该区域人类活动加剧,边境城市土地利用格局发生了深刻变化[29],严重威胁区域生态系统,影响其可持续发展[30-31]。因此,优化构建科学有效的生态综合网络,实施差异化分区管理,成为边境城市区域生态保护亟待解决的问题[32]。本研究选择广西边境城市:防城港市、崇左市和百色市为研究对象,拟从“生态—风险”两个维度出发,分别选取生态源地和风险源地,模拟构建生态网络与风险网络,叠加生成生态综合网络。在此基础上进一步识别生态保护区及风险修复关键区,以实施精准分区与治理管控,并提出切实可行修复区域生态系统和保护生态源地的策略,以期为广西边境城市生态综合网络构建提供更为合理的科学依据,同时也为其他同类型边境城市生态保护与修复优化提供借鉴。
1 材料与方法 1.1 研究区概况广西边境城市地处北纬21°36′—25°07′,东经104°28′—108°36′,包括防城港市、崇左市和百色市,下辖23个县(市区),总面积70 841.94 km2,占广西总面积的24.98%(图 1)。地势整体呈现出北高南低,海拔在-4 m至2 064 m之间。然而由于研究区喀斯特地貌广布,生态环境较为脆弱,水土流失等生态问题频发,加之我国边境城市人口构成复杂,不合理的土地开发模式导致人地矛盾日趋尖锐[33],而且随着我国国际影响力持续提升,边境贸易规模不断上升,致使区域生态环境遭受人为干扰的风险不断加剧。
|
| Drawing approval number: GS(2024)0650. 图 1 研究区范围示意图 Fig. 1 Sketch map of the study area |
1.2 数据来源
为保证研究的客观性及完整性,本研究所用数据经最终处理后,空间分辨率均为30 m,以2020年为研究基准年,研究坐标均采用WGS_1984作为统一坐标系。数据包括:①高程(DEM)、坡度(Slope)、坡向数据,来源于地理空间数据云(http://www.gscloud.cn/search);②增强型植被指数(Enhanced Vegetation Index,EVI),利用Landsat系列卫星遥感影像,有效表征研究区植被年平均生长状况;③土地利用数据,来源于Global Land Survey(GLS,https://www.usgs.gov/landsat-missions/global-land-survey-gls);④人口分布、夜间灯光、GDP等数据,均来源于中国科学院资源环境科学数据中心(http://www.resdc.cn);⑤交通路网数据,来源于Open Street Map平台(http://www.openstreetmap.org)。
1.3 方法本研究采用InVEST模型对广西边境城市生境质量进行定量评估。首先通过MSPA识别研究区景观要素,取生境质量高值区和核心区相交区域作为备选源地,并根据其景观连通性进一步对生态源地重要性进行分级,筛选生态源地。其次采用研究区2020年土地利用数据,选取景观干扰度指数、脆弱度指数和损失度指数建立景观生态风险评价模型,对景观生态风险进行分析,同时结合人口分布、夜间灯光、GDP等人为活动要素叠加综合提取生态风险源地。然后选取阻力因子分别构建生态阻力面、风险阻力面,通过MCR模型识别潜在生态廊道与风险廊道,并基于潜在廊道采用重力模型筛选出重要廊道,生成生态网络和风险网络,并针对研究区现状识别生态保护与修复关键区,进一步整合形成广西边境城市生态综合网络。最后采取精确差异化的优化治理措施,进一步优化国土空间综合生态分区(图 2)。
|
| 图 2 生态网络识别技术路线 Fig. 2 Technology roadmap of ecological network identification |
1.3.1 生态源地识别
生态源地是物质交换和能量流动充分的区域,准确识别生态源地是构建生态网络的关键[34]。本研究基于研究区2020年土地利用数据,采用InVEST模型的生境质量模块识别研究区内生境质量高值区,在参考InVEST模型指南手册及相关研究[35-36]基础上,选取人造地表、耕地、裸地3个类型作为生境的威胁源因子,并确定威胁源因子的最大影响距离和权重(表 1),以及各个不同生境斑块类型的生境质量适宜度和对威胁源因子的相对敏感程度(表 2)。
| 威胁源 Threat source |
最大影响距离/km Maximum distance of influence/km |
权重 Weight |
空间衰退类型 Spatial decay type |
| Artificial surface | 8 | 1.0 | Exponential |
| Cultivated land | 4 | 0.6 | Linear |
| Bare ground | 6 | 0.5 | Linear |
| 生境类型 Habitat type |
生境质量适宜度 Habitat quality suitability |
相对敏感程度 Relative sensitivity |
||
| 人造地表 Artificial surface |
耕地 Cultivated land |
裸地 Bare ground |
||
| Artificial surface | 0 | 0 | 0 | 0 |
| Cultivated land | 0.6 | 0.5 | 0.2 | 0.4 |
| Bare ground | 0.4 | 0.9 | 0.5 | 0.2 |
| Woodland | 1.0 | 0.9 | 0.8 | 0.4 |
| Grassland | 0.7 | 0.6 | 0.8 | 0.5 |
| Water | 0.9 | 0.8 | 0.6 | 0.4 |
运用MSPA对研究区进行系统分析,将其中生态价值高且人为干扰较少的林地、灌木、草地、湿地、水体、海域设置为前景,其余土地利用类型设为背景,得到核心区、桥接区、孤岛、穿孔、边缘、环道、支线与背景8种不同的景观类型。进一步将其核心区斑块与生境质量高值区进行叠加,得到待评价生态源地。最后将待评价生态源地通过景观连通性分析划分生态源地重要性。选取可能连通性指数(Probability of connectivity,PC)和斑块重要性指数(Patch importance index,dPC)综合评估核心区斑块的景观连通性。计算公式如下:
| $P C=\frac{\sum\limits_{i=1}^n \sum\limits_{j=1}^n a_i \cdot a_j \cdot p_{i j}^*}{A_{\mathrm{L}}^2}, $ | (1) |
| $d P C=\frac{P C-P C_{\text {remove }}}{P C} \times 100 \%, $ | (2) |
式(1)、(2)中, n为选取斑块总数量,ai和aj分别为斑块i和斑块j的面积,pij*为生物在斑块i与斑块j之间所有路径连接流动扩散的最大概率,AL表示研究区内景观类型总面积。在景观中移除随机斑块i,计算其对应的可能连通性指数(PCremove),再求取该指数与原始PC的差值(dPC),用dPC来表征生态斑块的重要程度。
1.3.2 风险源地识别风险源会对生态系统的结构与功能产生深远的负面影响,导致显著的破坏[37]。在生态风险评价与风险空间可视化表达的过程中,风险单元的合理划分扮演着至关重要的角色。基于此,借鉴当前相关领域的研究成果[38-39],采用景观风险评价(Landscape Ecological Risk, LER)模型,对研究区生态风险程度进行精确量化评估。为进一步提升评估的准确性,在深入探讨最佳评价单元尺度选择时,重点权衡了网格划分的精确性与计算过程的便捷性。根据研究区的实际范围及不同土地利用类型斑块面积特点,使用ArcGIS平台创建1个钓鱼网格工具,生成500 m×500 m的方形网格作为基础评价单元,随后逐步扩大网格尺寸,每次递增500 m,以探索不同尺度下评价结果的精确性与计算效率。经过多次试验与对比分析,在综合考虑数据精度、计算效率以及研究区实际情况的基础上,最终确定以3 km×3 km网格单元为基础的评价体系更为合理,将研究区划分为7 146个风险单元后,对研究区内生态风险进行精确量化与评估。在此基础上,进一步通过Fragstats 4.2软件,选取景观干扰度、损失度以及脆弱度等关键指数,逐一计算每个风险单元中心点的景观生态风险指数,以此表征各个风险单元的风险程度。同时结合Geostatistical Analyst模块中的kriging插值法获取广西边境城市景观生态风险的空间分布。景观生态风险评价模型如下:
| $\mathrm{ERI}_k=\sum\limits_{i=1}^w \frac{A_{k i}}{A_k} \times R_i, $ | (3) |
式(3)中,ERIk为第k个评价单元的生态风险指数,Aki为评价单元k中第i个景观类型的面积(km2),Ak为评价单元k的面积(km2),Ri为第i个景观类型的损失度指数,w为评价单元k中的景观类型数量。
参考现有研究[40],选取人口分布、区域GDP密度、夜间年平均灯光强度作为人类活动威胁影响因子,采用层次分析法(Analytic Hierarchy Process,AHP)构建生态敏感性评价指标体系。通过ArcGIS平台中的空间加权叠加方法进行叠加分析,采用极大值法选取评价结果中的最高值作为人为活动生态敏感性高值区。将景观生态风险指数和人为干扰威胁叠加分析,筛选并剔除高值区中面积较小的斑块,选取面积大于100 km2的斑块作为风险源地。
1.3.3 阻力面构建生态阻力面反映研究区内各个源地之间物种迁徙和物质流动途中穿过基质所需要克服的最小阻力。风险阻力面则反映研究区内各个风险源地之间阻碍威胁源影响因子释放时穿过基质所需要克服的最小阻力。本研究首先根据区域客观自然及社会经济条件对物质流动和物种迁徙等生态活动的影响程度,选取研究区土地利用类型、MSPA、EVI、高程、坡度5个因素构建阻力面等级表(表 3),评估物种各个源地之间迁徙流动过程中所受的阻力,依据自然断点法和咨询专家意见划分1—5个阻力等级。其次,邀请业内30名专家采用层次分析法确定权重,最后将因子进行加权叠加分析,分别生成生态阻力面和风险阻力面。
| 阻力因子 Resistance factor |
阻力等级 Resistance level |
权重 Weight |
|||||
| 1 | 2 | 3 | 4 | 5 | |||
| Land use type | Ecological network | Forest, water | Grassland | Cropland | Bare ground | Artificial surface | 0.36 |
| Risk network | Artificial surface | Bare ground | Cropland | Grassland | Forest, water | ||
| MSPA | Ecological network | Core | Bridge | Branch, loop | Edge, islet | Perforation, background | 0.24 |
| Risk network | Perforation, background | Edge, islet | Branch, loop | Bridge | Core | ||
| EVI | Ecological network | 0.8—1.0 | 0.6—0.8 | 0.4—0.6 | 0.2—0.4 | 0—0.2 | 0.16 |
| Risk network | 0—0.2 | 0.2—0.4 | 0.4—0.6 | 0.6—0.8 | 0.8—1.0 | ||
| DEM/m | Ecological network | <500 | 500—1 000 | 1 000—1 500 | 1 500—2 000 | >2 000 | 0.11 |
| Risk network | <500 | 500—1 000 | 1 000—1 500 | 1 500—2 000 | >2 000 | ||
| Slope/° | Ecological network | <20 | 20—40 | 40—60 | 60—70 | >70 | 0.13 |
| Risk network | <20 | 20—40 | 40—60 | 60—70 | >70 | ||
1.3.4 提取和筛选重要廊道
生态廊道是连接两个源地,对源地间物种交流、迁徙和扩散具有重要意义的路径,生态风险廊道是风险源地间发生相互胁迫关系和污染流等能量流运行可能性最大的廊道[41]。研究基于MCR模型计算各个生态源地与风险源地之间最短成本路径。计算公式如下:
| $M_{\mathrm{CR}}=f_{\min } \sum\limits_{j=n}^{i=m}\left(D_{i j} \times R_i\right), $ | (4) |
式(4)中, MCR为从生物源地j扩散到空间上任意源地的最小累积阻力值,f为MCR与变量(Dij、Ri)的正比关系函数,Dij为生物从源地j出发穿越源地i到达空间上任意一点的空间距离,Ri为源地i到达空间上任意一点的阻力值系数,n为源地i到目标点最小累积阻力路径的第1个栅格单元(路径起点),m为该路径的最后1个栅格单元(路径终点)。
本研究分别在潜在生态廊道和潜在风险廊道的基础上,进一步采用重力模型测算各廊道之间的相互引力强度。计算公式如下:
| $ \begin{aligned} & \qquad \;\; G_{i j}=\frac{N_i N_j}{D_{i j}^2}=\frac{\left[\frac{1}{P_i} \times \ln \left(S_i\right)\right]\left[\frac{1}{P_j} \times \ln \left(S_j\right)\right]}{\left(\frac{L_{i j}}{L_{\max }}\right)^2}= \\ & \frac{L_{\max }^2 \times \ln S_i \times \ln S_j}{L_{i j}^2 \times P_i \times P_j} \end{aligned} $ | (5) |
式(5)中,Gij为斑块i与斑块j两地之间的相互作用强度值,Ni和Nj分别为斑块i和j的权重值,Dij为两个斑块之间潜在廊道的标准化阻力值,Pi为源地i阻力值,Pj为源地j阻力值,Si和Sj分别为源地i与源地j的面积,Lij为源地i与j间廊道的累积阻力值,Lmax为潜在廊道最大累计阻力值。
从高到低降序排列廊道的优先级,筛选提取重要廊道。将Gij≥3.0的生态廊道划分为一级生态廊道,3.0>Gij≥0.3的生态廊道划分为二级生态廊道;同时将Gij≥2.0的风险廊道划分为一级风险廊道,2.0>Gij≥0.2的风险廊道划分为二级风险廊道,并将两者合并组成生态综合网络。
1.3.5 生态综合网络优化 1.3.5.1 生态关键节点识别生态关键节点的精准识别是生态综合网络优化的核心环节。本研究从功能属性出发,依据廊道空间叠加关系划分节点类型:将生态廊道交汇区域识别为生态保护节点,是物种在区域迁移的“垫脚石”,用以提升各源地间物种迁移连通性,促进区域物质能量流动[42];将各风险源地间沿风险廊道向外释放负面影响因子产生联系的交汇区域识别为生态修复节点,作为生态退化严重区域,实施优先修复[43];将生态廊道与风险廊道交互区域识别为生态保护与修复节点,因其兼具物质流动、物种迁徙与风险扩散双重属性,需协同开展保护与修复。对上述3类生态关键节点进行综合精准识别并绘制空间分布图,为生态网络优化提供科学依据。
1.3.5.2 生态源地新增补充与优化本研究通过分析现有生态网络可能存在的不足之处,对研究区生态源地进行补充与优化,并进一步对研究区新增生态源地优化前后的生态网络结构闭合度(α指数)、线点率(β指数)和连接度指数(γ指数)等指标进行定量评估,纵向对比生态网络优化前后数值,以验证生态网络是否得到优化。计算公式如下:
| $\alpha=\frac{L-V+1}{(2 V-5)}, $ | (6) |
| $\beta=\frac{L}{V}, $ | (7) |
| $\gamma=\frac{L}{C_{\max }}=\frac{L}{3(V-2)}, $ | (8) |
式(6)—(8)中, L为网络中廊道的数目,V为网络中抽象出来的生态节点个数,Cmax为最大可能廊道数。
1.3.5.3 生态断裂点识别与修复道路对区域景观产生破碎化及阻碍效应,使得生态过程发生受阻、景观功能受损[44]。交通路网等硬质路面不仅生态本底较差,难以产生生态效益,而且还会阻断研究区内生态廊道的物质交流与生态活动。因此,本研究通过对研究区内现有道路进行标识,结合生态网络空间分布特征,将现有道路设施与生态网络叠加分析,识别生态断裂点,以期为后续进行生态廊道修复优化提供依据。由于铁路相较于公路线路更长且多为长距离贯穿生境斑块的长直线,同时其沿线设有护栏铁丝网等隔离设施,生物通过更为困难,因此本研究将铁路与生态廊道的交汇处设为一级断裂点进行优先修复;将公路与生态廊道交汇处设为二级断裂点,修复等级相对次之。
2 结果与分析 2.1 综合源地确定本研究共识别出15处生态源地和6处风险源地,将其汇总生成广西边境城市综合源地(图 3)。生态源地面积为27 460.41 km2,占研究区总面积的38.76%。其中,一级生态源地主要分布于研究区北部的广西金钟山黑颈长尾雉国家级自然保护区、广西岑王老山国家级自然保护区,以及南部的十万大山国家级自然保护区的天然林区内,其余则零散分布于中部的百东河、澄碧河、大王岭等山地水源林区。二级生态源地则零散分布于研究区中部的崇左市江州区、龙州县、百色市靖西市等城镇公园绿地及人工林区。风险源地面积为1 502.78 km2,占研究区总面积的2.12%。风险源地主要分布于右江河谷、左江中下游及北部湾沿岸等城镇的人口聚居区。这部分区域由于受到自然条件和人类活动威胁的双重影响,长期以来土地资源的非合理性利用致使土地生态质量持续下滑,生态系统严重缺乏多样性,加之这部分区域人口稠密,人为干扰频繁,严重影响了区域生态环境自我恢复能力,在自然因素和人为因素的双重影响下,区域生态环境安全风险日趋增强。
|
| 图 3 综合生态源地 Fig. 3 Integrated ecological source area |
2.2 综合阻力面构建
通过综合分析可知,研究区生态阻力面及风险阻力面的阻力值分别为0.87—12.85[图 4(a)]和0.64—4.78[图 4(b)]。整体而言,研究区内生态阻力面空间分布差异明显,高阻力区多集中于研究区内高密度城区,人类活动频繁,生态本底较差,难以满足物质交流及生物迁徙需要;中阻力区则零散分布于城市近郊的人工林区内,区域生态环境条件相对一般,可作为临时或备用生态通道;低阻力区主要分布于研究区南北两端的国家级自然保护区和中部的一些天然生态水源林区内,区域自然生态环境条件优越,更易于成为物质交流及生物迁徙的长效通道。风险网络综合阻力值呈现出“大分散,小聚集”的空间分布特点,低阻力区集中分布在右江河谷及左江中下游地区,区域风险源极有可能通过风险阻力低值区基质向周围释放负面威胁因子,不仅降低整体生境质量,更加剧区域生态环境退化。
|
| 图 4 综合阻力面 Fig. 4 Comprehensive resistance surface |
2.3 生态综合网络构建
根据研究结果共识别出69条生态廊道,总长度9 156.65 km;提取12条一级生态廊道,总长度677.65 km,占生态廊道总长度的7.40%。从空间分布上看,生态廊道主要分布于研究区中部和中南部,少量分布于北部,西部和东南部无生态廊道分布。共识别出14条风险廊道,总长度2 592.76 km;提取4条一级风险廊道,总长度308.47 km,占风险廊道总长度的11.90%。从空间分布上看,风险廊道主要分布于研究区内东部的右江河谷、左江中下游及北部湾沿岸地区,西部和北部无风险廊道分布(图 5)。
|
| 图 5 生态综合网络 Fig. 5 Integrated ecological network |
2.4 生态综合网络优化措施 2.4.1 生态关键节点识别、保护与修复
本研究在生态廊道的交汇点共提取22个生态保护节点,主要集中分布在研究区中部,这些节点对增加生态网络复杂性,提高生态网络闭合度和完整性发挥着至关重要作用,应着重对其进行生态保护。本研究共提取9个生态修复节点,集中分布于右江河谷、西大明山西麓、左江流域中下游及十万大山国家级自然保护区东北部,区域生态负面影响效应显著,未来应着重对其进行生态环境修复,阻断风险源地间联系的同时进一步防止风险源地向外扩散。另外,本研究还从生态廊道与风险廊道的交汇处提取了17个生态保护与修复节点,其空间分布基本与生态修复节点相类似,同样集中分布于研究区东部地带[图 6(a)],这部分区域既是物种迁徙流动的重要通道,也是风险源向外释放负面影响因子的必经之路,生态风险与机遇并存,是生态保护与修复的关键区域。边境城市应在对生态环境优势区进行保护的同时加强对生态薄弱区修复与治理,优化提升区域整体生态安全环境,减少生态负面因子扩散,降低区域生态安全风险。
|
| 图 6 生态网络优化措施 Fig. 6 Measures to optimize ecological networks |
2.4.2 生态源地补充与优化
针对研究区内西部地区生境斑块面积较小、分布零散破碎、源地间引力较小的分布特点。综合考虑区域环境现状,选取生态本底较好的广西德孚县级自然保护区作为新增16号生态源地,以弥补西部生态网络建设空白,促进研究区西部生态流动,维护生态系统完整性;同时选取广西邦亮长臂猿国家级自然保护区作为新增17号生态源地主体生境斑块,旨在保护区域特色旗舰物种的同时,也可为区域生物迁徙提供中转站,加强研究区西部与南部区域间的生态联系;另外,拟在10号生态源地广西崇左白头叶猴国家级自然保护区和15号生态源地所在的广西十万大山国家级自然保护区之间的生态优势区四方岭东麓,新增18号的生态源地,为两个国家级自然保护区的物质流动及生物迁徙提供中转站。合计共3块新增生态源地(面积为311.70 m2),同时进行生态廊道模拟构建,新增48条规划生态廊道及3个生态节点[图 6(b)]。优化生态网络后α指数、β指数、γ指数分别为3.23、6.50、2.44,纵向对比优化前的α指数、β指数、γ指数(2.20、4.60、1.77),分别增加了46.82%、41.30%、37.85%。这表明新增生态源地及规划生态廊道后,生态网络连通性水平有所提高;生态廊道与生态节点比值增加,物质及生物交流发生概率有所提高;生态体系愈发完善,形成了更加稳定安全的区域生态网络结构。
2.4.3 生态断裂点识别与修复本研究将铁路及主要道路设施与生态网络叠加分析,共识别62个生态断裂点。其中,一级断裂点共计20个,主要沿南昆、湘桂、云贵、德靖等铁路线状分布;二级断裂点共计42个[图 6(c)]。未来可以依据现状生态网络,对已建成的交通道路带设立专门的生物迁徙通道,如天桥、涵洞、桥梁下方的空隙等,在不影响道路交通正常运营的前提下,建设安全、高效的生物通道;对未建成区或尚处于规划阶段的道路交通建设,应尽可能主动避开或绕行重要生境斑块及生态廊道,以减少对生物活动的干扰和影响。
2.5 生态保护和修复格局构建本研究依照《百色市国土空间总体规划(2021—2035年)》《崇左市国土空间总体规划(2021—2035年)》《防城港市国土空间总体规划(2020—2035年)》等上位规划,综合考虑研究区自然条件及社会经济条件,依托生态源地、生态廊道、生态节点等生态要素现状,构建“两轴—两屏障—四区”的综合生态保护与修复格局(图 7)。
|
| 图 7 研究区生态保护和修复格局 Fig. 7 Patterns of ecological conservation and restoration in the study area |
“两轴”指生态保护轴和生态修复轴。生态保护轴由“边关生态保护轴”和“百东生态保护轴”组成;生态风险修复轴由“西大明山—北部湾修复轴”和“右江河谷修复轴”组成。研究区生态保护轴线整体呈纵向分布,其中主轴“边关生态保护轴”沿广西段边境线串联起南北方向上两个重要生态屏障,同时还可以辐射带动我国与越南的生态交流,有利于打破原有行政区划对生态网络建设的限制,为研究区内物质流动及生物迁徙提供快捷通道,形成更科学、高效、安全的生态网络。生态保护轴北段分支“百东生态保护轴”穿过包括百东河水源林在内的多个生态林区,生态效益显著,可向南生态辐射,降低因城市快速无序扩张对生态网络产生的生态风险,有助于提高生态网络稳定性,推进并带动右江河谷区域生态修复与治理。研究区内各风险源地间依托风险廊道,沿东部右江河谷、西大明山西麓及北部湾沿岸持续向四周扩散负面影响因子,降低区域整体生境质量。因此,建议对风险廊道进行生态修复,恢复原有生态源地,重新构建生态廊道,从而提高区域生态环境质量,阻断生态风险传播。
“两屏障”包括十万大山生态屏障和桂西北生态屏障,分别位于研究区南北两端,区域生态优越,生境质量较高,遍布大面积生境斑块,为生物繁衍迁徙等一系列生态过程提供了重要场所。建议设置生态环境评估监测机制,严格限制人为活动,着重维护保护区域内生态保育功能,严禁大规模开发建设。
“四区”包括中部生态建设区、右江河谷修复区、左江流域生态修复区、北部湾沿岸生态修复区。其中,中部生态建设区是研究区内生物流与物质流途经的关键区域,生态保护轴线与风险修复轴线分别从域内穿过,地理位置十分关键,生态风险威胁与生态建设机遇并存。因此,重视区域生态建设对改善整体生态环境,扩大区域生态效应及防范区域生态风险向四周扩散具有十分重要的意义。3个生态修复区分别位于研究区东部的左江、右江流域以及北部湾沿岸的城镇建成区,区域人类活动频繁,人为干扰强度较大,生境质量较差,生态效益偏低。未来应制定长效的土地规划策略,平衡社会经济发展与生态保护之间的关系,增强城市生态系统功能,并在生态保护和修复的前提下发展生产建设,降低区域生态风险。
3 讨论 3.1 人类活动对生态源地与生态廊道的影响机制及相互作用人类活动对生态源地的可持续发展具有一定影响[45-46],但针对不同区域的影响效应,特别是针对边境城市这一特殊类型,相关结论还有待进一步验证。人为干扰对生态源地与生态廊道等级划分、空间布局及总体数量均起到关键作用[47-48]。生态源地间的引力强度以及生态因子沿生态廊道向外扩散途径基质的累积阻力值共同构成了衡量源地等级划分和廊道构建的关键指标[49],人类活动的强弱直接影响引力强度和累积阻力值大小[50-51]。当前研究尚缺乏人类活动对两者相互作用核心驱动因素的系统性剖析。随着兴边富民政策的深入实施,边境城市的城市化进程不断加快,贸易开放加剧,土地利用格局不断变化[52],在此背景下,人类活动对自然生态系统干预力度显著增强,导致生态源地不断遭到侵蚀,面积逐渐萎缩,自我更新能力削弱,生物群落结构与生态过程的连续性被阻断,区域内生物种群面临巨大的生存挑战。
3.2 风险网络对提升生态综合网络适应性和抗风险能力的影响边境城市生态综合网络结构受地理环境因素和人类活动影响较大。因此,选取能够反映研究区自然环境和人类活动特征的因子优化构建生态网络,进一步分析生态风险对生态环境的影响变得至关重要。以往研究多聚焦于单一生态理论体系及保护研究路径探索[53-54],较少考虑精确辨识风险关键区域和量化评估生态风险对生态综合网络优化构建的必要性影响,相关研究成果相对匮乏,难以满足边境城市当前生态环境保护与风险治理的迫切需求。应用“生态—风险”双网络耦合评价对生态综合网络构建可以产生良好效果[55]。结合边境城市社会经济特点,整合优化其生态综合网络,形成点线面的生态网络结构,实现构建多层次、全方位生态综合网络体系,维护扩大生态优势的同时防治生态风险扩散,有利于推进区域生态环境的可持续发展,为优化生态网络的空间配置策略提供有力支持。从研究结果来看,广西边境城市风险网络受土地利用开发政策影响较大,呈现出不平衡、不协调的特点。因此,针对广西边境城市,在风险源防治过程中,不能只局限于现有风险源的修复,更应关注其生态环境保护与修复的需求,制定长效的城乡土地利用开发模式,为优化生态网络的空间配置策略提供有力支持,从根源上阻断风险发展扩散。此外,由于该区域喀斯特地貌广泛、土壤退化严重、土地利用变化频繁等复杂特征,生态风险表现出高度的动态性和复杂性,未来需对其进行密切监控,根据实施现状进行动态调整。
3.3 边境城市生态安全调控方案探索边境城市作为国际合作与生态环境治理的重点地域,不仅是国家生态安全的第一道重要防线,也是国际生态交流的重要枢纽,立足于“生态—风险”的双重复合系统框架,探索广西边境城市生态网络优化研究,对区域生态修复治理模式具有十分重要的现实价值。因此,本研究为寻求国际生态治理修复新模式,打破生态建设国界限制,综合考虑不同区域生态环境现状,建立生态网络评估体系,纵向对比生态网络优化前后生态效益,提出针对性的生态保护修复策略,以期为广西边境城市生境质量提升、生态系统稳定性改善及国际生态网络优化提供科学依据。此外,本研究还可以横向拓展至其他边境城市或跨国界生态区域,开展横向对比研究,探索具有普适性的生态安全治理模式与路径。根据以往研究,评估边境城市的生态安全一般采用跨国生态合作潜力进行量化评价,其评价指标体系构建受地理环境、经济环境、社会环境等要素影响[56];喜马拉雅高海拔山区国家如印度、尼泊尔、不丹则通过直接建立跨国自然保护区来进行生态安全防护[57]。通过构建多层次、全方位的跨国生态安全研究治理体系,为全球生态安全治理提供借鉴方案。然而,鉴于国际发展政策的不确定性及社会环境瞬息万变,国际发展政策具有不可预见性的特点,本研究仅针对当前国内与国际社会环境背景下的生态综合网络优化进行研究,生态网络优化策略研究可行性及有效性尚有待进一步在时间上和空间上验证。
4 结论本研究以广西边境城市为例,分别构建生态网络及风险网络,生成生态综合网络,识别生态保护与修复关键区,并进一步分析广西边境城市生态保护修复格局特征,优化生态综合网络结构,结论如下。①共识别现有及优化新增生态源地18处、风险源地6处,分别占研究区总面积的39.20%和2.12%。其中生态源地主要分布于研究区南北两端的国家级自然保护区及中部的天然水源林区内;风险源地则集中于右江河谷、左江中下游、北部湾沿岸等城镇人口聚集区。②共识别现有及优化新增生态廊道117条、风险廊道14条,并从中进一步筛选出12条一级生态廊道和4条一级风险廊道,提取22个保护节点、9个修复节点、17个生态保护与修复节点。生态廊道和生态保护节点呈现“区域集聚,整体散布”的空间分布特征;风险网络中源胁迫因子主要沿左江、右江流域和西大明山西麓的低山谷地由生态风险阻力低值区向外扩散,区域生态风险显著加剧,急需予以科学生态修复。③基于广西边境城市区域生态环境现状,提出生态关键节点识别、保护与修复,生态源地补充与优化,生态断裂点识别与修复等生态网络保护修复优化策略,构建了“两轴—两屏障—四区”的生态保护和修复格局。本研究结果不仅可为广西边境城市生态可持续发展提供科学支持,也可为其他同类型边境城市生态网络的构建提供参考。
| [1] |
王有小, 刘少坤, 林树高, 等. 1995—2018年广西中越边境地区土地利用变化与生态风险研究[J]. 湖南师范大学自然科学学报, 2022, 45(6): 90-98. |
| [2] |
韦绍音, 陆汝成, 林晓楠, 等. 基于土地利用转型的广西边境地区生态服务功能交叉敏感性分析[J]. 水土保持研究, 2022, 29(3): 308-316. |
| [3] |
于媛, 李明玉, 韩旭龙, 等. 边境地区景观格局演变及生态系统服务价值响应: 以延边朝鲜族自治州为例[J]. 水土保持研究, 2021, 28(1): 315-322. |
| [4] |
许静, 王德仁. 基于适应性循环的兰西城市群生态网络构建与优化[J]. 干旱区研究, 2024, 41(5): 856-864. |
| [5] |
邓馨, 陈永毕, 杨霄, 等. 喀斯特地区生态网络构建及典型区域优化: 以黔西南布依族苗族自治州为例[J]. 西南农业学报, 2024, 37(6): 1349-1360. |
| [6] |
SADEGHI S H R, JALILI K, NIKKAMI D. Land use optimization in watershed scale[J]. Land Use Policy, 2009, 26(2): 186-193. DOI:10.1016/j.landusepol.2008.02.007 |
| [7] |
CUNHA N S, MAGALHÃES M R. Methodology for mapping the national ecological network to mainland Portugal: a planning tool towards a green infrastructure[J]. Ecological Indicators, 2019, 104: 802-818. DOI:10.1016/j.ecolind.2019.04.050 |
| [8] |
WU Y D, HAN Z Y, MENG J J, et al. Circuit theory-based ecological security pattern could promote ecological protection in the Heihe River Basin of China[J]. Environmental Science and Pollution Research, 2023, 30: 27340-27356. |
| [9] |
俞孔坚. 景观生态战略点识别方法与理论地理学的表面模型[J]. 地理学报, 1998, 53(增刊): 11-20. |
| [10] |
俞孔坚. 生物保护的景观生态安全格局[J]. 生态学报, 1999, 19(1): 10-17. |
| [11] |
WU J G. Key concepts and research topics in landscape ecology revisited: 30 years after the Allerton Park workshop[J]. Landscape Ecology, 2013, 28: 1-11. |
| [12] |
LI L, HUANG X J, WU D F, et al. Optimization of ecological security patterns considering both natural and social disturbances in China's largest urban agglomeration[J]. Ecological Engineering, 2022, 180: 106647. DOI:10.1016/j.ecoleng.2022.106647 |
| [13] |
叶鑫, 邹长新, 刘国华, 等. 生态安全格局研究的主要内容与进展[J]. 生态学报, 2018, 38(10): 3382-3392. |
| [14] |
宋珂, 王鹏, 许晨. 宜兴市县域尺度生态安全格局模拟研究[J]. 生态科学, 2023, 42(3): 163-176. |
| [15] |
李萱, 龚苑红, 覃盟琳, 等. 海岸带城市蓝绿空间碳汇基础设施网络分析: 以广西北部湾为例[J]. 广西科学, 2024, 31(2): 213-223. |
| [16] |
范强, 隋属棋, 张津宁. 基于"供需平衡-敏感性-连通性"的赤峰生态安全格局构建与优化[J]. 环境科学, 2025, 46(4): 2450-2462. |
| [17] |
刘永林, 高益忠, 陈明辉, 等. 广东省东莞市国土空间生态安全格局构建与分析[J]. 自然资源遥感, 2024, 36(2): 126-134. |
| [18] |
哈力木拉提·阿布来提, 阿里木江·卡斯木, 祖拜旦·阿克木. 基于形态学空间格局分析法和MCR模型的乌鲁木齐市生态网络构建[J]. 中国水土保持科学(中英文), 2021, 19(5): 106-114. |
| [19] |
代继平, 朱坤, 周天宇, 等. 基于MSPA和MCR模型的曲靖中心城市生态网络优化研究[J]. 西北林学院学报, 2022, 37(6): 250-257. |
| [20] |
郝月, 张娜, 杜亚娟, 等. 基于生境质量的唐县生态安全格局构建[J]. 应用生态学报, 2019, 30(3): 1015-1024. |
| [21] |
杨文越, 叶泓妤. 基于生境质量的粤港澳大湾区生态网络识别[J]. 生态学报, 2023, 43(24): 10430-10442. |
| [22] |
王庆孝, 栗云召, 曲芷程, 等. 黄河口湿地生态网络构建与评价[J]. 生态科学, 2022, 41(6): 105-113. |
| [23] |
韩萌薇, 张帅普, 徐勤学, 等. 基于碳汇和景观连通性的跨流域生态安全格局构建[J]. 环境科学, 2024, 45(10): 5844-5852. |
| [24] |
于梦林, 刘平辉, 朱传民. 基于MCR模型的宁波市生态安全网络构建[J]. 水土保持通报, 2022, 42(1): 217-224. |
| [25] |
田志强, 刘硕, 顾鹏程, 等. 基于MSPA-MCR-FLUS模型的葫芦岛市生态安全格局构建[J]. 农业资源与环境学报, 2025, 42(4): 890-900. |
| [26] |
赵玉攀, 于欢, 雷光斌, 等. 基于生态风险评估的湄公河流域生态网络识别[J]. 遥感技术与应用, 2023, 38(1): 116-128. |
| [27] |
可凯勒, 彭建松, 苗雪, 等. 基于生态风险评价的昆明市多层次生态安全格局构建[J]. 西南林业大学学报(自然科学), 2025, 45(3): 110-120. |
| [28] |
张亚丽, 黄柱军, 田义超, 等. 桂西南喀斯特峰丛洼地流域生境质量时空变化及驱动机制[J]. 生态与农村环境学报, 2024, 40(7): 877-887. |
| [29] |
王克林, 岳跃民, 陈洪松, 等. 科技扶贫与生态系统服务提升融合的机制与实现途径[J]. 中国科学院院刊, 2020, 35(10): 1264-1272. |
| [30] |
张京生, 郜梦妍, 张煜森, 等. 河南黄河湿地国家级自然保护区人类干扰对生境质量的影响及空间优化策略[J]. 水土保持通报, 2022, 42(5): 140-150. |
| [31] |
周婷, 陈万旭, 李江风, 等. 神农架林区人类活动与生境质量的空间关系[J]. 生态学报, 2021, 41(15): 6134-6145. |
| [32] |
周道静, 徐姗. "十四五"时期我国边境地区国土空间发展路径思考[J]. 城市发展研究, 2021, 28(10): 34-38. |
| [33] |
ZHAO X Q, YUE Q F, PEI J C, et al. Ecological security pattern construction in karst area based on ant algorithm[J]. International Journal of Environmental Research and Public Health, 2021, 18(13): 6863. DOI:10.3390/ijerph18136863 |
| [34] |
廖剑威, 闫淑君, 叶佳伟, 等. 基于MSPA-Linkage Mapper的福州滨海长乐区生态网络构建与优化[J]. 西北林学院学报, 2023, 38(5): 243-251. |
| [35] |
樊影, 王宏卫, 杨胜天, 等. 基于生境质量和生态安全格局的阿勒泰地区生态保护关键区域识别[J]. 生态学报, 2021, 41(19): 7614-7626. |
| [36] |
WU J Y, LUO J G, ZHANG H, et al. Projections of land use change and habitat quality assessment by coupling climate change and development patterns[J]. Science of the Total Environment, 2022, 847: 157491. DOI:10.1016/j.scitotenv.2022.157491 |
| [37] |
付在毅, 许学工. 区域生态风险评价[J]. 地球科学进展, 2001, 16(2): 267-271. |
| [38] |
何文, 余玲, 王金叶, 等. 漓江流域景观生态安全评价及其影响因素分析[J]. 广西科学, 2024, 31(6): 1132-1143. |
| [39] |
杜佳衡, 王影雪, 潘悦, 等. 高原河谷县域景观生态风险评价与生态安全格局构建: 以云南省大理州永平县为例[J]. 生态学杂志, 2024, 43(5): 1509-1520. |
| [40] |
孙宝娣, 钟城豪, 崔东旭, 等. 区域协同视角下黄河流域生态安全格局构建[J]. 生态学报, 2024, 44(11): 4624-4636. |
| [41] |
朱炳臣, 李同昇, 陈谢扬, 等. 汉江流域生态综合网络构建与生态安全格局识别研究[J]. 长江流域资源与环境, 2024, 33(2): 362-373. |
| [42] |
陈南南, 康帅直, 赵永华, 等. 基于MSPA和MCR模型的秦岭(陕西段)山地生态网络构建[J]. 应用生态学报, 2021, 32(5): 1545-1553. |
| [43] |
许忠洋, 王琤, 顾彤, 等. 基于生态网络的生态修复关键区识别: 以延安市为例[J]. 干旱区地理, 2024, 47(6): 1073-1083. |
| [44] |
周圆, 张青年. 道路网络对物种迁移及景观连通性的影响[J]. 生态学杂志, 2014, 33(2): 440-446. |
| [45] |
杨迈, 郑毅, 李晓琳, 等. 洱海流域生态网络构建与分析[J]. 湿地科学, 2024, 22(2): 254-263. |
| [46] |
徐伟振, 黄思颖, 耿建伟, 等. 基于MCR和重力模型下的厦门市生态空间网络构建[J]. 西北林学院学报, 2022, 37(2): 264-272. |
| [47] |
艾婧文, 余坤勇, 黄茹鲜, 等. 风电项目对潜在生态廊道的影响: 基于MSPA-MCR模型[J]. 生态学报, 2023, 43(9): 3665-3676. |
| [48] |
蒋若琳, 龚本海, 王艺锦, 等. 基于MSPA与MCR的崇左市生态网络构建与优化[J]. 江西农业学报, 2022, 34(7): 122-129. |
| [49] |
晁云舒, 严雨桐, 闫思嘉, 等. 基于MCR和重力模型的县域生态安全格局构建: 以福建省永春县为例[J]. 水土保持通报, 2023, 43(4): 203-210. |
| [50] |
吴未, 张敏, 许丽萍, 等. 土地利用变化对生境网络的影响: 以苏锡常地区白鹭为例[J]. 生态学报, 2015, 35(14): 4897-4906. |
| [51] |
黄俊达, 黄金玲, 陈超劲. 以自然保护地为主体的广州市域生态网络构建[J]. 应用生态学报, 2024, 35(1): 247-254. |
| [52] |
刘少坤, 黄荣华, 张利国, 等. 2000—2020年广西边境地区土地生态安全与兴边富民进程的耦合协调关系[J]. 水土保持通报, 2023, 43(3): 176-184, 300. |
| [53] |
叶洁楠, 黄亦周, 贾舒皓, 等. 基于MSPA和MCR模型的贺兰山生态安全网络评价与优化[J]. 南京林业大学学报(自然科学版), 2025, 49(5): 217-226. |
| [54] |
姚采云, 安睿, 窦超, 等. 基于MSPA与MCR模型的三峡库区林地生态网络构建与评价研究[J]. 长江流域资源与环境, 2022, 31(9): 1953-1962. |
| [55] |
邓楚雄, 龚雅菁, 张光杰, 等. 基于景观生态风险评价的湘江流域生态安全格局构建[J]. 水土保持通报, 2024, 44(3): 145-158. |
| [56] |
李杰, 付晶, 郭鑫, 等. 中国与周边国家边境保护地跨境合作潜力分析[J]. 自然资源学报, 2021, 36(10): 2710-2722. |
| [57] |
高峻, 李杰, 付晶, 等. 喀喇昆仑山-喜马拉雅山脉生态区类型与保护地空间分布格局[J]. 生态学报, 2021, 41(3): 912-923. |



