实验室研究成果在《Ecological Indicators》(中科院2区,if=6.3)期刊上发表

2022-09-07

文章信息

基于GTWR和MGWR探索快速城市化城市中景观模式对生境质量的时空驱动机制:中国南京案例

Hu, J., Zhang, J., Li, Y., 2022. Exploring the spatial and temporal driving mechanisms of landscape patterns on habitat quality in a city undergoing rapid urbanization based on GTWR and MGWR: The case of Nanjing, China. Ecological Indicators 143, 109333.


论文摘要

景观格局显著影响栖息地质量,特别是在快速城市化的城市,那里的景观格局正在发生巨大变化。然而,景观格局对生境质量的时空驱动机制尚不清楚,提出的地理时间加权回归(GTWR)和多尺度地理加权回归(MGWR)方法为探索这些机制提供了可能。本研究于2001年至2020年在南京进行。利用FRAGSTATS计算了2001-2020年的景观格局指数,包括聚集性、连通性、多样性和紧凑性。栖息地质量采用生态系统服务与权衡综合评估(INVITE)模型进行计算。结合GTWR和MGWR两种新的空间测量模型,探讨了景观格局对生境质量的时空驱动机制。结果表明:(1)随着南京市建设用地规模的扩大,生境质量明显下降,总体景观格局波动较大。(2)GTWR和MGWR非常适合于这种分析,并提供了重要的见解。(3)总体上,低质量生境的聚集度和紧凑度与生境质量呈负相关。低生境基质上连通性的增加对生境有积极的影响。邻近地区多样性的增加对栖息地有积极的影响,而高生境地区的多样性增加则相反。(4)随着城市化水平的提高,集聚的负面效应扩大,连通性和多样性的积极效应也在扩大。(5)景观格局效应的影响程度由大到小依次为紧凑性、多样性、连通性和聚集性,而影响强度则相反。基于这些发现,为城市规划者以可持续和合理的方式规划城市景观格局提供了参考。这也为将GTWR和MGWR结合到景观生态学研究中提供了一种新的手段。


Abstract

Landscape pattern significantly impacts habitat quality, especially in cities undergoing rapid urbanization, where landscape patterns are changing dramatically. However, the spatial and temporal driving mechanisms of landscape pattern on habitat quality are still unclear, and the proposed methods of Geographically and Temporally Weighted Regression (GTWR) and Multiscale Geographic Weighted Regression (MGWR) provide possibilities for the exploration of these mechanisms. This study was conductedin Nanjing from 2001 to 2020. Landscapepattern indices indicating aggregation, connectivity, diversity and compactness were calculated using Fragstats from 2001 to 2020. The habitat quality was computed using the Integrated Valuation of Ecosystem Services and Tradeoffs (InVEST) model. By combining two new spatial measurement models, GTWR and MGWR, the spatial and temporal driving mechanisms of landscape patterns on habitat quality were explored. The results show that (1) as Nanjing ’s land under construction has expanded, habitat quality has decreased significantly, and the overall landscape pattern has fluctuated drastically. (2) GTWR and MGWR are well-suited to such analysis and provide important insights. (3) Overall, aggregation and compactness were negatively associated with habitat quality in areas of low-quality habitat. Increased connectivity on low habitat substrates had a positive effect on habitat. The increase of diversity in proximity had a positive effect on habitat, while the opposite was true in high habitat zones. (4) As the urbanization level increases, the negative effects of aggregation expand, as do the positive effects of connectivity and diversity. (5) The extent of influence of landscape pattern effects are ranked from largest to smallest: compactness, diversity, connectivity, and aggregation, while the intensity of effects is reversed. Based on these findings, a reference point for urban planners is provided to plan urban landscape patterns in a sustainable and rational manner. It also provides a new means of integratingGTWR and MGWR into the study of landscape ecology.


文章下载链接

https://www.sciencedirect.com/science/article/pii/S1470160X22008068


研究框架

image.png

研究框架包括:(1)景观格局指数的选择和计算;(2)通过InVEST模型计算生境质量;(3)利用全局和局部空间自相关分析,对研究区域的生境质量进行空间聚类;(4)利用GTWR和MGWR对景观格局和生境质量进行关联。


研究数据与方法

本研究基于2001-2020武汉大学的CLCD数据集,空间分辨率为30米,时间分辨率为1年,总体准确率为79.31%。由于景观格局的计算有选择空间分辨率尽可能高的数据集,而GTWR则需尽量提高数据集时间分辨率,CLCD较好地满足了时空分辨率的需要。首先进行景观格局的计算,目前主流的景观格局指数有已数十种,然而它们中许多都意义相近,这产生的冗余使得回归分析中会出现多重共线性的干扰。另外,我们希望所选指数能尽可能全面地描述景观格局的现状。因此,首先通过双尾皮尔逊分析,去除相关性大于0.9的指标,初步排除意义几乎一致的指数;接着依据相关论文与说明文档的描述,从聚合度、连通性、多样性和紧凑性四个方面选择最具有代表性的指标,同时进行协方差诊断,保证方差膨胀因子小于3。最终选择了AI、CONTIG_MN、SHDI和CIRCLE_MN四个指数。


景观格局指数

类型

介绍

AI (Aggregation   Index)

聚集指数

基于邻接矩阵,计算面积加权平均类别聚集指数,以表征其聚集度


CONTIG_MN   (Mean Contiguity Index)

形状指数

通过计算斑块平均邻接值,量化了斑块连通度


SHDI (Shannon's   Diversity Index)

多样性指数

基于信息论,同时考虑了类的数量和每个类的丰度,对稀缺类型的敏感性较高


CIRCLE_MN   (Mean related circumscribing circle)

形状指数

量化了斑块面积与斑块最小外接圆的比值,体现了斑块的紧凑度


接着进行生境质量的计算,我们参考了多篇研究与南京情况类似的城市的论文设定InVEST模型的敏感度表与威胁度表的参数,基于这些参数和土地覆盖数据,计算了2001-2020年的生境质量,并进行了全局与局部空间自相关分析。最后将会对数据进行回归分析,由于涉及的数据是具有空间位置的地理数据,因此地理加权回归(GWR)将比传统的回归模型更合适。而生态学更关注长时间的变化与影响,并非孤立与静止的单一事件,同时不同影响因素的作用强度与尺度均不一样,GWR并未考虑这些方面。我们的研究进一步希望探究在时间变化的过程中景观格局对生境质量影响的变化,以及不同景观格局指数在空间上如何影响生境质量。因此,GTWR与MGWR被应用于此研究。我们基于区县级的行政区边界提取了景观格局指数与生境质量,并进行GTWR的分析。同时,由于MGWR将会计算自变量的作用尺度,因此2020年的数据另外建立了边长为700米的六边形网格进行提取,以进行MGWR的分析。


研究结果

image.png

土地覆盖变化


image.png

生境质量变化


image.png

景观格局变化


image.png

生境质量的局部空间自相关


image.png

GTWR结果


image.png

MGWR结果


讨论

总的来说,景观格局的四个属性对生境质量有不同的驱动机制。对生境质量最具决定性影响的是景观聚集性,其次是景观连通性,然后是景观多样性,而对景观紧凑性的影响最小。相反,影响范围从紧凑性、多样性和连通性下降到聚集性。随着时间的变化,这四个属性的强度和范围将随着景观格局的变化和建设用地的扩张而变化。

景观聚集的增加伤害了以低生境质量景观类型为基底的地区,如城市中心,因为低生境景观的聚集意味着人类活动的影响更加强烈,减少了高生境地区的空间。在这种情况下,聚集的减少会削弱高生境区形成的规模效应,降低生境质量。但与此同时,栖息地质量对聚集度也很敏感,但影响并不明显。随着城市化进程的加快,聚集对生境的负效应将逐渐扩大,而正效应则因建设用地基数的扩大而减少。

城市中心景观连通性的增加明显改善了生境质量,因为以建设用地为基础的城市中心的高生境斑块非常零散和稀疏。增加它们的连通性有利于物种交换和迁移,从而改善生境质量。对于以农田和林地为基底的郊区,增加这种连通性主要是增加其上零散的建设用地的连通性,这将使高生境区变得零散,降低生境质量。景观连通性的影响范围比聚集性略大,但其影响强度略低。一旦城市内部城市化达到最高水平,一些地区可能就没有高生境了,增加连通性不会对生境产生积极影响。

景观多样性对城市建设用地有积极影响,与高分化的高生境地区相比,因为多样性的增加有利于高生境斑块嵌入低生境斑块,如城市建设用地,也可以减轻城市化对高生境地区分化的压力。相反,对于整个高生境质量地区,增加景观多样性可能会导致低生境斑块的干扰,从而降低生境质量。对于中等生境质量地区,如果低生境斑块的规模较小,胁迫效应较低,增加景观多样性也会对生境质量产生积极的影响。随着城市景观格局的变化和建设用地的扩大,景观多样性的积极作用将逐渐增强。

景观紧凑性的增加会改善高生境地区的生境质量,因为较高的紧凑性程度会增加高生境斑块对低生境斑块的影响的阻力。然而,低生境斑块的紧凑性降低使其容易受到高生境的影响,从而提高生境质量。然而,生境质量对该指数的敏感性并不高。不过,毫不奇怪的是,随着城市化的发展,破坏性影响的程度也会逐渐增加。


基于以上研究结果,提出以下建议:

指数

效果

影响范围

空间层面

时间层面

建成区

近郊

远郊

聚集度

提高绿色空间数量,使建设用地斑块破碎

合理规划蓝绿空间,避免建设用地聚集度过高

加强生态保护,保持高生境斑块的聚合度

依建设用地扩张范围,加强绿色空间对建设用地的瓦解

连接度

提高绿色空间连接度,构建城市生态网络

提高蓝绿空间向城市内部渗透的连接度

构建大型生态廊道,形成绿色空间系统

加强对近郊高生境斑块连接度的提升,尤其是城市化边缘区

多样性

较强

较小

引入多种用地类型,提高景观多样性

增加高生境斑块的种类以缓解城市扩张影响

降低景观多样性,保持高生境斑块种类的优势

加强对远郊高生境区景观多样性上升的抑制

紧凑度

降低建设用地紧凑度

提高高生境斑块紧凑度

保持高生境斑块紧凑度

加强对远郊高生境区景观紧凑度的提升


未来研究展望

1.使用空间分辨率、时间分辨率、分类精度、土地覆盖类型分类数量均有提升的更好的数据集 

2.更精确的生境质量计算模型或方法 

3.探索整合了GTWR与MGWR的空间计量模型,例如多尺度时空地理加权回归(MGTWR)


qrcode_for_gh_f579d9ca718f_344.jpg

数字城市与人居环境实验室


▲感谢关注