林业科学  2013, Vol. 49 Issue (5): 92-100   PDF    
DOI: 10.11707/j.1001-7488.20130513
0

文章信息

侍昊, 鲜明睿, 徐雁南, 薛建辉, 刘海娟
Shi Hao, Xian Mingrui, Xu Yannan, Xue Jianhui, Liu Haijuan
城市潜在绿色廊道构建方法——以常州市为例
Developing Integrated Methods to Construct Urban Potential Green Corridors: A Case Study of Changzhou City
林业科学, 2013, 49(5): 92-100
Scientia Silvae Sinicae, 2013, 49(5): 92-100.
DOI: 10.11707/j.1001-7488.20130513

文章历史

收稿日期：2012-08-07
修回日期：2012-10-12

作者相关文章

侍昊
鲜明睿
徐雁南
薛建辉
刘海娟

引用本文
侍昊, 鲜明睿, 徐雁南, 薛建辉, 刘海娟. 2013. 城市潜在绿色廊道构建方法——以常州市为例[J]. 林业科学, 49(5): 92-100.
Shi Hao, Xian Mingrui, Xu Yannan, Xue Jianhui, Liu Haijuan. 2013. Developing Integrated Methods to Construct Urban Potential Green Corridors: A Case Study of Changzhou City. Scientia Silvae Sinicae, 49(5): 92-100.  DOI: 10.11707/j.1001-7488.20130513
城市潜在绿色廊道构建方法——以常州市为例
侍昊1, 2, 鲜明睿2, 徐雁南2, 薛建辉1, 2, 刘海娟2    
1. 南京林业大学江苏省林业生态工程重点实验室 南京210037；
2. 南京林业大学森林资源与环境学院 南京210037
收稿日期：2012-08-07；修回日期：2012-10-12
基金项目：林业公益性行业科研专项(201304208)；国家自然科学基金项目(30972415)
通讯作者：徐雁南
摘要：在RS和GIS的支持下，利用遥感影像分类、斑块连通性分析和耗费距离模拟等方法形成一套完整的城市潜在绿色廊道构建体系。首先采用最优指数(OIF)和决策树(QUEST算法)获取城市绿地斑块空间布局，分析绿地斑块间的连通性；然后利用Spearman秩相关等统计方法确定不同连通指数对连通阈值的敏感程度，优选最稳定的连通指数划分绿地斑块的重要性等级，将具有较高重要性值的斑块作为绿地"源"和"目标"；最后选用频率比方法改进耗费距离模型的成本表面，在不同空间尺度下，情景模拟城市潜在绿色廊道的空间布局，并对模拟结果进行定量分析与评价。结果表明：最优指数结合决策树方法的分类总精度为90.35%，Kappa系数为0.86，提取绿地面积占城市总面积的22.88%，大面积绿地斑块主要分布在滆湖的西部和太湖的北部；整体连通指数(ⅡC)具有较高的稳定性，在200~2 400 m的距离范围内，其dⅡC的Spearman秩相关系数变化值最低(0.21)；在600 m的距离阈值下，以dⅡC值大于1%作为标准，确定竺山斑块为绿地"源"及7个主要的绿地斑块为"目标"；在不同空间尺度下，模拟的潜在绿色廊道的变形系数ξ值相近(1.28)，其空间格局受研究尺度的影响较小。最后进一步探讨该方法体系实践的可行性，为城市绿地系统规划和建设提供科学合理的参考和依据。
关键词： 决策树分类    连通指数优选    成本表面改进    多尺度    潜在绿色廊道    常州    
Developing Integrated Methods to Construct Urban Potential Green Corridors: A Case Study of Changzhou City
Shi Hao1, 2, Xian Mingrui2, Xu Yannan2, Xue Jianhui1, 2, Liu Haijuan2     
1. Key Laboratory of Forestry Ecological Engineering of Jiangsu Province, Nanjing Forestry University Nanjing 210037;
2. College of Forest Resources and Environment, Nanjing Forestry University Nanjing 210037
Abstract: With the support of remote sensing(RS)and geographical information system(GIS)techniques, we present an integrated approach of remote sensing classification, connectivity metrics analysis and least-cost path simulation to develop urban potential green corridors in urban greenspace systemplanning. Firstly, this paper used the OIF(optimal index factor)and decision tree algorithms (QUEST)to extract urban greenspace patches, and analyzed the connectivity of each patch. Then, Spearman rank correlation coefficient was derived to determine the connectivity metrics sensitivity due to distance changes. Based on this, the most robust connectivity index was determined to divide patches importance rank, the patches with higher importance values were defined as greenspace ‘sources’ and ‘target’. Ultimately, the potential green corridors were simulated by using the least-cost model based on FR(frequency ratio)cost-surface under different research scales, followed by a quantitative evaluation of different scenarios simulation results. The preliminary results were as follows: 1)The total classification accuracy reached 90.35% by using OIF and QUEST, with a Kappa coefficient of 0.86; greenspace mainly distributed in the east of Gehu Lake and in the north of Taihu Lake, and accounted for 22.88% of the total area. 2)Integral index of connectivity(ⅡC)had higher robust with lower difference value of rs(0.21)between 200 and 2 400 mdistance threshold; under the 600 mthreshold distance, the Zhushan patch and other seven patches were identified as ‘sources’ and ‘target’ by comparing important values(dⅡCabove 1%). 3)The spatial patterns of potential green corridors were hardly affected by research scales changes, with stable deformation coefficient(1.28). Finally, we discussed the feasibility of the optimized method system, and provided scientific and reasonable references for the planning and construction of city green system.
Key words: decision tree classification    optimization of connectivity metrics    improved cost-surface    multi-scale    potential green corridors    Changzhou    

城市绿地是城市生态系统的基础部分，其系统结构和功能在改善空气质量、减轻城市热岛效应、降温增湿、释氧固碳、减噪除尘、调节小环境气候等方面起到十分重要的作用(秦耀民等，2006；校建民等，2009；史久西等，2011)。但由于城市用地规模的不断扩张，加剧了绿地斑块破碎化程度，严重威胁绿地系统在区域生物多样性保护中的作用。针对这一问题，有研究认为通过构建绿地斑块间的绿色廊道体系可以提高城市绿地间的连接度，减少绿地破碎化，利于物种的空间运动，延续原本孤立的斑块内物种繁衍，有效地保护生物多样性(Paetkau et al.，1998；李卫锋等，2003)。随着遥感和地理信息系统等技术的发展，绿色廊道体系的构建方法日趋多样化，由较为经典的绿地系统经验规划法(黄艺等，2006)，到以土地适应性分析为基础，对生物保护(权重最高)、休闲和廊道等要素进行考虑，利用多图层叠加分析，确定适合构建潜在绿道的区域(Conines et al.，2004；俞孔坚等，2005)，再到目前较为流行的利用耗费距离模型法，其较为充分考虑到景观阻力对生物迁移的影响，更为详细地表征和模拟绿地斑块间潜在的绿色廊道的空间结构(Kong et al.，2010；尹海伟等，2011)。而目前耗费距离方法模拟绿色廊道的关键是，需要主观设定绿地“源”和“目标”位置以及阻力面的参数，如将特殊作用的绿地定义为重要绿色“源”或“目标”(森林公园、自然保护区、湿地公园等)；同时需要根据经验或野外调查数据，在不同尺度下将不同地类赋予不同的阻力值等。但由于研究者的专业背景和知识面的差异以及野外调查数据的不确定性，廊道模拟结果会产生较大的差异，造成其实践应用性不强。因此，如何在定量分析不同绿地斑块的重要性等级和阻力值大小的基础上构建与模拟城市潜在绿色廊道显得尤为重要。

本文首先利用2期常州市域的遥感影像，提取城市绿地斑块空间分布；然后在此基础上利用景观连通度指数定量分析与评价不同绿地斑块的重要性等级，将重要性值较高的绿地斑块作为绿地“源”和“目标”，通过频率比方法构建最小耗费距离模型的成本表面，情景模拟和定量评价不同空间尺度下潜在绿色廊道的空间布局；最后进一步探讨其实施的可行性，为城市绿地系统规划建设提供理论依据。

1 研究区概况与数据预处理

常州市位于江苏省南部、长江三角洲西北、太湖平原西北部，31°09'—32°04'N，119°08'—120°12'E。2005 年全市面积4 375 km2，其中常州市区面积1 864 km2，含常州所辖的天宁区、钟楼区、戚墅堰区、新北区和武进区(常州统计局，2006)。常州市总体规划(2004—2020)将城市定位发展成为“以人为本，人与自然和谐共存的生态城市”。2008 年，常州市规划建设方案中提出“应用生态学的原理和方法，结合城市所处的自然生态环境，以‘水网、绿网’为主要生态控制要素，以带状林带为纽带，将市域内的风景林地、农田、水面等与市区绿地系统连成一体，构筑立体化、网络化、多层次、多功能的生态绿地系统1)。

研究所采用的数据包括2期TM/ETM+影像，时间分别为2005-10-17(TM)和2006-05-21(ETMc)；2005 年常州市土地利用类型现状图(1：50 000)，常州市绿地系统规划图(2004—2020)；常州市1：100 000地形图。首先利用ENVI软件的FLASSH模块对2期遥感影像进行大气校正，然后根据常州地形图对2期影像数据进行几何精校正并裁剪出研究区，在2期12个原始波段(30 m分辨率)的基础上，为了增强绿地信息特征，对2期数据分别进行主成分变换(PCA)、归一化植被指数(NDVI)计算、差值植被指数(DVI)计算和缨帽变换(TC)等;同时根据对不同时间段的NDVI和DVI 做差值计算，分别获得ΔNDVI和ΔDVI。原始2期影像经过多种图像变换后，共产生了26个特征变量，具体见表 1。

表 1 遥感影像变量名称 Tab.1 Remote sensing images variable names
2 研究方法 2.1 城市绿地斑块信息提取

影像变换后产生26个变量较大的信息量，因此研究采用最优指数OIF(optimal index factor)方法剔除相关性较高的变量信息，获取最优组合。最优指数的特征变量选择依据主要是信息量大且独立性强，相对应的统计量要求标准差较大而相关性较小，其表达式(安琼等，2008)为:

$ {\text{OIF = }}\sum\limits_{i = 1}^3 {{S_i}/} \sum\limits_{j = 1}^3 {\left| {{R_{ij}}} \right|} $ (1)

式中：Si为第i波段的标准差；Rij为两变量任意之间的相关系数；OIF越大，表示所对应的变量组合越优，通过比较不同数量特征组合的最优指数，获得值最大的特征变量组合。需要说明的是，由于涉及的变量组合排列众多，因此研究随机选取每3个变量组合计算OIF，以此来确定最优变量组合，减少影像分类所需要的变量个数。最优指数计算利用Matlab 7.0自行编写程序实现。

根据遥感影像特征和研究目的需要，研究区的土地类型分为城市绿地、农田、建设用地、水体和其他用地5 种，将林地、苗圃地和草地等归并到城市绿地的范畴。利用2005 年6 月进行野外调查和部分解译数据，对研究区影像上5 类地物的类别属性有了先验知识，共生成6 047个样本点，其中70%用于构建训练样本，30%用于构建检验样本。采集样本要求性质均一，且保证每类样本数量一定。在此基础上，研究采用决策树的QUEST(quick，unbiased，efficient，statistical tree)算法对影像进行分类，该算法的特点是将变量选择和分割点选择分开进行，克服了其他决策树算法更倾向于选择那些具有更多潜在分割点的预测变量，在变量选择上基本无偏(Sesnie et al.，2008)。分类决策树通过ENVI 4.4软件实现，利用其rulegen补丁，根据训练区样本自动生成决策树分割阈值，同时对已建成的决策树进行必要的修剪，以获取最终的分类结果图。

2.2 斑块等级划分与连通指标优选

连通性是指景观对生态流的便利或阻碍程度，连通性良好的绿地景观可以更有效地实现其生态功能(熊春妮等，2008)。景观连通指数常用于分析绿地系统的斑块连通性，优化绿地系统结构布局(侍昊等，2011)。本研究所选取连通指数主要包括斑块间的链接数(NL)、组分数(NC)、种类相和概率(CCP)、景观相和概率(LCP)及整体连通指数(ⅡC)这5个二位连通指数(Saura et al.，2007)。通过计算城市每个绿地斑块在绿地系统中的重要性，确定重要性等级较高的斑块，将其设定为绿色廊道的“源”或“目标”。绿地斑块的重要性值通过计算dI来表示，其计算公式(Saura et al.，2007)为:

$ {\text{d}}I\left(\% \right)= \frac{{I - I'}}{I} \times 100 $ (2)

式中：I表示景观中所有斑块的整体指数值；I'表示去除单个斑块后剩下斑块的整体指数值。dI值越高，表示该斑块在景观连通中的重要性越高，斑块的等级越高。I 分别为NL，NC，CCP，LCP和ⅡC。

由于连通指数的结构不同，因此所获得斑块连通重要值dI排列顺序也存在差异；同时针对同一指数，随着连通阈值的改变，斑块的重要值dI也会发生改变(刘常富等，2010)。因此，研究引入Spearman 秩相关系数评价不同连通指数对不同距离阈值的敏感度，寻找最适合的连通指数来划分绿地斑块的重要性等级。Spearman 秩相关系数主要通过计算非参数性质的秩统计参数来分析距离变化对连通指数稳定性影响。rs表示某一距离阈值下的斑块重要值(dx)和在另一个距离阈值下所对应的重要值(dx')的秩相关系数，若rs=1，表示连通阈值发生变化，但斑块的优先次序相同；当rs值降低，则表示斑块的优先次序发生改变，rs值越低，表明该指数对距离阈值越敏感、稳定性越差(Pascual-Hortal et al.，2007)。该指数用于分析不同绿地连通指标间的差异。

当较稳定的连通指数被确定后，引入变异系数(coefficient of variation，CV)来寻找斑块间重要值区分度最优的距离阈值，该值表示重要值的相对变化(波动)程度(徐建华，2002)，其计算公式为:

$ {\text{CV}} = \frac{S}{{\overline {{\text{dx}}} }} \times 100\% $ (3)

式中：S为斑块重要值dx的标准差；$\overline {{\text{dx}}} $为斑块重要值dx的平均值。CV值越大，表示重要值dx间的差异越大，即重要值离散程度越大；否则相反。该指标用于测度不同距离阈值下斑块间重要值的差异，值越大表明斑块间重要值差异越明显，斑块间重要性等级划分越清晰，更容易确定景观连接薄弱区域。

利用Conefor Sensinode 2.2(http://www.conefor.org)和SPSS 17 来进行上述斑块连通性的定量分析与评价。

2.3 成本表面改进与潜在绿地廊道评价

耗费距离模型(Adriaensen et al.，2003；张小飞等，2005)可以有效地模拟城市绿地斑块间的潜在绿色廊道，其中成本表面的构建是耗费模型中最为关键的部分之一。研究采用频率比(frequency ratio，FR)方法重构成本表面。频率比法是一种用来分析绿地适宜度和绿地空间分布关系的方法，频率比值揭示了这二者之间的相关关系，其表达式(Park et al.，2011)为:

$ {\text{FR= }}\frac{b}{a} $ (4)

式中：a表示城市绿地面积占城市总面积的百分比(城市绿地覆盖率)；b表示某区域内绿地面积占该区域总面积的百分比(区域绿地覆盖率)。若比值FR=1，表示该区域绿地覆盖率等于城市绿地覆盖率；若FR＞1，表示该区域绿地覆盖率超过城市绿地覆盖率，值越高，区域内绿地的适宜性越强，阻力值越低；若FR＜1，表示该区域绿地覆盖率低于城市绿地覆盖率，值越低，区域内绿地的适宜性越弱，阻力值越高。研究将上述所获得的频率比值转换为阻力值，其表达式为:

$ R{\text{ = F}}{{\text{R}}_{{\text{max}}}} \times \frac{1}{{{\text{FR}}}}{\text{，FR}} \ne 0，R \geqslant 1 $ (5)

式中：R表示成本表面的阻力值；FRmax为修正系数，其目的是将公式(4)中R的最小阻力值转化为1。

通过修正，该模型结果利于与不同模型、不同尺度的研究结果进行比较分析;同时引入变形系数更为直接地评价最小耗费距离模型模拟不同尺度下潜在绿色廊道的变异程度，其表达式(郭宏斌等，2010)为:

$ \xi = \frac{{{l_i}}}{l}，\xi \geqslant 1 $ (6)

式中：li表示采用最小耗费距离生成的廊道长度；l表示廊道的直线长度。ξ数值越大，表明廊道变异越明显，产生的额外成本越高。

上述成本表面构造和廊道评价计算利用ArcGIS 10实现。

3 结果与分析 3.1 波段最优组合和绿地空间布局分析

根据公式(1)计算表 1 所描述的26个变量的OIF值。计算结果表明，组合(7 13 25)、组合(7 2125)和组合(7 22 25)的OIF值最高，分别达到5 359.92，5 079.23和5 050.91，而排在第4 的变量组合(7 14 25)仅为4 764.89。7(2005NDVI)、13(TM1)和25(ΔNDVI)变量组合最优，这3个变量在决策树分类中优先选取，同时在较高OIF值的组合中主要涉及了变量21(2006PCA1)和22(2006Brightness)，因此最终选择变量7，13，21，22和25用于决策树分类。在计算过程中，由于波段计算所涉及的信息量过大，因此只选择了每3个波段进行组合，同时对每个波段像元值乘以10 000 后进行浮点型向整型转换等来提高运算效率。

根据训练样本构建的决策树生成分类结果见图 1。城市绿地面积占城市总面积的22.88%，大面积绿地斑块主要分布在滆湖西部和太湖北部，以苗圃地和林地为主。经过精度检验，分类总精度为90.35%，Kappa系数为0.86，其中绿地的生产精度为87.27%。造成生产精度下降的主要原因是在一些农田和林地混合区域，林带面积过小，林地被错分为农田的可能性较大。需要说明的是，常州南部的太湖水面(图 1中边界2所示)并没有划分到此次研究范围，因此下面分析所涉及的空间区域为边界1所示范围。

图 1 常州市土地利用空间分布 Fig. 1 Spatial distribution of land use in Changzhou
3.2 连通指数敏感度和绿地斑块重要性等级分析

在获取城市绿地斑块空间分布的基础上，研究选取面积大于5 hm2的大型绿地斑块作为首要研究对象，共计944个，其斑块数量占研究区绿地总数量的2.01%，面积占研究区绿地总面积的37.58%。组分数(NC)首先用于探测连通阈值范围的界定，将初始阈值范围设定为100~3 000 m。当阈值为100m时，NC值为494，占总斑块数的52.33%；当阈值为200 m时，NC值为373，占总斑块数的39.54%(图 2)，连通组分超过50%；而当阈值为2 400 m时，NC值达到1。通过比较，采用200 m间隔时所获取NC值间差异较明显。因此，研究设定的距离阈值间隔为200 m，距离范围为200~2 400 m，即在绿地斑块连通组分达到50%以上的情况下进行分析与评价。

图 2 不同距离阈值下绿地斑块的连通组分数 Fig. 2 Number of components under different distance thresholds

利用Spearman 秩相关系数分析绿地斑块重要值dI对连通阈值改变的敏感程度。在同一个连通指数下，以200 m阈值所获取的斑块dx值为变量1，随着连通阈值改变(400，600，… 2 200，2 400 m)，其在每个阈值下斑块的dx'值为变量2，计算二者之间秩相关系数rs，结果如图 3所示。NC和CCP对距离变化的敏感度最高，NC的rs最先出现了负值(距离阈值为1 200 m)，从400 m距离阈值过渡到1 200 m，其rs为由0.55 下降到-0.09；而CCP的rs变化最剧烈，在2 400 m时，rs为-0.3，比400 m距离阈值时的rs下降了0.95。NL，LCP和ⅡC的rs相对较为稳定，对距离变化有较强的抗干扰能力，秩相关系数rs取值范围在[0.5，0.9]区间内。在这3个相对稳定的指数中，ⅡC在同一阈值距离下，秩相关系数rs值最高，最高值和最低值分别为0.86(400 m)和0.65(2 400 m)，而在11个距离尺度下，秩相关系数rs差值也是5个连通指数中最低(0.21)，其对距离阈值变化的敏感度最低。

图 3 不同连通阈值下绿地斑块dx值间的Spearman 秩相关系数 Fig. 3 Spearman rank correlations(rs) between the dx importance values under different distance thresholds

在分析不同连通指数对距离的敏感性后，选择具有较高rs值的ⅡC指数来确定绿地的“源”和“目标”。图 4显示，在不同的距离阈值范围下，600 m时斑块的CV达到了峰值(3.94)。在200~2 400 m阈值区间内，绿地斑块间的重要值差异最明显，斑块间连通性区分度最高。因此，选择ⅡC和600 m的距离阈值来确定斑块的绿地源和优先等级。在该组合下，研究区内944个绿地斑块的dⅡC和为225.92%，共有8个绿地斑块的dⅡC值大于1%，占总重要值的17.84%，其中位于常州市南部的竺山斑块dⅡC最高，达到了12.69%。

图 4 不同距离阈值下绿地斑块重要值的变异系数 Fig. 4 Coefficient of variation under different distance thresholds(ⅡC)
3.3 改进成本表面与潜在绿地廊道模拟评价

考虑到成本表面的最小制图单元大小会影响潜在廊道的空间结构，本文选择在4个空间尺度上构建成本表面。研究针对Tm影像的最小像元为30 m这一特点，FR模型中参数b设定为Tm影像单一像元点的10，20，30和40倍(即边长为300，600，900和1 200 m的网格)进行成本表面重构，当网格超过像元面积的40倍后，研究区网络数量过小(不足1 000)，将不再继续讨论。

4个研究尺度下频率比模型的参数统计结果见表 2。随着研究尺度上升，研究区低阻力区域(即FR＞1 的网格数)占研究区总面积的百分比从39.41%下降到36.78%，但FR取值范围几乎一致，300 m和1 200 m尺度的FR最高值分别为4.37和4.09，仅相差0.28。FR转换为阻力值R后，R的取值范围出现了较大幅度变化，在300 m尺度的阻力区间是[1，115]，而1 200 m尺度的阻力区间则为[1，1 831]。需要说明的是，针对FR可能出现0的区域被设置为高阻力区域，其空间分布上设置为空值。成本表面构建结果如图 4 所示，在300 m尺度下，研究区的高阻力区域主要出现在城市的中部、北部和东部，随着尺度的上升，高阻力区域主要出现在城市中部的建设用地密集区域。

表 2 不同空间尺度下频率比模型与潜在廊道的统计变量 Tab.2 Statistical variables of FR model and potential corridors under different spatial scales

在重构不同成本表面的基础上，将dⅡC值大于1%的8个重要值最高斑块设置为模拟绿色廊道的节点，其中竺山斑块被设置为绿地“源”(dⅡC为12.69%)，其重要值等级排列见图 5 绿地节点的标号(标注数字越小，等级越高)。最小耗费距离模型模拟4个空间尺度下“源”与“目标”之间的潜在绿色廊道，模拟结果见表 2和图 5，潜在廊道空间结构的细腻程度会随着研究尺度上升而下降，在300 m尺度下模拟廊道的总长为150.27 km，当尺度上升为像元点的40倍时，廊道长度下降到138.89 km，平均廊道长度为147.58 km；节点1到节点4之间廊道距离最长，平均廊道长度为75.03 km，连通整个研究区南部和北部；节点1到节点7之间的潜在廊道距离最短，同时也是节点1到其他节点的公共廊道(图 5方形虚线框所示)，平均为5.27 km，是物种从节点1向其他重要绿地斑块扩散的最重要路径，需要优先保护与建设；同时，节点1、节点4和节点8之间在4个不同尺度下，均出现了一个明显的交叉点(如图 5 中虚线圈所示)，距离绿地“源”的平均最小耗费距离为22.12 km，这可能是廊道构建中一个重要的绿色交汇区域，需要预留必要的块状绿地建设空间，为物种生存、繁衍、迁移等提供栖息空间。

图 5 不同空间尺度下绿色廊道的模拟结果 Fig. 5 Simulation results of potential green corridors under different spatial scales

总体来看，尽管尺度变化影响了阻力值的范围和潜在廊道空间结构的细腻程度，但廊道体系的空间布局并没有发生较大改变，其结果具有一定的空间稳定性。在4个研究尺度下，变形系数ξ在300~900 m的尺度下维持在1.28，即使上升到1 200 m尺度，变形系数仅下降了0.01(表 2)。因此，研究尺度变化对频率比方法构建的潜在绿色廊道空间布局影响较小。

同时以300 m尺度下构建的潜在廊道为例，将以构建潜在廊道叠加到常州市绿地系统规划图(最小制图单元重采样到300 m)上，统计结果表明，模拟的潜在廊道主要经过城市发展用地、城市绿地和绿色空间这3类用地类型，占廊道总长度的62.50%，其中32.83%的廊道经过城市发展用地，潜在廊道经过城市绿地的长度仅占总长度的18.18%，且主要是经过防护绿地和风景林地区域，这表明该优化方法获取结果具有较强的实践可行性。但需要关注的是，公共绿地和公园绿地较为破碎，很难在廊道的构建中起到“踏脚石”的作用；同时潜在廊道经过建设用地和交通用地等高干扰区域的长度占总长度的32.19%，这些地类会阻碍廊道内物种的正常流动，产生消极影响，在廊道构建中是需要重点考虑的问题之一。

4 结论与讨论

在RS和GIS的支持下，本文综合和完整地运用遥感分类、连通性指数分析和基于FR法的最小耗费路径模型等情景模拟城市重要的绿地“源”和“目标”之间的廊道布局，形成了一套城市潜在绿色廊道构建方法框架，并以常州市为例对这套方法体系进行了实践应用与定量评价。结果表明：该廊道体系构建方法强调“以人为本，生态优先”，在不影响城市整体发展的前提下，优先控制城市生态保护区发展(如竺山、横山、小黄山和部分大型组团状林地等)，通过寻找适宜性高的通道将上述景观多样性高、自然保存完好的绿地斑块有效地串联起来，形成了城市绿色网络的主体结构，为构建一个自然、多样、高效、有一定自我维持能力的动态绿色景观结构体系提供可能。该方法突出区域整体性、协调性和层次性，同时具有较强的实践可行性，为常州市新一轮绿地系统规划建设提供科学的理论支撑，也对其他城市的绿地系统规划建设提供参考。

研究首先在利用最优指数对26个变量进行信息筛选的基础上，采用决策树(QUEST算法)方法提取绿地信息，获得的分类结果与采用监督分类和目视解译方法提取分类结果进行对比，其在水域和建设用地(包括其他)提取的面积与李锋等(2011)的分类结果基本一致，分别占总面积的15.1%(15.71%)和33.42%(34.94%)，而林地面积比其林地分类结果高了8.18%，农田面积则比其结果降低了15.31%。其主要原因是农田和林地、苗圃等生长曲线存在差异，在2期Tm影像上能够反映不同的变化率；同时计算最优波段组合，更加突出地物信息(尤其是林地信息)，而且决策树(QUEST)算法对细小斑块的提取具有一定的优势。因此，一些夹杂在农田之间的部分林地能够被识别出来，使林地的分类结果比监督分类结果高。成本表面作为耗费距离模型的一个重要组成部分，其布局直接影响潜在绿色廊道的空间结构。近期研究表明，人工经验直接设定不同阻力值方法构建的成本表面，生成的廊道体系空间结构具有较大的差异性(尹海伟等，2011；Teng et al.，2011)。同时有学者提出采用赋权重法和层次分析法构建成本表面来消弱这种经验差异，如Teng等(2011)对武汉城市绿色网络的多目标规划，LaRue等(2008)对美洲豹(Pantheraonca)潜在廊道的模拟，Li等(2010)对汶川地震后大熊猫(Ailuropoda melanoleuca)潜在离散廊道网络模拟。但鲜明睿等(2012)利用接受者操作特性曲线ROC(receiver operating characteristic)对多组层次分析法构建的结果进行检验，其结果表明多组构建结果的ROC值仍存在较大的差异，具有不确定性，该方法对人为经验差异的消弱作用不明显。因此，本文提出在4个研究尺度下，通过客观的频率比法重构成本表面，在此基础上利用耗费模型构建潜在廊道，获得了较为稳定的空间布局结构。这也表明在一定研究尺度下，频率比法与其他构建成本表面方法相比，具有较强的稳定性和抗干扰能力。但目前研究所采用的频率比方法更多是从绿地的适宜性角度去构建成本表面，而没有针对某些物种计算其频率比值，因此其研究结果可能不适合某些特定的生物种群，该方面还需要深入研究，修正相关的频率值。另外，本文主要偏重于城市潜在绿色廊道构建方法体系的研究，并未过多涉及如何具体的利用和营建重要的绿色节点与潜在廊道(例如，在兼顾适应性和观赏性同时，如何确定树种最优选择，形成地方特色;如何增强植物的群落多样性;如何丰富植物配置层次和形式)。这些内容需要与现实的绿化规划建设情况相结合，具体分析城市中不同要素对绿色廊道建设的影响，同时也是绿色网络建设中不可忽略的重点之一。因此如何更好地协调和发展城市绿地建设和潜在绿色网络保护还需要进一步探讨。

参考文献(References)
[1] 安琼,杨邦杰,郭琳. 2008. 面向对象的多光谱图像特征遗传选优方法. 农业工程学报,24(4):181-185.(1)
[2] 常州统计局. 2006. 常州统计年鉴. 北京: 中国统计出版社.(1)
[3] 郭宏斌,黄义雄,叶功富,等. 2010. 厦门城市生态功能网络评价及其优化研究. 自然资源学报,25(1):71-79.(1)
[4] 黄艺,陈晖,黄志基,等. 2006. 利用廊道网络构建城市绿地生态系统—以东营市西城区为例. 应用生态学报,17(9):1683-1687.(1)
[5] 李卫锋,王仰麟,蒋依依,等. 2003. 城市地域生态调控的空间途径—以深圳市为例. 生态学报,23(9):1829-1830.(1)
[6] 李锋,叶亚平,宋博文,等. 2011. 城市生态用地的空间结构及其生态系统服务动态演变—以常州市为例. 生态学报,31(19):5623-5631(1)
[7] 刘常富,周彬,何兴元,等. 2010. 沈阳城市森林景观连接度距离阈值选择. 应用生态学报,21(10):2508-2516.(1)
[8] 秦耀民,刘康,王永军. 2006. 西安城市绿地生态功能研究. 生态学杂志,25(2):135-139.(1)
[9] 侍昊,徐雁南. 2011. 基于景观连通性的城市绿地核心区规划方法研究. 南京林业大学学报: 自然科学版,35(1):51-56.(1)
[10] 史久西,邓劲松,王小明,等. 2011. 乡村景观格局热效应及其调控机制. 林业科学,47(5):7-15.(1)
[11] 校建民,王成,吴志萍,等. 2009. 清华大学校园内不同绿地类型空气PM10 浓度变化规律. 林业科学,45(5):153-156.(1)
[12] 熊春妮,魏虹,兰明娟. 2008. 重庆市都市区绿地景观的连接度.生态学报,28(5):2237-2244.(1)
[13] 徐建华. 2002. 现代地理学中的数学方法. 北京: 高等教育出版社.(1)
[14] 鲜明睿,侍昊, 徐雁南,等. 2012. 基于AHP 和FR 模型的城市绿地适宜性评价. 南京林业大学学报: 自然科学版,36(4):23-28.(1)
[15] 尹海伟,孔繁花,祈毅,等. 2011. 湖南省城市群生态网络构建与优化. 生态学报,31(10):2863-2874.(2)
[16] 俞孔坚,李伟,李迪华,等. 2005. 快速城市化地区遗产廊道适宜性分析—以台州为例. 地理研究,24(1):69-75.(1)
[17] 张小飞,王仰麟,李正国. 2005. 基于景观功能网络概念的景观格局优化. 生态学报,25(7):1707-1713.(1)
[18] Adriaensen F,Chardon J P,Blust G D,et al. 2003. The application of ‘least-cost’modelling as a functional landscape model. Landscape and Urban Planning,64(4):233-247.(1)
[19] Conines A,Xiang W N,Young J,et al. 2004. Planning for multipurpose greenway in Concord, North Carolina. Landscape and Urban Planning,68(2/3):271-287.(1)
[20] Kong F H,Yin H W,Nakagoshi N,et al. 2010. Urban green space network development for biodiversity conservation: Identification based on graph theory and gravity modeling. Landscape and Urban Planning,95(1/2):16-27.(1)
[21] LaRue M A,Nielsen G K. 2008. Modelling potential dispersal corridors for cougars in mid western North America using least-cost path methods. Ecological Modelling,212(3/4):372-381.(1)
[22] Li H D,Li D H,Li T,et al. 2010. Application of least-cost path model to identify a giant panda dispersal corridor network after the Wenchuan earthquake—case study of Wolong Nature Reserve in China. Ecological Modelling,221(6):944-952.(1)
[23] Paetkau D,Waits L P,Clarkson P L,et al. 1998. Dramatic variation in genetic diversity across the range of North American brown bears. Conservation Biology,12(2):418-429.(1)
[24] Park S,Jeon S,Kim S,et al. 2011. Prediction and comparison of urban growth by land suitability index mapping using GIS and RS in South Korea. Landscape and Urban Planning,99(2):104-114.(1)
[25] Pascual-Hortal L, Saura S. 2007. Impact of spatial scale on the identification of critical habitat patches for the maintenance of landscape connectivity. Landscape and Urban Planning,83 (2/3):176-186.(1)
[26] Saura S,Pascual-Hortal L. 2007. A new habitat availability index to integrate connectivity in landscape conservation planning: Comparison with existing indices and application to a case study.Landscape and Urban Planning,83(2/3):91-103.(2)
[27] Sesnie S E,Gessler P E,Finegan B,et al. 2008. Integrating Landsat TM and SRTM-DEM derived variables with decision trees for habitat classification and change detection in complex neotropical environments. Remote Sensing of Environment,112(5):2145 -2159.(1)
[28] Teng M J,Wu C G,Zhou Z X,et al. 2011. Multipurpose greenway planning for changing cities: a framework integrating priorities and a least-cost path model. Landscape and Urban Planning,103(1):1-14.(1)