全 文 ：南京市绿色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 年南京市绿色基础设施网络
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色基础设
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； 城市绿色基础设施（ＵＧＩ）； 南京市
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 Ｆｏｕｎｄａ⁃
ｔｉｏｎ 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．ｃｏｍ
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， Ｎａｎｊｉｎｇ ２１００９３，Ｃｈｉｎａ； ２Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｉｎｓｔｉｔｕｔｅ
ｆｏｒ Ｅａｒｔｈ Ｓｙｓｔｅｍ Ｓｃｉｅｎｃｅｓ， Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｎａｎｊｉｎｇ ２１００２３， 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 ａｎａｌｙ⁃
ｓｉｓ． 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 ｃｏｎｎｅｃｔｉｖｉ⁃
ｔｙ， 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
应 用 生 态 学 报　 ２０１６年 ７月　 第 ２７卷　 第 ７期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｊａｅ．ｎｅｔ
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ｊｕｌ． ２０１６， ２７（７）： ２１１９－２１２７　 　 　 　 　 　 　 　 　 ＤＯＩ： １０．１３２８７ ／ ｊ．１００１－９３３２．２０１６０７．００６
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
ｉｎｆｒａｓｔｒｕｃｔｕｒｅ （ＵＧＩ）； Ｎａｎｊｉｎｇ Ｃｉｔｙ．
　 　 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
市绿色基础设施（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］ ．
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 Ｖｏｇｔ 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 （ ｂａｃｋ⁃
ｇｒｏｕｎｄ），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，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；Ｖｏｇｔ 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［８］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．
０２１２ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
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
Ｔｏｏｌｂｏｘ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 ．
表 １　 ＭＳＰＡ的景观类型及其生态学含义
Ｔａｂｌｅ １　 Ｄｅｆｉｎｉｔｉｏｎ ｏｆ ｌａｎｄｓｃａｐｅ ｔｙｐｅ ｂａｓｅｄ ｏｎ ＭＳＰＡ
景观类型
Ｌａｎｄｓｃａｐｅ ｔｙｐｅ
生态学含义
Ｅｃｏｌｏｇｉｃａｌ ｍｅａｎｉｎｇ
核心区
Ｃｏｒｅ
前景像元中较大的生境斑块，可以为物种提供较大的栖息
地，对生物多样性的保护具有重要意义，是生态网络中的
生态源地
岛状斑块 Ｉｓｌｅｔ 彼此不相连的孤立、破碎的小斑块，斑块之间的连接度比
较低，内部物质、能量交流和传递的可能性比较小
孔隙 Ｐｅｒｆｏｒａｔｉｏｎ 核心区和非绿色景观斑块之间的过渡区域，即内部斑块边
缘（边缘效应）
边缘区 Ｅｄｇｅ 是核心区和主要非绿色景观区域之间的过渡区域
桥接区 Ｂｒｉｄｇｅ 连通核心区的狭长区域，代表生态网络中斑块连接的廊
道，对生物迁移和景观连接具有重要意义
环岛区 Ｌｏｏｐ 连接同一核心区的廊道，是同一核心区内物种迁移的捷径
支线 Ｂｒａｎｃｈ 只有一端与边缘区、桥接区、环道区或者孔隙相连的区域
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，不同于生态学意义上景观边界两侧或生态交错
带生态系统在生物量、物种组成、理化参数等方面对
边界的响应．
１􀆰 ３􀆰 ２南京市 ＵＧＩ景观连通性的距离效应分析　 首
先，基于 ＧＩＳ软件平台，从 ＭＳＰＡ ７ 类景观类型中提
取出对于维持 ＵＧＩ 网络连通性具有重要意义的核
心区（本文选取面积大于 １０００ ｍ２的核心斑块进行
分析）．然后，基于 Ｃｏｎｅｆｏｒ软件［９］，使用 ３０ ｍ的栅格
数据（边缘宽度设置为 ３０ ｍ），分别设置扩散距离阈
值为 １．０、１．５、２．０、３．０、４．０、５．０、６．０ ｋｍ ７ 种情景，连
通的概率均设为 ０．５（中等扩散距离对应的扩散概
率） ［４，１３］，采用景观连通性指数等量连接面积
（ｅｑｕｉｖａｌｅｎｔ ｃｏｎｎｅｃｔｅｄ ａｒｅａ，ＥＣＡ），包括整体连通性
的等量连接面积指数 ＥＣ（ＩＩＣ）和可能连通性的等量
连接面积指数 ＥＣ（ＰＣ），对 ２０１３ 年核心斑块的整体
景观连通性的距离效应进行定量评价．最后，基于
ＧＩＳ软件中 Ｍａｔｒｉｘ Ｇｒｅｅｎ 工具，通过距离分析（ｐａｔｃｈ
ｄｉｓｔａｎｃｅ ａｎａｌｙｓｉｓ）方法，分析核心斑块在不同连接距
离下，景观网络个数及最大景观网络面积占总面积
的百分比，进一步分析距离效应对研究区 ＵＧＩ 网络
１２１２７期　 　 　 　 　 　 　 　 　 　 　 　 于亚平等： 南京市绿色基础设施网络格局与连通性分析的尺度效应　 　 　 　 　 　
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年绿色基
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）．
２􀆰 ２　 边缘效应对 ＵＧＩ网络景观结构的影响
由表 ３可见，随着边缘宽度的增加，核心区依然
是研究区 ＵＧＩ的主要景观类型，面积平均约占 ＵＧＩ
总面积的５５％，其次是边缘、分支类；核心、孔隙、边
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 １２０ ｍ）
Ｔａｂｌｅ ２　 Ｃｈａｎｇｅｓ ｏｆ ｐｅｒｃｅｎｔａｇｅ ａｎｄ ｎｕｍｂｅｒ ｏｆ ＭＳＰＡ ｌａｎｄｓｃａｐｅ ｔｙｐｅｓ ａｔ ３０， ６０ ａｎｄ １２０ ｍ ｐｉｘｅｌ ｓｃａｌｅｓ （ｅｄｇｅ ｗｉｄｔｈ， １２０ ｍ）
景观类型
Ｌａｎｄｓｃａｐｅ ｔｙｐｅ
像素 ３０ ｍ Ｐｉｘｅｌ ３０ ｍ
占 ＵＧＩ总面积的
百分比
Ｐｅｒｃｅｎｔａｇｅ ｉｎ
ＵＧＩ ａｒｅａ
数量
Ｎｕｍｂｅｒ
像素 ６０ ｍ Ｐｉｘｅｌ ６０ ｍ
占 ＵＧＩ总面积的
百分比
Ｐｅｒｃｅｎｔａｇｅ ｉｎ
ＵＧＩ ａｒｅａ
数量
Ｎｕｍｂｅｒ
像素 １２０ ｍ Ｐｉｘｅｌ １２０ ｍ
占 ＵＧＩ总面积的
百分比
Ｐｅｒｃｅｎｔａｇｅ ｉｎ
ＵＧＩ ａｒｅａ
数量
Ｎｕｍｂｅｒ
核心区 Ｃｏｒｅ ａｒｅａ ４２．３ １０５８ ４０．４ ８０８ ４２．３ ６８７
孤岛 Ｉｓｌｅｔ １７．７ ４３３９ １９．４ ５３５０ １８．９ ３７２３
孔隙 Ｐｅｒｆｏｒａｔｉｏｎ ０．１ ２２ ０．２ １９ ０．３ ２６
边缘 Ｅｄｇｅ １３．３ ２６９０ １４．７ ２０２８ １８．０ １３２７
环道区 Ｌｏｏｐ ８．２ ８３７ ６．０ ４６２ ３．３ ３２５
桥接区 Ｂｒｉｄｇｅ １１．７ ４３５ １１．１ ３８８ ６．０ ４５３
分支 Ｂｒａｎｃｈ ６．７ １０２８３ ８．３ ５０４０ １１．１ ２９３９
合计 Ｔｏｔａｌ １００ １００ １００
表 ３　 边缘宽度 ３０、６０、１２０ ｍ时ＭＳＰＡ各景观类型比重及其数量变化（粒度 ３０ ｍ）
Ｔａｂｌｅ ３　 Ｃｈａｎｇｅｓ ｏｆ ｐｅｒｃｅｎｔａｇｅ ａｎｄ ｎｕｍｂｅｒ ｏｆ ＭＳＰＡ ｌａｎｄｓｃａｐｅ ｔｙｐｅｓ ａｔ ３０， ６０ ａｎｄ １２０ ｍ ｅｄｇｅ ｗｉｄｔｈ ｓｃａｌｅｓ （ｐｉｘｅｌ ｓｉｚｅ， ３０
ｍ）
景观类型
Ｌａｎｄｓｃａｐｅ ｔｙｐｅ
边缘宽度 ３０ ｍ Ｅｄｇｅ ｗｉｄｅ ３０ ｍ
占 ＵＧＩ总面积的
百分比
Ｐｅｒｃｅｎｔａｇｅ ｉｎ
ＵＧＩ ａｒｅａ
数量
Ｎｕｍｂｅｒ
边缘宽度 ６０ ｍ Ｅｄｇｅ ｗｉｄｅ ６０ ｍ
占 ＵＧＩ总面积的
百分比
Ｐｅｒｃｅｎｔａｇｅ ｉｎ
ＵＧＩ ａｒｅａ
数量
Ｎｕｍｂｅｒ
边缘宽度 １２０ ｍ Ｅｄｇｅ ｗｉｄｅ １２０ ｍ
占 ＵＧＩ总面积的
百分比
Ｐｅｒｃｅｎｔａｇｅ ｉｎ
ＵＧＩ ａｒｅａ
数量
Ｎｕｍｂｅｒ
核心区 Ｃｏｒｅ ａｒｅａ ６８．２ ６７９４ ５４．０ ２８８１ ４２．３ １０５８
孤岛 Ｉｓｌｅｔ １．８ １８７０ ８．４ ３４０４ １７．７ ４３３９
孔隙 Ｐｅｒｆｏｒａｔｉｏｎ ０．３ １３０ ０．３ ７７ ０．１ ２２
边缘 Ｅｄｇｅ １７．０ １１２８１ １６．１ ６７３０ １３．３ ２６９０
环道区 Ｌｏｏｐ ２．１ ３４７３ ５．７ １８８８ ８．２ ８３７
桥接区 Ｂｒｉｄｇｅ ３．２ ４２９８ ７．５ １２５７ １１．７ ４３５
分支 Ｂｒａｎｃｈ ７．３ ３３４９６ ７．９ １９５１０ ６．７ １０２８３
合计 Ｔｏｔａｌ １００ １００ １００
２２１２ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
图 ２　 ２０１３年 ＵＧＩ的景观类型空间分布图［粒度 ３０ （ａ）、６０ （ｂ）、１２０ （ｃ） ｍ］
Ｆｉｇ．２　 Ｍａｐ ｏｆ ＵＧＩ ｌａｎｄｓｃａｐｅ ｔｙｐｅｓ ａｔ ３０ ｍ （ａ）， ６０ ｍ （ｂ）， ａｎｄ １２０ ｍ （ｃ） ｐｉｘｅｌ ｓｃａｌｅｓ ｉｎ ２０１３．
缘区面积递减（分别减少 ３８．０％、５７．６％、２１．７％），孤
岛、环道、桥接类面积递增 （分别增加 ８６０． ３％、
２８６．９％、２６７．６％），分支区面积先增后减；除孤岛区
的数量逐渐增加外，其余景观类型的数量均逐渐减
少．这主要是因为边缘宽度的增加，使核心区面积的
最小尺寸增大，同时导致非核心区类型要素宽度增
加，因此减少了被归类为核心区的像素数量，导致核
心区面积丢失，进而引起其他 ＭＳＰＡ景观类型增加，
且增幅较大，如孤岛、环道区、桥接区面积的增加
（图 ３）．边缘宽度值越大，边缘、孔隙类越容易转变
成分支和桥接区，或是孤岛和孔隙转变成边缘．当边
缘宽度大于 ６０ ｍ时，桥接区和环道区增加的速度比
边缘宽度小于 ６０ ｍ时的增速缓慢，因为边缘宽度较
大时，桥接区和环道区很可能转变成孤岛类．
由表 ４ 可见，边缘宽度的变化对网络数量有着
非线性的影响，主要是因为大部分网络都比较小
（连接小于 １００ 个像素的核心区的网络个数占
８４％），且边缘宽度的增加使原先被连接的核心区转
３２１２７期　 　 　 　 　 　 　 　 　 　 　 　 于亚平等： 南京市绿色基础设施网络格局与连通性分析的尺度效应　 　 　 　 　 　
表 ４　 ＵＧＩ网络的景观类型核心区、网络数量的变化（粒度 ３０ ｍ）
Ｔａｂｌｅ ４　 Ｃｈａｎｇｅｓ ｏｆ ｃｏｒｅ ａｒｅａ ａｎｄ ｎｕｍｂｅｒ ｏｆ ＵＧＩ ｎｅｔｗｏｒｋ ａｔ ３０ ｍ， ６０ ｍ ａｎｄ １２０ ｍ ｅｄｇｅ ｗｉｄｔｈ ｓｃａｌｅｓ （ｐｉｘｅｌ ｓｉｚｅ， ３０ ｍ）
核心和网络
Ｃｏｒｅ ａｎｄ ｎｅｔｗｏｒｋ ｄｅｓｃｒｉｐｔｉｏｎ
边缘宽度 ３０ ｍ
Ｅｄｇｅ ｗｉｄｅ ３０ ｍ
占 ＵＧＩ总面积的
百分比
Ｐｅｒｃｅｎｔａｇｅ ｉｎ
ＵＧＩ ａｒｅａ
数量
Ｎｕｍｂｅｒ
边缘宽度 ６０ ｍ
Ｅｄｇｅ ｗｉｄｅ ６０ ｍ
占 ＵＧＩ总面积的
百分比
Ｐｅｒｃｅｎｔａｇｅ ｉｎ
ＵＧＩ ａｒｅａ
数量
Ｎｕｍｂｅｒ
边缘宽度 １２０ ｍ
Ｅｄｇｅ ｗｉｄｅ １２０ ｍ
占 ＵＧＩ总面积的
百分比
Ｐｅｒｃｅｎｔａｇｅ ｉｎ
ＵＧＩ ａｒｅａ
数量
Ｎｕｍｂｅｒ
０≤核心区面积＜１０００ ｍ２
Ｃｏｒｅ ａｒｅａ ｗｉｔｈ ≥０ ｂｕｔ ＜１０００ ｍ２ （ａｍａｌｌ）
１５．４ ６６９２ ８．５ ２７９５ ４．８ ９８８
１０００ ｍ２≤核心区面积＜４０００ ｍ２
Ｃｏｒｅ ａｒｅａ ｗｉｔｈ ≥１０００ ｍ２ ｂｕｔ ＜４０００ ｍ２ （ｌａｒｇｅ）
８．３ ６０ ７．４ ５１ ７．１ ４５
核心区面积≥４０００ ｍ２
Ｃｏｒｅ ａｒｅａ ｗｉｔｈ ≥４０００ ｍ２
４４．６ ４２ ３８．１ ３５ ３０．４ ２５
网络数量
Ｎｕｍｂｅｒ ｏｆ ｎｅｔｗｏｒｋｓ
１００ ２９６６ １００ １４０１ １００ ４６４
０≤连接核心面积的像素个数＜１０ 的网
络数量
Ｎｕｍｂｅｒ ｏｆ ｎｅｔｗｏｒｋｓ ｗｉｔｈ ≥０ ｂｕｔ ＜ １０
ｐｉｘｅｌｓ ｔｏ ｃｏｎｎｅｃｔ ｃｏｒｅ ａｒｅａ
０．８ １０３８ ０．９ ６０８ ０．９ １３８
１０≤连接核心面积的像素个数＜１００ 的
网络数量
Ｎｕｍｂｅｒ ｏｆ ｎｅｔｗｏｒｋｓ ｗｉｔｈ ≥１０ ｂｕｔ ＜１００
ｐｉｘｅｌｓ ｔｏ ｃｏｎｎｅｃｔ ｃｏｒｅ ａｒｅａ
５．８ １４６２ ４．６ ５３１ ４．１ １７４
１００≤连接核心面积的像素个数＜１０００
的网络数量
Ｎｕｍｂｅｒ ｏｆ ｎｅｔｗｏｒｋｓ ｗｉｔｈ ≥ １００ ｂｕｔ ＜
１０００ ｐｉｘｅｌｓ ｔｏ ｃｏｎｎｅｃｔ ｃｏｒｅ ａｒｅａ
１１．４ ３８０ １０．６ ２０３ ８．９ １０８
连接核心面积的像素个数≥１０００ 的网
络数量
Ｎｕｍｂｅｒ ｏｆ ｎｅｔｗｏｒｋｓ ｗｉｔｈ≥１０００ ｐｉｘｅｌｓ ｔｏ
ｃｏｎｎｅｃｔ ｃｏｒｅ ａｒｅａ
８２．０ ８６ ８３．８ ５９ ８６．２ ４４
变成孤立的核心区．同理，边缘效应对小、中、大面积
的核心区数量也有非线性的影响，并且小面积的核
心区受边缘效应的影响尤为明显．
粒度效应和边缘效应都会对 ＭＳＰＡ类型产生影
响，但是，与粒度变化相比，边缘宽度增加使核心区、
孤岛类、环道区、桥接区的变幅远大于粒度增加时的
变化幅度．表明边缘效应对 ＭＳＰＡ类型的影响更大，
而粒度效应的影响则很微小．由边缘效应引起的
ＭＳＰＡ类型的比例变化与粒度效应引起的类似．但
是，粒度增加会导致空间信息丢失，而边缘宽度的增
加，不会导致信息的丢失和景观格局的改变．
２􀆰 ３　 距离效应对 ＵＧＩ网络景观连通性的影响
由表 ５可见，随着扩散距离阈值的增加，研究区
ＵＧＩ网络核心区 ＥＣ（ ＩＩＣ）、ＥＣ（ＰＣ） （面积）占 ＵＧＩ
总面积的百分比均逐渐增加，ＥＣ（ ＩＩＣ）、ＥＣ（ＰＣ）占
研究区 ＵＧＩ 总面积均值分别为 ２４． ２％、２９． ５％，且
ＥＣ（ＰＣ）值均大于 ＥＣ（ ＩＩＣ），说明随着扩散距离的
递增，ＵＧＩ景观连通性呈递增趋势，且可能连通性水
平大于整体连通性，但景观整体连通性及可能连通
性均处于较低水平，研究区 ＵＧＩ 网络破碎化程度较
大．随着扩散距离的递增，ＵＧＩ 网络数量逐渐减少，
最大组分网络面积占核心区总面积的比例递增，扩
散距离从 １ ｋｍ到 ２ ｋｍ，网络数量从 ８１８个降低到 ５０
个，减少约 ９４％，呈现骤减趋势；扩散距离从 １ ｋｍ到
２．５ ｋｍ，最大组分网络核心区面积占总的核心区面
积的比值从 １１．８％骤增到 ８７．９％，增加约 ６．５ 倍，当
扩散距离为 ５ ｋｍ，整个景观为一个整体的生境斑
块，此时网络连通性达到最大（图 ４）．由此可见，对
于研究区的 ＵＧＩ网络连通性而言，２ 或 ２．５ ｋｍ 是一
个关键的扩散距离阈值．
表 ５　 不同扩散距离阈值下景观连通性指数的变化
Ｔａｂｌｅ ５　 Ｃｈａｎｇｅｓ ｏｆ ｌａｎｄｓｃａｐｅ ｃｏｎｎｅｃｔｉｖｉｔｙ ｉｎｄｅｘｅｓ ａｔ ｄｉｆ⁃
ｆｅｒｅｎｔ ｍａｘｉｍａｌ ｄｉｓｐｅｒｓａｌ ｄｉｓｔａｎｃｅ ｓｃａｌｅｓ
扩散距离
Ｄｉｓｐｅｒｓａｌ
ｄｉｓｔａｎｃｅ
（ｋｍ）
整体连通性
等效连接面积
ＥＣ（ＩＩＣ）
（ｈｍ２）
可能连通性等
效连接面积
ＥＣ（ＰＣ）
（ｈｍ２）
ＥＣ（ＩＩＣ）占 ＵＧＩ
总面积的百分比
Ｐｅｒｃｅｎｔａｇｅ ｏｆ
ＥＣ（ＩＩＣ） ｉｎ
ＵＧＩ ａｒｅａ
ＥＣ（ＰＣ）占 ＵＧＩ
总面积的百分比
Ｐｅｒｃｅｎｔａｇｅ ｏｆ
ＥＣ（ＰＣ） ｉｎ
ＵＧＩ ａｒｅａ
１．０ ２２７２１．８７ ２６１４６．４９ １７．３ １９．９
１．５ ２５４４２．１５ ２９８７４．８０ １９．４ ２２．８
２．０ ２９４０４．９５ ３３３００．９７ ２２．４ ２５．４
３．０ ３２７３１．５２ ３９１９２．０９ ２５．０ ２９．９
４．０ ３５２４７．４７ ４３７１５．２９ ２６．９ ３３．４
５．０ ３７４０１．８１ ４７４８１．２９ ２８．５ ３６．２
６．０ ３９４２３．６６ ５０６８６．５７ ３０．１ ３８．７
４２１２ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
图 ３　 ２０１３年 ＵＧＩ的景观类型空间分布［边缘宽度 ３０ （ａ）、６０ （ｂ）、１２０ （ｃ） ｍ］
Ｆｉｇ．３　 Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ＵＧＩ ｌａｎｄｓｃａｐｅ ｔｙｐｅｓ ａｔ ３０ ｍ （ａ）， ６０ ｍ （ｂ） ａｎｄ １２０ ｍ （ｃ） ｅｄｇｅ ｗｉｄｔｈ ｓｃａｌｅｓ ｉｎ ２０１３．
３　 结　 　 论
基于 ＭＳＰＡ 和景观连通性分析方法的 ＵＧＩ 网
络格局研究是景观格局分析的一个新框架．本文采
用该方法，对研究区 ２０１３年 ＵＧＩ网络格局与连通性
的粒度效应、边缘效应和距离效应进行定量评价．结
果表明：研究区 ＵＧＩ 网络的 ＭＳＰＡ 类型对尺度、粒
度效应是敏感的．相对于边缘宽度的增加，粒度变化
对景观类型的影响较小，对分析结果影响不大，而边
缘效应的影响则比较明显，且边缘宽度增加对 ＵＧＩ
大中小面积的核心区、网络数量有着非线性的影响．
事实上，粒度增加，会导致空间信息丢失，而边缘宽
度的增加，不会导致信息丢失，因为尺寸参数（ ｓｉｚｅ
ｐａｒａｍｅｔｅｒ）的变化没有改变前景要素的组分和格局．
不同的研究尺度、边缘宽度可能会导致 ＭＳＰＡ 的分
析结果不同，对于不同尺度、边缘宽度的 ＭＳＰＡ类型
变化的分析有助于我们选择合适的粒度大小和边缘
宽度，并更好地理解ＵＧＩ的空间格局和与生态过程
５２１２７期　 　 　 　 　 　 　 　 　 　 　 　 于亚平等： 南京市绿色基础设施网络格局与连通性分析的尺度效应　 　 　 　 　 　
图 ４　 不同最大连接距离阈值下 ＵＧＩ网络数量、最大组分网
络面积百分比的变化
Ｆｉｇ．４　 Ｃｈａｎｇｅｓ ｏｆ ｎｕｍｂｅｒ ｏｆ ＵＧＩ ｎｅｔｗｏｒｋｓ ａｎｄ ｐｅｒｃｅｎｔａｇｅ ｏｆ
ｔｈｅ ｌａｒｇｅｓｔ ｃｏｍｐｏｎｅｎｔｓ ａｔ ｄｉｆｆｅｒｅｎｔ ｍａｘｉｍａｌ ｄｉｓｐｅｒｓａｌ ｄｉｓｔａｎｃｅ
ｓｃａｌｅｓ．
相关的尺度效应．研究发现，选用输入数据较大的空
间精度和较小的边缘宽度，会得出研究对象更为详
细的景观格局信息．
基于景观连通性分析的结果表明，生态格局过
程在较大尺度上进行时，景观连通性水平也较大，且
可能连通性水平大于整体连通性水平．基于景观图
谱理论分析的结果表明，扩散距离的增加会提高景
观网络的整体连通性水平，当最大扩散距离增加到
一定程度，整个景观成为一个生境斑块，景观连通性
保持不变并达到最大值．在分析不同尺度区域范围
的 ＵＧＩ 网络连通性时，如何设置合适的距离阈值需
要考虑区域范围内物种的生态过程和相关研究背
景．例如，对于大、中尺度的区域，最大扩散距离不应
太大，否则连接桥的长度很可能远远超过特定物种
的扩散范围，连接程度可能也会被高估，因此需要考
虑更为详细的情景，以便城市规划管理者或森林管
理者选择合适的扩散距离，进而作出正确的决定以
此提高 ＵＧＩ景观网络的结构连通性．
参考文献
［１］　 Ｙｉｎ Ｈ⁃Ｗ （尹海伟）， Ｋｏｎｇ Ｆ⁃Ｈ （孔繁花）， Ｑｉ Ｙ （祈
毅）， ｅｔ ａｌ． Ｄｅｖｅｌｏｐｉｎｇ ａｎｄ ｏｐｔｉｍｉｚｉｎｇ ｅｃｏｌｏｇｉｃａｌ ｎｅｔ⁃
ｗｏｒｋｓ ｉｎ ｕｒｂａｎ ａｇｇｌｏｍｅｒａｔｉｏｎ ｏｆ Ｈｕｎａｎ Ｐｒｏｖｉｎｃｅ， Ｃｈｉｎａ．
Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （生态学报）， ２０１１， ３１（１０）：
２８６３－２８７４ （ｉｎ Ｃｈｉｎｅｓｅ）
［２］　 Ｚｈａｎｇ Ｌ⁃Ｌ （张琳琳）， Ｋｏｎｇ Ｆ⁃Ｈ （孔繁花）， Ｙｉｎ Ｈ⁃Ｗ
（尹海伟）， ｅｔ ａｌ． Ｓｐａｔｉａｌ ｐａｔｔｅｒｎ ｃｈａｎｇｅ Ｊｉｎａｎ Ｃｉｔｙ
ｂａｓｅｄ ｏｎ ｌａｎｄｓｃａｐｅ ｍｅｔｒｉｃｓ ａｎｄ ｍｏｖｉｎｇ ｗｉｎｄｏｗ ｍｅｔｈｏｄ．
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｌｏｇｙ （生态学杂志）， ２０１０， ２９
（８）： １５９１－１５９８ （ｉｎ Ｃｈｉｎｅｓｅ）
［３］　 Ｗｕ Ｘ⁃Ｍ （吴晓敏）． Ｔｈｅ Ｔｈｅｏｒｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ
Ｕｒｂａｎ Ｇｒｅｅｎ Ｉｎｆｒａｓｔｒｕｃｔｕｒｅ ｉｎ Ｗｅｓｔｅｒｎ Ｃｏｕｎｔｒｉｅｓ． Ｎａｎ⁃
ｊｉｎｇ： Ｃｈｉｎｅｓｅ Ｓｏｃｉｅｔｙ ｏｆ Ｌａｎｄｓｃａｐｅ Ａｒｃｈｉｔｅｃｔｕｒｅ， ２０１１
（ｉｎ Ｃｈｉｎｅｓｅ）
［４］　 Ｐｅｉ Ｄ （裴 　 丹）． Ｒｅｖｉｅｗ ｏｆ ｇｒｅｅｎ ｉｎｆｒａｓｔｒｕｃｔｕｒｅ ｐｌａｎ⁃
ｎｉｎｇ ｍｅｔｈｏｄｓ． Ｕｒｂａｎ Ｐｌａｎｎｉｎｇ （城市规划）， ２０１２， ３６
（５）： ８４－９０ （ｉｎ Ｃｈｉｎｅｓｅ）
［５］　 Ｂｅｎｅｄｉｃｔ ＭＡ， ＭｃＭａｈｏｎ ＥＴ． Ｇｒｅｅｎ ｉｎｆｒａｓｔｒｕｃｔｕｒｅ：
Ｓｍａｒｔ ｃｏｎｓｅｒｖａｔｉｏｎ ｆｏｒ ｔｈｅ ２１ｓｔ ｃｅｎｔｕｒｙ． Ｒｅｎｅｗａｂｌｅ Ｒｅ⁃
ｓｏｕｒｃｅｓ Ｊｏｕｒｎａｌ， ２００２， ２０： １２－１７
［６］　 Ｓｏｉｌｌｅ Ｐ， Ｖｏｇｔ Ｐ． Ｍｏｒｐｈｏｌｏｇｉｃａｌ ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ ｂｉｎａｒｙ
ｐａｔｔｅｒｎｓ． Ｒｅｃｏｇｎｉｔｉｏｎ Ｌｅｔｔｅｒｓ， ２００９， ３０： ４５６－４５９
［７］　 Ｓａｕｒａ Ｓ， Ｖｏｇｔ Ｐ， Ｖｅｌáｚｑｕｅｚ Ｊ， ｅｔ ａｌ． Ｋｅｙ ｓｔｒｕｃｔｕｒａｌ ｆｏｒ⁃
ｅｓｔ ｃｏｎｎｅｃｔｏｒｓ ｃａｎ ｂｅ ｉｄｅｎｔｉｆｉｅｄ ｂｙ ｃｏｍｂｉｎｉｎｇ ｌａｎｄｓｃａｐｅ
ｓｐａｔｉａｌ ｐａｔｔｅｒｎ ａｎｄ ｎｅｔｗｏｒｋ ａｎａｌｙｓｅｓ． Ｆｏｒｅｓｔ Ｅｃｏｌｏｇｙ ａｎｄ
Ｍａｎａｇｅｍｅｎｔ， ２０１１， ２６２： １５０－１６０
［８］　 Ｗｉｃｋｈａｍ ＪＤ， Ｒｉｉｔｔｅｒｓ ＫＨ， Ｗａｄｅ ＴＧ， ｅｔ ａｌ． Ａ ｎａｔｉｏｎａｌ
ａｓｓｅｓｓｍｅｎｔ ｏｆ ｇｒｅｅｎ ｉｎｆｒａｓｔｒｕｃｔｕｒｅ ａｎｄ ｃｈａｎｇｅ ｆｏｒ ｔｈｅ
ｃｏｎｔｅｒｍｉｎｏｕｓ Ｕｎｉｔｅｄ Ｓｔａｔｅｓ ｕｓｉｎｇ ｍｏｒｐｈｏｌｏｇｉｃａｌ ｉｍａｇｅ
ｐｒｏｃｅｓｓｉｎｇ． Ｌａｎｄｓｃａｐｅ ａｎｄ Ｕｒｂａｎ Ｐｌａｎｎｉｎｇ， ２０１０， ９４：
１８６－１９５
［９］　 Ｖｏｇｔ Ｐ， Ｆｅｒｒａｒｉ ＪＲ， Ｌｏｏｋｉｎｇｂｉｌｌ ＴＲ， ｅｔ ａｌ． Ｍａｐｐｉｎｇ
ｆｕｎｃｔｉｏｎａｌ ｃｏｎｎｅｃｔｉｖｉｔｙ． Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ， ２００９， ９：
６４－７１
［１０］　 Ｔａｙｌｏｒ ＰＤ， Ｆａｈｒｉｇ Ｌ， Ｈｅｎｅｉｎ Ｋ， ｅｔ ａｌ． Ｃｏｎｎｅｃｔｉｖｉｔｙ ｉｓ ａ
ｖｉｔａｌ ｅｌｅｍｅｎｔ ｏｆ ｌａｎｄｓｃａｐｅ ｓｔｒｕｃｔｕｒｅ． Ｏｉｋｏｓ， １９９３， ６８：
５７１－５７３
［１１］　 Ｃｌｅｒｇｅａｕ Ｐ， Ｂｕｒｅｌ Ｆ． Ｔｈｅ ｒｏｌｅ ｏｆ ｓｐａｔｉｏ⁃ｔｅｍｐｏｒａｌ ｐａｔｃｈ
ｃｏｎｎｅｃｔｉｖｉｔｙ ａｔ ｔｈｅ ｌａｎｄｓｃａｐｅ ｌｅｖｅｌ： Ａｎ ｅｘａｍｐｌｅ ｉｎ ａ
ｂｉｒｄ ｄｉｓｔｒｉｂｕｔｉｏｎ． Ｌａｎｄｓｃａｐｅ ａｎｄ Ｕｒｂａｎ Ｐｌａｎｎｉｎｇ， １９９７，
３８： ３７－４３
［１２］　 Ｐａｓｃｕａｌ⁃Ｈｏｒｔａｌ Ｌ， Ｓａｕｒａ Ｓ． Ｃｏｍｐａｒｉｓｏｎ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ
ｏｆ ｎｅｗ ｇｒａｐｈ⁃ｂａｓｅｄ ｌａｎｄｓｃａｐｅ ｃｏｎｎｅｃｔｉｖｉｔｙ ｉｎｄｉｃｅｓ： Ｔｏ⁃
ｗａｒｄｓ ｔｈｅ ｐｒｉｏｒｉｚａｔｉｏｎ ｏｆ ｈａｂｉｔａｔ ｐａｔｃｈｅｓ ａｎｄ ｃｏｒｒｉｄｏｒｓ ｆｏｒ
ｃｏｎｓｅｒｖａｔｉｏｎ． Ｌａｎｄｓｃａｐｅ Ｅｃｏｌｏｇｙ， ２００６， ２１： ９５９－９６７
［１３］　 Ｓａｕｒａ Ｓ， Ｐａｓｃｕａｌ⁃Ｈｏｒｔａｌ Ｌ． Ａ ｎｅｗ ｈａｂｉｔａｔ ａｖａｉｌａｂｉｌｉｔｙ ｉｎ⁃
ｄｅｘ ｔｏ ｉｎｔｅｇｒａｔｅ ｃｏｎｎｅｃｔｉｖｉｔｙ ｉｎ ｌａｎｄｓｃａｐｅ ｃｏｎｓｅｒｖａｔｉｏｎ
ｐｌａｎｎｉｎｇ： Ｃｏｍｐａｒｉｓｏｎ ｗｉｔｈ ｅｘｉｓｔｉｎｇ ｉｎｄｉｃｅｓ ａｎｄ ａｐｐｌｉｃａ⁃
ｔｉｏｎ ｔｏ ａ ｃａｓｅ ｓｔｕｄｙ． Ｌａｎｄｓｃａｐｅ ａｎｄ Ｕｒｂａｎ Ｐｌａｎｎｉｎｇ，
２００７， ８３： ９１－１０３
［１４］　 Ｆｏｌｔêｔｅ ＪＣ， Ｃｌａｕｚｅｌ Ｃ， Ｖｕｉｄｅｌ Ｇ． Ａ ｓｏｆｔｗａｒｅ ｔｏｏｌ ｄｅｄｉｃａ⁃
ｔｅｄ ｔｏ ｔｈｅ ｍｏｄｅｌｌｉｎｇ ｏｆ ｌａｎｄｓｃａｐｅ ｎｅｔｗｏｒｋｓ． Ｅｎｖｉｒｏｎｍｅｎ⁃
ｔａｌ Ｍｏｄｅｌｌｉｎｇ ＆ Ｓｏｆｔｗａｒｅ， ２０１２， ３８： ３１６－３２７
［１５］　 Ｇｉｒａｒｄｅｔ Ｘ， Ｆｏｌｔêｔｅ ＪＣ， Ｃｌａｕｚｅｌ Ｃ． Ｄｅｓｉｇｎｉｎｇ ａ ｇｒａｐｈ⁃
ｂａｓｅｄ ａｐｐｒｏａｃｈ ｔｏ ｌａｎｄｓｃａｐｅ ｅｃｏｌｏｇｉｃａｌ ａｓｓｅｓｓｍｅｎｔ ｏｆ
ｌｉｎｅａｒ ｉｎｆｒａｓｔｒｕｃｔｕｒｅｓ． Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｉｍｐａｃｔ Ａｓｓｅｓｓｍｅｎｔ
Ｒｅｖｉｅｗ， ２０１３， ４２： １０－１７
［１６］　 Ｓｕｎ Ｊ， Ｓｏｕｔｈｗｏｒｔｈ Ｊ． Ｉｎｄｉｃａｔｉｎｇ ｓｔｒｕｃｔｕｒａｌ ｃｏｎｎｅｃｔｉｖｉｔｙ ｉｎ
Ａｍａｚｏｎｉａｎ ｒａｉｎｆｏｒｅｓｔｓ ｆｒｏｍ １９８６ ｔｏ ２０１０ ｕｓｉｎｇ ｍｏｒｐｈｏ⁃
ｌｏｇｉｃａｌ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ａｎａｌｙｓｉｓ． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ
ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ， ２０１３， ３４： ５１８７－５２００
［１７］　 Ｆｏｌｔêｔｅ ＪＣ， Ｇｉｒａｒｄｅｔ Ｘ， Ｃｌａｕｚｅｌ Ｃ． Ａ ｍｅｔｈｏｄｏｌｏｇｉｃａｌ
６２１２ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
ｆｒａｍｅｗｏｒｋ ｆｏｒ ｔｈｅ ｕｓｅ ｏｆ ｌａｎｄｓｃａｐｅ ｇｒａｐｈｓ ｉｎ ｌａｎｄ⁃ｕｓｅ
ｐｌａｎｎｉｎｇ． Ｌａｎｄｓｃａｐｅ ａｎｄ Ｕｒｂａｎ Ｐｌａｎｎｉｎｇ， ２０１４， １２４：
１４０－１５０
［１８］　 Ｌｉｕ Ｃ⁃Ｆ （刘常富）， Ｚｈｏｕ Ｂ （周　 彬）， Ｈｅ Ｘ⁃Ｙ （何兴
元）， ｅｔ ａｌ． Ｓｅｌｅｃｔｉｏｎ ｏｆ ｄｉｓｔａｎｃｅ ｔｈｒｅｓｈｏｌｄｓ ｕｒｂａｎ ｆｏｒｅｓｔ
ｌａｎｄｓｃａｐｅ ｃｏｎｎｅｃｔｉｖｉｔｙ ｉｎ Ｓｈｅｎｙａｎｇ Ｃｉｔｙ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ
ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态学报）， ２０１０， ２１（１０）：
２５０８－２５１６ （ｉｎ Ｃｈｉｎｅｓｅ）
［１９］　 Ｗａｎｇ Ｙ⁃Ｃ （王云才）． Ｔｈｅ ｃｏｎｎｅｃｔｉｖｉｔｙ ｅｖａｌｕａｔｉｏｎ ｏｆ
Ｓｈａｎｇｈａｉ ｕｒｂａｎ ｌａｎｄｓｃａｐｅ ｅｃｏ⁃ｎｅｔｗｏｒｋ． Ｇｅｏｇｒａｐｈｉｃａｌ Ｒｅ⁃
ｓｅａｒｃｈ （地理研究）， ２００９， ２８（２）： ２８４－２９２ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［２０］　 Ｃａｏ Ｙ⁃Ｋ （曹翊坤）． Ｔｅｍｐｏｒａｌ ａｎｄ Ｓｐａｔｉａｌ Ｄｙｎａｍｉｃ
Ｓｔｕｄｙ ｏｆ Ｇｒｅｅｎ Ｌａｎｄｓｃａｐｅ Ｃｏｎｎｅｃｔｉｖｉｔｙ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｉｎ
Ｓｈｅｎｚｈｅｎ． ＰｈＤ Ｔｈｅｓｉｓ． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ
Ｇｅｏｓｃｉｅｎｃｅｓ， ２０１２ （ｉｎ Ｃｈｉｎｅｓｅ）
［２１］　 Ｓｕｔｈｅｒｌａｎｄ ＧＤ， Ｈａｒｅｓｔａｄ ＡＳ， Ｐｒｉｃｅ Ｋ， ｅｔ ａｌ． Ｓｃａｌｉｎｇ ｏｆ
ｎａｔａｌ ｄｉｓｐｅｒｓａｌ ｄｉｓｔａｎｃｅｓ ｉｎ ｔｅｒｒｅｓｔｒｉａｌ ｂｉｒｄｓ ａｎｄ ｍａｍ⁃
ｍａｌｓ． Ｃｏｎｓｅｒｖａｔｉｏｎ Ｅｃｏｌｏｇｙ， ２０００， ４： １６
［２２］　 Ｏｓｔａｐｏｗｉｃｚ Ｋ， Ｖｏｇｔ Ｐ， Ｒｉｉｔｔｅｒｓ ＫＨ， ｅｔ ａｌ． Ｉｍｐａｃｔ ｏｆ
ｓｃａｌｅ ｏｎ ｍｏｒｐｈｏｌｏｇｉｃａｌ ｓｐａｔｉａｌ ｐａｔｔｅｒｎ ｏｆ ｆｏｒｅｓｔ． Ｌａｎｄ⁃
ｓｃａｐｅ Ｅｃｏｌｏｇｙ， ２００８， ２３： １１０７－１１１７
［２３］　 Ｒｉｉｔｔｅｒｓ ＫＨ， Ｖｏｇｔ Ｐ， Ｓｏｉｌｌｅ Ｐ， ｅｔ ａｌ． Ｎｅｕｔｒａｌ ｍｏｄｅｌ
ａｎａｌｙｓｉｓ ｏｆ ｌａｎｄｓｃａｐｅ ｐａｔｔｅｒｎｓ ｆｒｏｍ ｍａｔｈｅｍａｔｉｃａｌ ｍｏｒ⁃
ｐｈｏｌｏｇｙ． Ｌａｎｄｓｃａｐｅ Ｅｃｏｌｏｇｙ， ２００７， ２２： １０３３－１０４３
［２４］　 Ｐａｓｃｕａｌ⁃Ｈｏｒｔａｌ Ｌ， Ｓａｕｒａ Ｓ． Ｉｍｐａｃｔ ｏｆ ｓｐａｔｉａｌ ｓｃａｌｅ ｏｎ ｔｈｅ
ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ ｃｒｉｔｉｃａｌ ｈａｂｉｔａｔ ｐａｔｃｈｅｓ ｆｏｒ ｔｈｅ ｍａｉｎｔｅ⁃
ｎａｎｃｅ ｏｆ ｌａｎｄｓｃａｐｅ ｃｏｎｎｅｃｔｉｖｉｔｙ． Ｌａｎｄｓｃａｐｅ ａｎｄ Ｕｒｂａｎ
Ｐｌａｎｎｉｎｇ， ２００７， ８３： １７６－１８６
［２５］　 Ｖｏｇｔ Ｐ， Ｒｉｔｔｅｒ ＫＨ， Ｅｓｔｒｅｇｕｉｌ Ｃ， ｅｔ ａｌ． Ｍａｐｐｉｎｇ ｓｐａｔｉａｌ
ｐａｔｔｅｒｎｓ ｗｉｔｈ ｍｏｒｐｈｏｌｏｇｉｃａｌ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ． Ｌａｎｄｓｃａｐｅ
Ｅｃｏｌｏｇｙ， ２００７， ２２：１７１－１７７
［２６］　 Ｕｒｂａｎ Ｄ， Ｋｅｉｔｔ Ｔ． Ｌａｎｄｓｃａｐｅ ｃｏｎｎｅｃｔｉｖｉｔｙ： Ａ ｇｒａｐｈ⁃ｔｈｅ⁃
ｏｒｅｔｉｃ ｐｅｒｓｐｅｃｔｉｖｅ． Ｅｃｏｌｏｇｙ， ２００１， ８２： １２０５－１２１８
［２７］　 Ｖｏｇｔ Ｐ， Ｒｉｉｔｔｅｒｓ ＫＨ， Ｉｗａｎｏｗｓｋｉ Ｍ， ｅｔ ａｌ． Ｍａｐｐｉｎｇ
ｌａｎｄｓｃａｐｅ ｃｏｒｒｉｄｏｒｓ． Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ， ２００７， ７：
４８１－４８８
［２８］　 Ｙｉｎ Ｈ⁃Ｗ （尹海伟）， Ｋｏｎｇ Ｆ⁃Ｈ （孔繁花）． Ｓｐａｔｉｏ⁃ｔｅｍ⁃
ｐｏｒａｌ ｇｒａｄｉｅｎｔ ａｎａｌｙｓｉｓ ｏｆ ｕｒｂａｎ ｇｒｅｅｎ ｓｐａｃｅ ｉｎ Ｊｉｎｎａｎ
Ｃｉｔｙ． Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （生态学报）， ２００５， ２５
（１１）： ３０１０－３０１８ （ｉｎ Ｃｈｉｎｅｓｅ）
［２９］　 Ｓｕｉ Ｙ⁃Ｊ （孙亚杰）， Ｗａｎｇ Ｑ⁃Ｘ （王清旭）， Ｌｕ Ｚ⁃Ｈ （陆
兆华）． Ｅｆｆｅｃｔｓ ｏｆ ｕｒｂａｎｉｚａｔｉｏｎ ｏｎ ｌａｎｄｓｃａｐｅ ｐａｔｔｅｒｎ ｏｆ
Ｂｅｉｊｉｎｇ． Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （生态学报）， ２００５， １６
（７）： １３６６－１３６９ （ｉｎ Ｃｈｉｎｅｓｅ）
［３０］　 Ｘｉｏｎｇ Ｃ⁃Ｎ （熊春妮），Ｗｅｉ Ｈ （魏　 虹）， Ｌａｎ Ｍ⁃Ｊ （兰
明娟）． Ａｎａｌｙｓｉｓ ｏｆ ｃｏｎｎｅｃｔｉｖｉｔｙ ｏｎ ｇｒｅｅｎ ｌａｎｄ ｌａｎｄｓｃａｐｅ
ｉｎ ｍｅｔｒｏｐｏｌｉｔａｎ ｒｅｇｉｏｎ ｏｆ Ｃｈｏｎｇｘｉｎｇ Ｃｉｔｔｙ． Ａｃｔａ Ｅｃｏｌｏｇｉｃａ
Ｓｉｎｉｃａ （生态学报）， ２００８， ２８（５）： ２２３７－ ２２４４ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［３１］　 Ｚａｎｇ Ｚ （臧 　 卓）， Ｚｈａｎｇ Ｙ⁃Ｎ （张亚男）． Ｓｔｕｄｙ ｏｎ
ｌａｎｄｓｃａｐｅ ｐａｔｔｅｒｎ ａｎｄ ｃｏｎｎｅｃｔｉｖｉｔｙ ｗｉｔｈ ｄｉｆｆｅｒｅｎｔ ｓｃａｌｅ ｏｆ
ｕｒｂａｎ ｇｒｅｅｎ ｓｐａｃｅ． Ｃｈｉｎｅｓｅ Ａｇｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｂｕｌｌｅｔｉｎ
（中国农学通报）， ２０１１， ２７（２５）： ４９－ ５５ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［３２］　 Ｓｈｉ Ｈ （侍 　 昊）， Ｘｕ Ｙ⁃Ｎ （徐雁南）． Ｒｅｓｅａｒｃｈ ｏｎ
ｐｌａｎｎｉｎｇ ｍｅｔｈｏｄ ｏｆ ｕｒｂａｎ ｇｒｅｅｎ ｓｐａｃｅ ｃｏｒｅ ｒｅｇｉｏｎ ｂａｓｅｄ
ｏｎ ｌａｎｄｓｃａｐｅ ｃｏｎｎｅｃｔｉｖｉｔｙ． Ｊｏｕｒｎａｌ ｏｆ Ｎａｎｊｉｎｇ Ｆｏｒｅｓｔｒｙ
Ｕｎｉｖｅｒｓｉｔｙ （Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ） （南京林业大学学报：自
然科学版）， ２０１１， ３５（１）： ５１－５６ （ｉｎ Ｃｈｉｎｅｓｅ）
［３３］　 Ｓｈｉ Ｈ （侍　 昊）， Ｘｉａｎ Ｍ⁃Ｒ （鲜明睿）， Ｘｕ Ｙ⁃Ｎ （徐
雁南）， ｅｔ ａｌ． Ｄｅｖｅｌｏｐｉｎｇ ｉｎｔｅｇｒａｔｅｄ ｍｅｔｈｏｄｓ ｔｏ ｃｏｎｓｔｒｕｃｔ
ｕｒｂａｎ ｇｒｅｅｎ ｃｏｒｒｉｄｏｒｓ：Ａ ｃａｓｅ ｓｔｕｄｙ ｏｆ Ｃｈａｎｇｚｈｏｕ Ｃｉｔｙ．
Ｆｏｒｅｓｔ Ｒｅｓｅａｒｃｈ （林业科学）， ２０１３， ４９（５）： ９２－１００
（ｉｎ Ｃｈｉｎｅｓｅ）
［３４］　 Ｑｉｕ Ｙ （邱　 瑶）， Ｃｈａｎｇ Ｑ （常　 青）， Ｗａｎｇ Ｊ （王　
静）． Ａ ＭＳＰＡ⁃ｂａｓｅｄ ｐｌａｎｎｉｎｇ ｏｆ ｕｒｂａｎ ｇｒｅｅｎ ｉｎｆｒａｓｔｒｕｃ⁃
ｔｕｒｅ ｎｅｔｗｏｒｋ： Ａ ｃａｓｅ ｏｆ Ｓｈｅｎｚｈｅｎ． Ｃｈｉｎｅｓｅ Ｌａｎｄｓｃａｐｅ
Ａｒｃｈｉｔｅｃｔｕｒｅ （中国园林）， ２０１３， ２９（５）： １０４－１０８ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［３５］　 Ｘｕ Ｆ （许　 峰）， Ｙｉｎ Ｈ⁃Ｗ （尹海伟）， Ｋｏｎｇ Ｆ⁃Ｈ （孔
繁花）， ｅｔ ａｌ． Ｄｅｖｅｌｏｐｉｎｇ ｅｃｏｌｏｇｉｃａｌ ｎｅｔｗｏｒｋ ｂａｓｅｄ ｏｎ
ＭＳＰＡ ａｎｄ ｌｅａｓｔ⁃ｃｏｓｔ ｐａｔｈ ｍｅｔｈｏｄ ｉｎ Ｂａｚｈｏｎｇ ｗｅｓｔｅｒｎ
ｎｅｗ ｄｉｓｔｒｉｃｔ． Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （生态学报）， ２０１５，
３５（１９）： ６４２５－６４３４ （ｉｎ Ｃｈｉｎｅｓｅ）
作者简介　 于亚平，女，１９９０ 年生，硕士研究生．主要从事区
域规划、城市生态研究．Ｅ⁃ｍａｉｌ： １０５８３２３８６８＠ ｑｑ．ｃｏｍ
责任编辑　 杨　 弘
于亚平， 尹海伟， 孔繁花， 等． 南京市绿色基础设施网络格局与连通性分析的尺度效应． 应用生态学报， ２０１６， ２７（７）： ２１１９－
２１２７
Ｙｕ Ｙ⁃Ｐ， Ｙｉｎ Ｈ⁃Ｗ， Ｋｏｎｇ Ｆ⁃Ｈ， ｅｔ ａｌ． Ｓｃａｌｅ ｅｆｆｅｃｔ ｏｆ Ｎａｎｊｉｎｇ ｕｒｂａｎ ｇｒｅｅｎ ｉｎｆｒａｓｔｒｕｃｔｕｒｅ ｎｅｔｗｏｒｋ ｐａｔｔｅｒｎ ａｎｄ ｃｏｎｎｅｃｔｉｖｉｔｙ ａｎａｌｙｓｉｓ． Ｃｈｉ⁃
ｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， ２０１６， ２７（７）： ２１１９－２１２７ （ｉｎ Ｃｈｉｎｅｓｅ）
７２１２７期　 　 　 　 　 　 　 　 　 　 　 　 于亚平等： 南京市绿色基础设施网络格局与连通性分析的尺度效应