基于鳥類多樣性保護(hù)的上海中心城區(qū)生態(tài)網(wǎng)絡(luò)構(gòu)建研究

張瀚月 張冬梅 張 浪* 余浩然

（1.上海市園林科學(xué)規(guī)劃研究院，城市困難立地生態(tài)園林國家林業(yè)和草原局重點實驗室，國家林業(yè)和草原局城市困難立地綠化造林國家創(chuàng)新聯(lián)盟，上海城市困難立地綠化工程技術(shù)研究中心，上海 200232；2.南京林業(yè)大學(xué)風(fēng)景園林學(xué)院，南京 210037）

城市化進(jìn)程的高速發(fā)展不僅影響著城市生態(tài)系統(tǒng)，還威脅著城市生物多樣性。城市生態(tài)網(wǎng)絡(luò)是保障生態(tài)過程、維護(hù)生態(tài)安全、提升城市生態(tài)系統(tǒng)服務(wù)的有效途徑，科學(xué)構(gòu)建生物多樣性保護(hù)空間網(wǎng)絡(luò)是保障并提升生物多樣性水平的必要措施?；谏虾Ｖ行某菂^(qū)鳥類空間分布點位、氣象、土地利用、植被指數(shù)及夜光燈指數(shù)數(shù)據(jù)，通過物種分布模型識別出鳥類適生區(qū)，進(jìn)而篩選生態(tài)源地和構(gòu)建鳥類活動阻力面，并結(jié)合最小成本路徑模型模擬生成鳥類多樣性保護(hù)的上海中心城區(qū)生態(tài)廊道。研究表明：（1）建筑物面積占比和植被指數(shù)NDVI是影響鳥類分布最為重要的因素，建筑物面積占比越小，植被指數(shù)植NDVI越高，鳥類生境適宜性越高；（2）識別出的60個生態(tài)源地平均中心度為321.98，主要位于外環(huán)綠帶及楔形綠地區(qū)域，合計面積4 975.47 hm2，占全部高適生區(qū)的55.26%，其中最大斑塊面積431.73 hm2，外環(huán)綠帶及城中楔形綠地區(qū)域是鳥類的重要棲息地；（3）建筑物占比較多、人類活動頻繁、植被覆蓋相對較少的城市中央活動區(qū)鳥類遷移阻力較高，外環(huán)綠帶對生態(tài)網(wǎng)絡(luò)整體連通性至關(guān)重要。研究成果為高密度城市建成區(qū)的生物多樣性保護(hù)和生態(tài)空間格局優(yōu)化提供了新的視角和科學(xué)支撐，對城市生態(tài)規(guī)劃和可持續(xù)發(fā)展具有重要意義。

鳥類多樣性保護(hù)；物種分布模型；最小成本路徑；電路理論；生態(tài)空間格局

城市化進(jìn)程的高速發(fā)展不僅影響著城市生態(tài)系統(tǒng)，還威脅著城市生物多樣性。為應(yīng)對城市化帶來的挑戰(zhàn)，中國在《中國生物多樣性保護(hù)戰(zhàn)略與行動計劃》（2011–2020年）中將“城市生物多樣性保護(hù)”納入生物多樣性保護(hù)優(yōu)先項目，強調(diào)在城市綠地系統(tǒng)規(guī)劃建設(shè)中體現(xiàn)生物多樣性要素[1]。城市生態(tài)網(wǎng)絡(luò)構(gòu)建強調(diào)了生態(tài)規(guī)劃在城市發(fā)展中的重要性，其是保障生態(tài)過程、維護(hù)生態(tài)安全、提升城市生態(tài)系統(tǒng)服務(wù)的有效途徑，科學(xué)構(gòu)建生物多樣性保護(hù)空間網(wǎng)絡(luò)是保障并提升生物多樣性水平的必要措施。

上海作為國際性大都市，人多地少特點尤為突出，不僅建設(shè)用地指標(biāo)緊張，且非建設(shè)用地總量也較難滿足生態(tài)、生產(chǎn)和生活的要求，同時各類型生態(tài)景觀較破碎，連通性不夠，在空間上分布較為分散，缺乏集聚效應(yīng)，追求整個系統(tǒng)效益多樣、高效、生態(tài)用地效益最大化等目標(biāo)越發(fā)重要[2]。上海市生態(tài)空間專項規(guī)劃（2021–2035年）提出了要錨固市域生態(tài)網(wǎng)絡(luò)結(jié)構(gòu)，通過對水體、林地、綠地、農(nóng)田等現(xiàn)狀生態(tài)要素進(jìn)行疊合，結(jié)合生態(tài)安全保障功能、環(huán)境品質(zhì)提升功能、生物多樣性功能以及休閑游憩功能，綜合形成上海市域的生態(tài)空間格局的目標(biāo)[3]。

鳥類具有易觀察性的特點，可作為城市生態(tài)網(wǎng)絡(luò)構(gòu)建的焦點物種，對維護(hù)城市生態(tài)系統(tǒng)穩(wěn)定性、維持和提升城市生物多樣性、推動不動產(chǎn)增值、促進(jìn)居民身心健康等方面起到重要的調(diào)節(jié)作用[4-5]。通過規(guī)劃城市綠道、林蔭道、濱水藍(lán)道等“藍(lán)綠結(jié)合”的方式串聯(lián)城市中的鳥類棲息地，增加棲息地連通性使城市鳥類可以通過生境廊道到城市外更廣闊的范圍遷移和覓食，有利于提高鳥類對城市建成環(huán)境的適應(yīng)力[6]。眾多學(xué)者以鳥類多樣性保護(hù)為目標(biāo)探討了鳥類生物多樣性影響因素及城市生態(tài)網(wǎng)絡(luò)構(gòu)建方法，通常以圖論、最小阻力模型以及電路理論為理論依據(jù)的“源地識別—阻力面構(gòu)建—生態(tài)廊道確定”為研究范式[7-10]。然而，上述研究范式中景觀阻力面構(gòu)建過程中通?；诮?jīng)驗賦值權(quán)重，主觀性較高，過度依賴人為判斷。同時，高密度城市建成區(qū)具有景觀破碎化程度高、人類社會活動頻繁等特點，嚴(yán)重威脅著城市建成區(qū)內(nèi)鳥類的生存，且目前缺少以客觀模型為依據(jù)的高密度城市建成區(qū)內(nèi)的鳥類生物多樣性保護(hù)體系研究案例。

綜上，本研究以上海中心城區(qū)鳥類物種空間分布數(shù)據(jù)為基礎(chǔ)，以氣象、土地利用、植被指數(shù)以及人類活動夜光燈指數(shù)數(shù)據(jù)為依托，以物種分布模型（Species Distribution Models，SDMs）為支撐，識別生態(tài)源地和構(gòu)建鳥類活動阻力面，通過最小成本路徑模型（Least Cost Path，LCP）模擬生成鳥類多樣性保護(hù)的上海中心城區(qū)生態(tài)廊道，旨在為維持和提升上海中心城區(qū)鳥類多樣性和生態(tài)空間格局優(yōu)化提供科學(xué)支撐。

1 研究區(qū)概況與數(shù)據(jù)來源

上海作為全國特大城市之一，位于31.14°N、121.29°E，地處太平洋西岸，亞洲大陸東沿，長江三角洲前緣，屬北亞熱帶季風(fēng)氣候，呈現(xiàn)出四季分明，春秋較短、冬夏較長的特征?！渡虾Ｊ续B類名錄》顯示，截至2019年底，上海市共有鳥類22目78科494種，占全國鳥類種數(shù)的33.51%，且鳥類占上海全市野生動物種數(shù)的80%以上[11]。《上海市生態(tài)空間建設(shè)和市容環(huán)境優(yōu)化“十四五”規(guī)劃》提出了到2025年城市生物多樣性指數(shù)（鳥類）達(dá)到0.6以上，到2035年基本建成人地和諧共生的生態(tài)之城的目標(biāo)[12]。因此，本文以城市化程度較高的上海外環(huán)線以內(nèi)區(qū)域即上海市總體研究規(guī)劃和生態(tài)空間規(guī)劃規(guī)定的上海中心城區(qū)為研究區(qū)，該區(qū)域總面積約為664 km2，包括黃浦、虹口、靜安等全域以及浦東新區(qū)、閔行區(qū)、寶山區(qū)、嘉定區(qū)部分區(qū)域。

本研究數(shù)據(jù)主要來源于：（1）中國觀鳥網(wǎng)（http://www.birdreport.cn/） 與GBIF數(shù)據(jù)庫（https://www.gbif.org/）中上海城區(qū)經(jīng)常觀測到的紅嘴相思鳥、灰背伯勞、黃腹山雀等鳥類物種的2023年點位分布數(shù)據(jù)（圖1）；（2）國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（http://www.geodata.cn/）的2022年道路、水系、行政邊界等基礎(chǔ)地理數(shù)據(jù)；（3）世界氣候數(shù)據(jù)庫（https://worldclim.org/）獲得的2.1版本（1970–2000年）的19個氣候因子平均值（表1）；（4）全國土地覆蓋數(shù)據(jù)集（SinoLC-1，https://doi.org/10.5281/zenodo.7707461）提供的2023年1 m分辨率的土地利用數(shù)據(jù)（圖2-a）[13]；（5）基于多光譜遙感數(shù)據(jù)（GF-2）計算的2022年歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）（圖2-b）；（6）美國國家冰雪數(shù)據(jù)中心（https：//nsidc.org/data/ICESat-2/data-sets）獲取的2019年ICESat-2數(shù)據(jù)產(chǎn)品ATL08植被冠層高度數(shù)據(jù)（Canopy Height，CH）（圖2-c）；（7）美國國家海洋大氣管理局（https://eogdata.mines.edu/products/vnl/）獲得的2018年夜光燈數(shù)據(jù)（Night Light，NL）（圖2-d）。

表1 氣候環(huán)境變量Tab. 1 Climate environment variables

圖1 研究區(qū)觀測點分布圖Fig. 1 Distribution map of the study area

圖2 土地利用、NDVI、冠層高度及夜光燈數(shù)據(jù)分布圖Fig. 2 Distribution map of land use, NDVI, canopy height, and night light data

2 研究方法

2.1 鳥類適生區(qū)模擬

相關(guān)性分析（correlation analysis）主要用來衡量兩個變量之間的相關(guān)密切程度，高相關(guān)性變量可能會導(dǎo)致多重共線性、模型過擬合、模型解釋能力降低等現(xiàn)象，可以通過pearson、spearman和kendall相關(guān)系數(shù)闡釋，當(dāng)相關(guān)系數(shù)大于0，且p-value＜0.05時，表明變量之間存在顯著正相關(guān)關(guān)系，當(dāng)相關(guān)系數(shù)小于0，且p-value＜0.05時，表明變量之間存在顯著負(fù)相關(guān)關(guān)系，絕對值越大，相關(guān)程度越高。為提高模型的精度，本研究針對研究區(qū)內(nèi)bio_1–bio_19總計19個物候分布、NDVI、CH和NL以及由基礎(chǔ)地理數(shù)據(jù)和由基礎(chǔ)地理數(shù)據(jù)數(shù)據(jù)計算獲得的與水系距離（DW）及與道路距離（DR）和由土地利用數(shù)據(jù)計算獲得的建筑物面積占比（AP）和樹木面積占比（TP）等環(huán)境因子進(jìn)行相關(guān)性分析，所有數(shù)據(jù)分辨率均為30 m，坐標(biāo)系統(tǒng)一為Krasovsky_1940_Albers。

其中，水系距離（DW）及與道路距離（DR）利用基礎(chǔ)數(shù)據(jù)中的水系、道路圖層，利用ArcGIS距離分析工具，計算出每個像元距離最近源的距離（d），即歐式距離（euclidean distance），見公式（1）。

式中，xa，ya為像元a的坐標(biāo)，xb，yb為最近源的像元b的坐標(biāo)。此外，建筑物占比（AP）和樹木占比（TP）利用上述獲取的1 m分辨率土地利用數(shù)據(jù)，通過ArcGIS創(chuàng)建30 m×30 m的格網(wǎng)，并利用其分區(qū)統(tǒng)計工具，統(tǒng)計出各格網(wǎng)中建筑物面積和林地面積，從而推算出各格網(wǎng)內(nèi)建筑物面積占比和樹木面積占比，計算見公式（2）。式中，Pi格網(wǎng)內(nèi)建筑物或樹木的面積占比，Si為建筑物或樹木的面積（m2）。

SDMs也被稱為生態(tài)位模型或環(huán)境響應(yīng)模型，通過對物種分布信息和環(huán)境變量進(jìn)行定量分析，從而實現(xiàn)物種在空間上分布的模擬預(yù)測。其中，廣義線性模型（Generalized Linear Models，GLM）具有解釋性強、靈活性高的優(yōu)點，但其需要滿足一些假設(shè)限制；隨機森林模型（Random Forest，RF）具有處理能力強、不需要滿足特定的分布假設(shè)的優(yōu)點，但其解釋性較弱；最大熵模型（Maxent）具有靈活性高、內(nèi)置強大的正則化機制的有點，但泛化能力較弱。綜上，本研究基于相關(guān)性分析結(jié)果，利用R語言的“Biomod2”程輯包[14]，構(gòu)建上海中心城區(qū)鳥類物種分布GLM、RF、Maxent模型探究物候、植被以及人類活動對鳥類分布的貢獻(xiàn)度及其之間響應(yīng)關(guān)系，并通過受試者工作特征曲線與坐標(biāo)軸圍城的面積（Area Under the Curve，AUC）、真實技巧統(tǒng)計值（True Skill Statistic，TSS）和Kappa對各模型準(zhǔn)確度進(jìn)行檢驗，實現(xiàn)對上海市中心城區(qū)鳥類適生區(qū)分布適宜性的模擬。

2.2 生態(tài)源地識別與景觀阻力面構(gòu)建

景觀連通性是維持生態(tài)斑塊功能和生態(tài)流平穩(wěn)運行的前提，對生物多樣性保護(hù)和生態(tài)系統(tǒng)穩(wěn)定性至關(guān)重要[15]。目前，常用的評價指標(biāo)主要有連接指數(shù)、可能連通性以及斑塊重要性指數(shù)[16]。本研究將SDMs模擬結(jié)果的高適生區(qū)作為備選生態(tài)源地，且面積大于30 hm2的生態(tài)斑塊作為備選生態(tài)源地1，此外，選擇備選生態(tài)源地面積大于10 hm2生態(tài)斑塊利用Conefor 2.6軟件[17]及其ArcGIS插件計算其景觀連通性，并將斑塊重要性指數(shù)在前30%的斑塊作為備選生態(tài)源地2。大面積核心斑塊（備選生態(tài)源地1）和高重要性斑塊（備選生態(tài)源地2）共同構(gòu)成最終生態(tài)源地。

景觀阻力面通常用來描述地表不同區(qū)域?qū)ξ锓N遷移和分布的影響程度，往往考慮不同物候、地形、土地利用/覆被、城市建設(shè)強度及人類活動等因素對物種遷移活動的影響。傳統(tǒng)景觀阻力面構(gòu)建通常依據(jù)生物通過不同類型環(huán)境的難易程度進(jìn)行阻力賦值，結(jié)合專家打分或主成分分析，通過加權(quán)疊加運行計算獲得綜合景觀阻力面[18]。上述方法依賴專家經(jīng)驗，且僅將不同環(huán)境因素線性疊加，而往往實際中大多為非線性關(guān)系，一些學(xué)者開始基于物種分布模型結(jié)果繪制物種遷移景觀阻力面[19-20]。為考慮不同環(huán)境變量間的非線性關(guān)系，本研究依據(jù)鳥類適宜性分布SDMs模型模擬結(jié)果計算綜合景觀阻力面，見公式（3）。

式中，R為阻力值，數(shù)值越大，阻力越大；Si為鳥類適宜性分布SDMs模型i模擬結(jié)果，范圍為0 ～1，數(shù)值越大，適宜程度越高，阻力越??；n為模型個數(shù)。

2.3 生態(tài)廊道模擬

生態(tài)網(wǎng)絡(luò)作為一種生態(tài)規(guī)劃和保護(hù)策略，旨在在城市和自然環(huán)境之間建立聯(lián)系，以促進(jìn)生態(tài)系統(tǒng)的健康和生物多樣性的維護(hù)，構(gòu)建生態(tài)網(wǎng)絡(luò)對解決生態(tài)源地破碎化問題，增強生態(tài)源地間的連接度具有重要意義[21]。本研究基于ArcGIS 10.2，利用McRae等開發(fā)的GIS插 件Linkage Mapper 2.0[22]進(jìn) 行LCP模擬及生態(tài)廊道提取，該工具通過計算每個像元距離最近“源”的成本加權(quán)距離形成成本加權(quán)距離面，計算最低成本加權(quán)距離，生成一個核心區(qū)到另一個核心區(qū)的最小“成本”路徑，最早應(yīng)用于野生動物棲息地連接度分析[23]。具體而言，利用Linkage Pathways Tool工具集中Build Network and Map links工具條，同時采用歐幾里得和成本加權(quán)距離（costweighted & Euclidean）的網(wǎng)絡(luò)鄰接方法，并限制每個核心區(qū)最大相鄰連接數(shù)為4，截斷成本加權(quán)距離閾值設(shè)置為200 000，模擬生成最小成本廊道。

本研究在提取出最小成本路徑的基礎(chǔ)上，基于電路理論通過調(diào)用Circuitscape軟件利用Centrality Mapper模塊分析生成的連接網(wǎng)絡(luò)，計算出每個核心區(qū)電流流動中心性，即該連接對于維持整個網(wǎng)絡(luò)連通性的重要性程度，電流流動中心性越高，該核心區(qū)對保持整個網(wǎng)絡(luò)的連通性貢獻(xiàn)越大。同時，本研究利用Pinchpoint Mapper 模塊進(jìn)行生態(tài)夾點識別，夾點區(qū)域為電流值較大的區(qū)域，代表影響整個景觀連接度的“瓶頸”地區(qū)，對維持整個網(wǎng)絡(luò)的連接性至關(guān)重要，模塊運行核心參數(shù)CWD cutoff distance設(shè)置為10 000，Circuitscape模式采用Pairwis。此外，本研究還利用Barrier Mapper模塊進(jìn)行障礙點識別，障礙點是指對生態(tài)走廊的質(zhì)量和位置產(chǎn)生不利影響的因素，模塊核心參數(shù)Minimum Detection Radius設(shè) 置 為50，Maximum Detection Radius設(shè)置為100，檢測步長為50，組合方法為Sum。

3 結(jié)果與討論

3.1 鳥類適生環(huán)境分析

3.1.1特征因子篩選

本研究利用Spearman相關(guān)性分析計算19個物候數(shù)據(jù)以及NDVI、DR、DW、NL、CH、AP和TP相關(guān)關(guān)系。從圖3可以看出，bio_4、bio_5與其他物候因子間的相關(guān)關(guān)系不顯著，且bio_4和bio_5之間顯著正相關(guān)，相關(guān)系數(shù)達(dá)0.75（p-value＜0.05），bio_1–bio_19絕大多數(shù)兩兩間存在顯著較強相關(guān)性，其他環(huán)境變量中DR、DW和NDVI、NL、CH、AP和TP均不存在顯著相關(guān)關(guān)系，NDVI、NL、CH、AP之間相關(guān)性較低，AP與TP存在顯著負(fù)相關(guān)關(guān)系，且相關(guān)系數(shù)為-0.77（p-value＜0.05）。一般來說，當(dāng)相關(guān)系數(shù)絕對值分別介于0.1～0.3、0.3 ～0.5和大于0.5時，認(rèn)為變量間存在弱相關(guān)、中度相關(guān)和強相關(guān)關(guān)系。同時，相關(guān)研究表明建筑指數(shù)是鳥類物種、譜系以及功能多樣性的重要影響因素[24]。因此，本研究篩選出相關(guān)系數(shù)低于0.5及與其他變量不存在顯著相關(guān)關(guān)系的環(huán)境變量進(jìn)行SDMs模型構(gòu)建，即為bio_1、bio_2、bio_4、bio_13、NDVI、DR、DW、NL、CH及AP總計10個變量。

圖3 環(huán)境因子相關(guān)性熱圖Fig. 3 Heatmap of environmental factor correlation

3.1.2 物種分布模型結(jié)果分析

本研究基于GLM、Maxent和RF模型模擬了上海中心城區(qū)鳥類分布適宜性，三種模型交叉驗證的AUC、TSS和KAPPA預(yù)測結(jié)果表明RF模型預(yù)測精度最高，Maxent模型預(yù)測精度優(yōu)于GLM模型（表2）。此外，本研究還挖掘了三種模型下各環(huán)境變量重要性及其響應(yīng)關(guān)系，結(jié)果表明：AP是影響鳥類分布最為重要的因素，NDVI次之，bio_1、bio_2、bio_4、bio_13、DW、DR、NL以及CH對鳥類分別影響較?。▓D4）；AP與鳥類適宜性呈現(xiàn)出明顯的負(fù)相關(guān)關(guān)系，AP越高越不適宜鳥類生存。

表2 GLM、RF和Maxent模型精度評定結(jié)果表Tab. 2 Evaluations of GLM、RF and Maxent models

圖4 GLM、RF和Maxent模型下各環(huán)境變量重要性及其對鳥類適宜性分布響應(yīng)曲線圖Fig. 4 Importance of environmental variables and their response curves for bird suitability under GLM, RF, and Maxent models

3.2 生態(tài)源地與景觀阻力面分布

本研究利用SDMs模型模擬上海中心城區(qū)鳥類適宜性分布，模擬結(jié)果越高表明越適宜鳥類生存，GLM、RF和Maxent模型模擬結(jié)果通過自然斷點法將全部區(qū)域劃分為非適生區(qū)、低適生區(qū)、中適生區(qū)和高適生區(qū)4類，如圖5-a，圖5-b，圖5-c所示，三種模型模擬高適生區(qū)模擬范圍呈現(xiàn)出RF＜GLM＜Maxent的趨勢。本研究將三種模型模擬出的高適生區(qū)合并為源地備選斑塊，合計面積為9 033.33 hm2（圖5-d），篩選面積大于30 hm2生態(tài)斑塊，以及面積大于10 hm2且其斑塊重要性指數(shù)為前30%的生態(tài)斑塊，識別出60個生態(tài)斑塊為生態(tài)源地，主要位于外環(huán)綠帶及城中楔形綠地區(qū)域，合計面積為4 975.47 hm2，其中，最大斑塊面積431.73 hm2，最小斑塊面積16.47 hm2（圖5-e）。

圖5 生態(tài)源地識別結(jié)果Fig. 5 Identification results of ecological sources

本研究利用GLM、RF和Maxent適宜性結(jié)果通過公式（3）計算得綜合景觀阻力面，如圖6所示。結(jié)果顯示，綜合景觀阻力值介于12 ～98，外環(huán)綠帶、城中楔形綠地區(qū)域阻力值較低，城中心大部分區(qū)域阻力值較高，這主要是由于城中心大部分為中央活動區(qū)，該區(qū)域建筑物占比較多、人類活動頻繁、植被覆蓋相對較少。

3.3 生態(tài)網(wǎng)絡(luò)構(gòu)建

3.3.1 生態(tài)廊道構(gòu)建及中心度識別

基于LCP識別生態(tài)廊道111條（圖7-a），總長達(dá)300.83 km，平均廊道長度2.71 km，其中最短為42 m，最長達(dá)11 855 m。生態(tài)廊道及生態(tài)源地中心性分析結(jié)果（圖7-b）顯示111條生態(tài)廊道中心性為26.55～198.52，平均廊道中心性為158.1，Centrality Mapper結(jié)果表明60個生態(tài)源地中心性介于84.38 ～541.39，平均中心度為321.98。研究表明：外環(huán)綠帶之間的生態(tài)廊道長度較小，但其中心度最高，且外環(huán)綠帶處生態(tài)源地中心度相對較高，城中楔形綠地之間生態(tài)廊道長度最長，但其中心度卻相對較低，綜上，無論是外環(huán)綠地生態(tài)源地還是其間的生態(tài)廊道均對整體連通性貢獻(xiàn)最大。

圖7 生態(tài)源地與生態(tài)廊道中心度Fig. 7 Ecological source areas and ecological corridor centrality

3.3.2 生態(tài)廊道夾點與障礙點識別

基于Pinchpoint Mapper識別的生態(tài)廊道“夾點”區(qū)域和Barrier Mapper識別的障礙區(qū)域如圖8所示?！皧A點”通過將相鄰節(jié)點間具有一定“寬度”的生態(tài)廊道看作一個導(dǎo)電表面，向一個節(jié)點輸入1 A的電流，通過迭代計算到另一個接地節(jié)點的廊道內(nèi)柵格的電流值來識別，電流值較大的區(qū)域即為整條廊道的夾點區(qū)域。障礙點通使用圓形移動窗口計算比較移除和恢復(fù)阻力值的最小成本路徑獲得。本研究利用自然斷點法將Pinchpoint Mapper和Barrier Mapper識別結(jié)果劃分為5個等級，最高一級劃定為生態(tài)“夾點”地區(qū)（圖8-a）和障礙點地區(qū)（圖8-b），生態(tài)“夾點”和障礙點均總體呈現(xiàn)出零散分布的特點。受邊界范圍的影響，研究區(qū)邊界范圍附近的幾條廊道整體電流值均較大，其他相鄰源地之間大多也存在“夾點”（0.108～0.321），但面積相對較小。此外，研究表明由于城市化進(jìn)程中，工業(yè)區(qū)、住宅區(qū)以及交通設(shè)施等的快速發(fā)展，東部張江鎮(zhèn)、東北東溝鎮(zhèn)以及上海西站附近部分地區(qū)障礙區(qū)域（123.70 ～286.75）面積相對較大。

圖8 生態(tài)廊道夾點與障礙點Fig. 8 Ecological corridor pinch points and barrier points

4 結(jié)論

本研究以上海中心城區(qū)鳥類多樣性保護(hù)為目的，基于多源數(shù)據(jù)通過物種分布模型有效識別出鳥類適宜生境，構(gòu)建鳥類遷移景觀阻力面，并進(jìn)一步構(gòu)建出上海中心城區(qū)鳥類多樣性保護(hù)生態(tài)廊道，得到主要結(jié)論如下：

對于城市建成區(qū)，建筑物面積占比和植被指數(shù)NDVI是影響鳥類分布最為重要的因素，建筑物面積占比越小，NDVI越高，鳥類生境適宜程度越高。

上海中心城區(qū)鳥類生態(tài)源地斑塊面積4 975.47 hm2，占全部高適生區(qū)的55.26%，其中林地面積占比高的外環(huán)綠帶及城中楔形綠地區(qū)域是鳥類的重要棲息地，建筑物占比較多、人類活動頻繁、植被覆蓋相對較少的城市中央活動區(qū)鳥類遷移阻力較高。

基于物種分布模型結(jié)合最小成本路徑和電路理論構(gòu)建城市生物多樣性保護(hù)網(wǎng)絡(luò)，為高密度城市建成區(qū)的生物多樣性保護(hù)和生態(tài)空間格局優(yōu)化提供了新的視角和科學(xué)支撐，對城市生態(tài)規(guī)劃和可持續(xù)發(fā)展具有重要意義。

注：圖1底圖為ArcGIS在線圖，文中圖表均由作者繪制。