Identification and optimization of hierarchical ecological nodes based on multi-target genetic algorithm: Take Jintan district of Changzhou as an example

Xiao-lin ZHANG; Xiao-bin JIN; Qing-li ZHAO; Jie REN; Bo HAN; Xin-yuan LIANG; Yin-kang ZHOU

doi:10.31497/zrzyxb.20200115

Journals >Journal of Natural Resources >Volume 35 >Issue 1 >Page 174 > Article

Journal of Natural Resources
Vol. 35, Issue 1, 174 (2020)

Identification and optimization of hierarchical ecological nodes based on multi-target genetic algorithm: Take Jintan district of Changzhou as an example

Xiao-lin ZHANG¹, Xiao-bin JIN^{1、2、3、*}, Qing-li ZHAO⁴, Jie REN¹, Bo HAN¹, Xin-yuan LIANG¹, and Yin-kang ZHOU^1、2、3

Author Affiliations

¹College of Geographic and Oceanographic Sciences, Nanjing University, Nanjing 210023, China

²Key Laboratory of Coastal Zone Exploitation and Protection, Ministry of Natural Resources, Nanjing 210023, China

³Jiangsu Provincial Land Development and Consolidation Technology and Engineering Center, Nanjing 210023, China

⁴Land Reclamation Center of the Ministry of Natural Resources, Beijing 100035, China

show less

DOI: 10.31497/zrzyxb.20200115 Cite this Article

Xiao-lin ZHANG, Xiao-bin JIN, Qing-li ZHAO, Jie REN, Bo HAN, Xin-yuan LIANG, Yin-kang ZHOU. Identification and optimization of hierarchical ecological nodes based on multi-target genetic algorithm: Take Jintan district of Changzhou as an example[J]. Journal of Natural Resources, 2020, 35(1): 174 Copy Citation Text

show less

Fig. 1. Analysis of ecological nodes

Download full size | View in the Article

Fig. 2. The construction of multi-level ecological nodes

Download full size | View in the Article

Fig. 3. Location of the study area

Download full size | View in the Article

Fig. 4. The distribution of strategic points and their impact ranges under different initial populations

Download full size | View in the Article

Fig. 5. Preliminary ecological network and node distribution in the study area

Download full size | View in the Article

Fig. 6. Ecological network and node distribution in the study area

Download full size | View in the Article

数据类型	数据产品	来源	空间分辨率
土地利用数据	土地变更调查数据(2015年)	金坛区土地变更调查成果数据库	1∶10000
遥感影像数据	Landsat 8 OLI_TRIS(2015年)	地理空间数据云	30 m
基础设施数据	POI数据(2015年)	高德地图API	—
江苏省生态保护红线	江苏省国家级生态保护红线(2018年)	江苏省自然资源厅	1∶50000
DEM	ASTER GDEM V2版	地理空间数据云	30 m

Table 1. Data sources and description

影响因子	类型分级	阻力	权重
土地利用类型 (土地利用阻力)	林地	1	0.3
	草地	4
	其他用地	120
	耕地	400
	水域	400
	道路用地	800
	建设用地	1000
植被覆盖度 (景观格局阻力)	>0.8	1	0.25
	0.6~0.8	20
	0.3~0.6	200
	0.1~0.3	500
	<0.1	1000
基础设施数量 (基础设施阻力)	<40	1	0.25
	40~145	200
	145~390	700
	>390	1000
距道路中心线距离/m (道路阻力)	100~200	200	0.2
	50~100	500
	<50	1000

Table 2. Resistance coefficient and weight assignment for different types

指标	公式	描述	意义
节点覆盖率C	$\frac{S 1 + S 2 + S 3}{S 总} \times 100 %$	表征生态节点影响范围面积与区域整体生态用地面积比率。其中 $S 1 、 S 2 、 S 3 为资源型战略点、$ 结构型战略点、结构型薄弱点影响范围 $; S 总$ 为区域总面积	节点覆盖率越高,代表区域生境斑块联系越紧密,生态网络越稳定。单个生态节点覆盖率越大,生态节点发挥效能越大,反之亦然
节点分布均匀度DE	—	—	节点分布均匀性越低,代表生态节点在研究区内的空间分布越均匀,节点发挥效能越大
平均节点连接数A	—	—	平均节点连接数越大表示通过网络的路径越多,节点发挥效能越大,网络连接越复杂
平均聚类系数CC	$\frac{\overset{N}{\sum_{i = 1}} C C_{1} (i)}{N}$ $其中 C C_{1} (i) = 2 E_{1} (i) / (k_{i} (k_{i} - 1))$	N为整个网络中节点数;CC₁(i)为节点i的聚类系数;k_i为节点i的邻居;E₁(i)为k_i节点实际存在的边数;k_i(k_i-1)/2为理论上最大边数	平均聚类系数越高,表明在生态网络格局中景观生态流的流动性越强,生态网络更稳定
网络连通性J	$[\overset{n}{\sum_{i = 1}} m_{i}] / N$	m_i为第i节点所邻接的边数	网络的连通性越高,其稳定性越好
网络密度D	$\frac{2 M}{N (N - 1)}$	M为网络中实际连接数	复杂网络中节点之间连接的紧密性