尺度(包括粒度和幅度)效应一直是景观生态学研究领域的一个热点和难点问题^{[1, 2]}。研究粒度效应的重要意义在于进行尺度推绎时须对景观格局中所蕴涵的数据信息(格局组成、配置特征及其对应的生态过程等)进行有效传递和转移^[3]。景观格局是指大小和形状不一的景观斑块在空间上的排列，是各种生态过程在不同尺度上综合作用的结果^[3]。正确理解和分析景观斑块及其生态含义对景观格局粒度效应的研究具有重要意义。

粒度效应分析中，需要考虑研究区特性(如尺度、自然、社会、经济等属性)、粒度、斑块类型、景观指数类型等因素^[4]。斑块类型选择与研究区特性关系密切：人为干扰强烈地区多选用土地利用或覆被类型^{[5, 6, 7]}或反映人为干扰强弱的热力等级^[8]等为划分依据；生态脆弱区多选用自然植被^[9]类型或表征自然干扰强弱的土壤侵蚀强度^[10]等为划分依据。以往基于单一斑块类型的分析结果提供的是部分景观特征信息，针对研究区多重特性采用不同斑块类型反映景观特征信息的研究还较少。因此，本文以无锡市为研究区域，以地区特性为斑块类型划分依据，通过构建同一区域3种不同类型景观格局，比较相同测度指数和粒度变化下的响应情况，以探讨景观格局的尺度效应问题。

无锡(31°07′—32°00′N，119°31′—120°36′E)位于长三角江湖间走廊部分(图 1)，总面积4 627.47 km²。2010年地方国民生产总值5 793.30 亿元，总人口637.26 万人，其中城镇人口448.19 万人。

图 1 无锡行政区划及在长三角中的位置 Fig.1 Location map of Wuxi, the Yangtze River Delta Region

图选项

无锡地处经济快速发展且人为干扰强烈的长三角地区，区内土地利用结构和空间格局变化显著^{[11, 12]}。随着城市不断扩张，热辐射强的硬质地表不断扩大，热岛效应显著^[13]。同时，经济和城市化的快速发展已使无锡处于生态脆弱区^[14]。

本文所采用的数据主要包括无锡市土地利用更新图(1:5 万，2010 年)、TM遥感数据(2010 年)、1:5 万数字高程模型图(DEM)、行政区划图(2010 年)。

研究区具有社会经济活动频繁、人为干扰强烈、热岛效应显著、生态脆弱等特性。其中，土地利用类型斑块反映了不同的地表覆盖特征，即通过土地利用格局状况反映出人类社会经济活动及其对自然生态环境产生的影响^[3]；相互作用的热力斑块以一定规律组成的热力景观是人类在改造、适应自然环境基础上建立起来的人工生态系统在热力学上的表现，反映出社会经济活动、人为干扰以及热岛效应等特性^{[15, 16]}；水、土、生物资源等在区域生态环境持续发展中具有不可替代的作用，是区域生态环境服务能力的重要保障^[14]，在生态脆弱地区尤为突出。生态贡献斑块等级差异反映出人类社会经济活动对自然生态环境及物种多样性保护的影响程度。通过上述三种不同斑块类型构建的景观格局能够较好地反映出研究区的多重特性。

以无锡市2010 年土地利用更新图为数据源，结合研究需要，将原有地类归并为8种土地利用类型，分别是耕地、林地、牧草地、园地、河流、湖泊、建设用地、滩涂沼泽和未利用地，形成土地利用类型分布图(图 2)。

图 2 不同斑块类型的斑块空间分布情况(粒度：30 m) Fig.2 The spatial distributions of different types of patches (grain size: 30 m)

图选项

参照相关研究成果^{[15, 17, 18]}，以Landsat TM遥感影像为数据源，采用单窗算法进行地表温度反演，得到研究区地表温度图(land surface temperature，LST)，采用均值-标准差法将地表温度划分成5个等级，分别为高温、次高温、中温、次中温和低温，形成热力等级分布图(图 2)。

已有研究对斑块生态贡献大小的判定主要依据土地利用类型的生态系统服务价值，如陆地生态系统单位面积生态服务价值^[19]、长江三角洲生态系统服务价值^[20]等直接认定湿地、林地、水域等地类为生态贡献值高的斑块^[21]。这种方法忽略了周边人为干扰对其生态贡献的影响。大量成果表明，人类活动会对生态环境产生压力和威胁，如贯穿林地的道路对动植物活动与分布形成阻隔效应^[22]、居民点对周边草地产生退化影响^[23]。同时，直接认定的方法忽略了在生态-地理过程量化研究中发挥关键作用的一些自然地理因素，如高程、坡度^[24]等。因此本文引入人为干扰和自然环境2类影响因素，对相同地类因受周边不同地类和自然地理因素的影响进行量化分析。研究思路为：测算斑块受周边地类地块影响得到的生态贡献值，按生态贡献值划分的等级识别和获取生态贡献斑块。具体步骤为：(1)在数据获取性基础上，选取土地利用类型、到居民点距离、到交通路网距离3个人为干扰因子和高程、坡度2个自然影响因子，(2)借鉴已有成果^{[25, 26]}对上述因子赋值(表 1，表 2)。自然地理因子属性值从高至低表示生态贡献程度逐次降低；人为干扰因子属性值从高到低，表示干扰程度从小到大、生态贡献程度逐次降低；(3)运用层次分析法得到各因子的对应权重(表 3)；(4)借助ArcGIS软件采用多因子加权叠加模型测算出每一斑块的生态贡献值；(5)参照已有成果^{[27, 28, 29]}采用自然断点的方法对生态贡献值划分等级。结合研究目的，采用3级划分标准，分别为高、中、低，形成生态贡献等级分布图(图 2)。

选择适宜粒度是粒度效应研究的重要内容之一^[30]。已有成果选择的粒度从1— 3000 m不等，得到的临界粒度包括10—20，30—40，40，50，60，30—80，70—120，120，150，160，400，640，800，500—1000m不等^[31]。参照上述成果，本文选择了24 个粒度，即30、40、50、60、70、80、90、100、120、150、180、210、240、270、300、400、500、600、700、800、900、1000、2000、3000 m(栅格单边长度)。设定30 m×30 m栅格图像为初始栅格，在ArcGIS中运行Resample指令和grid模块优势规则进行栅格像元聚合，分别得到其余的23 个粒度。

测度景观格局多采用景观指数、空间统计学等方法^[32]。景观指数法反映了格局结构组成和某些配置特征；空间统计学法反映了格局变化的某种趋势或统计学规律^{[33, 34]}。两类方法视角不同，将之联合应用有利于更好的揭示格局随粒度变化而变化的特征或规律。

(1)景观指数 本文旨在研究不同斑块类型的粒度效应关系，即区域整体性特征随尺度变化的响应情况。参照国内外类似研究成果中的指数选择^{[9, 35]}，考虑到不同指数间冗余性和相关性^[36]以及指数对空间范围、粒度和斑块类型个数变化的敏感性^{[37, 38]}，确定了19 个景观水平指数，即斑块密度(PD)、最大斑块指数(LPI)、景观形状指数(LSI)、平均斑块面积(MPS)、加权平均斑块面积(AWMPS)、斑块面积标准差(PSSD)、斑块面积变异系数(PSCV)、平均形状指数(MSI)、面积加权平均形状指数(AWMPSI)、平均斑块周长面积比(MPAR)、面积加权平均斑块周长面积比(AWMPAR)、平均斑块分维数(MPFD)、面积加权平均斑块分维数(AWMPFD)、周长面积分维数(PAFRAC)、蔓延度指数(CONTAG)、散布与并列指数(IJI)、凝聚度指数(COHESION)、分离度指数(DIVISION)、辛普森多样性指数(SIDI)。借助Fragstats4.1获得上述景观指数值。

(2)空间自相关指数 空间自相关统计的内容包括空间对象空间位置及其属性，即每一个对象与其它相邻统计分析对象之间的空间位置关系及其属性取值特征。最常用的是Moran′s Ⅰ指数，分全局空间自相关和局部空间自相关。前者是描述总体特征的统计指标，重在反映区域整体特性^[39]，故为本文所采用。计算公式如下^[5]：

式中，x_i和x_j表示景观要素在相邻配对空间单元的取值；表示变量x的平均值；W_ij是邻接权重矩阵；n是空间单元总数。Moran′s Ⅰ指数取值一般在-1和1之间，等于0表示不相关，大于0和小于0分别表示正相关和负相关。借助ArcGIS获得Moran′s Ⅰ指数值。

图 2、表 4是粒度为30 m时，无锡市域生态贡献等级斑块、热力等级斑块和土地利用类型斑块空间分布及景观特征情况。

斑块类型不同是形成同一研究区3 个景观格局斑块数量、斑块面积、平均斑块面积以及最大斑块指数出现差异的根本原因，但对周长面积分维数影响不明显。周长面积分维数取值范围一般在1—2之间，受人为干扰程度越大时值越接近1；受人为干扰程度越小时值越接近2。说明斑块类型对周长面积分维数指数在反映同一地区人为干扰程度时的影响不明显。

19 个景观水平指数随粒度变化的响应曲线可分为2 类：一类，曲线变化趋势不同(图 3)，对应指数为平均形状指数、最大斑块指数、加权平均斑块面积和分离度指数4 个。土地利用类型斑块指数曲线变化最显著。另一类，曲线变化趋势基本一致(图 4)，对应了其余的15 个指数。表明相同研究区内随粒度变粗，土地利用类型斑块、热力等级斑块、生态贡献等级斑块的部分响应曲线变化剧烈程度依次减弱，或者说斑块类型对景观格局粒度效应存在一定影响。除上述指数外，受斑块类型影响的景观指数还有待进一步甄别。

图 3 随粒度变粗有变化趋势差异的景观指数响应曲线 Fig.3 Curves of landscape metrics in response to changing grain size (in difference)

图选项

图 4 随粒度变粗变化趋势相近似的景观指数响应曲线 Fig.4 Curves of landscape metrics in response to changing grain size (in similarity)

图选项

以横轴为粒度变化轴、纵轴为指数值变化轴，得到3类斑块Moran′s Ⅰ指数随粒度变化的响应曲线(图 5)。结果表明，3 类斑块Moran′s Ⅰ指数存在尺度效应：(1)热力等级斑块不存在负相关、生态贡献等级斑块和土地利用类型斑块存在负相关；(2)生态贡献等级斑块响应曲线在正相关区域变化相对平缓、热力等级斑块与土地利用类型斑块响应曲线变化趋势相反；(3)与多数景观指数响应曲线变化情况一致，存在第一临界粒度。简言之，斑块类型在同一研究区内，对Moran′s Ⅰ指数响应变化有较大影响、但对第一临界粒度影响不明显。

图 5 随粒度变粗的Moran′s Ⅰ指数响应曲线 Fig.5 Curves of spatial autocorrelation indexof Moran′s Ⅰ in response to changing grain size

图选项

以上结果表明，在研究区、指数类型、粒度变化相同的情况下，随粒度变粗：(1)部分景观指数及Moran′s Ⅰ指数响应曲线因斑块类型不同出现变化趋势差异，Moran′s Ⅰ指数响应曲线之间的差异更明显。(2)2 类指数的第一临界粒度基本一致，但景观指数响应曲线的临界现象更明显。总体上，同一研究区不同类型斑块构成的景观格局具有相似性，指数响应曲线具有相似变化趋势和第一临界粒度；但斑块类型影响了景观指数的粒度效应，可能会导致格局分析结果的不准确或不正确^{[40, 41]}。

不同斑块类型在不同粒度时的响应情况不同，选择的适宜粒度域也不同。如热力等级斑块适宜粒度域可为30—150 m，150 m是研究热力景观格局的临界粒度^[15]；土地利用类型斑块适宜粒度域可为5—15 m^[42]或50—70 m^[43]或75—120 m^[44]不等。因此，需要对不同斑块类型的景观格局尺度效应进行深入分析。

指数意义解释及其局限性已有较多研究^[45]，文中指数响应曲线变化趋势差异表明，如空间自相关分析、半方差分析、小波分析等空间统计分析方法在识别格局空间结构特征及随尺度变化规律方面具有不同的重点和优势^[46]，但在景观格局尺度效应的应用分析上还有待加强。

此外，在ArcGIS软件中对栅格像元聚合运行优势、最邻近分配、双线性插值等不同规则时，被归并地类特征的差异易被忽略，出现格局—生态过程分析结果的差异。因此，粒度变换规则对粒度效应响应产生的影响也值得深入研究。