文章信息
- 吴未, 许丽萍, 张敏, 欧名豪, 符海月
- WU Wei, XU Liping, ZHANG Min, OU Minghao, FU Haiyue
- 不同斑块类型的景观指数粒度效应响应——以无锡市为例
- Impact of landscape metrics on grain size effect in different types of patches: a case study of Wuxi City
- 生态学报, 2015, 36(9): 2740-2749
- Acta Ecologica Sinica, 2015, 36(9): 2740-2749
- http://dx.doi.org/10.5846/stxb201405171015
-
文章历史
- 收稿日期: 2014-05-17
- 网络出版日期: 2015-08-26
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。
1 研究区概况无锡(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。
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]。
2 数据来源与研究方法 2.1 数据来源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)。
2.2 斑块类型划分依据及识别对应斑块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。
2.2.1 识别土地利用类型斑块以无锡市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)。
2.2.2 识别热力等级斑块参照相关研究成果[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)。
2.2.3 识别生态贡献斑块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)。
高程Height | 坡度Slope | ||
类型 Type/m | 属性值 Attribute value | 类型 Type/(°) | 属性值 Attribute value |
0—200 | 1 | 0—3 | 1 |
200—300 | 3 | 3—15 | 3 |
>300 | 5 | 15—25 | 5 |
>25 | 4 |
土地利用类型 Land use type | 到居民点的距离 Distance to residential area |
到交通路网的距离 Distance to traffic network |
|||
类型Type | 属性值 Attribute value |
类型 Type/m | 属性值 Attribute value |
类型 Type/m | 属性值 Attribute value |
滩涂沼泽及未利用地 Marsh and unused land |
5 | 0—500 | 1 | 0—400 | 1 |
河流River | 5 | 500—1 000 | 3 | 400—800 | 3 |
湖泊Lake | 4 | >1 000 | 5 | >800 | 5 |
林地Woodland | 4 | ||||
园地Garden land | 4 | ||||
牧草地Grassland | 3 | ||||
耕地Cropland | 2 | ||||
建设用地Construction land | 1 |
因子类型 Type of factors | 权重 Weight | 因子名称 Name of factors | 权重 Weight |
自然环境因子 Factors of natural environment |
0.3500 | 高程 | 0.2333 |
坡度 | 0.1167 | ||
人为干扰因子 Factors of human disturbance |
0.6500 | 土地利用 | 0.3094 |
与居住地的距离 | 0.2168 | ||
与交通路网的距离 | 0.1238 |
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。
2.4 选取指数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,xi和xj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;Wij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。
3 结果与分析 3.1 斑块空间布局情况图 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。
景观指数 Landscape metrics | 生态贡献斑块 Patches of ecological contribution | 热力等级斑块 Patches of urban heat island | 土地利用类型斑块 Patches of land use/land cover |
NP: number of patches;PD: patch density;MPS: mean patch size;LPI: largest patch index;PAFRAC: perimeter area fractal dimension | |||
斑块数量 (NP)/个 | 9861 | 64799 | 14357 |
斑块密度 (PD)/(个/km2) | 2.1302 | 13.9875 | 3.1025 |
平均斑块面积 (MPS)/hm2 | 46.9442 | 7.1493 | 32.2317 |
最大斑块指数 (LPI)/% | 32.8154 | 25.589 | 12.7883 |
周长面积分维数 (PAFRAC) | 1.4128 | 1.4624 | 1.4535 |
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。
3.2 粒度效应对比分析 3.2.1 景观指数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。
3.2.2 空间自相关指数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。
4 结论与讨论以上结果表明,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。
致谢:本文在写作过程中得到安徽师范大学国土资源与旅游学院麻金继教授、福州大学福建省空间信息工程研究中心吴俊副研究员及研究生郝贵彬的大力支持,特此致谢。[1] | 邬建国. 景观生态学中的十大研究论题. 生态学报, 2004, 24(9): 2074-2076. |
[2] | Wu J G. Key concepts and research topics in landscape ecology revisited: 30 years after the Allerton Park workshop. Landscape Ecology, 2013, 28(1): 1-11. |
[3] | 王计平, 杨磊, 卫伟, 陈利顶, 黄志霖. 黄土丘陵沟壑区景观格局对流域侵蚀产沙过程的影响-斑块类型水平. 生态学报, 2011, 31(19): 5739-5748. |
[4] | ímová P, Gdulová K. Landscape indices behavior: a review of scale effects. Applied Geography, 2012, 34: 385-394. |
[5] | 徐建华, 岳文泽, 谈文琦. 城市景观格局尺度效应的空间统计规律-以上海中心城区为例. 地理学报, 2004, 59(6): 1058-1067. |
[6] | Buyantuyev A, Wu J G, Gries C. Multiscale analysis of the urbanization pattern of the Phoenix metropolitan landscape of USA: time, space and thematic resolution. Landscape and Urban Planning, 2010, 94(3/4): 206-217. |
[7] | Alhamad M N, Alrababah M A, Feagin R A, Ghararaibeh A. Mediterranean drylands: the effect of grain size and domain of scale on landscape metrics. Ecological Indicators, 2011, 11(2): 611-621. |
[8] | Wu J G, Jelinski D E, Luck M, Tueller P T. Multiscale analysis of landscape heterogeneity: scale variance and pattern metrics. Geographic Information Sciences, 2000, 6(1): 6-19. |
[9] | 申卫军, 邬建国, 林永标, 任海, 李勤奋. 空间粒度变化对景观格局分析的影响. 生态学报, 2003, 23(12): 2506-2519. |
[10] | 张玲玲, 史云飞, 刘玉华. 空间粒度变化对沂蒙山区景观格局指数的影响. 生态学杂志, 2013, 32(2): 459-464. |
[11] | 章波, 濮励杰, 黄贤金, 周青, 吕敏眸, 李宪文. 城市区域土地利用变化及驱动机制研究-以长江三角洲地区为例. 长江流域资源与环境, 2005, 14(1): 28-33. |
[12] | 何剑锋, 庄大方. 长江三角洲地区城镇时空动态格局及其环境效应. 地理研究, 2006, 25(3): 388-396. |
[13] | 夏叡, 李云梅, 王桥, 王彦飞, 金鑫, 徐恩惠. 无锡市城市扩张与热岛响应的遥感分析. 地球信息科学学报, 2009, 11(5): 677- 683. |
[14] | 许妍, 高俊峰, 郭建科. 太湖流域生态风险评价. 生态学报, 2013, 33(9): 2896-2906. |
[15] | 郭冠华, 陈颖彪, 魏建兵, 吴志峰, 容晓臻. 粒度变化对城市热岛空间格局分析的影响. 生态学报, 2012, 32(12): 3764-3772. |
[16] | 陈云浩, 李晓兵, 史培军, 何春阳. 上海城市热环境的空间格局分析. 地理科学, 2002, 22(3): 317-323. |
[17] | 孟丹, 李小娟, 宫辉力, 赵文吉. 北京地区热力景观格局及典型城市景观的热环境效应. 生态学报, 2010, 30(13): 3491-3500. |
[18] | 江学顶, 夏北成. 珠江三角洲城市群热环境空间格局动态. 生态学报, 2007, 27(4): 1461-1470. |
[19] | 谢高地, 鲁春霞, 冷允法, 郑度, 李双成. 青藏高原生态资产的价值评估. 自然资源学报, 2003, 18(2): 189-196. |
[20] | 阎水玉, 杨培峰, 王祥荣. 长江三角洲生态系统服务价值的测度与分析. 中国人口.资源与环境, 2005, 15(1): 93-97. |
[21] | 傅强, 宋军, 毛锋, 吴永兴, 姚涵, 唐剑波. 青岛市湿地生态网络评价与构建. 生态学报, 2012, 32(12): 3670-3680. |
[22] | 田甜, 李绍才, 孙海龙, 龙凤, 陈敏. 道路建设扰动下的生态效应分析及其消减对策. 水土保持通报, 2010, 30(1): 199-204. |
[23] | 张镱锂, 刘林山, 摆万奇, 沈振西, 阎建忠, 丁明军, 李双成, 郑度. 黄河源地区草地退化空间特征. 地理学报, 2006, 21(1): 3-14. |
[24] | 温晓金, 杨海娟, 刘焱序. 基于地形因子的千米尺度景观生态廊道布局研究. 地理科学进展, 2013, 32(2): 298-307. |
[25] | 李王鸣, 刘吉平, 王纪武. 城镇生态廊道规划研究-以浙江湖州市埭溪镇为例. 城市发展研究, 2010, 17(3): 75-79. |
[26] | 赵岩洁, 李阳兵, 邵景安. 基于土地利用变化的三峡库区小流域生态风险评价-以草堂溪为例. 自然资源学报, 2013, 28(6): 944-956. |
[27] | 陈杰, 梁国付, 丁圣彦. 基于景观连接度的森林景观恢复研究-以巩义市为例. 生态学报, 2012, 32(12): 3773- 3781. |
[28] | 王永艳, 李阳兵, 邵景安, 李源, 杨华. 基于斑块评价的三峡库区腹地坡耕地优化调控方法与案例研究. 生态学报, 2014, 32(12): 3245-3256. |
[29] | 梁国付, 许立民, 丁圣彦. 道路对林地景观连接度的影响-以巩义市为例. 生态学报, 2014, 34(16): 4775-4784. |
[30] | 朱明, 濮励杰, 李建龙. 遥感影像空间分辨率及粒度变化对城市景观格局分析的影响. 生态学报, 2008, 28(6): 2753-2763. |
[31] | 摆万奇, 孙会首, 阎建忠. 大渡河上游地区土地覆被动态变化的尺度效应. 自然资源学报, 2009, 24(2): 335-343. |
[32] | 邬建国. 景观生态学-格局、过程、尺度与等级. 北京: 高等教育出版社, 2000: 17-18. |
[33] | Li H B, Wu J G. Use and misuse of landscape indices. Landscape Ecology, 2004, 19(4): 389-399. |
[34] | Wu J G. Effects of changing scale on landscape pattern analysis: scaling relations. Landscape Ecology, 2004, 19(2): 125-138. |
[35] | Plexida S G, Sfougaris A I, Ispikoudis I P, Papanastasis V P. Selecting landscape metrics as indicators of spatial heterogeneity: a comparison among Greek landscapes. International Journal of Applied Earth Observation and Geoinformation, 2014, 26: 26-35. |
[36] | 布仁仓, 胡远满, 常禹, 李秀珍, 贺红士. 景观指数之间的相关分析. 生态学报, 2005, 25(10): 2764-2775. |
[37] | Saura S. Effects of remote sensor spatial resolution and data aggregation on selected fragmentation indices. Landscape Ecology, 2004, 19(2): 197-209. |
[38] | 李秀珍, 布仁仓, 常禹, 胡远满, 问青春, 王绪高, 徐崇刚, 李月辉, 贺红仕. 景观格局指标对不同景观格局的反应. 生态学报, 2004, 24(1): 123-134. |
[39] | 孟丹, 王明玉, 李小娟, 宫辉力. 京沪穗三地近十年夜间热力景观格局演变对比研究. 生态学报, 2013, 33(5): 1545-1558. |
[40] | Chao F, Myint S. A comparison of spatial autocorrelation indices and landscape metrics in measuring urban landscape fragmentation. Landscape and Urban Planning, 2014, 121: 117-128. |
[41] | Shao G F, Wu J G. On the accuracy of landscape pattern analysis using remote sensing data. Landscape Ecology, 2008, 23(5): 505-511. |
[42] | 刘德林, 方炫, 李壁成. 黄土高原小流域尺度土地利用景观格局指数的粒度效应. 水土保持通报, 2013, 33(4): 206-210. |
[43] | 周伟, 钟星, 袁春. 1 : 10000比例尺土地利用景观指数的粒度效应分析. 中国土地科学, 2010, 24(11): 20-26. |
[44] | 刘源鑫, 焦峰. 黄土高原丘陵区景观特征与景观指数粒度效应研究. 水土保持研究, 2013, 20(3): 23-31. |
[45] | 刘宇, 吕一河, 傅伯杰. 景观格局-土壤侵蚀研究中景观指数的意义解释及局限性. 生态学报, 2011, 31(1): 267-275. |
[46] | 邱炳文, 随银坡, 陈崇成. 南方丘陵山区典型地物景观特征尺度研究. 自然资源学报, 2010, 25(11): 1970-1978. |