随着经济和社会的发展, 区域人类活动日益加剧, 重大工程的生态干扰受到了越来越多的关注。在矿产资源富集区, 矿产资源开采由于社会需求增加呈现加剧趋势^[1-2], 特别是露天矿从地表开采出大量的矿石, 破坏了地表和岩石圈的自然平衡, 影响山体的稳定, 甚至引发一些地质灾害^[3]；而相伴而来的道路建设作为一种主要的人类活动因素, 会对部分生态过程造成影响^[4], 总体来看, 道路建设速度之快是其他建设工程所无法相比的^[5]。土地利用是最基本的人类活动之一, 土地利用类型的变化是人类活动的直接体现^[6], 可对区域的生态环境产生影响^[7], 如生物多样性等。矿产资源开发、道路建设以及土地利用变化等人类活动对区域的景观格局会产生显著的影响, 因而景观连接度的变化成为人类活动过程中需要考虑的一个重要因素^[8-10]。

景观连接度描述的是景观促进或阻碍资源斑块之间运动的程度, 受景观要素及其空间分布格局、生态过程以及研究目的和对象等因素的影响, 是景观要素中生态过程进行相对顺利程度的测度指标^{[4, 11-12]}。目前, 景观连接度已经成为景观生态学领域中的研究热点^[13], 对于景观连接度的研究主要集中于道路建设^[14]、矿产资源开发^[15]、土地利用变化^[16]等对景观的影响, 其相关研究结果可为生物多样性保护及区域景观规划提供科学的参考^[17]。

近年来, 生态廊道在景观连接度研究中的作用受到了越来越广泛的关注。生态廊道具有包括改善景观格局和生态过程等在内的许多优势^[18], 作为景观规划的一个至关重要的要素, 廊道是生物多样性保护的主要考虑因素^[19]。对于很多野生物种来说, 廊道网络在其季节性迁徙和日常移动中起到了十分重要的作用^[20-21]。因此, 近年来很多研究人员已经开始用生态廊道网络的好坏作为评估景观连接度好坏的一个指标。

云南省个旧市的矿田是一个以锡铜为主的世界上规模最大的超大型多金属矿田, 总面积约1200 km²。开采时间较早, 研究时间长, 因此积累的研究资料多, 为深入分析个旧矿产资源开发对景观连接度的影响提供了一个科学的参考和良好的研究基础^[22-23]。

自1990年至2015年, 云南个旧矿产总开采面积与开采点数量连年增加, 矿区的增加也带动了个旧各级道路的建设, 使得道路数目增多或道路级别提升。而道路作为贯穿于各类景观的一类景观要素, 所产生的生态效应也越发受到关注^[24-25]。道路的扩展, 一方面可以影响景观格局的变化, 另一方面对于生态过程也有影响^[26]。因此研究区道路扩展产生的生态效应以及对景观连接度的影响受到了越来越多的关注^[27]。

由于人类活动的过程复杂多样、规模较大等特点, 经常会对区域的景观格局产生不可预估的影响, 并引发社会经济、生态环境等一系列的问题^[28]。因此, 评估人类活动的景观生态效应显得十分重要^[29]。过去的研究往往只是集中于矿区扩展或土地利用变化等单一因素对景观的影响, 而很少将各项单一人类活动因素进行全面综合考虑。目前评估人类活动对景观连接度的影响还没有形成一个成熟的评估体系, 评估的方法往往比较片面, 不能很好地反映出景观连接度的变化^[30]。

本文选取云南省个旧市为研究区域, 运用移动窗口法量化景观格局指数, 分析研究区景观格局的变化。综合考虑矿区扩展、道路建设以及土地利用变化等因素, 从景观连接度变化的角度, 采用基于多物种电流理论的生态网络模型方法并借助Zonation模型分析了人类活动的景观生态效应, 旨在探讨以下两个问题：(1)在景观尺度上分析人类活动对个旧市景观格局的影响, 定量评价个旧市景观格局的变化；(2)分析人类活动所导致的景观连接度在不同时期的变化以及空间上不同区域的差异性。

1 研究区概况与数据来源 1.1 研究区概况

个旧位于中国云南省(图 1), 地处云贵高原的南端, 为亚热带高原季风气候。年平均气温16.4℃, 最冷月(1月):10.1℃, 最热月(7月)：20.5℃。最高海拔2740 m, 最低海拔150 m, 市区海拔1688 m。由于海拔差异大, 立体气候明显, 动植物资源也十分丰富。个旧的森林覆盖率达到32.3%, 有乔木420种, 经济林11种, 竹子5种, 野生药材200多种, 野生花卉270余种, 珍稀植物有云南金花茶Camellia fascicularis、望天树Parashorea chinensis、桫椤Alsophila spinulosa、董棕Caryota urens、云南穗花杉Amentotaxus yunnanensis、柄翅果Burretiodendron esquirolii 、多歧苏铁Cycas multipinnata等9种, 珍稀动物有长臂猿Hylobatidae、云豹Neofelis nebulosa Griffith、麝Noschus noschiferus Linnaeus、巨蜥Stellio salvator等11种。

个旧市高等级公路和窄轨铁路直达昆明, 南至紧邻越南的边境重镇河口, 境内公路网四通八达。但个旧西南部乡镇因地势偏僻, 公路等级低且交通条件较差。个旧是以生产锡为主并产铅、锌、铜等多种有色金属的冶金工业城市, 是中外闻名的“锡都”。当地开采锡矿的历史有约2000年, 是中国最大的产锡基地, 同时是世界上最早的产锡基地。但随着长期简单的扩张式开采, 个旧的矿产资源不仅面临枯竭的情况, 而且包括重金属污染及景观破坏的生态困局正在逼近, 对于矿区扩展影响的研究及环境治理迫在眉睫。

1.2 数据来源

土地利用数据(1990年和2015年)来自于TM遥感影像解译。矿区边界用Google Earth 2015年的遥感影像, 采用人工目视解译勾绘。1990年的矿区边界结合TM遥感影像与历史资料核查结合的方法获得。数字高程模型数据(DEM)(分辨率为30 m)下载自地理空间数据云网站(http://www.gscloud.cn/), 该数据直接提供研究区海拔信息。基于DEM数据, 借助ArcGIS软件提取得到研究区坡度信息。研究区1990年道路矢量数据利用1 : 25万中国基础地理信息中的道路要素图, 2015年的道路数据下载自OpenStreetMap (http://www.openstreetmap.org/), 并结合最新的交通图进行校正。

2 研究方法 2.1 景观格局分析

土地利用等的变化常会造成景观格局及功能的变化^[31]。根据研究目的, 将土地利用、道路以及矿区进行叠加, 获得格局变化信息。利用Fragstats软件中的移动窗口法量化研究区的景观格局指数分布, 从景观水平分析研究区的景观格局变化, 本次研究矩形窗口边长为2 km。本文从景观尺度上选取分离度指数(SPLIT, Splitting Index)、聚合度指数(AI, Aggregation Index)、蔓延度指数(CONTAG, Contagion index)3个指数评价人类活动对景观格局的影响。其中分离度指数指景观中不同斑块个体分布的分离程度, 一定程度上可以反映景观的破碎化情况；聚合度指数表征了景观斑块间的连通性, 值越小则景观越离散；蔓延度指数描述景观里不同斑块类型的团聚程度, 高蔓延度值说明景观中某种优势斑块类型形成了良好的连接性, 反之则表明景观是具有多种要素的密集格局, 景观的破碎化程度较高。

2.2 阻力面的确定 2.2.1 景观要素阻力层的确定

在研究区内, 高程和坡度是影响景观要素空间分布的基本因素。同时, 采矿区和道路的空间分布以及动态变化对于景观连接度的变化也有着非常大的影响。过去的研究往往只是集中于矿区扩展这样单一因素对景观的影响, 而实际上道路建设以及土地覆被变化所造成的影响同样是不可忽略的, 对于区域景观连接度同样会产生很大的影响。个旧属于亚热带区域, 降水的变化影响植被的覆盖率变化, 从而对实际的阻力产生一定的影响, 本研究主要是基于土地利用、道路以及矿区开发等开展的赋值, 植被覆盖率的差异相对于这些因素影响较弱, 因而未将降水作为阻力因子。因此, 本研究选择土地利用类型、道路、高程、坡度和矿区五个因素作为景观阻力因子^[32], 以此构建景观要素阻力层。

2.2.2 不同景观阻力要素阻力值的确定

景观要素阻力值是指多物种穿越该景观要素的一种难易程度, 阻力值越大则说明多物种越难通过该区域, 反之则说明越容易通过^[33]。根据个旧的实际情况以及文献资料, 把研究区域的土地利用类型分为林地、草地、耕地、湿地、人工表面、未利用土地共6个类型。个旧市道路按照级别划分为高速公路、国道省道、县乡道共3个级别。景观连接度受到道路的影响主要是随着距离道路远近的不同而发生变化, 不同级别道路的影响范围也大不相同, 影响范围按高速公路、国道省道、县乡道逐级递减。此外, 考虑到地形要素对于生态过程也会产生阻力, 因此对坡度和高程也分别按不同的范围进行分类后赋阻力值。矿区对景观连接度的影响按照距离矿区远近赋阻力值。

本文中研究区的景观阻力值是通过借鉴相关研究资料以及考虑研究区的具体情况最终确定的。具体阻力值赋值情况见表 1。

2.2.3 景观阻力面的生成

各景观阻力要素分别赋阻力值后, 形成单个阻力要素的阻力面, 然后将五个阻力图层数据分别转为90 m×90 m的栅格文件。利用ArcGIS软件中的叠加命令, 将每一时期的五个阻力栅格数据进行等权叠加, 形成1990年和2015年两个时期的景观阻力面。

2.3 电流理论原理及方法

电流理论是用于模拟物种穿越一个阻力表面的难易情况, 并且可以表示出对于物种移动至关重要的廊道(密集高电流值区域)情况。电流理论中各要素都有其生态学意义, 其中电阻表示对物种移动的阻碍程度, 电阻越大则表示该区域对物种移动的阻碍越大；电流表示物种在斑块间随机迁移时的可能性, 描述了景观连接度的情况, 电流越大则物种在此迁移的可能性越大, 此区域景观连接度情况越好。

Koen等^[34]基于电流理论探究出一种新方法, 以用于识别面向多物种的潜在迁徙廊道。这种新方法具有面向多物种的特点, 且能够表示出整个研究区的景观连接度情况, 打破了过去只能研究固定栖息地之间景观连接度的限制。此方法利用随机选取的位于不同宽度缓冲区的栖息地进行电流密度分析, 确定了在保持潜在迁徙廊道分布格局基本保持不变且可以基本消除节点边缘效应的情况下, 需要设置的缓冲区范围大致为研究区宽度的20%左右, 且缓冲区边界上随机分布的栖息地数量为15个^[34]。因此, 本次研究缓冲区宽度设置为8000 m, 然后将阻力面与缓冲区合并为最终输入Circuitscape软件中运算的阻力面, 在缓冲区边缘随机选取15个斑块作为栖息地斑块(Focal node文件)。选择成对模式和八邻近法, 输入Circuitscape软件中进行运算, 输出电流密度图。为了聚焦在研究区的电流情况, 在电流密度图产生之后, 缓冲区区域会被裁剪掉。裁剪后的电流密度图可以描述在上述五个阻力要素影响下的研究区的多物种迁移格局, 电流即表示物种的扩散移动, 电流值越高则表示物种移动更为容易、该区域可利用的潜在廊道越多、景观连接度越大。将两个时期的电流图进行对比分析。

为更好地描述景观连接度的变化, 在本次研究中, Zonation 4.0软件被用来在电流密度图中进行像元级别的排序工作, 它可以根据最小化边际损失从景观中迭代移除一定数量的栅格, 本研究中移除法则选择附加效益函数移除法则。在本次研究中, Zonation软件排序的前20%的栅格被确定为廊道区域, 借助该模型识别的廊道区域是基于像元单元相对重要性排序的结果。

3 研究结果 3.1 人类活动对个旧景观格局变化的影响分析

选择研究区1990年和2015年两个时期不同利用类型土地的面积进行对比(表 2), 以此表示研究区土地利用变化情况。由表 2可以看出, 2015年与1990年相比, 个旧市不同利用类型土地的变化是：林地、湿地及未利用土地面积均增加；而草地和耕地面积有所减少, 且草地面积减少较多。从土地面积变化比例来看, 人工表面的增加比例最大。

图 2是1990年与2015年的土地利用及矿区分布图。从图中可以明显看出, 2015年与1990年相比, 新增矿区主要占用土地利用类型是耕地和草地, 而林地、湿地等的面积基本没有受到矿区扩展的影响。因而, 矿产资源的开发会使研究区部分原有的景观结构发生变化, 一定程度上影响与景观类型和格局密切相关的生物学、生态学过程。

人类活动对研究区景观格局产生了一定的影响, 通过对比不同时期的景观格局指数(表 3)可知, 分离度指数(SPLIT)及聚合度指数(AI)变化较大。其中分离度指数(SPLIT)无论是最大值还是研究区的平均值都有明显的增加, 说明在这段时间内斑块之间的分离程度加大, 景观破碎为更小的斑块, 这主要是由于新增矿区及道路等占用或分割了其他利用类型的土地；聚合度指数(AI)最小值降幅较大, 区域平均值也有所下降, 说明同类型斑块集中程度减小, 聚合度降低, 斑块间连通性有所下降；蔓延度指数(CONTAG)变化较小, 不过研究区平均值仍有所下降, 说明研究区中优势斑块类型连接性稍有下降。

图 3为1990年和2015年两个时期的SPLIT指数图。无论在1990年还是2015年, 矿区附近的SPLIT指数均为较高值, 说明矿区对于周围景观的分离度产生明显影响, 破碎化程度加重。

为了更直观表现出两个时期的变化, 将2015年的SPLIT指数与1990年的SPLIT指数相减, 得到结果如图 3所示。图中蓝色为负值, 即蓝色区域为2015年的SPLIT值小于1990年, 反之红色区域则是2015年的SPLIT值大于1990年。

矿区周围主要分布为红色区域, 即2015年矿区周围SPLIT值要大于1990年, 矿区周围分离度指数增大, 说明矿区对周边区域连通性影响明显, 矿区周边景观被分为更小的斑块, 斑块间分离程度增加, 景观破碎化情况加重。

总而言之, 人类活动对研究区景观格局产生了一定的影响, 改变了景观的连通性和破碎情况。相较于1990年, 2015年研究区景观尺度上各景观格局指数均发生了一定程度的变化, 主要表现为景观的分离程度增加, 聚合度减小, 破碎化程度加重。

3.2 人类活动对研究区景观阻力的影响

图 4为研究区的坡度及高程的阻力面。这两种阻力属于自然因素阻力, 不会随时间变化而有所改变。如图 4所示, 研究区的中部地区海拔较高, 但地形较为平缓；南部及北部区域海拔高度均较低, 但北部区域地形平缓而南部区域地形则起伏较大。

图 5为1990年和2015年两个时期的土地利用、矿区以及道路的阻力面对比图。土地利用的改变主要受到人类活动的影响, 而矿区与道路的建设则更是人类活动的直接结果, 因此这3个阻力因素受人类活动干扰较大, 3个阻力要素不同时期的阻力面差别明显。中部矿区的密集程度明显增加, 北部区域也新增多处采矿点, 南部区域矿区稍有增加。路网密集程度大幅提升, 大量不同等级的道路被修建, 其中中部区域尤为明显。

景观阻力是自然因素与人为因素的综合作用结果, 将五个阻力面进行等权叠加, 得到研究区叠加后的阻力面。如图 6所示, 2015年研究区最大景观阻力值约为1990年时的1.75倍, 且道路分布密集区与矿区周围的阻力值一直处于较高水平, 线状特征明显。从空间分布上来看, 研究区中部地区以及北部部分区域对物种迁移扩散的阻力作用明显；西部地区路网密集程度低, 矿区分布极少, 因此阻力作用较小。研究区各区域的阻力变化程度相差较大, 主要与区域矿区建设以及道路密度和土地利用的具体变化有关。

3.3 景观连接度的时空变化 3.3.1 研究区景观连接度的空间分布

图 7为1990年和2015年的电流密度图, 可以描述基于多物种的景观连接度在时间和空间分布上的变化。图中红色区域是电流值较高的区域, 往往呈线状或窄带状分布, 实际上这些高电流值区域即被认为是廊道区域。

空间上个旧市不同区域的景观连接度差异化表现十分显著, 中东部地区维持景观连接度的功能始终较低, 很难为多物种提供有效的迁徙扩散路径。至2015年, 中东部区域已经基本没有可供物种迁移的有效廊道, 相比之下, 研究区东南部地区的景观连接度则一直较好, 但2015年时较1990年也有所下降。从两个时期电流图中的线状区域来看, 道路对于景观连接度的影响较为明显。而在矿区周围, 尤其是新增矿区周围, 这种对景观连接度的影响则更加显著, 呈面状影响周边区域的景观连接度。

3.3.2 不同时期景观连接度变化分析

从图 7中可以获取的直接有效信息为电流分布的大致情况以及高电流密度聚集区等。1990年和2015年两个时期的最高电流密度值分别为9.39A、6.35A, 减少近三分之一, 下降十分明显, 说明1990年时研究区还可以提供条件更为优越的廊道区域, 而到2015年时廊道质量下降较大；电流平均值分别为0.3655A、0.3599A, 说明到2015年研究区整体区域的景观连接度都有所下降。

为了更为直观和清晰地反映出不同时期的景观连接度变化, 在本次研究中, Zonation 4.0软件被用来在电流密度图中进行栅格级别的排序工作。Zonation软件提供了一个专门表示电流随景观损失而变化的曲线(图 8), 以帮助我们理解电流随景观移除的变化。如图 8所示, 两个时期电流随景观移除变化趋势基本一致。当景观移除比例达80%(即图中剩余景观为20%)时, 剩余电流比例约为45%, 即等级排序在前20%的景观支撑着区域内约一半的景观连接度, 而剩余80%的景观占据的电流为一半左右。因而在本次研究中, Zonation软件中排序前20%的栅格被确定为廊道区域。

图 9为利用Zonation模型运算产生的排序结果图, 图中的0.8—1即为排序的前20%, 被视为廊道区域。即等级排序图分为：非廊道区域(0≤等级排序 < 0.8)和廊道区域(0.8≤等级排序 < 1.0)。

两个时期研究区中均分布有很多廊道, 从空间分布来看, 廊道主要分布区域为南部大部分区域、中部及北部的少部分区域。由于研究区南部基本无矿区建设, 北部矿区也相对较少, 且两个区域路网密度较中东部而言相对较小, 因此景观连接度情况较中东部区域情况更好, 廊道也主要分布于此。而中部区域路网极为密集, 且中东部尤其受到矿区建设的影响, 廊道宽度以及质量情况较差, 景观连接度较低。

从不同时期的变化来看, 1990年与2015年廊道区域的分布及质量变化非常明显。总体上廊道的破碎化趋势十分显著, 质量有所下降。分区域而言, 由于新增矿区主要位于中东部及北部, 因此研究区中东部及北部廊道受影响较为严重。如图 9所示, 1990年时中部区域有一条较宽的廊道从北部几乎延伸至南部, 自北向南贯穿整个研究区, 而到2015年时, 廊道已经基本无法从北部完整连接到南部, 一条完整的宽廊道破碎为很多较窄且面积较小的廊道, 对于物种的迁移运动产生了极大的阻碍作用。而在研究区中东部, 人类活动对于景观连接度的影响则表现得更为明显, 该区域不仅廊道极少, 且几乎整个区域都从排序等级的0.2—0.4级降为0—0.2级, 意味着此区域整体的景观连接度都受到了极大的影响, 景观连接度情况进一步恶化。在研究区北部, 除面积较大的廊道破碎为很多较小的廊道外, 原本的廊道区域已经有很大面积退化为非廊道区域, 不能为多物种的迁移活动提供有效的路径。南部区域廊道宽度及破碎情况虽然也受到些许影响, 但影响不大, 这主要是由于矿区在南部区域几乎没有分布且该区域道路分布较其他区域更少。

4 结论与讨论

本研究以云南省个旧市作为研究区域, 在区域土地利用改变以及矿山开采面积、路网密度不断增加的背景下, 针对人类活动产生的景观生态效应, 运用量化景观格局指数分布的移动窗口法以及基于电流理论的生态网络模型, 并借助Zonation模型等开展分析。综合上述的结果, 可以得到以下几点认识：

首先, 人类活动对于研究区的景观格局影响较大。矿区的增加占用了部分草地和耕地, 一定程度上影响了与景观类型和格局密切相关的生物学、生态学过程。由移动窗口法计算所得的景观格局指数表明, 人类活动对研究区整体尤其是矿区周边的景观格局影响显著。由于新增矿区和道路占用并分割其他类型土地, 致使分离度指数增加, 聚合度指数减小, 表明研究区景观的破碎化程度加剧。

第二, 空间上研究区各区域的阻力变化程度相差较大, 这主要与区域矿区及道路的建设以及土地利用的具体变化有关。中东部区域海拔较高且矿区大部分布于此, 因此与其他区域相比, 中东部区域阻力值较高。1990年后该区域新增大量矿区且道路建设较其他区域更为密集, 因而该区域阻力变化程度较大。而西部区域由于几乎一直没有矿区存在, 且道路密度变化相对较小, 因此阻力变化不明显。

第三, 基于多物种电流理论的电流密度图显示, 景观连接度受影响较为严重。1990年和2015年两个时期的最高累积电流密度值分别为9.39A、6.35A, 降幅较大, 说明1990年时研究区还可以提供条件更为优越的廊道区域, 而到2015年时廊道质量下降较大；电流平均值分别为0.3655A、0.3599A, 表明研究区整体的景观连接度都有所下降。借助Zonation模型确定的廊道表明, 廊道的空间分布及质量变化十分明显。2015年与1990年相比, 廊道总体上破碎程度加大, 质量下降。由于新增矿区主要位于研究区中东部及北部, 因而这些区域廊道受影响更为严重。中部原本一条完整的宽廊道破碎为很多较窄且面积较小的廊道, 对于物种的迁移会产生极大的阻碍作用；在研究区北部, 矿区开发对于景观连接度的影响则表现得更为明显, 除廊道破碎程度加大外, 大面积的原廊道区域已经退化为非廊道区域；南部区域由于矿区及道路分布较少, 廊道宽度及破碎情况虽然也受到些许影响, 但影响不大。

到目前为止, 已经有很多方法和软件被用于景观格局和景观连接度的研究。总体景观格局指数能够分析研究区的整体特征, 但是很难反映出景观格局的细节特征及内部空间上的差异, 本次研究所采用的移动窗口法可以有效解决这个问题。与过去往往针对单一物种开展的景观连接度研究不同, 本次研究面向多物种, 所产生的电流密度图可以展示所有的可能迁移路径, 而不只是一条最小耗费路径, 分析结果可以为多物种的迁移运动以及相关保护区的建设提供科学的参考。作为一种有意义的尝试, 本次研究采用移动窗口法和基于电流理论的生态网络模型相结合的方法, 更具体地分析了研究区景观格局和景观连接度的变化, 但仍然存在一些问题：

(1) 电流理论方法基于随机游走理论, 即动物的运动和迁移会被假设为随机游走方式。而事实上, 这个假设忽略了一个非常重要的事实：在很多情况下, 野生动物会根据它们以往的经验或运动路径上的植物等特殊标记来迁移。而且这种方法产生的电流密度图虽然可以展示所有的可能迁移路径, 却无法量化每条路径的具体贡献。

(2) 阻力值的确定采用野外实地观测方法为最佳, 但受制于时间成本和可操作性等原因, 其参数化往往会基于专家经验及研究区实际情况来确定。