景观是空间上广阔而又异质的复杂系统, 自然生态系统的复杂特征与非线性科学需要借助景观生态学加以阐明和检验^[1-2]。作为陆地生态系统的重要组成, 草地生态系统为人类提供了多种生态产品和功能服务, 包括净初级物质生产、碳蓄积与碳汇、调节气候、涵养水源、水土保持、防风固沙、改良土壤以及维持生物多样性等^[3-4]。但由于超载过牧、违规采矿等不合理的资源利用^[5-6], 导致原本脆弱的草地生态系统不断受到冲击, 直接造成草地退化、草产量减产以及牧草品质下降等生态问题, 并从根本上改变草地生态系统的结构与功能, 严重威胁农牧地区的生态安全^[7]。有效保育及可持续利用的草原生态, 是维持区域生态系统格局、功能和农牧业可持续发展的关键^[8]。就草地生态系统而言, 草地生态质量评价^[9]能够反映生态系统的结构与功能, 反馈对抗外源干扰所呈现出的格局状态, 是衡量草地生态系统稳定程度的重要方面。因此, 科学开展草地生态质量评价及其影响因素分析, 有助于探讨人为干扰下草地生态质量空间差异的响应, 为改善草地生态系统环境和防治草原荒漠化提供理论基础。

随着自然资源与生态建设关注度的不断升温, 草地生态质量逐渐纳入学者的研究视野。查阅已有文献发现, 关于生态质量的研究诸以耕地^[10-11]、森林^[12-13]、湿地^[14-16]、海域^[17-18]以及乡村景观^[19]等方面为主, 而以草地为主题的生态质量研究却并不多见。现有相关研究主要侧重于草地生态质量指标体系的构建^[20-21]、草地生态质量的基本框架与评价方法^[22-23]以及草地生态质量的动态变化^[9]等, 其研究内容上多以理论综述为主, 定量化分析较少；研究方法通常采用分级评价法^[21]、动态评价法^[23]以及综合指数法^[24], 研究方法相对局限；在研究地域上, 多以青藏高寒自然保护区为主, 较少关注生态脆弱的荒漠草原区；研究尺度多以流域、区域或省域等大尺度为主, 缺少村域等中小尺度的研究^[25]。值得说明的是, 在以传统生态学或统计学为基础的生态质量评价中, 学者们很少考虑自然要素在空间分析中尺度选择的适用性, 也极少关注空间变量的数据质量和精度验证^[26]。事实上大部分地区的景观生态问题是以行政村为载体而发生的, 且由于空间数据的非平稳性和空间依赖^[27-28], 对于草地生态质量在村域尺度上形成的空间差异影响较大。因此, 本研究基于中尺度空间显示的景观生态学方法, 采用综合指数法评价草地生态质量并划分类型, 引入地理加权回归模型并对比最小二乘回归模型的估计参数后, 评估外源压力对草地生态质量的影响。

荒漠草原区位于我国北方生态安全屏障的核心区域, 草地是当地特有的生态景观。气候条件的恶劣、风沙环境的侵蚀以及草原生态的敏感, 致使该区草地景观呈现出明显的破碎、退化及同质化。本文所研究的四子王旗位于荒漠草原带, 该区既是京津风沙源治理工程的实施县, 也是草原禁牧补偿推行的示范区, 承载着国家生态安全与生态保育的重要功能。鉴于此, 本文选择典型荒漠草原区的四子王旗作为研究案例开展上述相关研究。

1 研究区概况

四子王旗隶属于内蒙古乌兰察布市境内, 地理坐标为110°19′53″—112°59′37″E和41°11′32″—43°22′31″N, 东与锡林郭勒盟苏尼特右旗毗邻, 南与呼和浩特市武川县交界, 西与包头市达尔罕茂明安联合旗相连, 北与蒙古国接壤, 辖区总面积为24036 km², 现有草地面积为20516 km², 林地面积为1235 km², 耕地面积为1417 km², 建设用地面积为125 km², 沙化荒漠面积为738 km², 其中草地为优势地类, 约占土地总面积的85.36%。截止2016年末, 四子王旗的国民生产总值为57.4亿元, 其中, 农业总产值约为15亿元, 工业总产值为19.2亿元, 三大产值比例为15:19:23, 人均地区生产总值为26959元, 全旗总人口数为213129人, 年牧业牲畜存栏数为161.93万头。全旗现有乡镇、苏木及国有牧场共13个, 有行政村或嘎查共130个。由于地处温带, 属典型大陆性干旱气候, 该旗全年日平均气温为3.6℃, 平均海拔为1400 m。四子王旗全境丘陵起伏, 平原相间, 南部为山地丘陵, 北部为荒漠草原。

2 研究方法与数据来源 2.1 研究方法 2.1.1 草地生态质量评价

(1) 构建评价指标体系。草地生态质量取决于草地生态系统结构和功能2个方面。草地生态质量不断变化的原因, 既有来自生态系统内部自愈能力的影响, 又受到系统外部人为因素的干扰^[26]。通过分析草地生态系统结构和功能的稳定性与脆弱性, 客观评价研究区草地生态质量。基于此, 本文从稳定性和脆弱性2个方面, 结合已有对生态质量的相关研究^[29-30], 构建四子王旗草地生态质量评价体系(表 1)。

(2) 指标处理。为消除指标之间的量纲差异, 需对所选指标进行标准化处理。文中采用极差法对稳定性和脆弱性各类指标进行标准化处理。稳定性指标值为越大越好, 脆弱性指标值为越小越好。式中, R_ij为指标标准化值；X_ij为指标值, X_jmin和X_jmax分别为第j个指标的最小值和最大值。

(1)

(3) 权重确定。本文采用熵权法计算各指标的权重。

(2)

(3)

式中, W_j为指标权重, H_j为第j项指标的熵, n为草地按村域划分的样本数, m为稳定性或脆弱性分类下草地生态质量评价指标的项数, P_j表示j项指标的出现概率, K为玻尔兹曼常量；熵为发生概率的度量, 当各项指标的发生概率相等时, 即P_j=1/n, H_j取值最大, 此时熵最大。

(4) 草地生态质量综合指数测算。结合指标标准化值和权重值, 采用综合指数法测算四子王旗各村域草地生态质量。

(4)

(5)

(6)

式中, GLES和GLEF分别代表草地生态质量分类中的稳定性和脆弱性；n为样本数；GLEQ代表草地生态质量评价指数。

(5) 草地生态质量分类。本文采用自然间断法^[31]对四子王旗各村域草地生态质量进行类型划分。该方法因其便于操作且处理速度快, 被学者广泛应用于生态系统评价当中。

2.1.2 空间自相关

文中采用Moran′s Ⅰ空间自相关模型^[32]分析四子王旗各村域草地生态质量的空间聚散性。空间自相关分为全局空间自相关I和局部空间自相关I_i。其中, 全局空间自相关是检验研究区内各邻近区域间是否存在空间相关性, 局部空间自相关是检验观测区域与周边区域的空间关联和空间差异(公式7和8)。

(7)

(8)

式中, N为村域个数, W_ij为空间权重, X_i和X_j为区域i和区域j的属性, X为属性均值；S_x²=∑_jW_ij(X_j－X)²/n为方差, 对于j的累积区域不包括区域自身i。通过Geoda软件将局部空间自相关进行可视化处理, 显示不同象限的区域分布和LISA聚散性的显著区。

2.1.3 地理加权回归模型

(1) 地理加权回归模型(GWR模型)。不同于最小二乘回归模型(OLS模型), GWR模型更适用于空间数据, 能够克服变量的空间异质和空间依赖。GWR模型不仅能够对不同区域的影响因素进行估计, 还允许局部参数估计, 使变量间的相互关系随空间位置的变化而变化, 得到更贴近客观现实的估计结果^[33]。模型如下：

(9)

式中, Y_i为第i个村域的草地生态质量；(μ_i, ν_i)是该村域中心地理坐标；β_k(μ_i, ν_i)为第i个村域的回归系数；ε_i为随机误差项。

为避免个别村域的邻近区域样本数据稀疏而导致的估计误差, 文中采用高斯核函数确定权重。

(10)

式中, d_ij是回归点i与数据j的欧式距离；b为带宽, 其值大小影响GWR模型的空间变量。根据Stephen等最优带宽的确定经验, GWR模型赤池信息(Akaike)最小, 带宽b最佳。同时, 考虑村域样本数量相对较少等情形, 文中结合AICc确定最终带宽。

(2) 变量选取。因变量草地生态质量主要采用综合指数法进行定量化测算；影响草地生态质量的自变量来源于人口、经济、环境和资源等4个方面的压力。结合四子王旗数据获取的实际情况, 确定压力变量为：人口压力的人口密度和劳动人口比, 经济压力的人均GDP和至城镇中心距离, 环境压力的生态用地比和土地城镇化率, 资源压力的人均耕地面积和草地载畜量。

2.2 数据来源与处理

数据主要来源有：研究单元是四子王旗13个乡镇、苏木(含牧场)中的130个行政村或嘎查；地理空间数据来源于2016年四子王旗土地利用现状数据；社会经济数据来源于2017年编制的《四子王旗统计年鉴》。

数据处理过程如下：(1)结合土地利用现状图, 提取四子王旗境内所有草地斑块, 通过套合行政区界线, 筛选草地斑块面积≥400 m²进行上图分析；(2)采用ArcGIS 10.2软件, 对地理空间数据进行栅格化处理, 分辨率为30×30 m, 形成可供Fragstats 4.2处理的GIFF数据, 进而运算得到草地生态质量评价的相关指标, 包括草地斑块密度、景观蔓延度、景观多样性指数、景观邻近度、景观优势度、景观分形维数、景观分离度、景观破碎度、道路切割度和景观变异系数；(3)景观干扰度和景观污染度采用ArcGIS 10.2多环缓冲区和空间统计进行提取, 景观覆被指数和景观结构指数通过统计计算得到；(4)草地生态质量评价指数利用SPSS 22.0进行处理计算。

3 结果与分析 3.1 草地生态质量的评价结果与类型划分

文中采用极差法对数据进行标准化处理, 采用熵权法计算指标权重, 并运用综合指数法测算四子王旗130个行政村的草地生态质量, 通过自然间断法对各村域草地生态质量进行划分, 最终得到研究区草地生态质量评价结果和划分类型(表 3和图 2)。

2016年四子王旗草地生态质量的指数变化为0.003—0.756, 不同区域空间分布差异明显, 北部牧区指数较高, 南部农区指数较低, 呈现出北高南低的空间特征。四子王旗草地生态质量的总体评价为敏感脆弱型。其中, 划分类型为稳定型的村域有5个, 面积为2944.59 km², 占四子王旗总面积的12.25%, 主要分布在江岸苏木、闹木更苏木和红格尔苏木；划分类型为一般型的村域有9个, 所占面积比约为5.32%, 主要分布在乌兰花镇和查干补力格苏木；划分类型为敏感型的村域有107个, 占四子王旗村域个数的82.3%, 总面积为19598.74 km², 主要分布在旗界边缘并向内包围其他划分类型。另外, 草地生态质量为脆弱型的村域主要分散于东八号乡、库伦图镇和供济堂镇。文中, 四子王旗草地生态质量最大指数值(0.756)的村域为江岸苏木的江岸嘎查, 草地生态质量最小指数值(0.003)的村域位于乌兰花镇的文北路社区。

3.2 草地生态质量空间自相关分析结果

基于Geoda软件, 计算四子王旗村域草地生态质量的空间相关性。全局空间自相关计算结果显示：四子王旗草地生态质量的全局Moran′s Ⅰ指数为0.137, 在5%显著性水平下, Z(I)为3.06, 其值高于临界值1.96, 通过了显著性检验, 表明四子王旗草地生态质量空间格局并非呈现完全的随机分布, 而是具有一定的空间聚散特征, 即生态质量邻近的区域相对集聚。为了解四子王旗各村域间草地生态质量的空间相关, 通过绘制LISA显著性分布图, 进一步了解空间格局的分布差异(图 2)。四子王旗空间聚散特征呈现出明显的高高集聚、低低集聚和低高集聚。从图 3看出, 四子王旗草地生态质量呈现出高高集聚区主要分布在北部的江岸苏木和闹木更苏木, 而低低集聚区则分散于位于东南部的东八号乡、中部的乌兰花镇和西南部的供济堂镇, 说明上述区域的草地生态质量的空间集聚效应明显, 空间分布的差异程度较小, 具有空间正相关性；低高集聚区主要分布于红格尔苏木和查干补力格苏木, 表明该区域的草地生态质量较低, 与周边区域生态质量的空间差异显著, 存在明显的空间负相关。

3.3 OLS与GWR的模型比较

为避免线性相关, 在构建回归模型前先进行指标共线性检验。当解释变量之间存在较为严重的多重共线性时, 将会造成伪回归的计量结果。为此, 本文采用容差和方差因子进行多重共线性检验, 检验标准为：如果某一变量的容差值近似为零, 方差因子大于10, 那么认为指标间存在多重共线性。结果显示(表 2)有人口密度和土地城镇化率的容差趋于0, 方差因子分别为113.94和119.12, 说明该类指标间存在较为严重的多重共线性。

3.3.1 OLS模型结果分析

通过剔除引起共线性的相关变量, 以表 4中的6个指标为自变量, 以草地生态质量为因变量, 创建OLS回归模型。结果显示仅有至城镇中心距离、生态用地比和草地载畜量3个变量通过了显著性检验, 明显与预期结果不符。为了消除指数趋势, 对6个变量进行对数化处理, 其中, 劳动人口比和生态用地比2个自变量采用工具变量ln(LB+1)和ln(UR+1)进行处理, 分析得到人均GDP和人均耕地面积未能通过显著性检验。综上, 基于OLS模型的回归估计对草地生态质量空间分布与其影响因素之间的解释性相对较差。

3.3.2 GWR模型结果分析

为比较不同模型的估计参数, GWR模型选用OLS模型筛选的相同变量进行估计。文中采用SAM软件, 以四子王旗各村域的重心坐标构建GWR模型。结果表明(表 5)影响草地生态质量的自变量均通过了显著性检验, 与草地生态质量变化呈正相关的因素依次是生态用地比、人均耕地面积和草地载畜量。其中, 在其他条件不变的前提下, 生态用地占区域面积比例每增加一个标准单位, 草地生态质量将增加0.142倍；而与草地生态质量呈负相关的因素依次是至城镇中心距离、劳动人口比和人均GDP, 其中, 在其他条件不变的前提下, 村域中心至城镇中心的距离每增加一个标准单位, 草地生态质量将下降0.202倍。分析发现, 经济压力和环境压力对于四子王旗草地生态质量的影响明显高于人口压力和资源压力。可能的解释是草地生态质量与经济发展和环境状况更密切。四子王旗属于国家级贫困县, 各乡镇、苏木经济发展不均衡, 经济驱动与环境状况对村域草地生态质量空间分布的影响较大。对于草地载畜量与草地生态质量呈正相关的结论, 可能的解释是生态系统的尺度敏感问题。地理学研究对象的尺度依赖同样适用于景观生态学, 以往景观生态学研究多是在省域或流域等大尺度上开展的, 而本文采用村域尺度更加体现了景观生态系统对尺度的敏感特征。

3.3.3 回归模型结果比较

对比OLS与GWR模型的参数估计(表 6)。从模型精度上看, OLS模型的R_adj²的回归参数并不显著, 仅能解释草地生态质量变异精度的18.8%, 而GWR模型解释的变异精度达到49%。主要由于OLS模型假定是以平稳的空间变化为前提, 但现实空间数据的非平稳特征, 极大地降低了回归估计的解释精度。从F统计值上看, 上述模型的F值所对应的概率P值均小于0.01, 说明2个模型均通过了1%显著性水平检验, 但GWR模型比OLS模型的F统计值更高。从赤池信息AICc上看, OLS模型的AICc绝对值为362.746明显大于GWR模型的AICc绝对值287.595, 依据“GWR模型的赤池信息绝对值最小, 带宽b最佳”的最优带宽确定准则^[33]并结合模拟精度的复杂性, OLS模型明显小于GWR模型的模拟精度。另外, 对比模型的残差平方和可知, OLS模型较高, 表明该模型的残差并非完全呈现随机分布。综上所述, 地理加权回归模型相对于传统最小二乘回归模型而言, 在处理非平稳性空间数据方面更具优势, 能够有效解决空间数据的非平稳所导致的精度缺陷。

3.4 基于GWR模型的影响因素分析

采用ArcGIS10.2软件, 对6个自变量的回归系数进行空间显示(图 3), 反映四子王旗草地生态质量与各影响因素之间的复杂关系。

(1) 人口压力对草地生态质量的影响。劳动人口比所反映的人口问题是影响草地生态质量的一个重要方面。劳动人口比与草地生态质量呈负相关关系, 意味着每增加一个标准单位的劳动人口比, 草地生态质量将下降0.070倍。从回归系数的空间分布上看, 该区呈现出由西北向东南逐渐递减的趋势, 其中最大值出现在江岸苏木的达赖嘎查, 最小值位于白音朝克图镇的太吉敖包嘎查。四子王旗西北地区是围垦和禁牧的重点区域, 生态移民及其人口外迁所导致的劳动人口输出明显减少了人为因素对于草原环境的破坏。

(2) 经济压力对草地生态质量的影响。经济压力通过经济生产能力和交通区位条件2个方面予以体现, 以人均GDP和至城镇中心距离的回归系数来反映其对草地生态质量的影响。总体上, 人均GDP与草地生态质量呈负相关关系, 其负高值位于红格尔苏木-查干补力格苏木-白音朝克图镇的横向轴线上, 回归系数值分布在-8.729—-5.604之间, 由于该区是农区与牧区的分界线, 差异性的禁牧政策使得该区农牧经济活动较为频繁, 外部性因素对草场的干扰较为明显；交通区位影响下草地生态质量呈现出条带状的分布特征, 条带中心的半牧区是最强干扰区域, 干扰强度由此向两边弱化。

(3) 环境压力对草地生态质量的影响。环境压力对于四子王旗草地生态质量的影响主要反映在资源配置方面；生态用地比例越高, 来自生态环境的压力就越低。生态用地比与草地生态质量呈正相关关系, 该指标每增加1个标准单位, 草地生态质量提升0.142倍, 其回归系数的高值中心主要位于江岸苏木和闹木更苏木。因地处国家生态安全屏障保护区, 北部天然草场受外部性干扰影响较小。京津风沙源治理工程和退耕还林还草政策的推动, 致使该区生态用地比例不断提升, 生态结构趋于稳定, 草地生态系统的自愈能力得到了极大的提高。

(4) 资源压力对草地生态质量的影响。资源压力是影响四子王旗草地生态质量空间分布的重要方面, 通过人均耕地面积和草地载畜量予以体现。人均耕地面积与草地生态质量呈正相关关系, 该指标每增加1个标准单位, 草地生态质量将提高0.049倍, 其高值中心位于江岸苏木的卫境嘎查, 低值中心位于闹木更苏木的山达赖嘎查；草地载畜量与草地生态质量呈正相关关系, 其高值中心位于白音朝克图镇的巴音朱日河嘎查, 低值中心位于闹木更苏木的宝日花嘎查。以上地区是草原禁牧和生态移民的实施区域, 当地牧民通过圈养牲畜或移民耕种, 转变了传统超载过牧的生产方式, 降低了资源过耗对草地生态系统传递的压力。

4 讨论

地处北方荒漠草原区的四子王旗, 属我国重要的生态安全屏障区。自然因素和人为扰动致使该区草地生态系统更具脆弱性和敏感性, 村域草地生态质量的空间差异更为明显。本文的改进是立足于草地生态系统的结构与功能, 将相对抽象的景观变量引入草地生态质量评价中, 对比OLS与GWR模型估计参数, 选择较高精度的回归方法对引起草地生态质量差异性空间分布的影响因素进行分析。由于传统最小二乘回归模型仅适用于全局回归或平均估计, 难以克服草地生态质量影响因素的异质性和不稳定特征, 造成压力变量对草地生态质量解释精度的降低。文中经济压力指标的人均GDP和资源压力指标的人均耕地面积对草地生态质量空间分布影响不显著的结果证实了这一结论；而地理加权回归模型能够克服空间数据的非平稳特征, 允许参数估计随空间位置的变化而变化, 提高评价结果的估计精度, 使结果分析更能符合客观实际。

除了改进方法提升精度外, 还需说明的是研究视角和评价体系。从研究角度上看, 不同视角的草地生态质量评价所反映的评价目标不同。其中, 生产角度主要体现草地生产力的高低或草地资源的优劣, 经济角度体现了草地资源的经济价值或经济水平, 生态角度着重反映草地生态服务价值或景观生态功能。Dyksterhuis^[34]通过草原植被和草原基况来评价草地生产价值；任继周^[35]基于草地生产特性, 从“用途-农业化-系统化”方面评价草地经济价值；谢高地等^[36]基于草地生态属性对中国自然草地生态系统的服务价值进行核算。随着生态功能与景观服务关注度的提升, 瞄准景观生态视角的草地生态质量评价已逐步应用于草地修复、草原保护以及草地生态环境等方面。故本文采用景观生态视角, 图谱分析草地生态质量空间差异及其影响因素, 用以反映和表达研究区草地资源的生态属性和地理特征。从评价体系上看, 草地生态质量的脆弱敏感特征综合体现在草地生态系统的结构与功能等方面, 所以科学、客观并针对性地构建指标评价体系是草地生态质量评价的重要环节。不同于Borja等^[37]为突出生态系统功能所建立的评价框架, 也区别于吴海燕等^[38]所强调的生态系统结构, 本研究并重草地生态系统结构与功能, 从稳定性和脆弱性两个方面选取景观变量来构建指标体系, 这对草地生态质量评价更具有实践意义。

5 结论

本文以内蒙古四子王旗为例, 基于景观生态视角并采用景观生态质量评价理论与方法, 分析荒漠草地生态质量的空间差异, 通过地理加权回归模型对影响草地生态质量的非均衡因素进行回归估计, 评估外源压力对草地生态质量的影响。

(1) 通过对草地生态质量综合评价和类型划分得知, 2016年四子王旗各村域草地生态质量综合指数的变化范围为0.003—0.765, 敏感脆弱型的村域约占研究区域的82.73%, 且在空间分布上存在北部高南部低的区域差异；Moran′s Ⅰ指数分析可知, 草地生态质量存在一定的空间自相关, 局部空间相关性表现在高高集聚、低低集聚和低高集聚, 反映出研究区草地生态质量空间分布的非均衡性与空间依赖。

(2) 利用筛选后的6个变量与草地生态质量分别进行OLS和GWR回归估计, GWR模型在处理非平稳空间变量具有明显优势, 较比以平稳性假设嵌入的全局最小二乘线性估计, 克服了精度不足的缺陷。对比发现, GWR模型对草地生态质量变异解释程度为49%, 明显高于OLS模型的估计精度。

(3) 从GWR模型对四子王旗草地生态质量影响因素回归系数的空间分布上看, 草地生态质量变化具有明显的空间差异。经济压力和环境压力对于草地生态质量的影响明显高于人口压力和资源压力；与草地生态质量变化呈正相关的因素依次是生态用地比、人均耕地面积和草地载畜量, 而呈负相关的因素依次是至城镇中心距离、劳动人口比和人均GDP。