文章信息
- 周婷, 陈万旭, 李江风, 梁加乐
- ZHOU Ting, CHEN Wanxu, LI Jiangfeng, LIANG Jiale
- 神农架林区人类活动与生境质量的空间关系
- Spatial relationship between human activities and habitat quality in Shennongjia Forest Region from 1995 to 2015
- 生态学报. 2021, 41(15): 6134-6145
- Acta Ecologica Sinica. 2021, 41(15): 6134-6145
- http://dx.doi.org/10.5846/stxb202006131538
-
文章历史
- 收稿日期: 2020-06-13
- 网络出版日期: 2021-04-23
2. 中国地质大学(武汉)地理与信息工程学院, 武汉 430078;
3. 中国地质大学(武汉)空间规划与人地系统模拟研究中心, 武汉 430078
2. School of Geography and Information Engineering, China University of Geosciences, Wuhan 430078, China;
3. Research Center for Spatial Planning and Human-Environmental System Simulation, China University of Geosciences, Wuhan 430078, China
全球范围内生态环境的变化预示着人类世的到来, 工业化、城市化进程不断加快, 人类改造自然界的规模和力度不断增强, 人类活动对区域生态系统功能、结构和空间变化产生了深远影响, 严重干扰了区域生境质量[1-2]。在此背景下, 探索区域人类活动与生境质量间的关系, 逐渐成为相关研究领域的热点议题[3-4]。
生境是指提供物种生存繁育资源与条件的空间。生境质量则是指生态环境在一定的时间和空间能够提供物种生存繁衍适宜条件的能力, 其作为生态系统服务的一项重要功能, 是提升人类福祉的关键环节[5-7]。评估区域生境质量, 不仅可以识别该区域生态环境的变化及驱动力, 还可以为改善区域生态系统服务提供科学依据[8]。关于生境质量的评价方法, 一方面根据生态系统类型属性进行评价, 如Homyack运用生理度量法对野生脊椎动物的生境质量进行评价, Billionnet等运用数学优化法对自然保护区景观破碎化、遗传多样性维持等方面进行研究[9];一方面根据研究尺度进行评价, 对于大尺度区域, 如祝萍等采取遥感技术识别全国典型自然保护区的土地利用变化和植被覆盖等因素[10], 对于中小尺度区域, 如王琼等采用层次分析法对蒲河流域生境质量进行综合评价[11];此外, 随着3S技术和生态模型的发展, 区域生境质量评估趋于定量化、模型化和空间化, 如王玉等运用SolVES模型分析湿地森林公园生态系统服务[12], 刘振生等运用MAXENT模型结合土地利用、地形等驱动因子对贺兰山岩羊生境适宜性进行了探讨[13]。根据以往研究发现, InVEST模型的生境质量模块(Habitat Quality Model), 在对区域生境质量动态评估和时空变化分析方面更具代表性[14-15], 是当前较为成熟且应用广泛的生态系统服务评估模型[16]。
人类活动是指一切人类行为触及生物圈的过程[3], 其通过改变生境退化度, 继而影响生境质量[17]。关于人类活动与生境质量关系研究, 部分学者基于人类活动引起的相关效应, 由状态视角侧面评价人类活动, 如以土地利用变化[18-19]、生态系统服务变化[20]、多因子状态变化[21-22]等展现人类活动强度;部分学者由压力视角正面刻画人类活动, 包括基于权重的多指标叠加分析方法和生态足迹方法[23-25]等。其中多指标叠加分析方法运用较多, 通过建立研究区人类活动评价体系, 由层次分析法[26]、变异系数法[27-28]等主客观方法确定指标权重, 最后加权计算人类活动强度。人类足迹指数(Human footprint index, HFI)的概念是在2002年由Sanderson等提出[18], 提供全球尺度上人类活动对陆地生态环境影响的分布信息, 在人类活动影响评价等方面得到了广泛的应用[3, 29]。以人类足迹指数表征人类活动, 能够弥补以往研究中仅以景观组分变化或土地利用变化单一指标计算的缺陷[23, 30], 更适用于自然保护区监测和管理等方面[3]。关于人类足迹指数的测度, Li等通过对人口密度、土地利用强度、放牧强度等指标的影响分数在0-10范围内进行分配与求和, 得出西藏地区人类足迹指数[1];Buckley等在野生动物保护学会和国际地球科学信息网络中心推导的人类足迹指数参数的基础上, 选取人口密度、建成区、夜间人工照明、土地覆盖、道路等指标, 在0-100范围内计算中国大陆自然保护区的人类足迹指数[17]。以往研究表明, 该方法较适用于绘制重点生态保护区域的人类足迹指数。
神农架林区拥有全球30°N地区唯一保持完好的亚热带森林系统, 具有极高的生物多样性价值。先后建立了国家级自然保护区、国家森林公园等, 并于2016年成为国家公园试点之一, 在生态文明建设中走在全国前列。近年来, 经济社会快速发展, 尤其是以旅游业为主体的第三产业发展迅速, 人类活动的日益频繁对神农架林区的生境质量和生态安全构成一系列威胁, 包括城镇化进程中生态系统结构变化、生物多样性丧失、大量基础设施建设下生产、生活污染等。探讨自然环境与人类社会生存与发展的相互作用, 对于神农架林区人地关系协调与可持续发展具有重要意义[31-33]。1995-2015年神农架林区人类活动与生境质量状况如何?神农架林区人类活动与生境质量是否存在空间相关性?人类活动如何影响林区生境质量?本研究针对上述问题, 将神农架林区视为生境, 采用1km×1km的格网作为评估神农架林区人类活动与生境质量的基本单元, 借助InVEST模型, 定量评估1995-2015年神农架林区生境质量的时空变化, 通过多指标叠加分析法绘制1995-2015年神农架林区人类足迹指数, 最后利用双变量空间自相关和地理加权回归模型, 探测神农架林区人类活动与生境质量的空间关系以及人类活动对生境质量的影响, 旨在为神农架林区保护区管理、生态环境保护以及可持续发展提供数据支撑和科学依据。
1 研究区概况与数据来源 1.1 研究区概况神农架林区地处湖北省西部(109°56′-110°58′E、31°15′-31°75′N)(图 1), 土地总面积3253km2。其属于北亚热带季风性气候, 四季分明, 降水充沛, 气候水平、垂直分带明显。年日照时数1858.3h, 年降水量800-2500mm, 年蒸发量500-800mm。神农架林区生物资源丰富, 处于东亚东、西两大植物区系的交汇地, 原始森林保存较完好, 涵盖3700余种植物类型, 森林覆盖率达90%左右;动物种类达1000余种, 其中金钱豹、金丝猴等国家重点保护动物达79种, 占湖北全省数量的72%。由于神农架林区在生物多样性、生态价值等方面具备世界独特性, 成为中国第一个荣膺“联合国教科文组织世界自然遗产”、“世界地质公园”、“人与生物圈自然保护区”三个名录的遗产地。
![]() |
图 1 神农架林区地区位置与高程图 Fig. 1 Location and elevation map of Shennongjia Forest Region |
1995-2015年神农架林区国内生产总值(GDP)平均年增长率超过9%, 至2015年, 神农架林区旅游接待人数为878.3万人次, 城镇化率达48.31%。随着经济快速发展, 城镇化进程加速, 土地利用也随之改变, 人类活动给区域生境质量带来巨大影响。神农架林区作为中国乃至世界重要的生态屏障, 探索其人类活动与生境质量的空间关系以及人类活动对生境质量的影响程度, 对于生态环境与经济社会的协同发展具有重要的借鉴和指导意义。
1.2 数据来源研究涉及到的神农架林区1995、2000、2005、2010、2015年共5期的土地利用现状遥感监测数据(空间分辨率为30m×30m)以及1995、2000、2005、2010、2015年共5期的人口、道路、夜间灯光数据(空间分辨率为1km×1km)来源于中国科学院资源环境科学与数据中心(http://www.resdc.cn/)。神农架林区旅游景点数据来源于神农架林区政府门户网站(http://www.snj.gov.cn/)。基础地理数据来源于国家基础地理信息系统全国1∶400万数据库。本文采用ArcGIS 10.2中渔网工具(Fishnet)生成1km×1km的格网, 作为测度神农架林区人类活动与生境质量的基本单元。
2 研究方法 2.1 生境质量InVEST模型生境质量模块是结合区域景观类型信息, 以土地利用数据为基础, 对威胁因子影响和土地利用类型对威胁因子的敏感性进行评估, 以表征区域生境质量的优劣[6], 计算公式如下:
![]() |
(1) |
式中, Qxj表示土地利用类型j中栅格x的生境质量指数;Hj表示土地利用类型j的生境适应度;Dxj表示土地利用类型j中栅格x的受威胁度;k常数为半饱和常数, z为常数2.5, 受威胁度Dxj由以下公式计算可得:
![]() |
(2) |
式中, r为威胁因子;y是r威胁栅格总数;Yr为r威胁因子中的一组威胁栅格数;wr为威胁因子r的权重;ry为栅格y的威胁因子值;irxy为威胁栅格y的威胁因子ry对栅格x的威胁度;βx为栅格x的可达性水平;Sjr是土地利用类型j对于威胁因子r的敏感度;dxy为栅格x与y的直线距离;drmax为威胁因子r的最大作用距离, irxy由以下公式计算可得:
![]() |
(3) |
![]() |
(4) |
根据神农架林区实际状况, 结合陈妍等[7]、南箔等[34]、冯舒等[35]在相关研究中共同选取的耕地、交通用地、居民点、裸地等相关威胁因子, 最终确定了水田、旱地、道路、城镇、农村居民点、其他建设用地和未利用地为研究区生境质量的威胁因子, 并参照专家建议确定威胁因子最大影响距离、权重以及衰减类型(表 1)。
威胁因子 Threats |
最大影响距离/km Max distance of influence |
权重 Weight |
衰减类型 Decay type |
水田 Paddy field | 1.0 | 0.5 | 线性 |
旱地 Arid land | 1.0 | 0.7 | 线性 |
道路 Road | 3.0 | 0.8 | 线性 |
城镇用地 Urban land | 5.0 | 1.0 | 指数 |
农村居民点 Rural settlements | 3.0 | 0.7 | 指数 |
其他建设用地 Other construction land | 4.0 | 0.6 | 指数 |
未利用地 Unused land | 0.5 | 0.5 | 线性 |
基于景观生态学当中维持生物多样性的基本原则, 结合InVEST模型推荐的参考值以及包玉斌等[5]、刘春芳等[6]、许学工等[36]学者的研究成果, 确定将研究区土地利用类型的生境适宜度取值范围设置为0-1, 在该范围内数值越大, 表示该环境的生态系统越稳定, 对应的生境质量值越高(表 2)。
地类 Land-use types |
生境适宜度 Habitat |
水田 Paddy field |
旱地 Arid land |
道路 Road |
城镇用地 Urban land |
农村居民点 Rural settlements |
其他建设用地 Other construction land |
未利用地 Unused land |
水田 Paddy field | 0.4 | 0.0 | 0.1 | 0.4 | 0.5 | 0.3 | 0.2 | 0.0 |
旱地 Arid land | 0.2 | 0.2 | 0.0 | 0.3 | 0.5 | 0.2 | 0.2 | 0.1 |
有林地 Forest | 1.0. | 0.8 | 0.8 | 0.9 | 1.0 | 0.8 | 0.6 | 0.4 |
灌木林 Shrub | 0.8 | 0.4 | 0.4 | 0.5 | 0.6 | 0.4 | 0.2 | 0.2 |
疏林地 Sparse woodland | 0.6 | 0.8 | 0.8 | 0.8 | 1.0 | 0.8 | 0.5 | 0.4 |
其他林地 Other woodland | 0.6 | 0.6 | 0.6 | 0.7 | 0.9 | 0.8 | 0.5 | 0.4 |
高覆盖草地 High covered grassland |
0.9 | 0.7 | 0.7 | 0.8 | 0.9 | 0.8 | 0.6 | 0.3 |
中覆盖草地 Medium covered grassland |
0.7 | 0.4 | 0.4 | 0.5 | 0.6 | 0.5 | 0.3 | 0.2 |
低覆盖草地 Low covered grassland |
0.5 | 0.3 | 0.3 | 0.5 | 0.6 | 0.4 | 0.4 | 0.2 |
河渠 Graff | 1.0 | 0.7 | 0.6 | 0.7 | 0.8 | 0.6 | 0.4 | 0.2 |
滩地 Beach | 0.9 | 0.8 | 0.7 | 0.8 | 0.9 | 0.7 | 0.5 | 0.4 |
城镇用地 Settlements | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
农村居民点 Rural settlements |
0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
其他建设用地 Other construction land |
0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
裸土地 Barren land | 0.1 | 0.1 | 0.1 | 0.2 | 0.4 | 0.3 | 0.3 | 0.0 |
基于人类足迹指数方法, 根据神农架林区区域发展特征, 结合数据可得性, 最终选取了人口密度、土地利用转变、通达性、旅游景点(区)、电力基础设施5种类型的人类活动表征因子, 并将每种因子影响力的分数值设置在0-1范围内。同时参照胡志斌等[27]对人类活动强度的计算方法, 依据各因子对不同距离环境扰动程度的差异建立多环缓冲区, 根据专家打分对每个缓冲区分别进行影响力赋值。以旅游景点(区)因子为例, 以表 1中其他建设用地的最大影响距离4.0km为依据, 分别建立0km, 0-1km, 1-2km, 2-3km和3-4km缓冲区, 综合专家打分对其影响力赋值分别为0.9, 0.7, 0.5, 0.3和0.1, 最后进行加权求和。按照上述过程分别计算土地利用指数、人口密度、夜间灯光以及交通通达度, 将处理后的各个因子进行叠加处理, 计算得出1995-2015年神农架林区人类足迹指数, 以显示该时间序列区域性的人类活动。
![]() |
(5) |
式中, HFI(i)代表人类足迹指数, landuse(i)代表土地利用指数, popden(i)代表人口密度, tourismpoint(i)代表赋值量化后的旅游景点(区)指数, nightlight(i)代表赋值量化后的夜间灯光指数, road(i)代表赋值量化后的交通通达度。
2.3 双变量空间自相关分析空间自相关分析的核心功能是探索某属性在空间上的分布特征以及变量间的聚集程度, 一般通过全局空间自相关和局部空间自相关对空间关联进行度量和检验。全局Moran′s I指数是验证相关属性值在研究区域的空间分布集聚趋势的全局自相关计量[37-38]。计算公式如下:
![]() |
(6) |
式中, xi和xj为协调效率的观测值;Wij为i和j的权重连接矩阵;全局Moran′s I取值一般为-1-1, 若其小于0, 则表明空间单元不具备相似属性, 分布离散;若其趋于0, 则表明空间单元随机分布;若其大于0, 则表明空间单元属性呈正相关。
根据Anselin等的研究,基于双变量空间自相关探索人类活动与生境质量的空间关系[38]。双变量空间自相关分析得出的Moran′s I指数的计算公式如下:
![]() |
(7) |
式中, wij为i与j的空间连接矩阵;
根据Local Moran′s I指数, 计算结果中高-高类型表示高生境质量和高人类活动类型区, 低-低类型表示低生境质量和低人类活动类型区, 高-低类型表示高生境质量和低人类活动类型区, 低-高类型表示低生境质量和高人类活动类型区。
2.4 地理加权回归模型分析研究采用地理加权回归模型以测度1995-2015年神农架林区1km格网尺度下的人类活动对生境质量的影响程度。地理加权回归模型作为一种局域回归模型, 是建立在传统回归模型(OLS)基础上的对参数进行估计的一种空间分析技术, 能够允许研究过程中直接模拟不同空间的非平稳性, 反映不同地理位置变量对该区域的影响程度[39]。其模型结构计算公式如下:
![]() |
(8) |
式中, yi为解释变量;(ui, vi)为第i个样本单元的地理坐标;xik为第k个自变量在第i个样本单元的值, k为自变量个数, i为样本单元的个数;εi为随机扰动项;βk(ui, vi)为连续函数βk(u, v)在i样本单元的值。
3 结果与分析 3.1 生境质量时空特征运用InVEST模型的生境质量模块, 得到神农架林区生境质量分级表(表 3)和神农架林区生境质量分布图(图 2), 利用ArcGIS 10.2的自然断点法对研究结果进行5个等级的划分, 即低、较低、中等、较高、高。
生境质量等级 Habitat quality level | 1995年 | 2000年 | 2005年 | 2010年 | 2015年 |
低生境质量 Low habitat quality | 2.63 | 2.63 | 2.63 | 2.63 | 2.66 |
较低生境质量 Relatively low habitat quality | 11.39 | 11.30 | 11.77 | 11.24 | 11.50 |
中等生境质量 Medium habitat quality | 22.10 | 22.95 | 22.83 | 22.98 | 22.69 |
较高生境质量 Relatively high habitat quality | 30.39 | 30.10 | 29.81 | 28.67 | 30.66 |
高生境质量 High habitat quality | 33.49 | 33.02 | 32.96 | 36.06 | 32.50 |
![]() |
图 2 1995-2015年神农架林区生境质量空间分布图 Fig. 2 Spatial distribution map of habitat quality in Shennongjia Forest Region from 1995 to 2015 |
从时间尺度上看, 1995-2015年间神农架林区生境质量整体较高, 且大部分地区生境质量相对稳定, 少见大面积的显著变化, 但研究区中西部(红坪镇)、东北部(阳日镇)、东部(新华镇)等区域均存在小面积范围的波动。如1995-2015年间, 由于城镇化程度加深和旅游业的发展, 道路及建设用地逐渐增多, 导致阳日镇部分区域生境质量逐渐降低;2010-2015年间, 红坪镇神农架机场的建设导致周边区域生境质量显著降低。
从空间尺度上看, 神农架林区生境质量等级以中、高等级为主, 总体上分布较为零散。60%以上的区域都处于较高等级和高等级生境质量, 多分布在研究区中部海拔较高的林地和草地;约20%的区域处于中等级生境质量, 以道路用地沿线为主及部分耕地, 多呈条带状分布;约13%的区域处于较低等级和低等级生境质量, 主要是以农村居民点和城镇用地为主的建设用地。
3.2 人类足迹指数时空特征在ArcGIS 10.2中利用自然断点法将人类足迹指数结果分为5个等级, 即低、较低、中等、较高、高, 得到神农架人类足迹指数分级表(表 4)和神农架人类足迹分布图(图 3)。
人类足迹指数等级 Human footprint index level | 1995年 | 2000年 | 2005年 | 2010年 | 2015年 |
低人类足迹指数 Low human footprint index | 10.77 | 18.07 | 17.87 | 25.49 | 26.07 |
较低人类足迹指数 Relatively low human footprint index | 46.80 | 39.50 | 42.42 | 37.72 | 35.33 |
中等人类足迹指数 Medium human footprint index | 20.44 | 19.68 | 19.82 | 19.47 | 19.59 |
较高人类足迹指数 Relatively high human footprint index | 18.31 | 17.72 | 16.73 | 13.84 | 13.49 |
高人类足迹指数 High human footprint index | 3.68 | 5.02 | 3.15 | 3.47 | 5.52 |
![]() |
图 3 1995-2015年神农架林区人类足迹指数空间分布图 Fig. 3 Spatial distribution map of human footprint index in Shennongjia Forest Region from 1995 to 2015 |
从时间尺度上看, 1995-2015年间神农架林区人类足迹指数呈现“两极分化”的趋势, 高人类足迹区域不断扩大, 占比从3.68%波动增加至5.52%, 而低人类足迹区域也不断增加, 占比从10.77%增加至26.07%。以人类活动强度最大的松柏镇、阳日镇两个镇区为例, 1995-2015年间人类足迹指数逐渐升高, 且呈现扩张态势, 表明这两个镇区作为林区的中心城镇, 伴随着城镇化进程加快, 人类活动强度越来越大。相反地, 研究区西部, 即以神农架自然保护区为主体的区域, 随着对自然保护区管理力度的不断加强, 人类足迹指数呈萎缩态势。
从空间尺度上看, 神农架林区西部区域人类足迹指数偏低, 东部区域人类足迹指数偏高, 主要道路沿线人类足迹指数偏高。高人类足迹区域占比较少,在3%-5%左右, 主要分布在松柏、阳日、木鱼三镇, 其中松柏镇是林区政府所在地, 木鱼镇是林区旅游接待服务中心, 人类活动相对密集。较高人类足迹区域占比在13%-18%左右, 主要分布在九湖镇、下谷坪镇以及林区主要道路沿线。中等人类足迹区域占比在20%左右, 主要是林区主要道路沿线缓冲区。较低人类足迹区域和低人类足迹区域占比最高, 保持在50%以上, 以林区的林地、草地等为主, 尤其是神农架自然保护区及其周边区域。
3.3 人类活动与生境质量空间相关性分析基于GeoDa 095i软件, 采用queen contiguity空间矩阵, 测度出1995-2015年间神农架林区1km格网尺度下人类活动与生境质量的双变量全局空间自相关Moran′s I指数, 分别为-0.179、-0.212、-0.213、-0.216和-0.215, 且在0.001水平上显著。1995-2015年间, 研究区人类活动与生境质量之间具有显著的空间负相关, 表明人类活动强度的加大会导致生境质量的恶化。双变量空间自相关检验表明人类活动与生境质量之间具有显著的空间依赖效应, 1995-2015年间产生了显著负向外部性。这表明研究期间神农架林区人类活动强度的加大, 包括建设用地的扩张、旅游活动的增多等, 对于林区生境质量产生了剧烈的扰动。
1995-2015年间, 高-低类型(高生境质量和低人类活动类型区)是神农架林区最主要的关系类型(图 4)。其主要分布在神农架林区中西部的高海拔地区, 尤其是神农架自然保护区和神农架生物保护区分布较显著, 相关的保护与管理政策为维持高生境质量奠定了重要基础;低-高类型(低生境质量和高人类活动类型区)分布范围也相对较大。其主要分布在林区地势较为平缓的地区, 包括主要行政区(如松柏镇、阳日镇、木鱼镇和新华镇)周边;高-高类型(高生境质量和高人类活动类型区)和低-低类型(低生境质量和低人类活动类型区)在神农架林区也有出现, 但数量相对较少。其中, 高-高类型主要分布在高生境质量边缘地区, 如自然保护区沿边道路附近, 在道路交通的建设过程中, 尽管沿线附近的生境质量受到一定的影响, 但在边坡绿化等相应的保护措施下, 生境质量得到了较为充分的维持和保护。
![]() |
图 4 1995-2015年神农架林区1km格网尺度人类足迹指数与生境质量空间LISA聚类图 Fig. 4 LISA cluster maps between human footprint index and habitat quality at 1km scale in Shennongjia Forest Region from 1995 to 2015 |
研究利用ArcGIS 10.2分别进行了最小二乘法模型和地理加权回归模型的分析, 得到的AICc值分别为-2124.328和-4217.234。当最小二乘法模型和地理加权回归模型AICc值的差值大于3时, 表示地理加权回归模型的模拟结果更加合理[39], 本研究中二者差值为2092.906, 表明地理加权回归模型的结果优于最小二乘法模型的结果。同时地理加权回归模型的R2也明显增加至0.552, 进一步表明选取地理加权回归模型拟合结果更适用于本次研究(图 5)。
![]() |
图 5 1995-2015年神农架林区1km格网尺度人类足迹指数回归系数空间分布图 Fig. 5 Spatial distribution map of human footprint index regression coefficient at 1km scale in Shennongjia Forest Region from 1995 to 2015 |
从时间尺度上看, 1995-2015年间神农架林区人类足迹指数对生境质量的负面影响愈加显著, 回归系数从1995年的0.017波动降低至2015年的-0.027, 负面影响区域占比从1995年的61.266%逐渐升至2015年的71.095%, 表明随着人类活动强度和广度的增加, 神农架林区的生境质量受到的负面影响程度逐渐加深。然而下谷坪东北部, 即神农顶旅游景区周边, 从1995-2015年一直保持正相关关系, 且正相关效应逐渐加深, 回归系数分布在0.032-0.093之间, 说明该区域人类活动影响下的生境质量呈上升趋势, 由于该旅游景区作为神农架的“王牌”景区, 对周边环境的水平要求较高, 开发建设过程中人为地进行生态环境的改善, 包括林地草地恢复、居住区移民搬迁等, 对生境质量起到了一定的保护作用。
从空间尺度上看, 人类活动对生境质量影响的空间差异较大, 系数值整体上呈现出中间低边缘高的特征, 且中间大范围区域为负值, 边缘及中间部分小范围区域为正值, 表明人类活动对生境质量的影响以负面效应为主。这主要由于神农架林区中部地区的地类以林地和草地为主, 而林草地自然本底较为脆弱, 对于人类活动的影响更为敏感, 导致中部地区负相关关系更为显著。其中红坪镇西部, 即塔坪原始森林周边区域的负面效应较明显, 回归系数分布在-0.528--0.399之间, 说明在该区域人类活动引起的生境质量下降幅度更大, 由于该地区农业活动较频繁, 烟叶种植等人类活动因素对于林地的干扰较为明显。
4 讨论与结论 4.1 讨论神农架林区拥有世界级生态资源, 生态环境本底良好, 然而在社会经济发展、产业结构不断转变的背景下, 人类活动成为影响区域生境质量的主要驱动力[40]。神农架林区GDP从1995年的10670万元增长至2015年的209513万元, 社会经济活动强度愈发显著。直到2015年底, 神农架林区三次产业比重为9.4∶36.9∶53.7, 以旅游业为主的第三产业投资额同比增长23.2%, 生产总值达到103075万元。神农大道、坪阡古镇等大量旅游基础设施和服务设施的开发建设与投入使用, 导致建设用地增加、人类活动密集, 影响区域生境质量。
1995-2015年间神农架林区60%以上区域生境质量较高, 这与神农架林区的主要用地类型为林草地有关。林区中部植被覆盖率和海拔均较高, 人迹罕至, 生态环境保护较好, 生物多样性较丰富, 该部分区域则生境质量较高;13%左右的区域生境质量较低, 即林区中南部和东北部, 包括人口数量最多的松柏镇、阳日镇和木鱼镇三个主要镇区, 产业活动密集且强度大, 对于生态环境的影响破坏程度最为剧烈, 导致生境质量等级较低。1995-2015年间林区人类足迹指数西低东高, 呈现两极化趋势, 西部以神农架自然保护区为主, 主要由于被划定为受严格保护的区域, 明令禁止耕种、放牧等人类活动;而东部区域, 特别是东北部区域, 城镇较集中, 各类开发建设活动逐渐扩张, 人类活动强度不断加强, 人类足迹指数则随之增加。
1995-2015年间神农架林区人类活动与生境质量双变量全局空间自相关Moran′s I指数分析显示, 林区人类活动与生境质量具有显著的空间负相关, 随着人类活动强度的加大, 对生境质量产生了剧烈的扰动。高-低和高-高类型区表明生态环境管理和保护意义显著, 而低-低类型区则需要加强生态修复, 未来可考虑纳入严格管理范围, 低-高类型区可通过适度减少旅游活动, 提高土地集约利用度, 以提高生境质量水平。最后研究引入地理加权回归模型, 将1995-2015年间人类活动对生境质量影响进行空间分异分析, 得出林区人类活动对生境质量的影响空间差异较大, 以负面效应为主, 且负面影响程度不断加深。神农架林区中部大范围区域, 人类活动与生境质量大致负相关, 主要由于该区域以林地和草地为主, 而且保有大面积的原始森林, 然而纯天然的环境更容易受到人类活动的干扰和破坏, 开山伐木, 垦荒种地等开发性活动严重造成了生态退化, 降低了神农架林区的生境质量;同时也有少数区域人类活动对生境质量显示正相关效应, 这与神农架林区人为进行生态环境保护有关, 人工建设生态廊桥、生态移民搬迁等人类“退”生物“进”的管理政策, 对于林区生境质量的保护与提高提供了保障。未来对神农架林区生境质量的保护与提高可在此回归分析的基础上, 注意关注不同区域的特点与功能, 有针对性地进行开发与保护, 对负面效应显著区域进行严格管理把控, 通过退耕、集约利用建设用地等方式, 在保持生境质量稳定的同时, 借助人为保护手段增强生境适宜度, 提高区域生境质量。
本研究基于InVEST模型对神农架林区生境质量进行分析, 既能得出定量分析结果, 也能将生境质量结果可视化分析, 对神农架林区20年长时间序列生境质量变化做出快速评价;同时采用人类足迹指数的方法, 在前期研究的基础上, 增加了神农架林区的旅游景点(区)的影响, 有利于更加全面地表征研究区的人类活动;最后研究1km格网尺度下1995-2015年间神农架林区人类活动与生境质量的空间关系以及人类活动对生境质量的影响, 便于综合考虑自身格网单元要素及邻近格网单元或者是更远格网单元要素的影响, 对于相关保护区的边界设定具有指导意义。研究的不足及未来需要改进的方面主要有:(1)对于人类足迹指数的测度, 在指标叠加过程中的权重确定方法较为主观, 未来研究可以将主客观方法相结合则更为严谨;(2)对于研究尺度设定, 未来可采取多样化的格网尺度分别对研究区进行对比研究, 以探索多尺度下不同变量的相关关系, 科学协调人类活动与生态保护间的关系, 提高生态保护规划的实施效果。
4.2 结论基于神农架林区1995-2015年5期土地利用遥感监测数据, 借助InVEST模型进行1995-2015年神农架林区的生境质量评估, 采用多指标叠加分析进行1995-2015年人类足迹指数测度, 运用双变量空间自相关与地理加权回归模型, 分析并揭示了神农架林区人类活动与生境质量的空间关系以及人类活动对生境质量的影响程度。研究结果如下:
(1) 1995-2015年间, 神农架林区生境质量水平保持较稳定, 无剧烈变化, 但是等级分布总体呈零散状。神农架林区生境质量水平从1995年的0.849降至2015年的0.835, 但是在2005-2010年间有略微上升, 其中超过60%的区域处于较高生境质量和高生境质量类。
(2) 1995-2015年间, 神农架林区人类足迹指数变化较大, 呈现“两极化”的发展趋势, 呈现“西部低, 东北高”的空间分布特征, 主要道路沿线人类足迹指数偏高。
(3) 1995-2015年间, 神农架林区人类活动与生境质量之间存在显著的空间依赖效应, 二者具有显著的空间负相关, 表明人类活动强度的加大会导致生境质量的恶化。其中,神农架林区中部人类活动对生境质量的影响以负面效应为主且愈加显著, 局部小范围区域显示正相关效应。
[1] |
Li S C, Wu J S, Gong J, Li S W. Human footprint in Tibet: assessing the spatial layout and effectiveness of nature reserves. Science of the Total Environment, 2018, 621: 18-29. DOI:10.1016/j.scitotenv.2017.11.216 |
[2] |
陈万旭, 李江风, 曾杰, 冉端, 杨斌. 中国土地利用变化生态环境效应的空间分异性与形成机理. 地理研究, 2019, 38(9): 2173-2187. |
[3] |
刘世梁, 刘芦萌, 武雪, 侯笑云, 赵爽, 刘国华. 区域生态效应研究中人类活动强度定量化评价. 生态学报, 2018, 38(19): 6797-6809. |
[4] |
徐勇, 孙晓一, 汤青. 陆地表层人类活动强度: 概念、方法及应用. 地理学报, 2015, 70(7): 1068-1079. |
[5] |
包玉斌, 刘康, 李婷, 胡胜. 基于InVEST模型的土地利用变化对生境的影响——以陕西省黄河湿地自然保护区为例. 干旱区研究, 2015, 32(3): 622-629. |
[6] |
刘春芳, 王川. 基于土地利用变化的黄土丘陵区生境质量时空演变特征——以榆中县为例. 生态学报, 2018, 38(20): 7300-7311. |
[7] |
陈妍, 乔飞, 江磊. 基于InVEST模型的土地利用格局变化对区域尺度生境质量的评估研究——以北京为例. 北京大学学报: 自然科学版, 2016, 52(3): 553-562. |
[8] |
Li H P, Qi Y N, Qu Y Y. Use a spatial analysis model to assess habitat quality in Lashihai watershed. Journal of Resources and Ecology, 2018, 9(6): 622-631. DOI:10.5814/j.issn.1674-764x.2018.06.005 |
[9] |
Billionnet A. Mathematical optimization ideas for biodiversity conservation. European Journal of Operational Research, 2013, 231(3): 514-534. DOI:10.1016/j.ejor.2013.03.025 |
[10] |
祝萍, 黄麟, 肖桐, 王军邦. 中国典型自然保护区生境状况时空变化特征. 地理学报, 2018, 73(1): 92-103. |
[11] |
王琼, 范志平, 李法云, 鞠文鹏. 蒲河流域河流生境质量综合评价及其与水质响应关系. 生态学杂志, 2015, 34(2): 516-523. |
[12] |
王玉, 傅碧天, 吕永鹏, 杨凯, 车越. 基于SolVES模型的生态系统服务社会价值评估——以吴淞炮台湾湿地森林公园为例. 应用生态学报, 2016, 27(6): 1767-1774. |
[13] |
刘振生, 高惠, 滕丽微, 苏云, 王晓勤, 孔芳毅. 基于MAXENT模型的贺兰山岩羊生境适宜性评价. 生态学报, 2013, 33(22): 7243-7249. |
[14] |
Zhang L, Dzakpasu M, Chen R, Wang X C. Validity and utility of ecological footprint accounting: a state-of-the-art review. Sustainable Cities and Society, 2017, 32: 411-416. DOI:10.1016/j.scs.2017.04.016 |
[15] |
邓越, 蒋卫国, 王文杰, 吕金霞, 陈坤. 城市扩张导致京津冀区域生境质量下降. 生态学报, 2018, 38(12): 4516-4525. |
[16] |
Wong C P, Jiang B, Kinzig A P, Lee K N, Ouyang Z Y. Linking ecosystem characteristics to final ecosystem services for public policy. Ecology Letters, 2015, 18(1): 108-118. DOI:10.1111/ele.12389 |
[17] |
Buckley R, Zhou R, Zhong L S. How pristine are China's parks?. Frontiers in Ecology and Evolution, 2016, 4: 136. |
[18] |
Sanderson E W, Jaiteh M, Levy M A, Redford K H, Wannebo A V, Woolmer G. The human footprint and the last of the wild. BioScience, 2002, 52(10): 891-904. DOI:10.1641/0006-3568(2002)052[0891:THFATL]2.0.CO;2 |
[19] |
彭建, 王仰麟, 吴健生. 净初级生产力的人类占用: 一种衡量区域可持续发展的新方法. 自然资源学报, 2007, 22(1): 153-158. DOI:10.3321/j.issn:1000-3037.2007.01.018 |
[20] |
冯志贤, 张继贤, 侯伟, 翟亮. 基于地表覆盖分类的生态环境人为干扰度分析——以北京市为例. 生态学杂志, 2017, 36(2): 508-516. |
[21] |
Dodds W K, Perkin J S, Gerken J E. Human impact on freshwater ecosystem services: a global perspective. Environmental Science & Technology, 2013, 47(16): 9061-9068. |
[22] |
徐小任, 徐勇. 黄土高原地区人类活动强度时空变化分析. 地理研究, 2017, 36(4): 661-672. |
[23] |
荣益, 李超, 许策, 严岩. 城镇化过程中生态系统服务价值变化及人类活动影响的空间分异——以黄骅市为例. 生态学杂志, 2017, 36(5): 1374-1381. |
[24] |
Magalhães J L L, Lopes M A, De Queiroz H L. Development of a Flooded Forest Anthropization Index (FFAI) applied to Amazonian areas under pressure from different human activities. Ecological Indicators, 2015, 48: 440-447. DOI:10.1016/j.ecolind.2014.09.002 |
[25] |
Klein-Banai C, Theis T L. An urban university's ecological footprint and the effect of climate change. Ecological Indicators, 2011, 11(3): 857-860. DOI:10.1016/j.ecolind.2010.11.002 |
[26] |
王金哲, 张光辉, 聂振龙, 严明疆. 滹沱河流域平原区人类活动强度的定量评价. 干旱区资源与环境, 2009, 23(10): 41-44. |
[27] |
胡志斌, 何兴元, 李月辉, 朱教君, 李小玉. 人类活动影响下岷江上游景观变化分析. 生态学杂志, 2007, 26(5): 700-705. DOI:10.3321/j.issn:1000-4890.2007.05.016 |
[28] |
Han Z, Cui B S. Development of an integrated stress index to determine multiple anthropogenic stresses on macrophyte biomass and richness in ponds. Ecological Engineering, 2016, 90: 151-162. DOI:10.1016/j.ecoleng.2016.01.051 |
[29] |
Li J Y, Zhao Y, Xu Q H, Zheng Z, Lu H Y, Luo Y L, Li Y C, Li C H, Seppä H. Human influence as a potential source of bias in pollen-based quantitative climate reconstructions. Quaternary Science Reviews, 2014, 99: 112-121. DOI:10.1016/j.quascirev.2014.06.005 |
[30] |
连喜红, 祁元, 王宏伟, 张金龙, 杨瑞. 人类活动影响下的青海湖流域生态系统服务空间格局. 冰川冻土, 2019, 41(5): 1254-1263. |
[31] |
Wartenberg D. Multivariate spatial correlation: a method for exploratory geographical analysis. Geographical Analysis, 1985, 17(4): 263-283. |
[32] |
侯鹏, 王桥, 申文明, 翟俊, 刘慧明, 杨旻. 生态系统综合评估研究进展: 内涵、框架与挑战. 地理研究, 2015, 34(10): 1809-1823. |
[33] |
陈万旭, 李江风, 朱丽君. 长江中游地区生态系统服务价值空间分异及敏感性分析. 自然资源学报, 2019, 34(2): 325-337. |
[34] |
南箔, 杨子寒, 毕旭, 付奇, 李波. 生态系统服务价值与人类活动的时空关联分析——以长江中游华阳河湖群地区为例. 中国环境科学, 2018, 38(9): 3531-3541. DOI:10.3969/j.issn.1000-6923.2018.09.040 |
[35] |
冯舒, 孙然好, 陈利顶. 基于土地利用格局变化的北京市生境质量时空演变研究. 生态学报, 2018, 38(12): 4167-4179. |
[36] |
许学工, 彭慧芳, 徐勤政. 海岸带快速城市化的土地资源冲突与协调——以山东半岛为例. 北京大学学报: 自然科学版, 2006, 42(4): 527-533. DOI:10.3321/j.issn:0479-8023.2006.04.018 |
[37] |
Anselin L. Local indicators of spatial association-LISA. Geographical Analysis, 1995, 27(2): 93-115. |
[38] |
Anselin L, Rey S J. Modern Spatial Econometrics in Practice: A Guide to GeoDa, GeoDaSpace and PySAL. Chicago: GeoDa Press, 2014.
|
[39] |
Brunsdon C, Fotheringham S, Charlton M. Geographically weighted regression. Journal of the Royal Statistical Society: Series D (The Statistician), 1998, 47(3): 431-443. DOI:10.1111/1467-9884.00145 |
[40] |
Bresee M K, Moine J L, Mather S, Brosofske K D, Chen J Q, Crow T R, Rademacher J. Disturbance and landscape dynamics in the Chequamegon National Forest Wisconsin, USA, from 1972 to 2001. Landscape Ecology, 2004, 19(3): 291-309. DOI:10.1023/B:LAND.0000030419.27883.40 |