景观系统健康是近年来生态系统管理领域的研究热点^[1], 是实现人类社会经济可持续发展的根本保证^[2], 其为区域环境管理提供新思路和新方法^[3-4]。近年来景观生态系统健康以实证研究为主, 聚焦于湿地海岸^[5-6]、城市^[7-8]、草原^[9]、河流^[10-11]以及森林^[12-13]的健康评价, 其研究方法较多通过建立、改进或套用评价指标体系, 部分研究再借助于软件技术手段进行。当前通过遥感技术综合调查数据^[14]、PSR模型^[15]、城市化因素^[16]以及景观自然演替^[17]等实现生态系统健康评估的研究应用也较为常见。景观健康诊断是在时间长河中对景观状态变化的客观诊断, 只有运用比较的观点才会有相对的健康与不健康^[18], 目前景观健康诊断的研究还处在发展上升阶段, 其前沿性研究是将景观生态健康概念与其它生态学理论以及RS与GIS等技术来相结合诊断景观系统健康^[19-20], 但诊断指标体系和诊断模型的构建是其研究的关键^[21], 同时在实际应用中存在指标体系过于庞杂、诊断模型可操作性较差等问题^[22-24], 而且大都未能明确研究区域内景观健康问题突出的地点, 只是通过简洁的数值来进行评价, 也基本上忽略了对评价结果的验证。针对以上关于指标复杂、操作困难、结果不明以及验证不足的问题, 以干旱区山地区域景观为例, 将RS与GIS方法与景观生态学理论相结合, 探索一套关于景观健康诊断的新方法、新模式, 为区域生态系统保护提供数据基础与方法依据。

本文以新疆天山自然遗产地喀拉峻-库尔德宁区域为研究区(包括核心区与缓冲区), 基于多源遥感影像, 通过监督分类、景观格局指数计算, 以景观生态学等理论为基础, 充分考虑研究区景观空间格局对山地类自然遗产地生态系统健康的影响, 运用区域网格分析方法构建评价单元, 根据研究区生态系统特点, 构建景观健康诊断指标体系, 并采用GIS和RS技术, 对研究区1977—2017年间景观健康状态进行时空动态诊断, 进一步丰富新疆天山自然遗产地关于景观生态方向的研究, 为区域景观系统健康诊断提供一种新方法、新思路, 为喀拉峻-库尔德宁区域旅游资源合理开发利用和景观资源可持续发展管理提供基础数据依据和科学技术支撑, 助力于我国自然遗产地保护与管理事业高效平稳的进行, 进而支撑区域生态环境监督管理、推动优化国土空间开发布局、有针对性地实施生态保护修复工程、维护国家和区域生态安全、为建设美丽中国贡献力量。

1 研究区概况

2013年第37届世界遗产大会在柬埔寨金边成功举办, 根据遗产遴选标准(7)和(9), 我国新疆天山包括喀拉峻-库尔德宁区域(伊犁哈萨克自治州)在内的4个片区以“新疆天山”命名成功申请为世界自然遗产。喀拉峻-库尔德宁片区位于新疆伊犁哈萨克自治州巩留县南部与特克斯县东部地区, 自然遗产地核心区面积为1138.88km², 缓冲区面积为893.99km²。该区域被誉为是新疆天山生物多样性最丰富区域^[25], 是天山针叶林和天山山地草原草甸最典型代表；是全球雪岭云杉和中亚野果林的最佳生境区与起源地, 并拥有完整的垂直自然景观带, 是众多第三纪残遗物种的避难所, 号称欧亚大陆腹地野生生物物种“天然基因库”^[26], 拥有天山美学价值最高的景观资源, 代表了新疆天山独特的美学价值, 具备世界级的美学价值和生物生态学价值^[27]；是温带干旱区山地综合自然景观美的最突出代表。研究区位置图(图 1)：

2 研究数据与方法 2.1 数据来源与处理 2.1.1 数据来源

(1) 遥感数据

遥感数据来源于美国地质勘查局网站(https://www.usgs.gov/), 在影像选取中考虑(1)研究区内最好无云干扰；(2)成像时间较为接近；(3)不同时期影像时间序列具有可对比性。选取了MSS、TM、OLI、Sentinel-2类型的5景影像, 影像具体情况表 1所示。

(2) 图件数据

新疆天山自然遗产地喀拉峻-库尔德宁区域缓冲区(.shp)和核心区(.shp)来源于中国科学院新疆生态地理研究所。

(3) 野外实测数据

2017年7月前往研究区深入了解生物多样性和自然景观垂直带分布情况, 2018年7月使用无人机完成正摄飞行17架次, 飞行点位图 2所示。

航测重叠度设置中航向和旁向重叠率为80%和70%, 正射影像云台俯仰角为90°, 飞行高度视实际情况来设定, 一般空旷地点, 高度为80—100m。

2.1.2 数据处理

(1) 遥感影像预处理

通过对获取的影像数据进行拼接、大气校正、辐射校正、影像重采样以及裁剪等预处理, 形成适合开展分类解译的数据。研究区景观类型分为：冰雪、苔原、针叶林、针阔混交林、高覆盖度草地、中覆盖度草地、低覆盖度草地、水体、裸地；关于景观分类体系的建立、精度验证、景观指数的计算、景观格局演变及其生态健康状态的初步评价等成果不再赘述^[28]；本研究中景观分类结果(图 3)是景观健康诊断体系中各指标计算的基础数据。

(2) 无人机数据处理

无人机数据处理流程如下：

1) 导入经过整理后的某一飞行区域相片到PhotoScan软件中。

2)“对齐照片”, 该软件根据航片的位置、海拔以及相似程度等信息将照片自动进行排列, 其中精度选择根据区域照片数量和电脑处理能力, 设置为高或中。

3)“建立密集点云”, 其中质量等级的选择与之前“对齐照片”一致。

4)“生成网格”, 这一模块中表面模型应该选择“任意”, 源数据这一选项要选取“密集点云”, 面数根据成像结果的质量进行设置。

5)“生成纹理”, 到达这一步骤时映射模式应该选“正射影像”, 混合模式应该选“镶嵌”(默认), 纹理大小要设为“4096”。

6)“生成正射影像”, 该步骤中投影要设为“WGS 84”, 完成后进行相片导出。

2.2 研究方法

为科学、准确地反应研究区复杂的景观健康状况, 基于景观分类结果, 依据科学性、综合性、系统性、可比性、实用性及可行性原则, 结合自然遗产地突出普遍价值(OUV, Outstanding universal value)以及研究区景观格局指数, 学习借鉴前人的相关研究, 构建景观健康诊断体系。

2.2.1 景观健康诊断概念模型与诊断体系构建

从景观生态学角度出发, 基于遥感影像和研究区景观时空格局指数, 参考陆丽珍^[29]基于土地利用空间格局, 构建的适用于舟山岛生态系统健康诊断的“活力-组织结构-恢复力-生态系统服务功能”评价指标体系, 遵循科学性、可持续性、系统性、代表性、数据可获取性、普适性、独特性原则^[30], 充分考虑目前区域景观和旅游开发现状、景观格局动态演变过程、遗产地OUV在景观演变中受到威胁的因素、景观资源在区域开发规划过程中承受的压力, 结合景观健康、生态系统健康、生态安全度等研究中的评价体系, 围绕景观受胁迫程度、景观内部与景观相互间的活力状况、突出普遍价值多样性、受干扰后景观恢复能力、景观可提供的社会服务价值五个方面选取景观健康诊断指标, 构建景观健康诊断概念模型(图 4)与体系(表 2), 其中景观胁迫度是反映景观受到威胁程度；景观活力是指景观内部活动状况；景观多样性表现区域OUV的保持状态；景观恢复力是指景观系统受到扰动后；景观服务价值是指各景观对人类社会所提供的物质和生存环境的服务性能。

2.2.2 景观健康诊断方法

景观系统健康状态综合指数SHI：

(1)

式中, SHI_i为i区域景观健康状态综合指数；LSD_i表示i区域景观的景观胁迫度值, LV_i表示i区域景观的景观活力值, LD_i表示i区域景观的景观多样性值, LRF_i表示i区域景观的景观恢复力值, LSV_i表示i区域景观的景观服务价值数；K_LSDk表示k年LSD的权重, K_LVK表示k年LV的权重, K_LDk表示k年LD的权重K_LRFk表示k年LRF的权重, K_LSVk表示k年LSV的权重。

(1) 景观健康诊断指标算法

胁迫度(LSD)：用裸地用景观破碎度和景观分离度^[31]来表示。

景观破碎度指数：

(2)

其中A_i表示i区域景观破碎度；A_ji表示i区域内景观j的破碎度；N_i表示i区域内景观类型数总和；N_ji表示区域i内景观j的总斑块数；S_ji表示区域i内景观j的总面积。

景观分离度指数：

(3)

其中, B_i表示i区域景观分离度；S_i表示i区域面积；S_ij表示区域i内景观j的总面积。

景观活力(LV)：通过植被指数、景观聚集度^[32]、景观结合度^[33]表示。

植被指数：

(4)

其中, C_i表示区域i内植被指数；NDVI_ji表示区域i内j景观植被指数；N_i表示区域i内景观类型数。

景观聚集度指数：

(5)

其中, D_i表示i区域景观聚集度指数；S_ij表示区域i内景观j的总面积；S表示研究区总面积, AI表示整体研究区景观聚集度指数。

景观结合度指数：

(6)

其中, D_i表示i区域景观结合度指数；S_ij表示区域i内景观j的总面积；S表示研究区总面积, CHOESION表示整体研究区景观结合度指数。

景观多样性(LD)：选择Shannon多样性、Shannon均匀度^[34]、景观丰富度^[35]指数表征景观组织结构。

Shannon多样性指数：

(7)

其中, F_i表示i区域景观结合度指数；S_ij表示区域i内景观j的总面积；S表示研究区总面积, SHDI表示整体研究区景观结合度指数。

Shannon均匀度指数：

(8)

其中, G_i表示i区域景观Shannon均匀度指数；F_i表示区域i内景观Shannon多样性指数；m_i表示i区域斑块类型数量。

景观丰富度指数：

(9)

其中, H_i表示i区域景观丰富度指数；N_i表示i区域景观类型数；S_i表示i区域面积。

景观恢复力(LRF)：根据不同景观类型对整体景观系统恢复的贡献和作用, 考虑研究区位于我国伊犁河谷地带, 气候温和湿润与我国西部干旱区气候的差异性, 因此选择参考刘明华^[36]等的研究, 构建适用于本研究区的各类型景观恢复力值(表 3)。

景观恢复力计算公式为:

(10)

式中, R为生态系统总恢复力；A_i为第i种地类面积；R_i为第i种地类的恢复力系数, A为研究区总面积。

景观服务价值(LSV)：是指景观系统能够为人类社会提供物质和生存环境的能力^[37]。基于高亚鸣^[38]等人的研究, 通过计算伊犁河谷地区2001—2012年生态服务价值平均值与景观类型平均值商值, 来代表研究区单位面积景观服务价值。其中水体服务价值较高是由其面积较小导致, 同时也与我国西北干旱区实际相符(表 4)。

景观服务价值指数：

(11)

其中J_i表示i区域景观服务价值指数；S_ij表示i区域j景观面积；W_j表示j景观服务价值。

(2) 指标权重确定与量纲统一

影响新疆天山自然遗产地景观健康状况的指标较多, 且关系复杂, 为确保权重系数的客观性、公正性和科学性, 运用变异系数赋权法确定权重。用V_i表示指标C_i的变异系数, 指标C_i的权重系数公式如下^[39], 指标权重系数表 5。

(12)

量纲统一通过极值归一化方法实现：

(13)

式中, P_i为标准化后i指标值；maxX_i为i指标最大值, min (X_i)为i指标最小值。

(3) 景观健康诊断等级划分

景观健康诊断等级的划分参考陆丽珍关于舟山岛生态系统健康评价的等级划分进行, 景观健康诊断等级表 6所示。

2.2.3 区域景观格网化诊断

为了对研究区内每一处景观健康状况进行诊断, 采用格网化处理^[40-42], 在研究区内生成大小、面积一致的网格(研究区边缘部分除外), 对每一个网格内的景观健康状态进行诊断, 最后以各网格景观健康诊断值为基础, 通过ArcGIS中插值分析^[43-44], 做出研究区景观健康诊断结果图, 使同一年内研究区内每一处景观都将能够被评价到。

(1) 诊断单元

将研究区范围等间距3km×3km网格化, 生成273个网格作为本次研究的诊断单元。网格化依据：1)本研究的影像像元大小为30m×30m, 网格化要为其倍数, 易于分割与比较。2)考虑到如果划分太小, 每一网格将景观分割过于破碎, 将会影响到诊断的准确性。3)经过多次实验认为3km×3km网格大小较为合适比较与数据处理。研究区网格化图 5所示, 网格编号从左下至右上由1至273依次编号。

(2) ArcGIS空间插值

以网格中心点代表整个网格景观健康状态, 将各网格景观健康诊断赋值于网格中心点, 在整个研究区进行反距离权重插值方法进行空间插值分析。

3 结果与分析 3.1 不同区域景观健康诊断

(1) 不同景观健康状况评估

基于研究区1977、1990、1997、2013、2017年景观类型变化情况(表 7), 结合景观格局指数和目前已有研究成果, 分析评估研究区不同景观健康状况。

由表 7可以看出：1977—2017年研究区主要景观为针叶林及各类草地(高、中、低覆盖度草地), 其面积之和分别占5个时段研究区面积的70.51%、76.64%、71.24%、74.89%、73.58%。结合已有景观格局指数分析不同景观生态健康状况^[24]：针叶林景观各年占有率变化起伏小, 1977—2017年面积增加37.16%, 变化率为12%, 景观健康状态为健康；针阔混交林占有率降低, 40年间变化率为-76.89%, 景观健康状态堪忧；草地类景观是研究区的主体景观, 40年间各类型草地占有率变化幅度相对稳定, 景观状态健康稳定, 说明研究区山地草原草甸景观是最典型的代表；冰雪、水体景观总体占有率较低, 但水资源类型景观是西北干旱区各景观类型存在的基础, 而且研究区冰雪、水体景观所见程度较大, 尤其冰雪景观变化率为-84.49%, 全球大环境变化也对景观健康状态造成影响；裸地景观占有率呈现持续扩张态势, 变化率高达62.54%, 裸地面积不断扩张或将导致研究区内植被覆盖程度、整体景观抗干扰度以及自我恢复能力降低。

(2) 不同时期景观健康诊断均值分析

先通过影像分类和指数计算分析, 根据景观健康诊断体系, 计算不同时期各网格区的景观健康诊断值, 其结果非常庞大, 而且不同时期各区域景观健康诊断值对比较难, 因此通过计算不同年份各网格区景观健康诊断的均值, 来实现对景观健康状况的诊断, 表 8所示：

由表 8可以看出各研究时段内景观健康诊断值由高到低排列为：1990年景观健康诊断值最高为0.56, 2017年景观健康诊断值为0.52, 2013年景观健康诊断值为0.48, 1997年景观健康诊断值为0.41, 1977年景观健康诊断值最低为0.33；1977至1990年研究区景观健康状态明显升高, 1990至1997年间研究区景观健康状态降低, 1997至2017年间研究区景观健康状态持续升高；景观健康等级方面：1977年景观健康状况较差, 1990、1997、2013、2017年景观健康状况均为一般。

3.2 景观健康诊断空间插值分析

从不同区域景观健康诊断结果可以看出, 最终结果太过于简洁与概括, 只用一个数值来表达某一年整个研究区的景观健康状况, 无法看出研究区内部景观健康状况在空间上的分布与变化情况, 因此, 以273个网格中心点来代替网格区域, 并将景观健康诊断值赋值于中心点之上, 再通过ArcGIS空间插值方法对研究区景观健康状况进行计算与处理, 得到能够从时间与空间上反应景观健康状况诊断结果图(图 6所示)。同时根据景观健康诊断等级划分, 对273个网格景观健康诊断值进行统计分析(表 9), 从数据上进一步精确反应区域景观健康格局演变状况以及各类健康等级占比。

由图 6和表 9得出：研究区1977年间90.11%的区域景观健康状态为较差, 中北部零星出现8.8%的区域为一般健康, 并非区域内所有景观健康均为较差。1990年间54.21%的区域健康等级为一般, 广泛分布于研究区中部、东南部以及西部部分区域；32.97%的区域景观健康程度为较好, 主要分布在研究区东北、中偏西部分区域, 以及西南少部分区域；还有4.4%、7.69%、0.73%的区域景观健康等级分别为良好、较差和极差, 说明整体呈现一般与较好的区域内还存在较差与极差的景观。1997年间45.79%的区域景观健康状态为一般, 且主要分布于研究区北部；49.45%的区域景观健康等级为较差, 主要分布于南部区域；3.3%的区域景观健康较好且零星出现在健康状况一般的区域中；南部也存在一般健康的区域。2013年间53.11%的区域景观健康状况为一般且分布广泛；29.3%的区域景观健康状况较差, 主要分布于研究区中偏南部高山地带；13.56%区域景观健康状况为较好, 主要在北部区域, 且部分较好的区域内部共出现3.3%景观健康状况为良好的区域。2017年间景观健康状况一般的区域占总面积的53.11%, 分布也与2013年类似；24.54%的区域景观健康等级为较好, 主要分布于中偏西和东北部分区域；17.95%区域景观健康程度较差, 主要出现在南部、西北部。综合1977—2017年来看, 极差这一景观健康等级出现的区域个数较为稳定, 占比最少且分布较为分散；较差的等级在1977年占比最多, 其次是在1997年, 而且自1997年以后较差的占比逐渐呈现下降趋势, 同时发现较差的区域主要是分布在研究区的南部与中偏南部的高山地区；景观健康为一般的占比除了1977年以外其余年相对保持平稳且占比基本超过50%, 1990、2013、2017年分布较为广泛；景观健康等级较好的区域在1990年占比最高为32.97%, 1997—2017年间较好的区域占比也在逐年增加；景观等级为良好的区域个数较少且分布较为分散与极差等级相似。

3.3 无人机正射影像验证诊断结果

通过计算获得的景观健康诊断结果, 应当对其准确性通过一定的方法或数据进行验证, 2018年7月8日至17日对研究区典型区域进行无人机航空摄影测量, 经过处理得到了正射影像。无人机正射影像数据分辨率为厘米级, 正射影像中能够清楚的识别地物, 利用其对景观健康诊断结果进行验证分析比较合适。将正射影像与景观健康诊断结果进行叠加图 7：

通过将2017年景观健康诊断结果与无人机正射影像叠加后可以看出：2018年7月10日4#点位置无人机正射影像区域景观健康状态为较好外, 其余获取的无人机正射影像区域景观健康均为一般。使用正射影像与景观健康结果图叠加, 清楚的看出无人机航拍区域的地物景观, 能够较直观的对景观健康结果进行验证, 证明了本研究的景观健康诊断结果基本符合实际情况, 能够代表当时的景观健康水平, 进而说明构建的景观健康诊断体系具有一定的科学与实际意义。

4 结论与讨论

在景观数据的基础上, 结合其他相关指标与前人研究成果, 构建适合新疆天山自然遗产地喀拉峻-库尔德宁区域景观健康诊断指标体系, 从表征自然遗产地突出普遍价值和景观受干扰因素等方面选取10个诊断指标, 利用变异系数法确定各时期指标权重, 运用景观指数法计算新疆天山自然遗产地喀拉峻-库尔德宁区域的景观健康值, 并结合景观健康诊断等级分析研究区的景观健康状况, 得出如下结论：

(1) 针叶林、草地类景观为研究区主体景观类型, 40年来景观格局变化状况相对保持稳定, 景观健康程度为健康；冰雪、水体、针阔混交林三类景观缩减严重, 景观健康状况堪忧；裸地景观呈现持续扩张态势。

(2) 研究区1977年景观健康等级为较差且诊断值最低, 1990年诊断值最高, 1990、1997、2013、2017年景观健康等级均为一般, 1997至2017年间景观健康诊断值持续升高。

(3) 研究区1977年90%以上区域景观健康等级为较差；1990、2013、2017年超过50%区域景观健康等级为较好；2017年景观健康等级为一般与较好的区域面积几乎持平；1997—2017年间景观健康等级为良好的区域面积逐年增加, 同时较差面积逐年减少；综合1977—2017这40年来看, 整体研究区北部区域景观健康状况要比南部好。

(4) 通过实证研究结果说明建立的景观健康诊断模型可操作性强, 指标具有代表性, 区域网格化与插值分析方法能够全面真实的反应出研究区内景观健康状况, 最后再结合无人机影像对诊断结果进行验证, 进一步体现了整套景观健康诊断过程的科学性与严谨性。

随着保护区与遗产地的建立, 有针对性的保护措施维持了研究区主体景观健康状态, 但针阔混交林受人类活动影响强烈, 景观受破坏程度大, 恢复保护效果不明显。水资源类景观受到全球大气候变化的影响显著, 随着全球变暖的日益加剧面积逐渐减少, 进而导致了裸地面积的不断增加, 如果开发利用资源不当等人类活动影响加大, 今后裸地的扩张或将成为影响整体生态系统健康的重要因素。研究区景观健康诊断值大小与主体景观面积占比有密切关系, 1990年景观健康诊断值最大, 同时主体景观面积在研究时段内占比也最大, 因此研究区内对于主体景观的保护力度不能够松懈。通过将研究区网格化以及插值分析, 能够在大面积呈现一种景观健康等级的区域中明确看出面积很小的其他景观健康等级区域, 例如1990年研究区景观健康诊断值等级为一般, 但其内部还有32.97%区域为较好, 良好、较差和极差部分也有零散, 从整体来看可将占比较少的区域忽略, 但如果从保护生态环境典型区的角度来看较差和极差的区域才是需要进行重点保护的典型区域。人类活动也是影响区域健康状况的重要因素, 1983年西天山自然保护区建立, 2013年新疆天山申遗成功, 保护区管理部门的设立对区域景观健康具有积极作用, 这也是研究区1997年的景观健康比1990年差很多, 一直到2013年以后均呈现好转趋势的原因。最后要说明遥感影像的质量以及景观分类的精度是诊断结果准确程度的基础与根本, 研究区1977年获取的影像传感器为MSS, 其分辨率仅为78 m, 这或许是导致90%以上区域景观健康等级为一般的原因, 早年间科技水平有限, 但今后通过无人机来进行精细化景观健康诊断将是重要的研究方向与技术。