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镶嵌, 具有典型的空间异质性和尺度依赖性^[1-2]。明确景观格局的尺度效应是揭示景观格局及其变化的重要前提, 合适的尺度是生态学研究中的起点和基础, 影响生态系统格局和过程规律分析的准确程度, 最终影响到研究成果的科学性和实用性^[3-5]。而进行生态系统和生态过程的大尺度生态问题研究时, 需进行小尺度景观数据信息的跨尺度传递, 最大程度的保留原生态过程的景观格局特征, 因此探讨中小尺度下的景观格局特征以及在各尺度之间的信息传递变化规律则是研究景观格局尺度效应的基础。

景观格局的尺度效应主要涉及空间粒度、空间幅度和同时考虑空间粒度和空间幅度三个方面。已有的研究案例多聚焦某一固定空间幅度中的空间粒度变化对景观格局的影响。例如, 市级行政区^[6-|10]、区县级行政区^[11-13]、小流域^[14-16]及三峡库区^[17-20]、青海湖流域^[21]等特定区域^[22]。在不同空间幅度对景观格局的影响方面研究较少, 主要以不同空间幅度大小的移动窗口^[23-25]和从研究区域中心向外扩展^[26-29]进行景观格局分析。空间尺度的幅度和粒度不是割裂的, 当前研究多只针对空间幅度和空间粒度的单一方面进行分析, 少有同时兼顾空间幅度和粒度的景观格局分析^[30], 且同一水平尺度域内的景观格局特征推演比较容易, 垂直跨越多个尺度域的景观格局分析较复杂^[4]。因此, 亟待明确景观在不同空间幅度研究区的粒度响应特征。

用景观指数描述景观格局及其变化, 是景观生态学最常用的定量化研究方法。目前大多通过景观指数在不同粒度下的变化趋势分析景观整体格局和各景观类型的响应, 现有研究显示景观指数对尺度变化的响应具有一定的线性或非线性特征。近年来, 景观指数响应曲线进行拟合函数分析的研究开始受到关注, 主要包括幂函数、二次多项式函数、对数函数、线性函数、分段阶梯函数等函数拟合^{[21, 31-37]}, 但目前仍以响应曲线的粗略转折点位置为依据, 较少根据拟合函数的特征进行适宜粒度阈值的分析, 而利用拟合函数的顶点、最大曲率点等特殊点进行阈值推算精确且具有普适性。

秭归县是三峡库区重要的低山丘陵地貌区, 是三峡库区的坝上第一县, 是我国退耕还林示范县和国家林草局退耕还林科技支撑示范点, 正开展建设“山水林田湖草”生命共同体综合治理示范模式。三峡库区是《全国重要生态系统保护和修复重大工程总体规划(2021—2035年)》中的水土保持国家重点生态功能区。随着生态环境治理的进行, 三峡库区的植被覆盖率逐年提升、生态环境有所改善, 但仍然存在林草植被质量整体不高, 水土流失、生物多样性受损严重等问题, 总体水平仍较为脆弱, 生态承载力和环境容量仍有不足, 经济发展带来的生态保护压力依然较大。多尺度景观格局的变化特征和分析粒度阈值在三峡库区这一地形复杂和人地关系较为紧张的区域需进一步明确。本文以湖北省秭归县为研究区域, 基于高分辨率影像的解译数据, 选取主要的景观格局指数, 在县域、乡镇和小流域尺度上进行景观格局的粒度效应分析, 并进行拟合函数分析以探讨多尺度上景观格局的粒度响应特征, 分析垂直尺度上不同尺度之间景观格局特征的变化以及推演各空间幅度上的适宜粒度阈值, 为后续景观格局、生态系统功能分析与森林景观恢复和生态修复等提供研究基础和空间粒度大小选择的参考。

1 研究区概况

秭归县(110°59′34″E—110°20′26″E, 30°38′22″N—31°11′28″N)位于三峡库区库首(图 1), 面积为2427km²。秭归县下辖8镇4乡, 乡镇的平均面积为189km², 分布有251个小流域, 平均面积为9.03 km²。总体地势南高北低, 最高点在西南部, 地形地貌主要以山地丘陵为主。

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秭归县土地利用矢量数据、空间分辨率为10m的高程数据、行政区划数据和小流域边界数据。土地利用数据以秭归县2018年0.2m空间分辨率的航空摄影影像数据为基础, 结合实地调查进行目视解译获得。根据《土地利用现状分类标准GB/T21010—2017》并结合实际地域特征, 将秭归县的土地利用数据分为九类, 包括耕地、园地、林地、草地、工矿用地、住宅用地、交通运输用地、水域、其它用地。小流域的边界数据由数字高程模型(Digital Elevation Model, DEM)数据以流量10000cell为阈值进行水文分析得到, 共251个小流域。

2.2 空间尺度的选择

空间幅度方面选取垂直等级上面积大小不同的县域、乡镇、小流域三个幅度, 面积逐步扩大, 分别呈21、13倍的递增关系。空间粒度方面, 将土地利用现状图矢量数据转化为栅格数据, 栅格像元的大小即为空间粒度的大小。矢量数据转换栅格数据主要有三种属性分配原则, 如图 2所示：(1)中心要素分配属性值原则, 位于栅格单元中心位置的面要素a决定像元的属性。(2)最大面积要素分配属性值原则, 栅格单元内最大面积的单个要素b决定像元的属性。(3)最大合并面积要素分配属性值原则, 栅格单元内多个相同属性的要素合并后, 具有最大面积的要素c决定像元的值。借鉴前人的研究和数据计算的数量将土地利用矢量数据分别按照三种属性分配原则转换成粒度大小为1、2、3、4、5、7、9、1 0、12、15、20、25、30、40、50、90、100、120、150、180、200、300、400m的栅格数据以进行最佳属性分配原则的选择和景观指数分析。

2.3 景观指数的选择

景观指数的选择对景观格局的分析至关重要, 景观指数包括斑块、类型和景观3种水平。本文以景观水平分析为主, 在综合国内外研究和避免冗余分析的基础上^[38-41], 选取如下指数：组成特征方面选取斑块密度(Patch Density, PD)、边缘密度(Edge Density, ED)、最大斑块面积指数(Largest Patch Index, LPI)、平均斑块大小(Mean Patch Size, AREA_MN), 形状特征方面选取景观形状指数(Landscape Shape Index, LSI)、平均形状指数(Mean Patch Shape Index, SHAPE_MN)、周长面积分维数(Perimeter-Area Fractal Dimension, PAFRAC)、平均分维数(Mean Patch Fractal Dimension, FRAC_MN), 聚散性方面选取蔓延度指数(Contagion Index, CONTAG)、相似邻接比例指数(Percentage of Like Adjacency, PLADJ)、散布与并列指数(Interspersion and Juxtaposition Index, IJI)、分离度指数(Splitting Index, SPLIT)、景观分割度指数(Landscape Division Index, DIVISION)、凝聚度指数(Patch Cohesion Index, COHESION)、斑块连接度指数(Connectance Index, CONNECT)、聚合度(Aggregation Index, AI), 多样性特征方面选取香农多样性指数(Shannon′s Diversity Index, SHDI)和辛普森多样性指数(Simpson′s Diversity Index, SIDI)。

2.4 研究方法

在ArcGIS10.4软件中, 按照最大面积要素分配原则、最大合并面积要素分配原则、中间要素分配原则三种属性分配原则, 将秭归县土地利用类型的矢量数据以1、2、3、4、5、7、9、10、12、15、20、25、30、40、50、90、100、120、150、180、200、300、400m为空间粒度进行栅格化, 根据实际面积与各属性分配原则生成的面积相比, 分析三种属性分配原则的优劣, 从中挑选最适合的属性分配原则, 继而进行12个乡镇和251个小流域矢量数据不同空间粒度的栅格化, 共计6072幅栅格数据。通过Fragstats4.2软件进行景观指数计算, 分别统计12个乡镇和251个小流域的景观指数平均值代表乡镇幅度和小流域幅度的景观指数, 并以空间粒度大小为x轴, 景观指数数值为Y轴绘制折线图, 分析景观格局指数的粒度响应变化。选择线性函数、指数函数和幂函数等拟合景观指数对粒度变化的响应曲线, 选择拟合度最高的函数, 根据其拟合函数的特性(最大曲率点、极值点)选取景观分析的适宜粒度范围。其中最大曲率点公式如下^[42]：

式中, y″(x)为二阶导数, y′(x)为一阶导数。

3 结果与分析 3.1 不同属性分配原则对景观指数的影响

不同属性分配原则产生了景观面积与实际面积的差异, 影响景观指数的粒度响应变化。图 3中左图为不同分配原则下各粒度的景观总面积, 最大面积要素分配原则和最大合并面积要素分配原则下不同粒度的景观面积变化相似, 两者之间差异较小。中间要素分配原则的景观面积变化程度较小, 在粒度增加的过程中有所波动, 总体上升。图 3中右图为各粒度下景观面积与真实面积之差, 三种属性分配原则下的景观面积与实际面积的差异较为明显, 中心要素分配原则与实际面积差异最小更适合用于景观分析。

3.2 景观指数的粒度响应 3.2.1 县域幅度景观指数的粒度响应

县域斑块密度指数的第一处变化发生在5m处, 5—50m呈现急剧降低的状态；边缘密度、景观形状指数、周长面积分维数、蔓延度、相似邻接比例、散布与并列指数和聚合度指数均在1—100m粒度范围内变化显著；最大斑块面积指数在1—30m粒度范围内增加显著；平均斑块大小指数在小于50m的范围内变化和缓, 50—400m粒度范围内增加显著；平均形状指数和平均分维数指数在小于50m的粒度范围内急剧降低；分离度指数和景观分割度指数分别在1—7m和1—30m的粒度范围内急剧降低, 继而波动下降；凝聚度指数整体呈现直线式下降趋势；斑块连接度指数在1—10m粒度范围内下降后在10—300m粒度范围内呈现增加的趋势；多样性指数均在1—100m粒度范围内变化稳定, 100—400m粒度范围内上下波动大(图 4)。

3.2.2 乡镇幅度景观指数的粒度响应

在乡镇幅度层次, 斑块密度指数的增加状态同样也在5m处发生转折；边缘密度指数、相似邻接比例、聚合度指数均在1—100m粒度范围内变化显著；最大斑块面积指数在1—20m粒度范围内增加显著；平均斑块大小指数在1—50m范围内变化和缓；景观形状指数、周长面积分维数、蔓延度在2m和100m处有所转折, 且在100m范围内变化显著；平均形状指数在30m粒度处有转折；平均分维数指数在3m和50m粒度处有转折；散布与并列指数在1—100m粒度范围内下降之后又呈现增加状态, 但在1—5m粒度范围内较稳定；分离度指数和景观分割度指数均分别在1—5m和1—20m粒度范围内下降显著后变化和缓；凝聚度指数整体呈现直线式下降趋势；斑块连接度指数在1—10m迅速下降, 在10—120m粒度范围内呈现增加的趋势, 120—400m粒度范围波动增大；多样性指数均在1—2m内下降显著, 2—200m粒度范围内较稳定, 200—400m范围内波动增加(图 5)。

3.2.3 小流域幅度景观指数的粒度响应

小流域幅度上的景观格局指数变化与乡镇幅度的变化趋势相似, 部分区域存在差异。斑块密度指数先在1—5m粒度范围内增加后到100m范围内显著降低；边缘密度指数、景观形状指数、蔓延度、相似邻接比例指数、聚合度指数在1—100m粒度范围内降低变化显著；最大斑块面积指数在1—20m粒度范围内增加显著, 20—400m粒度范围内变化和缓；平均斑块大小指数在1—50m范围内变化和缓；平均形状指数在25m粒度处发生转折；周长面积分维数在3m和100m粒度处转折显著；平均分维数指数在3m和50m粒度处有转折；散布与并列指数在50m粒度范围内下降后不断增加；分离度指数在1—4m粒度范围内下降迅速后变化和缓；景观分割度指数在1—20m粒度范围内下降显著；凝聚度指数整体呈现直线式下降趋势；斑块连接度指数在1—3m内增加, 3—15m粒度范围内呈现下降的趋势, 15—120m内波动增大, 200—400m范围内不断降低；多样性指数中, 1—50m粒度范围内稳定, 50—400m粒度范围内波动增加(图 6)。

3.3 各尺度景观指数的拟合函数

斑块密度、边缘密度、景观形状指数等景观指数随粒度变化响应的曲线可以高度拟合函数, 且不同空间幅度上的拟合函数参数有所不同(表 1、表 2、表 3)。部分景观指数的响应曲线可以拟合多个函数, 从中选取R²最大的函数进行分析。拟合函数主要为三种：幂函数及其组合、指数函数及其组合和线性函数。对拟合函数求取极值点和最大曲率点, 得出小流域、乡镇、县域三个幅度斑块密度的极值点分别位于为5.65m、5.73m、5.78m处, 最大曲率点均为34m；边缘密度的最大曲率点分别为48m, 46m, 46m；最大斑块指数的最大曲率点分别为7m、9m、9m；平均斑块面积、平均形状指数、平均分维数、蔓延度指数的最大曲率点均为3m；景观形状指数的最大曲率点分别为3m、10m和53m；三个幅度的周长面积分维数最大曲率点均为400m；分离度指数的最大曲率点分别为5m、5m、7m；景观分割度指数的最大曲率点分别为4m、4m、7m；相似邻接比例指数和聚合度的最大曲率点均位于10m处；散布与并列指数的最大曲率点分别为400m、35m、25m。

3.4 不同幅度下景观格局粒度响应的差异特征

县域, 乡镇和小流域三个幅度随着粒度的增加, 各景观指数呈现出不同的变化趋势, 主要为三种变化趋势：总体上升、总体下降和波动变化。边缘密度、景观形状指数、平均形状指数、平均分维数、蔓延度、相似邻接比例、分离度、景观分割度、凝聚度、聚合度均呈现总体下降的趋势, 最大斑块面积指数、平均斑块大小指数、周长面积分维数则呈现总体上升的趋势。斑块密度、散布与并列指数、斑块连接度指数、多样性指数均呈现波动变化(图 7)。

三个幅度水平上斑块密度、边缘密度、聚合度指数的景观指数数值与变化相近, 区别不明显；最大斑块指数中, 乡镇和小流域数值相近且大于县域；平均斑块大小指数中, 1—200m范围内三个幅度的数值相近, 200—400m范围内差异增加且呈现县域>乡镇>小流域的状态；平均形状指数、平均分维数中1—50m范围内数值相近, 50—400m范围内的差异有所增加, 呈现小流域>乡镇>县域的状态。景观形状指数、景观分割度、凝聚度指数和多样性指数数值总体上县域>乡镇>小流域；周长面积分维数中, 乡镇和县域的数值相近且大于小流域的数值；在蔓延度指数中, 50m—150m范围内三个幅度水平的数值交叉, 1—50m内小流域>县域>乡镇, 150—400m内县域>乡镇>小流域；相似邻接比例指数中, 1—50m范围内三个幅度的指数数值相近, 50—400m范围内的差异增加且呈现县域>乡镇>小流域的状态。散布与并列指数中, 1—50m范围内小流域和县域的数值相近且大于乡镇, 50m—400m范围内小流域数值最大, 乡镇数值增加且超过县域；分离度指数中, 总体上县域>乡镇和小流域, 小流域和乡镇数值相近；连接度指数中小流域>乡镇>县域。

综合三个幅度的景观指数转折变化点和拟合函数的最大曲率点、极值点, 县域、乡镇、小流域三个幅度的景观指数适宜粒度见表 4。部分指数如斑块密度、边缘密度、平均斑块大小、周长面积分维数、平均分维数、蔓延度、相似邻接比例、聚合度、凝聚度指数对空间幅度的变化并不敏感, 不适合进行适宜粒度阈值的推定。综合最大斑块面积指数、景观形状指数、平均形状指数、散布与并列指数、分离度、景观分割度、斑块连接度指数的最大曲率点和转折点, 去掉不敏感的粒度值, 选取剩余粒度数值中最小和最大的粒度作为第一尺度阈值和第二尺度阈值, 得出小流域、乡镇、县域的第一尺度阈值分别为3m、4m、7m, 第二尺度阈值分别为50m, 100m, 100m。

4 结论与讨论 4.1 结论

空间数据属性分配聚合原则的差异影响景观指数的结果, 其中心分配属性原则下的面积差异较小, 更为适合景观格局分析。通过分析拟合函数的特征, 利用极值点、最大曲率点特征能够解决人工判断指数转折点的不统一问题, 更合理的找出景观分析的适宜粒度, 如斑块密度的拟合函数极值点位于5.8m处, 精度高于目测的7m。

不同景观指数对空间粒度变化的响应不同, 大部分有明显转折变化, 而凝聚度指数随着粒度变化呈现直线式变化。部分景观指数如斑块密度、最大斑块面积等对斑块形状和大小的变化非常敏感, 部分指数如多样性指数则敏感度较低。不同景观指数对空间幅度大小变化的响应也不同, 景观形状指数、凝聚度、多样性指数和连接度指数的幅度变化敏感性高, 前三者的空间幅度越小, 景观指数越小, 而连通度空间幅度越小, 景观指数越大；斑块密度、边缘密度、聚合度的空间幅度敏感性低, 无明显变化；其他指数空间幅度的变化与空间粒度关系密切, 空间粒度越大, 变化越明显。

斑块密度、边缘密度、平均斑块大小、周长面积分维数、蔓延度、相似邻接比例等指数对空间幅度的变化并不敏感, 不适合进行粒度阈值的推定；最大斑块面积、景观形状指数、平均形状指数、散布与并列指数、分离度、景观分割度、聚合度指数对空间幅度的变化敏感, 适合推定不同幅度上的适宜粒度。小流域、乡镇、县域的第一尺度阈值分别为3m、4m、7m, 第二尺度阈值分别为50m, 100m, 100m, 幅度越小的研究区景观分析的适宜粒度越小, 所需要的空间信息越详细。随着粒度的增加, 空间信息和景观信息丧失度增加, 在一定的粒度达到稳定, 所以在不影响计算的基础上粒度的选择越小越好。

4.2 讨论

目前在三峡库区的景观格局粒度响应研究较少, 且已有的研究仅从库区整个幅度上进行分析^[17-18], 本文对三峡库区低山丘陵区垂直等级上县域、乡镇、小流域不同幅度进行了粒度响应分析, 较前人的研究分析更为全面和深入。研究结果适合在今后的三峡库区生态修复、森林景观恢复等工程中进行应用, 并在应用中验证和推广。

多数研究者基于30m及以上分辨率的数据进行分析, 而30m分辨率的数据已经压缩了景观格局信息, 致使景观适宜粒度的远远大于30m, 而无人机航测等高分辨率数据源产生的矢量数据更好的保留了原有景观格局信息, 所得适宜粒度结果小于前者, 这与李佳佳^[43]、汪桂芳^[44]等人的研究结果相符。

在数据处理过程中, 不同属性分配原则下矢栅转换导致的误差容易被忽略, 多数研究未考虑该误差^{[18, 35, 43]}, 影响结果的可靠性, 本文研究发现中心要素分配属性原则的景观面积与实际面积误差相较于其他原则小, 最适宜景观格局的分析。此外通过栅格数据直接进行聚合也有不同的规则, 适宜原则也需进行下一步探讨。由于栅格化, 各斑块的边界由连续变化的曲线变得平直, 部分反应斑块形状特征的指数, 如景观形状指数, 边缘密度等, 对边界的变化更加敏感, 需要区别与其他景观指数进行分析。目前关于栅格化对景观指数影响的定量分析较少, 接下来可进行深入探讨, 对比栅格和矢量数据的景观指数变化。最大斑块面积、景观形状指数、平均形状指数、散布与并列指数、分离度、景观分割度、聚合度指数对空间幅度的变化敏感度高, 与前人的研究分析基本一致, 代表性强且函数拟合效果较好, 适合推定不同幅度上的适宜粒度, 今后的研究中可通过这些指数进行粒度推定, 减少数据处理量。已有的研究分析大多通过目视判断指数曲线的趋势变化以确定转折点进而确定适宜粒度, 适宜粒度的推定缺乏统一标准和精准度, 而通过景观指数曲线拟合函数的极值点、最大曲率点推断适宜粒度更为精准, 具有一定的普适性。

不同土地利用类型结构和景观基质、斑块、廊道的空间格局分布密切关系景观格局, 也影响景观指数的变化和适宜粒度阈值的选择, 如道路对景观格局的分割、生物廊道连接景观斑块, 前人对不同土地利用类型的景观指数变化研究较多, 基质、廊道的景观结构还需进行深入研究, 且不同的分析方向需重点选择相对应的类型和结构进行探讨以选择适宜的粒度。