多空间粒度下镇江市土地利用景观格局差异

冀亚哲，张小林，吴江国，李红波

（南京师范大学地理科学学院，江苏 南京 210046）

1 引言

在地学和生态学研究中,研究尺度效应需要解答的问题主要在于：（l）在哪种尺度上,可以正确地表达特定的地理现象？（2）如何有效地将数据和信息从一种尺度转换为另一种尺度[1]？（3）原始数据和信息经过尺度转换后,会出现何种信息的损失或效应？即不同尺度的数据反映相同的地物和现象时的差异如何[2]？多尺度空间分析是进行尺度效应分析的基础,是发现和识别景观等级结构和特征尺度的主要方法[3]。目前,越来越多的研究者开始注重从不同角度与尺度进行景观格局综合研究[4],其文献在生态学中占很大比重[5-6]。景观指数已在景观生态学中广泛应用,但它们本身对不同景观特征和分析尺度的响应及其生态学意义尚不是很清楚[7],许多学者对基于1∶50000以下小比例尺的景观指数粒度效应进行了研究[8-16],对不同比例尺的矢量数据如何选择适宜粒度的研究也有涉及[16-19]。中国在20世纪90年代以来开展了以县为单位的土地利用现状调查,全国大部分地区获得以1∶10000为主比例尺的土地利用现状数据,成为土地利用规划和资源管理的基础数据,也是开展景观生态分析的主要数据源。基于调查数据,国内目前研究主要集中在对景观格局的分析上[20-24],但鲜有基于全国第二次土地利用调查数据有关1∶10000比例尺下土地利用景观格局的粒度差异的研究。

本文以镇江市1∶10000土地利用现状调查数据为基础,选择常用景观指数[25-26],在ArcGIS 9.3平台上通过计算土地利用景观在4种空间粒度[27]（30 m×30 m、100 m×100 m、500 m×500 m和1000 m×1000 m）下的景观格局指数,分析土地利用景观指数的差异和各土地利用景观类型格局变化规律,并结合不同空间粒度下的空间概率转移矩阵对不同空间粒度下景观格局的差异做出补充解释,为土地利用现状数据开展景观格局分析,指导土地资源利用规划和保护提供理论依据。

2 研究区概况

镇江市地处江苏省中南部,介于北纬31°37′—32°19′、东经118°58′—119°58′之间,北面濒临长江,东南与常州市接壤,西面毗邻南京市,下辖丹徒、京口、润州三个区和镇江新区,以及丹阳、扬中和句容三个县级市,土地总面积为3845.90 km2。市域内地势西高东低,南高北低,呈波状起伏,地貌特征以丘陵岗地为主。属北亚热带季风气候,气候温暖,雨量充沛,光、热、水资源较丰富。

3 资料及方法

3.1 数据来源与预处理

数据选自镇江市土地利用总体规划第二轮修编（2006—2020年）的土地利用现状图,即2009年度全国第二次土地调查成果,比例尺为1∶10000,原始数据为镇江市各县（区）.shp矢量文件,进行空间拼接后采用高斯克吕格投影。2009年度全国第二次土地调查数据采用了2007年国土资源部颁布的《第二次全国土地调查技术规程》,对土地利用现状进行二级分类,其中一级类12个、二级类57个。本文主要采用一级分类,运用ArcGIS 9.3软件通过SQL查询从研究区的土地利用现状数据提取二级类后将地类归并为8类,分别是耕地、园地、林地、草地、交通运输用地、水域及水利设施用地、城镇村及工矿用地和其他土地（主要是设施农用地、田坎和沼泽地）。

3.2 指标计算与技术路线

基于ArcGIS 9.3软件平台,利用Spatial Analyst模块将镇江市土地利用现状图（2009年）的矢量数据转为栅格数据,土地利用类型用整型数据格式编号。栅格取值采用中心属性值原则,即网格取值以栅格单元框架中心点的属性值作为输出值[28]。分别以30 m、100 m、500 m和1000 m为像元大小得到4幅景观类型栅格图（Grid）,用Fragstats 3.3计算景观格局指数,然后将4幅栅格图转换为相应空间粒度的矢量图（图1,封二）,作叠置分析,得到4种空间粒度下的景观类型转移概率。景观指数依据前人的研究[29]和研究区特点,在景观水平上选取斑块密度（PD）等8个指标,在类型水平上选取景观类型百分比（PLAND）等6个指标,从面积、分布状态、多样性等方面研究多空间粒度下土地利用景观格局差异[30]。

4 多空间粒度下的景观类型数量特征

从现状图和土地利用景观结构（图2,封二）分析得出,镇江土地利用景观以耕地为主,比例为50.89%,位列第一,显示耕地的基质特性,而人工景观—城镇村及工矿用地则位列第二位,说明镇江人类活动对土地干扰大,而水域与水利设施用地排在第三位,则说明研究区作为沿江城市、江南水乡,水域景观丰富的特点。

4.1 景观类型数量变化特征

如图3所示,总体而言,随着空间粒度的增加,行政区外围边界被进一步简化,景观总面积有所减少。在变化幅度方面,耕地、水域与水利设施用地和城镇村及工矿用地的变化较为明显；园地、林地、草地、交通运输用地和其他土地的变化较小。通过各景观类型的变化幅度与景观现状的对比,可以得出,土地利用景观随粒度变化的幅度与景观类型现状面积呈正相关。而在由于空间粒度变化所导致的景观类型的面积变化所占各景观类型现状面积比例方面（图4）,对尺度较不敏感的则是耕地、园地、林地、交通运输用地、水域水利设施用地和城镇村及工矿用地,而较敏感的则是草地和其他土地。草地和其他土地在镇江分布有限,平均斑块面积较小,当栅格大小为500 m和1000 m时,部分草地和其他土地斑块被完全融入其邻近的大型斑块中。与变化幅度不同的是,土地利用景观随粒度变化的百分比与景观类型面积呈负相关。

4.2 景观类型之间的转换关系

由表1可知,在现状图转成30 m×30 m空间粒度时,景观类型自身之间的流转概率最高,基本在95%左右。各景观类型主要流向为耕地,显示耕地景观的基质特性；而城镇村及工矿用地是第二大类型景观,因此该景观也是其他景观流入的主要景观类型。随着空间粒度的增加,景观类型之间的转换概率增加,其中影响最为明显的是交通运输用地,其自身流转量仅达55.92%,而与在30 m空间粒度下各景观类型转换关系有所不同的也是交通运输用地,在30 m空间粒度下,交通运输用地主要流向耕地和城镇村及工矿用地,而在100 m,交通运输用地空间粒度下的情况则相反。

在空间粒度500 m×500 m下的景观类型之间的主要流转关系则与100 m×100 m空间粒度基本相同,不同的是城镇村及工矿用地转入水域及水利设施用地的比例超过转入交通运输用地；交通运输用地自身的流转量最低,仅达19.32%。

在空间粒度1000 m×1000 m下的景观类型之间的主要流转关系则与500 m×500 m空间粒度基本相同,不同的则是交通运输用地的主要流向表现与30 m×30 m空间粒度下相同,主要入耕地和城镇村及工矿用地。

表1 由现状图转4种粒度的转移概率矩阵 单位:%Tab.1 The probability matrix which converted from the original data to four spatial granularities unit: %

图3 4种空间粒度下各类型面积与现状图面积差Fig.3 The difference of the original data with the calculated one under four spatial granularities

图4 4种空间粒度下各类型面积与现状图面积差占该类型百分比Fig.4 The difference percent of the original data with the calculated one under four spatial granularities

综上而言,随着空间粒度的变化,各类型景观之间的主要流向基本相同,稍有不同的则是交通运输流入耕地和城镇村及工矿用地的量出现反复,但二者之间并未表现太大的差距,总体表现为随空间粒度的增加,空间邻接程度高的景观类型之间流入流出比例高；空间粒度的变化导致各景观类型主要流向的往复同时也反映了中心属性原则的随机性。

5 多空间粒度下的景观格局变化特征

5.1 景观水平分析

利用Fragstats 3.3计算4种空间粒度下的景观水平上景观指数（表2）,景观水平的指数4种空间粒度下的变化大致分为三类,第一类是以斑块密度（PD）为代表随粒度增加而减小型,第二类则是以最大斑块指数（LPI）为代表的随粒度增加而增大型,第三类则是香农多样性指数（SHDI）和香农均度指数（SHEI）为代表的较为稳定型。5.1.1 景观特征指数分析 斑块密度（PD）愈大,景观的破碎程度愈大,景观异质性愈高[32]。斑块密度（PD）相应地由30 m度破碎化程空间粒度的3.36个/km2持续减少到0.17个/km2。斑块数和斑块密度减少说明了景观破碎度降低。最大斑块指数（LPI）是一种简单的优势度衡量法。最大斑块指数（LPI）有所增加,从空间粒度30 m×30 m的9.29%上升到空间粒度1000 m大斑块面积的46.79%,说明研究区中最大斑块和最小斑块面积的差距增加,斑块面积向趋于不均匀的方向发展,随着空间粒度的增加,某一景观类型被归入另一景观类型。从表1看出,具有廊道效应的交通运输用地和水域及水利设施用地在粒度的变化过程中,主要流向了耕地和城镇村及工矿用地,当栅格大小超过道路和河流的宽度后,廊道开始破碎、断开,与相邻的耕地和城镇用地斑块开始融合,从而导致最大斑块面积增大。

表2 景观水平上的景观格局指数变化Tab.2 The landscape-level indices regarding the four spatial granularities

5.1.2 景观空间构型分析 描述景观空间构型的指数包括蔓延度指数（CONTAG）、同类相邻百分比（PLADJ）、聚集度指数（AI）以及景观分割度指数（DIVISION）等。蔓延度指数描述景观中不同景观类型的团聚程度,取值范围0—100%,取值小表明景观由许多分散的小斑块组成,取值大表明景观由少数团聚的大斑块组成。4种空间粒度下景观蔓延度指数均小于60%,说明研究区景观比较破碎,小斑块比较多,这主要是由于苏南地区人口压力较大,对土地干扰较大。景观分割度是度量景观可分离性的指数,取值范围0—1,当景观由一个斑块组成时,该值为0,当景观由一个像元大小的小斑块组成时,景观分割度趋近于1。随着空间粒度的增加,研究区景观蔓延度指数由56.90持续下降到36.15,聚集度指数由91.14持续下降到49.83,而景观分割度指数由0.98持续下降到0.77。研究区景观蔓延度指数、同类相邻百分比、聚集度指数和景观分割度指数持续相对下降。说明景观的空间连接性上升,景观要素类型空间分布不均衡,优势斑块类型的比例上升,其他斑块类型的优势度下降,斑块分布更为分散。

5.1.3 景观多样性指数分析 香农多样性指数（SHDI）、香农均度指数（SHEI）是一种基于信息理论的测量指数。多样性指数反映景观类型的多少和景观中斑块的多度和异质性。均匀度指数描述景观各组分分配均匀程度。其值越大,表明景观各组成成分分配越均匀。随着空间粒度的变化,研究区的SHDI和SHEI基本保持不变,这就表明中心值法基本保证了景观类型数目和各景观类型百分比不变。

5.2 斑块类型水平上景观变化分析

5.2.1 斑块结构特征分析 景观类型上的景观指数如表3,4种空间粒度的斑块类型百分比（PLAND）以及景观类型转移矩阵（表1）表明,研究区的优势景观类型为耕地和城镇村及工矿用地。采用中心值为基础处理方法,当空间粒度变化时,各景观类型的面积比重没有明显变化,这与景观水平上的SHDI和SHEI得出结论是一致的。研究区各类景观的斑块密度均较小,城镇村及工矿用地和交通运输用地破碎度高,受人类活动影响最为强烈,而水域及水利设施用地破碎度高则是由于苏南地区水量充沛、水系发达、坑塘水面较多。从空间粒度30 m×30 m变化为1000 m×1000 m过程中,8种景观类型在空间粒度增加的过程中斑块密度均大致呈减小趋势,表明斑块破碎化降低。交通运输用地和水域及水利设施用地在空间粒度增加的过程中,斑块密度呈现增加后减少的趋势,这是因为随着空间粒度的增加,栅格大小超过廊道宽度后,廊道的断开导致景观的斑块连通性降低[31]。耕地LPI最大,其次是水域及水利设施用地和城镇村及工矿用地。说明研究区耕地占绝对优势,其次是水域及水利设施用地和城镇村及工矿用地,这与研究区的基质类型为耕地的分析一致。从随空间粒度变化趋势来看,耕地和城镇村及工矿用地LPI有所增加,其他6个景观类型的LPI有所减少。耕地LPI增加说明了耕地在该研究区面积上呈增大、空间上呈连片的趋势；城镇村及工矿用地的LPI增加主要是因为随着空间粒度的增加,交通运输用地流入城镇村及工矿用地,中心城区和镇区斑块面积扩大并趋于成片成团的分布,在景观中的优势增加。其他6个景观类型的LPI则基本保持不变。

表3 类型水平上的景观指数变化Tab.3 The category-level indices of landscape regarding four spatial granularities

5.2.2 斑块聚集度分析 研究区耕地的聚集度AI值最大,其次是林地,交通运输用地的聚集度AI值最小,说明耕地斑块相对较大,交通运输用地相对分散分布。从空间粒度变化趋势来看,8个景观类型的聚集度均有所下降,说明其斑块间分布趋于分散；而草地和其他土地聚集度下降较为明显。平均邻近距离（ENN_MN）分析表征草地和其他土地的平均距离增大趋势明显,与聚集度（AI）分析一致。

5.2.3 斑块连接性分析 耕地、林地、交通运输用地和水域及水利设施用地的COHESION较高,接近100,说明连通性较好,其他土地的COHESION最低,说明其空间分布相对分散,连通性较低。从随空间粒度变化趋势来看,其他土地、交通运输用地、草地和园地连通性下降较快,耕地基本没有发生变化。这是因为其他土地、草地和园地这3类景观类型本身斑块较小,其零星土地进一步转化为其他类型景观,交通运输用地则是与LPI分析结果一致,空间粒度的增加导致其支离破碎,连通性降低。

6 结论与讨论

以1∶10000土地利用现状图为基础,得到30 m×30 m、100 m×100 m、500 m×500 m和1000 m×1000 m 4种空间粒度下的土地利用景观格局,通过计算其空间转移概率矩阵和景观格局指数,得到的结论如下：

（1）土地利用数据具有尺度效应。在不同的空间尺度上,土地利用景观所表观的特性不一样。尺度变化必然引起土地利用景观的相应变化,在本文中主要表现为土地利用景观类型的归类合并。

（2）采用中心属性原则所得到的4种空间粒度下土地利用景观格局,与1∶10000土地利用现状图相比,耕地和城镇村及工矿用地等优势景观面积变化幅度大,而景观中所占比重较小的景观类型（草地和其他土地）则对空间粒度变化较为敏感,相对于自身现状面积的变化比重大。

（3）随着空间粒度的变化,各类型景观之间的主要流向基本相同,概率矩阵总体表现为随空间粒度的增加,空间邻接程度高的景观类型之间流入流出比例高。景观类型的之间的转换概率大小反映了各景观类型之间的空间关联程度,各景观类型主要流向为耕地,显示耕地景观的基质特性,其他景观类型则镶嵌其中；而城镇村及工矿用地是第二大类型景观,因此该景观也是其他景观流入的主要景观类型。

（4）景观水平上,随着空间粒度的增加,破碎度减小；景观的空间连接性上升,景观要素类型空间分布不均衡,优势斑块类型的比例上升,其他斑块类型的优势度下降,斑块分布更为分散；空间粒度转化所采用中心值原则保证各景观类型组分与现状图保持基本一致。类型水平上,景观基质（耕地景观）面积上呈增大、空间上呈连片趋势；景观廊道（交通运输用地和水域及水利设施用地）则表现为斑块形状变得较为简单、连通性降低、逐渐被分割。

基于ArcGIS软件平台,利用空间转移概率矩阵和景观格局指数,能有效的分析多空间粒度下土地利用景观格局差异,而空间转移概率矩阵能有效的解释景观格局指数差异。不同空间粒度下的概率转移矩阵对分析各个土地利用景观类型间的空间邻接关系有积极意义；不同的景观格局指数对空间粒度变化的响应不同,不同的景观类型对空间粒度变化的响应也有所不同,且本文选用的中心属性值法与研究结果也有一定的关联。对于某一特定的景观类需要选择合适的空间粒度,需要作进一步的研究。充分利用全国第二次土地利用调查的1∶10000比例尺成果数据开展景观分析,对于指导土地利用规划和资源保护具有重要意义。

（References）:

［1］ MARCEAU D.I., HAY G.J.Remote sensing contributions to the scale issue［J］.Canadian journal of remote sensing,1999,25（4）：357-366.

［2］ 刘明亮,唐先明,刘纪远,等.基于1 km格网的空间数据尺度效应研究［J］.遥感学报,2001,5（3）：183-190.

［3］ 蔡博峰,于嵘.景观生态学中的尺度分析方法［J］.生态学报,2008,28（5）：2279-2287.

［4］ 彭建,王仰麟,张源,等.滇西北生态脆弱区土地利用变化及其生态效应［J］.地理学报,2004,59（4）：629-638.

［5］ 肖笃宁,李秀珍.当代景观生态学的进展和展望［J］.地理科学,1997, 17（4）: 356-363.

［6］ 李秀珍.从第十五届美国景观生态学年会看当前景观生态学发展的热点和前沿［J］.生态学报,2000,20 （6）：1113-1115.

［7］ 邬建国.景观生态学中的十大研究论题［J］.生态学报,2004,24（9）：2074-2076.

［8］ Peternson G D.Scaling ecological dynamics: Self-organization hierarchical structure and ecological resilience［J］.Climate Change,2000,（44）：291-309.

［9］ Lam N, Quattrochi D A.On the issues of scale, resolution, and fractural analysis in the mapping sciences［J］.The Professional Geographer,1992,（44）：88-987.

［10］ Qi Y.,WuJ.G.Effects of changing spatial resolution on the results of landscape pattern analysis using spatial autocorrelation indice［J］.Landscape Ecology,1996,11（1）：39-49.

［11］ Wu J,ShenW,SunW,et al.Empirical patterns of the effects of changing scale on landscape metrics［J］.Landscape Ecology,2002,（17）：761-782.

［12］ Wu J.Effects of change scale on landscape pattern analysis:scaling relations［J］.Landscape Ecology,2004,19：125-138.

［13］ 国庆喜,肖少英.粒度效应对城—乡过渡区景观格局分析的影响［J］.东北林业大学学报,2004,32（2）：49-51.

［14］ 吕一河,傅伯杰.生态学中的尺度及尺度转换方法［J］.生态学报,2001,21（12）：2097-2104.

［15］ 申卫军,邬建国,林永标,等.空间粒度变化对景观格局分析的影响［J］.生态学报,2003,23（12）：2506-2519.

［16］ 赵文武,傅伯杰,陈利顶.景观指数的粒度变化效应［J］.第四纪研究,2003,23（3）：326-333.

［17］ 杨存建,刘纪元,张增祥,等.土地利用数据尺度转换的精度损失分析［J］.山地学报,2001,19（3）：258-264.

［18］ 杨丽,甄霖,谢高地,等.泾河流域景观指数的粒度效应分析［J］.资源科学,2007,29（2）：183-187.

［19］ 孟陈,李俊祥,朱颖,等.粒度变化对上海市景观格局分析的影响［J］.生态学杂志,2007,26（7）：1138-1142.

［20］ 周月梅,陈志强.长泰县土地利用景观格局分析及对策［J］.福建师范大学学报（自然科学版）,2005,21（1）：98-102.

［21］ 焦峰,温仲明,王飞,等.黄土丘陵县域尺度整体景观格局分析［J］.水土保持学报,2005,19（2）：167-170.

［22］ 张树华,王百田.晋西黄土丘陵县域景观格局分析［J］.水土保持研究,2007,14（2）：249-251.

［23］ 何丙辉,徐霞,辜世贤.潼南县土地利用景观格局特征分析［J］.水土保持研究,2002,12（5）：130-133.

［24］ 吕一河,陈利顶,傅伯杰.县域人类活动与景观格局分析［J］.生态学报,2004,24（9）：1833-1838.

［25］ 张金屯,邱扬,郑凤英.景观格局的数量研究方法［J］.山地学报,2000,18（4）：346-352.

［26］ http://www.umass.edu/landeco/research/fragstats/downloads/fragstats-downloads.htm［EB/OL］.2002-10-17 / 2012-08-01.

［27］ 邬建国.景观生态学——格局、过程、尺度与等级（第二版）［M］.北京:高等教育出版社, 2007：117-119.

［28］ HeHS, StephenJV, MladenoffDJ,et al.Effects of spatial aggregation approaches on classified landsat TM satellite imagery［J］.International Journal of Geogrphic Information Science, 2002, 16（1）：93-109.

［29］ 周伟,钟星,袁春.1∶10000比例尺土地利用景观指数的粒度效应分析［J］.中国土地科学,2010,24（11）：20-26.

［30］ 龚建周,夏北成,李楠,等.快速城市化地区土地覆盖景观特征的粒度效应［J］.生态学报,2006,26（7）：2198-2206.

［31］ 陈利顶,傅伯杰.黄河三角洲地区人类活动对景观结构的影响——以山东省东营市为例［J］.生态学报, 1996,16（4）: 337-344.

［32］ 朱明,濮励杰,李建龙.遥感影像空间分辨率及粒度变化对城市景观格局分析的影响［J］.生态学报,2008,28（6）: 2753-2763.