基于不同粒度的湿地土地利用生态风险及其景观指数动态1)

张长勤 李鑫 孙力 董斌 李欣阳 汪庆 盛书薇 杨李 杨少文 汪涛

(安徽农业大学，合肥，230036)

景观生态学中，时间粒度是指某一现象或事件发生的频率或时间间隔;空间粒度是指景观中最小的可辨识单元所代表的特征长度、面积或体积［1］。景观指数在土地利用生态风险的预测中具有重要的指示作用，传统的景观指数计算大多通过Fragstats软件进行运算;但是，空间数据因聚合而改变其粒度或栅格单元的大小时，分析结果也会随之改变［2］。粒度往往反映了不同的生态学过程在不同空间尺度上所起的主导作用，由于生态系统的等级性、生态过程中的多尺度特征及土地利用景观格局对生态过程的影响，均随尺度的变化而表现出不同的特征，因此，相同的景观格局在不同的景观尺度下可能得出不同的结果［3］。湿地，被称为“地球之肾”。按照《国际湿地公约》定义，广义的湿地不仅是指天然或人工、常久或暂时的沼泽地、湿原、泥炭地或水域地带，还指静止或流动、或为淡水、半咸水或咸水水体者，包括低潮时水深不超过6m 的水域。由于湿地的原生性和脆弱性，导致湿地土地利用生态风险对粒度效应的响应更为剧烈。近年来，粒度效应越来越广泛的应用于土地利用生态风险等景观格局研究领域。殷贺等［4］指出，传统的研究框架，已经不能适应区域土地利用生态风险评价的要求，需要分析尺度特征才能实现不同尺度下的土地利用生态风险的协调和对接。傅丽华等［5］指出，要借助景观粒度效应，在区域土地利用生态风险研究中建立新的土地利用评价体系。冀亚哲等［6］运用GIS 和景观分析手段，研究不同粒度和矢量数据之间的变化特征和机理。徐丽等［7］运用变异函数和拟合函数，对合肥市2002年土地利用景观指数进行了分析。此外，在国际上，Almo Farina［8］最早提出的景观等级与结构理论是景观尺度分析的主要理论之一。Xu Shenlai［9］等将景观指数运用到城市景观强度中，并分析不同的时间粒度下景观指数对城市景观强度的影响。传统的粒度研究，大多集中于对不同空间粒度景观指数的简单的比较，很少将空间和时间粒度结合，引入到湿地土地利用生态风险评价。鉴于此，本文以安徽省升金湖国家自然保护区(以下简称保护区)为研究对象，运用ArcGIS 软件和Fragstats 软件，将保护区的土地利用分类模板进行30、50、100、300、500 m 的栅格重采样，分析景观指数变化情况，构建土地利用生态风险评价综合模型，提高综合模型准确性，为保护区的土地资源利用及管理提供科学依据。根据粒度调整后的评价模型得出的生态风险系数呈现上升趋势。生态风险的上升导致过冬的鸟类数量减少，据统计，1986—2011年间，保护区内白头鹤的数量由517 只减少到了494 只，白鹤由32只减少到了0 只。

1 研究区域概况

升金湖国家自然保护区，位于安徽省池州市境内，濒临长江(116°55' ～117°15'E，30°15' ～30°30'N)。1986年，升金湖保护区经安徽省人民政府批准建立，1997年晋升为国家级自然保护区，是以保护淡水湖泊系统和珍稀、濒危鸟类为主体的湿地类型保护区。保护区总面积为33 340 hm2，其中升金湖湖面面积13 300 hm2。升金湖是长江中下游极少受到污染的浅水湖泊，水质优良。保护区以升金湖为主体，由升金湖及周围的滩地组成，区内生物资源极其丰富，生物种类繁多。

2 研究方法

基础数据为1986、2002、2011年的Landsat TM时相相近的遥感数据。辅助数据包括SPOT5、1∶ 1万地形图、保护区功能区划图、DEM 数字高程、土壤图以及1986、2002、2011年保护区土地利用分类图(见图1)、保护区景观数据。

遥感数据处理:以Landsat TM 遥感数据为基本数据源，利用Edras 图像处理软件对Landsat TM 遥感影像(1986、2002、2011年)进行遥感影像裁剪、校正、掩膜等预处理，建立保护区土地利用分类图。将土地利用类型分为8 类:建设用地、草地、耕地、林地、水域、未利用地、交通用地、园地，并对解译精度进行kappa 系数验证和野外实测验证。经检验，建立的土地利用分类模板kappa 系数均达到85%以上。野外实测验证共采集208 个点，其中有183 个点与分类结果相一致，相一致系数达到87.98%，符合遥感影像监督分类精度要求。

图1 1986—2011年研究区土地利用分类

粒度划分及评价模型建立:运用ArcGIS 软件对1986、2002、2011年的土地利用分类图进行栅格重分类，将每年的土地利用分类模板划分粒度为30、50、100、300、500 m 的土地利用分类图;运用Fragstats 软件求解不同粒度不同年份的景观数据，分析景观数据变化情况;运用层次分析法及线性回归法建立土地利用生态风险评价模型。

马尔科夫链模型:马尔科夫链是数学中具有马尔科夫性质离散的时间随机过程。运用马尔科夫链模型，根据土地分类后的景观数据，结合土地利用生态风险评价模型，预测2015、2020年保护区的土地利用生态风险状况，为土地利用及管理提供科学依据，防止土地利用生态风险恶化［10］。

3 结果与分析

3.1 景观指数在不同粒度下的变化特征

通过ArcGIS 软件对分类后的土地利用栅格图进行栅格重分类，将研究区域划分为粒度为30、50、100、300、500 m 的栅格图，并运用Fragstats 软件和Excle 软件进行景观数据分析(见图2)和变异系数分析(见表1)。通过统计分析，本文共选取了10 个与土地利用生态风险相关性较大的景观数据进行分析建模，包括边缘密度(ED)、景观形状指数(LSI)、拼块平均大小(MPS)、香农多样性指标(SHDI)、香农均匀度指标(SHEI)、Simpson 多样性指标(SIDI)、Simpson 均匀度指标(SIEI)、修正Simpson 均匀度指标(MSIEI)、修正Simpson 多样性指标(MSIDI)、边缘面积分维(PFARC)。

由图2，结合表1可知，随着时间和空间粒度的变化，研究区各景观指数也表现出不同的变化趋势，说明粒度的变化对景观指数的变化具有明显的作用。其中边缘密度和景观形状指数，总体呈现下降趋势，并且在300 m 处有较明显的拐点。拼块平均大小、香农多样性指标、香农均匀度指标、Simpson 均匀性指标、修正Simpson 均匀度指标和修正Simpson多样性指标，总体呈现上升趋势，且在50 m 处有较为明显的拐点。Simpson 多样性指标及边缘面积分维，随时间和空间粒度的波动较大，随着时间粒度和空间粒度的变化呈现先增后降的趋势，且在100 m处有明显的拐点。此外，从景观指数的变异系数上分析得出，边缘密度、景观形状指数、拼块平均大小、香农多样性指标、修正Simpson 多样性指标、边缘面积分维，对粒度变化较为敏感;而香农均匀度指标、Simpson 多样性指标、Simpson 均匀度指标以及修正Simpson 均匀度指标，对粒度变化的反应不敏感。

图2 1986—2011年研究区域景观指数随粒度变化

表1 研究区域景观指数在粒度变化下的变异系数

3.2 土地利用生态风险评价

不同的景观指数，对土地利用生态风险具有不同的指向作用，其对土地利用生态风险的意义也不同;因此，建立土地利用生态风险与景观指数之间的关系模型，有利于科学合理的预测土地利用生态风险的变化情况［11］。但传统意义上的综合模型，只是简单的考虑了单一粒度或者是多种空间粒度情况下的景观指数与土地利用生态风险的关系，并没有将空间粒度与时间粒度相结合，建立土地利用生态风险评价模型。由于湿地系统的原生态性和多样性，因此，建立合适的空间粒度有利于科学合理的预测湿地的土地利用生态风险。

通过相关性分析可知，在所选择的景观因子中，边缘密度和景观形状指数呈现负相关;而拼块平均大小、香农多样性指标、香农均匀度指标、Simpson 均匀性指标、修正Simpson 均匀度指标、修正Simpson多样性指标，与粒度呈现正相关。通过统计分析可知，在所有景观因子中，除拼块平均大小与粒度之间的关系较小，其他景观指数相关系数均达到0.884，大于0.5;故将粒度因素引入综合模型中，有利于提高土地利用生态风险评价模型的评价精度，提高土地利用决策的科学性。基于此，本文选取了粒度影响下的边缘密度(X1)、景观形状指数(X2)、香农多样性指数(X3)、香农均匀度指数(X4)、Simpson 多样性指标(X5)、Simpson 均匀度指标(X6)、修正Simpson 均匀度指标(X7)、修正Simpson 多样性指标(X8)、边缘面积分维(X9)，为土地利用生态风险(Y)综合评价模型的影响因子;通过层次分析法可得出各因子所占权重(见表2)，且各因子的随机一致性比率小于0.1，层次单排序结果有满意的一致性。

通过线性回归方法将粒度引入景观指数。由统计分析可知，在选择的9 个景观因子中，边缘密度与景观形状指数的特征值大于1，且主成分累积贡献率达到91.9%，故选取边缘密度与景观形状指数作为第一和第二主成分［12］。由此可得出，在粒度影响下的调整后的景观指数综合模型(Y1):

将所有调整后的景观指数，乘以其在土地利用生态风险评价中的权重，可得出研究区域土地利用生态风险(Y)的综合评价模型:

对综合模型进行回归平方和分析，因变量土地利用生态风险的观测值，主要受土地利用景观因子X1～X9的影响;故需要由回归方程进行方差分析，以确保综合模型的科学性。由统计分析可知，其回归平方和为0.575 6，且其置信水平在0.01 以下，说明建立的回归模型是显著的。

表2 土地利用生态风险景观因子权重

3.3 土地利用生态风险预测

根据研究区域不同年份不同粒度的景观指数，选择适宜的粒度对研究湿地土地利用生态风险尤为重要。在此基础上，运用马尔科夫链可以得到以5 a为一个步长的不同粒度下的景观指数，本文仅以2015年和2020年为例(见表3)，并由图2得出研究区域的适宜粒度，分析粒度对应的土地利用生态风险。由图2可知，本文选取的景观指数的第一尺度域多集中在30 ～50 m 和300 ～500 m;但由于香农均匀度指标、Simpson 多样性指标、Simpson 均匀度指标、修正Simpson 均匀度指标，对粒度变化的反应不敏感，故在选取适宜粒度时偏向于选取30 ～50 m。

由研究区域土地利用生态风险综合评价模型及图3可知，研究区域的土地利用生态风险呈现先降后升的趋势。土地利用生态风险，从198 6年的1.31 下降到了2002年的1.29，随后又上升到2011年的2.01;且高土地利用生态风险，主要集中在研究区域的西北角和东北角，这与研究区域的越冬鸟类数量变化相一致。据统计，1986—2011年间，保护区内白头鹤的数量由517 只减少到了494 只，白鹤由32 只减少到0 只;而白头鹤与白鹤，主要集中在研究区域的东北角和西北角。这与研究区域，对土地利用生态系统保护的重视程度以及研究区域土地资源开发状况有关。最近几年，由于研究区域土地利用生态系统的重视程度有所下降、土地资源的管理权利不集中、土地资源开发不合理、土地管理体系不健全，导致研究区域，特别是研究区域西北角和东北角的土地利用生态风险系数有所提高。通过马尔科夫链的运算，可以预测出2015年和2020年的土地利用生态风险，将分别达到2.32 和2.72。由于研究区域属于典型的湿地生态系统，生态环境具有脆弱性和破坏后不易修复的特性，土地利用生态风险的上升也必将引起整个湿地生态系统的破坏［13］。

表3 2015—2020年升金湖湿地保护区景观指数

图3 1986、2002、2011年研究区域土地利用生态风险插值

4 讨论

土地利用景观数据取值与研究区域的景观粒度选择密切相关，一般研究区域范围越小的地区对于粒度的精准度要求越高。在本文中，研究区域的边缘密度和景观形状指数与景观粒度呈现负相关，而拼块平均大小、香农多样性指标、香农均匀度指标、Simpson 均匀性指标、修正Simpson 均匀度指标、修正Simpson 多样性指标与粒度呈现正相关。这与徐丽等［7］运用变异函数和拟合函数，对合肥市2002年土地利用景观指数进行分析得出的结论相一致，即空间粒度变化对景观指数的影响是显著的。景观指数，不仅是作为土地利用生态风险评价的一个重要指标因子，同时也是最能反映土地利用生态风险的表征。传统意义上的研究，大多仅限于对单一时间粒度下的空间粒度的研究，或者是单一空间粒度下的时间粒度的研究，很少将时间粒度与空间粒度相结合进行研究。本研究在评价生态风险时，根据总体的粒度变化特征以及升金湖湿地的状况，对升金湖国家自然保护区进行土地利用生态风险评价分析的适宜粒度为30 ～50 m。

研究区域的土地利用生态风险，呈现先降后升的趋势;从1986年的1.31 下降到2002年的1.29，到2011年上升到2.01。这与研究区域，在不同时期对土地资源的管理力度以及对湿地土地利用生态系统的重视程度密切相关。早期，研究区域，对土地资源等其他农业资源的开发，多采用粗放型的发展模式;对土地和渔业资源的无节制开发和利用，也直接导致了21 世纪初该区生态环境持续恶化，鱼类和鸟类数量急剧下降;随后，该区加大了对研究区域土地资源和其他农业资源的开发管理力度，生态风险也随之有所下降，生态环境得到一定程度的改善。但由于生产生活的需要，研究区域的管理力度、管理设施无法与该区的社会经济发展相适应，特别是对保护区管理权限的划定不合理，使该区的生态环境保护面临较为严峻的挑战。到2011年，研究区域的土地利用生态风险不降反升，生态环境面临严重挑战。

本文选取了9 个景观数据，作为土地利用生态风险的评价因子，并将景观指数的粒度效应引入模型中，有利于提高土地利用评价模型的准确性与科学性。但并非所有的景观指数与土地利用生态风险呈现线性关系，故在今后的研究中需要予以区别对待。

本文选取了9 个景观指数，作为土地利用生态风险评价的因子，但其中有3 个对粒度的变化不是很敏感。此外，不同的景观指数对粒度的反应各不相同。因此，在研究粒度对土地利用风险评价时，要分不同情况进行分析。

［1］ 肖笃宁，李秀珍，高俊，等.景观生态学［M］.北京:科学出版社，2003.

［2］ Fu Bojie，Liang Di，Lu Nan.Landscape ecology:coupling of pattern，process，and scale［J］.Chinese Geographical Science，2011，21(4):385－391.

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

［4］ 殷贺，王仰麟，蔡佳亮，等.区域生态风险评价研究进展［J］.生态学杂志，2009，28(5):969－975.

［5］ 傅丽华，张晔，彭淑华.景观尺度土地利用生态风险评价指标体系构建［J］.湖南师范大学自然科学学报，2011，34(2):89－94.

［6］ 冀亚哲，张小林，吴江国，等.聚落景观格局的空间粒度转换响应及其机理分析:以江苏省镇江地区为例［J］.长江流域资源与环境，2013，22(3):322－330.

［7］ 徐丽，卞晓庆，秦小林，等.空间粒度变化对合肥市景观格局指数的影响［J］.应用生态学报，2010，21(5):1167－1173.

［8］ Almo Farina.Principles and methods in landscape ecology［M］.London:Hanson Science，1998:153－208.

［9］ Xu Shenlai.An approach to analyzing the intensity of the daytime surface urban heat island effect at a local scale［J］.Environment Monitoring and Assessment，2009，151(1/4):289－300.

［10］ 罗格平，张百平.干旱区可持续土地利用模式分析:以天山北坡为例［J］.地理学报，2006，61(11):1160－1170.

［11］ 刘琼，欧名豪，彭晓英.基于马尔柯夫过程的区域土地利用结构预测研究:以江苏省昆山市为例［J］.南京农业大学学报，2005，28(3):107－112.

［12］ 黎聪，李晓文.衡水湖湿地恢复预案空间模拟及生态风险评价［J］.环境科学学报，2010，30(6):1312－1321.

［13］ 周利军，张雪萍，陈设.扎龙自然保护区土地利用变化与生态风险评价［J］.自然灾害学报，2009，18(2):186－190.