森林景观格局与环境关系及其尺度效应1)——以西洞庭湖区为例

孙拥康 李际平

(湖北省林业科学研究院，武汉，430075) (中南林业科技大学)

森林景观格局与环境关系及其尺度效应1)
——以西洞庭湖区为例

孙拥康 李际平

(湖北省林业科学研究院，武汉，430075) (中南林业科技大学)

在ArcGIS平台支持下，提取西洞庭湖区15种森林景观类型和最具代表性的5个环境因子(海拔、坡度、坡位、坡向、土层厚度)数据库为数据源，引入典范对应分析法，对西洞庭湖区森林景观格局与环境的关系及其尺度效应进行了定量研究。结果表明：随尺度变化，各环境因子与排序轴的相关系数大小呈波动趋势，海拔相关性突出；结合CCA排序图，从排序轴特征值、影响程度和差异性看，森林景观格局与环境的关系都随尺度变化呈现出明显的尺度效应，取样尺度为S4时确定为最佳取样尺度。

森林景观类型；环境因子；典范对应分析；尺度效应；西洞庭湖区

在森林景观的生态演替过程中，景观格局和景观异质性都依尺度变化而不同，必须在一定的时空尺度上对景观格局进行研究才能揭示其内在的演替动态和变异规律[1-3]。在景观尺度上，森林景观格局时空分异主要受环境因子的制约，但其作为一个多维变量，每一维都对森林植被生长所必须的光照、温度、水分、养分等有不同的侧重。因此，环境因子对森林景观格局的影响也存在着不同的尺度特征，不同的尺度特征可能会导致森林景观格局产生不同的梯度变化[4-6]。目前，虽然已有学者对森林景观格局中的尺度转换和尺度效应做了有益的研究和探索，但基于尺度变化的复杂性和许多不确定性，还没有形成一套完整的理论体系和研究方法[7-11]。本研究从不同的取样尺度(即取样面积)入手，运用当前国际最常用的植被群落生态排序软件CANOCO for windows 4.5，将典范对应分析(CCA)排序方法引入到森林景观格局、环境关系、尺度效应的数量分析中，为确定合理的空间取样尺度，揭示不同森林景观类型的空间关系提供科学依据。

1 研究区概况

西洞庭湖地处湖南省西北部常德市，洞庭湖西部，固有“西洞庭湖”之称，主要包括常德市所辖的汉寿县、安乡县、常德县、澧县、津市市、桃源县、临澧县、常德市平原区等，区域总面积为1.422×106hm2。从地势看,位于第2阶梯云贵高原、湘西山地向第3级阶梯洞庭湖平原过渡的交接地带,气候属亚热带季风气候兼有潮湿的山地森林气候特征。年平均气温16.7 ℃，年平均降水量1 348.3 mm，无霜期长达272 d。独特的地理和气候条件，孕育了西洞庭湖区丰富的物种资源。

2 研究方法

2.1 数据来源及预处理

研究数据来源于数字化的西洞庭湖区森林资源二类调查小班数据库和矢量化的森林景观类型图。在地理信息系统软件ArcGIS 9.3技术平台下，通过叠加和数据输出，得到研究区具有小班属性的数字化森林景观复合图层。

2.2 森林景观类型的划分

以森林的优势树种为重点考虑对象，结合地类、起源、龄级对研究区森林景观进行细分。在ArcGIS 9.3技术平台下，把研究区划分为天然马尾松林、人工马尾松林、天然国外松林、人工国外松林、天然杉木林、人工杉木林、人工针阔混交林、天然柏木林、人工柏木林、速生阔叶林、中生阔叶林、慢生阔叶林、竹林、灌木林、经济林15种景观类型，分别以字母A～O表示。

2.3 统一网格样点取样

许多景观格局分析方法是将个体抽象为只具有“点”特征的事件，用概率统计模型或参数加以描述和分析[12]。这些方法不能满足对拥有巨大斑块数量的森林景观复合图层进行分类，因此，须对研究区进行统一网格样点取样[13]。

(1)统一网格样点图层的建立。通过计算得出15种森林景观的平均斑块面积为2.15 hm2，即147 m×147 m。进行整化即150 m×150 m，将其作为取样尺度的基数。在ArcGIS 9.3技术平台下，采用Create Fishnet工具打网格，并添加X、Y坐标，设计8种取样尺度网格：5×5栅格、10×10栅格、15×15栅格、20×20栅格、25×25栅格、30×30栅格、35×35栅格、40×40栅格，代表实际面积分别约为：150 m×150 m、300 m×300 m、450 m×450 m、600 m×600 m、750 m×750 m、900 m×900 m、1 050 m×1 050 m、1 200 m×1 200 m，将每个网格中心点作为LABEL点，得到研究区样点图层。

(2)网格样点取样。用研究区边界图层进行切割，删除边界线外的样点(见图1、图2)，对切割后的样点图层进行统一编号，形成研究区样点属性数据库，本研究共抽取229 427、57 359、25 312、14 371、9 190、6 343、4 692、3 619样方，依次用S1、S2、S3、S4、S5、S6、S7、S8代表8种由小到大的取样尺度。

(3)环境因子赋值。提取数字化小班数据库中的5个环境因子(海拔、坡度、坡位、坡向、土层厚度)，分别以P1、P2、P3、P4、P5表示。等级按照国家林业局《森林资源规划设计调查主要技术规定》的标准进行划分，量化值分为1、2、3、4…级不等，分别作为各环境因子相应量化等级取值(见表1)。

(4)样点观测值。以各尺度下取样样点的树种组成数作为该样点的观测值。

2.4 CCA排序法

典范对应分析是基于对应分析发展而来的一种排序方法。基本要求为两个数据矩阵，一个是物种数据矩阵，一个是环境数据矩阵。其基本思路是先用对应分析法对样方数据(景观类型数据)进行迭代计算，得到样方排序坐标值；再与环境数据进行多元线性回归，得到样方排序坐标值，这个值既反映了样方种类(景观类型)组成及生态重要值对群落(景观)的作用，同时也反映了环境因子的影响；再用样方排序坐标值加权平均求种类(景观类型)排序坐标值，使种类(景观类型)排序坐标值也间接地与环境因子相联系。CCA排序法最大的优点是基于单峰模型的排序方法，使样方排序与对象排序对应分析，而且在排序过程中结合多个环境因子，通过应用分析软件和作图软件，将样方、对象与环境因子的排序结果表示在同一排序图上，对研究区景观数据进行分析[14-16]。

图1 网格样点叠加图层

图2 具有小班属性的网格样点图层

表1 环境因子分级与赋值

3 结果与分析

3.1 CCA前四排序轴与环境因子相关性

通过应用CCA排序法对15种森林景观类型进行相关分析，得到不同尺度下CCA前四排序轴与环境因子的相关系数。由表2可以看出，在不同尺度下，CCA前四排序轴与各环境因子表现出较一致的相关性，即CCA排序的第1轴反映了海拔的突出影响，相关系数依次为：0.374 1、0.213 6、0.466 6、0.680 2、0.778 3、0.470 4、0.649 6、0.747 4，在取样尺度S5时，相关系数最大为0.778 3。

第2轴主要反映坡向的影响，相关系数依次为-0.218 6、0.119 3、0.276 3、-0.343 2、0.275 9、0.263 4、-0.336 8、-0.306 5，在取样尺度S4时，相关系数最大为-0.343 2。

第3轴反映了样方小地形的差异，起主要作用的是坡度和坡位，坡度与排序轴相关系数依次为：0.161 0、0.114 5、-0.128 2、0.112 3、0.202 0、0.114 3、0.203 6、0.132 4，在取样尺度S7时，相关系数最大为0.203 6；坡位与排序轴相关系数依次为：-0.125 8、-0.088 9、0.169 8、0.102 7、-0.178 8、-0.183 9、-0.157 3、-0.238 8，在取样尺度S8时，相关系数最大为-0.238 8。

第4轴则主要反映有关样方所处的土层厚度，相关系数依次为0.159 8、-0.120 6、0.069 8、0.124 4、-0.123 1、-0.151 1、-0.136 2、-0.125 6，在取样尺度S1时，相关系数最大为0.159 8。

另外，环境因子与排序轴相关性随尺度的变化表明：不同的环境因子，着重反映的生境条件不同。第1轴与海拔呈正相关，与坡向呈负相关，说明海拔与坡向存在相反的生态效应，这正好反映了热量的变化趋势；第2轴与坡度、坡位呈正相关，表明二者可以反映生境的水分条件；第3轴与坡向呈正相关，而与坡位呈负相关，说明其主要反映生境的光照条件；第4轴与土层厚度呈正相关，主要反映的是生境中的土壤条件。由此，生境中的热量、水分、光照条件、土壤条件可主要由海拔、坡度、坡位、坡向、土层厚度来进行表达。此外，环境因子与排序轴的正负相关性，也说明不同尺度下环境因子权重大小往往受限于研究时取样大小、样方数量、取值方法、分析手段及研究内容的影响，反映出不同尺度下环境因子存在互为依赖、相互作用的生态过程。

表2 不同尺度下CCA排序前四轴与环境因子的相关系数

3.2 森林景观格局与环境关系的CCA分析

CCA排序轴同时结合了森林景观类型与环境因子，因此，森林景观类型和环境因子的关系很清楚。从环境因子与景观类型排序图(见图3)上可以很清楚的看出，图中箭头代表各个环境因子，所指的方向表示该环境因子的变化趋势，连线的长短表示环境因子对景观的重要性程度。箭头所处象限代表环境因子与排序轴间的正负相关性，与排序轴的夹角表示该环境因子与排序轴相关性的大小，夹角小于90°则因子呈正相关，相反则呈负相关，若相互垂直，则表明因子相关性不显著。箭头连线在排序轴中的斜率表示环境因子与排序轴相关性的大小。景观类型点之间的距离代表不同景观类型的空间分布差异，从景观类型点到环境因子箭头的投影点的位置次序可以代表这些景观类型在该环境因子最适值的排序[17-18]。

图3 不同尺度下环境因子与景观类型CCA排序图

结合表2和图3，我们可以清晰的得出：以尺度S1为例，海拔与排序轴第1轴相关性系数最大且箭头长度最长，说明CCA排序轴第1轴反映的是海拔的梯度变化，沿排序轴第1轴从左至右，可以看出海拔在逐渐增高。而沿CCA排序轴第2轴则主要反映出代表环境意义的坡向的梯度变化，沿第2轴从下至上，受坡向影响在减小，同时也反映出海拔和坡度都不断增高，土层厚度则无明显变化。第3轴反映出与样方小地形相关的坡度和坡位的梯度变化，沿第1轴从左至右，坡度在增加，坡位在下降。第4轴反映出土层厚度的梯度变化，沿第2轴从下到上，土层厚度在增加。从景观类型点到环境因子箭头的投影点的位置次序可以代表这些景观类型在该环境因子最适值的排序，即离箭头越近，表示该类型森林景观与环境因子的关系越密切，正相关性也就越大，相反，处于另一方向的则表明与环境因子呈负相关性越大。

由图3，我们可以看出不同森林景观类型随海拔梯度变化规律为：随海拔增加而增加的森林景观类型为：马尾松林(A、B)、天然杉木林(E)、阔叶类(J、K、L)、竹林(M)、灌木林(N)、经济林(O)，正相关性增加；随海拔增加而减小的森林景观类型为：国外松林(C、D)、人工杉木林(F)、人工针阔混交林(G)、柏木林(H、I)，负相关性增加。

第2轴则主要反映了各森林景观类型受坡向的影响，从下至上受坡向影响不断增强的森林景观类型为：天然杉木林(E)、人工针阔混交林(G)、人工柏木林(I)、人工国外松林(D)，且正相关性增加；受坡向影响减小的森林景观类型为：天然国外松林(C)、人工杉木林(F)、天然柏木林(H)、阔叶类(J、K、L)灌木林(N)、经济林(O)，负相关性增加；受坡向影响不明显的是马尾松林(A、B)、竹林(M)。由于前二排序轴对森林景观类型格局的影响较大，故第三、四轴对森林景观类型格局的影响不再赘述。另外，景观类型点之间的距离代表不同景观类型的空间分布差异，从图3中我们可以看出：国外松林(C、D)、中生阔叶林(K)、竹林(M)、灌木林(N)差异性较大，而其他类型森林景观空间分布差异性较小。结合研究区森林资源二类调查资料，上述情况与研究区森林资源实际情况是相符合的。

3.3 森林景观格局与环境关系的尺度效应

森林景观格局与各环境因子的关系具有尺度效应，从各排序轴的特征值我们可以算出8种取样尺度下景观-环境相关关系，由表3可知，8中尺度下CCA排序结果得出的特征值总量分别为：10.038、10.081、10.732、11.554、9.820、9.580、9.549、9.586，总体上随尺度增大呈现逐渐减小的趋势，在取样尺度为S4时的特征值总量最大，明显高于其他尺度，说明在描述样地(景观类型)间关系上体现出较为突出的优越性。排序轴特征值对景观-环境的解释量则随尺度增大呈现先增大后减小的趋势，在取样尺度为S3时，景观-环境的解释量达到最大，为99.1%，说明从解释量上看，尺度S3优于其他尺度。但在景观-环境相关性上，相关系数随尺度增大总体上呈现先增后减趋势，取样尺度为S5时的景观相关系数高于其他尺度，前4排序轴相关系数分别为：0.803、0.359、0.325、0.182，说明它的景观类型数据排序轴与环境数据排序轴相关性较高。

表3 不同尺度下各排序轴的特征值、对景观-环境关系解释量及景观-环境相关系数

从环境因子对森林景观格局的影响程度分析，亦随着尺度的变化而变化，整体上看，海拔因子及坡位因子对研究区森林景观分布的影响程度呈现先减后增趋势；坡向因子对研究区森林景观分布的影响程度呈现增加趋势；坡度因子对研究区森林景观分布的影响程度呈现先增后减趋势；土层厚度因子对森林景观分布的影响程度呈现减小趋势。此外，随着取样尺度的增大，在达到尺度S3(450 m×450 m)时，柏木林景观类型消失，这主要是由于柏木林景观斑块面积较小，研究区此类景观总面积为15.72 hm2。

从不同尺度下环境因子与景观类型CCA排序图上所反映的森林景观类型的差异性分析，可知，竹林(M)、灌木林(N)经济林(O)3类森林景观沿海拔梯度与其他类型森林景观差异性较大，主要原因为：一是3类景观景观斑块数量较大，存在较大数量的大斑块，在取样的同时被分割成许多小斑块；二是3类景观在适生性较强，在研究区分布较广泛，破碎化程度较高，森林景观异质性较强。国外松林(C、D)沿坡度梯度上与其他森林景观类型差异也较明显。虽然在不同取样尺度下所反映出的森林景观类型差异性有所不同，但在取样尺度S4(600 m×600 m)时，对森林景观类型空间关系的解释性最优，从景观类型的差异性上看，各森林景观类型差异性较小。因此，可确定出西洞庭湖区森林景观格局最优取样尺度为600 m×600 m。

4 结论与讨论

(1)通过利用CCA排序法分析前4排序轴与环境因子的相关性，表明排序轴第1、2、3、4轴分别与海拔、坡位(坡度)、坡向、土层厚度显著相关，而海拔相关性最大；样方生境的热量、水分、光照条件、土壤条件也可用与各排序轴显著相关的各因子来反映。

(2)结合CCA排序图，得出8种尺度下各景观类型与环境因子的关系：各环境因子影响强度随取样尺度变化而呈现波动趋势，但可确定海拔是影响森林景观格局产生分异的主导因素，在取样尺度S5时达到最大，各景观类型沿海拔梯度呈现出较明显的垂直分异规律，其次是坡位、坡度、坡向、土层厚度。

(3)各景观类型与环境的关系呈现出明显的尺度效应：随尺度的增加，各排序轴特征值总量呈减小趋势，而累积景观-环境解释量及景观-环境相关系数均呈现先增后减趋势，分别在取样尺度S4、S3、S5时最大，但在取样尺度为S4(600 m×600 m)时，对森林景观类型空间关系具有较优的解释性，且在该尺度上，森林景观类型差异较小，确定出S4为研究最合适的取样尺度。

(4)通过对景观-环境关系的尺度效应研究，表明要想更好的解释景观与环境的关系就需要在多尺度上对其进行比较，选择研究尺度过大、过小都会降低二者的相关性和可解释性。但由于尺度变化的复杂性和不确定性，对最适尺度的选择仍有待进一步的探讨，在数据精度、指标选取等方面也有待进一步加强和完善。

[1] 张志,孙玉军.过伐林景观要素沿环境梯度分布趋势的研究[J].林业科学,2005,41(1):14-18.

[2] 张超,王妍,岳彩荣,等.香格里拉县森林景观格局多尺度效应分析[J].林业资源管理,2011(6):31-36.

[3] Nogues B D, Araujo M B, Romdal T, et al. Scale effects and human impact on the elevational species richness gradients[J]. Nature,2008,453:216-220.

[4] 郭泺,余世孝,夏北成,等.地形对山地森林景观格局多尺度效应[J].山地学报,2006,24(2):150-155.

[5] 郭泺,夏北成,刘蔚秋.地形因子对森林景观格局多尺度效应分析[J].生态学杂志,2006,25(8):900-904.

[6] 沈泽昊,张新时,金义兴.地形对亚热带山地景观尺度植被格局影响的梯度分析[J].植物生态学报,2000，24(4):430-435.

[7] 郭泺,夏北成,余世孝.森林景观格局研究中的尺度效应[J].应用与环境生物学报,2006,12(3):304-307.

[8] 陈端吕,李际平,宋涛.西洞庭湖区森林景观类型空间关系研究[J].西北林学院学报,2010,25(4):200-204.

[9] 游巍斌,林巧香,何东进,等.天宝岩自然保护区森林景观格局与环境关系的尺度效应分析[J].应用与环境生物学报,2011,17(5):638-644.

[10] Caucherel C. Multiscale heterogeneity map and associated scaling profile for landscape analysis[J]. Landscape & Urban Planning,2007,82(3):95-102.

[11] 何东进,洪伟,胡海清，等.武夷山景区主要景观类型斑块大小分布规律及其等级尺度效应分析[J].应用生态学报,2004,15(1):21-25.

[12] 郭晋平,阳含熙,张芸香.关帝山林区景观要素空间分布及其动态研究[J].生态学报,1999,19(4):468-473.

[13] 郭晋平,张芸香.景观格局分析空间取样方法及其应用[J].地理科学,2005,25(5):584-588.

[14] 庾晓红,李贤伟,白降丽.我国植被数量分析方法的研究概况和发展趋势[J].生态学杂志,2005,24(4):448-451.

[15] 周彬,余新晓,陈丽华,等.北京山区森林景观格局与环境关系的CCA研究[J].水土保持通报,2010,30(6):148-152.

[16] 舒清态,赵耘,陆元昌.东北天然林区森林景观格局与环境关系的研究[J].云南地理环境研究,2007,19(4):98-102.

[17] 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.

[18] Turner M G, Gardner R H. Quantitative Methods in Landscape Ecology: the Analysis and Interpretation of landscape Heterogeneity[M]. New York: Springer-Verlag,1991.

Relationship and Scale Effect between Forest Landscape Pattern and Environment——Taking West Dongting Lake Area for Example/

Sun Yongkang(Hubei Forestry Academy, Wuhan 430070, P. R. China); Li Jiping(The Central South Forestry Scientific and Technological University)//Journal of Northeast Forestry University.-2014,42(1).-42～46，75

Forest landscape types; Environmental factors; Canonical correspondence analysis; Scale effect; West Dongting Lake area

1) 国家自然科学基金项目(30972362);中南林业科技大学研究生科技创新基金资助项目(2010sx04)。

孙拥康，男，1987年1月生，湖北省林业科学研究院，硕士研究生。E-mail：cssyk2011@163.com。

李际平，中南林业科技大学林学院，教授。E-mail：lijiping@vip.163.com。

2013年5月8日。

Q149

责任编辑：王广建。

By ArcGIS and canonical correspondence analysis (CCA), with database data of 15 forest landscape types and five environmental factors (altitude, slope degree, slope position, slope aspect and soil thickness) in west Dongting Lake area, the investigation was conducted to quantitatively study the relationship and the scale effect of forest landscape pattern and environment. With the scale variation, the correlation coefficient between each environmental factor and ordination axes presents a fluctuating trend, altitude correlation is particularly significant. Combining with the CCA ordination plot, the relationship of forest landscape pattern and environment shows obvious scale effect in the aspect of ordination axes eigenvalue, forest landscape types or the difference, and then S4sampling scale is determined as the best sampling scale.