基于CIWLDI 方法的苏州湿地景观健康评价

杨朝辉冯育青苏群钱新强陈志辉张铭连（ 苏州科技学院环境科学与工程学院，江苏 苏州，5009； 苏州市湿地保护管理站，江苏 苏州，58）



基于CIWLDI 方法的苏州湿地景观健康评价

杨朝辉1冯育青2苏群1钱新强1陈志辉1张铭连2
（1 苏州科技学院环境科学与工程学院，江苏 苏州，215009； 2 苏州市湿地保护管理站，江苏 苏州，215128）

摘 要研制改进的基于空间最小景观单元的反距离权重景观开发强度法（CIWLDI方法），通过累积效应整合不同的土地利用分类，从能值的角度反映湿地生物完整性，客观有效地评价大面积湿地的景观健康。研究表明：大部分健康良好的湿地分布在苏州市郊，受到人类干扰相对较小，相反临近重点开发区域的湿地则退化严重。与其它方法相比，本方法可以有效地评价不同湿地之间的整体健康状况以及单个湿地内部的健康差异情况。在缺少现场观测数据的条件下，仅使用土地利用分类图就可以在短时间内完成对大范围湿地的健康评价。

关键词湿地；景观开发强度法；反距离权重；健康评价

苏州市湿地资源十分丰富，但近年来随着经济的快速发展和对自然资源需求的大幅增加，苏州湿地遭受到越来越多的破坏，水污染日益严重，生物多样性逐渐丧失，生态功能严重受损（苏群等，2010）。在此情况下，湿地管理部门颁布了苏州市重点湿地保护名录，并开展湿地的健康评价工作。由于湿地健康涉及到物理、化学、生物以及社会经济等多个方面因素（陈展等，2009），如何对其进行准确评价是当前的一个研究热点与难点。美国环保局（USEPA，2006）在这方面做了大量的研究工作，形成了一套从粗到精的3级评价体系，即基于景观尺度评价的第一级方法、基于实地快速评价的第二级方法和基于生物物理化学指标评价的第三级方法。第一级方法主要利用地理信息系统和遥感技术，可以在短时间内用较少的人力物力来评价大面积的湿地。第二级方法是利用现场快速观测数据来评价湿地的健康状况，需要一定的专业知识与实践经验。第三级方法利用现场物理、化学等采样方式，该方法可以在单点上高精度地评价湿地的健康状况，但需耗费大量的人力、物力和财力，评价范围较小。针对上述情况，Brown等（2005）提出了一种属于第一级方法的景观开发强度方法（Landscape Development Intensity，简称LDI）。该方法用自然生态系统人为的能量输入来表示人类活动对湿地自然环境的整体干扰程度，通过人类对湿地周围土地利用的干扰情况来间接评价湿地健康，并已在美国佛罗里达州（Lane et al，2007）等地区得到广泛应用。相比较而言，我国在景观尺度的湿地健康评价研究还不多，大多是使用“压力-状态-响应（PSR）”等数学模型，从生态特征、功能整合性以及社会环境等角度进行健康评价（崔嫱等，2015）。

以苏州湿地为例，研制基于空间最小景观单元的反距离权重景观开发强度法，客观定量地评价苏州市大范围湿地的健康状况，为今后重点湿地的精细评价打下基础。

1 研究区概况与数据来源

1.1 研究区概况

苏州市坐落于太湖之滨，全市地势平坦，湿地资源非常丰富，主要有草本沼泽、永久性淡水湖、永久性河流与洪泛平原湿地。其中永久性淡水湖湿地最多，占湿地总面积268 762 hm2的70%。本文将苏州市重点规划区作为研究区域，范围为北纬31°1′34″～31°35′37″，东经120°14′58″～120°59′39″。在此区域内选择分布均匀、具有代表性的12个湖泊湿地作为研究对象（图1）。

图1　研究区域范围与湿地分布图

1.2 数据来源

主要研究数据为2005年的苏州市1∶1 0 000的土地利用现状图，湿地区域的2011年地面分辨率为50 cm的数字航空影像，以及部分现场调绘资料。

2 CIWLDI评价方法

2.1 CIWLDI方法

湿地景观及其内部的生物群落健康状况通常与人类活动强度密切相关，人类活动越强烈，对生态系统的干扰也越严重。土地利用则是人类活动的具体体现，能够间接地反映出邻近湿地的整体健康状况（Reiss et al，2010）。Brown等（2005）结合土地利用分类数据与单位面积单位能耗的开发强度数据，计算每种土地利用分类所对应的LDI系数。LDI系数提供了单位面积利用不可再生能量的定量测量，即不可更新能源能值。它可以用来表示不同的土地利用分类所消耗的能值，能值消耗越多的土地利用分类对应的LDI系数也越大。根据不同土地利用分类与其对应的LDI系数，即可计算LDI指数：

式中：LDIindex为湿地区域的指数；∑% LUi为第i种土地利用分类的面积占该区域土地总面积的百分比；LDIi为第i种土地利用分类对应的LDI系数。

LDI方法的实质是核算不同土地利用分类的不可更新能源能值输入量。能值是生产产品或服务所需要的能量，以太阳能焦耳作为衡量单位（sej/ （hm2·a））。能值基于有效能量的流动，从环境、经济和社会等多方面整体评估研究对象的价值，为客观定量地评价湿地健康提供了一种有效的方法。传统的LDI方法大多是基于整个湿地区域的计算方法，很难反映湿地内部的差异。而且该方法没有考虑距离衰减对湿地造成的不同影响。针对上述缺点，本文研制了一种基于空间最小景观单元的反距离权重LDI方法（Cell-based Inversedistance Weighting Landscape Development Intensity Index，简称CIWLDI方法），考虑土地利用分类对湿地生态系统影响的距离作用，同一类型的土地利用与湿地距离越近，其对湿地的影响也越大。CIWLDI方法计算步骤如下（图2）：

图2　CIWLDI方法的计算区域图

（1）以空间最小景观单元为计算单位，选择某个待评价湿地，在湿地评价范围内任取当前景观单元点为So，以该点为中心，以半径R设置缓冲区；

（2）设Si为该缓冲区内任意一个景观单元，计算该点至中心点So的距离doi，并根据该点所属的土地利用分类取出对应的LDI系数。引入反距离权重法（Lu et al，2008）计算LDI指数，利用式（2）与式（3）遍历缓冲区内所有景观单元点，确定每个Si对应的反距离权重系数λi，进而计算出点So对应位置的LDI指数；

式中：LDIindex（so）是该点通过反距离权重法计算出的LDI指数，So为当前待计算的景观单元。Si是以So为中心的缓冲区范围内的任一景观单元，LDIsi是Si对应的土地利用分类的LDI系数，λi是Si对应的反距离权重系数，doi是景观单元So至Si的距离，n是缓冲区范围内景观单元的总数。

（3）在湿地评价范围内逐点移动当前点So，最终得到该范围内所有点的LDI指数。由于LDI系数处于1到10之间，LDI指数也相应落在此区间内。1代表湿地完全处于自然健康状态，10代表湿地被人类高度开发而极度退化。LDI指数越大，表明湿地受人类干扰强度越强烈，健康状况也越差。

2.2 土地利用分类

LDI指数的计算需要使用湿地区域的土地利用分类图，以2005年的苏州市1∶1 0000土地利用现状图作为基础底图，并结合2011年数字航空影像与现场调绘资料来辅助解译与判读，最终得到地面分辨率为1 m的土地利用分类图（图3是以金鸡湖湿地区域为例的土地利用分类图），具体分类情况如表1所示，表中的LDI系数参考中国台湾地区（Chen et al，2013）。

图3　 金鸡湖区域土地利用分类图

表1　湿地区域土地利用分类与对应的LDI系数

2.3 缓冲区大小的设定

缓冲区大小的设定直接关系到参与计算的邻近景观单元的总数与反距离权重系数的确定，影响着最终LDI指数的大小。在实际应用中，评价者应根据实施难度、生态学意义以及评价对象等因素综合确定缓冲区范围（林波等，2009；Reiss et al，2010；Chen et al，2013）。本文选择了阳澄湖、石湖与金鸡湖这3个湿地作实验，分别以200 m、400 m、600 m、800 m与 1 000 m为半径设定缓冲区范围大小并计算对应的LDI指数。其中面积最大的是阳澄湖湿地，达到11 747.10 hm2；面积最小的是石湖湿地，仅有290.26 hm2；面积居中的为金鸡湖湿地，为701.82 hm2。通过比较5种半径范围缓冲区下阳澄湖湿地LDI指数的计算结果发现，随着缓冲区半径的增大，湿地边界附近区域的LDI指数差异也越来越明显，但同时LDI指数最大的局部区域也会被部分平滑（图4）。

为了揭示缓冲区大小与LDI指数之间的关系，将3个湿地各自范围内所有景观单元的LDI指数取平均值，得到如图5所示的结果。可以看出LDI指数随着缓冲区的扩大而上升，缓冲区大小的变化对于不同面积的湿地影响也不同，面积最大的阳澄湖湿地受缓冲区大小的影响相对较小，面积较小的金鸡湖湿地与石湖湿地则受缓冲区大小的影响较大。其中金鸡湖湿地的LDI增长幅度最快，其主要原因是金鸡湖湿地外围商业与房产开发密集，对湿地健康影响较大。相反阳澄湖湿地外围更多的是农田与绿地，其对湿地健康影响较小，所以对应的LDI增长幅度最慢。综合考虑3个湿地的LDI指数变化趋势，将缓冲区半径确定为400 m（图5）。

图4　 不同缓冲区条件下的阳澄湖湿地LDI指数计算结果

3 结果分析

基于半径400 m的缓冲区，使用CIWLDI方法计算12个湿地的LDI指数，如图6所示。可以看出湿地中心区域的健康状况普遍比外围区域要好。进一步分析这些湿地LDI指数的标准差，可以发现金鸡湖与独墅湖湿地的标准差最大，说明这2个湿地周边受到的各类影响因素差异较大，造成湿地内部不同区域的健康状况悬殊，导致LDI指数分布不均。相反，白蚬湖与淀山湖等湿地面积相对较小，周边环境比较单一，对湿地不同区域造成的影响差异不大，所以这些湿地内部景观单元之间LDI指数比较接近，标准差较小。

图5　 不同缓冲区条件下的各湿地LDI均值

图6　 湿地的LDI指数图

图7　 12个湿地的LDI指数均值图

表2　 各湿地LDI指数计算结果比较

为了直观地比较不同湿地之间的景观健康状况，计算每个湿地缓冲区范围内所有景观单元点LDI指数的平均值，将其作为该湿地的整体评价分数，如图7所示。12个湿地中，白蚬湖湿地、傀儡湖湿地与澄湖湿地的LDI指数较小，说明这些湿地健康程度较好。原因在于这3个湿地周围以农田与水塘为主，基本没有工业区与商业区。相反，独墅湖湿地与金鸡湖湿地位于市区热点开发地区，周围布满了商业设施与住宅小区，LDI指数也相应地超过了2，健康程度较差。总体来讲，健康程度良好的湿地一般分布在市郊，周边区域开发程度相对较小，对应LDI指数也较低。而靠近城区中心的湿地则受到的人为干扰情况比较严重，健康状况较差，对应的LDI指数也偏高。

将上述结果与传统LDI方法结果作比较，如表2所示。除了太湖湿地公园与三角嘴湿地位置互换之外，本文方法对湿地健康评价排序结果与传统LDI方法基本相同。由于本文方法扩大了各湿地之间LDI指数的差异，更容易区分各湿地之间不同的健康状况，因此本方法更具优势。

4 结论

（1）本文研制了一种CIWLDI湿地景观健康评价方法。该方法以空间最小景观单元为基本单位，考虑其缓冲区范围内所有景观单元对湿地健康状况的共同影响作用，不仅可以反映湿地之间的相对健康差异，还可以显示单个湿地内部不同区域的健康差异情况。与传统LDI方法相比，该方法考虑了土地利用分类与湿地之间距离对于湿地生态系统的影响，可以从景观要素的层面全面反映人类干扰活动对湿地健康的影响。该方法简单易用，可以为湿地管理提供新的思路和方法，对大范围湿地健康评价研究具有借鉴意义。

（2）评价结果表明，健康状况较好的湿地大多位于苏州市郊，这些湿地开放水体面积相对较大，不易受到人类活动的直接干扰，周围土地利用开发程度相对较小，受到周边环境的负面影响相对较小。相反，健康状况较差的湿地大多开放水体面积相对较小，而且大部分靠近城区中心开发强度较高的区域，周边有较多的商业区、住宅区与休闲娱乐区，较易受到人类活动的直接干扰。

（3）能值计算是一个比较复杂的换算过程，LDI系数是根据当地不同土地利用分类所需的不可更新能源投入（能值）计算而来。由于各国各地区经济发展水平不同，能值计算结果会存在一定程度的差异。因此今后需要根据苏州研究区域收集的实际资料精确调整LDI系数，从而进一步提高本方法的评价精度。

参考文献

陈展，尚鹤，姚斌.2009.美国湿地健康评价方法［J］.生态学报，29（9）：5015-5022

崔嫱，赵鹏宇，冯文勇，等.2015.山西滹沱河山区湿地生态系统健康评价［J］.湿地科学与管理，11（3）：16-19

林波，尚鹤，陈展，等.2009.湿地生态健康快速评价法简介-以WRAP为例［J］.湿地科学与管理，5（4）：11-14

苏群，杨朝辉.2010.基于遥感动态监测技术的苏州城市湿地公园保护研究［J］.河北农业大学学报，33（6）：123-127

Brown M T， Vivas M B. 2005. Landscape development intensity index ［J］. Environmental Monitoring and Assessment， 101（1/3）:289-309

Chen T， Lin H. 2013. Development of a framework for landscape assessment of Taiwanese wetlands［J］. Ecological Indicators， 25: 121-132

Lane C R， Brown M T. 2007. Diatoms as indicators of isolated herbaceous wetland condition in Florida， USA ［J］. Ecological Indicators， 7（3）:521-540

Lu G Y， Wong D W. 2008. An adaptive inverse-distance weighting spatial interpolation technique ［J］. Computers & Geosciences，34（9），1044-1055

Reiss K C， Brown M T， Lane C R. 2010. Characteristic community structure of Florida’s subtropical wetlands: The Florida wetland condition index for depressional marshes， depressional forested， and flowing water forested wetlands ［J］. Wetlands Ecology and Management， 18， 543-556

USEPA. 2006. Application of elements of a state water monitoring and assessment program for wetlands［R］. Wetlands Division， Office of Wetlands， Oceans，and Watersheds， U.S. Environmental Protection Agency， Washington， DC

Health Assessment of Wetlands in Suzhou Using Cell-based Inverse-distance Weighting Landscape Development Intensity

YANG Zhao-Hui1FENG Yu-Qing2SU Qun1QIAN Xin-Qiang1CHEN Zhi-Hui1ZHANG Ming-Lian2
（1 School of Environmental Science & Engineering， Suzhou University of Science and Technology， Suzhou 215009；2 Administrative Station of Suzhou Wetland Protection， Suzhou 215128）

AbstractUsing improved method of cell-based inverse-distance weighting landscape development intensity， wetland health at landscape level was assessed objectively and efficiently. Different types of land uses were integrated to reflect the completeness of the biological system. Results showed that most wetlands with good health conditions， which were less affected by human disturbance，were located in suburban areas. In contrast， those with poor health conditions were degraded and commonly close to heavily developed areas. Compared with other assessment methods， our method can be used to assess the overall health situation of all the wetlands and the differences of health of individual wetlands. When lacking data of field observation， our method can implement health assessment in large area in short time using only the land-use classification map.

Key wordsWetland； Landscape Development Intensity； Inversedistance weighting； Health assessment

doi:10.3969/j.issn.1673-3290.2016.01.04

收稿日期：2015-10-23

基金项目：江苏省六大人才高峰资助项目（2014-NY-020）、江苏省环境科学与工程重点实验室开放基金项目（Zd131208）和苏州市科技计划项目（SYN201510）资助

作者简介：杨朝辉（1976-），男（汉族），副教授，博士，主要从事环境遥感与湿地评价研究，E-mail：yzhac@163.com