1995年和2015年金华市植被空间网络变化分析*

王 敏， 梁勤欧， 刘富强

(浙江师范大学 地理与环境科学学院,浙江 金华 321004)

网络是节点与边的集合，空间网络是具有位置信息的网络类型，可高度抽象真实情境，是国内外新兴的研究热点，但目前在自然环境与资源领域研究中应用得较少.植被是人类赖以生存的自然环境中的重要要素之一，深入探讨植被分布的变化规律对合理设计环境措施的方案具有重要意义[1].地球表面自然条件的复杂性与多样性导致了植被分布呈现出各种复杂的组合.陆地生态系统中,气候带的植被类型及其分布规律主要受水热条件两个主导因子控制[2].传统的植被分布研究停留在应用遥感影像上，它通过植被指数(NDVI)的提取来研究单个环境因子影响下植被静态分布的状况，如气候变化[3]、土壤特性[4]、地形[5]、河流[6-7]等，对人为干扰的分析仅仅停留在感性认识和定性分析层次上，仅有部分研究利用空间定量指标描述植被景观的空间结构与形态变化[8].但实际上随着人类生活范围的扩张，人为干扰已经对植被分布产生了巨大的影响.

空间网络(spatial network)即具有空间位置属性的网络.凡是涉及地理环境的问题都具有非线性与复杂性等特点[9]，已经有一些学者运用网络理论，将自然地理各要素抽象为点(node)与边(edge)，挖掘其内在属性机制.如河流网络(river network)是一个远离平衡态的、自组织的、开放的网络[10]，是一个典型的空间网络；20世纪90年代，有学者开始应用复杂网络理论来研究河流网的形成及演化机理[11-13]；田剑等[14]以黄土高坡为研究对象，利用DEM(dynamic effect model)数据提取重要地形特征的点与线，建立地形的网络模型.目前，大部分研究是利用复杂网络的特征来描述网络特性，对于形成机制及演变的探讨还不够深入，在地形、植被、流域等方面还有待于进一步研究，同时也忽视了人为干扰或地表改造对其造成的影响.实际上，植被作为一种面状要素在空间地理位置上存在重要属性特征.运用网络理论分析其拓扑结构可以反映许多重要性质.尽管自20世纪70年代起，空间网络的演化这一问题就已经被提出来，其应用范围的探讨仍是一个重要议题[15].

金华市是典型的南方亚热带地区山地丘陵间河谷盆地城市，研究其植被网络对于同类型城市具有代表意义.因此，本文利用空间网络分析方法，运用设计工作程序提取1995年和2015年金华市植被分布区域轮廓的基本几何特征，选定合理的搜索半径，构建金华市植被空间网络，并对节点与边分别赋予权重，通过分析其网络特性，进一步探讨网络变化特征及原因机理，挖掘金华市人类活动对植被覆盖的影响.

1 研究区与数据处理

1.1 研究区域概况

金华市位于119°14′～120°46′ E，28°32′～29°41′ N，是浙江省中部城市.位于金衢盆地东段，地势南北高、中部低，境内山地以500～1 000 m为主，分布在南北两侧，最高峰为牛头山主峰，海拔1 560.2 m.从气候上看，金华市属于亚热带季风气候，四季分明，雨热丰富，年均温17.5 ℃，年降水量1 952.5 mm，山区偏多一些，时空分布不均匀.受盆地地形的影响，气候分布有一定的垂直差异.金华市在植被分区中属于亚热带常绿阔叶林带，植物资源1 500余种.

1.2 数据预处理

根据研究的需求及数据的可获得性，本文所需的研究数据为金华市遥感影像、行政边界图、DEM数据.其中包括1995年和2015年金华市Landsat 7 TM/ ETM+影像的遥感影像数据，为了保证植被区提取的精度，对遥感图像进行了几何精校正、辐射定标、大气校正等处理.DEM数据分辨率为30 m×30 m，下载自地理空间数据云，拼接后用行政边界矢量图进行裁剪，并进行矢量化.

考虑到地形因素时发现，金华市山区面积广大，植被覆盖率较高.广大的山区自然植被平均面积大，具有变化小、数目少、彼此距离远、对网络支配力度强等特点，金华市偏远地区的植被分布区域反而不能体现植被在人为干扰下的时空变化.城市地区是人类活动的中心，城市发展对自然环境的影响是深远的，特别是植被区域本身就具有一定的经济与生态价值.为了研究受人类强烈活动影响的区域植被变化特征，本文从金华市DEM图像中提取坡度信息，选择坡度≤10°的区域作为研究范围.这样，本文就以婺城区、永康、义乌、东阳等几个经济发达、人口集中的区域作为主要的研究区.

(a)坡度信息图

(b)≤10°坡度提取结果

图1 金华市坡度信息提取结果

2 研究方法

2.1 提取植被信息

选择适当的研究区域后，利用地理信息软件对1995年和2015年的遥感数据进行信息解译.在ENVI 5.0中建立感兴趣区(region of interest，ROI)，将遥感图像地物分为植被、水体、建筑、裸地等类型，分类精度为96%，运用支持向量机分类方法(support vector machine，SVM)对遥感图像做监督分类处理.分类结果矢量化后，使用主次要分析(majority/minority analysis)、聚类(clump)、合并(combine)、筛选(sieve)等功能保留具有研究意义的数据结果.

在Arc GIS中加载以上结果，以图1(b)为底图，进行目视解译工作与矢量化，提取出植被区域轮廓范围为面状数据,以此作为研究对象.

2.2 构建植被空间网络

在面状数据的基础上，经过程序运行得到区域的质心作为网络的节点，质心即单个研究对象点集合位置的算术平均值.此外，定义一个新的参数“搜索半径”，某一点的搜索距离即它与另一个节点的欧氏距离，半径内的2个植被区即被认为是邻居，成为“邻居”后节点的连线即为边.以节点、边为基本要素构建植被空间网络.值得注意的是，有些单个研究对象面积非常大，搜索半径应大于其质心到边界的距离.

程序中搜索半径的设定是灵活的，不同的搜索半径会获取不一样的结果，缓冲距离如果过大就会忽略地形因素,并且难以探讨同一规模下单个居民点之间的联系情况.生成的缓冲区应是大于可包含绝大部分点的欧氏距离[8].本文以所提取的2015年植被区轮廓为基准，考虑到金华市辖区的面积大小，在1～10 km范围内经过多次试验.如在采取5,6,8,10 km的搜索半径下，所获得的边的条数分别为2 411,3 823,4 383,5 914(见图2).其中，搜索半径小于6 km时,较中型的植被区域也无法产生关联;大于6 km时，空间网络结构过于复杂，区分度较小.为了使植被区尽可能多地囊括在网络中，在保证一定数量的邻居前提下产生相对简单的网络连接，本文最终设置6 km为搜索半径，并对所有质心进行半径搜索，获得整张网络.

2.3 网络评价指标

构成网络的基本要素是节点与边.在空间网络的研究中，学者们建立了很多参数用来分析网络的拓扑结构，通过这些参数定性或者定量地表征空间网络的特性与模式，可以获得一些有意义的结论.本文将提取出的植被分布几何轮廓视为区域，从面积与数量角度进行评价，用度与度分布评价节点，引入局部重要性这一指标来衡量边的权重.

图2 不同搜索半径下空间网络变化

2.3.1 度(degree)和度分布(degree distribution)

在网络中，一个节点与多少条边相连，则它的度就是多少.利用网络植被度与度分布可以有效地定量描述植被网络变化的时空特征，还可以用来判断网络类型.度分布定义为P(k),它是节点度的累积分布函数，具体由下式表示：

(1)

式(1)中：P(ki)为节点度;ki表示节点i的度.节点度越大，在网络中的重要性也越大.

2.3.2 局部重要性(local significance)

以质心为中心，以搜索半径为基准，运行程序生成边.引入“局部重要性”这一概念为边赋予权重.定义式如下[8]：

(2)

式(2)中：Ai和Aj代表对于给定的节点i，j的植被区域面积;D(i，j)代表2个植被区质心之间的欧氏距离.这个指标对位置紧邻的植被区可以产生很有意义的结果.在这个权重标准下，还可以考虑到实际的地形存在，如河流山脉等，进一步分配更低的权重.这个指标反映出两个植被区的相关性，取决于自身的属性及二者之间的联系.

2.3.3 网络类型判断

根据不同的连接方式，人们提出了不同的网络模型[16]，如规则网络(regular Networks)、随机网络(random Networks)、小世界网络模型(small-world Networks)和无标度网络模型(scale-free Networks).一般来说，若P(k)符合幂律分布，那么这个网络具有“无标度”分布，可以认为它是一个无标度网络.小世界网络模型的节点度分布服从指数分布，规则网络符合δ分布，随机网络符合泊松分布规律.

3 结果与讨论

3.1 植被区面积分布的变化

图3 1995年和2015年植被分布

根据2.1节，本文共提取出1995年306个植被区和2015年277个植被区(见图3)，精度为85%，作为研究基础.从结果中可知，植被区个数下降幅度为17%.在Arc GIS里运用了计算几何功能(calculate geometry)进行植被面积估算，1995年和2015年金华市坡度≤10°的区域植被面积分别为168 307 hm2和103 670 hm2，总面积减少了64 636 hm2，下降幅度为38%，减少的部分主要集中于婺城区、金东区和义乌市、东阳市，这是由于1995年存在更多相对小的植被区.区域个数减少的幅度小于面积减少的幅度，说明植被减少的区域很多是在原有植被区的基础上不断减少的.经济较发达的地区植被减少得多，经济欠发达的地区植被减少得少.对比2期数据可知，这是部分农村地区转变为城市或者城市郊区造成的.植被中心仍然在婺城区和义乌市的边界处，但植被区范围不断向中间地势平坦区域集中.整体而言，植被区的面积减少反映了自然环境的变化，更重要的是城市的扩张及人为因素的影响.

3.2 网络度与度分布的变化

1995年和2015年网络平均度分别为24.03和21.12，度中心性下降，说明2015年植被网络各个区域的重要性下降，与周边邻近植被的联系程度变得松散.为了更好地分析对比，将1995年和2015年度中心性分为3类，并在Arc GIS中进行渲染，得到如图4(a)和4(b)所示.图中圆圈越大表示节点度越大.从图中可以发现，1995年节点度较高的植被区分布在金东区、义乌市、东阳市和永康市，而2015年则集中分布于金东区、婺城区与义乌市交界处，植被分布受到挤压，分布重心逐渐向城市边界移动，说明城市的发展与扩张是金华市植被核心分布发生变化的重要原因之一.

(a)1995年网络度

(b)2015年网络度

(c)1995年网络度分布 (d)2015年网络度分布

图4 1995年和2015年金华市植被空间网络节点度与度分布

由图4(c)和4(d)可知，2015年度分布稍有下降.细致对比，0～17时,植被区数目增多，但面积较小的植被分布区在原有基础上进一步萎缩；在17～31这样大小的度中心性一般大的植被区数目减少得较多，说明起着重要作用的植被区数目在减少，植被之间的联系更加不紧密，彼此发生联系的成本增大，2015年研究区域较高中心度(31～53)的节点的数量明显少于1995年.

3.3 网络边与边的权重变化

基于3.1节与3.2节植被提取结果、质心分布结果，运行程序，对2期数据以6 km为搜索半径生成边，构成空间网络如图5(a)与5(b)所示.以边的局部显著性为基准，取其对数值，在Arc GIS中运行分类渲染功能，依据局部显著性将边分为3类，并赋予不同的宽度.其中，第1类为局部显著性大的边，最宽，总体数目小、距离远，可控制的范围大，一般位于城市较边缘地带，地形坡度较大，代表郊区或者乡村地带，多分布在行政区边界处;第2类为局部显著性较大的边，次宽，连接的植被区面积较小，数目较多，距离较近，呈团簇状分布在中等或较大的植被区周边，影响范围小，一般位于坡度较小、地形平坦、人口及建筑物密集的城市中心位置;第3类为局部显著性较小的边、最窄，一般位于行政边界与市中心之间的位置，一定程度上反映地形的隔离作用.结果表明：1)2015年植被空间网络中，第1类边的数目明显减少，变得稀疏，特别是永康市、义乌市和婺城区，说明从市中心到城市边界之间的植被明显减少，植被网络趋于简单化；2)2015年植被空间网络中第3类边的数量有少量增加，说明由于小植被区的减少，一些本来没有联系的中型植被区之间建立了联系(由于6 km搜索半径的存在).

(a)1995年

(b)2015年

图5 金华市1995年和2015年植被空间网络边与边的权重分布图

表1 1995年和2015年植被网络边的权重变化统计表

以边的权重值为基础，取对数值得到结果如表1所示.表1表明，1995年生成的边的数目为3 827条，2015年生成的边的数目为2 799条，20年间减少了26.86%.局部显著性较小的边的比重增加了约10%，说明植被区不仅是数目减少了，并且很多是在原有植被区的基础上进一步减少的.还有一部分小植被区数目变化来自于城市建设中的少量人工绿化走廊或者斑块状的绿化园林.实际上，1995年的数值为1.83～8.10，2015年的数值为1.59～7.42，这反映出1995年植被区的面积更大，所以能够提供远距离的影响力，植被网络结构更完整，密度更大，整体网络更加稳定.总体而言，植被景观面积的减少带来了其空间网络的进一步萎缩，密度降低，并且在人口密度越大、地势越低的地方表现得越明显.城市中植被景观及周围的区域具有较大的生态价值与开发潜力，植被网络的简单化反映了城市中人类生存面积的扩大，植物生境的减少.

3.4 网络类型判断

从度分布图上可知，金华市植被面积较小的区域数目多，而面积较大的植被区数目小；度较小的点较多，度较大的点较少，符合泊松分布，集聚效应明显，说明这是一个“小世界网络”.

4 结论与展望

本研究的目的是描绘金华市20年间植被的空间网络，描述其空间特性，分析其变化原因.这一研究的基础数据从遥感数据图及行政边界图中获得的，其方法是输入数据后，基于程序半自动的处理、加工而得，输入的数据可以是很大范围的，而搜索半径是灵活的，由用户自定义设置，在这个距离之内的植被区就可以被认为是邻居，并可以自由选择相关网络指标进行统计以分析其属性特征.本文在小尺度下验证不同搜索半径分析结果的差异性，认为6 km的半径是比较合理的.

对生成植被空间网络的分析后得知，金华市植被面积在逐渐减少.随着人类生存空间的扩大，植被区分布范围不断向市中心聚拢.植被空间网络度有所下降，度分布萎缩，网络边的局部显著性下降，并且这一现象在人类聚集的区域表现得尤为明显.因此，空间网络分析方法可以运用于植被等自然地理要素的分析中.但本文的探讨仍然存在一些值得改进的地方,如在后续的研究中需要考虑到不同类型植被(人工或者自然植被)的变化是否存在差异性？网络节点除了质心外是否可以添加一些重要的工程节点？植被网络的分布与哪些因素有关？等等.

参考文献：

[1]李妍敏,安翼,刘青泉.植被分布对小流域产流影响的数值实验[J].水科学进展,2015,26(2):187-195.

[2]房世波,谭凯炎,刘建栋,等.鄂尔多斯植被盖度分布与环境因素的关系[J].植物生态学报,2009,33(1):25-33.

[3]吕佳佳,吴建国.气候变化对植物及植被分布的影响研究进展[J].环境科学与技术,2009,32(6):85-95.

[4]何明珠,张志山,李小军,等.阿拉善高原荒漠植被组成分布特征及其环境解释:Ⅱ.C4植物组成、分布特征与环境的关系[J].中国沙漠,2010,30(1):57-62.

[5]陈瑶,胥晓,张德然,等.四川龙门山西北部植被分布与地形因子的相关性[J].生态学杂志,2006,25(9):1052-1055.

[6]赵清贺,马丽娇,刘倩黄,等.黄河中下游典型河岸缓冲带植被景观连接度及其网络构建[J].中国生态农业学报,2017,25(7):983-992.

[7]温仲明,焦峰,焦菊英.黄土丘陵区延河流域潜在植被分布预测与制图[J].应用生态学报,2008,19(9):1897-1904.

[8]Esch T,Marconcini M,Marmanis D,et al.Dimensioning urbanization-An advanced procedure for characterizing human settlement properties and patterns using spatial network analysis[J].Applied Geography,2014,55:212-228.

[9]潘登,梁勤欧.复杂网络在地理科学中的应用研究进展[J].国土与自然资源研究,2013(6):82-86.

[10]沈丹,许田,苏蓓蓓,等.长江流域的河流网络及其统计描述[C]//中国高等科学技术中心.全国复杂动态网络学术论坛论文集.北京：中国高等科学技术中心，2005.

[11]苏伟忠,杨桂山.太湖流域南河水系无尺度结构[J].湖泊科学,2008,20(4):514-519.

[12]吴学文,瞿永钢,李玲.基于复杂网络理论的河流网络建模与分析[J].河海大学学报:自然科学版,2014,42(2):177-182.

[13]吴学文,李玲,方国华.复杂河流网络节点重要度分析[J].水资源与水工程学报,2013,24(2):145-150.

[14]田剑,汤国安,赵明伟.流域地形景观系统的复杂网络描述[J].地理与地理信息科学,2014,30(4):22-26.

[15]黎勇,胡延庆,张晶,等.空间网络综述[J].复杂系统与复杂性科学,2010,7(2):145-164.

[16]汪小帆,李翔,陈关荣.复杂网络理论及其应用[M].北京：清华大学出版社,2006.