省域尺度下不同时序景观指数集与粒度效应分析*

丁雪姣，沈 强，聂超甲，胡青青，叶回春，张世文※

(1．安徽理工大学地球与环境学院，淮南 232001； 2．安徽理工大学测绘学院，淮南 232001；3.中国科学院遥感与数字地球研究所，北京 100094)

0 引言

土地是人类不可或缺的生产资料，土地利用/覆被变化情况与人类的生产生活息息相关，对景观的结构、物质循环与能量流动、区域生态过程及可持续发展等都具有十分重要的影响[1]。自1995年“土地利用/土地覆被变化(LUCC)”计划被提出以来，土地利用/土地覆被变化、区域土地景观格局演变等方面一直是研究的热点与重要领域[2-4]。由于气候变化，土地利用与土地覆被将会继续影响人类与生态系统[5]。土地覆被变化直接影响景观格局，若土地覆被发生变化，景观格局则随之变化[6]。对景观格局进行分析可以反映出不同地理要素在空间上的组合变化与各生态过程相互作用的结果，因此，在地学、城乡规划等领域具有重要作用。众多研究在土地利用/覆被变化的基础上分析区域景观格局变化[7， 8]，还有一些学者对农村居民点景观格局进行研究，殷小彤[9]利用景观指数法确定了研究西北地区居民点变化的适宜范围与最佳粒度。

景观格局分析主要包括景观空间异质性和景观动态两方面，其中景观动态研究多用景观指数法。景观指数高度浓缩了景观格局信息，既可以定量化分析景观格局，又可以反映其空间组成与配置特征[10]，因而得到广泛应用。但计算景观指数多以栅格数据为基础，不同栅格大小得出的计算结果略有不同，对分析结果存在一定干扰[11-13]。因此，景观指数的粒度效应已经成为景观生态学所要研究的重要问题，也成为了国内外研究的热点问题。如张静雨等[14]以洱海区域为研究对象，结合变异系数与函数拟合模型研究了空间粒度变化对景观指数的影响，吴未等[15]采用RS、GIS等手段与景观指数相结合的方法，研究了不同斑块类型的适宜粒度范围，Saura[16]研究了遥感影像的分辨率对景观格局的影响，Alhamad等[17]以约旦西北部的3个省份为对象，研究了景观指数粒度变化与空间异质性间的响应关系。此外，众多景观指数存在生态学意义上的重叠，因此在研究景观格局变化时有必要选取代表性景观指数。

针对以上问题，文章以安徽省2000年、2005年、2010年的土地覆被数据为基础，采用景观生态学与统计学相结合的方法，通过设置不同的栅格大小来研究景观指数的粒度效应并确定计算景观指数所需的合适粒度范围，在众多指数中选取有代表性的最小景观指数集，以期为进一步研究安徽省土地景观格局变化提供依据。

1 研究区域与数据源

1.1 研究区概况

安徽省位于长江、淮河中下游，面积14.01万km2。由于大地构造单元与地质作用，全省地貌类型丰富，南北差异较大，总体地势东北低、西南高，平原主要分布在皖北地区，皖中地区多丘陵，山地多集中于皖南地区，丘陵与山地面积较多。境内湿地主要位于长江、淮河与新安江三大流域； 作为农业大省，耕地占全区面积的一半以上，耕地与人口多分布于皖北与皖中地区，林地主要位于皖南山区。全省资源条件优越，水资源、动植物资源、土地资源丰富，植被类型复杂多样，属南北植物区系汇集地带。

1.2 数据来源及处理

数据源于中国遥感数据网(http：//rs.ceode.ac.cn/)，选取了2000年、2005年、2010年同一时段的少云的Landsat TM遥感影像(分辨率30m×30m)。采用Albers椭球体投影，WGS 84建立统一的地理坐标系，在ENVI 5.1平台上进行几何校正等预处理。根据2009年国家测绘局出版的1： 25万行政边界数据在遥感影像上裁剪出研究区。将监督分类与目视解译相结合，并依据景观类型特点划分土地覆被类型，包括耕地、林地、人工表面、草地、湿地和其他6个一级类，下分38个二级类。在解译遥感影像时，结合2010年野外考察情况，采用误差矩阵对解译精度进行评价，3期影像的精度均在90%以上，满足研究要求。

图1 技术路线

2 研究方法

土地利用转移矩阵可以反映研究期初与研究期末的土地覆被结构，显示研究期内各种土地覆被类型之间的转移情况，可用于表示研究区范围内土地覆被变化方向及研究期末各土地覆被类型的来源与构成。景观指数的尺度效应会对景观格局的研究产生影响[11-12]，此外某些指数间显著相关，存在明显冗余。该文以土地覆被遥感影像为基础，采用土地利用转移矩阵来研究土地覆被的数量与方向变化； 采用景观指数粒度效应分析法与代表性景观指数选取的方法来确定研究安徽省景观格局变化所需的适宜粒度范围与最小景观指数集。具体技术路线见图1。

2.1 土地利用转移矩阵

土地利用转移矩阵可对土地覆被变化的结构特征与变化方向进行分析，可以此作为研究用地结构与景观格局变化的基础。利用ArcGIS 10.2软件对两期的土地覆被类型图进行叠置分析，得到土地利用转移矩阵，用于研究该时期内的土地覆被转移情况，对各类型土地的流失数量进行定量化研究。

2.2 景观指数粒度效应分析方法

景观指数具有尺度依赖性，在幅度一定的情况，粒度变化会对指数产生影响[12]。在景观水平上从聚集和散布情况、优势度、形状复杂程度、多样性等方面选取了斑块数(NP)、斑块密度(PD)、平均斑块面积(AREA_MN)、斑块结合度(COHESION)、景观分割度(DIVISION)、分离度(SPLIT)、蔓延度(CONTAG)、聚集度(AI)、景观形状指数(LSI)、最大斑块指数(LPI)、周长—面积分维数(PAFRAC)、面积加权平均分维数(AWMPFD)、香农均匀度指数(SHEI)、香农多样性指数(SHDI)14个指数(表1)。

一般情况下，空间粒度的设置对应图像的分辨率[18]。通过文献检索并结合研究区的具体情况，将栅格粒度范围设置在50～350m。利用ArcGIS 10.2将3期的土地覆被数据格式由矢量图数据为栅格数据，每25m设置一个栅格粒度，共计13个粒度，不同粒度均由初始矢量数据转化。在Fragstats 4.1平台上计算不同粒度下的景观指数，分析其粒度效应并选取合适粒度范围。

表1 所选景观指数

景观指数 说 明 斑块数(NP)用于描述景观空间异质性,其值的大小与景观破碎化程度具有正相关性斑块密度(PD)斑块数与景观面积的比值,与斑块数(NP)高度相关,用于描述景观的破碎化程度平均斑块面积(AREA_MN)其值的变化可以反馈更丰富的景观生态信息,该指数是反映景观异质性的重要指标斑块结合度(COHESION)景观水平上的结合度景观分割度(DIVISION)用于表征景观的破碎化程度,其值与破碎化程度成正比景观分离度(SPLIT)生态含义与景观分割度(DIVISION)相同,当景观中的斑块越被细分时,其值越大景观蔓延度(CONTAG)用于描述景观中不同斑块类型的团聚程度或延展趋势。其值越高说明景观中某种优势斑块类型具有良好连接性; 反之,表明景观的破碎化程度越高景观聚集度(AI)用于描述景观中斑块的聚集程度景观形状指数(LSI)用于表示景观形状的复杂程度,其值越大说明景观的形状越复杂最大斑块指数(LPI)用于确定景观的优势类型,其值大小决定着景观中的优势种; 其值的变化可以反映人类活动的方向和强弱周长—面积分维数(PAFRAC)用于描述不同空间尺度的形状复杂性,数值越接近于1,则斑块的形状越简单面积加权平均分维数(AWMPFD)用于测量景观空间形状的复杂性,可在一定程度上反映人类活动对景观格局的影响香农均匀度指数(SHEI)是比较不同景观或同一景观不同时期多样性变化的有利手段,此外该指标与优势度具有相关性香农多样性指数(SHDI)用于反映景观异质性,对景观中各斑块类型的非均匀分布状况较为敏感,即强调稀有斑块类型对信息的贡献

2.3 代表性景观指数选取方法

景观指数间存在冗余现象，为了减少运算量并在相对合理的范围内保证结果的准确性，可以选用代表性景观指数。首先根据生态学意义与计算公式，剔除明显冗余的指数，对剩余指数进行相关性分析[12]。其次利用因子分析法判断景观指数的类别，得到因子载荷矩阵|A|与因子得分矩阵|S|，分析公因子对原始变量的影响程度与各指数对每类公因子的贡献程度[19]。最后基于因子分析的结果，采用Saltelli与Marivoet在1990年提出的基于非参数统计方法进行敏感性系数SRC的计算，选出灵敏度高且具有代表性的指数。SRC系数绝对值越大则影响越大[19]。

3 结果与分析

3.1 土地覆被发展方向

利用ArcGIS 10.2进行叠置分析，得到土地覆被变化图与转移矩阵(图2和表2)。

表2 土地覆被类型转移矩阵

年份类型草地湿地耕地人工表面其他林地总计km22000—2005草地2 188.401.476.076.370.240.842 203.39湿地0.059 360.12285.9923.960.230.799 671.14耕地1.44639.1477 273.631 145.273.7626.8979 090.14人工表面01.160.5311 716.550.020.2511 718.52其他0.0624.9127.772.74156.440.42212.34林地00.510.2624.21037 206.8937 231.88总计2 189.9510 027.3277 594.2612 919.11160.737 236.0814.01万2005—2010草地2 149.240.4016.302.410.0521.552 189.95湿地09 312.88692.9911.259.870.3310 027.32耕地0.71640.8874 780.822 071.4834.4965.8977 594.26人工表面0.011.870.9112 916.080.060.1812 919.11其他0.5417.5111.743.20123.134.58160.70林地00.561.215.690.0637 228.5637 236.08总计2 150.509 974.0975 503.9715 010.11167.6637 321.1114.01万2000—2010草地2 147.93 1.86 22.23 8.79 0.05 22.53 2 203.39 湿地0.05 8 718.84 906.65 35.03 9.44 1.13 9 671.14 耕地2.14 1 208.34 74 552.94 3 210.87 23.26 92.60 79 090.14 人工表面0.01 2.75 0.99 11 714.30 0.05 0.42 11 718.52 其他0.37 41.25 19.70 11.22 134.82 4.98 212.34 林地0.00 1.05 1.46 29.89 0.05 37 199.44 37 231.88 总计2 150.50 9 974.09 75 503.97 15 010.11 167.66 37 321.10 14.01万

安徽省的土地覆被类型始终以耕地为主，其次是林地与人工表面。优势景观顺序未发生变化，但耕地面不断减少，人工表面所占比重逐渐增大，每种覆被类型都有一部分转化为人工表面。2000—2005年与2005—2010年，最大的面积转化为耕地转化为人工表面(主要转化为居住地)，分别为1 145.27km2、2 071.48km2，分别占各自时期耕地转出面积的63%与73.6%。2000—2005年土地覆被类型主要是转化为湿地、耕地与人工表面，其中转化为耕地与人工表面的区域集中在皖江经济带，转化为湿地的区域大多位于淮河流域和淮河与长江之间的中部、东部地区。人工表面增加了1 200.59km2， 95%来自于耕地，所增加的人工表面在安徽中南部呈连片分布，在皖北地区呈明显的线状分布； 耕地转出量大于转入量，因此耕地面积减少，不利于耕地的可持续发展； 湿地面积共增加了356.18km2，主要位于淮河流域，少部分位于长江流域。2005—2010年土地覆被类型主要转化为耕地与人工表面，耕地面积增加区主要位于长江与淮河之间，主要由湿地转化而来，表明湿地范围缩减； 人工表面增加则发生在淮河流域及以北地区，主要由耕地转化而来。虽有一定量的湿地转化为耕地，但不足以补充耕地的损失量，所以总体上耕地面积仍在减少。

图2 安徽省不同阶段土地覆被变化

2000—2010年整个研究时段来看，耕地、湿地与人工表面间的转化面积较大，其中最大的转化面积为耕地转化为人工表面，为3 210.87km2，占其转出面积的70.8%； 其次为耕地转化为湿地，转化面积为1 208.34km2，占其转出面积的26.6%； 再次为湿地转化为耕地，面积为906.65km2，占其转出面积的95.2%。在10年间，面积变化较大的土地覆被类型为耕地、人工表面与湿地3种，其中耕地面积共减少了3 586.17km2，人工表面的面积增加了3 291.59km2，湿地面积增加了302.95km2。综合来看，人工表面的范围大幅扩张，耕地面积大范围减少，该现象不利于经济与社会的可持续发展，应加大保护耕地的力度，严格控制耕地转化为非耕地，并在可能的情况下进行废弃地的复垦工作，以保证耕地的数量。

表3 景观指数尺度域及适宜范围

粒度效应分类景观指数第一尺度域(m)适宜粒度范围(m)第一类斑块数50～7550～75斑块密度50～7550～75最大斑块指数50～125100～125斑块结合度50～125100～125景观分割度50～125100～125景观分离度50～125100～125香农多样性指数50～150125～150香农均匀度指数50～200175～200面积加权平均分维数50～125100～125第二类周长—面积分维数无愈小愈好景观蔓延度无愈小愈好平均斑块面积无愈小愈好景观形状指数无愈小愈好景观聚集度无愈小愈好

3.2 景观粒度效应分析

3.2.1 不同景观指数粒度效应分析

根据景观指数计算结果，以粒度为横坐标，以景观指数为纵坐标，绘制景观指数粒度效应曲线(图3)。不同指数代表不同的信息，景观指数对于粒度变化的响应存在非同步性，因此第一转折点所出现的位置并不完全一样[11]。所选指数随着粒度增加，基本呈现两种变化趋势(表3)。

第一类随着粒度的增加，曲线存在尺度转折点。大多数景观指数的第一转折点在125m处，如斑块结合度、面积加权分维数、景观分割度与景观分离度，有些在75m处，如斑块数、斑块密度、最大斑块指数。香农多样性指数的第一转折点在150m处，香农均匀性指数的转折点在200m处。第二类随着粒度的增加，曲线无明显尺度转折点。该趋势表明随着粒度的增加，虽然会出现一些斑块间消失或融合等现象，但并不会剧烈。

栅格粒度的变化改变了斑块的分割情况，使得一些小斑块消失，出现斑块数减少、斑块密度降低； 或导致较小的斑块并入更大的斑块，造成最大斑块指数增加，改变景观形状的复杂度与分割度。随着研究粒度的逐渐增大，安徽省土地覆被景观格局总体呈现为斑块数减少，平均斑块面积增加，最大斑块指数增大，形状复杂程度降低。该文研究结果与赵文武、张立平、徐丽等人的研究结果基本一致[10-12]。

图3 安徽省不同时段景观指数粒度变化对比曲线

该文通过对3期的景观指数进行比较，发现不同时段的景观指数随着时间变化具体表现为斑块数、斑块密度、平均斑块面积、斑块结合度、最大斑块指数、景观蔓延度、聚集度等呈现为总体减小的趋势； 景观形状指数、分割度、分离度、香农多样性与均匀度指数呈现出总体上升的趋势。不同时段的景观指数曲线在125m处变化较大。某些景观指数曲线随时间差异的变化幅度较小，结合各指标的范围大小、计算公式与其变化对实际情况的影响，为避免重复以150m粒度水平下的景观分割度(DIVISION)为例进行分析， 2000—2010年差值为0.021 7，其区间范围为0≤DIVISION<1，变化幅度大于取值范围的2%，该现象表明：虽然数值波动较小，但时间差异对指标仍然存在一定程度的影响。

3.2.2 粒度范围选取

粒度变化使斑块分割情况发生变化，导致景观指数变化。赵文武等[11]指出，景观指数值第一次发生突变的区间为第一尺度域，转折点是较小的区间范围，并非确定值。若想保证质量并节省计算量，应选取第一尺度域内中等偏大范围。通过对各景观指数对应的第一尺度域及适合粒度范围分析可知，第二类景观指数的适宜范围越小越好。第一类指数中除斑块数与斑块密度的适宜范围在50～75m之间，香农多样性与均匀度指数的数值在125m前基本无变化，其余指数的适宜区间均为100～125m。综合考虑各指数，确定计算安徽省景观指数的适宜粒度范围为100～125m。

3.3 代表性景观指数的选取

3.3.1 景观指数相关性分析

根据生态学含义及计算公式，对明显冗余的景观指数进行初步筛选。

香农多样性指数(SHDI)是描述景观多样性时所采用的较为广泛的指标，包含了香农均匀度(SHEI)指数所表达的信息，因此保留香农多样性指数。斑块数(NP)与斑块密度(PD)为明显的正相关关系，平均斑块面积(AREA_MN)互为倒数关系，三者均可度量景观破碎化程度，因此只保留平均斑块面积这一指标。从Fragstats景观指数计算公式来看，景观分割度(DIVISION)等于1减去斑块面积除以整个景观面积的平方和，景观分离度(SPLIT)的值为景观面积除以所有斑块面积的平方和，两者之间具有相关性。大多数研究中采用了分割度(DIVISION)，因此结合众人的研究，剔除景观分离度，保留景观分割度指数。对剩余的10项景观指数进行Spearman相关分析(表4)。

表4 10个景观指数的Spearman相关系数矩阵

景观指数LPILSIPAFRACCONTAGCOHESIONDIVISIONSHDIAIAWMPFDAREA_MNLPI1.000LSI-0.870∗∗1.000PAFRAC0.845∗∗-0.994∗∗1.000CONTAG-0.606∗∗0.860∗∗-0.884∗∗1.000COHESION-0.2180.622∗∗-0.636∗∗0.600∗∗1.000DIVISION-0.913∗∗0.895∗∗-0.871∗∗0.721∗∗0.3251.000SHDI-0.319-0.0690.118-0.509∗-0.3460.1231.000AI-0.721∗∗0.950∗∗-0.961∗∗0.967∗∗0.659∗∗0.808∗∗-0.3691.000AWMPFD-0.525∗0.867∗∗-0.882∗∗0.908∗∗0.830∗∗0.636∗∗-0.483∗0.943∗∗1.000AREA_MN0.783∗∗-0.971∗∗0.977∗∗-0.922∗∗-0.637∗∗-0.853∗∗0.239-0.979∗∗-0.912∗∗1.000 注:∗表示在置信度(双侧)为0.05时显著相关; ∗∗表示在置信度(双侧)为0.01时显著相关

表5 景观指数因子分析结果

项目旋转后的因子载荷矩阵|A| 因子得分矩阵|S|F1F2F1F2特征值6.4542.653贡献率(%)64.53926.533累计贡献率(%)64.53991.072AI0.969 60.226 90.149 20.040 0LSI0.966 0-0.257 40.170 3-0.137 8PAFRAC-0.998 90.021 0-0.165 10.052 4AWMPFD0.906 50.380 00.132 00.099 1COHESION0.965 8-0.019 40.159 6-0.050 3DIVISION0.489 30.153 40.073 60.034 5AREA_MN-0.981 40.028 0-0.162 60.052 4LPI-0.040 1-0.257 4-0.051 20.368 1CONTAG0.680 10.731 90.079 00.238 5SHDI0.015 2-0.999 00.047 2-0.367 8

从表4可以看出，SHDI与其他指数间的相关性较小，说明其独立性较好。大部分的景观指数间具有较高的相关关系，其中最大正、负相关系数均在0.9以上，表明大部分景观指并不相互独立，同时选用众多指数并不十分合理，而且加重了计算量。

3.3.2 景观指数因子分析

对原始数据进行标准化处理后，使用主成分法将特征根大于1的成分作为公因子进行提取，计算因子载荷矩阵|A|。采用最大方差法对矩阵进行正交旋转变换以突出各主因子的典型代表性，得到较为满意的主因子，同时计算因子得分矩阵|S|(表5)。

特征值大于1的主因子有2个，即F1、F2，特征值分别为6.454、2.653，累计贡献率达到91.072%。这2个公因子能够压缩数据量，并提供了原始数据的大部分信息。第一主因子在LSI、PAFRAC、COHESION、AI、AWMPFD、AREA_MN处具有较大的载荷，其中PAFRAC的载荷系数最大； 第二主因子在LPI、SHDI、CONTAG处具有较大的载荷，且相应的因子得分较高。

3.3.3 景观指数敏感性分析

表6 敏感性分析结果

景观指数敏感性系数F1F2景观聚集度0.066 8景观形状指数0.952 3周长—面积分维数-0.000 6面积加权平均分维数0.000 2斑块结合度0.000 9景观分割度0.000 1平均斑块面积-0.303 8最大斑块指数0.151 4景观蔓延度0.144 9香农多样性指数-0.004 0

通过敏感性分析结果(表6)发现：在公因子F1中，景观形状指数、平均斑块面积与景观聚集度的敏感性系数的绝对值较大，即这几个指数对F1表现得较为敏感； 在公因子F2中，最大斑块指数与景观蔓延度指数的绝对值较大，表明其对F2表现得较为明显。

综合上述相关性分析、因子分析与敏感性分析3种方法定量分析的结果，结合Fragstats 4.1软件的指数分类及各个指数生态学含义，对冗余景观指数进行剔除，最后保留最大斑块指数(LPI)、景观形状指数(LSI)、平均斑块面积(AREA_MN)、香农多样性指数(SHDI)4个景观指数对安徽省景观格局的变化进行研究。最大斑块指数(LPI)可确定景观的优势类型； 景观形状指数(LSI)用于判断景观形状复杂性； 平均斑块面积(AREA_MN)则反映了景观的破碎化程度； 香农多样性指数(SHDI)是描述景观多样性常用指数，可以反映景观异质性。

该文分析了不同时期的土地覆被景观指数的粒度效应，结果发现景观指数随粒度变化的趋势基本相同，可能与研究区的范围较大有关； 时间尺度也会对分析结果产生影响。根据安徽省统计局发布的统计数据：(1)国民经济核算。人均生产总值(按常住人口计算)： 2000年4 779.46元/人； 2005年8 630.70元/人； 2010年2.088 780万元/人。(2)交通运输业基本情况。运输线路长度： 2000年铁路运营里程， 2 164km，公路4.449 3万km； 2005年铁路运营里程， 2 353km，公路7.289 7万km； 2010年铁路运营里程， 2 850km，公路14.938 2万km[20]。该文以5年为时间粒度，2000—2010年，安徽省整体发展速度较慢。这些因素均可能造成景观指数粒度效应曲线的变化幅度不明显。根据安徽省景观特点，选择了在实际应用中较多的部分景观指数作为分析依据，基于相关分析、因子分析与敏感性分析的结果筛选出了安徽省的代表性景观指数，对于该结论的广普性有待进一步探讨。此外，可以进一步对安徽省景观格局进行分区[21]，研究不同区域的破碎度与某种土地覆被类型流失量之间的关系以及预测安徽省未来的土地覆被情况[22， 23]。

4 结论

(1)安徽省的土地覆被类型始终以耕地为主，其次是林地，再次为人工表面。优势景观顺序未发生变化，但耕地面不断减少，人工表面所占比重逐渐增大。最大的转化面积为耕地变为人工表面，在10年间有超过3 200km2的耕地转化为人工表面。

(2)粒度变化对景观指数的计算结果产生影响。根据景观指数随粒度增加有无明显尺度转折点分为2类，第1类包括斑块数、斑块密度、最大斑块指数、斑块结合度、面积加权平均分维数、景观分割度、景观分离度、香农多样性指数与香农均匀度指数，这些指数随着粒度的增加存在尺度转折点； 第2类包括景观形状指数、周长—面积分维数、景观蔓延度与景观聚集度与平均斑块面积，这些指数随着粒度的增加无明显拐点。根据第一尺度域是确定合适粒度大小的观点，安徽省的合适粒度范围为100～125m。

(3)确定研究安徽省土地景观格局变化代表性指数有4个，分别为最大斑块指数(LPI)、景观形状指数(LSI)、平均斑块面积(AREA_MN)、香农多样性指数(SHDI)。该文提出的结合景观指标生态意义，基于相关分析(剔除相关性较强的冗余指标)、因子分析(对景观指数进行分类，并分析公因子对原始变量的影响程度及各指数对每类公因子贡献率)和敏感性分析(筛选灵敏度高且具有代表性的指标)逐步确定省域尺度下景观指数集方法，可为今后同类尺度下的研究提供技术支撑。