三峡库区典型流域“源”“汇”景观格局时空变化对侵蚀产沙的影响

孙天成,刘婷婷,褚 琳,2,*,李朝霞,2,王天巍,2,蔡崇法,2

1 华中农业大学资源与环境学院, 武汉 430070 2 华中农业大学农业部长江中下游耕地保育重点实验室, 武汉 430070

作为地表复杂系统水文生态过程中的重要部分,以土壤侵蚀产沙及泥沙输移为主要特征的水土流失过程在全球范围内严重威胁人类生存,对生态环境以及区域可持续发展等方面带来严重危害,并且对于下游地区的影响也不容忽视[1]。水土流失是不利的自然条件与人类不合理的经济活动互相交织作用产生的[2],其产生的随径流泥沙运移的污染物质会给异地的生态环境造成严重危害[3]。异质景观格局深刻影响着流域的径流和产沙过程[4],而随着社会经济发展,景观结构和功能发生了相应变化,所对应的景观斑块密度、数量、形状和空间分布也随之发生变化,其变化能够在一定程度上反映水土流失等生态过程[5]。

土壤侵蚀作为世界上主要的环境问题之一,与气候、土壤、植被、水文、地形等多种因素密切相关[6]。人类活动导致的景观格局变化是影响土壤侵蚀的直接驱动力,也是导致水土流失时空分异的重要原因[7]。众多研究表明,改变景观格局,例如种植植被、增加植被覆盖均能有效防治土壤侵蚀的发生[8],植被覆盖减小雨滴对地面的击打,增加地面糙率而减小了径流流速[9]。除了植被因子，景观格局的空间分布也能改变水文结构和侵蚀系统，合理的改变景观空间镶嵌特征，能提高土壤流失拦截能力，有效减少泥沙向水体的输出[10,11]。

近年来,众多学者对景观格局与土壤侵蚀的相互关系进行研究, Haycock和Muscutt[12]认为缓冲带能对泥沙入河产生减缓作用的强弱,取决于景观类型和合理的设计；陈利顶等[13,14]以生态功能角度,针对土壤侵蚀过程将景观类型划分为源景观和汇景观,建立了源汇景观指数；刘宇等[15]采用景观格局表征法定量评估南水北调中的土壤侵蚀影响,结果表明,分析景观格局信息和土壤侵蚀关系的各种指标,比如景观指数,能够在空间上有效的反映出土壤侵蚀的影响强度；黄志霖等[16]选取了斑块面积百分比指数(PLAND)等多种不同的景观指数,研究表明了农坡地、农耕地、农林梯地、居民地等相应景观指数与泥沙输出量显著正相关。景观格局分析方法作为研究景观格局变化对土壤侵蚀效益的主要途径之一,更加方便、快捷,并且在一定程度上具有可靠性[17],“源”、“汇”景观格局理论作为景观格局分析的研究手段之一在融合景观类型、面积、空间位置和地形特征方面表现更好[18],它的提出在一定程度上能够较好地使具有面状特性的景观格局与点状监测数据有机结合,使定量研究流域景观格局与生态过程的关系成为可能[19]。

在众多因子中,降雨是引起土壤流失的最重要因子,当前研究主要集中于景观格局与降雨叠置情形下对侵蚀产沙的耦合影响,围绕侵蚀产沙对景观格局的直观响应关系的报道较少。研究以“源汇” 景观理论为依据,通过划分“源”、“汇”景观类型,计算景观格局指数并基于控制变量法,探究在降雨量时序曲线相似的情况下王家桥流域景观格局时空变化与流域产沙量之间的关系。研究结果以期为三峡库区典型流域景观格局优化以及水土流失防治提供依据。

2 材料与方法

2.1 研究区概况

王家桥小流域位于东经113°38′—115°42′、北纬30°11′—31°22′之间(图1),是长江二级支流,作为三峡库区的典型流域,其出口距离三峡大坝约有50 km。研究区面积约16.7 km2,南北跨越7.0 km,东西宽3.5 km。属典型山区小流域,地形坡度陡峭,海拔在190 —1090 m,平均海拔高度为623.9 m。流域地处北亚热带大陆性季风气候,多年平均相对湿度79%,最小相对湿度12%,多年平均温度14.5—18 ℃,≥10℃积温为3600—5580 ℃,四季分明,雨热同季,年无霜期长,年均降水量达到1012 mm,降雨主要集中在夏季。流域内包含多种土壤类型：主要有黄沙土、紫泥沙土、紫沙土、紫泥砂土、紫砂土、黄泥沙土、紫渣土、灰紫渣土、紫泥沙田、紫沙泥田等。

图1 研究区域位置Fig.1 Location of study region

2.2 数据处理

2.2.1景观格局分类

为获取研究区1995年、2000年、2005年、2010年和2015年五期的景观格局分类信息,首先需要对这三个时期的遥感影像进行处理,遥感影像来源见表1。将以上影像分辨率重采样为2.5 m,地理坐标系统一为WGS- 1984,投影带为UTM。在ENVI5.2中对五期影像进行大气校正、几何校正、去云等预处理,并进行影像拼接,使用研究区边界进行裁剪,得到研究区遥感影像数据。

表1 遥感影像来源

景观格局分类依据参照《全国遥感监测土地利用/覆盖分类体系》,根据研究区的实际情况,分类标准调整如表2所示,分有一级类5类,二级类8类。采用监督分类与人工目视解译结合的方法,对研究区1995、2000、2005、2010和2015年五期景观类别与格局信息进行解译提取。根据研究需要,景观分类采用一级类结合二级类,划分八种景观类型：有林地、疏林地、果园、草地、耕地、居民地、道路和水域。利用2010年8月以及2015年9月野外实地考察采集的314个样点对分类结果进行验证,一级分类精度达到90%,二级分类精度达到88%,满足研究需要。

表2 王家桥流域景观类型

2.2.2“源”“汇”景观类型划分

在景观生态学中,“源”“汇”景观的划分主要依据不同景观类型在生态过程中发挥的作用来判断其归属[20-22]。基于景观生态学中的源汇景观划分机制,并结合王家桥流域特点及其景观类型在土壤侵蚀过程中的作用,将有林地、园地、疏林地、草地、水域划分为“汇”景观类型,居民点、耕地和道路划分为“源”景观类型。

2.2.3景观格局指数的选取

在不同尺度上,众多景观指数能够定量表述景观特征,且多数指标之间显著相关[23]。对于土壤侵蚀过程而言,斑块水平上景观指数的指示性不强,研究选取景观和类型两个尺度上的景观指数来分析景观格局特征对侵蚀产沙的影响。选取的景观格局指数包括四大指数类型：斑块、边界密度指数；形状类指数；描述聚集与分散的指数；斑块类型多样性指数[24],具体指数名称含义及计算公式见表3,各景观指数的计算均在Fragstats 4.2软件中完成。

表3 选取的景观指数及其含义

2.2.4水文泥沙资料

径流泥沙数据来源于秭归县水土保持试验站,该站1989年在王家桥小流域出口处布设了矩形宽顶堰测流断面,采用SW40日记式自己水位记录日水位变化过程。水位采用人工观测水尺读数并校核自记水位迹线；低水位时采用流速仪测速,高水位采用浮标测流；含沙量与输沙率的取样与测流同步进行。本研究选用的水文泥沙资料是该流域1995年至2015年共20年同步逐日输沙资料。分年度统计信息见表4。为获得王家桥流域年际输沙量,研究对平均流量与平均输沙量进行逐日相乘并累加处理,计算得到1995年至2015年逐年年际输沙量。

降雨数据来源于秭归县水土保持试验站在王家桥小流域出口建立的气象观测站,该站主要观测降雨、日照、蒸发、气温、地温等有关气象要素。研究采用流域逐月降雨量(mm)数据,由流域出口处逐日统计数据(1995—2015)计算所得,分析流域降雨特征,使用时序相似性中的闵可夫斯基距离(Minkowski Distance)对每年逐月降雨数据进行计算。在MATLAB (2017a) 中编程计算确定降雨量曲线和待分类降雨量曲线之间的闵可夫斯基距离[25],设置合适阈值,进行聚类,查找1995年至2015年间降雨量曲线相似的年份。闵可夫斯基距离计算结果表明,1997年、1999年、2003年、2005年以及2015年的降雨量曲线较为相似,如图2。在降雨量时序曲线相似的情况下,分析景观格局时空变化与侵蚀产沙的关系。

表4 王家桥流域径流数据统计

图2 1995—2015年王家桥流域相似降雨类型图 Fig.2 Similar rainfall patterns in the Wangjiaqiao watershe from 1995 to 2015

2.3 研究方法

提取研究区1995年、2000年、2005年、2010年和2015年五期景观类型信息,划分“源”“汇”景观类型,使用马尔柯夫模型的转移矩阵分析“源”“汇”景观格局时空变化特征；从景观尺度和类型尺度分别提取相应景观指数,进行流域景观特征分析；在降雨量时序曲线相似的情况下,对景观指数与年际输沙量进行相关分析,计算皮尔逊相关系数,探究景观格局时空变化对侵蚀产沙的影响。

2.3.1马尔柯夫模型

马尔柯夫(Markov)预测方法是基于数学家马尔柯夫的随机过程理论而形成的一种特殊的随机运动过程[26]。通过对不同状态的初始概率以及状态间的转移概率关系的计算与分析,确定景观格局随时间的变化趋势,最终达到景观格局变化预测的目的。景观类型之间的转化往往具有无向性[27]。即当前地块的景观类型在下一刻发展的地块类型具有N种可能性,每种景观类型发展的概率不同,每种发展可能性的大小受到众多因素的影响。景观类型的发展变化具有双向性,既可以当前类转化为其他类,也会从其他类型向当前类型进行转进变化。在这种随机转化的过程中,景观的类型、数量不断发生改变[28]。这种包含众多难以用数学方式准确描述与表达的景观格局变化过程符合马尔柯夫研究的条件。模型的关键在于确定各类景观之间的转移概率[29]。景观格局变化过程中各种状态之间的转化构成转移概率矩阵。其构成形式如公式(1)所示：

(1)

2.3.2相关性分析与多元回归

对景观指数与流域实际输沙量进行相关性分析[30],获相关系数R的计算公式如(11)所示：

(11)

利用多个景观指数与输沙量建立多元回归方程[31],定量分析景观指数与输沙量的关系。多元线性回归的一般形式如(12)所示：

Yi=β0+β1X1+β2X2+…+βkXki+μ(i=1,2,3…)

(12)

式中,x为变量,k为解释变量的数目,βi(i称为回归系数)。

3 结果与分析

3.1 “源”、“汇”景观格局时空变化特征

3.1.1“源”、“汇”景观空间分布特征

1995年到2015年间,王家桥流域的林地与耕地面积持续下降,园地面积大幅度增长,建设用地面积略微增长,水域与草地面积基本不变(图3)。“源”、“汇”景观类型划分的空间分布格局如图4所示,1995年到2015年,“汇”景观的面积始终大于“源”景观的面积,“源”景观面积一直在减小,“汇”景观面积持续增加。20年间,“源”景观类型减少了2.48 km2,占比减少了15.07%,“汇”景观面积增加了2.48 km2,占比增加了15.07%(表5)。

图3 1995—2015研究区景观类型面积占比图Fig.3 Proportion of landscape types in the study area from 1995 to 2015

图4 1995—2015年研究区“源”、“汇”景观格局Fig.4 The source-sink landscape of the study region from the 1995 to 2015

年份Year景观类型Landscape type汇Sink源Source年份Year景观类型Landscape type汇Sink源Source1995面积10.795.662010面积12.883.56占比65.6134.39占比78.3421.662000面积10.965.492015面积13.273.18占比66.6233.38占比80.6819.322005面积12.054.41995—2015面积2.48-2.48占比73.2726.73占比15.0715.07

3.1.2“源”、“汇”景观时空变化特征

图5 1995—2015年研究区“源”、“汇”景观变化 Fig.5 The landscape change of the “source” and “sink” in the study region from 1995 to 2015

1995—2015年王家桥流域的“源”、“汇”景观时空变化如图5所示,整体上未变化面积较多,未变化区域面积为10.80 km2,占比为65.69%,“源”景观转变为“汇”景观的面积大于“汇”景观转变为“源”景观的面积。“源”景观转为“汇”景观的面积为4.06 km2,占比为24.69%；由“汇”景观转为“源”景观的面积为1.58 km2,占比为9.62%。这二十年间,王家桥流域由“源”景观转为“汇”景观的区域主要分布在王家桥流域中部及南部,由耕地转为了园地,部分分布在王家桥流域西南部的耕地变成了水域。研究区由“汇”景观转为“源”景观的区域分散在王家桥西北部及东南部,林地和疏林地变成了耕地与道路。

3.2 “源”、“汇”景观特征分析

3.2.1流域景观结构变化

1995年至2015年,流域景观结构发生显著变化,景观破碎度降低,聚合度增强,景观丰富度在2010年达到最大。在景观水平上(图6),边界密度(ED)、斑块密度(PD)和景观形状指数(LSI)的变化趋势保持一致,总体呈现下降趋势,表示景观流域破碎度降低。相似近邻百分比(PLADJ)、斑块结合度(COHESION)和分割指数(SPLIT)变化不大,整体呈上升趋势,表示聚合度增强。斑块类型多样性指数(SHDI)从1995年到2010年不断增加,2010年达到最大,表示这几年间景观斑块类型增加,王家桥流域景观丰富度在2010年达到最大,不定性信息含量最高；到2015年略微下降,表明研究区这五年间景观丰富度降低。

图6 景观水平景观指数变化Fig.6 Landscape metrics dynamic at landscape level

3.2.2“源”景观类型变化特征

对于“源”景观(图7),斑块类型水平,除耕地外其他“源”景观类型破碎度增加,聚合度降低。居民地和道路的类型面积百分比PLAND、景观形状指数LSI都呈现上升趋势,斑块密度PD、斑块边界ED分割指数SPLIT均呈现下降趋势；耕地的斑块密度PD在2010年和2015年处于一个较低值,斑块形状指数LPI在1995年达到最大,之后比较平稳,景观形状指数LSI不断下降,斑块聚合度COHESION维持在一个比较平稳的水平,变化不大；总体看来,王家桥流域“源”景观类型破碎度在不断增加,聚合度在不断降低。

图7 流域土壤侵蚀“源”斑块类型景观指数变化 Fig.7 Change of landscape index of soil erosion "source" patch type in watershed

3.2.3“汇”景观类型变化特征

在斑块类型水平上,“汇”景观中,有林地、果园、疏林地、水域和草地的各个景观指数呈现出不同的发展趋势(图8)。有林地的边界密度PD、类型面积百分比PLAND和最大斑块形状指数LPI均出现下降趋势,斑块结合度COHESION变化不大；疏林地的景观形状指数LSI、斑块结合度COHESION都在增加,分割指数SPLIT下降；果园的分割指数SPLIT下降,最大斑块形状指数LPI、斑块结合度COHESION均在不断上升；水域的SPLIT变化不稳定,其余指数波动不大；草地的景观指数均波动不大。其中,有林地、果园、疏林地和水域的COHESION 各年均超过了90%,维持在一个较高水平,表明“汇”景观具有较高的聚合度。

图8 王家桥流域土壤侵蚀“汇”类型景观指数变化Fig.8 Changes of landscape metrics of sink types of soil erosion at watershed level

3.2.4“源”、“汇”景观类型合并后变化特征

将“源”、“汇”类型分别合并后计算得到的景观指数如图9,总体上来看,“源”景观类型破碎度在增加,聚合度在降低,而“汇”景观类型破碎度呈下降趋势,聚合度持续上升。

“源”景观的类型面积百分比PLAND、斑块密度PD、边界密度ED和景观形状指数LSI总体上呈现下降趋势。最大斑块形状指数LPI保持稳定,而相邻近似百分比PLADJ和斑块结合度COHESION整体有所上升,分割指数SPLIT则在40上下波动。对于“源”景观,这些年间,“源”景观面积的减少导致总斑块数量的下降,致使PD、PLAND指数值的下降,而“源”景观中道路与居民地在王家桥流域西南部分的密集增加导致了PLADJ、COHESION指数值的上升,这些指数的变化表明研究区破碎度增加,聚集度降低,促进了该地区的土壤侵蚀。

“汇”景观类型面积百分比PLAND不断增加,同时最大斑块形状指数LPI和PLADJ总体上也在不断增加。ED、LSI呈现下降趋势,而斑块密度PD、斑块结合度COHESION和分割指数SPLIT比较稳定,斑块结合度COHESION的数值均保持在99以上。对于“汇”景观来说,“汇”景观中园地面积的大幅度增加导致了LPI、PLAND指数值的增加,而研究区北部有林地的减少导致ED、LSI指数值的下降,这些指数的变化均表明“汇”景观的破碎度下降,聚合度升高。

“汇”景观类型的PLAND、LPI和PLADJ指数值比“源”景观高,二者的PLADJ均处于一个较高水平,“源”景观类型的PD、LSI和SPLIT 比“汇”景观高。

图9 流域“源”、“汇”景观类型归并后的景观指数变化Fig.9 The change of landscape index after the integration of the watershed ′s "source" and "sink" landscape types

3.3 侵蚀产沙对“源”、“汇”景观格局时空变化的响应

土壤侵蚀受降雨的影响很大,为研究侵蚀产沙对景观格局变化的响应,选取降雨量时序曲线形状相似的年份,基于王家桥流域1995—2015年间的曲线相似性划分结果,选取1995、2000、2005、2015年的相应景观指数,分别从斑块类型尺度与景观尺度上分析景观格局的变化与侵蚀产沙的关系。

3.3.1斑块类型景观指数指示流域土壤侵蚀变化的有效性

斑块类型景观指数与土壤侵蚀之间的相关性显著,可以指示景观格局与土壤侵蚀的关系。不同景观类型提取的景观指数与土壤侵蚀量的相关系数的一致性不同(图10, 图11)。对于“源”景观而言,除PLADJ和COHESION之外,其余景观指数与输沙量的相关系数的符号不一致,“源”景观类型的指数与输沙量均呈正相关,道路PLADJ与输沙量的正相关系数最大(R=0.827)。在“汇”景观类型上,除PD、ED、LSI指数与输沙量均呈负相关,其余景观指数与输沙量的相关系数的符号不一致,疏林地PD负相关系数最大(R=-0.896)。在表达多个“源”景观类型格局与输沙量的相关关系时,只有PLADJ和COHESION指数具有符号一致性,即只有PLADJ与COHESION这两种景观指数对于指示土壤侵蚀的变化具有有效性,其余景观指数不具有有效性；在表达多个“汇”景观类型格局与流域实际输沙量的相关关系时,只有PD、ED、LSI指数具有有效性,而其余景观指数不具有有效性。

将合并后的“源”、“汇”两类景观的不同景观指数与流域输沙量进行相关性分析(图12)。由图可知,对于“源”与“汇”两类景观类型而言,PD、ED、LPI、LSI、PLADJ和COHESION 与流域输沙量的相关系数符号相同,不能正确指示景观变化的土壤侵蚀效应,而PLAND和SPLIT与流域的输沙量的相关系数符号相反,可以指示景观格局变化对土壤侵蚀的影响。

3.3.2景观水平景观指数指示流域土壤侵蚀变化的有效性

在景观水平上,将提取的景观指数与流域输沙量进行相关性分析得到图(图13)。由图可知,在景观水平上,景观指数与流域输沙量的相关系数整体较类型指数来说偏低,从景观指数的计算原理上而言,景观水平指数的变化也不能指明侵蚀的强弱性。若侵蚀加强,既可能是因为“源”斑块的破碎度降低,也可能是因为“汇”斑块的破碎度增强。故而,在景观水平上,尽管景观指数与流域输沙量具有相关性,但是不能正确解释侵蚀的变化。

3.4 “源”、“汇”景观指数与侵蚀产沙的关系

根据对相似年份的降雨分析,分别提取1995、2000、2005、2015年的与“源”、“汇”景观具有有效性的相应景观指数,分别建立“源”、“汇”景观指数与相应年份流域输沙量的多元回归模型,并验证模型精度。

对于“源”景观,利用PLADJ和COHESION这两种对指示土壤侵蚀变化具有有效性的景观指数,与各年份的输沙量进行多元线性回归。将输沙量作为因变量y,两个景观指数作为自变量x,在SPSS Statistics19中进行多元回归分析,可以得到回归方程式为：

图10 “源”景观斑块类型景观指数与流域输沙量相关性 Fig.10 The correlation between the landscape index of "source" patch type and sediment yield of watershed

图11 “汇”景观斑块类型景观指数与流域输沙量相关性 Fig.11 The correlation between the landscape index of "sink" patch type and sediment yield of watershed

图13 景观水平景观指数与输沙量的相关关系 Fig.13 Relationship between metrics at landscape level and sediment delivery

y=-112537.462+283.22x1+1061x2

(13)

式中,y为输沙量,x1为PLADJ,x2为COHESION。

上述回归方程(公式13)表明,研究区年际径流输沙量与PLADJ、COHESION指数呈正相关关系。从1995年到2015年,“源”景观的PLADJ与COHESION呈上升趋势,这些年间,王家桥流域年际径流输沙量也呈上升趋势。

对于“汇”景观,利用ED、PD、LSI这三种与它具有符号一致性的景观指数,与各年份的输沙量进行多元线性回归。将输沙量作为因变量y,两个景观指数作为自变量x,在SPSS Statistics19中进行分析计算,可以得到回归方程为：

y=1286.313-21.693x1-31.184x3

(14)

式中,y为输沙量,x1为PD,x3为LSI。

上述回归方程(公式14)表明,研究区年际径流输沙量与PD、LSI呈负相关关系。从1995年到2015年,“汇”景观的PD与LSI呈下降趋势,王家桥流域年际径流输沙量呈上升趋势。

由王家桥流域逐日平均流量与输沙量可知,未参与多元回归建模的2010年王家桥流域年际输沙量为683.28 kg/a,将2010年的相应景观指数带入回归方程进行检验,结果表明：基于“源”景观得到的回归方程,预测的年际输沙量为601.5611 kg/a,误差为0.10；基于“汇”景观得到的回归方程,预测的年际输沙量为728.0983 kg/a,误差为0.06。建立景观指数与输沙量的多元回归模型后得到的结果表明：与“源”、“汇”景观具有符号一致性的相应景观指数与年际输沙量均显著相关；对于“源”景观,输沙量与景观指数的复相关系数为R=0.946,判定系数R2=0.895；方差分析量F=8.527,相伴概率P<0.01,两个景观指数PLADJ、COHESION与输沙量存在线性相关关系；对于“汇”景观,在移去了不明显显著的变量ED后得到的输沙量与景观指数的复相关系数为R=0.903,判定系数R2=0.815；方差分析量F=4.413,相伴概率P<0.01,表明剩下两个景观指数PD、LSI与输沙量存在线性相关关系；将未参与建模的数据带入回归方程检验可得,基于“源”景观,真实值与预测值的误差为0.1；基于“汇”景观,真实值与预测值的误差为0.06,能够用于验证具有有效性的景观指数与土壤侵蚀产沙量的相关关系。

4 讨论与结论

4.1 讨论

本文以王家桥小流域为研究对象,以流域景观格局和水文站径流泥沙数据为基础,从景观尺度和类型尺度上探讨流域的侵蚀产沙对景观格局变化的响应机制。

王家桥小流域源汇景观单元的组成结构具有明显的空间区域特征,20年间,研究区“汇”景观的面积始终大于“源”景观的面积。“源”景观面积一直在减小,主要原因在于研究区中部和西南部耕地面积的持续减小；园地面积的大幅度增长,导致了“汇”景观面积持续增加。“源”景观转为“汇”景观的区域主要分布在流域中部及南部,表现为耕地转向园地,实地农户调查表明,受经济效益的驱使,1995至2015年王家桥流域范围内农民的生产方式逐渐由农作物种植转变到柑橘种植,农民大规模退耕造园,耕地面积不断减小。另一方面,三峡大坝的修建致使水位上涨,淹没了部分耕地,流域西南部的部分耕地变成了水域。研究区“汇”景观转为“源”景观的主要原因是林地转变为耕地与道路,伴随着农村的发展建设,道路不断增多,为了满足农村的生活需要,农民开发林地变成了耕地。王家桥小流域的景观格局时空变化与前人相关研究[32-34]较为一致。

我们在计算各种景观指数的过程中发现王家桥小流域的破碎度升高,聚合度降低,土壤侵蚀程度增强。通过对比“源”、“汇”景观的类型面积百分比PLADJ、景观形状指数LPI以及相邻近似百分比PLADJ等指数的变化可以知道,在王家桥流域“汇”景观类型比“源”景观类型有优势,并且这种优势不断增强,“汇”景观类型决定当地的生物多样性、数量和优势种,这一结果与相关研究[23,35]较为一致。

尽管研究考虑了景观要素以及景观过程外部自然因子(降雨)的影响,但仍然存在着一定局限性,未能彻底剥离其他影响侵蚀产沙的因子,如植被覆盖因子、土壤可蚀性,坡度等。径流的产流产沙是一个多尺度、非线性的复杂空间地理生态过程,过程中各种不同变量随着景观格局变化呈现出不同的复杂非线性关系,使常规景观指数与侵蚀产沙过程变量间的统计关系存在不确定性[16,36],难以使用常规景观指数定量分析其与土壤侵蚀产沙之间的耦合关系。景观数据属性、景观指数本身性质和土壤侵蚀过程的复杂性使得常规景观格局指数在景观格局与土壤侵蚀关系研究中存在不足[15]。这几方面的影响使得常规景观格局指数与土壤侵蚀表征变量之间不存在确定的关系,从而难以通过景观指数来表征景观土壤侵蚀特征[37,1]。缺乏土壤侵蚀过程基础是常规景观指数在土壤侵蚀研究应用中存在局限的主要原因[38]。构建基于土壤侵蚀过程的景观指数是景观格局与土壤侵蚀关系研究的需要和新的发展方向。

4.2 结论

本文在通过对1995年至2015年王家桥小流域的景观格局进行分析,提取景观和斑块类型上相应的景观指数,采用控制变量的思想,选取降雨量曲线相似的年份,对所选取年份的景观指数与实际输沙量进行相关分析,最后利用多元回归法定量分析景观指数与流域输沙量之间的关系,得到结论如下：

(1)1995年至2015年,王家桥流域主要景观为林地、果园和耕地。受经济效益的驱动,果园的面积逐年增加,耕地和林地的面积逐渐减少。这20年间,“源”景观的面积逐渐减少,“汇”景观的面积持续上升；且“源”景观转为“汇”景观的占比较多。

(2)20年间,王家桥流域景观格局呈破碎化发展趋势,聚集程度先降低再提高,在2010年达到最高,表明2010年流域景观多样性最大,不定性的信息含量最高。对于“源”景观来说,PD、ED、LSI指数值的下降和PLADJ、COHESION指数值的上升表明,研究区破碎度下降,聚集度上升,土壤侵蚀增强。而对于“汇”景观来说,LPI、PLADJ和PLAND指数值的增加与ED、LSI指数值的下降,表明景观的破碎度上升,土壤侵蚀增强。

(3)在表达多个“源”景观类型格局与输沙量的相关关系时,只有PLADJ和COHESION指数具有有效性,年际径流输沙量与PLADJ和COHESION指数呈正相关关系,输沙量随指数的增大而增大；在表达多个“汇”景观类型格局与输沙量的相关关系时,只有PD、ED、LSI指数具有有效性,年际径流输沙量与PD和LSI指数呈负相关关关系,输沙量随指数的增大而减小。用景观指数指示土壤侵蚀的作用时,在类型水平上的有效性比景观水平上的有效性高,并且从原理上来看,尽管景观类型上的景观指数与流域内输沙量具有相关性,但不能正确指示土壤侵蚀的变化。

(4)对于“源”景观,景观指数(PLADJ、COHESION)与流域输沙量的复相关系数为0.946；对于“汇”景观,景观指数(PD、LSI)与流域输沙量的复相关系数为0.903,“源”、“汇”景观与其各自所具有有效性的景观指数均显著相关。