安徽省淮南市城市湿地景观格局及其脆弱性——以大通废弃矿生态湿地修复区为例

王 楠, 汪桂生, 郭伟玲

(1.安徽理工大学 空间信息与测绘工程学院, 安徽 淮南 232001;2.矿山采动灾害空天地协同监测与预警安徽省教育厅重点实验室, 安徽 淮南 232001)

城市湿地是城市中陆地和水域生态系统相互作用形成的脆弱生态系统[1-2]，是维持生态平衡和区域生物多样性重要基础，在防止内涝、改善环境和降低自然灾害方面具有积极作用[3-4]。随着城市扩张，一些地区湿地遭到破坏，规模减少、水土流失、生态功能退化等问题逐渐凸显[5-6]。研究城市湿地景观格局对湿地景观保护和湿地资源科学利用具有重要的科学意义，同时对认识景观抗干扰能力、恢复能力、系统稳定性和生物多样性具有科学价值[7]。景观异质性是湿地生态平衡和持续发展的重要指标，体现景观的空间结构和丰富程度。景观格局脆弱度集中体现景观在外界因素干扰下的脆弱程度[8]，成为衡量生态安全的重要指标。生态过程在空间上的发生、发展驱动景观格局演变，影响系统自身抗干扰和恢复能力[9]，进而影响区域水土保持、生态稳定性等生态状况，对生态脆弱性造成影响。遥感技术可以高效地捕捉到景观水平上有规律的格局信息。国内外学者应用遥感与地理信息技术，在提取湿地分布上，结合景观指数分析城市湿地景观格局时空特征等[10-14]，为城市湿地景观格局研究提供了有效方法支撑。近年来，研究尺度更加细化，针对典型城市湿地公园的研究进一步拓展和深化了城市湿地景观格局研究内涵[15-16]。而关于湿地脆弱性的研究，目前主要集中在生态脆弱性方面[17-20]。然而，基于Landsat等低、中分辨率遥感影像分析小区域详细景观类型时，易出现“同谱异物，同物异谱”的现象[13,21-22]，致使景观类型误判并且限于其分辨率而难以进行景观子类型提取。

因此，为了进一步提升景观空间特征研究的精细度，本文基于高分辨率WorldView-3遥感影像，将遥感、GIS技术与景观生态学模型相结合，定量反映研究区景观组成的空间分布，以淮南泉大资源枯竭矿区生态环境修复的典型代表大通湿地公园为例，研究景观异质性并评估其景观格局及其脆弱性，为城市湿地保护和可持续发展提供科学依据。

1 研究区域与数据源

1.1 区域概况

大通国家湿地生态区(简称大通湿地)地处淮南市东部，舜耕山山前坡地，属丘陵地貌，地势自南向北逐渐降低，地形海拔差异约为200 m，总面积约为450 hm2。该地气候类型为暖温带半湿润季风型气候，年降雨量近1 000 mm；区域内土壤水分含量约为6%～9%，适合乔木森林生存[19]。大通湿地原为大通废弃矿区所在，在2004—2010年基于湿地构建、固废覆绿、景观再造等技术实施了生态修复工程[23-24]。在此基础上，形成了大通湿地生态区(简称大通湿地)并挂牌为国家级矿山公园。目前，该生态区的主要景观类型包括水杉林、刺槐林和响叶杨林等类型。

1.2 数据源

主要数据源为覆盖研究区全境并采集于2015年4月1日的WorldView-3高空间分辨率卫星影像(空间分辨率为1.2 m)，光谱波段为红、蓝、绿和近红外波段，使用WGS-84坐标系统、通用横轴墨卡托(UTM)投影。该卫星是美国Digital Globe公司于2014年8月发射的第4代高解析度光学卫星，其空间分辨率达到同类最高，提供0.3 m全色，1.24 m多光谱和3.7 m红外短波分辨率数据[25]。此外，研究中还采用了60个野外样方调查数据。本研究在大通湿地内设立了60个5 m×5 m的样地，测量了胸径大于5 cm的乔木的树种、胸径、树高和样地的中心点位置，并使用手持GPS(Garmin MAP 62 cs；精度：±3 m)全面调查大通湿地内景观生态类型以提供遥感影像分类样本及分类结果验证。

2 研究方法

2.1 湿地景观类型的提取

研究中首先对WorldView-3卫星影像进行以三次多项式模型为基础的几何纠正以及大气校正、图像增强等预处理工作。结合实地测量数据，将地物划分为14个分类类别，以野外所采集的42个(70%)样本实测数据、谷歌地球、土地类型专题地图和照片等其他信息作为参考，对各类型选择不少于10个的训练样本，基于最大似然法模型实施监督分类(附图10)。根据提取结果，基于余下的18个(30%)观测样本进行精度检验、修正。

2.2 景观格局分析指标

景观格局表征了研究区内各类景观的基本构成情况，包括景观类型数目、斑块密度、各类景观的面积及面积比例[26]。本文选取边界密度、斑块密度、景观多样性指数和景观均匀度指数作为景观异质性的指标体系[9,27-28]，其含义详见表1。为了在统一的尺度下进行计算，研究中将研究区范围划分成5 m×5 m的网格，以其为基本单元计算景观格局脆弱度指数。

表1 景观异质性分析指标

2.3 景观脆弱度指数构建

景观脆弱度性是外界扰动对景观系统的影响和系统本身的应对能力，能够反映城市湿地生态系统的稳定性和抗干扰能力[29]。景观脆弱度指数(LVI，简称脆弱度)是由景观敏感度指数(LSI)和景观适应度指数(LAI)构建而成。计算公式为：

LVI=LSI×(1-LAI)

(1)

式中：LVI为景观脆弱度指数，其值的大小是研究区景观格局脆弱状况的定量化表达； LSI为景观敏感度指数； LAI为景观适应度指数。

(1) 景观敏感度指数(LSI)及其计算。景观敏感度指数表征某一区域生态系统在受内在变化和人类活动干扰时发生生态问题可能性、难易状况以及恢复速度[30]。为此，选取与干扰密切相关的破碎度、分离度、分维数来构建景观敏感度指数，最后将景观干扰度指数与易损度指数的叠加来反映景观格局受外界干扰后的敏感响应程度[31]。景观敏感度指数其主要由景观干扰度指数(Ui)和景观易损度指数(Vi)构成，计算公式为：

LSI=Ui·Vi

(2)

Ui=aFOi+bFDi+cFNi

(3)

式中：LSI为景观敏感性指数；Ui为干扰度指数；FOi为景观类型i的优势度，研究中采用辛普森多样性指数表征；FDi为景观类型i的分维数的倒数，由于分维数是景观脆弱性的负向指标，采用倒数法，使其参数大小与景观脆弱性呈正相关；FNi为景观类型i的破碎度指数；a，b，c为各指标参数的权重，且a+b+c=1，根据既有研究成果确定，将优势度、分维数的倒数、破碎化指数分别赋权重为0.2，0.3,0.5[32]，其中评价单元为对应网格。Vi为不同类型易损度。根据区域内森林的空间分布、景观扰动因素并借鉴既有成果[7,32]，将景观类型赋值进行排序，反映各景观类型的敏感程度。未利用地(裸地)的分值设定为7，林地和草地的分值设定为5，建设用地和水域的分值设定为1。裸地最为敏感，水域最为稳定。在此基础上，根据研究区中各树种的空间分布和扰动因素的影响，将人工草地和各森林类型的分值设定为5.5～4.7。根据上表各景观类型的排序关系，采用层次分析法计算各类型的特征向量并计算各指标的权重(表2)。

表2 景观类型敏感性分级及其权重计算结果

(2) 景观适应度指数(LAI)及其计算。景观脆弱性与景观敏感性和景观系统的适应性密切相关，而景观系统的适应能力与系统自身的结构和功能有关[33]。一般景观系统的多样性越多，结构越复杂且分布越均匀，系统越稳定，抗干扰的适应恢复能力越强，适应度越高，反之亦然。因此，本文选取斑块丰度密度指数PRD、香农多样性指数SHDI和香农均匀性指数SHEI构建景观适应度指数LAI：

LAI=PRD·SHDI·SHEI

(4)

2.4 空间自相关分析

为了分析景观系统的脆弱性空间分布特征，揭示其内在的变化驱动机制，本文利用全局莫兰指数分析研究区景观脆弱性的聚集特征，验证大通湿地脆弱性空间相关关系；利用局部莫兰指数分析大通湿地景观脆弱性的空间分布特征和景观类型的相关程度。全局莫兰指数的计算公式为：

(5)

(6)

(7)

式中：xi表示第i地区的观测值；n为栅格数；Wij为二进制的邻接空间权重矩阵，表示空间对象的邻接关系。I=1,2,…，n;j=1,2,…,m;当区域I和区域j相邻时，Wij的值为1;当区域i和区域j不相邻时，Wij的值为0。全局莫兰指数一般在-1～1之间，小于0为负相关，等于0为不相关，大于0为正相关。

局部莫兰指数是将全局莫兰指数分解到各个空间单元，当局部莫兰指数值为正时，表示该空间单元周围相似值(高值或低值)的空间集聚，负的局部莫兰指数值表示非相似值之间的空间集聚。其公式如下：

(8)

其中，m的计算公式为：

(9)

2.5 热点分析模型

热点分析通过计算数据集中的每一个要素得到高值或低值要素在空间上发生聚类的位置，反映空间数据在一定范围内的高值与低值的集聚效应及其聚集的密集程度。与莫兰指数相比，热点分析不仅能弥补莫兰指数不能准确揭示景观类型的空间独立性的缺失，还能准确揭示景观类型的景观脆弱度的聚集程度和位置。因此本文利用热点分析测度每个单元格的景观类型的脆弱度与周围单元格的景观类型的脆弱度的聚类关系，其计算公式为：

(10)

式中：G值表示在区域内景观类型I在距离为d的范围内,与景观类型j的相关程度；Wij为景观类型i和j之间的空间权重；Xj为景观类型的景观脆弱度值；n为景观类型的总数。

3 结果与分析

3.1 景观类型分布

基于监督分类的结果如附图10所示，总体精度达到88.50%，kappa系数为0.87，达到并满足进一步景观格局分析的精度要求。在提取的景观信息中，水杉林的提取效果最佳，而响叶杨林的用户精度最低，仅有50.5%，其主要原因是由光谱造成的部分错分。尽管WorldView-3数据具有高空间分辨率的特性，其近红外波段长为770～1 040 nm，对部分阔叶树林的分类精度存在影响[22]。从上述结果看，大通湿地内景观类型分布类型以乔木、水体和裸地等类型为主，各类型的数量规模相对均衡。其中，水体主要分布于湿地的西北和东部，占区域的面积的8.96%，裸地位于东部边缘地区，占总面积的17.08%，乔木类型中，香樟规模最大，占总面积的18.96%，响叶杨林、刺槐林、栎树林等次之，各约占共面积的10%。从空间分布看，西部的水体、东部的裸地以及水杉分布相对连续，其他景观类型的斑块类型较为破碎，各类型的景观交错分布，形成明显的穿插网络结构。

3.2 景观异质性分析

3.2.1 景观格局分析 尺度的划分关系到定量评价的准确性。根据遥感影像的空间分辨率和地块面积的尺度，采用5 m边长的正方形格网作为最小斑块的单位，将分类后的矢量数据与格网进行空间叠加，并将落入对应格网单元的地物类型属性赋予该格网，在消除基于像元分类产生的破碎斑块后，分别计算景观级别和地物类别的每一个采样区的景观指数，并把这个值作为采样区中心点的属性值。使用Fragstats 4.2软件计算出大通湿地景观指数(表3)。

由表3可知，大通湿地景观总面积为26.84 hm2，其中斑块面积最大的是香樟，占总面积的18.73%；斑块面积最小是广玉兰，占整个景观面积的0.1%。从斑块数量来看，栎树的数量最多，斑块数量最少的是广玉兰。香樟的斑块密度最大，广玉兰的斑块密度最小。由于香樟是研究区内价值最高的树种，种植密度大，林冠郁闭度高，故而在遥感影像上形成了连续图斑。从边界密度来看，栎树、刺槐、香樟等冠层覆盖规模大的乔木植被密度最高。城市湿地景观破碎化程度与外界的扰动程度有关，扰动越大，城市湿地景观的破碎程度也越大，越不利于城市湿地内物种多样性的保护。

3.2.2 景观多样性空间分析 大通湿地景观多样性空间分布如图1所示。结果表明斑块密度的高值区位于林地类型交错分布的西部、中部和东北部地区，这些区域覆盖以林地的乔木为主，不同生态系统团聚程度低，而在水体和裸地分布的区域，其指数数值较低，对外界扰动敏感，大斑块团聚程度较高。从香农多样性指数和景观均匀度指数看，其分布格局与斑块密度丰度类似，即呈现林地交错地区数值高、水体和裸地等均质景观区数值低的格局。

表3 大通湿地景观指数计算结果

图1 大通湿地景观多样性空间分布

3.3 景观脆弱性分析

3.3.1 景观脆弱度分布特征 根据景观脆弱度的计算模型，获得大通湿地的景观脆弱度如图2所示。结果表明，研究区内的地物脆弱度指数均小于1，为低脆弱度。脆弱度高值主要分布在西北部和东部，而中部则以低值为主。从不同类型的脆弱度差异看，水体脆弱度最低，裸地的脆弱度最高，而林地所包含的不同树种则随着郁闭度、景观结构复杂度的增加而脆弱度减小。

图2 大通湿地景观格局脆弱度分布

3.3.2 景观格局脆弱度全局空间自相关分析 将大通湿地景观格局脆弱度分布转换为矢量数据，并利用GIS的空间统计工具，基于大通湿地的脆弱度指数，计算空间全局Moran’sI指数为0.498。计算结果表明景观格局脆弱度存在较显著的空间正相关，景观格局整体破碎程度高，集聚程度低。进一步对大通湿地的景观格局脆弱度进行局部空间关联格局分析(图3)。

图3 大通湿地景观格局脆弱度局部空间自相关

大通湿地的景观格局脆弱度局部自相关主要是由“高—高”、“低—低”和“不显著”3个类型组成。“高—高”值的区域主要分布在水体、建设用地、裸地区域。“低—低”值的区域主要零散地分布在西部和东北部，这些地区主要以交错分布的乔木林地为主。进一步利用景观脆弱度指数进行热度分析，分别统计景观脆弱度置信区间为99%，95%和90%的聚类显著性，并定义为极显著、显著和较显著，得出大通湿地景观脆弱度的热点分布如图4所示。根据统计结果，景观脆弱度高值统计热点区域呈现块状分布格局特征，与景观格局脆弱度局部空间自相关分布特征相似。景观格局脆弱度高值统计热点区域主要分布在大通湿地内西部水体的周边区域、东部的阔叶混交林区域。北部地区由于煤炭开采后采空区塌落，使上覆地层产生移动变形并出现导水裂隙，地表出现沉陷集水区，水体周围植被受到淹水胁迫，景观脆弱度出现热点。研究区的东南部存在大量裸地，其景观具有显著的脆弱性。景观格局脆弱度低值统计冷点区域主要零散分布在大通湿地西部的水杉林、香樟区域。由于该区域景观类型较单一，远离人类活动的区域，景观格局脆弱度的冷点分布呈显著性聚集。

图4 大通湿地景观格局脆弱度热点分布

4 结 论

(1) 景观类型分布类型以森林、水体和裸地等类型为主，各类型景观的数量规模相对均衡，其中林地主要由水杉林、响叶杨林、香樟林等10类组成。水体、东部的裸地以及水杉分布相对连续，其他景观类型则较为破碎，各类型交错分布，形成明显的“网状结构”。结合实地调查结果表明其形成原因是森林大多为混交林或被其他类型割裂。

(2) 大通湿地以低脆弱度为主，脆弱度高值主要分布在西北部和东部，而中部则以低值为主。水体脆弱度最低，裸地的脆弱度最高。

(3) 大通湿地内景观格局脆弱度存在正的相关现象，空间上主要表现为“高—高”、“低—低”的集聚状态，值区域及脆弱度的热点和冷点分别分布东部裸地和西部水体区域。景观脆弱度与植被覆盖度具有空间一致性，即植被覆盖越高且空间分布的交错性越强，其脆弱性越小。

(4) 针对湿地公园内景观脆弱性较低的地域，应根据其特点而采取不同改造措施。对裸地地区，采取增加植被类型、优化人工旅游通道，减窄道路宽度或采用石板形式铺设人行道路，尽量减少人类活动对中部廊道景观的破坏；对景观生态良好的其他区域，要注重采取保护性措施，提高景观格局的稳定性。