基于3DLP指数的景观格局演变及预测分析

刘雨先, 王守梅, 龚熊波, 李博, 杨波

基于3DLP指数的景观格局演变及预测分析

刘雨先, 王守梅, 龚熊波, 李博, 杨波*

湖南师范大学资源与环境科学学院, 地理空间大数据挖掘与应用湖南省重点实验室, 长沙 410081

采用1987、1999、2009和2017年四期Landsat TM/OLI数据, 结合GIS和RS技术, 从类型和景观层面计算安化县四个年度的3DLP指数, 分析安化县近30年来景观格局的动态演变并利用CA-Markov 模型对2025年景观格局演变进行模拟和预测, 为推动该县今后生态环境的进一步恢复和改善提供指导。结果表明: (1)林地是安化县的优势景观, 对安化县景观的主控作用强。(2)从不同景观类型来看, 1987—2017年期间安化县各景观破碎化情况均有所缓解, 其中建设用地、林地面积增加, 草地、水域、农地面积减少; 林地、水域边界形状趋于简单化, 建设用地、草地边界形状趋向复杂化, 农地边界形状受人类活动影响较小。(3)从整体景观来看, 安化县景观格局的演变主要是受到人为因素的影响, 1999年整体边界形状变得更为规则, 同时破碎化程度、景观异构性以及多样性有所提高。1999—2017年各类景观类型的面积比例差异增大, 破碎化程度以及景观异质程度降低, 优势景观类型份额增加。(4)根据预测结果来看, 安化县整体趋向均衡化发展, 边界形状趋向规则化, 景观异质性程度降低, 各类景观类型的面积比例差异减小, 林地出现被其他景观蚕食分割的趋势, 因此需要进一步提高对林地的重视和保护, 限制其他景观类型对林地的干扰。

3DLP指数; 景观格局; CA-Markov 模型; 安化县

0 前言

景观格局是指不同形状、大小的景观要素在空间上的组合规律, 通常采用景观指数对其进行描述。景观格局及其变化和发展是自然生物和社会要素相互作用的结果, 影响着区域的生态过程和边缘效应[1]。因此, 景观格局演变分析可以深入了解景观格局和生态过程的相互关系, 为区域可持续发展提供参考和依据。随着GIS和RS技术的迅速发展, 利用景观指数定量化分析宏观生态系统空间格局的研究模式逐渐形成[2]。不少学者借助ArcGIS、ENVI、Fragstats等软件, 采用景观指数法、转移矩阵模型以及梯度分析方法等研究景观格局。关于景观格局的研究主要集中在景观格局现状分析[3]、景观格局动态演变[4–5]、景观格局驱动力[6]及景观格局预测[7–8]等方面。胡艳[3]等利用高分一号遥感图像数据, 选取景观指数分析法, 采用ArcGIS和Fragstats软件分析宽阔水自然保护区的景观格局特征。Cabral andCosta[9]分析了人类活动对塞内加尔和几内亚边境地区的土地利用和景观格局的影响。Ahmadi and Alebrahim[10]以伊朗霍梅尼沙市为例, 利用人工神经网络对TM影像进行分类并通过Fragstats软件计算景观指标来分析景观格局变化。目前, 景观格局动态演变的研究大部分是基于二维景观格局(Two-dimensional Landscape Pattern, 2DLP)指数分析, 忽略了地形因子的影响, 容易使结果产生偏差。已有的三维景观格局(Three-dimensional Landscape Pattern, 3DLP)指数的研究主要集中于2DLP指数与3DLP指数的对比分析[11–12]。而在景观格局预测方面, 前人应用了多种模型, 主要集中在CLUE[13]、CLUE-S[14]、系统动力学(SD)[15]、CA-Markov模型[16–17]等。其中, CA-Markov模型综合了CA模型模拟复杂系统空间变化的能力和Markov模型长期预测的优势, 在模拟、预测景观格局演变方面应用较为广泛。纵观相关研究进展, 景观格局演变与预测已经形成了较为系统的分析模式, 但基于3DLP指数对景观格局演变及预测分析的研究较少。

安化县是国家级重点生态功能区县、洞庭湖水系主要的水源涵养区和水质保障区之一, 对益阳市甚至湖南省生态环境都有重要意义。然而经济社会的快速发展不断影响着景观格局, 使其生态环境受到的干扰日趋强烈, 引起了安化县生态效应、土地利用类型和自然资源的变化[18]。近年来, 安化县环境问题频发, 经济社会发展与环境保护之间的矛盾越来越突出, 亟需妥善解决。因此, 本文在ArcGIS10.2以及ENVI5.3软件支持下, 采用数字高程模型(DEM)数据, 用三维表面积与周长代替二维平面面积与周长来计算安化县的3DLP指数, 探究30年来安化县景观格局的演变并对2025年景观格局演变进行模拟和预测, 以期为优化该县景观格局、促进协调可持续发展、实现稳定脱贫提供重要指导。

1 研究区概况与数据来源

1.1 研究区概况

安化县(110°43´07"—110°58´51" N, 27°58´54"—28°28´37 "E)位处雪峰山脉北麓、资水中游、湘中偏北, 东与益阳市、长沙市交界, 南与娄底市相连, 西临怀化市, 北接常德市(图1)。安化县属典型的山区县, 地势西、南、北三面高, 东面较低, 地形地貌多样, 以台地、丘陵、平原为主, 山地分布较少。海拔1000 m以上的山峰有63座, 西部最高处九龙池海拔1622 m, 东部最低处善溪口海拔57 m, 相对高差为1565 m。安化县属亚热带季风性湿润气候, 四季分明、降水集中、热量充足, 自然资源极其丰富, 内辖柘溪国有林场、芙蓉国有林场以及洞市国有林场, 林地面积广。境内水系十分发达, 溪河纵横交错, 分属资水、湘江、沅水三大水系, 以资水水系为主。

2017年末, 安化县总人口102.02 万人, 其中城镇常住人口30.28 万人, 城镇化率为35.05%。2018年, 全县完成粮食播种面积66.08 万亩, 实现生产总值233.46 亿元, 增长7.7%; 全面小康总体实现程度达94.5%。研究区是湖南有名的有色金属大县, 林业资源大县, 茶叶生产大县, 水能资源大县, 药材产业大县, 先后获得“中国厚朴之乡”、“中国竹子之乡”、“中国最佳养生休闲旅游胜地”等称号。

图1 研究区地理位置示意图

Figure 1 Location map of the study area

1.2 数据来源与处理

研究中采用的数据为Landsat TM/OLI数据, 成像时间为1987年、1999年、2009年以及2017年, 均来自于中科院地理空间数据云(http://www.gscloud. cn)以及美国地质调查局(United States Geological Survey, USGS)。研究中所选用的影像成像时间均在冬季且云量在10%以下, 满足研究精度要求。将TM/OLI影像进行真彩色合成, 经目视解译反复选点, 共选取了849个斑块(四个时期选取的数量分别为160、197、224、268个), 选用最大似然法对影像进行监督分类, 根据《土地利用现状分类(GB/T21010—2017)》及前人的研究[19–20], 考虑到安化县的实际情况以及遥感影像分类的特点, 将安化县景观分为建设用地、林地、水域、农地以及草地五大类, 各个时期分类精度如表1所示。DEM数据(30 m)来自于地理空间数据云, 主要用于微观地形分析、宏观地形分析以及3DLP指数计算。

2 研究方法

2.1 微观地形分析

坡度作为最常用的微观地形因子, 是表示地表单元陡缓程度的重要指标, 通常用度来表示。根据《第三次全国土地调查技术规程》坡度级别划分方法以及安化县地形情况, 将坡度划分为0°—5°、5°—15°、15°—25°、25°—45°、45°—75°五个等级。

表1 安化县各时期影像分类精度

2.2 宏观地形分析

宏观地形分析主要有地形起伏度以及地表粗糙度分析, 通常用来反映宏观上地表起伏变化, 对分析景观格局变化有重要作用。

地形起伏度是指特定区域内高程变动的最大值, 可以揭示该区域内的相对高差, 定量地描述地貌形态, 其计算方式为单位面积内最高点海拔减去最低点海拔, 公式如下:

地表粗糙度是指地表特定区域内表面面积与平面面积之比, 通常用来揭示地形表面的侵蚀程度和起伏变化程度。计算公式如下:

式中,为地表粗糙度;为地表面与投影面之间的夹角。

2.3 景观格局指数选取

根据诸多学者[11,21]的研究以及安化县的具体情况选取了11个指标, 其中类型层面上的指标为类型面积(CA)、平均斑块大小(MPS)、最大斑块指数(LPI)、斑块密度(PD)、平均斑块分维数(MPFD); 景观层面上的指标为平均斑块大小(MPS)、最大斑块指数(LPI)、斑块密度(PD)、平均斑块分维数(MPFD)、Shannon多样性指数(SHDI)、Shannon均匀度指数(SHEI), 通过这11个指标即可定量分析安化县景观格局变化。具体如表2:

2.4 3DLP指数计算

在2DLP指数算法的基础上, 将三维表面积和三维周长代替二维的面积和周长进行计算, 即可得到3DLP指数。其中三维表面积的获取采用Jenness[22]开发的基于DEM的计算方法, 从而精确地获取影像中每个栅格的表面积。首先选用DEM数据进行三角形法和滑框算法, 在三维空间中, 每个三角形都与中央栅格以及相邻两个栅格的中心点相连, 因此可通过勾股定理算出三角形的边长, 表面积可通过计算与中央栅格相邻的八个三角形得到。利用此方法可以获得每个栅格的表面积, 再与分类后的遥感影像结合, 分斑块求和获取每个斑块的面积。而三维周长的获取需要先将分类的影像转为线状要素, 再将线状要素和DEM数据结合, 通过ArcGIS为线状要素添加表面信息, 即可得到各斑块的表面周长。最后将所得到的三维面积与三维周长代入相关景观指数公式, 修正2DLP指数, 得到更符合真实情况的3DLP指数。三维表面积及周长计算公式如下:

表2 景观格局指数描述

表2中,为类型斑块数量;a为第块斑块的面积;a为第类景观中第块斑块的面积;为类型总面积或景观总面积;为类型总斑块数或景观总斑块数;P为第块斑块的周长;P为第类中第块斑块的周长。

式中,A为表面面积;D为表面周长;为像元尺寸大小;S是第块像元的坡度;d是第块像元中心点与相邻中心点的相对海拔高度差。

2.5 基于CA-Markov模型的景观格局预测

元胞自动机(CA)是一种采用离散的空间布局和离散的时间间隔的动态模型, 具有强大的空间计算能力, 能够模拟时空动态变化。马尔科夫链(Markov- Cain)是指数学中具有马尔科夫性质的离散事件从一个状态到另一个状态的转换的随机过程。通过创建景观变化转移矩阵, 马尔科夫链可以预测景观类型未来的变化。单一的马尔科夫链不具备空间知识, 无法考虑每种景观类型的空间分布, CA-Markov模型在元胞自动机模型的基础上加入空间特征, 在提高景观演变预测精度的基础上同时有效地模拟景观格局的空间变化, 而不是完全数学意义上的预测, 具有较大的科学性。利用IDRISI软件中的CA-Markov模型将DEM、坡度、距道路的距离和距水域的距离作为驱动因子, 将水域作为限制因子, 对景观的演变进行模拟, 模拟精度采用Kappa系数表示。

3 结果与分析

3.1 微观地形分析

经过ArcGIS处理, 提取各个栅格的坡度, 得到安化县不同坡度带的平面面积和三维表面积(表3)。安化县平面面积为4836.91 km2, 三维表面积为5506.57 km2, 三维表面积比二维平面面积多出669.66 km2, 是平面面积的1.14倍。坡度为5°—15°、15°—25°、25°—45°的三维表面积分别占安化县三维总面积的25.16%、32.35%、36.18%, 表明安化县土地的坡度集中于5°—45°。安化县内, 东南部和北部坡度相对较低, 西部和最东部坡度相对较高(图2-a)。在坡度带0°—15°内, 安化县三维表面积与二维平面面积之比较小, 说明该坡度范围内安化县三维表面积与二维平面面积的差异不大。坡度和三维表面积与二维平面面积之比成正比, 随着坡度不断升高, 三维表面积与二维平面面积之比不断增大, 在45°—75°坡度带内, 面积比达到了1.563。这也证明将三维表面积和三维周长代替二维平面面积与周长计算景观格局指数是有意义且有必要的。

表3 不同坡度带的土地二维面积和三维面积

3.2 宏观地形分析

3.2.1 地形起伏度分析

根据前人的地形分类体系[12,23–24]与安化县具体情况, 按照地形起伏度将地形分为五类, 分别为平原(<30 m)、台地(30—70 m)、丘陵(70—200 m)以及低山(>200 m)。其中, 平原占全县面积的14.81%, 台地占全县面积的55.96%, 丘陵占全县面积的29.22%, 山地几乎没有分布。在安化县县域内, 平原多分布于北部和东南部, 丘陵多分布于安化县西部和最东部(图2-b)。

3.2.2 地表粗糙度分析

根据安化县的实际情况, 采用ArcGIS中的自然间断法将安化县的地表粗糙度分为五类, 分别为1—1.05、1.05—1.15、1.15—1.25、1.25—1.45以及1.45—3.65。分别占总面积的41.71%、37.27%、13.83%、6.33%、0.86%。与坡度和地形起伏度分布图相似, 粗糙度较低的土地多位于北部和东南部, 粗糙度较高的土地多位于西部和最东部(图2-c)。安化县高山叠嶂, 以南部的雪峰山和西北的云台山两大山系构成了安化县主要的地形结构, 主要呈西南——东北走向, 形成大量台地、丘陵, 而地形越复杂区域的土地表面积越大。

3.3 类型层面的3DLP指数分析

3.3.1 面积指数

面积指数包括斑块类型面积、平均斑块大小以及最大斑块指数, 表4列举了安化县1987、1999、2009以及2017年斑块类型面积和平均斑块大小。下面分别从面积和最大斑块指数两方面分析:

面积: 从表4可以看出, 1987—2017年期间建设用地斑块类型面积不断增长, 增长速度比较快, 而建设用地平均斑块大小也呈不断增大趋势, 反映了安化县30年来城市扩张速度的变化。林地在这期间整体上增加, 并且一直是安化县面积最大的景观类型, 说明林地在安化县景观结构中占有重要地位。1987—1999年林地略有减少, 与当地居民砍伐森林用于建造居住场所以及生产生活有关。1999—2009年林地小幅度增长, 1999年, 安化县六步溪自然保护区成立, 同年洞市国有林场和芙蓉国有林场划定为生态公益型林场后, 全面禁止砍伐, 因而2009年林地的斑块类型面积和平均斑块大小均有所增长。2009—2017年, 林地面积增长较多, 平均斑块大小大幅度增加, 这与政府对林地的保护举措有关, 如六步溪自然保护区晋升为国家级自然保护区、退耕还林等。水域面积在1987—2017期间整体上呈减少趋势, 这与安化县当时的环境和经济状况有关。主要原因是人们占用大量水域进行生产生活活动, 导致水域面积在1987—1999年大幅度减少, 而人们能利用或占用的水域都是面积较小、比较破碎的小水塘、水沟等, 所以在1999—2009年出现水域面积较之前不断减小, 而平均斑块大小却增大的现象。1987—2009年期间内农地面积缓慢减少, 而2009—2017年大幅度减少, 原因是安化县2009年以来建设用地大幅度增加占用农地。草地面积一直是安化县面积较小的类型, 但在1999年突增至25320.84 hm2, 原因可能是在1999年前种草效益较高[25], 人们纷纷种草来获取收益。

图2 研究区坡度 (a)、地形起伏度(b)和地表粗糙度(c)的空间分布

Figure 2 Spatial distribution of slope (a), topographic relief (b) and surface roughness (c) of the study area

表4 1987—2017年安化县各景观类型面积变化

最大斑块指数: 最大斑块指数主要用来表征景观的优势度, 可以反映人类活动方向和干扰的强度。1987—2017年这30年来, 建设用地、林地的最大斑块指数整体上呈增大趋势(表5), 意味着建设用地、林地优势度有所提高。水域、农地最大斑块指数整体上呈降低趋势, 2009—2017年, 农地最大斑块指数由5.22降为0.97, 体现了人类对农地的干扰强度加大, 农地出现被其他景观类型蚕食分割的趋势, 优势度大幅度降低。草地最大斑块指数变动不大且数值较小, 草地优势还不够明显。

表5 1987—2017年安化县各景观最大斑块指数变化

3.3.2 密度指数

密度指数包括斑块密度, 通常用来反映景观的破碎化情况以及人类活动强度变化。从表6可以看出, 1987—2017年期间, 各种景观类型斑块密度整体上均呈现出降低的趋势, 破碎化情况都有所缓解。水域斑块密度在1987—2017年期间内经历了先减后增的过程, 2017年水域斑块密度仅为0.11, 破碎化程度大幅降低。农地斑块密度先增加再降低, 表明人为干预农地的强度变化。1999年草地斑块密度由0.48突增至8.98, 这与1999年安化县草地面积大增有关。1999年以后草地的斑块密度逐步降低, 破碎化情况逐步缓解。在此期间, 斑块密度最大值由农地-草地-农地-建设用地转移, 表明人类活动方向变化。

3.3.3 形状指数

形状指数包括平均斑块分维数, 通常用来表征某种景观类型斑块的形状复杂性。从图3中可以看出, 在1987—2017期间, 各景观平均斑块分维数变动较小且都不超过1.04, 建设用地、草地平均斑块分维数在这30年内整体呈上升趋势, 林地、水域平均斑块分维数呈降低趋势, 2017年农地平均斑块分维数与1987年相等。表明安化县近30年内建设用地、草地景观整体边界形状更加复杂、不规则, 景观异质性提高, 林地、水域景观整体边界形状更加简单、规则, 景观异质程度有所降低。整体上来看, 人类活动对各景观类型的复杂程度影响较小, 景观格局总体比较稳定。其中建设用地平均斑块分维数变动最明显, 这与安化县建设用地的不断扩张有很大关系。

3.4 景观层面的3DLP指数分析

景观层面的3DLP指数可以从整体上反映安化县景观格局演变, 揭示其整体变化规律。表7列举了安化县1987、1999、2009以及2017年的平均斑块大小、斑块密度、最大斑块指数、平均斑块分维数、Shannon多样性指数以及Shannon均匀度指数, Shannon多样性指数和Shannon均匀度指数通常用来衡量不同时期景观的多样性及均匀度。从最大斑块指数来看, 每年最大斑块指数最大的都是林地, 可以表明安化县景观的优势类型是林地。1987— 1999年期间内, 安化县景观平均斑块大小、平均斑块分维数有所下降, 斑块密度、最大斑块指数、Shannon多样性指数以及Shannon均匀度指数均有所上升, 反映了安化县1999年整体边界形状较1987年更为规则, 同时破碎化程度、景观异质性以及多样性有所提高。而1999—2017年期间内, 安化县景观平均斑块大小、最大斑块指数以及平均斑块分维数有所上升, 斑块密度、Shannon多样性指数以及Shannon均匀度指数均有所下降, 表明安化县各类景观类型的面积比例差异增大, 景观异质程度以及破碎化程度降低, 优势景观类型份额增加, 这与林地是安化县主要景观类型与优势景观的实际情况相符合。

表6 1987—2017年安化县各景观斑块密度变化

3.5 基于CA-Markov的安化县景观演变预测分析

利用IDRISI中的CA-Markov模型对安化县2025年的景观演变进行预测, 该模型模拟的Kappa系数为0.7424(>0.6), 效果较好, 满足模拟精度要求。根据模拟的安化县2025年的景观分布图, 计算各景观类型的面积、变化率及其他3DLP指数, 结果如表8、表9。

图3 1987—2017年安化县各景观平均斑块分维数变化

Figure 3 MPFD changes in various landscapes of Anhua County from 1987 to 2017

表7 1987—2017年安化县景观层面上的3DLP指数

表8 2025年安化县各景观类型的面积、变化率及其他3DLP指数

表9 2025年安化县景观层面上的3DLP指数

从表8可以看出, 安化县2025年建设用地、农地以及草地面积增长, 林地、水域面积下降, 其中林地变化量最大, 减少了43780.68 hm2。斑块密度中, 建设用地、农地及草地下降, 林地、水域上升, 意味着安化县林地和水域趋向破碎化, 呈现出被其他景观类型蚕食分割的趋势, 需要进一步提高重视和保护, 限制其他景观类型的干扰。关于最大斑块指数, 建设用地、草地有所上升, 优势度提高, 林地、水域及农地有所下降, 林地的优势度下降较多。从平均斑块分维数来看, 建设用地、林地上升, 其他景观类型下降, 建设用地、林地整体边界形状更加复杂、不规则, 景观异质性提高。

总体上, 安化县平均斑块面积、Shannon多样性指数以及Shannon均匀度指数有所上升, 斑块密度、最大斑块指数及平均斑块分维数有所下降, 这表明安化县近几年内整体景观破碎化情况得到缓解。同时整体边界形状趋向规则化, 景观异质性程度降低, 各类景观类型的面积比例差异减小, 整体趋向均衡化发展。

4 讨论

景观格局演变的影响因素主要是自然地理因素和社会经济因素。自然地理因素在较大的尺度上影响景观变化, 社会经济要素则是较短的时空尺度上景观格局变化的主要影响因素[26–27]。

安化县是典型的山区县, 地形起伏大, 坡度在25°以上的区域占全部面积的34.60%, 限制了人类活动范围和景观格局的变化。同时安化县年平均降雨量达1706.1 mm, 是湖南省3个暴雨中心和最严重的山洪地质灾害高发区之一, 需发展大片林地以保持水土, 加强了林地对安化县景观的主控作用。从30年的变化来看, 安化县整体破碎化程度降低, 反映了生态保护工程和保护措施的效果较好, 景观格局变化受到的人为干扰减少, 受自然因素的影响加深。

在30年的时间尺度上, 自然地理因素对景观格局演变的影响较小, 主要是社会经济因素的影响[28]。1987年、2017年安化县总人口分别为86.48、102.02 万人, 全县国民生产总值分别为5.58、214.42 亿元, 人口、国民生产总值分别净增长15.54 万人、208.84 亿元。人口的不断增长、经济的快速发展导致城镇化发展迅速, 建设用地需求增加。再加上2010年安化县提出的“3+2”战略, 以矿产、茶叶、旅游三大产业为支柱, 以交通、城镇两大建设为重点, 致力绿色崛起。以致大量农田转化为建设用地、旅游业不断发展, 这些都直接或间接的改变了景观格局。此外, 安化县历来重视林地保护, 尤其是1999年后先后划定3个国有林场和2个自然保护区、2001年被国家列入退耕还林工程项目建设县、2008年被确定为国家石漠化综合治理重点县后加大保护力度, 这是该区域林地景观格局好转的主要驱动力。

本研究采用的3DLP指数是对2DLP指数的修正, 更加贴近真实情况, 但在用矢量数据统计栅格表面积时还不够精确, 导致5°—15°的面积比偏小, 此方法还需要在以后的研究中进一步完善。同时, 本文虽对景观格局演变的驱动力进行了讨论, 但缺乏定量分析, 因此, 定量化分析景观格局变化的驱动力将是本研究下一步工作的主要方向。

5 结论

本文以1987、1999、2009以及2017年四期遥感影像为基础数据, 运用ENVI、ArcGIS以及IDRISI软件计算安化县各景观类型的3DLP指数, 分析其动态演变特征, 并在此基础上预测安化县2025年景观格局, 分析其趋势, 得到以下主要结论:

1) 安化县地形起伏大, 坡度基本分布在5°— 45°之间, 地表粗糙度较大, 因此三维面积与平面面积差异较大, 选用3DLP指数来反应景观格局的演变是有意义且有必要的。

2)从不同景观类型来看, 1987—2017年期间安化县各景观类型破碎化情况均有所缓解, 建设用地、林地面积增加, 草地、水域、农地面积减少; 林地、水域边界形状趋于简单化, 建设用地、草地边界形状趋向复杂化, 农地边界形状受人类活动影响较小。安化县景观格局的演变主要是受到人为因素的影响, 从整体景观来看, 1999年由于人为活动的干扰, 整体边界形状变得更为规则, 同时破碎化程度、景观异构性以及多样性有所提高。1999—2017年由于政府对人类活动的控制, 各类景观类型的面积比例差异增大, 景观异质程度以及破碎化程度降低, 优势景观类型份额增加, 这与林地是安化县主要景观类型与优势景观的实际情况相符合。

3)根据预测结果来看, 安化县整体趋向均衡化发展, 边界形状趋向规则化, 景观异质性程度降低, 各类景观类型的面积比例差异减小。林地出现被其他景观蚕食分割的趋势, 因此需要进一步提高对林地的重视和保护, 限制其他景观类型对林地的干扰。

综上所述, 30年来人类对景观有效的、积极的治理使安化县景观破碎化降低, 连通性增强, 边界趋向规则化, 整体景观朝着良性方向发展。但未来林地优势度可能降低, 需要加强保护。

[1] 傅伯杰. 黄土区农业景观空间格局分析[J]. 生态学报, 1995, 15(2): 113–120.

[2] 陈文波, 肖笃宁, 李秀珍. 景观指数分类、应用及构建研究[J]. 应用生态学报, 2002, 13(1): 121–125.

[3] 胡艳, 杨瑞. 宽阔水自然保护区景观格局特征分析[J]. 生态科学, 2018, 37(3): 184–188.

[4] 李晓谦, 周雷, 孙子程, 等. 基于TM影像的沈阳市城市景观格局变化分析[J]. 生态科学, 2016, 35(1): 79–84.

[5] 谭洁, 赵赛男, 谭雪兰, 等. 1996—2016年洞庭湖区土地利用及景观格局演变特征[J]. 生态科学, 2017, 36(6): 89–97.

[6] 佟光臣, 林杰, 陈杭, 等. 1986—2013年南京市土地利用/覆被景观格局时空变化及驱动力因素分析[J]. 水土保持研究, 2017, 24(2): 240–245.

[7] 刘菁华, 李伟峰, 周伟奇, 等. 京津冀城市群景观格局变化机制与预测[J]. 生态学报, 2017, 37(16): 5324–5333.

[8] 赵永华, 贾夏, 刘建朝, 等. 基于多源遥感数据的景观格局及预测研究[J]. 生态学报, 2013, 33(8): 2556–2564.

[9] CABRAL A I R, COSTA F L. Land cover changes and landscape pattern dynamics in Senegal and Guinea Bissau borderland[J]. Applied Geography, 2017, 82: 115–128.

[10] AHMADI M, ALEBRAHIM A. Land use dynamics and landscape pattern changes in Khomeinishahr city, Iran[J]. Indian Journal of Geo-Marine Sciences, 2017, 46(11): 2361–2366.

[11] 张志明, 罗亲普, 王文礼, 等. 2D与3D景观指数测定山区植被景观格局变化对比分析[J]. 生态学报, 2010, 30(21): 5886–5893.

[12] 路超, 齐伟, 李乐, 等. 二维与三维景观格局指数在山区县域景观格局分析中的应用[J]. 应用生态学报, 2012, 23(5): 1351–1358.

[13] 郭延凤, 于秀波, 姜鲁光, 等. 基于CLUE模型的2030年江西省土地利用变化情景分析[J]. 地理研究, 2012, 31(6): 1016–1028.

[14] 时宇, 李明阳, 杨玉锋, 等. 基于CLUE-S模型的城市森林公园土地利用情景规划方法研究[J]. 西北林学院学报, 2014, 29(5): 163–168.

[15] 钱国英, 张长勤, 董斌, 等. 基于遥感与系统动力学模型的土地利用/覆被变化研究[J]. 遥感信息, 2014, 29(1): 44–50.

[16] 程刚, 张祖陆, 吕建树. 基于CA-Markov模型的三川流域景观格局分析及动态预测[J]. 生态学杂志, 2013, 32(4): 999–1005.

[17] CHU Lin, SUN Tiancheng, WANG Tianwei, et al. Evolution and prediction of landscape pattern and habitat quality based on CA-Markov and InVEST model in Hubei section of Three Gorges Reservoir Area (TGRA)[J]. Sustainability, 2018, 10(11): 3854.

[18] 李双成, 赵志强, 王仰麟. 中国城市化过程及其资源与生态环境效应机制[J]. 地理科学进展, 2009, 28(1): 63–70.

[19] 陈颐, 林毅伟, 朱志鹏, 等. 基于RS和GIS的莆田市土地利用景观格局变化分析[J]. 西北林学院学报, 2017, 32(1): 279–286.

[20] 崔爽. 基于RS和GIS的深圳市景观格局时空变化研究[J]. 地理空间信息, 2011, 9(3): 133–135, 191.

[21] 朱东国, 谢炳庚, 熊鹏. 基于三维景观格局指数的张家界市土地利用格局时空演化[J]. 经济地理, 2017, 37(8): 168–175.

[22] JENNESS J. Calculating landscape surface area from digital elevation models[J]. Wild life Society Bulletin, 2004, 32(3): 829–839.

[23] 周成虎, 程维明, 钱金凯, 等. 中国陆地1∶100 万数字地貌分类体系研究[J]. 地球信息科学学报, 2009, 11(6): 707–724.

[24] 程维明, 周成虎, 柴慧霞, 等. 中国陆地地貌基本形态类型定量提取与分析[J]. 地球信息科学学报, 2009, 11(6): 725–736.

[25] 李日辉, 李尽阳. 张长久承包草场致富经[J]. 湖南农业, 1997(1): 25.

[26] 蒋卫国, 李京, 王文杰, 等. 基于遥感与GIS的辽河三角洲湿地资源变化及驱动力分析[J]. 国土资源遥感, 2005(3): 62–65, 101.

[27] 哈孜亚·包浪提将, 毋兆鹏, 陈学刚, 等. 乌鲁木齐市景观格局变化及驱动力分析[J]. 生态科学, 2018, 37(1): 62–70.

[28] Li Yurui, LONG Hualou, LIU Yansui. Industrial development and land use/cover change and their effects on local environment: a case study of Changshu in eastern coastal China[J]. Frontiers of Environmental Science & Engineering in China, 2010, 4(4): 438–448.

Analysis of landscape pattern evolution and prediction based on 3DLP metrics

LIU Yuxian, WANG Shoumei, GONG Xiongbo, LI Bo, YANG Bo*

College of Resources and Environmental Sciences of Hunan Normal University, Key Laboratory of Geospatial Big Data Mining and Application of Hunan Province, Changsha 410081, China

Four phases of Landsat TM/OLI data of 1987, 1999, 2009 and 2017 are adopted to calculate the 3DLP metrics of Anhua County in these four years from the aspects of type and landscape with GIS and RS technologies. Dynamic evolution of the landscape pattern of Anhua County in the past 30 years is analyzed and the evolution of landscape pattern in 2025 is also simulated and predicted by CA-Markov model, which could provide guidance for future restoration and improvement of ecological environment. The results show that: (1) Forest is the advantageous landscape of Anhua County, which has powerful controlling effect on landscapes of Anhua. (2) Seen from different landscape types, during 1987 to 2017, landscape fragmentation was alleviated in Anhua, among which the areas of construction land and the forestland increased, while the areas of grassland, water and agricultural land decreased; the boundary shape of forestland and water area tended to be simplified, the boundary shape of the construction land and the grass land tended to be complicated, and the boundary shape of the agricultural land was affected little by human activities. (3) Seen from the overall landscape, the evolution of landscape patterns of Anhua County was affected mainly by human factors. In 1999, the overall boundary shape became more regular, and at the same time the fragmentation degree, the landscape heterogeneity and diversity were improved. From 1999 to 2017, the area proportions of various types of landscapes differed greatly, the degrees of landscape fragmentation and heterogeneity were lowered, and the proportion of advantageous landscapes was increased. (4) Seen from the prediction results, the general tendency of Anhua County developed in balance, and the boundary shapes tended to be regular, the degree of landscape heterogeneity was decreased, the area proportion of various landscapes was diminished, and the forest showed the tendency to be intersected by other landscapes. Therefore, it is necessary to improve concern on and protection of the forest and prevent the forest being affected by other landscapes.

3DLP metrics; landscape pattern; CA-Markov; Anhua County

10.14108/j.cnki.1008-8873.2020.03.017

P901; Q149

A

1008-8873(2020)03-122-10

2019-06-08;

2019-08-07

国家自然科学基金项目(41171342); 湖南省教育厅重点项目(17A127)

刘雨先(1996—), 女, 湖南益阳人, 硕士研究生, 主要从事资源环境遥感研究, E-mail: 1369637467@qq.com

杨波, 男, 博士, 教授。主要从事资源环境遥感与灾害遥感研究, E-mail: yb@hunnu.edu.cn

刘雨先, 王守梅, 龚熊波, 等. 基于3DLP指数的景观格局演变及预测分析[J]. 生态科学, 2020, 39(3): 122–131.

LIU Yuxian, WANG Shoumei, GONG Xiongbo, et al. Analysis of landscape pattern evolution and prediction based on 3DLP metrics[J]. Ecological Science, 2020, 39(3): 122–131.