基于多尺度影响因子的水土保持措施布局探究

□蓝文远

当前多尺度影响因子分析主要利用空间自相关(Spatial autocorrelation)、半方差函数(Semi-variogram)等作为衡量研究尺度的方法，虽然通过这些方法能够获得一定的数据参数，但是却只适用于有限区域空间尺度方面的分析，并无法针对特征尺度进行详细的研究。但目前一些学者认为利用Wavelet分析法可以从信号中获取精确的数据，并且Wavelet所具有的自适应变化的特性可对数据实施精细的多尺度解析、突出局部重点信息，可有效地识别分析出空间格局、特征以及数据信息所发生的变化。此文将以广东地区为例，针对不同尺度特性下的各因素影响因子进行GIS技术及统计学分析，以探究多尺度影响因子与水土保持措施的联系性。

1.研究区域地质环境概况

广东地区主要为山地丘陵地貌，受河流冲击的影响山高谷深，地形呈现高低起伏状态，地势为西高向东低；该地区为大陆性季风气候，四季特征显著，光照充沛；区域降水情况较为集中，表土层浅薄抗蚀性较弱，土壤的颗粒相对较大，对水肥的保持能力差，在流水冲侵蚀、地质结构活动以及人类活动等因素的影响下，易发生水土流失的情况，该地区成为了水土流失的重点防治区域。目前，针对该地区水土流失的情况，相关部门制定并实施了水土流失防治、坡耕地改良等多项措施，以实现优化地区农业生产作业环境、构建生态环境与社会生产、生活有序发展的目标。

2.研究方法

2.1 研究数据预处理

影响因子的选取需要具有定量化、空间化的特性，所使用的数据需要具有真实性以及可以代表社会经济、自然等因素。由于水土保持措施所涉及的社会经济数据极为庞大，并且不易获取到真实的数据，而空间格局变化与自然环境因子具有一定的联系，因此，此次研究将以自然环境因子作为主要的研究参数。根据当前现有资料显示，对广东地区水土保持措施的空间分布以及发展形态具有直接以及间接影响的因素较多，如地形地貌、植物覆盖状态、地区土地使用情况、水土流失状态、交通发展以及人类的活动等。为了能够有效地分析空间分布中各影响因子，需要对各影响因素进行必要的分析处理。

地形地貌中通常将坡度作为主要的因素，通过利用数字高程模型（DEM）技术构建地形，使用地理信息统计平台软件中的坡地函数计算地形数据，并按照不同的坡度进行分级划分，以便更好的实际中不同地形的坡度实施措施；植物覆盖状态可采用几何、大气校正技术对陆地卫星TM/ETM+中广东地区不同时期的校正数据集，并通过图像处理技术获取植被覆盖的概率分布情况以及特定区间中极值，计算出区域内植被覆盖程度，并按照上述所获取的数据生成规格为5m×5m的图形；地区土地使用情况基于知识与规则的土地利用信息分层提取，同时使用多时期TM/ETM遥感影像加识别分析，将其中有效信息进行提取、整合、评价，研究中通常可将地区土地使用情况划分为6类，即茂林区、疏林区、火烧迹地、芜原区、工程用地以及农耕地；水土流失状态分析及处理将利用通用土壤流失方程构建模型获取区域中土壤侵蚀模型的空间分布状态，将所获取的数据按照国家标准划分水土流失级别以及水土流失强度分布图，而土壤的冲蚀因子则以本地区现有研究资料为基础，对不同类型的土壤给予匹配的K值，以此获得详细的土壤冲蚀因子分布区域图；交通发展是对视觉影响进行灰度形态分析，通过将其进行二值计算后可获得区域中道路的网格化轮廓，将其中道路进行单独提取，最后使用地理信息统计平台软件计算测量区域与最近道路的距离；人类的活动因子主要为区域内的人口基数以及聚集点，根据广东地区的地形地貌特征以及流域情况将其划分多个区域，并对各个区域中的人口基数进行计算，而居民聚集点则采用光谱分析技术分析遥感影像数据，通过分解结果中所获得的不同形态进行图形的提取。

为更好保证此次研究中所使用的不同软件、技术获得的数据能够相互匹配，将对所有数据进行网格化处理：利用地理信息统计平台软件将研究区域划分为30m×30m的基准单元，研究中数据的统计学分析采用SPSS软件进行分析处理以及，Wavelet分析通过mat⁃lab编程技术完成，使用SAS进行数据的回归分析以及尺度图的绘制。

2.2 Wavelet分析

2.2.1样带设置及选取

将广东地区按照经纬线划分为6条样带（基准单元为30m×30m），并在各样带中依序选取 185、269、192、345、225、482个样点，通过将各条样带进行细致的分析。研究区域中的水土保持措施的主要实施区域在清远、惠州、河源、梅州等市。其中纬度上的3条样带中，样带1代表清远市地貌，样带2代表惠州市地貌，样带3代表河源市、梅州市的地貌；经度上的3条样带中，样带4代表清远市地貌，样带5代表惠州市、河源市地貌，样带6代表梅州市的地貌。

2.2.2 小波尺度方差分析

根据水土保持措施空间分布情况进行小波尺度的方差分析，其中位置以及尺度信号系数之间的方差可以表示为：

式中：

V(a)—表示小波尺度方差；

a—表示信号的尺度；

b—表示位置；

W—表示信号在a及b上的变换的系数。

通过小波尺度方差可以有效地反馈出不同数据的小波系数与位置之间存在的距离，并可以对全局信息结构进行一定的检验；当信号产生变异后，其所对应的尺度特征的强度也将产生改变，小波方差值越高，说明尺度结构上的信息就越丰富，并能够显现出特征尺度或对信息变异起到检测的效果。因此，通过小波尺度方差能够有效地用于分析尺度的选取或是分析空间布局的特征性。

2.3 多元统计分析方法

通过将水土保护措施的影响因子中的空间布局及其主要的因素带入到回归模型中，可以表示为：

式中：

Measurei,c—表示模型中水土保护措施c在网格单元i中的占比；

Facti,n—表示影响因子n在单元网格i中的归一化计算值；

βn—表示影响因子n的回归系数。

由于回归分析具有一定的简便性，因此在进行实际的研究分析中添加更多的因子模型意义不大。将回归分析中显著水平设置为0.05，将其中比重最大的9个影响因子作为依据构建具有不同数值的范围的影响因子与单项水土保持措施间的回归分析，并通过各项影响因子的变量评估其相对重要性，以此获取影响因子与单项水土保护措施在空间分布中的影响范围。

3.研究结果

3.1 特征尺度检验分析

通过对各个样带数据的小波尺度方差的分级及系数的计算，总结广东地区不同区域的水土保持措施的特征及变化特征。不同带的方差变化曲线分析如图1。

由上图可知，纬度上的3条样带的小波方差变化曲线发展趋势相同；经度上的各条样带变化波动较大，因此，可将其波动的最大值作为空间布局的特征尺度，随着尺度的增加，方差将会急剧增长，此时将无法将此作为特征尺度；当空间布局中具有2个或以上的特征尺度时，可将其中一个作为另一个尺度的范围，在上图中经度样带具有了2个不同尺度范围，分析原因是由广东地区的河流流向为南北流向，将导致产生严重的地块破碎，由于所属的尺度范围具有差异，经度方向的空间布局大致区域范围为200～400m、1000～1600m。

3.2 影响因子的多尺度分析

水土保持措施中主要影响因子在不同空间分布中的聚合尺度的回归分析中，将根据整体的多尺度序列数据及面积占比作为研究的范围，其特征尺度的幅值为150～450m，构建中等空间分辨率单元网格，构建空间距离为30m的数据图层计算多尺度影响因子。主要影响因子不同聚合规模尺度的回归分析如图2所示。

3.2.1 封禁措施

封禁措施的尺度高于0.75时，较高的高植被覆盖程度、25°～35°范围内的坡度及人类活动聚集点等将成为主要因子，且强度将跟随尺度的增加而上升；覆盖率低于30%的影响因子与封禁措施的拟合回归分析值为负数，并且尺度只有在0.75～1.00的范围时回归系数方为正数，由此可以说明0.75～1.00利于封禁措施的实施；并且25°～35°范围中坡度因子将会对空间分布产生较大的影响，稳定性也会最好，回归分析系数为正，因此，在原理人类聚集点实施封禁措施可以取得良好的效果。

图1 不同带的方差变化曲线分析

图2 主要影响因子不同聚合规模尺度的回归分析

3.2.2 低效林改造措施

在低效林改造措施中的主要影响因子包括土壤冲蚀性、中度水土流失，根据回归分析的结果显示，尺度的上升将会带动起影响的提升程度；当尺度得到显著的增加时低植被覆盖区域的土地利用率为平稳发展趋势；当植被覆盖尺度为 0.60～0.45、坡度为在 15°～25°时，措施所受到的影响为最大，并且伴随尺度的增加影响程度将会趋于稳定，此时将适宜低效林改造措施，且可降低土壤冲蚀的情况发生。

3.2.3 经济果林措施

经济林果措施中的主要影响因子包括距最近道路距离、植物覆盖度0.06～0.75、轻度水土流失以及农村人口劳动分布程度，并且随着尺度的上升将会带动起影响的提升程度；在较大数值的尺度下，坡度为2°～8°中度水土流失、低植被覆盖因子下降适合经济果林措施，并且可改善区域中植物的覆盖率及土壤养分保持水平。

3.2.4 生态林草措施

生态林草措施中主要影响因子包括低植被覆盖、坡度15°～25°以及强水土流失，并且随着尺度的上升将会带动起影响的提升程度；生态林草措施的空间分布应选择具有极大反应程度的土壤流失斑，且坡度为 15°～25°、植物覆盖程度低于30%的区域。

4.结语

根据水土保持措施中空间布局影响因子的多尺度分析以及措施关键因子的回归分析，探究多尺度影响因子与水土保持措施的联系性，根据研究结果显示不同界线及影响的水土保持措施关键因子的回归因子存在互异，而研究尺度的差异性也将导致影响结果上具有不同的发展进程。通过此次研究希望能够为将来同类分析提供参考，为生态环境以及社会的发展提供帮助。