青弋江流域土地利用/景观格局对水质的影响

2021-01-16杨强强徐光来杨先成李爱娟

生态学报 2020年24期

杨强强,徐光来,*,杨先成,李爱娟,陈晨

1 安徽师范大学地理与旅游学院, 芜湖 241003 2 安徽省江淮流域地表过程与区域响应重点实验室, 芜湖 241003 3 安徽师范大学生态与环境学院,芜湖 241003

景观格局是指类型、大小、形状不同的景观要素在空间的分布与配置[1]。景观指数是对景观格局特征的定量表征,反映土地利用构成和空间配置信息,多用来描述土地利用类型特征[2- 3]。景观类型中,“源”景观指能促进生态过程发展的景观,“汇”景观与其作用相反[4]。水质对土地利用/景观格局变化非常敏感[5- 7]。人类活动强烈的影响当地的景观结构,促使土地利用方式变化[8],是水污染主要来源[9],已导致全球半数以上的水库及湖泊水质恶化[10]。河流作为重要景观类型构成[11],其水质受点源污染和非点源污染控制[12],而景观格局与流域非点源污染过程关系密切[13],受到众多学者的关注。Sliva和Williams[14]使用次级数据库、GIS及多元分析工具探讨了安大略省南部三个流域景观特征与水质的相关性,认为流域景观特征对水质的影响大于100 m缓冲区；李昆等[15]认为300 m河岸带缓冲区能够更好的解释汉江流域水质对襄阳市城区景观格局变化的响应；Hu等[12]通过逐步多元回归模型以山东省为研究对象,发现景观指数与水质具有较好的关联性；朱珍香等[16]从源汇景观指数、斑块密度以及香浓多样性指数三种景观指数角度分析了厦门后溪水质与流域景观特征之间的关系；彭勃等[5]选取蔓延度、斑块密度、香浓多样性指数、最大斑块指数、破碎度五种景观指数探讨了小流域土地利用景观格局对水质的影响。土地利用方式及景观格局变化可通过下垫面的改变、坡度的增减、改变生物作用与非生物作用的强弱等[7,14]方式对水质产生影响,但究竟何种空间尺度上土地景观格局以及哪些景观指数对水质的影响最大,仍莫衷一是。因此,进一步研究土地利用/景观格局对流域水质的影响,对土地利用的综合管理与水质保护具有重要意义。

选取土地利用类型百分比、土地利用程度综合指数和景观指数,采用冗余分析和Spearman等级相关性分析探讨了青弋江流域土地利用、景观格局对水质的影响,意在分析何种尺度景观格局对水质的影响最大；景观组成及土地利用强度对水质的影响；景观指数与水质指标之间的关系。研究结果以期为政府相关职能部门进行水资源和土地利用管理决策提供参考。

1 材料与方法

1.1 研究区概况

青弋江源于安徽黟县黄山北麓,是长江下游最长的一条支流,在芜湖市与长江相汇。青弋江流域介于29.91°—34.43°N、117.64°—118.85°E之间,总面积8487 km2；属亚热带湿润季风气候,平均气温16℃,年降雨量1500 mm[17],夏季炎热多雨,冬季温和少雨,降雨年内波动大,水位在春夏季(3—8月)较高,为丰水期,秋冬季为枯水期[18]。本研究共设18个采样点,各点位分布如图1所示,其中南部山区的土地利用方式以林地为主,下游平原区以建设用地、耕地、林地为主。

1.2 数据来源与数据处理

从Google Earth获取2.05 m高精度卫片(无偏移),以此作为基础数据源,借助ENVI 5.3特征提取模块,运用基于样本面向对象的监督分类进行土地利用信息的提取,参照国家土地利用现状分类标准(GB/T 21010—2017)并结合青弋江流域土地利用实况及解译的可操作性,将土地利用类型划分为耕地、林地、草地、建设用地、水域、未利用地6类。借助野外采集记录的实际土地利用方式数据,利用混淆矩阵法进行精度分析,多次重新选取或增补训练样本,最终kappa系数达到0.742,符合本文研究需求。DEM数据为Google Earth 4.11 m分辨率高程数据。

景观格局是自然因素和人为因素共同作用的结果,一般指空间格局[20]。而景观指数高度浓缩景观格局信息[21],能够定量反映空间异质性。基于景观水平选取的景观指数包括斑块丰富度密度(PRD) 、最大斑块指数( LPI) 、面积加权平均斑块分维数(FRAC_AM)、面积加权平均斑块形状指数(SHAPE_AM)、蔓延度指数(CONTAG)、香浓多样性指数(SHDI),反映了景观的丰富度、优势度、破碎度及多样性等特性,景观指数含义[22- 24]如表1所示。缓冲区土地利用栅格大小为2.2 m×2.2 m,各指数的计算均在FRAGSTATS 4.2软件上进行。

表1 选取的景观指数及生态学意义

1.3 研究方法

1.3.1空间分析

参考前人的研究思路及方法[25- 27]并结合青弋江流域实况,以18个采样点为圆心,分别建立100、200、500、1000、2000 m的缓冲区,将其与遥感数据相结合,进而获取各缓冲区内的土地利用数据。土地利用程度综合指数数值的大小反映土地利用程度的强弱,揭示景观受人类干扰程度的大小[28]。计算公式如下[29]：

(1)

式中,La为土地利用程度综合指数,Ai为研究区域内第i级土地利用程度分级的分级指数,Ci为区域内第i级土地利用程度分级的面积百分比,n为土地利用分级数(从土地利用程度分级赋值表[30](表2)中获取)。

表2 土地利用程度分级赋值表

1.3.2统计分析

借助Canoco 5软件对不同空间尺度的土地利用面积分别与枯水期和丰水期的水质进行相关性分析。在相关性分析之前,首先对水质数据进行降趋势对应分析(Detrended Correspondence Analysis,DCA)。结果显示,枯水期与丰水期的Gradient length的第一轴分别为0.27和0.37,均小于3,故选择线性模型能更好的拟合土地利用类型面积(解释变量)与水质数据(响应变量)之间的关系[31]。RDA(Redundancy analysis)能较好的反映景观指数与水质之间的关系[11],因此选择RDA[32]。

基于SPSS Statistics 24.0软件平台,因流域水质与土地利用综合指数或景观指数均不满足线性关系,故采用双变量Spearman双尾相关性分析[33],探讨水质与其他指标之间的关系。

2 结果与分析

2.1 水质时空分布特征

图2 水质时空分布图Fig.2 Spatial and temporal distribution of water qualitymin: 最小值;max: 最大值;SD: 标准差;

2.2 土地利用对流域水质影响的缓冲区半径分析

不同尺度土地利用类型面积占比如图3所示。整体而言,未利用地与草地面积比重较低,且随缓冲区半径变化的波动性较小；水域面积占比随缓冲区半径的扩大有下降趋势；林地、耕地、建设用地是各尺度主要的景观组成类型。受人为及自然因素影响,不同尺度各采样点土地利用占比各不相同。通过冗余分析,筛选对流域水质产生影响最大的空间尺度[31]。由表3可知,在枯水期与丰水期均是500 m半径缓冲区的土地利用方式对水质的解释率最高,分别为46.30%和43.10%,表明该空间尺度的景观格局对水质的影响最大。

图3 不同空间尺度下土地利用面积比例Fig.3 Land use area proportion under multiple scales

表3 冗余分析各排序轴方差解释率

2.3 土地利用/景观格局对水质的影响分析

2.3.1土地利用类型对水质的影响

图4 土地利用与流域水质关系的冗余分析Fig.4 Redundancy analysis between land use and watershed water quality agr：耕地Agricultural land； for：林地 Forest land；gra：草地Grass land；con：建设用地Construction land；water：水域；oth：未利用地Other land

2.3.2土地利用程度综合指数与水质的相关性

表4 土地利用程度综合指数与水质浓度的相关性

2.3.3景观格局指数与水质的相关性

表5 500m半径缓冲区水质指标与景观指数相关性分析结果

3 讨论

3.1 土地利用对流域水质的影响

土地利用方式对水质的影响具有尺度依赖性,但由于各流域的特殊性及研究者使用的数据集分辨率存在差异,得出的结果也可能不同[42]。通过RDA研究发现500 m半径缓冲区的土地利用/景观格局对水质的解释率最高,而方娜等[43]通过研究鄱阳湖湿地水质发现1000 m半径缓冲区土地利用方式对水质影响最大。这主要是因为采样点周边典型地类的差异所致。本研究也存在着自身的局限性。康文华等[44]经过对碳酸盐和碎屑岩两大地貌区的水质研究发现河岸带尺度的土地利用格局对水质影响最大；于磊等[45]认为亚流域尺度与水质的相关性较河岸带尺度更强。而本文未对流域尺度与河岸带尺度土地利用/景观格局对水质的影响进行探究。合理的尺度规划,对水质的改善具有积极作用,而复杂的尺度效应表明单一尺度控制大量水质参数也非常困难[46]。因此,随后有必要从流域、河岸带缓冲区和圆形缓冲区三种空间尺度,通过更长期的水质监测,尝试作进一步的分析。

就景观组成对水质的影响而言,建设用地和耕地作为“源”景观,加剧了非点源污染,致使水质恶化,许多学者的研究与此类似[5,12]；林地多体现“汇”作用,通过截留、吸收污染物,净化水质[3,11,44]；李明涛等[2]认为草地能有效控制污染,而欧洋等[13]发现草地面积的增加会导致水质恶化,草地对水质的影响仍存在争议；未利用地因植被稀少或易受降雨和径流影响,其对水质的影响具有不确定性[10]。

3.2 景观格局对流域水质的影响

景观指数可在一定程度上反映研究区的社会及经济状况,进而揭示人为因素在景观格局中的作用。PRD代表单位面积的斑块类型数,主要用于反映生态系统的稳定性与抗干扰性。LPI反映最大斑块占整个景观面积的比例,传达出优势类的信息。在对以林地为主的碎屑岩地区进行研究,康文华等[44]发现LPI与污染物浓度呈负相关,而郭玉静等[24]研究以农地和湿地为优势景观的湖泊湿地,发现LPI与水质的恶化有显著关系,表明当优势景观类型为“源”景观,则LPI可能与水质污染程度呈正相关,若为“汇”景观,则有利于水质的提高。LPI主要与DO呈负相关关系,说明采样点周围受到“源”景观作用更强。SHAPE_AM值越大,斑块形状越不规则,与污染指标的相关性越强,折射出人为干扰的力度。CONTAG和SHDI与LPI类似,不能简单的从CONTAG和SHDI的数值大小判断其对水质的影响,更重要的是关注优势景观类型,例如在某一研究区中,景观多样性丰富,若“源”景观(建设用地等)具有较高蔓延度且为优势类型,则往往导致水质下降。本文仅对选取景观指数(景观水平)进行了探讨,下一步将增加类型水平上的景观指数,从而更好的揭示景观格局对水质的影响。