辽宁省昌图县非耕地斑块对耕地系统景观异质性的影响

2022-10-28边振兴关明昊佟昊轩杨玉静初琢明

生态与农村环境学报 2022年10期

边振兴，关明昊，佟昊轩，杨玉静，初琢明，于淼

(1.沈阳农业大学土地与环境学院，辽宁沈阳 110866；2.沈阳农业大学理学院，辽宁沈阳 110866)

耕地系统是以耕地资源为主体的自然生态系统和以人类活动(包括技术、耕作制度等)为主体的社会经济系统共同形成的复合系统[1-2]。从土地利用的角度出发，可将耕地系统视为一个具有一定长、宽、高的有机立体空间，其长和宽通常由耕地规模决定，高度则由耕层厚度及种植的作物决定[2]。从景观生态学的角度出发，耕地系统由耕地要素与其周边和内部的林地、草地、沟渠等自然和半自然非耕地要素共同组成，非耕地是动植物栖息的主要场所，为农业生态系统的健康与可持续发展奠定了坚实的基础[3]。然而随着现代农业的高速发展，大量非耕地斑块从耕地周边消失，结构简单、类型单一的耕地系统使得景观异质性受到严重制约[4]。景观异质性是指在一个景观系统中景观要素类型、组合及属性在空间或时间上的变异性[5]，异质性强对维持耕地系统中的生物多样性、维护耕地生态安全具有重要意义[6-7]。景观异质性一般通过多个指数表达，如Shannon多样性指数、最大斑块指数及连接度指数等[8-9]。通过多个指数表征景观异质性较为繁琐，缺乏综合性，采用单一指数表征景观异质性如Rao二次熵指数[10]、基于高分辨率NDVI数据的变异函数模型等[11]更为简洁，易于表达景观异质性特征。

景观异质性与研究尺度有关，尺度问题一直是景观生态学关注的重点[12-13]。区域不同，研究尺度也不同，如李莹莹等[14]比较了多种尺度的网格，得出3 km×3 km的网格在兼顾环巢湖多水塘地区空间特征与运算效率方面取得了较好的平衡；杨庚等[15]在综合考虑平朔矿区大小及斑块平均面积等因素的基础上，采用0.5 km×0.5 km的规则网格划分样区；梁佳欣等[16]借助半变异函数理论，得到南四湖湿地适宜的研究尺度为1 km。以上研究均表明，不同区域的适宜研究尺度不具有普适性。在景观生态学中，耕地系统尚无明确的空间范围定义，因此需综合考虑研究区面积及斑块平均大小等多种因素来确定研究尺度。

已有研究表明，通过构建一定比例的非耕地能够提高景观异质性，然而提高非耕地比例，景观异质性并非持续增强，高比例的非耕地仍会出现景观异质性弱的现象，且非耕地比例相近时，因其斑块数量、结构及类型不同，景观异质性存在明显差异[17-18]。基于此，该研究以辽宁省内典型玉米种植区——铁岭市昌图县为研究区，探讨不同非耕地比例下耕地系统景观异质性的差异，明确各类非耕地对景观异质性的影响程度，探明景观异质性强弱差异最大时对应的非耕地比例及显著影响景观异质性的非耕地斑块特征，以期定量分析非耕地斑块与景观异质性之间的关系，为昌图县低非耕地比例营造强景观异质性提供理论依据。

1 材料与方法

1.1 研究区域概况

辽宁省铁岭市昌图县(42°33′～43°29′ N，123°32′～124°26′ E)位于辽宁省最北部，松辽平原南端，辽、吉、蒙交界处，属中温带大陆性季风气候区，四季分明，雨热同期。地貌自东向西由低山丘陵向辽河平原过渡，主要分布的土壤类型为暗棕壤、黑土、草甸土、风沙土，种植作物以玉米为主，是东北典型玉米种植区。昌图县耕地集中连片分布，田块形状较为规整，周边仅存在少量以阔叶林为主的防护林体系及其他非耕地，景观结构相对单一，亟需调整各类景观要素，提升景观异质性。

1.2 研究尺度及非耕地类型划定

以昌图县1∶5 000精度的土地利用数据为数据源，采用ArcMap 10.3软件中的渔网工具设定边长0.5、1、1.5、2 km这4种尺度的网格划分研究区。昌图县非耕地斑块面积较小且分布零散，景观生态学研究认为，景观样本面积为斑块平均面积的2～5倍时能综合反映景观格局信息[19-20]。为保证研究尺度既不丢失细碎非耕地斑块信息，又能综合反映样本景观格局，且避免样本数量过多，综合比较4种尺度网格后，选取1 km为研究尺度，将研究区划分成4 093个网格，并根据研究区土地利用类型将非耕地景观划分为林地、草地、水域、沟渠及农村道路5种类型，其中林地包括乔木林地、灌木林地及其他林地，水域包括河流水面、水库水面及坑塘水面。5种景观类型涵盖了研究区内所有的非耕地类型，具有一定代表性[21-22]。计算每个网格单元的非耕地总面积比例及不同非耕地类型的面积比例，昌图县4 093个网格单元中，仅有867个网格非耕地比例在15%以上，非耕地比例不足15%的网格有3 226个，约占网格总数的79%。为保证样本数量充足，避免各非耕地比例区间样本数量差异过大，选取0～15%为主要研究区间，探寻低非耕地比例营造强景观异质性的方法。

1.3 Rao二次熵指数计算

Rao二次熵指数(quadratic entropy)是一种通过单一指标综合表征景观异质性的方法，其计算分为2个步骤：首先将每个网格等分成4个区域，建立质量维度-描述符，采用语义相异法计算网格内4个区域之间的语义距离。语义相异法是一种不确定空间的参数化表达方法，在早年间已经得到应用[23-24]，其计算公式为

(1)

式(1)中，d(CA，CB)为区域A与区域B之间的语义距离；U为每个网格等分的区域数量；W为描述符的权重，由于各描述符变化范围不同，景观异质性涉及的角度较多，难以比较各描述符的重要程度，选择层次分析法及熵权法等主、客观赋权法均存在较大困难，因此笔者采用均权法赋值，更能体现公正性与客观性[25]；S为每个概念空间中经计算指标得到的具体分值。计算得到4个区域之间的语义距离后，即可计算二次熵指数Q，用于表示每个网格的景观异质性，其计算公式为

(2)

式(2)中，pA与pB分别为区域A与区域B的面积占比。计算过程均在Fragstats 4.2、ArcGIS 10.2及Excel 2019软件中完成。计算得到二次熵指数后，将其划分为强(>2～2.5)、较强(>1.5～2)、中等(>1～1.5)、较弱(>0.5～1)及弱(0～0.5)5个等级，再进行后续特征分析。

1.4 景观指数的选取与计算

景观指数包括景观单元特征指数和景观整体特征指数2个部分，前者用于描述斑块面积、数量、周长等基本特征，后者则包括反映景观整体特征的构型指数及多样性指数等[26-27]。笔者将土地利用矢量数据转换为分辨率5 m的栅格数据进行景观指数计算，选取景观形状指数(LSI)表征景观的形状特征，选取聚集度指数(AI)表征景观中不同斑块之间的粘合程度，选取景观分离度指数(DIVISION)、蔓延度指数(CONTAG)表征景观的破碎程度，选取香农多样性指数(SHDI)表征景观的多样性，以上5个指数分别从不同方面反映景观异质性；另选取斑块密度(PD)、景观分割指数(SPLIT)表征耕地系统中非耕地斑块的破碎程度，选取平均形状指数(SHAPE_MN)表征非耕地斑块的形状特征，选取景观结合度指数(COHESION)、聚集度指数(AI)表征非耕地斑块的粘合程度，选取斑块平均最近邻体距离指数(ENN_MN)表征不同非耕地斑块之间的连通性。整个计算过程均在Fragstats 4.2及ArcGIS 10.2软件中完成。

1.5 数据分析

首先对不同非耕地比例下景观异质性差异最大的样本网格进行回归分析，通过2个拟合模型得出景观异质性差异最大时所对应的非耕地比例；其次采用冗余分析(redundancy analysis，RDA)定量研究不同非耕地类型对景观异质性的影响；最后通过独立样本t检验探讨异质性差异较大的网格单元中非耕地的结构特征是否存在显著性差异。

2 结果与分析

2.1 景观异质性特征分析

通过绘制箱线图(图2)分析昌图县5个景观异质性强弱等级中非耕地比例的特征。在景观异质性弱的网格单元中，非耕地比例平均值约为5.90%；在景观异质性强的网格单元中，非耕地比例平均约为9.10%；异质性较弱及中等的网格单元中非耕地比例平均值较为接近，分别为7.16%及7.48%；景观异质性较强的网格单元中非耕地比例略大于异质性较弱及中等的网格单元，约为8.10%。不同网格单元景观异质性最低值约为0.14，非耕地比例为1.67%；最高值约为2.47，非耕地比例为5.42%。

在5个景观异质性强弱等级中，非耕地比例的最大值均在14.5%左右，但非耕地比例的最小值存在差异，景观异质性强的网格非耕地比例最小值为4.02%，明显高于其他4个等级，说明强景观异质性需要较高比例的非耕地作为支撑。整体来看，景观异质性越强，非耕地比例平均值越高。景观异质性相同时，非耕地比例的高低存在明显差异。低比例的非耕地可以营造较强的景观异质性，非耕地比例较高时，也存在景观异质性弱的情况，因此两者之间并不存在明显的线性关系。

2.2 景观异质性强弱差异及变化幅度分析

从研究区0～15%非耕地比例区间中提取出异质性强及异质性弱的样本网格(图3)，由于样本网格的非耕地比例并不连续，为探究1 km尺度下任意且相同非耕地比例景观异质性差异的一般规律，采用回归分析得到非耕地比例与景观异质性的拟合模型，通过2个拟合模型得出相同非耕地比例下景观异质性差异的最大值。异质性强的样本网格共239个，拟合模型为y=2.2×[1-e-68.74(x-0.01)]，其中y表示Rao二次熵指数，x表示非耕地比例，模型拟合优度约为0.857 9，表明非耕地比例对景观异质性的解释程度达到85.79%，具有较好的拟合性。异质性弱的样本网格共104个，拟合模型为y=1.35x+0.23，模型拟合优度约为0.491 2。

由图4可知，在任意非耕地比例下，景观异质性值都不确定，均存在强弱差异。非耕地比例在0～5%区间时，相同比例下景观异质性差异随非耕地比例的增加逐渐增大，在5%～8%区间内景观异质性差异随非耕地比例增加而缓慢增大。非耕地比例为8%时，景观异质性相差最大，Rao二次熵指数约为1.84，表明在此比例下，景观异质性的提升空间最大，不增加非耕地面积比例，通过优化配置非耕地的组成及结构，景观异质性提升效果最为显著。非耕地比例超过8%后，景观异质性差异又逐渐缩小，因此在0～15%的比例区间内，非耕地比例为5%～8%时在生产及生态空间上效益最高。

2.3 非耕地组成对景观异质性的影响分析

对二次熵指数、5个景观指数与非耕地景观的相关性进行RDA排序，结果见表1。RDA前4个排序轴的特征值之和为0.48，第1、第2排序轴的特征值分别为0.477 2和0.002 7，2个排序轴共计解释了47.99%的景观异质性差异和99.97%的非耕地类型与景观异质性差异的关系，说明第1、第2排序轴较好地反映了两者之间的关系。在第1、第2排序轴上，景观异质性差异与非耕地类型比例的相关系数分别为0.702 0和0.335 8，进一步说明不同非耕地类型与景观异质性差异的关系较为密切。冗余分析表明，4个排序轴对不同非耕地类型组成与景观异质性差异关系的解释程度达48%；蒙特卡洛(Monte Carlo)检验显示，第1轴与前4轴代表的不同非耕地类型和景观异质性之间呈极显著相关(第1轴F=300.0，P=0.002；前4轴F=60.8，P=0.002)，表明排序结果可以较好地解释不同非耕地类型与景观异质性之间的关系。

偏冗余分析(partial RDA)结果(表2)显示，林地、农村道路、水域、草地及沟渠5种非耕地类型对景观异质性强弱的影响达极显著水平(P<0.01)，5种非耕地类型共同解释了48%的景观异质性差异。其中林地的单独解释率最高，达28.3%;沟渠的解释率最低，为1.2%。

表2 不同非耕地景观类型对景观异质性独立影响作用的偏RDA分析

选择这5种非耕地景观类型绘制 RDA 二维排序图，结果见图4。图4中带箭头的线段表示景观异质性及不同非耕地类型，箭头所处的象限表示与排序轴的正负相关性，线段间的夹角表示两变量间的相关性，线段的长度表示各变量间的解释或被解释程度[28]。林地、草地、水域、农村道路及沟渠5种非耕地类型比例均与第1排序轴正相关，其中林地比例与第1排序轴相关性最强；草地与农村道路比例与第2排序轴呈正相关，且农村道路与第2排序轴的正相关性强于草地，林地、沟渠及水域与第2排序轴呈负相关，且水域比例与第2排序轴的负相关性最强。由此说明，第1排序轴主要反映林地、草地比例的综合变化情况，第2排序轴主要反映农村道路及水域比例的综合变化情况。从因子之间的关系来看，5种非耕地类型与二次熵指数的夹角均为锐角，表明5种非耕地类型比例与景观异质性均呈显著正相关。二次熵指数与第1排序轴的夹角极小，表明两者的相关性最强，景观异质性的差异可以通过第1排序轴较好地说明。

2.4 非耕地结构对景观异质性的影响分析

对景观异质性差异较大的网格单元中表征非耕地斑块结构特征的6个景观指数进行独立样本t检验，结果(表3)显示，除斑块平均最近邻体距离指数(ENN_MN)外，其他景观指数并无显著性差异。

表3 景观异质性强弱差异较大的样本网格中非耕地的独立样本t检验

莱文方差等同性检验P>0.05，可认为景观异质性强弱不同的网格单元中，非耕地斑块的ENN_MN 方差相等，双尾显著性概率sig.值=0.014<0.05，即不同景观异质性的网格单元中，非耕地斑块的ENN_MN 存在显著性差异。ENN_MN表示的是非耕地斑块之间最近的平均距离，是非耕地连通性的一种度量[29]，非耕地斑块之间的连通性越强，景观异质性就越强。

3 讨论与结论

3.1 讨论

景观异质性是许多基本生态过程和物理环境过程在空间和时间尺度连续系统上共同作用的产物，会直接影响生态系统的多种属性[30]。该研究采用Rao二次熵指数表征景观异质性，相比于常用的景观格局指数，其对景观异质性的定量表征具有综合性的特点，是一个潜在的景观设计、规划和管理程序的支持工具[31]。研究表明，昌图县0～15%非耕地比例区间内，景观异质性最高值约为2.47，最低值约为0.14，在任意非耕地比例下，景观异质性均为不确定值，非耕地比例相近时，景观异质性存在明显差异。PENKO等[32]研究表明，因非耕地斑块数量及类型不同，景观异质性强弱也不同；WEISSTEINER等[33]研究也指出，以自然或半自然的小斑块为主的景观异质性较强。因此不增加非耕地的比例，也可通过改善其结构，使景观异质性达到较强水平。独立样本t检验结果表明，景观异质性不同的网格单元，非耕地斑块的ENN_MN指数存在显著性差异(P<0.05)，即可以通过提升非耕地斑块之间的连通性来提升景观异质性。张永生等[34]的研究也表明，非耕地斑块越集中，越有利于麦田中生物多样性的增加。由于昌图县农民有意识地将耕地集中耕作，使耕地斑块相互镶嵌，在空间上成连续性分布的形态，而非耕地斑块受到耕地集中连片经营的影响，破碎化严重，不同非耕地类型之间连通度低，难以形成整体系统发挥其生态效益，因此景观异质性受到严重制约。高度连通的非耕地可以促进资源、物种、物质及能量的流动与传播，通过提升非耕地斑块的连通度来提升景观异质性，既能维护生态系统健康稳定，又能保障粮食产量，是符合我国国情的新思路、新方法。

在调整非耕地时，不仅要提升其连通性，也要注重提升其多样性。研究采用冗余分析得出林地、草地、农村道路、水域及沟渠5种非耕地类型均对景观异质性有显著的正向影响(P<0.05)，其中林地对景观异质性的解释率最高，达28.3%，因此增加林地的比例，增强景观异质性的效率最高。这可能是由于林地边界并不规则，各类生物可以与外界进行频繁的物质交流，因此景观异质性增强幅度较大。MARACAHIPES等[35]研究也表明，保存和保护河岸林地对于可持续发展至关重要，河岸边的林地可以提供遮荫并调节区域小气候，是维持生物多样性和涵养水源的基础。提升林地的比例虽然经济成本高且树木生长缓慢，但长久来看可使景观异质性显著提升，具有极高的生态价值，进而充分保护耕地中的生物多样性，对于维持耕地生态系统稳定具有积极意义。农村道路虽对增强景观异质性有积极作用，但作用程度不及林地，甚至会对耕地生态系统会造成负面影响。费娴等[36]研究指出，道路附近的节肢动物数量及多样性均高于远离道路处，因此道路边缘会吸引节肢动天敌，由于车辆行驶形成“生态陷阱”，造成动物的非正常死亡。

保障耕地面积是设计规划耕地系统景观格局的前提。该研究通过回归分析得出，当网格单元的非耕地比例超过5%后，相同非耕地比例景观异质性差异增加较为缓慢，可以实现低比例营造强异质性。当非耕地比例达8%时，景观异质性差异最大，在此比例下提升非耕地斑块连通性、增加林地比例，景观异质性提升效果最为明显。为反映昌图县的特点，笔者选取0～15%非耕地比例研究区间及1 km的研究尺度，为保证研究结论及方法的普适性，在今后对于其他地区的研究中，适宜的研究区间及尺度有待进一步探索。