闽三角林地景观结构与功能连接度的空间耦合关系

刘渺渺,梁冠敏,肖 瑶,武姿伊,胡喜生,林 森,巫志龙,2,*

1 福建农林大学交通与土木工程学院, 福州 350002 2 国家林业和草原局杉木工程技术研究中心, 福州 350002

联合国《生物多样性公约》第十五次缔约大会第一阶段会议于2021年在中国昆明举行,通过了《昆明宣言》;第二阶段会议于2022年在加拿大蒙特利尔举行,通过了《昆明-蒙特利尔全球生物多样性框架》,会议倡议保护全球生物多样性,引起高度关注。近年来,随着气候变化与快速城镇化,森林破碎化现象日益增加,影响物种扩散,生物多样性受到了严重威胁[1]。已有研究表明,在高度破碎化的景观中,维持较高的景观连接度,有利于种群个体在残留生境间的扩散运动,从而可有效地缓解片段化种群的局域灭绝风险;在景观破碎化加剧的背景下,分析景观连接度的动态变化特征,对于生物多样性保护和维持区域内生态系统稳定具有重要意义[2-3]。

1984年,Merriam[4]首次将景观连接度的概念引入景观生态学领域,被认为是对景观空间结构单元相互之间连续性的一种测定指标[5]。景观连接度可定义为景观促进或阻碍生物体或某种生态过程在源斑块间运动的程度[6-7],实质代表着物种迁徙和续存的能力,其变化会影响物种的迁移扩散、搜寻、基因交流等生态过程[8-9],是目前景观生态学的研究热点[10]。景观连接度包括结构连接度和功能连接度[11]。其中,结构连接度仅反映土地覆盖类型在景观中的空间连续性,而功能连接度结合结构连接度与物种的生物学特性来确定景观连续性[3]。早期的景观连接度研究重点关注景观结构连接度,较少考虑生态过程[11],如使用景观格局指数表征区域景观结构连接度的变化特征[12-13]。但是,传统的基于景观格局指数的景观结构连接度,不考虑动物通行阻抗,也忽略了异质性景观基质对连接度的影响。近年来,已开发许多研究方法度量景观功能连接度,如电流理论[14-15]、图论法[16-17]、最小耗费距离模型[18-19](Minimum Cumulative Resistance Model,MCR)等。MCR模型能够根据生物体通过不同景观单元时的阻力系数,计算最小费用线路,其本身就是功能连接度的度量,由于其简洁的数据结构、快速的运算法则和直观形象的结果,被认为是进行景观连接度评价的最好工具之一[11],得到广泛应用[20]。富伟等[10]认为许多模型能够直接作为指数或者经过改造成为指数,最为普遍的是MCR模型,因为其本身就可以作为景观阻力功能的量化指标[20-22]。但其综合阻力面构建与目标物种有关,然而目前大多数研究均未涉及具体物种,这主要是由于野生动物数据缺乏[23]。已有学者以野生动物复合种群为目标物种进行研究,如Belote等[14]研究整个北美地区的地方和区域生态连通性,以野生动物复合种群为目标物种,通过设置不同模型情景,对比确定了对整个北美生态连通性重要的地区;刘伊萌等[24]基于林地和草地景观,运用最低成本路径等方法,为四川省野生动物复合种群,构建栖息地保护网络。傅伯杰等[25]指出,复合种群理论是关于种群在景观斑块中运动和消长的理论,是在斑块生境中,空间上具有一定的距离,但彼此间通过扩散个体相互联系在一起的许多小种群或局部种群的集合。尽管MCR模型已应用多年,但目前其主要应用于生态廊道提取和生态安全格局构建的分析方法体系中,用于景观连接度分析相对较少。当前,国内外研究逐渐转向景观格局指数和功能连接度度量方法的耦合研究。但是,对将景观格局指数和基于MCR模型的成本距离指数(Cost Distance Index,CD)两种表征景观连接度方法的对比研究并不多见,两者的空间耦合关系还不清楚,哪种方法更能科学、客观地解释景观连接度变化尚未知。为了在实际应用中选择更适宜的方法,这些问题是模拟林地景观连接度时急需要解决的。

闽三角地区是海上丝绸之路及海峡西岸经济区的重要组成部分,山地与丘陵面积占比超过80%[26],森林景观特征较为典型,但由于快速发展的城镇化以及人为干扰,导致森林变化较为活跃,引发景观破碎化,威胁野生动物复合种群的生存与发展,从而导致生物多样性保护面临巨大挑战。鉴于此,本研究以闽三角地区为研究对象,以森林为生境的野生动物复合种群为目标物种,基于欧式距离的景观格局指数度量景观结构连接度,基于最小耗费距离模型构建的成本距离指数表征景观功能连接度,研究闽三角地区林地景观结构与功能连接度时空变化特征及其空间耦合模式,对比不同方法在指示景观连接度变化中的敏感性及适用性,以期为区域景观连接度动态分析提供新思路,为闽三角地区生物多样性保护提供科学参考依据。

1 研究区概况

闽三角地区(介于116°53′21″E-119°01′38″E,23°33′20″N-25°56′45″N之间)地处中国福建省东南沿海,包括厦门市、泉州市与漳州市(图1),与台湾隔海相望,被称为“闽南金三角”,总面积约2.5万km2,占福建省总面积的21%。区域地势总体西北高东南低,地形以低山丘陵为主。该研究区属于典型的亚热带海洋性季风气候,年平均温度稳定在20.8-23.6℃之间,平均降雨量1400-2000mm;夏季高温多雨,冬季温和少雨,地带性植被是常绿阔叶林。凭借适宜的生境,吸引珍稀野生动物在此栖息,包括云豹、华南虎等多种国家级重点保护野生动物。闽三角地区作为中国沿海经济开放区之一,经济较为发达,2021年常住人口与地区GDP分别占福建省的45.86%和47.87%。但随着城市化进程的快速发展,其林地景观受到了一定程度的破坏,对生物多样性保护与生态安全构成了威胁。

图1 研究区位置示意图Fig.1 Location map of the study area底图自然资源部审图号GS(2019)1822号,底图边界无修改,下同

2 数据来源

研究中所用数据主要包括闽三角地区土地利用数据、路网数据和坡度数据。其中,30m分辨率土地利用数据(2000年、2010年和2020年)来源于中国科学院资源环境科学数据中心(http://www.resdc.cn)[27],以林地为前景,其他土地利用类型为背景,得到闽三角地区2000-2020年林地景观空间分布图(图2);路网数据(2014年和2020年)来源于OpenStreetMap(http://www.openstreetmap.org),由于2000和2010年无法获取路网数据,均以2014年路网数据代替;坡度数据由中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn)获取的30m分辨率DEM数据中提取。该地区常住人口和地区生产总值等社会经济指标来源于2021年的《厦门市统计年鉴》、《漳州市统计年鉴》和《泉州市统计年鉴》。

图2 闽三角地区2000-2020年林地景观空间分布Fig.2 Spatial distribution of forest landscape in Min River Delta region from 2000 to 2020

3 研究方法

3.1 景观格局指数计算

景观格局指数是能高度浓缩景观格局信息,反应其结构组成和空间配置等方面特征的定量指标[28]。结合本研究目标,参考相关研究成果[29-30],在斑块类型水平上,选取景观形状指数(LSI)、最大斑块指数(LPI)、斑块数量(NP)、斑块类型面积(CA)、斑块类型面积百分比(PLAND)、斑块密度(PD)、边缘密度(ED)、聚合度指数(AI)、分割指数(SPLIT)、景观分离指数(DIVISION)、相似邻近百分比(PLADJ)和斑块结合度指数(COHESION),共12个景观格局指数,各指数的含义见文献[31]。运用Fragstats 4.2软件,采用移动窗口法计算景观格局指数,设置正方形窗口;按照30m像元分辨率的倍数可减少误差的原则[32],参考以往研究[33]及结合闽三角地区实际情况,窗口边长选择1.2km。考虑到不同景观格局指数在表征景观结构连接度局部特征时,存在冗余性,在开展林地景观结构连接度分析之前,通过各指数间相关关系分析进行指数的筛选。将各景观结构连接度指数归一化处理,得到其空间分布特征图。采用主成分分析方法[34],将所筛选出的景观指数构建为一个林地景观结构连接度综合指数。

3.2 成本距离指数计算

物种需要克服多重阻力来实现从源地向目的地的扩散迁移。综合阻力面反映物种在不同景观类型迁徙交流时的受阻程度,主要由地表覆被类型与人为干扰程度决定[11]。选择土地利用类型、坡度、与建设用地距离和与道路距离4个阻力因子构建综合阻力面[35];为减小MCR模型可能带来的空间偏差,阻力值赋值采用趋于最不适宜栖息地方式[21]。一般而言,坡度越陡、人为干扰越严重,越不利于物种扩散,阻力值越大,景观功能连接度越低;地表覆被类型中,越有利于物种扩散,阻力值越小,景观功能连接度越高。阻力设置中,由于林地为野生动物复合种群的生境,故林地阻力最低;参考梁国付等[36]针对林地景观连接度研究中对草地阻力的设定,将草地阻力设定高于林地。设定阻力因子评价体系[37-39]如表1所示,权重计算采用因子分析法。

表1 阻力评价体系Table 1 Resistance factor evaluation system

成本距离指数用来模拟物种水平扩散的行为模式。其基本公式如下:

(1)

式中,CD为最小累积阻力值;f为CD与变量(Dij×Ri)之间的正函数,fmin反映栅格单元对于不同源的最小累积阻力值,表明某一生态过程与CD的正相关关系;Dij为从源j扩散至空间单元i的空间距离;Ri为空间单元i的阻力系数。

基于ArcGIS 10.7,以林地为源地,结合综合阻力面,计算成本距离指数。将成本距离指数归一化处理,得到其空间分布特征图。

3.3 空间耦合关系分析

双变量空间自相关分析用于衡量多个变量在空间分布是否具有聚集性,包括全局空间自相关(Global Moran′sI)和局部空间自相关(Local Indicators of Spatial Association,LISA)两部分[40],LISA将Global Moran′sI分解到各空间单元[41]。将研究区划分成1200m×1200m的网格,采用GeoDa空间分析软件,通过建立空间权重矩阵,对成本距离指数与景观结构连接度指数进行空间相关性分析,通过双变量局部空间自相关探讨两者的空间关联及其空间异质性。统计各类型栅格数量占比,分析各类栅格数量的变化趋势。

以林地景观结构连接度综合指数为自变量,成本距离指数为因变量,采用地理加权回归模型(GWR)来分析林地景观结构连接度综合指数对成本距离指数的影响。GWR模型将样点数据的空间特性引入到回归参数之中,使变量间的关系可以随着地理位置的变化而不同,克服了空间数据的非平稳性和依赖性[42]。计算公式如下:

(2)

式中,yi为第i个单元格的CD值;(ui,vi)为第i个单元格的中心地理坐标;β0(ui,vi)为截距项;βk(ui,vi)为第i个单元格的回归系数;εi为随机误差项。

4 结果与分析

4.1 林地景观面积动态变化分析

闽三角地区2000-2020年各土地利用类型面积(图3)。从图3可看出,闽三角地区土地利用类型以林地为主,约占总面积的50%;近20年,林地面积有所下降,2000-2010年减少了353.27km2,降幅为2.74%,2010-2020年减少了36.10km2,降幅为0.29%。

图3 闽三角地区2000-2020年各土地利用类型面积Fig.3 Area by land use types in Min River Delta region from 2000 to 2020

林地与其他土地利用类型之间发生不同程度的转化(图4),林地转出主要发生在建设用地和草地之间,林地转入主要发生在耕地和草地之间;近20年,林地表现为大面积转出、小面积转入的持续降低模式。其中2000-2010年转出412.58km2,转入58.14km2,2010-2020年转出76.64km2,转入40.31km2;2000-2020年林地转为建设用地370.72km2,占总转出面积的77.28%,反映出林地景观减少主要由土地开发建设导致;草地和耕地转为林地80.45km2,占总转入面积的90.53%,主要是因为自1999年以来,国家颁布实施退耕还林还草政策,该项工作取得一定效果。

图4 闽三角地区2000-2020年土地利用转移桑基图Fig.4 Land use transfer Sankey map in Min River Delta region from 2000 to 2020

4.2 林地景观指数相关性分析

对各指数进行相关分析(图5)。结果表明:LSI-NP(R2=0.99,P<0.01)、CA-PLAND(R2=0.99,P<0.01)、NP-LPI(R2=0.88,P<0.01)、PD-ED(R2=0.99,P<0.01)、DIVISION-PLADJ(R2=0.83,P<0.01)和PLADJ-AI(R2=0.99,P<0.01)均具有极显著的正相关;AI-SPLIT(R2=-0.53,P<0.01)呈现极显著的负相关。为了在剔除冗余指标的同时保留特征类别信息,并根据研究的实际需要,将各特征类别中显著相关的指数剔除,而各类别之间的指数不进行相关性比较[17]。因此,排除LSI、NP、CA、PLAND、ED、DIVISION、PLADJ和SPLIT指数,筛选出PD、LPI、AI和COHESION共4个景观指数。

图5 各景观指数相关性图Fig.5 Correlation diagram of each landscape indexAI:聚合度指数;CA:斑块类型面积;PD:斑块密度;LSI:景观形状指数;PLAND:斑块类型面积百分比;COHESION:斑块结合度指数;DIVISON:景观分离指数;SPLIT:分割指数;PLADJ:相似邻近百分比;LPI:最大斑块指数;NP:斑块数量;ED:边缘密度;**表示P<0.01

4.3 林地景观连接度时空变化分析

4.3.1林地景观结构连接度时空变化分析

闽三角地区2000-2020年林地景观结构连接度指数空间分布(图6)。由图6可知,闽三角地区北部、西部和南部内陆林地景观PD、LPI、AI和COHESION都较高,东南沿海一带林地景观格局指数都较低。因此,从整体看,闽三角地区北部、西部和南部内陆林地景观破碎度低于东南沿海一带,而其景观结构连接度高于东南沿海一带。

图6 闽三角地区2000-2020年林地景观结构连接度指数空间分布Fig.6 Spatial distribution of forest landscape structure connectivity index from 2000 to 2020 in Min River Delta region

闽三角地区各区县景观结构连接度指数变化率(图7)。由图7可知,从总体来看,不同区县的各指数的平均值变化规律一致。闽三角地区大部分区县,林地PD都略有增大,而绝大部分区县林地LPI、AI和COHESION都有所降低,说明闽三角地区林地景观破碎化趋势增强,林地景观结构连接度出现降低。厦门市的湖里区和集美区,漳州市的龙文区和芗城区,以及泉州市的晋江市和石狮市,这些区域林地景观格局发生激烈变化,景观结构连接度出现明显下降。其中,厦门市湖里区景观结构连接度降幅最大,PD、LPI、AI和COHESION分别下降了76.47%、51.33%、68.13%和68.40%,说明该区域林地景观破碎化程度加剧及景观结构连接度下降更为明显。

图7 闽三角地区各地2000-2020年林地景观结构连接度指数变化率Fig.7 Exponential change rate of forest landscape structure connectivity in Min River Delta region from 2000 to 2020

4.3.2林地景观功能连接度时空变化分析

闽三角地区2000-2020年综合阻力面及林地景观成本距离指数空间分布(图8)。由图8可以看出,阻力值整体呈现东部沿海高,西北和西南内陆低的变化趋势。在闽三角东北部出现阻力高值区,因为该地区建成区密集,人为干扰严重,物种穿越阻力较大;而在闽三角西北部等内陆地区,森林覆盖率高,生境质量较好,适宜物种通行,阻力值较低。闽三角地区北部、西部和南部内陆林地CD较低,而东北部沿海较高,说明该地区北部、西部和南部内陆林地景观功能连接度较好,而东北部沿海林地景观功能连接度差。

图8 2000-2020年综合阻力面与林地景观成本距离指数空间分布Fig.8 Spatial distribution of Combined resistance surface and forest landscape cost distance index from 2000 to 2020

闽三角地区各区县2000-2020年林地景观成本距离指数变化(表2)。由表2可知,除翔安区外,其他区县林地景观CD都增大,说明闽三角绝大部分区县林地景观功能连接度有所降低;厦门市湖里区林地CD增幅最大,为178.56%,其次是漳州市芗城区和龙文区,说明这些区域林地景观功能连接度明显下降。

表2 闽三角地区各区县2000-2020年林地景观成本距离指数变化Table 2 Change of forest landscape cost distance index by district and county of Min River Delta region from 2000 to 2020

4.4 林地景观结构与功能连接度空间耦合关系

4.4.1林地景观结构与功能连接度空间聚类分析

林地景观结构连接度指数(PD、LPI、AI、COHESION)与成本距离指数(CD)的全局莫兰指数(表3)。由表3可知,2000-2020年,PD、LPI、AI、COHESION、CD的全局莫兰指数均大于0.6,呈显著正相关,说明具有明显的聚集性;CD与PD、LPI、AI、COHESION之间的全局莫兰指数均小于-0.4,呈显著负相关,且随着时间变化,它们之间的空间差异性愈加明显。

表3 景观结构连接度指数和成本距离指数的全局莫兰指数Table 3 The global Moran index of landscape structure connectivity index and cost distance index

由图9可以看出,整体上,闽三角地区高-高、低-低聚集类型呈发散式分布,高-低、低-高聚集类型呈集中连片式分布;低-高聚集类型最多,2000年集中在闽三角地区西部和北部,到2020年逐渐向南部转移。从局部看,安溪县处于高-高聚集区,表明成本距离指数与周边林地景观结构连接度指数值均较高且差异较小,这说明该地区林地景观功能连接度较低但结构连接度较高;晋江市、翔安区、湖里区和集美区处于高-低聚集区,表明成本距离指数高值区与林地景观结构连接度指数低值区聚集,均位于城市化较高地区,人为干扰严重,林地景观结构与功能连接度均较低;德化县、华安县、南靖县处于低-高聚集区,表明成本距离指数低值区与林地景观结构连接度指数高值区聚集,这些地区均位于内陆高海拔山区,地形复杂,人为干扰少,林地景观结构和功能连接度都较高;闽三角边缘地带处于低-低聚集区,表明成本距离指数低值区与林地景观结构连接度指数低值区聚集,说明这些地区林地景观功能连接度高但结构连接度较低。

图9 闽三角地区2000-2020年CD与PD、LPI、AI、COHESION LISA 聚类图Fig.9 Clustering diagram of CD and PD, LPI, AI and COHESION LISA in Min River Delta region from 2000 to 2020

由表4可知,从数量看,低-高聚集>高-低聚集>低-低聚集>高-高聚集。从变化趋势来看,20年间,CD-PD、CD-AI、CD-COHESION为低-高聚集的斑块占比呈上升趋势,CD-LPI为低-高聚集的斑块占比则略有下降;CD-PD、CD-LPI、CD-AI和CD-COHESION为高-低聚集的斑块占比呈上升趋势。

表4 2000-2020年闽三角地区各聚集类型像元占比Table 4 Pixel proportion by cluster type in Min River Delta region from 2000 to 2020

4.4.2林地景观结构与功能连接度的回归分析

由表5可知,闽三角地区林地4个景观指数的第一主成分(PC1)具有以下特征:(1)PC1的贡献率大于83%,表明它已集合了4个指数的大部分特征;(2)在PC1中,AI、COHESION和LPI均呈正值,说明它们共同对景观结构连接度起正面的贡献,而PD呈负值,说明它对景观结构连接度起负面的影响,与实际情况相符。因此,可以将PC1作为表征林地景观结构连接度综合指数。

表5 景观指数主成分分析Table 5 Principal component analysis of landscape index

以林地景观结构连接度综合指数为自变量,成本距离指数为因变量,进行地理加权回归分析,结果见表6。由表6可以看出,GWR模型的R2均大于0.69,说明拟合精度较好,并呈现上升趋势,能较好地评估林地景观结构连接度综合指数对成本距离指数的影响。

表6 地理加权回归模型整体结果Table 6 Overall results of geographically weighted regression model

由图10可以看出,近20年间,林地景观结构连接度综合指数对成本距离指数的影响程度增大。林地景观结构连接度综合指数与成本距离指数呈负相关关系,表明随着林地景观结构连接度综合指数值增加,成本距离指数值逐渐减小。2000年回归系数绝对值高值区集中在闽三角的东部沿海地区,绝对值低值地区集中在德化县、安溪县、华安县和南靖县等内陆地区;到2010年林地景观结构连接度综合指数对成本距离指数的影响所有增加,呈现出从东部沿海地区向西部和北部等内陆地区逐渐降低的空间分布;2020年林地景观结构连接度综合指数对成本距离指数的影响进一步增加,回归系数绝对值高值向南部和西部倾斜,绝对值低值集中在闽三角西北部地区。

图10 林地景观结构连接度综合指数回归系数空间分布Fig.10 Spatial distribution of regression coefficient of comprehensive index of forest landscape structure connectivity

4.5 林地景观结构与功能连接度的对比分析

因为CD与LPI、AI、COHESION的相关性与空间聚集特征基本一致,鉴于篇幅有限,以CD-COHESION为例(图11),主要从土地利用变化角度,进行景观结构连接度与功能连接度的对比分析。由图11可知,位置1分布于永春县,20年间,聚集类型由高-高转化为低-高,说明结构连接度无变化时,景观功能连接度增加,主要原因是耕地转为草地,并且该地区开发难度大,城市化水平较低,距建设用地距离与距道路距离较远,阻力因子降低,导致景观功能连接度增加;位置2分布于漳浦县,聚集类型由低-高转化为高-高,说明结构连接度无变化时,景观功能连接度降低,主要原因是草地转为建设用地,并且该地区地势平坦,城市化水平较高,距建设用地距离与距道路距离较近,阻力因子增大,导致景观功能连接度降低。

图11 2000-2020年闽三角地区CD-COHESION变化区域示意图Fig.11 Map of CD-COHESION change area in Min River Delta region from 2000 to 2020

聚集类型由高-高转为高-高与低-低转为低-低,说明结构连接度无变化时,景观功能连接度也无变化;聚集类型由高-低转化为低-高,说明景观结构连接度增加时,景观功能连接度也增加;聚集类型由低-高转化为高-低,说明了景观结构连接度降低时,景观功能连接度也降低。因此,说明景观结构连接度在一定程度上可以表征功能连接度。

由于快速城市化,大量耕地及草地被占用,以及道路网络的建设与扩张,成本距离指数对这些变化更敏感。因此,成本距离指数在度量快速城市化地区的景观连接度时具有优势;而在海拔较高、地形复杂以及受人为干扰少的地区,成本距离指数与传统的基于景观格局的景观结构连接度指数的适用性相近;由于在研究期间,结合图4和图9可知,没有低-低聚集类型转化为高-高聚集类型,所以不存在成本距离指数不如传统的景观结构连接度指数的情况。总体而言,使用成本距离指数去度量景观连接度时更有优势。

5 讨论与结论

5.1 讨论

本研究中双变量局部空间自相关聚集类型由高-高转为高-高与低-低转为低-低,说明结构连接度无变化时,景观功能连接度也无变化;由高-低转化为低-高,说明景观结构连接度增加时,景观功能连接度也增加;由低-高转化为高-低,说明景观结构连接度降低时,景观功能连接度也降低。因此,说明景观结构连接度在一定程度上可以表征功能连接度,这与已有研究一致[43],这也验证了成本距离指数的有效性。本研究中发现结构连接度无变化时,功能连接度可能会不变、增加或降低,与Brennan等[44]结构连接度为零时,功能连接度不为零的结果相似。

本研究中成本距离指数与斑块密度呈现负相关,在局部特征差异中并不呈现斑块密度越小,结构连接度越高,景观功能连接度越低的变化趋势。比如,在东部、东北部等城市化程度高的地区,林地分布较少,斑块密度小,结构和功能连接度均低。在北部、西北部和西南部等林地分布较高的地区,斑块密度大,破碎化较严重,不能说明结构连接度低而功能连接度高,实际上该处的景观结构和功能连接度均高于城市化程度高的地区。这与以往斑块密度是景观破碎化的最佳指标之一的研究一致[45]。这也说明了各景观指数有不同的适用性[46]。并且结合表5可知,与度量景观连接度相比,斑块密度可能更加适合表征景观破碎化。

针对林地景观结构和功能连接度的空间耦合关系分析,有助于更好地理解不同方法度量景观连接度的差异,将促进管理者通过合理地景观规划来增加景观连接度,促进区域生物多样性保护。然而,本研究也存在一些不足之处,如计算林地景观连接度时,未对林地进行细分,未来的研究可以考虑林地景观本身的异质性特征,如不同林分类型(混交林、纯林、阔叶林、针叶林等)、不同起源(人工林和天然林)、不同林龄、不同的郁闭度等因素,探讨不同森林类型对连接度的影响,可以用先进技术,如航空摄影,雷达监测等,观测森林中动物的类型、数量、通行的速度、迁移活动偏好以及分布等数据,并且以动物是否实际穿越及覆盖面积等作为衡量指标,以建立更加精确适宜的阻力面,为科学评价景观功能连接度提供参考依据。

5.2 结论

本研究以闽三角地区为例,基于土地利用数据和路网等数据,以野生动物复合种群为目标物种,利用景观指数和成本距离指数,定量分析了闽三角地区林地景观结构与功能连接度的时空变化特征;采用双变量空间自相关,探讨林地景观结构与功能连接度的空间分异特征,并对比两者在表征景观连接度变化的异同之处;利用主成分分析集成各景观结构连接度指数,构建景观结构连接度综合指数作为自变量,将成本距离指数作为因变量,进行地理加权回归分析,有效揭示了两者的空间耦合关系。主要结论如下:

(1)2000-2020年,林地与其他土地利用类型之间发生不同程度的转化,并且林地表现为大面积转出、小面积转入的持续降低模式。林地转为建设用地370.72km2,占总转出面积的77.28%,草地和耕地转为林地80.45km2,占总转入面积的90.53%。

(2)近20年间,总体上林地景观结构和功能连接度有减小趋势,减小程度具有地域差异性,闽三角内陆地区比东南沿海一带低。其中,湖里区各景观结构连接度指数降幅均最大,斑块密度、最大斑块指数、聚合度指数和斑块结合度指数分别下降为76.47%、51.33%、68.13%和68.40%;除翔安区外,闽三角地区其他各区县林地景观的成本距离指数都呈不同程度增加趋势,其中,厦门市湖里区林地成本距离指数增幅最大,为178.56%,其次是芗城区、龙文区,分别为101.69%和99.01%。

(3)双变量局部空间自相关结果表明:成本距离指数与斑块密度、最大斑块指数、聚合度指数、斑块结合度指数均为显著负相关;利用主成分分析法将各景观结构连接度指数集成为一个综合指数,并与成本距离指数进行地理加权回归分析,结果表明林地景观结构连接度综合指数与成本距离指数具有负相关性。

(4)在研究期间,双变量局部空间自相关分析结果表明,聚集类型由低-高转化为高-高,表明结构连接度无变化时,景观功能连接度降低;由高-高转化为低-高,表明结构连接度无变化时,景观功能连接度增加,表明运用成本距离指数表征景观功能连接度,比景观格局指数表征的景观结构连接度更为敏感。成本距离指数在度量快速城市化地区的景观连接度时具有优势;而在海拔较高、地形复杂以及受人为干扰少的地区,成本距离指数与传统的基于景观格局的景观结构连接度指数的适用性相近,总体上,用成本距离指数度量的景观功能连接度更有优势。