苏南水网地区水域景观破碎化时空演变特征及驱动因子研究——以吴江区为例

丁金华,许艳秋,钱 晶

(苏州科技大学 建筑与城市规划学院,江苏 苏州 215000)

景观破碎化是城镇化进程中景观格局演变的重要特征[1],是指局域景观由连续完整的整体转变为破碎、异质的斑块的现象。景观破碎化直接影响着景观的生态特征与过程,是导致土地退化、生态系统服务功能弱化及生物多样性减少的主要原因[2]。

目前国内外学者对景观破碎化研究相对成熟。景观破碎化时空演变特征的研究内容主要聚焦于对某一研究区域景观破碎化程度进行测度与评估[3],揭示时间和空间上不同景观类型景观破碎化动态的时空特征及时空演变规律[4],主要研究方法包括景观格局指数分析[5]、移动窗口法[6]等;景观破碎化的驱动因子研究不仅能够深入分析景观破碎化时空演变成因,同时可建立景观特征与内外部驱动作用的动力联系,主要通过相关性分析[7-8]、主成分分析[9]、灰色关联度分析[10]以及回归模型[11]等进行的。目前针对景观破碎化时空演变特征及其驱动因子研究的范围主要集中在流域[12-13]和城市区域[14],而对水网地区水域景观破碎化的时空演变及研究相对较少。

苏南地区具有典型的水网空间特征。水域在水网地区生态景观格局中有着非常重要的地位。水域破碎化现象是城镇化进程中景观格局演变的突出问题,制约着水域生态服务功能的发挥,也是影响水域生态环境质量提升、生物多样性保护的关键因素。探究水域景观破碎化时空演变特征和作用机制对于加强水域生态环境可持续发展具有重要作用[15]。本研究选取苏州吴江区作为研究区域,结合ArcGIS10.7、Fragstats4.2等相关软件,分析近30 a内的水域景观破碎化演变特征,并运用地理探测器剖析水域景观破碎化的关键驱动因子,为进一步加强苏南水域景观生态保护提供科学依据。

1 材料与方法

1.1 研究区概况

吴江区地处江苏省东南部(30°45′36″-31°13′41″N,120°21′04″-120°53′59″E),水域总面积323.6 km2,约占全区总面积的22.7%。年平均气温17.2 ℃,年均降水量1 121 mm。研究区内河流纵横交错,湖荡呈组团式分布,棋布星陈,河流与湖荡交织相通,构成了苏南独特的水网地域环境格局(图1)。

1.2 数据来源与处理

采用的遥感影像下载于中国科学院地理空间数据云(http://www.gscloud.cn),空间分辨率为30 m。选取1990、2000、2010年和2020年的Landsat 7 ETM、Landsat 5 TM及Landsat 8 OIL遥感影像,影像采集时间集中于9月,云量小于5%。运用ENVI5.0对影像进行辐射定标、大气校正、增强、裁剪等预处理;结合《土地利用现状分类》(GB/T 21010-2017),应用支持向量机分类法将研究区土地利用类型分为耕地、林地、草地、河流、湖泊、水库坑塘、内陆滩涂及建设用地8类(图2)。结合历史资料、Google earth高分影像和实地调查数据,对分类结果进行检验并改正,各年份的总体精度均>80%,Kappa系数均>0.7,分类结果良好,满足研究需求。

选取相关驱动因子对水域景观破碎化时空演变影响力进行研究。其中高程数据来源于地理空间数据云(https://www.gscloud.cn/);年均降雨量数据来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn/Default.aspx);人类活动强度通过生态系统人为影响指数的赋值公式获得[16];道路密度来源于全国地理信息资源目录服务系统(https://www.webmap.cn)。

1.3 研究方法

1.3.1 景观格局指数分析 运用景观格局指数方法、Fragstats4.2软件定量分析吴江区1990-2020年水域景观破碎化的时空演变特征。结合已有文献研究[17-19]及吴江区水域景观特征,从类型水平上选取斑块密度(PD)、平均斑块面积(MPS),景观水平上选取景观分离度(DIVISION)、聚集度指数(AI)、香农多样性指数(SHDI)和蔓延度指数(CONTAG),分析吴江区水域景观破碎化时空演变特征,各指数生态内涵见表1。

表1 景观格局指数公式及其生态内涵Table 1 The formula of landscape pattern index and its ecological connotation

1)因子探测器:主要用来检测驱动因子X能否解释空间分异特征以及其对因变量的影响程度的大小及力度[20],用q来表示,表达式为

(7)

2)交互作用探测器:评估2种因子同时作用时对因变量Y能否产生不同结果,从而用来判断影响因子之间是独立作用还是交互作用[29],其交互作用产生的不同类型结果见表2。

表2 2个自变量对因变量交互作用的类型

3)生态探测器:比较两因子X1与X2对属性Y的空间分布的影响是否有显著的差异[20],以F统计量来衡量

(8)

式中:NX1及NX2分别表示2个因子X1和X2的样本量;SSWX1和SSWX2分别表示由X1和X2形成的分层的层内方差之和[20]。

2 结果与分析

2.1 水域景观破碎化时空特征分析

2.1.1 景观水平破碎化特征分析 DIVISION、SHDI与景观破碎化程度成正比,指数越大,景观破碎化程度越大;CONTAG、AI与破碎化程度成反比,指数越大,破碎化程度越小。

景观格局破碎化指数演变分析结果见表3,1990-2000年DIVISION、SHDI有所增加,水域景观分离程度增大、景观异质性增加;CONTAG、AI呈减小的变化趋势,空间分布较为分散。表明此期间水域景观破碎化程度逐渐增大,聚集程度不断减弱;2000-2020年DIVISION、SHDI逐渐下降,斑块趋于团聚;CONTAG和AI有所上升,水域景观聚集程度及连接性逐渐增强,水域斑块分布变得更为集中。表明此期间破碎化程度有所减缓,整体趋向整合。

表3 1990-2020年吴江区水域景观水平上指数变化

从空间分布图来看(图3),1990-2020年吴江区水域景观破碎化程度较高的区域呈由北部向东部转移的趋势,且破碎化高值区呈扩散趋势。其中三白荡、元荡、南星湖等片区DIVISION和SHDI较大,AI和CONTAG较小,破碎度程度高且呈逐渐增大的趋势;长漾、北麻漾及沿太湖片区DIVISION及SHDI低,AI和CONTAG大,破碎化程度低,区域内水域景观格局整体性有所加强。

教师特写：教师特写的优先级最低。当教师在讲台站定不动，画面为教师特写。在录制的过程中，教师不水平移动，不操作电脑，也没有学生回答问题时，录制的画面会比较长时间在教师特写的画面。

图3 1990-2020年吴江区水域景观破碎化指数空间分布

2.1.2 类型水平破碎化特征分析 PD值越大,景观破碎化程度越大;而MPS值越大,则景观破碎化程度越小。

类型水平上破碎化指数演变分析结果见图4,河流、湖泊及内陆滩涂等自然水域破碎化程度在1990-2020年呈先逐步增加后持续降低的趋势:1990-2000年的PD增加,MPS减小,破碎化程度上升。说明随着城镇化进程的逐渐加快,人工建设活动使自然水域的连通性下降,斑块空间不断分散和破碎化,自然水域类型的完整性与连续性下降;2000-2020年PD减小,MPS增大。表明生态保护政策导向下自然水域类型破碎化减缓,整体性有所加强。水库坑塘人工水域类型破碎化程度呈先减缓后有所增大的趋势:1990-2010年PD减小,MPS增大,破碎化程度有所减缓,2010年后斑块破碎化增大,表明空间分布逐渐分散。

图4 1990-2020年吴江区不同水域类型的指数变化

2.2 水域景观破碎化的驱动因子分析

2.2.1 水域景观破碎化空间分异的变量处理 通过景观格局指数PD、MPS、SHDI、DIVISION、AI和CONTAG表征研究区景观破碎化。由于在反映破碎化的具体解释存在一定重合,因此使用主成分分析将其重新综合成一组综合变量以表征水域景观破碎化(表4),并将该综合变量作为分析因变量,同时对各驱动因子进行分区处理(表5),作为分析自变量。

表4 吴江区水域景观破碎化指数的主成分分析

表5 地理探测器的驱动因子分级说明

考虑到公因子方差的提取程度、初始特征值和KMO大小,KMO统计量可表征因子间的相关程度,其值为0～1,KMO越接近1,表明因子间的相关性越强,越适合主成分分析。对1990、2000、2010年及2020年主成分分析后可知,2020年的景观指数第1主成分可以解释原变量的73%,说明选取第1主成分表征水域景观破碎化的合理性。选取2020年作为研究年份开展进一步分析,景观破碎化综合变量表达式为

F=-(0.388)×ZAI+(0.374)×ZDIVISION-(0.357)×ZMPS+(0.354)×ZSHDI+(0.331)×ZPD-(0.187)×ZCONTAG

(9)

式中:ZAI、ZDIVISION、ZMPS、ZSHDI、ZPD、ZCONTAG为AI、DIVISION、MPS、SHDI、PD、CONTAG标准化后的数值。

2.2.2 单因子探测分析 由表6可以看出,各驱动因子在不同程度上解释了研究区水域景观破碎化时空演变特征的影响力大小,其中人类活动强度(X3)的影响力最大,是影响吴江区水域景观破碎化空间分异的主导因子,反映人工建设等复杂活动对水域景观格局产生一定干扰;其次是土地利用类型(X4)的影响力,在很大程度上影响吴江区水域景观破碎化的空间分异;年均降雨量(X1)、高程(X2)等自然因子的影响力较弱。说明人为干扰类因子比自然驱动因子对研究区水域景观破碎化的解释力大,对吴江区水域破碎化时空特征起主导作用。

表6 吴江区水域景观破碎化时空演变特征单因子探测

2.2.3 交互探测分析 从表7看出,各因子之间交互作用对水域景观破碎化的解释力大于单因子作用,交互作用结果均表现为双因子增强或非线性增强。其中人类活动强度(X3)与土地利用类型(X4)的交互作用影响最强,达到0.577 4,其次是人类活动强度(X3)与道路密度(X5)的交互作用,为0.501 2。说明人类活动强度(X3)和土地利用类型(X4)是影响吴江区水域景观破碎化时空演变的重要因子。反映出人类干扰对水域景观破碎化的空间分异的影响程度较大。

表7 吴江区水域景观破碎化时空演变特征驱动因子交互探测

2.2.4 生态探测分析 各因子对景观破碎化时空演变特征的生态探测结果(表8)表明,人为活动强度(X3)、土地利用类型(X4)2种因子对破碎化空间分异的影响程度与其他因子对破碎化空间分异的影响程度存在显著差异。结合因子探测器的结果,可以进一步验证,人为活动强度(X3)对水域景观破碎化空间分异的影响相对较大。

表8 吴江区水域景观破碎化时空演变特征驱动因子生态探测

3 讨论

水域景观破碎化时空演变是具有阶段性、多样性以及复杂性的特征动态过程,不同类型的驱动因子对景观破碎化时空演变特征的影响力不同,同时在不同时空尺度上,各驱动因子的作用机理也存在较大的差异。

目前研究主要聚焦在揭示该地区在近30 a内水域景观破碎化时空演变特征和驱动因子的影响力大小。本研究从景观和类型水平选取了具有代表性的6个景观格局指数分析吴江区的水域景观破碎化演变特征。但关于更细化的时空演变动态定量分析略显不足,还需结合更多空间分析方法全面探究水域景观破碎化时空演变特征。对研究区内各驱动因子的动态研究不足,今后应聚焦揭示影响水域景观破碎化的主要驱动因子及其驱动作用强度在时序上的变化规律。景观破碎化与各驱动因子间的空间特性的解释方面有待提升,未来将进一步结合如地理加权回归等空间回归方法,探索更加精确的景观破碎化空间特征与多元驱动因子关系。

4 结论

景观水平破碎化特征分析上,1990-2000年,随着建设用地不断扩张,人类的干扰程度较大,导致水域斑块要素分布较散,吴江区水域景观破碎化程度逐渐增加;2000-2020年水域空间生态保护和生态管控力度不断增强,水域景观格局完整性与连续性有所提升,破碎化程度有所减缓,整体趋向整合。

类型水平破碎化特征分析上,各水域景观类型破碎化指数变化不一,差异明显。其中河流、湖泊及内陆滩涂等自然水域类型的破碎化程度先逐步增大后持续减缓:1990-2000年受到人工建设的干扰,斑块类型逐渐分散化,破碎化程度逐渐增大;2000-2020年斑块碎化程度降低。水库坑塘等人工水域破碎程度呈先降低后增加的趋势:1990-2010年斑块类型分布比较聚集,2010-2020年斑块类型分散特征显著,破碎化程度上升。

驱动因子分析结果表明,水域景观破碎化演变受到自然、社会等多重因素综合作用的结果,各驱动因子内部对景观破碎化程度的解释存在差异:人为活动强度、土地利用类型对水域景观破碎化空间分异的影响相对较大。人类活动强度对景观破碎化的影响力明显高于其他因子,并且各因子间的交互作用对水域景观破碎化存在双因子交互增强效应。其中人类活动强度与其他因子间的交互强度最高,是影响水域景观破碎化时空演变特征的最关键因子。