塞罕壩地區(qū)植被景觀格局時空尺度效應1)

徐雯雯 董雪婷 張志東 黃選瑞

(河北省林木種質(zhì)資源與森林保護重點實驗室(河北農(nóng)業(yè)大學)，保定，071000)

景觀格局是由形狀大小不同的景觀斑塊在景觀空間上的排列，反映了景觀的異質(zhì)性，是諸多自然和人為因素在不同時空尺度上作用的結(jié)果，是景觀生態(tài)學的研究重點之一[1-3]。植被資源作為陸地生態(tài)系統(tǒng)的重要組成部分之一，為人類社會提供重要的生態(tài)和經(jīng)濟服務價值。然而，氣候變化和人為干擾極易破壞植被景觀格局的整體性，使其破碎化加劇，導致生物多樣性減少和生態(tài)系統(tǒng)服務價值降低[4-5]。

有關研究表明，景觀異質(zhì)性的量化分析與分析尺度密切相關，尺度選擇直接關系到景觀格局分析結(jié)果的可靠性[6-7]，分析不同時空尺度下的植被景觀格局演變特征，對于合理分析植被景觀生態(tài)過程、有效監(jiān)測環(huán)境及生物多樣性變化具有重要的理論和現(xiàn)實意義[8]。在遙感及地理信息系統(tǒng)技術的基礎上，采用景觀格局指數(shù)法能夠從斑塊水平、類型水平和景觀水平上量化景觀格局信息[9-10]。然而，不同類型的景觀指數(shù)對尺度變化的響應存在差異[11],按照景觀指數(shù)的粒度效應可將其分為可預測響應型、階梯變化型、波動變化型及無規(guī)律變化型[12]?；诳臻g粒度效應的景觀格局研究成為目前的研究熱點[13-14]。生態(tài)學中的空間尺度通常指空間幅度或粒度，對于空間數(shù)據(jù)或影像資料而言，空間粒度是指最大分辨率或像元大小[15]?？臻g粒度大小變化導致用于量化景觀格局信息的指數(shù)隨之發(fā)生變化，即景觀指數(shù)在不同時空尺度下呈現(xiàn)不同的響應狀態(tài)[12]，辨識特征空間粒度是真實準確反映植被景觀格局與生態(tài)過程自身運行特征的關鍵[16]。景觀格局指數(shù)本身也存在一些明顯的局限性，由于空間尺度、時間尺度、景觀類型等不同，而呈現(xiàn)出不同敏感性和可預測性[17-18]。因此，通過多個指數(shù)的聯(lián)合應用來量化景觀格局演變與生態(tài)過程間的關系，能夠有效的解釋植被景觀生態(tài)過程。

塞罕壩地區(qū)處于華北地區(qū)典型森林草原交錯帶，集森林、草原、草甸、沼澤和水體為一體的復雜多樣的生態(tài)系統(tǒng)，能夠提供極其重要的生態(tài)服務功能。然而，受國家政策和人類活動的影響[19]，塞罕壩地區(qū)人工林面積持續(xù)增加，灌木林面積迅速減少，天然次生林及草地面積先減后增，導致該地區(qū)的景觀破碎化程度加深，物種豐富度急劇下降[20]。分析各植被景觀對時間和空間粒度變化的響應情況，能夠更好地理解植被資源動態(tài)變化與生物多樣性間的關系提供依據(jù)[21]。本文針對塞罕壩地區(qū)植被景觀格局變化顯著的特點，以3期遙感影像以及樣地調(diào)查數(shù)據(jù)為基礎，基于信息熵模型和景觀指數(shù)方法，探討塞罕壩地區(qū)4大植被類型(草地、天然次生林、灌木及人工林)的景觀格局時空尺度效應，具體包括：在時空尺度下，4種植被景觀格局尺度效應；景觀指數(shù)在不同時空尺度下的可預測性；最大程度的保留景觀格局信息量的空間粒度閾值。通過對景觀格局時空尺度效應研究，為更科學合理的森林經(jīng)營和監(jiān)測以及優(yōu)化植被景觀分布格局提供科學依據(jù)。

1 研究區(qū)概況

塞罕壩地區(qū)位于河北省最北部，地處內(nèi)蒙古高原與冀北山地交界處(42°4′～42°36′N，116°53′～117°39′E)，海拔高度1 010～1 939.6 m。屬于寒溫帶半干旱半濕潤大陸性季風氣候，年平均氣溫-1.4 ℃，極端最高和最低氣溫分別為30.9 ℃和-43.2 ℃；年降水量490 mm。土壤類型為壩上地區(qū)以風沙土為主，伴隨有草甸土和沼澤土，接壩地區(qū)以棕壤和灰色森林土為主[22]。喬木樹種主要有華北落葉松(Larixprincipis-rupprechtii)、樟子松(Pinussylvestrisvar.mongolica)、云杉(Piceaasperata)、白樺(Betulaplatyphylla)、蒙古櫟(Quercusmongolica)等；灌木主要有山刺玫(Rosadavurica)、沙棘(Hippophaerhamnoides)、山杏(Armeniacasibirica)、胡枝子(Lespedezabicolor)等；草本植物主要有地榆(Sanguisorbaofficinalis)、金蓮花(Trolliuschinensis)、老芒麥(Elymussibiricus)、披針葉苔草(Carexlancifolia)等。

2 研究方法

2.1 數(shù)據(jù)來源與處理

本研究選取塞罕壩地區(qū)1989、2000、2016年每年春、夏、秋、冬四個季節(jié)的Landsat TM/ETM+/OLI衛(wèi)星遙感數(shù)據(jù)(空間分辨率30 m)作為基礎數(shù)據(jù)，以2002年的SPOT5衛(wèi)星影像(分辨率2.5 m)、2012年航空影像(分辨率0.5 m)、DEM高程數(shù)據(jù)(分辨率30 m)以及當?shù)亓謭龆愓{(diào)查矢量數(shù)據(jù)為輔，進行圖像預處理和訓練樣區(qū)選取。參考國際地圈生物圈計劃(IGBP)中的土地利用類型分類標準，結(jié)合塞罕壩地區(qū)生態(tài)環(huán)境特征及研究需要，將土地利用類型分為7類：草地、天然次生林、灌木、人工林、城鎮(zhèn)及建設用地、水體及裸地。

遙感影像處理過程主要包括預處理、訓練樣區(qū)選取、分類和分類后處理4個步驟。在ENVI5.1軟件中進行輻射定標、大氣校正、幾何精校正、影像鑲嵌及裁剪；采用具有較高分類精度的隨機森林分類算法[23-24]，在ENVI5.1軟件中結(jié)合enMAP-BOX工具包進行遙感影像分類，利用基于影像原始波段、紋理特征數(shù)據(jù)、地形數(shù)據(jù)以及植被指數(shù)選取的287個分類特征變量構(gòu)建隨機森林分類模型；采用ENVI5.1中Majority/Minority分析進行分類后處理，隨機選取30%驗證樣本進行精度評價，結(jié)果表明3期影像分類整體精度和Kappa系數(shù)均超過90%，能夠滿足研究需要[25](見圖1)。

圖1 1989、2000與2016年塞罕壩地區(qū)土地利用類型圖

2.2 空間粒度變換與景觀指數(shù)選取

粒度效應研究是把精微尺度上的觀察、試驗和模擬結(jié)果外推到較大尺度，即把景觀類型柵格圖進行尺度上推(粗?；?[26-27]，利用ArcGIS10.2軟件中的空間分析模塊，運行Resample命令將研究區(qū)的土地利用類型圖通過柵格聚合的方式轉(zhuǎn)換為不同粒度的柵格數(shù)據(jù)。本文空間粒度變換范圍從30 m×30 m到300 m×300 m之間，以30 m為間隔，最終生成空間分辨率分別為30、60、90、120、150、180、210、240、270、300 m共10幅不同粒度的景觀類型柵格圖。目前描述景觀格局的指數(shù)很多，參考國內(nèi)外類似研究成果中的指數(shù)選擇以及研究區(qū)的景觀特征[28-29]，本文選取了6個類型水平指數(shù)以及3個景觀水平指數(shù)(見表1)，在Fragstats4.2軟件中計算景觀指數(shù)。

表1 選取的景觀指數(shù)

2.3 基于信息熵的最優(yōu)尺度選擇

景觀格局對尺度的依賴性主要體現(xiàn)在不同景觀有不同的格局特征，且對尺度變化的響應也不同，若尺度過小則造成景觀格局信息量過大而掩蓋部分重要信息，相反則造成缺失細節(jié)信息[30]。因此針對特定景觀需要選擇適宜分析粒度，即最佳粒度，便于對景觀格局進行準確有效地分析。信息熵作為信息論中用于衡量信息量的指標已被廣泛應用到量化景觀格局的研究[31-32]，它描述的是信源的不確定性，是信源中所有目標的平均信息量，表示為隨機變量的概率分布函數(shù)。利用信息熵對不同粒度下的植被景觀格局信息進行衡量，其基本定義為：

式中：H表示信息熵值；n是所有事件數(shù)量；Pi表示隨機事件i的概率。

3 結(jié)果與分析

3.1 時間尺度效應

在時間尺度上，通過判別隨時間推移3個時期的景觀指數(shù)響應曲線變化趨勢是否具有一致性，可將指數(shù)分為兩類：類型Ⅰ，景觀指數(shù)響應曲線變化趨勢具有一致性，可預測性強(見圖2、圖3)；類型Ⅱ，景觀指數(shù)響應曲線變化趨勢不一致，可預測性較弱(見圖4)。

由圖2、圖3可知，類型Ⅰ包括類型水平上邊緣密度、斑塊密度、景觀形狀指數(shù)、聚集度指數(shù)以及景觀水平上蔓延度指數(shù)、香濃多樣性指數(shù)、香濃均勻度指數(shù)，以上指數(shù)的粒度效應曲線在3個時期中的變化趨勢具有一致性。邊緣密度和斑塊密度隨時間推移在4種植被景觀上的變化趨勢具有可預測性，但在4種植被類型間的變化趨勢不同；邊緣密度和斑塊密度在草地上呈均先增后降的“n”字型變化趨勢，在天然次生林上均呈先降后增的“v”字型變化趨勢，在灌木上呈穩(wěn)定下降趨勢；人工林的邊緣密度不斷增加，斑塊密度逐漸降低。聚集度在草地及灌木中呈現(xiàn)相似的變化趨勢，在2016年出現(xiàn)最低值，在天然次生林和人工林上呈增長趨勢。形狀指數(shù)在草地上不斷增加，在天然次生林、灌木及人工林上總體呈降低趨勢。蔓延度指數(shù)可以反映景觀中不同類型斑塊間的團聚或延展趨勢，其值越大表明景觀中有連通度較高的優(yōu)勢斑塊類型存在。研究期間，研究區(qū)的蔓延度指數(shù)逐漸增加，表明研究區(qū)景觀斑塊之間的連通性增強。香濃多樣性指數(shù)及香濃均勻度指數(shù)可以評價景觀類型的多樣性及景觀類型分布均勻度，二者隨時間推移呈降低趨勢，表明研究區(qū)的景觀多樣性及斑塊分布均勻度降低。因此，在時間尺度上，研究區(qū)人工林的聚集程度增強，破碎化程度降低，整體上，天然次生林和草地的破碎化程度增加，灌木破碎度有所下降。

由圖4可知，類型Ⅱ中包括最大斑塊指數(shù)、面積加權平均形狀指數(shù)的粒度效應曲線隨時間推移其變化趨勢不一致。最大斑塊指數(shù)值的大小可以用來確定景觀中的優(yōu)勢斑塊類型，隨時間推移，其值在草地及灌木上呈下降趨勢，且波動幅度趨于平緩，在天然次生林及人工林上呈上升趨勢，且增幅顯著。面積加權的平均形狀指數(shù)能夠度量斑塊形狀的復雜程度，其值在草地及灌木上呈逐漸降低趨勢，表明其斑塊形狀趨于規(guī)則簡單，天然次生林及人工林大體上均呈增加趨勢，表明其斑塊形狀復雜性增強。

圖2 研究區(qū)4種植被景觀類型水平指數(shù)多尺度響應(類型Ⅰ)

圖3 研究區(qū)4種植被景觀景觀水平指數(shù)多尺度響應(類型Ⅰ)

圖4 研究區(qū)4種植被景觀類型水平指數(shù)多尺度響應(類型Ⅱ)

3.2 空間尺度效應

在空間尺度上，根據(jù)各景觀格局指數(shù)隨空間粒度增加的變化趨勢，將景觀指數(shù)分為三類：第1類指數(shù)隨空間粒度變化呈單調(diào)下降的趨勢，可預測性強(見圖2、圖3)。第2類指數(shù)隨空間粒度變化呈波動變化趨勢，變化趨勢不規(guī)則，可預測性較差(見圖4)。第3類指數(shù)基本不隨空間粒度增加而變化，不具有可預測性(見圖3)。

由圖2、圖3可知，第1類景觀指數(shù)包括類型水平指數(shù)(邊緣密度、斑塊密度、景觀形狀指數(shù)、聚集度指數(shù)和景觀水平指數(shù)(蔓延度指數(shù))。隨粒度增加，這類景觀指數(shù)在4種植被景觀上均呈單調(diào)下降，具有明顯的轉(zhuǎn)折點，且第一尺度域為30～90 m。在第一尺度域內(nèi)，景觀格局具有粒度效應的特征信息，考慮到計算景觀格局特征信息的有效性以及計算效率，需在第一尺度域內(nèi)選擇中等偏大的粒度[15，33]，即最佳空間粒度為90 m。

由圖4可知，第2類景觀指數(shù)包括最大斑塊指數(shù)及面積加權的平均形狀指數(shù)。最大斑塊指數(shù)在天然次生林、灌木及人工林上呈波動增加趨勢，面積加權的平均形狀指數(shù)在4種景觀類型中呈波動下降趨勢，這類景觀指數(shù)隨粒度增加的波動趨勢不規(guī)則，可預測性較差，但在30～90 m區(qū)間上變化趨勢相對規(guī)則，因此最佳空間粒度為90 m。

由圖3可知，第3類景觀指數(shù)為景觀水平上香濃多樣性指數(shù)以及香濃均勻度指數(shù)。它們在空間粒度上變化趨勢相似，在小尺度上變化不明顯，在大尺度上有了較小幅度的變化。同時，本文通過選擇第1類景觀指數(shù)進行數(shù)學模型擬合來進一步驗證景觀指數(shù)對空間粒度變化響應的有效性，并發(fā)現(xiàn)其擬合度均較為理想(見表2)。

表2 景觀指數(shù)曲線擬合表

3.3 時空尺度效應

基于上文對景觀指數(shù)時空尺度效應的分析，將分析結(jié)果匯總可知(表3)，在時空雙重尺度下，均具有可預測性的指數(shù)為邊緣密度、斑塊密度、形狀指數(shù)、聚集度指數(shù)及蔓延度指數(shù)。

表3 景觀格局指數(shù)時空尺度效應以及空間相關性

3.4 基于信息熵景觀格局最優(yōu)尺度選擇

由圖5可知，以2016年植被格局變化為例來探討信息熵對空間尺度的響應，信息熵值在60～90 m區(qū)間上開始劇烈上升，粒度增至90 m后又急速下降，表明一些重要景觀格局特征信息開始丟失，因此，本文認為60～90 m為能夠最大程度的保存信息豐富度的閾值區(qū)間。

圖5 不同空間粒度景觀格局信息熵值的變化

4 討論

自然因素與人為活動共同影響著景觀格局[34]，塞罕壩地區(qū)擁有北半球最大人工林林場，能夠提供的生態(tài)服務價值不容忽視[35]，1989—2016年塞罕壩地區(qū)植被資源在人為活動及自然因素共同影響下發(fā)生了顯著變化[19]。通過分析塞罕壩地區(qū)植被景觀格局時空尺度效應發(fā)現(xiàn)，量化景觀格局特征的景觀指數(shù)具有尺度依賴性，且各景觀指數(shù)在時空尺度上的可預測性不同，這與研究區(qū)的生態(tài)過程以及人類干擾有較大關系[36]。

在時空尺度下，均具有較強可預測性的指數(shù)包括邊緣密度、斑塊密度、形狀指數(shù)、聚集度指數(shù)及蔓延度指數(shù)。

在時間尺度上，能夠表示草地破碎度的指數(shù)(如斑塊密度、形狀指數(shù)、聚集度指數(shù))均增加，表明研究區(qū)草地破碎化隨時間推移加劇，這與張宏斌等[37]對呼倫貝爾草地景觀格局時空演變格局變化的研究結(jié)果相似，原因是草地受到與人類干擾相關的造林、旅游開發(fā)等活動的影響導致破碎化加劇。天然次生林的斑塊密度增加，而邊緣密度及形狀指數(shù)減少，說明塞罕壩地區(qū)天然次生林的破碎化程度在研究的期間內(nèi)不斷加劇，原因是人工林入侵，導致其整體性被打破；人工林的斑塊密度及形狀指數(shù)不斷減少，邊緣密度及聚集度增加，這是由于近27 a人工林大面積增加使其破碎度降低[19-20]。

在空間尺度方面，邊緣密度、斑塊密度、形狀指數(shù)、聚集度指數(shù)以及蔓延度指數(shù)在4種植被景觀中均隨著粒度增加而減少。這是由于在特定斑塊類型下，隨著粒度增加小型斑塊將被合并為大型斑塊，分散的小型斑塊在合并過程中甚至消失[14]，這會造成斑塊間邊界消失、斑塊數(shù)量及多樣性減少，同時斑塊形狀趨于簡單規(guī)則。聚集度指數(shù)及蔓延度指數(shù)可以反映景觀類型內(nèi)部的團聚程度及連通性，其值越小，表明景觀由許多離散的小斑塊組成，相反，其值越大表明景觀由連通度較高的大斑塊組成[38]，二者隨粒度增加而降低，說明由于斑塊不斷融合，斑塊間的相鄰距離增大，空間分布更為分散，破碎化加劇[13]。通過分析景觀指數(shù)對景觀格局時空變化的預測情況，發(fā)現(xiàn)研究區(qū)具有明顯的粒度閾值，重要的臨界域粒度為90 m，當粒度大于90 m時，景觀格局信息量將會迅速丟失。因此，綜合考慮景觀格局粒度效應以及信息熵結(jié)果，本文認為90 m為分析研究區(qū)植被景觀格局的最佳空間粒度。

植被景觀格局的變化具有一定的生態(tài)效應，如引起生物多樣性、棲息地可用性及土壤侵蝕等變化[39]。塞罕壩地區(qū)植被資源結(jié)構(gòu)單一，以人工林為主導，且天然次生林、草地破碎化程度高，尤其是空間粒度大于90 m時，景觀格局發(fā)生顯著變化，這將對當?shù)匚锓N棲息地的選擇與保護產(chǎn)生負面影響[40]，如對棲息地范圍波動敏感的鳥類造成威脅[41]。為此，應采取積極措施減少人為干擾，應做好“封山禁牧”，以最大程度減少人為活動對草地的干擾，通過“封山育林”對天然次生林進行恢復和保護，加速天然次生林的形成；在外圍建立緩沖區(qū)以減少人類活動對核心區(qū)天然次生林的干擾，在棲息地之間建立生態(tài)廊道，加強生態(tài)斑塊間的連通性并促進物種間的交流和輻射，對于保護當?shù)厣锒鄻有跃哂兄匾饬x[14，40]。

尺度效應是景觀格局研究的基本內(nèi)容，景觀類型分類標準、遙感影像分辨率大小、空間粒度推繹范圍、推繹步長、空間數(shù)據(jù)聚合方法及景觀指數(shù)自身算法的差異等都是致使景觀指數(shù)粒度效應不同的原因，本文探討了不同景觀指數(shù)的時空尺度效應，對指數(shù)選取、空間粒度推繹及格局分析具有參考價值。

5 結(jié)論

1989—2016年間，塞罕壩地區(qū)人工林大面積增長導致景觀格局向非均衡化方向發(fā)展，人工林景觀破碎化有所好轉(zhuǎn)，但草地和天然次生林等天然植被景觀格局破碎化程度較高。塞罕壩地區(qū)4種植被景觀的空間尺度效應相似，景觀指數(shù)表現(xiàn)為隨粒度增加而下降，而4種植被景觀的時間尺度效應不同，隨時間推移人工林及灌木林破碎化程度降低，草地及天然次生林破碎化增加；研究選取的景觀指數(shù)在時空尺度上表現(xiàn)出不同的可預測性，在時空尺度上均具有較高尺度效應的指數(shù)包括邊緣密度、斑塊密度、景觀形狀指數(shù)及聚集度指數(shù)；研究區(qū)植被景觀格局的最佳分析粒度為90 m。