劉渺渺,梁冠敏,肖 瑤,武姿伊,胡喜生,林 森,巫志龍,2,*

1 福建農林大學交通與土木工程學院, 福州 350002 2 國家林業(yè)和草原局杉木工程技術研究中心, 福州 350002

聯(lián)合國《生物多樣性公約》第十五次締約大會第一階段會議于2021年在中國昆明舉行,通過了《昆明宣言》;第二階段會議于2022年在加拿大蒙特利爾舉行,通過了《昆明-蒙特利爾全球生物多樣性框架》,會議倡議保護全球生物多樣性,引起高度關注。近年來,隨著氣候變化與快速城鎮(zhèn)化,森林破碎化現(xiàn)象日益增加,影響物種擴散,生物多樣性受到了嚴重威脅[1]。已有研究表明,在高度破碎化的景觀中,維持較高的景觀連接度,有利于種群個體在殘留生境間的擴散運動,從而可有效地緩解片段化種群的局域滅絕風險;在景觀破碎化加劇的背景下,分析景觀連接度的動態(tài)變化特征,對于生物多樣性保護和維持區(qū)域內生態(tài)系統(tǒng)穩(wěn)定具有重要意義[2-3]。

1984年,Merriam[4]首次將景觀連接度的概念引入景觀生態(tài)學領域,被認為是對景觀空間結構單元相互之間連續(xù)性的一種測定指標[5]。景觀連接度可定義為景觀促進或阻礙生物體或某種生態(tài)過程在源斑塊間運動的程度[6-7],實質代表著物種遷徙和續(xù)存的能力,其變化會影響物種的遷移擴散、搜尋、基因交流等生態(tài)過程[8-9],是目前景觀生態(tài)學的研究熱點[10]。景觀連接度包括結構連接度和功能連接度[11]。其中,結構連接度僅反映土地覆蓋類型在景觀中的空間連續(xù)性,而功能連接度結合結構連接度與物種的生物學特性來確定景觀連續(xù)性[3]。早期的景觀連接度研究重點關注景觀結構連接度,較少考慮生態(tài)過程[11],如使用景觀格局指數表征區(qū)域景觀結構連接度的變化特征[12-13]。但是,傳統(tǒng)的基于景觀格局指數的景觀結構連接度,不考慮動物通行阻抗,也忽略了異質性景觀基質對連接度的影響。近年來,已開發(fā)許多研究方法度量景觀功能連接度,如電流理論[14-15]、圖論法[16-17]、最小耗費距離模型[18-19](Minimum Cumulative Resistance Model,MCR)等。MCR模型能夠根據生物體通過不同景觀單元時的阻力系數,計算最小費用線路,其本身就是功能連接度的度量,由于其簡潔的數據結構、快速的運算法則和直觀形象的結果,被認為是進行景觀連接度評價的最好工具之一[11],得到廣泛應用[20]。富偉等[10]認為許多模型能夠直接作為指數或者經過改造成為指數,最為普遍的是MCR模型,因為其本身就可以作為景觀阻力功能的量化指標[20-22]。但其綜合阻力面構建與目標物種有關,然而目前大多數研究均未涉及具體物種,這主要是由于野生動物數據缺乏[23]。已有學者以野生動物復合種群為目標物種進行研究,如Belote等[14]研究整個北美地區(qū)的地方和區(qū)域生態(tài)連通性,以野生動物復合種群為目標物種,通過設置不同模型情景,對比確定了對整個北美生態(tài)連通性重要的地區(qū);劉伊萌等[24]基于林地和草地景觀,運用最低成本路徑等方法,為四川省野生動物復合種群,構建棲息地保護網絡。傅伯杰等[25]指出,復合種群理論是關于種群在景觀斑塊中運動和消長的理論,是在斑塊生境中,空間上具有一定的距離,但彼此間通過擴散個體相互聯(lián)系在一起的許多小種群或局部種群的集合。盡管MCR模型已應用多年,但目前其主要應用于生態(tài)廊道提取和生態(tài)安全格局構建的分析方法體系中,用于景觀連接度分析相對較少。當前,國內外研究逐漸轉向景觀格局指數和功能連接度度量方法的耦合研究。但是,對將景觀格局指數和基于MCR模型的成本距離指數(Cost Distance Index,CD)兩種表征景觀連接度方法的對比研究并不多見,兩者的空間耦合關系還不清楚,哪種方法更能科學、客觀地解釋景觀連接度變化尚未知。為了在實際應用中選擇更適宜的方法,這些問題是模擬林地景觀連接度時急需要解決的。

閩三角地區(qū)是海上絲綢之路及海峽西岸經濟區(qū)的重要組成部分,山地與丘陵面積占比超過80%[26],森林景觀特征較為典型,但由于快速發(fā)展的城鎮(zhèn)化以及人為干擾,導致森林變化較為活躍,引發(fā)景觀破碎化,威脅野生動物復合種群的生存與發(fā)展,從而導致生物多樣性保護面臨巨大挑戰(zhàn)。鑒于此,本研究以閩三角地區(qū)為研究對象,以森林為生境的野生動物復合種群為目標物種,基于歐式距離的景觀格局指數度量景觀結構連接度,基于最小耗費距離模型構建的成本距離指數表征景觀功能連接度,研究閩三角地區(qū)林地景觀結構與功能連接度時空變化特征及其空間耦合模式,對比不同方法在指示景觀連接度變化中的敏感性及適用性,以期為區(qū)域景觀連接度動態(tài)分析提供新思路,為閩三角地區(qū)生物多樣性保護提供科學參考依據。

1 研究區(qū)概況

閩三角地區(qū)(介于116°53′21″E-119°01′38″E,23°33′20″N-25°56′45″N之間)地處中國福建省東南沿海,包括廈門市、泉州市與漳州市(圖1),與臺灣隔海相望,被稱為“閩南金三角”,總面積約2.5萬km2,占福建省總面積的21%。區(qū)域地勢總體西北高東南低,地形以低山丘陵為主。該研究區(qū)屬于典型的亞熱帶海洋性季風氣候,年平均溫度穩(wěn)定在20.8-23.6℃之間,平均降雨量1400-2000mm;夏季高溫多雨,冬季溫和少雨,地帶性植被是常綠闊葉林。憑借適宜的生境,吸引珍稀野生動物在此棲息,包括云豹、華南虎等多種國家級重點保護野生動物。閩三角地區(qū)作為中國沿海經濟開放區(qū)之一,經濟較為發(fā)達,2021年常住人口與地區(qū)GDP分別占福建省的45.86%和47.87%。但隨著城市化進程的快速發(fā)展,其林地景觀受到了一定程度的破壞,對生物多樣性保護與生態(tài)安全構成了威脅。

圖1 研究區(qū)位置示意圖Fig.1 Location map of the study area底圖自然資源部審圖號GS(2019)1822號,底圖邊界無修改,下同

2 數據來源

研究中所用數據主要包括閩三角地區(qū)土地利用數據、路網數據和坡度數據。其中,30m分辨率土地利用數據(2000年、2010年和2020年)來源于中國科學院資源環(huán)境科學數據中心(http://www.resdc.cn)[27],以林地為前景,其他土地利用類型為背景,得到閩三角地區(qū)2000-2020年林地景觀空間分布圖(圖2);路網數據(2014年和2020年)來源于OpenStreetMap(http://www.openstreetmap.org),由于2000和2010年無法獲取路網數據,均以2014年路網數據代替;坡度數據由中國科學院計算機網絡信息中心地理空間數據云平臺(http://www.gscloud.cn)獲取的30m分辨率DEM數據中提取。該地區(qū)常住人口和地區(qū)生產總值等社會經濟指標來源于2021年的《廈門市統(tǒng)計年鑒》、《漳州市統(tǒng)計年鑒》和《泉州市統(tǒng)計年鑒》。

圖2 閩三角地區(qū)2000-2020年林地景觀空間分布Fig.2 Spatial distribution of forest landscape in Min River Delta region from 2000 to 2020

3 研究方法

3.1 景觀格局指數計算

景觀格局指數是能高度濃縮景觀格局信息,反應其結構組成和空間配置等方面特征的定量指標[28]。結合本研究目標,參考相關研究成果[29-30],在斑塊類型水平上,選取景觀形狀指數(LSI)、最大斑塊指數(LPI)、斑塊數量(NP)、斑塊類型面積(CA)、斑塊類型面積百分比(PLAND)、斑塊密度(PD)、邊緣密度(ED)、聚合度指數(AI)、分割指數(SPLIT)、景觀分離指數(DIVISION)、相似鄰近百分比(PLADJ)和斑塊結合度指數(COHESION),共12個景觀格局指數,各指數的含義見文獻[31]。運用Fragstats 4.2軟件,采用移動窗口法計算景觀格局指數,設置正方形窗口;按照30m像元分辨率的倍數可減少誤差的原則[32],參考以往研究[33]及結合閩三角地區(qū)實際情況,窗口邊長選擇1.2km?？紤]到不同景觀格局指數在表征景觀結構連接度局部特征時,存在冗余性,在開展林地景觀結構連接度分析之前,通過各指數間相關關系分析進行指數的篩選。將各景觀結構連接度指數歸一化處理,得到其空間分布特征圖。采用主成分分析方法[34],將所篩選出的景觀指數構建為一個林地景觀結構連接度綜合指數。

3.2 成本距離指數計算

物種需要克服多重阻力來實現(xiàn)從源地向目的地的擴散遷移。綜合阻力面反映物種在不同景觀類型遷徙交流時的受阻程度,主要由地表覆被類型與人為干擾程度決定[11]。選擇土地利用類型、坡度、與建設用地距離和與道路距離4個阻力因子構建綜合阻力面[35];為減小MCR模型可能帶來的空間偏差,阻力值賦值采用趨于最不適宜棲息地方式[21]。一般而言,坡度越陡、人為干擾越嚴重,越不利于物種擴散,阻力值越大,景觀功能連接度越低;地表覆被類型中,越有利于物種擴散,阻力值越小,景觀功能連接度越高。阻力設置中,由于林地為野生動物復合種群的生境,故林地阻力最低;參考梁國付等[36]針對林地景觀連接度研究中對草地阻力的設定,將草地阻力設定高于林地。設定阻力因子評價體系[37-39]如表1所示,權重計算采用因子分析法。

表1 阻力評價體系Table 1 Resistance factor evaluation system

成本距離指數用來模擬物種水平擴散的行為模式。其基本公式如下:

(1)

式中,CD為最小累積阻力值;f為CD與變量(Dij×Ri)之間的正函數,fmin反映柵格單元對于不同源的最小累積阻力值,表明某一生態(tài)過程與CD的正相關關系;Dij為從源j擴散至空間單元i的空間距離;Ri為空間單元i的阻力系數。

基于ArcGIS 10.7,以林地為源地,結合綜合阻力面,計算成本距離指數。將成本距離指數歸一化處理,得到其空間分布特征圖。

3.3 空間耦合關系分析

雙變量空間自相關分析用于衡量多個變量在空間分布是否具有聚集性,包括全局空間自相關(Global Moran′sI)和局部空間自相關(Local Indicators of Spatial Association,LISA)兩部分[40],LISA將Global Moran′sI分解到各空間單元[41]。將研究區(qū)劃分成1200m×1200m的網格,采用GeoDa空間分析軟件,通過建立空間權重矩陣,對成本距離指數與景觀結構連接度指數進行空間相關性分析,通過雙變量局部空間自相關探討兩者的空間關聯(lián)及其空間異質性。統(tǒng)計各類型柵格數量占比,分析各類柵格數量的變化趨勢。

以林地景觀結構連接度綜合指數為自變量,成本距離指數為因變量,采用地理加權回歸模型(GWR)來分析林地景觀結構連接度綜合指數對成本距離指數的影響。GWR模型將樣點數據的空間特性引入到回歸參數之中,使變量間的關系可以隨著地理位置的變化而不同,克服了空間數據的非平穩(wěn)性和依賴性[42]。計算公式如下:

(2)

式中,yi為第i個單元格的CD值;(ui,vi)為第i個單元格的中心地理坐標;β0(ui,vi)為截距項;βk(ui,vi)為第i個單元格的回歸系數;εi為隨機誤差項。

4 結果與分析

4.1 林地景觀面積動態(tài)變化分析

閩三角地區(qū)2000-2020年各土地利用類型面積(圖3)。從圖3可看出,閩三角地區(qū)土地利用類型以林地為主,約占總面積的50%;近20年,林地面積有所下降,2000-2010年減少了353.27km2,降幅為2.74%,2010-2020年減少了36.10km2,降幅為0.29%。

圖3 閩三角地區(qū)2000-2020年各土地利用類型面積Fig.3 Area by land use types in Min River Delta region from 2000 to 2020

林地與其他土地利用類型之間發(fā)生不同程度的轉化(圖4),林地轉出主要發(fā)生在建設用地和草地之間,林地轉入主要發(fā)生在耕地和草地之間;近20年,林地表現(xiàn)為大面積轉出、小面積轉入的持續(xù)降低模式。其中2000-2010年轉出412.58km2,轉入58.14km2,2010-2020年轉出76.64km2,轉入40.31km2;2000-2020年林地轉為建設用地370.72km2,占總轉出面積的77.28%,反映出林地景觀減少主要由土地開發(fā)建設導致;草地和耕地轉為林地80.45km2,占總轉入面積的90.53%,主要是因為自1999年以來,國家頒布實施退耕還林還草政策,該項工作取得一定效果。

圖4 閩三角地區(qū)2000-2020年土地利用轉移桑基圖Fig.4 Land use transfer Sankey map in Min River Delta region from 2000 to 2020

4.2 林地景觀指數相關性分析

對各指數進行相關分析(圖5)。結果表明: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)均具有極顯著的正相關;AI-SPLIT(R2=-0.53,P<0.01)呈現(xiàn)極顯著的負相關。為了在剔除冗余指標的同時保留特征類別信息,并根據研究的實際需要,將各特征類別中顯著相關的指數剔除,而各類別之間的指數不進行相關性比較[17]。因此,排除LSI、NP、CA、PLAND、ED、DIVISION、PLADJ和SPLIT指數,篩選出PD、LPI、AI和COHESION共4個景觀指數。

圖5 各景觀指數相關性圖Fig.5 Correlation diagram of each landscape indexAI:聚合度指數;CA:斑塊類型面積;PD:斑塊密度;LSI:景觀形狀指數;PLAND:斑塊類型面積百分比;COHESION:斑塊結合度指數;DIVISON:景觀分離指數;SPLIT:分割指數;PLADJ:相似鄰近百分比;LPI:最大斑塊指數;NP:斑塊數量;ED:邊緣密度;**表示P<0.01

4.3 林地景觀連接度時空變化分析

4.3.1林地景觀結構連接度時空變化分析

閩三角地區(qū)2000-2020年林地景觀結構連接度指數空間分布(圖6)。由圖6可知,閩三角地區(qū)北部、西部和南部內陸林地景觀PD、LPI、AI和COHESION都較高,東南沿海一帶林地景觀格局指數都較低。因此,從整體看,閩三角地區(qū)北部、西部和南部內陸林地景觀破碎度低于東南沿海一帶,而其景觀結構連接度高于東南沿海一帶。

圖6 閩三角地區(qū)2000-2020年林地景觀結構連接度指數空間分布Fig.6 Spatial distribution of forest landscape structure connectivity index from 2000 to 2020 in Min River Delta region

閩三角地區(qū)各區(qū)縣景觀結構連接度指數變化率(圖7)。由圖7可知,從總體來看,不同區(qū)縣的各指數的平均值變化規(guī)律一致。閩三角地區(qū)大部分區(qū)縣,林地PD都略有增大,而絕大部分區(qū)縣林地LPI、AI和COHESION都有所降低,說明閩三角地區(qū)林地景觀破碎化趨勢增強,林地景觀結構連接度出現(xiàn)降低。廈門市的湖里區(qū)和集美區(qū),漳州市的龍文區(qū)和薌城區(qū),以及泉州市的晉江市和石獅市,這些區(qū)域林地景觀格局發(fā)生激烈變化,景觀結構連接度出現(xiàn)明顯下降。其中,廈門市湖里區(qū)景觀結構連接度降幅最大,PD、LPI、AI和COHESION分別下降了76.47%、51.33%、68.13%和68.40%,說明該區(qū)域林地景觀破碎化程度加劇及景觀結構連接度下降更為明顯。

圖7 閩三角地區(qū)各地2000-2020年林地景觀結構連接度指數變化率Fig.7 Exponential change rate of forest landscape structure connectivity in Min River Delta region from 2000 to 2020

4.3.2林地景觀功能連接度時空變化分析

閩三角地區(qū)2000-2020年綜合阻力面及林地景觀成本距離指數空間分布(圖8)。由圖8可以看出,阻力值整體呈現(xiàn)東部沿海高,西北和西南內陸低的變化趨勢。在閩三角東北部出現(xiàn)阻力高值區(qū),因為該地區(qū)建成區(qū)密集,人為干擾嚴重,物種穿越阻力較大;而在閩三角西北部等內陸地區(qū),森林覆蓋率高,生境質量較好,適宜物種通行,阻力值較低。閩三角地區(qū)北部、西部和南部內陸林地CD較低,而東北部沿海較高,說明該地區(qū)北部、西部和南部內陸林地景觀功能連接度較好,而東北部沿海林地景觀功能連接度差。

圖8 2000-2020年綜合阻力面與林地景觀成本距離指數空間分布Fig.8 Spatial distribution of Combined resistance surface and forest landscape cost distance index from 2000 to 2020

閩三角地區(qū)各區(qū)縣2000-2020年林地景觀成本距離指數變化(表2)。由表2可知,除翔安區(qū)外,其他區(qū)縣林地景觀CD都增大,說明閩三角絕大部分區(qū)縣林地景觀功能連接度有所降低;廈門市湖里區(qū)林地CD增幅最大,為178.56%,其次是漳州市薌城區(qū)和龍文區(qū),說明這些區(qū)域林地景觀功能連接度明顯下降。

表2 閩三角地區(qū)各區(qū)縣2000-2020年林地景觀成本距離指數變化Table 2 Change of forest landscape cost distance index by district and county of Min River Delta region from 2000 to 2020

4.4 林地景觀結構與功能連接度空間耦合關系

4.4.1林地景觀結構與功能連接度空間聚類分析

林地景觀結構連接度指數(PD、LPI、AI、COHESION)與成本距離指數(CD)的全局莫蘭指數(表3)。由表3可知,2000-2020年,PD、LPI、AI、COHESION、CD的全局莫蘭指數均大于0.6,呈顯著正相關,說明具有明顯的聚集性;CD與PD、LPI、AI、COHESION之間的全局莫蘭指數均小于-0.4,呈顯著負相關,且隨著時間變化,它們之間的空間差異性愈加明顯。

表3 景觀結構連接度指數和成本距離指數的全局莫蘭指數Table 3 The global Moran index of landscape structure connectivity index and cost distance index

由圖9可以看出,整體上,閩三角地區(qū)高-高、低-低聚集類型呈發(fā)散式分布,高-低、低-高聚集類型呈集中連片式分布;低-高聚集類型最多,2000年集中在閩三角地區(qū)西部和北部,到2020年逐漸向南部轉移。從局部看,安溪縣處于高-高聚集區(qū),表明成本距離指數與周邊林地景觀結構連接度指數值均較高且差異較小,這說明該地區(qū)林地景觀功能連接度較低但結構連接度較高;晉江市、翔安區(qū)、湖里區(qū)和集美區(qū)處于高-低聚集區(qū),表明成本距離指數高值區(qū)與林地景觀結構連接度指數低值區(qū)聚集,均位于城市化較高地區(qū),人為干擾嚴重,林地景觀結構與功能連接度均較低;德化縣、華安縣、南靖縣處于低-高聚集區(qū),表明成本距離指數低值區(qū)與林地景觀結構連接度指數高值區(qū)聚集,這些地區(qū)均位于內陸高海拔山區(qū),地形復雜,人為干擾少,林地景觀結構和功能連接度都較高;閩三角邊緣地帶處于低-低聚集區(qū),表明成本距離指數低值區(qū)與林地景觀結構連接度指數低值區(qū)聚集,說明這些地區(qū)林地景觀功能連接度高但結構連接度較低。

圖9 閩三角地區(qū)2000-2020年CD與PD、LPI、AI、COHESION LISA 聚類圖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,從數量看,低-高聚集>高-低聚集>低-低聚集>高-高聚集。從變化趨勢來看,20年間,CD-PD、CD-AI、CD-COHESION為低-高聚集的斑塊占比呈上升趨勢,CD-LPI為低-高聚集的斑塊占比則略有下降;CD-PD、CD-LPI、CD-AI和CD-COHESION為高-低聚集的斑塊占比呈上升趨勢。

表4 2000-2020年閩三角地區(qū)各聚集類型像元占比Table 4 Pixel proportion by cluster type in Min River Delta region from 2000 to 2020

4.4.2林地景觀結構與功能連接度的回歸分析

由表5可知,閩三角地區(qū)林地4個景觀指數的第一主成分(PC1)具有以下特征:(1)PC1的貢獻率大于83%,表明它已集合了4個指數的大部分特征;(2)在PC1中,AI、COHESION和LPI均呈正值,說明它們共同對景觀結構連接度起正面的貢獻,而PD呈負值,說明它對景觀結構連接度起負面的影響,與實際情況相符。因此,可以將PC1作為表征林地景觀結構連接度綜合指數。

表5 景觀指數主成分分析Table 5 Principal component analysis of landscape index

以林地景觀結構連接度綜合指數為自變量,成本距離指數為因變量,進行地理加權回歸分析,結果見表6。由表6可以看出,GWR模型的R2均大于0.69,說明擬合精度較好,并呈現(xiàn)上升趨勢,能較好地評估林地景觀結構連接度綜合指數對成本距離指數的影響。

表6 地理加權回歸模型整體結果Table 6 Overall results of geographically weighted regression model

由圖10可以看出,近20年間,林地景觀結構連接度綜合指數對成本距離指數的影響程度增大。林地景觀結構連接度綜合指數與成本距離指數呈負相關關系,表明隨著林地景觀結構連接度綜合指數值增加,成本距離指數值逐漸減小。2000年回歸系數絕對值高值區(qū)集中在閩三角的東部沿海地區(qū),絕對值低值地區(qū)集中在德化縣、安溪縣、華安縣和南靖縣等內陸地區(qū);到2010年林地景觀結構連接度綜合指數對成本距離指數的影響所有增加,呈現(xiàn)出從東部沿海地區(qū)向西部和北部等內陸地區(qū)逐漸降低的空間分布;2020年林地景觀結構連接度綜合指數對成本距離指數的影響進一步增加,回歸系數絕對值高值向南部和西部傾斜,絕對值低值集中在閩三角西北部地區(qū)。

圖10 林地景觀結構連接度綜合指數回歸系數空間分布Fig.10 Spatial distribution of regression coefficient of comprehensive index of forest landscape structure connectivity

4.5 林地景觀結構與功能連接度的對比分析

因為CD與LPI、AI、COHESION的相關性與空間聚集特征基本一致,鑒于篇幅有限,以CD-COHESION為例(圖11),主要從土地利用變化角度,進行景觀結構連接度與功能連接度的對比分析。由圖11可知,位置1分布于永春縣,20年間,聚集類型由高-高轉化為低-高,說明結構連接度無變化時,景觀功能連接度增加,主要原因是耕地轉為草地,并且該地區(qū)開發(fā)難度大,城市化水平較低,距建設用地距離與距道路距離較遠,阻力因子降低,導致景觀功能連接度增加;位置2分布于漳浦縣,聚集類型由低-高轉化為高-高,說明結構連接度無變化時,景觀功能連接度降低,主要原因是草地轉為建設用地,并且該地區(qū)地勢平坦,城市化水平較高,距建設用地距離與距道路距離較近,阻力因子增大,導致景觀功能連接度降低。

圖11 2000-2020年閩三角地區(qū)CD-COHESION變化區(qū)域示意圖Fig.11 Map of CD-COHESION change area in Min River Delta region from 2000 to 2020

聚集類型由高-高轉為高-高與低-低轉為低-低,說明結構連接度無變化時,景觀功能連接度也無變化;聚集類型由高-低轉化為低-高,說明景觀結構連接度增加時,景觀功能連接度也增加;聚集類型由低-高轉化為高-低,說明了景觀結構連接度降低時,景觀功能連接度也降低。因此,說明景觀結構連接度在一定程度上可以表征功能連接度。

由于快速城市化,大量耕地及草地被占用,以及道路網絡的建設與擴張,成本距離指數對這些變化更敏感。因此,成本距離指數在度量快速城市化地區(qū)的景觀連接度時具有優(yōu)勢;而在海拔較高、地形復雜以及受人為干擾少的地區(qū),成本距離指數與傳統(tǒng)的基于景觀格局的景觀結構連接度指數的適用性相近;由于在研究期間,結合圖4和圖9可知,沒有低-低聚集類型轉化為高-高聚集類型,所以不存在成本距離指數不如傳統(tǒng)的景觀結構連接度指數的情況?？傮w而言,使用成本距離指數去度量景觀連接度時更有優(yōu)勢。

5 討論與結論

5.1 討論

本研究中雙變量局部空間自相關聚集類型由高-高轉為高-高與低-低轉為低-低,說明結構連接度無變化時,景觀功能連接度也無變化;由高-低轉化為低-高,說明景觀結構連接度增加時,景觀功能連接度也增加;由低-高轉化為高-低,說明景觀結構連接度降低時,景觀功能連接度也降低。因此,說明景觀結構連接度在一定程度上可以表征功能連接度,這與已有研究一致[43],這也驗證了成本距離指數的有效性。本研究中發(fā)現(xiàn)結構連接度無變化時,功能連接度可能會不變、增加或降低,與Brennan等[44]結構連接度為零時,功能連接度不為零的結果相似。

本研究中成本距離指數與斑塊密度呈現(xiàn)負相關,在局部特征差異中并不呈現(xiàn)斑塊密度越小,結構連接度越高,景觀功能連接度越低的變化趨勢。比如,在東部、東北部等城市化程度高的地區(qū),林地分布較少,斑塊密度小,結構和功能連接度均低。在北部、西北部和西南部等林地分布較高的地區(qū),斑塊密度大,破碎化較嚴重,不能說明結構連接度低而功能連接度高,實際上該處的景觀結構和功能連接度均高于城市化程度高的地區(qū)。這與以往斑塊密度是景觀破碎化的最佳指標之一的研究一致[45]。這也說明了各景觀指數有不同的適用性[46]。并且結合表5可知,與度量景觀連接度相比,斑塊密度可能更加適合表征景觀破碎化。

針對林地景觀結構和功能連接度的空間耦合關系分析,有助于更好地理解不同方法度量景觀連接度的差異,將促進管理者通過合理地景觀規(guī)劃來增加景觀連接度,促進區(qū)域生物多樣性保護。然而,本研究也存在一些不足之處,如計算林地景觀連接度時,未對林地進行細分,未來的研究可以考慮林地景觀本身的異質性特征,如不同林分類型(混交林、純林、闊葉林、針葉林等)、不同起源(人工林和天然林)、不同林齡、不同的郁閉度等因素,探討不同森林類型對連接度的影響,可以用先進技術,如航空攝影,雷達監(jiān)測等,觀測森林中動物的類型、數量、通行的速度、遷移活動偏好以及分布等數據,并且以動物是否實際穿越及覆蓋面積等作為衡量指標,以建立更加精確適宜的阻力面,為科學評價景觀功能連接度提供參考依據。

5.2 結論

本研究以閩三角地區(qū)為例,基于土地利用數據和路網等數據,以野生動物復合種群為目標物種,利用景觀指數和成本距離指數,定量分析了閩三角地區(qū)林地景觀結構與功能連接度的時空變化特征;采用雙變量空間自相關,探討林地景觀結構與功能連接度的空間分異特征,并對比兩者在表征景觀連接度變化的異同之處;利用主成分分析集成各景觀結構連接度指數,構建景觀結構連接度綜合指數作為自變量,將成本距離指數作為因變量,進行地理加權回歸分析,有效揭示了兩者的空間耦合關系。主要結論如下:

(1)2000-2020年,林地與其他土地利用類型之間發(fā)生不同程度的轉化,并且林地表現(xiàn)為大面積轉出、小面積轉入的持續(xù)降低模式。林地轉為建設用地370.72km2,占總轉出面積的77.28%,草地和耕地轉為林地80.45km2,占總轉入面積的90.53%。

(2)近20年間,總體上林地景觀結構和功能連接度有減小趨勢,減小程度具有地域差異性,閩三角內陸地區(qū)比東南沿海一帶低。其中,湖里區(qū)各景觀結構連接度指數降幅均最大,斑塊密度、最大斑塊指數、聚合度指數和斑塊結合度指數分別下降為76.47%、51.33%、68.13%和68.40%;除翔安區(qū)外,閩三角地區(qū)其他各區(qū)縣林地景觀的成本距離指數都呈不同程度增加趨勢,其中,廈門市湖里區(qū)林地成本距離指數增幅最大,為178.56%,其次是薌城區(qū)、龍文區(qū),分別為101.69%和99.01%。

(3)雙變量局部空間自相關結果表明:成本距離指數與斑塊密度、最大斑塊指數、聚合度指數、斑塊結合度指數均為顯著負相關;利用主成分分析法將各景觀結構連接度指數集成為一個綜合指數,并與成本距離指數進行地理加權回歸分析,結果表明林地景觀結構連接度綜合指數與成本距離指數具有負相關性。

(4)在研究期間,雙變量局部空間自相關分析結果表明,聚集類型由低-高轉化為高-高,表明結構連接度無變化時,景觀功能連接度降低;由高-高轉化為低-高,表明結構連接度無變化時,景觀功能連接度增加,表明運用成本距離指數表征景觀功能連接度,比景觀格局指數表征的景觀結構連接度更為敏感。成本距離指數在度量快速城市化地區(qū)的景觀連接度時具有優(yōu)勢;而在海拔較高、地形復雜以及受人為干擾少的地區(qū),成本距離指數與傳統(tǒng)的基于景觀格局的景觀結構連接度指數的適用性相近,總體上,用成本距離指數度量的景觀功能連接度更有優(yōu)勢。