岷江中下游生态景观格局变化

王海军，孔祥冬，张 勃

岷江中下游生态景观格局变化

王海军1，孔祥冬1，张 勃2

1.成都理工大学工程技术学院，乐山 614000
2.西北师范大学 地理与环境学院，兰州 730070

以生态景观理论为基础，地理信息与遥感技术为支撑，对三期遥感影像数据，1990年和2002年TM数据、2014年ETM+数据进行土地覆被变化监测，景观格局指数定量分析，面积转移矩阵统计，对9种社会与自然驱动力因素降维转化，分析景观格局变化主要驱动力因素，研究结果表明：（1）研究区内景观类型面积排序：林地>草地>农田>水域>居民地>裸地。1990 — 2014年期间林地所占比例由78.03%下降到68.97%，农田比例由6.85%上升到10.91%。居民地所占比例升高了4.1%。（2）农田发生变化的区域主要分布在岷江、大渡河两侧以及西南山地附近。林地减少的区域主要在岷江、青衣江、大渡河交汇的西北部。1990 — 2002年，林地分别向草地和农田转化了14061.0 hm2和13891.0 hm2；此外，水域向裸地转化了214.3 hm2。2002 — 2014年，林地向草地、农田、居民地分别转化了3932.0 hm2、3240.0 hm2、801.0 hm2；同时草地景观向农田、居民地进行了转化，分别为10164.0 hm2、826.0 hm2。（3）PC1和PC2主成分载荷超过0.8的变量中，导致区域景观发生变化的主要驱动力因子是农业耕作面积扩大和城市化进程。

岷江中下游；景观格局；动态分析；驱动力机制

生态景观格局一般是指景观要素的组合与分布特性，景观动态是指景观格局、结构、生态功能随时间发生演化的过程（邬建国，2000；刘文俊等，2006；倪向楠和郭伟，2013）。目前景观空间格局与动态演化是景观生态学研究的重点内容（Benjamin et al，2013；Jin et al，2013；刘宪锋等，2013）。区域林地、草地等景观格局变化对生态系统物质平衡会产生重要影响，从而影响区域种群演替。目前景观格局与变化研究逐渐从全球尺度细化到区域尺度，包括流域、山地、城市景观等（伍星和沈珍瑶，2007；白军红等，2008；彭保发等，2013）。尤其近些年遥感与地理信息技术在景观生态学领域的大量应用，研究方法逐渐由传统的区域调查转向遥感定量监测（赵军等，2011；Xin et al，2014）并且实现了多方法的集成应用（Peñuelas et al，2011；Babst et al，2013；刘宪锋等，2013），大大提高了研究精度，促进了景观生态学的发展。

流域内的景观是一个典型的地理综合体（郭怀成等，2011），岷江中下游三江交汇区，地处四川盆地与西南山地、川西高原结合地带，自然条件复杂多样，动植物资源丰富。气候受不同季风环流交替控制，降水丰沛，境内径流量大。区域内分布着中亚热带 — 暖温带 — 温带 — 寒温带的垂直气候带谱。因此三江交汇区为动植物资源、地理、土壤、水文、气象和生态多学科研究提供了试验场所。由于近些年岷江中下游沿岸地区快速城市化，该地区的地表景观发生了变化，加之区域气候波动，导致地表景观类型改变。三江交汇处的生态环境对岷江下游地区的工农业发展都会产生影响，鉴于此，本文以生态景观理论为基础，地理信息与遥感技术为支撑，研究该区域景观格局与生态过程之间的关系，揭示交汇区景观演化的驱动力机制，为该区域自然资源开发与合理利用提供科学参考。

1 研究区概况

岷江流域三江交汇区位于四川省南部，岷江、大渡河、青衣江交汇处（图1），地理跨度为东经103.3° — 104.1°，北纬29.0° — 30.0°，区域总面积为275600 hm2。该区处于岷江中下游，属于丘陵山地地貌，最高处为峨边县马鞍山主峰，海拔4288 m；最低点为犍为岷江口，海拔307 m。气候上属于中亚热带季风气候区，分布着中亚热带 — 暖温带 — 温带 — 寒温带的垂直气候带谱，四季分明，平均气温在16.5 — 18.0℃，年均降水量1000 mm以上。三江交汇区植被的垂直带谱明显，植被以阔叶林为主，并随海拔升高由亚热带喜暖性低山常绿阔叶林逐步过渡为亚热带耐寒性中山常绿阔叶林，再过渡为亚热带常绿落叶阔叶混交林。同时在林地间隙分布着灌丛、草甸、农田植被，在岷江、大渡河与青衣江河谷两侧以及交汇处分布着部分草地。

图1 研究区景观类型分布图（2014年）Fig.1 Distribution of landscape of study area (Year of 2014)

2 数据获取与研究方法

2.1 数据获取与处理

本文使用Landsat-TM、ETM+两种传感器数据，具体过境日期数据为：1990年8月4日 TM数据，2002年8月13日 TM数据，2014年7月28日ETM+数据，数据空间分辨率为30 m，光谱范围为0.45 — 12.50 μm。数据下载自美国USGS全球数据共享服务平台；地理辅助数据，如数字高程模型（DEM，30 m）、气温、降水、四川省土地利用变化数据（30 m）、岷江、大渡河径流数据来自寒区旱区科学数据中心；社会统计数据，如区域内人口数量、粮食产量、城市面积来自乐山市统计局；景观采样数据，对研究区进行实地景观采样，全区共计采样32个样点。

利用ENVI 4.8与Matlab 9对于三期遥感数据进行了几何与光谱校正，根据land-cover数据、zy03高分辨率数据和实地采样数据结合本文研究目标，建立区域景观分类系统：林地、草地、农田、水域、居民地、裸地。在eCognition Developer 软件中对三期遥感影像进行分割与分类，同时对分类结果利用采样数据进行精度验证， Kappa系数为92.4%。景观指数提取是基于Arcgis 10.1与Fragstats 4.2完成。社会统计数据（人口、GDP、粮食产量等）利用Origion 9.0进行数理统计与PCA主成分分析（技术流程如图2所示）。

图2 技术流程图Fig.2 Flow chart of this study

2.2 研究方法

（1）景观指数

景观格局特征可以在三个层次上进行分析：单个斑块、斑块类型、整体景观。因此，景观格局指数也分三个层次：斑块水平指数、斑块类型水平指数、景观水平指数。景观指数的评价除了考虑单个景观格局指数的适应性和描述能力，还要将单个景观指数置于景观指数体系中综合考虑。实际应用中，景观指数的选择要参照景观指数的特点、研究目的、研究内容等。若不考虑实际意义，计算大量不相干的景观指数，则失去了景观格局研究的本意。基于研究区在景观格局分析方面的重点，考虑各个景观格局指数的生态意义、内涵和信息叠加，参考景观指数的分类（陈文波等，2002），选择了以下几方面的景观指数：斑块面积指数（CA）、斑块面积百分比（PLAND）、最大斑块指数（LPI）、聚合度指数（AI）、 斑块个数指数（NP）、密度指数（PD）、散布与并列度指数（IJI）、景观形状指数（LSI）、香浓多样性指数（SHDI）、面积方差指数（ARE_CV）、面积均值指数（ARE_MN）。

（2）面积转移矩阵

本文在分析1990年、2002年、2014年三期景观的转化与转移过程，采用的是转移概率矩阵方法。景观类型转移的确定原理为：A1年到 A2年的各个景观类型平均单位转化面积占原有该景观类型面积的百分比。例如，把水域景观转化为其他景观类型的转化率作为第一行，裸地景观转化为其他景观类型的转移概率作为第二行，以此类推，建立转移概率矩阵，因此，可以使用如下列数学表达式来表达转移矩阵：

公式中Pij表示景观类型i转换成景观类型j的转移概率，其中Pij为正值，每行概率值相加为1。

（3）主成分分析

主成分分析（Principal component analysis，PCA），是一种多元统计分析方法，该方法可以将多个变量通过降维变换，提取出少数变量，并且含有多个变量的主要信息（吴健生等，2012；何英彬等，2013）。

本文利用影响区域景观类型变化的因子与区域景观CA指数建立相关性分析，统计出与CA变化的相关系数矩阵，将置信度水平大于0.05的因子进行主成分分析，获取主成分载荷矩阵，从而分析导致区域景观发生变化的驱动力机制。

3 结果分析

3.1 三江交汇区景观格局分析

3.1.1 1990年交汇区景观格局分析

通过对交汇区生态景观指数提取，获取1990年各景观类型特征与指数分布，如表1所示。研究区主要的景观类型为林地，占全区78.03%，其次草地，占全区7.76%。全区景观类型面积排序依次是：林地>草地>农田>水域>居民地>裸地。其中最大斑块为林地，反映出林地是该区域的优势景观类型。一些重要的生态过程受到NP指数的影响。NP指数表示某种景观类型图斑的数量，可以体现出景观的异质性，其决定了整体生态景观中的每种类型景观的空间分布，对区域相同景观类型的分布稳定性产生重要影响。同时NP指数对景观受到外部干扰的蔓延有强化作用，如：某种景观类型板块数目较为稀疏，对于外部干扰的蔓延就会起到抑制作用。通过表1可以看出，研究区内NP值最大值1496，是草地景观类型，其IJI指数最低为50.53%，而且草地景观的聚合度指数AI又高（值为96.09%），从而说明研究区草地景观一旦受到来自外部的干扰，其受到的影响就很大，草地景观自身就会产生较大的变化，同时草地形状指数LSI较大，体现草地区域分布形状较为复杂。林地的AI值最大，说明林地斑块的整体聚合度较高，同时面积指数CA最大，斑块数又较少，表明林地景观类型由较多大的斑块组成，具有较低的异质性，并且ARE_MN最大，从而证明林地景观是优势景观类型并且连通性较好，景观具有一定的规模。农田ARE_CV系数较大，说明农田在整个区域分布较为分散，斑块较小。

表1 1990 年三江交汇区各景观类型格局指数Tab.1 Class metrics index in study area in 1990

3.1.2 2002年交汇区景观格局分析

2002年交汇区域景观指数计算结果如表2所示。林地景观占整个研究区面积的72.76%，其次分别是草地>农田>水域>裸地>居民地。2002年最大斑块仍然为林地，并且具有明显的下降趋势，相比之下农田斑块数下降明显，下降2%左右。水域的NP最大，PD值最大，同时IJI较小，说明水域发生了明显的变化。农田的形状指数LSI较高，说明农田景观类型中斑块的形状极为复杂，同时农田的NP数量大，最大斑块指数LPI也较高，体现出了农田分布具有斑块小而且多、复杂的特征，并且小斑块还有聚集度较高的特点。此时的草地斑块个数也较多，同时，散布与并列度指数IJI也较高，而且AR_CV平均斑块变异系数较高，说明草地受到外部影响较大，由于区域内河网密布，草地分布较为分散，同时草地最大斑块与最小斑块差距较大，此情况与三江交汇处草地表现出的特征吻合。

表2 2002 年三江交汇区各景观类型格局指数Tab.2 Class metrics index in study area in 2002

3.1.3 2014年交汇区景观格局分析

2014年景观指数计算结果如表3所示，占全区景观比例高的是林地，占到68.97%，农田比例明显升高，由2002年的4.58%，上升到2014年的10.91%。其他景观类型所占比重大小排序为：草地>居民地>水域>裸地。林地在研究区仍然是主要的优势群种，不过整体优势不如2002年和1990年明显，林地LPI指数最大为30.57，体现林地在全区内的优势地位。NP值的大小与景观破碎度有很好的正向相关性，表3中可以看出农田的NP最大，为205，说明农田在全区内分布较为破碎。并且斑块密度PD值是所有景观类型中最高的，也表达出斑块分布破碎，并且呈现集中分布的态势，与NP体现出来的分布特征一致。同时农田的景观形状指数LSI值最大，该区土地景观类型中农田斑块形状特征较为复杂。另外草地最大斑块指数LSI值较高，同时聚合度指数AI也处在较高值的区间，说明草地分布相对集中，虽然整体呈现一定规模，表面上看分布较完整，但是其内部存在一定的破碎性。居民地占全区比例的5.31%，明显高于2002年和1990年，同时形状指数LSI值较高，IJI值也较高，说明居民地景观在全区内有明显增加趋势，并且整体部分较为复杂。

表3 2014年三江交汇区各景观类型格局指数Tab.3 Class metrics index in study area in 2014

3.2 三江交汇区景观动态演化

3.2.1 景观要素组成动态分析

本研究中所指的景观动态演化，是指研究区景观的组成结构和生态功能方面从1990 — 2014年的变化，具体分析1990年、2002年、2014年三个时期内同一种景观类型的变化以及不同种景观类型之间的转化过程。从统计结果选取6种具有代表性指数来分析，研究区从1990 — 2014年，景观要素均发生了变化。其中林地由1990年的总面积78.24%，降到2014年的68.97%，表明研究区植被面积在明显减少。而草地呈现波动变化，从1990年到2002年呈现增加的特点，而到2014年又回落。农田在1990 — 2014年明显增加，表明该区内的耕作面积增加。此外，居民地面积也呈现明显增加的特点，所在区域面积比例由1990年的1.24%，增加到2002年的1.86%，而到2014年增加到约5.3%，主要是由于该区域乐山市以及周边城镇的城市化进程导致。研究区内农田、水域景观斑块数量变化呈现增加趋势，而林地、草地居民地则出现减少趋势。同时从密度指数可以看出，每种景观类型的密度分布均呈现减少的特点。而每种景观类型的形状指数则表现为波动变化。此外，林地、农田、居民地、裸地的IJI散布与并列度指数明显增加，说明1990 — 2014年，上述几种景观类型受到来自外部的干扰，导致自身发生了明显变化。而林地景观类型的斑块大小差距在缩小，相反草地景观斑块大小之间的差距则出现稳步加大的趋势。

3.2.2 景观斑块特征动态分析

对1990 — 2002年和2002 — 2014年两个时间段的研究区内的景观类型变化进行了同步监测。1990 — 2002年，农田发生变化的区域主要沿着岷江、大渡河两侧以及西南山地附近，面积减少的地区主要出现在西南山地，面积增加的区域则大多分布的沿河两侧地区。而林地减少明显的地区则集中在三江交汇的西部和北部地区。草地明显增加地区与农田减少地区在空间位置上吻合，说明该区域农田景观类型向草地景观类型进行了转化。对于居民区的变化则主要出现在三江交汇地区，呈增加趋势，这与乐山城区的位置刚好吻合，表明城市化进程导致了居民地的面积增加。2002 — 2014年草地增加地区与农田减少地区分布在三江交汇区西南，这与1990 — 2002年的草地与农田的空间变化特征一致。2002 — 2014年林地面积减少了近4%，而且减少的区域主要发生在交汇区的西北部，此地区表现为农田有所增加，说明由于毁林开荒，使得林地景观类型向农田进行了转化。2002年到2014年，居民地面积由1.86%增加到约5.3%，表明该区域的城市进程在最近10年速度很快，这与该区域的主要城市乐山的城市面积扩大表现的时空特征一致。

3.2.3 景观要素间的转移分析

将景观变化划分1990 — 2002年、2002 — 2014年两个时期，通过在Arcgis 10.1中进行空间分析运算，得到两个时期景观类型的面积转移矩阵（表4、表5），在两个时期内，林地均向农田、草地进行了转化。并且1990 — 2002年分别向草地和农田转化了14061.0 hm2和13891.0 hm2。同时结合3.1所分析结果来看，1990 — 2002年林地面积占全区百分比减少5.3%左右。同时草地增加幅度在3.5%，其余转化成了农田，同时草地与农田之间也发生了转化，草地转化成农田在2030.0 hm2左右。此外，水域向裸地转化量较少，大约在214.3 hm2，这与CA指数变化相符。2002 — 2014年林地仍然以较大幅度减少，降幅为3.8%。从定量角度讲，林地向草地、农田、居民地分别转化了3932.0 hm2、3240.0 hm2、801.0 hm2。同时草地景观向农田、居民地进行了转化，分别为10164.0 hm2、826.0 hm2。草地景观净转化量为负值，说明尽管林地向草地进行了转化，同时草地也向农田、居民进行了转化，这与同时期草地的CA指数呈现下降趋势吻合。此时期居民地面积增幅在3.5%左右，主要是该时期区域内乐山城区的城市进程加速导致，占用的景观类型主要有农田、草地、林地。

表4 1990 — 2002年各景观类型面积（单位：hm2）转移矩阵Tab.4 Transition matrix of study area (Unit: hm2) in 1990 — 2002

表5 2002 — 2014年各景观类型面积（单位：hm2）转移矩阵Tab.5 Transition matrix of study area (Unit: hm2) in 2002—2014

3.3 景观格局变化驱动力分析

引起地表景观发生变化的驱动力主要分为自然因素和社会因素（人文因素），本文在探究引起研究区景观变化的驱动力时，考虑到时间序列较短，气候变化相对较为稳定，因此景观发生变化的驱动力主要集中在社会因素。本文利用PCA分析方法将影响区域景观变化的因子设置成自变量x（x1：农业人口数量、x2：粮食产量、x3：大牲畜头数、x4：播种面积、x5：城市人口、x6：农业GDP、x7：工业GDP、x8：商品房审批面积、x9：果品产量。将各景观类型的CA指数设置成因变量y（y1：林地、y2：草地、y3：农田、y4：水域、y5：居民用地、y6：裸地），将以上数据按照年份1990年、2002年、2014年基于Origin 9进行相关性分析，得到景观类型与社会因子相关系数矩阵，如表6所示。提取表6中通过0.05和0.01置信度水平检验的变量，利用Origin 9进行主成分分析。保证特征值大于1来确定主成分数量（采用方差最大进行旋转），通过Origin 9运算，提取了两个主成分PC1与PC2，二者累积贡献率为92.34%。景观主成分旋转得出主成分载荷矩阵，可以得到各变量在PC1和PC2上的因子负载。通过分析PC1和PC2主成分载荷超过0.8的变量，结果表明导致区域景观发生变化的主要驱动力因子是农业耕作面积扩大和城市化进程，此结果与乐山市近20多年的土地政策与城市化特点相符合。因此可以说明三江交汇区景观变化的主要驱动力因素是农业面积扩大和城市建设所导致。

表6 各类景观CA指数与驱动力因子相关系数矩阵Tab.6 Correlation coeffi cients between the landscape CA index and factors

4 结论

1990 — 2014年研究区景观类型面积排序为：林地>草地>农田>水域>居民地>裸地。优势种群为林地，所占比例由78.03%下降到68.97%。草地所占比例呈现波动变化。农田所占比例由6.85%上升到10.91%。居民地所占比例升高了4.1%。1990年研究区内草地景观易受到外部干扰，其分布形状复杂。林地景观整体聚合度较高同时具有较低的异质性，分布通透性好、规模连续。农田分布较为分散且斑块较小。2002年农田斑块分布复杂化，同时具有聚集度高的特点。此时草地斑块个数较多并且斑块大小的变异系数较高。2014年研究区内林地优势群种地位下降。此时农田分布比较破碎并且呈现集中的态势。草地分布规模性较好，分布较为完整，但是内部存在一定的破碎性。

对1990 — 2014年研究区景观类型变化的空间分布区域进行了检测，农田发生变化的区域主要沿着岷江、大渡河以及西南山地附近。对于居民区的变化则主要出现在三江交汇地区，呈现增加的态势。林地减少的区域主要发生在研究区的西北部。1990 — 2002年分别向草地和农田转化了14061.0 hm2和13891.0 hm2。1990 — 2002年林地面积占全区百分比减少约5.3%，同时草地增加幅度在3.5%，其余转化成了农田，同时草地与农田之间也发生了转化，草地转化成农田的面积为2030.0 hm2左右。2002 — 2014年林地仍然较大幅度减少，降幅为3.8%。林地向草地、农田、居民地分别转化了3932.0 hm2、3240.0 hm2、801.0 hm2。同时草地景观向农田、居民地进行了转化，分别为10164.0 hm2、826.0 hm2。导致区域景观发生变化的主要驱动力因子是农业耕作面积扩大和城市化进程。

白军红, 欧阳华, 崔保山, 等. 2008. 近40 年来若尔盖高原高寒湿地景观格局变化[J]. 生态学报, 28(5): 2245 – 2252. [Bai J H, Ouyang H, Cui B S. 2008. Changes in landscape pattern of alpine wetlands on the Zoige Plateau in the past four decades [J]. Acta Ecologica Sinica, 28(5): 2245 – 2252.]

陈文波,肖笃宁,李秀珍. 2002.景观指数分类、应用及构建研究[J]. 应用生态学报, 13(1): 121 – 125. [Chen W B, Xiao D N, Li X Z. 2002. Classification, application, and creation of landscape indices [J]. Chinese Journal of Applied Eology, 13(1): 121 – 125.]

郭怀成, 都小尚, 刘 永. 2011. 基于景观格局分析的区域规划环评方法[J]. 地理研究, 30(1): 1714 – 1718. [Guo H C, Du X S, Liu Y. 2011. A landscape pattern analysisbased methodology framework for regional planning environmental assessment (RPEA) [J]. Geogpaphical Research, 30(1): 1714 – 1718.]

何英彬, 姚艳敏, 唐华俊, 等. 2013. 土地利用/覆盖变化驱动力机制研究新进展[J]. 中国农学通报, 29(2): 190 – 195. [He Y B, Yao Y M, Tang H J, et al. 2013. An overview on progress of land use and land cover change dynamics [J]. Chinese Agricultural Science Bulletin, 29(2): 190 – 195.]

刘文俊, 马友鑫, 胡华斌, 等. 2006. 西双版纳勐仑地区景观格局变化定量分析[J]. 生态学报, 26(9): 3088 – 3097. [Liu W J, Ma Y X, Hu H B, et al. 2006. A quantitative analysis on the landscape pattern change in Menglun [J]. Acta Ecologica Sinica, 26(9): 3088 – 3097.]

刘宪锋, 任志远, 林志慧, 等. 2013. 2000—2011年三江源区植被覆盖时空变化特征[J]. 地理学报, 68(7): 897 – 908. [Liu X F, Ren Z Y, Lin Z H, et al. 2013. The spatial-temporal changes of vegetation coverage in the Three-River Headwater Region in recent 12 years [J]. Acta Geographica Sinica, 68(7): 897 – 908.]

倪向楠, 郭 伟. 2013. 2001—2010年青海湖流域植被覆盖时空变化特征[J]. 地球环境学报, 4(4): 1364 – 1367. [Ni X N, Guo W. 2013. Spatial variations of vegetation change in Qinghai lake basin during 2001—2010 [J]. Journal of Earth Environment, 4(4): 1364 – 1367. ]

彭保发, 陈端吕, 李文军. 2013.土地利用景观格局的稳定性研究[J].地理科学, 33(12): 1485 – 1487. [Peng B F, Cheng D L, Li W J, et al. 2013. Stability of landscape pattern of land use: A case study of change [J]. Scientia Geographica Sinica, 33(12): 1485 – 1487.]

邬建国. 2000. 景观生态学: 格局, 过程, 尺度与等级[M].北京:高等教育出版社. [Wu J G. 2000. Landscape ecology, pattern, process, scale and hierarchy [M]. 2nd ed. Beijing: Higher Education Press.]

吴健生, 王 政, 张理卿, 等. 2012. 景观格局变化驱动力研究进展[J]. 地理科学进展, 31(12): 1739 – 1746. [Wu J S, Wang Z, Zhang L Q. Research progresses on driving forces of the changes of landscape pattern [J]. Progress in Geography, 31(12): 1739 – 1746.]

伍 星,沈珍瑶. 2007. 长江上游地区土地利用覆被和景观格局变化分析[J]. 农业工程学报, 23(10): 86 – 92. [Wu X , Shen Z Y. 2007. Analysis of the changes of land use / cover and landscape pat tern in the upper reaches of the Yangtze River [J]. Transactions of the Chinese Society ofAgricultural Engineering, 23(10): 86 – 92.]

赵 军, 杨 凯, 邰 俊, 等. 2011.区域景观格局与地表水环境质量关系研究进展[J]. 生态学报, 31(11): 3180 – 3189. [Zhao J, Yang K, Tai J. 2011. Review of the relationship between regional landscape pattern and surface water quality [J]. Acta Ecologica Sinica, 31(11): 3180 – 3189.]

Babst F, Poulter B, Trouet V, et al. 2013. Site- and speciesspecific responses of forest growth to climate across the European continent [J]. Global Ecology and Biogeography, 22: 706 – 717.

Benjamin M, Terry L, Thomas R, et al. 2013. Land-cover change in the conterminous United States from 1973 to 2000 [J]. Global Environmental Change, 23(4): 733 – 748. Jin S M, Yang L M, Danielson P, et al. 2013. A comprehensive change detection method for updating the National Land Cover Database to circa 2011 [J]. Remote Sensing of Environment, 132(15): 159 – 175.

Peñuelas J, Canadell J G, Ogaya R. 2011. Increased wateruse efficiency during the 20th century did not translate into enhanced tree growth [J]. Global Ecology and Biogeography, 20: 597 – 608.

Xin Y, Xin Q Z, Rui C A. 2014. Land use change model: Integrating landscape pattern indexes and Markov-CA [J]. Ecological Model, 283: 1 – 7.

Change of landscape pattern in middle and lower of Minjiang River

WANG Haijun1, KONG Xiangdong1, ZHANG Bo2
1. Engineering and Technical College of Chengdu University of Technology, Leshan 614000, China
2. College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, China

Background, aim, and scope The three rivers’ (Minjiang River, Daduhe River, and Qingyi River) intersection area is located in the southeast of Sichuan Province and the lower reaches of Minjiang River. The area is rich in animal and plant resources, and ecological landscape diversity. It is an important scientifi c research and ecological protection area in our country. However, in recent years, the regional landscape type has changed, so it is necessary to study how the landscape type change? What are the driving forces? What are the ecological impacts? Materials and methods In this paper, using three period (the year of 1990, 2002 and 2014) remote sensing images combined with natural and social assistance data to monitor landscape change based on RS andGIS technology, and extracting the index of different types of landscape, and calculating the transfer matrix to count the landscape area, using the PCA method to point out that the driving force of landscape pattern change. ResultsThe results showed that: (1) The landscape area sort: forestland > grassland > farmland > water area > urban land > bare land in the study area. The advantage landscape was forestland and the proportion fell to 68.97% from 78.03%, farmland increased to 10.91%, and urban land raised 4.1%, from 1990 to 2014. (2) The change of farmland mainly distributed on the Minjiang, Daduhe River and southwest mountains, forestland area decreased, mainly in the northwest. From 1990 to 2002, forestland converted to grassland and farmland with a value of 14061.0 hm2and 13891.0 hm2respectively, moreover, the conversion amount from water area to bare land was about 214.3 hm2. From 2002 to 2014, forestland converted to grassland, farmland and urban land, and the conversion amount is 3932.0 hm2, 3240.0 hm2, 801.0 hm2respectively. Grassland converted to farmland, urban land, the conversion amount is 10164.0 hm2, 826.0 hm2. Grassland transferred amount was negative. (3) Among the values that is greater than 0.8, in principal component loading matrix, the main driving force of the regional landscape change was the expansion of farming area and urbanization. Discussion Multi-temporal remote sensing was used to monitor the landscape change, improved the timeliness of monitoring results. However, the time and spatial resolution of image is not very high, and the factors that lead to landscape change are diverse and complex, so, we can analysis of different driving forces with partition in the interaction area. Conclusions Overall, the landscape had an obvious change, and the expansion of urbanization and agricultural area were the main driving force factors in three rivers interaction area. Remote sensing and GIS technology greatly improve the effi ciency and accuracy of landscape change monitoring and driving force analysis. Recommendations and perspectives The study objectively refl ect the changes and driving forces of the ecological landscape in the interaction area, and provide scientifi c data support for the regional ecological protection.

middle and lower of Minjiang River; landscape pattern; driving force; dynamic analysis

Date: 2016-12-23; Accepted Date: 2017-03-14

Natural Science Foundation of Sichuan Provincial Education Department (16ZB0402); Key Research Projects of Science and Technology Bureau of Leshan (16SZD030)

WANG Haijun, E-mail: wanghaibo.2006@163.com

2016-12-23；录用日期：2017-03-14

四川省教育厅自然科学基金项目（16ZB0402）；乐山市科技局重点基金项目（16SZD030）

王海军，E-mail: wanghaibo.2006@163.com

王海军, 孔祥冬, 张 勃. 2017. 岷江中下游生态景观格局变化研究[J]. 地球环境学报, 8(3): 263 – 272.

: Wang H J, Kong X D, Zhang B. 2017. Change of landscape pattern in middle and lower of Minjiang River [J]. Journal of Earth Environment, 8(3): 263 – 272.