基于景观格局和生态敏感性的右玉县景观脆弱度分析

盛晓雯，周 伟,2*，曹银贵,2，成 陆

(1.中国地质大学 土地科学技术学院(北京)，北京 100083；2．国土资源部 土地整治重点实验室，北京 100035)

景观格局与景观系统的稳定性、抗干扰能力、恢复力和生物多样性等密切相关[1]。随着社会经济的发展，人类活动和自然因素不断影响着景观格局的分布面积和空间结构[2]。当外界对景观系统进行干扰时，景观脆弱反映出了对环境的敏感程度和适应能力。因此有必要对景观格局的脆弱度进行研究，了解景观系统的敏感度和适应度，为土地资源的利用和管理提供指导决策。

目前，国内外学者针对景观研究的方向大多集中在景观格局变化[3-4]、景观生态研究[5-6]等领域，对景观脆弱度的研究较少。Komal Choudhary[7]等基于植被、土壤、地质和地貌对俄罗斯阿斯特拉罕市的脆弱度进行评估；Craig R.Nitschke[8]等模拟了加拿大不列颠哥伦比亚省的某区域气候变化的景观脆弱性；王介勇[9]等建立了位于黄河三角洲的垦利县的景观脆弱度指数和生态脆弱度指数；卢远[10]等构建了西南喀斯特发育区的左江流域的生态脆弱度评价体系。在借鉴前人研究的基础上，以全国造林绿化先进县——山西省右玉县为例，通过分析景观格局变化、景观脆弱性的时空演变和空间关联，为右玉县的景观规划和建设提供科学依据，以促进环境的可持续发展。

1 研究区概况

右玉县位于山西省朔州市，县辖有4镇6乡，人口超过11万。境内属黄土丘陵缓坡区，气候干寒多风沙，年均气温为4℃，年降雨量450 mm，矿产资源丰富，境内有煤、铁矿石和黄金等。解放初期，右玉县自然环境恶劣，生态环境极其脆弱，森林覆盖率仅有0.3%。通过60多a的植树造林活动，右玉县的生态环境得到显著改善，境内森林覆盖面积广，65%以上的土地保住了水、肥、土，沙尘暴天数比解放前减少了50%，昔日的“不毛之地”变成闻名全国的“塞上绿洲”。

2 研究方法

2.1 数据来源

以地理空间数据云为平台(http://www.gscloud.cn)，所下载的数据包括2002年9月16日、2016年9月14日分辨率为30 m的右玉县Landsat TM影像和30 m分辨率的DEM数据，叠加右玉县矢量行政边界，生成2期研究区的图像，这两个时期时相统一，能保证遥感解译结果的可对比性。根据《土地利用现状分类(GB/T21010-2007)》，结合研究区的实际情况，将地类划分为耕地、林地、草地、城镇用地、工矿用地、水域和未利用地，因为右玉县为矿产资源县，因此将工矿用地单独分类出来[11-12]。以ENVI软件为平台，采用监督分类下的最大似然法进行分类，参照Google Earth的高清影像图校正，得到右玉县2002年和2016年的土地利用现状图，分类的总体精度达到85%以上。

2.2 研究方法

2.2.1 景观格局指数 景观指数可以反映景观格局的变化和特征[13-14]，以Fragstats4.2软件为平台，选取斑块类别(class)和景观水平(landscape)2个尺度进行景观格局分析，其中斑块类别中选择斑块数目(NP)、斑块密度(PD)、边缘密度(ED)和平均斑块面积(AREA_MN)；景观水平上选择景观形状指数(LSI)、多样性指数(SHDI)、均匀度指数(SHEI)、聚集度指数(CONTAG)和连通度指数(CONNECT)。

2.2.2 景观脆弱度指数的建立

2.2.2.1 生态敏感度指数 生态敏感性指数可以说明景观受到人类活动的敏感程度。通过文献分析和指标获取的难易程度[15]，选取海拔、坡度、景观类型作为生态敏感性的评价因子，并将敏感度划分成为5个等级(表1)。海拔分级参照研究区实际情况，坡度分级参照研究区实际情况和土壤侵蚀分类分级标准，景观类型参照景观类型的易损程度。

通过各因子加权得到生态敏感性指数(FS):

(1)

式中，m为评价因子的个数，Ui为评价因子i的生态敏感性等级，Vi为评价因子i的权重值。权重值在参考他人研究的基础上[16-17]，将海拔、坡度和土地利用类型的权重分别设定为0.3、0.5和0.2。

2.2.2.2 景观敏感度指数 景观敏感度表示景观系统在自然和人为干扰下的变化速率。本文在计算生态敏感性的基础上，结合破碎度指数(FN)、优势度(DO)和分维倒数(FD)构建景观敏感性指数(LSI)[18]:

表1 生态敏感性影响因子等级分布Table 1 The hierarchy of ecological sensitivity impact factor

LSI=aFN+bFD+cDO+dFS

(2)

式中，a、b、c、d为各指标的权重。根据研究区的实际情况和在他人研究成果的基础上[9,15]，破碎度、分维数倒数、优势度和生态敏感性指数的权重分别设置为0.4、0.2、0.1和0.3。

2.2.2.3 景观适应度指数 景观适应度由景观结构、景观类型的丰富度与复杂度等决定，反映景观对外界环境变化的适应能力。本文选取斑块丰度密度指数(PRD)、香浓多样性指数(SHDI)和香浓均匀性指数(SHEI)建立景观适应度指数(LAI)：

LAI=PRD+SHDI+SHEI

(3)

2.2.2.4 景观脆弱度指数 根据景观敏感度指数和景观适应度指数建立景观脆弱度指数(LVI)，LVI与生态系统的恢复力成反比。

LVI=LSI×(1-LAI)

(4)

2.2.3 地统计学分析方法 变异函数是以区域化变量理论为基础建立的，能同时描述区域化变量的随机性和结构性，进行空间变异规律分析和空间结构分析[19]。基台值、变程和块金值是变异函数重要的参数，可以决定变异函数的形状和结构。本文采用变异函数和半方差函数对右玉县的景观脆弱性空间特征进行分析。

2.2.4 空间自相关分析方法 空间自相关是指分布在不同地点的地理事物的某一属性值存在统计相关性，通常距离越近的两个值之间相关性越大[20]。空间自相关分为全局空间自相关和局域空间自相关。全局空间自相关是通过整个空间来描述变量的观测值特征，检验聚集效应是否存在于整个空间区域。计算全局空间自相关的方法有很多，目前Moran's I应用最为广泛。局部空间自相关分析是研究局部区域内的空间相关性、局部特征变异和相邻单元间的空间联系方式，推算聚集地的空间位置和范围，最常用Local Moran's I 指数来表示局域空间自相关性，衡量单元之间的空间差异程度和显著性。

3 结果与分析

3.1 景观类型变化分析

根据监督分类的结果显示，耕地和林地广泛分布在研究区内(图1)；未利用地主要分布在西部和东部山地区域；草地分布较为分散，破碎度较大；2002年，城镇用地主要分布在中心城区，随着经济的高速发展，2016年城镇用地的分布在县域内大量扩张。2002年，右玉县的优势景观主要为耕地、林地和未利用地，分别占土地总面积的33.54%、33.36%和29.86%(表2)。2016年，优势景观为林地和耕地，占比为40.29%和29.27%。耕地作为优势景观比重有所下降，林地和草地的面积呈增长趋势，这与右玉县的退耕还林还草、大力发展旅游业和林业政策相关。同时，城镇用地和工矿用地的面积也得到显著增长。

表2 右玉县景观类型结构变化Table 2 Structure change of landscape type in Youyu %

3.2 景观格局变化分析

3.2.1 斑块类别水平格局变化 耕地、林地、水域、草地、城镇用地和未利用地的斑块密度、斑块数目增加，斑块平均面积下降，表明这6种地类在破碎的同时平均规模有所减少(表3)。城镇用地斑块密度、边缘密度的增加，说明土地利用开发过程中，城镇用地被其他景观类型分割、离散。耕地在面积增长的同时，平均面积减少，反映出耕地的空间格局利用相对分散，李洪义[21]等学者的研究表明，农道或沟渠的分割也会导致的农地细碎化和景观破碎化，造成耕地呈现不规则的块状分散分布，在一定程度上影响农田生态系统的服务价值，需要进行布局整合与优化、整合斑块以降低其破碎度。

3.2.2 景观水平格局变化 2002-2016年研究区的斑块密度增加(表4)，表明景观破碎化的加深，一定程度上反映出近几年该区域的景观空间格局在人为用地干扰的过程中日趋破碎化，即区域内景观结构复杂性上升。景观多样性指数反映了景观类型的丰富度和复杂度，均匀度是描述景观由主要景观类型控制的程度。研究区的多样性指数和均匀度指数均增长，表明景观趋于多样化，各景观类型的分布更加均匀。景观形状指数的提高表明景观格局在自然和人为影响作用下，形状趋于复杂。而聚集度和景观连通度指数下降，说明景观在趋于复杂化的变化下，结构的不稳定性也在增加。

3.3 基于地统计学的理论模型拟合分析

综合考虑右玉县的面积和样本区的数量，以2 km×2 km对研究区域进行正方形网格划分，采样方式为等间距，划分出的每一个区域为景观脆弱度的样本区，根据上述公式计算中心点的景观脆弱度值。采用地统计学软件GS+实现样本变异函数理论模型的拟合分析，选取决定系数R2大，残差RSS系数小的模型作为最优模型。在球形模型、指数模型、线性模型和高斯模型中，2002年球形模型拟合的结果最好，2016年指数模型拟合的结果最好(表5)。研究区的块金值在上升(表5)，景观受不确定因素即人为活动和自然因素的影响程度在加深；基台值指数有所下降，说明随机变异的情况有所改善；块金值/基台值表示变量的空间相关性程度，2002年和2016年的空间相关性程度都为一般，2002年为2.196 0 km，2016年为2.076 0 km，说明景观脆弱度在2 km采样区内有较高的空间相关性。

表3 斑块类别的景观指数变化Table 3 The landscape index change on patch type level

表4 景观水平的指数变化Table 4 The landscape index change on landscape level

表5 景观格局脆弱度理论变异函数Table 5 The variogram of landscape patterns vulnerability degree

3.4 景观脆弱度的时空演变分析

依据ArcGIS10.2提取划分网格的中心点，得到样本区景观脆弱度指数，在此基础上采用地统计模块中的普通克里格插值法得到右玉县景观脆弱度的空间分布图。采用自然间断法将研究区景观脆弱度分为5个等级：低脆弱区、较低脆弱区、中等脆弱区、较高脆弱区和高脆弱区。景观脆弱度高的区域位于右玉县西部和东部的山地地区(图2)，那里海拔高、坡度陡，景观类型多为格局敏感的未利用地和林地，且脆弱程度从四周向中心逐渐减小，中心区域大多是地势平稳的城镇用地。

从2002年到2016年，研究区景观脆弱度分布的位置变化不大，但是脆弱程度减轻，具体表现为低脆弱区、较低脆弱区和中等脆弱区的面积增加，较高脆弱区和高脆弱区的面积减少(表6)，表明随着时间的变化，人为活动和自然因素对景观脆弱度干扰的程度在减轻。与2002年相比，2016年的城镇用地从中心向四周扩张，城镇用地多为生态敏感性低的区域，因此研究区中心的低脆弱区的面积范围有所增加。研究区的林地和草地面积在增加，一般认为，生态用地的数量与环境的正面影响成正比。景观脆弱程度的减轻表明景观类型变化对区域各种自然生态环境要素产生了积极的、正向的环境影响。如在土地结构调整中，实施的退耕还林、退耕还草等，有助于维系区域生态系统健康发展[22-23]；在土地整治过程中，进行河道疏浚，能降低整治区洪涝灾害的危害[24]；农田生态防护林带的布设，有利于形成良好的农田小气候及降低台风等自然灾害[25]。作为全国造林绿化先进县和小杂粮基地县之一，研究区在政府的政策支持下大力推进生态旅游和农业的发展，建设用地向有序的方向发展，使得生态系统和生态系统的稳定性得到增强，生态适宜性得到提高。

图1 右玉县 2002年和2016年景观类型分布Fig.1 Distribution patterns of landscape types in Youyu from 2002 to 2016

表6 右玉县景观脆弱度分区统计Table 6 Partition statistics of landscape vulnerability degree in Youyu %

3.5 景观脆弱度的空间相关性分析

3.5.1 全局空间自相关 为了深入了解景观脆弱度的空间关联格局和发展趋势，应用GeoDa软件，根据2002年和2016年的景观脆弱度绘制了Moran's I散点图(图3)。2002年的全局Moran's I指数为0.410 4，2016年的全局Moran's I指数为0.440 3，说明研究区景观脆弱度的空间分布不是随机的，而是呈正相关，且正相关的趋势随着时间在增强。第1象限(HH 象限)内散点较为分散且风险值差距较大，说明高风险的区域内部差异较大；第3象限(LL 象限)内散点较为密集且风险值差距较小，说明低风险的区域内部差异不明显。

3.5.2 局域空间自相关 根据图4的LISA集聚图，2002年和2016年，高-高值主要分布在研究区的西部和东北部地区，未利用地和林地较多，与人们开垦荒地、导致景观破碎度程度加深有关，景观类型频繁转换，景观脆弱度格局呈集群现象。低-低值主要分布在县域中部地区，林地、耕地、草地、城镇用地和水域集中分布，景观格局的多样性丰富，系统内部稳定性有所提高。根据图5的LISA显著性水平图，高-高值地区大多达到0.05显著水平，部分达到0.01显著水平；低-低值地区通常达到了0.01显著水平。与2002年相比，2016年显著水平的分布范围有所扩大，但显著性水平有下降趋势。

图3 2002年(左)和2016年(右)景观脆弱度Moran's I散点图Fig.3 The Moran's I scatter of landscape vulnerability degree in 2002 (left) and 2016 (right)

图4 2002年(左)和2016年(右)景观脆弱度局域空间自相关LISA集聚图Fig.4 The LISA cluster graph of local spatial autocorrelation in 2002 (left) and 2016 (right)

图5 2002年(左)和2016年(右)景观脆弱度局域空间自相关LISA显著性水平Fig.5 The LISA significance level graph of local spatial autocorrelation in 2002 (left) and 2016 (right)

4 讨论

利用2002和2016两期遥感影像图，得到右玉县景观类型变化，通过计算景观格局指数，将景观敏感性指数和景观适应度指数相结合构建景观脆弱度分布图，采用地统计学和空间自相关模型对景观脆弱性的时空演变和空间关联进行分析，得出：2002-2016年，右玉县景观脆弱度在空间上是成正相关的，且正相关性在加强，景观脆弱度呈下降趋势，景观环境呈现正向演替。

景观脆弱度高的区域说明该区域的景观系统受到景观类型变化的影响较大，该区域的景观在进行开发、利用时应得到重点规划。从空间分布上看，2002-2016年，景观脆弱度高的地区分布在右玉县的西部和东北部的山地地区，那里海拔高、坡度陡，景观脆弱度低的地区分布在右玉县中部地区，中部地区大多数为海拔低的平原地区，建设用地、林地和耕地分布面积较广。这与孙才志[18]等对下辽河平原和董雅雯[15]等对三亚市景观脆弱度的研究结果类似，在景观脆弱度高的地区，地形主要为山地和丘陵，在进行耕地耕种和森林种植时，易发生水土流失，并且未利用地较多，生态环境敏感。在景观脆弱度低的地区，人口布局集中，城市发展朝着有序化和规模化发展，耕地种植方式较为科学，林地分布广阔，景观格局趋向稳定，使该区域景观脆弱度维持较低水平。从右玉县2期的景观类型分布图中也可以看出，在政府退耕还林还草和发展生态旅游的政策影响下，研究区的林地和草地面积增加，增加的面积主要分布在中部地区，同时位于中部的建设用地有序扩张，这与景观脆弱度的变化情况是相符合的。

通过景观格局指数的计算，在斑块类型上，耕地和林地作为右玉县的优势景观，其斑块数目和斑块平均面积下降，说明斑块处于被分割的状态。在景观水平上，右玉县景观多样性和均匀度指数增加，表明各景观类型之间差异性减少，均匀程度和异质性增加。研究结果与马亚鑫[14]等对西安市长安区的景观格局分析相同，随着人类活动的增强，城镇用地和工矿用地面积增加，优势景观与其他景观面积差异缩小，因此多样性和均匀度指数增加。右玉县景观聚集度和连通度指数下降，说明景观类型分布分散。陈颐[11]等对莆田市的景观格局研究也得到类似结论，景观破碎化程度加深，空间聚集度下降，人类活动对景观的扰动呈现出相同的趋势。

在今后发展中，应着重提高村镇建设用地的集约节约率，减少空心村、镇的现象，对耕地的破碎斑块进行综合整治，因地制宜推行耕地规模化产业。为了继续保持环境的正向演替，保持景观脆弱度的降低趋势，应整合耕地、林地、草地，着眼于改善生态环境，推进农田林网、道路林网、河道林网建设，有序的发展建设用地，控制建设用地的无序扩张。根据研究区自然生态属性、现有开发密度和发展潜力，统筹考虑未来右玉县地区人口分布、经济发展、生态保护和资源开发，按区域分工和协调发展的原则调整完善区域土地利用格局，针对西部和东部地区未利用地占比高、脆弱性指数高的特点，减少对未利用地的人为扰动，开发利用时以优先开垦为林地、草地等生态用地为主，实现经济和生态的协调发展。

5 结论

右玉县的优势景观为耕地和林地，2002年，耕地和林地分别占总面积的33.54%和33.36%，2016年，耕地和林地分别占总面积的29.27%和40.29%。耕地面积减少4.27%，林地面积增长6.93%。

由于林地、草地、城镇用地和工矿用地面积在增加，使得右玉县景观多样性指数和景观均匀度指数从2002年的1.239 2和0.636 8提高到2016年的1.399 7和0.719 3。但耕地、林地和草地等优势景观类型的斑块数目和斑块平均面积逐年下降，表明景观的分布较为分散，景观破碎度提高。景观类型被分割，景观之间连通性较差，因此景观聚集度指数和连通度指数由2002年的63.148 1和0.490 4下降到2016年的57.681 3和0.297 1。

右玉县的景观脆弱度呈正相关性，高风险区域内部差异大，低风险区域内部差异小。景观脆弱度在降低，景观环境有所改善，低脆弱区和较低脆弱区面积占比从2002年的56.07%增长到2016年的57.49%，高脆弱区和较高脆弱区面积占比从2002年的22.57%减少到2016年的19.54%。

景观脆弱度关系到人类社会经济活动对景观系统的影响，本文通过计算右玉县的景观格局指数和景观脆弱度指数的变化，识别景观脆弱度分布区域，为右玉县的可持续发展提供决策依据，同时也可为类似地区景观脆弱度分析提供参考。