流域景观格局对土壤保持服务的影响

张金茜,柳冬青,钱彩云,巩 杰,李红瑛



流域景观格局对土壤保持服务的影响

张金茜,柳冬青,钱彩云,巩 杰*,李红瑛

(兰州大学资源环境学院,甘肃 兰州 730000)

以子流域为空间单元,应用生态系统服务和交易的综合评估模型(InVEST)进行土壤保持服务评估,并借助景观指数计算软件(FRAGSTATS)表征景观格局特征,综合运用空间自相关探讨土壤保持量与景观格局指数的空间关联关系,同时从景观格局角度出发,开展土壤保持量与景观格局指数的空间回归分析.结果表明: 2014年土壤保持服务较高的子流域具有景观类型组成相对单一、景观各类型间非均匀分布、存在优势斑块、景观分离度低的格局特征; 2014年甘肃白龙江14个子流域表现出土壤保持服务与景观格局显著的空间相关关系,占子流域总数量的37.84%; 模型对比方面,空间滞后模型(SLM)优于非空间线性模型(OLS),表明甘肃白龙江各子流域的土壤保持量在空间上具有实质性的空间依赖.景观类型多样性及其均匀程度是影响甘肃白龙江子流域土壤保持量的重要景观指标.

景观格局；土壤保持服务；空间统计

景观生态学作为生态学、地理学和环境科学之间的一门综合交叉学科,自Troll[1]首次提出以来,受到越来越多的关注[2-3],逐渐成为生态、环境和资源研究的视角与方法途径[4].景观格局是指类型、大小、形状不同的景观要素在空间的分布与配置,是景观异质性的重要体现,对各种生态过程有着重要影响[5].景观格局是生态过程的载体,生态过程中包含众多塑造景观格局的驱动因子[6].景观格局与生态过程相互作用、相互影响[7],驱动着景观的整体动态,并呈现出一定的景观功能特征,这种功能与人类需求相关联,构成人类生命支持系统的核心——生态系统服务[6].生态系统服务是生态系统结构及其生态过程所形成和维持的人类赖以生存和发展的自然效用[8-9],与人类福祉息息相关,生态系统服务的退化将威胁到区域乃至全球的生态系统安全[10],而景观格局通过影响生态过程与生态系统服务密切相关.因此,探讨景观格局对生态系统服务的影响及其内在机制、生态服务功能对其景观变化的响应、以及如何保持生态系统的生命支持功能是区域可持续发展研究的重要课题[10].

土壤保持是陆地生态系统中重要的生态系统调节服务[11-12],在应对中国乃至全球的重大环境问题——土壤侵蚀方面发挥重要作用[13-14],已成为全球变化领域的研究热点之一[9].迄今,土壤保持服务常用土壤保持量进行评估[15],InVEST模型作为一个全球性通用模型已在国内外土壤保持服务的评估中得到较广泛应用[16].目前涉及景观格局对土壤保持影响的研究方法主要是数理统计层面[5,17],如: 相关性分析和经典回归模型等,不足之处是忽视了两者间的空间依赖性.随着空间统计学的快速发展,大多数传统经典统计学中相互独立的基本假设被打破,事物之间的空间相关性逐渐得到重视.因此,本文从空间统计学角度出发,开展景观格局对土壤保持服务的影响研究,旨在深入剖析景观格局可以在多大程度上解释土壤保持,以期为景观格局优化和区域生态系统土壤保持服务提升提供科学依据.

甘肃白龙江流域地处黄土高原和秦巴山地向青藏高原交错带,地形复杂多变,既是长江上游水土保持的重要生态区,也是甘肃省水土流失、滑坡和泥石流等地质灾害的频发区,环境极度脆弱,土壤保持服务是流域内重要的生态系统服务类型,而近年来随着流域不断增强的人类活动,景观格局剧烈变化,一定程度上直接或间接影响着流域的土壤保持服务.因此,本文以子流域为空间单元,应用生态系统服务和交易的综合评估模型(InVEST)开展土壤保持服务评估,借助景观指数计算软件(FRAGSTATS)进行景观格局分析,探讨土壤保持量与景观格局指数间的空间关系,并尝试着从景观格局的视角出发,开展土壤保持量与景观格局指数的空间回归分析,可为甘肃白龙江流域的可持续发展提供决策参考.

1 研究区概况与数据

1.1 研究区概况

白龙江流域位于甘肃省和四川省境内,其甘肃段的地理位置是32°36′~34°24′N,103°00′~105°30′E,地处甘肃省东南部,主要包括迭部县、舟曲县、文县、宕昌县和武都大部分地区,总面积约为1.84´104km2(图1).流域地势西北高东南低,海拔573~4866m,地貌景观多样,植被群体种类繁多.区域气候类型复杂,年均气温6~15℃,年均降水量400~850mm,同时区内气候具有明显的垂直地带特征,表现为:随着海拔和地形地貌的变化,自下而上逐渐形成暖温-温凉-寒冷等气候垂直带.流域内植被类型主要有温带落叶阔叶林、常绿阔叶林、温带山地针叶林、高寒山地针叶林等;土壤类型主要有棕壤、暗棕壤、淋溶褐土、褐土性土、红粘土、暗棕壤性土、石灰性褐土、高山草甸土、山地草原草甸土、水稻土、浅黑钙土、高山寒漠土等;土地利用类型以林地、草地和耕地为主.研究区森林和矿产资源丰富,农业种植以粮食为主,兼种油料作物、蔬菜和药材等.此外,以数字高程模型(DEM)为基础数据,基于分布式流域水文模型(SWAT)划分子流域,并自下而上进行编号以开展研究(图1).

图1 研究区位置和周边气象站点 Fig.1 The location of the study area and meteorological stations in the surround

1.2 数据来源

DEM数据下载于地理数据云平台(http: //www. gscloud.cn),空间分辨率为30m.气象数据源自中国气象科学数据共享服务网(http://cdc.cma.gov.cn)和甘肃白龙江流域各县区气象局,主要包括研究区及其周边17个气象站点1990~2014年的逐月降水量数据(站点示意图见图1).2014年甘肃白龙江流域景观类型图的数据源来自美国地质勘探局的Landsat数据(http://glovis.usgs.gov),条带号和行编号为129/37、130/37、130/36和131/36,空间分辨率为30m,时相为7~8月.根据LUCC分类标准和甘肃白龙江流域实际情况,将土地利用类型分为耕地、林地、草地、水域、建筑用地和未利用土地共6类,经实地验证与比对,数据解译整体精度达84.68%,满足研究要求.

2 研究方法与模型

2.1 土壤保持服务评估

应用InVEST模型中的泥沙输移比例模块(SDR)定量评估土壤保持服务,计算公式如下:

式中:SEDRET和SEDR分别为栅格的土壤保持量和泥沙持留量,t;SE和SE为栅格及其上坡栅格的泥沙持留效率.PKLS为基于地貌和气候条件的栅格潜在土壤流失量,t;USLE和USLE分别为栅格及其上坡栅格的实际侵蚀量,t,即植被覆盖和水土保持措施下的土壤侵蚀量.R、K、LS、C和P分别为栅格的降雨侵蚀力因子、土壤可蚀性因子、地形因子、植被覆盖因子和水土保持措施因子,各因子的计算过程参见文献[18].

2.2 景观格局指数

参考相关研究成果[19-20]并考虑流域实际情况,在景观水平上选取下列10个景观指数:斑块密度(PD)、最大斑块指数(LPI)、边缘密度(ED)、蔓延度(CONTAG)、聚合度(AI)、相似邻近百分比(PLADJ)、景观形状指数(LSI)、香农均匀度(SHEI)、香农多样性(SHDI)、景观分离度(DIVISION),以描述甘肃白龙江流域的景观格局特征.

基于子流域尺度,运用FRAGSTATS4.2软件计算每个子流域的上述10个景观指数,显然,在反映景观格局信息的过程中,众多景观指数之间必然存在一定的相关关系,甚至高度相关.因此,利用SPSS软件进行10个景观指数间的相关性分析,结果表明: PD、ED、PLADJ、LSI均与AI高度相关,为了简化研究,宜先不考虑景观格局指数PD、ED、PLADJ和LSI.其次,本文研究重点是应用空间统计学探讨子流域尺度上土壤保持量与景观指数的空间关系,而采用GeoDA软件进行的2014年土壤保持量与各景观指数(LPI、CONTAG、AI、SHEI、SHDI、DIVISION)之间的全局空间自相关结果说明:2014年土壤保持与景观指数CONTAG和AI的空间相关关系未能通过蒙特卡罗模拟方法检验(95%置信度).综上,选取景观指数LPI、SHEI、SHDI和DIVISION开展下一步更深层次的研究.

2.3 空间自相关

2.3.1 构建空间权重矩阵 构建空间权重矩阵是空间自相关分析的前提.选取Rook邻接准则构建空间权重矩阵以表征子流域间的空间关系,其形式如下:

式中:表示空间单元个数;w表示区域与的邻居关系.本文以37个子流域构建基于空间邻接关系的权重矩阵,这里邻接的含义是具有公共边界,规则如下:

2.3.2 全局空间自相关 Moran’s I指数反映空间邻接或空间邻近区域单元属性值的相似程度.通过GeoDA分析子流域土壤保持量与景观指数之间的空间关联性,公式如下[21]:

式中:为Moran指数;表示空间单元个数;x和x分别为区域和的观测值;w为空间权重矩阵.2表示观测值的平方差.Moran指数的取值一般在[-1, 1]之间,小于0表示在空间呈负相关,大于0表示在空间呈正相关,等于0表示不相关,随机分布.

2.3.3 局部空间自相关 局部Moran指数可表征一个区域与邻近区域属性值的相关程度.通过GeoDA分析子流域土壤保持量与邻近子流域景观指数的空间相关程度,公式如下[21],其指代含义同全局空间自相关公式.

2.4 空间回归模型

目前,常见的空间回归模型主要有空间滞后模型(SLM)和空间误差模型(SEM).SLM主要探讨变量在某一区域是否存在扩散作用(即空间溢出效应),它考虑了空间单元A(＝1,2,…,上的因变量观测值依赖于其相邻区域A(≠)观测值的情形[22],表达式为:

式中:是被解释变量;是解释变量;W是空间权重矩阵的第(,)个元素;为随机误差向量;参数是空间回归系数,它所反映的是空间邻接单元对被解释变量的解释程度;则反映出了解释变量对被解释变量的影响.

SEM是处理误差项存在空间依赖的方法,可以看成是标准回归模型和误差项的空间自回归模型的组合[22].最常用的是误差的一阶空间自回归模型[22],为:

式中:λ是自回归参数,衡量扰动误差项中的空间依赖作用;μ为随机误差项.

由于空间回归模型中存在自变量的内生性,为了保证回归结果估计的无偏性和有效性,Anselin[23]建议采用极大似然法去估计SLM和SEM.在SLM和SEM的模型选择上,Anselin[23]给出了哪种模型更符合实际的判断标准,即:通过拉格朗日乘数(LMLAG和LMERR)及其稳健性(R-LMLAG和R-LMERR)来判断,如果LMLAG比LMERR在统计中更加显著,并且R-LMLAG显著而R-LMERR不显著,则可以判定SLM模型更合适,反之,SEM 模型更为合适.如果仍无法判断模型优劣,可使用其他检验指标,如:拟合优度(2)、对数似然函数值(logL)、赤池信息准则(AIC)和施瓦茨准则(SC).一般情况下,2和logL越大,AIC和SC越小,模型拟合效果越好.

3 结果与讨论

3.1 流域土壤保持服务的空间分布特征

2014年甘肃白龙江流域土壤保持服务呈现差异化的集聚特征,空间异质性显著(图2).具体地,土壤保持高值区主要分布在流域东南部(子流域1、2、3、4、9、11)及西北部(子流域26、27、33、34、35),这些区域多属于地表扰动较少的石质性山区或自然保护区;土壤保持低值区聚集分布在流域东部(子流域20、21、14、12、22)和北部(子流域31),这些区域的工农业相对发达,人类活动频繁.

图2 2014年甘肃白龙江流域的土壤保持服务 Fig.2 Soil conservation services in Bailongjiang watershed in Gansu in 2014

3.2 流域各景观指数的空间分布特征

以子流域为空间单元,基于FRAGSTATS平台计算2014年甘肃白龙江各子流域的景观格局指数LPI、DIVISION、SHDI和SHEI,并运用ArcGIS实现景观指数的空间可视化表达(图3).从数值上看,子流域的景观指数LPI、DIVISION、SHDI、SHEI分别介于11.42~84.73、0.28~0.96、0.52~1.25、0.32~0.75,4种景观指数的极差范围相对较大,表征各子流域在最大斑块指数、景观分离度、景观多样性及均匀度上存在显著差别.从空间上看,子流域4种景观指数的空间格局具有明显的分异性,景观指数SHDI、SHEI和DIVISION的低值区集中分布在流域南部(子流域1、2、6、7),表明该区域的景观类型组成单一化,景观各类型的均匀程度较低,景观分离度低,聚合度高,而且该区域的最大斑块指数较高,说明景观中有优势斑块存在;景观指数SHDI、SHEI和DIVISION的高值区主要分布在流域北部(子流域27、28、29、30、31)及流域东南部(子流域10、13、14),表征该区域的景观类型组成多样化,景观各类型均匀分布,景观分离度高,小斑块较多,要素格局相对密切.

图3 2014年甘肃白龙江各子流域的景观格局指数 Fig.3 The landscape pattern indices of each sub-watershed in Bailongjiang watershed in Gansu in 2014

3.3 子流域尺度土壤保持量与各景观指数的空间自相关

空间依赖性和异质性是土壤保持与景观格局等地理生态现象的内在属性,本文在考虑空间关系前提下,以子流域单元为空间尺度,基于GeoDA平台开展2014年土壤保持量与各景观指数之间的全局空间自相关分析,结果表明2014年流域土壤保持与景观指数LPI、DIVISION、SHDI、SHEI均呈现出显著的空间相关关系(显著性水平为0.05).具体来看,2014年流域土壤保持与景观指数LPI的Moran’s I为0.208,呈空间正相关,表征土壤保持较高的子流域在景观水平上存在某一类型的优势斑块;而2014年流域土壤保持与景观指数DIVISION、SHDI、SHEI均呈现出显著的空间负相关关系,其Moran¢s I分别为-0.208、-0.279、-0.204,揭示子流域的景观分离度、多样性、均匀度越低,土壤保持服务越高.综上,土壤保持服务较高的子流域具有景观类型组成相对单一、景观各类型间非均匀分布、存在优势斑块、景观分离度低的格局特征.

全局空间自相关仅能从整体上验证研究对象是否存在空间集聚现象,无法对其空间范围进行定位,因此借助GeoDA软件,运用局部空间自相关深入剖析2014年甘肃白龙江流域土壤保持量与各景观指数显著相关的空间范围,生成双变量局部空间自相关聚集图,不同颜色标识不同的空间自相关类别.由图4可知:在95%的置信度下,土壤保持与景观指数LPI的低低聚集区主要分布在流域北部(子流域23、24、28、29、30),表明该区土壤保持低值与最大斑块指数低值形成集聚现象,即土壤保持服务较低的子流域,其景观中无某一类型的优势斑块,斑块大小相对细碎;与低低聚集区相比,高高聚集区的子流域数量很少,在空间上并未表现出较大范围的“片状”分布(图4a).土壤保持与景观指数DIVISION的低高聚集区集中于流域北部(子流域23、24、28、29、30),说明该区土壤保持与景观分离度紧密相关,土壤保持服务较低的子流域,其景观分离度较高,景观连接性较弱;高低聚集区空间分布相对分散(图4b).土壤保持与景观指数SHDI的低高聚集区主要是在流域北部(子流域23、28、29、30)及中部(子流域20、22),表征该区土壤保持服务较低的同时,区域景观在组成类型上较多样化,空间相关关系显著(图4c).土壤保持与景观指数SHEI的空间集聚特征和SHDI有相似之处,只是低高聚集区的空间分布范围相对稍小(子流域20、23、28、29),揭示该区景观均匀度较高的同时,土壤保持服务保持较低水平,即土壤保持服务较低的子流域,其景观内的各斑块类型趋于均匀分布,具有较大多样性(图4d).综合分析双变量局部空间自相关结果可以认为,流域土壤保持与景观指数(LPI、DIVISION、SHDI、SHEI)的显著空间相关关系主要表现在14个子流域,占子流域总数量的37.84%,占比可观,即通过优化这14个子流域的景观格局以实现流域土壤保持服务提升的目的是有科学基础和应用价值的.

图4 2014年甘肃白龙江流域各景观指数与土壤保持服务的局部空间自相关聚集 Fig.4 Local spatial autocorrelation cluster map of landscape pattern indices and soil conservation service in Bailongjiang Watershed in Gansu in 2014

3.4 子流域尺度土壤保持量与景观指数的回归分析

上述的空间自相关是探讨两变量关系的有效方法,其主要关注子流域土壤保持与某一个景观指数的空间关联关系,其他景观指数的影响是不被考虑的,不足之处是忽视了景观指数之间所产生的影响.鉴于此,从景观格局的视角出发,运用相关的回归模型,以子流域为空间单元开展土壤保持量与景观指数(LPI、DIVISION、SHDI、SHEI)的回归分析.基于GeoDA平台的非空间线性模型(OLS)估计结果如表1所示,在95%的置信度下,景观指数LPI、DIVISION、SHDI和SHEI对流域土壤保持量的解释程度为30%;景观指数SHDI和SHEI通过了5%的显著性检验,而景观指数LPI和DIVISION则不显著.

表1 OLS估计结果 Table 1 The estimation results of OLS

但子流域土壤保持量之间并不相互独立,不符合传统OLS假设,因此对OLS模型的估计结果进行诊断检验,验证是否存在更为合理的空间回归模型(空间滞后模型或空间误差模型).从OLS模型估计结果的诊断检验可以发现(表2),对于空间滞后和空间误差模型,可以使用拉格朗日乘数(LMLAG和LMERR)及其稳健性(R-LMLAG和R-LMERR)来判断,因为Lagrange Multiplier(lag)的值是0.0236(<0.05),表示显著,而Lagrange Multiplier(error)的值为0.2958(>0.05),表示不显著;并且Robust LM(lag)显著而Robust LM(error)不显著,根据Anselin的判别标准[26],可以认为空间滞后模型更为合适,说明子流域的土壤保持服务存在实质性的空间依赖.

表2 OLS模型估计结果的诊断检验 Table 2 Diagnostics for OLS model

空间滞后模型的估计结果见表3,对比非空间线性模型(OLS)的估计结果发现,空间滞后模型的对数似然函数值(logL)比OLS大,且赤池信息准则(AIC)和施瓦茨准则(SC)均比OLS小,证实了空间滞后模型比传统的OLS模型更优,拟合效果更好.在空间滞后模型中,空间自相关程度系数为正值且显著,表征甘肃白龙江各子流域的土壤保持量在空间上具有实质性的正相关关系,即某一子流域的土壤保持量若增加,其邻近子流域的土壤保持量也会增加.与OLS相比,空间滞后模型中景观指数LPI和DIVISION变量的值均有所下降,但并未达到显著水平;景观指数SHDI和SHEI的显著性则没有太大改变.综上,以景观格局的角度而言,香农多样性和香农均匀度是影响子流域土壤保持量的重要景观指标.

表3 空间滞后模型的估计结果 Table 3 The estimation results of the spatial lag model

本研究认为: 2014年甘肃白龙江流域土壤保持与景观指数LPI、DIVISION、SHDI、SHEI均呈现出显著的空间相关关系.这与Zhang等[24]的研究存在一定的一致性,表现为:Zhang等[24]认为土壤侵蚀模数与LPI、Simpson 均匀度指数密切相关.同时,Ouyang等[25]也认为景观格局变化对土壤侵蚀产生重要影响,其中景观多样性影响较大.

景观格局指数法是景观格局研究中相对成熟和有效的方法,但也存在一定的问题,比如:景观格局指数如何科学选取以全面反映景观格局.本文基于主体研究方向采用相关性分析与全局空间自相关选取了4种代表性的景观格局指数,这4种景观格局指数是否能够全面表征本研究区的景观格局特征,有待于下一步深入探讨.

土壤保持与土壤侵蚀过程密切相关,而土壤侵蚀过程又是一个多尺度、非线性的空间化地理-生态过程.景观数据属性、常规格局指数本身性质以及土壤侵蚀过程的复杂性使景观格局分析需要新的理论范式加以补充和完善[26].

景观格局通过影响生态系统组份、结构与生物化学过程进而影响生态系统服务,这是一个非常复杂的相互作用过程[27-29],明晰景观格局对生态系统的作用关系与机制,并在此基础上探讨其对生态系统服务的影响是进一步研究方向.

4 结论

4.1 2014年甘肃白龙江流域土壤保持服务与景观格局指数(最大斑块指数、景观分离度、香农多样性、香农均匀度)呈现显著的空间相关关系,主要表现在14个子流域,占子流域总数量的37.84%.

4.2 模型对比方面,空间滞后模型(SLM)优于非空间线性模型(OLS),表明甘肃白龙江各子流域的土壤保持量在空间上具有实质性的空间依赖.景观类型多样性及其均匀程度是影响甘肃白龙江子流域土壤保持量的重要景观指标.

[1] Troll C. Luftbildplan und ökologische Bodenforschung [J]. Zeitschrift der Gesellschaft für Erdkunde zu Berlin, 1939,(7/8):241-298.

[2] Makhzoumi J M. Landscape ecology as a foundation for landscape architecture: Application in Malta [J]. Landscapeand Urban Planning, 2000,50(1/2/3):167-177.

[3] Fan Q D, Ding S Y. Landscape pattern changes at a county scale: A case study in Fengqiu, Henan Province, China from 1990 to 2013 [J]. Catena, 2016,137:152-160.

[4] Fortin M J, Agrawal A A. Landscape ecology comes of age [J]. Ecology, 2005,86:1965-1966.

[5] 黄 婷,于德永,乔建民,等.内蒙古锡林郭勒盟景观格局变化对土壤保持能力的影响 [J]. 资源科学, 2018,40(6):1256-1266.Huang T, Yu D Y, Qiao J M, et al. Landscape pattern change and soil conservation in Xilingol League, Inner Mongolia [J]. Resources Science, 2018,40(6):1256-1266.

[6] 苏常红,傅伯杰.景观格局与生态过程的关系及其对生态系统服务的影响 [J]. 自然杂志, 2012,34(5):277-283. Su C H, Fu B J. Discussion on links among landscape pattern, ecological process, and ecosystem services [J]. Chinese Journal of Nature, 2012,34(5):277-283.

[7] Pierik M E, Acqua M D, Confalonieri R, et al. Designing ecological corridors in a fragmented landscape: A fuzzy approach to circuit connectivity analysis [J]. Ecological Indicators, 2016,67:807-820.

[8] Daily G C. Natures’ services: societal dependence on natural ecosystems [J]. Pacific Conservation Biology, 1997,6(2):220-221.

[9] Costanza R, D’ Arge R, Groot R D, et al. The value of the world’s ecosystem services and natural capital [J]. Nature, 1997,387:253-260.

[10] 邹 月,周忠学.西安市景观格局演变对生态系统服务价值的影响 [J]. 应用生态学报, 2017,28(8):2629-2639.Zou Y, Zhou Z X. Impact of landscape pattern change on ecosystem service value of Xi’an City, China [J]. Chinese Journal of Applied Ecology, 2017,28(8):2629-2639.

[11] Costanza R, D'Arge R, Groot R D, et al. The value of the world's ecosystem services and natural capital [J]. Nature, 1997,387(1):3-15.

[12] 傅伯杰,吕一河,高光耀.中国主要陆地生态系统服务与生态安全研究的重要进展 [J]. 自然杂志, 2012,34(5):261-272. Fu B J, Lv Y H, Gao G Y. Major research progresses on the ecosystem service and ecological safety of main terrestrial ecosystems in China [J]. Chinese Journal of Nature, 2012,34(5):261-272.

[13] 饶恩明,肖 燚,欧阳志云,等.海南岛生态系统土壤保持功能空间特征及影响因素 [J]. 生态学报, 2013,33(3):746-755. Rao E M, Xiao Y, Ouyang Z Y, et al. Spatial characteristics of soil conservation service and its impact factors in Hainan Island [J]. Acta Ecologica Sinica, 2013,33(3):746-755.

[14] 齐述华,蒋梅鑫,于秀波.基于遥感和ULSE模型评价1995~2005年江西土壤侵蚀 [J]. 中国环境科学, 2011,31(7):1197-1203. Qi S H, Jiang M X, Yu X B. Evaluating soil erosion in Jiangxi Province with USLE model and remote sensing technology during 1995~2005 [J]. China Environmental Science, 2011,31(7):1197-1203.

[15] 王鹏涛,张立伟,李英杰,等.汉江上游生态系统服务权衡与协同关系时空特征 [J]. 地理学报, 2017,72(11):2064-2078. Wang P T, Zhang L W, Li Y J, et al. Spatio-temporal characteristics of the trade-off and synergy relationships among multiple ecosystem services in the Upper Reaches of Hanjiang River Basin [J]. Acta Geographica Sinica, 2017,72(11):2064-2078.

[16] 王 蓓,赵 军,胡秀芳.基于InVEST模型的黑河流域生态系统服务空间格局分析 [J]. 生态学杂志, 2016,35(10):2783-2792. Wang B, Zhao J, Hu X F. Spatial pattern analysis of ecosystem services based on InVEST in Heihe River Basin [J]. Chinese Journal of Ecology, 2016,35(10):2783-2792.

[17] 张素梅,王宗明,闫百兴,等.辉发河流域景观格局与土壤侵蚀的关系研究 [J]. 水土保持学报, 2008,22(3):29-35. Zhang S M, Wang Z M, Yan B X, et al. Relationship between landscape pattern and soil erosion of Huifa River Watershed [J]. Journal of Soil and Water Conservation, 2008,22(3):29-35.

[18] 张玲玲.甘肃白龙江流域生态系统服务评估及影响因素 [D]. 兰州:兰州大学, 2016. Zhang L L. Ecosystem services assessment and its driving forces in the Bailongjiang watershed of Gansu [D]. Lanzhou: Lanzhou university, 2016.

[19] 李文杰,乌铁红,李晓佳.内蒙古希拉穆仁草原旅游地景观格局动态变化 [J]. 地理科学, 2013,33(3):307-313.Li W J, Wu T H, Li X J. Dynamic change of landscape pattern in Xilamuren grassland tourist area of Inner Mongolia [J]. Scientia Geographica Sinica, 2013,33(3):307-313.

[20] 黄木易,岳文泽,何 翔.巢湖流域地表热环境与景观变化相关分析及其尺度效应 [J]. 中国环境科学, 2017,37(8):3123-3133. Huang M Y, Yue W Z, He X. Correlation analysis between land surface thermal environment and landscape change and its scale effect in Chaohu Basin [J]. China Environmental Science, 2017,37(8): 3123-3133.

[21] Cliff A D, Ord J K. Spatial autocorrelation [J]. Trends in Ecology & Evolution, 1973,14(5):196.

[22] 崔娜娜,冯长春,宋 煜.北京市居住用地出让价格的空间格局及影响因素 [J]. 地理学报, 2017,72(6):1049-1062. Cui N N, Feng C C, Song Y. Spatial pattern of residential land parcels and determinants of residential land price in Beijing since 2004 [J]. Acta Geographica Sinica, 2017,72(6):1049-1062.

[23] Anselin L, Bera A K, Florax R, et al. Simple diagnostic tests for spatial dependence [J]. Regional Science and Urban Economics, 1996,26(1): 77-104.

[24] Zhang S, Fan W, Li Y, et al. The influence of changes in land use and landscape patterns on soil erosion in a watershed [J]. Science of the Total Environment, 2017,574:34-45.

[25] Ouyang W, Skidmore A K, Hao F H, et al. Soil erosion dynamics response to landscape pattern [J]. Science of the Total Environment, 2010,408(6):1358-1366.

[26] 刘 宇,吕一河,傅伯杰,等.景观格局-土壤侵蚀研究中景观指数的意义解释及局限性 [J]. 生态学报, 2011,31(1):267-275. Liu Y, Lv Y H, Fu B J, et al. Implication and limitation of landscape metrics in delineating relationship between landscape pattern and soil erosion [J]. Acta Ecologica Sinica, 2011,31(1):267-275.

[27] Altieri M A. The ecological role of biodiversity in agroecosystems [J]. Agriculture, Ecosystems and Environment, 1999,74(1-3):19-31.

[28] Zhang W, Taylor H R, Claire K, et al. Ecosystem services and dis-services to agriculture [J]. Ecological Economics, 2007,64(2): 253-260.

[29] Swinton S M, Lupi F, Robertson G P, et al. Ecosystem services and agriculture: Cultivating agricultural ecosystems for diverse benefits [J]. Ecological Economics, 2015,64(2):245-252.

Influence of watershed landscape pattern on soil conservation service.

ZHANG Jin-xi, LIU Dong-qing, QIAN Cai-yun, GONG Jie*, LI Hong-ying

(College of Earth and Environmental Sciences, Lanzhou University, Lanzhou 730000, China)., 2019,39(3)：1164~1172

Based on the sub-watershed unit, landscape pattern and soil conservation service was quantitatively characterized via landscape pattern index and InVEST model, and the relationship between the two issues was also discussed from the perspectives of spatial statistics. The results showed that the sub-watersheds with higher soil conservation services in 2014 had the characteristics of single landscape types composition, non-uniform distribution among different landscape types, existence of dominant patches, and low landscape separation degree. In 2014, the significant spatial correlations between soil conservation services and landscape pattern was mainly in 14 sub-watersheds,which accounted for 37.84% of the total number of sub-watersheds. In the model selection, spatial lag model (SLM) was superior to the non-spatial linear model (OLS), which indicated that soil conservation was spatially dependent. Diversity and evenness of landscape types were considered as important indicators affecting soil conservation in the Bailongjiang watershed in Gansu Province.

landscape pattern；soil conservation service；spatial statistics

X53

A

1000-6923(2019)03-1164-09

张金茜(1995-),女,山西长治人,兰州大学硕士研究生,主要从事景观生态学研究.发表论文13篇.

2018-08-20

国家自然科学基金资助项目(41771196,41271199)

* 责任作者, 副教授, jgong@lzu.edu.cn