基于地理空间相似度的大别山红枫空间分布研究

梁腾飞，梁栋栋，桂 翔，吴 旭，汪晓楚，彭 杰

(1.安徽师范大学地理与旅游学院，安徽芜湖 241003；2.安徽师范大学地理大数据研究中心，安徽芜湖 241003；3.安徽师范大学计算机与信息学院，安徽芜湖 241003)

随着人们生活水平的提高，旅游度假变得更加频繁,越来越多的珍稀动植物在人类活动的持续干扰下陆续消失，因此，开展植物生境的保护研究十分必要。将地理信息科学与生态学研究相结合，不仅可以根据地理空间相似度理论为探索植物空间分布提供新方法，也为生态学中植物生境的探索提供有力工具，为探索珍稀植物的空间分布和保护培植提供新的方法和手段。

地理空间相似性本质是对地理空间数据特征进行分析提取和比较，通过研究空间关系，对空间特征进行描述，获取空间数据之间的相似性关系[1]。郭仁忠[2]指出空间物体的相似关系具有空间形态上的相似和群组结构上的相似性；刘涛[3]以空间群(组)目标为研究对象,对空间群(组)目标之间的相似关系进行了描述并提出了相关的计算模型。

植物生境实际就是植物的生存环境，即某种生物个体、种群或者群落能够进行生命活动的物质存在条件[4]。对于生物的空间分布和适宜性评价的研究方面，王志强等[5]采用HSI模型对扎龙国家级自然保护区丹顶鹤繁殖生境适宜性进行评价；刘振生等[6]在对贺兰山岩羊生境适宜性评价时引入了最大熵模型。罗翀等[7]在对秦岭山系的林麝生境进行预测时引入了生态位模型；蔡静芸等[8]采用生态位模型对物种的生境进行选择；张海龙[9]采用GARP生态位模型的珍稀植物适宜区与生境进行分析；聂艳等[10]对柑橘生境适宜性进行研究时引入了生态位理论。 笔者从地理空间相似性的角度，通过构建生境相似度计算模型，对大别山红枫已知位置的周边地理空间信息与其他未探索地区的地理空间信息数据进行对比，以获取大别山红枫可能的空间分布。

1 研究区概况

鹞落坪国家级自然保护区建立于1991年，位于安徽省大别山中心地带的安徽省岳西县包家乡境内，保护区总面积为123 km2。保护区总体地势呈南边地势高北边地势低，最低处为海拔仅为500 m的鲤鱼尾，最高山峰为1 721 m的多支尖。

保护区处于北亚热带季风气候区，该地区土壤主要类型以山地自然土壤为主，土壤中含碳量和含氮量由于季节性的变动也呈秋、冬高，春、夏低的状态。保护区植物区系主要属于泛北极植物区，该地区植物种类丰富，具有极大的保护利用价值。

2 数据来源和预处理

2.1数据来源影响植物分布的因子主要分为5个方面：地形因子、土壤因子、气候因子、自然资源因子和人为干扰因子。地形因素数据主要是以ASTER GDEM第二版本数据为数据源，来自于中国科学院数据云，下载后利用ArcGIS根据鹞落坪自然保护区地界进行裁剪，再对数据进行分析、筛选。土壤因素数据主要包括中国科学院南京土壤所2003年完成的中国1:100万土壤数据库和文献《安徽大别山海拔梯度上森林土壤碳氮动态研究》上的数据搜集和分析。 气象因素数据来自于鹞落坪自然保护区当地气象站的日值气象数据，通过对统计数据进行分析和研究获取鹞落坪当地的最低温度、最高温度、平均温度。土地利用数据主要是通过对高分辨的谷歌影像数据的数字化，遥感影像数据主要为0.5 m分辨率的无偏移的谷歌遥感影像数据。此外搜集与鹞落坪自然保护区相关的植物种类及其空间分布的文献数据。

2.2数据预处理

2.2.1地形数据。地形因子的提取主要基于DEM数据进行相关的数据分析，采用0.5 km×0.5 km格网计算的形式对数据进行采集分析。通过ArcGIS对DEM数据进行镶嵌合并，再利用鹞落坪当地的边界数据进行裁剪获得鹞落坪自然保护区30 m分辨率的DEM数据，然后进行各项地形因子的提取。

2.2.2土壤数据。土壤理化性质主要包括土壤中的氮含量、磷含量、容重、湿度、pH、钾含量、有机碳含量等。通过ArcGIS的操作，将采集的土壤属性数据与鹞落坪自然保护区地形数据进行结合转化为栅格数据。

2.2.3气候数据。由于气温随着海拔变化，每升高1 000 m会有6°的降温，鹞落坪气象站的海拔为913 m，因此结合温度变化进行计算得到鹞落坪温度分布图。

2.2.4自然资源数据。自然资源数据主要包含2个方面：植物覆盖度和生物丰度指数。植被指数常用于植被覆盖度的计算，该指数可以反映植物生长状况，即为鹞落坪自然保护区归一化植被指数。生物丰度指数是根据国家环保部2006年公布施行的《生态环境状况评价技术规范(试行)》所提供的对生物丰度指数公式进行计算。

2.2.5人类活动及土地利用数据。采用Landsat 8遥感影像，采用432波段进行非监督解译分类，然后利用无偏移的谷歌0.5 m分辨率遥感影像进行修正, 并通过矢量化最终获得鹞落坪土地利用数据。

3 模型构建及结果

3.1生境相似度计算模型植物空间分布的评价用相似度计算模型的基本原理：设格网单元指标因子集为Xij(i=1，2，…，n；j=1，2，…，m)，是第i个格网单元中第j个指标的观测数据。参照格网单元指标因子集为Xkh(k=1，2，…，n；h=1，2，…，m)。当某格网单元指标j与参照对象h指标之间的差异性越大，表明该项指标之间的相似度越低。从而获取Xi格网(i=1，2，…，n)单元的相似度集。通过合并格网单元相似度集形成相似度数据集库。因此网格对象Xij的第j指标相似值定义为Bj={x|d(x，oi) ，j=1，2，3，…}，格网单元集合O={Oi|i=1，2，…，n}，获取各个格网单元的指标相似度并集。

(1)

式中，B为所有格网单元的指标相似度值集，Bi为各个格网单元指标相似度值集，其中各相似度值是根据数据类型进行分类相似度计算获取。

3.2指标因子的筛选通过偏最小乘法对核心影响因子进行筛选，通过软件SIMCA-P 11.5对植物生长因子建立偏最小二乘法模型，得出该模型对植物生长具有近85.7%的描述预测能力。然后对所有因子进行主成分分析(图1)，其中椭圆圈内的为置信度95%的指标因子，可以此筛选出较低描述能力的因子，并给出指标因子对植物生长环境影响力的正负相关性(图2)以及程度(图3)。

图1植被影响因子95%置信度 Fig.1 95% confidence of vegetation impact factor

图2 植被影响因子正负相关性 Fig.2 Positive and negative correlation of vegetation impact factors

图3 植被影响因子Fig.3 Vegetation impact factors

从图1～3可以看出，对植物生长影响力较大的因子分别是地形指标中的坡向、高程、高程系数、坡度、地表粗糙度、地形复杂度、地表切割度、山脊线方向、山脊线密度、山谷线密度、山谷线方向等指标因子；土壤指标因子中的氮含量、磷含量、钾含量、有机质含量、土壤容重、土壤湿度等；气候指标中的最高温度、最低温度、平均温度、湿度、太阳辐射等；人为干扰因素中的居民密度、交通线密度、居民点群方向；自然资源指标中的植物覆盖度、生物丰富度等指标因子，利用上述指标因子建立模型较为可靠和可信。

3.3指标因子权重的确定以某一存在在大别山红枫的格网单元为例，以该格网单元为参照对象，通过逸代法将其与其他格网单元集进行相似度计算，获取其相似度值数据库，再通过变异系数法进行确定权重，各指标因子所获的权重值见表1。

由表1可知，地形环境因子对大别山红枫生境相似度影响最大，达40.15%；排在第二的是土壤因子，达33.90%。气候影响力与人为干扰影响力相近，其中居民点密度对植物生境相似度影响较大，自然资源因子影响较少。

3.4结果通过提取的指标因子以及权重值，运用加权平均综合评价法计算出以该格网单元为参照对象下，每个格网单元的大别山红枫生境相似度空间分布状况，所获取的相似度指数见图4。通过0.5 km×0.5 km的格网化显示所获取的大别山红枫生态环境相似性指数分布见图5。红枫所在相似度区间分布拟合图见图6。

由图7可知，a与b在地形、地貌上具有较高相似性。 c在山脊线走向上差别较大，d与a具有明显的差别。

通过将所有格网中存在大别山红枫的格网所具有的相似度值进行统计分析，获得图6所示的对数方程。利用对数公式进行阈值分析，R2达0.839 9，通过统计学检验。以该格网单元为参照，相似度为45%以上的区域为植被分布的最佳区域。

表1 植物生境相似度指标权重

图4 相似度指数数据库Fig.4 Similarity index database

图5 大别山红枫生境相似性空间分布Fig.5 Spatial distribution of habitat similarity of red maple in Dabie Mountain

图6 红枫所在相似度区间分布拟合Fig.6 Similarity interval distribution fitting of red maple

3.5模型检验通过实际考察，并记录大别山红枫在大别山分布的经纬度，将提取出的用于试验的大别山红枫分布数据，通过ArcGIS将大别山红枫经纬度数据转化为空间分布数据，结果见图8。根据以上方法，以存在大别山红枫的格网单元为参照进行相似度计算，将相似度格网单元合并，构建相似度模型。此处设置阈值为80%，通过将存在大别山红枫的格网单元为参照集，获得该模型在相似度阈值为80%时的植物空间分布预测并集分析图。

由图9可知，在设置相似度值为80%时，通过不断增加观测到大别山红枫位置的格网单元为参照对象，大别山红枫的预测分布单元逐渐增加。从实测中选出34个观测到位置的大别山红枫数据，作为对模型可靠性的检验数据。在阈值为70%时，模型预测值与实际观测比值82.35%；在80%阈值下模型预测值与实际观测比值为82.35%；在90%相似度阈值下，预测值与实际观测比值为73.52 %，显示该模型在不同阈值下的预测能力差别较大，但总体可靠性较强。

图7 不同相似度值下图像对比Fig.7 Image comparison under different similarity values

图8 实地采集的红枫空间分布Fig.8 Spatial distribution of red maple trees collected on the spot

4 结论

该研究全面分析有关植物生境评价相关方法与技术的基础上，以鹞落坪自然保护区为例，选取地形、土壤、气候、人类活动、自然资源等共计29个指标因子构建珍稀植物七叶大别山红枫的生境相似度计算模型。采用格网对指标数据进行格网化统计和表达。利用地理空间相似度的计算原理对指标因子进行相似度计算，将获取的数据利用变异系数法进行权重计算，最后将指标相似度值进行加权运算，获得鹞落坪地区七叶大别山红枫的生境分布相似度数据及分析图，以此为基础获取大别山红枫生长的适宜条件信息。确定了影响大别山红枫空间分布的核心影响因子，提取对大别山红枫生长具有影响的各因子的适宜度。大别山红枫在该模型下，显示出该模型在不同阈值下的预测能力差别，但总体可靠性较强。因此该模型用于植物分布位置预测较为可靠，对野外珍稀植物的搜寻与保护较为有利。通过以某一存在大别山红枫的格网单元为参照，对其生境相似度进行研究发现，地形因子、气候因子、土壤因子、人类活动因子、自然资源因子对大别山红枫生境相似度的影响分别为40.15%、9.06%、33.90%、13.21%、4.23%，可见地形与土壤对大别山红枫生境的相似度影响较大。

图9 各参照单元下并集分布预测Fig.9 Union set distribution prediction under each reference unit