江苏省原生滨海湿地景观多样性及其粒度效应研究

秦岭，韩永光，赵婧

1. 重庆城市职业学院，重庆 402160；2. 南京铁道职业技术学院，江苏 南京 210015

20世纪80年代开始，为了测定景观格局对生态过程的影响，需要用简单数字描述复杂的景观格局，从而产生了景观格局指数，而尺度问题一直是景观生态学界研究的核心问题之一，特别是对于景观格局分析而言，尺度选择直接关系到结果的可靠性（祝善友等，2012；彭羽等，2015；龚建周等，2007）。利用景观格局指数进行土地利用类型、土地利用格局空间分析的方法得到了广泛应用，很多学者对景观格局指数的尺度效应研究表明景观指数尺度依赖性的普遍存在（孟陈等，2007；毕如田等，2012），尤其是尺度对于景观格局的体现。前人研究结果已经证明，不同的景观有不同的格局特征，对尺度变化的响应也不一样，因此并不存在景观格局分析的最佳尺度，只有针对特定景观的合适尺度，并且基于粒度效应的景观格局研究成为了目前的研究热点，因为在对尺度研究时需对数据信息进行聚合以及在各尺度之间进行信息转移（张玲玲等，2013；邱扬等 2010）。此外，在研究景观格局的过程中要注重粒度效应，并开展相应的数据聚合，注重不同尺度下的信息转移。对于多数格局而言，其尺度的变化较为明显，这一变化范围就是尺度域（Peng et al.，2019；Malavasi et al.，2018；Tarr，2019）。尺度域是指大多数格局和过程发生的尺度范围，同一尺度域内格局及过程相似，推绎比较容易，当跨越多个尺度域时，由于过程在不同尺度上起作用，尺度推绎会变得复杂甚至不可能（康孝岩等，2015；陈端吕等 2010）。有研究指出，通过对多种景观格局指数的联合应用及定量研究景观格局演变与生态过程之间的关系，可以有效的解释景观生态过程（祝善友等，2012；彭羽等，2015；龚建周等，2007）。

土地覆盖指陆地表面所具有的自然和人文双重属性的覆盖物。作为生态系统中受全球变化影响最重要的变量，其景观格局及特征具有粒度依赖性，即具有粒度效应，近年来粒度效应问题已成为研究土地覆盖实际问题的关键（王计平等，2010；赵文武等，2003），用景观指数描述景观格局及变化，建立格局与景观过程之间的联系，是景观生态学最常用的定量化研究方法（徐丽等，2010；吴未等，2014；Su et al.，2018；Liu et al.，2018）。此方法在过去的 20余年时间里得到迅速的发展，并出现一些以景观指数计算为对象的景观格局分析程序（岳文泽等，2005；马胜男等，2006；游丽平等，2012）。但是，已有的景观格局分析程序多需要栅格数据作为数据源，在栅格单元（研究范围内最小的空间单位，尺度意义上的粒度）基础上进行计算，造成所谓的“可塑性面积单元问题”，即计算结果随粒度定义的不同而发生变化（潘韬等，2010；Steel et al.，2018；Feng et al.，2018）。对于该问题的讨论，有关学者们虽然在研究中发现粒度大小随不同景观指数也发生相应变化，但是忽略了如何针对不同比例尺的矢量数据来选择适宜粒度的问题。遥感技术的飞速发展为相关研究提供了不同空间分辨率的影像数据资料，但合适空间分辨率的选择却成了一个棘手问题（吴未等，2014；Klinga et al.，2019；Brooks et al.，2019）。本文以江苏省原生滨海湿地1꞉10000土地利用现状图为研究对象，从景观和类型两方面研究土地覆盖的景观格局特征，探讨不同粒度下相同地物特征的差异性，从而为选择适宜粒度进行土地覆盖的景观指数计算和尺度转换提供理论依据。

1 材料与方法

1.1 研究区概况

本研究选取江苏省盐城滨海湿地，该区呈现出典型的季风气候特征，受大陆气候的影响，再加上海洋季风，该区具有较为独特的气候特点。该区年均降雨量约为1000 mm，最冷月份1月平均气温约为3 ℃，最热月6—8月平均气温达到30 ℃。该区域的核心区地处新洋河、斗龙河的过渡地区，人为扰动不明显，保持着较为完好的生态环境，具有典型的滨海生态环境特征，具有很好的代表性。

1.2 数据来源

本研究遥感数据来自于2017年2月拍摄的滨海卫星影像，采取的是全色波段遥感，分辨率达到0.5 m，通过World View-1卫星进行拍摄，通过Erdas Imagine 9.2开展数据的精确校正，并利用边界图在此基础上进行裁剪，从而获取最终的影像地图。

结合卫星影像，加之本区域地理特点分布，研究区域内除了建设用地及水域外，土地主要分为耕地、草地、林地，同时还分布着不少灌木、荒地。本研究分类将自动分类及人工分类有机结合，首先借助于Erdas Imagine 9.2开展相应的监督分类，然后借助地形图等，对之进行修订分类。经过分析得知，其分类精度达到了89%，对于本研究来说是可行的，能够充分满足分析需求；借助ArcGIS 9.3开展相应的数据处理（空间叠加等）。

1.3 粒度推绎

粒度推绎主要是一种信息转移，一方面建立在不同的时空尺度的基础上，另一方面建立在不同组织水平方面，在生态学研究方面被广泛运用。本研究采取第一种推绎方法，在信息转化过程中由小尺度表达向大尺度转变，在Arc/info软件的辅助下，大量的原始数据最终形成一系列的栅格数据，且粒度存在较大差异，其范围在1—60 m，这样就形成了差异化的景观类型图。对于栅格细胞聚合则是借助于Grid模块。在研究过程中，由于粒度存在较大的差异，因此需要进行类型图的叠加处理，本研究借助于 ArcGIS软件进行处理，从而得到了转移比率，进而进行转化率矩阵的计算（马胜男等，2006；游丽平等，2012）。

1.4 景观指数选取

对于景观格局的描述并不是单一的，其指数具有明显的多样性，且指数间存在较大的联系。本研究过程中选择较有代表性的相关分析指数；一方面通过类型指数进行分析，另一方面通过景观水平指数进行分析，前者主要是进行斑块密度及聚集度、分离度等分析（Steel et al.，2018；Feng et al.，2018），后者主要是进行多样性、均匀度的分析（Steel et al.，2018；Feng et al.，2018）。

2 结果与分析

2.1 土地利用空间信息转移分析

表1表示从粒度1—60 m变化过程中，不同土地覆盖类型的面积比率转移矩阵。根据表中各土地覆盖类型信息的变化规律，随着粒度的增大，可将其分为三类：林地、水域为面积增加型；耕地、草地、灌木地、未利用地为面积减少型；建设用地为面积稳定型。其中，林地面积增长最大，从粒度1—60 m变化过程中，耕地面积比例减小6.81%，草地面积比例减小 5.37%，林地面积比例增加5.12%，灌木地面积比例减小0.23%，未利用地面积比例减小16.67%，建设用地面积比例保持不变，水域面积比例减小59.69%。

2.2 土地利用景观多样性指数

利用Fragstats 3.3软件分析的结果，进行类型水平上的土地景观多样性特征对比分析。2018年类型水平上土地景观多样性指数如图 1。由图可知，不同土地利用景观斑块密度大小范围在 0.53—2.16，其中林地最大，灌木地其次，未利用地、建设用地和水域最小；不同土地利用蔓延度指数大小范围在 0.23—0.98，其中林地最大，灌木地其次，耕地和水域最小；不同土地利用凝聚度指数大小范围在 0.67—3.59，其中草地最大，林地其次，未利用地、建设用地和水域最小；不同土地利用分离度指数大小范围在 1.13—3.59，其中耕地和未利用地最大，草地和水域其次，建设用地最小；不同土地利用平均形状指数大小范围在 0.23—3.59，其中林地最大，灌木地其次，建设用地和水域最小；不同土地利用面积加权分维数指数大小范围在 2.01—16.32，其中林地最大，灌木地、耕地和草地其次，建设用地和水域最小；不同土地利用丰富度指数大小范围在 0.09—3.26，其中林地最大，灌木地和草地其次，未利用地、建设用地和水域最小；不同土地利用Shannon多样性指数大小范围在0.09—3.26，其中林地最大，灌木地和草地其次，未利用地、建设用地和水域最小；不同土地利用均匀度指数大小范围在 0.27—1.03，其中林地最大，灌木地和草地其次，建设用地和水域最小。

表1 土地利用面积转移比例Table 1 Transfer proportion of land use area

2.3 土地利用景观指数的空间粒度

图1 土地利用景观多样性指数Fig. 1 Landscape diversity index of land use

利用Fragstats 3.3软件分析的结果，进行类型水平上的土地景观特征对比分析。2018年类型水平上土地景观类型特征的粒度效应如图2。从图2的曲线变化趋势可以看出，随粒度不断增加，在类型水平上，不同土地类型的景观特征指数变化曲线主要呈现3种类型：（1）随着粒度的不断变大，面积加权分维数、如斑块密度、平均形状指数、凝聚度指数呈现单调递减的趋势，各指数均表现为林地最大；（2）随粒度变化，面积百分比呈现稳定状态；（3）在粒度变化过程中，分离度指数及有效网格大小变化曲线差异性较大。

图2 类型水平景观特征指数的粒度变化曲线Fig. 2 The grain size variation curve of landscape characteristic index under type level

2.4 整体水平景观指数的空间粒度变化行为

在整体水平上，选取特征较明显的8个景观指数进行分析，其粒度变化曲线如图3所示，2018年不同土地类型景观指数大部分随着粒度的增加呈现减小的趋势，面积百分比和有效网格大小随着粒度的增加呈现逐渐增加的趋势；斑块密度、面积加权分维数、平均形状指数、聚集度指数、分离度指数和凝聚度指数随着粒度的增加呈现逐渐减小的趋势。平均形状指数、聚集度指数、分离度指数和凝聚度指数变化幅度并不大，受空间格局特征的影响不大。

2.5 景观指数对粒度效应的响应

在各种粒度下，各类景观斑块的平均分维数都大于1（表2），说明各类景观形态都具有分形特征，呈现出一定的自相似性和复杂性。从平均水平来看，未利用地、建设用地和水域景观相对比较规则、简单，耕地、草地、林地景观比较复杂，而灌木林地景观介于他们之间，这也符合研究区的实际情况。表2还表明，各类景观斑块的分维数对粒度变化的响应不同，它们的分维数随着粒度的变化呈非线性下降趋势；在粒度较小时，各类景观斑块之间的分维数差异较大，而随着粒度增大，各类景观斑块之间的分维数差异减小。其中，各类景观指数的分维数在1—60 m粒度内，具有明显的随粒度增加而减小的趋势，说明这些景观的形态结构在这一粒度范围内具有自相似性。

2.6 景观指数与粒度的相关分析

耕地、建设用地和林草地之间的转化频繁，本文研究了三者在斑块数量、归一化形状指数、聚集度指数与粒度之间的相关性。采用相关性分析，提取各地类景观指数与粒度的相关系数（表3）。从耕地景观指数与粒度的相关性来看，耕地分离度指数、平均形状指数、面积加权分维数、丰富度指数、Shannon多样性指数和均匀度指数与粒度呈显著负相关（P＜0.05）；草地景观斑块密度、蔓延度指数、凝聚度指数、分离度指数与粒度呈显著负相关（P＜0.05），丰富度指数、Shannon多样性指数、均匀度指数与粒度呈极显著负相关（P＜0.01）；林地景观斑块密度、平均形状指数与粒度呈显著负相关（P＜0.05），蔓延度指数、凝聚度指数、分离度指数、面积加权分维数、丰富度指数、Shannon多样性指数、均匀度指数与粒度呈极显著负相关（P＜0.01）；灌木地景观斑块密度、平均形状指数、面积加权分维数、丰富度指数和均匀度指数与粒度呈显著负相关（P＜0.05），蔓延度指数、凝聚度指数、分离度指数、Shannon多样性指数与粒度呈极显著负相关（P＜0.01）；未利用地蔓延度指数、凝聚度指数、丰富度指数、Shannon多样性指数与粒度呈显著负相关（P＜0.05）；建设用地蔓延度指数、平均形状指数、均匀度指数与粒度呈显著负相关（P＜0.05）；水域 Shannon多样性指数与粒度呈显著负相关（P＜0.05）。

表2 景观指数对粒度效应的响应Table 2 Landscape index response to granularity effect

3 讨论

图3 整体水平景观特征指数的粒度变化曲线Fig. 3 The grain size variation curve of landscape characteristic index under total level

表3 景观指数与粒度的相关分析Table 3 Correlation analysis of landscape index and grain size

本研究中，虽然土地景观存在较大差异，但是从斑块密度、蔓延度、凝聚度方面来看，林地最大，其次是灌木区域、未开发地，而最低的是建设用地及水域；平均形状、丰富度及多样性指数亦是如此。而从分离度来看，其指数最高的是耕地及未利用地，草地及水域相对较低，而建设用地最低；就其平均水平而言，无论是耕地还是林地，其景观分布并不复杂，水域景观也较为单一，而对于草地而言，其并不是单一分布，呈现出多样性和复杂性，其次是建设用地及灌木，而未利用地亦是如此，这与实际的区域分布几乎一致，这些区域的景观分布较为多样，主要原因在于随着煤矿的建设，人为景观干预较为明显，且原有的居民点迁移（陈雅如等，2018；彭羽等，2015；Almenar et al.，2018），新的建设导致原有格局发生巨大变化。

对于土地覆盖类型而言，其斑块密度与粒径的变化具有密切关系，且二者呈现相反的变化走势，对于粒度而言，其在不断增大的情况下，优势地类面积比率随之上升，在此影响下，斑块密度呈现缓慢下降（郭漩等，2017；易海杰等，2018）；通过线性分析得知，虽然土地覆盖类型有所差异，但是其斑块分布并不复杂，即使粒度发生了明显改变，但是分维指数并无明显变化，说明二者的关系并不密切。通过曲线分布得知，在粒度较小的情况下，斑块聚集分布较为明显，而当其上升到800 m的情况下，其分布相对分离，整个分布难以有规律可循（Langhammer et al.，2019；Chakraborti et al.，2018）。从土地类型分布的角度来看，除了乔木林地之外，对于其他类型土地而言，其分离度指数较小，与 1较为接近，从中可以看出，其受粒度的影响相对较小。对于乔木而言，其阶梯式变化较为明晰，且成明显的降低状态，尤其是在粒度600 m的范围。

通过实验分析得知，当粒度在1—60 m的范围内变化的情况下，随着其不断的增加，优势景观更加突出，且面积比率上升。对于类型水平而言，随着其不断增加，不同的土地类型呈现出不同的变化特点。第一，对于斑块密度、平均形状及凝聚度而言，其与粒度变化呈现相反的变化趋势，尤其是林地表现更加突出；第二，无论粒度如何变化，其面积百分比几乎无明显变化，二者影响较小；第三，分离度变化较大，有效网格变化亦是如此。对于景观形态而言，其自相似性能够对其边界特征加以描述，尤其是分维度与粒度呈现相反变化，表明当粒度达到一定范围的情况下，其自相似性突出。不同的景观，其斑块维度受粒度的影响并不相同，其关系具有复杂性（刘吉平等，2016；陈永林等，2016；赵锐锋等，2017）。

格局与过程之间的相互作用具有强烈的尺度依赖性，而尺度又可分为测量尺度和本征尺度。只有当测量尺度和本征尺度相符时，格局或过程才能被可靠的揭示。景观格局直属对尺度敏感性的原因在于测量尺度与研究对象的本征尺度存在差异，因而，使测量尺度不断接近于本征尺度是深刻而准确地揭示自然现象和规律的必然选择。本文在对景观指数的粒度效应研究中，针对从测量尺度向本征尺度的过度进行了说明，但文章只从空间上分析了各地类景观指数的粒度效应，并没有从时间变化角度分析景观指数的粒度效应，这一点还需深入研究。景观格局是不同景观单元和生态过程在一定时间和一定空间内相互作用的表现，它在空间或时间单方面的特征都不能代表其本质的规律性。判别景观格局的特征尺度是进行格局分析的前提，而这个特征尺度不仅包括空间尺度，还应包含时间尺度，二者缺一不可。

4 结论

以江苏省原生滨海湿地 2017年高精度遥感影像为基础，采用GIS和RS技术，编制了景观类型图，选取经典景观指数，探讨了江苏省原生滨海湿地景观多样性及其粒度效应，并分析了各景观格局指数间的相关性。其结论如下：

（1）在1—60 m粒度范围内，粒度增加对优势景观有加强作用，随着粒度逐渐增大，景观中的优势覆盖类型面积比率增大，其他景观覆盖类型面积逐渐减少。

（2）不同土地利用景观斑块密度、蔓延度指数、凝聚度指数、平均形状指数、面积加权分维数指数、丰富度指数、Shannon多样性指数、均匀度指数基本表现为林地最大，未利用地、建设用地和水域最小。

（3）在1—60 m粒度范围内，粒度增加对优势景观有加强作用，随着粒度逐渐增大，景观中的优势覆盖类型面积比率增大。各类景观指数的分维数在1—60 m粒度内，具有明显的随粒度增加而减小的趋势，说明这些景观的形态结构在这一粒度范围内具有自相似性。