大庆市人类干扰活动强度变化及其景观格局响应

张 晗, 田 宇, 孟祥庄

(1.东北林业大学 园林学院, 哈尔滨 150040; 2.南京市园林规划设计院有限责任公司，南京 210013)

0 引 言

大庆市是我国重要的石油生产加工基地, 油田开发建设五十多年来, 累计生产原油20多亿t。 同时, 大庆市也有“百湖之城”的称号, 自油田开发以来, 当地的景观类型发生巨大变化, 人类活动对大庆市湿地、 湖泊、 草地等景观要素都造成了不同程度的影响, 如何定量监测评价景观格局的时空分异以及人为干扰度的变化情况, 并制定合理的景观生态环境管理决策就显得十分重要[1]。

景观格局是指在空间上大小、 形态各异的景观斑块分布, 其变化是各种自然因素、 生物因素或人为活动因素的综合作用结果[2-3], 影响着景观要素在空间的分布形式, 与景观内物种丰富度、 分布情况、 种群的生存及抗干扰能力息息相关, 同时影响到景观的生态过程和功能[4]。景观格局是景观生态学研究的重点, 当前国内外对于景观格局动态研究主要运用遥感和地理信息技术结合的方法, 配合景观格局指数计算来进行定性和定量分析, 文献[5-7]通过研究景观格局的变化机制和规律, 发现其可以揭示生态环境的变化趋势及其内在的影响因素, 能更清楚准确地把握景观变化和人类活动之间的关系[8]。

干扰是自然界中普遍存在的一种现象，它直接影响着生态系统的演变过程[9]。 芬兰植物学家Jalas首次提出了“干扰(hemeroby)”的概念[10], 并把这一概念引入森林生态学的研究中; 德国生态学家Sukopp则在此基础上提出“干扰度(degree of hemeroby)”这一概念[11], 专门代指不同人类活动对区域植被与立地干扰的影响程度, 并首次把干扰度引入了生态学科领域。随后, 国内研究将人为干扰度广泛应用于农业、 林业以及景观等领域的生态评价、 生物多样性评价、 生态安全监测等方面[12-17], 研究区域内人为干扰度及景观格局变化响应机制已成为地理学和景观生态学的研究重点。孙永光、 刘佳琦等[18-19]分别以大洋河口、 黄河三角洲为研究对象, 对研究区域内人为干扰度时空变化及景观格局指数的响应机制进行探究, 得出其人为干扰度空间分布与选取景观格局指数的相关性情况。郭少壮等[20]对秦岭地区景观格局变化及对人为干扰度的响应进行探讨, 得到此区域人为干扰度与景观格局脆弱度、 Shannon多样性指数等的相关性情况。对于人为活动与自然因素共同影响下的资源型城市, 如何对其人为干扰度进行监测及景观水平的评估, 对资源型城市产业结构调整实现城市可持续发展尤为重要(如资源型城市克拉玛依土地利用变化与景观格局分析)。

本文以大庆市主城区为研究对象, 采用RS、 GIS技术手段, 分析大庆市主城区人为干扰度的时空变化及其景观格局的响应, 以期为资源型城市自然环境的保护管理与资源的利用提供一定的理论依据。

1 研究区概况、 数据源与研究方法

1.1 研究区概况

黑龙江省大庆市位于松嫩平原西部, 东与绥化地区相邻, 西与泰来县及吉林省镇赉县接壤, 北与富裕县、 依安县相接, 南隔松花江与吉林省松原市及大安市相望[21], 属于温带大陆性季风气候与半湿润半干旱的过渡区域, 地势特点为东北高、 西南低, 总体上由北向南倾斜。大庆市湿地资源丰富, 有面积大、 类型丰富和发育较成熟的特点, 有“百湖之城”的称号。大庆市是典型的石油资源型城市, 石油资源储量丰富, 大庆油田是中国20世纪60年代至今最大的油区。

本文研究区域为大庆市主城区(45°18′N—47°01′N, 124°37′E—125°15′E), 总面积为5 107 km2, 包括让胡路区、 萨尔图区、 大同区、 红岗区与龙凤区5个行政区(图1), 人口169.2万, 相比于大庆市其他县区城区人口密度较大。随着城市发展、 资源开发, 人类活动强度相对较高, 加之大庆是我国北方生态环境脆弱带的一部分, 欧亚沙碱带的东端, 环境基础较为脆弱[22], 因此应尽快采取有效措施来维护大庆市景观多样性及城市的健康发展。

图1 研究区范围示意图

1.2 数据来源及处理

基础数据来自中国科学院资源环境科学数据中心2000、 2010和2018年的土地利用栅格数据, 精度为30 m, 采用LUCC分类体系, 经Landsat TM/ETM及Landsat 8的遥感图像数据人工交互解译得出, 大庆地区遥感数据选择区间为6月中旬至9月下旬的无云图像[23], 各类土地利用类型解译正确率都在85%以上。

考虑到大庆市湿地资源丰富的区域特殊性, 分析LUCC分类体系, 在其二级分类类型中将滩地与滩涂提出综合为湿地类型, 最终得到林地、 草地、 水体、 耕地、 湿地、 建设用地与未利用地7种用地类型。

1.3 研究方法

1.3.1 人类干扰活动强度评估方法 在人类活动频繁的景观中, 不同土地利用方式和强度所产生的人为干扰具有区域性和累积性的特点, 可以直观地反映在生态系统的结构和组成上[24]。用ArcGIS 10.3将研究区域分为若干个3 km×3 km的网格作为评价单元, 参考基于地表覆盖面积权重的综合人为干扰度指数模型[25], 计算不同评价单元内人为干扰度(HI)来量化评估研究区域人类活动强度。

式中:n为统计单元内景观类型的数量;Ai为单元网格内第i种景观类型的面积;A为单元网格的面积;Hi为第i种景观类型的人为干扰度系数。参照相关研究结果及大庆市主城区实际情况, 对区域景观类型进行人为干扰度系数赋值(表1)。运用自然间断点分级法将人为干扰度共划分成5个级别: Ⅰ类:HI≤3为轻微干扰, Ⅱ类: 36为严重干扰[19]。

表1 各类景观的人为干扰度指数

1.3.2 景观格局指数选择与计算方法 景观格局指数的应用在景观生态学的研究中十分普及[26]。根据研究区域与更大范围的大庆市地理区域特点, 参照《源汇景观格局分析及其应用》[27]中对景观格局指数构建与选择及文献[1], 最终从景观尺度上选取了6个景观指数来量化大庆市主城区景观格局对人为干扰强度变的响应关系, 包括斑块密度(PD)、 边缘密度(ED)、 最大斑块指数(LPI)、 景观形状指数(LSI)、 斑块聚合度指数(AI)和香农多样性指数(SHDI), 指数计算通过FragStas 4软件完成。

1.3.3 景观格局指数与人为干扰度的相关性分析 根据人为干扰度计算公式得到每个网格单元的人为干扰度值, 利用SPSS统计分析软件计算人为干扰度与景观格局指数的Pearson 相关系数, 分别采用不同干扰级别区域的人为干扰度与其景观格局指数进行相关性分析, 最终得出景观格局对人为干扰度的响应关系。

2 结果与分析

2.1 大庆市土地利用类型变化

图2是2000、 2010和2018年大庆市主城区土地覆被类型空间分布图, 经空间分析统计得到3个时间段土地利用类型面积(表2)。大庆市主城区以耕地和草地类型为主： 3个时间段耕地均占研究区总面积35%以上, 其次为草地(占20%左右)，未利用地占18%左右, 其他类型用地占比较少。

表2 2000—2018年大庆市主城区土地覆被类型面积

图2 2000、 2010、 2018年大庆市主城区景观分类图

由土地利用类型面积的变化数据可知， 两时间段土地利用类型面积年增长速度和变化趋势(图3), 研究期间林地类型面积逐年增长, 且增速逐年提升; 草地类型面积呈先增长后减少的趋势, 但减少速度不高, 仅为1.3 km2/a; 耕地类型面积处于持续减少阶段, 减少速度逐年放缓; 水体类型面积呈先减少后增加的趋势, 且增速高至6.59 km2/a; 而湿地面积逐年减少, 且减少速度逐年增加; 建设用地面积在研究期间处于高速增长阶段, 增速逐年放缓; 未利用地面积逐年减少, 减少速度逐年增加。

图3 大庆市主城区两时段景观类型面积增长速率

通过对3个时期土地利用栅格图像进行空间处理, 得到大庆市主城区2000—2010年、 2010—2018年两个时段的土地利用类型变化转移矩阵(表3)。

表3 2000—2010年、 2010—2018年两时段大庆市主城区土地利用类型面积变化转移矩阵

2010年林地、 草地和建设用地的主要来源是2000年的耕地类型, 耕地转移量分别占2010年林地、 草地和建设用地来源的14.54%、 8.92%、 11.47%。2000年湿地类型主要去向为草地, 有14.33%的湿地转移至2010年的草地类型。2010年耕地类型的主要去向是林地和建设用地, 占2018年林地类型来源的17.9%、 建设用地类型来源的6.12%。2018年水体面积来源的5.71%来自2010年未利用地类型。

通过对2010—2018年间土地利用类型转移矩阵的分析, 能够获知城市发展的大致过程: 耕地向各类用地转换幅度较大； 其他用地转变幅度较小, 各类用地的转变去向主要为建设用地； 未利用地向其他用地转移幅度增加, 反映出现实中随着城市的发展和进一步开发, 对未利用地的开发利用也逐年加快； 耕地向草地转移速度加快， 而草地向耕地转移速度逐年降低, 体现出大庆市退耕还林还草政策的突出作用； 湿地类型向其他地类转换比重较大, 反映了各类活动影响侵占了湿地空间, 湿地面积处于逐年减少的趋势。研究区各类用地存在相互转化的情况, 反映了人类活动对土地景观类型转变的作用。

2.2 人类活动干扰度时空动态

2.2.1 大庆市主城区人为干扰度时间变化特征 将大庆市主城区景观类型目译结果按3 km×3 km的渔网分割, 依据人为干扰度模型公式进行计算统计, 得到3个时相Ⅰ～Ⅴ级共5种干扰级别的空间分布情况, 并对不同干扰度级别景观面积进行量化统计如图4所示。

图4 大庆市主城区不同干扰度级别区域面积变化

研究期间, Ⅰ、 Ⅲ、 Ⅳ类干扰度类型面积逐年减少, Ⅱ、 Ⅴ类干扰度类型面积逐年增加, 其中Ⅱ、 Ⅲ、 Ⅳ类干扰度类型面积变化幅度较小, Ⅰ、 Ⅴ类干扰度类型面积变化幅度较大。分别统计出3个时相内不同人为干扰度区域面积变化, 并计算出2000、 2010、 2018年平均人为干扰度分别为3.584、 3.613、 3.655; 2000—2010、 2010—2018两时段人为干扰度年增速分别为0.002 9/a、 0.005 3/a, 可知2000—2018年, 人为干扰度水平及其年增速呈逐年升高趋势。3个时相内平均人为干扰度均分布于Ⅱ级干扰度类型, 可知整个研究区域平均干扰度水平为轻度干扰。

2.2.2 大庆市主城区人为干扰度的空间特征 利用ArcGIS 10.3空间分析功能进行栅格计算, 得出大庆市主城区3个时相人为干扰度时空分布图如图5所示。

图5 2000、2010和2018年大庆市主城区3个时相人为干扰度分布

HI值高的区域可作为干扰中心, 干扰度高的景观类型即为干扰中心的景观因素, HI值越高且面积大的景观类型即为干扰贡献景观[6]。可以看出, 人为干扰度时空分布变化较为平稳, Ⅴ级干扰度水平类型分布于研究区域的中心, 可作为研究区域的干扰中心, 其他干扰度水平类型呈辐射状依次降低, Ⅴ级干扰度面积逐年增加, 且让胡路区、 大同区人为干扰度明显大于其他行政区人为干扰度, 对照3个时相的景观分类图(图2), 可以较为明显地看出建设用地与耕地为区域的干扰贡献景观。

对相邻两时期的人为干扰度进行栅格计算, 得出研究区域内两个时段的人为干扰度空间分异动态如图6所示。

图6 研究区域内两时段人为干扰度变化

2000—2018年，整个研究区人为干扰度变化在-0.1～0.2, 较为稳定, 人为干扰度显著增加的区域分散分布于研究区域内。对比可知: 2000—2010年间研究区的东北方向, 即龙凤区与萨尔图区人为干扰度变化比较大, 土地类型转移较为频繁; 而2010—2018年， 让胡路区人为干扰度增长趋势较为显著, 人为干扰度变化具有较强的地区差异性。

2.3 大庆主城区景观格局指数的阶段性变化

运用FragStats软件分别计算得出2000、 2010、 2018年的各项景观格局指数, 见表4。

表4 2000、 2010、 2018年6项景观格局指数变化

从2000—2018年的景观格局指数来看,PD、ED和LPI处于逐年减小趋势, 说明2000—2018年间景观丰富度降低, 且景观类型发展更为均质化, 优势景观类型占比逐年减少;LSI指数逐年减少, 说明景观边界形状的复杂性逐年降低;SHDI逐年增长, 大庆市主城区各类型斑块所占面积的景观异质性或均匀性降低;AI指标先增大后降低, 变化幅度较小, 说明研究区域景观的聚集性和连通性整体上处于平稳发展状态。

2.4 景观格局对人为干扰度时空变化的响应

为探究各干扰级别区域景观格局指数对人为干扰度时空变化的响应关系, 用FragStats批量计算出各干扰级别区域景观格局指数, 此处将Ⅰ～Ⅴ级分为低干扰度(HI≤3)、 中干扰度(35)3个级别。通过比较不同级别人为干扰度区域景观格局指数变化得知(图7), 中、 高干扰度区域的斑块密度PD在2000—2018年间低于低干扰度区域, 说明随着人类干扰活动的增强, 城市建设偏向于集约式发展趋势, 导致区域景观异质性降低; 高干扰度区域最大斑块指数LPI远高于低、 中干扰度区域, 其中高干扰区域的最大斑块指数LPI逐年下降; 低干扰度区域的边缘密度指数ED高于中、 高干扰度区域, 表明景观格局的边缘密度指数ED与人为干扰度指数具有一定的相关性; 景观形状指数LSI在人类活动干扰下呈下降趋势, 其中景观形状指数LSI在2000—2010年间各区域均下降, 并于2010—2018年间上升; 香农多样性指数SHDI随人为干扰度升高而降低; 而斑块聚合度指数AI在人类活动干扰下呈升高趋势, 均与人为干扰度指数有一定的相关性。

图7 不同级别人为干扰度区域景观格局指数变化

用SPSS计算区域人为干扰度与其景观格局指数的相关性见表5。

表5 2018年人为干扰度与景观格局指数的相关性矩阵

整个研究区域范围内, 人为干扰度与景观格局指数的相关性情况如下: 人为干扰度指数与景观指数相关性依次为最大斑块指数LPI>香农多样性指数SHDI>边缘密度ED>景观形状指数LSI>斑块聚合度指数AI, 其中最大斑块指数LPI与斑块聚合度指数AI为正相关, 香农多样性指数SHDI、 边缘密度ED、 景观形状指数LSI与人为干扰度指数呈负相关, 说明人为干扰度高的区域香农多样性指数SHDI、 边缘密度ED与景观形状指数LSI均表现为低值, 人为干扰度与斑块密度PD不具有明显的相关性。

3 结论与讨论

3.1 结论

本研究结合《土地利用现状分类》(GB/T 21010—2017)与人为干扰度模型, 通过遥感技术与GIS空间分析法, 量化分析了大庆市主城区2000—2018年间人为干扰度时空变化及其景观格局的响应关系。结果表明:

(1)整体来看, 大庆市主城区人为干扰度呈现非均质化特征,HI≤3, 即低干扰度级别区域面积逐年降低,HI>6的严重干扰区域面积较大幅度增加, 主要由于为满足人口增长与生活质量的需求, 部分自然景观受到人类活动的干扰, 草地、 水体湿地等景观类型大幅减少, 耕地、 建设用地面积扩张。人为干扰度高值区(干扰中心)集中于让胡路区与大同区, 干扰贡献景观类型主要为建设用地与耕地。人为干扰度变化较为稳定但具有较强的地区差异性, 参考以上土地利用转移矩阵的分析, 随着资源开发及耕地扩张, 越来越多的未利用地被开发为建设用地和耕地, 人为干扰度变化较为强烈。

(2)随着人为活动的干扰逐渐增强, 大庆市主城区自然景观如草地、 湖泊湿地等景观类型面积不同程度减少, 景观异质性降低, 景观丰富度和复杂性降低, 景观斑块趋于均质化。

(3)景观格局对人类干扰强度变化的响应关系呈现地区差异。在空间分布上, 人为干扰度与最大斑块指数LPI和斑块聚合度指数AI成正比, 与边缘密度ED、 景观形状指数LSI、 香农多样性指数SHDI成反比, 与斑块密度PD相关性不显著。 此结果与以往研究具有一致性[28], 但结果的差异性也能说明不同尺度以及不同类型区域的景观格局响应程度不同[1]。

3.2 讨论

资源产业对大庆市景观格局的变化起到推动作用, 经济发展的带动下, 人口增长迅速, 城市景观不断扩大, 致使许多未利用地、 草地、 水域面积减少。 随着政府积极政策的引导下, 土地景观也在向好的方向发展。

人为干扰度能很好地反映区域的生态系统脆弱程度及生态环境状况[29]。本文以典型的湿地类型丰富的资源型城市——大庆市主城区为研究对象, 所得部分结论能够为国内资源型城市或地区提供研究思路并给予辅助决策支持, 亦可提高对资源型城市的环境发展的重视和保护。