基于最佳分析粒度的臨川區土地利用景觀格局梯度分析

俞斌傳，劉平輝，吳 佳

(東華理工大學 地球科學學院，江西 南昌 330013)

0 引言

景觀生態學中的粒度是一個基本概念，也是生態學研究的核心問題之一，在學術界早已引起廣泛關注[1-3]。景觀格局是各種生態過程在不同粒度上作用的結果，是景觀異質性的表現。景觀格局指數一般以柵格數據作為分析對象，以柵格的(像元、尺度、粒度)大小為計算基礎。大量研究表明，隨著粒度變化，景觀指數的數值也相應產生變化，從而影響到景觀格局的特征[4-5]。

目前，景觀格局分析最佳粒度的選取還未形成一套成熟的方法體系。多數學者基于定性原則根據景觀指數隨粒度變化的效應曲線拐點，確定適宜分析粒度域，從而確定最佳粒度[6-7]。也有學者基于定量原則通過信息損失評價法對不同粒度轉換產生的損失進行評價，以信息損失最小為原則，選取最佳分析粒度[1，8]。

景觀空間梯度是指沿某一方向景觀特征有規律地逐漸變化的空間特征[9]。眾多學者利用景觀指數和梯度分析方法分析土地利用格局，揭示了不同土地利用類型沿樣帶表現出不同的梯度變化規律[9-12]。景觀空間梯度劃分的方法主要有移動窗口法和緩沖區法[9，12-14]。景觀格局的梯度分析越來越成為景觀研究的熱點之一。

本文以撫州市臨川區為例，運用緩沖區法劃分景觀分析梯度帶，定性與定量相結合，確定景觀梯度分析的最佳粒度，再運用Fragstats 4.2軟件，進行景觀指數的計算，以分析各梯度帶的景觀格局規律和空間特征，以期為研究區的景觀格局優化和管理提供支持。

1 研究區概況

臨川區隸屬于江西省撫州市，為撫州市市政府所在地(圖1)，位于江西省東部撫河中游，地處贛撫平原向武夷山脈過渡地帶，東經116°03′45″～116°18′45″，北緯27°29′30″～28°15′16″之間，東與金溪、東鄉毗鄰，西倚崇仁、豐城，南瀕南城、宜黃，北與進賢接壤。

臨川區地形狹長，東西寬58 km，南北長82 km，總面積2125.72 km2。全境地勢南高北低。下轄9個鄉、18個鎮、3個街道辦事處，2015年全區總人口111.25萬人，全年完成生產總值341.62億元。

圖1 臨川區區位圖

2 數據來源及研究方法

2.1 數據來源及處理

本研究采用2015年臨川區的土地利用變更數據，原始矢量數據為MapGIS格式，經格式轉換得到ArcGIS格式數據。結合研究需要，將土地利用現狀數據進行基期地類轉換，并將土地利用類型劃分為：耕地、園地、林地、其他農用地、城鄉建設用地、交通水利用地、其他建設用地、水域及自然保留地等9大類。

2.2 景觀梯度劃分方法

本研究采用緩沖區法進行景觀梯度分析，建立以臨川區中心城區范圍的重心點(坐標為：東經116°19′40″，北緯27°57′35″)為圓心，距離間隔2500 m的緩沖區，用緩沖區法將2015年的矢量數據分割成21個梯度帶(如圖2)，自內而外分別命名為梯度帶1、梯度帶2、...、梯度帶21。再利用ArcGis 10.2軟件的要素轉柵格工具將2015年各梯度帶的矢量數據轉為最佳粒度下的柵格數據，以進行景觀格局指數分析。

圖2 2015臨川區景觀梯度分布圖

2.3 最佳粒度分析方法

綜合前人的研究方法，把景觀粒度變化效應的“拐點分析法”和信息損失評價法結合起來，選取有代表性的，并且對景觀格局粒度變化反應敏感的15個景觀指標。將2015年的景觀各梯度帶數據導出為Fragstats 4.2軟件支持的Geo TIFF grid格式，以進行景觀格局指數的計算，并篩選出9個在本研究區內景觀粒度變化中變化顯著并有明顯“拐點”的指數，確定其最適宜粒度域。再運用信息損失評價法，考慮斑塊轉換為柵格數據后的數量、面積、周長的損失精度來確定最適宜粒度域。用兩個方法確定的最適宜粒度域取交集，最后確定交集為臨川區景觀格局分析的最佳粒度。

2.4 景觀格局梯度分析指標選取

基于最佳粒度，同樣運用Fragstats 4.2軟件來進行景觀指數計算。用景觀格局指數來表征臨川區土地利用景觀格局的空間特征，量化地反映出土地利用景觀結構和空間配置特征。參照國內外學者已提出的眾多景觀格局指標，結合研究區實際和研究需要選取以下6個指數分類型指標和景觀指標對臨川區景觀梯度格局進行分析(表1)。

3 結果與分析

3.1 最佳粒度的分析與確定

鑒于本文旨在研究臨川區景觀的梯度變化，粒度選擇顯得尤為重要，粒度選擇過大則造成信息丟失，影響分析的準確度，粒度選擇過小則消耗大量計算時間，影響計算效率。為確定最佳分析粒度，以2015年土地利用矢量數據為數據源，運用ArcGis 10.2軟件的要素轉柵格工具，將矢量數據分別轉為粒度大小10 m×10 m、20 m×20 m、30 m×30 m、…、150 m×150 m的15種不同粒度下的柵格數據。

表1 景觀格局梯度分析指數

3.1.1 景觀粒度效應分析 選取的15個對景觀粒度變化反應敏感的景觀指數和其中的9個變化顯著并存在明顯“拐點”的指數如表2所示。這9個指數的景觀粒度變化效應，如圖3所示。

表2 景觀粒度效應分析的景觀指數選取

圖3 景觀粒度效應變化圖

由圖3可知：以上9個指數的粒度變化效應特征大致分為3類：第1類為LPI、AREA_AM、FRAC_AM、IJI、COHESION、SPILT指數，變化曲折有波動，但主要變化趨勢單一，或者下降如FRAC_AM、IJI、COHESION、SPILT，或者上升如LPI、AREA_AM；第2類為AREA_CV、SHAPE_AM，變化波動曲折，有規律，呈先上升后下降的趨勢；第3類為SHDI，變化波動曲折但無規律，隨著粒度增大超過60 m，指數變化的幅度明顯增大，反映出當粒度大于60 m時，不能通過該指數很好表達景觀變化特征。

通過觀察分析，總結出以上9個指數的主要拐點為：40、50、90 m。根據已有研究得知，景觀格局的最佳粒度域存在于較為明顯的“尺度轉折點(拐點)間”，在該粒度區間內，景觀格局指數的變化相對平穩，且在該粒度域內計算出的景觀格局指數能夠較好地反映出區域景觀格局特征，第一粒度域是選擇適宜粒度的較好范圍。根據研究區景觀格局指數的粒度效應可知，[40，50]為最適宜粒度域。

3.1.2 信息損失評價法 信息損失指矢量數據轉化為不同粒度的過程中損失的信息，主要包括由矢量數據轉換為柵格數據的過程中，原本平滑的邊界呈現鋸齒狀，從而導致各景觀類型的斑塊數量、面積、周長發生不同程度的變化。通過選取斑塊的數量(NP)、斑塊周長(PERIM)、斑塊面積(AREA)3項指數，運用公式分別計算這3種指數的損失精度，計算方法是將不同地類的信息損失取絕對值后加總，從而得到研究區景觀整體信息損失。信息損失評價的計算公式如下：

式中，M為信息損失量；Agi為第i類景觀柵格數據值；Abi為第i類景觀基準數據值；n為景觀類型的數目；P為某一評價指標的精度損失。

由圖4可知：斑塊數量、面積、周長的精度損失在30～40 m最小，故以此判斷在信息損失評價法之下，最佳適宜粒度域為[30，40]。

圖4 信息損失評價圖

3.1.3 最佳粒度的確定 根據景觀指數隨粒度變化情況，選擇其粒度效應圖中的關鍵拐點，以保證所選取的粒度范圍內，景觀指數變化平穩且能較好地表達區域景觀格局的相關特征；通過信息損失評價法可以保證在生成柵格數據的過程中，使產生信息損失較小。

綜合以上兩個粒度選擇方法，分別確定的粒度域為[40，50]和[30，40]，取交集得到40 m的粒度，該粒度被確定為研究區范圍內景觀格局指數分析的最佳粒度。

3.2 景觀格局梯度分析

3.2.1 景觀梯度類型指標分析 選取類型指標中的斑塊數量(NP)、景觀面積比例(PLAND)、最大斑塊指數(LPI)、景觀形狀指數(LSI)等4個指數從景觀組分的斑塊面積數量、形狀特征兩方面對2015年臨川區景觀梯度類型指標進行分析。

由圖5可知：(1)從景觀面積比例指數(PLAND)來看，可以判定耕地、林地和城鄉建設用地為臨川區2015年主要的土地利用類型。由于緩沖區以臨川區中心城區重心為中心點，因而在梯度帶1、2中，城鄉建設用地占主導地位，隨著距市中心距離的增大，城鄉建設用地比例逐漸減少，在梯度8之后減少的趨勢趨于平緩，反映出隨著城鄉建設用地均勻化的分布；耕地在梯度帶3～8之間占主導地位，最大比例出現在梯度5，梯度1～5處于上升狀態，梯度6下降，隨后在梯度8達到一個高值，梯度8之后處于波動減少的態勢，變化趨勢呈“M”型；林地在梯度9之后處于絕對的主導優勢，最低值出現在梯度2，最高值出現在梯度18，隨著距離市中心越遠，林地分布基本呈不斷上升的態勢。其他土地利用類型，在各梯度帶中比例均在10%以下。

(2)從斑塊數量(NP)來看，其他農用地的斑塊數量在前11個梯度帶中始終保持最大值，反映出其他農用地分布廣，分布分散以及嚴重的破碎化程度，其NP值在梯度9到達頂點后不斷降低，隨梯度變化的趨勢呈“M”型；林地的NP值在梯度5之前不斷上升，在梯度6、7出現下降，在梯度8到達最高點，隨后不斷降低，變化趨勢也呈“M”型；耕地在梯度9之前，NP值不斷上升，隨后基本處于不斷下降的過程；園地的NP值從梯度1開始平緩上升，最高點出現在梯度11，隨后開始不斷下降。

圖5 2015年臨川區各景觀梯度帶景觀類型指數特征

(3)從最大斑塊指數(LPI)來看，城鄉建設用地在梯度1～3中，保持最高水平，即有著最大的優勢度；在梯度4～7中，耕地指數值最高，有著最大的優勢度；林地在梯度8之后，占據著最大的優勢度，從梯度13開始指數增加非常劇烈。

(4)從景觀形狀指數(LSI)來看，耕地、林地、其他農用地有著最大的形狀指數，反映出這幾種土地利用類型形狀結構的復雜。在梯度6之后，耕地始終保持著最大的形狀指數值，但在梯度10之后，其形狀指數值不斷下降，反映出其形狀逐漸趨于規整；隨著距市中心距離的增加，各個土地利用類型的形狀指數值均有不同程度的增加，反映出景觀形狀越來越不規則，離散度增加，土地利用形狀結構趨于復雜化；在梯度10之后各個土地利用類型的形狀指數值均呈下降的趨勢，反映出形狀結構特征的簡單化、規整化。

3.2.2 景觀梯度景觀指標分析 選取景觀指標中的斑塊數量(NP)、斑塊密度指數(PD)、最大斑塊指數(LPI)、景觀形狀指數(LSI)、香農多樣性指數(SHDI)等5個指數從景觀組分的斑塊數量、形狀特征、多樣性3個方面對2015年臨川區景觀梯度景觀指標進行分析。

由圖6可知：(1)從斑塊數量指數(NP)來看，從梯度1～9，指數值不斷上升，反映出受人為擾動的影響加大，景觀破碎化程度隨著梯度帶的增加而增加；梯度帶9之后，隨著景觀組成面積的減少，斑塊數量不斷降低，反映出距市中心一定距離之后，斑塊的破碎化程度越來越低。

(2)從斑塊密度指數(PD)來看，整體趨勢是先上升，后下降，在梯度3之前處于上升狀態，反映出市中心位置附近景觀的破碎化；而此后不斷處于下降的狀態，反映出隨著離市中心距離的增加，景觀的破碎化程度不斷減弱，景觀狀態趨于聚合。

(3)從最大斑塊指數(LPI)來看，隨著距市中心距離的增加，最大斑塊指數不斷下降；在梯度3～12中，指數值維持在比較低的狀態，反映出其破碎化程度較高，斑塊尺度趨于均勻；而在梯度12之后，指數值迅速上升，之后一直保持較高的數值，反映出破碎化的緩和。

(4)從景觀形狀指數(LSI)來看，在梯度10之前，隨著梯度的增加，形狀指數不斷增加，反映出由于人為活動的影響，景觀的形狀結構不斷趨于復雜化。在梯度10之后，形狀指數不斷下降，反映出距市中心一定距離之后，人為對土地利用景觀的影響降低，景觀的形狀結構趨于簡單。

(5)從香農多樣性指數(SHDI)來看，景觀的多樣性在梯度1～4之間不斷增加，反映出景觀不斷趨于豐富和復雜化，景觀異質性不斷增加；在梯度4～12之間，SHDI變化平緩，反映出景觀多樣性在這些梯度帶間的均衡化特征；在梯度12之后，景觀多樣性基本處于快速下降的過程，反映出景觀不斷趨于簡單，異質性減少。

圖6 2015年臨川區各景觀梯度帶景觀整體指數特征

4 結論與討論

景觀隨粒度變化的響應不同，只有針對特定景觀選擇最佳分析粒度，才能有效反映研究區的景觀格局特征。綜合景觀粒度效應變化分析法、信息損失評價法的結果，確定40 m的粒度大小可用于臨川區景觀梯度分析，既能保留梯度特征又不使景觀指數出現較大波動。

景觀指數在反映研究區景觀格局的變化特征上具有良好的指示效應。而對研究區整體的景觀格局分析很難反映其景觀內部的細節特征差異，運用緩沖區法的梯度分析方法，能更精細化分析研究區內景觀格局特征。

綜合以上對臨川區2015年景觀梯度分析，根據景觀格局的梯度特點，將特征相似的梯度帶合并為3個梯度區：第1梯度區為梯度帶1～4，該區距離市中心0～10 km，城鄉建設用地占主導優勢，內部結構穩定，破碎化程度相對較低；第2梯度區為梯度帶5～10，該區距離市中心10～25 km，主要景觀為耕地，形狀上最為復雜，景觀異質性最強，景觀破碎化程度最高，更具有多樣性特征；第3梯度區為梯度帶11～21，該區距離市中心大于25 km，以林地為主導土地利用類型，遠離市中心，人為干擾因素最少，景觀趨于聚合、規整，但多樣性程度在降低。

參考文獻：

[1] 于磊,趙彥偉,張遠,等.基于最佳分析粒度的大遼河流域濕地景觀格局分析[J].環境科學學報,2011,31(4):873-879.

[2] 李保杰,渠愛雪,紀亞洲.基于最佳分析粒度的礦區景觀格局分析[J].武漢大學學報:信息科學版,2016,41(7):939-945.

[3] 游麗平,林廣發,楊陳照,等.景觀指數的空間尺度效應分析:以廈門島土地利用格局為例[J].地球信息科學,2008,10(1):74-79.

[4] 趙文武,傅伯杰,陳利頂.景觀指數的粒度變化效應[J].第四紀研究,2003,23(3):326-333.

[5] 楊曉玲.江蘇東臺圍墾區景觀格局變化及其尺度效應研究[D].南京:南京師范大學,2011.

[6] 呂志強,吳志峰,張景華,等.基于最佳分析尺度的廣州市景觀格局分析[J].地理與地理信息科學,2007(4):89-92.

[7] 孟陳,李俊祥,朱穎,等.粒度變化對上海市景觀格局分析的影響[J].生態學雜志,2007,26(7):1138-1142.

[8] 崔步禮,常學禮,左登華,等.沙地景觀中矢量數據柵格化方法及尺度效應[J].生態學報,2009,29(5):2463-2472.

[9] 劉琳.天津市土地利用景觀格局梯度分析及區域生態風險評價[D].天津:天津理工大學,2015.

[10] 雷金睿,陳宗鑄,楊琦基,等.基于GIS的海口市景觀格局梯度分析[J].西北林學院學報,2017,32(3):205-210.

[11] 俞龍生,符以福,喻懷義,等.快速城市化地區景觀格局梯度動態及其城鄉融合區特征:以廣州市番禺區為例[J]．應用生態學報,2011,22(1):171-180.

[12] 裴剛,劉養潔,王國梁.侯馬市景觀格局梯度分析[J].國土資源遙感,2012(4):163-168.

[13] 劉昕,國慶喜.基于移動窗口法的中國東北地區景觀格局[J].應用生態學報,2009,20(6):1415-1422.

[14] 張玲玲,趙永華,殷莎,等.基于移動窗口法的岷江干旱河谷景觀格局梯度分析[J].生態學報,2014,34(12):3276-3284.