縣域尺度下景觀指數的粒度效應

崔楊林，董 斌，位慧敏，徐文瑞，楊 斐，彭 亮，方 磊，王裕婷

（1. 安徽農業大學 理學院，安徽 合肥 230036；2. 中國科學院 測量與地球物理研究所 環境與災害監測評估湖北省重點實驗室，湖北 武漢 430077；3. 中國科學院大學，北京 100049）

尺度的合理選擇對研究區土地利用景觀變化和生態效應的分析具有科學的指導意義，也是目前景觀生態學和地理學研究的熱點問題之一。尺度的選擇是進行生態學研究的基礎，通常由空間粒度和幅度來描述。空間粒度是指景觀中可以辨別的最小單元，所代表的特征長度、面積和體積，在空間數據和圖像資料中通常對應于最大分辨率和像元的大小[1]。進行生態學研究的位置不同，粒度的劃分方法、劃分范圍、步長的選擇等均不相同[2?4]；數據源大多采用遙感影像人工解譯法獲得的解譯圖或土地利用現狀圖等[5?7]，研究區域多集中于城市熱島[8?10]、典型區域[11]、生態脆弱區[12?13]、流域或交通沿線等[14?18]。地形和地貌的差異會造成景觀指數不同的粒度響應，只有當測量尺度、研究對象及本質特征與研究區符合時，景觀指數才能將研究區的景觀格局特征顯示和反映出來[2]。因此，適宜空間粒度的選擇，是反映景觀格局狀況和景觀生態研究的關鍵。縣域不僅是行政區劃的重要單元，更是連接城市與鄉村的重要節點。目前，景觀指數粒度效應多以大尺度區域為研究對象，如孟楠等[19]研究發現：中國澳門城市生態系統格局分析的最佳粒度為25 m，張玲玲等[20]研究得出：沂蒙山區景觀指數最佳粒度為35 m，馬勝等[13]研究表明：黃土高原生態脆弱區景觀生態風險分析的最佳粒度為120 m。而對縣域尺度等中小區域的案例研究較少。鑒于此，本研究分析了安徽省宿松縣不同景觀指數在類型和景觀水平下的粒度效應，以探討長江中下游縣域景觀的粒度效應問題，對揭示縣域景觀生態規律具有一定的指導意義。

1 研究地區與研究方法

1.1 研究區概況

宿松縣 (29°47′～30°26′N，115°52′～116°35′E)位于安徽省西南方向，是長江中下游北岸的頂端。全縣東西寬約67 km，南北長約72 km，總面積達2 394 km2。東北接壤太湖縣，西邊緊鄰湖北省的蘄春縣和黃梅縣，東南角連接望江縣，南邊隔江相望于江西省的湖口縣和彭澤縣，是皖、鄂、贛三省的交界處，也是八縣結合部。宿松縣地勢高低起伏明顯，呈階梯形式自西北向東南方向地勢逐漸降低，屬北亞熱帶濕潤季風氣候，四季分明，季風性明顯，光照充足，雨水多，平均無霜期為255 d，植物生長期長。

1.2 方法

1.2.1 數據來源及預處理 以宿松縣研究區2017年的地理國情普查成果為依據，結合研究目標，參考GB/T 21010?2017《土地利用現狀分類》，根據土地實際用途以及地物意義，將地理國情普查數據中的地表覆蓋分類重新劃分為耕地、園地、林地、草地、建筑用地(房屋建筑區、構筑物、人工堆掘地)、交通用地(道路)、水域、未利用地(荒漠與裸露地表)等8個土地利用類型[21]。通過ArcGIS對劃分后的土地斑塊類型進行分類合并處理。

1.2.2 粒度推繹 研究區范圍以及景觀格局的不同，粒度范圍及步長的選擇也大小不一，通常大步長會掩蓋小步長的變化規律，小步長則可重演大步長的尺度變化規律[22]。因此，本研究以篩選合并的景觀類型專題圖為基礎，參考前人粒度范圍及步長的劃分案例[8?12]，結合研究區實際概況，運用ArcToolbox中的Feature to Raster工具和重采樣工具，將源數據轉化為20～150 m以10 m為步長的14個數據，150～500以50 m為步長的7個數據，共21幅不同景觀類型柵格圖。

1.2.3 土地利用景觀格局指數篩選 本研究根據實際需要從景觀面積、形狀復雜程度、聚集和散布狀況、優勢度、多樣性等方面選取對粒度變化敏感且能較全面反映整個景觀格局特征的景觀指數。其中：在類型水平上選取斑塊類型面積、斑塊密度、斑塊形狀指數、平均分維數、最大斑塊面積比例、斑塊數量、斑塊類型面積比例、平均斑塊面積、有效網格大小；在景觀水平上，面積邊緣指標選取了景觀總面積、景觀總周長、邊緣密度、周長面積分維數，密度大小及差異指標選取了斑塊密度、斑塊數量、平均斑塊面積，形狀指標選取了平均形狀指數、平均分維數、景觀形狀指數。聚散性指標選取了散布與并列指數、景觀聚合度、景觀聚集度、景觀凝聚度。多樣性指標選取了斑塊豐富度、Simpson多樣性指數、Simpson 均勻度指數[13?15,23?25]。

1.2.4 最佳景觀粒度效應分析 利用Fragstats 4.2軟件計算景觀格局指數，并在Origin 2018下繪制不同空間粒度下的景觀指數曲線，最后建立景觀格局指數與粒度之間的函數關系，用擬合度(R2)檢驗其相關性，R2最大為1，R2越接近于1，表明回歸直線對景觀指數曲線的擬合程度越高，反之，回歸直線對景觀指數曲線擬合程度越差。然后利用拐點法和景觀面積損失評價法[26]，確定研究區土地利用景觀最佳適宜粒度。景觀面積損失評價模型為：

式(1)中：P表示區域景觀面積損失值；Li表示i類景觀面積損失相對值；Ai表示i類景觀類型粒度變化后景觀面積；Abi表示第i類景觀粒度變化前的景觀面積；n表示景觀類型的總數目。

2 結果與分析

2.1 類型水平下粒度效應分析

類型水平下宿松縣的景觀指數隨著粒度的變粗呈不同的變化趨勢(圖1)。根據各種土地利用類型景觀指數對粒度變化的響應差異，可以將宿松縣類型水平指數分為以下4種類型。

指數類型1包括斑塊密度、斑塊形狀指數、斑塊個數和平均分維數，呈逐漸減小的趨勢，“L”型變化，與粒度的變化具有明顯的響應關系。隨著粒度的變粗，斑塊個數、斑塊密度、斑塊形狀指數下降幅度均比較劇烈，明顯拐點為70 m，表明粒度的增加造成景觀破碎度明顯下降，景觀異質性減小。其中草地、交通用地的斑塊個數、斑塊密度下降的最為劇烈，未利用地、園地變化幅度相對較小，這與研究區中草地分布較分散，交通用地相互交錯、復雜分散，未利用地、園地面積較少，且分布較集中有關。水域、園地、未利用地景觀形狀指數變化不明顯，與研究區中水域集中分布，耕地、水域、林地逐漸融合周圍景觀類型造成小斑塊逐漸消失，斑塊形狀趨于單一有關。平均分維數明顯的拐點為60 m，未利用地、園地、耕地、林地的下降的幅度較顯著，建筑用地和園地降幅較大，未利用地變化趨勢較復雜，與未利用地的斑塊數目最少及呈聚集狀態分布有關。

指數類型2包括斑塊類型面積和斑塊類型面積比例指數，無明顯變化趨勢，與粒度的變化具有明顯的響應關系。隨著粒度的增大，景觀指數值均基本保持不變，粒度＞350 m后，林地的斑塊類型面積和斑塊類型面積比例上下波動，但變化較小，整體基本不變。研究區中土地利用類型的面積比例從大到小依次為耕地、水域、林地、草地、建筑用地、園地、交通用地、未利用地。

指數類型3包括最大斑塊面積和有效網格大小指數，呈現“無規則”變化趨勢，與粒度變化不具有明顯的響應關系。林地、交通用地、未利用地、園地的景觀指數變化幅度很小，且無明顯拐點；草地明顯拐點為70 m，在20～70 m內呈單調下降趨勢，降幅明顯；水域明顯拐點為130 m，＞130 m后發生劇烈的浮動變化；建筑用地和耕地明顯拐點為100 m，整體呈劇烈的不規則變化，但100～130 m呈輕微的波動變化，這與耕地、建筑用地分布較分散，130 m后景觀異質性發生了變化有關；其他土地利用類型粒度效應響應不明顯，這與自身斑塊類型面積少且破碎度較大有關。

指數類型4包括平均斑塊面積指數，呈現“J”上升趨勢，與粒度的變化具有明顯的響應關系。在不同的粒度范圍內呈現出不同程度的增加趨勢，轉折點為150 m，20～70 m幅度增加很小；70～150 m幅度增加較大，但相對來說變化不大，＞150 m各土地利用類型的平均斑塊面積指數急劇增大。這說明粒度的增大會引起大斑塊奪取周圍小斑塊造成各土地類型的破碎度逐漸降低。

2.2 景觀水平下粒度效應分析

分別對不同的景觀指數進行擬合，選取擬合程度最高的函數作為該景觀指數的擬合函數(表1)。從圖2可以看出：景觀水平下的景觀指數隨著粒度的增大具有明顯的響應關系。

指數類型1包括景觀總周長、斑塊數量、景觀形狀指數、景觀聚集度、景觀聚合度、邊緣密度和斑塊密度，總體呈“L”型單調下降變化趨勢，景觀指數擬合度高，可預測性強。斑塊數量、斑塊密度、景觀總周長、景觀形狀指數的粒度響應曲線變化規律相似，明顯拐點為70 m，70～200 m景觀指數值下降幅度較小，＞200 m后景觀指數值逐漸趨于穩定狀態。據此可知隨著粒度的增大整個景觀內的小斑塊逐漸被優勢斑塊融合，景觀破碎化程度降低，整體景觀形狀趨于單一，小的斑塊被融合，不同土地利用類型的分散程度逐漸增大。

指數類型2包括散布與并列指數、平均分維數、平均形狀指數和景觀凝聚度，總體呈單調下降后出現不同程度的波動變化，但整體依然呈下降趨勢，其中：散布與并列指數、景觀凝聚度擬合度高可預測性強，平均分維數、平均形狀指數擬合度一般。景觀凝聚度隨著粒度的增大而下降，整體變化范圍不大，值接近于100 m說明整個景觀的連通性比較好，＞300 m后呈單調下降趨勢，且降幅增大，表明景觀的連通性降低且程度增加。散布與并列指數曲線明顯拐點為70 m，70～300 m為適宜粒度域，＞300 m呈不同程度的波動變化，并且波動程度逐漸加劇但總體呈下降趨勢，表明粒度的增大導致斑塊類型周圍的小斑塊被優勢斑塊融合，鄰接的斑塊類型逐漸降低，景觀的形狀越來越簡單。平均分維數、平均形狀指數的適宜粒度為70～400 m，＞400 m呈現波動變化的趨勢，表明隨著粒度的增大斑塊形狀逐漸變得規則。

指數類型3包括周長面積分維數和平均斑塊面積，總體呈上升趨勢，景觀指數擬合度高可預測性強。周長面積分維數的明顯拐點為70 m，適宜粒度為70～200 m，＞200 m呈波動變化且變化強度逐漸增強；粒度＞200 m后平均斑塊面積指數呈急劇增長趨勢，表明在200 m下景觀格局發生了劇烈的變化，且對平均斑塊面積指數影響較大。據此可知：隨著粒度的增大，斑塊間相互融合引起斑塊周長不斷的減小，周長面積分維數值增大，整體景觀內的斑塊形狀復雜性增大。

指數類型4包括景觀總面積、斑塊豐富度、Simpson多樣性和Simpson均勻度，整體呈無變化或復雜變化趨勢，擬合度整體一般。Simpson多樣性和Simpson均勻度指數變化幅度很小；＞110 m后變化程度增強，但是變化依然很小，表明隨著粒度的增大斑塊之間會不斷進行分割和融合；＞110 m后Simpson多樣性和Simpson均勻度指數的變化強度加劇且總體景觀值呈降低趨勢，說明隨著粒度的增大景觀的破碎化程度逐漸降低，斑塊類型在景觀中的均衡化趨勢分布逐漸降低。斑塊豐富度在所選的粒度范圍內一直未變，說明在所選的粒度范圍內，隨著粒度的增大整個景觀的空間組分未消失。

2.3 最佳空間粒度的選取

對同一縣域景觀進行景觀格局分析，空間粒度的選取直接影響結果的科學性和合理性，因此，適宜粒度的選取對研究縣域的景觀格局具有重要意義。景觀指數曲線轉折點附近景觀特征會發生較大的變化，在適宜粒度域內選取最佳的景觀分析粒度，以保證空間的邊界信息損失值降到最小。適宜粒度域內的景觀指數變化相對平穩，沒有劇烈的波動變化，景觀格局特征保持相對穩定狀態[27]。根據景觀指數的粒度效應曲線所對應不同轉折點，將第1個變化相對穩定的區域作為適宜粒度區域，過大的粒度會造成交通用地、園地、未利用地等比較分散，且會讓較小的斑塊丟失邊界空間信息，造成空間內部的景觀特征發生改變，粒度越小越接近真實的景觀特征。在類型水平下主體景觀類型耕地景觀指數的適宜粒度域為100～130 m，林地適宜粒度域為100～110 m，水域適宜粒度域為20～130 m。據此可知：類型水下景觀指數的適宜粒度域為100～130 m。景觀水平下指數類型4在粒度為110 m后開始出現逐漸增強的變化，因此，景觀水平下的適宜粒度域為100～130 m。

根據不同水平下對應的景觀指數粒度效應曲線的拐點分布，以及適宜粒度域，表明宿松縣內部景觀格局的最佳適宜粒度為100～110 m。從圖3可見：在粒度為100～110 m內，景觀面積損失值由0.7%上升到3.4%，呈現出逐漸增高的趨勢。綜合可知：宿松縣縣域水平下適宜的景觀粒度為100 m。

圖3 景觀面積損失值的粒度變化Figure 3 Grain sizes change of landscape area loss value

3 討論

數據源、研究對象、粒度變化方式、空間數據聚合方式、景觀類型的不同均會造成景觀結構組成的不同空間特征[11]。目前，大尺度區域的粒度效應研究[2?3,9,14]，數據源多采用人工解譯的遙感數據，存在人工目視解譯誤差大、地物類別判定等問題，而本研究采用的地理國情數據源是高分辨率的影像，具有精度高、要素全、尺度精細等優點[5]。本研究區位于大別山南麓，位于長江中下游北岸，西北向東南依次地跨大別山山脈、丘陵崗地和平原、湖畈區，自然條件的差異形成了資源的多樣性，林地、耕地、水域為研究區的主體類型。不同地貌下相同景觀指數的拐點不同，如在景觀水平下，施英俊等[25]研究發現：森林景觀地貌下景觀指數拐點為120 m，翟俊等[15]研究認為：青海湖流域地貌下的景觀指數拐點集中于60和90 m，張韌瓔[9]研究認為：天水市景觀指數拐點集中于10、15和35 km，任梅等[11]研究表明：喀斯特山地城市安順市的景觀指數拐點集中于20和100 m，本研究表明：宿松縣景觀指數曲線的拐點主要集中于70和110 m，說明不同研究區地貌、土地類型的分布特征對確定區景觀格局分析的粒度有較大影響。丁雪姣等[24]認為：安徽省省域尺度下的合適粒度為100～125 m，但并未確定粒度值，且選擇粒度步長為25 m。本研究選擇粒度步長為10和50 m，確定宿松縣最佳粒度為100 m，這為研究整個安徽省的景觀格局提供了一定的參考，也表明了粒度劃分粗細的重要性。在景觀水平下大部分景觀指數均可用冪函數來對景觀指數進行擬合，且擬合程度高，這與翟俊等[15]的研究結果類似，表明隨著粒度的增大，部分景觀指數粒度效應可預測性強。為減少粒度效應引起的誤差，需要根據研究區特有的地形、地貌景觀組成成分、面積大小來選擇合適的粒度區間及景觀指數。

4 結論

本研究表明：在類型水平上，宿松縣耕地景觀指數的適宜粒度域為100～130 m，林地適宜粒度域為100～110 m，水域適宜粒度域為20～130 m。研究區草地、耕地、建筑用地分布比較分散，交通用地相互交錯，復雜分散，未利用地、園地面積較少且分布比較集中。在景觀水平上，景觀指數的粒度效應曲線呈現4種不同的變化趨勢，且大部分景觀指數粒度效應可用擬合函數來進行預測，包括冪函數、對數函數、二次多項式、常數函數4種，主要函數類型為冪函數，且冪函數擬合程度高(R2＞0.92)。隨著粒度的變化，景觀指數的粒度響應也各不同，綜合不同水平下各個景觀指數的拐點信息確定了宿松縣景觀格局的最佳粒度域為100～110 m，結合景觀面積損失模型，確定宿松縣景觀格局分析的最佳粒度為100 m。