基于最優粒度的翁牛特旗景觀格局優化

胡雅慧 于 強 岳德鵬 王朋沖 裴燕如 牛 騰

(北京林業大學精準林業北京市重點實驗室， 北京 100083)

0 引言

隨著我國城市化建設的不斷推進，人類活動占用大量土地資源，導致生境破碎化程度加劇，區域生態系統功能下降，生態安全問題日益凸顯[1-2]。FORMAN[3]提出，景觀格局對生態過程具有巨大的影響。文獻[4-6]認為，合理穩定的景觀格局是促進社會可持續發展的重要保證，通過優化景觀格局，即對景觀重要組分在數量、空間結構配置等方面進行調整，能夠促進生態流的運行與生態過程的發生，加強景觀組分間的連通，提高區域生態安全性。

傳統的景觀格局優化主要依靠概念模型和數學模型等方法，從經驗統計的角度尋求優化措施，在描述景觀功能和生態過程的相互關系等方面存在很大的局限性[7]。隨著地理信息技術的發展，景觀分析轉向要素空間上的模擬，最小累積阻力(Minimum cumulative resistance，MCR)模型逐漸成為景觀格局優化的主要方法[8-9]。基于MCR模型判斷“關鍵局部”的優化方法，首先需要確定控制生態過程、發揮重要生態功能的景觀組分，格局的優化水平在很大程度上取決于生態源地選取的合理性。現有研究選取生態源地的標準不盡相同，何珍珍等[10]選取面積大于5 km2的林草地及大型水域作為生態源地，傅強等[11]以沼澤灘涂、河流湖泊為棲息地，選定面積10 km2以上的斑塊為核心斑塊，10～20 km2的斑塊為歇腳石斑塊，共為格局的“源”。這些選取方法大多依靠經驗和主觀判斷，提取結果誤差較大，且生態意義上的代表性不足，缺乏說服力。

景觀格局分析具有明顯的尺度效應[12-13]。近年來，有學者從粒度入手探究景觀組分結構的變化特征[14-16]，結合粒度與數學模型揭示生態用地結構的變化機制，這種方法能夠克服源地研究的主觀性，提高格局優化的準確度與科學性。本文以沙漠廣布的翁牛特旗為研究區，綜合粒度反推法與主成分分析法，從整體連通性的角度選取生態源地，進而基于MCR模型提取關鍵組分進行景觀格局優化，以期為翁牛特旗生態環境建設與可持續發展提供參考。

1 材料與方法

1.1 研究區概況

翁牛特旗位于內蒙古自治區赤峰市(圖1)，地處東經117°43′～120°43′，北緯42°26′～43°25′，北以西拉沐淪河為界，與林西縣、巴林右旗、阿魯科爾沁旗、開魯縣相望，南與赤峰市松山區相連，東隔老哈河與敖漢旗、通遼市奈曼旗相鄰，西接克什克騰旗。總面積11 807 km2，總人口48.6萬。翁牛特旗東西狹長，屬典型的中溫帶半干旱大陸性季風氣候，降水稀少，蒸發量大，人類的濫墾濫伐破壞了當地的生態平衡，土地構成可概括為“五沙四山一分田”，西部屬中低山丘陵區，東部屬科爾沁沙地。地勢西高東低，地面由西向東緩慢傾斜。季風盛行加上大面積的沙地，使得冬春季節多黃沙，對當地草場、良田和水域產生巨大的威脅，嚴重制約著農牧業生產的發展以及人民生活水平的提高。

圖1 研究區位置Fig.1 Location of study area

1.2 數據來源與處理

使用美國地質勘探局(USGS)官網2018年翁牛特旗Landsat 8 OLI影像，經輻射定標、大氣校正、拼接裁剪處理后，利用ENVI 5.3軟件進行監督分類，將研究區劃分為林地、草地、耕地、水體、建設用地以及沙地6類。空間分辨率為30 m的DEM數據來自地理空間數據云，根據數字高程模型(DEM)數據計算得到高程與坡度。利用ENVI 5.3軟件基于遙感影像獲取歸一化植被指數(NDVI)與歸一化差異水體指數(MNDWI)。地下水埋深采集于翁牛特旗監測井，通過ArcGIS克里金插值得到區域面數據。

1.3 粒度反推法

根據景觀生態學中“源-匯”的思想，源地一般為物種棲息地，是指面積達到一定規模且具有較高生態服務功能，對維持生態系統發展變化非常重要的景觀組分。景觀連通性主要反映景觀相同組分或不同組分在空間結構、生態過程上的關聯性[17]。景觀整體連通性深刻影響源地生態服務功能的發揮以及滲透過程，是區域生態流運行以及生態過程發生的基礎。

景觀格局指數高度概括了景觀的空間特征信息，對粒度效應非常敏感[18-19]。粒度反推法以景觀格局優化為目的，從景觀整體效應的角度選取生態源地，避免了漏選誤選的主觀錯誤[20-21]。依據數學反證法的思想，假設生態源地存在不同的結構，首先將生態服務功能較高的景觀斑塊生成不同粒度的柵格，選取能夠反映景觀整體性與連通性的景觀格局指數，通過對不同粒度下各個指數進行綜合計算分析，尋找最優粒度以確定生態源地的數量、布局等特征，作為反選生態源地的重要依據。

1.4 主成分分析法

測定指標的計算結果對最優粒度選取有一定的指示作用，但由于各指標的變化趨勢和閾值存在差異，直接選取難以消除分析過程的主觀性。采用主成分分析法計算綜合得分，利用降維思想，把多指標轉換為少數幾個綜合指標(即主成分)，其中每個主成分都能夠反映原始變量的大部分信息，且所含信息互不重復，實現指標的客觀定量分析，結果具有代表性[22]。本文在初步分析測定指標變化特征的基礎上，按照累積貢獻率大于80%、特征值大于1的原則，通過主成分分析法確定在景觀整體性與連通性方面貢獻最大的指標構成，并依據主成分構成式計算各粒度的綜合得分，識別提取生態源地的最優粒度。

1.5 最小累積阻力模型

生態流是生態系統物質循環、能量流動與信息傳遞過程的集中體現，生態流在源地之間運行，會受到景觀類型、坡度、高程等因素的干擾，需要克服不同程度的阻力[23]。阻力值是對生態流從源地出發向其他斑塊運動所需克服的各種阻力的量化描述，MCR模型通過對克服阻力做的功或累積消耗的成本進行計算，刻畫生態流的運動趨勢，其公式為

(1)

式中VMCR——最小累積阻力

n——源類型的數量

fmin——土地單元中累積阻力的最小值

m——景觀類型的數量

Dij——物種從源地j到用地單元i的空間距離

Ri——用地單元i對生態流的阻力系數

圖2 生態阻力因子Fig.2 Ecological resistance factors

1.6 景觀格局優化

1.6.1生態源地選取

景觀格局是自然因素與人類活動共同作用的結果[24]，不同的景觀類型對區域生態系統與環境產生影響的性質和程度不相同。一些景觀類型具有較高的生態服務價值，如林草地、水體等，能不同程度地促進生態流的運行，對提高區域生態環境質量具有重要意義。基于對不同景觀類型作用的認識，提取土地覆蓋分類結果中的林地、草地和水體，考慮區域面積與粒度分析的連續性，以100～4 200 m為分析尺度，100 m為間隔，生成42個不同粒度的生態用地組分結構。根據文獻[25-26]，選擇內聚力、分維度、聚合度、平均鄰近距離表征景觀整體性，斑塊數、斑塊密度、鄰接比率、連接度以及連接度增加百分比表征組分結構連通度。利用Fragstats軟件計算測定指標，利用R語言對結果進行主成分分析并計算綜合得分，確定能夠更加清晰地代表景觀組分結構的指標構成及權重，以質變點所在粒度及其指數特征為參照反選生態源地。

1.6.2生態阻力面構建

MCR模型通過量化各種干擾因素的阻礙作用，計算生態流流動到達不同的景觀斑塊所需耗費的成本構建生態阻力面。以翁牛特旗實際情況為基礎，選取對生態流運行有直接影響的地形因子(高程、坡度)、土地覆蓋(土地利用分類)、水文因子(MNDWI、地下水埋深)以及植被因子(NDVI)(圖2)，對各因子不同水平的阻力進行賦值并將各因子疊加，基于MCR模型構建生態阻力面。

1.6.3生態廊道與生態節點識別

景觀生態學認為，生態廊道作為一種連接生態源地的帶狀景觀組分，將分散的生態源地連接成整體，能夠為生態流的運行提供支持，關系著整個區域生態結構的連通性[27]。以生態源地為出發點，最小累積生態阻力面作為輸入，利用成本路徑模型(Cost path model)計算跨越不同斑塊所需克服阻力的累加值，迭代運算得到物質能量從任一生態源地流動到其他源地的最小阻力路徑。這一過程的計算量隨迭代次數的上升而劇增，因此使用Python腳本語言編寫程序，調用arcpy模塊完成。

生態節點作為生態廊道中能量流動、物質交換的重要支撐點，是生態斑塊與廊道間的“踏板”，同時也是生態廊道中最為脆弱的區域。以生態累積阻力面為基礎地形數據，ArcGIS水文分析工具提取阻力最大路徑，也就是山脊線，其與生態廊道交點即為生態節點。生態節點對于支持源地間生態流動，提升空間結構的連通性，增強廊道的穩固性具有重要意義，但由于受到較大的阻力，極易被外界環境干擾。

1.7 密度分析

為了更加直觀定量化描述廊道與節點的形態特征，本文采用生態廊道密度分析與生態節點密度分析彌補主觀描述的不足。

1.7.1生態廊道密度

生態廊道密度通過計算研究區內規則單元的廊道長度總和識別生態廊道集中區，反映了生態廊道單位面積下的密集程度[28]。其值越大，說明每單位面積生態廊道總和越長，廊道的密集程度越高，能量流通越順暢。生態廊道密度公式為

圖3 不同粒度景觀組分結構Fig.3 Landscape component structure with different granular

(2)

式中L——單元范圍內生態廊道總長度

A——單元區域面積

1.7.2生態節點密度

由于連接方式的差異，生態廊道密度相同的區域也存在各種不同形態以及復雜程度各異的網絡結構，為了進一步補充說明廊道的連接狀況與區域整體的景觀格局結構，采用生態節點密度量化描述節點分布特征。

生態節點密度反映了生態廊道的連接程度與區域生態狀況的復雜程度[29]。生態節點密度越大，說明這一區域受到的干擾越多，生態狀況越復雜，在區域景觀格局中占據的位置越重要。生態節點密度公式為

(3)

式中N——單元范圍內節點總數

2 結果與分析

2.1 生態源地

提取研究區生態效益高的林地、草地以及水體3種景觀類型斑塊共6 976.741 km2。生成42個不同粒度的生態用地組分結構，以500 m為粒度間隔示例(圖3)。在粒度不斷增大的過程中，面積規模較小和相對孤立的斑塊被不斷剔除，斑塊數量逐漸減少；相鄰或相接的斑塊不斷合并，規模優勢進一步顯現。

利用Fragstats軟件計算42個粒度下9個測定指標(表1)。隨著粒度的增大，景觀結構發生變化，景觀格局指數也隨之改變，到達某一粒度時，變化趨勢可能會出現波動，特別是在臨界值附近，景觀格局指數對粒度的變化表現得非常敏感。斑塊數和斑塊密度隨著粒度的增長，均呈現下降的趨勢，且下降速度逐漸減緩，到3 400 m附近趨于穩定，說明在這一粒度水平下，大部分的細碎斑塊已經被剔除，也很難合并出更大斑塊，組分結構達到了一個比較穩定的狀態。鄰接比率、平均鄰近距離、聚合度都隨粒度增加而降低，且速度逐漸減慢，平均鄰近距離在粒度為1 600 m后輕微波動，鄰接比率與聚合度到3 200 m附近波動開始加劇。內聚力和分維度緩慢下降，粒度大于2 700 m時，內聚力波動開始劇烈，出現多個明顯的轉折點，2 700、3 200 m粒度處存在峰值，分維度則在粒度為3 200 m時達到最小值。連接度隨粒度增長而上升，在粒度達到3 200 m時，出現一個峰值，其后波動幅度增大，此時連接度增加百分比達到了峰值，說明粒度為3 200 m時景觀組分之間連接度較好，且粒度繼續增大組分結構明顯變化。

表1 景觀組分結構測定指標統計Tab.1 Statistics of indexes of landscape component structure of ecological sources

利用R語言對測定指標結果進行主成分分析，以尋找能夠更加清晰地代表景觀組分結構的指標構成以及能夠產生最優結構的最優粒度。9個指標中，由于斑塊數主要代表生態源地數量特征且和斑塊密度關聯度較高，不列入分析范圍；平均鄰近距離和分維度與其他指標不同，數值越大代表景觀結構整體性與穩定性越差，取相反數進行計算。根據方差貢獻率統計(表2)，選定累積方差貢獻率達到0.837 9的第1、2主成分進一步分析，達到降維的目的，得到主成分函數表達式

F1=0.400C1+0.411C2+0.369C3-0.299C4+
0.405C5-0.369C6-0.325C7+0.199C8

(4)

F2=0.134C3+0.501C4+0.352C7+0.774C8

(5)

式中F1——主成分1F2——主成分2

C1——斑塊密度C2——鄰接比率

C3——內聚力C4——分維度

C5——聚合度

C6——平均鄰近距離

C7——連接度

C8——連接度增加百分比

表2 方差貢獻率Tab.2 Total variance explained

導入mvstats函數，將標準化數據代入主成分公式(式(4)、(5))，計算第1、2主成分得分與綜合得分(圖4)。隨著斑塊的剔除與合并，景觀逐漸離散化，綜合得分整體呈下降趨勢。粒度為3 200 m時綜合得分出現峰值，明顯高于周圍粒度，說明景觀格局變化累積到這一臨界點出現質變，景觀結構在這一粒度達到最優的極簡狀態，具有較好的整體連通性，選定3 200 m為反選生態源地的最優粒度。

圖4 不同粒度下的景觀組分結構綜合得分Fig.4 Comprehensive score of landscape component structure with different granularity

將粒度為3 200 m的生態用地柵格圖與原始土地覆蓋分類結果進行疊加分析，景觀組分結構在粒度為3 200 m時是57個斑塊，為了保證源地的相對完整性，將其中5個景觀斑塊合并組成西拉沐淪河生態源地，3個合并為老哈河生態源地，最終得到51個生態源地(圖5)，面積共計4 583.07 km2，約占研究區總面積的38.82%。翁牛特旗是一個半農半牧旗，西部中低山丘陵區主要表現為從典型草原到森林草原的過渡類型——疏林草原，分布有燈籠河牧場、小井子牧場等大型牧場，生態源地分布密集，占全部源地的66.21%，耕地沿響水河、葦塘河等河流谷地分布，將源地分隔開，形成西部的源地結構。西拉沐淪河和老哈河交叉于大興鄉，翁牛特旗處在兩河之間，境內主要的水域生態源地還有響水河以及紅山水庫。河間平原中部被廣闊的沙地覆蓋，東北角主要為農業發展區，研究區東部的生態源地主要為河邊草地，分布相對零散。翁牛特旗生態源地整體呈現西部集中、東部分散、西拉沐淪河橫貫全區北部和老哈河縱穿東南部的特點。

圖5 生態源地、生態廊道和生態節點分布Fig.5 Distribution of ecological sources， ecological corridors and ecological nodes

2.2 生態阻力面

采用Natural Break法劃分因子等級，按照表3對各級生態因子賦值并疊加生成綜合阻力面。翁牛特旗阻力分布存在明顯差異，高程、坡度最大的中低山丘陵區西南角以及沙地廣布的中部平原是研究區生態阻力最高的兩個區域；其余中低山丘陵區植被覆蓋率較高，但高程、坡度大，阻力次之；水體作為生態服務價值最高的景觀類型，在調節氣候、凈化環境等方面發揮重要作用，研究區阻力最低的區域基本圍繞水體延伸。基于MCR模型構建最小累積生態阻力面(圖6)，生態阻力在0～371 236之間。不同的生態阻力具有不同的生態功能，生態阻力低的區域有利于生態流的運行，能夠緩沖外界對生態源地的干擾，穩定生態結構。高生態阻力區則會一定程度上阻斷生態過程的發生，影響生態源地之間的連通，大力推進對應區域的生態建設將有效提高生態系統的抗干擾能力。

表3 生態阻力因子評價體系Tab.3 Evaluation system of ecological resistance factor

圖6 最小累積生態阻力面Fig.6 Ecological resistance surface

2.3 生態廊道與生態節點

利用Python腳本調用arcpy模塊計算得到生態廊道共49條(圖5)，總長3 379 km。大型水體是天然的生態廊道，西拉沐淪河、老哈河兩大河流作為翁牛特旗的主要水域起到了貫通東西的紐帶作用。西部中低山丘陵區的生態廊道集中連續，源地彼此連通，生態結構完整度較高。河間平原中部被沙地覆蓋，是研究區生態阻力最高的區域之一，東北角主要為農業生產區，受人類活動影響較大，廊道需要克服較高的阻力才能實現連通，數量少且結構松散。沙地高阻力區的阻隔使得西拉沐淪河、老哈河成為東部源地連通的主要支撐，部分源地僅依靠一條廊道與其他源地相連，能量流動方向單一，一旦兩大水系環境惡化，東部的生態結構就面臨崩潰的風險。

生態節點作為生態廊道中生態流運行的“關鍵點”，保障一定的節點數量以及合理的節點分布是生態規劃的一項重要內容。研究區識別生態節點共58個(圖5)，根據節點的景觀基質，分為耕地生態節點30個，林地生態節點8個，草地生態節點10個，建筑用地生態節點1個以及沙地生態節點9個。針對不同類型的生態節點采取不同的建設措施，能夠顯著提高生態建設效率。研究區的耕地生態節點最多，占總數的51.72%，主要位于西部中低山丘陵地帶沿河分布的耕地區，受人類活動影響非常大，生態結構單一，抗干擾能力差，若遭到破壞，會阻斷西部生態流的運行，降低整體生態安全性。景觀格局優化通過提取生態結構建設的“關鍵局部”，有針對地加強生態連通，保護生態脆弱點，實現格局整體功能的提升，改善區域系統穩定性。

2.4 密度分析

圖7 生態廊道及生態節點密度分布Fig.7 Ecological corridors and ecological nodes density distribution

運用ArcGIS空間分析模塊，對生態廊道與節點進行密度分析(圖7)，得到生態廊道密度最大值為1.366 36，生態節點密度最大值為0.161 187。生態廊道密度最大的區域主要有3處，分別位于布力彥蘇木、海拉蘇鎮北部附近區域，西北部的毛山東鄉、分頭地鄉、四道賬房鄉附近區域，西南角的楊樹溝門鄉以及億合公鄉附近區域，這些區域是能量交互的重要中轉區，風險等級低，生態措施應以保護為主。生態節點高密度區主要有西部的廣德公鎮、南部的解放營子鄉、橋頭鎮以及東北部的白英套海蘇木，這些區域的廊道密度大多居中，在發揮一定生態作用的同時，生態狀況比較復雜，極易受到外界環境的干擾，例如東北部白英套海蘇木高密度區的節點所在廊道是老哈河與相鄰草地生態源地之間的唯一通道，部分與該草地生態源地相連的源地也僅依靠這條通路實現能量物質流動，節點消失將會導致通路斷裂，進而影響整個東北部的生態系統功能正常運行，因此保護建設節點區，特別是高密度節點區至關重要。

3 結論

(1)提取翁牛特旗林地、草地、水體3種景觀類型斑塊共6 976.741 km2，計算42個粒度水平下的測定指標，結合粒度反推法與主成分分析法識別3 200 m為最優粒度，反選生態源地51個。結果表明，粒度反推法模擬了生態系統不斷簡化的過程，在這個過程中，生態結構核心組分的功能逐漸凸顯，生態斑塊有向更大規模發展的趨勢。粒度反推法結合景觀整體性與連通性，展現了良好的區域適用性，可為源地的客觀選取提供科學參考。

(2)選取生態阻力因子構建生態阻力面，提取生態廊道49條、生態節點58個，依據景觀基質分為5類。結果表明，研究區生態狀況并不平衡，西部廊道密集連續，源地互通良好，東部廊道孤立、節點零散，且對兩大水系的依賴度過高，生態壓力較大。

(3)通過密度分析，得到生態廊道密度最大值為1.366 36，生態節點密度最大值為0.161 187。結果表明，研究區存在4處生態節點高密度區、3處廊道高密度區，密度分析能較好地細化廊道與節點特征，反映景觀格局中的高、低風險區，依此規劃生態建設的順序和規模能夠提高建設的精確度和效率。