文峪河流域景觀格局動態及其驅動力分析

安冠霖,郭晉平

(山西農業大學林學院，山西 太谷 030801)

景觀格局及其特征的定量分析是揭示景觀演替的機制與規律，探尋人類活動與生態環境演變關系的重要途徑[1-2]。景觀格局的數量特征是區域景觀格局動態的重要研究窗口[3]。景觀格局指數能高度濃縮地反映景觀格局信息，是景觀格局結構和空間特征計算的量化指標[4-5]。景觀梯度可較為直觀地揭示景觀格局分布特征的空間差異。景觀梯度是研究景觀動態的有效途徑。景觀驅動力一般分為自然驅動力和社會驅動力。自然驅動力包括氣候、地形等。社會經濟驅動力包括經濟發展、產業結構、政策法規等[6-8]。當前對驅動力的定量研究多采用相關分析、多因素分析以及計量經濟學模型等統計分析方法[9]。文峪河流域是典型的中西部小流域，近18年來景觀動態變化明顯,由此造成的影響也日益顯著。選取文峪河流域進行景觀格局動態及其驅動力的研究，其目的在于為中西部小流域相關研究提供補充，同時為文峪河流域景觀資源的保護、開發提供科學依據。

1 研究區概況

文峪河是汾河中游重要的一級支流，發源于山西省交城縣關帝山林區的龐泉溝自然保護區，流經交城縣、文水縣、汾陽市、于孝義市境內匯入汾河，流域面積 5 006.24 km2，河流長度155 km。地理坐標為東經111°21′06″～112°19′34″，北緯36°56′42″～37°53′38″。流域屬暖溫帶大陸性半干旱氣候區。地形復雜、山體陡峭，各處氣溫、降水差異較大。流域年均溫3～7℃，高海拔區較寒冷，低山谷地溫和，7月均溫17.5℃，1月均溫-10.2℃，極端低溫達 -29.1℃；年均降水量450～700 mm，年蒸發量 1 600～1 800 mm，相對濕度70.9%，≥0℃積溫 2 100℃，無霜期100～130 d，日照時間 1 900～2 200 h。流域內土壤、植被類型眾多[10]。

2 數據與方法

2.1 數據來源與預處理

2.1.1 遙感數據

將2000—2018年的5期Landsat TM/OLI_TIRS遙感影像在ENVI5.3中進行監督分類，將研究區景觀分類為耕地、林地、草地、水域、建設用地、未利用地6類[11]。

2.1.2自然地理驅動因子

景觀格局驅動力研究中平均氣溫、平均降水、平均風速、日照時間、平均氣壓、平均水氣壓、平均濕度等自然驅動因子數據來自國家地球系統科學數據中心、中國科學院資源環境科學數據中心，制作步驟主要基于GIS柵格數據處理流程。

LAI(葉面積指數)、FPAR(光合有效輻射)、GPP(總初級生產力)、NPP(凈初級生產力)、LST(地表溫度)、ET(蒸散發量)、NDVI(植被覆蓋度)、EVI(增強型植被指數)等自然驅動因子來自于地理空間數據云，制作步驟主要基于MODIS遙感數據處理流程。

2.1.3社會經濟驅動因子

在景觀格局驅動力的研究中社會經濟驅動因子數據來自流域各縣市的政府統計部門出版的統計公報、年鑒。

2.2 景觀格局動態分析

2.2.1 景觀格局數量動態分析

利用GIS 統計流域范圍內不同景觀類型的面積、景觀轉移數據。利用景觀類型單一動態度、流域景觀整體動態度[12]以及狀態指數[13]分析流域景觀格局的速度變化特征。

2.2.2景觀格局結構動態分析

在斑塊類型層面選取了景觀形狀指數等12個指標。在景觀層面選取了蔓延度指數等9個指標[14]，利用Fragstats計算景觀格局指數并分析流域景觀結構動態。

利用叢聚指數與聚合度對斑塊類型聚合度指數進行修正。斑塊類型修正聚合度G的計算公式為：

結合斑塊類型面積信息、斑塊類型的分布信息對優勢度進行修正。斑塊類型優勢度指標S的計算公式為：

利用不同的權重因子E修正不同斑塊類型的優勢度。強制系數表示斑塊類型轉變的難易程度。蔓延系數表示斑塊類型擴散的難易程度。需求系數表示斑塊類型的需求程度。速度系數表示斑塊類型的變化速度。穩定系數表示斑塊類型的穩定程度。各權重因子如表1所示：

表1 各斑塊類型優勢度權重因子

在景觀層面利用蔓延度指數、景觀聚合度、景觀分離度、分散指數對景觀聚合度進行修正。修正景觀聚合度H的計算公式為：

2.2.3景觀格局梯度動態分析

在GIS中將景觀分類圖像分割并導入Fragstats軟件計算各個格網小區的景觀格局指數。將景觀格局指數計算結果依據格網編號導入GIS中依次選擇不同的景觀指數字段進行插值，即可獲得流域內多個景觀格局指數的空間化柵格圖像。

在GIS中沿城市—林區方向創建梯度取樣線，在空間化后的各景觀指數圖層上取樣，依據取樣數據繪圖即可得到景觀格局指數的梯度變化曲線。

2.3 景觀格局驅動力分析建模

2.3.1 景觀格局驅動力的因子分析

由于景觀指數、驅動因子數據較多，需要進行數據降維，數據降維操作也是后續相關分析、回歸分析的基礎。

將數據導入至SPSS中進行主成分分析，輸出KMO檢驗和Bartlett球形檢驗統計結果，按照特征值大于1對主成分進行篩選。對成分矩陣進行旋轉，保存主成分得分。

輸出的結果中：公因子方差表顯示了每個因子的信息提取率，總方差解釋則顯示了主成分的累積提取率，KMO檢驗和Bartlett球形檢驗的統計結果表示該模型適合因子分析的程度。

2.3.2景觀格局驅動力的相關分析

利用SPSS相關分析計算景觀格局指數及其主成分與自然地理驅動因子、社會經濟驅動因子主成分的相關系數。相關系數反映景觀格局與驅動因子之間變化趨勢的方向以及程度，正值表示正相關，負值表示負相關，相關指數值的絕對值越大表示相關性越強[15]。

2.3.3景觀格局驅動力的回歸分析

利用回歸分析可以研究變量之間的函數關系。回歸方程無法帶入過多的變量，故在回歸分析中只將驅動因子荷載較高的主成分帶入回歸方程。

將景觀格局指數及其主成分與自然驅動因子主成分及社會驅動因子主成分導入SPSS中分別進行回歸分析。利用最大似然估計法估計回歸系數，利用多重判定系數R2判斷方程整體的擬合準確程度，利用F檢驗判斷回歸關系的顯著程度[16]。

3 結果與分析

3.1 景觀格局動態結果與分析

3.1.1 景觀格局數量動態

文峪河流域2000—2018年各景觀類型面積數量動態見表2，景觀類型轉移矩陣見表3，各景觀類型變化速度數量特征見表4。

由表2數據可知：2000—2018年間，耕地面積下降350.06 km2，占總面積比重減少6.93%；林地面積下降37.86 km2，占比減少0.76%；草地面積下降21.59 km2，占比下降0.43%；水域面積增加10.81 km2，占比增加0.22%；建設用地面積增加382.85 km2，占比增加7.61%；未利用地面積增加15.85 km2，占比增加0.32%。

由表3可知：耕地向草地、水域、建設用地、未利用地支出面積，林地向耕地、水域、建設用地、未利用地支出面積，草地向林地、水域、建設用地、未利用地支出面積，水域向建設用地、未利用地支出面積，未利用地對建設用地支出面積；耕地的面積收入來自林地，林地面積收入來自草地，草地面積收入來自耕地；水域面積收入主要來自耕地、林地、草地，建設用地的面積收入主要來自耕地、林地、草地、水域；未利用地的面積收入主要來自耕地、林地、草地、水域；耕地、林地、草地面積為凈支出，水域、建設用地、未利用地面積為凈收入。各景觀類型轉移面積由大到小依次為：耕地、建設用地、草地、林地、未利用地、水域。

表2 文峪河流域2000—2018年各景觀類型面積數量動態

表3 文峪河流域2000—2018年各景觀類型轉移矩陣

表4 文峪河流域2000—2018年不同時段各景觀類型變化速度數量特征

由表4動態度數據可知：相較于2000年耕地、林地面積呈減少趨勢，水域、建設用地、未利用地面積呈增加趨勢。整體而言，水域、建設用地、未利用地的變化速度較耕地、林地、草地快，林地的平均變化速度最慢，未利用地的平均變化速度最快，近年來水域的變化速度趨緩，而建設用地、未利用地的變化速度仍然較快，林地、耕地、草地中，草地的變化速度波動較大，耕地、林地的變化速度較為穩定，2000—2018年流域整體景觀變化率穩定在0.57%左右。

由表4狀態指數結合其計算公式可知：整體來看，耕地的狀態指數接近-1，其轉出的速度遠大于轉入的速度，面積減小；林地的狀態指數均為負數，其轉出速度大于轉入速度，面積呈現減小趨勢；草地的狀態指數逐漸趨向0，可認為草地的轉入與轉出處于雙向轉換下的平衡狀態；水域的狀態指數均為正且接近1，其面積轉入的速度遠大于轉出的速度，面積呈增加趨勢；建設用地的狀態指數接近1，其轉入的速度遠大于轉出的速度，面積呈增加趨勢；未利用地的狀態指數均為正，其轉入的速度大于轉出的速度，面積呈增加趨勢。

3.1.2景觀格局結構動態

文峪河流域斑塊類型層面以及景觀層面景觀格局指數見表5，表6，表7，表8,表9，表10，表11。

2000—2018年間，耕地的形狀指數呈增加趨勢，分維數呈先增加后減少趨勢，整體上不能認為耕地的景觀規則度發生顯著變化；修正聚合度指數呈連續下降趨勢，可認為耕地的破碎程度加劇；優勢度指數呈連續下降趨勢，可認為耕地的優勢程度下降；內聚力指數呈先下降后上升趨勢，整體上可認為耕地的連通性下降；總核心面積和核心面積占比連續下降，可認為耕地的核心面積顯著下降。

表5 耕地景觀格局指數

表6 林地景觀格局指數

2000—2018年間，林地的形狀指數呈波動下降趨勢，分維數呈先增加后減少趨勢，整體上可認為林地的景觀規則度上升；修正聚合度指數呈波動上升趨勢，整體上可認為林地的破碎化程度下降；優勢度指數呈波動變化，整體上可認為林地的景觀優勢程度下降；內聚力指數呈波動變化趨勢，整體上可認為林地景觀連通性下降；核心面積與其占比呈波動變化趨勢，整體上可認為林地的核心面積增加。

表7 草地景觀格局指數

2000—2018年間，草地形狀指數呈連續下降趨勢，分維數呈波動變化趨勢，整體上可認為草地的景觀規則度上升；修正聚合度呈波動增加趨勢，整體上可認為草地的破碎化程度下降；優勢度呈波動增加趨勢，整體上可認為草地的景觀優勢程度上升；內聚力指數呈波動增加趨勢，整體上可認為草地的景觀連通性增加；總核心面積及其占比呈波動增加趨勢，整體上可認為草地的核心面積增加。

2000—2018年間，水域形狀指數呈先增加后減少趨勢，分維數呈波動變化，整體上不能認為水域的景觀規則度發生顯著變化；修正聚合度呈連續增加，可認為水域破碎化程度下降；優勢度持續增加，可認為水域的景觀優勢程度增加；內聚力指數呈波動增加趨勢，整體可認為水域的景觀連通性增加；核心面積及其占比呈連續增加趨勢，可認為水域的核心面積增加。

表8 水域景觀格局指數

表9 建設用地景觀格局指數

2000—2018年間，建設用地的形狀指數呈波動減少趨勢，分維數呈波動減少趨勢，整體可認為建設用地的景觀規則度上升；修正聚合度指數呈波動增加趨勢，整體可認為建設用地的景觀破碎化程度下降；優勢度指數呈連續增加趨勢，可認為建設用地的景觀優勢程度增加；內聚力指數呈連續增加趨勢，整體可認為建設用地的景觀連通性增加；核心面積及其占比呈連續增加趨勢，可認為建設用地的核心面積不斷增加。

表10 未利用地景觀格局指數

2000—2018年間,未利用地的形狀指數呈波動增加趨勢，分維數呈波動增加趨勢，整體可認為未利用地的景觀規則度下降;修正聚合度指數呈波動下降趨勢，可認為其景觀破碎化程度增加;優勢度指數呈連續增加趨勢，可認為未利用地的景觀優勢程度增加；內聚力指數呈波動趨勢，整體可認為未利用地的景觀連通性下降；核心面積及其比例呈波動增加趨勢，可認為未利用地的核心面積增加。

表11 流域景觀層面格局指數

2000—2018年間,流域景觀形狀指數呈波動下降趨勢，分維數呈波動下降趨勢，整體可認為流域的景觀規則度上升；景觀修正聚合度指數呈連續下降趨勢，可認為流域破碎化程度增加；內聚力指數呈波動下降趨勢，整體可認為流域的景觀連通性下降；多樣性指數呈連續增加趨勢，可認為流域的景觀多樣性增加；均勻度指數呈連續增加趨勢，可認為流域景觀均勻度增加；總核心面積呈波動減少趨勢，整體可認為流域整體核心面積減少。

3.1.3景觀格局梯度動態

文峪河流域城市—林區景觀格局指數梯度變化曲線如圖1所示。

由圖1景觀梯度變化曲線可知：

1)景觀形狀指數在城市范圍內的平均值要高于林區，景觀形狀指數在核心林區取到最小值，在城市核心區取到最大值，這表明城市區域的景觀規則度小于林區的景觀規則度。

2)景觀分維數的變化幅度較小。景觀分維數在核心林區取到最小值，在城市中心區取到最大值，景觀分維數梯度曲線的形態與景觀形狀指數有相似的波動變化趨勢，從側面反映了景觀分維數與景觀形狀指數對景觀規則度相似的表征作用。

3)由景觀修正聚合度的計算方式可知，景觀修正聚合度值越小，表示破碎化的程度越高，景觀修正聚合度梯度曲線在城市邊緣區以及林區邊界區域的取值明顯小于城市中心區以及核心林區，而城市中心區的景觀聚合度指數又明顯小于核心林區，景觀修正聚合度在林區邊界區以及城市邊緣區取到最小值，最大值在核心林區取到，這表明城市邊緣區、林區邊界的景觀破碎化程度較高，城市中心區、核心林區的景觀破碎化程度較小，景觀界面的破碎化程度往往比較高。

4)景觀內聚力指數的整體波動范圍較小，該值在城市核心區與林區核心區的差距較小；景觀內聚力指數在城區邊緣與林區邊緣取值較小，最小值在城市邊緣區取到，最大值在核心林區取到，這表明景觀界面的景觀連通性較差，景觀核心區的景觀連通性較好。

5)城市邊緣區及林區邊緣區景觀多樣性指數較高，各景觀類型核心區的景觀多樣性值較小，景觀多樣性指數最大值在城市邊緣區取到，最小值在核心林區取到，這表明景觀界面處的景觀較為多樣化，而景觀核心區的景觀則較為單一。

6)城市邊緣區、林區邊緣景觀均勻度較高，景觀類型核心區該值較低，該值的最大值在林區邊緣取到，最小值在核心林區取到。根據景觀均勻度指數的計算公式可知：0≤均勻度≤1，當整個景觀只有一個斑塊組成時，均勻度=0。當景觀中各斑塊類型面積比重相同時，均勻度=1[14]。由于各類景觀核心區單一景觀類型的面積占比較大，故在景觀核心區景觀均勻度取值較小，相反，在景觀界面不同景觀類型的面積占比較為均勻，故在景觀界面處景觀均勻度取值較大。

7)景觀核心面積梯度曲線在城區邊緣區、林區邊界取值較小，而在核心林區取到最大值，最小值在城市邊緣區取到，這表明景觀界面處景觀核心面積較小，而景觀核心區景觀核心面積較大。

由以上分析可知，眾多衡量景觀格局的指數均表明在流域層次景觀邊緣效應與景觀集聚效應對流域景觀格局的形態特征、空間分布具有顯著影響，同時，由城區到林區的景觀梯度變化則表明人類活動對流域景觀格局具有顯著影響。

3.2 景觀格局驅動機制結果與分析

3.2.1 景觀格局驅動力的因子分析

對景觀指數、自然驅動因子以及社會驅動因子分別進行主成分分析(表12)。本次主成分分析KMO and Bartlett′s Test的值為0.785，在0.01的顯著性水平下，球形檢驗拒絕相關系數矩陣為單位矩陣的原假設，說明該模型適合進行因子分析。其累積方差平方和為：99.021%、97.291%、98.531%，平均因子信息提取率為99.01%、97.32%、98.58%，數據符合主成分分析的要求[17]。經過主成分分析后數據得到了降維，為后續的分析帶來方便，得到的主成分將進入后續的驅動力分析模型。

圖1 文峪河流域景觀層面景觀格局指數梯度變化曲線

表12 景觀指數及自然地理、社會經濟驅動因子主成分旋轉矩陣

3.2.2景觀格局驅動力的相關分析

將各景觀格局指數及其主成分分別與自然地理、社會經濟驅動因子主成分進行相關分析，結果如表13所示。

表13中數據表明：景觀格局的變化與自然地理及社會經濟驅動因子的相關性顯著，景觀格局分別受到自然、社會經濟系統的驅動影響。

3.2.3景觀格局驅動力的回歸分析

選取因子荷載最高的自然地理驅動因子主成分①、自然地理驅動因子主成分②以及社會經濟驅動因子主成分①與各景觀指數及景觀格局指數主成分在SPSS中分別進行回歸分析，得到如表14的結果。

由表14平均多重判定系數R2與平均F檢驗可知,以97.13%的準確率以及80.73%的顯著性水平認為景觀格局的變化受到自然地理驅動因子以及社會經濟驅動因子的綜合驅動。由標準化回歸系數的絕對值可知，就本模型而言，社會經濟驅動因子的驅動作用大于自然驅動因子。由表12對自然地理主成分以及社會經濟主成分進行總結歸納可知：影響景觀格局的驅動力量包括氣候因子、植被因子、經濟因子、人口因子、產業結構因子、工業化因子、投資與農業現代化因子。

表13 景觀格局指數與自然地理及社會經濟驅動因子的相關分析

在土地利用變化驅動力的相關研究中，地形、土壤等驅動因子對土地利用變化的驅動作用顯著，而在景觀格局變化的驅動力分析中，因地形、土壤等因子在短時間尺度上變化不明顯，故未納入模型。結合生態學知識可知，區域在自然演替的狀態下會發展為地形、土壤等頂級格局群落[18-20]。同時地形、土壤的自然地理驅動因子對社會經濟驅動因子具有因子間相互影響。因此，地形、土壤等因素雖然未納入景觀格局驅動模型，但也會對景觀格局產生驅動作用。

自然系統的驅動因子作用于景觀格局的時間尺度與作用機制各不相同，其具體的驅動機制定性分析已有文獻闡述[21-23]。但定量分析仍較少。由景觀驅動機制的相關分析可知，自然地理、社會經濟系統驅動因子對景觀格局的影響是復雜、豐富的。由景觀驅動機制的回歸分析可知，景觀格局受到自然系統、社會經濟系統驅動因子的綜合驅動，社會經濟系統驅動因子的驅動作用更為顯著。結合景觀格局驅動機制的主成分分析可知：經濟與人口發展、產業結構及工業化發展是驅動文峪河流域景觀格局變化的主要驅動力量。

表14 景觀格局指數與自然地理及社會經濟驅動因子回歸分析

4 結論

1)文峪河流域2000—2018年間的景觀動態經歷了快速、復雜的變化。(1)耕地、林地、草地面積有所下降，水域、建設用地與未利用地的面積有所增加。(2)流域的土地利用轉移類型為：耕地向草地、水域、建設用地、未利用地支出面積；林地向耕地、水域、建設用地、未利用地支出面積；草地向林地、水域、建設用地、未利用地支出面積；水域向建設用地、未利用地支出面積；未利用地對建設用地支出面積。(3)水域、建設用地、未利用地的變化速度大于耕地、林地、草地；流域整體土地的變化速度較快；耕地、林地的轉出速度大于轉入速度；草地處于雙向轉換下的動態平衡；建設用地、水域、未利用地的轉入速度大于轉出速度。

2)2000—2018年間，耕地、未利用地的破碎化程度增加，其余地類的破碎化程度下降；耕地、林地、未利用地的連通性下降，其余地類的連通性增加；耕地、水域的規則度無顯著變化，林地、草地、建設用地的規則度上升，未利用地的規則度下降；耕地、林地的優勢度下降，其余地類的優勢度上升；耕地的核心面積下降，其余地類的核心面積增加；流域整體景觀破碎化程度增加，連通性下降，規則度上升，總核心面積下降。城市—林區各景觀指數呈有規律的梯度變化；景觀界面、景觀核心區是重要的梯度節點，梯度變化受到邊緣效應和集聚效應的影響。

3)自然地理驅動因子、社會經濟驅動因子對流域景觀格局變化具有復雜且豐富的驅動作用；不同驅動因子作用于景觀格局的時間尺度及方式不同；在短時間尺度上，人類活動是影響景觀格局變化的最活躍因子，社會經濟系統因素的驅動作用更為顯著，社會經濟驅動因子是區域景觀格局演變的主要驅動力量，經濟與人口發展、產業結構變化及工業化進程是重要的景觀格局驅動力量。