干旱區艾比湖流域典型區域景觀格局脆弱性時空格局變化研究*

張　月，張　飛,3，王　娟，任　巖，王東芳

(1.新疆大學 資源與環境科學學院，新疆 烏魯木齊830046；2.新疆大學 綠洲生態教育部重點實驗室，新疆 烏魯木齊 830046；3.新疆智慧城市與環境建模普通高校重點實驗室，新疆 烏魯木齊 830046)

?

干旱區艾比湖流域典型區域景觀格局脆弱性時空格局變化研究*

張月1,2，張飛1,2,3，王娟1,2，任巖1,2，王東芳1,2

(1.新疆大學 資源與環境科學學院，新疆 烏魯木齊830046；2.新疆大學 綠洲生態教育部重點實驗室，新疆 烏魯木齊 830046；3.新疆智慧城市與環境建模普通高校重點實驗室，新疆 烏魯木齊 830046)

摘要:以新疆艾比湖流域典型區域為研究區，利用1998、2011和2013年3個時期的 TM /OLI遙感影像為數據源，通過計算相關景觀指數，構建景觀脆弱度指數，并把研究區劃分為低、較低、中、較高、高脆弱區5個脆弱度等級。使用地統計學和空間自相關模型分析的方法對研究區景觀脆弱度的空間分布特征、變異規律以及空間關聯格局進行分析。結果表明：①1998-2013年，研究區的主要景觀類型是未利用地和耕地，其主要特征為耕地景觀面積顯著增加，其他景觀面積減少；②在研究期間內，研究區的景觀脆弱度呈顯著下降趨勢，并且其等級的空間變化較為顯著；③嘗試使用?；鶊D來表達脆弱度等級之間的相互轉換，結果可知脆弱度等級之間轉換頻繁，且轉換速率均較高；④1998-2013年，研究區景觀格局Moran’s I表現為一定程度的正相關，且相關程度呈上升的趨勢；景觀脆弱度局部空間自相關和顯著性水平發生了明顯的變化。正確客觀地認識和評價艾比湖區域的生態環境，有利于實現自然環境的保護，為人類的可持續發展服務。

關鍵詞:艾比湖流域；典型區域；景觀格局；脆弱度；地統計學；空間關聯格局

環境的可持續發展問題日益受到科學界的廣泛關注，生態系統的結構功能成為研究的熱點問題[1-2]。當前，最受社會和科學界關注的是人類活動與環境的相互作用導致的生態系統的退化、脆弱性程度等問題[3-4]。生態脆弱度是自然環境的變化、人類活動干擾及其相互作用而導致的生態環境問題的難易程度及其可能性大小[5-6]。景觀脆弱度反映景觀生態系統所受到的干擾及脆弱程度。景觀格局的脆弱性評價及其動態變化研究已經成為景觀生態學的研究熱點和重要研究領域[7]。

近年來，國內學者們主要通過單一型及綜合型指標體系對景觀格局的生態系統脆弱性進行分析研究。國外對于生態脆弱性的研究比較關注全球的氣候變化，尤其是全球背景下景觀生態系統脆弱性的響應變化[8]，氣候變化會致使景觀生態系統的功能及結構發生變化[9]。部分國外的學者進行了景觀脆弱度在森林管理等方面應用的研究[10-11]。國外相關研究借助于RS、GIS等技術深入到各類型研究區域與景觀學相結合，針對各種環境條件構建多種脆弱性評價體系[12-13]，對其脆弱性評價進行分析。

近幾十年來，艾比湖的湖區面積不斷萎縮，景觀格局不斷發生變化，導致敏感性和脆弱度發生變化，這使艾比湖流域的經濟發展以及生態環境受到了很大的威脅[14-15]。因此，本文以艾比湖流域典型區域為研究區，綜合考慮其景觀特點，構建比較科學的景觀指標，對研究區景觀格局脆弱性的空間分異規律及關聯格局進行分析。

1研究區概況

艾比湖流域典型區域位于44°32′～45°08′N，82°04′～83°32′E[16]，主要包括兩個區域：艾比湖沿岸地區和地處艾比湖流域的中部偏西(包括艾比湖湖區)地區，如圖1所示。艾比湖區域表現為典型的中溫帶干旱大陸氣候，對氣候變化及人類活動的影響具有較強的敏感性[17]。近40年來，艾比湖由于入湖水量的減少，湖面急劇萎縮，干涸湖地已淪為鹽漠，成為浮塵天氣發源地。由于人為和自然因素等原因，研究區的生態環境遭到破壞，嚴重影響了生態系統的平衡。艾比湖湖區的景觀動態變化劇烈，在區域環境演變過程中具有強烈的響應特征。艾比湖流域既是我國內陸荒漠中的荒漠物種集中分布區，又是指征準噶爾盆地生態環境變化的關鍵地區[18]。

圖1　研究區地理位置

2研究方法

2.1數據來源及處理方法

本研究的數據來源主要為1998年的TM、2011年和2013年的OLI遙感影像(時相為植被生長茂盛的6-10月份)，同時選用艾比湖流域的遙感影像和其他相關統計資料作為輔助數據。以ENVI4.8軟件為平臺，對研究區各期的遙感影像進行校正及配準等預處理。結合研究的需要，依據研究區的土地覆被狀況以及當地的實際景觀類型的特點將研究區劃分為耕地、林地、草地、水體、裸露的河床及鹽漬地、未利用地等6類景觀類型，利用最大似然法進行監督分類。結合Google Earth和野外采樣點實地考察校正，得到研究區1998年、2011年以及2013年的土地類型分類圖，經統計各土地利用與覆蓋的解譯精度均在89%以上。

2.2單元網格的劃分

依據研究區的景觀格局及生態系統的特點，本研究為了保證尺度內信息的完整性及定量評價的準確性,將研究區劃分為8 km×8 km的正方形樣地，共有樣區231個，即景觀脆弱度小區，對景觀損失度指數進行空間化。計算每個采樣區的景觀脆弱度值，并把該值作為采樣區中心點的屬性值。

2.3景觀格局指數及景觀脆弱度的構建

景觀格局是指由自然條件原因和人類活動共同作用而形成的，形狀、大小、排列不同的各類景觀在空間的排列，不但可以具體表現景觀的異質性，而且也是在干擾的影響下各種生態過程在不同尺度上作用的結果[19]。本文以景觀格局特征為基礎，參考國內學者[20-21]的相關研究，選取7個最佳景觀指數 (表1)。

景觀格局受到危害性和不確定性因素的作用后會表現出不同程度的敏感性和和適應性。本文利用景觀敏感度指數和景觀適應度指數，引入景觀脆弱度指數LVI，其指數可以客觀地、定量化地描述景觀格局在受到外界干擾時所表現的敏感性及景觀格局的結構、功能和特性發生改變程度。用于描述每一個采樣區景觀脆弱度的相對大小，景觀脆弱度指數LVI的計算公式為[20]：

LVI=LSI×(1-LAI)。

(1)

2.4空間統計學方法

2.4.1地統計學分析方法

地統計學是一系列監測、模擬和估計變量在空間上的相關關系和格局的統計方法[27]。具體計算公式為[27]：

…,N(h))。

(2)

式中：γ(h)為變異函數；h為步長，即為了減少各樣點組合對的空間距離個數而對其進行分類的樣點空間間隔距離；N(h)為間隔距離為h時的樣點對數；Z(xi)和Z(xi+h)分別為景觀脆弱度指數在空間位置xi和xi+h上的觀測值。

2.4.2空間自相關分析方法

空間自相關是檢驗某一要素的屬性值與其相鄰空間上的屬性值是否顯著相關聯的重要指標，揭示了空間參考單元與其鄰近的空間單元屬性特征值之間的相似性或相關性。本文選用Moran’sI指數(全局空間自相關)和LISA指數(局部空間自相關)對景觀脆弱度的空間相關度進行分析研究。

Moran’sI系數反映空間鄰近區域單元屬性值的相關程度，Moran’sI其絕對值越趨近于1，表明研究單元的空間自相關程度越強。全局Moran’sI指數用于驗證整個研究區域某一要素的空間相關關系，其表達公式為[27]：

表1　景觀格局指數計算方法

注：ni為景觀類型i的斑塊數；Ai為景觀類型i的總面積；li為景觀類型i的距離指數；A為景觀總面積；Fi為景觀分維數；Pi為景觀類型i的周長；PRD斑塊豐度密度指數SHDI為香農多樣性指數；SHEI為香濃均勻性指數，a,b,c為相應各景觀指數的權重，且a+b+c=1，根據對相關研究的分析，結合本研究區的實際情況分別賦以景觀破碎度指數、分離度指數和分維數0.5、0.3和0.2的權重。

表2　景觀類型各年面積比例

(3)

式中：xi為第i地區的屬性值；n為柵格數；Wij為二進制的鄰接空間權重矩陣，表示空間對象的鄰接關系。i=1,2,3…，n；j=1,2,3…，m；當區域i和區域j相鄰時，Wij=0。Moran’sI一般在-1～1之間，大于0為正相關，小于0為負相關，等于0為不相關[25]。

LISA指數(局部空間自相關)是將Moran’sI值分解到每個空間單元進行分析，該值可以有效地反映空間變量值的高值或低值的局部空間聚集，從而反映局部空間空間異常特征[27]。因此，進行局部空間自相關分析具有重要的意義。如果全局空間自相關不存在時，可以尋找可能被掩蓋的局部空間自相關的位置；而全局空間自相關存在時，

可以對是否存在空間異質性探討分析。其公式為[20,27]：

(4)

3結果與分析

3.1景觀類型變化特征分析

本文依據研究區的土地覆被狀況以及當地的實際景觀類型的特點，利用RS和GIS技術，對遙感圖像進行監督分類，得到艾比湖1998年，2011年，2013年的景觀類型圖(圖2)。

圖2　1998年、2011年和2013年土地類型圖

年份模型塊金值基臺值塊金值/基臺值變程/m決定系數R2殘差1998線狀模型0.0045730.0051960.120110.400.7829.875×10-082011指數模型0.0034000.0101100.664736.800.9195.763×10-072013線狀模型0.0036040.0050950.293109.850.8421.435×10-06

圖3　景觀格局脆弱度的克里格插值

根據圖2及表2進行分析可知，未利用地和耕地是研究區的主要景觀類型。本研究區未利用地約占研究區大部分區域，且占總面積比例分別為74.66%，69.42%，69.72%，分布著大量的山地以及沙地等未利用地地區，這些地區由于地形地貌、氣候以及土壤等自然原因，暫時未能被利用。從圖2中可知，1998-2013年間，草地、林地及水體的面積均減少。林地和草地分布較為分散，破碎度大。耕地面積在各年的面積比例一直呈不斷上升的趨勢，至2013年，其面積增長為總面積的17.97%。人們大量開墾荒地，使耕地類型的面積增大，需要大量的水進行灌溉，因此艾比湖水體的面積有減小的趨勢，以至于湖水萎縮，裸露的湖底沙漠鹽漬化，引起植被衰敗，草場沙化。艾比湖區域生態質量存在進一步退化的趨勢。

3.2區域景觀脆弱度時空分異

3.2.1基于地統計學的理論模型擬合分析

根據式(5)的計算，得到每個采樣區的景觀脆弱度值。ArcGIS軟件的地統計模塊限制了數據的計算，因此借用地統計軟件GS+對樣本變異函數理論模型擬合。在本研究中，選擇決定系數高，而殘差小的最優模型，結果見表2。

通過分析比較發現，1998年，2011年和2013年擬合效果最為理想的模型均為線狀模型。研究區的景觀脆弱度指數的塊金值C0表示景觀格局受非結構性因素影響而變化的程度大小。非結構性因素主要為自然因素和人為因素[20]。1998年、2011年和2013年的塊金值/基臺值(C0/(C0+C))值分別為12.0%，40.4%和29.3%，說明在1998-2011年人類活動對景觀格局的影響程度加深，而在2011-2013年該值由40.4%降低為29.3%，說明了人類活動對景觀格局的影響程度有所影響，但與前一時段相比影響程度有所降低。1998年、2011年、2013年研究區景觀格局空間變異的變程分別為110.40 m，108.46 m，109.85 m，表明景觀格局脆弱度在8 km采樣間距內具有較高的空間相關性。脆弱度指數在小尺度上的隨機變異逐步向大尺度變化。

3.2.2脆弱度的時空演變及驅動因素分析

運用ArcGIS10.1軟件對各研究期的景觀脆弱度值進行普通克里格法插值。本文為了便于分析景觀脆弱度的時空變化特征，采用相對指標法對采樣區的脆弱度LVI進行等級劃分。本文將研究區劃分為5個等級分區，即低脆弱區、較低脆弱區、中脆弱區、較高脆弱區、高脆弱區(圖3)，并對研究區的231個采樣區的脆弱度等級所占的面積進行了統計[23](圖4)。

圖4　景觀脆弱分區各年比例及其變化

如圖3所示，在1998-2013年間，研究區的景觀格局脆弱度呈顯著下降趨勢，脆弱度等級空間結構變化較為顯著。根據圖4可知，較低脆弱區和中脆弱度的面積的比例變化較為明顯。1998年較低脆弱區占總面積的17.325%，到2013年增加為40.888%。然而，中脆弱區從1998年的占總面積47.421%減小到2013年的29.997%，高脆弱區的面積大小以及空間位置基本發生變化不明顯。

從圖4中各分級區的變化來看，1998年研究區內處于低脆弱區和較低脆弱區主要分布于研究區的東部及東北部地區的未利用地。中、較高脆弱區的面積比例為47.421%，31.632%，主要分布于研究區的綠洲地區。高脆弱度的地區占全區的2.601%，主要分布在耕地與艾比湖湖區的過渡區，景觀類型較為復雜，相互轉換較敏感。2011年，低、較低脆弱區的面積增加顯著。中、較高脆弱區面積有所減小，分別約占總面積的40.120%，和27.648%。2013年，研究區內處于低脆弱和較低脆弱區的占總面積比例呈現遞增的趨勢，人們提高了土地利用率，增加耕地的面積，使原來的景觀類型的空間結構發生變化。綜上所述，低脆弱區和較低脆弱區的空間分布格局與當地景觀格局的客觀事實較為一致。

3.3景觀脆弱度等級轉換

利用ArcGIS軟件，將研究區1998、2011和2013年的脆弱度等級分布圖相互疊加，并對1998-2011年和2011-2013年2個時間段內的各等級相互轉化方向和面積進行統計。為了方便直觀可視化的進行分析，本文嘗試使用Sankey3.2軟件?；鶊D來顯示這兩個時間段內的各生態脆弱等級之間的相互轉換(圖5)。

圖5　1998-2011、2011-2013年兩個時間段的脆弱度程度動態相互轉換?；鶊D

圖5是由三個多層垂直堆疊的矩形圖所組成的矩形條代表研究區1998年、2011年、2013年的景觀脆弱度圖。堆疊的每個矩形圖形象的表示每個景觀脆弱度等級的豐度。堆疊矩形圖中的每個組成部分的高度與其相對豐度成正比。垂直排列的

矩形圖表示景觀脆弱度的等級。三個矩形條之間的水平距離表示時間間隔。矩形條之間線條表示脆弱度等級之間轉換，其寬度與轉換面積成正比。圖5中為了減少視覺上的混亂,選擇一個閾值應用于持久性映射和轉換,這樣所有小于閾值的沒有進行描述。

本文進一步對兩個時間段內的各脆弱度等級轉化方向和面積進行分析統計。如表4所示。

如表3所示，1998-2013年各脆弱度等級相互轉換可知：由高等級向低等級轉變的面積大于由低等級向高等級轉變的面積，脆弱度等級之間的轉換較為頻繁。在1998-2011年期間，脆弱度等級上升的面積約為11 562.021 hm2，脆弱度等級下降的面積為13 606.637 6 hm2。較低脆弱度轉為低脆弱度速率最高，高達768.093 1 hm2/年。由高級脆弱度轉為低級脆弱度等級速率均較低。2011-2013年間，景觀脆弱度等級整體呈顯著降低趨勢。對比2個時間段的脆弱度等級的年均轉化速率可知，2011-2013年各景觀類型的轉換速率均高于1998-2011年的轉換速率。近些年來，當地居民的經濟活動頻繁，致使各種地類之間的轉變速率越來越復雜。根據分析，另一原因為脆弱度等級分級時，有很多值處于臨界值，因此出現此結果。

3.4區域景觀格局脆弱度的空間關聯格局分析

3.4.1全局自相關分析

為了更好地理解景觀脆弱度及其變化趨勢，本文以研究區景觀脆弱度為空間變量探索分析其空間分異特征。通過確定某一變量是否在空間上相關及其相關程度大小，來定量地描述要素在空間上的依賴關系。本文利用Geoda095i軟件，根據1998年、2011年和2013年景觀格局脆弱度值得到表中：12：低脆弱度→ 較低脆弱度；21：較低脆弱度→ 低脆弱度；23：較低脆弱度→中脆弱度；31：中脆弱度→低脆弱度；32：中脆弱度→較低脆弱度；34：中脆弱度→較高脆弱度；41：較高脆弱度→低脆弱度；42：較高脆弱度→較低脆弱度；43：較高脆弱度→中脆弱度；45：較高脆弱度→高脆弱度；53：高脆弱度→中脆弱度；54：高脆弱度→較高脆弱度。

表4　1998-2013年各脆弱度等級相互轉換

圖6　景觀格局脆弱度Moran 散點圖注：HH:高值被其他高值所包圍 LH:低值被其他高值所包圍 LL:低值被其他高值所包圍 HL:高值被其他低值所包圍

圖7　艾比湖流域3個時期景觀格局脆弱度局部空間自相關LISA集群圖

圖8　艾比湖流域3個時期景觀格局脆弱度局部空間自相關LISA顯著性水平

Moran’s I散點圖(圖6)。

各時期的全局Moran’s I值分別為0.397 6、0.482 0、0.485 3，整體呈上升的趨勢，尤其是在1998-2010年期間，Moran’s I指數顯著增加，表明研究區景觀格局脆弱度存在較強的正相關及一定的內在聯系，其空間分布不是隨機的，而是存在著趨于集群的現象。標準差分別為0.043 2、0.046 5、0.043 6，表明景觀脆弱度空間趨同集聚現象明顯，總體水平較為平穩。

3.4.2局部自相關分析

為了更好地理解景觀脆弱度的空間分布特征，本文進一步對采樣區的景觀格局脆弱度進行局域空間關聯格局分析，得到LISA集聚圖(圖7)和LISA顯著性水平圖(圖8)。

從圖7中可以看出，1998年“高-高”值區主要分布在研究區的中部地區及西南部的部分地區，這里人類活動較為頻繁，草地、林地等景觀類型轉換為耕地，導致這一區域景觀破碎度較大，景觀格局脆弱度則呈現增強的趨勢。再者，因為該地區位于艾比湖湖區的湖岸，在耕地與湖岸交界處景觀類型復雜，致使該地區景觀脆弱度較高?！暗?低”值區分布較為分散，主要位于研究區的東部地區，該地區景觀類型單一，多為沙地、山地等未利用地。

1998-2011年研究區景觀格局脆弱度集群結構發生了變化?！案?高”值區向西南部的地區轉移，人們長期開墾荒地，景觀類型之間轉化頻繁，該區域分布著耕地、草地、林地等景觀類型，生態系統多樣性提高，系統內部的穩定性增強。然而“低-低”值區有明顯的增加，主要是在東北部的區域增大。其原因在于這里景觀類型單一，主要是基質景觀的未利用地。

從2011-2013年研究區景觀格局脆弱度的空間結構發生了明顯的變化。“高-高”值區向研究區中部轉移， 并且在該地區出現集聚現象，高值區內有大面積的耕地等景觀類型。研究區的“低-低”值的大部分面積分布空間位置大致不變，依然是山地，沙地等未利用地。

LISA集聚圖可以直觀地反映出“高-高”、“低-低”、“高-低”及“低-高”值區域的空間分布，LISA顯著性水平圖則可以在空間上反映出景觀格局脆弱性的顯著性水平(見圖8)。

根據圖7可知，1998年景觀格局脆弱度“高-高”值區域絕大部分達到0.01顯著水平，部分地區達到0.05顯著水平，而“低-低”值區分布區域一般達到0.01顯著水平。2011年景觀格局 脆弱度的空間結構發生變化，位于研究區西南部“高-高”值區域的大部分地區達到0.01顯著水平，有的地區甚至為0.01顯著水平。而位于研究區東北部的“低-低”值區域的大部分地區達到0.05顯著水平，較“高-高”值區的顯著水平有下降的趨勢。在2013年景觀格局脆弱度，位于研究區東北部“低-低”值區部分地區達到0.05顯著性水平，部分地區達到0.01顯著性水平，研究區中部的“高-高”值區區域的顯著性水平相對較強。大部分地區達到0.01顯著性水平，只有部分地區達到0.05顯著性水平。

4結論與討論

本研究以艾比湖流域的典型區域為研究區，利用景觀敏感性和景觀適應性兩個指數構建景觀脆弱度，比較客觀地、定量化地揭示出研究區生態系統的景觀脆弱度的特征。本研究有利于認識艾比湖區域生態環境的空間特征，合理的進行土地利用和管理以達到改善生態環境功能和可持續發展的要求。研究結果表明：

(1)根據研究區景觀類型變化特征分析可知，未利用地和耕地是研究區的主要景觀類型。然而耕地面積在各年的面積比例一直呈不斷上升的趨勢。林地、草地、水體的面積均減少，其中林地和草地分布較為分散，破碎度大。

(2)1998-2013年間研究區脆弱度空間格局整體呈顯著下降的趨勢，較低脆弱區和中脆弱度的面積的比例變化較為明顯。1998年較低脆弱區占總面積的17.325%，到2013年，增加為40.888%。然而，中脆弱區從1998年的占總面積47.421%減小到2013年的29.997%，高脆弱區的面積大小以及空間位置基本變化不明顯。

(3)兩個時間段由高等級向低等級轉變的面積均大于由低等級向高等級轉變的面積。對比2個時間段的脆弱度等級之間的年均轉化速率可知，脆弱度等級轉換頻繁，且轉換速率均較高。2011-2013年各景觀類型的轉換速率均高于1998-2011年的轉換速率。

(4)全局Moran’s I值在1998、2011、2013年分別為0.397 6、0.482 0、0.485 3，整體呈上升的趨勢。尤其是在1998-2011年，Moran’s I指數呈現顯著增加，表明研究區景觀格局脆弱度存在較強的正相關，存在一定內在聯系，其空間分布并不是隨機的，而是在空間上存在趨于集群的現象。局部空間自相關表明，景觀格局脆弱度的集聚結構在1998-2013年間發生明顯變化。

影響景觀脆弱度的因素很多，本文建立的基于景觀格局的評價體系還不夠完善，在對艾比湖區域進行生態脆弱區評價時尚有些因素未進行考慮，評價的方法和過程還有待進一步完善。

參考文獻：

[1]任小玢, 胡光印, 董治寶. 沙漠化脆弱性的概念與評價[J]. 中國沙漠, 2015, 35(1): 40-50.

[2]Komiyama H,Takeuchi K.Sustainability science:building a new discipline[J]. Sustainability Science, 2006, 1(1): 1-6.

[3]蔡運龍, 宋長青, 冷疏影. 中國自然地理學的發展趨勢與優先領域[J]. 地理科學, 2009, 29(5): 619-626.

[4]張龍, 宋戈, 孟飛, 等. 寧安市土地生態脆弱性時空變化分析[J]. 水土保持研究, 2014, 21(2): 133-137, 143.

[5]潘竟虎, 任梓菡. 基于景觀格局和土壤侵蝕敏感性的蘭州市生態脆弱性評價[J]. 土壤, 2012, 44(6): 1015-1020.

[6]馬真臻 ,王忠靜 ,顧艷玲, 等. 中國西北干旱區自然保護區生態脆弱性評價—以甘肅西湖、蘇干湖自然保護區為例[J].中國沙漠, 2015, 35(1): 253-259.

[7]劉晶, 劉學錄,侯莉敏. 祁連山東段山地景觀格局變化及其生態脆弱性分析[J]. 干旱區地理, 2012, 35(5): 795-805.

[8]喬青. 川滇農牧交錯帶景觀格局與生態脆弱性評價[D]. 北京: 北京林業大學, 2007.

[9]馬駿. 三峽庫區重慶段生態脆弱性動態評價[D]. 重慶: 西南大學, 2014.

[10]Nitschke C R, Innes J L. Integrating climate change into forest management in South-Central British Columbia: an assessment of landscape vulnerability and development of a climate-smart framework[J]. Forest Ecology and Management, 2008, 256: 313-327.

[11]Aretano R, Semeraro T, Petrosillo I.et al. Mapping ecological vulnerability to fire for effective conservation management of natural protected areas[J].Ecological Modelling, 2015, 295: 163-175.

[12]Kamaljit S B, Gladwin J, Siddappa S. Poverty, Biodiversity and institutions in forest-agriculture ecotones in the western ghats and eastern himalaya ranges of india [J].Agriculture, Ecosystems and Environment, 2007, 121: 287-295.

[13]Mortberg U M,Balfors B,Knol W C. Landscape Ecological Assessment: A Tool for Integrating Biodiversity Issues in Strategic Environmental Assessment and Planning [J] Journal of Environmental Management, 2007, 82: 457-470.

[14]謝霞, 王宏衛, 塔西甫拉提·特依拜. 艾比湖區域生態脆弱性評估與保護[J]. 新疆農業科學, 2012, 49(3): 531-536.

[15]任建麗, 金海龍, 葉茂, 等. 艾比湖濕地自然保護區水質分析與評價[J]. 干旱區資源與環境, 2011, 25(5): 154-157.

[16]張飛, 王娟, 塔西甫拉提·特依拜, 等. 1998—2013年新疆艾比湖湖面時空動態變化及其驅動機制[J]. 生態學報, 2015, 35(9): 2848-2859.

[17]李新琪, 金海龍. 基于CBERS-2遙感數據的艾比湖流域景觀生態分類系統[J]. 干旱區地理, 2007, 30(5): 736-741.

[18]王璐, 丁建麗. 基于景觀尺度的艾比湖保護區LUCC變化及其驅動力分析[J]. 水土保持研究, 2015, 22(1): 217-223.

[19]張飛, 塔西甫拉提·特依拜, 曹鑫, 等. 干旱區內陸艾比湖流域景觀格局時空變化及生態安全評價[J]. 水土保持通報, 2015, 35(1):249-255，363.

[20]孫才志, 閆曉露, 鐘敬秋. 下遼河平原景觀格局脆弱性及空間關聯格局[J]. 生態學報, 2014, 34(2): 247-257.

[21]高賓, 李小玉, 李志剛, 等. 基于景觀格局的錦州灣沿海經濟開發區生態風險分析[J]. 生態學報, 2011, 31(12): 3441-3450.

[22]趙彩霞. 甘肅白龍江流域生態風險評價[D]. 蘭州: 蘭州大學, 2013.

[23]阿斯耶木·圖爾迪, 阿里木江·卡斯木. 基于多源遙感數據的奎屯是城市擴張研究分析[J]. 水土保持研究, 2013, 20(2): 233-237.

[24]鞏杰, 謝余初, 趙彩霞, 等. 甘肅白龍江流域景觀生態風險評價及其時空分異[J]. 中國環境科學, 2014, 3(8): 2153-2160.

[25]閆曉露. 下遼河平原景觀格局脆弱性與景觀變化驅動力研究[D]. 沈陽：遼寧師范大學, 2014.

[26]胡金龍, 王金葉, 鄭文俊, 等. 基于土地利用變化的桂林市區生態風險評價[J]. 中南林業科技大學學報, 2013, 33(3): 84-88，97.

[27]鞏杰, 謝余初, 趙彩霞, 等. 甘肅白龍江流域景觀生態風險評價及其時空分異[J]. 中國環境科學, 2014(8): 2153-2160.

*收稿日期：2015-12-15修回日期：2016-02-22

基金項目：自治區青年科技創新人才培養工程項目(2013731002)；國家自然科學基金項目(41361045；41130531)；新疆綠洲生態(教育部省部共建)重點實驗室開放課題(XJDX0201-2012-01)

第一作者簡介：張月(1990-)，女，山東五蓮人，碩士研究生，主要從事干旱區生態環境遙感應用研究. E-mail: zhangyueXINJIANG@163.com 通訊作者：張飛(1980-)，男，陜西鳳翔人，副教授，博士，主要從事干旱區資源與環境遙感應用研究. E-mail: zhangfei3s@163.com

中圖分類號：X43

文獻標志碼：A

文章編號：1000-811X(2016)03-0222-08

doi:10.3969/j.issn.1000-811X.2016.03.038

Evaluation of the Landscape Patterns Vulnerability and Analysis of Spatial-Temporal Patterns in the Typical Region of the Ebinur Lake

ZHANG Yue1, 2, ZHANG Fei1, 2, 3, WANG Juan1, 2, REN Yan1, 2and WANG Dongfang1, 2

(1.CollegeofResourcesandEnvironmentScience,XinjiangUniversity,Urumqi830046,China;2.KeyLaboratoryofOasisEcology,XinjiangUniversity,Urumqi830046,China; 3.KeyLaboratoryofXinjiangWisdomCityandEnvironmentModeling,Urumqi830046,China)

Abstract:Taking the typical region in the Ebinur Lake Basin as the study area, using 1998, 2011 and 2013 3 period TM /OLI sensing image as data source, by calculating the landscape index, constructing landscape vulnerability index and the study area is divided into low, low, high, high vulnerability areas five vulnerability level. The spatial distribution characteristics, variation pattern and spatial association pattern of landscape vulnerability in study area were analyzed by using the method of geo statistics and spatial autocorrelation model. The results showed that: 1998-2013, the main types of landscape in the study area are the unused land and the cultivated land. The main feature is the significant increase in the area of cultivated land, and the other landscape area is reduced. During the study period, the landscape vulnerability of the study area showed a significant downward trend, and the spatial variation of the grade of the study area was significant. The results show that the transition between vulnerability level is frequent and the conversion rate is relatively high. Fourthly, 1998-2013, landscape pattern in the study area Moran ’s I is a certain degree of positive correlation, and is closely related to the extent of a rising trend; fragile landscape of local spatial autocorrelation and significant level occurred obvious change. Correct and objective understanding and evaluation of AI Lake region’s ecological environment, conducive to the realization of the protection of the natural environment for the sustainable development of human.

Key words:the typical region of the Ebinur Lake; landscape patterns vulnerability; geo-statistics; spatial correlation patterns

張月，張飛，王娟，等. 干旱區艾比湖流域典型區域景觀格局脆弱性時空格局變化研究[J].災害學, 2016,31(3):222-229.[ZHANG Yue, ZHANG Fei, WANG Juan, et al.Evaluation of the Landscape Patterns Vulnerability and Analysis of Spatial-Temporal Patterns in the Typical Region of the Ebinur Lake[J].Journal of Catastrophology, 2016,31(3)：222-229.]