1995年和2015年金華市植被空間網絡變化分析*

王 敏， 梁勤歐， 劉富強

(浙江師范大學 地理與環境科學學院,浙江 金華 321004)

網絡是節點與邊的集合，空間網絡是具有位置信息的網絡類型，可高度抽象真實情境，是國內外新興的研究熱點，但目前在自然環境與資源領域研究中應用得較少.植被是人類賴以生存的自然環境中的重要要素之一，深入探討植被分布的變化規律對合理設計環境措施的方案具有重要意義[1].地球表面自然條件的復雜性與多樣性導致了植被分布呈現出各種復雜的組合.陸地生態系統中,氣候帶的植被類型及其分布規律主要受水熱條件兩個主導因子控制[2].傳統的植被分布研究停留在應用遙感影像上，它通過植被指數(NDVI)的提取來研究單個環境因子影響下植被靜態分布的狀況，如氣候變化[3]、土壤特性[4]、地形[5]、河流[6-7]等，對人為干擾的分析僅僅停留在感性認識和定性分析層次上，僅有部分研究利用空間定量指標描述植被景觀的空間結構與形態變化[8].但實際上隨著人類生活范圍的擴張，人為干擾已經對植被分布產生了巨大的影響.

空間網絡(spatial network)即具有空間位置屬性的網絡.凡是涉及地理環境的問題都具有非線性與復雜性等特點[9]，已經有一些學者運用網絡理論，將自然地理各要素抽象為點(node)與邊(edge)，挖掘其內在屬性機制.如河流網絡(river network)是一個遠離平衡態的、自組織的、開放的網絡[10]，是一個典型的空間網絡；20世紀90年代，有學者開始應用復雜網絡理論來研究河流網的形成及演化機理[11-13]；田劍等[14]以黃土高坡為研究對象，利用DEM(dynamic effect model)數據提取重要地形特征的點與線，建立地形的網絡模型.目前，大部分研究是利用復雜網絡的特征來描述網絡特性，對于形成機制及演變的探討還不夠深入，在地形、植被、流域等方面還有待于進一步研究，同時也忽視了人為干擾或地表改造對其造成的影響.實際上，植被作為一種面狀要素在空間地理位置上存在重要屬性特征.運用網絡理論分析其拓撲結構可以反映許多重要性質.盡管自20世紀70年代起，空間網絡的演化這一問題就已經被提出來，其應用范圍的探討仍是一個重要議題[15].

金華市是典型的南方亞熱帶地區山地丘陵間河谷盆地城市，研究其植被網絡對于同類型城市具有代表意義.因此，本文利用空間網絡分析方法，運用設計工作程序提取1995年和2015年金華市植被分布區域輪廓的基本幾何特征，選定合理的搜索半徑，構建金華市植被空間網絡，并對節點與邊分別賦予權重，通過分析其網絡特性，進一步探討網絡變化特征及原因機理，挖掘金華市人類活動對植被覆蓋的影響.

1 研究區與數據處理

1.1 研究區域概況

金華市位于119°14′～120°46′ E，28°32′～29°41′ N，是浙江省中部城市.位于金衢盆地東段，地勢南北高、中部低，境內山地以500～1 000 m為主，分布在南北兩側，最高峰為牛頭山主峰，海拔1 560.2 m.從氣候上看，金華市屬于亞熱帶季風氣候，四季分明，雨熱豐富，年均溫17.5 ℃，年降水量1 952.5 mm，山區偏多一些，時空分布不均勻.受盆地地形的影響，氣候分布有一定的垂直差異.金華市在植被分區中屬于亞熱帶常綠闊葉林帶，植物資源1 500余種.

1.2 數據預處理

根據研究的需求及數據的可獲得性，本文所需的研究數據為金華市遙感影像、行政邊界圖、DEM數據.其中包括1995年和2015年金華市Landsat 7 TM/ ETM+影像的遙感影像數據，為了保證植被區提取的精度，對遙感圖像進行了幾何精校正、輻射定標、大氣校正等處理.DEM數據分辨率為30 m×30 m，下載自地理空間數據云，拼接后用行政邊界矢量圖進行裁剪，并進行矢量化.

考慮到地形因素時發現，金華市山區面積廣大，植被覆蓋率較高.廣大的山區自然植被平均面積大，具有變化小、數目少、彼此距離遠、對網絡支配力度強等特點，金華市偏遠地區的植被分布區域反而不能體現植被在人為干擾下的時空變化.城市地區是人類活動的中心，城市發展對自然環境的影響是深遠的，特別是植被區域本身就具有一定的經濟與生態價值.為了研究受人類強烈活動影響的區域植被變化特征，本文從金華市DEM圖像中提取坡度信息，選擇坡度≤10°的區域作為研究范圍.這樣，本文就以婺城區、永康、義烏、東陽等幾個經濟發達、人口集中的區域作為主要的研究區.

(a)坡度信息圖

(b)≤10°坡度提取結果

圖1 金華市坡度信息提取結果

2 研究方法

2.1 提取植被信息

選擇適當的研究區域后，利用地理信息軟件對1995年和2015年的遙感數據進行信息解譯.在ENVI 5.0中建立感興趣區(region of interest，ROI)，將遙感圖像地物分為植被、水體、建筑、裸地等類型，分類精度為96%，運用支持向量機分類方法(support vector machine，SVM)對遙感圖像做監督分類處理.分類結果矢量化后，使用主次要分析(majority/minority analysis)、聚類(clump)、合并(combine)、篩選(sieve)等功能保留具有研究意義的數據結果.

在Arc GIS中加載以上結果，以圖1(b)為底圖，進行目視解譯工作與矢量化，提取出植被區域輪廓范圍為面狀數據,以此作為研究對象.

2.2 構建植被空間網絡

在面狀數據的基礎上，經過程序運行得到區域的質心作為網絡的節點，質心即單個研究對象點集合位置的算術平均值.此外，定義一個新的參數“搜索半徑”，某一點的搜索距離即它與另一個節點的歐氏距離，半徑內的2個植被區即被認為是鄰居，成為“鄰居”后節點的連線即為邊.以節點、邊為基本要素構建植被空間網絡.值得注意的是，有些單個研究對象面積非常大，搜索半徑應大于其質心到邊界的距離.

程序中搜索半徑的設定是靈活的，不同的搜索半徑會獲取不一樣的結果，緩沖距離如果過大就會忽略地形因素,并且難以探討同一規模下單個居民點之間的聯系情況.生成的緩沖區應是大于可包含絕大部分點的歐氏距離[8].本文以所提取的2015年植被區輪廓為基準，考慮到金華市轄區的面積大小，在1～10 km范圍內經過多次試驗.如在采取5,6,8,10 km的搜索半徑下，所獲得的邊的條數分別為2 411,3 823,4 383,5 914(見圖2).其中，搜索半徑小于6 km時,較中型的植被區域也無法產生關聯;大于6 km時，空間網絡結構過于復雜，區分度較小.為了使植被區盡可能多地囊括在網絡中，在保證一定數量的鄰居前提下產生相對簡單的網絡連接，本文最終設置6 km為搜索半徑，并對所有質心進行半徑搜索，獲得整張網絡.

2.3 網絡評價指標

構成網絡的基本要素是節點與邊.在空間網絡的研究中，學者們建立了很多參數用來分析網絡的拓撲結構，通過這些參數定性或者定量地表征空間網絡的特性與模式，可以獲得一些有意義的結論.本文將提取出的植被分布幾何輪廓視為區域，從面積與數量角度進行評價，用度與度分布評價節點，引入局部重要性這一指標來衡量邊的權重.

圖2 不同搜索半徑下空間網絡變化

2.3.1 度(degree)和度分布(degree distribution)

在網絡中，一個節點與多少條邊相連，則它的度就是多少.利用網絡植被度與度分布可以有效地定量描述植被網絡變化的時空特征，還可以用來判斷網絡類型.度分布定義為P(k),它是節點度的累積分布函數，具體由下式表示：

(1)

式(1)中：P(ki)為節點度;ki表示節點i的度.節點度越大，在網絡中的重要性也越大.

2.3.2 局部重要性(local significance)

以質心為中心，以搜索半徑為基準，運行程序生成邊.引入“局部重要性”這一概念為邊賦予權重.定義式如下[8]：

(2)

式(2)中：Ai和Aj代表對于給定的節點i，j的植被區域面積;D(i，j)代表2個植被區質心之間的歐氏距離.這個指標對位置緊鄰的植被區可以產生很有意義的結果.在這個權重標準下，還可以考慮到實際的地形存在，如河流山脈等，進一步分配更低的權重.這個指標反映出兩個植被區的相關性，取決于自身的屬性及二者之間的聯系.

2.3.3 網絡類型判斷

根據不同的連接方式，人們提出了不同的網絡模型[16]，如規則網絡(regular Networks)、隨機網絡(random Networks)、小世界網絡模型(small-world Networks)和無標度網絡模型(scale-free Networks).一般來說，若P(k)符合冪律分布，那么這個網絡具有“無標度”分布，可以認為它是一個無標度網絡.小世界網絡模型的節點度分布服從指數分布，規則網絡符合δ分布，隨機網絡符合泊松分布規律.

3 結果與討論

3.1 植被區面積分布的變化

圖3 1995年和2015年植被分布

根據2.1節，本文共提取出1995年306個植被區和2015年277個植被區(見圖3)，精度為85%，作為研究基礎.從結果中可知，植被區個數下降幅度為17%.在Arc GIS里運用了計算幾何功能(calculate geometry)進行植被面積估算，1995年和2015年金華市坡度≤10°的區域植被面積分別為168 307 hm2和103 670 hm2，總面積減少了64 636 hm2，下降幅度為38%，減少的部分主要集中于婺城區、金東區和義烏市、東陽市，這是由于1995年存在更多相對小的植被區.區域個數減少的幅度小于面積減少的幅度，說明植被減少的區域很多是在原有植被區的基礎上不斷減少的.經濟較發達的地區植被減少得多，經濟欠發達的地區植被減少得少.對比2期數據可知，這是部分農村地區轉變為城市或者城市郊區造成的.植被中心仍然在婺城區和義烏市的邊界處，但植被區范圍不斷向中間地勢平坦區域集中.整體而言，植被區的面積減少反映了自然環境的變化，更重要的是城市的擴張及人為因素的影響.

3.2 網絡度與度分布的變化

1995年和2015年網絡平均度分別為24.03和21.12，度中心性下降，說明2015年植被網絡各個區域的重要性下降，與周邊鄰近植被的聯系程度變得松散.為了更好地分析對比，將1995年和2015年度中心性分為3類，并在Arc GIS中進行渲染，得到如圖4(a)和4(b)所示.圖中圓圈越大表示節點度越大.從圖中可以發現，1995年節點度較高的植被區分布在金東區、義烏市、東陽市和永康市，而2015年則集中分布于金東區、婺城區與義烏市交界處，植被分布受到擠壓，分布重心逐漸向城市邊界移動，說明城市的發展與擴張是金華市植被核心分布發生變化的重要原因之一.

(a)1995年網絡度

(b)2015年網絡度

(c)1995年網絡度分布 (d)2015年網絡度分布

圖4 1995年和2015年金華市植被空間網絡節點度與度分布

由圖4(c)和4(d)可知，2015年度分布稍有下降.細致對比，0～17時,植被區數目增多，但面積較小的植被分布區在原有基礎上進一步萎縮；在17～31這樣大小的度中心性一般大的植被區數目減少得較多，說明起著重要作用的植被區數目在減少，植被之間的聯系更加不緊密，彼此發生聯系的成本增大，2015年研究區域較高中心度(31～53)的節點的數量明顯少于1995年.

3.3 網絡邊與邊的權重變化

基于3.1節與3.2節植被提取結果、質心分布結果，運行程序，對2期數據以6 km為搜索半徑生成邊，構成空間網絡如圖5(a)與5(b)所示.以邊的局部顯著性為基準，取其對數值，在Arc GIS中運行分類渲染功能，依據局部顯著性將邊分為3類，并賦予不同的寬度.其中，第1類為局部顯著性大的邊，最寬，總體數目小、距離遠，可控制的范圍大，一般位于城市較邊緣地帶，地形坡度較大，代表郊區或者鄉村地帶，多分布在行政區邊界處;第2類為局部顯著性較大的邊，次寬，連接的植被區面積較小，數目較多，距離較近，呈團簇狀分布在中等或較大的植被區周邊，影響范圍小，一般位于坡度較小、地形平坦、人口及建筑物密集的城市中心位置;第3類為局部顯著性較小的邊、最窄，一般位于行政邊界與市中心之間的位置，一定程度上反映地形的隔離作用.結果表明：1)2015年植被空間網絡中，第1類邊的數目明顯減少，變得稀疏，特別是永康市、義烏市和婺城區，說明從市中心到城市邊界之間的植被明顯減少，植被網絡趨于簡單化；2)2015年植被空間網絡中第3類邊的數量有少量增加，說明由于小植被區的減少，一些本來沒有聯系的中型植被區之間建立了聯系(由于6 km搜索半徑的存在).

(a)1995年

(b)2015年

圖5 金華市1995年和2015年植被空間網絡邊與邊的權重分布圖

表1 1995年和2015年植被網絡邊的權重變化統計表

以邊的權重值為基礎，取對數值得到結果如表1所示.表1表明，1995年生成的邊的數目為3 827條，2015年生成的邊的數目為2 799條，20年間減少了26.86%.局部顯著性較小的邊的比重增加了約10%，說明植被區不僅是數目減少了，并且很多是在原有植被區的基礎上進一步減少的.還有一部分小植被區數目變化來自于城市建設中的少量人工綠化走廊或者斑塊狀的綠化園林.實際上，1995年的數值為1.83～8.10，2015年的數值為1.59～7.42，這反映出1995年植被區的面積更大，所以能夠提供遠距離的影響力，植被網絡結構更完整，密度更大，整體網絡更加穩定.總體而言，植被景觀面積的減少帶來了其空間網絡的進一步萎縮，密度降低，并且在人口密度越大、地勢越低的地方表現得越明顯.城市中植被景觀及周圍的區域具有較大的生態價值與開發潛力，植被網絡的簡單化反映了城市中人類生存面積的擴大，植物生境的減少.

3.4 網絡類型判斷

從度分布圖上可知，金華市植被面積較小的區域數目多，而面積較大的植被區數目小；度較小的點較多，度較大的點較少，符合泊松分布，集聚效應明顯，說明這是一個“小世界網絡”.

4 結論與展望

本研究的目的是描繪金華市20年間植被的空間網絡，描述其空間特性，分析其變化原因.這一研究的基礎數據從遙感數據圖及行政邊界圖中獲得的，其方法是輸入數據后，基于程序半自動的處理、加工而得，輸入的數據可以是很大范圍的，而搜索半徑是靈活的，由用戶自定義設置，在這個距離之內的植被區就可以被認為是鄰居，并可以自由選擇相關網絡指標進行統計以分析其屬性特征.本文在小尺度下驗證不同搜索半徑分析結果的差異性，認為6 km的半徑是比較合理的.

對生成植被空間網絡的分析后得知，金華市植被面積在逐漸減少.隨著人類生存空間的擴大，植被區分布范圍不斷向市中心聚攏.植被空間網絡度有所下降，度分布萎縮，網絡邊的局部顯著性下降，并且這一現象在人類聚集的區域表現得尤為明顯.因此，空間網絡分析方法可以運用于植被等自然地理要素的分析中.但本文的探討仍然存在一些值得改進的地方,如在后續的研究中需要考慮到不同類型植被(人工或者自然植被)的變化是否存在差異性？網絡節點除了質心外是否可以添加一些重要的工程節點？植被網絡的分布與哪些因素有關？等等.

參考文獻：

[1]李妍敏,安翼,劉青泉.植被分布對小流域產流影響的數值實驗[J].水科學進展,2015,26(2):187-195.

[2]房世波,譚凱炎,劉建棟,等.鄂爾多斯植被蓋度分布與環境因素的關系[J].植物生態學報,2009,33(1):25-33.

[3]呂佳佳,吳建國.氣候變化對植物及植被分布的影響研究進展[J].環境科學與技術,2009,32(6):85-95.

[4]何明珠,張志山,李小軍,等.阿拉善高原荒漠植被組成分布特征及其環境解釋:Ⅱ.C4植物組成、分布特征與環境的關系[J].中國沙漠,2010,30(1):57-62.

[5]陳瑤,胥曉,張德然,等.四川龍門山西北部植被分布與地形因子的相關性[J].生態學雜志,2006,25(9):1052-1055.

[6]趙清賀,馬麗嬌,劉倩黃,等.黃河中下游典型河岸緩沖帶植被景觀連接度及其網絡構建[J].中國生態農業學報,2017,25(7):983-992.

[7]溫仲明,焦峰,焦菊英.黃土丘陵區延河流域潛在植被分布預測與制圖[J].應用生態學報,2008,19(9):1897-1904.

[8]Esch T,Marconcini M,Marmanis D,et al.Dimensioning urbanization-An advanced procedure for characterizing human settlement properties and patterns using spatial network analysis[J].Applied Geography,2014,55:212-228.

[9]潘登,梁勤歐.復雜網絡在地理科學中的應用研究進展[J].國土與自然資源研究,2013(6):82-86.

[10]沈丹,許田,蘇蓓蓓,等.長江流域的河流網絡及其統計描述[C]//中國高等科學技術中心.全國復雜動態網絡學術論壇論文集.北京：中國高等科學技術中心，2005.

[11]蘇偉忠,楊桂山.太湖流域南河水系無尺度結構[J].湖泊科學,2008,20(4):514-519.

[12]吳學文,瞿永鋼,李玲.基于復雜網絡理論的河流網絡建模與分析[J].河海大學學報:自然科學版,2014,42(2):177-182.

[13]吳學文,李玲,方國華.復雜河流網絡節點重要度分析[J].水資源與水工程學報,2013,24(2):145-150.

[14]田劍,湯國安,趙明偉.流域地形景觀系統的復雜網絡描述[J].地理與地理信息科學,2014,30(4):22-26.

[15]黎勇,胡延慶,張晶,等.空間網絡綜述[J].復雜系統與復雜性科學,2010,7(2):145-164.

[16]汪小帆,李翔,陳關榮.復雜網絡理論及其應用[M].北京：清華大學出版社,2006.