青海湖流域景觀格局空間粒度效應分析

翟 俊, 侯 鵬, 趙志平, 肖如林, 顏長珍, 聶學敏

(1.環境保護部衛星環境應用中心，北京 100094； 2.中國環境科學研究院，北京 100012； 3.中科院寒區旱區環境與工程研究所，蘭州 730000； 4.青海省生態環境遙感監測中心，西寧 810007)

0 引言

隨著我國自然生態與環境保護工作的不斷深入，流域生態系統已經成為我國生態監管與環境宏觀管理的重要調控單元[1]。流域空間的各類生態系統分布及其景觀格局直接影響到流域生態系統服務功能、生態系統質量等所有方面的好壞。景觀格局反映了不同大小和形狀等空間特征的景觀要素的空間分布情況，不同景觀具有不同景觀格局特征。多尺度的自然和社會中普遍存在的空間異質性特征，即尺度問題在景觀生態學相關問題研究中至關重要，尺度選擇直接關系到結果的可靠性[2-3]。在景觀生態學中，尺度通常包括空間粒度(尺度)和時間粒度(幅度)2方面，其中空間粒度表示研究區空間最小可辨識單元所代表的特征長度、面積或者體積。

在空間統計學方法、景觀格局指數法和分維分析法等[4-5]景觀生態學多尺度分析方法中，景觀格局指數法因其高度濃縮景觀格局信息，可以較好地反映不同景觀要素的空間配置關系而定量衡量景觀格局狀況的優劣，在河流濕地[6-7]、地形地貌[8]、城市熱島[9]等各類土地利用與景觀生態領域得到廣泛應用[10-11]。所以許多研究案例通過分析景觀格局指數的空間粒度效應來反映景觀格局的空間粒度效應，將景觀格局指數與空間粒度之間的關系演變為景觀尺度效應關系。研究發現不同空間粒度與景觀格局指數之間具有顯著的尺度效應，且在不同的研究區和研究對象中并不具有普適性[12-15]，如大遼河流域濕地景觀格局的最佳分析粒度為60 m[16]，黑龍江巴彥縣景觀格局最佳分析粒度為100 m[17]，珠三角城市熱島格局特征的臨界粒度為150 m[9]等。因此如何選擇最為適宜的空間粒度，從而客觀真實的反映出景觀格局狀況，成為景觀生態學的關鍵問題之一[18-20]。國內外學者先后提出了拐點識別法和信息損失評價等方法，從定性評價過渡到定量評價[21-23]，同時也發展出二者相結合的方法，綜合選取最適宜的空間粒度[16]，從而在該粒度條件下既能有效反映景觀格局，也盡可能減少信息損失，盡量避免和消除尺度效應對景觀格局分析的影響。

青海湖流域位于青藏高原東北部，是世界上典型的高寒濕地自然保護地，對于維持青藏高原東北部水源涵養和生物多樣性服務功能，以及區域生態安全具有重要作用。相關研究表明，青海湖流域濕地對降水變化更為敏感[24]，并且具有較高的水源涵養價值[25]。但不同研究結果中，區域或生態系統的價值估算差異較大[25,26]，其數據源的空間尺度或者粒度的差異，是影響評價結果的重要因素之一。然而，目前景觀格局尺度或粒度的分析與應用多見于人類活動明顯的流域或者城市化區域[9,16-17,22-23,27]，對以氣候變化為主要影響，并且對維系區域生態安全的青海湖流域，相關研究還很缺乏。本文以青海湖流域為研究區，通過選用一些常用景觀格局指數，比較不同指數對空間粒度變化的響應差異，從而識別流域尺度景觀格局分析研究中的空間粒度效應，通過綜合拐點識別和信息損失評價方法，提出流域尺度景觀格局分析的最適宜空間粒度，為統一流域尺度生態服務功能和價值評估的生態指標，實現生態保護監管統一化管理提供參考和依據。

1 資料與方法

1.1 研究區概況

青海湖流域總面積約為2.96萬km2，地處青海省西部柴達木盆地、東部湟水谷地、南部江河源頭與北部祁連山地的樞紐地帶，地勢西北高、東南低，流域內地勢海拔高差為2 097 m。青海湖流域是青藏高原東北部的特殊生態功能區，在區域生態系統中擁有著重要地位。流域內青海湖為我國最大的咸水湖和內陸湖，對區域氣候有著重要的影響。流域位置如圖1所示。

圖1 青海湖流域地理位置Fig.1 Geographical location of Qinghai Lake watershed

1.2 數據源及其面向對象信息提取

選取美國陸地資源衛星Landsat5搭載的TM傳感器和我國環境與災害監測預報小衛星HJ-1衛星搭載的CCD傳感器獲取的光學衛星遙感數據為主要數據源，空間分辨率均為30 m。在影像分割的基礎上，根據不同土地覆被類型的光譜特征，建立衛星遙感影像的分類規則集。對于光譜復雜的類型，采用最鄰近方法進行類別劃分，從而實現基于面向對象分類方法的地表景觀信息提取，得到流域地表實際景觀分類信息。通過分層隨機抽樣和野外采集實地景觀類型信息，進行了分類結果精度驗證，分類總精度為91%。

1.3 尺度效應分析與最佳粒度選取

對基于遙感解譯得到的實際景觀信息圖像，采用面積最大法進行重采樣，獲得具有不同空間粒度的景觀分類數據。利用FragStats軟件計算得到景觀格局指數值，繪制不同空間粒度下的指數曲線，分析景觀格局指數的尺度效應； 然后，利用拐點法和信息損失評價方法，分析確定最佳(最適宜)的景觀格局分析粒度的大小。信息損失評價模型為[16]

(1)

式中：P為某一個評價指標的信息損失百分比；M為該評價指標的信息損失總量；Ab為所有景觀類型該評價指標的基準數據(30 m空間分辨率)值之和；Agi為第i類景觀該評價指標的柵格數據值；Abi為第i類景觀該評價指標的基準數據值；n為景觀類型的總數目。

2 結果與分析

2.1 景觀格局指數的空間粒度效應

由于景觀類型數據是基于30 m空間分辨率的衛星數據提取得到的，空間粒度重采樣時，以30 m為起始，1 500 m為終點，30 m為間隔，采用面積最大法將景觀類型數據柵格化，得到50幅不同柵格大小(空間粒度)的景觀類型數據。舉例30 m，480 m，930 m，1 200 m和1 500 m空間粒度景觀類型分布如圖2所示。

從流域尺度生態特點出發，結合不同景觀格局指數的生態學意義，選取24個具有代表性的景觀格局指數，利用FragStats軟件分別計算得到不同空間粒度下的景觀格局指數值(表1)。

通過繪制不同空間粒度下的景觀格局指數曲線，即景觀格局指數的空間粒度效應曲線，可以看出，隨著空間粒度的變化，流域景觀格局指數都有明顯的變化，景觀格局指數的空間粒度效應呈現出不同的變化特征和規律。總體上，空間粒度效應可以歸納為6類，分別是冪函數、二次函數、對數函數、線性函數、分段函數和穩定且變化幅度增大型。

(a) 30 m×30 m (b) 480 m×480 m

(c) 930 m×930 m(d) 1 200 m×1 200 m

(e) 1 500 m×1 500 m

圖2 青海湖流域不同空間粒度景觀舉例Fig.2 Examples of landscape in different grain sizes表1 主要景觀格局指數及其空間粒度變化的擬合函數Tab.1 Functions of landscape indexes and grain sizes

24個景觀格局指數的空間粒度效應中有14個呈現出冪函數下降特征，具體如圖3所示。

(a) 景觀形狀指數(b) 邊界總長度

(c) 邊界密度(d) 聚集度指數

(e) 平均斑塊分維數 (f) 形狀指數平均值

圖3-1典型景觀格局指數的空間粒度效應曲線(冪函數型)

Fig.3-1Statisticcurvesofdifferentlandscapeindexeswithdifferentgrainsizes(powerfunctiontype)

(g) 蔓延度指數(h) 景觀分割度

(i) 分離度指數(j) 斑塊數

(k) 斑塊密度(l) 面積加權形狀指數

(m) 斑塊面積變異系數(n) 面積加權平均斑塊分維數

圖3-2典型景觀格局指數的空間粒度效應曲線(冪函數型)

Fig.3-2Statisticcurvesofdifferentlandscapeindexeswithdifferentgrainsizes(powerfunctiontype)

由圖3可知，景觀形狀指數、邊界總長度、邊界密度、聚集度指數的空間粒度效應更為相似。與這4個指數相比，平均斑塊分維數和形狀指數平均值更為相似，2個指數的空間粒度效應在180～240 m之間出現“拐點”，拐點之前降低趨勢較為顯著，拐點之后降低趨勢變緩。蔓延度指數、景觀分割度、分離度指數的總體變化趨勢與景觀形狀指數等4個指數相似，但是不同空間粒度條件下的景觀格局指數值呈現出一定的擺幅，尤其是景觀分割度和分離度指數擺幅較大。斑塊數、斑塊密度、面積加權形狀指數、斑塊面積變異系數和面積加權平均斑塊分維數等的空間粒度效應特征相似，呈現出隨空間粒度變粗，景觀格局指數先暫時增長后總體冪函數下降的特點，“拐點”分別出現在60 m，60 m，150 m，150 m和60 m處，并且面積加權形狀指數、斑塊面積變異系數和面積加權平均斑塊分維數等3個指數的下降過程中呈現出一定的波動變化。

隨著空間粒度的變化，有4個景觀格局指數的空間粒度效應呈現出不同的特征。平均斑塊面積呈現出二次多項式函數增長的特點，邊緣面積分維數呈現出對數函數增長的特點，斑塊面積標準差和平均歐幾里得最近距離呈現出線性變化函數增長的特點(圖4)。

有6個景觀格局指數的空間粒度效應變化無法用函數規律描述。其中，最大斑塊指數呈現出分段階梯式增長的特點，段點位于660 m空間粒度處。斑塊豐富度和斑塊豐富度密度呈現出分段階梯式下降的特點，斑塊豐富度的斷點位于450 m和870 m，斑塊豐富度密度的斷點位于450 m。景觀面積、Shannon多樣性指數和Simpson多樣性指數等的變化特點相似，趨勢基本穩定，但是隨著空間粒度的變化，變化幅度愈來愈大(圖5)。

(a) 平均斑塊面積 (b) 邊緣面積分維數

(c) 斑塊面積標準差 (d) 平均歐幾里得最近距離

圖4典型景觀格局指數的空間粒度效應曲線(二次函數、對數函數、線性函數型)

Fig.4Curvesofindexeswithdifferentgrainsizes(quadratic,logarithmicandlinearfunction)

(a) 最大斑塊指數(b) 斑塊豐富度

(c) 斑塊豐富度密度 (d) Simpson多樣性指數

(e) 景觀面積 (f) Shannon多樣性指數

圖5典型景觀格局指數的空間粒度效應曲線(分段函數、穩定且變化幅度增大型)

Fig.5Curvesofindexeswithdifferentgrainsizes(piecewisefunctionandstabletypewithincreasingrangeofchange)

2.2 最佳空間粒度的選取

對于同一流域景觀，空間粒度的大小直接影響到景觀格局分析結果的科學性和合理性，從而影響到對流域生態系統各組成單元的組成特征和空間配置關系的客觀了解，進而影響對流域生態景觀的功能和動態過程的理解。基于景觀格局指數方法的景觀格局分析研究，主要利用不同的景觀格局指數從單個斑塊、斑塊類型和景觀水平等3個不同層次的景觀格局。研究景觀格局指數的生態學意義和計算方法，可以看出相當一部分景觀格局指數是基于景觀面積、斑塊數量和邊界長度等斑塊類型的基本屬性特征信息，基于不同的數學統計方法計算得到的。在一定程度上，可以理解為是景觀面積、斑塊數量和邊界長度的衍生指數。為此，選擇景觀面積、斑塊數量、邊界長度為核心指標，基于信息損失評價模型，可以計算得到隨著空間粒度變化而引起的信息損失情況，統計曲線如圖6所示。

圖6 空間粒度效應引起的景觀格局指數信息損失Fig.6 Information loss of landscape indexes caused by the grain size effect

從統計曲線可以看出，隨著空間粒度的變化，景觀面積、斑塊數和邊界總長度3種景觀格局指數的信息損失量總體增加，但是變化趨勢有所不同。景觀面積指數隨著空間粒度的增加，信息損失量呈現出線性增加趨勢，但是變化幅度遠小于其他2個景觀格局指數的信息損失量，第一個顯著的拐點出現在150～210 m處，信息損失量僅為0.08%。斑塊數量和邊界總長度景觀格局指數信息損失量呈現出對數增加趨勢，二者的變化幅度遠遠大于景觀面積指數的變化幅度。斑塊數量和邊界長度的信息損失量曲線在150～180 m之間有個交點。在該點之前，邊界長度指數的信息損失量總體大于斑塊數量的信息損失量，且二者都在60 m和90 m處出現了明顯拐點； 在該點之后，斑塊數量的信息損失量大于邊界長度指數的信息損失量，并且呈現出再次相交的趨勢特征。考慮隨著粒度減小，數據量呈現級數增長，降低計算效率[21]，因此綜合3種景觀格局指數信息損失量的變化特征，青海湖流域景觀格局分析的空間粒度以90 m為最佳選擇。

3 結論

流域是生態系統中的一個重要尺度和基本單元，空間粒度效應分析及最佳空間粒度選取是流域尺度景觀格局分析與評價的關鍵。本文以青海湖流域為研究區，通過衛星遙感的面向對象分類方法解譯獲得景觀類型數據，以30 m為起始，1 500 m為終點，30 m為間隔，得到不同空間粒度下的景觀類型數據，利用FragStats軟件計算得到景觀面積等24個景觀格局指數，繪制不同空間粒度下的景觀格局指數曲線，分析景觀格局指數的尺度效應。綜合考慮景觀格局指數—空間粒度之間的統計曲線和信息損失情況，利用拐點法和信息損失評價方法，從而確定最佳(最適宜)的景觀格局分析粒度的大小。結果表明：

1)隨著空間粒度的變化，流域景觀格局指數都有明顯的變化，景觀格局指數的空間粒度效應呈現出不同的變化特征和規律。總體上，空間粒度效應可以歸納為6類，分別是冪函數下降、二次多項式函數增長、對數函數增長、線性函數增長、分段階梯函數下降或增長、穩定且變化幅度增大型。空間粒度效應以冪函數下降為主，24個景觀格局指數中有14個呈現出這種特征。

2)景觀面積、斑塊數和邊界總長度等3種景觀格局指數的信息損失量總體增加，但是變化趨勢有所不同。隨著空間粒度的變大，景觀面積指數信息損失量呈現出線性增加趨勢，斑塊數量和邊界長度景觀格局指數信息損失量呈現出對數增加趨勢，且二者的變化幅度遠遠大于景觀面積指數的變化幅度。綜合3種景觀格局指數信息損失量的變化特征，流域景觀格局分析的空間粒度以90 m為最佳選擇。