耕地植被人為干擾格局動態變化特征及其尺度效應

林 佳，宋 戈，張 瑩

（東北大學文法學院土地管理研究所，沈陽 110169）

0 引 言

耕地植被人為干擾格局是人類活動與耕地自然條件相互作用下，對耕地植被變化產生干擾影響的空間化表現，是診斷人類利用行為對農作物生境穩定性影響的重要依據[1]。耕地是為實現農業生產功能而形成的半人工景觀，其景觀空間格局的形成和發展過程，既是在不同尺度上的自然生態效應與人類生產利用、管理行為相結合的過程，也是人為干擾不斷累積的過程。在這一過程中，人類行為的首要目標是追求耕地植被的穩定生長，即農作物的穩定生產；而干擾會改變耕地土壤的理化性質，也對相鄰生態群落造成影響，進而影響農業生產。當人為干擾超過耕地“社會—生態”系統維持耕地植被穩定能力（如恢復力、適應力等）的閾值時，便以耕地植被發生顯著不規則變化的形式表現出來[2-4]。從這個角度來看，耕地植被人為干擾格局可以反映耕地“社會—生態”系統維持農作物穩定生產能力的空間組合特征。由于干擾在不同尺度下有不同的作用機理和生態過程，因而呈現不同的格局特征，且每個尺度的特征又受到更大或更小尺度的影響[4-5]。全面掌握不同尺度下耕地植被人為干擾格局動態變化特征，是實現耕地合理保護和穩定糧食生產的重要基礎。

目前，國內外相關研究主要集中在人類活動對陸地資源生態系統的干擾的研究[6]，包括了對森林覆蓋的人為干擾[7-9]、沼澤濕地的人為干擾[10-11]、礦產資源的人為干擾[12-13]等，研究表明，這些人為干擾往往伴隨著土地利用的變化和景觀的破碎化[12,14-17]；但對于屬于“社會—生態”系統的耕地植被的人為干擾研究則較少，且缺乏多時段的動態監測研究，因此，在對其時空動態變化規律的掌握上仍需加強。在研究方法上，多采用遙感手段獲取研究對象的時空變化信息，并對人為干擾進行空間量化；但由于采用的遙感數據源的不同，存在空間和時間分辨率的差異，研究結果也各不相同[18-19]，需要根據研究對象的真實情況選取最適宜的觀測尺度。關于尺度效應的研究在國內外開展的較多，在尺度轉換上，多采用遙感技術和地理信息系統技術相結合的方法改變數據的空間分辨率[9,20-24]；本研究采用的滑動格窗法可以快速準確的實現空間尺度的變化，且具有可以實現任意尺度變化的優點，其展現的尺度效應具有較好的連續性[3-4,9-10,24-25]。

大慶市作為典型的石油型資源型城市，長期的石油開采對耕地數量和質量均產生了巨大影響；隨著石油資源的枯竭，其經濟發展更面臨著重大挑戰；其自20世紀90年代正式進入經濟轉型期，種植業作為傳統的經濟發展方式，在轉型時期起到了重要的經濟支撐作用[26-28]；如何降低對耕地植被的人為干擾，從而提高其糧食產量，是目前亟待解決的問題。本文以大慶市為研究區，采用遙感技術與地理信息系統相結合的方法，分別定量計算和分析研究區1990－1995年、1995－2000年、2000－2005年、2005－2010年和2010－2016年5個時段的耕地植被人為干擾格局時空動態變化特征，并基于滑動格窗法，分別計算研究區每個時段 10個尺度的耕地植被人為干擾值，進而分析其尺度效應及尺度變化類型的時空動態變化特征。以期快速監測人為干擾對耕地植被的影響和作用方向，對未來科學制定大慶市耕地利用規劃和政策提供借鑒。

1 研究區概況與數據來源

1.1 研究區概況

大慶市位于黑龍江省西部，松嫩平原中部，地處124°19′－125°12′E，45°46′－46°55′N，距省會哈爾濱市154 km，是“哈大齊”工業走廊的中心區。大慶市總面積21 192.66 km2，下轄5區4縣，擁有總人口約282萬人，是典型的石油型資源型城市，城市隨著石油資源的開采而逐漸發展。城市形態呈現出分散的空間特征，資源開發帶來的區域人為活動強度較高，深刻影響著包括耕地在內的各種類型土地的利用。同時大慶市也有豐富的耕地資源，2016年末擁有耕地面積8 983.27 km2，下轄的林甸縣和杜爾伯特蒙古自治縣是黑龍江省農業大縣。大慶市地貌屬于松遼盆地，排水不暢，且地下水位埋深較淺，因而多湖泊，同時，因其土壤多為石灰性黑鈣土、石灰性黑土和淺育黑鈣土等堿性土壤，且受溫帶季風性氣候影響，春季干旱、夏季多雨，致使其極易發生土壤的鹽堿化，說明其耕地生態本底十分脆弱，耕地植被易受到人為活動的干擾。

1.2 數據來源與預處理

1990年、1995年、2000年遙感影像采用landsat5的TM 數據為數據源，2005年和 2010年遙感影像采用landsat7的 ETM 數據為數據源，2016年遙感影像采用landsat8的OLI數據為數據源。所有遙感數據空間分辨率均為30 m，且為了觀測的需要，均采用6-7月的遙感影像，以消除因植物生長階段不同而造成的植物覆蓋量的差異，且保證影像含云量為0。利用ENVI軟件的波段計算功能獲取1990年、1995年、2000年、2005年、2010年和2016年NDVI值，其計算公式如下

式中NDVI為每個像元（柵格數據）的歸一化植被指數，NIR為近紅外波段數值，R為紅光波段數值，由于數據源的格式不同，NIR和R的取值范圍分別為（0.76～0.90 nm）和（0.63～0.69 nm）。同時，采用該軟件，對各時相遙感影像進行幾何校正，校正累計誤差低于1個像素（30 m），以保障各時相影像疊加計算的精度。結合研究區土地利用現狀圖、規劃圖和 1:5萬地形圖等圖件為輔助圖件數據，對研究區土地利用類型進行遙感圖像解譯，將其分為沼澤濕地、水域、建設用地（包括居民點、工礦和公路）、耕地（包括水田和旱田）、林地、草地和未利用地 7類。將相鄰時相的土地利用圖進行疊加，得到土地利用變化圖，并提取耕地利用變化圖，其中包括其他各類用地轉換為耕地和耕地轉換為其他各類用地，得到 5個時期的耕地利用變化圖。

2 研究方法

2.1 耕地植被干擾的識別

對人為干擾進行的識別的目的是判斷在某一尺度下，哪些地區耕地植被的變化是受到人為干擾的影響而產生的空間上分散不規則的變化。人為干擾同時包括了促使植被茂盛的正向干擾，如耕地復墾等人類活動導致植被生長；也包括負向干擾，如過度開墾造成的植被退化。但無論哪種干擾，均是在某尺度上改變了耕地植被生境的生態過程，進而出現顯著變化。例如，將森林轉為耕地，改變了耕地土壤的生物物理和化學性質以及相關的動物和微生物群落；而諸如輪作等農業做法，則改變了這些人為干擾的頻率[3]。

植被歸一化指數（NDVI）對植被茂盛程度較為敏感，數值越高說明植被茂盛程度越高；反之則植被覆蓋茂盛程度越低，甚至完全是裸地[29-30]。參考相關研究[2-5]，本文基于每個像元（30 m柵格數據）NDVI值構建耕地植被變化強度指數，測算每段觀測期內覆被變化的程度，該指數表示相鄰兩個時點耕地植被變化的幅度，計算公式如下

式中D(x,y)是標準化后的處于x行y列的耕地植被變化的強度指數，fti是ti時的NDVI值，m是兩時相相元差異的平均值，是一時相 NDVI值的方差，是兩時相NDVI值的協方差。

D(x,y)的變化包括了背景噪聲的影響，以及一些極值的情況，且不是全部的變化都是干擾[3-4,9-10,24-25]。干擾包括自然干擾和人為干擾，除大范圍自然災害等自然強干擾外（造成變化的極值），短時期內的自然干擾（如降水不勻、高程變化等）顯著低于人為干擾。為去除這些因素對干擾識別的影響，將D(x,y)值按照經驗函數分布重新排列，以經驗分布的10%（即去掉數列兩端各5%的數值）作為固定比率作為干擾閾值，分別計算 1990—1995年、1995—2000年、2000—2005年、2005—2010年和2010—2016年5個時期的干擾閾值。此閾值是參考了包含不同的研究對象的相關研究設定[3-4,9-10,24-25]，相關研究表明，此閾值可以降低在 40%時達到最大的背景噪聲，或者去掉1%及更低時候出現的極值。若D(x,y)值超過閾值，則表明該像元是“受到干擾”的像元，即被識別為“干擾”。

2.2 耕地植被干擾格局動態變化分布特征

干擾格局是關注于干擾在空間上的組合關系，因此，將已經識別為干擾的像元賦值為1，非干擾像元賦值為0，得到了耕地植被人為干擾格局。為觀察耕地植被干擾格局的空間分布特征，分別將1990—1995年、1995—2000年、2000—2005年、2005—2010年和 2010—2016年 5個時期的每個干擾像元轉換為以像元幾何中心為點位置的點文件，采用ArcGIS 10軟件的密度工具計算每個單元臨近點要素中每單位面積的數量，得到覆蓋整個耕地利用動態變化范圍的連續表面，通過對不同時段的干擾格局進行比較，以發現其時空動態變化特征。本文設置的計算單元是圓形單元，圓的直徑越小，密度曲線越平滑，計算速度也越慢，但不會改變空間分布特征，本文設置直徑為5 010 m，輸出柵格密度影像分辨率為30 m。

2.3 耕地植被人為干擾的多尺度變換模型

參考相關尺度效應研究成果[20-24]，本文對耕地植被人為干擾格局的尺度效應研究，是探究連續空間尺度變換下人為干擾格局的變化特征，以及變化的類型；旨在考量不同尺度下，人為干擾對耕地植被產生影響的強度和空間分散/集聚特征，表征耕地植被生境的不穩定性。

與采用連續改變空間分辨率（柵格影像）的方法進行研究的思路有所不同，本研究中每個尺度所表現出來的干擾值是該尺度單元內全部干擾像元（最小分辨率為30 m）的累積結果，而不是與該尺度相鄰尺度的干擾值的再次轉換。這樣避免了因分辨率下降造成的數據缺失，而引起干擾值的下降，更能準確反映不同空間尺度的變換下人為干擾格局的特征。具體方法為：采用（0，1）化后的干擾格局進行尺度效應研究，目的是忽略像元數值高低變化的影響，只探究尺度變化對人為干擾格局的影響。根據金字塔多尺度表達式的思想[31]，結合滑動格窗法[7-9,12,21-22]，利用ArcGIS10軟件的鄰域計算功能實現尺度變換。具體方法為：分別對柵格影像的搜索半徑進行設置，即每個滑動格窗所包含的像元數分別設置為3×3、5×5、9×9、15×15、25×25、45×45、75×75、115×115、165×165、225×225個像元，從而實現這10個空間尺度的變換；分別統計每個尺度所包含的干擾像元的總和，除以該尺度所包含的全部像元的總和，得到該尺度的干擾值Pd；將Pd值賦予該尺度的中心像元，并用該像元的數值代替格窗的數值（圖1）。

2.4 多尺度耕地植被人為干擾格局聚類分析模型

為了研究耕地植被尺度變化的類型和時空變化特征，采用ISODATA聚類算法，分別對1990－1995年、1995－2000年、2000－2005年、2005－2010年和 2010－2016年5個時期的10個尺度數據進行聚類分析，該方法的優點是在運行過程中能夠根據各個類別的實際情況進行兩種操作（合并或分裂）來調整聚類中心數K。

其目標函數為

式中k為最后得到的類別個數，S是分類的類別集合，xj是屬于Si類的每一個樣本，Ci是Si的類別中心。

圖1 干擾值的尺度轉換方法示意圖Fig.1 Schematic diagram of scale conversion method for disturbance values

步驟：①從數據集中隨機選取K0個中心C1, C2…Ci作為聚類中心，同時設定和計算以下參數：K為期望得到的聚類數，本文設置為8個；k為初始的設定的聚類數，本文設置為15個；θN是每一個類別中最少的樣本數，若少于此數則去掉該類別，本文設置為20；θs是一個類別中，樣本特征中最大標準差。若大于這個值，則可能分裂；θc是兩個類別中心間的最小距離，若小于此數，把兩個類別需進行合并；L是在一次合并操作中，可以合并的類別的最多對數；I為迭代運算的次數，本文設置為20。

②計算數據中每個樣本xi到K個聚類中心的距離，將其分入到距離最小的聚類中心的類別中；

③判斷上式每個類中的像元數目是否小于Nmin，如果小于則需要丟棄該類，令K0=K=1并將其重新分配到剩下類中距離最小的類；

④針對每個類別Ci重新計算聚類中心

驟；當K≥2K0，說明當前類別太多，前往合并步驟；

⑥如果計算達到最大迭代次數，則計算終止，否則返回步驟②。

合并計算步驟為：計算當前所有類別聚類中心兩兩之間的距離，用矩陣D表示，其中D(i,i)=0；對于D(i,j)＜θc的兩個類別需要進行合并操作，變成一個新的類，該類的聚類中心位置為

式中ni和nj表示這兩個類別中的樣本個數，新的聚類中心可以看作是對這 2個類別進行加權求和。如果其中一個類所包含的樣本個數較多，所合成的新類就會更加偏向它。

分裂計算步驟：計算每個類別下所有樣本在每個維度下的方差，針對每個類別的所有方差挑選出最大的方差σmax，如果某個類別的σmax＞θs并且該類別所包含的樣本數量ni≥2nmin，則進行分裂操作，滿足分裂條件的類分裂成兩個子類別并令如果不滿足條件，則退出分裂計算。

耕地植被干擾格局的尺度效應也是耕地利用系統在不同尺度動態變化過程的表現，將耕地植被尺度聚類格局與耕地利用變化圖疊加，從而分析耕地系統內部或外部轉換與耕地植被尺度效應的關系。

3 結果與分析

3.1 耕地植被人為干擾格局動態變化特征

1990－2016 年，耕地植被人為干擾具有顯著不均勻的空間格局分布變化特征；且隨著時間的推移，高密度人為干擾集聚中心在空間位置和空間形態上均有顯著變化（圖2）。總體呈現由單一集聚中心到多集聚中心，再到單一集聚中心的特點，具體表現為：

圖2 不同時期大慶市耕地植被人為干擾格局動態變化Fig.2 Dynamic changes of human and distribution patterns of cultivated land vegetation in Daqing City in different periods

1990－1995 年，研究區耕地植被人為干擾像元共有751 454個，占地6 762.98 km2；人為干擾像元主要集中在研究區東南部；高密度人為干擾集聚中心較為單一，集中在肇州縣南部，包括了37%的干擾；該地區在該時期的土地利用類型始終保持為耕地，說明導致該地區耕地植被變化的主要人為干擾來源是耕地內部的農業種植行為。

1995－2000 年，研究區耕地植被人為干擾像元共有771 353個，占地6 942.18 km2；82%的人為干擾像元分布在研究區北部。其中，高密度人為干擾中心位于林甸縣北部和東南部，與中密度地區相連，在空間形態上呈環狀分布；該地區的土地利用類型變化主要包括了耕地轉換為草地、耕地轉為建設用地兩類，說明該時期耕地植被人為干擾來源除農業種植行為外，部分人為干擾來自于人類對草地和建設用地的擴張行為。

2000－2005 年，研究區耕地植被人為干擾像元共有482 118個，占地4 339.06 km2；仍有60%的人為干擾像元分布在研究區北部，但人為干擾的高密度集中區轉移至林甸縣的周圍及杜爾伯特蒙古自治縣北部、肇源縣西部、讓胡路區中部、龍風區北部和肇州縣西部，空間上呈現較為分散的格局形態；集聚中心的土地利用類型變化為園地轉耕地和水域轉耕地，說明該時期耕地植被人為干擾來源除農業種植行為外，部分人為干擾來自于園地和水域用地轉為耕地，即人類對耕地進行擴張的行為。

2005－2010 年，研究區耕地植被人為干擾像元共有695 910個，占地6 253.19 km2；高密度人為干擾中心轉移至林甸縣中部，有2個空間上相距20 km的高密度中心點，該區域包含了 30%的人為干擾像元，該地區土地利用類型變化主要為未利用地轉換為耕地；另有中等密度人為干擾中心沿研究區西部至西南部，空間形態上呈現帶狀分布；該地區土地利用類型變化也主要為未利用地轉換為耕地，說明該時期耕地植被人為干擾來源除農業種植行為外，部分源自于耕地的開墾，即耕地的擴張。

2010－2016 年，研究區耕地植被人為干擾像元共有830 275個，占地7 470.48 km2；高密度人為干擾中心仍然位于林甸縣中部，有2個空間上相距18 km的高密度中心點；該區域包含了 50%的人為干擾像元，該地區在該時期的土地利用類型始終保持為耕地，說明與 1990－1995年相同，導致該地區耕地植被變化的主要人為干擾來源是農業種植行為，但干擾集聚中心已從大慶市東南部地區轉移到了大慶市北部地區。

3.2 耕地植被人為干擾格局的尺度效應

尺度變化后，研究區的平均人為干擾值發生顯著變化，并聚類成9種類型，為了便于分析，以類型A—I進行表示（表1）。根據研究區不同時期的平均干擾值的變化特征與 9種類型進行對比，表明研究區不同時期的耕地植被人為干擾尺度變化分別呈現出 7種類型，并用氣泡圖可以很好的表現不同尺度平均干擾的變化（圖3）：1990—1995年、1995—2000年和 2005—2010年均呈現出A、C、E、F、D、H、I這7種類型，2000—2005年呈現出A、C、B、E、D、H、I這7種類型，2010—2016年呈現出A、C、E、F、G、H、I這7種類型。研究期內，A和E類型是尺度效應最顯著的類型，I類型是尺度效應最不顯著的類型，這 3種類型是每個時期均有的類型，而B類型只在2000—2005年這一時期出現，G類型也只在2010—2016年這一時期出現?？傮w而言，所有的聚類類型在經過10個尺度的變化后，均停留在相對較低的人為干擾水平，尤其是A、C、E類型的覆蓋人為干擾值隨尺度的變化而迅速下降。

表1 多尺度大慶市耕地植被人為干擾值聚類類型Table 1 Multi-scale cultivated land vegetation artificial disturbance value clustering type in Daqing City

圖3 不同時期大慶市多尺度耕地植被平均人為干擾值聚類Fig.3 Characterizing multi-scale average clustering and variation human disturbance value of cultivated land vegetation in Daqing City in different periods

從面積上看，I類型面積在各時期均占50%以上，為其最主要的類型；所占面積比例呈現先上升再迅速下降，再迅速上升的動態變化特征；2005－2010年達到最低，占54.55%，2010－2016年達到最高，占總面積的59.25%；說明一半以上耕地植被人為干擾的尺度效應并不明顯，這是由于耕地以種植固定農作物為主，其覆蓋在空間上分布較為均勻。但同時也說明，對尺度效應敏感地區的比重也占有40%～45%的高比例。每個時期的A、C、E、F類聚類類型均是耕地植被人為干擾的尺度效應較為顯著的類型，且人為干擾值的均值相對較高，這 4類的面積總和分別占總面積的 13.23%、11.81%、12.29%、13.42%、18.33%；其中，A和E類型在各時期均占4.5%以下，是占地面積最少的類型；A類型在1995—2000年僅占0.89%，E類型除1995－2000年占4.32%外，其他時期均占2.5%左右，這些地區是人為干擾分布最集中的地區，說明這些地區存在著農作物豐茂程度的較大變化或土地利用類型的轉變（表2）。

從空間分布特征上看，除1995－2000年時段外，其余時段A、C、E、F類尺度聚類類型在空間分布的位置與人為干擾密度空間分布特征相似（圖4）。其中，1990－1995年主要表現為A和C類尺度聚類類型集中在肇州縣南部，以及散布在杜爾伯特蒙古自治區；1995－2000年A、C、E尺度聚類類型散布在研究區的各個縣，與其他時期相比，其集中特征并不明顯；2000－2005年 A、C、B、E尺度聚類類型主要分布在大同區、肇州縣和肇源縣中間地區，與其他時期相比，1和2類所占面積最??；2005－2010年A和C尺度聚類類型主要分布于林甸縣中部和東北部地區，以及散布在其他縣區；2010－2016年A、C、E類尺度聚類類型主要分布在林甸縣中部，另外肇州縣北部也有部分分布。

表2 不同時期多尺度大慶市耕地植被人為干擾值聚類類型占研究區總面積比Table 2 Multi-scale cultivated land cover human disturbance classified area ratios of Daqing City in different periods%

圖4 不同時期大慶市多尺度耕地植被干擾聚類格局Fig.4 Multi-scale cluster patterns of cultivated land vegetation in Daqing City in different periods

從耕地與其他土地利用類型的轉換來看，1990—1995年間前4類耕地植被人為干擾尺度聚類類型中，耕地與其他土地利用類型相互轉換的面積，分別占研究區總面積的33.55%、39.54%、30.77%、31.51%，在第I類中占32.96%；1995－2000年間A、C、E、F類耕地植被人為干擾尺度聚類類型中，耕地與其他土地利用類型相互轉換的面積，分別占研究區總面積的45.39%、41.31%、37.08%、36.6%，在第 I類中占 29.63%；2000－2005年間 A、C、E、F類耕地植被人為干擾尺度聚類類型中，耕地與其他土地利用類型相互轉換的面積，分別占研究區總面積的17.63%、4.95%、6.59%、4.84%，在第I類中占3.36%；2005－2010年間，A、C、E、F類耕地植被人為干擾尺度聚類類型中，耕地與其他土地利用類型相互轉換的面積，分別占研究區總面積的23.84%、23.28%、19.33%、18.25%，在第I類中占15.48%；2010—2016年間 A、C、E、F類耕地植被人為干擾尺度聚類類型中，耕地與其他土地利用類型相互轉換的面積，分別占研究區總面積的7.72%、4.36%、6.88%、4.25%，在第I類中占7.47%。

4 討 論

1990—2016 年大慶市耕地植被人為干擾時空格局變化特征形成的原因主要有兩方面：一是由農業種植行為導致耕地土壤理化性質的波動性變化，進而產生農作物豐茂程度的變化；二是由耕地與其他土地利用類型相互轉換，而使耕地植被發生根本性變化。第一方面的實質是反映農業種植行為作用下，耕地“社會-生態”系統維持土壤理化性質穩定能力的時空差異；具體表現為，研究期內耕地植被人為干擾高密度區集中分布在肇州縣和林甸縣境內；該地區土壤均是以碳酸鹽草甸土和碳酸鹽黑鈣土為主[32]，土壤中有機質、全氮、全磷含量較低；維持其土壤理化性質，需要大量的人工投入，因此對人為干擾的敏感性較高。但人為干擾作用結果難以進行全面控制和預測，例如，通過施用化肥和農藥可以迅速提升耕地植被茂盛度，同時也會改變土壤的理化性質；長期使用化肥和農藥可能會導致土壤污染或退化等問題，從而導致耕地植被豐茂度的下降；并且一旦人為投入下降，則短期內的植被豐茂程度也隨之下降；即提升耕地植被豐茂程度的正向人為干擾，對于該區域的微生境仍起到破壞作用；而已經表現為對耕地植被的負向干擾的地區，則說明該地區的微生境已經處于不利于耕地植被生長的狀態，但適度的植被豐茂度下降可以為周圍的植被提供更為優越的生長環境，從而產生更大尺度上耕地植被的豐茂度上升。這也說明，無論是對耕地植被的正向干擾，還是負向干擾，只能表現耕地植被豐茂度的變化情況（上升/下降），而二者均會導致該區域原有的微生境失去穩定性，進而產生不利于耕地植被長期穩定生長的影響。但需要區別的是，不是全部的人為措施均會表現為對植被的干擾；應盡量減少對耕地的干擾（包括正向和負向），但同時也要采取可以保護耕地植被生長微生境穩定性的措施，這才是維持耕地植被長期穩定生長的最優方案。第二方面主要表現為，研究期內耕地植被人為干擾集中區的土地利用類型，經歷了從以保持耕地不變為主，到與其他土地利用類型的轉換，再到以保持耕地不變為主的變化過程；這實質是表現由土地利用規劃政策所主導的人為干擾行為，也是耕地植被適應新生境的過程（如草地和建設用地轉為耕地）；而耕地與其他地類轉換面積的減少，說明耕地保護政策具有很好的效果。

研究期內研究區大部分耕地植被人為干擾的尺度效應并不明顯，但仍有11.81%～18.33%人為干擾的尺度效應十分顯著，并表現出不同的尺度效應類型；其值的高低變化表現了不同尺度上的干擾強度，實質是表現了耕地植被群落生境的不穩定程度。而不同尺度效應類型的差異，則是由耕地植被人為干擾像元為中心，與其周圍900 m2（3×3尺度）－45 562 500 m2（225×225尺度）范圍內人為干擾像元之間的集聚性或分散性所導致，實質是表現干擾像元之間的影響關系。在尺度效應顯著類型（A、C、E、F類）中，發生土地利用類型轉換地區的面積遠大于不顯著類型（I類）；說明土地利用類型轉換導致的人為干擾在空間上多呈現集聚性，即尺度效應顯著的地區多處于耕地與其他土地利用類型相毗鄰的地區，而其他類型的人為干擾在空間上呈現分散性。集聚的人為干擾改變了植被的微環境，并影響與之毗鄰植被之間的依存關系，造成耕地植被生境的不穩定；因此，人為干擾尺度效應顯著地區對植被群落生境造成的影響大于不顯著的地區。

本研究選取的研究期正是大慶市全面進入經濟轉型的時期，伴隨而來的產業結構調整使種植業經濟的地位變得更加重要，如何保護耕地、提高農作物產量則是當務之急。與關注自然景觀植被人為干擾的研究相比[9-13]，耕地植被人為干擾格局動態變化特征的結果，對耕地植被人為干擾的關注則具有更深遠的社會經濟價值。研究結果表明，耕地植被人為干擾強度較高的地區，也是恢復性最低的地區，應作為保護和治理的重點地區，采取以下三個方面的具體措施：一是，大慶市處于鹽堿帶上，自然本底條件十分脆弱，耕作方式對農作物豐茂程度有顯著影響；若采取粗放的耕作方式，如大水漫灌、化肥農藥的隨意使用、不采取輪作休耕措施等，在短期內便能引起土壤的退化；因此，未來需要在耕地植被人為干擾集中的地區采取集約的耕作方式，注重對其土壤理化性質的監測，從而實現耕地植被的穩定生長，即糧食的穩定生產；并充分利用人為干擾的敏感性，對土壤進行改良，從而提高其恢復能力；這種在空間上有針對性的投入，將有效的降低經濟成本。二是，應在高人為干擾地區繼續加強耕地資源的政策保護，要嚴格控制耕地與其他土地利用類型的轉換，尤其是嚴格限制將耕地轉為其他類型用地，從而保障作物生長環境的穩定；這與2014年以來的大慶市基本農田劃定政策思路一致，起到了對耕地可持續利用的保障性作用；耕地人為干擾格局可以作為土地總體規劃和專項治理規劃的依據，并根據其尺度效應進行分區防治，有利于提高規劃的科學性和針對性。三是，耕地植被人為干擾格局尺度效應研究結果表明，尺度越小耕地植被人為干擾越大的現象，說明尺度越小耕地植被面對干擾時候越缺乏抵抗和恢復能力；這種抵抗和恢復能力是源于耕地“社會—生態”復合系統維持自身穩定的能力，即人為干擾尺度越小，耕地植被的“社會—生態”系統恢復力越低；因此，發展適度的規模農業能有效的降低干擾，穩定植被微生境，從而穩定和提高糧食產量。

本研究提出的理論和方法，可以體現耕地植被在人為干擾下所表現的時空格局動態變化特征，并實現對其尺度效應的快速監測；但它是耕地復雜“社會—生態”系統在不同尺度綜合作用結果的空間化表現，并不能體現某種干擾的直接作用過程和結果。因此，今后的研究應與人為干擾的社會經濟因素相結合，進一步分析其干擾格局和尺度效應的形成機理，掌握其作用的正負性，從而為保護耕地和提高糧食產量提供更加深入的科學指導。

5 結 論

本文以大慶市為研究區，基于遙感影像分析了該地區1990—2016年耕地植被人為干擾的空間分布格局，并分析了其隨空間尺度變化而產生的人為干擾值時空變化特征，以揭示耕地植被人為干擾時空變化規律及其尺度效應。主要得出以下結論：

1）當耕地植被受到的人為干擾增多時，研究區耕地植被人為干擾的分布趨向于集中；反之則趨向于分散；此過程中，農作物豐茂程度的變化是耕地植被人為干擾的主要表現，干擾來源主要分為土地利用類型轉換和農業耕種行為兩種。

2）研究期內占研究區耕地植被人為干擾面積50%以上地區的尺度效應并不明顯，說明這些地區的人為干擾分布較分散或較為均勻；但仍有占地面積11.81%～18.33%的地區人為干擾的尺度效應十分顯著，這些地區是人為干擾分布最集中或最不均勻的地區，也是未來制定耕地保護規劃和實施糧食穩產措施的重點地區。

3）在耕地植被人為干擾尺度效應顯著地區，土地利用類型未發生變化地區所占的面積比例呈上升趨勢，說明對耕地的保護政策有效降低了人為干擾對耕地植被的影響；但干擾像元數量在2000年后呈現大幅度增長趨勢，因此，除繼續加強保護耕地政策外，維持耕地內部土壤理化性質的穩定是未來耕地植被保護的重點。

4）大部分尺度效應顯著地區中，尺度越小耕地植被人為干擾越顯著，說明在一定尺度范圍內，尺度越大耕地“社會—生態”系統的穩定性越強；因此，發展適度規模農業是降低人為干擾、提高糧食產量的有效途徑。