不同空間尺度松嫩平原土地利用強度變化及其對氣候因子的影響

路 中,雷國平,*,郭一洋,馬泉來

1 東北大學土地管理研究所, 沈陽 110169 2 河南省資源環境調查一院, 鄭州 450000

土地利用/覆蓋是一個綜合性概念[1],它不僅是分析和解釋區域土地利用/覆蓋時空變化特征、過程和機理的重要手段[2-3],而且它對全球以及區域生態環境具有重要的影響[4-6]。已有的研究表明,在區域乃至更小的尺度上,區域生態環境(地表能量和水分收支)變化對氣候的影響通常比碳排放更為直接[7]。在全球氣候變暖背景下,農業適應性研究是目前全球變化科學、可持續性科學、農業生態學的研究熱點問題[8]。因此,準確的測算區域土地利用/覆蓋變化情況,尋求最佳的區域尺度研究土地利用/覆蓋變化與區域氣候變化之間的相互作用關系,對土地的合理使用、區域小氣候的調節以及區域生態環境的保護具有重要的意義[9-12]。

IPCC(Intergovernmental Panel on Climate Change)第5次評估報告指出,人類活動對氣候系統產生明顯的作用,土地利用/覆蓋的變化通過改變地表反照率對地球輻射收支產生直接影響[13]。目前,關于土地利用/覆蓋變化對氣候的影響以前學者已經做出大量的研究,在研究角度及方法上,眾多學者一方面利用氣候模型模擬氣候因子的數值,以此對比實際氣候特征,研究LUCC變化過程及其氣候效應[14-17]；另一方面學者利用土地利用強度[18]、地表蒸散發(ET)[19]、植被指數(NDVI)[20]、植被凈初級生產力(NPP)[21]等指標,分析土地利用/覆蓋指數與氣候變化之間的相關性,探究LUCC變化對于氣候因子的影響；在研究尺度上,學者多以1 km[21-22]、3 km[18,23]、10 km[24]、30 km[25-26]以及50 km[27]為評價單元,研究流域、縣域、以及全國尺度下的LUCC變化及其氣候效應。現有的研究為分析土地利用/覆蓋與氣候因子之間的關系提供了理論和實踐的基礎,學者從不同空間尺度來研究土地利用/覆蓋變化對于局部氣候的影響,但目前關于LUCC變化對氣候影響的研究在土地利用/覆蓋尺度效應方面研究相對較少。所謂的“尺度效應”是指對同一區域的某種地理現象在不同分辨率(不同尺度)下進行空間相關分析時,往往出現不一致性[28]。基于此,該文結合松嫩平原的實際地區特征,將研究區域劃分為1 km、3 km、5 km、10 km以及20 km等若干大小不同的正方形評價單元,選用土地利用強度指標,研究不同空間尺度下土地利用強度變化對氣候因子的影響,尋求兩者作用的最佳空間尺度,為土地利用/覆蓋變化的氣候效應研究提供參考。

人類的農業開發是土地利用/覆蓋變化的重要驅動力之一。松嫩平原是我國主要的糧食生產基地,為了滿足當地社會經濟發展的需求和國家糧食生產的要求,松嫩平原土地利用/覆蓋發生顯著的變化,呈現“三增四減”趨勢,即耕地、城鎮用地、林地的增長,而草地、未利用地、濕地和水域減少[29],加之全球氣候變暖的影響,使區域干濕格局呈現“干著越干,濕著越濕”的變化趨勢[30],加劇了研究區域的干旱狀況。在氣候變暖和大規模農業開發的雙重壓力下,探究土地利用強度時空變化與氣候因子之間的內部作用機制顯得尤為重要。本文運用地理信息系統、遙感技術,采用 Matlab 編程,測算不同時點(1985年、1995年、2005年和2015年)不同空間尺度的土地利用強度變化情況,運用“觀測資料減去再分析”(Observation Minus Reanalysis, OMR)方法處理氣候因子數據,利用趨勢分析、相關分析法,研究1985—2015年松嫩平原土地利用強度時空變化特征及研究區域內氣候因子的變化規律,重點探討不同空間尺度的土地利用強度對氣候因子的影響。

1 研究地區與數據來源及處理

1.1 研究區概況

松嫩平原位于大、小興安嶺與長白山脈及松遼分水嶺之間,主要由松花江和嫩江沖積而形成,與三江平原、遼河平原并稱東北三大平原。松嫩平原位于黑龍江省的西南部,地理位置介于121°38′—128°33′E,42°49′—49°12′N之間,總面積為22.5×104km2。研究區域內主要氣候類型為溫帶大陸性半濕潤、半干旱季風氣候,受冬夏季風的交替影響,四季氣候分明,全年平均氣溫呈自北向南逐漸增高趨勢,等值線近緯向分布,大部分地區的年降水量為400—600 mm,自東向西逐漸減少,6—8月降水量占全年降水量的60%—70%,易形成干旱和洪澇災害。松嫩平原地勢平緩,土質肥沃,黑土、黑鈣土占60%以上,其他土壤類型包括草甸土、暗棕壤、沼澤土、鹽土、堿土、風砂土、栗鈣土及水稻土等。

圖1 研究區地形與行政區劃Fig.1 The topography and administrative divisions of the study area

1.2 數據來源及預處理

1.2.1遙感影像分類

本研究所使用的遙感影像來源于美國陸地資源衛星 Landsat 數據,不同時間點的影像首選1985年、1995年、2005年以及2015年內的遙感影像,如果時間節點內影像的質量未達到研究的要求,則選用時間節點前后2年時間內的影像,因2、3年時間對于土地利用變化影響不大,解譯的土地利用數據滿足研究的要求和精度,影像月份一般選用5月、6月以及8月數據,具體數據參數見下表。

表1 Landsat衛星遙感數據參數表

利用ArcGIS軟件隨機選取松嫩平原500個樣本點,提取1985年、1995年、2005年以及2015年土地利用/覆蓋分類結果信息,結合Google Earth軟件將分類結果與Google Earth提供的信息進行對比,建立混淆矩陣進行精度評價(表2)。結果表明,采用監督分類與目視解譯相結合的方法適用于土地利用/覆蓋信息的提取,其提取信息的平均精度為91.32%,總體Kappa系數為0.873,滿足研究的需求。

表2 研究區土地利用/覆蓋分類精度評價

為了有效分析松嫩平原不同空間尺度土地利用強度變化的空間特征,該文利用ArcGIS軟件中的Creat fishnet功能創建1 km,3 km,5 km,10 km以及20 km的正方形漁網,并基于不同空間尺度的漁網對研究區內1985年、1995年、2005年以及2015年土地利用/覆蓋數據進行分割并生成樣本點集。

1.2.2氣象數據

本文選用的氣象數據主要包括松嫩平原1980—2018年39年間的逐年降水數據與溫度數據,數據的分別率為1 km,數據由中國科學院資源環境科學數據中心提供,以及由NCEP 與美國能源部(DOE)提供的NCEP/DOE AMIP-ⅡReanalysis 再分析資料。中國科學院資源環境科學數據中心提供的數據是基于全國2400多個氣象站點日觀測數據,采用澳大利亞的ANUSPLIN插值軟件進行數據的插值計算。ANUSPLIN是一種采用平滑樣條函數對多變量數據進行分析和插值的工具[31],即使用函數逼近曲面的一種方法,它能夠對數據進行合理的統計分析和數據診斷,并可以對數據的空間分布進行分析進而實現空間插值的功能,最終得到的數據滿足研究對數據精度的要求。

為保證研究的精確性,體現下墊面地表覆蓋變化對氣候因子的影響,該文選取 NCEP 與美國能源部(DOE)的NCEP/DOE AMIP-ⅡReanalysis 資料,利用 Kalnay 等[32]提出的“觀測資料減去再分析”(Observation Minus Reanalysis, OMR)方法對氣候因子數據進行處理。因為NCEP再分析資料在同化時未選用地表觀測數據,因而再分析氣象數據對于下墊面的物理特征表現不敏感,利用地面觀測數據減去NECP再分析氣象數據得到的差值,其可以有效的反映下墊面覆蓋變化對于氣候因子的影響。最后,該文利用不同空間尺度的正方形網格將處理后的氣象數據進行切割并生成樣本點,將不同樣本區間內氣候因子的均值作為樣本點的值。

2 研究方法

2.1 土地利用強度模型的建立

土地利用強度指的是某一時間點特定區域人類活動對土地利用強度的干擾情況,代表人類開發利用土地的強度。該文參考前人的研究成果與經驗[1,18,23],依據不同土地利用類型對氣候因子的影響程度進行不同土地利用類型利用強度等級的劃分。最終,將不同土地利用類型的等級強度劃分為：Ⅰ級為水域,Ⅱ級為濕地,Ⅲ級為林地,Ⅳ級為水田,Ⅴ級為旱田,Ⅵ級為未利用地,Ⅶ級為建設用地,其土地利用強度分級指數由大到小分別為1—7。其土地利用強度公式如下：

(2)

式中,L表示樣本區域土地利用強度值；Aj表示樣本區域第j種土地利用類型的強度分級指數；Sj表示第j種土地利用類型的面積；S表示樣本區域土地利用總面積；m表示土地利用強度分級數。

2.2 趨勢分析

采用基于像元的一元線性回歸分析法研究松嫩平原1980—2018年逐年降水與溫度數據的變化趨勢,其公式為：

(4)

式中,n為年數(時間序列為1980—2018年,即n= 39)；Ti為研究區內各像元點在第i年的年降水與溫度值；Tslope為1980—2018年研究區內各像元點降水與溫度年際變化的一元線性回歸方程的斜率,即趨勢變化率,反映研究時段內降水與溫度數據的總體變化趨勢。Tslope> 0表明氣象因子數據總體變化呈增加趨勢,反之為減少趨勢。

2.3 相關性分析

該文利用相關性分析來研究土地利用強度變化對氣候因子的影響,相關性分析是研究兩個或兩個以上的時序變量變化趨勢之間的關系,在排除全球氣候變化、地形因子以及土壤條件的影響下,利用該方法分析土地利用強度與氣候因子之間的相關關系,可以有效的反映土地利用強度變化對于氣候因子的影響,若土地利用強度變化與氣候因子變化表現為正相關,則兩個時序變量同方向變化,表示土地利用強度變化對于氣候因子的增加起促進作用,反之起抑制作用。

1)簡單相關性分析

簡單相關性分析是研究兩個或兩個以上處于同等地位隨機變量間相關關系的統計分析方法[33],其可以有效表示兩個變量為同方向或反方向變化。該文利用基于像元的相關性分析降雨和溫度與土地利用強度之間的空間相關性,簡單相關系數計算公式為：

(5)

2)偏相關性分析

偏相關分析是在簡單線性相關的基礎上研究兩個影響因子之間的關系的,該分析可以有效的排除其他因子的影響研究兩個因子之間的相關性[34],其計算公式如下：

(6)

式中,Rxy,z表示自變量z(降水或溫度)固定后因變量x(土地利用強度指數)與自變量y(溫度或降水)之間的偏相關系數。

3)復相關分析

復相關分析指的是綜合考慮多個相關影響因子的共同作用,分析多個自變量與因變量之間的關系,它可以有效的反映各個要素的綜合影響。復相關系數越大,表明要素或變量之間的線性相關程度越密切[35]。復相關的計算公式如下：

(8)

式中,Rx,yz表示因變量x與自變量y,z之間的復相關系數；Rxy表示x與y之間的線性相關系數；Rxz,y表示固定自變量y之后因變量x與自變量z的偏相關系數；其中x,y表示降水或者溫度值,z表示土地利用強度指數。

3 結果與分析

3.1 不同空間尺度土地利用強度時空分布特征分析

該文利用ArcGIS軟件建立不同空間尺度的漁網,以此提取松嫩平原不同空間尺度條件下的土地利用類型信息數據,運用Matlab軟件計算不同空間尺度條件下土地利用強度變化情況,具體如下圖。

圖2 不同空間尺度土地利用強度時空分布圖Fig.2 Spatial and temporal distribution of land use intensity at different spatial scales

由圖可以看出,松嫩平原土地利用強度高值區域主要分布于齊齊哈爾市東部及南部、哈爾濱市西部、綏化市中西部、松原市以及長春市等地區；土地利用強度低值區域主要分布于松嫩平原東部以及南部少部分地區,主要為黑河市東部、哈爾濱市東部以及長春市東部等地區。從時間尺度上來看,隨著時間的推移土地利用強度低值區域在不斷的減少,這主要是由于農業大規模的開發引起的；從空間尺度上升來看,空間尺度的不斷增加松嫩平原土地利用強度的均質性逐漸地增強,即每個像元的土地利用強度值逐漸向均值靠近。

為了進一步分析研究區域內土地利用強度的變化情況,該文提取不同時間和空間尺度條件下土地利用強度均值及土地利用強度值的主要分布區間。如表所示,在時間尺度上,研究區域土地利用強度均值表現為先增加后降低的變化趨勢,這主要是農業開發強度經歷先增強后逐漸減弱的原因；從土地利用強度主要分布區間變化情況來看,隨著時間的不斷推移,占研究區域主要部分的區域在不斷的變化,大致呈現逐漸增加的趨勢,表明研究區域土地利用強度的不斷增加。在空間尺度上,不同空間尺度的土地利用強度的均值分別為3.92、3.92、3.93、3.93以及4.34,土地利用強度均值呈現先不變后逐漸增加的變化趨勢；而對于土地利用強度的主要分布區間表現為不同時間段內主要分布區間均表現為向均值不斷聚集的變化趨勢且分布區間的中值也在不斷的增加。

表3 不同時間段不同空間尺度下土地利用強度變化情況

3.2 氣候因子變化

降水和溫度是氣候系統中重要的組成部分,其可以有效的反映區域水熱分布情況[20]；與此同時,降水與溫度也是受土地利用/覆蓋變化表現最為直接的因素,因此本文選取平均降水量與平均溫度分析區域氣候系統的變化情況。

1980—2018年松嫩平原多年平均降水量和多年平均溫度表現明顯的空間分異特征(圖3)。就平均降水量來看,松嫩平原整體約呈現由西南向東北逐漸增加的趨勢,其中白城市、松原市西部以及大慶市中西部為降水量低值區域,多年平均降水量為423.57 mm/a；降水量高值區域主要分布于長春市中南部、哈爾濱市西部以及綏化市西部,多年平均降水量為653.28 mm/a。就平均溫度來看,研究區域呈現明顯由西南向東北逐漸增加的趨勢,其中白城市、松原市、四平市以及長春市中西部為平均溫度的高值區域,多年平均溫度為6.10 ℃/a；平均溫度低值區域主要分布于黑河市、綏化市西部以及齊齊哈爾市西北部,多年平均溫度為0.495 ℃/a。

圖3 1980—2018年年平均降水量與年平均溫度分布特征Fig.3 Distribution characteristics of annual average precipitation and annual average temperature from 1980 to 2018

1980—2018年,松嫩平原降水量和溫度年際變化呈現明顯的空間分異規律。就降水量年際變化來看,松嫩平原降水量的趨勢變化率在-38.76—15.52 mm/10a,平均變化率為-9.89 mm/10a,在空間上,研究區域整體表現為由西南向東北逐漸增加的趨勢,其中白城市中西部、松原市南部、長春市北部以及哈爾濱南部等呈現降水量下降的趨勢,平均減少降水量為-22.43 mm/10a；黑河市、綏化市北部降水量呈現明顯的增加趨勢,平均增加降水量為6.57 mm/10a。就溫度年際變化來看,松嫩平原溫度的趨勢變化率在0.006—0.413 ℃/10a,平均變化率為0.26 ℃/10a。在空間上,研究區域大致表現為兩端低、中間高的變化趨勢,其中大慶市西部、綏化市中西部、哈爾濱市東部以及齊齊哈爾市北部平均溫度呈現增加的趨勢,平均增加值為0.341 ℃/10a；低值區域主要分布于大慶市與齊齊哈爾市交接處、哈爾濱市西部、四平市南部以及黑河市,其平均值為0.139 ℃/10a。

圖4 1980—2018年年平均降水與年平均溫度變化趨勢分布特征Fig.4 Distribution characteristics of annual average precipitation and annual average temperature from 1980 to 2018

3.3 不同空間尺度土地利用強度變化對氣候因子的影響

因引起局部氣候因子變化的原因主要有全球氣候變化的影響、土地利用覆蓋變化的影響以及地形因子變化的影響[36],該文利用“觀測資料減去再分析”(Observation Minus Reanalysis, OMR)方法對氣象數據進行處理,該方法可以有效排除全球氣候變化規律等因素帶來的影響。此外,松嫩平原近30年間地形等條件變化不明顯,故利用處理后的氣候因子數據進行相關性研究,可以有效分析土地利用/覆蓋變化對于氣候因子的影響,如果兩者表現為正相關,說明土地利用強度變化對于氣候因子變化有促進作用,反之有抑制作用。

3.3.1土地利用強度與氣候因子的簡單相關性分析

從不同空間尺度松嫩平原土地利用強度與降水相關關系的空間分布來看,松嫩平原土地利用強度與降水之間呈現較為明顯的負相關的關系,且隨著空間尺度不斷增加負相關性表現出先增加后降低的變化趨勢。1 km網格空間尺度條件下,土地利用強度與降水之間的相關關系均值為-0.33,其相關關系值為負值的區域面積為14.1萬km2,占總研究區域面積的62.84%；3 km網格空間尺度條件下,土地利用強度與降水之間的相關關系均值為-0.43,其相關關系值為負值的區域面積為15.44萬km2,占總面積的68.62%；5 km網格空間尺度條件下,土地利用強度與降水之間的相關關系均值為-0.56,其相關關系值為負值的區域面積為16.07萬km2,占總面積的71.42%；10 km網格空間尺度條件下,土地利用強度與降水之間的相關關系均值為-0.63,其相關關系值為負值的區域面積為17.12萬km2,占總面積的76.11%；20 km網格空間尺度條件下,土地利用強度與降水之間的相關關系均值為-0.49,其相關關系值為負值的區域面積為16.05萬km2,占總面積的71.32%。

圖5 不同空間尺度條件下土地利用強度與氣候因子之間的相關系數Fig.5 The correlation coefficient between land use pattern and climatic factors at different spatial scales

從不同空間尺度松嫩平原土地利用強度與溫度相關關系的空間分布來看,松嫩平原土地利用強度與溫度之間呈現明顯的正相關的相關關系,其相關關系隨著空間尺度的不斷增加表現為先增加后降低的變化趨勢。1 km空間尺度條件下,土地利用強度與降水之間的相關關系均值為0.56,其相關關系值為負值的區域面積為14.61萬km2,占總研究區域面積的64.93%；3 km網格空間尺度條件下,土地利用強度與降水之間的相關關系均值為0.61,其相關關系值為負值的區域面積為16.56萬km2,占總面積的73.58%；5 km網格空間尺度條件下,土地利用強度與降水之間的相關關系均值為0.68,其相關關系值為負值的區域面積為17.35萬km2,占總面積的77.12%；10 km網格空間尺度條件下,土地利用強度與降水之間的相關關系均值為0.71,其相關關系值為負值的區域面積為18.53萬km2,占總面積的82.33%；20 km網格空間尺度條件下,土地利用強度與降水之間的相關關系均值為0.61,其相關關系值為負值的區域面積為15.93萬km2,占總面積的70.82%。

3.3.2土地利用強度與氣候因子的偏相關性分析

從不同空間尺度條件下土地利用強度與降水之間的偏相關可以看出,隨著空間尺度的不斷增加,土地利用強度與降水之間的偏相關系數的均值分別為-0.13、-0.24、-0.33、-0.37以及-0.34,呈現逐漸降低的變化趨勢。T檢驗結果表明,通過顯著性水平為0.05 T 檢驗的面積分別為2.48萬km2、2.7萬km2、3.04萬km2、3.08萬km2以及2.72萬km2,分別占研究區域面積的比例為11%、12%、13.5%、13.7%以及12.1%；通過顯著水平為0.01 T 檢驗的面積分別為1.05萬km2、1.25萬km2、1.42萬km2、1.59萬km2以及1.2萬km2,分別占研究區域面積的比例為7%、7.9%、9.8%、10.1%以及7.6%。由此可知,隨著空間尺度的不斷變化土地利用強度對于降水的影響表現為抑制作用,其抑制作用呈現先增強后減弱的變化趨勢,其土地利用強度與降水之間的最佳相互作用空間尺度為10 km網格。

圖6 不同空間尺度條件下土地利用強度與氣候因子之間的偏相關系數Fig.6 The partial correlation coefficients between land use patterns and climatic factors at different spatial scales

從不同空間尺度條件下土地利用強度與溫度之間的偏相關可以看出,土地利用強度與溫度之間的偏相關比與降水的偏相關表現更強,說明土地利用強度對于溫度的影響明顯強于對降水的影響。土地利用強度與溫度之間的偏相關系數均值分別為0.32、0.36、0.42、0.45以及0.23,表明土地利用強度對于溫度的影響隨著空間的不斷變化呈現先增強后減弱的變化趨勢。T檢驗結果表明,通過顯著性水平為0.05 T 檢驗的面積分別為2.79萬km2、3.04萬km2、4.66萬km2、4.79萬km2以及2.77萬km2,分別占研究區域面積的比例為12.4%、13.5%、20.7%、21.3%以及12.3%；通過顯著水平為0.01 T 檢驗的面積分別為1.28萬km2、1.5萬km2、1.59萬km2、1.8萬km2以及1.02萬km2,分別占研究區域面積的比例為8.1%、9.5%、10.4%、11.4%以及6.5%。由此可知,隨著空間尺度的不斷變化土地利用強度對于溫度的影響表現為促進作用,其促進作用先增強后減弱的變化趨勢,其土地利用強度與降水之間的最佳相互作用空間尺度為10 km網格。

表4 松嫩平原不同空間尺度土地利用強度與氣候因子之間T檢驗

3.3.3土地利用強度與氣候因子的復相關性分析

分析松嫩平原土地利用強度與降水、溫度之間的相關性,松嫩平原土地利用強度與降水、溫度呈現明顯的相關性。統計表明,整個研究區不同空間尺度條件下土地利用強度與降水、溫度之間的平均復相關系數分別為0.67、0.72、0.83、0.85以及0.69,其中復相關指數的低值區域主要分布在綏化市東部以及白城市南部等少部分地區,其余地區均表現明顯的相關性。通過進行F檢驗分析,不同空間尺度通過0.05顯著檢驗的區域總面積分別為7.81萬km2、8.96萬km2、11.14萬km2、11.78萬km2以及9.14萬km2,分別占總面積的34.7%、39.8%、49.5%、52.35%以及40.6%；通過0.01顯著性檢驗區域的總面積分別為3.87萬km2、4.41萬km2、4.52萬km2、6.05萬km2以及5.27萬km2,分別占總面積的17.2%、19.6%、20.1%、26.9%以及23.4%。通過分析土地利用強度與溫度、降水之間的復相關性可知,松嫩平原土地利用強度與區域降水、溫度之間具有明顯的相關性,表明區域土地利用強度對區域降水、溫度產生明顯的影響。在空間尺度上,10 km正方形網格表現更為明顯的相關性,從10 km網格空間尺度分析土地利用強度與區域氣候之間的關系具有更好的效果。

圖7 不同空間尺度條件下土地利用強度與氣候因子之間的復相關系數Fig.7 The multiple correlation coefficients between land use patterns and climate factors at different spatial scales

4 討論

本研究發現,隨著空間尺度的不斷的增加,土地利用強度均質化程度不斷的增強,即表現為研究區域不同空間上土地利用強度值不斷向均值聚集,這與已有的空間尺度研究結果類似[37-38]。另外,該文分別選取1 km、3 km、5 km、10 km以及20 km正方形區域作為研究的空間尺度,可以明顯的反映土地利用強度不同空間尺度的變化過程,包括土地利用強度演變過程中的緩慢上升期和驟變期,此空間尺度的選擇可以有效地表現土地利用強度空間變化過程中與氣候因子之間的關系。

本研究發現,不同空間尺度的土地利用強度與降水和溫度均表現一定的相關性,其與降水呈現較為明顯的正相關,即對降水量的增加表現為抑制作用,與溫度呈現較為明顯的負相關,即對溫度的增加表現為促進作用,且通過分析不同空間尺度條件下土地利用強度與氣候因子之間的關系可以看出,在10 km網格空間尺度條件下土地利用強度與氣候因子表現出更為強烈的相關性。由此可以看出以10 km網格為評價單元,研究評價單元內土地利用/覆蓋變化與氣候因子之間的關系具有更好的效果。

在以往的研究中,學者通常選擇單一空間尺度研究土地利用/覆蓋變化與氣候因子的變化情況之間的關系[39-41],而并未充分考慮土地利用/覆蓋變化的尺度效應,尋求土地利用/覆蓋影響區域氣候的最佳空間尺度可以更為精確的研究土地利用/覆蓋變化與氣候因子之間的關系。在未來的土地利用過程中,我們應當以最佳空間尺度為單位進行土地利用的空間規劃,以區域空間布局為重要依托,建立適應于氣候變化的區域土地利用強度,這樣既可以滿足我們對于土地的使用,也可以調節小區域氣候的變化,抑制全球氣候變化對于我們的影響。

5 結論

主要結論有：

(1)在時間尺度上,松嫩平原不同空間尺度的土地利用強度均值整體表現為增加的變化趨勢,但變化趨勢在不斷的減弱；在空間尺度上,不同空間尺度的土地利用強度的均值分別為3.92、3.92、3.93、3.93以及4.34,土地利用強度均值呈現先不變后逐漸增加的變化趨勢。

(2)1980—2018 年松嫩平原多年平均降水量和多年平均溫度表現明顯的空間分異特征,整體約呈現由西南向東北逐漸增加的趨勢。就降水量年際變化來看,松嫩平原降水量的趨勢變化率在-38.76—15.52 mm/10a,平均變化率為-10.01 mm/10a；年平均溫度的趨勢變化率在0.006—0.413 mm/10a,平均變化率為0.26 mm/10a。

(3)從不同空間尺度松嫩平原土地利用強度與降水、溫度相關關系的空間分布來看,松嫩平原土地利用強度與降水之間呈現較為明顯的負相關的關系,與溫度之間呈現較為明顯的正相關的關系,且隨著空間尺度不斷增加相關性均表現出先增加后降低的變化趨勢。

(4)從松嫩平原土地利用強度與降水和溫度的偏相關來看,不同空間尺度上土地利用強度與降水之間的偏相關系數的均值分別為-0.13、-0.24、-0.33、-0.37以及-0.34；與溫度之間的偏相關系數均值分別為0.32、0.36、0.42、0.45以及0.23；由此可以看出,土地利用強度與溫度之間的偏相關比與降水的偏相關表現更強,說明土地利用強度對于溫度的影響明顯強于對降水的影響,且在10 km網格空間尺度上相互作用表現的更為明顯。

(5)整個研究區不同空間尺度條件下土地利用強度與降水、溫度之間的平均復相關系數分別為0.67、0.72、0.83、0.85以及0.69。在空間尺度上,10 km正方形區域表現更為明顯的相關性,從10 km網格空間尺度分析土地利用強度與區域氣候之間的關系具有更好的效果。

參考文獻(References):

[1] 宋戈, 王越. 松嫩高平原土地利用格局變化時空分異. 農業工程學報, 2016, 32(18): 225- 233.

[2] 李維維, 陳田, 馬曉龍. 城市旅游綜合體土地利用空間格局演變及驅動機制——以西安曲江為例. 地理研究, 2019, 38(5): 1103- 1118.

[3] 王越, 宋戈, 呂冰. 基于多智能體粒子群算法的松嫩平原土地利用格局優化. 資源科學, 2019, 41(4): 729- 739.

[4] Chen L G, Yang X Y, Chen L Q, Li L. Impact assessment of land use planning driving forces on environment. Environmental Impact Assessment Review, 2015, 55: 126- 135.

[5] Tsai Y, Zia A, Koliba C, Bucini G, Guilbert J, Beckage B. An interactive land use transition agent-based model (ILUTABM): Endogenizing human-environment interactions in the Western Missisquoi Watershed. Land Use Policy, 2015, 49: 161- 176.

[6] Wang Y Q, Shao M A, Zhang C C, Han X W, Mao T X, Jia X X. Choosing an optimal land-use pattern for restoring eco-environments in a semiarid region of the Chinese Loess Plateau. Ecological Engineering, 2015, 74: 213- 222.

[7] Stone Jr B. Land use as climate change mitigation. Environmental Science & Technology, 2009, 43(24): 9052- 9056.

[8] 杜國明, 劉文琦, 于佳興, 張爽. 三江平原水旱田分布對遙感反演局地地表溫度的影響. 農業工程學報, 2019, 35(5): 259- 267.

[9] Wang W, Wu X H, Yin C M, Xie X L. Nutrition loss through surface runoff from slope lands and its implications for agricultural management. Agricultural Water Management, 2019, 212: 226- 231.

[10] 葉鑫, 鄒長新, 劉國華, 林乃峰, 徐夢佳. 生態安全格局研究的主要內容與進展. 生態學報, 2018, 38(10): 3382- 3392.

[11] Huang Y L, Huang J L. Coupled effects of land use pattern and hydrological regime on composition and diversity of riverine eukaryotic community in a coastal watershed of Southeast China. Science of the Total Environment, 2019, 660: 787- 798.

[12] Cheng P X, Meng F S, Wang Y Y, Zhang L S, Yang Q, Jiang M C. The impacts of land use patterns on water quality in a trans-boundary river basin in northeast China Based on eco-functional regionalization. International Journal of Environmental Research and Public Health, 2018, 15(9): 1872.

[13] Zhang X Z, Wang W C, Fang X Q, Ye Y, Zheng J Y. Agriculture development-induced surface albedo changes and climatic implications across northeastern China. Chinese Geographical Science, 2012, 22(3): 264- 277.

[14] Ge Q S, Zhang X Z, Zheng J Y. Simulated effects of vegetation increase/decrease on temperature changes from 1982 to 2000 across the Eastern China. International Journal of Climatology, 2014, 34(1): 187- 196.

[15] Zhang X Z, Tang Q H. Response of simulated surface air temperature to the interannual variability of leaf area index in eastern China. Advances in Meteorology, 2013, 2013: 817870.

[16] Zhou L, Dickinson R E, Tian Y, Jin M, Ogawa K, Yu H, Schmugge T. A sensitivity study of climate and energy balance simulations with use of satellite-derived emissivity data over northern Africa and the Arabian Peninsula. Journal of Geophysical Research, 2003, 108(D24): 4795.

[17] Loose T, Bornstein R D. Observations of mesoscale effects on frontal movement through an urban area. Monthly Weather Review, 1977, 105(5): 563- 571.

[18] 翟俊, 邵全琴, 劉紀遠. 內蒙古高原土地利用/覆被變化對氣溫變化的影響分析. 自然資源學報, 2014, 29(6): 967- 978.

[19] 葉紅, 張廷斌, 易桂花, 李景吉, 別小娟, 劉棟, 羅琳玲. 2000—2014年黃河源區ET時空特征及其與氣候因子關系. 地理學報, 2018, 73(11): 2117- 2134.

[20] 江穎慧, 焦利民, 張博恩. 城市地表溫度與NDVI空間相關性的尺度效應. 地理科學進展, 2018, 37(10): 1362- 1370.

[21] 崔林麗, 杜華強, 史軍, 陳昭, 郭巍. 中國東南部植被NPP的時空格局變化及其與氣候的關系研究. 地理科學, 2016, 36(5): 787- 793.

[22] Yue T X, Fan Z M, Chen C F, Sun X F, Li B L. Surface modelling of global terrestrial ecosystems under three climate change scenarios. Ecological Modelling, 2011, 222(14): 2342- 2361.

[23] 曹巍, 邵全琴, 劉紀遠, 胡卓瑋. 北京地區土地利用/覆被及其變化對氣溫升溫的影響分析. 氣候與環境研究, 2013, 18(4): 451- 460.

[24] 曹崢, 廉麗姝, 李寶富. 黃河三角洲濕地面積變化對8月份氣候影響的數值模擬試驗. 咸陽師范學院學報, 2014, 29(6): 69- 76.

[25] 武利陽, 左洪超, 馮錦明, 陳伯龍, 董龍翔. 中國土地利用和植被覆蓋度變化對區域氣候影響的數值模擬. 蘭州大學學報: 自然科學版, 2018, 54(3): 334- 344.

[26] 張宏文, 張學珍, 張麗娟. WRF模擬的1980—2000年中國東北農業開發對氣候的影響. 地理研究, 2015, 34(10): 1853- 1863.

[27] 華文劍, 陳海山, 李興. 未來土地利用變化影響中國區域氣候的數值模擬. 中國科學: 地球科學, 2015, 45(7): 1034- 1042.

[28] 林佳, 宋戈, 張瑩. 耕地植被人為干擾格局動態變化特征及其尺度效應. 農業工程學報, 2019, 35(9): 275- 284.

[29] 田旸, 那曉東, 臧淑英. 1986—2010年松嫩平原土地利用程度空間格局變化研究. 哈爾濱師范大學: 自然科學學報, 2016, 32(3): 101- 107.

[30] 馬丹陽, 尹云鶴, 吳紹洪, 鄭度. 中國干濕格局對未來高排放情景下氣候變化響應的敏感性. 地理學報, 2019, 74(5): 857- 874.

[31] Guo B B, Zhang J, Meng X Y, Xu T B, Song Y Y. Long-term spatio-temporal precipitation variations in China with precipitation surface interpolated by ANUSPLIN. Scientific Reports, 2020, 10(1): 81.

[32] Kalnay E, Kanamitsu M, Kistler R, Collins W, Deaven D, Gandin L, Iredell M, Saha S, White G, Woollen J, Zhu Y, Chelliah M, Ebisuzaki W, Higgins W, Janowiak J, Mo K C, Ropelewski C, Wang J, Leetmaa A, Reynolds B, Jenne R, Joseph D. The NCEP/NCAR 40-year reanalysis project. Bulletin of the American Meteorological Society, 1996, 74(3): 437- 472.

[33] Pf?rtner T K, Pfaff H, Hower K I. Trends in the association of different forms of precarious employment and self-rated health in Germany. An analysis with the German Socio-Economic Panel between 1995 and 2015. Journal of Epidemiology & Community Health, 2019, 73(11): 1002- 1011.

[34] 袁博. 基于混合像元空間與譜間相關性模型的NMF線性盲解混. 測繪學報, 2019, 48(9): 1151- 1160.

[35] 王強, 張廷斌, 易桂花, 陳田田, 別小娟, 何奕萱. 橫斷山區2004—2014年植被NPP時空變化及其驅動因子. 生態學報, 2017, 37(9): 3084- 3095.

[36] 蔡榕碩, 付迪. 全球變暖背景下中國東部氣候變遷及其對物候的影響. 大氣科學, 2018, 42(4): 729- 740.

[37] 徐冬, 黃震方, 胡小海, 呂龍, 曹芳東. 浙江省縣域旅游效率空間格局演變及其影響因素. 經濟地理, 2018, 38(5): 197- 207.

[38] 彭建, 徐飛雄. 不同格網尺度下的黃山市生境質量差異分析. 地球信息科學學報, 2019, 21(6): 887- 897.

[39] 項頌, 龐燕, 竇嘉順, 呂興菊, 薛力強, 儲昭升. 不同時空尺度下土地利用對洱海入湖河流水質的影響. 生態學報, 2018, 38(3): 876- 885.

[40] 王靜, 萬紅蓮, 姚順波. 生長季川陜不同地帶植被覆蓋對氣候變化的時空響應. 生態學報, 2019, 39(14): 5218- 5231.

[41] 盛任, 萬魯河. 烏伊嶺國家級自然保護區植被覆蓋演變及其對氣候突變的響應. 生態學報, 2019, 39(9): 3243- 3256.