土壤景觀異質性與相關因子間關系的空間非平穩和尺度依賴特征研究

孫顯星 危小建 謝亞娟 程朋根 趙莉 東華理工大學測繪工程學院

由諸如道路建設、城市化、土地利用和土地覆被變化等人為因素引發的景觀破碎化等問題，導致了南昌市越來越多的棲息地斑塊變得越來越小，越來越相互孤立。在南昌市斑塊生境中，斑塊樣式的復雜性下降，邊緣生境的比重加強。所以，為了南昌市城市化生態系統的健康，土壤景觀異質性的研究已成為維持自然生態系統的必要手段。

景觀生態學研究主要是強調空間異質性與生態過程、尺度之間的相互作用關系。景觀異質性是景觀生態學研究的核心內容。景觀異質性是指景觀結構在空間分布上的非均勻性和隨機性，它隨著某一景觀要素出現的相對頻率變化而變化。景觀異質性同抗干擾能力、恢復能力、系統穩定性、生物多樣性密切相關。景觀異質性的研究一直是景觀生態學研究的熱點。然而土壤是人類生存和發展的物質基礎，土壤種類和土壤特性的差別變化在一定程度上決定了土地利用的形式，土地利用形式的差異化也間接的轉變著土壤種類、特性和效能的多樣性結構。現如今，人與自然的生態問題日益顯現，土壤的空間分布變化與其影響因素之間相互作用關系的研究具有重要意義。

本文以江西省南昌市為例，選取不同景觀異質性指數為因變量，選取到主要道路的距離（DCITY）、到城市的距離（DCITY）和坡度（PD）作為解釋變量，采用 OLS模型 和GWR模型方法探討不同的土壤景觀異質性指數與相關因子間關系的空間非平穩性和尺度依賴特征。

1.研究區概況與數據處理

1.1 研究區概況

南昌市地處江西中部偏北，贛江、撫河下游，鄱陽湖西南岸，位于東經115°27'至116°35'、北緯28°10'至29°11'之間。東連余干、東鄉、南接臨川、豐城、西靠高安、奉新、靖安，北與永修、都昌、鄱陽三縣共鄱陽湖，南北最大縱距約121千米，東西最大橫距約108千米，全境最高點梅嶺主峰洗藥湖中的洗藥塢，海拔841.4米。全境以鄱陽湖平原為主，東南相對平坦，西北為丘陵。

1.2 數據來源與預處理

圖1 研究區地理位置圖

本次研究采用南昌市土壤數據。土壤數據來自于世界土壤數據庫（Harmonized World Soil Database，簡稱HDSW）。作為全世界范圍內的土壤數據，其空間分辨率不高，中國地區的數據源分辨率僅為1:100 萬（http://westdc.westgis.ac.cn/data）。把南昌市的土壤類型數據單獨裁剪出來，根據國際標準FAO-90對各種土壤類型進行分類。數據分析和統計使用Fragstats 4.2、A rcGIS10.2 等軟件。景觀異質性指數的計算借助于Fragstats 4.2軟件，數據的空間分析和回歸建模采用ArcGIS 10.2實現。

為了滿足回歸建模的需要，所有因變量和解釋變量的地理信息系統圖層（最初的空間分辨率為30m的柵格數據）都被轉換為矢量格式。數據轉換的三個步驟如下:（1）在A rcGIS中隨機選取研究區域內的5000個點。（2）使用ArcGIS10.2中的ArcTool box，從柵格數據圖層信息提取至點圖層。（3）剔除無效點后運行回歸模型。

2.研究的方法數據

2.1 因變量指標選取

根據研究尺度的不同景觀格局指數分為斑塊水平指數(P atch Level Index)、斑塊類型水平指數（Class-level Index）以及景觀水平指數（Landscape-level Index。本文參照相關研究成果，既完整描述景觀異質性特征又避免信息冗余，在景觀水平指數上選取景觀形狀指數（LSI）、斑塊密度（PD）、分離度指數（SPLIT）、斑塊凝聚度指數（COHESION）、有效網格面積（MESH）等景觀指數。各景觀指數計算公式及意義如表1所示。

表1 景觀異質性特征指數、計算公式及其生態學含義

2.2 解釋變量指標

（1）到主干道的距離。過去30年來，南昌市加大了道路建設力度，以改善交通可達性，道路建設對生態系統和景觀異質性產生了重要影響。道路是直接導致景觀異質性的影響因素之一。因此，到主干道的距離(簡稱：DRDS)可以反映和影響景觀異質性的情況。

（2）到市中心的距離。南昌市在過去30年里經歷了快速的城市化和LUCC。因此，選擇到地區中心的距離(簡稱：DCITY)作為解釋變量，它通過對LUCC和城市化等生態過程的影響來影響景觀異質性。

（3）坡度。在研究區，大多數建筑環境位于低坡度位置，而大多數綠地位于高坡度位置一般人類活動越大，景觀異質性程度越高。因此，坡度(簡稱：SLOPE)也被用作一個預測因子，通過其對人類活動的影響來影響景觀異質性。

2.3 地理加權回歸

地理加權回歸（Geographically Weighted Regression，簡稱GWR）是由Brunsdon等提出的一種針對局部空間進行回歸的分析方法，是傳統線性回歸模型的延伸，引入了位置信息作為變量進行計算，通過獲取周邊數據的觀測值來計算二者的空間相互關系。可以通過改變GWR的帶寬在多尺度上檢測出景觀異質性在相關因子間的空間非平穩性。

表2 景觀異質性指數在不同窗口半徑下的調整后的R2值

GWR模型的基本形式為:

其中，yi，xik，和εi代表因變量，自變量和隨機誤差項。β0（μi，νi）是模型截距，βk（μi，νi）是k個獨立變量的斜率系數在（μi，νi）位置中，可以通過解決以下矩陣方程來估算GWR模型系數：

本文帶寬分別選取了2000m，4000 m，6000 m，8000 m，10000 m，12000 m，14000 m和16000 m。

3.結果與分析

3.1 土壤景觀空間關系的尺度依賴關系

平穩指數旨在衡量空間非平穩性，小于1的值表示平穩性。計算包括三個步驟：首先，計算了四分位數間距中的每個解釋變量的GWR系數的標準誤差;其次，最小二乘回歸得到其標準誤差。最后，將這兩個因素的比率用作平穩指數。

如圖2所示，平穩指數隨著帶寬的增加而下降，解釋變量的帶寬下降幅度最大為4000m的空間比例，這意味著有效網格面積（MESH）上每個解釋變量的下降比例在4000m以內。每個解釋變量隨著帶寬的增加而減少，到一定數值后趨于穩定。三個解釋變量的空間變異特征值在8000m左右時開始趨于穩定，因此，土壤景觀異質性與相關因子之間的相互關系表現出顯著的空間尺度依賴性。

圖2 三個解釋變量的多尺度平穩指數

3.2 不同移動窗口半徑對土壤景觀空間關系的非平穩性影響程度分析

通過3個不同的窗口半徑（1000m，1500m，2000m），局部R2(范圍從0到1)表示局部回歸模型與觀測值的擬合程度。

（1）土壤景觀異質性指數在解釋變量SLOPE上的相關性最強。在不同的窗口半徑中，土壤景觀異質性指數中的MESH在解釋變量SLOPE上相關性是最高的，并且土壤景觀異質性指數在所有解釋變量上的相關性更強。

（2）在窗口半徑2000m時土壤景觀異質性指數在解釋變量SLOPE上的相關性最強。在窗口半徑在1500m時和窗口半徑在1000m時，土壤景觀異質性指數在解釋變量上的相關性相似，窗口半徑在2000m時比窗口半徑在1500m時，土壤景觀異質性在解釋變量上的相關性更強。

（3）隨著窗口半徑的增加，土壤景觀異質性在解釋變量上的R2增速在提高。當窗口半徑在1000m-1500m時，土壤景觀異質性在解釋變量上的R2增速基本不變，而在1500m-2000m時，土壤景觀異質性在解釋變量上的R2增速變大。

4.結論

科學揭示土地的景觀異質性與相關因素之間的空間關系有利于土地管理和城市規劃。結果表明：通過三個具有16000m的特征比例的曲線解釋變量來說明，在帶寬8000m具有更好的擬合度。在三個解釋變量中，隨著窗口半徑的不斷增加，土壤景觀異質性指數在解釋變量上的相關性在增強，并且SLOPE上的相關性最強，而R2的增速在降低。

本研究發現了空間土壤景觀異質性與相關因子之間的關系使用OLS模型和GWR模型的影響因素。結果表明GWR可以作為一種有效的新方法探索空間變化的關系并可以減少空間自相關。GWR模型揭示了詳細的信息，說明了相關因素在不同區域的不同作用。從而提高了模型解釋本地數據的能力和景觀異質性的狀況，有助于發展更有效的規劃和土地管理。