內蒙古大興安嶺林草交錯帶景觀動態分析

冒許鵬,刁嬌嬌,范佳輝,呂瑩瑩,徐網谷,王 智,李明詩,3,*

1 南京林業大學林學院, 南京 210037 2 生態環境部南京環境科學研究所, 南京 210037 3 南京林業大學南方現代林業協同創新中心, 南京 210037

氣候變化與人類活動對地表過程的影響日益加劇,土地利用變化引起的景觀格局演變和生態系統變化研究已成當前熱點[1- 2]。大興安嶺林草交錯生態脆弱區受氣候變化、過度放牧和旅游開發等影響,當地生物多樣性減少、草原不斷退化[3- 5]。因此,加強林草交錯帶生態系統的本底調查及其動態變化趨勢研究,將有助于深入理解林草交錯帶生態系統脆弱性的成因,并進一步提升林草資源保護與合理利用水平[6- 7]。

當前,土地利用和景觀的時空格局變化及驅動力分析、生態環境效應對土地利用變化和景觀格局演變的響應以及土地利用系統和生態服務系統之間的相互作用已有較多研究[8- 10]。例如,馬珂等[11]基于Markov過程原理,在景觀尺度下分析了新疆烏蘇綠洲的生態環境動態過程與發展趨勢。呂樂婷等[12]對東江流域1990—2016年的景觀格局時空變化進行分析并采用FLUS模型對未來景觀格局進行了預測。葉晶萍等[13]運用遙感生態指數對尋烏水流域1995—2015年期間生態環境質量時空演變進行了評價。Keller等[14]應用InVEST模型探究了土地利用變化對生態服務功能干擾最小化的途徑,并為未來土地管理提供科學的理論指導。在景觀動態模擬方面,CA-Markov模型綜合了CA模型模擬復雜系統行為的能力和Markov模型的長期預測優勢,近年來被國內外學者廣泛使用[15- 19]。Guan等[20]基于CA-Markov模型,對日本佐賀市2015—2042年的土地利用時空格局演變過程進行了有效模擬和預測。而狀態轉換模擬模型STSM主要被運用于大尺度的城市區域及森林方面的預測研究[21],在土地利用模擬方面的應用研究相對較少。

針對當前多數研究中使用的土地覆蓋數據精度較低以及對森林長期演變過程中破碎化的空間變化模式量化不足等問題,本研究首先采用面向對象的決策樹分類,建立林草交錯帶高精度土地利用數據,再利用景觀格局指數評估區域景觀形狀變化、景觀破碎化程度、景觀異質性程度等,最后利用STSM模型對研究區2025年土地利用空間格局進行模擬,以期為制定區域發展戰略提供參考。

1 研究區概況

圖1 研究區行政區劃圖Fig.1 Administrative divisions of the study area

大興安嶺林草交錯帶位于內蒙古自治區東北部的呼倫貝爾市,南北長約696 km,東西寬約384 km,研究區總面積為13.43萬平方公里(圖1)。全區地勢為東北方向高,西南方向低,屬淺山丘陵地帶。氣候類型為溫帶大陸季風氣候,冬季寒冷漫長、夏季短促,年平均氣溫-2.4℃,多年平均降雨量358 mm。植物生長季為5月上旬至8月末,持續70—100 d。研究區植被分布區系由東向西依次為北方針葉林帶-落葉闊葉林帶-森林草原帶-草原帶,地帶性差異明顯。針葉樹種主要有興安落葉松(Larixgmelini)、樟子松(Pinussylvestris)、油松(Pinustabuliformis)等,闊葉樹種主要有白樺(Betulaplatyphylla)、山楊(Populusdavidiana)等,森林草原代表建群種有黃花菜(Hemerocallisminor)、地榆(Sanguisorbaofficinalis)等,草原代表建群種有大針茅(Stipagrandis)、克氏針茅(Stipakrylovii)等。

2 數據來源及研究方法

2.1 數據獲取

研究數據主要包括遙感影像數據和實地調查數據。遙感影像數據為覆蓋整個研究區的Landsat 5 TM圖像(2000和2010年)以及2018年的Landsat 8 OLI 圖像,共36景。所有數據均是來自USGS官方網站(https://glovis.usgs.gov/)提供的地表反射率數據。為保證分類精度,選擇研究區夏季無云或少云的影像數據。其中2010年少量影像云量較多,采用對應位置上2009或2011年同時期影像進行替代。

2.2 土地利用分類主題

依據《全國30米分辨率土地利用分類系統》,將大興安嶺地區土地利用類型分為林地、草地、耕地、濕地、人工表面、鹽堿地及荒漠和過火區七大類。

2.2.1閾值化處理

圖像閾值化是利用圖像像素值的頻數分布規律,設定門限值進行像素點分割,進而得到二值專題圖像。利用修正歸一化差異水體指數(MNDWI),閾值設定為0.2,區分研究區的水體與非水體。構建歸一化植被指數(NDVI)檢測植被健康狀態及活力特征,消除部分輻射及地形誤差。閾值設定為0.2,以區分植被與非植被。兩個指數的計算公式見表1。

表1 決策樹分類所用圖像指數列表

2.2.2基于面向對象的分類

得到植被和非植被區域后,采用面向對象的決策樹分類方法,將非植被區域分為人工表面、過火區和鹽堿地及荒漠,同時植被區域細分為林地、草地和耕地。由于研究區主要地物的形狀及大小各不相同,對應的最優分割尺度也應不同。在eCognition軟件中使用ESP插件計算最優分割指數,最終確定基準分割尺度為 “30”。通過對比實驗發現,當分割過程中shape指數為0.6,compactness指數為0.5時各地物分割效果最好。非植被區域的決策樹分類輸入特征包括：歸一化火燒指數(NBR)、比值居民地指數(RRI)和歸一化建筑指數(NDBI)。植被區域的決策樹分類輸入特征包括均值、方差、均勻性、對比度、相異性、熵、二階矩和相關性等8個紋理測度以及纓帽變換(K-T變換)生成的亮度(Brightness)、綠度(Greenness)和濕度(Wetness)特征。圖像指數的計算公式見表1,所采用的決策樹模型如圖2所示。

圖2 決策樹示意圖Fig.2 Schematic diagram of decision treeMNDWI: 歸一化差異水體指數NDVI: 歸一化植被指數RRI: 比值居民地指數NDBI: 歸一化建筑指數NBR: 歸一化燃燒率

2.3 分類產品驗證

對研究區生成1000個隨機點提取對應的分類結果類碼,并利用91衛圖系統里相應年份高空間分辨率圖像輔助目視解譯結果作為參考值進行精度驗證(計算總體精度、用戶精度、生產者精度和Kappa系數等精度指標)。

2.4 景觀格局分析

選取斑塊數(NP)、平均斑塊面積(MPS)、邊界密度(ED)和聚集度指數(AI)4個景觀指數對研究區景觀進行分析。各景觀指數的含義及其計算方法見表2。

2.5 土地利用狀態轉移模擬

2.5.1STSM模型原理

STSM模型(State-and-transition Simulation Model)也是將景觀空間劃分為多個模擬單元組成的集合,這些模擬單元雖然與柵格類似,但可以是任意的形狀和大小,可有效避免其他預測模型管理狀態空間過大的問題[21]。

圖3展示了一種簡單的森林植被狀態轉移模擬方法。景觀整體被分割為多個模擬單元,每個單元具有一個初始狀態(D=落葉,M=混交,C=針葉)和相應的年齡。每個單元都表現出轉換狀態方向。且隨時間改變,每個單元的狀態和年齡都發生了隨機變化過程,這個過程是基于初始狀態、年齡和轉換概率進行模擬的。若單元發生重疊,在模擬結束時其狀態和年齡都是單一的(圖3)。

表2 各景觀指數列表

圖3 森林景觀狀態轉移模擬模型原理圖[32-33]Fig.3 Conceptual framework for simulating forest landscape transitions by state-and transition simulation model (STSM)D：落葉Deciduous；M：混交Mixed；C：針葉Coniferous；S：演替Succession；F：火燒Fire；H：采伐Harvest

2.5.2建立轉換模型

在STSM模型中需定義各土地類型之間的轉換狀態。本研究將這些過程定義為農田擴張和收縮、植被恢復、城市化、草地恢復、林火和無轉移這七種類型(圖4)

圖4 STSM中土地利用轉移規則定義Fig.4 Land use transfer rules defined in STSM

使用2000年和2010年的土地利用分類結果,計算各轉移類型的比例,從而確定STSM模型中各類別的轉換概率,并設置相近距離內發生概率的可能性,確保模擬發生位置的可靠性。將模擬出的2018年土地利用類型與2018的真實分類進行空間一致性分析,在滿足精度要求的前提下利用2010年和2018年土地利用分布預測2025年的研究區土地利用空間模式。

3 結果與分析

3.1 土地利用及變化分析

分類精度驗證結果表明,2000、2010、2018年土地利用類型分類總體精度分別為89.12%,89.60%和90.40%,Kappa系數分別為0.8693,0.8717和0.8816,分類結果精度較高,滿足后續分析需求。

圖5展示了2010年和2018年研究區土地利用分類結果。觀察圖5可知,林地大部分集中在大興安嶺林草交錯帶中的北部額爾古納市及根河市,東部的牙克石市。草地位于大興安嶺西側,集中分布在陳巴爾虎旗、新巴爾虎旗、鄂溫克族自治旗和額爾古納市南部。耕地主要分布在草地森林交錯過渡區域,耕地的地理位置隨人類活動的城鎮及周邊河流水系緊密相連。濕地均勻地分布在各個行政區,水系繁雜。研究區的城鎮規模普遍較小,小城市占絕對比重,居住分散,大量分布在以海拉爾區為中心的周邊縣區內。此外,道路作為城鎮的重要組成部分,與城鎮的分布密切相關。道路遍布整個研究區,呈稀疏網狀,是大興安嶺林草交錯帶地區重要的交通和經濟載體。荒漠主要分布于新巴爾虎左旗和陳巴爾虎旗。

圖5 土地利用分類圖Fig.5 Land use classification maps

表3列舉了研究區各土地利用類型的面積及對應比例。由表3可知,研究區各土地利用類型面積占比從高到低依次為林地、草地、濕地、耕地、鹽堿地及荒漠、人工表面和過火區。2010—2018年間,城鎮快速擴張、工業高速發展,導致人工表面面積迅速增長,面積增加98.4 km2。與此同時耕地面積大量流失,面積減少36.47 km2。草地面積增長38.11 km2,變化趨勢與2011年推行的“退牧還草”政策相一致。林地面積減少43.55 km2,頻繁的雷暴天氣引發的林火是森林消失的主要原因[34]。當地政府積極響應國家出臺的沙化土地保護政策,對出現退化、沙化、鹽漬化等問題的草地及時采取管控措施,鹽堿地及荒漠面積減少15.41 km2,草原生態環境不斷改善。

表3 各土地利用類型面積

對比分析2010—2018年土地利用變化轉移矩陣(表4),研究區內土地利用類型未出現急劇變化的情形。轉出量最多的為過火區,有51.70 km2轉變成草地(圖6)。大面積高強度火燒過后,一些速生型先鋒草本、灌木等迅速搶占生態位,導致原有林型發生改變,森林生態功能退化,直接演變為草原。林地轉出面積46.78 km2,其中13.38 km2轉變為草地,20.48 km2發生林火轉變成過火區。轉入面積最多的是人工表面,總計99.1 km2。2010年前林區防火應急道路建設嚴重滯后,阻礙了林火綜合防控能力的提升。2010至2018年間林區基礎設施建設持續進行,約12.92 km2林地被用于林區道路建設。此外因城市擴張和道路建設,約27.41 km2草地轉變成人工表面。

表4 2010—2018年土地利用變化轉移矩陣

圖6 土地覆蓋變化示意圖Fig.6 Schematic diagram of land cover change

3.2 區域景觀格局變化分析

用2018與2010年的景觀指數計算結果做差,可得2010—2018年間研究區內景觀格局變化情況(表5)。從表5可知,在2010—2018年時間段內,林地類面積(CA)減少4354.65hm2；斑塊數量增加135塊,說明研究區內林地景觀構成趨于復雜；邊界密度(ED)增加0.03m/hm2,邊界密度越高表明斑塊破碎化程度越高,故說明林地破碎化程度有所提高；平均斑塊面積(MPS)減少1.3057hm2,而每一類的斑塊平均面積說明該類在景觀中的完整性,林地類斑塊平均面積的減少說明林地這一景觀趨于不完整。草地和人工表面景觀格局變化情況均與林地相反,面積增加、破碎化程度降低、景觀完整性提高。

3.3 土地利用模擬結果

基于研究區2000和2010年土地利用分類圖,利用STSM模型模擬2018年土地利用分類圖(圖7)。將實際分類結果與模型模擬結果進行對比,區域一致性達97.3%,Kappa系數為0.96,表明本研究所建立的模擬模型能夠高精度地模擬研究區的土地利用格局。利用相同方法模擬得到2025年的土地利用分類圖(圖7)。

由預測結果(表6)可知：預計到2025年林地和草地面積分別增長92.27、183.21 km2。大興安嶺林草交錯帶分別于1998和2011年實施“天然林保護”工程和“退牧還草”政策,草原生態各項指標顯著提高。隨著城市化進程加快,道路作為重要的經濟交通載體和防火應急保障,當地政府投入力度不斷加大,推動研究區人工表面面積持續增長,預計增長66.2 km2。受“退耕還草”政策的影響,研究區耕地緩慢減少。此外,鹽堿地及荒地面積持續減少,荒漠化治理成效顯著。

圖7 土地利用模擬圖Fig.7 Land use simulation maps

表6 STSM模型預測結果/km2

4 討論

4.1 基于面向對象的決策樹分類結果的交叉驗證

本研究生成的3期30m土地利用數據集,與Xu等[35]生產的“中國30 m逐年土地覆蓋/土地利用數據集(1980—2015)”(以下簡稱CLUD-A)相比,有以下幾點區別。(1)更高的分類精度。本研究采用面向對象的決策樹分類,結合輔助數據,得到的3期土地利用數據集精度均在85%以上。而CLUD-A分類精度僅為75.61%。(2)更詳細的路網信息。在得到初步分類結果后,進行大量的目視解譯糾錯,研究區的路網信息得到完整呈現(例如,Landsat影像無法自動分類刻畫的低等級道路在本研究中可以被精細提取),從而使得研究區景觀格局特征刻畫更精準。(3)濕地面積占比相對較大。由于分類體系的不同,本研究將濕地森林和濕地草原均分類為濕地,而CLUD-A分別分類為森林與草地,因此本研究的濕地面積顯著多于CLUD-A。這樣的分類體系更加符合當地的管理需求[36]。

4.2 土地利用管理政策建議

2025年預測結果顯示,研究區過火區面積增加10.25 km2,未來幾年林火仍需大力防控。森林消防部門可利用本研究提供的土地利用分類圖,提取林火多發區路網信息,積極會同氣象部門嚴查嚴控火災源頭,第一時間展開科學撲救。此外,在過火區植被恢復過程中,應當根據破壞程度[34]、立地條件、資源經營條件合理分級分類,將植被自然更新恢復和人工干預恢復有機結合[7],科學有效地縮短植被恢復到頂級群落所需要的時間,全面提高大興安嶺林草交錯帶過火區植被的恢復速度和恢復質量。研究結果顯示,在新巴爾虎旗北部地區仍存在大面積沙化土地。當地管理部門應積極響應國家出臺的沙化土地保護政策,加快制定本地區的防治草原荒漠化治理政策。對于部分出現退化、沙化、鹽漬化等問題的草地應該及時采取管控措施,如推行圍欄封育、輪封輪牧,加快優良畜種培育、優化畜種結構[36],實現草原生態保護和農牧民增收的雙贏目標。

4.3 STSM模型應用前景及局限性

STSM模型在轉換概率的選擇上是通過增加一定的距離要素以及定義其他相關因子確定的。相對于CA-Markov模型,STSM模型主觀因素更多,可以根據歷史條件使得模擬結果更加精確。但由于其過于主觀,缺乏一定的地理空間位置模擬,僅在具有歷史數據且大尺度區域的研究中占有優勢。陳倩[21]利用CA-Markov和STSM模型模擬預測了南京市老山國家森林公園2016年的土地覆蓋狀況。結果顯示CA-Markov模型總體預測精度為75.17%,而STSM模型僅為71.55%。表明針對小范圍高分辨率空間數據的CA-Markov模型預測效果更好,可信度更高。本研究的研究區面積達13.43萬km2,選取STSM模型模擬得到的2018年土地利用分類圖區域一致性達97.3%,Kappa系數0.96,表明本研究所建立的模型能夠較好地模擬研究區的土地利用格局。不足之處在于,未來的土地利用變化還會受到氣候變化等更多因素的影響,本文尚未考慮這些因素,未來的研究需進一步探索。

5 結論

(1)大興安嶺林草交錯帶2010—2018年間的景觀生態環境動態變化主要表現為林火導致的森林草地化、草原耕地化、低蓋度草地荒漠化以及林草田人居化。人類行為與自然反饋相互影響的結果在林草交錯生態脆弱區的生態環境變化中表現得尤為明顯。城市用地和路網的迅速擴張、草地大面積開墾以及氣象災害引發的林火都對研究區的生態環境造成巨大影響。

(2)景觀尺度上,研究區內的林地在2010—2018年期間,面積減少、破碎化程度增大、景觀完整性降低、景觀構成愈發復雜；草地面積增加、景觀完整性升高；耕地面積減少、破碎化程度增高,景觀完整性降低；人工表面面積大幅度增加、破碎化程度降低,景觀完整性升高。

(3)在現行土地利用發展趨勢下,預測2025年研究區林地、草地、人工表面和過火區面積分別增加92.27、183.21、66.2 km2和10.25 km2；耕地和鹽堿地及荒漠面積分別減少184.2 km2和164.84 km2。濕地面積相對穩定,無較大變化。