水環境保護區景觀生態脆弱性時空特征分析

陳 浩

（鄭州市生態環境局鞏義分局，河南 鄭州 451200）

城市化進程的加速發展，使人類社會活動的覆蓋范圍增加，盡管這一發展現象在某種程度上提升了市場內多個產業的發展與建設水平，但在這一趨勢下，部分水環境保護區與對應區域的生態流域可持續發展受到了嚴重影響，社會生態也在這一動蕩趨勢下呈現一種風險加劇的趨勢[1]。而隨著工業化建設與城鎮化發展建設工作的不斷推進，人類活動與自然生態之間的關系越來越密切，如何在保證社會與自然環境和諧共處的前提下促進市場經濟建設，成為了國內與國外研究學者的關注重點。綜合國家生態環境部與地方自然環境保護單位反饋的數據與信息來看，由于土地資源過度開墾、水資源大量污染導致的生態環境不穩定現象已經非常普遍，而生態脆弱的本質是一種用于衡量或評價生態穩定性的主要方式。針對生態體系的評價方法包括綜合評估法、景觀規劃評估法、生態物種適應性與敏感性評估法等，這些評價方法通過深入挖掘社會自然與生態環境之間的關聯性，定位兩者在社會中的適應能力，對生態環境中任何一種事物的描述，均有助于生態系統的完善[2]。目前，與景觀時空特征相關的研究成為地方生態恢復與環境治理的重點，為了進一步提高生態環境的適應性，提高景觀時空規劃的合理性，本文此次研究將以某水環境保護區為例，對該地區的景觀生態脆弱性時空特征展開分析，以此種方式，為后續相關工作的落實提供指導與幫助。

1 水環境保護區概況與來源數據處理

此次研究以某水環境保護區為例，選擇的研究地區位于我國中東部，屬于國家經濟帶重點關注地區，也是我國長江流域的主要構成成分。作為我國水源保護重點區域，地區的生態景觀建設一直是有關單位的關注重點，但在近年來人類活動無節制開發的背景下，此地區的景觀格局發生了劇烈變化，水域生態環境也受到了嚴重的侵擾與威脅。為了進一步獲取地區生態環境經濟發展的概況，有關單位派遣了技術人員前往當地進行地質勘查。經過集中調查后發現，此區域的生態環境較為復雜，其中含有多個驅動因子有待深入考證與查究[3]。為了避免相關因素對此次分析造成干擾，選擇水環境保護區外圍緩沖10.0 km的覆蓋范圍作為此次研究的主要區域，此區域的占地面積約為7586.23 km2，其中涉及數十個行政單元。研究區范圍與地理位置概況圖如下圖1所示。

圖1 研究區范圍與地理位置概況圖

圖1中：A表示水環境保護區的行政覆蓋范圍；B表示為研究區覆蓋范圍；C表示為采樣網格區域。完成對水環境保護區概況的集中分析后，使用ArcGIS10.2處理軟件，進行網格化采樣，采樣按照3.0 km×3.0 km進行研究區的網格處理。在此基礎上，按照中國土地監測數據標準，對研究區進行一級重分類，得到5種不同類型的景觀，分別為林地景觀、建設用地景觀、農田景觀、草地景觀與水域景觀[4]。同時，使用地理空間云平臺與中國地質勘查局網站為此次研究提供系列數據，進行對應數據的軌道編碼處理。完成對數據的編碼后，進行獲取信息類別的劃分，假設獲取數據可被分為基礎數據與核心數據，可參照基礎數據進行地級行政線的細化，以此種方式，確保獲取信息的真實性和可靠性，實現對來源數據的優化。

為了避免遙感取樣圖像的清晰度對分析結果造成的影響，在完成對研究區域的遙感數據采樣后，采用圖像增強、配準、調整等方式，對獲取的信息進行預處理。其中所有遙感解譯結果均按照K系數評價，當K的解譯值＞0.8時，證明研究結果符合需求。

2 基于景觀生態格局構建水環境保護區脆弱性模型

完成研究相關數據的獲取后，本章將基于景觀生態格局，構建一個水環境保護區脆弱性模型。在此過程中，景觀生態格局是指在人與自然協同運作下形成的一種全新生態景觀。在此格局中，生態覆蓋范圍的大小、形狀與排列組合方式均不相同，使用此種方式對地區進行生態描述，不僅可以全面地展示環境中地物類別的差異性，也可以進一步描述生態過程在不同尺度下或在不同條件下的受干擾情況[5]。

為了確保后續對景觀生態脆弱性時空特征描述具有更加可靠的依據，還需要針對驅動因子進行選擇。在景觀生態當中，其脆弱性程度主要受到時空上的變化影響，其細致劃分包括景觀組分和格局分布兩部分。本文在基于自然和人文社會相結合原則的基礎上，將水環境保護區作為研究區域，針對其當前景觀生態的脆弱性驅動因子進行選擇和分析。水環境保護區與其他景觀生態相比，由于多了水域組成部分，地形結構更加復雜，并且存在人地耦合作用，因此也是社會經濟熱點區域之一。在對其驅動因子進行選擇時，從自然因子和人為影響因子兩方面尋找。其中，自然因子主要包括：水環境保護區的植被覆蓋情況、景觀分布情況以及保護區內的地形特征。人為影響因子主要為對水環境保護區土地的利用和使用程度。在明確上述兩方面的多項驅動因子后，采用網格采樣的方式，構建一個覆蓋整個市環境保護區的評價單元結構，并將水環境保護區景觀生態的脆弱性定義為因變量，將上述選擇的各個驅動因子作為自變量的柵格數據集，并將自變量的柵格數據集作為后續對脆弱性時空特征分析的主要數據依據。

在此基礎上，為了實現對景觀生態脆弱性時空特征的詳細描述，本章基于景觀生態格局理論，提出兩個用于描述脆弱性指數的參數，對應的參數分別為水環境保護區生態敏感度參數LSI，ILS與水環境保護區生態適應性參數LAI，IAL，基于LSI，ILS與LAI，IAL構建的脆弱性指數模型表示LVI，ILV。其中ILV表示為地區生態景觀在受到外界環境干擾時，所表現出的敏感性與整體格局動蕩趨勢，當ILV數值越高時，證明水環境保護區生態越脆弱，對應ILV的計算公式如下：

公式（1）中：ILS表示為敏感度參數；IAL表示為適應性參數。前者與ILV具有較為密切的關系，生態系統內，景觀的多樣性越大、結構越復雜且整體結構分布越均勻，證明景觀的穩定性系數越高，抵御外界干擾的能力越強，為了進一步闡述兩者的關系，將兩者關系用下述計算公式表示：

公式（2）中：DPR表示為景觀斑塊豐度密度指數；ISHD表示為香農多樣性參數；ISHE表示為香農均勻參數。在完成IAL的描述后，進行ILS的描述，其中ILS是指景觀環境受到外界干擾時，不同類別的景觀受損差異，也可將其定義為景觀屬性損失程序，對應ILS的計算公式表示為：

公式（3）中：U表示為景觀受干擾程度；V表示為對應景觀的易損程度；n表示為景觀數量；i表示為景觀類型。完成兩個參數的描述后，對接計算公式（1），實現對水環境保護區脆弱性模型的構建。

3 景觀生態脆弱性時空特征分析

3.1 景觀生態類型變化特征

完成對模型的構建后，使用ArcGIS10.2處理軟件，對獲取的遙感數據進行解析，將獲取的數據與上述計算公式進行匹配，匹配后得到2012年～2015年、2015年～2018年、2018年～2021年三期的土地利用數據，并統計可視化處理后的數據，將其整理成表格，如下表1所示。

表1 景觀生態類型變化數據

綜合上述表1整理的數據可以看出，在整體研究時間段，水環境保護區的林地景觀、草地景觀占地面積整體呈現一種下降趨勢，景觀周邊林地已出現瀕危的危險，草地景觀分布更加疏散，退化現象較為顯著。水域景觀的占地面積整體呈現一種上升趨勢，并且隨著地區經濟建設工作的持續推進，建設用地景觀占地面積整體上升，基于時空特征層面分析，研究地區的“城進湖退”問題是較為嚴重的。

3.2 景觀生態脆弱度指數變化特征

完成上述分析后，按照文章2中提出的計算公式，輔助使用景觀時空特性分析軟件Fragstats4.2，對研究區的景觀數據進行分析（景觀類型周長、景觀在區域內的占地面積、景觀斑塊數量等），得到景觀生態脆弱度指數，如下表2所示。

表2 景觀生態脆弱度指數

綜合上述表2整理的數據可以看出，不同類型景觀的脆弱度指數由低到高分別為：水域景觀、建設用地景觀、農田景觀、林地景觀、草地景觀，其中草地景觀與林地景觀的生態脆弱度指數呈現遞增趨勢，建設用地景觀、農田景觀的生態脆弱度指數呈現先減少后增加的趨勢，水域景觀的生態脆弱度指數呈現遞減趨勢。綜上所述，水環境保護區的景觀生態脆弱度指數整體較差，生態系統的持續化建設仍有待加強。

3.3 水環境保護區景觀生態脆弱性驅動機制分析

利用上述構建的基于景觀生態格局構建水環境保護區脆弱性模型進行對OLS的回歸檢驗，并完成對上述選擇的驅動因子的多重共線性檢驗。綜合得出的分析結果，針對驅動水環境保護區景觀的生態脆弱性進行解析。在基于景觀生態格局構建水環境保護區脆弱性模型當中，根據每個網格評價單元計算得出的各個驅動因子變量的回歸系數，通過系數的大小實現對驅動因子在評價當中對景觀生態脆弱性程度的描述。將回歸系數計算結果直接作為驅動因子變量的貢獻度，當計算得出的回歸系數的絕對值越大，則說明該驅動因子變量在模型當中對脆弱性的貢獻度越高；反之，當計算得出的回歸系數絕對值越小，則說明該驅動因子變量在模型當中對脆弱性的貢獻度越低。通過上述計算和分析，實現對自變量和因變量關系的描述，并為驅動機制的分析提供依據。通過計算得出的回歸系數，反映出不同驅動因子對脆弱性指數模型LVI的作用強度。再通過回歸系數在空間當中的分布情況，顯示出不同驅動因子對LVI的作用強度，并根據得出的計算結果對其均值進行排序。回歸系數在空間當中的分布特征能夠更加直觀地顯示出不同驅動因子對水環境保護區景觀生態脆弱性的影響程度，并且將其具體的向異性特征進行更加清晰地描述。各個驅動因子在對脆弱性空間作用影響的特征主要包括以下幾點：首先，水環境保護區破碎度對于其脆弱性的促進作用主要在空間上呈現出不同的變化趨勢，在水環境保護區域林地、造地和農地交錯分布的位置上脆弱性逐漸增加，說明這一部分區域對于其脆弱性的影響作用較大。其次，植被指數驅動因子的回歸系數計算結果呈現出從湖區和建筑用地區域到山地區域逐漸增加的趨勢，說明植被指數的變化對于其脆弱性的影響山地區域明顯高于湖區和建設用地區域。再次，對坡度驅動因子的回歸系數計算結果分析，在水環境保護區域當中，坡度更加平滑的區域，坡度驅動因子回歸系數更小，而坡度較大的區域，坡度驅動因子回歸系數更大，說明坡度因子的變化對于脆弱性的影響成正比例相關關系。最后，對土地利用程度驅動因子的回歸系數計算結果進行分析，在不同土地利用程度區域當中，土地利用程度更高的區域其脆弱性越弱，而土地利用程度更低的區域其脆弱性越強，但從整體來看土地利用程度對于該區域景觀生態的脆弱性影響并不大，因此土地利用程度驅動因子僅屬于影響景觀生態脆弱性的弱性重要因子。在研究區域當中，土地的利用程度越高，其板塊破碎度越低，進而使得其連通性進一步加強，區域景觀生態的脆弱性降低。通過本文上述綜合分析，回歸系數越低，則其土地的綜合利用程度越高。當前隨著各地區建設用地和核心區域不斷擴張，并且呈現出成片化的開發與發展趨勢，因此使得水環境保護區也受到一定影響。區域內的景觀連通性得到了提升，景觀整體結構上變得更加有序，且斑塊的形狀也逐漸規則化，進而降低了整個流域的破碎度，以此達到了提升水環境保護區整體穩定性和抗干擾能力的效果，有效降低了景觀生態的脆弱性。對于周圍分布著山區的部分水環境保護區而言，由于與沒有山區分布的保護區相比，受到人為干擾的強度得到了有效降低，因此其生態脆弱性會隨著土地利用程度的不斷下降，進而呈現出不斷上升的趨勢，對于水環境保護區的可持續發展而言具有十分不利的影響。

4 結語

本文此次研究以某水環境保護區為例，從景觀生態類型變化特征、景觀生態脆弱度指數變化特征兩個方面，對該地區的景觀生態脆弱性時空特征展開分析。經過綜合分析后發現，研究地區的“城進湖退”問題是較為嚴重的，水環境保護區的景觀生態脆弱度指數整體較差，生態系統的持續化建設仍有待加強。因此，可在后續的研究中，加大對研究區域生態環境建設的投入，提高地區生態的適應性能力并降低生態環境的敏感度，避免由于外界因素的干擾，使地區生態環境發展受限。