人類足跡對東北虎豹國家公園景觀破碎化的影響

張曉宇,寧曉剛,王 浩,劉婭菲 ,劉若文

1 遼寧工程技術大學測繪與地理科學學院,阜新 123000

2 中國測繪科學研究院,北京 100036

建立國家公園體制是新時代中國特色社會主義生態文明建設的重要內容,對于有效保護國家重要自然生態系統的原真性、完整性[1],促進人與自然和諧共生,具有極其重要的意義。盡管目前我國國家公園體制建設取得了相當大的進展[2],但依然普遍存在能源建設、礦產開采、居民生活、農業開墾、道路建設等人類活動,致使自然生境破碎、生物多樣性降低,嚴重影響著國家公園的生態系統服務功能[3—4]。因此,量化評價國家公園范圍內人類活動對自然生態系統的影響程度、識別空間分異規律顯得尤為迫切且意義重大。

人類足跡(Human Footprint)是從人類活動壓力變化角度來量化評價人類活動影響程度的一種方法[5],相較于人類活動強度指數[6]、人為干擾度[7]、陸地表層人類活動強度[8]等從土地利用狀態變化角度出發的評價方法,人類足跡通過選取與人類活動直接相關的空間因子對人類活動進行表達,能夠更加全面客觀的反映人類活動影響程度。2002年,Sanderson等[9]首次提出了人類足跡指數(Human Footprint Index,HFI)模型,利用人口密度、土地利用變化、通達性及電力基礎設施4個方面的9個評價指標進行影響力賦值和疊加計算,最終得到全球陸地范圍內1km格網的人類足跡數據。該方法能夠直觀體現人類活動在區域上的空間分布差異,因此在生態保護區域中應用廣泛。如Woolmer等[10]利用90m×90m分辨率的空間數據,在Sanderson的研究基礎上引入工礦、大壩和其他基礎設施等指標,制備了適用于北阿巴拉契亞/阿卡迪亞生態保護區的人類足跡數據,更加精細化的體現出生態保護區域中人類活動的復雜性。隨后人類足跡方法在蘇格蘭的凱恩戈姆斯國家公園和洛蒙德湖與特羅薩克斯山國家公園[11]、厄瓜多爾東南部的羅漢松國家公園[12]等地均有應用。我國的研究學者分別將人類足跡指數模型應用于橫斷山區[13]、青藏高原[14]、臺灣日月潭國家公園[15]等生態保護區,并通過分析保護區內外人類足跡的空間分布差異,評估建立保護區對于減少人類活動影響的有效性。綜上,目前關于生態保護區人類足跡的研究均從評價指標的選擇和細化賦值入手,然后將各指標層進行空間疊加,最后根據疊加得到的人類足跡指數值直接判斷人類活動的影響程度,但并未探討各人類足跡指標對自然生態系統的影響。

作為景觀生態學的重要研究內容,景觀破碎化(Landscape Fragmentation)是指由于受到外界干擾所導致的景觀由單一、均質和連續的整體趨向復雜、異質和不連續的斑塊鑲嵌體[16],在一定程度上能夠直觀反映自然生態系統受到人類活動影響的程度。鑒于此,本文基于人類足跡理論,以東北虎豹國家公園為研究區域,以2019年為研究時間點,構建適地化的人類足跡指標體系,并借助景觀格局分析、回歸分析、GIS空間分析等方法,從全局和局部兩個角度上深入探討各人類足跡指標對東北虎豹國家公園及不同管控分區景觀破碎化的影響范圍及其空間分異特征,以期為東北虎豹國家公園生態修復與人類活動的合理管控提供參考依據。

1 研究區概況

東北虎豹國家公園(簡稱“虎豹公園”)體制試點正式啟動于2017年1月,是我國首個由中央直管的國家公園,其園區位于吉林省和黑龍江省交界處(129°05′—131°19′E,42°39′—44°15′N),東部、東南部與俄羅斯豹地國家公園接壤,西南部隔圖們江與朝鮮相鄰,行政區劃涉及吉林省延邊朝鮮族自治州琿春、汪清、圖們和黑龍江省牡丹江市東寧、穆棱、寧安6個縣(市),總面積14612km2(圖1)。

圖1 東北虎豹國家公園地理位置Fig.1 Geographical location of NCTL-NPNCTL-NP：東北虎豹國家公園,Northeastern China Tiger and Leopard National Park

按照國土空間和自然資源用途管制要求,遵循生態系統完整性、原真性和保護發展協調性三大原則,虎豹公園試點區劃分為核心保護區與一般控制區[17],分別占虎豹公園試點區總面積的52%和48%。其中,核心保護區是維護現有虎豹種群正常繁衍、遷移的關鍵區域,主要包括近年來監測確認的東北虎豹繁殖家域、定居區及活動頻繁的區域。一般控制區是恢復虎豹適宜棲息地及探討人與自然和諧發展的關鍵區域,該區域將東北虎豹種群擴散棲息地、遷移廊道等劃為虎豹潛在棲息地；將部分鄉鎮駐地,以及人口數量較大的林場場部、村屯及周邊農業耕種區劃為人口聚集區。長久以來,虎豹公園內傳統的生產生活方式使得人類活動空間與東北虎豹棲息地和潛在棲息地空間高度重疊,農業用地、居民點、工礦企業、道路鐵路穿插,嚴重壓縮和分割了東北虎豹的生存空間,虎豹棲息地破碎化問題突出。

2 研究數據與方法

2.1 數據來源及預處理

本文采用的數據包括虎豹公園試點區及管控分區矢量邊界數據、地表覆蓋數據、人口密度數據、夜間燈光數據。其中矢量邊界數據來源于吉林省延邊朝鮮族自治州汪清縣林草部門；地表覆蓋數據來源于2019年基礎性地理國情監測成果數據,數據生產所使用的影像空間分辨率優于2m,并通過外業核實和質量檢查保證數據質量；人口密度數據采用美國國家橡樹嶺實驗室(https://landscan.ornl.gov/landscan-datasets)開發的LandScan全球人口動態統計分析數據庫,空間分辨率為30″；夜間燈光數據來源于美國科羅拉多礦業大學EOG小組官網(https://eogdata.mines.edu/products/vnl/)提供的NPP/VIIRS年度產品,空間分辨率為15″。

為充分體現研究區內的景觀異質性,以2019年《基礎性地理國情監測內容與指標》(CH/T 9029—2019)為基礎,并參考前人對于自然保護區土地利用分類方法[18—19],將種植土地中的水田、旱地和構筑物中的溫室、大棚合并為耕地；將種植土地中的果園、其他經濟苗木合并為園地；將林草覆蓋拆分為林地和草地；將構筑物中除溫室、大棚外的其他地類以及房屋建筑(區)、鐵路與道路、人工堆掘地合并為建設用地,最終得到耕地、園地、林地、草地、建設用地、水域、荒漠與裸露地7種土地利用類型(圖2),用于景觀格局指數的計算。

圖2 東北虎豹國家公園2019年土地利用覆蓋分布Fig.2 Land use coverage distribution of NCTL-NP in 2019

人口密度、夜間燈光、重新分類的土地利用覆蓋,以及基礎性地理國情監測成果中的道路要素數據用于構建人類足跡指標體系。由于各數據源在分辨率、投影和空間范圍等方面存在不一致,因此在開展研究之前,需要根據研究區范圍統一進行投影轉換和裁剪。此外,人口密度和夜間燈光數據還需要進行降噪等校正處理,并綜合考慮各數據的分辨率,最終采用最鄰近法生成100m×100m分辨率數據。

2.2 研究方法

2.2.1人類足跡指標體系的構建

本文在Sanderson等人[9]構建的人類足跡指數方法的基礎上,結合虎豹公園內的實際人類活動影響情況[20],考慮數據的可獲取性,最終選用人口密度、土地利用狀況、工礦活動、交通可達性、夜間燈光5個與人類活動直接相關的指標來定量評價公園內的人類足跡,具體選取原則如表1所示。

表1 人類足跡指標選取原則Table 1 Principles for the selection of human footprint index

2.2.2人類足跡指標的離散化賦值

為便于統一比較各人類足跡指標之間的大小關系,本文對各指標的柵格數據進行重新賦值,賦值范圍為0—10,值越大表示人類足跡影響程度越大,最終得到各人類足跡指標空間分布圖(圖3)。具體賦值方法如下：

圖3 各人類足跡指標空間分布Fig.3 Spatial distribution of each human footprint index

(1)人口密度

本文參考Venter等[24]對人口密度的賦值方法,將人口密度大于1000人/km2的柵格賦值為10,對于小于1000人/km2的柵格按照對數方程進行計算賦值,具體計算方程如下：

popscore=3.333×log(popdensity+1)

(1)

式中,popscore表示該柵格數據重新賦值的分數,popdensity表示各柵格像元的人口密度值。

(2)土地利用狀況

本文結合虎豹公園土地利用分類標準,參考段群滔等[27]的研究成果,為公園內7種地類匹配相應的影響值。其中,建設用地受人類活動影響最大,賦值為10；其次為耕地,影響力賦值為8；園地影響力賦值為6；草地影響力賦值為2；林地、水域及荒漠與裸露地的影響力賦值為0。

(3)工礦活動

提取基礎性地理國情監測數據中的露天采掘場、尾礦堆放物及工業設施來表征工礦活動。本文設置工礦活動對生態系統的最大影響距離為10000m[10],將距離大于10000m的柵格賦值為0,對于距離小于10000m的柵格參考InVEST模型生境質量模塊中的距離衰減函數[28—29]來表示工礦活動得分,具體計算公式如下：

(2)

式中,gkscore表示該柵格數據重新賦值的分數,ddensity表示經過歐氏距離計算的柵格數據值,dmax表示工礦活動的最大影響距離,即10000m。

(4)交通可達性

本文參考Woolmer等[10]對道路的賦值方法,結合公園內各等級道路及鐵路的分布情況,將交通可達性分為5個數據層,同時根據兩側距離進行重分類賦值(表2)。最后將重分類后的5個數據層進行等權疊加,并采用Min-Max標準化法將疊加后的柵格結果進行標準化處理,使其分數范圍與其他人類足跡指標統一,具體公式如下：

表2 交通可達性賦值Table 2 Traffic accessibility assignment

(3)

式中,dlscore表示疊加后柵格數據經過標準化處理的分數,dldensity表示疊加后的柵格數據值,dlmax-density表示疊加后柵格數據中的最大值,dlmin-density表示疊加后柵格數據中的最小值。

(5)夜間燈光

將經過預處理后的NPP/VIIRS夜間燈光數據中DN值等于0的柵格賦值為0,再利用分位數分級法將DN值大于0的柵格賦值為1—10。

2.2.3景觀破碎化分析方法

綜合考慮研究區域的景觀類型及分布特點,本文在景觀尺度上,從面積、形狀、聚散性、多樣性4個方面分別選取斑塊密度(PD)、邊緣密度(ED)、景觀分離度(DIVISION)、香農多樣性指數(SHDI)來表征研究區景觀破碎化程度,各指數計算方法及生態學意義參見《景觀生態學—格局、過程、尺度與等級》[30]。根據研究區范圍大小,本文分別設定邊長為300m、600m、900m、1200m、1500m、1800m、2100m、2400m、2700m的正方形移動窗口計算并生成景觀指數柵格圖。從圖4中可以看出,各景觀指數曲線在1200—1500m尺度趨于緩和。由于窗口設置過小將導致生成的柵格圖像缺乏連續性；窗口設置過大則會導致生成的柵格圖像模糊,綜合考慮最終選取1500m為最佳研究尺度。

圖4 景觀指數隨窗口尺度變化曲線Fig.4 Variation curve of landscape index with window scale

2.2.4人類足跡對景觀破碎化影響分析方法

(1)全局水平影響分析方法

普通最小二乘(Ordinary Least Squares,OLS)模型是一種常用于探索解釋變量與因變量之間全局關系的線性回歸模型。本文以景觀破碎化作為因變量,以5種人類足跡指標作為解釋變量,建立回歸方程并得到每個解釋變量的回歸系數,通過對比該系數大小確定各指標影響程度。其方程形式如下：

(4)

式中,yi是空間i位置的景觀破碎化指數；β為二乘法空間截距；βk為第k項自變量(人類足跡指標)的回歸系數；xik為第k項人類足跡指標在空間i位置的取值；εi為誤差修正項。

(2)局部水平影響分析方法

1)空間自相關檢驗

在構建地理加權回歸模型之前,需要對研究區域內各變量進行空間自相關檢驗,確定各變量值之間是否存在相互依賴性。本文采用應用較為廣泛的全局Moran′sI指數來檢驗區域內各變量是否具有空間相關性。其計算公式如下：

(5)

式中,n為研究區域內空間單元的總數；xi和xj分別代表第i個和第j個空間單元上的變量值,wij是單元i和單元j之間的空間權重矩陣；S0是所有空間權重矩陣之和。

2)地理加權回歸模型

地理加權回歸(Geographically Weighted Regression,GWR)模型將數據的空間位置嵌入到回歸方程中,通過建立空間范圍內每個位置點的局部回歸方程,來探索研究對象在某一尺度下的空間變化及相關驅動因素。本文通過構建GWR模型以獲得不同人類足跡指標隨空間地理位置變化而變化的回歸系數,該系數代表了人類足跡指標對景觀破碎化的影響程度。其方程形式如下：

(6)

式中,yi是空間i位置的景觀破碎化指數；(ui,vi)為i位置點的空間坐標；β0和βk分別為空間i位置的截距和局部回歸系數；xik為第k項人類足跡指標在空間i位置的取值；εi為誤差修正項。

3 結果與分析

3.1 景觀破碎化空間分布格局

為避免表征景觀破碎化的4個指數存在信息重疊,故通過主成分分析法將4個指數綜合成一組新的綜合指標來表征景觀破碎化,具體結果如表3所示。

表3 景觀指數主成分分析結果Table 3 Results of principal component analysis of landscape index

其中KMO檢驗指數達到0.795,滿足因子分析的條件,第一成分的方差貢獻率達到了93.54%,有且只有一個主成分。進一步計算各指數的綜合模型得分和歸一化權重,最終得到景觀破碎化綜合指數表達式為：

LFCI=ZPD×0.2428+ZED×0.2547+ZDIVISION×0.2485+ZSHDI×0.2539

(6)

式中,LFCI為景觀破碎化綜合指數值,ZPD、ZED、ZDIVISION、ZSHDI為PD、ED、DIVISION、SHDI標準化后的數值。利用自然間斷點法將LFCI分為五個等級并按照管控分區進行統計,以定量化表示各管控分區內的景觀破碎化程度及空間分布差異(表4、圖5)。

表4 各分區中景觀破碎化程度面積占比/%Table 4 Percentage of area of landscape fragmentation in each zoning district

從表4、圖5中可以看出,虎豹公園景觀破碎化整體上呈現“北高南低”的空間分布格局,且以低、較低破碎化為主,但仍有8.96%的區域為較高、高度破碎化。其中,核心保護區內較高、高度破碎化地區面積占該區域總面積的4.08%,主要分布于公園東南部,呈條帶狀分布；虎豹潛在棲息地內較高、高度破碎化地區面積占該區域總面積的5.09%,主要分布于該區域內的人類居住點周圍,呈點狀分布；人口聚集區內較高、高度景觀破碎化地區則占到該區域面積的60.54%,且以羅子溝鎮、老黑山鎮、復興鎮、春化鎮、春陽鎮等鄉鎮駐地為中心向外圍擴散。

3.3 人類足跡對景觀破碎化影響分析

結合景觀破碎化分析確定的1500m正方形格網最佳研究尺度成果,將研究區域劃分為7006個網格單元,以分區統計5種人類足跡指標和景觀破碎化綜合指數。

3.3.1全局影響因素分析

OLS模型計算結果如表5所示,其中VIF為方差膨脹系數,一般認為當VIF大于10時,各變量間存在明顯的多重共線性[31]。本文中5種人類足跡指標的VIF值均小于10,因此各指標不存在多重共線性問題。從顯著性檢驗水平來看,5種人類足跡指標中只有夜間燈光未通過0.05水平顯著性檢驗,這表明在全局水平上,LFCI與夜間燈光的相關關系不具有統計學意義。由于虎豹公園內以第一產業為主,社會經濟水平較低,電力基礎設施建設相對薄弱,夜間燈光集中分布在各鄉鎮駐地及周圍地區,不足以對當地景觀格局產生影響,導致夜間燈光對景觀破碎化的解釋能力不顯著。

從回歸系數來看,LFCI與其余4項人類足跡指標均呈正向相關,且土地利用狀況之間的回歸系數最大,達0.332。表明在全局水平上,土地利用狀況影響力每增加1%,景觀破碎化綜合指數增加33.2%,其他3項人類足跡指標影響效應從高到低依次為交通可達性(0.289)、人口密度(0.224)、工礦活動(0.148)。

3.2.2局部影響因素分析

(1)空間自相關檢驗結果分析

通過OLS模型的計算結果可知,夜間燈光與景觀破碎化之間的回歸關系不顯著,因此在進行GWR模型計算之前,首先將夜間燈光這一指標剔除,以保證GWR模型擬合結果的準確性。從圖6可以看出,因變量景觀破碎化綜合指數LFCI和剩余解釋變量(人口密度、土地利用狀況、工礦活動、交通可達性)的Moran′sI指數散點圖均沿一、三象限角平分線分布,聚集特征(高-高值或低-低值)較為明顯,其結果在0.01極顯著水平上通過檢驗(Z>2.58),說明上述各變量的空間分布存在較強的空間自相關性,因此可以構建地理加權回歸模型進一步分析各人類足跡指標對景觀破碎化的影響。

圖6 各變量Moran′s I指數散點圖Fig.6 Scatter plot of Moran′s I index for each variable

(2)各人類足跡指標對景觀破碎化的定量影響

采用自然間斷點法對GWR模型回歸系數進行分級,得到LFCI與各人類足跡指標相關性空間格局(圖7)。總體來看,LFCI與各人類足跡指標回歸系數的空間格局呈現集聚狀態,且以正向為主,表明各項人類足跡指標與LFCI均呈現出較強的正向相關性。其中,土地利用狀況的回歸系數高值區明顯高于其他指標,為1.17—2.41,占公園全域面積的6.80%,且大部分位于核心保護區和虎豹潛在棲息地,僅有0.34%位于人口聚集區。空間上主要分布于公園南部、東部；人口密度的回歸系數高值區(0.52—0.81)占全域面積的8.96%,其中有53.45%位于核心保護區,37.41%位于虎豹潛在棲息地,9.14%位于人口聚集區。空間上主要分布于公園中部羅子溝鎮及復興鎮周邊地區,東南部、北部和西北部的居民點附近有也少量分布；工礦活動的回歸系數高值區(0.46-0.73)占全域面積的2.01%,且有44.22%位于人口聚集區。空間上主要分布于公園中部以羅子溝鎮為中心的人口聚集區及其周圍；交通可達性的回歸系數高值區(0.47-0.86)占全域面積的13.03%,且有55.81%和37.40%位于核心保護區和虎豹潛在棲息地。空間上主要分布于公園東部春化鎮及周邊地區,東北部老黑山鎮、大肚川鎮及周邊地區,在北部、西部也有一定分布。

圖7 LFCI與各人類足跡指標相關性空間格局Fig.7 Spatial pattern of regression coefficients of LFCI and each human footprint indexLFCI：景觀破碎化綜合指數,Landscape Fragmentation Composite Index

(3)景觀破碎化的主導人類足跡指標區域面積占比

從各回歸系數的顯著性水平來看,在7006個網格單元中,僅有1.78%未通過0.05水平顯著性檢驗,主要分布于數據質量較差的邊界地區。為確定虎豹公園景觀破碎化的最大影響因素,分析通過顯著性檢驗的剩余網格單元中回歸系數正向最大值,并以管控分區進行統計分析。從圖8中可以看出,土地利用狀況影響為主的區域占公園全域面積的61.04%,其次為交通可達性(18.70%)、人口密度(14.72%)、工礦活動(4.26%),這也表明GWR模型與全局水平上OLS模型回歸結果一致。從各管控分區來看,核心保護區與虎豹潛在棲息地中景觀破碎化的各影響因素面積占比與公園全域基本一致,而在人口聚集區中,除土地利用狀況外,工礦活動的影響范圍較大,占人口聚集區面積的19.37%,其次為交通可達性(15.21%)、人口密度(14.69%)。

圖8 LFCI最大影響因素在各管控分區中的面積占比/%Fig.8 Area share of LFCI maximum impact factors in each control zone

(4)景觀破碎化的主導人類足跡指標空間格局分析

從圖9中可以看出,景觀破碎化以土地利用狀況影響為主的區域最為廣泛,主要分為三大集中連片區,其中東部連片區范圍最大,涵蓋了核心保護區大部,虎豹潛在棲息地的部分地區以及以復興鎮、老黑山鎮、大肚川鎮為中心的人口聚集區,而西北部和西部連片區則主要位于虎豹潛在棲息地中。受交通可達性影響為主的景觀破碎化區域主要集中分布于公園東部春化鎮及周邊地區、東北部大肚川鎮部分地區、西部春陽鎮及周邊地區以及公園北部地區,其中東部春化鎮附近及公園北部地區的交通可達性對核心保護區影響較大,西部春陽鎮附近的交通可達性對虎豹潛在棲息地影響較大。以人口密度影響為主導的區域呈現大集中、小分散的特征,主要分布在公園中部羅子溝鎮、復興鎮附近地區,此外在東部邊境地區、核心保護區南部及其他地區一些小型居民點周圍均有分布。工礦活動的影響區域最小,主要分布在公園中部工礦業較為集中的羅子溝鎮及周邊地區,且對核心保護區東北部地區也存在一定影響。

圖9 LFCI最大影響因素空間分布Fig.9 Spatial distribution of the most influential factors of LFCI

4 討論與結論

4.1 討論

我國東北虎豹目前主要分布于老爺嶺、張廣才嶺和完達山3個區域,其中虎豹公園覆蓋了老爺嶺分布區的核心區域,對俄羅斯西南濱海邊疆區域和我國老爺嶺區域分布的東北虎豹種群的保護有著重大意義[32]。 總體來看,虎豹公園內景觀破碎化程度較輕,尤其是核心保護區和虎豹潛在棲息地,主要是由于園區內以森林覆蓋為主,斑塊較為完整,但人類的過度開發活動導致部分地區景觀破碎化嚴重,且存在從人口聚集區向虎豹潛在棲息地和核心保護區擴散的趨勢,嚴重阻礙東北虎豹的生存繁衍和自由遷徙。本文通過分析各人類足跡指標與虎豹公園及其管控分區景觀破碎化的空間關系,在一定程度上揭示了各人類足跡指標對虎豹公園景觀破碎化影響程度的空間差異性,同時充分證明了人類的過度開發活動是虎豹公園景觀破碎化加劇的重要驅動因素之一,對生態廊道建設工程存在巨大威脅。其一,隨著近代以來人口的不斷流入,各種規模的林場、牧場、耕地、園地以及大量用于人類生產生活的建設用地散布其中,導致森林破碎化嚴重,園區內落后的生產生活方式至今仍未發生改變,極大地威脅著東北虎豹棲息地的穩定以及種群數量的發展；其二,由于經濟發展和國防建設需要,虎豹公園內由各等級道路組成的交通道路網交錯縱橫,總長度達5000余公里,特別是邊境公路國道G331貫穿公園東部,過往車輛和潛在較高的交通可達性在一定程度上阻隔了中俄邊境地區的虎豹種群向內陸遷徙的通道；其三,虎豹公園內人口相對較多且分散,其中500人以上的村屯有38個,其他規模較小的林場和農場人口則分散于其他地區,此外還有31個邊境村屯分布于中俄、中朝邊境線附近,較為分散的人口分布對虎豹棲息地破碎化影響巨大；其四,工礦活動作為虎豹公園內傳統的生產方式,是當地居民主要的經濟來源,然而工礦用地的過度開發對地表破壞嚴重,是虎豹棲息地景觀破碎化加劇的重要影響因素。

綜上所述,為保護東北虎豹種群資源及其所在的自然生態系統,亟待對虎豹公園內的人類活動進行合理管控,公園管理部門應當遵循東北虎豹種群可持續生存與發展的保護生態學規律,優先清理園區內不符合保護和規劃要求的各類人工設施,對已有交通道路實行車輛通行管控,嚴格控制人口增量,逐漸減少農業生產、礦產開發等活動,最終實現人與虎豹的和諧共存。

此外,本文仍存在不足之處。首先,盡管本文在局部1500m格網尺度上分析了人類活動對虎豹公園內景觀破碎化的影響,但仍需進一步把人類活動落到更加精細的空間位置上,因此,在未來的研究中將通過大數據等手段來細化人類活動的表達和空間定位；其次,本文僅分析了各人類足跡指標與景觀破碎化之間的空間關系,并未深入探討人類足跡對景觀破碎化影響的閾值效應,即人類活動對自然生態系統產生風險的閾值。因此,這也將是未來重要的研究方向之一,旨在為國家公園的規劃和發展提供更加直觀的數據支持。

4.2 結論

本文通過構建適地化的人類足跡指標體系,并借助景觀格局分析、回歸分析、GIS空間分析等方法,從全局和局部兩個尺度上探討各人類足跡指標對虎豹公園及其管控分區景觀破碎化的影響及其空間分異特征。研究結果表明：

(1)從景觀破碎化空間分布來看,虎豹公園內景觀破碎化程度以低、較低為主,但高度和較高破碎化區域仍占據公園全域面積的8.96%。其中在核心保護區占比為4.08%,主要分布于東南部,呈條帶狀分布；在虎豹潛在棲息地占比為5.09%,主要分布于該區域內人類居住點周圍,呈點狀分布；而在人口聚集區中的占比則高達60.54%,且以鄉鎮駐地為中心向外圍擴散。

(2)從公園全域范圍來看,對景觀破碎化的影響從高到低依次為土地利用狀況(0.332)、交通可達性(0.289)、人口密度(0.224)、工礦活動(0.148),而夜間燈光與景觀破碎化的相關性不顯著。

(3)從各管控分區來看,核心保護區與虎豹潛在棲息地內各人類足跡指標對景觀破碎化的影響規律與全局一致,而在人口聚集區中,工礦活動成為該區域中第二影響因素。

(4)從各人類足跡指標主導的空間格局來看,土地利用狀況對景觀破碎化的影響區域最為廣泛,涵蓋了園區的大部分地區；交通可達性的影響區域集中分布于春化鎮、大肚川鎮、春陽鎮周邊地區及公園北部地區；人口密度的影響區域主要以羅子溝鎮、復興鎮附近地區為主,此外在東部邊境地區、核心保護區南部及其他小型居民點周圍也有分布；工礦活動的影響區域最小,主要分布在工礦業較為集中的羅子溝鎮及周邊地區,且對核心保護區東北部地區也存在一定影響。