不同土地利用類型景觀細碎化特征研究

陳占生 霍東 艾曉軍 楊碩 王玉國

(中國地質調查局地球物理調查中心，河北 廊坊 065000)

引言

土地細碎化是指在自然條件或人為條件下，土地主動或被動地分割成為多塊空間上互不相連的、大小不一的、零碎分散的土地結構形式，呈現出一種無序或分散的狀態[1]。大多數國家普遍存在土地細碎化現象，不同地區根據氣候環境、地質成因、地形地貌等多因素共同影響下，土地存在多種利用類型，從全球范圍來看，其中耕地細碎化程度最嚴重的地區主要分布在中東歐地區、印度和中國等[2]。不同的研究方向對土地細碎化影響認識存在不同見解。中國作為人口大國，人均耕地面積不足0.092hm2，僅為世界平均水平的40%[3]，在20世紀80年代，我國在農村推行土地責任制，由于土質不同、距離不同，為公平起見，分配土地時基本是每塊地各戶均分一點，農民承包地的“細碎化”由此出現[4]。在人均土地較少的國情下，在人地矛盾較為突出的特定歷史時期，在特定社會及制度因素下，細碎化有利于農戶的經營管理，有利于資本要素的充分利用，有利于農業勞動力的互補[5-7]，而且可以提高農業種植結構的豐富程度，并提高農民的勞動效率，以使勞動力得到充分利用，提高土地的單位產量和種植收益。隨著我國綜合實力及經濟水平提升，城鎮化率及速度不斷加快，土地細碎化的弊端越來越突出。土地細碎化不利于山水林田湖草沙綜合治理，對宜則理論提出了更復雜的技術要求，而且阻礙了農業生產的快速發展，提高了農用機械的使用成本，降低了糧食生產的規模效應和農業生產的技術效率[8,9]。

當前，大部分學者對土地細碎化問題的研究，主要集中于耕地細碎化問題的研究[10-12]；有些學者則根據耕地現狀來選擇地塊的空間分布狀態、規模、形狀和粒度以及平均地塊規模、數量等指標進行量化分析[13]；有些學者探討了可有效表征項目區耕地細碎化變化的景觀指標[14]；孫雁等選取平均地塊大小、地塊形狀指數、聚集度、分離度、香農多樣性指數、香農均勻度指數等指標反映了中觀尺度下土地細碎化的特征[15]。

綜上所述，當前我國在不同土地利用細碎化的景觀分布特征層面研究不多，綜合山水林田湖草沙整體分析研究甚少。遼寧鳳城市位于遼寧半島東部，地形地貌以低山丘陵為主，土地利用類型主要為林地，耕地面積較少且分布比較分散，地塊平均面積除林地外的利用類型都較小，地塊形狀也比較復雜。以遼寧鳳城市為研究區，按照不同土地利用類型，將研究區分為耕地、林地、草地、水域、建筑用地和其他6個類型。通過對研究區不同利用類型的斑塊密度(patch density，PD)、平均斑塊面積(mean patch size，MPS)、邊界密度(edge density，ED)、面積加權的平均形狀指數(area-weighted mean shape index，AWMSI)、景觀分割度(Landscape Division Index，DIVISION)、破碎化指數(FS)等景觀指數綜合分析，通過運用因子分析中的主成分分析，對土地不同利用類型的細碎化水平進行分析，為山水林田湖草沙綜合治理提供依據，為土地的適宜性利用提供參考。

1 研究區概況與數據處理

1.1 鳳城地區的基本情況

鳳城市位于遼東半島東部，地近黃海北岸，E123°32′～124°32′，N40°02′～41°06′。東鄰寬甸滿族自治縣，西與遼陽縣、岫巖滿族自治縣相連，南與丹東市振安區和東港市接壤，北靠本溪滿族自治縣，全市總面積5513km2。鳳城屬遼東低山丘陵地貌類型，地貌特征為“八山半水一分田”。北部為海拔1000m以上的山地侵蝕構造地形；中部為低山丘陵，地貌構造向南至黃海沿岸呈階段狀依次降低，逐漸變為低丘，形成寬達數十公里的波動起伏的帶狀平原。土地利用以林地為主，耕地以坡耕居多。總人口約59萬，所轄20個鎮(區)、1個鄉、201個行政村、12萬農戶。

1.2 數據獲得與處理

選取2019年鳳城市30m土地利用數據。大多數研究首先在Arcgis軟件中，將提取出的耕地shape數據轉換成柵格數據的形式，采用Fragstats 4.2軟件進行數據分析，計算得到細碎化相關的各種景觀指數[16]，但在數據轉換成柵格數據時，有些學者采用10m×10m的柵格圖[15]，有些學者采用2m×2m的柵格圖[17]，越小的柵格圖更接近真實情況，但由于柵格圖為正方形，對真實的形狀存在一定的影響。在GIS軟件中，將不同土地利用shape數據提取到Excel表，通過公式進行計算，保持原始圖形數據，結構更貼近實際。通過數據分析軟件計算主成分特征值及景觀指數的旋轉載荷矩陣，綜合評價不同利用類型景觀指數。

2 研究方法

2.1 景觀指數的選取

土地細碎化測度分為單維指標、綜合指標和景觀格局指數3類。隨著現代數字科技，空間科技的發展，景觀生態學得到快速發展，學者們開始采用景觀格局指數來測度農地細碎化[18]。景觀格局指數不僅能夠高度概括區域層面景觀特征的信息[19]，還可以體現景觀信息的結構組成和空間配置，是一種較為簡單適用的定量指標[20]。綜合以往的研究成果，選取斑塊密度(patch density，PD)、平均斑塊面積(mean patch size，MPS)、邊界密度(edge density，ED)、面積加權的平均形狀指數(area-weighted mean shape index，AWMSI)、景觀分割度(Landscape Division Index，DIVISION)、破碎化指數(FS)等景觀指數綜合分析，對研究區不同土地利用類型細碎化程度進行景觀指數分析。

2.2 景觀指數含義及計算公式

2.2.1 景觀斑塊尺度

面積指數包括斑塊密度和平均斑塊面積。

斑塊密度(patch density，PD)是景觀分析的基本指數，單位為斑塊數/km2，表達的是某土地利用類型單位土地面積上的斑塊數量，其值越大，表明破碎化程度越高。公式：

PD=n/A

式中，n為斑塊數量；A為斑塊總面積。

平均斑塊面積(mean patch size，MPS)是最基本的空間特征，可以比較直觀地反映斑塊的破碎化程度。公式：

MPS=A/n

式中，n為斑塊數量；A為斑塊總面積。

形狀指數包括邊界密度指數和面積加權形狀指數。

邊界密度(edge density，ED)邊界密度指數是分析地塊形狀的重要指標，邊界密度越大，表示地塊被分割的程度越高。公式：

ED=E/A

式中，E為斑塊的邊界總長度；A為斑塊的總面積。

面積加權的平均形狀指數(area-weighted mean shape index，AWMSI)反映土地斑塊形狀的復雜性和規則性。當值為1時，說明所有的斑塊形狀為最簡單的方形；該值越大，表明斑塊形狀變得更復雜，且更不規則。該指標是反應景觀空間格局復雜性的重要指標之一，并對許多生態過程都有影響。如，形狀影響動物的遷移、覓食等活動，影響植物的種植與生產效率。公式：

式中，n為斑塊數量；Pi為斑塊周長；ai是斑塊面積；A是斑塊總面積。

2.2.2 分布指數

景觀分割度(Landscape Division Index，DIVISION)主要是指土地類型中斑塊個體分離的程度，分離度越大，土地越分散。公式：

式中，n為斑塊數量；ai是斑塊面積；A是斑塊總面積。

破碎化指數(FS)用來量化地塊的破碎度，是地塊破碎度的直觀反映。公式：

FS=1-1/MSI

式中，MSI表示平均形狀指數；ai為斑塊面積；Pi為每地塊的周長；n為斑塊總數(相同土地利用類型的斑塊總數)。

2.3 主成分分析

主成分是一個向量，在低維度上概括原來的高維度數據分布，主成分分析就是通過對原始的高維度數據進行降維處理，篩選出原始數據中信息含量最大的維度，綜合反映較多的原始信息。目前，主成分分析廣泛應用于時間系列預測、圖像壓縮等數據科學領域。雖然所選景觀指數能夠反映不同土地利用類型的景觀細碎化程度，但是之間相關性較大。通過主成分分析法，用少量的變量去體現更多的原始信息。

3 結果與分析

3.1 鳳城市土地利用類型分布狀況

表1 土地利用類型景觀結構

2019年，鳳城市土地總面積5513.06hm2，其中林地面積最大，共4003.39hm2，占總面積的72.62%，其次耕地為1220.79hm2，占總面積的22.14%，其他利用類型不到6%，其他用地只有1.99hm2，占0.04%，說明鳳城市土地利用程度很高。

3.2 細碎化景觀指標測算分析

對研究區景觀面積指數進行計算如表2所示，得到不同土地利用類型面積總體規模情況，斑塊密度越小，說明該利用類型土地在規模上越細碎。由計算結果可以看出，林地的平均斑塊面積最大、斑塊密度最小，而建筑用地平均斑塊面積最小、斑塊密度最大。表明林地在規模上具有較高的成片性，與單個斑塊最大面積4003.39km2相一致；而建筑用地斑塊數量多，單位面積小，細碎化程度最大，主要受地形地貌影響，除少量平原區相對集中外，山區溝谷分散了很多居民，建筑因地形而建，形成低山丘陵特有的規律。

表2 土地利用類型面積指數

對研究區景觀形狀指數進行計算如表3所示，得到不同土地利用類型形狀細碎化程度。由計算結果可以看出，建筑用地邊界密度指數最大，被分割的程度最大，細碎化程度最高，但面積加權形狀指數最小，越接近1越接近正方形，表明建筑用地規劃方正；林地雖然邊界密度指數最小，但面積加權形狀指數最大，進一步說明了林地有較好的成片性，被分割程度小，但形狀最不規則；耕地較林地分割程度大，受地形影響，形狀隨山溝山谷成各種形狀，在人工種植整理下，形狀相對林地更為規整。

表3 土地利用類型形狀指數

對研究區景觀分布指數進行計算如表4所示，得到不同土地利用類型破碎程度及景觀分離程度。由計算結果可以看出，景觀分割度除林地較小外，其他利用類型都比較大，反映出除林地空間上集中成片，其他類型都比較分散。

表4 土地利用類型分布指數

3.3 土地細碎化景觀指數的因子分析

對選擇的土地細碎化景觀指數在數據處理軟件中進行計算，全部景觀指數進行降維分析，旋轉選用最大方差法，分析獲得結果見表5和表6。

表5 主成分分析結果

表6 旋轉載荷矩陣

從表5分析結果得出，土地細碎化景觀指數的第1、第2主成分的特征值為4.539和2.089，累加變異系數為94.693%，大于85%，可選第1和第2主成分來量化分析鳳城市不同土地利用類型景觀細碎化程度。由景觀指數旋轉載荷矩陣分析可知，在第1主成分中載荷值較大的為MPS、ED、AWMSI、DIVISION，這4個景觀指數的特征可以由第1主成分反映出來。其中，MPS、AWMSI第1主成分的相關系數為負值，表明為負相關關系，即平均斑塊面積越大，斑塊形狀越復雜，越不規則，第1主成分值反而越小。而ED和DIVISION第1主成分的相關系數為正，表明為正相關關系，即邊界密度越大、分離度越大，第1主成分值就越高；在第2主成分中載荷值較大的為PD、MSI、FS，這3個景觀指數的特征可以由第2主成分反映出來。其中，MSI、FS第2主成分的相關系數為正值，即地塊破碎程度越大，第2主成分就越大；PD第2主成分的相關系數為負值，即斑塊密度越大，第2主成分反而越小。

通過主成分計算分析，第1、第2主成分能較好地體現本研究所選的各項景觀指數特征，可以用來替代原景觀指數信息，用表6中的各項數據分別除以表5中相對應的特征值的平方根，得出各個景觀指數的系數值，計算公式：

F1=-0.468MPS+0.230PD+0.430ED-0.344AWMSI+0.013MSI-0.042FS+0.452DIVISION

F2=-0.007MPS-0.570PD-0.172ED+0.421AWMSI+684MSI+0.687FS-0.053DIVISION

由于從5個主成分中選取的2個，要以這2個因子的變異系數與被解釋的總和之比為權重，分別算出每個主成分的比重，得到綜合主成分F，公式：

F=0.685F1+0.315F2

表7 不同土地利用類型主成分值

從分析結果可以看出，建筑用地第1主成分值相對較大，表明這2種景觀邊界密度和分離度較大，而林地為負值，表明林地邊界密度和分離度小于平均水平，林地平均斑塊面積遠遠大于其他利用類型土地。建筑用地第2主成分值相對較大，表明建筑用地的破碎程度和斑塊密度較大。林地的綜合主成分值最小，為-6.907，說明林地的細碎化綜合水平最低，空間分布最集中，與實際情況吻合；建筑用地和其他用地空間分布最分散。綜合分析能夠較好地評價不同土地利用類型景觀細碎化的真實情況。

4 結論

基于景觀指數量化分析鳳城市不同土地利用類型景觀細碎化水平，選擇7個能反映土地細碎化的景觀指數，通過主成分分析法得出2個主成分指標，更直接地反映土地景觀細碎化水平。研究結論如下。

受地形地貌及氣候影響，鳳城以低山丘陵為主，土地利用類型以林地為主，其次為耕地。建筑用地邊界密度指數最大，被分割的程度最大，細碎化程度最高，但斑塊形狀比較規整；而林地雖然邊界密度指數最小，面積加權形狀指數最大，進一步說明了林地有較好的成片性，被分割程度小，但形狀最不規則；耕地較林地分割程度大，受地形影響，形狀隨山溝山谷成各種形狀，在人工種植整理下，形狀相對林地更為規整。

通過主成分計算，在第1主成分中載荷值較大的為MPS、ED、AWMSI、DIVISION，在第2主成分中載荷值較大的為PD、MSI、FS，選擇的景觀指數可以綜合反映土地的面積、形狀和分布特征。根據第1和第2主成分的計算公式，加權綜合為綜合值公式，綜合分析不同利用類型的土地細碎化程度，林地的綜合值比較小，表明林地空間分布集中，細碎化程度低；而建筑用地綜合值較大，表明細碎化嚴重。

本研究以鳳城市為例，對不同土地利用類型景觀細碎化水平進行綜合分析。受多重因素影響，土地利用在空間分布上比較復雜，尤其是低山丘陵區，地勢起伏大，土地起伏不平，導致平原區少，土地利用不能連續成片，各種利用類型破碎化水平高。當前，提倡山水林田湖草沙統一規劃、綜合治理，要求摸清不同土地利用類型的數量、規模、細碎化程度等，為宜則情況提出合理建議。