基于景觀格局指數的河流生境特征描述方法研究

摘要：以金沙江支流黑水河為研究對象，借助景觀格局指數，篩選并建立描述生境特征的指標集，分析了黑水河蘇家灣電站所處河段生境特征變化規律。研究結果表明：在不同工況下，生境斑塊的時間和空間分布存在明顯差異；主成分分析共提取出11個代表指標，從形狀、聚集性、復雜性等方面描述了生境特征；篩選得到的生境指標集隨流量變化存在4種不同的變化趨勢，其中斑塊占景觀面積百分比、連接度、整體性和回旋半徑加權面積指數與魚類加權可用面積的變化顯著相關。生境景觀格局指數反映了魚類生境斑塊配置及其質量的變化，可為河流可持續發展和魚類生境修復提供可靠的監測依據。

關 鍵 詞：河流生境特征；景觀格局指數；小水電開發； 黑水河

中圖法分類號：X143

文獻標志碼：ADOI：10.16232/j.cnki.1001-4179.2024.08.007

0 引 言

中國西南山區河流水能資源豐富，其徑流變化大，河床多為基巖、卵石等，結構復雜多樣，為魚類提供了重要的生命場所^［1-2］。小水電建設規模小、發電設備簡單和造價低，利用西南山區落差大的特點在山區河流中得到了迅速的發展^［3-4］。然而大量小水電的無序開發和不合理調度造成了河道減脫水現象嚴重，河道水力學參數的改變使得魚類生境受到了嚴重的破壞，天然河段的消失使得生境破碎化嚴重，魚類多樣性減少，威脅河流生態系統的穩定性。因此研究小水電開發對魚類生境的影響，建立描述生境變化的指標集對保護魚類重要生境有著重要的實際意義。

受小水電開發影響，魚類生境出現了顯著的變化，識別小水電開發條件下的魚類生境，探明魚類生境對小水電開發的響應規律，有助于修復河流健康。國內外諸多學者針對魚類生境開展了研究。汪潔瓊等基于深度學習的衛星圖像識別方法對生境進行分類識別和評價^［5］。傅菁菁等使用River 2D計算了黑水河魚類有效棲息地面積（WUA），并提出優化的生態流量^［6］。鄒曦等調查了長江流域典型支流的生境狀況，從河流物理生境形態、河岸邊生境和水環境特征對生境進行評價^［7］。Kuo 等研究了不同流量下不同的景觀適宜性，建立了生境斑塊變化與魚類生境適宜性的關系^［8］。目前國內外研究對魚類生境做了大量評估和模擬^［9-13］，但忽略了河流水體自身的景觀屬性和其內部異質性，對魚類適宜生境斑塊配置及其特征變化的相關研究較少。

本文以金沙江支流黑水河干流受蘇家灣水電站開發影響的庫區和減水河段為研究對象，分析在小水電修建的影響下魚類生境斑塊的變化情況并建立定量描述魚類生境特征變化的指標集，為長江經濟帶小水電河流生境修復提供可靠的依據和監測指標。

1 材料與方法

1.1 研究區域概況

黑水河發源于四川省昭覺縣瑪果梁子，為金沙江左岸一級支流，流域面積3 597 km²，天然落差1 931 m，平均比降11.05%，屬典型的山區河流，干流自上而下依次建有蘇家灣水電站、公德房水電站、松新水電站，均為引水式開發小水電，基本無調節性能，引水式開發造成了壩下河道減水現象嚴重，極易出現斷流現象，對河道內水生生物的正常生命活動造成了嚴重的影響。

本文以蘇家灣上游則木河—西羅河匯口至蘇家灣電站廠房之間的4 km河段為研究區域（圖1），分析蘇家灣電站修建對河段魚類生境的影響，并建立定量描述生境斑塊變化的指標集，為小水電修復措施和跟蹤監測提供依據。

1.2 數據收集

從《中華人民共和國水文年鑒》中收集得到黑水河干流下游寧南水文站1964～1986年、2019～2020年流量資料和蘇家灣2019年8月至2020年7月月均下泄流量。于2019年3月實測得到蘇家灣壩上1 km斷面、蘇家灣壩下1.5 km斷面以及公德房庫尾的平均流速和平均水深。用于流域面積計算的ASTER GDEM 30 m分辨率數字高程數據來源于地理空間數據云（https：∥www.gscloud.cn/）。

1.3 研究方法

1.3.1 典型年來流計算

由于缺乏上游左岸支流西羅河流量資料，故采用流域面積比擬的方法^［14］對上游則木河、西羅河匯口處流量進行計算，公式如下：

式中：q_i為i段流域的月均流量比擬值，m³/s；q′_j為j段流域的月均流量實際值，m³/s；S_i和S_j分別為i段和j段流域的面積，km²（表1）。

1.3.2 水動力學模擬

為得到不同工況下河道內生境斑塊的分布，需要模擬計算得到二維流速水深分布。MIKE 21被用于河流、湖泊、河口、海灣、海岸以及洋流等實際場景中，采用MIKE 21數值模擬軟件MIKE 21 Flow Model FM模塊，將工程實際勘測得到的散點地形進行網格化處理。其中天然情景上游邊界使用天然來流流量，下游邊界使用一維水動力模型模擬得到的水位邊界，現狀情景將河段分為庫區和壩下兩段計算。庫區河段上游邊界使用現狀年來流流量，下游邊界使用蘇家灣水電站正常蓄水位。壩下河段上游邊界使用現狀年蘇家灣水電站下泄流量，下游邊界使用一維水動力模擬得到的水位邊界。模擬工況為天然情景下蘇家灣水電站未建成的豐、平、枯水年月均流量和現狀情景下蘇家灣水電站建成后的2019年8月至2020年7月的月均流量共48個工況（表2）。

1.3.3 生境斑塊識別

對于魚類來說，流速和水深被認為是棲息地選擇最為重要的因素，并且對于不同的魚類有著不同的適宜流速水深分布。選取黑水河典型魚類短須裂腹魚為研究對象^［15］，短須裂腹魚對應的流速水深適宜性曲線如圖2所示，借助綜合適宜性指數對魚類生境適宜斑塊進行識別^{［12，16］}，本研究將綜合適宜性指數在0.6～1.0范圍內的斑塊識別為短須裂腹魚的生境斑塊。公式如下：

CSI_i=min（V_i，D_i，C_i）（2）

式中：CSI_i為綜合適宜性指數；V_i為流速適宜性指數；D_i為水深適宜性指數；C_i為河道指數，由于本研究缺乏魚類對河道底質與覆蓋物的適宜性資料，故將C_i默認為1。

1.3.4 基于景觀格局指數的生境指標

采用景觀格局指數來定量描述魚類適宜生境斑塊的變化情況，景觀格局指數可以表征景觀格局的結構組成和空間配置等信息，還能定量描述景觀的時空變化情況^［17-18］。按照應用尺度，景觀格局指數可分為斑塊水平、類型水平和景觀水平3類。本研究重點探尋小水電修建對山區河流生境整體的影響，故選擇類型水平和景觀水平兩個尺度進行分析。為了更好地描述和表征河流生境斑塊配置和變化情況，本研究從實際出發，初步選取使用頻率高，針對河流生境斑塊具有實際意義的指標（見表3），其中表中括號里AM、RA和CV分別表示該指標的面積加權平均值、變化范圍和變異系數。為保證分析結果的準確性，本研究水動力計算過程中的天然情景和現狀情景的河道邊界保持一致，將由MIKE 21結果文件導出的柵格數據像元大小統一為2.5 m，并對景觀格局指數進行分析。

1.3.5 指標集篩選

由于常用的景觀格局指數有100余種，本研究采用主成分分析法對表3初選的指標集進行進一步分析。主成分分析通過減少數據集的維度，同時保留更多的信息，將景觀格局指數進行排序，篩選出具有代表性的且能描述河流生境斑塊變化的指標。進行主成分分析之前需要對原始數據進行標準化處理以消除變量在數量級或量綱上的影響^［19］，其公式為

式中：Z_ij為第i個樣本的第j個指標的標準化值；x_ij為變量；x_j為某個指標下的樣本均值；m為樣本個數；S²_j為某個指標下的樣本方差。

2 結果與分析

2.1 模型參數率定

曼寧數表征了河床阻力大小，對MIKE 21模型的準確性有很大的影響^［20］。本研究實測得到了2019年3月蘇家灣壩上1 km斷面、蘇家灣壩下1.5 km斷面以及公德房庫尾的平均流速和平均水深，通過不斷調整曼寧數，得到參數率定結果見表4。由表4可知，平均流速與平均水深模擬值與實測值誤差均在10%以內，且均方根誤差RMSE分別為0.014和0.117，模擬效果良好。

2.2 河流生境格局時空變化

圖3為水動力模擬的流量工況，其中現狀壩下下泄流量與天然來流相比顯著減少，并且對于下游河道，相比于原來天然情景下的年內豐枯流量變化，現狀情景壩下河道的流量變化趨于平緩且長期處于較低流量狀態。

圖4為研究區域不同流量下的生境斑塊時間分布。天然情景和現狀情景下的斑塊面積均出現了年內波動，其中11月至次年5月現狀情景下的斑塊面積相比天然情景出現了明顯的下降。斑塊數量在天然情景出現明顯的年內波動，現狀情景則保持在一定的范圍內，變化幅度較小。總體上現狀年的斑塊面積和數量較天然情景均有減少。

圖5為研究區域不同流量下的生境斑塊空間分布，其中紅色代表汛期（以豐水年7月月均流量86 m³/s為例），低流量代表枯水期（以豐水年4月流量13.8 m³/s為例）。對于庫區河段，如圖5（a）所示，天然情景和現狀情景流量變化較小，但在汛期和枯水期情景下生境斑塊分布有明顯的變化，高流量下河段較窄處的生境斑塊主要分布在靠近河岸的區域，低流量則集中在河段中心處；高流量下河段較寬處和河心灘生境斑塊分布比低流量更廣。對于壩下河段，如圖5（b）所示，整條河段相對較窄，且高流量下生境斑塊主要分布在靠河岸的區域，低流量下生境斑塊主要分布在河中央，情況與庫區河段一致。與庫區段不同的是，壩下河段低流量下的生境斑塊分布比高流量下的生境斑塊分布更廣。此外，在蘇家灣水電站建成后的現狀情景下，壩下河段長期處于低流量水平（圖3），即蘇家灣水電站建成后，壩下河段的生境適宜斑塊分布更廣。

2.3 生境景觀格局指數提取

通過相關性矩陣篩選排除了PD、AREA_RA、PARA_AM、CONTIG_AM、PLADJ、AI、CA和NLSI共8個相關系數較大的指標后，剩余48個樣本的35個指標KMO統計量大于0.5，Bartlett球形檢驗小于0.001，滿足主成分分析前提。

根據主成分分析結果（表5～6），前3個獨立的主成分共同解釋了河流生境斑塊變化的71.66%，其累積貢獻率大于60%，結果可以接受^［21］。主成分1方差貢獻率為33.99%，權重較高的指標解釋了景觀中斑塊的形狀是否接近圓形（CIRCLE_AM）、斑塊的形狀復雜程度的平均值（FRAC_AM）、景觀中所有斑塊形狀緊湊性相對于平均值的偏離程度（PARA_CV）、斑塊形狀多樣性的程度（SHAPE_CV）、斑塊大小的差異（AREA_CV）和景觀中所有斑塊的數量（NP），主要衡量了斑塊的形狀和數量。主成分2方差貢獻率為22.83%，權重較高的指標解釋了景觀中所有斑塊面積占景觀的百分比（PLAND）、景觀中斑塊的平均緊湊性（GYRATE_AM）和斑塊的整體性（COHESION），主要衡量了斑塊整體大小和聚集性。主成分3方差貢獻率為14.84%，權重較高的指標解釋了景觀中整個景觀形狀的復雜性（LSI）和景觀中斑塊的連接程度（CONNECT），主要衡量了斑塊的復雜性和連通性。

2.4 河流生境變化定量描述

本研究計算得到了天然情景下研究河段的加權可用面積（WUA），將其作為生境質量衡量指標，并與篩選出的指標集進行對比。圖6結果表明，WUA與PLAND、CONNECT、COHESION和GYRATE_AM變化趨勢一致，均為先升高后降低且在低流量存在峰值，而其他指標的變化趨勢與WUA明顯不同。對WUA與其他11個指標進行Spearman相關性分析，PLAND、GYRATE_AM、CONNECT與WUA存在顯著正相關（Plt;0.01），AREA_CV、NP、LSI與WUA存在正相關關系（Plt;0.05），PARA_CV與WUA存在負相關關系（Plt;0.05）（表7）。

隨著流量增加，先增加后減小但峰值在較高流量的指標有NP和AREA_CV（如圖6（b）），NP描述了生境斑塊的數量，數值越大代表景觀中生境斑塊的數量越大，在68.37 m³/s時最大，為144個斑塊；AREA_CV描述了生境斑塊大小的差異，數值越大代表景觀中斑塊面積的變化越大，在68.37 m³/s時最大，為416.16，此時生境質量反而不是最好。隨著流量增加，先減小后增加的指標有PARA_CV、SHAPE_CV、CIRCLE_AM和FRAC_AM（圖6（c））。其中，PARA_CV描述了斑塊形狀緊湊性相對均值的變異程度，數值越大代表景觀中斑塊緊湊性變化越大，在68.37 m³/s時最小，為28.40；SHAPE_CV描述了斑塊形狀多樣性的程度，數值越大代表斑塊形狀多樣性越豐富，在92.72 m³/s時最小，為25.06；CIRCLE_AM描述了斑塊形狀接近圓形的程度，數值越大代表景觀中斑塊形狀越接近圓形，在85.92 m³/s時最小，為0.63；FRAC_AM表描述了加權面積和分維數后的生境斑塊形狀的復雜程度，數值越大表示景觀中斑塊的形狀越復雜，在85.92 m³/s時最小，為1.18。隨著流量增加，先增加后減小但峰值在較低流量的指標有PLAND、CONNECT、COHESION和GYRATE_AM（圖6（d）），PLAND描述了斑塊占景觀面積的百分比，數值越大表示占比越高，在24.79 m³/s時最高，為7.04%；CONNECT描述了景觀中斑塊之間的連接程度，數值越大表示空間連接度越高，在22.07 m³/s時最高，為4.07%；COHESION描述了斑塊的整體性或聚集性，數值越大表示整體性越高，在15.14 m³/s時最高，為94.79%；GYRATE_AM描述了斑塊的緊湊性，數值越大表示形狀越不緊湊，在27.95 m³/s時最高，為36.42 m。隨著流量增加出現波動的指標有LSI（圖6（e）），LSI描述了斑塊邊界形狀的復雜程度，數值越大表示斑塊形狀越復雜，與FRAC_AM不同的是，LSI側重斑塊形狀邊界的復雜性，FRAC_AM側重考慮了斑塊面積和分維數。隨著流量變化，斑塊的形狀和大小也發生變化，導致LSI出現了波動，在68.37 m³/s時最高，為13.99。

3 討 論

本研究相關性分析結果表明：PLAND、GYRATE_AM、CONNECT與代表魚類生境質量的WUA指標間存在顯著正相關關系，相關系數均大于0.6（Plt;0.01），隨著流量變化，斑塊面積占景觀百分比（PLAND）增大，生境斑塊整體面積增大，隨之造成WUA增大；GYRATE_AM越大，斑塊形狀越不緊湊，其延伸范圍越大，進而導致WUA的增加；當斑塊面積增大，斑塊數量增加時，斑塊間的連通度（CONNECT）也增加，從而反映出了WUA的增加。在針對魚類生境修復的措施中，除了通過調整上游壩址的下泄流量來改善魚類生境質量外，還可以針對以上指標結合生境斑塊的空間分布，對斑塊面積較小、連通度差的區域通過改變河床地形進行生境修復工作。

以往的相關研究人為地從斑塊大小、密度、形狀和聚散性等方面選取了景觀格局指數，但在選取景觀格局指數時忽略了景觀格局指數存在冗余度，未進行篩選。夏兵等^［22］以流域為尺度主要選取了斑塊密度和邊緣密度指數，分析了潮白河流域景觀格局的演變，然而忽略了河流生境自身的景觀屬性和內部異質性，河流為水生生物提供了生存繁衍的空間，由于河流地貌、水文以及人為修建水利工程等因素的影響，河流生境也具有多樣性；李衛明等^［23］從棲息地的破碎性、連通性、凝聚度等方面選取了斑塊數（NP）、斑塊凝聚度（COHESION）、連接度（CONNECT）和最大斑塊指數（LPI）對漓江中游魚類棲息地質量進行了評價，由于各類型下的景觀格局指數眾多，人為選取不同類型的景觀格局指數未能很好地反映出景觀格局動態變化；Kuo等^［8］通過選擇斑塊占景觀面積百分比（PLAND）、斑塊數量（NP）和分維數加權面積值（FRAC_AM）等景觀格局指數納入到生境質量評價，分析了臺灣省烏溪的景觀格局指數與生境質量的關系，結果表明在低生境質量下描述斑塊大小和形狀的指標與生境質量存在顯著的相關關系。Li等^［24］引入了斑塊密度（PD）、連接度指數（CONNECT）以及斑塊占景觀面積百分比（PLAND）對生境適宜模型進行了改進，通過計算不同流量下的生境質量綜合指數，提出了麗江中游的生態流量。

對比不同研究選取的指標發現，以往研究中^{［8，23-24］}選取的大多數指標除了PLAND、NP、COHESION、CONNECT、FRAC_AM等與本研究篩選出的指標一致外，部分指標如PD在相關性分析結果中與其他指標高度相關，以及LPI在主成分分析結果中各主成分的貢獻度均相對較小，并不能很好地對河流生境變化做出解釋，因此需要被剔除。此外，本研究結果還表明對于黑水河蘇家灣電站所處河段，CIRCLE_AM、PARA_CV、SHAPE_CV、AREA_CV、GYRATE_AM等貢獻度高的指標也應納入對生境評價的指標集中。通過對研究區域篩選出具有代表性的景觀格局指數對魚類生境斑塊配置變化進行定量描述，而不是人為地選取某些指標，可以為后續研究及河流生境保護和修復工作提供監測依據。

4 結 論

本研究通過篩選具有代表性的景觀格局指數對魚類生境斑塊配置變化進行定量描述，得到了以下結論：

（1）現狀情景和天然情景生境斑塊時空分布存在明顯的差異，現狀情境下斑塊面積和數量較天然情景均出現了明顯下降，高流量條件下生境斑塊主要分布在河兩岸，而低流量下生境斑塊主要分布在河中央區域。

（2）通過PCA篩選得到了11個景觀格局指數，分別從數量（斑塊數量）、形狀（近圓形指數面積加權平均值、分維數加權面積平均值、周長面積比變異系數、形狀指數變異系數和斑塊面積變異系數）、大小（斑塊面積占景觀面積比）、聚集性（回旋半徑加權面積平均值和斑塊整體性）、復雜性（景觀形狀指數）和連通性（連接度）描述了河流生境斑塊特征。

（3）通過景觀格局指數分析，發現篩選得到的描述生境斑塊特征的指標隨流量變化情況有先增大后減小且峰值在較高流量處、先減小后增大、先增大后減小且峰值在較低流量處以及隨流量出現波動4種趨勢，其中PLAND、CONNECT、COHESION和GYRATE_AM與WUA均為先增大后減小且在20 m³/s左右出現最大值。

參考文獻：

［1］董哲仁.河流形態多樣性與生物群落多樣性［J］.水利學報，2003（11）：1-6.

［2］水利部.2022年中國水資源公報［M］.北京：中國水利水電出版社，2023.

［3］劉若星.小水電站的生態環境影響評價指標體系研究及應用［D］.杭州：浙江大學，2020.

［4］付浩龍，李亞龍.關于加快長江流域農村水電綠色發展的思考［J］.人民長江，2020，51（增2）：37-40.

［5］汪潔瓊，江卉卿，王敏.基于深度學習的水體生境圖像分類與質量評價：以長三角一體化先行啟動區為例［J］.風景園林，2023，30（7）：22-28.

［6］傅菁菁，黃濱，芮建良，等.生境模擬法在黑水河魚類棲息地保護中的應用［J］.水生態學雜志，2016，37（3）：70-75.

［7］鄒曦，楊榮華，楊志，等.長江流域典型支流生境健康評價［J］.水生態學雜志，2021，42（5）：29-39.

［8］KUO P H，SHIH S S，OTTE M L.Restoration recommendations for mitigating habitat fragmentation of a river corridor［J］.Journal of" Environmeat Managemeat，2021，296：12.

［9］張登成，王中敏，樊皓，等.孤山水電站魚類棲息地保護方案研究［J］.人民長江，2022，53（增2）：38-41.

［10］張鍍光，王導群，利廣杰，等.烏東德水電站蓄水前庫區江段魚類資源研究［J］.人民長江，2022，53（10）：45-51.

［11］李鵬，殷守敬，崔希民，等.河流水生物理生境遙感評價模型與應用［J］.灌溉排水學報，2017，36（5）：90-95.

［12］景夢園，王立權，褚麗麗，等.基于改進River 2D模型的呼蘭河干流生態流量研究［J］.中國農村水利水電，2023（3）：102-110，119.

［13］李友光，劉士峰，王慧亮，等.基于多物種棲息地適宜度模型的河道生態流量確定方法與應用［J］.灌溉排水學報，2022，41（5）：139-146.

［14］PENG F J，LI K F，LIANG R F，et al.Shallow lake water exchange process before and after water diversion projects as affected by wind field［J］.Journal of Hydrology，2021，592：125785.

［15］滕航，田輝伍，劉寒文，等.金沙江下游支流黑水河魚類資源現狀［J］.生態學雜志，2021，40（5）：1499-1511.

［16］孫嘉寧，張土喬，ZHU D，等.白鶴灘水庫回水支流的魚類棲息地模擬評估［J］.水利水電技術，2013，44（10）：17-22.

［17］肖況，王玉寬，吳光，等.成都市景觀格局時空變化及驅動因素分析［J］.人民長江，2018，49（9）：11-18.

［18］孫靜靜，王卿，王敏，等.長江經濟帶生態系統格局演變及其驅動力分析［J］.人民長江，2022，53（6）：83-89，98.

［19］龔然，徐力剛，徐進，等.主成分分析法在城市小型湖泊水質評價中的應用［J］.環境科學與技術，2014，37（增2）：486-488，545.

［20］丁澤浩.MIKE21曼寧數對水域流速模擬影響研究［J］.資源節約與環保，2018（3）：30.

［21］GHOSH S，JINTANAPAKANONT J.Identifying and assessing the critical risk factors in an underground rail project in Thailand：a factor analysis approach［J］.International Journal of Project Managemant，2004，22（8）：633-643.

［22］夏兵，魯紹偉，王玉華，等.1972～2008年潮白河流域景觀格局演變研究［J］.灌溉排水學報，2011，30（4）：135-139.

［23］李衛明，陳求穩，劉德富，等.基于景觀生態學指標的魚類生境質量評價方法研究［J］.長江科學院院報，2014，31（6）：7-11.

［24］LI W M，CHEN Q W，CAI D S，et al.Determination of an appropriate ecological hydrograph for a rare fish species using an improved fish habitat suitability model introducing landscape ecology index［J］.Ecological Model，2015，311：31-38.

（編輯：黃文晉）

Description method research of river habitat characteristics based on landscape pattern indices

HE Chunshan¹，LI Xiaobing²，LIANG Ruifeng¹，LI Kefeng¹

（1.State Key Laboratory of Hydraulics and Mountain River Engineering，Sichuan University，Chengdu 610065，China; 2.China Water Resources Beifang Investigation，Design and Research Co.，Ltd.，Tianjin 300222，China）

Abstract：In this paper，the Heishui River，a tributary of the Jinsha River，was selected as a research object.With the help of the landscape pattern index，an index set describing the habitat characteristics was screened and established.The changing law of the habitat characteristics in the section of the Heishui River where the Sujiawan Power Station is located was analyzed，providing a basis for monitoring the sustainable development of the river and the restoration of the habitat.The results showed that the temporal and spatial distributions of habitat patches differed significantly under different working conditions.A total of 11 representative indicators were extracted by the principal component analysis to describe the habitat characteristics in terms of shape，aggregation，complexity，etc.The set of habitat indicators obtained through the screening had four different trends with the flow changes，among which，the percentage of the patches in the landscape area，the degree of connectivity，the wholeness，and the radius of gyration-weighted area index were associated with the changes in fish-weighted available area significantly.The habitat landscape pattern indices reflect changes in fish habitat patch configuration and its quality，which can provide a reliable monitoring indicator for fish habitat restoration.

Key words：river habitat characteristics; landscape pattern index; small hydropower development; Heishui River