東北黑土區土地利用景觀格局最佳粒度分析

摘要 利用松原市2021年的遙感影像、土地利用圖、行政區劃圖以及相關統計數據，在RS與GIS的技術支持下，采用GIS空間分析、景觀格局指數研究、面積損失評價方法等來確定景觀格局分析的最佳粒度。結果表明：松原市景觀的最佳分析粒度為90 m。分析景觀格局指數隨粒度變化的響應得到整體適宜粒度域為90～150 m，利用面積損失評價方法在粒度為90 m時，土地面積變化指數最小，此時面積精度損失最少，所以確定最佳分析粒度為 90 m。

關鍵詞 最佳分析粒度；土地利用；景觀格局；東北黑土區

中圖分類號 F301.24 文獻標識碼 A 文章編號 0517-6611（2025）06-0063-03

doi：10.3969/j.issn.0517-6611.2025.06.016

Analysis of Optimal Granularity of Land Use Landscape Pattern in the Black Soil Region of Northeast China

LI Hai-yang LI Wei HE Jian-yong2

（1.School of Mining Engineering，Heilongjiang University of Science and Technology，Harbin，Heilongjiang 150022;2.Ningxia Hui Autonomous Region Farmland Water Conservancy Construction and Development Management Center， Yinchuan，Ningxia 750002）

Abstract Using the remote sensing image， land use map， administrative division map and related statistical data of Songyuan City in 2021， with the technical support of RS and GIS， the optimal granularity of landscape pattern analysis was determined by using GIS spatial analysis， landscape pattern index research and area loss evaluation method. The result showed that the best analysis granularity of Songyuan landscape was 90 m. By analyzing the response of landscape pattern index with grain size change， the overall suitable granularity range was 90-150 m. When the grain size was 90 m by using the area loss evaluation method， the land area change index was the smallest， and at this time， the loss of area accuracy was the least， so the optimal analysis granularity was 90 m.

Key words Optimal analysis granularity;Land use;Landscape pattern;Black soil region of Northeast China

隨著城市化進程的加快和農村人口的涌入，城市面積不斷擴大，中國不同規模城市的景觀類型布局發生了重大變化［1］。景觀格局一般從空間結構和配置2個維度對景觀的空間分布綜合表現進行異質性研究，景觀格局具有一定的粒度效應，也即粒度依賴性［2-3］。粒度效應對景觀格局的定量分析結果會產生不同程度的影響［4］，通過景觀格局粒度效應分析選取最佳粒度是研究景觀格局特征和生態過程信息的關鍵［5］。該研究通過分析景觀指數的粒度效應，確定用于景觀格局分析的最佳粒度域；采用面積損失評價方法，基于面積精度損失最小原則，確定研究區景觀格局分析的最佳粒度，以解決景觀格局分析中的尺度依賴問題，增加研究結果的準確性和科學性。

1 材料與方法

1.1 研究區概況

松原市隸屬吉林省，屬中溫帶大陸性季風氣候［6］，是吉林省轄地級市，位于吉林省中西部、松花江上游的松江和嫩江之間的松嫩平原。南與長春、四平市為鄰，西與白城市、內蒙古哲盟接壤，北隔松花江與黑龍江省相望。總面積2.3萬km2。

1.2 數據來源

選取2021年Landsat 4-5 TM和Landsat 8 OLT云量少（≤10%）的6—9月影像，空間分辨率為30 m。根據《土地利用現狀分類》（GB/T 21010—2017）對松原市遙感影像進行人機交互解譯為耕地、林地、草地、建設用地、水域和未利用地6類土地類型［7-8］。輔助PIE-Basic軟件進行監督分類，最終解譯分類的精度評價，總體精度和Kappa系數分別為93.84%、0.92，符合精度要求，并得到2021年土地利用數據。為了提高其精度，在已經得到的土地利用數據的基礎再次進行人工目視解譯，最終獲取研究區域松原市2021年土地利用現狀圖（圖1）。

1.3 研究方法

以景觀指數法為該研究基本方法。景觀指數是定量分析景觀格局變化的指標，也是反映結構組成和空間配置某些方面特征的定量指標［8］。由于其生態學意義明確且易于理解，所以被廣泛用于研究景觀格局的組成成分、空間配置和動態變化過程，是景觀格局演變研究中的常用方法。景觀指數分為3個等級［9］：第1個等級是斑塊水平指數，是景觀格局研究中其他景觀指標的計算基礎；第2個等級是斑塊類型水平指數，反映不同斑塊類型的各自結構特點；第3個等級是景觀水平指數，反映整個研究區域整體景觀結構特點［10］。由于該研究注重城市的整體特征分析以及城市景觀格局演變過程中各類景觀的相關轉換特征分析，斑塊水平指數在此沒有很大的研究價值和決定性意義，因此，該研究選擇了斑塊類型水平指數和景觀水平指數。另外，因為景觀格局分析最佳粒度的確定需要重點考慮研究區域整體特征分析，所以在景觀指數粒度效應分析時所選取的景觀指數均為景觀水平上的指數。

為能全面反映景觀格局特征、防止信息冗余，參照相關研究成果，該研究針對景觀多樣性分析、景觀破碎化分析、景觀連通性分析和景觀復雜度分析4個方面選擇了景觀總面積（TA）、斑塊數量（NP）、斑塊密度（PD）、最大斑塊指數（LPI）、平均斑塊面積（AREA_MN）、分形維數（PAFRAC）、蔓延度指數（CONTAG）、散布與并列指數（IJI）、連接度指數（COHESION）、分割度指數（DIVISION）、分離度指數（SPLIT）、景觀豐度（PR）、Shannon多樣性指數（SHDI）、Shannon均勻性指數（SHEI）、聚集度指數（AI）、景觀形狀指數（LSI）共16個景觀格局指數，景觀格局指數選取秉承科學性原則、代表性原則、可操作性原則、系統性原則、因地制宜原則、動態性原則［10］。以上景觀格局指數均在Fragstats 4.2進行計算。

1.3.1 景觀指數粒度效應分析。景觀指數能夠指示粒度變化的尺度效應，并且是在景觀格局分析過程中選取合適取值范圍，確定適宜粒度大小的指標，即景觀格局最佳分析粒度域。確定最佳分析粒度域可以為確定最佳粒度提供重要參考。

利用Fragstats 4.2軟件計算研究區不同粒度下的景觀格局指數，以粒度為橫坐標、不同粒度為尺度建立的相應的景觀指數為縱坐標，建立兩者變化的關系圖，即景觀指數的粒度效應曲線，然后綜合分析不同指數的粒度效應曲線，并利用拐點法確定研究區景觀格局最佳分析粒度域。

1.3.2 面積損失評價方法。在尺度轉換之初，先對各用地類型的基準面積進行確定，然后執行尺度轉換操作，再將執行尺度轉換操作后各用地類型的面積與初始面積進行比較，得到各個尺度下的各用地類型損失面積的絕對值或相對值［11］，土地面積變化指數越大，表征研究區內相應的用地類型面積變化越大，因此執行了尺度轉換后得到的該用地類型面積的精度越差。數學模型［11］如下：

式中：Li為面積損失相對值（%）；Ai為某一類型在尺度轉換后面積（km2）；Abi為該類型在尺度轉換前面積（km2）；Si為區域土地面積變化指數；n為區域土地類型的數目。

2 結果與分析

2.1 松原市景觀格局指數粒度效應分析

景觀指數所表現出來的粒度效應，實際上是由粒度的大小、柵格影像對景觀斑塊的分割、融合程度以及邊界變化所決定的，因此選擇不同時間的遙感影像不會影響粒度效應的研究結果。該研究以2010年數據作為分析景觀指數的粒度效應的基礎。空間粒度的設置通常情況下對應圖像的分辨率，為了避免誤差影響［12-14］，并結合研究區實際情況，利用ArcGIS 10.2軟件，將松原市2010年土地利用現狀數據以30 m為間隔，依次轉換成30、60、90、120、150、180、210 m共7個景觀粒度的土地利用柵格圖，采用Fragstats 4.2軟件進行計算所選的景觀指數，以粒度為橫坐標、各景觀指數為縱坐標繪制各景觀指數粒度效應曲線（圖2）。

從圖2可以看出，選取的16個景觀指數受粒度增大表現出的變化趨勢大致可概括為3類：①景觀指數隨粒度的增加呈現出明顯的轉折點也就是粒度轉折點，從整體上看呈上升或下降趨勢；②景觀指數隨粒度的增加并沒有表現出明顯的粒度轉折點，只是從整體上看呈上升或下降趨勢；③指數沒有變化，或存在無規律的變化。

具有明顯粒度轉折點的指數有LPI、COHESION、DIVISION、SPLIT、SHDI和SHEI，這些指數在出現變化的同時多在90 m處存在拐點，表明在90 m處這些景觀指數變化較大，對于不同指數，因其指數計算方法方式各不相同，且所反映的景觀特點也不一樣，所以拐點出現的位置不盡相同。研究區景觀格局整體特征變化趨勢：隨著粒度的增大，景觀破碎度在逐漸減小，景觀連通性在逐漸降低，景觀指數在粒度增大到一定程度時突然發生變化，說明景觀格局會隨著粒度效應而發生突變效應。這表明粒度的增大改變了景觀斑塊邊界的復雜程度、吞沒了一些較小的斑塊單元，使LPI逐漸增大，而COHESION、DIVISION、SPLIT、SHDI和SHEI逐漸降低，導致各景觀指數發生不同系列的變化。

呈現出明顯變化趨勢但沒有明顯拐點的指數有NP、PD、LSI、AREA_MN、PAFRAC、CONTAG、IJI和AI，這些指數存在不明顯拐點，大多出現在60 m處，其中IJI的不明顯拐點出現在90 m處。以上指數表現出的研究區景觀格局整體特征變化趨勢：隨著粒度的增大，景觀破碎度在逐漸減小，景觀斑塊形狀復雜度在逐漸增加，景觀連通性在逐漸降低，并且各指數沒有明顯的拐點，說明在粒度增大的過程中，一些景觀斑塊被逐漸分割、融合或消失，斑塊面積也發生了規律性變化，導致這些景觀指數在變化的同時并沒有產生突變效應。

無規律變化的指數有TA和PR。在矢量數據向柵格數據轉化的過程中，原本平滑的邊界呈現鋸齒狀的變化，導致TA忽高忽低的無規律變化。PR主要取決于景觀中的斑塊類型，斑塊類型不變，PR也呈現出不變的現象，因此，這3種指數沒有表現出尺度效應。

由于景觀整體特征的尺度轉折點是一個相對較小的區間，在這個區間內，景觀指數的突變現象比較普遍。在表現

出第一種趨勢的指數中，LPI、COHESION、DIVISION、SPLIT的拐點均出現在90 m，SHDI和SHEI拐點均出現在120、150和180 m，6個指數的第一尺度域分別是30～90、30～90、30～90、30～90、30～150、30～150 m。在表現出第二景觀指數（NP、PD、LSI、PAFRAC、CONTAG、IJI、AI）中，除IJI的不明顯拐點出現在90 m處，其他指數的不明顯拐點均出現在60 m。相關研究表明，隨粒度變化的第一尺度域，是確定粒度大小、進行景觀格局分析的適宜取值范圍，可確定30～150 m是較為適宜的范圍，另外，為保證計算的質量，又不使計算過程中的工作量過大，應在此范圍內選擇中等偏大的粒度，因此可確定90～150 m為研究區景觀格局最佳分析粒度域。

2.2 松原市景觀格局分析最佳粒度的確定

以像元大小為30 m的土地利用數據的各類型面積為基準面積，通過ArcGIS 10.2軟件依次將其轉換成30、60、90、120、150、180、210 m共7個粒度的土地利用柵格數據，將進行轉換后各目標粒度下的景觀類型面積與基準面積進行比較，得到7個粒度下各類型面積損失的相對值或絕對值。通過此方法可以確保在生成柵格數據的過程中盡可能少地產生信息損失。根據公式（2）計算不同粒度下區域土地面積變化指數，結果發現，隨著粒度的增加，土地面積變化指數呈現先逐漸上升后下降再上升的反復變化趨勢，在90～150 m，粒度為90 m時，土地面積變化指數最小，此時面積精度損失最少。

綜合景觀指數粒度效應分析和信息損失評價結果表明，90 m為研究區景觀格局的最佳分析粒度。以90 m為粒度對研究區景觀格局進行分析可以更有效地反映區域景觀格局的特征信息，使研究結果更具準確性和科學性。

3 結論

基于RS/GIS技術、Fragstats 4.2等軟件的支持下，運用松原市2021年遙感影像，結合土地利用圖、行政區劃圖以及相關統計數據，采用GIS空間分析、景觀格局指數研究、面積損失評價方法等來確定景觀格局分析的最佳粒度。

通過景觀指數粒度效應分析發現各景觀指數隨著粒度的增大基本呈現出3種變化趨勢：①指數整體上呈現上升或

下降的趨勢，并出現較為明顯的拐點，即粒度轉折點；②指數整體上呈現上升或下降的趨勢，但沒有明顯的拐點；③指數沒有變化，或存在無規律的變化。基于此確定了90～150 m為松原市景觀格局分析最佳粒度域，根據面積損失評價方法

確定90 m是其景觀格局分析最佳粒度。因此確定90 m是后續用于松原市景觀類型時空變化特征的最佳粒度。

參考文獻

［1］ 趙銳鋒，王福紅，張麗華，等.黑河中游地區耕地景觀演變及社會經濟驅動力分析［J］.地理科學，2017，37（6）：920-928.

［2］ 王海濤.基于大數據的景觀格局時空演變及其環境效應研究［D］.天津：天津大學，2017.

［3］ 葉欣，董倫，呂利娜，等.最佳粒度下的七臺河市景觀格局分析［J］.安徽農業科學，2021，49（21）：227-230.

［4］ 趙彥偉，于磊，汪思慧.一種景觀格局分析中最佳粒度選取方法：CN201010142519.5［P］.2010-08-25.

［5］ 葉均艷，王亞娟，劉小鵬，等.基于最佳粒度的生態移民安置區土地利用景觀格局分析：以寧夏紅寺堡區為例［J］.水土保持研究，2018，25（2）：300-306，314.

［6］ 曹秀鳳，劉兆順，李淑杰，等.基于生態安全格局的國土空間生態修復關鍵區域識別：以吉林省松原市為例［J］.中國環境科學，2022，42（6）：2779-2787.

［7］ 徐芝英，胡云鋒，劉越，等.空間尺度轉換數據精度評價的準則和方法［J］.地理科學進展，2012，31（12）：1574-1582.

［8］ 龔建周，夏北成，李楠，等.快速城市化地區土地覆蓋景觀特征的粒度效應［J］.生態學報，2006，26（7）：2198-2206.

［9］ ABBAS Z，ZHU Z Y，ZHAO Y L.Spatiotemporal analysis of landscape pattern and structure in the Greater Bay Area，China［J］.Earth science informatics，2022，15（3）：1977-1992.

［10］ HE X，BO Y，DU J，et al.Landscape pattern analysis based on GIS technology and index analysis［J］.Cluster computing，2019，22（3）：5749-5762.

［11］ CHEN K X，CONG P F，QU L M，et al.Annual variation of the landscape pattern in the Liao River Delta wetland from 1976 to 2020［J］.Ocean and coastal management，2022，224：1-11.

［12］ 李保杰，渠愛雪，紀亞洲.基于最佳分析粒度的礦區景觀格局分析［J］.武漢大學學報（信息科學版），2016，41（7）：939-945.

［13］ PLEXIDA S G，SFOUGARIS A I，ISPIKOUDIS I P，et al.Selecting landscape metrics as indicators of spatial heterogeneity：A comparison among Greek landscapes［J］.International journal of applied earth observation and geoinformation，2014，26：26-35.

［14］ 張景華，吳志峰，呂志強，等.城鄉樣帶景觀梯度分析的幅度效應［J］.生態學雜志，2008，27（6）：978-984.

基金項目 黑龍江省哲學社會科學規劃項目（23JYB270）；黑龍江省省屬本科高校基本科研業務費項目（2024-KYYWF-1070）。

作者簡介 李海洋（1982—），男，黑龍江七臺河人，高級工程師，博士，從事遙感動態監測研究。*通信作者，副教授，博士，碩士生導師，從事礦區生態修復與治理、3S技術集成與應用等研究。

收稿日期 2024-07-15；修回日期 2024-07-22