张　妮，张玉红

(哈尔滨师范大学)

*黑龙江省教育厅科技项目(12531209)

0　引言

湿地是由喜水生物和过湿环境构成的一个特殊的自然综合体，与森林、海洋并列为全球三大生态系统类型，被喻为“地球之肾”[1].中国湿地面积位居世界第四，亚洲第一，其面积占世界湿地面积的10%[2].近年来，随着人们对湿地的景观的研究与了解，人类对湿地的破坏也越来越严重.使湿地萎缩甚至趋于消亡，对湿生态安全构成了一定的威胁[3].20 世纪 80 年代以来，国内外学者在生态学、地理学、遥感学等学科开展了尺度效应研究，景观生态学的格局、尺度等方法和原理也逐渐运用于湿地科学领域中，推动了湿地景观格局演变的研究[4].景观生态学中，认为尺度一般可以分为空间尺度和时间尺度两个方面.空间尺度主要包含粒度、幅度以及范围.而在对尺度进行分析时，主要的问题是怎样转换并选择最佳尺度和尺度推绎[5].该文主要选择尺度中的粒度对扎龙湿地景观格局尺度效应进行研究.

1　研究区概况

黑龙江省扎龙湿地位于东经124°00′～124°30′，北纬46°55′～47°35′，年平均温度3.9℃，年平均降水量402.7 mm，北温带大陆性季风气候.地处中国东北松嫩平原外围的栎林草原地区，黑龙江省西部，横跨二区四县，距齐齐哈尔市东南26 km，面积0.21万km2，1979年建立省级自然保护区，1987年晋升为国家级，1992年被列入“世界重要湿地名录”，主要保护对象为丹顶鹤等珍禽及湿地生态系统.扎龙湿地是由乌裕尔河和双阳河下游流域一大片永久性季节性淡水沼泽地和无数小型浅水湖泊组成，周围是草地、农田和人工鱼塘.生境类型以沼泽为主，植物群落以芦苇为主.沼泽地最大水深0.75 m，湖泊最大水深达5m.

2　数据域方法

2.1　数据来源

该文主要数据源包括研究区的遥感影像 、行政区划图、土地利用图以及地形图.

遥感数据为2005年、2016年夏季的Landsat影像，其中2005年的空间分辨率为30 m，2016年的影像空间分辨率分辨率为15 m，来源于网站地理空间数据云(http://www.gscloud.cn/)和美国地质勘探局(USGS)(https://www.usgs.gov/)下载.

2.2　景观分类

那晓东等[6]通过对监督分类中的最大似然法和决策树分类算法进行比较，发现决策树分类算法精度高于监督分类，因此该文在对景观类型进行分类时，以《全国湿地资源调查与检测技术规程》为基础[7]，采用决策树分类法，即选取影像的光谱特征、K-T值、PCA值、NDVI值和纹理特征，以及地形因子等作为特征值，利用SPM软件进行决策树分类，然后在envi5.1中编写运行决策树，得到景观初始分类图.然后根据研究需要，对初始的分类进行合并，合并为明水(水泡、池塘、水库、河流)、草地(草甸、草甸草原、林地)、有水沼泽、无水沼泽、居民用地(耕地、道路、沟渠)、村镇以及未利用地(盐碱地、裸地)这7种扎龙湿地景观类型/土地利用类型.

2.3　粒度的划分

该文基于地理信息研究方法，并采用尺度推绎中的尺度上推，利用ArcGIS10.2中的重采样方法获取研究所需的数据—不同粒度的景观类型图(2005年和2016年).由于研究区面积较小，并且三幅影像分辨率的差异，因此该文选取的粒度大小分别为30、60、90、120、150、180、210、240、270、300 m.最终得到了研究所需要的10个不同粒度.

2.4　景观指数

景观指数是景观生态学研究特别是景观格局中的一种重要方法，分为景观水平、景观类型水平和斑块水平.在选取景观指数时，要选取那些不仅能反映景观全局和各景观类型变化而且相关性相对较小的具有典型性的指数.利用Fragstas4.2软件对10个尺度的景观类型图进行景观指数计算分析，并且最终根据前人研究的经验以及研究区的特点[8]，最终选取的指数有：斑块类型水平：斑块类型面积(TA)、斑块数(NP)、斑块密度(PD)、边界密度(ED)、景观类型百分比(PLAND)、最大斑块指数(LPI)、斑块平均面积(AREA_MN)、景观形状指数(LSI)、平均斑块形状指数(SHAP_MN)、平均周长面积比(PARA_MN)、聚集度指数(AI).景观水平上：上述中的景观类型百分比(PLAND)之外，还多了香农多样性指数(SHDI)、香浓均匀度指数(SHEI)、蔓延度(CONTAG)、优势度指数(Ci)[9].

2.5　相关性分析

利用SPSS19.0软件中相关性分析的皮尔逊相关分析，对两个或以上的景观指数和粒度进行简单的相关性分析.

3　结果与分析

3.1　扎龙湿地景观类型

该文利用决策树分类将扎龙湿地分为：明水(水泡、池塘、水库、河流)、草地(草甸、草甸草原、林地)、有水沼泽、无水沼泽、居民用地(耕地、道路、沟渠)、村镇以及未利用地(盐碱地、裸地)，这七类景观的数量特征及空间分布如图1所示.

图1　扎龙湿地景观类型分布图

景观类型CA/haPLAND/%NP/个LPI明水-17050．2-7．5818-1156-1．0685有水沼泽12792．515．68853823-0．3784无水沼泽-16709．85-7．4305-2221．3002草地-16760．79-7．45318141．3798居民用地16585．837．375314601-0．4207村镇8837．373．9298121570．0441未利用地12305．165．4718104370．0174

从图1和表1可以看出，从2005年到2016年，扎龙湿地的明水面积、无水沼泽以及草地的面积都有不同程度的减少，相反的，有水沼泽、居民用地、村镇、未利用地的面积则都是增加了.斑块个数中只有明水和无水沼泽的斑块个数是减少的，其他的都是增加了.明水、有水沼泽、居民用地的最大斑块指数减少了，剩余的四类景观类型则都是增加了的.

3.2　扎龙湿地景观格局粒度效应

通过对扎龙湿地空间粒度“粗粒化”[10]，然后利用景观格局分析工具Fragstas4.2软件对2005年和2016年不同粒度下的景观格局指数进行计算，分析不同粒度下2005年和2016年景观类型水平和整体水平上景观格局(指数)对粒度变化的响应.

3.2.1景观类型水平

以2016年景观为例，对10个景观指数随粒度变化的趋势进行统计分析，并绘制出折线图，如图2所示.从图2 可以看出，景观指数的粒度效应可以分为以下几种：

(1)景观指数随粒度的增加而增加.只有斑块平均面积(AREA_MN)，随着空间粒度的增加，该指数也随之增加，并且在240～270中间有水沼泽、无水沼泽、居民用地和未利用地都出现了拐点.

(2)景观指数随空间粒度的增加而减少.主要有斑块数(NP)、斑块密度(PD)、边界密度(ED)、景观形状指数(LSI)平均周长面积比(PARA_MN)、聚集度指数(AI).但是明水的斑块数(NP)、斑块密度(PD)、边界密度(ED)、景观形状指数(LSI)对粒度的效应关系特别小，基本可以忽略不计.

(3)景观指数随粒度的增加基本上没有发生大的变化，响应关系基本不存在，如斑块类型面积(TA)和平均斑块形状指数(SHAP_MN).

(4)景观指数随粒度的变化没有规律性.典型的有最大斑块指数(LPI)，可以看出，有水沼泽对粒度变化响应最明显，其次是未利用地，且都在120～150m变化较为剧烈，整体没有规律性；而明水、居民用地、村镇这三类景观基本上没有变化.

3.2.2景观水平指数和粒度变化关系

利用景观格局分析软件Fragstas4.2分析的结果，对整体景观水平上的景观指数随空间粒度变化的关系进行分析，见表2.

图2　类型水平景观指数随粒度的变化

从表2看出，随着粒度的增加，平均斑块形状指数(SHAP_MN)、香农多样性指数(SHDI)和香浓均匀度指数(SHEI)基本上都没有发生变化，也就是说，粒度的变化对它们都没有影响；而斑块数(NP)、斑块密度(PD)、边界密度(ED)、景观形状指数(LSI)、平均周长面积比(PARA_MN)、聚集度指数(AI)、优势度指数(Ci)这些景观指数都随着空间粒度的增加而减少，而且除了蔓延度(CONTAG)之外，其它指数值随粒度变化最大的粒度区间为30～90m之间；此外，只有斑块平均面积(AREA_MN)随着粒度的增大大平稳的增大；只有斑块类型面积(TA)和最大斑块指数(LPI)随粒度变化没有规律性，但是可以看出，斑块类型面积(TA)在120～300m之间变化起伏大，而最大斑块指数(LPI)值变化最大在90～150m之间.可以看出，2005年和2016年之间景观指数随空间粒度变化的趋势没有大的差异.从2005年到2016年，景观破碎性增高，景观多样性减少，景观中斑块呈不均衡化趋势分布.CONTAG值也表明了景观是具有多种要素的密集格局，景观的破碎化程度增高.

表2各时期景观水平景观指数随粒度变化特征

3.2.3景观指数和粒度的相关性

通过相关性分析，得到了2005年和2016年扎龙湿地各景观类型的景观指数和空间粒度的相关性以及整体景观水平上景观指数和空间粒度的相关性，见表3、4和5.

从表3和表4可以看出，类型水平上CA、PLAND和空间粒度之间相关性很小甚至可以说没有相关性，且没有通过置信度检验.其中，2005年，草地、村镇、未利用地2016年无水沼泽、居民用地和LPI之间存在正相关关系；每一类景观和AREA_MN之间都存在很强的正相关关系；而和NP、PD、LSI、PARA_MN、COHESION、AI、ED(除2005年的草地外)之间则都是强负相关关系；在2016年，有水沼泽、未利用地和SHAPE_MN之间正相关，2015年有水沼泽和 SHAPE_MN之间无相关性.总体来看，在类型水平，除CA和PLAND之外，空间粒度的变化对各景观类型指数都有很强的影响，而且景观类型不同，景观指数和空间粒度的相关性也有所不同.

表32005年各景观类型景观指数和粒度的相关性

表4　2016年各景观类型景观指数和粒度的相关性

表52005年和2006年景观指数和粒度的相关性

从表5可以看出，在景观水平上，2005年和2016年的SHDI、SHEI、CONTAG和空间粒度的相关性呈现两极分化，在2005年负相关，2016年正相关；而CONTAG在2005年是正相关，2016年是负相关.TA在2005和2016年都是正相关，但相关性较弱.LPI可以说是和空间粒度不存在相关性.其他的景观指数则都和空间粒度存在很强的负相关关系.

4　结论与讨论

整体上来说，尺度效应在景观格局上表现的很明显，在不同的空间粒度上，景观指数即景观特性存在较大的差异.但是个别景观指数对粒度变化效应并不明显，甚至可以忽略.

研究结果表明：

(1)扎龙湿地景观干旱化明显.明水、无水沼泽等含水量较大的景观类型大量减少，而比较干旱的居民用地、村镇和未利用地则大量增加.因此，使得扎龙湿地趋于干旱化发展.

景观格局对空间粒度有很明显的响应.相关性分析结果表明，景观格局特性和空间粒度之间有很强的相关性.

(2)景观类型水平上，景观指数的粒度效应主要有三种：景观指数随粒度的增加而增加；景观指数随空间粒度的增加而减少；景观指数随粒度的增加基本上没有发生大的变化响应关系基本不存在；景观指数随粒度的变化没有规律性.整体景观水平上，不同景观指数在不同粒度的变化也不同，因此在选择粒度时，需要根据研究目的不同选择不同的粒度.

(3)扎龙湿地景观破碎化增高.从2005年到2016年，NP增大，景观破碎性增高，景观多样性减少，景观中斑块呈不均衡化趋势分布.CONTAG值景观是具有多种要素的密集格局，也表明了景观的破碎化程度增高.

该文通过研究不同空间粒度下景观格局的特征(景观指数的变化)，反应了景观指数和粒度之间的关系，为以后研究景观格局时选择研究尺度提供一定的参考.

[1]兰樟仁,张东水,邱荣祖等.闽江口湿地遥感时空演变应用分析[J].地球信息科学,2006(01):114-120.

[2]卞建民,林年丰,汤洁.吉林西部向海湿地环境退化及驱动机制研究[J].吉林大学学报.地球科学版,2004,34( 3) : 441-444.

[3]赵志轩.白洋淀湿地生态水文过程耦合作用机制及综合调控研究[D].天津大学,2012.

[4]赵秀丽,侯英姿,张闯等.基于GIS/RS的滨海湿地景观空间格局多尺度分析[J].安徽农业科学, 2016(02):139-141.

[5]吕一河,傅伯杰.生态学中的尺度及尺度转换方法[J].生态学报,2001(12):2096-2105.

[6]那晓东,张树清,孔博等.基于决策树方法的淡水沼泽湿地信息提取—以三江平原东北部为例[J].遥感技术与应用,2008(4):365-372,355.

[7]WERG(Wetland Ecosystems Research Group).Wetland Functional Analysis Research Program[M].London: College Hill Press,1999．

[8]周伟,钟星,袁春. 1∶10000比例尺土地利用景观指数的粒度效应分析[J].中国土地科学,2010,24(11):20-26.

[9]卢玲景观格局指数及各指数意义 https://wenku.baidu.com/view/fe77c8fc910ef12d2af9e7fd.html,2011-6-7.

[10] 游丽平,林广发,杨陈照,等.景观指数的空间尺度效应分析—以厦门岛土地利用格局为例[J]. 地球信息科学,2008(1):74-79.