魏士凱, 徐雯雯, 張志東,*, 黃選瑞

河北省森林—草原交錯(cuò)帶天然植被景觀格局時(shí)空尺度效應(yīng)

魏士凱1,2, 徐雯雯2, 張志東2,*, 黃選瑞2

1.湖南師范大學(xué)地理科學(xué)學(xué)院, 長(zhǎng)沙 410081 2. 河北省林木種質(zhì)資源與森林保護(hù)重點(diǎn)實(shí)驗(yàn)室/河北農(nóng)業(yè)大學(xué)林學(xué)院, 保定 071000

為探討天然植被景觀格局時(shí)空尺度效應(yīng), 利用隨機(jī)森林分類方法對(duì)塞罕壩地區(qū)3期(1989、2000和2016年)遙感影像進(jìn)行圖像解譯, 并在分層隨機(jī)抽樣調(diào)查的基礎(chǔ)上通過(guò)不斷增加緩沖區(qū)的方法, 計(jì)算基于斑塊類型和景觀水平的景觀指數(shù); 采取尺度圖譜分析在時(shí)空尺度下不同植被類型景觀尺度效應(yīng), 并基于信息熵模型明確景觀格局分析的最佳空間幅度。結(jié)果表明: 1989—2016年期間, 人工林的快速增長(zhǎng)致使草地和天然次生林景觀面積呈現(xiàn)先降低后增加趨勢(shì)且破碎化現(xiàn)象嚴(yán)重; 草地和天然次生林在空間尺度上具有相同的變化特征, 而在時(shí)間尺度上則呈現(xiàn)不同的變化; 斑塊密度、形狀指數(shù)以及聚集度指數(shù)在時(shí)空尺度上均具有較強(qiáng)預(yù)測(cè)性, 且300 m為最佳尺度閾值。不同天然植被類型在時(shí)空尺度下其尺度效應(yīng)也是不同的, 這不僅與植被類型自身對(duì)生態(tài)環(huán)境響應(yīng)的差異性有關(guān), 也和研究區(qū)特殊的人文地理環(huán)境密不可分。

塞罕壩; 景觀格局; 景觀指數(shù); 尺度效應(yīng); 信息熵

0 前言

景觀格局變化不僅是景觀異質(zhì)性的具體表現(xiàn), 同時(shí)也是包括干擾在內(nèi)的各種生態(tài)過(guò)程在不同尺度上作用的結(jié)果, 是景觀生態(tài)學(xué)的研究重點(diǎn)之一[1-4]。天然植被作為陸地生態(tài)系統(tǒng)的重要組成成分之一, 為人類社會(huì)提供了重要的生態(tài)和經(jīng)濟(jì)服務(wù)。然而人為活動(dòng)和自然條件驅(qū)動(dòng)已造成了天然植被景觀異質(zhì)性的增加以及景觀格局的改變[5], 嚴(yán)重影響了生物多樣性保護(hù)以及生態(tài)系統(tǒng)服務(wù)價(jià)值的正常發(fā)揮[6-7]。

基于多尺度分析景觀異質(zhì)性是理解天然植被景觀格局變化復(fù)雜性和有效監(jiān)測(cè)環(huán)境及生物多樣性變化的前提[8]。隨著遙感和地理信息技術(shù)的發(fā)展, 利用景觀格局指數(shù)能夠準(zhǔn)確識(shí)別斑塊、類和景觀水平空間結(jié)構(gòu)信息及時(shí)間動(dòng)態(tài), 是用于分析格局變化的有效途徑之一[9]。然而, 許多景觀格局指數(shù)對(duì)尺度變化的敏感性和可預(yù)測(cè)性存在差異[1]。如隨著粒度大小的變化, 一些景觀指數(shù)表現(xiàn)出冪函數(shù)或線性關(guān)系、似階梯狀離散響應(yīng)或無(wú)確定性關(guān)系[10-14,1]。目前, 有關(guān)粒度大小與景觀指數(shù)尺度關(guān)系已經(jīng)有了大量的報(bào)道[15], 而空間幅度對(duì)景觀指數(shù)尺度效應(yīng)[16], 尤其是進(jìn)一步考慮時(shí)間動(dòng)態(tài)影響的研究仍需進(jìn)一步加強(qiáng)[13]。

空間幅度一般指研究所涉及到的空間范圍(長(zhǎng)度或面積)。改變空間幅度, 景觀指數(shù)也會(huì)發(fā)生相應(yīng)的改變[1], 進(jìn)而導(dǎo)致天然植被景觀格局和過(guò)程的變化。因此, 辨識(shí)特征空間幅度是進(jìn)一步理解天然植被景觀特定格局和過(guò)程的關(guān)鍵[12]。然而, 在用景觀指數(shù)分析空間幅度尺度效應(yīng)的過(guò)程中, 也面臨著諸多挑戰(zhàn)。如景觀指數(shù)會(huì)隨空間幅度、時(shí)間、景觀類型等的變化表現(xiàn)出不可預(yù)測(cè)性和不確定性[1,8,17]?；诖饲榫? 分析景觀指數(shù)在各斑塊類型及隨空間幅度和時(shí)間的變化, 檢驗(yàn)景觀指數(shù)尺度效應(yīng)的敏感性和一致性, 有助于精準(zhǔn)預(yù)測(cè)天然植被景觀格局變化及帶來(lái)的生態(tài)影響, 進(jìn)而加強(qiáng)天然植被景觀的管理和保護(hù)效率。

森林草原交錯(cuò)帶作為典型的生態(tài)脆弱區(qū), 受全球變化和人類活動(dòng)影響劇烈[18]。本研究所在的塞罕壩自然保護(hù)區(qū)位于典型森林-草原交錯(cuò)帶, 是集森林、草原、濕地等為一體的復(fù)雜多樣的生態(tài)系統(tǒng), 也是河北省少有的物種多樣性富集中心之一。然而伴隨著人為活動(dòng)的不斷加劇, 致使天然植被景觀變化顯著, 物種豐富度急劇下降[19]。分析不同空間幅度對(duì)景觀變化的影響, 能夠使當(dāng)?shù)氐墓芾砣藛T更好的理解野生動(dòng)植物資源對(duì)氣候變化和人類活動(dòng)的響應(yīng)[20]。在空間幅度轉(zhuǎn)換的過(guò)程中, 會(huì)發(fā)生一些信息的損失或變化, 而應(yīng)用基于信息理論的技術(shù)能夠定量空間尺度變化所導(dǎo)致的信息增加或減少量, 有助于確定最優(yōu)分析空間尺度[21]。本研究以3期遙感影像以及樣地調(diào)查數(shù)據(jù)為基礎(chǔ), 通過(guò)信息熵模型和尺度圖譜分析研究區(qū)兩大天然植被類型(天然次生林和草地)的景觀格局時(shí)空尺度效應(yīng), 主要探討以下3個(gè)問(wèn)題: (1)在時(shí)空尺度下, 天然植被景觀格局發(fā)生哪些變化, 其尺度效應(yīng)如何？(2)在不同植被類型下, 其時(shí)空尺度變化是否具有一致性？(3)哪些指數(shù)在時(shí)空尺度下均具有預(yù)測(cè)性, 且在哪種空間幅度下能夠最大的保存信息豐富度？通過(guò)闡明該區(qū)天然植被景觀格局時(shí)空尺度效應(yīng), 可為優(yōu)化當(dāng)?shù)靥烊恢脖环植几窬? 提高生物多樣性提供指導(dǎo)。

1 材料與方法

1.1 研究區(qū)概況

河北省塞罕壩自然保護(hù)區(qū)(42°22′—42°31′ N, 116°53′—117°31′ E)位于內(nèi)蒙古高原東南緣(圖1), 地處內(nèi)蒙古高原與冀北山地交界處。高原—波狀丘陵—漫灘—接壩山地組合為該區(qū)主要地形地貌[22]。自然保護(hù)區(qū)屬于寒溫帶大陸性季風(fēng)氣候, 年均氣溫為-1.4 ℃, 極端最高氣溫為30.9 ℃, 最低氣溫為-42.8 ℃; 年降水量490 mm, 蒸發(fā)量1230 mm。天然植被中, 喬木樹(shù)種主要有白樺()、山楊()等, 灌木主要有山刺玫()、山丁子()、山杏()等, 草本以菊科為主, 主要有三穗苔草()、金蓮花()、大油芒()等。

1.2 外業(yè)調(diào)查

外業(yè)調(diào)查于2014年7—9月進(jìn)行。基于研究區(qū)斑塊大小、形狀、空間分布廣布性等, 共調(diào)查了38個(gè)典型植被斑塊, 其中包括12個(gè)草本、11個(gè)灌木和15個(gè)天然林植被。在樣方間隔至少為50 m的基礎(chǔ)上, 采取分層隨機(jī)取樣的方法, 共調(diào)查草地樣方184個(gè)(1 m×1 m)、灌木林樣方109個(gè)(5 m×5 m)和天然次生林樣方62個(gè)(20 m×20 m)。記錄每個(gè)樣方的海拔、坡度、坡向、坐標(biāo)以及植被類型; 喬、灌木(DBH ≥ 1 cm)記錄種類、高度、胸徑、個(gè)體數(shù); 草本植物記錄物種名、多度、平均高度和最大高度[19]?；跇臃綌?shù)據(jù)進(jìn)行遙感影像分類和模型構(gòu)建。

圖1 研究區(qū)樣地分布圖示意圖

Figure 1 The distribution of sampling plots in study area

1.3 遙感影像的獲取和處理

本文以1989、2000和2016年3期Landsat TM影像(空間分辨率30 m)作為主要數(shù)據(jù)(圖2), 以2002年SPOT5衛(wèi)星影像(分辨率2.5 m)、2012年航空影像(分辨率0.5 m)、地形數(shù)據(jù)、以及當(dāng)?shù)亓謭?chǎng)二類調(diào)查矢量數(shù)據(jù)和群落調(diào)查數(shù)據(jù)為輔助數(shù)據(jù)進(jìn)行圖像預(yù)處理和訓(xùn)練樣區(qū)的選擇。根據(jù)當(dāng)?shù)刂脖桓脖滑F(xiàn)狀以及野外調(diào)查結(jié)果, 將研究區(qū)植被劃分為4類: 草地、灌木林、人工林和天然次生林。隨機(jī)森林分類方法相較于傳統(tǒng)分類方法具有高效、準(zhǔn)確的優(yōu)點(diǎn)[23]?；诖? 本研究在ENVI5.1軟件平臺(tái)下, 結(jié)合enMAP-BOX工具包對(duì)遙感影像進(jìn)行隨機(jī)森林分類。我們?cè)谛l(wèi)星原始波段、紋理特征數(shù)據(jù)、地形數(shù)據(jù)以及植被指數(shù)的基礎(chǔ)上選取最佳的287個(gè)特征變量, 并以此來(lái)構(gòu)建隨機(jī)森林模型。隨機(jī)選取30%的數(shù)據(jù)對(duì)3期遙感影像進(jìn)行精度檢驗(yàn), 其總體精度均在85%以上, 滿足研究需求。

注: GD.草地; SD.灌木林; AF.人工林; SF.天然次生林; WB.水體; TC.城鎮(zhèn)及建筑用地; BG.裸地

Figure 2 Distribution of vegetation landscape types in Saihanba Nature Reserve in 1989, 2000 and 2016.

1.4 空間格局分析

本研究采取分層隨機(jī)抽樣調(diào)查法來(lái)變空間幅度, 這種方法相較于傳統(tǒng)幅度推譯方法(中心點(diǎn)外推和對(duì)角線外推)更加客觀, 準(zhǔn)確和節(jié)省成本[24-25]。首先在研究區(qū)域內(nèi)選擇草地和天然次生林斑塊生成150個(gè)隨機(jī)點(diǎn)。然后分別以隨機(jī)點(diǎn)為中心, 設(shè)置100、200、300、500、700、1000 m共6個(gè)幅度的緩沖區(qū)(圖3), 提取各緩沖區(qū)內(nèi)所需景觀指數(shù)值。利用尺度圖譜分析各景觀指標(biāo)的尺度依賴性。

在以往相關(guān)研究的基礎(chǔ)上, 考慮到當(dāng)?shù)靥厥獾淖匀蝗宋沫h(huán)境以及各指數(shù)在分析景觀格局時(shí)空尺度效應(yīng)上的能力[26-27,13], 在景觀類型水平上選取了香濃多樣性指數(shù)(SHDI)和香濃均勻度指數(shù)(SHDI), 在斑塊類型水平上選取了面積斑塊分維數(shù)(FRAC- MN)、斑塊密度指數(shù)(PD)、最大斑塊指數(shù)(LPI)、景觀形狀指數(shù)(LSI)和聚集度指數(shù)(AI)作為分析研究區(qū)景觀格局尺度效應(yīng)的指標(biāo)。各指數(shù)的計(jì)算在FRAGSTATS 4.2軟件中進(jìn)行。

1.5 基于信息熵的最優(yōu)尺度選擇

利用信息熵模型可以幫助我們很好確定不同尺度中景觀格局信息的豐富度。景觀格局變化是一個(gè)時(shí)空變化的過(guò)程, 是內(nèi)部矛盾和外部活動(dòng)共同作用的結(jié)果[28], 這也決定了其復(fù)雜的內(nèi)部信息。如果熵值在相應(yīng)尺度上較大, 則說(shuō)明該尺度上景觀格局包含信息也越復(fù)雜, 從而越難準(zhǔn)確描述其內(nèi)部結(jié)構(gòu)特征。一般情況下, 尺度的變化會(huì)影響遙感影像分類的準(zhǔn)確性, 從而進(jìn)一步影響景觀格局本身的復(fù)雜性。因此找出一個(gè)包含最豐富信息的最佳尺度很有必要, 而信息熵作為衡量信息量的重要指標(biāo)在景觀格局尺度效應(yīng)研究中已經(jīng)得到了應(yīng)用[29]。其基本公式如下:

圖3 塞罕壩自然保護(hù)區(qū)隨機(jī)點(diǎn)生成和緩沖區(qū)建立

Figure 3 Random points and buffer zones in Saihanba nature reserve

表1 選取的景觀指數(shù)

在本研究中,表示各景觀類型面積(=1,2…,5), m2,為研究區(qū)總面積, m2,表示各景觀類型面積占總面積的比例, 具體公式如下:

2 結(jié)果與分析

2.1 植被變化

1989—2016年期間, 塞罕壩地區(qū)人工林呈不斷增長(zhǎng)趨勢(shì), 并在2016年成為最主要的植被類型(32.00%), 灌木林則相反, 逐步成為所占比重最小的植被類型(5.73%)(圖2)。草地和天然次生林作為研究區(qū)最主要的天然植被類型, 在1989—2016年期間, 均呈現(xiàn)先降低后增加趨勢(shì), 面積構(gòu)成分別從1989年的29.60%和30.01%, 到2000年的27.71%和29.26%, 過(guò)渡到2016年的28.23%和30.49%。

2.2 時(shí)間尺度效應(yīng)

在時(shí)間尺度上, 根據(jù)各景觀指數(shù)隨著時(shí)間變化是否具有相同變化趨勢(shì)來(lái)判別它們的預(yù)測(cè)性。通過(guò)判讀不同時(shí)期景觀格局指數(shù)響應(yīng)曲線交叉情況進(jìn)行判斷, 具體可分為兩類: 類型A, 3個(gè)時(shí)期景觀指數(shù)響應(yīng)曲線沒(méi)有相交(圖4); 類型B, 曲線有相交(圖5)。

類型A中面積斑塊分維數(shù)、斑塊密度、景觀形狀指數(shù)以及聚集度指數(shù)隨時(shí)間變化其大致走向具有一致性(圖4)。草地和天然次生林雖然在面積斑塊分維數(shù)中其時(shí)間尺度具有可預(yù)測(cè)性, 但隨著時(shí)間的推移, 該指數(shù)在兩種景觀類型間變化趨勢(shì)有所不同: 草地呈先增加后降低趨勢(shì), 而天然次生林則呈逐漸減小趨勢(shì)(圖4); 斑塊密度指數(shù)與景觀形狀指數(shù)在兩種植被類型中均在2016年呈最大值, 表明了研究區(qū)天然植被景觀在該時(shí)期破碎度較高且缺乏整體性; 聚集度指數(shù)在兩種植被類型中均呈降低趨勢(shì), 但草地類型最小值發(fā)生在2000年(圖4), 說(shuō)明在1989年各天然植被類型空間鏈接較高, 聚集程度較大。

類型B中最大斑塊指數(shù)、香濃多樣性指數(shù)和香濃均勻度指數(shù)隨時(shí)間變化其走向一致性不強(qiáng), 存在明顯交叉(圖5)。最大斑塊指數(shù)可為我們確定景觀中的優(yōu)勢(shì)斑塊類型提供很好的幫助, 其值在不同的景觀類型中情況也不同: 隨著時(shí)間的推移, 草地大體上呈降低趨勢(shì), 而天然次生林呈增加趨勢(shì)。香濃多樣性指數(shù)以及均勻度指數(shù)在時(shí)間尺度上具有相同的變化趨勢(shì), 其值總體呈降低的變化趨勢(shì), 說(shuō)明各天然植被類型在27年來(lái)異質(zhì)性不斷降低, 分布也趨于均勻化。

2.3 空間尺度效應(yīng)

在空間尺度下, 依據(jù)景觀格局指數(shù)隨幅度變化的可預(yù)測(cè)性, 將指數(shù)分為三類: 第1類指數(shù)隨幅度變化可預(yù)測(cè)性較強(qiáng), 即指數(shù)值與幅度存在簡(jiǎn)單的尺度效應(yīng)(呈單調(diào)性變化)。第2類指數(shù)隨幅度變化可預(yù)測(cè)性較差, 即指數(shù)值與幅度存在復(fù)雜的尺度效應(yīng)(呈階梯狀變化)。第3類指數(shù)隨幅度變化不具備可預(yù)測(cè)性, 即指數(shù)值與幅度不存在尺度效應(yīng)(變化不規(guī)律)。

由圖4和圖5可知, 第一類指數(shù)包括斑塊密度、景觀形狀指數(shù)以及聚集度指數(shù)。斑塊密度在兩種景觀類型中降低趨勢(shì)相似, 其中第一尺度域?yàn)?00—300 m。考慮到節(jié)省成本以及保持總體特征的前提, 最佳尺度一般選擇第一尺度域內(nèi)中等偏大的尺度[30]。即它們的最佳空間尺度為300 m。景觀形狀指數(shù)隨著幅度的增加, 呈單調(diào)增長(zhǎng)趨勢(shì), 沒(méi)有明顯拐點(diǎn), 即在空間幅度上始終具有很強(qiáng)的預(yù)測(cè)性。聚集度指數(shù)在兩種景觀類型中隨著幅度的增加, 增加趨勢(shì)相似, 且第一尺度域?yàn)?00—300 m, 即最佳空間尺度為300 m。

第二類指數(shù)為面積斑塊分維數(shù)以及最大斑塊指數(shù)。面積斑塊分維數(shù)在兩種景觀類型隨著幅度的增加均呈先增加后減少的趨勢(shì), 第一尺度域均為100—300 m, 即它們的最佳空間尺度為300 m。最大斑塊指數(shù)則是先減少后增加, 尺度閾值同面積斑塊分維數(shù)一致也為300 m。

圖4 研究區(qū)草地和天然次生林景觀指數(shù)多尺度響應(yīng)(類型A)

Figure 4 Multi-scale response of landscape metrics of grasslands and natural secondary forests in study area (type A)

圖5 研究區(qū)草地和天然次生林景觀指數(shù)多尺度響應(yīng)(類型B)

Figure 5 Multi-scale response of landscape metrics of grasslands and natural secondary forests in study area (type B)

第三類景觀指數(shù)為景觀格局指數(shù)中的香濃多樣性指數(shù)以及香濃均勻度指數(shù)。它們?cè)诳臻g幅度上變化情況相似, 即在小尺度(100—300 m)上呈隨機(jī)變化, 然后趨于一致(圖5)。為進(jìn)一步驗(yàn)證景觀格局指數(shù)對(duì)空間幅度變化的響應(yīng)曲線的有效性, 增加辨識(shí)度, 本文選取第一類中的3種景觀指數(shù)進(jìn)行數(shù)學(xué)模型擬合(表2), 發(fā)現(xiàn)其擬合度均較為理想。

2.4 時(shí)空尺度效應(yīng)

通過(guò)對(duì)景觀格局指數(shù)時(shí)間、空間尺度效應(yīng)進(jìn)行匯總分析(表 3), 可以發(fā)現(xiàn), 在時(shí)空尺度下, 均具有預(yù)測(cè)性的指數(shù)分別為斑塊密度、形狀指數(shù)以及聚集度指數(shù)。

2.5 基于信息熵景觀格局最優(yōu)尺度選擇

本研究以2016年景觀格局變化為例來(lái)討論信息熵對(duì)空間尺度的響應(yīng)問(wèn)題, 研究區(qū)景觀格局信息熵在100—300 m變化不大, 在300 m時(shí)開(kāi)始急速下降, 一些重要信息開(kāi)始丟失(圖6)。因此, 本文認(rèn)為100—300 m為最佳閾值區(qū)間。

3 討論

表2 景觀指數(shù)曲線擬合表

表3 景觀格局指數(shù)時(shí)空尺度效應(yīng)以及空間相關(guān)性

圖6 不同尺度景觀格局信息熵值的變化

Figure 6 Changes of information entropy values for different landscape patterns along spatial scales

本文發(fā)現(xiàn)該研究區(qū)無(wú)論是在景觀格局指數(shù)還是信息熵方面, 均具有明顯的幅度閾值且300 m處是一個(gè)重要的臨界域幅度(表3、圖6)。雖然兩種指標(biāo)的結(jié)果相似, 但它們所能表達(dá)的信息卻并不相同, 如信息熵模型往往只考慮景觀格局各類型的多少和各類型景觀面積分布的均勻情況[40], 而景觀指數(shù)則在描述景觀類型的斑塊形狀、密度等具有自身明顯優(yōu)勢(shì)[41-42]。因此, 我們?cè)谶M(jìn)行景觀格局分析時(shí), 應(yīng)將兩者結(jié)合起來(lái)進(jìn)行討論, 這樣才能更加全面的認(rèn)識(shí)研究區(qū)的景觀格局變化情況。我們?cè)诰C合考慮景觀格局幅度效應(yīng)以及信息熵結(jié)果后, 認(rèn)為300 m為該研究區(qū)最佳空間尺度。不同幅度外推方法得到的最佳空間尺度可能也有所不同, 楊莎莎[43]通過(guò)與本文相似的外推方法(樣點(diǎn)外推)對(duì)蘇子河流域的景觀格局進(jìn)行尺度效應(yīng)分析時(shí)發(fā)現(xiàn), 當(dāng)緩沖區(qū)≤300 m時(shí), 旱地、建筑用地和水田景觀連通性和聚集程度較高; 而當(dāng)緩沖區(qū)＞300 m時(shí), 林地聚集連通程度較好。雖然該結(jié)果與本文結(jié)果有些相似(300 m為景觀格局分析的重要尺度閾值), 但就目前來(lái)看, 運(yùn)用文中外推方法進(jìn)行的景觀格局尺度效應(yīng)研究還很少見(jiàn), 且不同區(qū)域特征和景觀類型可能具有不同的尺度閾值, 這嚴(yán)重制約了我們對(duì)于最優(yōu)尺度的跨區(qū)域普適性的探討。

通過(guò)以上研究可以看出, 破碎化以及植被結(jié)構(gòu)單一成為威脅當(dāng)?shù)厣锒鄻有砸约吧鷳B(tài)安全的重要因素, 這對(duì)當(dāng)?shù)匚锓N棲息地的選擇和保護(hù)具有負(fù)面影響, 尤其是當(dāng)幅度大于300 m時(shí), 景觀格局將會(huì)發(fā)生明顯波動(dòng), 這對(duì)棲息地范圍比較敏感的爬行動(dòng)物以及鳥(niǎo)類的生存產(chǎn)生巨大威脅[13]。對(duì)此當(dāng)?shù)亓謭?chǎng)應(yīng)積極采取應(yīng)對(duì)措施, 對(duì)于草地應(yīng)最大程度的減少人為干擾, 做好“封山禁牧”工作; 對(duì)于天然林應(yīng)在減少人為干擾的前提下, 做好天然更新工作, 形成穩(wěn)定邊緣區(qū)物種群落結(jié)構(gòu), 從而使核心區(qū)的生物多樣性得到一定保護(hù)。加強(qiáng)生態(tài)廊道建設(shè), 努力形成集中連片的分布特征。天然植被的恢復(fù)對(duì)生物多樣性具有促進(jìn)作用, 反過(guò)來(lái), 一些動(dòng)物(如鳥(niǎo)和嚙齒動(dòng)物)又會(huì)為植被種子傳播提供幫助。因此, 我們應(yīng)該對(duì)那些易受棲息地范圍影響的生物進(jìn)行實(shí)時(shí)監(jiān)測(cè), 從而為保護(hù)當(dāng)?shù)厣锒鄻有砸约吧鷳B(tài)系統(tǒng)多樣性提供幫助[13,44]。

就目前來(lái)看, 關(guān)于景觀格局空間尺度的跨區(qū)域普適性研究還存在一些不足, 這需要我們通過(guò)更多相關(guān)研究來(lái)進(jìn)一步加強(qiáng)了解。本研究只選用了一種抽樣方法進(jìn)行尺度分析, 而單一的抽樣方法往往因研究區(qū)地理環(huán)境的復(fù)雜性而不能完全適用于所有的尺度分析, 這需要我們?cè)谝院蟮难芯窟^(guò)程中尋找到合適的抽樣組合方式, 從而為更加準(zhǔn)確的分析景觀格局尺度效應(yīng)提供可能[45]。

4 結(jié)論

天然植被景觀格局在人工林快速增長(zhǎng)的背景下破碎化問(wèn)題比較嚴(yán)重, 且景觀格局開(kāi)始向非均衡化發(fā)展。草地和天然次生林在空間尺度上具有相同的變化特征, 而在時(shí)間尺度上則呈現(xiàn)不同的變化。各指數(shù)在時(shí)空尺度下具有明顯不同的尺度效應(yīng), 其中在時(shí)空尺度下均具有較強(qiáng)尺度效應(yīng)的指數(shù)為: 斑塊指數(shù)、形狀指數(shù)以及聚集度指數(shù)。300 m作為保存信息豐富度的最佳信息熵閾值以及最佳幅度閾值, 可作為該研究區(qū)最佳分析尺度。

[1] WU Jianguo. Effects of changing scale on landscape pattern analysis: scaling relations[J]. Landscape Ecology, 2004, 19(2): 125–138.

[2] FU Bojie, LIANG Di, LU Nan. Landscape ecology: Coupling of pattern, process, and scale[J]. Chinese Geographical Science, 2011(4), 21: 385–391.

[3] 董靈波, 劉兆剛, 李鳳日. 大興安嶺盤古林場(chǎng)森林景觀的空間分布格局及其關(guān)聯(lián)性[J]. 林業(yè)科學(xué), 2015, 51(7): 28–36.

[4] 周梅, 張飛, 王娟, 等. 新疆艾比湖流域景觀格局尺度效應(yīng)[J]. 干旱區(qū)研究, 2017, 34(5): 1184–1195.

[5] TURNER M G, DONATO D C, ROMME W H. Consequences of spatial heterogeneity for ecosystem services in changing forest landscapes: priorities for future research[J]. Landscape Ecology. 2013, 28(6), 1081–1097.

[6] TANG Ling, ZHANG Guangyong. A GIS-based spatial extent in gradient analysis of urban green space pattern in Shenyang, China[J]. International Conference on Remote Sensing IEEE, 2011, 5658–5661.

[7] ZHANG J, FU M, ZENG H, et al. Variations in ecosystem service values and local economy in response to land use: a case study of Wu’an, China[J]. Land Degradation and Development, 2013, 24(3): 236–249.

[8] KELLY M, TUXEN K. A, STRALBERG D. Mapping changes to vegetation pattern in a restoring wetland: Finding pattern metrics that are consistent across spatial scale and time[J]. Ecological Indicators, 2011, 11(2): 263–273.

[9] 王德智, 邱彭華,方源敏. 麗香鐵路建設(shè)對(duì)沿線景觀格局影響的尺度效應(yīng)及其生態(tài)風(fēng)險(xiǎn)[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2015, 26(8): 2493–2503.

[10] WU Jianguo, SHEN Weijun, SUN Weizhong, et al. Empirical patterns of the effects of changing scale on landscape metrics[J]. Landscape Ecology, 2002, 17(8): 761–782.

[11] SHEN Weijun, JENERETTE G D, WU Jianguo, et al. Evaluating empirical scaling relations of pattern metrics with simulated landscapes[J]. Ecography, 2004, 27(4): 459–469.

[12] LUDOVICO F, SANTIAGO S, MICHELE M, et al. Quantifying Forest Spatial Pattern Trends at Multiple Extents: An Approach to Detect Significant Changes at Different Scales[J]. Remote Sensing, 2014, 6(10): 9298–9315.

[13] CAMPAGNARO T, FRATE L, CARRANZA M L, et al. Multi-scale analysis of alpine landscapes with different intensities of abandonment reveals similar spatial pattern changes: Implications for habitat conservation[J]. Ecological Indicators, 2017, 74: 147–159.

[14] FANG Shu, ZHAO Yonghua, HAN Lei, et al. Analysis of Landscape Patterns of Arid Valleys in China, Based on Grain Size Effect[J]. Sustainability, 2017, 9: 2263.

[15] FRAZIER A E. Surface metrics: scaling relationships and downscaling behavior[J]. Landscape Ecology, 2015, 31(2): 1–13.

[16] AMICI V, ROCCHINI D, FILIBECK G, et al. Landscape structure effects on forest plant diversity at local scale: Exploring the role of spatial extent[J]. Ecological Complexity, 2015, 21: 44–52.

[17] LI Harbin, WU Jianguo. Use and misuse of landscape indices[J]. Landscape Ecology, 2004, 19(4): 389–399.

[18] SOTTILE G D, MERETTA P E, TONELLO M S, et al. Disturbance induced changes in species and functional diversity in southern Patagonian forest-steppe ecotone[J]. Forest Ecology and Management, 2015, 353: 77–86.

[19] 田曉敏, 閆海霞, 袁業(yè), 等. 塞罕壩自然保護(hù)區(qū)物種豐富度對(duì)植被景觀破碎化的響應(yīng)及其空間尺度差異[J]. 林業(yè)科學(xué), 2016, 52(12): 13–21.

[20] SCHINDLER S, Von WEHRDEN H, POIRAZIDIS K, et al. Multiscale performance of landscape metrics as indicators of species richness of plants, insects and vertebrates[J]. Ecological Indicators, 2013, 31: 41–48.

[21] HUANG Qiuping, HUANG Jiejun, YANG Xining, et al. Evaluating the scale effect of soil erosion using landscape pattern metrics and information entropy: A case study in the Danjiangkou Reservoir Area, China[J]. Sustainability, 2017, 9(7): 1243.

[22] 秦朋遙, 楊會(huì)娟, 蔣鳳玲, 等. 河北省塞罕壩保護(hù)區(qū)天然植物群落數(shù)量分類[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2016, 27(5): 1383–1392.

[23] 張曉羽, 李鳳日, 甄貞, 等. 基于隨機(jī)森林模型的陸地衛(wèi)星-8遙感影像森林植被分類[J]. 東北林業(yè)大學(xué)學(xué)報(bào), 2016, 44(6): 53–57.

[24] XIAO Xiangyun, GERTNER G, WANG Guangxing, et al. Optimal Sampling Scheme for Estimation Landscape Mapping of Vegetation Cover[J]. Landscape Ecology, 2005, 20(4): 375–387.

[25] CARRANZA M L, FRATE L, ACOSTA A T R, et al. Measuring forest fragmentation using multitemporal remotely sensed data: three decades of change in the dry Chaco[J]. European Journal of Remote Sensing, 2014, 47(1): 793–804.

[26] 劉立成, 呂世海, 高吉喜, 等. 呼倫貝爾森林—草原交錯(cuò)區(qū)景觀格局時(shí)空動(dòng)態(tài)[J]. 生態(tài)學(xué)報(bào), 2008, 28(10): 4982–4991.

[27] 閆苗苗, 李家存, 康孝巖. 基于長(zhǎng)時(shí)相數(shù)據(jù)的同類型景觀指數(shù)相關(guān)性幅度效應(yīng)分析——以石家莊為例[J]. 地理與地理信息科學(xué), 2015, 31(5): 79–85.

[28] 肖篤寧, 李秀珍. 景觀生態(tài)學(xué)的學(xué)科前沿與發(fā)展戰(zhàn)略[J]. 生態(tài)學(xué)報(bào), 2003, 23(8): 1615–1621.

[29] 陳杰, 陳鐵橋, 梅小明, 等. 基于最優(yōu)尺度選擇的高分辨率遙感影像丘陵農(nóng)田提取[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2014, 30(5): 99–107.

[30] 張玲玲, 史云飛, 劉玉華. 空間粒度變化對(duì)沂蒙山區(qū)景觀格局指數(shù)的影響[J]. 生態(tài)學(xué)雜志, 2013, 32(2): 459–464.

[31] FAN Qindong, DING Shengyan. Landscape pattern changes at a county scale: A case study in Fengqiu, Henan Province, China from 1990 to 2013[J]. Catena, 2016, 137: 152–160.

[32] LI Jun, ZHANG Yuan , WANG Xiang , et al. Application of GPS Trajectory Data for Investigating the Interaction between Human Activity and Landscape Pattern: A Case Study of the Lijiang River Basin, China[J]. ISPRS International Journal of Geo-Information, 2016, 5(7): 104.

[33] 唐利, 邵景安, 郭躍, 等. 社區(qū)水平森林景觀格局動(dòng)態(tài)特征與驅(qū)動(dòng)因素[J]. 生態(tài)學(xué)報(bào), 2017, 37(6): 2101– 2117.

[34] 魏士凱, 范順祥, 張玉珍, 等. 塞罕壩自然保護(hù)區(qū)主要植被類型動(dòng)態(tài)及其驅(qū)動(dòng)力[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2018, 29(4): 1170–1178.

[35] 彭建, 王仰麟, 張?jiān)? 等. 土地利用分類對(duì)景觀格局指數(shù)的影響[J]. 地理學(xué)報(bào), 2006, 61(2): 157–168.

[36] 龔建周, 夏北成. 區(qū)域土地覆被景觀特征的幅度效應(yīng)及其變異規(guī)律[J]. 資源科學(xué), 2007, 29(4): 97–102.

[37] 王戈, 于強(qiáng), 劉曉希, 等. 包頭市景觀格局時(shí)空演變研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2019, 50(8): 192–199.

[38] 祖拜代·木依布拉, 夏建新, 普拉提·莫合塔爾, 等. 克里雅河中游土地利用/覆被與景觀格局變化研究[J]. 生態(tài)學(xué)報(bào), 2019, 39(7): 2322–2330.

[39] 呂君, 吳必虎. 中國(guó)草原旅游研究的進(jìn)展與展望[J]. 地理科學(xué)進(jìn)展, 2010, 29(4): 403–410.

[40] 王玉明, 王瑞康. 城市化時(shí)期郊區(qū)土地利用結(jié)構(gòu)信息熵上升的原因[J]. 地理學(xué)報(bào), 2018, 73(09): 1647–1657.

[41] 張慧霞, 婁全勝. 基于分形理論及信息熵的廣州邊緣區(qū)綠地空間結(jié)構(gòu)分析——以番禺區(qū)為例[J]. 生態(tài)環(huán)境學(xué)報(bào), 2010, 19(7): 1593–1598.

[42] ?íMOVá P, GDULOVá K. Landscape indices behavior: A review of scale effects[J]. Applied Geography, 2012, 34: 385–394.

[43] 楊莎莎, 湯萃文, 劉麗娟, 等. 流域尺度上河流水質(zhì)與土地利用的關(guān)系[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2013, 24(7): 1953–1961.

[44] 劉紅玉, 李兆富, 李曉民. 濕地景觀破碎化對(duì)東方白鸛棲息地的影響——以三江平原東北部區(qū)域?yàn)槔齕J]. 自然資源學(xué)報(bào), 2007, 22(5): 817–823.

[45] RAMEZANI H, HOLM S, ALLARD A, et al. A review of sampling-based approaches for estimating landscape metrics[J]. Norsk Geografisk Tidsskrift-Norwegian Journal of Geography, 2013, 67(2): 61–71.

Spatiotemporal scale effect of landscape pattern for natural vegetation in a forest-steppe zone of Hebei

WEI Shikai1,2, XU Wenwen2, ZHANG Zhidong2,*, HUANG Xuanrui2

1. College of Geographic Science, Hunan Normal University, Changsha 410081, Hunan, China 2. Hebei Province Key Laboratory of Forest Trees Germplasm Resources and Forest Protection/College of Forestry, Agricultural University of Hebei, Baoding 071000, Hebei, China

In order to explore the spatiotemporal scale effect of natural vegetation landscape pattern, the random forest classification method was used to interpret the remote sensing images of three periods (1989, 2000 and 2016) in Saihanba area. On the basis of stratified random sampling survey, the landscape indices based on patch type and landscape level were calculated by buffer method. Landscape scale effects of different vegetation types were studied based on the scale spectrum analysis, at the same time, using the information entropy model to determine the optimum spatial extent of landscape pattern. The results showed that the area of grassland and natural secondary forest decreased first and then increased due to rapid extension of plantations from 1989 to 2016. Grassland and natural secondary forest showed the same change characteristics in spatial scale, while presented the different trends in temporal scale. Patch density, shape index and aggregation index had a strong predictability on spatial and temporal scale, and the best spatial extent scale threshold was 300 meters. Severe fragmentation of natural vegetation from 1898 to 2016, might decline biodiversity at some extent. Different indices had different responses to spatiotemporal scales, which were related to the special human geographical environment of the study area.

Saihanba; landscape pattern; landscape metrics; scale effect; information entropy

10.14108/j.cnki.1008-8873.2022.06.019

k909

A

1008-8873(2022)06-157-10

2020-10-18;

2020-11-11

河北省自然科學(xué)基金項(xiàng)目(C2020204026); 亞太森林組織(APFNet) 資助項(xiàng)目(2021P2-CHN); 國(guó)家自然科學(xué)基金項(xiàng)目(32071759); 湖南省研究生創(chuàng)新項(xiàng)目(CX20200526)

魏士凱(1993—),男, 河南安陽(yáng)人, 博士研究生, 主要從事景觀生態(tài)學(xué)研究, E-mail: wesk1993@163.com

通信作者:張志東, 男, 博士, 副教授, 主要從事景觀生態(tài)學(xué)研究, E-mail: zhzhido@163.com

魏士凱, 徐雯雯, 張志東, 等. 河北省森林—草原交錯(cuò)帶天然植被景觀格局時(shí)空尺度效應(yīng)[J]. 生態(tài)科學(xué), 2022, 41(6): 157–166.

WEI Shikai, XU Wenwen, ZHANG Zhidong, et al. Spatiotemporal scale effect of landscape pattern for natural vegetation in a forest-steppe zone of Hebei[J]. Ecological Science, 2022, 41(6): 157–166.