文峪河流域景观格局动态及其驱动力分析

安冠霖,郭晋平

(山西农业大学林学院，山西 太谷 030801)

景观格局及其特征的定量分析是揭示景观演替的机制与规律，探寻人类活动与生态环境演变关系的重要途径[1-2]。景观格局的数量特征是区域景观格局动态的重要研究窗口[3]。景观格局指数能高度浓缩地反映景观格局信息，是景观格局结构和空间特征计算的量化指标[4-5]。景观梯度可较为直观地揭示景观格局分布特征的空间差异。景观梯度是研究景观动态的有效途径。景观驱动力一般分为自然驱动力和社会驱动力。自然驱动力包括气候、地形等。社会经济驱动力包括经济发展、产业结构、政策法规等[6-8]。当前对驱动力的定量研究多采用相关分析、多因素分析以及计量经济学模型等统计分析方法[9]。文峪河流域是典型的中西部小流域，近18年来景观动态变化明显,由此造成的影响也日益显著。选取文峪河流域进行景观格局动态及其驱动力的研究，其目的在于为中西部小流域相关研究提供补充，同时为文峪河流域景观资源的保护、开发提供科学依据。

1 研究区概况

文峪河是汾河中游重要的一级支流，发源于山西省交城县关帝山林区的庞泉沟自然保护区，流经交城县、文水县、汾阳市、于孝义市境内汇入汾河，流域面积 5 006.24 km2，河流长度155 km。地理坐标为东经111°21′06″～112°19′34″，北纬36°56′42″～37°53′38″。流域属暖温带大陆性半干旱气候区。地形复杂、山体陡峭，各处气温、降水差异较大。流域年均温3～7℃，高海拔区较寒冷，低山谷地温和，7月均温17.5℃，1月均温-10.2℃，极端低温达 -29.1℃；年均降水量450～700 mm，年蒸发量 1 600～1 800 mm，相对湿度70.9%，≥0℃积温 2 100℃，无霜期100～130 d，日照时间 1 900～2 200 h。流域内土壤、植被类型众多[10]。

2 数据与方法

2.1 数据来源与预处理

2.1.1 遥感数据

将2000—2018年的5期Landsat TM/OLI_TIRS遥感影像在ENVI5.3中进行监督分类，将研究区景观分类为耕地、林地、草地、水域、建设用地、未利用地6类[11]。

2.1.2自然地理驱动因子

景观格局驱动力研究中平均气温、平均降水、平均风速、日照时间、平均气压、平均水气压、平均湿度等自然驱动因子数据来自国家地球系统科学数据中心、中国科学院资源环境科学数据中心，制作步骤主要基于GIS栅格数据处理流程。

LAI(叶面积指数)、FPAR(光合有效辐射)、GPP(总初级生产力)、NPP(净初级生产力)、LST(地表温度)、ET(蒸散发量)、NDVI(植被覆盖度)、EVI(增强型植被指数)等自然驱动因子来自于地理空间数据云，制作步骤主要基于MODIS遥感数据处理流程。

2.1.3社会经济驱动因子

在景观格局驱动力的研究中社会经济驱动因子数据来自流域各县市的政府统计部门出版的统计公报、年鉴。

2.2 景观格局动态分析

2.2.1 景观格局数量动态分析

利用GIS 统计流域范围内不同景观类型的面积、景观转移数据。利用景观类型单一动态度、流域景观整体动态度[12]以及状态指数[13]分析流域景观格局的速度变化特征。

2.2.2景观格局结构动态分析

在斑块类型层面选取了景观形状指数等12个指标。在景观层面选取了蔓延度指数等9个指标[14]，利用Fragstats计算景观格局指数并分析流域景观结构动态。

利用丛聚指数与聚合度对斑块类型聚合度指数进行修正。斑块类型修正聚合度G的计算公式为：

结合斑块类型面积信息、斑块类型的分布信息对优势度进行修正。斑块类型优势度指标S的计算公式为：

利用不同的权重因子E修正不同斑块类型的优势度。强制系数表示斑块类型转变的难易程度。蔓延系数表示斑块类型扩散的难易程度。需求系数表示斑块类型的需求程度。速度系数表示斑块类型的变化速度。稳定系数表示斑块类型的稳定程度。各权重因子如表1所示：

表1 各斑块类型优势度权重因子

在景观层面利用蔓延度指数、景观聚合度、景观分离度、分散指数对景观聚合度进行修正。修正景观聚合度H的计算公式为：

2.2.3景观格局梯度动态分析

在GIS中将景观分类图像分割并导入Fragstats软件计算各个格网小区的景观格局指数。将景观格局指数计算结果依据格网编号导入GIS中依次选择不同的景观指数字段进行插值，即可获得流域内多个景观格局指数的空间化栅格图像。

在GIS中沿城市—林区方向创建梯度取样线，在空间化后的各景观指数图层上取样，依据取样数据绘图即可得到景观格局指数的梯度变化曲线。

2.3 景观格局驱动力分析建模

2.3.1 景观格局驱动力的因子分析

由于景观指数、驱动因子数据较多，需要进行数据降维，数据降维操作也是后续相关分析、回归分析的基础。

将数据导入至SPSS中进行主成分分析，输出KMO检验和Bartlett球形检验统计结果，按照特征值大于1对主成分进行筛选。对成分矩阵进行旋转，保存主成分得分。

输出的结果中：公因子方差表显示了每个因子的信息提取率，总方差解释则显示了主成分的累积提取率，KMO检验和Bartlett球形检验的统计结果表示该模型适合因子分析的程度。

2.3.2景观格局驱动力的相关分析

利用SPSS相关分析计算景观格局指数及其主成分与自然地理驱动因子、社会经济驱动因子主成分的相关系数。相关系数反映景观格局与驱动因子之间变化趋势的方向以及程度，正值表示正相关，负值表示负相关，相关指数值的绝对值越大表示相关性越强[15]。

2.3.3景观格局驱动力的回归分析

利用回归分析可以研究变量之间的函数关系。回归方程无法带入过多的变量，故在回归分析中只将驱动因子荷载较高的主成分带入回归方程。

将景观格局指数及其主成分与自然驱动因子主成分及社会驱动因子主成分导入SPSS中分别进行回归分析。利用最大似然估计法估计回归系数，利用多重判定系数R2判断方程整体的拟合准确程度，利用F检验判断回归关系的显著程度[16]。

3 结果与分析

3.1 景观格局动态结果与分析

3.1.1 景观格局数量动态

文峪河流域2000—2018年各景观类型面积数量动态见表2，景观类型转移矩阵见表3，各景观类型变化速度数量特征见表4。

由表2数据可知：2000—2018年间，耕地面积下降350.06 km2，占总面积比重减少6.93%；林地面积下降37.86 km2，占比减少0.76%；草地面积下降21.59 km2，占比下降0.43%；水域面积增加10.81 km2，占比增加0.22%；建设用地面积增加382.85 km2，占比增加7.61%；未利用地面积增加15.85 km2，占比增加0.32%。

由表3可知：耕地向草地、水域、建设用地、未利用地支出面积，林地向耕地、水域、建设用地、未利用地支出面积，草地向林地、水域、建设用地、未利用地支出面积，水域向建设用地、未利用地支出面积，未利用地对建设用地支出面积；耕地的面积收入来自林地，林地面积收入来自草地，草地面积收入来自耕地；水域面积收入主要来自耕地、林地、草地，建设用地的面积收入主要来自耕地、林地、草地、水域；未利用地的面积收入主要来自耕地、林地、草地、水域；耕地、林地、草地面积为净支出，水域、建设用地、未利用地面积为净收入。各景观类型转移面积由大到小依次为：耕地、建设用地、草地、林地、未利用地、水域。

表2 文峪河流域2000—2018年各景观类型面积数量动态

表3 文峪河流域2000—2018年各景观类型转移矩阵

表4 文峪河流域2000—2018年不同时段各景观类型变化速度数量特征

由表4动态度数据可知：相较于2000年耕地、林地面积呈减少趋势，水域、建设用地、未利用地面积呈增加趋势。整体而言，水域、建设用地、未利用地的变化速度较耕地、林地、草地快，林地的平均变化速度最慢，未利用地的平均变化速度最快，近年来水域的变化速度趋缓，而建设用地、未利用地的变化速度仍然较快，林地、耕地、草地中，草地的变化速度波动较大，耕地、林地的变化速度较为稳定，2000—2018年流域整体景观变化率稳定在0.57%左右。

由表4状态指数结合其计算公式可知：整体来看，耕地的状态指数接近-1，其转出的速度远大于转入的速度，面积减小；林地的状态指数均为负数，其转出速度大于转入速度，面积呈现减小趋势；草地的状态指数逐渐趋向0，可认为草地的转入与转出处于双向转换下的平衡状态；水域的状态指数均为正且接近1，其面积转入的速度远大于转出的速度，面积呈增加趋势；建设用地的状态指数接近1，其转入的速度远大于转出的速度，面积呈增加趋势；未利用地的状态指数均为正，其转入的速度大于转出的速度，面积呈增加趋势。

3.1.2景观格局结构动态

文峪河流域斑块类型层面以及景观层面景观格局指数见表5，表6，表7，表8,表9，表10，表11。

2000—2018年间，耕地的形状指数呈增加趋势，分维数呈先增加后减少趋势，整体上不能认为耕地的景观规则度发生显著变化；修正聚合度指数呈连续下降趋势，可认为耕地的破碎程度加剧；优势度指数呈连续下降趋势，可认为耕地的优势程度下降；内聚力指数呈先下降后上升趋势，整体上可认为耕地的连通性下降；总核心面积和核心面积占比连续下降，可认为耕地的核心面积显著下降。

表5 耕地景观格局指数

表6 林地景观格局指数

2000—2018年间，林地的形状指数呈波动下降趋势，分维数呈先增加后减少趋势，整体上可认为林地的景观规则度上升；修正聚合度指数呈波动上升趋势，整体上可认为林地的破碎化程度下降；优势度指数呈波动变化，整体上可认为林地的景观优势程度下降；内聚力指数呈波动变化趋势，整体上可认为林地景观连通性下降；核心面积与其占比呈波动变化趋势，整体上可认为林地的核心面积增加。

表7 草地景观格局指数

2000—2018年间，草地形状指数呈连续下降趋势，分维数呈波动变化趋势，整体上可认为草地的景观规则度上升；修正聚合度呈波动增加趋势，整体上可认为草地的破碎化程度下降；优势度呈波动增加趋势，整体上可认为草地的景观优势程度上升；内聚力指数呈波动增加趋势，整体上可认为草地的景观连通性增加；总核心面积及其占比呈波动增加趋势，整体上可认为草地的核心面积增加。

2000—2018年间，水域形状指数呈先增加后减少趋势，分维数呈波动变化，整体上不能认为水域的景观规则度发生显著变化；修正聚合度呈连续增加，可认为水域破碎化程度下降；优势度持续增加，可认为水域的景观优势程度增加；内聚力指数呈波动增加趋势，整体可认为水域的景观连通性增加；核心面积及其占比呈连续增加趋势，可认为水域的核心面积增加。

表8 水域景观格局指数

表9 建设用地景观格局指数

2000—2018年间，建设用地的形状指数呈波动减少趋势，分维数呈波动减少趋势，整体可认为建设用地的景观规则度上升；修正聚合度指数呈波动增加趋势，整体可认为建设用地的景观破碎化程度下降；优势度指数呈连续增加趋势，可认为建设用地的景观优势程度增加；内聚力指数呈连续增加趋势，整体可认为建设用地的景观连通性增加；核心面积及其占比呈连续增加趋势，可认为建设用地的核心面积不断增加。

表10 未利用地景观格局指数

2000—2018年间,未利用地的形状指数呈波动增加趋势，分维数呈波动增加趋势，整体可认为未利用地的景观规则度下降;修正聚合度指数呈波动下降趋势，可认为其景观破碎化程度增加;优势度指数呈连续增加趋势，可认为未利用地的景观优势程度增加；内聚力指数呈波动趋势，整体可认为未利用地的景观连通性下降；核心面积及其比例呈波动增加趋势，可认为未利用地的核心面积增加。

表11 流域景观层面格局指数

2000—2018年间,流域景观形状指数呈波动下降趋势，分维数呈波动下降趋势，整体可认为流域的景观规则度上升；景观修正聚合度指数呈连续下降趋势，可认为流域破碎化程度增加；内聚力指数呈波动下降趋势，整体可认为流域的景观连通性下降；多样性指数呈连续增加趋势，可认为流域的景观多样性增加；均匀度指数呈连续增加趋势，可认为流域景观均匀度增加；总核心面积呈波动减少趋势，整体可认为流域整体核心面积减少。

3.1.3景观格局梯度动态

文峪河流域城市—林区景观格局指数梯度变化曲线如图1所示。

由图1景观梯度变化曲线可知：

1)景观形状指数在城市范围内的平均值要高于林区，景观形状指数在核心林区取到最小值，在城市核心区取到最大值，这表明城市区域的景观规则度小于林区的景观规则度。

2)景观分维数的变化幅度较小。景观分维数在核心林区取到最小值，在城市中心区取到最大值，景观分维数梯度曲线的形态与景观形状指数有相似的波动变化趋势，从侧面反映了景观分维数与景观形状指数对景观规则度相似的表征作用。

3)由景观修正聚合度的计算方式可知，景观修正聚合度值越小，表示破碎化的程度越高，景观修正聚合度梯度曲线在城市边缘区以及林区边界区域的取值明显小于城市中心区以及核心林区，而城市中心区的景观聚合度指数又明显小于核心林区，景观修正聚合度在林区边界区以及城市边缘区取到最小值，最大值在核心林区取到，这表明城市边缘区、林区边界的景观破碎化程度较高，城市中心区、核心林区的景观破碎化程度较小，景观界面的破碎化程度往往比较高。

4)景观内聚力指数的整体波动范围较小，该值在城市核心区与林区核心区的差距较小；景观内聚力指数在城区边缘与林区边缘取值较小，最小值在城市边缘区取到，最大值在核心林区取到，这表明景观界面的景观连通性较差，景观核心区的景观连通性较好。

5)城市边缘区及林区边缘区景观多样性指数较高，各景观类型核心区的景观多样性值较小，景观多样性指数最大值在城市边缘区取到，最小值在核心林区取到，这表明景观界面处的景观较为多样化，而景观核心区的景观则较为单一。

6)城市边缘区、林区边缘景观均匀度较高，景观类型核心区该值较低，该值的最大值在林区边缘取到，最小值在核心林区取到。根据景观均匀度指数的计算公式可知：0≤均匀度≤1，当整个景观只有一个斑块组成时，均匀度=0。当景观中各斑块类型面积比重相同时，均匀度=1[14]。由于各类景观核心区单一景观类型的面积占比较大，故在景观核心区景观均匀度取值较小，相反，在景观界面不同景观类型的面积占比较为均匀，故在景观界面处景观均匀度取值较大。

7)景观核心面积梯度曲线在城区边缘区、林区边界取值较小，而在核心林区取到最大值，最小值在城市边缘区取到，这表明景观界面处景观核心面积较小，而景观核心区景观核心面积较大。

由以上分析可知，众多衡量景观格局的指数均表明在流域层次景观边缘效应与景观集聚效应对流域景观格局的形态特征、空间分布具有显著影响，同时，由城区到林区的景观梯度变化则表明人类活动对流域景观格局具有显著影响。

3.2 景观格局驱动机制结果与分析

3.2.1 景观格局驱动力的因子分析

对景观指数、自然驱动因子以及社会驱动因子分别进行主成分分析(表12)。本次主成分分析KMO and Bartlett′s Test的值为0.785，在0.01的显著性水平下，球形检验拒绝相关系数矩阵为单位矩阵的原假设，说明该模型适合进行因子分析。其累积方差平方和为：99.021%、97.291%、98.531%，平均因子信息提取率为99.01%、97.32%、98.58%，数据符合主成分分析的要求[17]。经过主成分分析后数据得到了降维，为后续的分析带来方便，得到的主成分将进入后续的驱动力分析模型。

图1 文峪河流域景观层面景观格局指数梯度变化曲线

表12 景观指数及自然地理、社会经济驱动因子主成分旋转矩阵

3.2.2景观格局驱动力的相关分析

将各景观格局指数及其主成分分别与自然地理、社会经济驱动因子主成分进行相关分析，结果如表13所示。

表13中数据表明：景观格局的变化与自然地理及社会经济驱动因子的相关性显著，景观格局分别受到自然、社会经济系统的驱动影响。

3.2.3景观格局驱动力的回归分析

选取因子荷载最高的自然地理驱动因子主成分①、自然地理驱动因子主成分②以及社会经济驱动因子主成分①与各景观指数及景观格局指数主成分在SPSS中分别进行回归分析，得到如表14的结果。

由表14平均多重判定系数R2与平均F检验可知,以97.13%的准确率以及80.73%的显著性水平认为景观格局的变化受到自然地理驱动因子以及社会经济驱动因子的综合驱动。由标准化回归系数的绝对值可知，就本模型而言，社会经济驱动因子的驱动作用大于自然驱动因子。由表12对自然地理主成分以及社会经济主成分进行总结归纳可知：影响景观格局的驱动力量包括气候因子、植被因子、经济因子、人口因子、产业结构因子、工业化因子、投资与农业现代化因子。

表13 景观格局指数与自然地理及社会经济驱动因子的相关分析

在土地利用变化驱动力的相关研究中，地形、土壤等驱动因子对土地利用变化的驱动作用显著，而在景观格局变化的驱动力分析中，因地形、土壤等因子在短时间尺度上变化不明显，故未纳入模型。结合生态学知识可知，区域在自然演替的状态下会发展为地形、土壤等顶级格局群落[18-20]。同时地形、土壤的自然地理驱动因子对社会经济驱动因子具有因子间相互影响。因此，地形、土壤等因素虽然未纳入景观格局驱动模型，但也会对景观格局产生驱动作用。

自然系统的驱动因子作用于景观格局的时间尺度与作用机制各不相同，其具体的驱动机制定性分析已有文献阐述[21-23]。但定量分析仍较少。由景观驱动机制的相关分析可知，自然地理、社会经济系统驱动因子对景观格局的影响是复杂、丰富的。由景观驱动机制的回归分析可知，景观格局受到自然系统、社会经济系统驱动因子的综合驱动，社会经济系统驱动因子的驱动作用更为显著。结合景观格局驱动机制的主成分分析可知：经济与人口发展、产业结构及工业化发展是驱动文峪河流域景观格局变化的主要驱动力量。

表14 景观格局指数与自然地理及社会经济驱动因子回归分析

4 结论

1)文峪河流域2000—2018年间的景观动态经历了快速、复杂的变化。(1)耕地、林地、草地面积有所下降，水域、建设用地与未利用地的面积有所增加。(2)流域的土地利用转移类型为：耕地向草地、水域、建设用地、未利用地支出面积；林地向耕地、水域、建设用地、未利用地支出面积；草地向林地、水域、建设用地、未利用地支出面积；水域向建设用地、未利用地支出面积；未利用地对建设用地支出面积。(3)水域、建设用地、未利用地的变化速度大于耕地、林地、草地；流域整体土地的变化速度较快；耕地、林地的转出速度大于转入速度；草地处于双向转换下的动态平衡；建设用地、水域、未利用地的转入速度大于转出速度。

2)2000—2018年间，耕地、未利用地的破碎化程度增加，其余地类的破碎化程度下降；耕地、林地、未利用地的连通性下降，其余地类的连通性增加；耕地、水域的规则度无显著变化，林地、草地、建设用地的规则度上升，未利用地的规则度下降；耕地、林地的优势度下降，其余地类的优势度上升；耕地的核心面积下降，其余地类的核心面积增加；流域整体景观破碎化程度增加，连通性下降，规则度上升，总核心面积下降。城市—林区各景观指数呈有规律的梯度变化；景观界面、景观核心区是重要的梯度节点，梯度变化受到边缘效应和集聚效应的影响。

3)自然地理驱动因子、社会经济驱动因子对流域景观格局变化具有复杂且丰富的驱动作用；不同驱动因子作用于景观格局的时间尺度及方式不同；在短时间尺度上，人类活动是影响景观格局变化的最活跃因子，社会经济系统因素的驱动作用更为显著，社会经济驱动因子是区域景观格局演变的主要驱动力量，经济与人口发展、产业结构变化及工业化进程是重要的景观格局驱动力量。