基于最佳分析粒度的临川区土地利用景观格局梯度分析

俞斌传;刘平辉;吴佳

【摘 要】The gradient changes of land use and landscape pattern in Linchuan district, Fuzhou city, Jiangxi province in 2015 were analyzed. The granularity selection is based on the granularity effect analysis and information loss assessment of the landscape. Linchuan district was divided into 21 gradient zones by using the buffer-zone gradient analysis method, and the land?scape pattern and spatial characteristics in these gradient zones were analyzed by selecting six indexes. The results showed that:( 1) The particle size of 40 m could be used for landscape gradient analysis in the study area;under this granularity, the gradient

characteristics of landscape could be remained, and the landscape index did not fluctuate largely;( 2) Using the buffer-zone gra?dient analysis method could more finely analyze and reflect the characteristics of landscape pattern in the research area;( 3) Lin?chuan district could be divided into three large landscape gradient zones: the first gradient zone was gradient zone 1～4, and the urban and rural construction land dominated;the second gradient zone was gradient zone 5～10, and the main landscape was cul?tivated land; the third gradient zone was gradient zone 11～21, and the main landscape was forest land.%以江西省抚州市临川区为研究区域,对其2015年的土地利用景观格局梯度变化进行了分析.粒度选择建立在景观的粒度效应分析和信息损失评价法基础上,再运用缓冲区梯度分析方法将临川区划分为21个梯度带,选取6个指标对这21个梯度带的景观格局进行分析.结

果表明:(1)40 m的粒度大小可用于研究区景观梯度分析,在该粒度下,既能保留梯度特征又不使景观指数出现较大波动;(2)运用缓冲区梯度分析方法,能更精细地分析和反映研究区内景观格局特征;(3)临川区景观梯度带可划分为3个大的景观梯度区,第1梯度区为梯度带1～4,城乡建设用地占主导优势;第2梯度区为梯度带5～10,该区域主要景观为耕地;第3梯度区为梯度带11～21,以林地为主导土地利用类型. 【期刊名称】《江西农业学报》 【年(卷),期】2018(030)005 【总页数】7页(P110-116)

【关键词】粒度效应;缓冲区;景观格局;梯度分析;临川区 【作 者】俞斌传;刘平辉;吴佳

【作者单位】东华理工大学 地球科学学院,江西 南昌 330013;东华理工大学 地球科学学院,江西 南昌 330013;东华理工大学 地球科学学院,江西 南昌 330013 【正文语种】中 文 【中图分类】F301.23 0 引言

景观生态学中的粒度是一个基本概念，也是生态学研究的核心问题之一，在学术界早已引起广泛关注[1-3]。景观格局是各种生态过程在不同粒度上作用的结果，是景观异质性的表现。景观格局指数一般以栅格数据作为分析对象，以栅格的(像元、尺度、粒度)大小为计算基础。大量研究表明，随着粒度变化，景观指数的数值也相应产生变化，从而影响到景观格局的特征[4-5]。

目前，景观格局分析最佳粒度的选取还未形成一套成熟的方法体系。多数学者基于定性原则根据景观指数随粒度变化的效应曲线拐点，确定适宜分析粒度域，从而确定最佳粒度[6-7]。也有学者基于定量原则通过信息损失评价法对不同粒度转换产生的损失进行评价，以信息损失最小为原则，选取最佳分析粒度[1，8]。 景观空间梯度是指沿某一方向景观特征有规律地逐渐变化的空间特征[9]。众多学者利用景观指数和梯度分析方法分析土地利用格局，揭示了不同土地利用类型沿样带表现出不同的梯度变化规律[9-12]。景观空间梯度划分的方法主要有移动窗口法和缓冲区法[9，12-14]。景观格局的梯度分析越来越成为景观研究的热点之一。 本文以抚州市临川区为例，运用缓冲区法划分景观分析梯度带，定性与定量相结合，确定景观梯度分析的最佳粒度，再运用Fragstats 4.2软件，进行景观指数的计算，以分析各梯度带的景观格局规律和空间特征，以期为研究区的景观格局优化和管理提供支持。 1 研究区概况

临川区隶属于江西省抚州市，为抚州市市政府所在地(图1)，位于江西省东部抚河中游，地处赣抚平原向武夷山脉过渡地带，东经116°03′45″～116°18′45″，北纬27°29′30″～28°15′16″之间，东与金溪、东乡毗邻，西倚崇仁、丰城，南濒南城、宜黄，北与进贤接壤。

临川区地形狭长，东西宽58 km，南北长82 km，总面积2125.72 km2。全境地势南高北低。下辖9个乡、18个镇、3个街道办事处，2015年全区总人口111.25万人，全年完成生产总值341.62亿元。 图1 临川区区位图 2 数据来源及研究方法 2.1 数据来源及处理

本研究采用2015年临川区的土地利用变更数据，原始矢量数据为MapGIS格式，

经格式转换得到ArcGIS格式数据。结合研究需要，将土地利用现状数据进行基期地类转换，并将土地利用类型划分为：耕地、园地、林地、其他农用地、城乡建设用地、交通水利用地、其他建设用地、水域及自然保留地等9大类。 2.2 景观梯度划分方法

本研究采用缓冲区法进行景观梯度分析，建立以临川区中心城区范围的重心点(坐标为：东经116°19′40″，北纬27°57′35″)为圆心，距离间隔2500 m的缓冲区，用缓冲区法将2015年的矢量数据分割成21个梯度带(如图2)，自内而外分别命名为梯度带1、梯度带2、...、梯度带21。再利用ArcGis 10.2软件的要素转栅格工具将2015年各梯度带的矢量数据转为最佳粒度下的栅格数据，以进行景观格局指数分析。

图2 2015临川区景观梯度分布图 2.3 最佳粒度分析方法

综合前人的研究方法，把景观粒度变化效应的“拐点分析法”和信息损失评价法结合起来，选取有代表性的，并且对景观格局粒度变化反应敏感的15个景观指标。将2015年的景观各梯度带数据导出为Fragstats 4.2软件支持的Geo TIFF grid格式，以进行景观格局指数的计算，并筛选出9个在本研究区内景观粒度变化中变化显著并有明显“拐点”的指数，确定其最适宜粒度域。再运用信息损失评价法，考虑斑块转换为栅格数据后的数量、面积、周长的损失精度来确定最适宜粒度域。用两个方法确定的最适宜粒度域取交集，最后确定交集为临川区景观格局分析的最佳粒度。

2.4 景观格局梯度分析指标选取

基于最佳粒度，同样运用Fragstats 4.2软件来进行景观指数计算。用景观格局指数来表征临川区土地利用景观格局的空间特征，量化地反映出土地利用景观结构和空间配置特征。参照国内外学者已提出的众多景观格局指标，结合研究区实际和研

究需要选取以下6个指数分类型指标和景观指标对临川区景观梯度格局进行分析(表1)。 3 结果与分析

3.1 最佳粒度的分析与确定

鉴于本文旨在研究临川区景观的梯度变化，粒度选择显得尤为重要，粒度选择过大则造成信息丢失，影响分析的准确度，粒度选择过小则消耗大量计算时间，影响计算效率。为确定最佳分析粒度，以2015年土地利用矢量数据为数据源，运用ArcGis 10.2软件的要素转栅格工具，将矢量数据分别转为粒度大小10 m×10 m、20 m×20 m、30 m×30 m、…、150 m×150 m的15种不同粒度下的栅格数据。 表1 景观格局梯度分析指数指数名称缩写指数涵义斑块数量NP整体景观中所包含的某一类型景观的全部斑块个数,用来描述景观异质性和破碎度斑块密度PD为某景观类型包含的斑块个数除以该类景观的面积,常用来表示总体斑块的分化或破碎化程度景观面积比例PLAND景观中某类斑块的面积占整个景观面积的百分率,反映景观的优势度最大斑块指数LPI为各个景观类型中最大斑块占研究区面积的百分比,是种简单的优势度测量指标景观形状指数LSI通过计算某一斑块形状与相同面积的圆或正方形之间的偏离程度来测量其形状的复杂程度香浓多样性指数SHDI用来衡量景观结构组成的复杂程度的指数,土地利用越丰富,破碎化程度越高,该指数越高

3.1.1 景观粒度效应分析 选取的15个对景观粒度变化反应敏感的景观指数和其中的9个变化显著并存在明显“拐点”的指数如表2所示。这9个指数的景观粒度变化效应，如图3所示。

表2 景观粒度效应分析的景观指数选取类别指数15个敏感指数最大斑块指数(LPI)、形状指数(LSI)、平均斑块面积(AREA_MN)、面积加权平均斑块面积指数

(AREA_AM)、斑块面积变异系数(AREA_CV)、平均形状指数(SHAPE_MN)、加权

平均形状指数(SHAPE_AM)、平均斑块分维数(FRAC_MM)、面积加权平均斑块分维数(FRAC_AM)、周长面积分维数(PAFRAC)、蔓延度(CONTAG)、散步与并列指数(IJI)、斑块凝聚度指数(COHESION)、分离度指数(SPILT)、香农多样性指数(SHDI)9个存在“拐点”指数最大斑块指数(LPI)、面积加权平均斑块面积指数(AREA_AM)、斑块面积变异系数(AREA_CV)、加权平均形状指数(SHAPE_AM)、平均斑块分维数(FRAC_AM)、散步与并列指数(IJI)、斑块凝聚度指数(COHESION)、分离度指数(SPILT)、香农多样性指数(SHDI) 图3 景观粒度效应变化图

由图3可知：以上9个指数的粒度变化效应特征大致分为3类：第1类为LPI、AREA_AM、FRAC_AM、IJI、COHESION、SPILT指数，变化曲折有波动，但主要变化趋势单一，或者下降如FRAC_AM、IJI、COHESION、SPILT，或者上升如LPI、AREA_AM；第2类为AREA_CV、SHAPE_AM，变化波动曲折，有规律，呈先上升后下降的趋势；第3类为SHDI，变化波动曲折但无规律，随着粒度增大超过60 m，指数变化的幅度明显增大，反映出当粒度大于60 m时，不能通过该指数很好表达景观变化特征。

通过观察分析，总结出以上9个指数的主要拐点为：40、50、90 m。根据已有研究得知，景观格局的最佳粒度域存在于较为明显的“尺度转折点(拐点)间”，在该粒度区间内，景观格局指数的变化相对平稳，且在该粒度域内计算出的景观格局指数能够较好地反映出区域景观格局特征，第一粒度域是选择适宜粒度的较好范围。根据研究区景观格局指数的粒度效应可知，[40，50]为最适宜粒度域。

3.1.2 信息损失评价法 信息损失指矢量数据转化为不同粒度的过程中损失的信息，主要包括由矢量数据转换为栅格数据的过程中，原本平滑的边界呈现锯齿状，从而导致各景观类型的斑块数量、面积、周长发生不同程度的变化。通过选取斑块的数量(NP)、斑块周长(PERIM)、斑块面积(AREA)3项指数，运用公式分别计算这3

种指数的损失精度，计算方法是将不同地类的信息损失取绝对值后加总，从而得到研究区景观整体信息损失。信息损失评价的计算公式如下：

式中，M为信息损失量；Agi为第i类景观栅格数据值；Abi为第i类景观基准数据值；n为景观类型的数目；P为某一评价指标的精度损失。

由图4可知：斑块数量、面积、周长的精度损失在30～40 m最小，故以此判断在信息损失评价法之下，最佳适宜粒度域为[30，40]。 图4 信息损失评价图

3.1.3 最佳粒度的确定 根据景观指数随粒度变化情况，选择其粒度效应图中的关键拐点，以保证所选取的粒度范围内，景观指数变化平稳且能较好地表达区域景观格局的相关特征；通过信息损失评价法可以保证在生成栅格数据的过程中，使产生信息损失较小。

综合以上两个粒度选择方法，分别确定的粒度域为[40，50]和[30，40]，取交集得到40 m的粒度，该粒度被确定为研究区范围内景观格局指数分析的最佳粒度。 3.2 景观格局梯度分析

3.2.1 景观梯度类型指标分析 选取类型指标中的斑块数量(NP)、景观面积比例(PLAND)、最大斑块指数(LPI)、景观形状指数(LSI)等4个指数从景观组分的斑块面积数量、形状特征两方面对2015年临川区景观梯度类型指标进行分析。 由图5可知：(1)从景观面积比例指数(PLAND)来看，可以判定耕地、林地和城乡建设用地为临川区2015年主要的土地利用类型。由于缓冲区以临川区中心城区重心为中心点，因而在梯度带1、2中，城乡建设用地占主导地位，随着距市中心距离的增大，城乡建设用地比例逐渐减少，在梯度8之后减少的趋势趋于平缓，反映出随着城乡建设用地均匀化的分布；耕地在梯度带3～8之间占主导地位，最大

比例出现在梯度5，梯度1～5处于上升状态，梯度6下降，随后在梯度8达到一个高值，梯度8之后处于波动减少的态势，变化趋势呈“M”型；林地在梯度9之后处于绝对的主导优势，最低值出现在梯度2，最高值出现在梯度18，随着距离市中心越远，林地分布基本呈不断上升的态势。其他土地利用类型，在各梯度带中比例均在10%以下。

(2)从斑块数量(NP)来看，其他农用地的斑块数量在前11个梯度带中始终保持最大值，反映出其他农用地分布广，分布分散以及严重的破碎化程度，其NP值在梯度9到达顶点后不断降低，随梯度变化的趋势呈“M”型；林地的NP值在梯度5之前不断上升，在梯度6、7出现下降，在梯度8到达最高点，随后不断降低，变化趋势也呈“M”型；耕地在梯度9之前，NP值不断上升，随后基本处于不断下降的过程；园地的NP值从梯度1开始平缓上升，最高点出现在梯度11，随后开始不断下降。

图5 2015年临川区各景观梯度带景观类型指数特征

(3)从最大斑块指数(LPI)来看，城乡建设用地在梯度1～3中，保持最高水平，即有着最大的优势度；在梯度4～7中，耕地指数值最高，有着最大的优势度；林地在梯度8之后，占据着最大的优势度，从梯度13开始指数增加非常剧烈。 (4)从景观形状指数(LSI)来看，耕地、林地、其他农用地有着最大的形状指数，反映出这几种土地利用类型形状结构的复杂。在梯度6之后，耕地始终保持着最大的形状指数值，但在梯度10之后，其形状指数值不断下降，反映出其形状逐渐趋于规整；随着距市中心距离的增加，各个土地利用类型的形状指数值均有不同程度的增加，反映出景观形状越来越不规则，离散度增加，土地利用形状结构趋于复杂化；在梯度10之后各个土地利用类型的形状指数值均呈下降的趋势，反映出形状结构特征的简单化、规整化。

3.2.2 景观梯度景观指标分析 选取景观指标中的斑块数量(NP)、斑块密度指数(PD)、

最大斑块指数(LPI)、景观形状指数(LSI)、香农多样性指数(SHDI)等5个指数从景观组分的斑块数量、形状特征、多样性3个方面对2015年临川区景观梯度景观指标进行分析。

由图6可知：(1)从斑块数量指数(NP)来看，从梯度1～9，指数值不断上升，反映出受人为扰动的影响加大，景观破碎化程度随着梯度带的增加而增加；梯度带9之后，随着景观组成面积的减少，斑块数量不断降低，反映出距市中心一定距离之后，斑块的破碎化程度越来越低。

(2)从斑块密度指数(PD)来看，整体趋势是先上升，后下降，在梯度3之前处于上升状态，反映出市中心位置附近景观的破碎化；而此后不断处于下降的状态，反映出随着离市中心距离的增加，景观的破碎化程度不断减弱，景观状态趋于聚合。 (3)从最大斑块指数(LPI)来看，随着距市中心距离的增加，最大斑块指数不断下降；在梯度3～12中，指数值维持在比较低的状态，反映出其破碎化程度较高，斑块尺度趋于均匀；而在梯度12之后，指数值迅速上升，之后一直保持较高的数值，反映出破碎化的缓和。

(4)从景观形状指数(LSI)来看，在梯度10之前，随着梯度的增加，形状指数不断增加，反映出由于人为活动的影响，景观的形状结构不断趋于复杂化。在梯度10之后，形状指数不断下降，反映出距市中心一定距离之后，人为对土地利用景观的影响降低，景观的形状结构趋于简单。

(5)从香农多样性指数(SHDI)来看，景观的多样性在梯度1～4之间不断增加，反映出景观不断趋于丰富和复杂化，景观异质性不断增加；在梯度4～12之间，SHDI变化平缓，反映出景观多样性在这些梯度带间的均衡化特征；在梯度12之后，景观多样性基本处于快速下降的过程，反映出景观不断趋于简单，异质性减少。 图6 2015年临川区各景观梯度带景观整体指数特征 4 结论与讨论

景观随粒度变化的响应不同，只有针对特定景观选择最佳分析粒度，才能有效反映研究区的景观格局特征。综合景观粒度效应变化分析法、信息损失评价法的结果，确定40 m的粒度大小可用于临川区景观梯度分析，既能保留梯度特征又不使景观指数出现较大波动。

景观指数在反映研究区景观格局的变化特征上具有良好的指示效应。而对研究区整体的景观格局分析很难反映其景观内部的细节特征差异，运用缓冲区法的梯度分析方法，能更精细化分析研究区内景观格局特征。

综合以上对临川区2015年景观梯度分析，根据景观格局的梯度特点，将特征相似的梯度带合并为3个梯度区：第1梯度区为梯度带1～4，该区距离市中心0～10 km，城乡建设用地占主导优势，内部结构稳定，破碎化程度相对较低；第2梯度区为梯度带5～10，该区距离市中心10～25 km，主要景观为耕地，形状上最为复杂，景观异质性最强，景观破碎化程度最高，更具有多样性特征；第3梯度区为梯度带11～21，该区距离市中心大于25 km，以林地为主导土地利用类型，远离市中心，人为干扰因素最少，景观趋于聚合、规整，但多样性程度在降低。

【相关文献】

[1] 于磊,赵彦伟,张远,等.基于最佳分析粒度的大辽河流域湿地景观格局分析[J].环境科学学报,2011,31(4):873-879.

[2] 李保杰,渠爱雪,纪亚洲.基于最佳分析粒度的矿区景观格局分析[J].武汉大学学报:信息科学版,2016,41(7):939-945.

[3] 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,2008,10(1):74-79.

[4] 赵文武,傅伯杰,陈利顶.景观指数的粒度变化效应[J].第四纪研究,2003,23(3):326-333. [5] 杨晓玲.江苏东台围垦区景观格局变化及其尺度效应研究[D].南京:南京师范大学,2011. [6] 吕志强,吴志峰,张景华,等.基于最佳分析尺度的广州市景观格局分析[J].地理与地理信息科学,2007(4):89-92.

[7] 孟陈,李俊祥,朱颖,等.粒度变化对上海市景观格局分析的影响[J].生态学杂志,2007,26(7):1138-1142.

[8] 崔步礼,常学礼,左登华,等.沙地景观中矢量数据栅格化方法及尺度效应[J].生态学报,2009,29(5):2463-2472.

[9] 刘琳.天津市土地利用景观格局梯度分析及区域生态风险评价[D].天津:天津理工大学,2015. [10] 雷金睿,陈宗铸,杨琦基,等.基于GIS的海口市景观格局梯度分析[J].西北林学院学报,2017,32(3):205-210.

[11] 俞龙生,符以福,喻怀义,等.快速城市化地区景观格局梯度动态及其城乡融合区特征:以广州市番禺区为例[J]．应用生态学报,2011,22(1):171-180.

[12] 裴刚,刘养洁,王国梁.侯马市景观格局梯度分析[J].国土资源遥感,2012(4):163-168. [13] 刘昕,国庆喜.基于移动窗口法的中国东北地区景观格局[J].应用生态学报,2009,20(6):1415-1422.

[14] 张玲玲,赵永华,殷莎,等.基于移动窗口法的岷江干旱河谷景观格局梯度分析[J].生态学报,2014,34(12):3276-3284.