楊秋華, 黃炎和, 范勝龍, 林金石, 季 翔

(福建農(nóng)林大學資源與環(huán)境學院，福建 福州 350002)

南方紅壤丘陵區(qū)流域景觀格局與水土流失的關系

楊秋華, 黃炎和, 范勝龍, 林金石, 季 翔

(福建農(nóng)林大學資源與環(huán)境學院，福建 福州 350002)

以福建省晉江西溪流域為試驗區(qū)，在分析景觀格局與水土流失強度關系的基礎上，通過BP模型構建兩者的非線性映射關系，模擬優(yōu)化景觀格局后的水土流失情況.結果表明：(1)該流域水土流失主要發(fā)生在茶園景觀和裸地景觀；景觀面積類型、斑塊數(shù)量、加權面積的平均形狀指和平均分維數(shù)與水土流面積呈正相關，景觀連接度與水土流失呈負相關，平均斑塊大小、多樣性指數(shù)、散布與并列指數(shù)與水土流失不顯著相關.(2)景觀格局與水土流失面積間存在精度較高的BP映射關系，誤差絕對值小于5%.(3)應用BP模型優(yōu)化茶園與裸地的景觀格局，預測水土流失面積下降14.14%.

景觀格局指數(shù); 水土流失; BP神經(jīng)網(wǎng)絡; 南方紅壤丘陵區(qū)

人類活動對自然環(huán)境的干擾是水土流失的主要因素之一.隨著景觀生態(tài)學研究的不斷深入，景觀格局與水土流失間的緊密聯(lián)系和相互作用日漸明朗[1-2].國外研究認為景觀結構對土壤的侵蝕和沉積具有重要影響，水分和養(yǎng)分在生物中的循環(huán)和景觀結構的特征密切相關[3].合理的景觀格局有利于水分和養(yǎng)分的良性循環(huán)，生物生產(chǎn)力的提高，區(qū)域生態(tài)環(huán)境質量的改善，最后減少水土流失[4].國內關于景觀格局對水土流失影響的研究主要集中在黃土高原地區(qū)，該區(qū)域水土流失的泥沙遷移量與景觀多樣性、均勻度、破碎度相關[5-7]，而關于南方紅壤丘陵區(qū)的研究較少.南方紅壤丘陵區(qū)與干旱區(qū)的黃土高原差異較大，其母質殘積物深厚且降雨集中，崩崗侵蝕——南方丘陵區(qū)特有的土壤侵蝕方式頻繁發(fā)生[8-10].因此，分析該區(qū)域景觀格局與水土流失間的關系，從景觀生態(tài)學的角度緩解水土流失勢在必行.安溪縣是南方花崗巖地區(qū)典型的崩崗侵蝕地區(qū)之一，集中分布在縣域東部西溪流域.本試驗以西溪流域為研究對象，應用BP神經(jīng)網(wǎng)絡模型探討南方紅壤丘陵區(qū)景觀格局與水土流失面積的映射關系，以揭示景觀格局對水土流失的影響，最后運用模型理論優(yōu)化景觀格局以減少水土流失現(xiàn)象的發(fā)生，為南方紅壤丘陵區(qū)景觀生態(tài)評價、水土流失防治和生態(tài)建設提供支撐和參考.

1 試驗區(qū)與數(shù)據(jù)來源

1.1 試驗區(qū)概況

福建省安溪縣西溪流域 (N117°67′—118°22′) (E24°86′—25°42′)位于安溪縣東部，地處戴云山東南側，晉江流域上游，以山地丘陵為主，流域面積1 771.21 km2，是安溪縣內最大的流域.氣候類型屬于南亞熱帶季風氣候，降雨量充沛，多年平均降水量為1 700～1 800 mm.該流域土壤大多發(fā)育于花崗巖風化殼上，以紅壤和赤紅壤為主.由于該流域風化母質殘積物深厚加之人為活動頻繁，崩崗侵蝕現(xiàn)象普遍，是福建省崩崗發(fā)育最強烈的地區(qū)，也是水土流失發(fā)生最頻繁的地區(qū).據(jù)相關資料統(tǒng)計，該流域水土流失面積達459.14 km2，崩崗發(fā)生點數(shù)達2 896個，地理位置如圖1.

圖1 試驗區(qū)地理位置Fig.1 Geographical location for research area

1.2 數(shù)據(jù)來源

本試驗數(shù)據(jù)包括福建省地質測繪院收集的2009年安溪縣1∶10 000土地利用現(xiàn)狀圖,2000年福建省1∶10 000 DEM地形圖,2008年福建省1∶10 000水土流失強度圖,2008年福建省崩崗分布圖.將以上數(shù)據(jù)的坐標統(tǒng)一為以114E為中央經(jīng)線、三度分帶的西安80坐標系統(tǒng).

1.3 數(shù)據(jù)處理

圖2 西溪流域景觀類型圖Fig.2 Geographical map of landscape types of Xixi river basin

基于DEM數(shù)據(jù)，根據(jù)小流域劃分及編碼規(guī)范要求，參考文獻[11-12]，結合試驗區(qū)實際情況劃分子流域.利用ArcGIS水文分析模塊提取西溪流域范圍后裁剪出西溪流域土地利用現(xiàn)狀圖、DEM地形圖、水土流失圖及崩崗分布圖.然后調整集水柵格閾值為6 000，提取35 km2以下小流域邊界，將整個西溪流域劃分為235個子流域.將子流域圖與水土流失強度圖、崩崗分布圖進行疊加分析，統(tǒng)計出各子流域內水土流失面積和崩崗個數(shù)，剔除水土流失崩崗個數(shù)較少的子流域，最終選取了180個子流域作為本試驗的研究單位.

2 研究方法

2.1 景觀格局指數(shù)

2.1.1 景觀類型的劃分 根據(jù)2009年西溪流域土地利用現(xiàn)狀圖及實地情況，將景觀劃分為山林景觀(FL)、茶園景觀(TL)、農(nóng)田景觀(CL)、裸地景觀(NL)、水域景觀(WL)和建筑景觀(BL)6個類型，空間分布如圖2.

2.1.2 景觀格局指數(shù)的選取 景觀格局指數(shù)反映景觀結構組成和空間配置,是定量分析景觀格局的指標[13].本試驗選取9個指標，包括景觀類型面積(class area, CA)、斑塊數(shù)量(number of patches, NP)、平均斑塊大小(mean patch size, MPS)、景觀形狀指數(shù)(landscape shape index, LSI)、加權面積的平均形狀指數(shù)(area-weighted mean shape index, SHAPE_AM)、加權面積的平均分維數(shù)(area-weighted mean patch fractal dimension, FRAC_AM)、景觀連接度(landscape connectivity, CONNECT)、多樣性指數(shù)(Shannon's diversity index, SHDI)、散布與并列指數(shù)(interspersion and juxtaposition index, IJI).其中景觀類型面積包括山林、茶園、農(nóng)田等6種景觀類型.利用Fragstats 3.4計算各景觀類型的面積、斑塊數(shù)目等景觀格局指數(shù)，各景觀指數(shù)描述[14-16]如表1.

表1 景觀指數(shù)描述Table 1 Description of selected landscape pattern indexes

2.2 BP神經(jīng)網(wǎng)絡模型

圖3 BP神經(jīng)網(wǎng)絡結構Fig.3 BP neural network model

Back propagation(BP)神經(jīng)網(wǎng)絡模型是一個非線性數(shù)據(jù)模擬工具，用于發(fā)現(xiàn)數(shù)據(jù)間的復雜關系并建立有效的預測模型[17].該模型是一種多層前饋神經(jīng)網(wǎng)絡，通過一定數(shù)量的樣本訓練網(wǎng)絡，使網(wǎng)絡具備記憶功能，實現(xiàn)從輸入到輸出的非線性映射，拓撲結構如圖3[18-19].

其中n、m分別為輸入層節(jié)點數(shù)和輸出層節(jié)點數(shù)；BP神經(jīng)網(wǎng)絡的輸入為n維向量x=(x1,x2,…，xn)；隱含層傳遞函數(shù)采用Sigmoid函數(shù)，即f(x)=1/(1+e-x)；輸出為m維向量y=(y1,y2,…，yn)；wij和wjk分別為輸入層到隱含層、隱含層到輸出層因子之間的連接閥值.因此BP神經(jīng)網(wǎng)絡可看作從n個輸入層到m個輸出層的非線性映射關系，其函數(shù)表達式為f：Rn→Rm，f(x)=y.

本試驗以子流域為樣本，景觀格局指數(shù)作為輸入?yún)?shù)，水土流失面積作為輸出參數(shù)，運用SPSS軟件建立BP網(wǎng)絡模型，實現(xiàn)輸入?yún)?shù)到輸出參數(shù)之間的非線性映射.

3 結果與分析

3.1 景觀格局與水土流失總體特征

3.1.1 景觀空間格局總體特征 各景觀類型的面積和斑塊數(shù)目等景觀格局指數(shù)分析表明(表2)，該流域以山林景觀為主，占比面積最大，斑塊密度最小，破碎化程度不高，分布廣而集中連片.茶園景觀面積占19.41%，斑塊個數(shù)占比第二，斑塊密度為45.61個·km-2，景觀形狀指數(shù)僅次于農(nóng)田景觀，說明茶園景觀破碎程度較大，分布較廣而相對較零散，斑塊邊界形狀較為不規(guī)則.農(nóng)田景觀面積次于茶園景觀，斑塊個數(shù)占12.75%，景觀形狀指數(shù)最大，破碎程度相對較小，分布相對較集中連片，景觀形狀最扁長.建筑景觀面積小，斑塊個數(shù)最多，斑塊密度最大，建筑景觀斑塊的破碎程度最大，分布最零散.面積最小的為水域景觀，斑塊數(shù)也最少，景觀形狀指數(shù)最小，說明斑塊被景觀類型斑塊割裂的程度較小，分布較集中，景觀形狀較為規(guī)則.綜上所述,以山林景觀為主的西溪流域，茶園景觀分布較廣，建筑景觀分布最零散，農(nóng)田景觀形狀呈扁長形態(tài)，水域景觀面積最小，其斑塊破碎程度最小且集中較為規(guī)則.

表2 景觀類型格局總體特征Table 2 General characteristics of landscape pattern

圖4 西溪流域水土流失分布圖Fig.4 Distribution diagram of water and soil erosion in Xixi river basin

3.1.2 水土流失總體特征 西溪流域水土流失總面積為459.14 km2(表3)，占整個試驗區(qū)的25.92%.由圖4可得，西溪流域水土流失以輕度和中度為主，強度級別以上的水土流失多分布在北部茶園景觀區(qū)域.不同景觀類型的水土流失詳情見表3.

3.2 景觀格局指數(shù)與水土流失的相關關系

3.2.1 景觀格局指數(shù)與水土流失的單因子相關性 子流域景觀類型與水土流失面積相關性分析表明(表4)，CONNECT與水土流失面積呈顯著負相關，MPS、IJI、SHDI與水土流失面積相關程度不顯著，茶園景觀、裸地景觀、農(nóng)田景觀、山林景觀、建筑景觀、水域景觀、NP、SHAPE_AM、FRAC_AM與水土流失面積顯著正相關.前3類景觀類型對水土流失影響較大.CONNECT越小，斑塊間在結構和功能上連接性越小，生態(tài)過程源斑塊間運動越顯著[20]，水土流失越容易發(fā)生.該流域內斑塊數(shù)量越多、景觀形狀指數(shù)越大、加權形狀指數(shù)越大、加權斑塊分維數(shù)越大，說明景觀破碎程度越大、景觀形狀規(guī)整度越低、斑塊復雜程度越高，越容易發(fā)生水土流失.

表3 西溪流域水土流失的總體特征1)Table 3 General characteristics of soil and water erosion in Xixi river basin

1)水土流失率=(景觀類型內發(fā)生水土流失面積/景觀類型面積)×100%.

表4 西溪流域景觀格局指數(shù)與水土流失相關性1)Table 4 Correlation between landscape pattern index and water and soil erosion in Xixi river basin

1)**在0.01水平上相關程度顯著.

3.2.2 景觀格局指數(shù)與水土流失的多元線性回歸 采用多元線性回歸方法分析景觀格局綜合影響與水土流失間的相關性.將水土流失面積設為因變量Y,景觀格局指數(shù)設為自變量X，具體有：茶園景觀面積X1、山林景觀面積X2、農(nóng)田景觀面積X3、建筑景觀面積X4、裸地景觀面積X5、水域景觀面積X6、斑塊數(shù)量X7、景觀形狀指數(shù)X8、加權形狀指數(shù)X9、加權斑塊分維數(shù)X10、景觀連接度X11，得到景觀格局指數(shù)與水土流失間的回歸擬合方程，如式1：

Y=0.241X1+0.89X2+0.814X3-0.378X4+0.105X5+0.935X6-0.001X7+0.282X8+0.296X9-6.499X10+

0.16X11+4.262

(1)

該方程的擬合度為0.865，即各景觀格局指數(shù)與水土流失的復相關系數(shù)為0.865,說明景觀格局空間結構綜合影響與水土流失呈顯著正相關；復相關系數(shù)大于任一自變量與因變量之間的單系數(shù)關系，因此在多個景觀結構因子綜合影響下更容易發(fā)生水土流失.

3.3 景觀格局指數(shù)與水土流失的BP神經(jīng)網(wǎng)絡模型構建

3.3.1 BP神經(jīng)網(wǎng)絡模型 通過相關性分析，選取具有代表性的6個景觀格局指數(shù)，即以CA、NP、LSI、SHAPE_AM、FRAC_AM、CONNECT為輸入?yún)?shù)，水土流失面積為輸出參數(shù).從180個子流域選取129個作為訓練樣本，另外51個為檢測樣本[21].學習速率采用默認值0.01以保證收斂穩(wěn)定.系統(tǒng)自動構建一個隱含層，其輸入層包含7個神經(jīng)元，輸出層包含1個神經(jīng)元，模型建立后進行學習訓練和檢測分析.

自變量的重要性結果表明(表5)，在多個景觀結構因子綜合影響下，BP神經(jīng)網(wǎng)絡模型中SHAPE_AM所占比重最大，其次是CA_TL，CONNECT最小.因此，SHAPE_AM和CA_TL對水土流失的影響力最大，CONNECT的影響力最小.

表5 自變量的重要性Table 5 Significance of independent variables

在檢測樣本中，水土流失面積的模擬值與實際值平均絕對誤差為0.229 4 km2，平均相對誤差為2.09%，由此可得該模型效果較好，模擬性強，可用于判斷各景觀格局指數(shù)在景觀結構上對水土流失的貢獻性，兩者間較高精度的非線性映射關系可用來預測西溪流域水土流失情況.

3.3.2 模型的運用 以景觀格局指數(shù)為輸入?yún)?shù)，水土流失面積為輸出參數(shù)，建立水土流失與景觀格局指數(shù)的BP神經(jīng)網(wǎng)絡模型，基于此模型對景觀格局優(yōu)化后的水土流失情況進行模擬.茶園景觀和裸地景觀為西溪流域水土流失主要發(fā)生地(表3).由于茶業(yè)為安溪支柱產(chǎn)業(yè)，優(yōu)化景觀格局時不能片面地縮減茶園景觀面積和數(shù)量.考慮到LSI與水土流失的相關性較強(r=0.550)，在不影響茶園面積的情況下通過土地整治項目優(yōu)化茶園景觀的空間形態(tài)使其更為規(guī)則，將茶園景觀的LSI降低10%；植被使土壤具有良好的結構，提高土壤孔隙度和水分滲透性，減少地表流量及流速從而減少水土流失，因此調整10%的裸地景觀為山林景觀.利用景觀格局與水土流失面積間的BP映射關系，選取51個子流域檢測樣本模擬水土流失面積.

調整前后的水土流失面積表明(圖6)，景觀格局指數(shù)優(yōu)化后，51個子流域的平均水土流失面積從3.04 km2降至2.61 km2，減小14.14%.因此，將裸地景觀調整為山林景觀，通過降低景觀形狀指數(shù)優(yōu)化各類型景觀的空間結構，都為有效減小水土流失面積的方法.同時，景觀格局與水土流失間較好的BP非線性映射關系能較準確地模擬景觀格局優(yōu)化后的水土流失情況，為基于優(yōu)化景觀格局的水土流失防治提供方法參考.

圖5 檢測樣本水土流失真實值與模擬值Fig.5 True and simulated values of water and soil erosion for tested samples

圖6 調整前后水土流失面積Fig.6 Water and soil area before and after adjustment

4 討論

利用統(tǒng)計分析法分析西溪流域景觀格局與水土流失情況，表明西溪流域以山林景觀和茶園景觀為主，水域景觀面積最小，建筑景觀和裸地景觀破碎度較高，農(nóng)田景觀邊界形狀較為復雜；西溪流域水土流失率為25.92%，以輕度和中度的水土流失為主，主要發(fā)生在茶園景觀和裸地景觀.通過景觀格局指數(shù)與水土流失面積的相關性分析，確定了西溪流域中對水土流失影響較大的景觀格局指數(shù)，即NP、LSI、SHAPE_AM、FRAC_AM、CONNECT，其中CONNECT與水土流失呈負相關，NP、LSI、SHAPE_AM、FRAC_AM與水土流失呈正相關.基于以上分析，利用BP神經(jīng)網(wǎng)絡模型構建景觀格局指數(shù)與水土流失面積間的非線性映射關系，模擬優(yōu)化景觀格局后的水土流失情況，調整后水土流失面積下降14.14%，可為該試驗區(qū)的水土流失防治工作提供參考

本試驗應用的BP模型將景觀格局與水土流失間復雜的作用機理看成是"黑箱子"過程，只根據(jù)景觀格局指數(shù)和水土流失面積建立兩者間的非線性關系，并從數(shù)量上優(yōu)化景觀格局以減少水土流失現(xiàn)象.但水土流失是一種生態(tài)過程，運用其兩者之間的模型來解釋水土流失生態(tài)過程有待深入研究.

[1] 傅伯杰,徐延達,呂一河.景觀格局與水土流失的尺度特征與耦合方法[J].地球科學進展,2010,25(7):673-680.

[2] 陳俊華,何政偉,向成華,等.二灘庫區(qū)(鹽邊)土地利用景觀格局及水土流失動態(tài)研究[J].水土保持通報,2008,28(5):74-80.

[3]LUDWIG J A, WIENS J A, TONGWAY D J. A scaling rule for landscape patches and how it applies to conserving soil resources in Savanna[J]. Ecosystems,2000(3):84-87

[4] 張建香,張勃,張華,等.黃土高原的景觀格局變化與水土流失研究——以黃土高原馬蓮河流域為例[J].自然資源學報,2011,26(9):1 513-1 523.

[5] 索安寧,洪軍,林勇,等.黃土高原景觀格局與水土流失關系研究[J].應用生態(tài)學報,2005,16(9):1 719-1 723.

[6] 張雪霞,陳麗華.黃土高原地區(qū)流域景觀格局對水土流失的影響分析[J].北京林業(yè)大學學報,2008,30(2):95-102.

[7] 王計平,楊磊,衛(wèi)偉,等.黃土丘陵區(qū)景觀格局對水土流失過程的影響——景觀水平與多尺度比較[J].生態(tài)學報,2011,31(19):5 531-5 541.

[8] 梁音,楊軒,潘賢章,等.南方紅壤丘陵區(qū)水土流失特點及防治對策[J].中國水土保持,2008,12(16):50-53.

[9] 李永紅,高照良.黃土高原地區(qū)水土流失的特點、危害及治理[J].生態(tài)經(jīng)濟,2011,242(8):148-153.

[10] 林金石,黃炎和,張旭斌.南方花崗巖區(qū)典型崩崗侵蝕產(chǎn)沙來源分析[J].水土保持學報,2012,26(3):53-57.

[11] 陳加兵,勵惠國,鄭達賢,等.基于DEM的福建省小流域劃分研究[J].地球信息科學,2007,9(2):74-77.

[12] 吳清泉.基于GIS的福建省水土保持小流域劃分[J].亞熱帶水土保持,2016,28(2):67-70.

[13] 鄔建國.景觀生態(tài)學——格局、過程、尺度與等級[M].北京:高等教育出版社,2000.

[14] 劉宇,呂一河,傅伯杰.景觀格局土壤侵蝕研究中景觀指數(shù)的意義解釋及局限性[J].生態(tài)學報,2011,31(1):265-275

[15] 郭晉平,周志翔.景觀生態(tài)學[M].北京:北京林業(yè)出版社,2007.

[16] 冉建波.高分影響下晉江流域土地利用景觀變化及其粒度效應[D].福建師范大學,2015.

[17] 張利權,甄彧.上海市景觀格局的人工神經(jīng)網(wǎng)絡(ANN)模型[J].生態(tài)學報,2005,25(5):969-963.

[18] 郭濼,夏北成,江學頂.基于GIS與人工神經(jīng)網(wǎng)絡的廣州森林景觀生態(tài)規(guī)劃[J].中山大學學報(自然科學版),2005,44(5):121-123.

[19] 王斌,張碩新,雷瑞德,等.火地塘林區(qū)華山松景觀格局的人工神經(jīng)網(wǎng)絡模型研究[J].西北農(nóng)林科技大學學報(自然科學版),2006,34(8):87-92.

[20] 吳昌廣,周志翔,王鵬程,等.景觀連接度的概念、度量及其運用[J].生態(tài)學報,2010,30(7):1 903-1 910.

[21] 王江思,馬傳明,王文梅,等.基于SPSS和GIS的BP神經(jīng)網(wǎng)絡農(nóng)用地適宜性評價[J].地質科技情報,2013,32(2):138-143.

(責任編輯:蘇靖涵)

The relationship between landscape pattern and water and soil erosion in hilly red soil region in South China

YANG Qiuhua, HUANG Yanhe, FAN Shenglong, LIN Jinshi, JI Xiang

(College of Resource and Environment, Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China)

To prevent and control water and soil erosion in hilly red soil region of South China, landscape pattern indexes dominantly influencing erosion area were extracted by analyzing DEM datasets of Anxi County, then a nonlinear mapping relation between landscape pattern indexes and erosion area was established by back propagation(BP) model. Finally, new erosion area was simulated by the model with adjusted landscape pattern indexes. The results showed that soil and water erosion mainly occurred at tea plantation and bare field in Xixi River Basin. Indexes including class area (CA), number of patches, area-weighted mean shape index and patch fractal dimension were positively correlated with erosion area while landscape connectivity was negatively correlated. The absolute value of relative error of mapping relation between erosion area and landscape pattern was less than 5%, indicating a high precision of the BP model. The stimulated erosion area was dropped by 14.14% with adjusted LSI of tea plantation and CA of bare field. To summarize, BP model based on landscape pattern indexes was applicable to indicate and control erosion in hilly red soil region of South China.

landscape pattern index; water and soil erosion; back propagation neural network; hilly red soil region in South China

2016-12-19

2017-03-28

國家自然科學基金(41601557)；國家科技支撐計劃項目(2014BAD15B0303)；福建省教育廳社科項目(JAS160171).

楊秋華(1989-)，女，碩士研究生.研究方向:土地資源可持續(xù)利用.Email:yqh9005@126.com.通訊作者黃炎和(1962-)，男，教授，博士生導師.研究方向:土壤侵蝕與治理.Email:yanhehuang@163.com.

S157.1

A

1671-5470(2017)03-0329-07

10.13323/j.cnki.j.fafu(nat.sci.).2017.03.016