胡榆杰，董 鑫,2,3，李玉杰

(1. 西華師范大學(xué)環(huán)境科學(xué)與工程學(xué)院，四川 南充 637009；2. 西華師范大學(xué)西南野生動植物資源保護教育部重點實驗室，四川 南充 637009；3. 西華師范大學(xué)嘉陵江流域生態(tài)環(huán)境保護與污染防治南充市重點實驗室，四川 南充 637009；4. 西華師范大學(xué)生命科學(xué)學(xué)院，四川 南充 637009)

引 言

景觀生態(tài)學(xué)自二十世紀(jì)30年代發(fā)展至今，對于理解城市景觀變化有著至關(guān)重要的作用[1]。景觀格局分析是景觀生態(tài)學(xué)的核心理論和內(nèi)容[2]，用景觀格局指數(shù)描述景觀格局變化，建立城市空間格局與城市生態(tài)過程的聯(lián)系對城市生態(tài)建設(shè)有重要意義[3]。近年來，以遙感技術(shù)(Remote Sensing， RS)和地理信息系統(tǒng)(Geographic Information System，GIS)為代表的信息技術(shù)快速發(fā)展，也為城市景觀空間格局的研究提供了更為有效的方法。遙感技術(shù)作為研究地球表面資源與環(huán)境的載體，通過與 GIS 技術(shù)強大的空間分析功能相結(jié)合，使得城市景觀格局在更大尺度上更客觀地展現(xiàn)在我們面前[4]。隨著我國衛(wèi)星探測技術(shù)的提高，國產(chǎn)高分一號(GF-1)、高分六號(GF-6)、高景一號(SuperView-1)等中高分辨率多光譜遙感數(shù)據(jù)得到了廣泛的應(yīng)用，眾多學(xué)者都做了有益的研究。例如，楊閆君等人基于高分一號衛(wèi)星WFV影像水稻信息提取模式進行了研究[5]，施婷婷等人利用遙感生態(tài)指數(shù)對建設(shè)項目引發(fā)的區(qū)域生態(tài)變化進行了評估[6]。以往眾多學(xué)者利用美國NASA的陸地衛(wèi)星(Landsat TM)TM傳感器和OLI傳感器的數(shù)據(jù)進行景觀格局研究[7-8]，以國產(chǎn)高分一號衛(wèi)星為數(shù)據(jù)源進行相關(guān)研究的報道較少。

本研究以四川省南充市區(qū)(順慶區(qū)、嘉陵區(qū)、高坪區(qū))為研究對象，利用ENVI5.5 、ArcGIS10.5和Fragstats 4.2等軟件處理國產(chǎn)高分一號衛(wèi)星WFV傳感器影像數(shù)據(jù)，結(jié)合景觀生態(tài)學(xué)的理論與方法，分析2014年以來快速發(fā)展的南充市區(qū)城市景觀格局的動態(tài)變化，以期為研究區(qū)域城市生態(tài)建設(shè)、城市規(guī)劃、生態(tài)環(huán)境保護等提供重要的數(shù)據(jù)支持，同時對高分一號數(shù)據(jù)的景觀格局分析進行嘗試，為其他同類研究提供參考和啟示。

1 研究區(qū)概況

四川省南充市位于北緯30°35′～31°51′、東經(jīng)105°27′～106°58′之間，位于四川盆地東北部，嘉陵江中游，南北跨度165 km，東西跨度143 km，總面積12 477 km2[9]。地貌類型以丘陵為主，高丘低山、中丘中谷、低丘帶壩類型大體各占1/3，屬于中亞熱帶濕潤季風(fēng)氣候區(qū)，四季分明，雨熱同季，年平均氣溫17℃左右，年降雨量1100 mm[10]。南充市轄3個市轄區(qū)(順慶區(qū)、嘉陵區(qū)、高坪區(qū))，5個縣，代管閬中市[11]。

2 研究方法

2.1 數(shù)據(jù)來源

本研究數(shù)據(jù)主要來源為地理空間數(shù)據(jù)云(http://www.gscloud.cn)與中國資源衛(wèi)星應(yīng)用中心(http://www.cresda.com)。獲取了30 m×30 m分辨率的數(shù)字高程模型(Digital Elevation Model，DEM)和2014年、2017年、2019年三期成像較為清晰、含云量在5%以下的高分一號(Gaofen-1 satellite) WFV傳感器數(shù)據(jù)[12]，空間分辨率為16 m×16 m，如表1。此外，從國家基礎(chǔ)地理信息中心獲取國家基礎(chǔ)地理信息系統(tǒng)1∶400萬數(shù)據(jù)，包括國家、省市、縣鄉(xiāng)、水系等矢量輔助數(shù)據(jù)。

表1 遙感影像數(shù)據(jù)

2.2 分類方法選取

根據(jù)研究區(qū)域特點，結(jié)合遙感影像可區(qū)分性[13]，將研究區(qū)域分為建筑用地、林地、水域、耕地、裸地五大類。通過對傳統(tǒng)分類方法最大似然法(maximum likelihood classification)、Softmax分類器法、SVM分類法隨機森林法(Random Forest Classification，RFC)進行分類比較最終擇優(yōu)選取隨機森林法作為本研究的分類方法。

隨機森林是由Leo Breiman和Adele Cutler于2001年提出的一種集成學(xué)習(xí)方法[14]，是一種基于分治法原理的集成學(xué)習(xí)策略，由若干決策樹集成的分類器。該方法通過自助法(bootstrap)抽樣從原始訓(xùn)練集中抽取k個樣本，且每個樣本的樣本容量均和原始訓(xùn)練集的大小一致，然后對每個樣本分別進行決策樹建模，得到k個建模結(jié)果最后利用所有決策樹的建模結(jié)果，再通過投票得到最終預(yù)測結(jié)果，有更好的泛化性能[15]。通過對比谷歌地球影像，更適用于本研究區(qū)域的分類提取。

2.3 城市景觀類型轉(zhuǎn)移矩陣

(注：式中i表示前一期景觀類型中的n種景觀類型，j表示后一期的景觀類型中的n種景觀類型，Sij為前一期數(shù)據(jù)的景觀類型i轉(zhuǎn)化為后一期數(shù)據(jù)的景觀類型j的面積)

2.4 景觀格局指數(shù)選取及計算方法

景觀格局分析主要從斑塊水平指數(shù)(patch level index)、景觀水平指數(shù)(landscape level index)和斑塊類型水平指數(shù)(class level index)三個不同層次來分析景觀格局變化[16]。本研究通過Fragstasts4.2 對研究區(qū)域景觀格局指數(shù)進行計算，從景觀生態(tài)學(xué)的角度對其城市演變進行分析[17]。根據(jù)研究目的，本研究僅選取數(shù)個斑塊類型指數(shù)和景觀水平指數(shù)作為分析方法。

斑塊類型水平指數(shù)選?。喊邏K類型面積(Class Area,CA)、斑塊所占景觀面積比例(Percentage of Landscape,PLAND)、斑塊數(shù)量(Number of Patches,NP)、最大斑塊指數(shù)(Largest Patch Index,LPI)、景觀形狀指數(shù)(Landscape Shape Index,LSI)、周長-面積分維數(shù)指數(shù)(Perimeter-Area Fractal Dimension,PAFRAC)、景觀聚集度指數(shù)(Aggregation Index,AI)、散布與并列指數(shù)(Interspersion Juxtaposition Index,IJI)[18-19]，如表2。景觀水平指數(shù)選?。喊邏K密度(Patch Density,PD)、周長-面積分維數(shù)指數(shù)、蔓延度指數(shù)(Contagion Index,CONTAG)[20]、分離度指數(shù)(Splitting Index,SPLIT)、香農(nóng)多性指數(shù)(Shannon's Diversity Index,SHDI)和香農(nóng)均勻度指數(shù)(Shannon's Evenness Index,SHEI)[21-22]，如表3。

表2 斑塊類型水平指數(shù)

表3 景觀水平指數(shù)

3 結(jié)果與分析

3.1 研究區(qū)景觀類型變化

景觀類型分類結(jié)果見圖1。通過混淆矩陣計算得到2014年、2017年、2019年三期分類結(jié)果的總體精度分別為81.61%、83.90%、83.36%，Kappa系數(shù)分別為0.744 7、0.775 8、0.758 1。2014～2019年研究區(qū)域景觀類型變化復(fù)雜，因此利用ENVI5.5的Change Detection Difference工具分別計算2014～2017年、2017～2019年、2014～2019年研究區(qū)域的景觀類型轉(zhuǎn)移矩陣。

圖1 南充市區(qū)2014～2019年景觀格局類型

3.2 景觀格局轉(zhuǎn)移矩陣

由表4可知，2014～2017年林地面積減少了93.37 km2，建筑用地、耕地、裸地、水域面積均有增加，其中建筑用地面積增加最多為67.54 km2。從景觀類型相互轉(zhuǎn)化的角度看，耕地與林地的流轉(zhuǎn)量最大，分別為380.79 km2和367.93 km2，其中耕地主要流轉(zhuǎn)為林地和建筑用地，也有部分林地流轉(zhuǎn)為耕地。表明在該時間段，在耕地與林地相互轉(zhuǎn)換的同時，城市也在快速發(fā)展。

表4 研究區(qū)2014～2017年景觀類型轉(zhuǎn)移矩陣

由表5可知，2017～2019年林地面積再次減少，減少了118.15 km2，同時裸地也減少了19.53 km2，建筑用地增加了23.72 km2。其中裸地主要向建筑用地流出，可能是因為其他景觀類型轉(zhuǎn)向裸地，最后補充入建筑用地，反映了城市擴張的過程。從景觀類型轉(zhuǎn)化的角度看，2017～2019年同樣是耕地與林地流轉(zhuǎn)面積最多，分別為312.91 km2和334.32 km2，耕地主要也是向建筑用地流動并且和林地進行相對穩(wěn)定的轉(zhuǎn)化，水域面積變化不明顯，裸地主要向耕地轉(zhuǎn)化。

表5 研究區(qū)2017～2019年景觀類型轉(zhuǎn)移矩陣

3.3 各區(qū)景觀類型變化分析

由圖2可知，2014～2019年三區(qū)建筑用地均呈現(xiàn)上升趨勢，林地面積均有不同程度減少，其中高坪區(qū)減少最為顯著，由2014年的343.41 km2減少至2019年的203.32 km2。水域、耕地均處于較低比例且變化相對較小。高坪區(qū)耕地增加顯著，由383.88 km2增至469.99 km2。嘉陵區(qū)耕地與林地面積變化幅度較小且總量一直為三區(qū)中最高。說明2014～2019年高坪區(qū)景觀類型變化最為明顯，順慶區(qū)各景觀類型變化相對平穩(wěn)，嘉陵區(qū)植被覆蓋度最高且受到人為影響小。

圖2 各區(qū)景觀類型占比

3.4 景觀格局動態(tài)分析

3.4.1 景觀水平動態(tài)分析

由表6可知，從研究區(qū)域的景觀層次看，2014年的斑塊總量(NP)為148 310個，2017年為181 086個，斑塊數(shù)量呈現(xiàn)顯著增加，同時景觀斑塊密度(PD)也明顯增加，說明2014～2017年期間，研究區(qū)域城市景觀破碎化程度增加，表明在經(jīng)濟社會發(fā)展的推動下，人類活動的影響增大導(dǎo)致景觀異質(zhì)化程度上升，使生態(tài)環(huán)境的凈化能力下降。2019年NP值下降至130178個，PD值也明顯下降，表明景觀破碎化程度在2017～2019年有所下降，斑塊連續(xù)性增強。2014～2019年期間研究區(qū)域的周長-面積分維數(shù)(PAFRAC)基本趨勢是先增加后減小，但變化幅度都比較小，表明人類活動對城市景觀形狀復(fù)雜程度無顯著影響。2014～2019年景觀蔓延度(CONTAG)呈現(xiàn)先下降后上升的趨勢，這表明某一種優(yōu)勢景觀類型是集聚的并且有良好的連通性，同期景觀分離指數(shù)(SPLIT)呈現(xiàn)下降趨勢，說明城市化的發(fā)展使得一些小斑塊聚集，景觀破碎化程度降低。

表6 景觀水平指數(shù)分析結(jié)果

香農(nóng)多樣性指數(shù)(SHDI)與香農(nóng)均勻度指數(shù)(SHEI)能反應(yīng)景觀類型的異質(zhì)性[23]。2014～2017年SHDI和分別增長了0.064和0.039 9，這說明研究區(qū)域景觀類型的豐富程度和程度在有所上升，表明景觀破碎程度在增加。2019年SHID與SHEI值均有所下降，但是降幅很小，表明城市景觀總體豐富度變化不大，整體景觀類型之間增補保存相對穩(wěn)定。

3.4.2 斑塊水平動態(tài)分析

基礎(chǔ)指數(shù)分析：2014年林地與耕地斑塊面積(CA)基本持平并占主導(dǎo)地位，且景觀百分比指數(shù)(PLAND)分別為42.98%、47.76%。從景觀水平看，自2014年以來林地的PLAND值持續(xù)減小，耕地、水域、建筑用地的CA值與PLAND值在逐漸增大，同時裸地基本保持穩(wěn)定。表明研究區(qū)域建筑用地呈現(xiàn)增長趨勢，人類對生態(tài)環(huán)境的影響加劇。

從景觀破碎化指數(shù)分析，斑塊數(shù)(NP)與景觀的破碎程度呈正相關(guān)，最大斑塊指數(shù)(LPI)也在一定程度上反映景觀破碎程度。在2014～2019年期間建筑用地、林地、裸地斑塊個數(shù)均是先增加后減少，耕地斑塊個數(shù)呈現(xiàn)下降趨勢，水域斑塊個數(shù)呈上升趨勢；耕地、裸地、水域最大斑塊指數(shù)趨于穩(wěn)定，林地最大斑塊指數(shù)先減少后增加，而建筑用地最大斑塊指數(shù)呈上升趨勢。以上數(shù)據(jù)變化表明，研究區(qū)域在城市發(fā)展過程中，景觀破碎化程度先由城市建筑分散狀崛起與人類毀林開荒等活動的影響而上升，再由開墾地區(qū)、分散建筑連接閉合而導(dǎo)致景觀破碎化程度開始下降。研究區(qū)域破碎化程度一直保存在一個偏高的狀態(tài)，這與該地區(qū)地形山地、丘陵偏多有一定的聯(lián)系。

景觀形狀分析，周長-面積分維數(shù)(PAFRAC)的值介于1和2之間，數(shù)值越趨于1，斑塊形狀越有規(guī)律，表明受到干擾的程度越大[24]。景觀形狀指數(shù)(LSI)，數(shù)值越大代表形狀不規(guī)則程度越大。2014年LSI值由大到小依次為耕地、林地、建筑用地、裸地、水域，其中耕地和林地LSI值相近且較高，分別為356.29和336.78，與其他景觀類型形狀相比，其較復(fù)雜，非常不規(guī)則。水域PAFRAC值最低，為1.329，表明其邊界最穩(wěn)定。2017年LIS值的由大到小排序沒有變化，但除了水域與林地2014年基本持平以外，耕地、建筑用地、裸地的LSI值有顯著上升，表明它們形狀規(guī)則程度變差，各景觀類型的RAFRC值無明顯變化，說明各個景觀類型邊界復(fù)雜程度無明顯變化。2017年除了水域的PAFRC值與LSI值略有上升，其它各景觀類型均有所下降。2014～2019年期間耕地、林地、裸地、建筑用地的LSI值均呈現(xiàn)先增加后減小的趨勢，說明城市發(fā)展過程中，景觀形狀復(fù)雜程度有一個先變大后變小的過程。

從景觀聚散性分析，散布與并列指數(shù)(IJI)與聚合度指數(shù)(AI)的值與聚集程度程正相關(guān)[25]。2014～2019年建筑用地的IJI值有顯著下降，說明建筑用地與其他景觀類型的鑲嵌度降低，耕地的IJI值顯著增加，說明耕地與其他景觀類型的連續(xù)性減小，這與城市發(fā)展建筑面積增加、人類開荒有一定關(guān)系。水域、耕地、林地的IJI值無明顯變化，其中林地的IJI值一直保持較低水平，說明林地與其他斑塊的鑲嵌度一直比較低。2014～2019年各景觀類型的AI值均無顯著變化，其中耕地、水域、林地一直都在80%以上相對較高，說明這三個景觀類型的分布比較集中，多呈現(xiàn)大面積斑塊集中分布。

表7 斑塊類型水平指數(shù)分析結(jié)果

續(xù)表7

3.5 驅(qū)動力分析

3.5.1 社會經(jīng)濟驅(qū)動因素

人口變化是城市景觀格局變遷的主要驅(qū)動因素之一，也是對土地利用變化影響最為典型的因素[26]。根據(jù)南充市統(tǒng)計局的統(tǒng)計數(shù)據(jù)，由圖3可知，2013～2019年間，研究區(qū)年末常住人口由191.71萬人增長至196萬人。其中，城鎮(zhèn)人口的數(shù)量不斷增加，從106.28萬增加倒119.50萬，這加劇了建設(shè)用地的需求。因此建筑用地和耕地的大量增加可以得到一定的解釋，城市人口增長使人地關(guān)系更加緊張，人們對資源的需求加大，從而迫使人類對土地資源開發(fā)和調(diào)整。

圖3 研究區(qū)人口變化情況

經(jīng)濟發(fā)展也是促進城市景觀格局變遷的重要驅(qū)動因素。2013年，研究區(qū)的GDP值為476.50億元，2019年增長至847.38億元。由圖4可知，研究區(qū)各產(chǎn)業(yè)產(chǎn)值均呈現(xiàn)增加的趨勢。其中第三產(chǎn)業(yè)增速較快，在2017年后超越第二產(chǎn)業(yè)的產(chǎn)值，打破了以第二產(chǎn)業(yè)為主導(dǎo)的產(chǎn)業(yè)結(jié)構(gòu)。期間裸地波動、建筑用地的增加，說明經(jīng)濟的發(fā)展促進了產(chǎn)業(yè)類型的轉(zhuǎn)變，土地資源重新分配和調(diào)整。與此同時為了協(xié)調(diào)人與環(huán)境的關(guān)系，在景觀改造方面得到了更多的資金投入，這也從2017年來景觀破碎化程度降低的原因之一。

圖4 各產(chǎn)業(yè)產(chǎn)值變化情況

3.5.2 政策規(guī)劃驅(qū)動因素

《四川省南充市土地利用總體規(guī)劃(2006-2020年)》提出“嚴(yán)格保護耕地特別是基本農(nóng)田；促進土地節(jié)約集約利用；統(tǒng)籌城鄉(xiāng)土地利用；協(xié)調(diào)區(qū)域土地利用；堅持土地利用與生態(tài)保護結(jié)合”的土地利用戰(zhàn)略，保證了研究區(qū)域一定程度的耕地保有量并呈現(xiàn)增加趨勢。。“十三五”期間南充市發(fā)展改革委員會提出“實施城鄉(xiāng)統(tǒng)籌發(fā)展行動；優(yōu)化完善城市發(fā)展規(guī)劃；加快山水田園城市建設(shè)；推動縣域經(jīng)濟特色發(fā)展、 錯位發(fā)展、競相發(fā)展；加快中小城鎮(zhèn)和幸福美麗新村建設(shè)；促進城鄉(xiāng)公共資源均衡配置?！钡闹笇?dǎo)方針，對研究區(qū)景觀格局變化以及城市進程起到了重要的作用。

4 結(jié) 論

通過對南充市區(qū)2014～2019年景觀格局動態(tài)分析得出主要結(jié)論如下。

4.1 景觀類型轉(zhuǎn)移矩陣

南充市區(qū)以耕地、林地為主要景觀類型，總體植被覆蓋率高。建筑用地呈現(xiàn)平穩(wěn)擴張趨勢，且表現(xiàn)出依次由林地流向耕地，再流向裸地，最終轉(zhuǎn)化為建筑用地的現(xiàn)象。

4.2 景觀格局動態(tài)分析

研究區(qū)域景觀破碎化程度整體一直保存在一個偏高的狀態(tài)，這與該地區(qū)地形山地、丘陵偏多有關(guān)。景觀破碎化程度先由城市建筑分散狀崛起與人類毀林開荒等活動的影響而上升，再由開墾地區(qū)、分散建筑連接閉合而導(dǎo)致景觀破碎化程度開始下降。反應(yīng)了城市發(fā)展過程中的景觀生態(tài)學(xué)特征。

4.3 驅(qū)動力分析

社會經(jīng)濟和政策規(guī)劃因素對城市景觀格局變化起著重要作用，良好的管理和規(guī)劃干預(yù)對城市生態(tài)建設(shè)具有積極影響。

4.4 本研究仍然存在一些方面的局限與不足

(1)遙感影像精度受限。本研究使用GF-1衛(wèi)星WFV傳感器16m×16m空間分辨率，且僅有4個波段，由于南充市的山地丘陵偏多的特點，導(dǎo)致某些地物類型圖像顯示效果不佳，同時目視解譯及分類樣本訓(xùn)練時不可避免地出現(xiàn)誤差。(2)遙感影像時相的影響。由于季節(jié)的原因植被生長狀況不同、農(nóng)作物收割等原因可能導(dǎo)致部分景觀分類有偏差。希望今后的研究者根據(jù)研究區(qū)域?qū)嶋H情況合理選用數(shù)據(jù)源和分析方法。