宋 奇, 史 舟, 馮春暉, 馬自強(qiáng), 紀(jì)文君,彭 杰, 高 琪, 蔣學(xué)瑋
(1.塔里木大學(xué)園藝與林學(xué)學(xué)院,新疆 阿拉爾 843300;2.浙江大學(xué)環(huán)境與資源學(xué)院,浙江 杭州 310058;3.塔里木大學(xué)農(nóng)學(xué)院,新疆 阿拉爾 843300;4.北京大學(xué)地球與空間科學(xué)學(xué)院遙感與地理信息系統(tǒng)研究所,北京 100871;5.中國農(nóng)業(yè)大學(xué)土地科學(xué)與技術(shù)學(xué)院,北京 100193;6.新疆昌吉州地質(zhì)環(huán)境監(jiān)測站,新疆 昌吉 831100)
全球變暖、冰川融化、生物多樣性降低等生態(tài)環(huán)境問題日益突出,加之頻繁的人類活動(dòng),打破了正常的生態(tài)平衡,區(qū)域生態(tài)環(huán)境逐漸惡化[1-3],對世界景觀格局造成不小的影響[4-6]。為探明全球變暖環(huán)境下生態(tài)環(huán)境所受的影響,有必要對區(qū)域景觀格局進(jìn)行分析,探索人類活動(dòng)對景觀生態(tài)系統(tǒng)的影響[7-9]。對景觀格局信息的提取和分析不僅能夠表征空間的復(fù)雜性而且也決定著生態(tài)系統(tǒng)中資源環(huán)境的分布情況。對景觀格局進(jìn)行研究,能在無序的景觀斑塊鑲嵌中發(fā)現(xiàn)潛在的生態(tài)學(xué)意義和景觀規(guī)律[10-11]。其中,區(qū)域景觀分類是分析景觀格局變化的基礎(chǔ)[12],傳統(tǒng)地面調(diào)查方法不僅費(fèi)時(shí)費(fèi)力而且適用范圍較小。隨著遙感技術(shù)的應(yīng)用,遙感影像數(shù)據(jù)以其低成本、獲取方式便捷、覆蓋范圍廣、具有長時(shí)間序列等諸多優(yōu)勢,成為景觀格局變化分析中首選的數(shù)據(jù)源[13-15]。
已有相關(guān)研究[16-20]表明,目前景觀格局研究的遙感數(shù)據(jù)源多為典型的時(shí)間斷面數(shù)據(jù),以基于像元的分類方法對長時(shí)序的區(qū)域景觀格局變化進(jìn)行分析。然而,景觀格局的變化很多情況下并不是在關(guān)鍵年份發(fā)生的,典型的時(shí)間斷面數(shù)據(jù)很容易遺漏關(guān)鍵節(jié)點(diǎn)信息,難以把握準(zhǔn)確的景觀格局變化情況,對連續(xù)性信息的把握不足[21]。此外,基于像元的分類方法(例如支持向量機(jī)分類方法)容易出現(xiàn)碎斑,分類后處理相對繁瑣,容易導(dǎo)致分類后精度偏低,最終影響區(qū)域景觀格局的分析。
阿拉爾墾區(qū)從地理方位來看,南抵塔克拉瑪干沙漠,北靠天山山脈,具有不可替代的景觀生態(tài)屏障功能。墾區(qū)受人類活動(dòng)影響較大,區(qū)域內(nèi)的植被以人工植被為主,自然植被很少,景觀結(jié)構(gòu)單一,生態(tài)環(huán)境較為脆弱,景觀格局變化較大。因此,本研究選擇西北地區(qū)典型人工綠洲阿拉爾墾區(qū)為例,對長時(shí)序區(qū)域景觀格局變化信息進(jìn)行分析,能為西北干旱地區(qū)相關(guān)研究提供一定的參考價(jià)值。
本研究獲取阿拉爾墾區(qū)近30 a 所有可用的Landsat 遙感影像,共226 景。對其逐年進(jìn)行NDVI最大值合成,由此得到連續(xù)30 a 長時(shí)間序列的數(shù)據(jù)源,并對比多時(shí)相面向?qū)ο蟆⒍鄷r(shí)相基于像元和單時(shí)相面向?qū)ο? 種分類方法的精度,選取本區(qū)域精度最高的分類方法進(jìn)行景觀分類,進(jìn)而得到1990—2019年間阿拉爾墾區(qū)的景觀分類結(jié)果,以此分類結(jié)果分別從斑塊類型、景觀水平和空間分布3 方面對研究區(qū)景觀格局信息進(jìn)行深入分析,并通過累積距平法探明區(qū)域景觀格局的突變信息,并檢驗(yàn)了其突變點(diǎn)的真?zhèn)?。本文以連續(xù)長時(shí)間序列和NDVI最大值合成為創(chuàng)新點(diǎn)進(jìn)行區(qū)域景觀格局分析,能夠從數(shù)據(jù)源開始就提高景觀格局信息的精確度,以此保證后續(xù)景觀格局分析的可靠性。
阿拉爾墾區(qū)位于阿克蘇河、和田河及葉爾羌河的三河交匯處,地理位置為40°22′~40°57′N,80°30′~81°58′E(圖1),總面積4105.92 km2,地勢呈西北高東南低走向,平均海拔1012 m,生態(tài)系統(tǒng)屬于荒漠-綠洲型,土壤類型主要為砂壤土,水資源分布主要以塔里木河及勝利、多浪和上游三大平原水庫為主。研究區(qū)地處歐亞大陸腹地,塔克拉瑪干沙漠北緣,屬暖溫帶極端大陸性干旱荒漠氣候,氣象多變,常有沙暴、揚(yáng)塵和霜凍等自然災(zāi)害,全年降水少而蒸發(fā)大。阿拉爾墾區(qū)以棉花和紅棗種植為主,是中國最大的長絨棉種植基地[22]。此外,有小面積種植香梨、蘋果、葡萄、玉米、小麥、高粱等作物。
圖1 阿拉爾墾區(qū)位置示意圖Fig.1 Location map of Alar Reclamation Area
獲取1990—2019年南疆阿拉爾墾區(qū)(軌道號為146—32)空間分辨率為30 m 的Landsat 5、7 和8 所有遙感影像,為提高后期遙感影像分類的判讀精度,從所有影像中篩選出226 景云量低于40%的遙感影像作為本文基礎(chǔ)數(shù)據(jù),其中各年遙感影像的云覆蓋率情況及影像數(shù)如圖2所示。
圖2 遙感數(shù)據(jù)Fig.2 Remote sensing data
首先獲取1990—2019 年所有Landsat 遙感影像,從中篩選出226 景可用影像,在ENVI 軟件中將本文獲取的所有遙感影像(共226景)逐一進(jìn)行輻射定標(biāo)、大氣校正、圖像配準(zhǔn)、裁剪等影像預(yù)處理操作,進(jìn)而逐一提取歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI),其計(jì)算公式為:
式中:NIR為Landsat近紅外波段反射率;R為紅光波段反射率。
相關(guān)合成的流程如圖3 所示,得到30 a 間連續(xù)時(shí)間序列的NDVI合成圖(圖4)。從NDVI合成圖中可看出,多時(shí)相遙感影像合成圖不僅消除了云量的影響,而且圖像中的植被覆蓋度更高,有利于后期景觀分類。
圖3 技術(shù)流程圖Fig.3 Technique flow chart
圖4 NDVI最大值合成圖Fig.4 Maximum NDVI composite
將1990—2019年各年份的NDVI年際變化信息(圖5)進(jìn)行匯總,可以明顯發(fā)現(xiàn)近30 a 間,阿拉爾墾區(qū)的NDVI 處于增加的趨勢,從1990 年的0.1661增加到2019 年的0.4319,植被覆蓋度有明顯的增加趨勢。
圖5 1990—2019年阿拉爾墾區(qū)NDVI年際變化Fig.5 Annual variation of NDVI in Alar Reclamation Area from 1990 to 2019
參考《新疆生產(chǎn)建設(shè)兵團(tuán)統(tǒng)計(jì)年鑒》(1990—2019)中的土地利用情況、研究區(qū)地表分布特點(diǎn)和新疆已有案例[23-24]中的分類方法,選用面向?qū)ο蠓诸惙椒ㄟM(jìn)行景觀分類。該分類方法是綜合考慮各景觀類型的光譜、形狀和灰度值等特征,利用eCognition軟件對多時(shí)相遙感影像進(jìn)行多尺度分割,經(jīng)過多次測試,通過ESP(Estimation of Scale Parameter)評價(jià)工具找到最佳分割尺度,選用面向?qū)ο蟮碾S機(jī)森林(Random Forest)分類算法對其進(jìn)行信息提取。本區(qū)域的耕地、林草地、園地和非植被的NDVI值不同,由此對其進(jìn)行分類;此外,水體、建設(shè)用地和未利用地的幾何和紋理特征區(qū)別較大,以此作為這3類用地的分類依據(jù),構(gòu)建合理的影像分類規(guī)則,進(jìn)行景觀分類。
參考已有案例[25],分別從斑塊類型水平和景觀水平對阿拉爾墾區(qū)景觀格局變化特征進(jìn)行定量分析。選用常用的景觀指數(shù)[26]進(jìn)行分析,分別從景觀破碎度、優(yōu)勢度、復(fù)雜度、聚合度、連通性和多樣性方面體現(xiàn)研究區(qū)的景觀格局變化情況。由于本研究的時(shí)間序列較長,在長時(shí)序的景觀格局變化中很可能會(huì)出現(xiàn)突變現(xiàn)象,我們選用累積距平法[27]探明研究區(qū)的景觀格局突變情況,計(jì)算公式如下:
式中:LRi為第i年的距平累積值;Ri為第i年的景觀指數(shù)值;為景觀指數(shù)序列的多年平均值。
為了驗(yàn)證所得突變點(diǎn)的可靠性,筆者對累積距平法所得的突變點(diǎn)進(jìn)行驗(yàn)證[28],保證所得結(jié)果的可靠性;最后對景觀指數(shù)進(jìn)行可視化分析,選用不同大小的移動(dòng)窗口,所得結(jié)果不同,因此在對比不同的移動(dòng)窗口后,篩選出最佳窗口來反映景觀空間格局的空間變化特征。最終從景觀破碎度、優(yōu)勢度、復(fù)雜度、聚合度、連通性、多樣性、突變點(diǎn)和空間分布等方面綜合分析阿拉爾墾區(qū)景觀格局變化特征。
以2019年為例,參考高分遙感影像并對研究區(qū)進(jìn)行實(shí)地調(diào)查后,在基于像元的分類方法中共選取723951 個(gè)分類樣本,其中耕地有173940 個(gè),林草地有131591 個(gè),園地有135138 個(gè),水體有139291 個(gè),建設(shè)用地有17488 個(gè),未利用地有126503 個(gè),進(jìn)而得到相對應(yīng)的分類后結(jié)果,最后對3 種分類方法所得結(jié)果進(jìn)行對比(圖6)。從圖中可以明顯看出,多時(shí)相面向?qū)ο蠓诸惙椒ǖ姆诸惤Y(jié)果最佳,而多時(shí)相基于像元和單時(shí)相面向?qū)ο蟮姆诸惤Y(jié)果較為破碎,容易出現(xiàn)“錯(cuò)分”和“漏分”現(xiàn)象。
圖6 3種分類方法的分類后結(jié)果比較Fig.6 The results of three classification methods were compared
隨機(jī)選取阿拉爾墾區(qū)351173個(gè)驗(yàn)證樣本,選用常用的混淆矩陣方法對分類后結(jié)果進(jìn)行精度評價(jià)。從精度評價(jià)結(jié)果中得出多時(shí)相面向?qū)ο蠓诸惙椒ǖ目傮w精度和Kappa 系數(shù)最高,分別為96.57%和0.95,說明利用多時(shí)相面向?qū)ο蠓诸惙椒ㄟM(jìn)行景觀分類能夠有效區(qū)分不同的景觀類型,分類結(jié)果可靠。此外,最優(yōu)分類方法多時(shí)相面向?qū)ο蠓诸惙椒ǖ目傮w精度相較于多時(shí)相基于像元分類方法提高了7%,Kappa系數(shù)相較于多時(shí)相基于像元分類方法提高了0.11,各景觀類型的生產(chǎn)者精度均得到不同程度的提高;相較于單時(shí)相面向?qū)ο蠓诸惙椒ㄌ岣吡?2.22%,Kappa系數(shù)提高了0.25。
多時(shí)相面向?qū)ο蠓椒ǖ脑敿?xì)精度評價(jià)情況如表1 所示。從表中可以看出,該最優(yōu)分類方法的總體精度OA達(dá)到了98.79%。同時(shí)各類型的用戶精度UA 和制圖精度PA 均在90%以上,說明該分類方法在本研究區(qū)是可行的。但水體和未利用地之間容易混淆,這是因?yàn)榘⒗瓲枆▍^(qū)水體附近存在小面積濕地,很容易被錯(cuò)分成為未利用地,但對整個(gè)研究區(qū)而言,被錯(cuò)分的濕地面積較小,不影響整體分類結(jié)果。同理,其他歷史年份均按此方法重新建立樣本和規(guī)則,逐年進(jìn)行分類,即1990—2019 年共建立30 次分類樣本進(jìn)行景觀分類。參考新疆現(xiàn)有案例[29-30]中的分類情況對本文的分類結(jié)果進(jìn)行精度對比,對每年的分類結(jié)果重新建立精度評價(jià)混淆矩陣,保證每年分類的用戶精度、制圖精度和總體分類精度均在85%以上。
表1 阿拉爾墾區(qū)用地類型精度評價(jià)Tab.1 Evaluation of land type accuracy in Alar Reclamation Area
圖7為30 a間阿拉爾墾區(qū)在類型水平上的景觀格局指數(shù)變化情況。(1)斑塊密度(PD):耕地、林草地和園地的斑塊密度較大。30 a 間,耕地類型的斑塊密度數(shù)值呈現(xiàn)出增加的趨勢,說明耕地類型的景觀趨于破碎化;園地類型的斑塊密度數(shù)值在2005年發(fā)生突變,數(shù)值突然增大,這很可能是與2005 年的政策導(dǎo)向有關(guān),紅棗單價(jià)上漲,致使部分耕地轉(zhuǎn)變?yōu)閳@地[31-32],而水體、建設(shè)用地和未利用地的斑塊密度數(shù)值變化較小,30 a 間沒有明顯的變化趨勢。(2)最大斑塊指數(shù)(LPI):從最大斑塊指數(shù)的數(shù)值變化情況來看,未利用地類型的最大斑塊指數(shù)明顯大于其他景觀類型,但整體呈現(xiàn)出下降的趨勢;此外,園地類型的數(shù)值整體呈現(xiàn)出上升的趨勢。30 a 間,林草地類型在1994年出現(xiàn)了有史以來的最大值,而2017年的數(shù)值最小,出現(xiàn)最大值和最小值的可能原因是墾區(qū)最開始不斷開荒擴(kuò)地,后面未利用地的開墾速度降低,耕地的開源主要是林草地的轉(zhuǎn)化。相比之下,水體和建設(shè)用地類型的最大斑塊指數(shù)基本沒有變化。(3)面積加權(quán)平均分維數(shù)(FRAC_AM):林草地和園地的分維數(shù)明顯高于其他類型,表明林草地和園地的景觀斑塊形狀最復(fù)雜。30 a間,耕地、建設(shè)用地和未利用地的分維數(shù)都有所增加,而水體的分維數(shù)呈現(xiàn)出減少的趨勢。(4)聚集度指數(shù)(COHESION):園地類型在1990—1999 年的數(shù)值呈現(xiàn)出增加的趨勢,說明此期間園地的聚合性增強(qiáng)。
圖7 阿拉爾墾區(qū)在斑塊類型水平上的景觀格局指數(shù)變化Fig.7 Index change of landscape pattern at patch type level in Alar Reclamation Area
30 a 間,研究區(qū)在景觀水平上的指數(shù)變化情況如圖8 所示。斑塊個(gè)數(shù)(NP)呈現(xiàn)出波動(dòng)式上升的趨勢,說明區(qū)域內(nèi)的景觀碎斑有所增加;景觀形狀指數(shù)(LSI)同斑塊個(gè)數(shù)呈現(xiàn)出相似的變化趨勢,說明研究區(qū)景觀斑塊呈現(xiàn)出一定的復(fù)雜性;聚集度指數(shù)(CONTAG)呈現(xiàn)出明顯的減小趨勢,說明研究區(qū)近年來出現(xiàn)了較多的小斑塊,而大型斑塊的數(shù)量在減少,整體空間分布較為破碎;香農(nóng)多樣性指數(shù)(SHDI)整體上處于增加的趨勢,說明研究區(qū)異質(zhì)性有所增強(qiáng)。
圖8 阿拉爾墾區(qū)在景觀水平上的景觀格局指數(shù)變化Fig.8 Index change of landscape pattern at landscape level in Alar Reclamation Area
圖9為利用累積距平法進(jìn)行突變點(diǎn)檢驗(yàn)所得的結(jié)果,從圖9a、圖9b、圖9d中可以看出,以2005年為界,累積距平呈現(xiàn)出先降后增的趨勢;由此說明阿拉爾墾區(qū)在1990—2019年間的景觀破碎度、復(fù)雜度和多樣性呈現(xiàn)出了先降低后增加的趨勢;圖9c的曲線變化情況剛好相反,同樣以2005 年為界,在2005年之前曲線呈現(xiàn)出一定的增加趨勢,在2005年之后呈現(xiàn)出下降的趨勢;由此可以看出,2005 年為阿拉爾墾區(qū)的突變年份,區(qū)域景觀連通性呈先增后降的趨勢。研究區(qū)從2004 年下半年開始大面積荒地被開墾為農(nóng)田,2005 年開始種植農(nóng)作物,農(nóng)作物種植面積急劇增加,從而植被覆蓋度增加,致使阿拉爾墾區(qū)的景觀破碎度、復(fù)雜度和多樣性顯著增加,最終導(dǎo)致阿拉爾墾區(qū)的景觀格局發(fā)生了明顯的突變現(xiàn)象。本研究使用累積距平法對該突變點(diǎn)進(jìn)行檢驗(yàn),驗(yàn)證其真?zhèn)?,以保證研究的可靠性。我們將1990—2019年的連續(xù)時(shí)間序列數(shù)據(jù)以2005年為界,分為兩個(gè)子時(shí)間序列,結(jié)合SPSS軟件中的K-S兩樣本檢驗(yàn)法對兩子時(shí)間序列進(jìn)行差異性檢驗(yàn),所得結(jié)果如表2所示,從表中可以看出,各指數(shù)的雙尾顯著性檢驗(yàn)(sig)均低于0.05,說明兩個(gè)子時(shí)間序列的差異性顯著,所得結(jié)果可靠。
圖9 阿拉爾墾區(qū)在景觀水平上的突變分析Fig.9 Analysis of abrupt change at landscape level in Alar Reclamation Area
表2 雙樣本K-S檢驗(yàn)結(jié)果Tab.2 Result of K-S test for two-independent samples
在對景觀指數(shù)進(jìn)行可視化分析中,移動(dòng)窗口大小的選擇很重要,選用不同的移動(dòng)窗口所得的景觀格局圖差異顯著,經(jīng)過不斷的調(diào)試,對比在邊長為300 m、600 m、900 m、1200 m、1500 m 和1800 m,共計(jì)6 種正方形移動(dòng)窗下的景觀格局結(jié)果,最終選用1200 m進(jìn)行可視化分析,所得結(jié)果如圖10所示。
圖10 基于移動(dòng)窗口的景觀格局分布Fig.10 Landscape pattern distribution based on moving windows
過度的人類活動(dòng)造成斑塊破碎化,斑塊密度能夠反映出研究區(qū)景觀破碎化程度,對斑塊密度進(jìn)行分析能夠有效反映人類活動(dòng)強(qiáng)度和土地利用程度。由于研究區(qū)中部有塔里木河流,使得靠近水源的區(qū)域農(nóng)業(yè)發(fā)展更好,景觀結(jié)構(gòu)更為穩(wěn)定,同時(shí)人類活動(dòng)也更劇烈,從圖10a可以看出,中間塔里木河區(qū)域的斑塊密度更高,這很可能和近年來人類活動(dòng)不斷增強(qiáng),工業(yè)用地和農(nóng)田面積增加,然而阿拉爾墾區(qū)的工業(yè)廢水和農(nóng)業(yè)排水多是往偏遠(yuǎn)地區(qū)排放,導(dǎo)致偏遠(yuǎn)地區(qū)生長出零星的植物組團(tuán),植物多樣性增加,這些植被并不是連片分布,而是呈現(xiàn)出離散的空間分布趨勢,最終偏遠(yuǎn)地方的斑塊數(shù)量增加。
同理對香農(nóng)多樣性指數(shù)進(jìn)行空間可視化分析,所得結(jié)果如圖10b 所示,在中部塔里木河區(qū)域香農(nóng)多樣性指數(shù)的值會(huì)更高一些,整體呈現(xiàn)出以塔里木河為中心向四周不斷減弱的趨勢。這和中部人類活動(dòng)更頻繁,土地利用結(jié)構(gòu)更穩(wěn)固有關(guān),周邊區(qū)域多為未利用地,景觀結(jié)構(gòu)單一,開發(fā)空間充足。
大多數(shù)研究使用的遙感影像數(shù)據(jù)往往只有3~6景,這種分析只能體現(xiàn)景觀格局的大致演變趨勢,不能在長時(shí)間尺度下得到詳細(xì)的景觀格局演變特征,容易遺漏連續(xù)長時(shí)間序列中的關(guān)鍵“拐點(diǎn)”信息[33-36]。本文對研究區(qū)近30 a 的所有Landsat 遙感影像數(shù)據(jù)進(jìn)行了無差異下載,共使用226 景遙感數(shù)據(jù)參與研究區(qū)景觀格局演變分析,并將同一年中各月份影像進(jìn)行NDVI最大值合成,得到周年NDVI最大值合成的多時(shí)相影像。這種基于連續(xù)長時(shí)間序列的多時(shí)相遙感影像進(jìn)行的景觀格局分析,不僅能有效的彌補(bǔ)了以往基于3~6 景影像數(shù)據(jù)分析的不足,充分反映出研究區(qū)近30 a來景觀格局的細(xì)部變化特征,而且能夠避免由于不同作物生長旺季不同造成的“錯(cuò)分”現(xiàn)象[37-42]。
此外,在人為干擾影響較大的年份,如2005年,阿拉爾墾區(qū)景觀格局發(fā)生了明顯的突變現(xiàn)象,如果僅用少量的遙感影像數(shù)據(jù)進(jìn)行景觀格局分析,則不能有效捕捉研究區(qū)景觀格局的細(xì)部變化特征。因此,在進(jìn)行景觀格局變化分析時(shí),影像數(shù)據(jù)的時(shí)相選擇至關(guān)重要,直接關(guān)系到研究結(jié)果的準(zhǔn)確性和可靠性。
在景觀格局變化的驅(qū)動(dòng)機(jī)制方面:(1)滴灌技術(shù)的普及。2005 年以后,滴灌技術(shù)逐漸普及,不僅使得原先無法墾殖、地勢較高的土地可以墾殖了,而且地勢較低的、鹽堿重的區(qū)域也能墾殖,致使綠洲耕地面積不斷增加,未利用地面積不斷減少,景觀豐富度和異質(zhì)性逐漸增加。(2)種植業(yè)結(jié)構(gòu)的調(diào)整。如棉田向林果業(yè)調(diào)整對綠洲景觀產(chǎn)生了一定的影響,使得園地的斑塊密度、最大斑塊指數(shù)、分維數(shù)、聚集度指數(shù)增加,致使綠洲景觀的空間格局分布不均勻,景觀聚合性增強(qiáng)。(3)農(nóng)業(yè)技術(shù)進(jìn)步對景觀格局的影響。技術(shù)的進(jìn)步(滴灌普及)使得原本少雨、高溫、缺水的干旱區(qū)域大大提高了地下水的利用率,進(jìn)而影響到土壤和植被,致使研究區(qū)景觀豐富度和異質(zhì)性增加,對綠洲景觀的景觀格局造成了一定的影響。
景觀指數(shù)分析的客觀性:結(jié)合研究區(qū)的實(shí)際情況以及研究重點(diǎn),例如,本文對景觀斑塊數(shù)及其相關(guān)的斑塊密度進(jìn)行分析時(shí),著重對研究區(qū)所占面積比例較大的耕地、林草地和園地進(jìn)行了景觀格局分析,并對其三者之間的相互轉(zhuǎn)化進(jìn)行了解釋說明,而研究區(qū)中面積較小的水體和建設(shè)用地進(jìn)行了簡要介紹。因此,景觀指數(shù)分析存在一定的客觀性,不同的研究者分析,其結(jié)果差異顯著。
本研究對阿拉爾墾區(qū)近30 a間的景觀格局變化進(jìn)行分析研究,主要結(jié)論如下:
(1)對多時(shí)相面向?qū)ο蟆⒍鄷r(shí)相基于像元和單時(shí)相面向?qū)ο? 種分類方法的比較分析表明,多時(shí)相面向?qū)ο蠓椒ǖ姆诸惥茸罡?,總體精度為96.57%,Kappa 系數(shù)為0.95,較后兩者分別提高了7%、0.11和12.22%、0.25,有效避免了“椒鹽”現(xiàn)象以及植被物候差異造成的“漏分”和“錯(cuò)分”。
(2)從斑塊類型水平上看,1990—2019 年阿拉爾墾區(qū)耕地景觀趨于破碎化,未利用地優(yōu)勢度降低,園地和林草地的景觀形狀趨于復(fù)雜化,水體和建設(shè)用地的景觀趨于均衡化;從景觀水平上看,研究區(qū)景觀形狀趨于復(fù)雜化和破碎化,景觀連通性降低,景觀豐富度和異質(zhì)性增加;墾區(qū)景觀格局于2005 年發(fā)生突變,景觀破碎度、復(fù)雜度和多樣性顯著增加,景觀連通性降低。
(3)從空間分布方面看,塔里木河沿岸區(qū)域景觀指數(shù)空間分布較為均勻,人類活動(dòng)頻繁,景觀結(jié)構(gòu)完整,景觀格局呈現(xiàn)出以塔里木河沿岸區(qū)域?yàn)楹诵南蚱h(yuǎn)區(qū)域蔓延的趨勢,其中向東北和西南方向的擴(kuò)張趨勢更為明顯。