劉渺渺,梁冠敏,肖 瑤,武姿伊,胡喜生,林 森,巫志龍,2,*

1 福建農(nóng)林大學(xué)交通與土木工程學(xué)院, 福州 350002 2 國家林業(yè)和草原局杉木工程技術(shù)研究中心, 福州 350002

聯(lián)合國《生物多樣性公約》第十五次締約大會第一階段會議于2021年在中國昆明舉行,通過了《昆明宣言》;第二階段會議于2022年在加拿大蒙特利爾舉行,通過了《昆明-蒙特利爾全球生物多樣性框架》,會議倡議保護(hù)全球生物多樣性,引起高度關(guān)注。近年來,隨著氣候變化與快速城鎮(zhèn)化,森林破碎化現(xiàn)象日益增加,影響物種擴(kuò)散,生物多樣性受到了嚴(yán)重威脅[1]。已有研究表明,在高度破碎化的景觀中,維持較高的景觀連接度,有利于種群個體在殘留生境間的擴(kuò)散運(yùn)動,從而可有效地緩解片段化種群的局域滅絕風(fēng)險;在景觀破碎化加劇的背景下,分析景觀連接度的動態(tài)變化特征,對于生物多樣性保護(hù)和維持區(qū)域內(nèi)生態(tài)系統(tǒng)穩(wěn)定具有重要意義[2-3]。

1984年,Merriam[4]首次將景觀連接度的概念引入景觀生態(tài)學(xué)領(lǐng)域,被認(rèn)為是對景觀空間結(jié)構(gòu)單元相互之間連續(xù)性的一種測定指標(biāo)[5]。景觀連接度可定義為景觀促進(jìn)或阻礙生物體或某種生態(tài)過程在源斑塊間運(yùn)動的程度[6-7],實質(zhì)代表著物種遷徙和續(xù)存的能力,其變化會影響物種的遷移擴(kuò)散、搜尋、基因交流等生態(tài)過程[8-9],是目前景觀生態(tài)學(xué)的研究熱點(diǎn)[10]。景觀連接度包括結(jié)構(gòu)連接度和功能連接度[11]。其中,結(jié)構(gòu)連接度僅反映土地覆蓋類型在景觀中的空間連續(xù)性,而功能連接度結(jié)合結(jié)構(gòu)連接度與物種的生物學(xué)特性來確定景觀連續(xù)性[3]。早期的景觀連接度研究重點(diǎn)關(guān)注景觀結(jié)構(gòu)連接度,較少考慮生態(tài)過程[11],如使用景觀格局指數(shù)表征區(qū)域景觀結(jié)構(gòu)連接度的變化特征[12-13]。但是,傳統(tǒng)的基于景觀格局指數(shù)的景觀結(jié)構(gòu)連接度,不考慮動物通行阻抗,也忽略了異質(zhì)性景觀基質(zhì)對連接度的影響。近年來,已開發(fā)許多研究方法度量景觀功能連接度,如電流理論[14-15]、圖論法[16-17]、最小耗費(fèi)距離模型[18-19](Minimum Cumulative Resistance Model,MCR)等。MCR模型能夠根據(jù)生物體通過不同景觀單元時的阻力系數(shù),計算最小費(fèi)用線路,其本身就是功能連接度的度量,由于其簡潔的數(shù)據(jù)結(jié)構(gòu)、快速的運(yùn)算法則和直觀形象的結(jié)果,被認(rèn)為是進(jìn)行景觀連接度評價的最好工具之一[11],得到廣泛應(yīng)用[20]。富偉等[10]認(rèn)為許多模型能夠直接作為指數(shù)或者經(jīng)過改造成為指數(shù),最為普遍的是MCR模型,因為其本身就可以作為景觀阻力功能的量化指標(biāo)[20-22]。但其綜合阻力面構(gòu)建與目標(biāo)物種有關(guān),然而目前大多數(shù)研究均未涉及具體物種,這主要是由于野生動物數(shù)據(jù)缺乏[23]。已有學(xué)者以野生動物復(fù)合種群為目標(biāo)物種進(jìn)行研究,如Belote等[14]研究整個北美地區(qū)的地方和區(qū)域生態(tài)連通性,以野生動物復(fù)合種群為目標(biāo)物種,通過設(shè)置不同模型情景,對比確定了對整個北美生態(tài)連通性重要的地區(qū);劉伊萌等[24]基于林地和草地景觀,運(yùn)用最低成本路徑等方法,為四川省野生動物復(fù)合種群,構(gòu)建棲息地保護(hù)網(wǎng)絡(luò)。傅伯杰等[25]指出,復(fù)合種群理論是關(guān)于種群在景觀斑塊中運(yùn)動和消長的理論,是在斑塊生境中,空間上具有一定的距離,但彼此間通過擴(kuò)散個體相互聯(lián)系在一起的許多小種群或局部種群的集合。盡管MCR模型已應(yīng)用多年,但目前其主要應(yīng)用于生態(tài)廊道提取和生態(tài)安全格局構(gòu)建的分析方法體系中,用于景觀連接度分析相對較少。當(dāng)前,國內(nèi)外研究逐漸轉(zhuǎn)向景觀格局指數(shù)和功能連接度度量方法的耦合研究。但是,對將景觀格局指數(shù)和基于MCR模型的成本距離指數(shù)(Cost Distance Index,CD)兩種表征景觀連接度方法的對比研究并不多見,兩者的空間耦合關(guān)系還不清楚,哪種方法更能科學(xué)、客觀地解釋景觀連接度變化尚未知。為了在實際應(yīng)用中選擇更適宜的方法,這些問題是模擬林地景觀連接度時急需要解決的。

閩三角地區(qū)是海上絲綢之路及海峽西岸經(jīng)濟(jì)區(qū)的重要組成部分,山地與丘陵面積占比超過80%[26],森林景觀特征較為典型,但由于快速發(fā)展的城鎮(zhèn)化以及人為干擾,導(dǎo)致森林變化較為活躍,引發(fā)景觀破碎化,威脅野生動物復(fù)合種群的生存與發(fā)展,從而導(dǎo)致生物多樣性保護(hù)面臨巨大挑戰(zhàn)。鑒于此,本研究以閩三角地區(qū)為研究對象,以森林為生境的野生動物復(fù)合種群為目標(biāo)物種,基于歐式距離的景觀格局指數(shù)度量景觀結(jié)構(gòu)連接度,基于最小耗費(fèi)距離模型構(gòu)建的成本距離指數(shù)表征景觀功能連接度,研究閩三角地區(qū)林地景觀結(jié)構(gòu)與功能連接度時空變化特征及其空間耦合模式,對比不同方法在指示景觀連接度變化中的敏感性及適用性,以期為區(qū)域景觀連接度動態(tài)分析提供新思路,為閩三角地區(qū)生物多樣性保護(hù)提供科學(xué)參考依據(jù)。

1 研究區(qū)概況

閩三角地區(qū)(介于116°53′21″E-119°01′38″E,23°33′20″N-25°56′45″N之間)地處中國福建省東南沿海,包括廈門市、泉州市與漳州市(圖1),與臺灣隔海相望,被稱為“閩南金三角”,總面積約2.5萬km2,占福建省總面積的21%。區(qū)域地勢總體西北高東南低,地形以低山丘陵為主。該研究區(qū)屬于典型的亞熱帶海洋性季風(fēng)氣候,年平均溫度穩(wěn)定在20.8-23.6℃之間,平均降雨量1400-2000mm;夏季高溫多雨,冬季溫和少雨,地帶性植被是常綠闊葉林。憑借適宜的生境,吸引珍稀野生動物在此棲息,包括云豹、華南虎等多種國家級重點(diǎn)保護(hù)野生動物。閩三角地區(qū)作為中國沿海經(jīng)濟(jì)開放區(qū)之一,經(jīng)濟(jì)較為發(fā)達(dá),2021年常住人口與地區(qū)GDP分別占福建省的45.86%和47.87%。但隨著城市化進(jìn)程的快速發(fā)展,其林地景觀受到了一定程度的破壞,對生物多樣性保護(hù)與生態(tài)安全構(gòu)成了威脅。

圖1 研究區(qū)位置示意圖Fig.1 Location map of the study area底圖自然資源部審圖號GS(2019)1822號,底圖邊界無修改,下同

2 數(shù)據(jù)來源

研究中所用數(shù)據(jù)主要包括閩三角地區(qū)土地利用數(shù)據(jù)、路網(wǎng)數(shù)據(jù)和坡度數(shù)據(jù)。其中,30m分辨率土地利用數(shù)據(jù)(2000年、2010年和2020年)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn)[27],以林地為前景,其他土地利用類型為背景,得到閩三角地區(qū)2000-2020年林地景觀空間分布圖(圖2);路網(wǎng)數(shù)據(jù)(2014年和2020年)來源于OpenStreetMap(http://www.openstreetmap.org),由于2000和2010年無法獲取路網(wǎng)數(shù)據(jù),均以2014年路網(wǎng)數(shù)據(jù)代替;坡度數(shù)據(jù)由中國科學(xué)院計算機(jī)網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云平臺(http://www.gscloud.cn)獲取的30m分辨率DEM數(shù)據(jù)中提取。該地區(qū)常住人口和地區(qū)生產(chǎn)總值等社會經(jīng)濟(jì)指標(biāo)來源于2021年的《廈門市統(tǒng)計年鑒》、《漳州市統(tǒng)計年鑒》和《泉州市統(tǒng)計年鑒》。

圖2 閩三角地區(qū)2000-2020年林地景觀空間分布Fig.2 Spatial distribution of forest landscape in Min River Delta region from 2000 to 2020

3 研究方法

3.1 景觀格局指數(shù)計算

景觀格局指數(shù)是能高度濃縮景觀格局信息,反應(yīng)其結(jié)構(gòu)組成和空間配置等方面特征的定量指標(biāo)[28]。結(jié)合本研究目標(biāo),參考相關(guān)研究成果[29-30],在斑塊類型水平上,選取景觀形狀指數(shù)(LSI)、最大斑塊指數(shù)(LPI)、斑塊數(shù)量(NP)、斑塊類型面積(CA)、斑塊類型面積百分比(PLAND)、斑塊密度(PD)、邊緣密度(ED)、聚合度指數(shù)(AI)、分割指數(shù)(SPLIT)、景觀分離指數(shù)(DIVISION)、相似鄰近百分比(PLADJ)和斑塊結(jié)合度指數(shù)(COHESION),共12個景觀格局指數(shù),各指數(shù)的含義見文獻(xiàn)[31]。運(yùn)用Fragstats 4.2軟件,采用移動窗口法計算景觀格局指數(shù),設(shè)置正方形窗口;按照30m像元分辨率的倍數(shù)可減少誤差的原則[32],參考以往研究[33]及結(jié)合閩三角地區(qū)實際情況,窗口邊長選擇1.2km?？紤]到不同景觀格局指數(shù)在表征景觀結(jié)構(gòu)連接度局部特征時,存在冗余性,在開展林地景觀結(jié)構(gòu)連接度分析之前,通過各指數(shù)間相關(guān)關(guān)系分析進(jìn)行指數(shù)的篩選。將各景觀結(jié)構(gòu)連接度指數(shù)歸一化處理,得到其空間分布特征圖。采用主成分分析方法[34],將所篩選出的景觀指數(shù)構(gòu)建為一個林地景觀結(jié)構(gòu)連接度綜合指數(shù)。

3.2 成本距離指數(shù)計算

物種需要克服多重阻力來實現(xiàn)從源地向目的地的擴(kuò)散遷移。綜合阻力面反映物種在不同景觀類型遷徙交流時的受阻程度,主要由地表覆被類型與人為干擾程度決定[11]。選擇土地利用類型、坡度、與建設(shè)用地距離和與道路距離4個阻力因子構(gòu)建綜合阻力面[35];為減小MCR模型可能帶來的空間偏差,阻力值賦值采用趨于最不適宜棲息地方式[21]。一般而言,坡度越陡、人為干擾越嚴(yán)重,越不利于物種擴(kuò)散,阻力值越大,景觀功能連接度越低;地表覆被類型中,越有利于物種擴(kuò)散,阻力值越小,景觀功能連接度越高。阻力設(shè)置中,由于林地為野生動物復(fù)合種群的生境,故林地阻力最低;參考梁國付等[36]針對林地景觀連接度研究中對草地阻力的設(shè)定,將草地阻力設(shè)定高于林地。設(shè)定阻力因子評價體系[37-39]如表1所示,權(quán)重計算采用因子分析法。

表1 阻力評價體系Table 1 Resistance factor evaluation system

成本距離指數(shù)用來模擬物種水平擴(kuò)散的行為模式。其基本公式如下:

(1)

式中,CD為最小累積阻力值;f為CD與變量(Dij×Ri)之間的正函數(shù),fmin反映柵格單元對于不同源的最小累積阻力值,表明某一生態(tài)過程與CD的正相關(guān)關(guān)系;Dij為從源j擴(kuò)散至空間單元i的空間距離;Ri為空間單元i的阻力系數(shù)。

基于ArcGIS 10.7,以林地為源地,結(jié)合綜合阻力面,計算成本距離指數(shù)。將成本距離指數(shù)歸一化處理,得到其空間分布特征圖。

3.3 空間耦合關(guān)系分析

雙變量空間自相關(guān)分析用于衡量多個變量在空間分布是否具有聚集性,包括全局空間自相關(guān)(Global Moran′sI)和局部空間自相關(guān)(Local Indicators of Spatial Association,LISA)兩部分[40],LISA將Global Moran′sI分解到各空間單元[41]。將研究區(qū)劃分成1200m×1200m的網(wǎng)格,采用GeoDa空間分析軟件,通過建立空間權(quán)重矩陣,對成本距離指數(shù)與景觀結(jié)構(gòu)連接度指數(shù)進(jìn)行空間相關(guān)性分析,通過雙變量局部空間自相關(guān)探討兩者的空間關(guān)聯(lián)及其空間異質(zhì)性。統(tǒng)計各類型柵格數(shù)量占比,分析各類柵格數(shù)量的變化趨勢。

以林地景觀結(jié)構(gòu)連接度綜合指數(shù)為自變量,成本距離指數(shù)為因變量,采用地理加權(quán)回歸模型(GWR)來分析林地景觀結(jié)構(gòu)連接度綜合指數(shù)對成本距離指數(shù)的影響。GWR模型將樣點(diǎn)數(shù)據(jù)的空間特性引入到回歸參數(shù)之中,使變量間的關(guān)系可以隨著地理位置的變化而不同,克服了空間數(shù)據(jù)的非平穩(wěn)性和依賴性[42]。計算公式如下:

(2)

式中,yi為第i個單元格的CD值;(ui,vi)為第i個單元格的中心地理坐標(biāo);β0(ui,vi)為截距項;βk(ui,vi)為第i個單元格的回歸系數(shù);εi為隨機(jī)誤差項。

4 結(jié)果與分析

4.1 林地景觀面積動態(tài)變化分析

閩三角地區(qū)2000-2020年各土地利用類型面積(圖3)。從圖3可看出,閩三角地區(qū)土地利用類型以林地為主,約占總面積的50%;近20年,林地面積有所下降,2000-2010年減少了353.27km2,降幅為2.74%,2010-2020年減少了36.10km2,降幅為0.29%。

圖3 閩三角地區(qū)2000-2020年各土地利用類型面積Fig.3 Area by land use types in Min River Delta region from 2000 to 2020

林地與其他土地利用類型之間發(fā)生不同程度的轉(zhuǎn)化(圖4),林地轉(zhuǎn)出主要發(fā)生在建設(shè)用地和草地之間,林地轉(zhuǎn)入主要發(fā)生在耕地和草地之間;近20年,林地表現(xiàn)為大面積轉(zhuǎn)出、小面積轉(zhuǎn)入的持續(xù)降低模式。其中2000-2010年轉(zhuǎn)出412.58km2,轉(zhuǎn)入58.14km2,2010-2020年轉(zhuǎn)出76.64km2,轉(zhuǎn)入40.31km2;2000-2020年林地轉(zhuǎn)為建設(shè)用地370.72km2,占總轉(zhuǎn)出面積的77.28%,反映出林地景觀減少主要由土地開發(fā)建設(shè)導(dǎo)致;草地和耕地轉(zhuǎn)為林地80.45km2,占總轉(zhuǎn)入面積的90.53%,主要是因為自1999年以來,國家頒布實施退耕還林還草政策,該項工作取得一定效果。

圖4 閩三角地區(qū)2000-2020年土地利用轉(zhuǎn)移?；鶊DFig.4 Land use transfer Sankey map in Min River Delta region from 2000 to 2020

4.2 林地景觀指數(shù)相關(guān)性分析

對各指數(shù)進(jìn)行相關(guān)分析(圖5)。結(jié)果表明:LSI-NP(R2=0.99,P<0.01)、CA-PLAND(R2=0.99,P<0.01)、NP-LPI(R2=0.88,P<0.01)、PD-ED(R2=0.99,P<0.01)、DIVISION-PLADJ(R2=0.83,P<0.01)和PLADJ-AI(R2=0.99,P<0.01)均具有極顯著的正相關(guān);AI-SPLIT(R2=-0.53,P<0.01)呈現(xiàn)極顯著的負(fù)相關(guān)。為了在剔除冗余指標(biāo)的同時保留特征類別信息,并根據(jù)研究的實際需要,將各特征類別中顯著相關(guān)的指數(shù)剔除,而各類別之間的指數(shù)不進(jìn)行相關(guān)性比較[17]。因此,排除LSI、NP、CA、PLAND、ED、DIVISION、PLADJ和SPLIT指數(shù),篩選出PD、LPI、AI和COHESION共4個景觀指數(shù)。

圖5 各景觀指數(shù)相關(guān)性圖Fig.5 Correlation diagram of each landscape indexAI:聚合度指數(shù);CA:斑塊類型面積;PD:斑塊密度;LSI:景觀形狀指數(shù);PLAND:斑塊類型面積百分比;COHESION:斑塊結(jié)合度指數(shù);DIVISON:景觀分離指數(shù);SPLIT:分割指數(shù);PLADJ:相似鄰近百分比;LPI:最大斑塊指數(shù);NP:斑塊數(shù)量;ED:邊緣密度;**表示P<0.01

4.3 林地景觀連接度時空變化分析

4.3.1林地景觀結(jié)構(gòu)連接度時空變化分析

閩三角地區(qū)2000-2020年林地景觀結(jié)構(gòu)連接度指數(shù)空間分布(圖6)。由圖6可知,閩三角地區(qū)北部、西部和南部內(nèi)陸林地景觀PD、LPI、AI和COHESION都較高,東南沿海一帶林地景觀格局指數(shù)都較低。因此,從整體看,閩三角地區(qū)北部、西部和南部內(nèi)陸林地景觀破碎度低于東南沿海一帶,而其景觀結(jié)構(gòu)連接度高于東南沿海一帶。

圖6 閩三角地區(qū)2000-2020年林地景觀結(jié)構(gòu)連接度指數(shù)空間分布Fig.6 Spatial distribution of forest landscape structure connectivity index from 2000 to 2020 in Min River Delta region

閩三角地區(qū)各區(qū)縣景觀結(jié)構(gòu)連接度指數(shù)變化率(圖7)。由圖7可知,從總體來看,不同區(qū)縣的各指數(shù)的平均值變化規(guī)律一致。閩三角地區(qū)大部分區(qū)縣,林地PD都略有增大,而絕大部分區(qū)縣林地LPI、AI和COHESION都有所降低,說明閩三角地區(qū)林地景觀破碎化趨勢增強(qiáng),林地景觀結(jié)構(gòu)連接度出現(xiàn)降低。廈門市的湖里區(qū)和集美區(qū),漳州市的龍文區(qū)和薌城區(qū),以及泉州市的晉江市和石獅市,這些區(qū)域林地景觀格局發(fā)生激烈變化,景觀結(jié)構(gòu)連接度出現(xiàn)明顯下降。其中,廈門市湖里區(qū)景觀結(jié)構(gòu)連接度降幅最大,PD、LPI、AI和COHESION分別下降了76.47%、51.33%、68.13%和68.40%,說明該區(qū)域林地景觀破碎化程度加劇及景觀結(jié)構(gòu)連接度下降更為明顯。

圖7 閩三角地區(qū)各地2000-2020年林地景觀結(jié)構(gòu)連接度指數(shù)變化率Fig.7 Exponential change rate of forest landscape structure connectivity in Min River Delta region from 2000 to 2020

4.3.2林地景觀功能連接度時空變化分析

閩三角地區(qū)2000-2020年綜合阻力面及林地景觀成本距離指數(shù)空間分布(圖8)。由圖8可以看出,阻力值整體呈現(xiàn)東部沿海高,西北和西南內(nèi)陸低的變化趨勢。在閩三角東北部出現(xiàn)阻力高值區(qū),因為該地區(qū)建成區(qū)密集,人為干擾嚴(yán)重,物種穿越阻力較大;而在閩三角西北部等內(nèi)陸地區(qū),森林覆蓋率高,生境質(zhì)量較好,適宜物種通行,阻力值較低。閩三角地區(qū)北部、西部和南部內(nèi)陸林地CD較低,而東北部沿海較高,說明該地區(qū)北部、西部和南部內(nèi)陸林地景觀功能連接度較好,而東北部沿海林地景觀功能連接度差。

圖8 2000-2020年綜合阻力面與林地景觀成本距離指數(shù)空間分布Fig.8 Spatial distribution of Combined resistance surface and forest landscape cost distance index from 2000 to 2020

閩三角地區(qū)各區(qū)縣2000-2020年林地景觀成本距離指數(shù)變化(表2)。由表2可知,除翔安區(qū)外,其他區(qū)縣林地景觀CD都增大,說明閩三角絕大部分區(qū)縣林地景觀功能連接度有所降低;廈門市湖里區(qū)林地CD增幅最大,為178.56%,其次是漳州市薌城區(qū)和龍文區(qū),說明這些區(qū)域林地景觀功能連接度明顯下降。

表2 閩三角地區(qū)各區(qū)縣2000-2020年林地景觀成本距離指數(shù)變化Table 2 Change of forest landscape cost distance index by district and county of Min River Delta region from 2000 to 2020

4.4 林地景觀結(jié)構(gòu)與功能連接度空間耦合關(guān)系

4.4.1林地景觀結(jié)構(gòu)與功能連接度空間聚類分析

林地景觀結(jié)構(gòu)連接度指數(shù)(PD、LPI、AI、COHESION)與成本距離指數(shù)(CD)的全局莫蘭指數(shù)(表3)。由表3可知,2000-2020年,PD、LPI、AI、COHESION、CD的全局莫蘭指數(shù)均大于0.6,呈顯著正相關(guān),說明具有明顯的聚集性;CD與PD、LPI、AI、COHESION之間的全局莫蘭指數(shù)均小于-0.4,呈顯著負(fù)相關(guān),且隨著時間變化,它們之間的空間差異性愈加明顯。

表3 景觀結(jié)構(gòu)連接度指數(shù)和成本距離指數(shù)的全局莫蘭指數(shù)Table 3 The global Moran index of landscape structure connectivity index and cost distance index

由圖9可以看出,整體上,閩三角地區(qū)高-高、低-低聚集類型呈發(fā)散式分布,高-低、低-高聚集類型呈集中連片式分布;低-高聚集類型最多,2000年集中在閩三角地區(qū)西部和北部,到2020年逐漸向南部轉(zhuǎn)移。從局部看,安溪縣處于高-高聚集區(qū),表明成本距離指數(shù)與周邊林地景觀結(jié)構(gòu)連接度指數(shù)值均較高且差異較小,這說明該地區(qū)林地景觀功能連接度較低但結(jié)構(gòu)連接度較高;晉江市、翔安區(qū)、湖里區(qū)和集美區(qū)處于高-低聚集區(qū),表明成本距離指數(shù)高值區(qū)與林地景觀結(jié)構(gòu)連接度指數(shù)低值區(qū)聚集,均位于城市化較高地區(qū),人為干擾嚴(yán)重,林地景觀結(jié)構(gòu)與功能連接度均較低;德化縣、華安縣、南靖縣處于低-高聚集區(qū),表明成本距離指數(shù)低值區(qū)與林地景觀結(jié)構(gòu)連接度指數(shù)高值區(qū)聚集,這些地區(qū)均位于內(nèi)陸高海拔山區(qū),地形復(fù)雜,人為干擾少,林地景觀結(jié)構(gòu)和功能連接度都較高;閩三角邊緣地帶處于低-低聚集區(qū),表明成本距離指數(shù)低值區(qū)與林地景觀結(jié)構(gòu)連接度指數(shù)低值區(qū)聚集,說明這些地區(qū)林地景觀功能連接度高但結(jié)構(gòu)連接度較低。

圖9 閩三角地區(qū)2000-2020年CD與PD、LPI、AI、COHESION LISA 聚類圖Fig.9 Clustering diagram of CD and PD, LPI, AI and COHESION LISA in Min River Delta region from 2000 to 2020

由表4可知,從數(shù)量看,低-高聚集>高-低聚集>低-低聚集>高-高聚集。從變化趨勢來看,20年間,CD-PD、CD-AI、CD-COHESION為低-高聚集的斑塊占比呈上升趨勢,CD-LPI為低-高聚集的斑塊占比則略有下降;CD-PD、CD-LPI、CD-AI和CD-COHESION為高-低聚集的斑塊占比呈上升趨勢。

表4 2000-2020年閩三角地區(qū)各聚集類型像元占比Table 4 Pixel proportion by cluster type in Min River Delta region from 2000 to 2020

4.4.2林地景觀結(jié)構(gòu)與功能連接度的回歸分析

由表5可知,閩三角地區(qū)林地4個景觀指數(shù)的第一主成分(PC1)具有以下特征:(1)PC1的貢獻(xiàn)率大于83%,表明它已集合了4個指數(shù)的大部分特征;(2)在PC1中,AI、COHESION和LPI均呈正值,說明它們共同對景觀結(jié)構(gòu)連接度起正面的貢獻(xiàn),而PD呈負(fù)值,說明它對景觀結(jié)構(gòu)連接度起負(fù)面的影響,與實際情況相符。因此,可以將PC1作為表征林地景觀結(jié)構(gòu)連接度綜合指數(shù)。

表5 景觀指數(shù)主成分分析Table 5 Principal component analysis of landscape index

以林地景觀結(jié)構(gòu)連接度綜合指數(shù)為自變量,成本距離指數(shù)為因變量,進(jìn)行地理加權(quán)回歸分析,結(jié)果見表6。由表6可以看出,GWR模型的R2均大于0.69,說明擬合精度較好,并呈現(xiàn)上升趨勢,能較好地評估林地景觀結(jié)構(gòu)連接度綜合指數(shù)對成本距離指數(shù)的影響。

表6 地理加權(quán)回歸模型整體結(jié)果Table 6 Overall results of geographically weighted regression model

由圖10可以看出,近20年間,林地景觀結(jié)構(gòu)連接度綜合指數(shù)對成本距離指數(shù)的影響程度增大。林地景觀結(jié)構(gòu)連接度綜合指數(shù)與成本距離指數(shù)呈負(fù)相關(guān)關(guān)系,表明隨著林地景觀結(jié)構(gòu)連接度綜合指數(shù)值增加,成本距離指數(shù)值逐漸減小。2000年回歸系數(shù)絕對值高值區(qū)集中在閩三角的東部沿海地區(qū),絕對值低值地區(qū)集中在德化縣、安溪縣、華安縣和南靖縣等內(nèi)陸地區(qū);到2010年林地景觀結(jié)構(gòu)連接度綜合指數(shù)對成本距離指數(shù)的影響所有增加,呈現(xiàn)出從東部沿海地區(qū)向西部和北部等內(nèi)陸地區(qū)逐漸降低的空間分布;2020年林地景觀結(jié)構(gòu)連接度綜合指數(shù)對成本距離指數(shù)的影響進(jìn)一步增加,回歸系數(shù)絕對值高值向南部和西部傾斜,絕對值低值集中在閩三角西北部地區(qū)。

圖10 林地景觀結(jié)構(gòu)連接度綜合指數(shù)回歸系數(shù)空間分布Fig.10 Spatial distribution of regression coefficient of comprehensive index of forest landscape structure connectivity

4.5 林地景觀結(jié)構(gòu)與功能連接度的對比分析

因為CD與LPI、AI、COHESION的相關(guān)性與空間聚集特征基本一致,鑒于篇幅有限,以CD-COHESION為例(圖11),主要從土地利用變化角度,進(jìn)行景觀結(jié)構(gòu)連接度與功能連接度的對比分析。由圖11可知,位置1分布于永春縣,20年間,聚集類型由高-高轉(zhuǎn)化為低-高,說明結(jié)構(gòu)連接度無變化時,景觀功能連接度增加,主要原因是耕地轉(zhuǎn)為草地,并且該地區(qū)開發(fā)難度大,城市化水平較低,距建設(shè)用地距離與距道路距離較遠(yuǎn),阻力因子降低,導(dǎo)致景觀功能連接度增加;位置2分布于漳浦縣,聚集類型由低-高轉(zhuǎn)化為高-高,說明結(jié)構(gòu)連接度無變化時,景觀功能連接度降低,主要原因是草地轉(zhuǎn)為建設(shè)用地,并且該地區(qū)地勢平坦,城市化水平較高,距建設(shè)用地距離與距道路距離較近,阻力因子增大,導(dǎo)致景觀功能連接度降低。

圖11 2000-2020年閩三角地區(qū)CD-COHESION變化區(qū)域示意圖Fig.11 Map of CD-COHESION change area in Min River Delta region from 2000 to 2020

聚集類型由高-高轉(zhuǎn)為高-高與低-低轉(zhuǎn)為低-低,說明結(jié)構(gòu)連接度無變化時,景觀功能連接度也無變化;聚集類型由高-低轉(zhuǎn)化為低-高,說明景觀結(jié)構(gòu)連接度增加時,景觀功能連接度也增加;聚集類型由低-高轉(zhuǎn)化為高-低,說明了景觀結(jié)構(gòu)連接度降低時,景觀功能連接度也降低。因此,說明景觀結(jié)構(gòu)連接度在一定程度上可以表征功能連接度。

由于快速城市化,大量耕地及草地被占用,以及道路網(wǎng)絡(luò)的建設(shè)與擴(kuò)張,成本距離指數(shù)對這些變化更敏感。因此,成本距離指數(shù)在度量快速城市化地區(qū)的景觀連接度時具有優(yōu)勢;而在海拔較高、地形復(fù)雜以及受人為干擾少的地區(qū),成本距離指數(shù)與傳統(tǒng)的基于景觀格局的景觀結(jié)構(gòu)連接度指數(shù)的適用性相近;由于在研究期間,結(jié)合圖4和圖9可知,沒有低-低聚集類型轉(zhuǎn)化為高-高聚集類型,所以不存在成本距離指數(shù)不如傳統(tǒng)的景觀結(jié)構(gòu)連接度指數(shù)的情況?？傮w而言,使用成本距離指數(shù)去度量景觀連接度時更有優(yōu)勢。

5 討論與結(jié)論

5.1 討論

本研究中雙變量局部空間自相關(guān)聚集類型由高-高轉(zhuǎn)為高-高與低-低轉(zhuǎn)為低-低,說明結(jié)構(gòu)連接度無變化時,景觀功能連接度也無變化;由高-低轉(zhuǎn)化為低-高,說明景觀結(jié)構(gòu)連接度增加時,景觀功能連接度也增加;由低-高轉(zhuǎn)化為高-低,說明景觀結(jié)構(gòu)連接度降低時,景觀功能連接度也降低。因此,說明景觀結(jié)構(gòu)連接度在一定程度上可以表征功能連接度,這與已有研究一致[43],這也驗證了成本距離指數(shù)的有效性。本研究中發(fā)現(xiàn)結(jié)構(gòu)連接度無變化時,功能連接度可能會不變、增加或降低,與Brennan等[44]結(jié)構(gòu)連接度為零時,功能連接度不為零的結(jié)果相似。

本研究中成本距離指數(shù)與斑塊密度呈現(xiàn)負(fù)相關(guān),在局部特征差異中并不呈現(xiàn)斑塊密度越小,結(jié)構(gòu)連接度越高,景觀功能連接度越低的變化趨勢。比如,在東部、東北部等城市化程度高的地區(qū),林地分布較少,斑塊密度小,結(jié)構(gòu)和功能連接度均低。在北部、西北部和西南部等林地分布較高的地區(qū),斑塊密度大,破碎化較嚴(yán)重,不能說明結(jié)構(gòu)連接度低而功能連接度高,實際上該處的景觀結(jié)構(gòu)和功能連接度均高于城市化程度高的地區(qū)。這與以往斑塊密度是景觀破碎化的最佳指標(biāo)之一的研究一致[45]。這也說明了各景觀指數(shù)有不同的適用性[46]。并且結(jié)合表5可知,與度量景觀連接度相比,斑塊密度可能更加適合表征景觀破碎化。

針對林地景觀結(jié)構(gòu)和功能連接度的空間耦合關(guān)系分析,有助于更好地理解不同方法度量景觀連接度的差異,將促進(jìn)管理者通過合理地景觀規(guī)劃來增加景觀連接度,促進(jìn)區(qū)域生物多樣性保護(hù)。然而,本研究也存在一些不足之處,如計算林地景觀連接度時,未對林地進(jìn)行細(xì)分,未來的研究可以考慮林地景觀本身的異質(zhì)性特征,如不同林分類型(混交林、純林、闊葉林、針葉林等)、不同起源(人工林和天然林)、不同林齡、不同的郁閉度等因素,探討不同森林類型對連接度的影響,可以用先進(jìn)技術(shù),如航空攝影,雷達(dá)監(jiān)測等,觀測森林中動物的類型、數(shù)量、通行的速度、遷移活動偏好以及分布等數(shù)據(jù),并且以動物是否實際穿越及覆蓋面積等作為衡量指標(biāo),以建立更加精確適宜的阻力面,為科學(xué)評價景觀功能連接度提供參考依據(jù)。

5.2 結(jié)論

本研究以閩三角地區(qū)為例,基于土地利用數(shù)據(jù)和路網(wǎng)等數(shù)據(jù),以野生動物復(fù)合種群為目標(biāo)物種,利用景觀指數(shù)和成本距離指數(shù),定量分析了閩三角地區(qū)林地景觀結(jié)構(gòu)與功能連接度的時空變化特征;采用雙變量空間自相關(guān),探討林地景觀結(jié)構(gòu)與功能連接度的空間分異特征,并對比兩者在表征景觀連接度變化的異同之處;利用主成分分析集成各景觀結(jié)構(gòu)連接度指數(shù),構(gòu)建景觀結(jié)構(gòu)連接度綜合指數(shù)作為自變量,將成本距離指數(shù)作為因變量,進(jìn)行地理加權(quán)回歸分析,有效揭示了兩者的空間耦合關(guān)系。主要結(jié)論如下:

(1)2000-2020年,林地與其他土地利用類型之間發(fā)生不同程度的轉(zhuǎn)化,并且林地表現(xiàn)為大面積轉(zhuǎn)出、小面積轉(zhuǎn)入的持續(xù)降低模式。林地轉(zhuǎn)為建設(shè)用地370.72km2,占總轉(zhuǎn)出面積的77.28%,草地和耕地轉(zhuǎn)為林地80.45km2,占總轉(zhuǎn)入面積的90.53%。

(2)近20年間,總體上林地景觀結(jié)構(gòu)和功能連接度有減小趨勢,減小程度具有地域差異性,閩三角內(nèi)陸地區(qū)比東南沿海一帶低。其中,湖里區(qū)各景觀結(jié)構(gòu)連接度指數(shù)降幅均最大,斑塊密度、最大斑塊指數(shù)、聚合度指數(shù)和斑塊結(jié)合度指數(shù)分別下降為76.47%、51.33%、68.13%和68.40%;除翔安區(qū)外,閩三角地區(qū)其他各區(qū)縣林地景觀的成本距離指數(shù)都呈不同程度增加趨勢,其中,廈門市湖里區(qū)林地成本距離指數(shù)增幅最大,為178.56%,其次是薌城區(qū)、龍文區(qū),分別為101.69%和99.01%。

(3)雙變量局部空間自相關(guān)結(jié)果表明:成本距離指數(shù)與斑塊密度、最大斑塊指數(shù)、聚合度指數(shù)、斑塊結(jié)合度指數(shù)均為顯著負(fù)相關(guān);利用主成分分析法將各景觀結(jié)構(gòu)連接度指數(shù)集成為一個綜合指數(shù),并與成本距離指數(shù)進(jìn)行地理加權(quán)回歸分析,結(jié)果表明林地景觀結(jié)構(gòu)連接度綜合指數(shù)與成本距離指數(shù)具有負(fù)相關(guān)性。

(4)在研究期間,雙變量局部空間自相關(guān)分析結(jié)果表明,聚集類型由低-高轉(zhuǎn)化為高-高,表明結(jié)構(gòu)連接度無變化時,景觀功能連接度降低;由高-高轉(zhuǎn)化為低-高,表明結(jié)構(gòu)連接度無變化時,景觀功能連接度增加,表明運(yùn)用成本距離指數(shù)表征景觀功能連接度,比景觀格局指數(shù)表征的景觀結(jié)構(gòu)連接度更為敏感。成本距離指數(shù)在度量快速城市化地區(qū)的景觀連接度時具有優(yōu)勢;而在海拔較高、地形復(fù)雜以及受人為干擾少的地區(qū),成本距離指數(shù)與傳統(tǒng)的基于景觀格局的景觀結(jié)構(gòu)連接度指數(shù)的適用性相近,總體上,用成本距離指數(shù)度量的景觀功能連接度更有優(yōu)勢。