廣西濱海區(qū)域景觀格局分析及土地利用變化預測

劉世梁,安南南,尹藝潔,成方妍,董世魁

北京師范大學環(huán)境學院水環(huán)境模擬國家重點實驗室, 北京 100875

廣西濱海區(qū)域景觀格局分析及土地利用變化預測

劉世梁*,安南南,尹藝潔,成方妍,董世魁

北京師范大學環(huán)境學院水環(huán)境模擬國家重點實驗室, 北京 100875

研究濱海濕地景觀動態(tài)及其發(fā)展趨勢對于維持沿海地區(qū)可持續(xù)發(fā)展具有重要意義。利用移動窗口法分析廣西濱海濕地景觀格局時空變化,同時提取珍珠灣、茅尾海和丹兜海典型區(qū)進一步分析景觀變化趨勢,最后采用土地利用變化模型(Land Change Modeler, LCM)預測區(qū)域未來的景觀演化趨勢。結(jié)果表明,2000—2014年間,草地、喬木園地和常綠闊葉灌木林面積減少,而工業(yè)用地面積明顯增加。研究區(qū)總體的景觀異質(zhì)性變化不大,破碎化趨勢不明顯。比較景觀格局指數(shù)發(fā)現(xiàn),邊緣密度和多樣性指數(shù)的空間分布特征相似,多樣性指數(shù)較大的區(qū)域,邊緣密度也大,并且多集中于珍珠灣、茅尾海和研究區(qū)的中東部。3個典型區(qū)的格局變化趨勢相似,景觀多樣性指數(shù)降低而均勻度增加,其中,濕地斑塊數(shù)目減少且所占面積比也減少。LCM模型結(jié)果表明,至2020年,草本濕地與森林灌叢濕地面積進一步降低,而工業(yè)用地和居民區(qū)則持續(xù)增長；其中,3個典型區(qū)土地利用變化均受到了工業(yè)發(fā)展的影響,以珍珠灣土地利用動態(tài)度最高,茅尾海其次,而丹兜海最小。當前,區(qū)域景觀的變化明顯降低了濕地植被的質(zhì)量,加強濕地植被保護,限制工業(yè)區(qū)域的無序發(fā)展是維持區(qū)域生境完整和安全的有效途徑。

景觀格局；土地利用變化；移動窗口法；LCM模型；廣西濱海濕地

土地利用/覆被變化是人類活動與自然環(huán)境相互作用最直接的表現(xiàn)形式,與人類社會經(jīng)濟活動的活躍程度緊密相連[1-2]。當前,我國正處于工業(yè)化、城鎮(zhèn)化高速發(fā)展階段,如何平衡快速增長的經(jīng)濟需求與有限的土地資源之間的關系是當前面臨的重要問題之一。分析土地利用變化特征并對其未來發(fā)展趨勢進行模擬預測對了解區(qū)域社會經(jīng)濟環(huán)境的發(fā)展具有重要意義。土地利用變化直接影響著景觀格局,而景觀格局的變化亦是土地利用變化的最直觀表現(xiàn)[3- 4]。景觀格局主要是指構(gòu)成景觀生態(tài)系統(tǒng)或土地利用/覆被類型的形狀、比例和空間配置[5- 6]。目前景觀格局的分析主要集中于兩個方面,即景觀異質(zhì)性研究[7- 8]和景觀動態(tài)研究[9- 10]。通常區(qū)域景觀動態(tài)研究多采用景觀指數(shù)分析景觀格局特征以及空間異質(zhì)性。景觀格局指數(shù)不僅可以定量化研究景觀格局[11],而且直觀明了地反映景觀格局的結(jié)構(gòu)組成和空間配置[12],因此在景觀生態(tài)研究中得到廣泛應用。

目前,國內(nèi)外學者利用移動窗口法計算景觀格局指數(shù),對景觀空間梯度格局[13]、干旱河谷[14]和梯級水電站[15]進行了景觀格局分析,而對于濱海區(qū)域的研究較少。由于受到外界人為干擾尺度大,濱海區(qū)域空間和時間景觀異質(zhì)性較強,表現(xiàn)出的格局變化也較為明顯[16]。在社會發(fā)展和生態(tài)環(huán)境之間矛盾愈發(fā)凸顯的背景下,濱海區(qū)域景觀變化及其保護對策研究成為相關領域的新熱點[17]。此外,土地利用預測也是當前土地利用變化研究的熱點之一,目前已應用和發(fā)展了多種土地利用預測空間模型,如CLUE、Agent模型、神經(jīng)網(wǎng)絡、元胞自動機、土地利用變化模型(Land Change Modeler, LCM)等[18- 19]。其中,LCM模型利用多圖層識別感知器(Multi-Layer Perceptron, MLP)整合多要素的干擾,在模擬與分析土地利用變化方面應用良好[20]。同時,將預測結(jié)果運用于模擬未來土地利用變化特征的發(fā)展態(tài)勢對敏感脆弱的濱海區(qū)域具有重要意義。

廣西北部灣沿海區(qū)域?qū)儆诎敕忾]海灣,自然資源豐富,生境獨特,景觀類型多樣,主要以濱海濕地、河流和河漫灘為主[21]。近年來,由于海洋資源和海岸帶開發(fā)與圍填海工程等人類經(jīng)濟建設行為的影響,導致該區(qū)域城鎮(zhèn)面積迅速擴張、濱海濕地面積銳減,對區(qū)域海洋生態(tài)系統(tǒng)甚至區(qū)域國土安全造成了嚴重影響[22]。此外,豐富的紅樹林資源是廣西沿海區(qū)域的特色資源,珍珠灣和丹兜海是區(qū)域內(nèi)重要的紅樹林自然保護區(qū),而探討該區(qū)域景觀結(jié)構(gòu)分布,對于區(qū)域紅樹林的發(fā)展與保護具有重要的指導意義。因此,本研究以廣西濱海濕地為研究對象,利用土地利用變化數(shù)據(jù)分析區(qū)域景觀空間格局特征,探討廣西濱海濕地近10年的土地利用變化規(guī)律,并采用LCM模型預測土地利用未來變化態(tài)勢,為濱海區(qū)域土地資源的可持續(xù)利用、維持景觀完整性和安全性提供參考案例。

1 研究區(qū)概況

廣西濱海濕地位于北回歸線以南,位于107°29′E—109°46′E,20°54′N—22°28′N。海岸線總長1595 km,東起合浦英羅港,西至東興市北侖河,主要包括北海市、欽州市和防城港市3個行政區(qū),屬南亞熱帶氣候區(qū)[23]。研究區(qū)植被類型豐富,林木資源主要以松、桉類、木麻黃為優(yōu)勢種。該區(qū)紅樹林資源豐富,以白骨壤、桐花樹、紅海欖、秋茄和木欖為主。

圖1 研究區(qū)地理位置Fig.1 Geographical location of the study area

研究區(qū)為海岸線10 km內(nèi)的緩沖區(qū),考慮到該區(qū)豐富的紅樹林資源,選擇紅樹林集中的3個港灣珍珠灣、茅尾海和丹兜海,作為典型研究區(qū)(圖1)。3個海灣是廣西紅樹林的主要分布區(qū)并各具特色,珍珠灣位于北侖河口國家級保護區(qū)東側(cè),具有較高的紅樹林生態(tài)承載力；茅尾海是茅嶺江、欽江、大風江河流交匯處,在河流與海水的共同作用下,形成泥沙質(zhì)平灘和潮溝島嶼景觀,而且在潮間帶與內(nèi)陸之間廣泛分布沿海漁業(yè)養(yǎng)殖區(qū),加之周邊城區(qū)的生活工業(yè)廢水匯入茅尾海,使得當?shù)丶t樹林的自然環(huán)境健康受到威脅；丹兜海處于山口紅樹林保護區(qū),海灣面積較小,植被生長狀況與水質(zhì)狀況處于優(yōu)良狀態(tài)。

2 研究方法

2.1 濱海濕地景觀變化分析

采用多時相Landsat遙感數(shù)據(jù)分類獲得所需要的景觀類型信息。為了盡可能的分析研究區(qū)較長時間序列的景觀格局變化,該研究時間定為2000至2014年。分別下載2000、2005、2010和2014年8—10月間少云的TM影像(軌道號124/45,125/45),影像分辨率為30 m。先將影像在ENVI軟件中利用支持向量機分類器進行監(jiān)督分類,然后對小圖斑進行剔除和重新分類,將柵格轉(zhuǎn)換為矢量文件后進行分類結(jié)果的驗證,并結(jié)合研究區(qū)規(guī)劃圖等資料和2014年實地調(diào)研資料,采用誤差矩陣進行精度驗證,影像的分類精度均大于85%。

景觀格局變化主要是指景觀結(jié)構(gòu)單元的組成成分、多樣性、形狀和空間格局隨時間的變化。景觀斑塊的類型、形狀、大小、數(shù)量和空間組合及景觀功能質(zhì)量的差異、各種干擾因素相互作用的結(jié)果,又影響著整個區(qū)域的生態(tài)過程和邊界效應?；谝酝芯?針對研究目標、數(shù)據(jù)來源,主要從景觀和類型兩個水平上定量化分析廣西濱海濕地景觀格局[24]。在景觀水平上,選取斑塊數(shù)量、Shannon′s多樣性指數(shù)和均勻度等指標；在類型水平上,選取蔓延度指數(shù)、散布與并列指數(shù)和Shannon′s多樣性指數(shù)等指標。

本文借助移動窗口法對廣西濱海濕地生態(tài)格局進行定量及可視化分析。研究區(qū)域的面積和移動窗口大小的選擇對景觀破碎化結(jié)果會產(chǎn)生一定影響。研究區(qū)的邊緣效應會對移動窗口法的計算結(jié)果產(chǎn)生一定影響。在采用移動窗口法計算時分別嘗試了200、300、500、1000、1500 m的邊長,通過對比分析發(fā)現(xiàn)500 m的窗口能保留梯度特征又不至于使景觀指數(shù)出現(xiàn)較大波動,能通過景觀指標的變動特征真實反映空間格局的變化。選擇邊長為500 m矩形窗口,通過對窗口內(nèi)選中的景觀指數(shù)進行計算,輸出數(shù)據(jù)為對應所選景觀指數(shù)的柵格圖。從破碎度、多樣性和形狀角度探討研究區(qū)景觀格局的空間變化特征[25]。各指標的計算借助景觀指數(shù)計算軟件Fragstats 4.2完成。

2.2 基于LCM模型的土地利用模擬

利用LCM模擬未來土地利用時,為了保證具有較長且相等的時間間隔,該文并未將2014年的土地利用納入模型,而是采用了具有相等時間間隔的2000、2005和2010年的三期土地利用。以濱海濕地2000、2005與2010年的TM數(shù)據(jù)源,針對土地利用轉(zhuǎn)換情況,將景觀重分類為：闊葉林(BF)、旱地(DL)、森林灌叢濕地(FW)、草地(GL)、草本濕地(HW)、工業(yè)用地(IL)、針闊混交林(MF)、水田(PF)、居住地(RL)、水庫坑塘(RP)、河流(RS)、闊葉灌叢林(SF)、園地(TG)和交通用地(TL)。根據(jù)研究區(qū)域的大小和影像的分辨率,將柵格大小設置為30 m×30 m。在IDRISI軟件中,利用距離道路、村落、河流、海岸線距離4個因子作為典型驅(qū)動變量,利用LCM模塊對土地利用進行模擬,將不同土地利用類型的轉(zhuǎn)化模型與不同影響因素之間構(gòu)成一個神經(jīng)網(wǎng)絡,通過一組權重值相互連接(初始權值為一組隨機量)構(gòu)成MLP。首先將2000和2005年景觀類型數(shù)據(jù)作為基礎數(shù)據(jù),然后和2010年土地利用進行對比,預測結(jié)果Kappa系數(shù)表明,迭代次數(shù)一般在5000次內(nèi),準確率水平可以到在70%—90%,構(gòu)建的轉(zhuǎn)化潛力MLP模型預測結(jié)果精確度總體上滿足本研究的要求。在此基礎上,利用2010年為起始年,利用LCM模塊對研究區(qū)2020年的土地利用/覆被進行預測。為了統(tǒng)一使用的數(shù)據(jù),分析未來區(qū)域土地利用變化時,以2010和2020年土地利用進行分析,不再引入2014年的數(shù)據(jù)。

3 結(jié)果與分析

3.1 廣西濱海濕地景觀格局的總體特征

研究區(qū)景觀類型以常綠闊葉林、旱地和常綠針葉林為主,三者多年來平均占區(qū)域總面積的70%以上。區(qū)域內(nèi),14年間變化較大的景觀類型為草地、工業(yè)用地、喬木園地和常綠闊葉灌木林,其中草地、喬木園地和常綠闊葉灌木林面積分別減少了97%、92%和38%,而工業(yè)用地則增加了88%。

研究區(qū)整體斑塊數(shù)較多,平均為28,225塊,斑塊的平均面積約為13 km2,景觀的多樣性指數(shù)和均勻度指數(shù)分別平均為1.93和0.68。各景觀類型中以灌叢濕地斑塊數(shù)最多,而灌叢濕地面積較小,說明整體上灌叢濕地的破碎化程度較為嚴重。邊緣密度以采礦場、交通用地和居住區(qū)較高,草本濕地、常綠闊葉灌木林、灌木園地、喬木園地和草地較低(圖2)。而散布與并列指數(shù)在不同景觀類型中則差異不大,整體多分布于60—70之間,其中草地最小為46,交通用地最高為72。多樣性指數(shù)在不同景觀類型間差異也不大,其中以草本濕地最低0.82,采礦場和交通用地最高分別為1.52和1.36。

圖2 研究區(qū)域景觀邊緣密度指數(shù)空間分布Fig.2 Spatial distribution of Edge Density (ED) index in the study area

2000至2014年,廣西濱海區(qū)域整體景觀格局變化較小,景觀異質(zhì)性變化不大,破碎化趨勢不明顯。斑塊總數(shù)由2000年的28,293個減少到2014年的28,157個,降低了近0.5%。景觀的多樣性指數(shù)和均勻度指數(shù)分別由1.96和0.68減少到1.90和0.67。

3.2 廣西濱海濕地景觀格局特征的時空分布

基于移動窗口法,得到的景觀動態(tài)結(jié)果表明：在時間尺度上,14年間,濱海濕地海岸帶的邊緣密度整體上基本沒有變化(圖2),但研究區(qū)內(nèi)各景觀類型的景觀指數(shù)變化趨勢各不相同(圖5)。景觀邊緣密度能直觀地反映景觀或景觀類型邊界被割裂的程度,同時反映景觀的破碎化程度。其中,常綠闊葉灌木林邊緣密度增加最多,為20 km/km2,邊緣密度減少最多的是工業(yè)用地,減少幅度為28 km/km2。居住地的邊緣密度也有小幅度的增加,這可能與城鄉(xiāng)建設用地及農(nóng)村居民點整改過程中缺少規(guī)劃導致其形狀趨于不規(guī)則化,并增加了斑塊的周長。此外,海域和灘涂的邊緣密度也有所下降,這可能與人類活動對濱海自然岸線的干擾有關,大量濱海岸段被人工截彎取直使得岸線曲折度下降。其他景觀類型的邊緣密度變化則較小。

此外,區(qū)域邊緣密度分布極不均勻(圖2)。邊緣密度較大的區(qū)域多分布于茅尾海、珍珠灣和海岸帶的中東部地區(qū),景觀類型多為旱地、常綠闊葉林和水庫坑塘。旱地的邊緣密度較大,主要是由于耕地集中分布的地區(qū)往往也是鄉(xiāng)鎮(zhèn)居民點較為密集的地區(qū),城鎮(zhèn)建設以及鄉(xiāng)鎮(zhèn)基礎設施的完善使得耕地被不斷切斷。林地邊緣密度較大的原因則是由于該地區(qū)的闊葉林斑塊較多,破碎化嚴重。此外,人類活動對水域地區(qū)的自然岸線干擾較大,增大了水域的邊緣密度。珍珠灣的北部和丹兜海及其西部地區(qū)的邊緣密度較小,該地區(qū)的景觀類型多為成片的常綠闊葉林,水田和灌木喬木園地。

2000—2014年,研究區(qū)散布與并列指數(shù)變化較大區(qū)域集中于東北部,但不同的景觀類型的散布與并列指數(shù)變化則較小(圖5)?？臻g上,該指數(shù)分布相對較均勻,整體上區(qū)域的散布與并列指數(shù)多集中于60以上,反映了該區(qū)域不同景觀類型之間相鄰接的幾率增大,且相鄰接的景觀類型也越來越多(圖3)。

圖3 研究區(qū)域景觀散布與并列指數(shù)空間分布Fig.3 Spatial distribution of Interspersion Juxtaposition Index (IJI) in the study area

圖4 研究區(qū)域景觀多樣性指數(shù)空間分布Fig.4 Spatial distribution of Shannon′s Diversity Index (SHDI) in the study area

多樣性指數(shù)是景觀類型多樣性和復雜性的度量,多樣性指數(shù)的高低反映了景觀類型的多少以及各類型所占比例的變化。研究區(qū)多樣性指數(shù)總體上呈現(xiàn)增大的趨勢,且西部多樣性指數(shù)變化較大(圖4),但不同的景觀類型的多樣性指數(shù)變化則較小(圖5)。空間上,珍珠灣,茅尾海和研究區(qū)中東部的多樣性指數(shù)較大(圖4),多在1.20以上,主要是因為這些地區(qū)的景觀類型較豐富。

圖5 2000—2014年廣西濱海濕地海岸帶各景觀指數(shù)變化Fig.5 Changes of landscape indices of Guangxi coastal wetland from 2000 to 2014GL：草地 grassland；FW：森林濕地 forest wetland；SW：灌叢濕地 shrub wetland；HW：草本濕地 herbaceous wetland；RP：水庫坑塘 reservoirs and ponds；RS：河流 rivers；PF：水田 paddy field；DL：旱地 dry land；RL：居住地 residential land；IL：工業(yè)工地 industrial land；TL：交通用地 traffic land；ST：采礦場 stope；BF：常綠闊葉林 evergreen broad leaved forest；CF：常綠針葉林 evergreen coniferous forest；MF：針闊混交林 mixed broadleaf-conifer forest；SF：常綠闊葉灌木林 evergreen broad leaved shrub forest；TG：喬木園地 tree garden；BG：灌木園地 bush garden

3.3 典型區(qū)的景觀格局指數(shù)變化特征

由于珍珠灣在研究期間土地利用變化較小,景觀指數(shù)變化也不明顯,在表1中僅列出平均值與其他兩個典型區(qū)進行比較。3個典型區(qū),以珍珠灣濕地面積比最高,且斑塊數(shù)目也相對較少,多樣性值也較高。茅尾海濕地面積比居中,但斑塊數(shù)目較多,多樣性值也較高。而丹兜海濕地面積比和斑塊數(shù)目均最低,且多樣性值也較低。

2000—2014年間,丹兜海和茅尾海濕地斑塊數(shù)量均呈微弱的減少趨勢(表1),這種變化與人類活動有關,葦草地和灌草地被人為開發(fā)成農(nóng)田、河庫溝渠及鹽田養(yǎng)殖池,故而減少了濕地斑塊。

丹兜海和茅尾海濱海區(qū)域,14年內(nèi)景觀的多樣性指數(shù)降低,而均勻度指數(shù)則增加(表1)。盡管二者變化幅度較小,但多樣性值降低的同時,濕地類型并沒有發(fā)生變化,表明不同濕地類型所占的比例差異降低。

此外,3個典型區(qū)的蔓延度指數(shù)值都小于60,且變化非常小,說明區(qū)域內(nèi)的景觀破碎化嚴重,小斑塊較多,且主要受到少數(shù)幾種大的景觀類型(旱地、灌叢濕地和草本濕地等)控制。丹兜海和茅尾海區(qū)域,14年來的整體景觀蔓延度指數(shù)分別從57.35和50.32下降到56.24和48.40,這與濕地斑塊數(shù)目增加和面積比減少的結(jié)果一致,從而反映出二者濱海濕地的開發(fā)與利用程度均有增加。

表1 典型區(qū)的景觀格局指數(shù)

2000—2014年間,珍珠灣景觀指數(shù)并無明顯變化,只列出平均值。Landscape indices of Zhenzhu Bay did not obviously change from 2000 to 2014, therefore, landscape indices showed in the table were averaged values; CONTAG：蔓延度指數(shù) CONTAGion index；IJI：散布與并列指數(shù) Interspersion Juxtaposition Index；SHDI：SHannon′s多樣性指標 SHannon′s Diversity Index；SHEI：香濃均勻度指數(shù)SHannon′s Evenness Index；AI：聚集度指數(shù) Aggregation Index

總體上,2000—2014年,典型區(qū)的多樣性指數(shù)降低而均勻度指數(shù)增加,但考慮到濕地斑塊數(shù)量減少且面積比降低,這表明新增加的景觀類型如開發(fā)灘涂、鹽田等面積在逐漸增加,且趨于穩(wěn)定。

3.4 基于LCM的廣西濱海濕地土地利用預測

3.4.1 研究區(qū)總體景觀變化的預測模型結(jié)果

圖6 2020年土地利用變化預測圖Fig.6 Prediction map of land-use change in 2020GL：草地 grassland；FW：森林灌叢濕地 forest and shrub wetland；HW：草本濕地 herbaceous wetland；RP：水庫坑塘 reservoirs and ponds；RS：河流 rivers；PF：水田 paddy field；DL：旱地 dry land；RL：居住地 residential land；IL：工業(yè)用地 industrial land；TL：交通用地 traffic land；BF：闊葉林 broad leaved forest；MF：針闊混交林 mixed broadleaf-conifer forest；SF：常綠闊葉灌木林 evergreen broad leaved shrub forest；TG：園地 plantation

圖6為2020年廣西濱海濕地土地利用預測模擬圖。與2010年土地利用圖比較發(fā)現(xiàn),土地利用變化主要集中在濱海附近的公路與村落,斑塊變化區(qū)域比較分散。不同景觀類型中,工業(yè)用地和居住地分別增加了4%與3%,而森林灌叢濕地則降低2%,草本濕地降低5%。旱地、落葉闊葉林、園地、交通用地、河流和草地等景觀類型的變化則相對較小?？傮w上,草本濕地與森林灌叢濕地的面積減少較多,分別從53 km2降低到52 km2,122 km2降低到115 km2,主要是圍海造田,濕地向工業(yè)用地等轉(zhuǎn)換導致的(圖7)。

圖7 研究區(qū)景觀類型變化Fig.7 Variations of landscape types in the study region

3.4.2 典型區(qū)景觀未來變化分析

利用IDRISI的LCM模塊分析2020年土地利用變化情況,進一步通過空間分析,分析3個典型區(qū)的景觀變化情況。模擬結(jié)果見圖8,并利用綜合土地利用動態(tài)度,分析各研究區(qū)的景觀變化速率。

從圖8可以看出,3個典型區(qū)工業(yè)用地的變化均為正值,說明工業(yè)用地在不同區(qū)域均有所增加。珍珠灣區(qū)域的濕地面積減少較大,森林灌叢濕地和草本濕地分別降低1%和2%,而工業(yè)用地則增加了17%,此外,其水田面積也有所增加,旱地面積則有所減少。對于茅尾海區(qū)域來說,森林灌叢濕地面積減少較多,分別為2%和3%,工業(yè)用地增加2%。丹兜海區(qū)域的景觀類型轉(zhuǎn)換較少,大部分維持現(xiàn)狀。其中,草本濕地變化基本維持不變,森林灌叢濕地略有降低為0.06%,工業(yè)用地增加1%,旱地減少2%,其他景觀類型變化較小。

總體上,3個典型區(qū)土地利用動態(tài)度以珍珠灣最高, 茅尾海其次,丹兜海最低。珍珠灣未來土地利用變化率相對較高,其土地利用可能會發(fā)生較大變化,而丹兜海未來的土地利用變化可能會較小。然而,與廣西濱海其他區(qū)域相比,3個典型區(qū)域的土地利用未來變化相對均較小。

圖8 典型區(qū)的景觀類型面積變化與土地利用動態(tài)度Fig.8 Area changes of different landscape types and dynamic degrees of land-use in the typical regions

4 討論與結(jié)論

該研究區(qū)域的景觀格局兼具了濱海區(qū)域脆弱性、敏感性和資源矛盾突出的特征。大規(guī)模海洋資源、海岸帶開發(fā),尤其是圍填海工程等人類活動大量占用了濱海濕地,促使建設用地迅速增加,對研究區(qū)景觀格局產(chǎn)生顯著影響。2000—2014年間,廣西濱海區(qū)域景觀的變化主要表現(xiàn)為草地、園地和常綠闊葉灌木林面積的下降以及工業(yè)用地面積的增加。濱海區(qū)域自然景觀的退化在其他關于海岸帶的研究中也普遍存在[4, 26],在經(jīng)濟快速發(fā)展的同時如何盡可能的維持自然植被的完整是當前亟待探討的議題。

景觀格局上,研究區(qū)域景觀異質(zhì)性變化不大,破碎化趨勢不明顯。但不同景觀類型間略有差異,灌叢濕地的斑塊最多,考慮到其面積較小,說明其破碎化程度也較嚴重。這意味著區(qū)域內(nèi)生境斑塊之間隔離程度的增加,從而可能會阻礙物種擴散,致使生境質(zhì)量下降。利用LCM模型預測的2020年的景觀與2010年相比,森林灌叢濕地和草本濕地降低比率較大,這會進一步降低區(qū)域的生態(tài)環(huán)境質(zhì)量。在當前景觀結(jié)構(gòu)的基礎上,優(yōu)化資源的配置是研究區(qū)域較為合適的發(fā)展方向。必須將已建立的人工區(qū)域充分利用,才有可能降低對自然植被的破壞。限制區(qū)域內(nèi)不合理的圍填海工程,發(fā)展以自然景觀為主的特色生態(tài)旅游,將濱海濕地作為旅游資源有效的列入保護對象[27]。在幫助維持促進區(qū)域自然環(huán)境多樣性的同時,提高其穩(wěn)定性,同時有利于增強區(qū)域發(fā)展的可持續(xù)性。

整體上,區(qū)域內(nèi)景觀格局變化相對較小,但區(qū)域內(nèi)重要的濕地資源是工業(yè)化用地的主要入侵對象。此外,三個紅樹林典型區(qū)均不同程度的受到了濕地開發(fā)利用的影響,新開發(fā)景觀類型面積在逐漸增大,這對典型區(qū)內(nèi)原有的濕地生境產(chǎn)生了嚴重的潛在威脅。LCM模型預測結(jié)果表明,研究區(qū)濱海濕地在將來的發(fā)展也不容樂觀。因此,當前區(qū)域內(nèi)的土地利用規(guī)劃和政策可能仍需要進一步提高對自然岸線和濱海自然景觀保護的重視,高效充分利用人工建成區(qū)域,限制其他用地類型對濕地的侵擾,并加強對區(qū)域內(nèi)重要濕地的保護是當前研究區(qū)可行的發(fā)展道路。

[1] Mooney H A, Duraiappah A, Larigauderie A. Evolution of natural and social science interactions in global change research programs. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(S1): 3665- 3672.

[2] 劉紀遠, 匡文慧, 張增祥, 徐新良, 秦元偉, 寧佳, 周萬村, 張樹文, 李仁東, 顏長珍, 吳世新, 史學正, 江南, 于東升, 潘賢章, 遲文峰. 20世紀80年代末以來中國土地利用變化的基本特征與空間格局. 地理學報, 2014, 69(1): 3- 14.

[3] Zhou Z Z. Landscape changes in a rural area in China. Landscape and Urban Planning, 2000, 47(1/2): 33- 38.

[4] 吳莉, 侯西勇, 徐新良, 邸向紅. 山東沿海地區(qū)土地利用和景觀格局變化. 農(nóng)業(yè)工程學報, 2013, 29(5): 207- 216.

[5] 郭濼, 余世孝. 泰山風景區(qū)景觀格局時空變化的研究. 應用生態(tài)學報, 2005, 16(4): 641- 646.

[6] 張秋菊, 傅伯杰, 陳利頂. 關于景觀格局演變研究的幾個問題. 地理科學, 2003, 23(3): 264- 270.

[7] 蔣文偉, 劉彤, 丁麗霞, 溫國勝, 張萬榮, 鐘泰林. 景觀生態(tài)空間異質(zhì)性的研究進展. 浙江林學院學報, 2003, 20(3): 311- 314.

[8] 葉功富, 洪志猛, 甘永洪, 倪志榮, 蔡干強, 郭劍鋒. 廈門城市綠地生態(tài)系統(tǒng)景觀結(jié)構(gòu)與異質(zhì)性分析. 東北林業(yè)大學學報, 2005, 33(5): 71- 74.

[9] 馮異星, 羅格平, 周德成, 韓其飛, 魯蕾, 許文強, 朱磊, 尹昌應, 戴麗, 李艷忠. 近50a土地利用變化對干旱區(qū)典型流域景觀格局的影響——以新疆瑪納斯河流域為例. 生態(tài)學報, 2010, 30(16): 4295- 4305.

[10] 張玉紅, 蘇立英, 于萬輝, 張洪云. 扎龍濕地景觀動態(tài)變化特征. 地理學報, 2015, 70(1): 131- 142.

[11] 何鵬, 張會儒. 常用景觀指數(shù)的因子分析和篩選方法研究. 林業(yè)科學研究, 2009, 22(4): 470- 474.

[12] 何原榮, 周青山. 基于SPOT影像與Fragstats軟件的區(qū)域景觀指數(shù)提取與分析. 海洋測繪, 2008, 28(1): 18- 21.

[13] 劉昕, 國慶喜. 基于移動窗口法的中國東北地區(qū)景觀格局. 應用生態(tài)學報, 2009, 20(6): 1415- 1422.

[14] 張玲玲, 趙永華, 殷莎, 房舒, 劉曉靜, 蒲苗苗. 基于移動窗口法的岷江干旱河谷景觀格局梯度分析. 生態(tài)學報, 2014, 34(12): 3276- 3284.

[15] 劉琦, 劉世梁, 趙清賀, 王聰, 鄧麗, 楊玨婕, 董世魁. 基于移動窗口法的水電開發(fā)影響下景觀格局梯度分析. 山地學報, 2012, 30(5): 628- 635.

[16] 王倩. 防城港海岸帶景觀格局變化研究[D]. 西寧: 廣西大學, 2013.

[17] 張明祥, 董瑜. 雙臺河口自然保護區(qū)瀕海濕地景觀變化及其管理對策研究. 地理科學, 2002, 22(1): 119- 122.

[18] 李志, 劉文兆, 鄭粉莉. 基于CA-Markov模型的黃土塬區(qū)黑河流域土地利用變化. 農(nóng)業(yè)工程學報, 2010, 26(1): 346- 352.

[19] 吳季秋. 基于CA-Markov和InVEST模型的海南八門灣海灣生態(tài)綜合評價[D]. ?？? 海南大學, 2012.

[20] 黃曉磊, 劉東云, 馮仲科, 仇琪, 苗婕. 基于CA-Markov模型的天津市土地利用預測研究. 中國農(nóng)業(yè)科技導報, 2012, 14(5): 84- 89.

[21] 黎遺業(yè). 廣西沿海紅樹林濕地的生態(tài)保護對策. 資源開發(fā)與市場, 2008, 24(3): 267- 269.

[22] 雷富, 張榮燦, 陳憲云, 許銘本, 何碧娟, 姜發(fā)軍. 夏季廣西北部灣近岸海域海水和表層沉積物中重金屬污染現(xiàn)狀及評價. 海洋技術, 2013, 32(2): 94- 100.

[23] 沈琪. 生態(tài)經(jīng)濟背景下的區(qū)域生態(tài)承載力研究——以廣西北部灣經(jīng)濟區(qū)為例. 桂海論叢, 2014, 30(2): 91- 96.

[24] 布仁倉, 胡遠滿, 常禹, 李秀珍, 賀紅士. 景觀指數(shù)之間的相關分析. 生態(tài)學報, 2005, 25(10): 2764- 2775.

[25] 游麗平, 林廣發(fā), 楊陳照, 林巧鶯, 楊麗萍. 景觀指數(shù)的空間尺度效應分析——以廈門島土地利用格局為例. 地球信息科學, 2008, 10(1): 74- 79.

[26] 潘翔, 孫元敏, 吳劍, 陳鵬. 廈門灣海岸帶景觀格局時空動態(tài)演變研究. 生態(tài)科學, 2016, 35(1): 117- 123.

[27] 呂建樹, 劉洋, 張祖陸, 李靜, 王學. 魯北濱海濕地生態(tài)旅游資源開發(fā)潛力評價及開發(fā)策略. 資源科學, 2011, 33(9): 1788- 1798.

Landscapepatternanalysisandpredictionofland-usechangeintheGuangxicoastalarea

LIU Shiliang*, AN Nannan, YIN Yijie, CHENG Fangyan, DONG Shikui

StateKeyLaboratoryofWaterEnvironmentSimulation,SchoolofEnvironment,BeijingNormalUniversity,Beijing100875,China

The determination of landscape patterns of coastal wetlands has great significance in promoting the sustainable development of coastal regions. Spatiotemporal changes in landscape patterns in the coastal wetlands were analyzed using the moving window method. Three typical regions were extracted for variation tendency analysis of landscape patterns, and future trends in landscape evolution were predicted using the Land Change Modeler (LCM). The results showed that the areas of grassland, arbor plantation, and evergreen broad leaved shrub forest decreased, whereas that of industrial land increased. Changes in landscape heterogeneity and fragmentation were not obvious in the study region from 2000 to 2014. The comparison of landscape indices showed that the spatial distribution patterns of edge density were similar to that of the diversity index, indicating that regions with higher diversity also had higher edge density. Areas with higher diversity and edge density were located in Zhenzhu Bay, Maowei Sea, and the middle eastern portion of the study area. In addition, three typical regions exhibited similar patterns in which the diversity index decreased while the evenness index increased from 2000 to 2014. The number of patches and the area of coastal wetlands declined during this period. Results from the LCM revealed that areas of herbaceous wetland and mixed shrub and forested wetland have a declining tendency until 2020 because of their conversion to industrial land and residential land. Thus, the expansion of industrial land will be the main factor affecting land-use changes for these three typical regions. Zhenzhu Bay will experience the greatest level of land-use change, followed by Maowei Sea and Dandou Sea. In conclusion, changes in the regional landscape patterns resulted in decreased wetland quality; therefore, enhancing the protection of wetlands and limiting development of industrial land will be an effective way to maintain the integrity and security of the regional environment.

landscape pattern; land-use change; moving window method; LCM model; Guangxi coastal wetland

國家重點研發(fā)計劃項目(2016YFC0502103);國家自然科學基金面上(41571173)

2016- 06- 30; < class="emphasis_bold">網(wǎng)絡出版日期

日期:2017- 04- 25

*通訊作者Corresponding author.E-mail: shiliangliu@bnu.edu.cn

10.5846/stxb201606301335

劉世梁,安南南,尹藝潔,成方妍,董世魁.廣西濱海區(qū)域景觀格局分析及土地利用變化預測.生態(tài)學報,2017,37(18):5915- 5923.

Liu S L, An N N, Yin Y J, Cheng F Y, Dong S K.Landscape pattern analysis and prediction of land-use change in the Guangxi coastal area.Acta Ecologica Sinica,2017,37(18):5915- 5923.