黑河中游土地利用與景觀格局的水文效應(yīng)分析

江 頌，蒙吉軍?，陳奕云

(1.北京大學(xué)城市與環(huán)境學(xué)院，地表過程分析與模擬教育部重點(diǎn)實(shí)驗(yàn)室，100871，北京；2.武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院，430079，武漢)

隨著社會經(jīng)濟(jì)的發(fā)展，水資源已成為全球多地區(qū)發(fā)展的限制因子之一[1]。作為生態(tài)系統(tǒng)的重要服務(wù)功能，區(qū)域水資源的產(chǎn)生與供給對確保灌溉農(nóng)業(yè)、工業(yè)及旅游業(yè)的發(fā)展，促進(jìn)居民生活水平的提高具有重要意義[2]；因此，流域生態(tài)系統(tǒng)產(chǎn)水服務(wù)及其影響機(jī)制的研究逐漸成為水文學(xué)、流域規(guī)劃與管理等領(lǐng)域的研究熱點(diǎn)[3]。已有研究表明：在長時間尺度上，氣候是降水、產(chǎn)水等水資源變化的主導(dǎo)因素；但在較短時間尺度上，土地利用/覆被變化(land use and land cover change，LUCC)才是水文效應(yīng)的重要影響因素[4]。揭示和預(yù)測LUCC的水文效應(yīng)，對指導(dǎo)區(qū)域土地利用規(guī)劃，優(yōu)化區(qū)域水土資源配置，以及流域的可持續(xù)發(fā)展至關(guān)重要[5]。近年來，關(guān)于土地利用與水文過程關(guān)系的研究正逐漸增加，特征參數(shù)[6]、衛(wèi)星遙感[7]、水文模型[8]等方法技術(shù)被綜合應(yīng)用，植被變化、農(nóng)田增減、城鎮(zhèn)化等用地變化被認(rèn)為可能影響水文過程[9-11]。目前，大部分研究都關(guān)注于土地利用比例對水文過程的影響，而對景觀格局的水文效應(yīng)研究較少[12]；而且，在探討土地利用水文效應(yīng)時，較多研究采用相關(guān)分析和多元線性回歸分析的方法，沒有考慮到空間因子，忽略了空間依賴性和空間非平穩(wěn)性對水文效應(yīng)的影響。

自20世紀(jì)60年代起，隨著計(jì)算機(jī)技術(shù)的發(fā)展，水文效應(yīng)的研究方法由傳統(tǒng)的統(tǒng)計(jì)分析向水文模型轉(zhuǎn)變。InVEST模型便是目前應(yīng)用廣泛的一種。InVEST(the integrated valuation of ecosystem services and tradeoffs tool)模型，全稱“生態(tài)系統(tǒng)服務(wù)功能綜合估價(jià)和權(quán)衡得失評估模型”，由美國斯坦福大學(xué)、大自然保護(hù)協(xié)會(TNC)和世界自然基金會(WWF)聯(lián)合開發(fā)而成[8]。使用該模型能夠快捷地對包括產(chǎn)水功能在內(nèi)的生態(tài)系統(tǒng)多種服務(wù)功能進(jìn)行量化，從而很好地為政府及相關(guān)部門提供決策依據(jù)。

基于此，本文選擇水資源供需矛盾突出的黑河中游為研究區(qū)，建立InVEST模型計(jì)算流域產(chǎn)水：一方面，將空間因子考慮在內(nèi)，通過普通最小二乘回歸、空間回歸以及地理加權(quán)回歸等多種方法，分析土地利用類型與流域產(chǎn)水的關(guān)系；另一方面，結(jié)合主成分分析篩選景觀指數(shù)，進(jìn)一步揭示景觀格局與區(qū)域產(chǎn)水的關(guān)系，從而為區(qū)域土地利用規(guī)劃與決策提供參考，促進(jìn)水土資源的持續(xù)利用。

1 研究區(qū)概況

黑河是中國第2大內(nèi)陸河，發(fā)源于祁連山中段，流經(jīng)青海、甘肅、內(nèi)蒙古3省自治區(qū)[13]。黑河鶯落峽至正義峽之間為中游，東靠武威和金昌，西至嘉峪關(guān)和酒泉，南與青海省接壤，北和內(nèi)蒙古毗鄰，具體范圍介于E 97°20′～102°12′，N 37°28′～39°57′。中游干流全長185 km，總面積約1.96萬km2。黑河中游地處青藏高原向內(nèi)蒙古高原的過渡地帶，海拔在1 234～4 886 m之間，地勢東南高西北低，其北部山地和走廊平原屬溫帶大陸性干旱氣候，南部祁連山區(qū)為高寒半干旱氣候。年降水量僅54.9～436.2 mm，且年內(nèi)分布不均，多集中在6—9月；但全年蒸發(fā)量高達(dá)1 700 mm[14]。黑河中游是典型的灌溉農(nóng)業(yè)綠洲，也是整個流域人類活動最為密集、綠洲最為集中、經(jīng)濟(jì)最為發(fā)達(dá)的地區(qū)[15]。流域人均可利用水資源量為1 250 m3(僅為全國平均水平的57%)，是典型的資源型缺水地區(qū)。

本研究所需數(shù)據(jù)包括基礎(chǔ)地理信息數(shù)據(jù)、土地利用數(shù)據(jù)、氣象數(shù)據(jù)和土壤數(shù)據(jù)等?；A(chǔ)地理信息數(shù)據(jù)來自中國科學(xué)院寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心的黑河計(jì)劃數(shù)據(jù)管理中心(www.heihedata.org)。土地利用數(shù)據(jù)包括黑河中游2000、2010和2014年土地利用柵格數(shù)據(jù)。其中，2000年土地利用數(shù)據(jù)來源于中國科學(xué)院“八五”重大應(yīng)用項(xiàng)目[16]，2010、2014年土地利用數(shù)據(jù)是通過黑河中游Landsat影像進(jìn)行人機(jī)交互式目視解譯得到，解譯精度均>88%。研究中，將土地利用類型劃分為耕地、草地、林地、水域、建筑用地和未利用地6類，數(shù)據(jù)的空間分辨率為30 m。

氣象數(shù)據(jù)來自中國氣象數(shù)據(jù)網(wǎng)(cdc.nmic.cn/home.do)。對研究區(qū)及其周邊的11個氣象站點(diǎn)求得多年平均降水量，再通過普通克里金插值得到黑河中游多年平均降水量。使用“改進(jìn)的哈格里夫斯”(modified Hargreaves)公式計(jì)算并插值得到多年平均參考蒸散量[17]。土壤深度、植物可利用含水量數(shù)據(jù)均來自世界土壤數(shù)據(jù)庫(HWSD)，空間分辨率為1 km。

DEM數(shù)據(jù)來自美國馬里蘭大學(xué)全球土地覆被數(shù)據(jù)庫，分辨率為30 m。基于DEM數(shù)據(jù)，在ArcGIS中使用Hydrology工具將研究區(qū)劃分為20個子流域(圖1)。

圖1 黑河中游子流域劃分結(jié)果Fig.1 Divided subwatersheds in the middle reaches of Heihe River

2 研究方法

2.1 基于InVEST模型的產(chǎn)水量模擬

InVEST模型產(chǎn)水模塊的計(jì)算原理，主要是通過降水量減去蒸發(fā)蒸騰水量來得到產(chǎn)水量。該模型忽略地表水與地下水的交互作用，不區(qū)分地表徑流、地下徑流以及基流。

產(chǎn)水模塊是基于Budyko曲線和年平均降水量進(jìn)行計(jì)算的。年產(chǎn)水量的計(jì)算公式為

(1)

式中：Y(x)為x類景觀像素的年產(chǎn)水量，mm；AET(x)為年實(shí)際蒸散發(fā)量，mm；P(x)為年降水量，mm。

2.2 回歸分析模型

1)普通最小二乘回歸(ordinary least squares，簡稱OLS)是最簡單、最基本且應(yīng)用最為廣泛的模型之一。模型的一般形式為

(2)

式中：Y為因變量，mm；Xi為第i個自變量，mm；βi為回歸系數(shù)；ε為隨機(jī)誤差項(xiàng)，mm。

2)空間誤差模型(spatial error model，簡稱SEM)通過空間誤差項(xiàng)來引入空間依賴性。其表達(dá)式為

Y=Xβ+ε,

(3)

ε=λWε+μ。

(4)

式中：λ為自回歸參數(shù)，衡量樣本觀測值中的空間依賴作用；μ為空間殘差項(xiàng)，mm；W為空間權(quán)重矩陣。

3)地理加權(quán)回歸(geographical weighted regression，簡稱GWR)是一種對空間變化關(guān)系建模的線性回歸的局部形式，是對普通回歸模型的擴(kuò)展。該模型假定了其擬合系數(shù)是變量空間位置的函數(shù)，將變量的地理位置引入到回歸參數(shù)中，再利用局部加權(quán)最小二乘法進(jìn)行逐點(diǎn)的參數(shù)估計(jì)[18]。其中，權(quán)是回歸點(diǎn)所在空間位置到其他各采樣點(diǎn)空間位置的距離函數(shù)。其表達(dá)式一般為

(5)

式中：Yi為第i個采樣點(diǎn)的因變量，即待估測值，mm；Xik為第i個采樣點(diǎn)上的第k個解釋變量，mm；(ui,vi)為第i個采樣點(diǎn)的坐標(biāo)；βk(ui,vi)為第i個采樣點(diǎn)上的第k個回歸參數(shù)，是地理位置的函數(shù)。

在回歸分析中，分別以土地利用類型和景觀指數(shù)指標(biāo)作為自變量。其中，土地利用類型指標(biāo)以每個子流域的各類用地面積占該子流域總面積的比值來表示，計(jì)算公式如下：

(6)

式中：Xij為第i個子流域中第j類用地面積指標(biāo)；Sij為第i個子流域內(nèi)第j類用地的面積，m2；Si為第i個子流域的總面積，m2。

3 結(jié)果分析

3.1 黑河中游產(chǎn)水量時空格局

2000、2010和2014年的產(chǎn)水量分別為1.73億、1.63億和1.38億m3，呈現(xiàn)出逐年減少趨勢，尤其是2010年至2014年，產(chǎn)水量減少幅度更大。

圖2中，虛線是整個黑河中游當(dāng)年的平均產(chǎn)水深度，對比可知子流域間產(chǎn)水能力差異極大。三期中，產(chǎn)水集中于15～20號這6個子流域，15、16、18和19號子流域的產(chǎn)水深度遠(yuǎn)高于平均產(chǎn)水深度，而1～14號子流域產(chǎn)水深度則遠(yuǎn)低于平均產(chǎn)水深度，部分子流域甚至為0。

圖2 黑河中游2000(a)、2010(b)和2014(c)年各子流域產(chǎn)水深度Fig.2 Water yield depths of subwatersheds in the middle reaches of Heihe River in 2000 (a), 2010 (b), and 2014 (c)

由圖3可見，三期產(chǎn)水量均呈現(xiàn)出東南多、西北少的空間分布。對比產(chǎn)水量與降水量分布格局，發(fā)現(xiàn)盡管產(chǎn)水量和降水量都有著東南多、西北少的大格局特征，但在小格局上的分布規(guī)律并不完全一致。說明產(chǎn)水量受到降水量的控制，但子流域間的局部差異還受到下墊面的影響。

圖3 黑河中游2000(a)、2010(b)和2014(c)年各子流域產(chǎn)水深度空間分布Fig.3 Spatial distribution of water yield depths of subwatersheds in the middle reaches of Heihe River in 2000 (a), 2010 (b), and 2014 (c)

3.2 黑河中游土地利用的水文效應(yīng)

3.2.1 土地利用水文效應(yīng)的普通最小二乘回歸 在土地利用水文效應(yīng)的回歸建模中，6類指標(biāo)間具有線性關(guān)系，若同時將其作為自變量，會造成變量冗余；因此，先去掉草地(16.29%)、未利用地(57.38%)這2類用地(兩者在研究區(qū)所占面積最大，會對其它類型用地面積指標(biāo)值影響較大)，只將耕地、林地、水體、建設(shè)用地4類用地指標(biāo)作為自變量，將極差標(biāo)準(zhǔn)化后的產(chǎn)水指標(biāo)作為因變量，進(jìn)行普通最小二乘回歸(表1)。

表1 黑河中游4類用地對產(chǎn)水深度的普通最小二乘回歸結(jié)果

對于P>0.05的自變量，其系數(shù)不具有顯著性，尚不能認(rèn)為有統(tǒng)計(jì)學(xué)意義，在此不予討論[19]。由表1可知，在2000年的回歸模型中，林地和水體的系數(shù)為正，表明林地和水體促進(jìn)產(chǎn)水。在InVEST產(chǎn)水模型中，產(chǎn)水量與產(chǎn)流量的意義有所不同，模型計(jì)算的產(chǎn)水量包含在之后可能轉(zhuǎn)化為的土壤含水量、凋落物持水量以及冠層截留量；因此，林地因其有樹蔭遮蔽，整體溫度較低，蒸發(fā)速度慢，且其葉片、根系等具有持水功能，整體上表現(xiàn)為促進(jìn)產(chǎn)水。而水體的蒸發(fā)形式是水面蒸發(fā)，主要受控于氣象條件，由于水體比熱容較大，其溫度會低于陸面，使蒸發(fā)量往往更小，從而促進(jìn)產(chǎn)水[20]。2010年，耕地的回歸系數(shù)為正，表明耕地也有利于產(chǎn)水。建設(shè)用地的系數(shù)為負(fù)，表明建設(shè)用地對產(chǎn)水有抑制作用，這可能由于城鎮(zhèn)的建筑用地具有熱島效應(yīng)，致使水分的蒸散發(fā)量較大，從而不利于產(chǎn)水。2014年的回歸結(jié)果與前2期相似，耕地和林地促進(jìn)產(chǎn)水，建設(shè)用地抑制產(chǎn)水。

同樣地，將未利用地和草地這2類用地指標(biāo)作為自變量，將極差標(biāo)準(zhǔn)化后的產(chǎn)水指標(biāo)作為因變量，進(jìn)行普通最小二乘回歸(表2)。

由表2可見，草地的系數(shù)均不顯著，2000、2010和2014年中未利用地的系數(shù)均為負(fù)，表明未利用地抑制產(chǎn)水。黑河中游的未利用地主要分布在北部地區(qū)，其地面多表現(xiàn)為荒漠，土壤類型主要為黏重鹽沙，蓄水能力差，蒸散量大，故不容易產(chǎn)水。

3.2.2 土地利用水文效應(yīng)的空間回歸 空間依賴性檢驗(yàn)?zāi)軐δＰ瓦x擇做出判斷。通過查看各普通最小二乘回歸模型的空間依賴性檢驗(yàn)結(jié)果，發(fā)現(xiàn)2010、2014年的回歸模型中拉格朗日乘數(shù)均不顯著(P>0.05)，表明對其保留OLS回歸結(jié)果即可，而以2000年草地和未利用地為自變量的回歸模型中，LM-lag不顯著(P=0.28)而LM-error顯著(P=0.03)，表明有必要使用空間誤差回歸模型進(jìn)行改進(jìn)。

于是，以2000年草地和未利用地指標(biāo)為自變量，以產(chǎn)水深度為因變量，建立空間誤差模型(表3)。

由表3可知，空間回歸與普通最小二乘回歸結(jié)果相同，未利用地系數(shù)為負(fù)，抑制產(chǎn)水。且空間誤差模型的R2為0.71，而普通最小二乘回歸的R2為0.59，可見模型性能得到的了較大提升。為檢驗(yàn)空間回歸模型效果，分別計(jì)算OLS和SEM的回歸殘差的全局Moran’s I，從而檢驗(yàn)回歸模型的殘差是否具有空間隨機(jī)性。經(jīng)過計(jì)算得到，OLS殘差的Moran’s I為-0.43(P=0.03)，表明OLS的殘差具空間負(fù)相關(guān)性。而SEM殘差的Moran’s I為0.12(P=0.11)，與OLS相比，指數(shù)的絕對值明顯減小，結(jié)合指數(shù)對應(yīng)的P值，可以認(rèn)為空間誤差模型消除了殘差的空間負(fù)相關(guān)性。

表2 黑河中游2類用地對產(chǎn)水深度的普通最小二乘回歸結(jié)果

表3 2000年黑河中游2類用地對產(chǎn)水深度的空間誤差回歸模型

注：λ：空間誤差系數(shù)；z值：z檢驗(yàn)統(tǒng)計(jì)量。Notes:λ: Spatial error coefficient.z-value:ztest statistics.

3.2.3 土地利用水文效應(yīng)的地理加權(quán)回歸 根據(jù)地理學(xué)第一定律，OLS中的平穩(wěn)性假設(shè)并非恒成立，而地理加權(quán)回歸能夠容許一些不平穩(wěn)的數(shù)據(jù)被模擬。經(jīng)計(jì)算，2000年黑河中游產(chǎn)水深度的Moran’s I為0.32(P=0.02)，表明因變量確實(shí)具有空間正相關(guān)性，適合采用地理加權(quán)回歸模型進(jìn)行擬合。

以2000年草地和未利用地指標(biāo)為自變量，以產(chǎn)水深度為因變量，建立地理加權(quán)回歸模型。得到的R2為0.90，遠(yuǎn)高于OLS的R2，證明地理加權(quán)回歸明顯地提升模型性能。地理加權(quán)回歸模型對局部進(jìn)行了回歸，因此每個子流域都有1個回歸系數(shù)，未利用地在各子流域的回歸系數(shù)如圖4所示。

圖4 黑河中游2000年未利用地對產(chǎn)水深度的地理加權(quán)回歸系數(shù)Fig.4 Geographical weighted regression coefficient of bare land on water yield depth in the middle reaches of Heihe River in 2000

由圖4可見：與普通最小二乘回歸和空間回歸結(jié)果相一致，未利用地的地理加權(quán)回歸系數(shù)整體上為負(fù)，但在各子流域中存在差異。在最南端，回歸系數(shù)為正，表明未利用地在此處促進(jìn)產(chǎn)水；在北部地區(qū)，系數(shù)為負(fù)，表明抑制產(chǎn)水；而中偏南部地區(qū)，回歸系數(shù)達(dá)到最小值-1.17，表明未利用地在此處對產(chǎn)水的抑制作用最強(qiáng)。這種分布可能與黑河中游土壤質(zhì)地及局部地形有關(guān)，南部土壤松軟，容易蓄水持水，蒸發(fā)量相對減少，因此容易產(chǎn)水；由南向北土壤變得黏重，蓄水能力差，再加上中部主要為平原地形，接受太陽輻射多，蒸發(fā)量相對更大，因此不利于產(chǎn)水；而北部地區(qū)雖然土壤也屬于黏重型，但因山地地形的存在，使當(dāng)?shù)赜猩降仃幱?、坡地小氣候等對降水、蒸發(fā)產(chǎn)生影響，從而使北部未利用地對產(chǎn)水的抑制作用不及中部偏南地區(qū)強(qiáng)烈。

結(jié)合研究區(qū)2000—2014年土地利用變化趨勢分析，總體來看，黑河中游產(chǎn)水能力的下降受到了未利用地面積增加以及林地、水體、耕地面積減少的影響。

3.3 黑河中游景觀格局的水文效應(yīng)

3.3.1 景觀格局指數(shù)主成分分析 參考已有研究[21-23]，選擇目前常用、且具有代表性的景觀指數(shù)共9個，包括最大斑塊占景觀面積比例(LPI，largest patch index)、斑塊面積算術(shù)平均(AREA_MN，mean of patch area)、斑塊面積標(biāo)準(zhǔn)差(AREA_SD，standard deviation of patch area)、形狀指數(shù)加權(quán)平均(SHAPE_AM，area-weighted mean of shape index)、分形維數(shù)加權(quán)平均(FRAC_AM，area-weighted mean of fractal index)、斑塊多度(PR，patch richness)、斑塊多度密度(PRD，patch richness density)、修正Simpson多樣性指數(shù)(MSIDI，modified Simpson’s diversity index)、修正Simpson均勻度指數(shù)(MSIEI，modified Simpson’s evenness index)?；?000、2010及2014年土地利用數(shù)據(jù)，使用Fragstats 4.2[24]計(jì)算出黑河中游的9種景觀指數(shù)。

對黑河中游3期景觀指數(shù)進(jìn)行主成分分析，結(jié)果如表4所示。

表4 黑河中游2000、2010和2014年景觀指數(shù)主成分分析結(jié)果

注：加粗?jǐn)?shù)據(jù)表示該景觀指數(shù)在該主成分中載荷較大。Notes: The bold data indicates that the landscape index has a greater load in the principal component. LPI: Largest patch index. AREA_MN: Mean of patch area. AREA_SD: Standard deviation of patch area. SHAPE_AM: Area-weighted mean of shape index. FRAC_AM: Area-weighted mean of fractal index. PR: Patch richness. PRD: Patch richness density. MSIDI: Modified Simpson’s diversity index. MSIEI: Modified Simpson’s evenness index.

由表4可見，3期數(shù)據(jù)的前3個特征根的累計(jì)貢獻(xiàn)率均大于85%，即3個年份的景觀格局均可使用前3個主成分描述。對比不同年份的主成分載荷可以發(fā)現(xiàn)，第1主成分主要由LPI、FRAC_AM、MSIDI、MSIEI來解釋，主要代表景觀豐富度、均勻度；第2主成分主要由AREA_SD解釋，代表斑塊面積特征；第3主成分主要由PRD解釋，代表景觀斑塊相互間影響情況[23,25]。

3.3.2 景觀格局水文效應(yīng)的普通最小二乘回歸 基于主成分分析，將極差標(biāo)準(zhǔn)化后的主成分得分作為自變量，將產(chǎn)水深度作為因變量，進(jìn)行普通最小二乘回歸(表5)。

由表5可見，3期數(shù)據(jù)中第1主成分的系數(shù)均顯著，且均為正，表明景觀豐富度、均勻度與產(chǎn)水成正相關(guān)。2000年中的第2主成分系數(shù)也顯著，其系數(shù)為負(fù)，第2主成分主要由斑塊面積標(biāo)準(zhǔn)差A(yù)REA_SD解釋，表明斑塊間面積差距越大即景觀均勻程度越低，越不利于產(chǎn)水。綜合推斷，在黑河中游，景觀類型越豐富多樣，景觀斑塊分布越均勻，則越有利于產(chǎn)水。

表5 景觀指數(shù)主成分對產(chǎn)水深度的普通最小二乘回歸結(jié)果

注：pc1：第1主成分；pc2：第2主成分；pc3：第3主成分。Notes: pc1: First principal component. pc2: Second principal component. pc3: Third principal component.

總體來看，2000—2014年期間研究區(qū)景觀多樣性和景觀均勻度的下降，也是黑河中游產(chǎn)水能力下降的原因之一。

4 結(jié)論與討論

1)黑河中游產(chǎn)水能力在2000—2014年期間呈現(xiàn)出減小趨勢，與未利用地面積增加和林地面積減少、以及景觀多樣性和均勻度下降等景觀格局變化有直接關(guān)系。2000、2010和2014年產(chǎn)水量分別為1.73億、1.63億和1.38億m3。產(chǎn)水量空間分布不均勻，東南多、西北少，子流域間產(chǎn)水能力差異大，這與王蓓等[26]的研究結(jié)論基本一致。

2)黑河中游水文效應(yīng)的尺度特征明顯。在土地利用尺度上，林地、水體、耕地等有助于促進(jìn)產(chǎn)水，而建設(shè)用地和未利用地則抑制產(chǎn)水；在景觀尺度上，景觀類型越豐富、斑塊分布越均勻，越有利于產(chǎn)水，這與前人的研究結(jié)論相近[20,27]。因此，結(jié)合黑河中游生態(tài)安全建設(shè)[28]，對于北部地區(qū)，加強(qiáng)未利用地的封育保護(hù)，增加荒漠植被群落的穩(wěn)定性，防止沙漠化的進(jìn)一步擴(kuò)展；對于水土條件較為優(yōu)越的中部偏南地區(qū)，在維持地類多樣性的同時，控制農(nóng)業(yè)綠洲無序擴(kuò)展，協(xié)調(diào)各類用地比例，提升景觀斑塊的均勻度，合理配置生態(tài)用水；對于產(chǎn)水量較高的南部地區(qū)，加快林草植被的保護(hù)與恢復(fù)，保障流域源頭的森林生態(tài)屏障。

3)普通最小二乘回歸、空間回歸以及地理加權(quán)回歸結(jié)果均能表明黑河中游未利用地整體上抑制產(chǎn)水。但與普通最小二乘回歸模型相比，空間回歸模型消除了回歸殘差的空間負(fù)相關(guān)性，使模型性能得到提升。地理加權(quán)回歸使模型性能得到進(jìn)一步提升，并揭示出未利用地回歸系數(shù)的空間差異。

4)筆者從土地利用和景觀格局2個尺度揭示黑河中游水文效應(yīng)的影響因素與影響機(jī)制，為區(qū)域生態(tài)系統(tǒng)管理提供參考。本研究關(guān)注揭示土地利用活動對水文效應(yīng)的影響，沒有考慮氣候變化對產(chǎn)水的影響。今后在更長時間序列的研究中，可結(jié)合氣候變化來分析對流域產(chǎn)水的綜合影響。另外，研究中所選的景觀格局指數(shù)雖依據(jù)主成分分析和已有研究，但仍難避免主觀因素的影響。未來研究可結(jié)合研究區(qū)實(shí)際情況改進(jìn)景觀格局指數(shù)篩選方法，深入探討景觀格局的水文效應(yīng)。