珠江三角洲林地結構現(xiàn)狀及景觀梯度分異特征

杜文杰, 龔建周,*, 胡月明, 趙冠偉

?

珠江三角洲林地結構現(xiàn)狀及景觀梯度分異特征

杜文杰1, 龔建周1,*, 胡月明2, 趙冠偉1

1. 廣州大學地理科學學院, 廣州 510006 2. 廣州市華南自然資源科學技術研究院, 廣州 510642

隨著城市化進程加快, 森林生態(tài)系統(tǒng)日趨遭到破壞, 進行景觀格局研究有利于認識其潛在規(guī)律與驅動機制。論文綜合運用景觀指數(shù)與點格局方法, 研究珠三角林地景觀的“鑲嵌性”和“梯度性”特征, 對珠江三角洲林地結構現(xiàn)狀、景觀梯度的林地點個數(shù)、點密度以及空間聚集特征進行量化分析并探討林地景觀空間分布模式。計算結果表明: 珠江三角洲林地面積較大, 構成了研究區(qū)的景觀基質(zhì)。林地點個數(shù)和點密度在景觀梯度上, 呈正態(tài)或偏正態(tài)分布; 林地景觀在不同空間尺度上都呈聚集分布, 但不同林地類型聚集尺度和空間分布強度不盡相同。在空間分布模式上, 研究區(qū)大尺度以有林地基質(zhì)分布模式為主; 中小尺度下, 不同地域分別呈現(xiàn)出以有林地連片—疏林地呈條帶狀、有林地基質(zhì)—灌木林地團塊狀為主的分布模式。研究結果說明林地景觀結構具有尺度依賴性且為層次結構復雜的系統(tǒng), 印證了景觀生態(tài)學的尺度效應和等級理論普遍存在, 景觀指數(shù)和點格局相結合的方法在研究林地景觀格局中具有有效性。

林地; 景觀格局; 景觀指數(shù); 點格局; 珠三角

0 前言

隨著世界人口增加及城市化進程加快, 森林生態(tài)系統(tǒng)遭到破壞, 使得林地景觀結構改變、景觀也趨于破碎化[1], 影響了森林生態(tài)系統(tǒng)內(nèi)物質(zhì)循環(huán)和能量流動, 降低了生態(tài)系統(tǒng)的功能[2]。鄔建國教授[3]認為研究景觀格局有利于人們發(fā)現(xiàn)景觀中潛在規(guī)律, 揭示景觀格局與過程相互作用的機理。目前, 景觀格局研究已在各個領域廣為開展, 如區(qū)域景觀格局演變[4–6]、景觀格局—過程定量識別[7]、景觀格局與生態(tài)系統(tǒng)服務[8]、景觀格局與生態(tài)風險評價等[9]。在未來的研究方向上, 陳利頂指出人口高度聚集的城市化地區(qū)應是景觀生態(tài)學研究的重要地區(qū)之一[10], 其中, 作為生態(tài)用地的林地因具有良好的生態(tài)系統(tǒng)服務功能在人口密集的城市化地區(qū)的景觀格局研究中也應受到重視。

景觀格局定量分析主要有景觀指數(shù)和空間統(tǒng)計學兩大方法。其中, 景觀指數(shù)方法在研究種類組成和空間配置方面起著重要作用[11], 已廣為應用[12–15]。但是景觀指數(shù)注重對景觀的“鑲嵌性”進行研究而忽視“梯度性”研究, 較難全面地揭示景觀空間分異規(guī)律[16], 因而使用空間統(tǒng)計學方法加以補充。點格局分析方法就是一種常用的空間統(tǒng)計學方法, 該方法以研究區(qū)域內(nèi)獨立樣本點的空間二維坐標為基本數(shù)據(jù), 將所有個體組成空間分布點圖, 研究所有點樣本在空間上的分布特征及相互關系[17]。由于斑塊在空間上是具有景觀生態(tài)學意義的“點狀或面狀地物”, 并且景觀要素可以抽象為一般的點空間要素[16], 因此點格局方法也適用于進行面狀景觀分析。目前, 點格局分析法常被用于對群落地段中的植物個體進行研究, 而進行森林景觀格局的研究較少, 僅占總數(shù)的3%[18], 利用點格局分析方法研究森林景觀格局既拓展了該方法在研究中的應用領域, 也豐富了珠三角宏觀范圍林地景觀研究。

2013年8月,廣東省明確提出建立珠三角森林城市群, 推進廣東省綠化上新臺階, 成為全國首次提出“建設國家森林城市群”概念的省份。2016年8月, 珠三角地區(qū)被國家林業(yè)局正式批復為“國家森林城市群建設示范區(qū)”。同年9月, 開始啟動珠三角地區(qū)國家級森林城市群建設工作。2017年4月, 廣東省林業(yè)廳印發(fā)實施《珠三角國家森林城市群建設規(guī)劃(2016—2025年)》, 為珠三角森林城市群建設提供了方向和依據(jù)。2017年10月, 國務院正式提出進行粵港澳大灣區(qū)建設, 在此背景下, 區(qū)域森林景觀建設更是不可或缺的一環(huán), 將有助于提高珠三角城市群的生態(tài)環(huán)境質(zhì)量。有關珠三角林地景觀格局的研究主要涉及珠三角城市森林建設定性分析[19]、景觀空間格局分析[20]和農(nóng)地驅動力回歸模型[21]; 吳雪彪等[22]、劉毅斌[23]、趙慶等[24]等學者也曾展開小尺度范圍內(nèi)林地景觀格局分析。梯度分析方法能有效用于研究景觀空間格局變化特征[25], 但在珠三角林地景觀研究中運用少, 樣帶設計又會影響梯度分析結果[26], 因此有必要運用梯度分析方法并設置合適樣帶研究珠三角林地梯度分異規(guī)律。

借用景觀指數(shù)方法, 本文首先探討珠三角林地現(xiàn)狀結構; 然后, 通過將林地斑塊抽象為具有二維空間坐標的點空間要素以及設計梯度研究的樣帶, 利用點格局密度方法, 揭示林地在空間上的梯度變化特征, 并且借用Ripley’s K函數(shù), 探討林地空間聚集特征或分布模式。這一研究成果既能豐富珠三角宏觀林地景觀的研究, 又將對珠三角國家森林城市群建設的實踐具有借鑒或指導作用。

1 材料與方法

1.1 研究區(qū)概況與數(shù)據(jù)

本文以包括廣州、深圳、珠海、佛山、東莞、中山、惠州、肇慶和江門共九市的小珠三角為研究范圍[27](圖1), 經(jīng)緯度為從111°21′—115°28′E, 北緯21°30′—24°24′N, 絕大部分處于北回歸線以南, 屬于熱帶范圍。研究區(qū)域居廣東省中南部, 瀕臨南海, 共有8個珠江入?？? 是中國的南大門。終年溫暖濕潤的亞熱帶氣候養(yǎng)育了多層次分布的多種類型植被, 林地生態(tài)系統(tǒng)最上層分布著高大喬木, 林下分布著熱帶、亞熱帶種屬的灌木、藤木和草本植物[28]。

研究區(qū)土地利用現(xiàn)狀遙感監(jiān)測數(shù)據(jù)(2015), 廣東省、珠三角(九市)行政區(qū)圖(2015)和中國一級河流空間分布數(shù)據(jù)集, 均由中國科學院資源環(huán)境科學數(shù)據(jù)中心(http://www.resdc.cn/Default.aspx)提供[29]。其中, 土地利用數(shù)據(jù)源自分辨率為30 m的Landsat 8遙感影像, 基于2010年土地利用數(shù)據(jù), 通過人工目視解譯生成。將土地利用分為耕地、林地、草地、水域、居民地和未利用土地共6個一級類型以及25個二級類型。其中, 林地包括有林地、灌木林地、疏林地和其他林地共4個二級類型(如表1)。根據(jù)研究需要, 本文僅選取研究區(qū)林地作為研究對象。

注: 該圖基于中國科學院資源環(huán)境科學數(shù)據(jù)中心(http://www.resdc.cn/Default.aspx)提供的2015年行政邊界數(shù)據(jù)制作, 底圖無修改。

Figure 1 Location and woodland distribution of the Pearl River Delta in Guangdong Province (in 2015)

表1 林地分類系統(tǒng)[29]

輔件為珠三角九市2016年人口統(tǒng)計年鑒[27]。遙感影像空間分辨率是用于記錄地物信息的最小單位, 本文土地利用數(shù)據(jù)是基于像元為30×30 m的Landsat8影像, 在數(shù)據(jù)處理與轉換過程中, 往往會生成面積小于30×30(900) m2的碎屑多邊形, 顯然這些多邊形的存在無意義。因此, 在提取研究區(qū)林地數(shù)據(jù)之后, 首先剔除面積<=900 m2的碎屑多邊形, 在進行景觀指數(shù)計算時, 仍然將矢量林地數(shù)據(jù)轉換成與原始影像相同空間分辨率(30 m)的柵格數(shù)據(jù)。

1.2 研究方法

1.2.1 景觀指數(shù)分析方法

景觀指數(shù)的計算在Fragstats4.2軟件完成。從面積、破碎度、形狀和空間分布等方面, 選取斑塊類型百分比(PLAND), 斑塊密度(PD)、最大斑塊指數(shù)(LPI)、邊界密度(ED), 周長面積比分維數(shù)(PAFRAC)和聚集度指數(shù)(AI)共6個指標。

1.2.2 樣帶設置及梯度分析

梯度分析源于植被分布分析, 已成為研究城市化過程中景觀空間變化的生態(tài)學方法[31–32]。本文采取自區(qū)域中心向外圍的圈層樣帶、結合點格局方法, 探討林地景觀樣帶內(nèi)聚集度的梯度分異。思路如下:

①以珠三角區(qū)域的質(zhì)心點為中心、在考慮研究區(qū)域尺度情況下參考王金亮的樣帶設計[33], 設置步長為20 km, 生成0—20、20—40、40—60、60—80、……、200—220、220—240 km由中心向外圍拓展的圈層樣帶(共12個樣帶, 如圖2所示); ②基于各林地斑塊, 生成林地斑塊質(zhì)心點圖層; ③將其與區(qū)域圈層樣帶疊加, 得到各樣帶內(nèi)林地斑塊點密度圖層, 分析林地景觀在不同樣帶分布規(guī)律; ④用點格局分析方法, 探討不同尺度下林地斑塊聚集度的梯度分異。

表2 景觀格局指數(shù)及意義[30]

圖2 林地景觀樣帶設計

Figure 2 Belt transects of woodland

(1)點密度計算公式為[33]:

(1)

式中,ρ、N、A分別為樣帶內(nèi)林地斑塊的點密度、點個數(shù)和樣帶面積,= 1, 2, …, 12,ρ的單位為: 個·km–2。

(2)點格局分析

點格局分析方法中常用的工具是Ripley’s K函數(shù)。具體地講, 該函數(shù)是測算以某點為圓心, 以一定長度為半徑的圓形范圍內(nèi)點數(shù)的函數(shù)[34], 通過對統(tǒng)計量的計算與比較, 測算研究范圍內(nèi)某現(xiàn)象或實體分布狀態(tài)[35]。公式及過程如下:

一是, 在CrimeStat3.3軟件, 以各種林地斑塊生成的中心質(zhì)點經(jīng)度、緯度坐標為變量和變量, 以式(1)結果為變量, 計算不同距離對應的統(tǒng)計量()。

(2)

(3)

式中, ①為研究區(qū)面積,為林地點圖層中的點個數(shù); ②為空間尺度,()統(tǒng)計量設定的距離范圍為100個距離單位, 在實際計算中, 1個距離單位的空間尺度約為0.7 km, 因此100個距離單位的空間尺度約為70 km。分別以1、10、20、30、40、50、60、70、80 km為單位繪制Ripley()指數(shù)分布圖。d為點與點之間的距離,w()代表與d之間的關系:w()=1(d≤)、w()=0(d>); ③()為Ripley’s K函數(shù)的統(tǒng)計量; ④在實際應用中, 為了保持方差的穩(wěn)定性, 常用經(jīng)過線性變換后的統(tǒng)計量()[34,36], 當()>0, 則呈聚集分布狀態(tài);()<0則呈擴散分布狀態(tài);()=0, 則呈完全隨機分布狀態(tài), 并且第一個()峰值對應的自變量值表征最大聚集(分散、隨機)狀態(tài)的空間尺度, 函數(shù)值()峰值用來表示要素空間分布強度[37]。

二是, 采用Monte Carlo隨機模擬的方法, 進行顯著性檢驗(置信度99.9%, 模擬次數(shù)為999次): 獲得()的置信區(qū)間, 并將該區(qū)間內(nèi)的最大值、最小值與繪制曲線圖(最大、最小值曲線分別稱為上、下包跡線[38])。若()值落在置信區(qū)間的值內(nèi), 則林地景觀為隨機分布; 若位于上包跡線以上, 則林地景觀呈聚集分布; 位于下包跡線以下, 則林地景觀呈均勻分布。

2 結果與分析

2.1 珠三角林地結構與格局特征

2.1.1 景觀水平的特征分析

由表3可知, 珠三角900平方米以上的林地斑塊共1.1萬個, 林地總面積為2.9萬km2, 占區(qū)域面積的53.7%, 林地成為整個珠三角景觀的基質(zhì), 為生物提供了充足的空間, 有效地維持著生態(tài)系統(tǒng)平衡穩(wěn)定。盡管如此, 由于珠三角經(jīng)濟發(fā)達, 人口眾多, 按年鑒提供的2015年常住人口計, 人均林地面積僅為0.049 hm2, 遠低于全國人均水平(0.112 hm2)。珠三角林地整體斑塊密度為0.4個·km–2, 破碎程度較低。

2.1.2 林地類型水平的特征分析

將林地再分為有林地、灌木林地、疏林地和其他林地共4種類型, 分別運用景觀指數(shù)方法, 探討各林地類型水平上的景觀格局特征, 結果如圖3所示。有林地總面積為2.4萬km2, 共2403個斑塊, 每個斑塊平均9.97 km2; 灌木林地總面積為856.0 km2, 共850個斑塊, 每個斑塊平均1.01 km2; 疏林地總面積為2402.2 km2, 共3018個斑塊, 每個斑塊平均0.8 km2。其他林地總面積為1836.9 km2, 共4332個斑塊, 每個斑塊平均0.42 km2。為此, 林地斑塊類型百分比呈現(xiàn)一大三小特點, 有林地、疏林地、其他林地和灌木林地, 占比分別為82.5%、8.3%、6.3%和2.9%, 有林地在景觀占據(jù)絕對優(yōu)勢, 構成了研究區(qū)林地景觀的基質(zhì), 是林地中的優(yōu)勢斑塊。

表3 珠三角林地基本數(shù)量指標

圖3 珠三角各林地類型景觀特征

Figure 3 Landscape characteristics of four kinds of woodland in the Pearl River Delta

(1)反映破碎度的密度指數(shù)顯示, 在珠三角尺度上四種斑塊密度相差不大, 最大的是其他林地為0.15, 最小的是灌木林地接近0.03。(2)揭示斑塊形狀的邊界密度值為0.65—5.32 m·hm–2, 并以有林地邊界密度值最大, 表明有林地在物質(zhì)交換、能量流動和信息傳遞生態(tài)功能方面發(fā)揮巨大作用, 是更穩(wěn)定的生態(tài)系統(tǒng), 其他林地、疏林地次之, 最小是灌木林地。另一形狀指數(shù)—分維數(shù)指數(shù)值在1.3—1.4之間, 說明從分形來看斑塊的形狀復雜程度相差不大。(3)雖然聚集度指數(shù)普遍大于90%, 指明珠三角各種類型林地分布以大斑塊為主或同一類型斑塊高度連接, 聚集度好。但是最大斑塊指數(shù)仍然顯示, 有林地存在一個最大面積的斑塊, 其面積占比達24.83%, 斑塊之間的聚集度也是最高的, 指數(shù)值達98%。

2.2 林地景觀的梯度特征

基于各林地斑塊質(zhì)心點圖層與樣帶的圖層, 統(tǒng)計各樣帶面積、包含的斑塊數(shù), 計算點密度, 進行從研究區(qū)中心至外圍林地景觀樣帶的梯度分析; 再利用Ripley’s K函數(shù)計算林地景觀()值, 通過Monte Carlo模型模擬()統(tǒng)計量置信度為99.9%的置信區(qū)間, 將()值和模擬的置信區(qū)間進行比較, 探討珠三角林地景觀及各類型林地在不同尺度下的空間集聚表現(xiàn)。

2.2.1 林地景觀的樣帶梯度特征

以林地樣帶距離、樣帶內(nèi)林地點個數(shù)和點密度數(shù)據(jù), 繪制點個數(shù)和密度的樣帶梯度曲線分布圖(圖4)?？梢钥闯? 從0—100 km隨距離增加林地斑塊數(shù)不斷增加, 在100—240 km范圍內(nèi)隨距離增加林地點數(shù)量不斷減少, 呈現(xiàn)中間多兩頭小的正態(tài)分布。而不同空間下林地景觀點密度的樣帶梯度分布則為不均衡特征, 呈“三峰”型梯度分布: 在40—80 km樣帶內(nèi), 出現(xiàn)0.23、0.22的峰值, 其中最大峰值在40—60 km樣帶; 次峰值在120—140 km, 值為0.21; 第三峰值在180—200 km樣帶內(nèi), 為0.20; 最低谷值出現(xiàn)在0—20 km、220—240 km樣帶內(nèi), 即最外圈和最內(nèi)圈, 點密度均接近0.12(個·km–2)。

2.2.2 林地景觀的空間集聚特征

根據(jù) Ripley’s K函數(shù)原理, 函數(shù)值()為正、負或零時分別表示要素呈現(xiàn)聚集、擴散或隨機空間分布;()大小表征要素的空間分布強度; 第一個()峰值對應的自變量值則描述了聚集的空間(距離)尺度。

從圖5可知, 林地()觀測曲線在上包跡線上方, 表明珠三角林地景觀表現(xiàn)出顯著的聚集分布特征。其中, 聚集的特征空間尺度為42.6 km, 最大()值為13.64, 這說明42.6 km的距離內(nèi), 隨著距離增大, 林地景觀聚集特征越明顯; 而大于42.6 km的距離時,()觀測曲線向上包跡線方向移動, 林地景觀隨著距離增大開始偏向隨機分布。此外, 以距離63 km為節(jié)點, 大于63 km時,()值與上包跡線的差值逐漸維持在19, 表明林地斑塊分布聚集狀態(tài)在63 km后變化不明顯。

圖4 珠三角林地景觀樣帶的點個數(shù)和點密度

Figure 4 Numbers and point densities of woodland landscape belt-transects in the Pearl River Delta

圖5 林地景觀Ripley L(d)指數(shù)分布

Figure 5 Distribution of Ripley() index of woodland

2.2.3 不同林地類型的景觀空間集聚特征

如圖6所示, 四種林地()觀測曲線都位于上包跡線上方, 表明珠三角有林地景觀在設定的不同空間尺度上都表現(xiàn)出顯著的局部集聚分布特征。其中, ①有林地、灌木林地、疏林地和其他林地最大峰值分別在距離52.1 km、24.7 km、36.3 km和37.1 km處, 相應的第一峰值分別為17.5、20.7、16.1和10.7。表明就特征空間尺度而言, 有林地聚集尺度范圍最大, 其他林地最小; 聚集程度最高的是灌木林地, 其次是有林地和疏林地, 最小的是其他林地。②自()的第一個峰值以后, 隨著距離增大, 灌木林地的()值迅速減少, 直到約44 km, 灌木林地的()值小于有林地, 表明從大的空間尺度來看, 有林地聚集程度最高。③在達到第一個峰值之后,()曲線開始下降, 降幅最大的是疏林地和灌木林地。其中, 從約43.2 km開始, 灌木林地的()值與上包跡線的差值保持在20左右; 疏林地則自36.3 km開始,()曲線與上包跡線逐漸靠近, 二者之間的差值明顯減少, 說明在大的空間范圍, 灌木林地聚集程度變化不明顯, 疏林地趨于隨機分布狀態(tài)。在四種林地類型中, 其他林地曲線變化最平緩, 在珠三角聚集強度則明顯偏弱。

3 討論

(1)林地景觀聚集度的空間異質(zhì)性 借用生物學的點格局分析方法, 發(fā)現(xiàn)珠三角林地景觀聚集程度隨研究采用的空間尺度而異, 在不同尺度下表現(xiàn)出明顯的空間差異。如: 在0—42.6 km, 隨著距離增大, 珠三角林地景觀聚集度增強; 42.6—63 km, 則接近隨機分布; 大于63 km時, 聚集程度趨于穩(wěn)定。將林地再劃分為有林地、灌木林地、疏林地和其他林地等亞類型, 同樣也發(fā)現(xiàn)各類型的景觀聚集度也有這種類似的空間差異。這些結果說明復雜系統(tǒng)的等級結構和可分特性, 映證了景觀生態(tài)學的等級理論[3], 突顯景觀生態(tài)學研究的空間異質(zhì)性。

圖6 珠三角各林地類型景觀Ripley L(d)指數(shù)分布

Figure 6 Distribution of Ripley() indexes of four kinds of woodland in the Pearl River Delta

注: (1)有林地為基質(zhì)-疏林地條帶狀分布模式; (2)有林地基質(zhì)-灌木林地團塊狀分布模式。

Figure 7 Landscape distribution pattern of woodland

(2)林地景觀分布模式的尺度效應 基于林地結構與格局特征研究結果和繪制林地亞類分布圖, 可發(fā)現(xiàn)研究區(qū)林地在不同空間尺度(范圍)具有不同的空間分布模式。①有林地基質(zhì)模式: 珠三角林地占研究區(qū)總面積的54%, 成為區(qū)域景觀的基質(zhì); 其中又以有林地作為基質(zhì), 聚集度高, 空間上連片分布, 面積占林地景觀面積比例最大。這種模式以大尺度為背景, 多分布于珠三角外圍, 原因在于外圍以山地丘陵為主, 人類活動少。②有林地連片—疏林地呈條帶狀的分布模式(圖7(1)): 特點是有林地呈片狀分布, 疏林地則呈條帶狀分布在人類建設區(qū)與有林地的過渡地帶; 多存在于中小尺度, 即以某一片區(qū)為主。典型代表地區(qū)為惠州市東南部和江門市中部; ③有林地基質(zhì)—灌木林地團塊狀分布模式(圖7(2)): 有林地呈片狀分布, 灌木林地呈小規(guī)模團塊狀分布, 穿插于有林地中間或沿河流分布, 這也印證了灌木林地聚集效果要優(yōu)于成條帶狀分布的疏林地。典型代表地區(qū)有肇慶市中部和惠州市北部, 也主要在中小尺度出現(xiàn)。

(3)林地分布模式驅動機制的尺度依賴性 景觀生態(tài)學認為景觀格局的原因和機制具有尺度依賴[3,39]。在珠三角尺度, 林地呈聚集狀態(tài)的有林地基質(zhì)分布模式。這主要是珠三角東部、西部和北部地形均為山地丘陵, 因此外圍分布著面積巨大的有林地, 受外界干擾程度小, 覆蓋率和郁閉度高, 地形地貌因素起到了重要的決定作用。在中小尺度, 由于自然和人類活動兩個因素, 使得有林地的單一連片分布會受到影響; 灌木林地因能適應有林地以下潮濕陰暗環(huán)境和河流附近的淤泥質(zhì)土, 并且具有良好的綠化效果, 分布更聚集; 受人類活動影響, 連片自然森林逐漸破碎化, 景觀邊緣效應廣泛存在, 使得覆蓋率和郁閉度低的其他林地在中小尺度聚集強度大大減弱。

(4)景觀指數(shù)與點格局方法結合的有效性 景觀指數(shù)與點格局相結合的方法得出的結論可以相互印證, 在大尺度, 景觀指數(shù)方法得出了有林地面積與百分比在珠三角林地景觀中占據(jù)絕對優(yōu)勢的結論, 印證了由點格局方法得出的有林地聚集尺度范圍最大的結論。其他林地的斑塊密度值居四種林地中最高, 對應于其他林地()觀測曲線位置居四種林地曲線最低處, 表明其他林地與其他三種林地相比, 在各個空間尺度上分布最破碎, 聚集強度最弱。景觀指數(shù)與點格局相結合的方法也可以在研究中相互補充, 在大尺度, 有林地的聚集度指數(shù)最高, 但由點格局方法可得出在中小尺度下灌木林地聚集度最高, 呈團塊狀分布, 在大尺度下有林地的聚集度最高。這說明了景觀指數(shù)與點格局相結合的方法使景觀的“鑲嵌性”與“梯度性”研究相結合, 更有利于全面分析景觀格局特征, 在研究林地景觀格局中具有有效性。高凱等進行的武漢市景觀格局特征研究結論也相似[40]。

(5)應用Ripley’s K函數(shù)進行林地格局研究的局限與改進 盡管Ripley’s K函數(shù)進行空間格局的應用已較為廣泛, 該方法仍然由于具有明顯的尺度積累效應[18], 會影響到研究結果的準確性。O-ring函數(shù)是另一種常用點格局分析方法, 已在大興安嶺盤古林場森林景觀格局中得到應用[41], 證明可有效地消除積累效應。在下一步研究中, 我們將同時運用O-ring函數(shù)和Ripley’s K函數(shù), 進行景觀格局的分析。不僅如此, 空間結構既包括平面結構, 也包括垂直結構, 在不同高度溫度、濕度和光照強度同樣會發(fā)生變化, 未來需要進一步應用三維點格局分析方法[18], 進行景觀垂直空間格局研究, 取得更加豐富全面和有意義的成果。

4 結論

本文應用景觀指數(shù)方法、點格局方法, 進行珠三角林地景觀總體空間分布特征和梯度分析, 得到以下主要結論:

珠江三角洲林地面積巨大, 構成了研究區(qū)景觀基質(zhì), 有林地又構成了研究區(qū)林地景觀的基質(zhì)。以約100 km為閾值, 隨距離增加林地點數(shù)量呈現(xiàn)先增后減、中間多兩頭小的正態(tài)分布; 點密度值在0—20 km、220—240 km樣帶內(nèi)最小, 在40—60 km樣帶內(nèi)最大, 然后是120—140 km和180—200 km, 呈現(xiàn)偏正態(tài)分布。林地景觀在不同空間尺度上都呈聚集分布, 各類型林地聚集的特征空間尺度普遍在30—60 km范圍內(nèi), 點密度值在此范圍內(nèi)也處于快速上升狀態(tài)并達到最大峰值。有林地在大尺度范圍上集聚特征效果最好; 在中小尺度下, 灌木林地集聚特征最好; 疏林地空間集聚特征較復雜, 變化差異最大; 其他林地聚集強度則明顯偏弱。珠三角林地景觀格局特征具有明顯的尺度依賴特性: 在珠三角大尺度上, 呈現(xiàn)出以有林地作為基質(zhì)、聚集度高、空間上連片分布的有林地基質(zhì)模式; 中小尺度下, 不同地域分別呈現(xiàn)出有林地連片—疏林地呈條帶狀的分布模式、有林地基質(zhì)—灌木林地團塊狀分布模式。實踐證明珠三角林地景觀系統(tǒng)的等級結構和可分特性, 映證了景觀生態(tài)學的等級理論, 突顯景觀生態(tài)學研究的尺度觀。

盡管Ripley’s K函數(shù)進行林地格局研究可行, 但也存在一定局限。未來應盡可能使用多種方法進行比較研究與分析; 除進行景觀格局二維研究, 還應加強景觀三維空間格局的研究。這將成為未來景觀生態(tài)學研究的重要課題。

[1] 劉世榮, 代力民, 溫遠光, 等. 面向生態(tài)系統(tǒng)服務的森林生態(tài)系統(tǒng)經(jīng)營: 現(xiàn)狀、挑戰(zhàn)與展望[J]. 生態(tài)學報, 2015, 35(1): 1–9.

[2] 梁艷艷, 周年興, 謝慧瑋, 等. 廬山森林景觀格局變化的長期動態(tài)模擬[J]. 生態(tài)學報, 2013, 33(24): 7807–7818.

[3] 鄔建國. 景觀生態(tài)學: 格局、過程、尺度與等級[M]. 北京: 高等教育出版社, 2007: 21–68.

[4] 陽文銳. 北京城市景觀格局時空變化及驅動力[J]. 生態(tài)學報, 2015, 35(13): 4357–4366.

[5] 季翔, 劉黎明, 李洪慶. 基于生命周期的鄉(xiāng)村景觀格局演變的預測方法——以湖南省金井鎮(zhèn)為例[J]. 應用生態(tài)學報, 2014, 25(11): 3270–3278.

[6] 張敏, 宮兆寧, 趙文吉, 等. 近30年來白洋淀濕地景觀格局變化及其驅動機制[J]. 生態(tài)學報, 2016, 36(15): 4780–4791.

[7] 李晶, 周自翔. 延河流域景觀格局與生態(tài)水文過程分析[J]. 地理學報, 2014, 69(7): 933–944.

[8] 蘇常紅, 傅伯杰. 景觀格局與生態(tài)過程的關系及其對生態(tài)系統(tǒng)服務的影響[J]. 自然雜志, 2012, 34(5): 277–283.

[9] 彭建, 劉焱序, 潘雅婧, 等. 基于景觀格局—過程的城市自然災害生態(tài)風險研究: 回顧與展望[J]. 地球科學進展, 2014, 29(10): 1186–1196.

[10] 陳利頂, 李秀珍, 傅伯杰, 等. 中國景觀生態(tài)學發(fā)展歷程與未來研究重點[J]. 生態(tài)學報, 2014, 34(12): 3129–3141.

[11] 張娜. 生態(tài)學中的尺度問題: 內(nèi)涵與分析方法[J]. 生態(tài)學報, 2006, 26(7): 2340–2355.

[12] GODRON M. Patches and Structural Components for a Landscape Ecology[J]. Bioscience, 1981, 31(10): 733–740.

[13] 鐘林生, 肖篤寧, 陳文波. 烏蘇里江國家森林公園規(guī)劃方案的景觀指數(shù)輔助評價[J]. 應用生態(tài)學報, 2002, 13(1): 31–34.

[14] 龔建周, 夏北成. 景觀格局指數(shù)間相關關系對植被覆蓋度等級分類數(shù)的響應[J]. 生態(tài)學報, 2007, 27(10): 4075–4085.

[15] 劉傳勝, 張萬昌, 雍斌. 基于兩種新型景觀指數(shù)的張掖綠洲植被格局動態(tài)研究[J]. 地理科學, 2008, 28(1): 61–67.

[16] 陳文波, 肖篤寧, 李秀珍. 景觀空間分析的特征和主要內(nèi)容[J]. 生態(tài)學報, 2002, 22(7): 1135–1142.

[17] 張金屯. 植物種群空間分布的點格局分析[J]. 植物生態(tài)學報, 1998, 22(4): 344–349.

[18] 馬志波, 肖文發(fā), 黃清麟, 等. 生態(tài)學中的點格局研究概況及其在國內(nèi)的應用[J]. 生態(tài)學報, 2017, 37(19): 6624–6632.

[19] 龔崢, 李召青, 王明懷, 等. 珠江三角洲城市森林建設問題探討[J]. 生態(tài)科學, 2006, 25(1): 94–95.

[20] 高楊, 吳志峰, 劉曉南, 等. 珠江三角洲景觀空間格局分析[J]. 熱帶地理, 2008, 28(1): 26–31.

[21] 曹祺文, 吳健生, 仝德, 等. 基于空間自相關的區(qū)域農(nóng)地變化驅動力研究——以珠三角地區(qū)為例[J]. 資源科學, 2016, 38(4): 714–727.

[22] 吳雪彪, 陳士銀, 周飛. 湛江市林地景觀演變及其功能評價研究[J]. 林業(yè)資源管理, 2009(4): 68–73.

[23] 劉毅斌. 珠江三角洲城市森林建設與研究[D]. 桂林: 廣西師范大學, 2013: 21–28.

[24] 趙慶, 唐洪輝, 錢萬惠, 等. 珠三角地區(qū)城市森林景觀提升研究——以佛山市南海區(qū)森林景觀改造為例[J]. 林業(yè)與環(huán)境科學, 2018(2): 116–122.

[25] 龔建周, 夏北成. 1990年以來廣州市土地覆被景觀的時空梯度分異[J]. 地理學報, 2007, 62(2): 181–190.

[26] 張景華, 吳志峰, 呂志強, 等. 城鄉(xiāng)樣帶景觀梯度分析的幅度效應[J]. 生態(tài)學雜志, 2008, 27(6): 978–984.

[27] 廣東省統(tǒng)計局. 廣東統(tǒng)計年鑒: 2016[M/OL]. 北京: 中國統(tǒng)計出版社, 2016[2018-10-30]. http: //www.gdstats.gov. cn/tjsj/gdtjnj/.

[28] 練琚蕍. 廣東自然植被的分類系統(tǒng)與分布[D].廣州: 中山大學, 2002: 9.

[29] 中國科學院資源環(huán)境科學數(shù)據(jù)中心. 土地利用現(xiàn)狀遙感監(jiān)測數(shù)據(jù)(2015) 2015年中國地市行政邊界數(shù)據(jù)中國一級河流空間分布數(shù)據(jù)集[DS/OL]. [2018-10-30]. http: //www.resdc.cn/Default.aspx.

[30] MCGARIGAL K. FRAGSTATS HELP[S]. Amherst: University of Massachusetts, 2015:93–159.

[31] MCDONNELL M J, PICKETT S T A. Ecosystem Structure and Function along Urban-Rural Gradients: An Unexploited Opportunity for Ecology[J]. Ecology, 1990, 71(4): 1232–1237.

[32] 尹海偉, 孔繁花. 濟南市城市綠地時空梯度分析[J]. 生態(tài)學報, 2005, 25(11): 3010–3018.

[33] 王金亮, 黃志霖, 邵景安, 等. 林地景觀點格局的樣帶梯度分布與空間聚集特征——以重慶三峽庫區(qū)生態(tài)屏障區(qū)為例[J]. 地理科學進展, 2013, 32(2): 308–317.

[34] 王勁峰, 廖一蘭, 劉鑫. 空間數(shù)據(jù)分析教程[M]. 北京: 科學出版社, 2010: 79–80.

[35] 尤海舟, 賈成, 樊華, 等. 格局分析的最新方法——點格局分析[J]. 四川林業(yè)科技, 2009, 30(6): 106–110.

[36] DIXON D P M. Ripley's K Function[M]// Abdel H, Walter W. Encyclopedia of Environmetrics. New York: John Wiley & Sons, 2006: 3.

[37] 盧志軍, 王巍, 張文輝, 等. 巴山木竹發(fā)筍和大熊貓取食的時空格局及相關性分析[J]. 生物多樣性, 2009, 17(1): 1–9.

[38] 張金屯, 孟東平. 蘆芽山華北落葉松林不同齡級立木的點格局分析[J]. 生態(tài)學報, 2004, 24(1): 35–40.

[39] 張東菊, 左平, 鄒欣慶. 基于加權Ripley's K-function的多尺度景觀格局分析——以江蘇鹽城濱海濕地為例[J]. 生態(tài)學報, 2015, 35(8): 2703–2711.

[40] 高凱, 周志翔, 楊玉萍, 等. 基于Ripley K函數(shù)的武漢市景觀格局特征及其變化[J]. 應用生態(tài)學報, 2010, 21(10): 2621–2626.

[41] 董靈波, 劉兆剛, 張博, 等. 基于Ripley L和O-ring函數(shù)的森林景觀空間分布格局及其關聯(lián)性[J]. 應用生態(tài)學報, 2014, 25(12): 3429–3436.

The present situation of structure and characteristics of landscape gradient differentiation of woodland in the Pearl River Delta, China

DU Wenjie1, GONG Jianzhou1,*, HU Yueming2, ZHAO Guanwei1

1. School of Geographic Sciences, Guangzhou University, Guangzhou 510000, China 2. South China Academy of Natural Resources Science and Technology, Guangzhou, Guangzhou 510642, China

With the acceleration of urbanization and the destruction of forest ecosystem, the study of landscape pattern is helpful for the understanding of its potential law and driving mechanism. In this paper, we firstly studied the characteristics of “mosaicism” and “gradient” of woodland landscape, then we quantitatively analyzed current situation of woodland structure, the point numbers and densities of woodland within the landscape gradient and the spatial aggregation characteristics. Finally, we discussed spatial distribution pattern of woodland landscape in the Pearl River Delta. The results showed that the woodland covered a large area in the Pearl River Delta and became the base landscape of the study area. The point numbers of woodland were normally distributed while point density values were skewed normally distributed within the landscape gradient. The woodland landscape showed different aggregation distributions in variable spatial scales and spatial distribution intensities. In terms of spatial distribution pattern, the main pattern of forest land as substrate was observed on large scale of the study area. However, different regions showed patterns of forest land as substrate with sparse woodland zonal distribution and forest land contiguous distribution with shrubbery land mass distribution on medium and small scales. As indicated above, woodland landscape is a complex system with scale dependence and hierarchical structure, which confirms the scale effect and hierarchy theory of the Landscape Ecology. The combination of landscape indices and point pattern is effective in studying woodland landscape pattern.

woodland; landscape pattern; landscape indices; point pattern; the Pearl River Delta

10.14108/j.cnki.1008-8873.2019.02.010

P901

A

1008-8873(2019)02-067-10

2018-10-30;

2018-12-07

國家自然科學基金項目(41671175)

杜文杰(1996—), 男, 河南信陽人, 本科生, 主要從事城市生態(tài)研究, E-mail: duwjie@163.com

龔建周(1970—), 女, 湖北恩施人, 博士, 教授, 碩士生導師, 主要從事城市化與生態(tài)環(huán)境效應研究, E-mail: gongjzh66@126.com

杜文杰, 龔建周, 胡月明, 等. 珠江三角洲林地結構現(xiàn)狀及景觀梯度分異特征[J]. 生態(tài)科學, 2019, 38(2): 67-76.

DU Wenjie, GONG Jianzhou, HU Yueming, et al. The present situation of structure and characteristics of landscape gradient differentiation of woodland in the Pearl River Delta, China[J]. Ecological Science, 2019, 38(2): 67-76.