基于GF-2影像的江蘇耕地破碎地區(qū)景觀格局空間粒度效應(yīng)分析

王晶晶 孫玲 王志明 黃曉軍 單捷 李牧

摘要：本研究選用國產(chǎn)高分二號衛(wèi)星（GF-2）遙感影像為數(shù)據(jù)源，在不同類型耕地遙感識別的基礎(chǔ)上，利用景觀格局指數(shù)分析方法，探索研究區(qū)水稻地、大豆地、蔬菜地、休閑耕地和大棚種植地這5類耕地景觀的景觀格局指數(shù)空間粒度效應(yīng)。結(jié)果表明，5類耕地景觀的斑塊所占景觀面積比例對粒度變化不敏感;面積加權(quán)平均斑塊分維數(shù)隨著粒度增大，變化幅度較小;平均斑塊面積和平均最近距離隨著粒度的增大呈現(xiàn)不同程度增加的趨勢;邊緣密度、面積加權(quán)鄰近指數(shù)和聚集度指數(shù)隨著粒度的增大呈現(xiàn)不同程度下降的趨勢。大豆地和休閑耕地的邊緣密度以及聚集度指數(shù)隨著粒度增大降幅最明顯，水稻地的平均最近距離隨著粒度增加增幅最明顯。

關(guān)鍵詞：高分二號;耕地;景觀格局;空間粒度

中圖分類號：TP79文獻(xiàn)標(biāo)識碼：A文章編號：1000-4440（2020）03-0606-07

Effect analysis of spatial grain size on cultivated landscape pattern in fragmented agricultural landscapes in Jiangsu province based on GF-2 imagery

WANG Jing-jing1，2，SUN Ling1，WANG Zhi-ming1，HUANG Xiao-jun1，SHAN Jie1，LI Mu1

（1.Institute of Agricultural Information， Jiangsu Academy of Agricultural Sciences， Nanjing 210014， China;2.Key Laboratory of Coastal Zone Exploitation and Protection， Ministry of Natural Resources， Nanjing 210017， China）

Abstract： In this study， a concentrated area of cultivated land in the suburban area of Nanjing City in Jiangsu province was taken as the study area. Based on the analysis of Chinese GF-2 high spatial resolution data， different types of cultivated land in the study area were extracted， including rice land， soybean land， vegetable land， fallow land and greenhouse cultivation land. On this basis， a series of landscape pattern indices were used to analyze the effects of spatial grain size on different types of cultivated land landscape pattern characteristics. The percentage of landscape of five types of cultivated land in the study area remained stable with the increase of grain size， and the area-weighted mean patch fractal dimension index of the five types of cultivated land landscape in the study area changed slightly. The mean patch area and mean nearest neighbor index increased in different degrees with the increase of grain size， while edge density， area-weighted mean contiguity index and patch cohesion index decreased in different degrees with the increase of grain size. Among the five types of cultivated land landscape， the edge density and patch cohesion index of soybean land and fallow land decreased most obviously with the increase of grain size， and the mean nearest neighbor index of rice land increased most obviously with the increase of grain size.

Key words：GF-2;cultivated land;landscape pattern;spatial grain

耕地是人類賴以生存的基本資源和條件，其景觀特征明顯，耕地景觀格局決定了資源和環(huán)境的分布形式。掌握耕地景觀格局特征，可以為耕地生態(tài)安全研究奠定基礎(chǔ)，為區(qū)域資源合理優(yōu)化配置、土地利用調(diào)控與布局提供參考，為耕地資源可持續(xù)利用提供科學(xué)依據(jù)。遙感技術(shù)具有多時相、大尺度以及數(shù)據(jù)獲取效率高等特點(diǎn)，能夠?yàn)楦鼐坝^格局研究提供宏觀、實(shí)時、動態(tài)的遙感數(shù)據(jù)[1-4]，極大促進(jìn)了景觀格局定量化的研究。空間粒度是空間最小可辨識單元所代表的特征長度、特征面積或特征體積，景觀格局具有明顯的空間尺度依賴性[5-6]，即在不同尺度上，景觀格局表現(xiàn)出的特征不同。不同景觀對空間粒度變化的響應(yīng)也不一樣，特定景觀有其適合的空間粒度[7]。有學(xué)者利用遙感影像數(shù)據(jù)開展了景觀格局空間粒度效應(yīng)分析[8-10]，但是大多將耕地作為一個整體來考慮景觀格局情況，難以揭示不同類別耕地景觀的空間異質(zhì)性，針對不同類型耕地景觀格局空間粒度效應(yīng)的研究較少。

中國江蘇省蘇南地區(qū)耕地的種植結(jié)構(gòu)多樣，田塊規(guī)模小，并且比較破碎，采用中分辨率和低分辨率的遙感影像均難以準(zhǔn)確提取不同類型耕地的信息。中國于2014年8月發(fā)射了高分二號衛(wèi)星（GF-2），搭載全色相機(jī)（分辨率為1 m）和多光譜相機(jī)（分辨率為4 m），這2臺高分辨率相機(jī)組合的幅寬為45 km，重訪周期為5 d，為耕地破碎區(qū)景觀格局空間粒度效應(yīng)研究提供了數(shù)據(jù)保障?；诖?，本研究擬選用GF-2為數(shù)據(jù)源，以江蘇省南京市典型城郊區(qū)域?yàn)檠芯繀^(qū)，采用遙感影像分析和景觀格局指數(shù)分析方法，基于面積-邊緣、形狀及聚散性3類指標(biāo)，深入分析研究區(qū)多種耕地景觀的景觀格局指數(shù)空間粒度效應(yīng)，以期為適宜遙感影像空間分辨率的選擇提供依據(jù)，為耕地保護(hù)和管理決策提供參考。

1材料與方法

1.1研究區(qū)概況

圖1顯示，研究區(qū)位于江蘇省南京市江寧區(qū)，東毗鎮(zhèn)江市句容市，南鄰南京市溧水縣，西北鄰接南京主城區(qū)，西南鄰接安徽省。江寧區(qū)地處長江下游南岸，位于江蘇省西南部（30°38′～32°13′N、118°31′～119°04′E），屬于亞熱帶季風(fēng)氣候區(qū)，年平均氣溫17.0 ℃，年平均降水量1 267.1 mm，全年日照時數(shù)達(dá)2 035.6 h[11]，適宜種植水稻、小麥等糧食作物以及蔬菜、大豆等經(jīng)濟(jì)作物。優(yōu)良的自然環(huán)境以及良好的農(nóng)機(jī)和水利條件，為該區(qū)農(nóng)業(yè)生產(chǎn)創(chuàng)造了優(yōu)異的條件。

1.2數(shù)據(jù)獲取與處理

本研究主要使用的數(shù)據(jù)包括：GF-2遙感影像以及野外實(shí)測控制點(diǎn)、解譯標(biāo)志點(diǎn)和驗(yàn)證點(diǎn)數(shù)據(jù)。

獲取2018年8月30日的GF-2/PSM Level-1衛(wèi)星影像，利用GF-2自帶的有理多項(xiàng)式系數(shù)（RPC）進(jìn)行正射校正，用野外實(shí)測控制點(diǎn)進(jìn)行影像幾何精校正，誤差控制在0.5個像元之內(nèi)，融合全色波段和多光譜波段的影像，最終獲得分辨率為1 m的多光譜影像，并裁切出研究區(qū)。

2018年9月開展實(shí)地調(diào)查，利用高精度全球定位系統(tǒng)獲取研究區(qū)控制點(diǎn)、解譯標(biāo)志點(diǎn)及驗(yàn)證點(diǎn)的位置數(shù)據(jù)。野外實(shí)測控制點(diǎn)作為遙感影像幾何精校正的輸入控制點(diǎn)，解譯標(biāo)志點(diǎn)用作研究區(qū)耕地景觀類型解釋標(biāo)志，驗(yàn)證點(diǎn)用于檢驗(yàn)景觀類型遙感提取精度。

1.3景觀劃分與提取

參照國家標(biāo)準(zhǔn)《土地利用現(xiàn)狀分類》（GB/T 21010-2017）[12]，依據(jù)研究區(qū)實(shí)際情況，將研究區(qū)景觀劃分為：水稻、大豆、蔬菜、休閑耕地、大棚種植和其他。水稻、大豆、蔬菜、休閑耕地和大棚種植均屬于耕地景觀，其他景觀包含林地、園地、水域、建設(shè)用地等。利用eCognition軟件對研究區(qū)進(jìn)行景觀識別提取，獲得各種類型景觀的空間分布圖（圖2）。

1.4空間粒度重采樣

常用的粒度推繹方法是將精微尺度上觀察、試驗(yàn)及模擬的結(jié)果外推到較大尺度[13]，即不斷降低景觀格局的空間分辨率[14]。本研究將研究區(qū)景觀提取結(jié)果作為景觀格局空間粒度效應(yīng)研究的輸入數(shù)據(jù)，用ArcGIS軟件對研究區(qū)1 m×1 m景觀分類結(jié)果進(jìn)行重采樣，轉(zhuǎn)換為5 m×5 m、10 m×10 m、15 m×15 m、20 m×20 m、30 m×30 m、50 m×50 m、100 m×100 m，共獲得8個不同采樣粒度的柵格文件。

1.5景觀格局指數(shù)選取

景觀格局指數(shù)能夠反映景觀面積、數(shù)量、形狀及分布等信息，在耕地景觀研究中已經(jīng)得到應(yīng)用[15-17]。參照已有耕地景觀格局粒度效應(yīng)研究使用的景觀格局指數(shù)[18-20]，結(jié)合研究區(qū)耕地景觀特征，本研究選取了7個景觀格局指數(shù)（表1）。通過Fragstats軟件計算8個不同粒度下研究區(qū)5類耕地景觀的景觀格局指數(shù)，再分別將7個采樣粒度下的景觀格局指數(shù)與原始粒度下的景觀格局指數(shù)進(jìn)行比較，計算變化率。

2結(jié)果與分析

2.1研究區(qū)景觀格局指數(shù)計算結(jié)果

基于分辨率為1 m×1 m的影像對研究區(qū)景觀格局指數(shù)進(jìn)行計算，結(jié)果（表2）顯示，研究區(qū)耕地景觀斑塊所占景觀面積比例為53.69%，其中水稻地面積最大，其斑塊所占景觀面積比例為30.00%;其次是蔬菜地，其斑塊所占景觀面積比例為11.80%;再次是大棚種植地，其斑塊所占景觀面積比例為7.28%;休閑耕地和大豆地面積較少，斑塊所占景觀面積比例分別為3.19%、1.42%。水稻地和蔬菜地的邊緣密度較大，其次為大棚種植地，大豆地和休閑耕地較小。5類耕地景觀平均斑塊面積相差較大，水稻地的平均斑塊面積較大，其次是大棚種植地和蔬菜地，大豆地和休閑耕地的平均斑塊面積較小，水稻地的平均斑塊面積約為大豆的18倍。水稻地的平均最近距離最小，其次是蔬菜地和大棚種植地，大豆地和休閑耕地較大。五類耕地景觀的面積加權(quán)平均斑塊分維數(shù)為1.10～1.13，表明研究區(qū)5類耕地景觀形狀比較規(guī)則。面積加權(quán)鄰近指數(shù)均不低于0.95，聚集度指數(shù)均接近于100.00%，說明5類耕地景觀聚集度較高。

PLAND、ED、AREA_MN、FRAC_AM、CONTIG_AM、ENN_MN、COHESION見表1。

2.2耕地景觀面積——邊緣指標(biāo)的粒度效應(yīng)

圖3顯示，隨著粒度的增大，研究區(qū)各類耕地景觀的斑塊所占景觀面積比例基本保持不變，表明斑塊所占景觀面積比例沒有明顯的粒度效應(yīng)。

圖4顯示，隨著粒度的增大，5類耕地景觀的邊緣密度均呈下降趨勢。粒度為1～10 m時，5類耕地景觀邊緣密度的變化率相差不大，降幅均在10.00%以內(nèi)。粒度為10～100 m時，各類耕地景觀邊緣密度的降幅逐漸增大，不同耕地景觀的變化率差距增大，大豆地和休閑耕地的降幅更為明顯。粒度為30 m時，5類耕地邊緣密度的降幅均超過25.00%，其中大豆地的降幅為38.26%，休閑耕地的降幅為31.96%。當(dāng)粒度達(dá)到50 m時，大豆地的降幅達(dá)到52.22%，休閑耕地的降幅為47.30%。當(dāng)粒度達(dá)到100 m時，大豆地的降幅為87.70%，休閑耕地的降幅為80.00%。

圖5顯示，隨著粒度的增大，5類耕地景觀的平均斑塊面積總體呈增加的趨勢。粒度從1 m增加到5 m時，水稻地的平均斑塊面積增幅為32%，粒度為15 m時，增幅為62%，粒度為100 m時平均斑塊面積是粒度為1 m時平均斑塊面積的8.67倍。粒度從1 m增加到5 m時，蔬菜地和大棚種植地的平均斑塊面積增幅均大于20%，粒度為15 m時，增幅均大于35%，粒度為100 m時平均斑塊面積是粒度為1 m時平均斑塊面積的4.21倍及4.06倍。粒度為1～15 m，大豆地與休閑耕地的平均斑塊面積變化較小，變化率絕對值均小于15%。粒度為20～100 m，大豆地和休閑耕地的平均斑塊面積隨著粒度增大增幅逐漸增加，至粒度為100 m時，大豆地的平均斑塊面積是粒度為1 m時的9.38倍，休閑耕地的平均斑塊面積是粒度為1 m時的4.05倍。

2.3耕地景觀形狀指標(biāo)的粒度效應(yīng)

圖6顯示，隨著粒度的增大，研究區(qū)5類耕地景觀的面積加權(quán)平均斑塊分維數(shù)變化率的絕對值均低于11%。隨著粒度的增大，水稻地的面積加權(quán)平均斑塊分維數(shù)總體呈增加的趨勢，增幅為0～6%。大豆地與休閑耕地的面積加權(quán)平均斑塊分維數(shù)呈降低的趨勢，降幅為0～11%。蔬菜地與大棚種植地的面積加權(quán)平均斑塊分維數(shù)總體呈先增加再降低的趨勢，變化率絕對值為0～8%。

圖7顯示，粒度為1 m時，研究區(qū)5類耕地景觀的面積加權(quán)鄰近指數(shù)均接近于最大值1，隨著粒度的增大，5類耕地景觀的面積加權(quán)鄰近指數(shù)呈不同程度的下降趨勢。其中，大豆地和休閑耕地的面積加權(quán)鄰近指數(shù)隨著粒度的增大降幅較大，粒度從1 m增加到5 m時，大豆地的降幅為21.52%，休閑耕地的降幅為15.00%，當(dāng)粒度為100 m時，大豆地和休閑耕地的面積加權(quán)鄰近指數(shù)均為0。蔬菜地和大棚種植地的面積加權(quán)鄰近指數(shù)隨著粒度的增大降幅次之，粒度從1 m增加到5 m時，蔬菜地的降幅為10.80%，大棚種植地的降幅為8.95%，當(dāng)粒度增加至100 m時，蔬菜地的降幅為80.65%，大棚種植地的降幅為70.91%。在整個試驗(yàn)中，水稻地面積加權(quán)鄰近指數(shù)的降幅最低，粒度從1 m增加到5 m時，降幅為4.25%，當(dāng)粒度為100 m時，降幅為43.43%。

2.4耕地景觀聚散性指標(biāo)的粒度效應(yīng)

圖8顯示，隨著粒度的增大，研究區(qū)5類耕地景觀的平均最近距離均呈不同程度的上升趨勢。其中，水稻地平均最近距離的變化率最大，蔬菜地和大棚種植地次之，大豆地和休閑耕地的變化率較低。當(dāng)粒度從1 m增大到5 m時，水稻地的增幅為66.45%，蔬菜地的增幅為43.98%，大棚種植地的增幅為32.23%，休閑耕地的增幅為8.19%，大豆地的增幅為2.41%。當(dāng)粒度為10 m時，水稻地的增幅為124.69%，蔬菜地的增幅為76.75%，大棚種植地的增幅為50.76%，休閑耕地的增幅為3.93%，大豆地的增幅為2.50%。當(dāng)粒度達(dá)到100 m時，水稻地的平均最近距離是粒度為1 m時的18.42倍，大豆地、蔬菜地、休閑耕地和大棚種植地的平均最近距離分別為1 m粒度時的7.47倍、7.94倍、5.60倍和9.59倍。

圖9顯示，隨著粒度的增大，研究區(qū)5類耕地景觀的聚集度指數(shù)呈不同程度的下降趨勢。其中，水稻地的降幅最小，低于10%;其次為蔬菜地和大棚種植地，粒度由1 m增加至20 m，降低幅度低于15%;大豆地和休閑耕地的降幅較大，粒度由10 m增加至100 m，降幅高于15%。

3結(jié)論

本研究利用GF-2高分辨率遙感影像[21]提取研究區(qū)耕地破碎區(qū)不同類型的景觀，從類型層次對研究區(qū)5類耕地景觀的景觀格局指數(shù)進(jìn)行粒度效應(yīng)分析，得出以下研究結(jié)論：

第一，研究區(qū)5類耕地景觀的粒度效應(yīng)具有共性特征，隨著粒度的增大，研究區(qū)各類耕地景觀的斑塊所占景觀面積比例基本保持不變，沒有明顯的粒度效應(yīng);粒度為1～100 m時，研究區(qū)5類耕地景觀的面積加權(quán)平均斑塊分維數(shù)變化率的絕對值始終低于11%。

第二，研究區(qū)5類耕地景觀的面積-邊緣指標(biāo)粒度效應(yīng)分析結(jié)果表明，粒度為1～10 m時，5類耕地景觀邊緣密度的降幅均在10%以內(nèi);粒度為10～100 m時，各類耕地景觀的邊緣密度的降幅逐漸增大，其中大豆地和休閑耕地的降幅更為明顯。隨著粒度增大，5類耕地景觀的平均斑塊面積總體呈現(xiàn)增加趨勢，粒度為100 m時水稻地的平均斑塊面積是粒度為1 m時的8.67倍。

第三，研究區(qū)5類耕地景觀形狀指標(biāo)的粒度效應(yīng)分析結(jié)果表明，粒度為1 m時，5類耕地景觀的面積加權(quán)鄰近指數(shù)均為最大值，隨著粒度的增大，呈不同程度的下降趨勢，其中，大豆地和休閑耕地的降幅較大，水稻地的降幅最小。

第四，研究區(qū)5類耕地景觀聚散性指標(biāo)粒度效應(yīng)分析結(jié)果表明，5類耕地景觀的平均最近距離均隨粒度的增大呈現(xiàn)不同程度的上升趨勢，其中，水稻地的增幅最大，蔬菜地和大棚種植地次之。5類耕地景觀的聚集度指數(shù)隨粒度增大呈不同程度的下降趨勢，其中，水稻地的降幅最小，其次為蔬菜地和大棚種植地，大豆地和休閑耕地的降幅較大。

綜上所述，國產(chǎn)高分辨率GF-2衛(wèi)星影像可用于江蘇耕地破碎地區(qū)的景觀粒度效應(yīng)分析研究。研究區(qū)水稻地、大豆地、蔬菜地、休閑耕地和大棚種植地這5類耕地景觀的斑塊形狀均比較規(guī)則，聚集度較高，但是5類耕地景觀的邊緣密度、平均斑塊面積和平均最近距離具有較大差異，在景觀格局指數(shù)粒度效應(yīng)中既體現(xiàn)了共性特征，也表現(xiàn)出不同的變化趨勢。景觀格局指數(shù)在不同粒度間的變化規(guī)律，可以為耕地景觀格局分析尺度的選擇，以及景觀格局指數(shù)的選取提供依據(jù)。

參考文獻(xiàn)：

[1]郝衛(wèi)平，梅旭榮，蔡學(xué)良，等. 基于多時相遙感影像的東北三省作物分布信息提取[J]. 農(nóng)業(yè)工程學(xué)報， 2011， 27（1）： 201-207.

[2]肖篤寧. 宏觀生態(tài)學(xué)研究的特點(diǎn)與方法[J]. 應(yīng)用生態(tài)學(xué)報， 1994， 5（1）： 95-102.

[3]SHEN S， YUE P， FAN C. Quantitative assessment of land use dynamic variation using remote sensing data and landscape pattern in the Yangtze River Delta， China[J]. Sustainable Computing： Informatics and Systems， 2019， 23： 111-119.

[4]陳正發(fā)，史冬梅，何偉，等. 1980-2015年云南坡耕地資源時空分布及演變特征分析 [J]. 農(nóng)業(yè)工程學(xué)報， 2019， 35（15）： 256-265.

[5]TURNER M G. Spatial and temporal analysis of landscape patterns[J]. Landscape Ecology， 1990， 4（1）： 21-30.

[6]申衛(wèi)軍，鄔建國，林永標(biāo)，等. 空間粒度變化對景觀格局分析的影響 [J]. 生態(tài)學(xué)報， 2003， 23（12）： 2506-2519.

[7]WU J G. Effects of changing scale on landscape pattern analysis： scaling relations [J]. Landscape Ecology， 2004， 19（2）：125-138.

[8]BENSON B J， MACKENZIE M D. Effects of sensor spatial resolution on landscape structure parameters [J]. Landscape Ecology， 1995， 10（2）：113-120.

[9]朱明，濮勵杰，李建龍. 遙感影像空間分辨率及粒度變化對城市景觀格局分析的影響 [J]. 生態(tài)學(xué)報， 2008， 28（6）： 2753-2763.

[10]張慶印，樊軍. 高精度遙感影像下農(nóng)牧交錯帶小流域景觀特征的粒度效應(yīng) [J]. 生態(tài)學(xué)報， 2013， 33（24）： 7739-7747.

[11]南京市江寧區(qū)統(tǒng)計局. 江寧統(tǒng)計年鑒-2019 [EB/OL]. （2019-10-15）[2019-11-01]. http：//www.jiangning.gov.cn/sjfb/tjnj/201910/P020191015422153679513.pdf.

[12]中華人民共和國國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局中國國家標(biāo)準(zhǔn)化管理委員會. 土地利用現(xiàn)狀分類：GB/T 21010-2017[S]. 北京： 中國標(biāo)準(zhǔn)出版社， 2017：1-9.

[13]王新明，王長耀，占玉林，等. 大尺度景觀結(jié)構(gòu)指數(shù)的因子分析 [J]. 地理與地理信息科學(xué)， 2006， 22（1）：17-21.

[14]徐麗華，岳文澤，曹宇. 上海市城市土地利用景觀的空間尺度效應(yīng) [J]. 應(yīng)用生態(tài)學(xué)報， 2007， 18（12）： 2827-2834.

[15]李鑫，歐名豪，馬賢磊. 基于景觀指數(shù)的細(xì)碎化對耕地利用效率影響研究——以揚(yáng)州市里下河區(qū)域?yàn)槔?[J]. 自然資源學(xué)報， 2011， 26（10）： 1758-1767.

[16]梁潔，靳春燕，諾敏，等. 和林格爾縣耕地景觀時空變化分析[J]. 內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報（自然科學(xué)版）， 2017， 38（2）：27-36.

[17]韓逸，郭熙，江葉楓，等. 南方丘陵區(qū)耕地質(zhì)量與景觀格局指數(shù)相關(guān)性分析 [J]. 江蘇農(nóng)業(yè)學(xué)報， 2018， 34（5）：1057-1065.

[18]SETO K C， FRAGKIAS M. Quantifying spatiotemporal patterns of urban land-use change in four cities of China with time series landscape metrics[J]. Landscape Ecology， 2005， 20（7）： 871-888.

[19]FICHERA C R， MODICA G， POLLINO M. Land Cover classification and change-detection analysis using multi-temporal remote sensed imagery and landscape metrics[J]. European Journal of Remote Sensing， 2012， 45（1）： 1-18.

[20]KONG F， YIN H， JAMES P， et al. Effects of spatial pattern of greenspace on urban cooling in a large metropolitan area of eastern China[J]. Landscape and Urban Planning， 2014， 128： 35-47.

[21]趙建鵬，楊秀峰，李國洪，等. 基于面向?qū)ο蟮脑O(shè)施蔬菜高分遙感影像提取[J].江蘇農(nóng)業(yè)學(xué)報，2019，35（4）：911-9118.

（責(zé)任編輯：王妮）