文峪河流域景觀宜居度評價及景觀動態(tài)預(yù)測

安冠霖,郭晉平

(山西農(nóng)業(yè)大學(xué)林學(xué)院，山西 太谷 030801)

人居環(huán)境是與人類生存活動密切相關(guān)的地表空間，是人類聯(lián)系自然、影響自然的主要場所[1]。宜居度評價是景觀動態(tài)重要的研究窗口。國內(nèi)外學(xué)者在不同尺度上基于不同的評價標(biāo)準(zhǔn)使用因子疊加法、多元統(tǒng)計(jì)分析法、PSR模型等對宜居度進(jìn)行研究[2-3]。在對城市、綠洲等特定環(huán)境的宜居度綜合評價下同時包含了氣候、水、聲環(huán)境單因子的評價。基于自然—社會系統(tǒng)耦合的評價方法正在成為主流研究方法，該研究方法的實(shí)踐基礎(chǔ)為景觀生態(tài)評價[4-5]?？茖W(xué)度量流域宜居格局有助于引導(dǎo)人流的合理分配與流動，促進(jìn)區(qū)域資源、環(huán)境協(xié)調(diào)發(fā)展[6]。景觀預(yù)測是景觀動態(tài)研究的重要領(lǐng)域，對流域的景觀預(yù)測對于分析流域景觀動態(tài)趨勢、掌握流域景觀格局?jǐn)?shù)量動態(tài)、結(jié)構(gòu)特征、驅(qū)動機(jī)制具有重要作用。流域景觀預(yù)測的結(jié)果可以作為相關(guān)研究的基礎(chǔ)展開對流域多時相、多領(lǐng)域的研究。流域景觀預(yù)測有助于掌握流域景觀變化規(guī)律，為相關(guān)決策提供有力的信息支持[7]。景觀格局預(yù)測基于CA、Markov、Logistic等數(shù)學(xué)模型或其組合。目前國內(nèi)外學(xué)者對景觀格局的預(yù)測突破了單純的景觀格局研究，同時將景觀預(yù)測與土地利用變化、景觀評價以及具體的生態(tài)過程相聯(lián)系[8]。選取文峪河流域作為研究對象，目的在于為中西部小流域宜居度評價以及流域景觀預(yù)測相關(guān)研究提供補(bǔ)充，同時也為文峪河流域景觀資源的開發(fā)與保護(hù)提供科學(xué)依據(jù)。

1 研究區(qū)概況

文峪河是汾河中游重要的一級支流，發(fā)源于山西省交城縣關(guān)帝山林區(qū)的龐泉溝自然保護(hù)區(qū)，流經(jīng)交城縣、文水縣、汾陽市、于孝義市境內(nèi)匯入汾河，流域面積 5 006.24 km2，河流長155 km。地理坐標(biāo)為東經(jīng)111°21′06″～112°19′34″，北緯36°56′42″～37°53′38″。流域?qū)倥瘻貛Т箨懶园敫珊禋夂騾^(qū)。地形復(fù)雜、山體陡峭，各處氣溫、降水差異較大。流域年均溫3～7℃，高海拔區(qū)較寒冷，低山谷地溫和，7月均溫17.5℃，1月均溫-10.2℃，極端低溫可達(dá)-29.1℃；年降水量450～700 mm，年蒸發(fā)量 1 600～1 800 mm，相對濕度70.9%，≥0℃積溫 2 100℃，無霜期100～130 d，日照時間 1 900～2 200 h。流域內(nèi)土壤、植被類型眾多[9]。

2 研究方法

2.1 數(shù)據(jù)來源

2.1.1自然地理評價指標(biāo)

將2000—2018年的5期Landsa TM/OLI_TIRS遙感圖像在ENVI中進(jìn)行監(jiān)督分類，將流域土地類型分為耕地、林地、草地、水域、建設(shè)用地、未利用地六大類[10]。

地形評價因子數(shù)據(jù)來自于地理空間數(shù)據(jù)云。生態(tài)評價因子、氣候評價因子、土壤評價因子來自國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心、中科院資源環(huán)境科學(xué)數(shù)據(jù)中心。植被因子來自USGS MODIS數(shù)據(jù)。地形、生態(tài)、氣候、土壤評價因子的制作流程主要基于GIS的柵格數(shù)據(jù)處理流程。植被因子的制作主要基于MODIS遙感數(shù)據(jù)處理流程。

2.1.2社會經(jīng)濟(jì)評價指標(biāo)

本研究使用的社會經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)均來自流域各縣市的政府統(tǒng)計(jì)部門。包括政府統(tǒng)計(jì)部門的統(tǒng)計(jì)年報、統(tǒng)計(jì)年鑒等。

2.2 宜居度評價模型的構(gòu)建

2.2.1宜居度評價指標(biāo)

1)自然地理評價因子

土地利用因子、植被因子(NPP、NDVI)、地形因子(高程、坡度)、生態(tài)因子(總生態(tài)系統(tǒng)服務(wù))、氣候因子(年均溫、年均降水量)、土壤因子(土壤類型、土壤有機(jī)質(zhì)含量)。

2)社會經(jīng)濟(jì)評價因子

地區(qū)經(jīng)濟(jì)指標(biāo)(GDP、人均GDP)、人口因子(人口密度)、區(qū)位因子(距城鎮(zhèn)距離、距道路距離)。

2.2.2指標(biāo)權(quán)重的確定

運(yùn)用AHP層次分析法確定各因子的權(quán)重。具體過程為：a.構(gòu)造判斷矩陣：矩陣中的元素表示針對上一層的某指標(biāo)而言各指標(biāo)的相對重要程度。b.重要性排序：計(jì)算判斷矩陣的最大特征值及特征向量。特征向量歸一化后即為權(quán)重分配。c.一致性檢驗(yàn)：對判斷矩陣進(jìn)行一致性檢驗(yàn)和隨機(jī)性檢驗(yàn)，以判斷權(quán)重分配是否合理[11]。經(jīng)計(jì)算確定的各因子權(quán)重見表1。

表1 評價因子權(quán)重分配

2.2.3宜居度指數(shù)計(jì)算

運(yùn)用綜合指數(shù)法及加權(quán)疊加法對宜居度進(jìn)行計(jì)算。綜合指數(shù)法是將原始數(shù)據(jù)使用一定的統(tǒng)計(jì)方法構(gòu)造成一個便于橫向比較的綜合性的指標(biāo)。實(shí)現(xiàn)了從不同時間和空間角度對多因素系統(tǒng)進(jìn)行綜合的評價[12]。其計(jì)算公式為：

S=f(x1,x2,x3，…，xn)

式中：S為宜居度得分，Xi(i=1,2,3，…，n)為n個評價因子組成的變量。

利用GIS將各評價因子的數(shù)據(jù)以宜居適宜度為目標(biāo)導(dǎo)向賦予不同的宜居得分。利用GIS將各評價因子加權(quán)疊加，最終將宜居度綜合指數(shù)分級為：很適宜、較適宜、基本適宜、不適宜、極不適宜[13]。

加權(quán)疊加法采用如下公式計(jì)算：

式中：wi為各因子所占的權(quán)重,xi為各評價因子的宜居得分。

2.2.4宜居度相關(guān)指標(biāo)及驅(qū)動力分析

基于GIS獲取各時期宜居度格局的結(jié)構(gòu)變化情況以及轉(zhuǎn)移情況。

在GIS中隨機(jī)抽樣，將人口密度柵格數(shù)據(jù)及宜居度指數(shù)提取并導(dǎo)入至SPSS中進(jìn)行相關(guān)性分析。通過人口密度及宜居度指數(shù)的相關(guān)性可判斷宜居度評價精度[14]。

利用GIS隨機(jī)抽樣，將宜居度指數(shù)與宜居度評價因子提取并導(dǎo)入至Origin進(jìn)行數(shù)據(jù)擬合，各因子的R2即各評價因子對擬合模型的影響與貢獻(xiàn)程度。該貢獻(xiàn)程度可理解為各評價因子對宜居度指數(shù)的驅(qū)動作用。根據(jù)R2值可判斷某評價因子對于宜居度指數(shù)的驅(qū)動作用大小[15]。利用Moran’s I 指數(shù)計(jì)算宜居度格局的空間自相關(guān)程度，其值大于0表示空間集聚自相關(guān)，相反則代表空間離散分布，其絕對值越接近1，代表空間相關(guān)程度越高[16]。

2.3 景觀預(yù)測模型的構(gòu)建

2.3.1CA-Markov模型設(shè)置

Markov模型是基于馬爾可夫鏈,根據(jù)事件的目前狀況預(yù)測其將來各個時刻的狀態(tài)的預(yù)測方法，其本質(zhì)是對事件發(fā)生概率的預(yù)測。馬爾可夫模型預(yù)測公式可簡單表示為：

S(t+1)=S(t)×Pij

式中：S(t+1)和S(t)分別為t+1和t時刻的土地利用狀態(tài)，Pij為第i種景觀類型轉(zhuǎn)變?yōu)閖種景觀類型的轉(zhuǎn)移概率矩陣。

CA模型是一種時間、空間狀態(tài)都離散，相互作用及因果關(guān)系皆局部的，具有時空計(jì)算特征的動力學(xué)模型。借助CA模型可以很好地彌補(bǔ)單一Markov模型未考慮空間格局對于轉(zhuǎn)移概率影響的不足。CA模型可用下式表示：

S(t+1)=f(S(t),N)

CA-Markov模型綜合了Markov模型對長時間序列預(yù)測和CA模型基于空間關(guān)系和規(guī)則動力學(xué)模擬的優(yōu)點(diǎn)，能更加準(zhǔn)確地從時間和空間上模擬景觀變化。

在IDRISI平臺中基于Markov工具利用2期土地利用數(shù)據(jù)制作面積轉(zhuǎn)移矩陣。將地形、植被、生態(tài)、氣候、土壤、區(qū)位等影響因子導(dǎo)入IDRISI基于各個因子作用于某地類的函數(shù)形式以及作用值域制作適應(yīng)性圖集。該適宜性圖集即為CA模型空間演化的核心規(guī)則。利用CA-Markov工具輸入初期圖像、適宜性圖集、面積轉(zhuǎn)移矩陣，設(shè)置元胞大小為30 m×30 m，并設(shè)置濾波器為5×5矩陣。設(shè)定好迭代計(jì)算的次數(shù)一般與間隔時長相同[17]。

2.3.2CA-Markov模型可靠性檢驗(yàn)

利用現(xiàn)有數(shù)據(jù)進(jìn)行景觀預(yù)測。將預(yù)測圖像與實(shí)際遙感影像于IDRISI中計(jì)算KAPPA系數(shù)。KAPPA系數(shù)代表預(yù)測結(jié)果與現(xiàn)有實(shí)際景觀圖像的重合比率。Kappa系數(shù)越接近1，表示預(yù)測結(jié)果與實(shí)際結(jié)果的相符程度越高。

2.3.3景觀動態(tài)和格局預(yù)測結(jié)果分析

將景觀預(yù)測結(jié)果導(dǎo)入至GIS獲取2020—2040預(yù)測圖像的景觀結(jié)構(gòu)變化以及景觀轉(zhuǎn)移情況，并利用景觀動態(tài)度衡量景觀變化的速度特征[18]。景觀動態(tài)度計(jì)算公式為：

式中：K是研究時段內(nèi)某景觀類型的變化速度，Ua和Ub分別表示研究初期a和期末b某景觀類型的面積，T為研究期長度[19]。

將景觀預(yù)測結(jié)果導(dǎo)入至Fragstats，計(jì)算2020—2040年的景觀格局指數(shù)。對以上結(jié)果與現(xiàn)有數(shù)據(jù)進(jìn)行綜合分析。

在本研究中景觀聚合度H的計(jì)算公式為：

式中：CONTAG為蔓延度、AI為聚合度、DIVISION為景觀分離度、SPLIT為分散指數(shù)[20]。

3 結(jié)果與分析

3.1 文峪河流域景觀宜居度動態(tài)分析

文峪河流域2000—2018年5期景觀宜居度動態(tài)變化專題圖如圖1所示。

圖1 文峪河流域2000—2018年宜居度評價

整體來看，文峪河流域景觀宜居度格局在2000—2018年期間整體形態(tài)相對穩(wěn)定。宜居度較高的區(qū)域多分布在河谷平原、低山丘陵區(qū)域。山地部分宜居度較低，適宜度較高的區(qū)域與現(xiàn)有城鎮(zhèn)用地、耕地重合較多。宜居度由東南向西北遞減。

由表2可知，文峪河流域的很適宜區(qū)域面積在18年間一直呈增加趨勢，較適宜區(qū)域面積呈現(xiàn)下降趨勢，基本適宜區(qū)域面積有所波動，整體上略有減少。不適宜區(qū)域面積有所波動，整體上略有減少。極不適宜區(qū)域面積略有增加。整體來看適宜區(qū)面積雖然有所波動，但2018年適宜區(qū)面積整體較2000年增加27 km2，流域的宜居度格局結(jié)構(gòu)整體向好。

表2 文峪河流域2000—2018年宜居度格局面積結(jié)構(gòu)變化

由表3可知，極不適宜區(qū)對不適宜區(qū)是凈支出，對基本適宜區(qū)是凈收入，對較適宜區(qū)是凈收入，對很適宜區(qū)是凈支出；不適宜區(qū)對基本適宜區(qū)是凈支出，對較適宜區(qū)為凈收入，對很適宜區(qū)為凈支出；基本適宜區(qū)對較適宜區(qū)為凈支出，對很適宜區(qū)為凈支出；較適宜區(qū)對很適宜區(qū)為凈支出。極不適宜區(qū)面積的增加主要來自于基本適宜區(qū)與較適宜區(qū)；很適宜區(qū)面積的增加廣泛吸收了其他宜居等級區(qū)面積。整體來看，宜居度的轉(zhuǎn)移變化較為復(fù)雜，既有低宜居度向高宜居度的轉(zhuǎn)變，同時也有反向變化。低宜居度類別向高宜居度類別轉(zhuǎn)化的面積比高宜居度類別向低宜居度類別轉(zhuǎn)化的面積多54 km2。流域的宜居度格局轉(zhuǎn)移情況整體向好。

表3 文峪河流域2000—2018年宜居度等級轉(zhuǎn)移面積矩陣

由表4可知，宜居度指數(shù)與人口密度分布呈極顯著正相關(guān)。結(jié)合人口密度分布數(shù)據(jù)可知，很適宜區(qū)的人口占總?cè)丝诘?5%以上，適宜區(qū)總?cè)丝谡剂饔蚩側(cè)丝诘?6%以上，這進(jìn)一步驗(yàn)證了本次評價的準(zhǔn)確性。

表4 宜居指數(shù)與人口密度分布相關(guān)性及Moran’s I 指數(shù)

分析Moran’s I 指數(shù)可知：以99.99%以上的顯著水平認(rèn)為宜居格局存在顯著的空間聚集性分布特征，即流域宜居度存在高宜居度與高宜居度以及低宜居度與低宜居度的空間集聚性。

3.2 文峪河流域景觀宜居度動態(tài)驅(qū)動力分析

文峪河流域景觀宜居度驅(qū)動因子分析結(jié)果如圖2所示。

圖2 各驅(qū)動因子對宜居度動態(tài)的驅(qū)動作用

各驅(qū)動因子的R2即各驅(qū)動因子對宜居度指數(shù)與驅(qū)動因子擬合模型的貢獻(xiàn)程度，該貢獻(xiàn)程度可理解為各驅(qū)動因子對宜居度指數(shù)的驅(qū)動作用。由R2可知各驅(qū)動因子對宜居度的驅(qū)動作用由大到小依次為：土地利用、地形、經(jīng)濟(jì)、人口、區(qū)位、氣候、生態(tài)、植物、土壤。宜居度受土地利用、地形、經(jīng)濟(jì)、人口、區(qū)位、氣候、生態(tài)因子的驅(qū)動作用較為明顯。

3.3 文峪河流域景觀動態(tài)模擬預(yù)測

2020—2040年文峪河流域5期景觀預(yù)測結(jié)果如圖3所示。

圖3 文峪河流域2020—2040景觀預(yù)測

利用IDRISI計(jì)算景觀預(yù)測KAPPA系數(shù)為 0.971 7，即景觀預(yù)測的整體正確率達(dá)97.17%。各地類的預(yù)測KAPPA系數(shù)分別為：耕地 0.945 2，林地 0.980 6，草地 0.929 6，水域 0.989 9，建設(shè)用地 0.909 3，未利用地 0.828 5。各地類的KAPPA系數(shù)均較接近1?？烧J(rèn)為：本模型對景觀動態(tài)預(yù)測的正確率較高。

文峪河流域2000—2018年各景觀類型面積及占比如表5所示。

基于預(yù)測結(jié)果得到2020—2040年文峪河流域的景觀結(jié)構(gòu)如表6所示。

由表5、表6可知，2020—2040年耕地、草地、未利用地面積不斷減少，林地、水域、建設(shè)用地面積不斷增加。2000—2040年耕地面積將持續(xù)減少，建設(shè)用地、水域面積將持續(xù)增加，未利用地面積在2000—2018年呈現(xiàn)增長趨勢，2018年后將會逐漸減少，林地面積相對較為穩(wěn)定，草地面積在2000—2018年呈現(xiàn)波動減少，在2018年以后預(yù)測可能會呈現(xiàn)小幅度地持續(xù)減少。

表5 文峪河流域2000—2018年景觀結(jié)構(gòu)變化

表6 文峪河流域2020—2040年景觀結(jié)構(gòu)預(yù)測

文峪河流域景觀動態(tài)度指數(shù)實(shí)測與預(yù)測結(jié)果如表7所示。本次動態(tài)度計(jì)算以初始年份為基準(zhǔn)年份。

由表7可知，耕地、林地動態(tài)度均為負(fù)值，水域、建設(shè)用地、未利用地的動態(tài)度均為正值。耕地變化速度前期波動，2020年后逐步趨緩。林地變化速度前期波動，2015年后逐步趨緩。水域變化速度前期波動，2015年后逐步趨緩。建設(shè)用地變化速度于2020年達(dá)到最大值，其后逐步趨緩。未利用地變化速度于2018年達(dá)到極值而后趨緩。草地變化速度前期波動，2018年后基本穩(wěn)定。流域整體變化速度在2020年達(dá)到最大值，之后減緩。文峪河流域2000—2040年各景觀類型的轉(zhuǎn)移情況如表8所示。

表7 文峪河流域2000—2040年預(yù)測景觀動態(tài)度

表8 文峪河流域2000—2040年預(yù)測景觀轉(zhuǎn)移矩陣

由表8可知，耕地對林地、未利用地是凈收入，對草地、水域、建設(shè)用地是凈支出；林地對草地是凈收入，對水域、建設(shè)用地、未利用地是凈支出；草地對其他類型均為凈支出；水域?qū)ㄔO(shè)用地為凈支出，水域與未利用地類型無相互轉(zhuǎn)化；建設(shè)用地對未利用地為凈收入；水域與其他類型發(fā)生的相互轉(zhuǎn)化較少。大多數(shù)景觀類型之間存在相互轉(zhuǎn)化。文峪河流域2000—2040年景觀格局指數(shù)如表9所示。

表9 文峪河流域2000—2040年預(yù)測景觀格局指數(shù)

由表9可知，形狀指數(shù)呈現(xiàn)增加—減少—增加的趨勢，分維數(shù)呈現(xiàn)增加—減少—增加的趨勢，由形狀指數(shù)與分維數(shù)不能得出2040年較2000年流域整體規(guī)則度發(fā)生顯著變化的結(jié)論。聚合度指數(shù)顯著下降，可認(rèn)為流域整體的破碎化程度在2000—2040年間將持續(xù)增加。內(nèi)聚力指數(shù)呈下降—上升—下降的趨勢，整體上可認(rèn)為流域景觀連通性下降。多樣性指數(shù)、均勻度指數(shù)均持續(xù)增加，可認(rèn)為流域的景觀多樣性、均勻度持續(xù)增加?？偤诵拿娣e呈現(xiàn)下降—上升—下降的趨勢，核心面積在2018年達(dá)到最小值。整體而言，2018年后核心面積趨于穩(wěn)定。

4 結(jié)論與討論

1)文峪河流域的宜居度格局在2000—2018年期間整體形態(tài)相對穩(wěn)定。文峪河流域的很適宜區(qū)面積呈增加趨勢，比較適宜區(qū)面積呈下降趨勢，基本適宜區(qū)面積減少。不適宜區(qū)面積變化趨勢不明顯。極不適宜區(qū)面積基本呈小幅度增加趨勢。整體上文峪河流域的適宜區(qū)面積增加。流域宜居度的轉(zhuǎn)移動態(tài)較為復(fù)雜，既有低宜居度區(qū)向高宜居度區(qū)的轉(zhuǎn)變，同時也有反向變化。流域宜居度格局結(jié)構(gòu)整體向好。宜居度指數(shù)與人口密度呈現(xiàn)極顯著正相關(guān)，流域宜居度存在高值與高值以及低值與低值的空間集聚分布特征。各驅(qū)動因子對宜居指數(shù)的驅(qū)動作用不同。宜居度受土地利用、地形、經(jīng)濟(jì)、人口、區(qū)位、氣候、生態(tài)因子的驅(qū)動作用明顯。

2)經(jīng)實(shí)測與預(yù)測文峪河流域2000—2040年耕地面積將持續(xù)減少，建設(shè)用地、水域面積將持續(xù)增加，未利用地面積在2018年后將會逐漸減少，林地面積相對較為穩(wěn)定，草地面積在2000—2018年呈現(xiàn)波動減少，在2018年后可能會小幅度持續(xù)減少。2000—2040年耕地、林地動態(tài)度均為負(fù)值，水域、建設(shè)用地、未利用地的動態(tài)度都為正值。耕地變化速度前期波動，2020年后逐步趨緩；林地變化速度前期波動，2015年后逐步趨緩；水域變化速度前期波動；2015年后逐步趨緩；建設(shè)用地變化速度于2020年達(dá)到最大值，其后逐步趨緩；未利用地變化速度于2018年達(dá)到極值而后趨緩；草地變化速度前期波動，2018年后基本穩(wěn)定。流域整體變化速度在2020年達(dá)到最大值之后減緩。2000—2040年，耕地對林地、未利用地是凈收入，對草地、水域、建設(shè)用地是凈支出；林地對草地是凈收入，對水域、建設(shè)用地、未利用地是凈支出；草地對其他類型均為凈支出。水域?qū)ㄔO(shè)用地為凈支出，水域與未利用地類型無相互轉(zhuǎn)化；建設(shè)用地對未利用地為凈收入。預(yù)測至2040年，流域景觀規(guī)則度無顯著變化，流域破碎化程度持續(xù)增加，景觀連通性下降，景觀多樣性、均勻度持續(xù)增加，總核心面積趨于穩(wěn)定。

3)文峪河流域適宜區(qū)面積整體呈現(xiàn)增加趨勢，但近年來適宜區(qū)面積的增加幅度十分有限，結(jié)合景觀預(yù)測結(jié)果可知，流域景觀動態(tài)變化復(fù)雜。研究區(qū)經(jīng)濟(jì)與人口持續(xù)發(fā)展，生態(tài)壓力日益嚴(yán)峻。為防止出現(xiàn)景觀結(jié)構(gòu)失衡帶來的社會、生態(tài)風(fēng)險，應(yīng)加強(qiáng)對流域的研究與規(guī)劃，促進(jìn)流域可持續(xù)發(fā)展。