不同空間尺度松嫩平原土地利用強(qiáng)度變化及其對(duì)氣候因子的影響

路 中,雷國平,*,郭一洋,馬泉來

1 東北大學(xué)土地管理研究所, 沈陽 110169 2 河南省資源環(huán)境調(diào)查一院, 鄭州 450000

土地利用/覆蓋是一個(gè)綜合性概念[1],它不僅是分析和解釋區(qū)域土地利用/覆蓋時(shí)空變化特征、過程和機(jī)理的重要手段[2-3],而且它對(duì)全球以及區(qū)域生態(tài)環(huán)境具有重要的影響[4-6]。已有的研究表明,在區(qū)域乃至更小的尺度上,區(qū)域生態(tài)環(huán)境(地表能量和水分收支)變化對(duì)氣候的影響通常比碳排放更為直接[7]。在全球氣候變暖背景下,農(nóng)業(yè)適應(yīng)性研究是目前全球變化科學(xué)、可持續(xù)性科學(xué)、農(nóng)業(yè)生態(tài)學(xué)的研究熱點(diǎn)問題[8]。因此,準(zhǔn)確的測算區(qū)域土地利用/覆蓋變化情況,尋求最佳的區(qū)域尺度研究土地利用/覆蓋變化與區(qū)域氣候變化之間的相互作用關(guān)系,對(duì)土地的合理使用、區(qū)域小氣候的調(diào)節(jié)以及區(qū)域生態(tài)環(huán)境的保護(hù)具有重要的意義[9-12]。

IPCC(Intergovernmental Panel on Climate Change)第5次評(píng)估報(bào)告指出,人類活動(dòng)對(duì)氣候系統(tǒng)產(chǎn)生明顯的作用,土地利用/覆蓋的變化通過改變地表反照率對(duì)地球輻射收支產(chǎn)生直接影響[13]。目前,關(guān)于土地利用/覆蓋變化對(duì)氣候的影響以前學(xué)者已經(jīng)做出大量的研究,在研究角度及方法上,眾多學(xué)者一方面利用氣候模型模擬氣候因子的數(shù)值,以此對(duì)比實(shí)際氣候特征,研究LUCC變化過程及其氣候效應(yīng)[14-17]；另一方面學(xué)者利用土地利用強(qiáng)度[18]、地表蒸散發(fā)(ET)[19]、植被指數(shù)(NDVI)[20]、植被凈初級(jí)生產(chǎn)力(NPP)[21]等指標(biāo),分析土地利用/覆蓋指數(shù)與氣候變化之間的相關(guān)性,探究LUCC變化對(duì)于氣候因子的影響；在研究尺度上,學(xué)者多以1 km[21-22]、3 km[18,23]、10 km[24]、30 km[25-26]以及50 km[27]為評(píng)價(jià)單元,研究流域、縣域、以及全國尺度下的LUCC變化及其氣候效應(yīng)。現(xiàn)有的研究為分析土地利用/覆蓋與氣候因子之間的關(guān)系提供了理論和實(shí)踐的基礎(chǔ),學(xué)者從不同空間尺度來研究土地利用/覆蓋變化對(duì)于局部氣候的影響,但目前關(guān)于LUCC變化對(duì)氣候影響的研究在土地利用/覆蓋尺度效應(yīng)方面研究相對(duì)較少。所謂的“尺度效應(yīng)”是指對(duì)同一區(qū)域的某種地理現(xiàn)象在不同分辨率(不同尺度)下進(jìn)行空間相關(guān)分析時(shí),往往出現(xiàn)不一致性[28]?；诖?該文結(jié)合松嫩平原的實(shí)際地區(qū)特征,將研究區(qū)域劃分為1 km、3 km、5 km、10 km以及20 km等若干大小不同的正方形評(píng)價(jià)單元,選用土地利用強(qiáng)度指標(biāo),研究不同空間尺度下土地利用強(qiáng)度變化對(duì)氣候因子的影響,尋求兩者作用的最佳空間尺度,為土地利用/覆蓋變化的氣候效應(yīng)研究提供參考。

人類的農(nóng)業(yè)開發(fā)是土地利用/覆蓋變化的重要驅(qū)動(dòng)力之一。松嫩平原是我國主要的糧食生產(chǎn)基地,為了滿足當(dāng)?shù)厣鐣?huì)經(jīng)濟(jì)發(fā)展的需求和國家糧食生產(chǎn)的要求,松嫩平原土地利用/覆蓋發(fā)生顯著的變化,呈現(xiàn)“三增四減”趨勢,即耕地、城鎮(zhèn)用地、林地的增長,而草地、未利用地、濕地和水域減少[29],加之全球氣候變暖的影響,使區(qū)域干濕格局呈現(xiàn)“干著越干,濕著越濕”的變化趨勢[30],加劇了研究區(qū)域的干旱狀況。在氣候變暖和大規(guī)模農(nóng)業(yè)開發(fā)的雙重壓力下,探究土地利用強(qiáng)度時(shí)空變化與氣候因子之間的內(nèi)部作用機(jī)制顯得尤為重要。本文運(yùn)用地理信息系統(tǒng)、遙感技術(shù),采用 Matlab 編程,測算不同時(shí)點(diǎn)(1985年、1995年、2005年和2015年)不同空間尺度的土地利用強(qiáng)度變化情況,運(yùn)用“觀測資料減去再分析”(Observation Minus Reanalysis, OMR)方法處理氣候因子數(shù)據(jù),利用趨勢分析、相關(guān)分析法,研究1985—2015年松嫩平原土地利用強(qiáng)度時(shí)空變化特征及研究區(qū)域內(nèi)氣候因子的變化規(guī)律,重點(diǎn)探討不同空間尺度的土地利用強(qiáng)度對(duì)氣候因子的影響。

1 研究地區(qū)與數(shù)據(jù)來源及處理

1.1 研究區(qū)概況

松嫩平原位于大、小興安嶺與長白山脈及松遼分水嶺之間,主要由松花江和嫩江沖積而形成,與三江平原、遼河平原并稱東北三大平原。松嫩平原位于黑龍江省的西南部,地理位置介于121°38′—128°33′E,42°49′—49°12′N之間,總面積為22.5×104km2。研究區(qū)域內(nèi)主要?dú)夂蝾愋蜑闇貛Т箨懶园霛駶櫋敫珊导撅L(fēng)氣候,受冬夏季風(fēng)的交替影響,四季氣候分明,全年平均氣溫呈自北向南逐漸增高趨勢,等值線近緯向分布,大部分地區(qū)的年降水量為400—600 mm,自東向西逐漸減少,6—8月降水量占全年降水量的60%—70%,易形成干旱和洪澇災(zāi)害。松嫩平原地勢平緩,土質(zhì)肥沃,黑土、黑鈣土占60%以上,其他土壤類型包括草甸土、暗棕壤、沼澤土、鹽土、堿土、風(fēng)砂土、栗鈣土及水稻土等。

圖1 研究區(qū)地形與行政區(qū)劃Fig.1 The topography and administrative divisions of the study area

1.2 數(shù)據(jù)來源及預(yù)處理

1.2.1遙感影像分類

本研究所使用的遙感影像來源于美國陸地資源衛(wèi)星 Landsat 數(shù)據(jù),不同時(shí)間點(diǎn)的影像首選1985年、1995年、2005年以及2015年內(nèi)的遙感影像,如果時(shí)間節(jié)點(diǎn)內(nèi)影像的質(zhì)量未達(dá)到研究的要求,則選用時(shí)間節(jié)點(diǎn)前后2年時(shí)間內(nèi)的影像,因2、3年時(shí)間對(duì)于土地利用變化影響不大,解譯的土地利用數(shù)據(jù)滿足研究的要求和精度,影像月份一般選用5月、6月以及8月數(shù)據(jù),具體數(shù)據(jù)參數(shù)見下表。

表1 Landsat衛(wèi)星遙感數(shù)據(jù)參數(shù)表

利用ArcGIS軟件隨機(jī)選取松嫩平原500個(gè)樣本點(diǎn),提取1985年、1995年、2005年以及2015年土地利用/覆蓋分類結(jié)果信息,結(jié)合Google Earth軟件將分類結(jié)果與Google Earth提供的信息進(jìn)行對(duì)比,建立混淆矩陣進(jìn)行精度評(píng)價(jià)(表2)。結(jié)果表明,采用監(jiān)督分類與目視解譯相結(jié)合的方法適用于土地利用/覆蓋信息的提取,其提取信息的平均精度為91.32%,總體Kappa系數(shù)為0.873,滿足研究的需求。

表2 研究區(qū)土地利用/覆蓋分類精度評(píng)價(jià)

為了有效分析松嫩平原不同空間尺度土地利用強(qiáng)度變化的空間特征,該文利用ArcGIS軟件中的Creat fishnet功能創(chuàng)建1 km,3 km,5 km,10 km以及20 km的正方形漁網(wǎng),并基于不同空間尺度的漁網(wǎng)對(duì)研究區(qū)內(nèi)1985年、1995年、2005年以及2015年土地利用/覆蓋數(shù)據(jù)進(jìn)行分割并生成樣本點(diǎn)集。

1.2.2氣象數(shù)據(jù)

本文選用的氣象數(shù)據(jù)主要包括松嫩平原1980—2018年39年間的逐年降水?dāng)?shù)據(jù)與溫度數(shù)據(jù),數(shù)據(jù)的分別率為1 km,數(shù)據(jù)由中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心提供,以及由NCEP 與美國能源部(DOE)提供的NCEP/DOE AMIP-ⅡReanalysis 再分析資料。中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心提供的數(shù)據(jù)是基于全國2400多個(gè)氣象站點(diǎn)日觀測數(shù)據(jù),采用澳大利亞的ANUSPLIN插值軟件進(jìn)行數(shù)據(jù)的插值計(jì)算。ANUSPLIN是一種采用平滑樣條函數(shù)對(duì)多變量數(shù)據(jù)進(jìn)行分析和插值的工具[31],即使用函數(shù)逼近曲面的一種方法,它能夠?qū)?shù)據(jù)進(jìn)行合理的統(tǒng)計(jì)分析和數(shù)據(jù)診斷,并可以對(duì)數(shù)據(jù)的空間分布進(jìn)行分析進(jìn)而實(shí)現(xiàn)空間插值的功能,最終得到的數(shù)據(jù)滿足研究對(duì)數(shù)據(jù)精度的要求。

為保證研究的精確性,體現(xiàn)下墊面地表覆蓋變化對(duì)氣候因子的影響,該文選取 NCEP 與美國能源部(DOE)的NCEP/DOE AMIP-ⅡReanalysis 資料,利用 Kalnay 等[32]提出的“觀測資料減去再分析”(Observation Minus Reanalysis, OMR)方法對(duì)氣候因子數(shù)據(jù)進(jìn)行處理。因?yàn)镹CEP再分析資料在同化時(shí)未選用地表觀測數(shù)據(jù),因而再分析氣象數(shù)據(jù)對(duì)于下墊面的物理特征表現(xiàn)不敏感,利用地面觀測數(shù)據(jù)減去NECP再分析氣象數(shù)據(jù)得到的差值,其可以有效的反映下墊面覆蓋變化對(duì)于氣候因子的影響。最后,該文利用不同空間尺度的正方形網(wǎng)格將處理后的氣象數(shù)據(jù)進(jìn)行切割并生成樣本點(diǎn),將不同樣本區(qū)間內(nèi)氣候因子的均值作為樣本點(diǎn)的值。

2 研究方法

2.1 土地利用強(qiáng)度模型的建立

土地利用強(qiáng)度指的是某一時(shí)間點(diǎn)特定區(qū)域人類活動(dòng)對(duì)土地利用強(qiáng)度的干擾情況,代表人類開發(fā)利用土地的強(qiáng)度。該文參考前人的研究成果與經(jīng)驗(yàn)[1,18,23],依據(jù)不同土地利用類型對(duì)氣候因子的影響程度進(jìn)行不同土地利用類型利用強(qiáng)度等級(jí)的劃分。最終,將不同土地利用類型的等級(jí)強(qiáng)度劃分為：Ⅰ級(jí)為水域,Ⅱ級(jí)為濕地,Ⅲ級(jí)為林地,Ⅳ級(jí)為水田,Ⅴ級(jí)為旱田,Ⅵ級(jí)為未利用地,Ⅶ級(jí)為建設(shè)用地,其土地利用強(qiáng)度分級(jí)指數(shù)由大到小分別為1—7。其土地利用強(qiáng)度公式如下：

(2)

式中,L表示樣本區(qū)域土地利用強(qiáng)度值；Aj表示樣本區(qū)域第j種土地利用類型的強(qiáng)度分級(jí)指數(shù)；Sj表示第j種土地利用類型的面積；S表示樣本區(qū)域土地利用總面積；m表示土地利用強(qiáng)度分級(jí)數(shù)。

2.2 趨勢分析

采用基于像元的一元線性回歸分析法研究松嫩平原1980—2018年逐年降水與溫度數(shù)據(jù)的變化趨勢,其公式為：

(4)

式中,n為年數(shù)(時(shí)間序列為1980—2018年,即n= 39)；Ti為研究區(qū)內(nèi)各像元點(diǎn)在第i年的年降水與溫度值；Tslope為1980—2018年研究區(qū)內(nèi)各像元點(diǎn)降水與溫度年際變化的一元線性回歸方程的斜率,即趨勢變化率,反映研究時(shí)段內(nèi)降水與溫度數(shù)據(jù)的總體變化趨勢。Tslope> 0表明氣象因子數(shù)據(jù)總體變化呈增加趨勢,反之為減少趨勢。

2.3 相關(guān)性分析

該文利用相關(guān)性分析來研究土地利用強(qiáng)度變化對(duì)氣候因子的影響,相關(guān)性分析是研究兩個(gè)或兩個(gè)以上的時(shí)序變量變化趨勢之間的關(guān)系,在排除全球氣候變化、地形因子以及土壤條件的影響下,利用該方法分析土地利用強(qiáng)度與氣候因子之間的相關(guān)關(guān)系,可以有效的反映土地利用強(qiáng)度變化對(duì)于氣候因子的影響,若土地利用強(qiáng)度變化與氣候因子變化表現(xiàn)為正相關(guān),則兩個(gè)時(shí)序變量同方向變化,表示土地利用強(qiáng)度變化對(duì)于氣候因子的增加起促進(jìn)作用,反之起抑制作用。

1)簡單相關(guān)性分析

簡單相關(guān)性分析是研究兩個(gè)或兩個(gè)以上處于同等地位隨機(jī)變量間相關(guān)關(guān)系的統(tǒng)計(jì)分析方法[33],其可以有效表示兩個(gè)變量為同方向或反方向變化。該文利用基于像元的相關(guān)性分析降雨和溫度與土地利用強(qiáng)度之間的空間相關(guān)性,簡單相關(guān)系數(shù)計(jì)算公式為：

(5)

2)偏相關(guān)性分析

偏相關(guān)分析是在簡單線性相關(guān)的基礎(chǔ)上研究兩個(gè)影響因子之間的關(guān)系的,該分析可以有效的排除其他因子的影響研究兩個(gè)因子之間的相關(guān)性[34],其計(jì)算公式如下：

(6)

式中,Rxy,z表示自變量z(降水或溫度)固定后因變量x(土地利用強(qiáng)度指數(shù))與自變量y(溫度或降水)之間的偏相關(guān)系數(shù)。

3)復(fù)相關(guān)分析

復(fù)相關(guān)分析指的是綜合考慮多個(gè)相關(guān)影響因子的共同作用,分析多個(gè)自變量與因變量之間的關(guān)系,它可以有效的反映各個(gè)要素的綜合影響。復(fù)相關(guān)系數(shù)越大,表明要素或變量之間的線性相關(guān)程度越密切[35]。復(fù)相關(guān)的計(jì)算公式如下：

(8)

式中,Rx,yz表示因變量x與自變量y,z之間的復(fù)相關(guān)系數(shù)；Rxy表示x與y之間的線性相關(guān)系數(shù)；Rxz,y表示固定自變量y之后因變量x與自變量z的偏相關(guān)系數(shù)；其中x,y表示降水或者溫度值,z表示土地利用強(qiáng)度指數(shù)。

3 結(jié)果與分析

3.1 不同空間尺度土地利用強(qiáng)度時(shí)空分布特征分析

該文利用ArcGIS軟件建立不同空間尺度的漁網(wǎng),以此提取松嫩平原不同空間尺度條件下的土地利用類型信息數(shù)據(jù),運(yùn)用Matlab軟件計(jì)算不同空間尺度條件下土地利用強(qiáng)度變化情況,具體如下圖。

圖2 不同空間尺度土地利用強(qiáng)度時(shí)空分布圖Fig.2 Spatial and temporal distribution of land use intensity at different spatial scales

由圖可以看出,松嫩平原土地利用強(qiáng)度高值區(qū)域主要分布于齊齊哈爾市東部及南部、哈爾濱市西部、綏化市中西部、松原市以及長春市等地區(qū)；土地利用強(qiáng)度低值區(qū)域主要分布于松嫩平原東部以及南部少部分地區(qū),主要為黑河市東部、哈爾濱市東部以及長春市東部等地區(qū)。從時(shí)間尺度上來看,隨著時(shí)間的推移土地利用強(qiáng)度低值區(qū)域在不斷的減少,這主要是由于農(nóng)業(yè)大規(guī)模的開發(fā)引起的；從空間尺度上升來看,空間尺度的不斷增加松嫩平原土地利用強(qiáng)度的均質(zhì)性逐漸地增強(qiáng),即每個(gè)像元的土地利用強(qiáng)度值逐漸向均值靠近。

為了進(jìn)一步分析研究區(qū)域內(nèi)土地利用強(qiáng)度的變化情況,該文提取不同時(shí)間和空間尺度條件下土地利用強(qiáng)度均值及土地利用強(qiáng)度值的主要分布區(qū)間。如表所示,在時(shí)間尺度上,研究區(qū)域土地利用強(qiáng)度均值表現(xiàn)為先增加后降低的變化趨勢,這主要是農(nóng)業(yè)開發(fā)強(qiáng)度經(jīng)歷先增強(qiáng)后逐漸減弱的原因；從土地利用強(qiáng)度主要分布區(qū)間變化情況來看,隨著時(shí)間的不斷推移,占研究區(qū)域主要部分的區(qū)域在不斷的變化,大致呈現(xiàn)逐漸增加的趨勢,表明研究區(qū)域土地利用強(qiáng)度的不斷增加。在空間尺度上,不同空間尺度的土地利用強(qiáng)度的均值分別為3.92、3.92、3.93、3.93以及4.34,土地利用強(qiáng)度均值呈現(xiàn)先不變后逐漸增加的變化趨勢；而對(duì)于土地利用強(qiáng)度的主要分布區(qū)間表現(xiàn)為不同時(shí)間段內(nèi)主要分布區(qū)間均表現(xiàn)為向均值不斷聚集的變化趨勢且分布區(qū)間的中值也在不斷的增加。

表3 不同時(shí)間段不同空間尺度下土地利用強(qiáng)度變化情況

3.2 氣候因子變化

降水和溫度是氣候系統(tǒng)中重要的組成部分,其可以有效的反映區(qū)域水熱分布情況[20]；與此同時(shí),降水與溫度也是受土地利用/覆蓋變化表現(xiàn)最為直接的因素,因此本文選取平均降水量與平均溫度分析區(qū)域氣候系統(tǒng)的變化情況。

1980—2018年松嫩平原多年平均降水量和多年平均溫度表現(xiàn)明顯的空間分異特征(圖3)。就平均降水量來看,松嫩平原整體約呈現(xiàn)由西南向東北逐漸增加的趨勢,其中白城市、松原市西部以及大慶市中西部為降水量低值區(qū)域,多年平均降水量為423.57 mm/a；降水量高值區(qū)域主要分布于長春市中南部、哈爾濱市西部以及綏化市西部,多年平均降水量為653.28 mm/a。就平均溫度來看,研究區(qū)域呈現(xiàn)明顯由西南向東北逐漸增加的趨勢,其中白城市、松原市、四平市以及長春市中西部為平均溫度的高值區(qū)域,多年平均溫度為6.10 ℃/a；平均溫度低值區(qū)域主要分布于黑河市、綏化市西部以及齊齊哈爾市西北部,多年平均溫度為0.495 ℃/a。

圖3 1980—2018年年平均降水量與年平均溫度分布特征Fig.3 Distribution characteristics of annual average precipitation and annual average temperature from 1980 to 2018

1980—2018年,松嫩平原降水量和溫度年際變化呈現(xiàn)明顯的空間分異規(guī)律。就降水量年際變化來看,松嫩平原降水量的趨勢變化率在-38.76—15.52 mm/10a,平均變化率為-9.89 mm/10a,在空間上,研究區(qū)域整體表現(xiàn)為由西南向東北逐漸增加的趨勢,其中白城市中西部、松原市南部、長春市北部以及哈爾濱南部等呈現(xiàn)降水量下降的趨勢,平均減少降水量為-22.43 mm/10a；黑河市、綏化市北部降水量呈現(xiàn)明顯的增加趨勢,平均增加降水量為6.57 mm/10a。就溫度年際變化來看,松嫩平原溫度的趨勢變化率在0.006—0.413 ℃/10a,平均變化率為0.26 ℃/10a。在空間上,研究區(qū)域大致表現(xiàn)為兩端低、中間高的變化趨勢,其中大慶市西部、綏化市中西部、哈爾濱市東部以及齊齊哈爾市北部平均溫度呈現(xiàn)增加的趨勢,平均增加值為0.341 ℃/10a；低值區(qū)域主要分布于大慶市與齊齊哈爾市交接處、哈爾濱市西部、四平市南部以及黑河市,其平均值為0.139 ℃/10a。

圖4 1980—2018年年平均降水與年平均溫度變化趨勢分布特征Fig.4 Distribution characteristics of annual average precipitation and annual average temperature from 1980 to 2018

3.3 不同空間尺度土地利用強(qiáng)度變化對(duì)氣候因子的影響

因引起局部氣候因子變化的原因主要有全球氣候變化的影響、土地利用覆蓋變化的影響以及地形因子變化的影響[36],該文利用“觀測資料減去再分析”(Observation Minus Reanalysis, OMR)方法對(duì)氣象數(shù)據(jù)進(jìn)行處理,該方法可以有效排除全球氣候變化規(guī)律等因素帶來的影響。此外,松嫩平原近30年間地形等條件變化不明顯,故利用處理后的氣候因子數(shù)據(jù)進(jìn)行相關(guān)性研究,可以有效分析土地利用/覆蓋變化對(duì)于氣候因子的影響,如果兩者表現(xiàn)為正相關(guān),說明土地利用強(qiáng)度變化對(duì)于氣候因子變化有促進(jìn)作用,反之有抑制作用。

3.3.1土地利用強(qiáng)度與氣候因子的簡單相關(guān)性分析

從不同空間尺度松嫩平原土地利用強(qiáng)度與降水相關(guān)關(guān)系的空間分布來看,松嫩平原土地利用強(qiáng)度與降水之間呈現(xiàn)較為明顯的負(fù)相關(guān)的關(guān)系,且隨著空間尺度不斷增加負(fù)相關(guān)性表現(xiàn)出先增加后降低的變化趨勢。1 km網(wǎng)格空間尺度條件下,土地利用強(qiáng)度與降水之間的相關(guān)關(guān)系均值為-0.33,其相關(guān)關(guān)系值為負(fù)值的區(qū)域面積為14.1萬km2,占總研究區(qū)域面積的62.84%；3 km網(wǎng)格空間尺度條件下,土地利用強(qiáng)度與降水之間的相關(guān)關(guān)系均值為-0.43,其相關(guān)關(guān)系值為負(fù)值的區(qū)域面積為15.44萬km2,占總面積的68.62%；5 km網(wǎng)格空間尺度條件下,土地利用強(qiáng)度與降水之間的相關(guān)關(guān)系均值為-0.56,其相關(guān)關(guān)系值為負(fù)值的區(qū)域面積為16.07萬km2,占總面積的71.42%；10 km網(wǎng)格空間尺度條件下,土地利用強(qiáng)度與降水之間的相關(guān)關(guān)系均值為-0.63,其相關(guān)關(guān)系值為負(fù)值的區(qū)域面積為17.12萬km2,占總面積的76.11%；20 km網(wǎng)格空間尺度條件下,土地利用強(qiáng)度與降水之間的相關(guān)關(guān)系均值為-0.49,其相關(guān)關(guān)系值為負(fù)值的區(qū)域面積為16.05萬km2,占總面積的71.32%。

圖5 不同空間尺度條件下土地利用強(qiáng)度與氣候因子之間的相關(guān)系數(shù)Fig.5 The correlation coefficient between land use pattern and climatic factors at different spatial scales

從不同空間尺度松嫩平原土地利用強(qiáng)度與溫度相關(guān)關(guān)系的空間分布來看,松嫩平原土地利用強(qiáng)度與溫度之間呈現(xiàn)明顯的正相關(guān)的相關(guān)關(guān)系,其相關(guān)關(guān)系隨著空間尺度的不斷增加表現(xiàn)為先增加后降低的變化趨勢。1 km空間尺度條件下,土地利用強(qiáng)度與降水之間的相關(guān)關(guān)系均值為0.56,其相關(guān)關(guān)系值為負(fù)值的區(qū)域面積為14.61萬km2,占總研究區(qū)域面積的64.93%；3 km網(wǎng)格空間尺度條件下,土地利用強(qiáng)度與降水之間的相關(guān)關(guān)系均值為0.61,其相關(guān)關(guān)系值為負(fù)值的區(qū)域面積為16.56萬km2,占總面積的73.58%；5 km網(wǎng)格空間尺度條件下,土地利用強(qiáng)度與降水之間的相關(guān)關(guān)系均值為0.68,其相關(guān)關(guān)系值為負(fù)值的區(qū)域面積為17.35萬km2,占總面積的77.12%；10 km網(wǎng)格空間尺度條件下,土地利用強(qiáng)度與降水之間的相關(guān)關(guān)系均值為0.71,其相關(guān)關(guān)系值為負(fù)值的區(qū)域面積為18.53萬km2,占總面積的82.33%；20 km網(wǎng)格空間尺度條件下,土地利用強(qiáng)度與降水之間的相關(guān)關(guān)系均值為0.61,其相關(guān)關(guān)系值為負(fù)值的區(qū)域面積為15.93萬km2,占總面積的70.82%。

3.3.2土地利用強(qiáng)度與氣候因子的偏相關(guān)性分析

從不同空間尺度條件下土地利用強(qiáng)度與降水之間的偏相關(guān)可以看出,隨著空間尺度的不斷增加,土地利用強(qiáng)度與降水之間的偏相關(guān)系數(shù)的均值分別為-0.13、-0.24、-0.33、-0.37以及-0.34,呈現(xiàn)逐漸降低的變化趨勢。T檢驗(yàn)結(jié)果表明,通過顯著性水平為0.05 T 檢驗(yàn)的面積分別為2.48萬km2、2.7萬km2、3.04萬km2、3.08萬km2以及2.72萬km2,分別占研究區(qū)域面積的比例為11%、12%、13.5%、13.7%以及12.1%；通過顯著水平為0.01 T 檢驗(yàn)的面積分別為1.05萬km2、1.25萬km2、1.42萬km2、1.59萬km2以及1.2萬km2,分別占研究區(qū)域面積的比例為7%、7.9%、9.8%、10.1%以及7.6%。由此可知,隨著空間尺度的不斷變化土地利用強(qiáng)度對(duì)于降水的影響表現(xiàn)為抑制作用,其抑制作用呈現(xiàn)先增強(qiáng)后減弱的變化趨勢,其土地利用強(qiáng)度與降水之間的最佳相互作用空間尺度為10 km網(wǎng)格。

圖6 不同空間尺度條件下土地利用強(qiáng)度與氣候因子之間的偏相關(guān)系數(shù)Fig.6 The partial correlation coefficients between land use patterns and climatic factors at different spatial scales

從不同空間尺度條件下土地利用強(qiáng)度與溫度之間的偏相關(guān)可以看出,土地利用強(qiáng)度與溫度之間的偏相關(guān)比與降水的偏相關(guān)表現(xiàn)更強(qiáng),說明土地利用強(qiáng)度對(duì)于溫度的影響明顯強(qiáng)于對(duì)降水的影響。土地利用強(qiáng)度與溫度之間的偏相關(guān)系數(shù)均值分別為0.32、0.36、0.42、0.45以及0.23,表明土地利用強(qiáng)度對(duì)于溫度的影響隨著空間的不斷變化呈現(xiàn)先增強(qiáng)后減弱的變化趨勢。T檢驗(yàn)結(jié)果表明,通過顯著性水平為0.05 T 檢驗(yàn)的面積分別為2.79萬km2、3.04萬km2、4.66萬km2、4.79萬km2以及2.77萬km2,分別占研究區(qū)域面積的比例為12.4%、13.5%、20.7%、21.3%以及12.3%；通過顯著水平為0.01 T 檢驗(yàn)的面積分別為1.28萬km2、1.5萬km2、1.59萬km2、1.8萬km2以及1.02萬km2,分別占研究區(qū)域面積的比例為8.1%、9.5%、10.4%、11.4%以及6.5%。由此可知,隨著空間尺度的不斷變化土地利用強(qiáng)度對(duì)于溫度的影響表現(xiàn)為促進(jìn)作用,其促進(jìn)作用先增強(qiáng)后減弱的變化趨勢,其土地利用強(qiáng)度與降水之間的最佳相互作用空間尺度為10 km網(wǎng)格。

表4 松嫩平原不同空間尺度土地利用強(qiáng)度與氣候因子之間T檢驗(yàn)

3.3.3土地利用強(qiáng)度與氣候因子的復(fù)相關(guān)性分析

分析松嫩平原土地利用強(qiáng)度與降水、溫度之間的相關(guān)性,松嫩平原土地利用強(qiáng)度與降水、溫度呈現(xiàn)明顯的相關(guān)性。統(tǒng)計(jì)表明,整個(gè)研究區(qū)不同空間尺度條件下土地利用強(qiáng)度與降水、溫度之間的平均復(fù)相關(guān)系數(shù)分別為0.67、0.72、0.83、0.85以及0.69,其中復(fù)相關(guān)指數(shù)的低值區(qū)域主要分布在綏化市東部以及白城市南部等少部分地區(qū),其余地區(qū)均表現(xiàn)明顯的相關(guān)性。通過進(jìn)行F檢驗(yàn)分析,不同空間尺度通過0.05顯著檢驗(yàn)的區(qū)域總面積分別為7.81萬km2、8.96萬km2、11.14萬km2、11.78萬km2以及9.14萬km2,分別占總面積的34.7%、39.8%、49.5%、52.35%以及40.6%；通過0.01顯著性檢驗(yàn)區(qū)域的總面積分別為3.87萬km2、4.41萬km2、4.52萬km2、6.05萬km2以及5.27萬km2,分別占總面積的17.2%、19.6%、20.1%、26.9%以及23.4%。通過分析土地利用強(qiáng)度與溫度、降水之間的復(fù)相關(guān)性可知,松嫩平原土地利用強(qiáng)度與區(qū)域降水、溫度之間具有明顯的相關(guān)性,表明區(qū)域土地利用強(qiáng)度對(duì)區(qū)域降水、溫度產(chǎn)生明顯的影響。在空間尺度上,10 km正方形網(wǎng)格表現(xiàn)更為明顯的相關(guān)性,從10 km網(wǎng)格空間尺度分析土地利用強(qiáng)度與區(qū)域氣候之間的關(guān)系具有更好的效果。

圖7 不同空間尺度條件下土地利用強(qiáng)度與氣候因子之間的復(fù)相關(guān)系數(shù)Fig.7 The multiple correlation coefficients between land use patterns and climate factors at different spatial scales

4 討論

本研究發(fā)現(xiàn),隨著空間尺度的不斷的增加,土地利用強(qiáng)度均質(zhì)化程度不斷的增強(qiáng),即表現(xiàn)為研究區(qū)域不同空間上土地利用強(qiáng)度值不斷向均值聚集,這與已有的空間尺度研究結(jié)果類似[37-38]。另外,該文分別選取1 km、3 km、5 km、10 km以及20 km正方形區(qū)域作為研究的空間尺度,可以明顯的反映土地利用強(qiáng)度不同空間尺度的變化過程,包括土地利用強(qiáng)度演變過程中的緩慢上升期和驟變期,此空間尺度的選擇可以有效地表現(xiàn)土地利用強(qiáng)度空間變化過程中與氣候因子之間的關(guān)系。

本研究發(fā)現(xiàn),不同空間尺度的土地利用強(qiáng)度與降水和溫度均表現(xiàn)一定的相關(guān)性,其與降水呈現(xiàn)較為明顯的正相關(guān),即對(duì)降水量的增加表現(xiàn)為抑制作用,與溫度呈現(xiàn)較為明顯的負(fù)相關(guān),即對(duì)溫度的增加表現(xiàn)為促進(jìn)作用,且通過分析不同空間尺度條件下土地利用強(qiáng)度與氣候因子之間的關(guān)系可以看出,在10 km網(wǎng)格空間尺度條件下土地利用強(qiáng)度與氣候因子表現(xiàn)出更為強(qiáng)烈的相關(guān)性。由此可以看出以10 km網(wǎng)格為評(píng)價(jià)單元,研究評(píng)價(jià)單元內(nèi)土地利用/覆蓋變化與氣候因子之間的關(guān)系具有更好的效果。

在以往的研究中,學(xué)者通常選擇單一空間尺度研究土地利用/覆蓋變化與氣候因子的變化情況之間的關(guān)系[39-41],而并未充分考慮土地利用/覆蓋變化的尺度效應(yīng),尋求土地利用/覆蓋影響區(qū)域氣候的最佳空間尺度可以更為精確的研究土地利用/覆蓋變化與氣候因子之間的關(guān)系。在未來的土地利用過程中,我們應(yīng)當(dāng)以最佳空間尺度為單位進(jìn)行土地利用的空間規(guī)劃,以區(qū)域空間布局為重要依托,建立適應(yīng)于氣候變化的區(qū)域土地利用強(qiáng)度,這樣既可以滿足我們對(duì)于土地的使用,也可以調(diào)節(jié)小區(qū)域氣候的變化,抑制全球氣候變化對(duì)于我們的影響。

5 結(jié)論

主要結(jié)論有：

(1)在時(shí)間尺度上,松嫩平原不同空間尺度的土地利用強(qiáng)度均值整體表現(xiàn)為增加的變化趨勢,但變化趨勢在不斷的減弱；在空間尺度上,不同空間尺度的土地利用強(qiáng)度的均值分別為3.92、3.92、3.93、3.93以及4.34,土地利用強(qiáng)度均值呈現(xiàn)先不變后逐漸增加的變化趨勢。

(2)1980—2018 年松嫩平原多年平均降水量和多年平均溫度表現(xiàn)明顯的空間分異特征,整體約呈現(xiàn)由西南向東北逐漸增加的趨勢。就降水量年際變化來看,松嫩平原降水量的趨勢變化率在-38.76—15.52 mm/10a,平均變化率為-10.01 mm/10a；年平均溫度的趨勢變化率在0.006—0.413 mm/10a,平均變化率為0.26 mm/10a。

(3)從不同空間尺度松嫩平原土地利用強(qiáng)度與降水、溫度相關(guān)關(guān)系的空間分布來看,松嫩平原土地利用強(qiáng)度與降水之間呈現(xiàn)較為明顯的負(fù)相關(guān)的關(guān)系,與溫度之間呈現(xiàn)較為明顯的正相關(guān)的關(guān)系,且隨著空間尺度不斷增加相關(guān)性均表現(xiàn)出先增加后降低的變化趨勢。

(4)從松嫩平原土地利用強(qiáng)度與降水和溫度的偏相關(guān)來看,不同空間尺度上土地利用強(qiáng)度與降水之間的偏相關(guān)系數(shù)的均值分別為-0.13、-0.24、-0.33、-0.37以及-0.34；與溫度之間的偏相關(guān)系數(shù)均值分別為0.32、0.36、0.42、0.45以及0.23；由此可以看出,土地利用強(qiáng)度與溫度之間的偏相關(guān)比與降水的偏相關(guān)表現(xiàn)更強(qiáng),說明土地利用強(qiáng)度對(duì)于溫度的影響明顯強(qiáng)于對(duì)降水的影響,且在10 km網(wǎng)格空間尺度上相互作用表現(xiàn)的更為明顯。

(5)整個(gè)研究區(qū)不同空間尺度條件下土地利用強(qiáng)度與降水、溫度之間的平均復(fù)相關(guān)系數(shù)分別為0.67、0.72、0.83、0.85以及0.69。在空間尺度上,10 km正方形區(qū)域表現(xiàn)更為明顯的相關(guān)性,從10 km網(wǎng)格空間尺度分析土地利用強(qiáng)度與區(qū)域氣候之間的關(guān)系具有更好的效果。

參考文獻(xiàn)(References):

[1] 宋戈, 王越. 松嫩高平原土地利用格局變化時(shí)空分異. 農(nóng)業(yè)工程學(xué)報(bào), 2016, 32(18): 225- 233.

[2] 李維維, 陳田, 馬曉龍. 城市旅游綜合體土地利用空間格局演變及驅(qū)動(dòng)機(jī)制——以西安曲江為例. 地理研究, 2019, 38(5): 1103- 1118.

[3] 王越, 宋戈, 呂冰. 基于多智能體粒子群算法的松嫩平原土地利用格局優(yōu)化. 資源科學(xué), 2019, 41(4): 729- 739.

[4] Chen L G, Yang X Y, Chen L Q, Li L. Impact assessment of land use planning driving forces on environment. Environmental Impact Assessment Review, 2015, 55: 126- 135.

[5] Tsai Y, Zia A, Koliba C, Bucini G, Guilbert J, Beckage B. An interactive land use transition agent-based model (ILUTABM): Endogenizing human-environment interactions in the Western Missisquoi Watershed. Land Use Policy, 2015, 49: 161- 176.

[6] Wang Y Q, Shao M A, Zhang C C, Han X W, Mao T X, Jia X X. Choosing an optimal land-use pattern for restoring eco-environments in a semiarid region of the Chinese Loess Plateau. Ecological Engineering, 2015, 74: 213- 222.

[7] Stone Jr B. Land use as climate change mitigation. Environmental Science & Technology, 2009, 43(24): 9052- 9056.

[8] 杜國明, 劉文琦, 于佳興, 張爽. 三江平原水旱田分布對(duì)遙感反演局地地表溫度的影響. 農(nóng)業(yè)工程學(xué)報(bào), 2019, 35(5): 259- 267.

[9] Wang W, Wu X H, Yin C M, Xie X L. Nutrition loss through surface runoff from slope lands and its implications for agricultural management. Agricultural Water Management, 2019, 212: 226- 231.

[10] 葉鑫, 鄒長新, 劉國華, 林乃峰, 徐夢佳. 生態(tài)安全格局研究的主要內(nèi)容與進(jìn)展. 生態(tài)學(xué)報(bào), 2018, 38(10): 3382- 3392.

[11] Huang Y L, Huang J L. Coupled effects of land use pattern and hydrological regime on composition and diversity of riverine eukaryotic community in a coastal watershed of Southeast China. Science of the Total Environment, 2019, 660: 787- 798.

[12] Cheng P X, Meng F S, Wang Y Y, Zhang L S, Yang Q, Jiang M C. The impacts of land use patterns on water quality in a trans-boundary river basin in northeast China Based on eco-functional regionalization. International Journal of Environmental Research and Public Health, 2018, 15(9): 1872.

[13] Zhang X Z, Wang W C, Fang X Q, Ye Y, Zheng J Y. Agriculture development-induced surface albedo changes and climatic implications across northeastern China. Chinese Geographical Science, 2012, 22(3): 264- 277.

[14] Ge Q S, Zhang X Z, Zheng J Y. Simulated effects of vegetation increase/decrease on temperature changes from 1982 to 2000 across the Eastern China. International Journal of Climatology, 2014, 34(1): 187- 196.

[15] Zhang X Z, Tang Q H. Response of simulated surface air temperature to the interannual variability of leaf area index in eastern China. Advances in Meteorology, 2013, 2013: 817870.

[16] Zhou L, Dickinson R E, Tian Y, Jin M, Ogawa K, Yu H, Schmugge T. A sensitivity study of climate and energy balance simulations with use of satellite-derived emissivity data over northern Africa and the Arabian Peninsula. Journal of Geophysical Research, 2003, 108(D24): 4795.

[17] Loose T, Bornstein R D. Observations of mesoscale effects on frontal movement through an urban area. Monthly Weather Review, 1977, 105(5): 563- 571.

[18] 翟俊, 邵全琴, 劉紀(jì)遠(yuǎn). 內(nèi)蒙古高原土地利用/覆被變化對(duì)氣溫變化的影響分析. 自然資源學(xué)報(bào), 2014, 29(6): 967- 978.

[19] 葉紅, 張廷斌, 易桂花, 李景吉, 別小娟, 劉棟, 羅琳玲. 2000—2014年黃河源區(qū)ET時(shí)空特征及其與氣候因子關(guān)系. 地理學(xué)報(bào), 2018, 73(11): 2117- 2134.

[20] 江穎慧, 焦利民, 張博恩. 城市地表溫度與NDVI空間相關(guān)性的尺度效應(yīng). 地理科學(xué)進(jìn)展, 2018, 37(10): 1362- 1370.

[21] 崔林麗, 杜華強(qiáng), 史軍, 陳昭, 郭巍. 中國東南部植被NPP的時(shí)空格局變化及其與氣候的關(guān)系研究. 地理科學(xué), 2016, 36(5): 787- 793.

[22] Yue T X, Fan Z M, Chen C F, Sun X F, Li B L. Surface modelling of global terrestrial ecosystems under three climate change scenarios. Ecological Modelling, 2011, 222(14): 2342- 2361.

[23] 曹巍, 邵全琴, 劉紀(jì)遠(yuǎn), 胡卓瑋. 北京地區(qū)土地利用/覆被及其變化對(duì)氣溫升溫的影響分析. 氣候與環(huán)境研究, 2013, 18(4): 451- 460.

[24] 曹崢, 廉麗姝, 李寶富. 黃河三角洲濕地面積變化對(duì)8月份氣候影響的數(shù)值模擬試驗(yàn). 咸陽師范學(xué)院學(xué)報(bào), 2014, 29(6): 69- 76.

[25] 武利陽, 左洪超, 馮錦明, 陳伯龍, 董龍翔. 中國土地利用和植被覆蓋度變化對(duì)區(qū)域氣候影響的數(shù)值模擬. 蘭州大學(xué)學(xué)報(bào): 自然科學(xué)版, 2018, 54(3): 334- 344.

[26] 張宏文, 張學(xué)珍, 張麗娟. WRF模擬的1980—2000年中國東北農(nóng)業(yè)開發(fā)對(duì)氣候的影響. 地理研究, 2015, 34(10): 1853- 1863.

[27] 華文劍, 陳海山, 李興. 未來土地利用變化影響中國區(qū)域氣候的數(shù)值模擬. 中國科學(xué): 地球科學(xué), 2015, 45(7): 1034- 1042.

[28] 林佳, 宋戈, 張瑩. 耕地植被人為干擾格局動(dòng)態(tài)變化特征及其尺度效應(yīng). 農(nóng)業(yè)工程學(xué)報(bào), 2019, 35(9): 275- 284.

[29] 田旸, 那曉東, 臧淑英. 1986—2010年松嫩平原土地利用程度空間格局變化研究. 哈爾濱師范大學(xué): 自然科學(xué)學(xué)報(bào), 2016, 32(3): 101- 107.

[30] 馬丹陽, 尹云鶴, 吳紹洪, 鄭度. 中國干濕格局對(duì)未來高排放情景下氣候變化響應(yīng)的敏感性. 地理學(xué)報(bào), 2019, 74(5): 857- 874.

[31] Guo B B, Zhang J, Meng X Y, Xu T B, Song Y Y. Long-term spatio-temporal precipitation variations in China with precipitation surface interpolated by ANUSPLIN. Scientific Reports, 2020, 10(1): 81.

[32] Kalnay E, Kanamitsu M, Kistler R, Collins W, Deaven D, Gandin L, Iredell M, Saha S, White G, Woollen J, Zhu Y, Chelliah M, Ebisuzaki W, Higgins W, Janowiak J, Mo K C, Ropelewski C, Wang J, Leetmaa A, Reynolds B, Jenne R, Joseph D. The NCEP/NCAR 40-year reanalysis project. Bulletin of the American Meteorological Society, 1996, 74(3): 437- 472.

[33] Pf?rtner T K, Pfaff H, Hower K I. Trends in the association of different forms of precarious employment and self-rated health in Germany. An analysis with the German Socio-Economic Panel between 1995 and 2015. Journal of Epidemiology & Community Health, 2019, 73(11): 1002- 1011.

[34] 袁博. 基于混合像元空間與譜間相關(guān)性模型的NMF線性盲解混. 測繪學(xué)報(bào), 2019, 48(9): 1151- 1160.

[35] 王強(qiáng), 張廷斌, 易桂花, 陳田田, 別小娟, 何奕萱. 橫斷山區(qū)2004—2014年植被NPP時(shí)空變化及其驅(qū)動(dòng)因子. 生態(tài)學(xué)報(bào), 2017, 37(9): 3084- 3095.

[36] 蔡榕碩, 付迪. 全球變暖背景下中國東部氣候變遷及其對(duì)物候的影響. 大氣科學(xué), 2018, 42(4): 729- 740.

[37] 徐冬, 黃震方, 胡小海, 呂龍, 曹芳東. 浙江省縣域旅游效率空間格局演變及其影響因素. 經(jīng)濟(jì)地理, 2018, 38(5): 197- 207.

[38] 彭建, 徐飛雄. 不同格網(wǎng)尺度下的黃山市生境質(zhì)量差異分析. 地球信息科學(xué)學(xué)報(bào), 2019, 21(6): 887- 897.

[39] 項(xiàng)頌, 龐燕, 竇嘉順, 呂興菊, 薛力強(qiáng), 儲(chǔ)昭升. 不同時(shí)空尺度下土地利用對(duì)洱海入湖河流水質(zhì)的影響. 生態(tài)學(xué)報(bào), 2018, 38(3): 876- 885.

[40] 王靜, 萬紅蓮, 姚順波. 生長季川陜不同地帶植被覆蓋對(duì)氣候變化的時(shí)空響應(yīng). 生態(tài)學(xué)報(bào), 2019, 39(14): 5218- 5231.

[41] 盛任, 萬魯河. 烏伊嶺國家級(jí)自然保護(hù)區(qū)植被覆蓋演變及其對(duì)氣候突變的響應(yīng). 生態(tài)學(xué)報(bào), 2019, 39(9): 3243- 3256.