基塘水面空間形態(tài)度量方法的比較與應用

周晉皓，黃曉峻，Xiao Ningchuan，林澤銘，羅漫琪

（1. 華南農業(yè)大學地理信息系，廣州 510642； 2. Department of Geography, The Ohio State University, Columbus, OH 43210, USA；3. 廣東省土地利用與整治重點實驗室，廣州 510642； 4. 廣州大學地理科學與遙感學院，廣州 510006）

0 引 言

基塘景觀廣泛分布于中國珠三角、長三角等河流三角洲的低洼澤水地區(qū)，具有顯著的經(jīng)濟、生態(tài)效益[1-3]。這種景觀由塘（水）和基（陸）兩部分構成，通過在塘中養(yǎng)殖水產(chǎn)、在基上種植作物為農戶帶來種養(yǎng)雙重經(jīng)濟收益，同時復合了水陸兩種生態(tài)系統(tǒng)有利于區(qū)域生態(tài)環(huán)境的維持和改善。隨著養(yǎng)殖優(yōu)勢增大基塘水面的地位越發(fā)凸顯，水陸比由20世紀80年代約6:4到近年來接近8:2，經(jīng)濟產(chǎn)出甚至只來自水域養(yǎng)殖[4-7]，可見水面已成為基塘的主要部分。

基塘水面的空間形態(tài)多樣，呈現(xiàn)聚集緊湊、分散零碎等不同形態(tài)特征，這些形態(tài)特征關乎基塘經(jīng)濟、生態(tài)效益的發(fā)揮。研究指出，傳統(tǒng)基塘水面輪廓自由松散，水陸相互作用更加明顯但經(jīng)濟產(chǎn)出不高[7-8]；而整治后的集約基塘水面規(guī)整緊湊，擁有高經(jīng)濟收益但容易導致基塘生態(tài)功能的退化[9-10]。通過縮窄水面間距以擴大水面面積開展規(guī)?；B(yǎng)殖，同時將水面改造為方正格網(wǎng)實現(xiàn)標準化養(yǎng)殖。這樣雖然提高了基塘產(chǎn)出增加了農戶經(jīng)濟收入，但是格網(wǎng)化使得原有基塘自由的形態(tài)被方正規(guī)則的形態(tài)取代，自然有機肌理消失，水陸邊緣效應被削弱，生物多樣性降低，基塘景觀生境惡化[11-12]；增大水面、縮小基面，會降低基塘單元空間圍合感[8,13]。

綜上所述，要探明基塘水面不同形態(tài)特征與基塘經(jīng)濟、生態(tài)效益之間的關系，首先需要度量基塘水面的空間形態(tài)。景觀的空間形態(tài)通常借助各類指數(shù)度量，基塘景觀也不例外。高愛等[14]使用斑塊數(shù)量、密度、分離度、結合度指數(shù)得出佛山市順德區(qū)基塘斑塊分布呈現(xiàn)破碎化，林媚珍等[6,15-16]利用增加聚合度、分維度、形狀指數(shù)研究指出經(jīng)過整治中山市基塘斑塊成片分布，楊丹等[17]使用斑塊數(shù)量、面積、形狀、最近鄰距離等指數(shù)分析表明珠三角基塘斑塊由成片分布發(fā)展為破碎化分布，F(xiàn)an等[18-21]也使用上述一些指數(shù)分析了珠三角佛山、中山等地基塘斑塊的空間形態(tài)。這些研究對珠三角各地基塘斑塊的形態(tài)特征及其時空變化過程進行了分析，但是現(xiàn)有研究多關注基塘斑塊整體，未體現(xiàn)基塘當中水面的空間形態(tài)。不同基塘水面形態(tài)差異關乎基塘經(jīng)濟和生態(tài)效益不應被忽視。要準確度量出不同基塘水面的空間形態(tài)差異，現(xiàn)有度量指數(shù)還存在不足。因為在基塘斑塊中水陸交錯排列，大小不一、形狀各異的水面被基面所分割，使得水面相互獨立、互不連接[22-24]?；了媸且环N不連接的地理要素，而現(xiàn)有度量形態(tài)指數(shù)通常不能有效應對不連接要素的空間形態(tài)，局限于彼此相連的地理要素[25]。由此可見，基塘水面形態(tài)需要被度量，能夠準確度量基塘水面的空間形態(tài)的度量方法有待探究。

本研究旨在探尋適合基塘水面形態(tài)特征的度量方法，分析基塘水面的空間形態(tài)。首先梳理度量空間形態(tài)的方法，得到潛在的候選方法；然后通過多組不同類型基塘水面樣例，比較不同度量方法的有效性，據(jù)此選出合適方法；將該方法用于分析研究區(qū)的基塘水面，反映出基塘水面的形態(tài)特征及差異；討論了應用前景，為度量其他不連接地理要素提供參考借鑒。

1 方法與數(shù)據(jù)

1.1 形態(tài)度量方法

度量空間形態(tài)的方法主要包括間接和直接兩類指數(shù)[26-28]。第一類間接指數(shù)繁多[29]，例如平均斑塊面積（MPS）、平均斑塊邊緣（MPE）、斑塊面積中值（MedPS）、斑塊面積變異系數(shù)（PSCoV）、斑塊面積標準差（PSSD）、斑塊數(shù)量（NumP）、景觀面積總和（TLA）等等，但是它們不是專門用于形態(tài)度量。第二類直接指數(shù)主要通過幾何參數(shù)[29-30]，例如面積周長比（AP）、周長面積比（PA）、平均周長面積比（MPAR）、邊總和（TE）、平均形狀指數(shù)（MSI）、面積加權平均形狀指數(shù)（AWMSI）、平均斑塊分形維數(shù)（MPFD）、面積加權平均斑塊分形維數(shù)（AWMPFD）等。在此基礎上不斷有改進的指數(shù)被提出，Zhou等[25]綜合考慮要素形狀和相互關系提出加權聚合鄰近度指數(shù)（Weighted Aggregation and Closeness, WAC），實現(xiàn)對不連接地理要素空間形態(tài)的度量。用于度量空間形態(tài)的指數(shù)各具特點，本研究將對上述16個指數(shù)進行方法比較。計算軟件環(huán)境上，WAC已封裝為ArcToolbox工具（https://pan.baidu.com/s/1qHgke68lrfzfxunRMBFcRA,Code: z1wh）；其他指數(shù)均通過PatchAnalysis進行計算。

結合基塘水面類型不一又互不連接的空間特征來看，WAC具備分析基塘水面空間形態(tài)的潛力。WAC指數(shù)流程包括兩個步驟：虛擬聚合和參數(shù)計算。第一步，借助制圖綜合的方法，由近及遠逐步將這些不連接的子要素虛擬聚合成一個連接的幾何要素（圖1），從而將復雜的多個不連接地理要素轉變?yōu)閱蝹€要素形態(tài)問題。第二步，綜合衡量虛擬聚合后的整體和局部兩個部分（公式1）：一方面衡量聚合后要素的整體，另一方面考量虛擬聚合要素內各個子要素之間的空間相互靠近程度。

式中A0為原有子要素的面積總和，m2；A1為虛擬聚合要素的面積，m2；P1為虛擬聚合要素的周長，m；d為各子要素最近鄰距離集的最大值，m。WAC度量結果范圍從0到1的無量綱量值，高WAC值表示這些要素空間形態(tài)緊湊，內部破碎化程度低；低WAC值表示空間形態(tài)松散，內部破碎化程度高。

針對WAC計算耗時長影響實用性的問題，本研究對WAC的兩個步驟進行分析。通過原隨機格局試驗[25]得出，虛擬聚合部分占用總時間60%以上，參數(shù)計算部分用時較少且不隨格局中斑塊占比變化，說明影響計算效率主要在虛擬聚合部分。進一步分析得出聚合操作主要受到聚合距離值影響，如果距離值過小相鄰要素將不被聚合。由于原聚合距離值采取保守設定，造成大量聚合操作后沒有要素被聚合，通過不斷增加聚合距離值進行多次聚合操作才能完成要素聚合（平均需要9次）。所以要降低WAC計算總時間，需要優(yōu)化聚合距離值，以減少聚合次數(shù)。為此，本研究對聚合距離做出3處調整（圖2的①②③）：①初始值，是從各個要素與最近鄰要素的距離值集合中取得；將原來取該集合的最小值，調整為取最大值；當集合中均為0時，將原初始值0.1調整為1。②遞增幅度，當前距離值沒有要素被聚合時需要不斷增加距離值直至聚合發(fā)生；將原遞增幅度10%，調整為50%。③集合的更新，原流程在每次發(fā)生聚合后都要依據(jù)變化后要素之間空間關系重新計算聚合距離值集合，調整為不再重新計算距離值集合，因為聚合后要素之間的空間關系沒有發(fā)生根本性變化。仍然采用原來的3個試驗[25]檢驗調整后WAC的度量精度和計算時間，結果表明調整前后度量值平均相差0.35%，計算耗時平均節(jié)省76.85%（Intel Core i5-6300HQ、4GB內存、Windows 10、ArcMap 10.4軟硬件環(huán)境）。說明在保持度量精度的情況下，調整后有效減少了計算時間，使WAC實用性更好。

1.2 基塘數(shù)據(jù)

1.2.1 研究區(qū)概況

研究區(qū)位于珠三角的佛山市杏壇鎮(zhèn)。珠三角是基塘景觀集中分布區(qū)域，已形成以佛山市順德區(qū)為中心的基塘核心區(qū)，位于該區(qū)西南部的杏壇鎮(zhèn)是基塘數(shù)量最多的地區(qū)之一。杏壇鎮(zhèn)是知名嶺南水鄉(xiāng)，形成“一城三片區(qū)”發(fā)展布局，即中心城區(qū)、南部高新產(chǎn)業(yè)區(qū)、西部港口經(jīng)濟區(qū)、北部生態(tài)旅游區(qū)。該鎮(zhèn)水網(wǎng)總長度534.3 km，為基塘提供了合適的自然條件。全鎮(zhèn)高產(chǎn)、高質、高效水產(chǎn)養(yǎng)殖面積20 km2以上，是珠三角重要的淡水養(yǎng)殖基地。

1.2.2 數(shù)據(jù)來源與處理

本研究的基塘水面從遙感影像中提取。數(shù)據(jù)源是2017年2月11日Google Earth的1 m空間分辨率無云影像，采用人工目視解譯與實地調研相結合的方法保證解譯精度。解譯前對基塘結構、形狀、地物覆蓋情況等信息進行野外調研；根據(jù)影像上地物的光譜、紋理、形狀等特征，建立基塘水面的解譯標志；室內目視解譯后，通過實地調研對解譯結果進行核對，可以排除村落中風水塘這些室內解譯不易區(qū)分的干擾水面；經(jīng)過不同解譯人員交互檢查，并進行多次人工交互式修正后，認為解譯精度滿足景觀分析要求。提取得到的基塘水面以矢量面要素表達，度量指數(shù)在此數(shù)據(jù)上進行計算。

1.2.3 基塘水面空間形態(tài)分類

為了反映整治前后基塘水面的空間形態(tài)差異，本研究將基塘水面細分為規(guī)則塘和不規(guī)則塘?？紤]到尚未有公認的基塘劃分標準，而整治項目有縣級、鎮(zhèn)級、村級、生產(chǎn)大隊等不同等級，各種項目時間跨度大，并非所有項目都有詳盡記錄。本研究基于空間特征可以便捷地劃分整治前后的基塘，首先是形狀方正性，整治后的基塘水面方正規(guī)則與未整治基塘的不規(guī)則形狀有明顯區(qū)別；其次是空間關系，僅考慮形狀是不夠的，基塘通常是成片整治的，因此通過空間連片性可以更好反映每種類型的整體情況，避免一種類型在另一種類型中孤立出現(xiàn)。具體步驟如下：1）形狀方正性：求取基塘水面的最小外接矩形，計算水面面積與最小外接矩形面積的比值，當比值大于0.88并且水面面積大于1 500 m2時劃為規(guī)則型，其余劃為不規(guī)則型。2）空間關系：若某不規(guī)則型鄰域50 m范圍內，規(guī)則型比例超過80%，則此基塘重新劃為規(guī)則型；若某規(guī)則型鄰域50 m范圍內，不規(guī)則型比例超過60%或規(guī)則型數(shù)量小于3，則此基塘重新劃為不規(guī)則型。需要說明的是，歸類標準里涉及的閾值（0.88、1500、50）是通過選取相應類型基塘水面作為樣本，并依據(jù)具有統(tǒng)計顯著性的前95%作為閾值確定；例如，方正比值0.88是根據(jù)研究區(qū)中3391個規(guī)則塘樣本的方正比值從大到小排序，并取前95%時樣本的方正比值得到。分類后，在研究區(qū)中隨機抽取100個基塘水面作為檢驗樣本計算精度，經(jīng)實地調研和部分村委提供的整治情況確定樣本的實際類型，計算得到劃分方法對規(guī)則塘的精度為96%，不規(guī)則塘的精度98%，總體精度為97%。

2 方法比較與應用分析

佛山杏壇鎮(zhèn)擁有基塘水面約49.23 km2，主要集中在研究區(qū)的北部和南部；北部生態(tài)區(qū)最多達到35.46%，中部城區(qū)最少只有13.64%（圖3）。規(guī)則塘和不規(guī)則塘比例約為4:6；規(guī)則塘數(shù)量在研究區(qū)各區(qū)域差異明顯，有43.08%集中在研究區(qū)北部，只有少量6.23%在中部城區(qū)，相差接近7倍；不規(guī)則塘數(shù)量在研究區(qū)各區(qū)域較為相近，最多的北部和最少的中部之間的差距僅為1.67倍。這說明在研究區(qū)內不同區(qū)域，規(guī)則塘數(shù)量差異較大，不規(guī)則塘數(shù)量相近。

2.1 度量方法比較

從研究區(qū)中選取6個1 km×1 km基塘水面樣例，檢驗哪些指數(shù)能夠有效區(qū)分不同類型基塘水面的空間形態(tài)。這6個樣例代表不同基塘水面類型以及不同空間形態(tài)（圖4）：樣例a、d屬于規(guī)則塘，樣例b、e屬于不規(guī)則塘，樣例c、f屬于不區(qū)分類型；樣例a、b、c比樣例d、e、f空間形態(tài)更為緊湊。評判各個方法度量結果的有效性包括3種情況：如果對同一類型、不同形態(tài)基塘水面的兩個樣例度量結果之間差異在±5%以內，則認為該指數(shù)不能有效區(qū)分；如果度量結果與實際形態(tài)不符，則認為該指數(shù)判斷有誤；如果同類型塘度量結果可區(qū)分且與實際形態(tài)相符，則認為該指數(shù)有效。

從度量結果（表1）看，WAC能有效度量全部6個基塘水面樣例，同一類型、不同形態(tài)的度量結果相差均在10%以上，并且準確判斷出緊湊型3個樣例空間形態(tài)分別比松散型更為緊湊；此外，規(guī)則型、不規(guī)則型塘的平均WAC值分別為0.217 4、0.194 6，符合這兩類基塘水面的形態(tài)差異。

表1 各個指數(shù)計算基塘水面樣例的結果Table 1 Results of different metrics for pond cases

與之相比，其他15個指數(shù)的度量結果均存在不同問題。MPFD、AWMPFD、MPS、NumP、TLA對3種基塘水面樣例均無法有效區(qū)分。AP、PA、TE、MSI、AWMSI、MPE、MedPS除了未能有效區(qū)分同類型不同形態(tài)基塘水面樣例，還存在判斷空間形態(tài)有誤；例如，MSI值越接近1說明形狀越緊湊，但該指數(shù)度量結果認為樣例d、e分別比a、b更緊湊，與實際情況相反；這是因為該指數(shù)更適合度量單一要素的形狀，沒有充分考慮地理要素之間的關系。其余的MPAR、PSCoV、PSSD指數(shù)雖然可以度量部分類型基塘水面的空間形態(tài)，但是MPAR未能區(qū)分規(guī)則塘的空間形態(tài)，PSCoV、PSSD對規(guī)則和不規(guī)則塘的空間形態(tài)均判斷有誤。方法比較結果表明，WAC比其他指數(shù)更加適合度量基塘水面的空間形態(tài)。

2.2 實例應用分析

將方法比較中選出的WAC指數(shù)用于度量研究區(qū)基塘水面的空間形態(tài)。為了專注反映研究區(qū)基塘水面的空間形態(tài)，減少社會經(jīng)濟、行政界線等非空間信息影響，在本實例應用時是將鄰近的基塘水面劃為一個分析單元。具體的，統(tǒng)計研究區(qū)全部10 576個基塘水面可知95%水面的最近鄰3個水面距離平均值在40 m以內，將該距離值作為劃作同一單元的閾值。

研究區(qū)兩類基塘水面的空間形態(tài)有所差異。從WAC值累計比例（圖5）看出，代表規(guī)則塘的折線在不規(guī)則塘的右側，表明規(guī)則塘的WAC值整體較高，平均值比不規(guī)則塘的高40.18%。具體的，規(guī)則塘的WAC值均在0.20以上，并且有66.76%在0.25以上，最大值接近0.55；與之相比，不規(guī)則塘的WAC值只有不到4%在0.30以上，有77.22%在0.25以下。這說明，規(guī)則塘的空間形態(tài)比不規(guī)則塘的更加聚集緊湊。

規(guī)則塘的空間形態(tài)不但普遍聚集緊湊，而且在研究區(qū)不同區(qū)域的差異不明顯（圖6a）。形態(tài)緊湊是因為一方面，該類型基塘水面主要是整治后的集約基塘，基塘水面方正規(guī)則呈網(wǎng)格狀，水面之間更為相互靠近；另一方面，該類型基塘是規(guī)?；脑於鴣?，多以成片出現(xiàn)，極少呈現(xiàn)狹長或零碎分布。區(qū)域差異不明顯的主要原因是，集約基塘一般按照標準化設計，便于實施與管理，使得該類型基塘水面的空間特征不隨區(qū)域改變而有所不同。緊湊的基塘水面形態(tài)有利于將有限的基塘用地更多地用于高產(chǎn)值的養(yǎng)殖，便于進行統(tǒng)一規(guī)范的生產(chǎn)和管理，提高養(yǎng)殖產(chǎn)量，適合開展大規(guī)模高檔魚養(yǎng)殖，有助于增加基塘的經(jīng)濟效益。

不規(guī)則塘雖然數(shù)量較多且遍布整個研究區(qū)，但空間形態(tài)普遍分散零碎（圖6b）。形態(tài)分散是因為一方面，該類型基塘水面以未整治的傳統(tǒng)基塘為主，它們是在農戶長期利用低洼澤水地的過程中自發(fā)形成的，基塘水面形狀自由不規(guī)則，水面之間間隔較寬，以便用于種植。另一方面，越來越多的傳統(tǒng)基塘被整治為集約基塘以獲取更高的經(jīng)濟收益，只有在城鎮(zhèn)周邊、基塘用地邊緣等地方還保留有該類型基塘，使得它們的空間形態(tài)較為狹長或者零碎。注意到，不規(guī)則塘的WAC值在研究區(qū)不同區(qū)域的差異較大。在擁有基塘較多的北部和南部較低，空間形態(tài)更加零碎；而在擁有基塘最少的中部城區(qū)較高，空間形態(tài)相對聚集。區(qū)域差異明顯的主要原因是，北部和南部的不規(guī)則塘和規(guī)則塘的數(shù)量比例接近5:5；每塊基塘用地的中心位置是經(jīng)過整治后的規(guī)則塘，而在用地邊緣位置才是未被整治的不規(guī)則塘，即不規(guī)則塘圍繞在規(guī)則塘四周，呈現(xiàn)條帶狀或零碎分布；使得這兩個區(qū)域不規(guī)則塘的WAC較低。與之相對，在研究區(qū)中部依舊保留大量未被整治的不規(guī)則塘，比例多達82.30%，這些不規(guī)則塘成片集中呈現(xiàn)。使得這個區(qū)域不規(guī)則塘的WAC值比北部和中部的高出約15%。連片不規(guī)則塘的種養(yǎng)種類、生產(chǎn)和管理方式多由農戶自行決定，雖然經(jīng)濟收益不如集約基塘，但是水陸比例更為均衡，有利于水陸相互作用，更好發(fā)揮基塘生態(tài)效益。

3 結 論

本研究通過方法比較探尋出有效度量不同類型基塘水面形態(tài)特征的方法，并將其用于分析研究區(qū)的基塘水面空間形態(tài)。得到如下結論：

通過不同類型基塘水面樣例比較實驗，表明WAC比其他15個常用指數(shù)方法更加準確反映出規(guī)則塘和不規(guī)則塘的空間形態(tài)差異。在應用實例中分析得到研究區(qū)不同基塘水面的的空間形態(tài)特征及差異，以整治后基塘為代表的規(guī)則塘WAC均值比以未整治基塘為代表的不規(guī)則塘更高，說明空間形態(tài)更加緊湊。這是因為整治后基塘水面格網(wǎng)化、間距縮小，以及規(guī)模化整治都使形態(tài)趨向緊湊。而隨著越來越多傳統(tǒng)塘被整治，不規(guī)則塘僅在城鎮(zhèn)和規(guī)則塘的邊緣位置保留，使形態(tài)分散。由于規(guī)則塘是經(jīng)統(tǒng)一設計實施的整治而來，其空間形態(tài)在不同區(qū)域差異較小。因為不同區(qū)域的基塘整治進度不一，使得研究區(qū)中不規(guī)則塘的空間形態(tài)差異較大，在整治比例大的區(qū)域不規(guī)則塘形態(tài)更為零碎。

通過方法對比和實例應用，本研究探尋得到適合度量基塘水面空間形態(tài)的指數(shù)WAC，達到設定的研究目標。WAC準確反映不同類型基塘水面的形態(tài)差異可以為進一步探明形態(tài)特征與基塘經(jīng)濟、生態(tài)效益之間的關系奠定方法基礎，也為掌握整治前后基塘水面的形態(tài)特征提供了有效方法。鑒于本研究重點是形態(tài)方法的探究，對于基塘水面形態(tài)、經(jīng)濟、生態(tài)之間的具體關系，這些關系對開發(fā)利用基塘的影響，以及應當采取的相應措施對策等主題有待后續(xù)研究。