兰州市土地利用景观格局指数的粒度效应

Granular effect of land use landscape pattern index in Lanzhou

摘要

目的 分析确定兰州市景观格局的最适合粒度，为生态安全格局的构建提供科学依据。 方法 通过地理信息系统（ArcGIS）识别与划分土地利用斑块；等权叠加单因子影响因素并使用夜间灯光数据叠加修正确定综合生态贡献斑块；采用景观格局分析软件（Fragstats）在景观水平上确定并分析21个景观指数对粒度变化的响应程度。 结果 景观格局指数对粒度变化的响应大体呈现3种趋势：1）效应曲线与函数拟合度高，无明显拐点。2）效应曲线增幅较缓，存在明显拐点。3）效应曲线变化幅度强烈，但整体变化趋于增长或下降，存在明显拐点。 结论 分析得出土地利用类型斑块和生态贡献等级斑块的第一尺度域分别为80~120 m和50~160 m。综合分析得出适合兰州市景观分析的粒度为80 m。

Abstract

Objective To determine the most appropriate granularity to analyze the landscape pattern of Lanzhou City，and to provide a scientific basis for the construction of the ecological security pattern. Method Identification and delineation of land use patches using Geographical Information System (ArcGIS); Equal weighting of superimposed single factor influences and correction for night light data superimposition were used to determine comprehensive ecological contribution patches. Landscape pattern analysis software (Fragstats) was used to determine and analyze the response of 21 landscape indices to changes in granularity at the landscape scale. Result The response of the landscape pattern index to changes in granularity showed three trends:1) the effect curve and function fit were high，and there was no obvious inflection point.2) The slope of the effect curve is slow and there is an obvious inflection point.3) The effect curve changes strongly，but the overall change tends to increase or decrease，and there are obvious inflection points. Conclusion The first scale domains of land use type patches and ecological contribution grade patches were 80~120 m and 50~160 m respectively，and the comprehensive analysis showed that the appropriate granularity for landscape analysis in Lanzhou City was 80 m.

Graphical abstract

关键词

景观格局 / 粒度 / 生态安全格局 / 土地利用 / 生态贡献

Key words

landscape pattern / granularity / ecological security pattern / land use / ecological contribution

Author summay

王鹏凯，硕士研究生。E-mail：[e-mail]

在景观生态学中，众多学者从尺度依赖性着手以空间或时间尺度对景观格局异质性和生态过程之间的关系进行探究^［1］。粒度一般指衡量空间尺度的最小可辨识单元所代表的特征长度、面积或体积（如样方、像元）^［2-3］。粒度是景观生态学中最基础且重要的概念^［4］，粒度大小的选取对识别和分析景观生态安全格局具有显著影响，较大的粒度会导致对景观格局部分细节的忽视，从而忽略生态安全格局中具有战略点意义的斑块^［5］；虽然越小的粒度可以更精细地反映出土地利用的空间结构，但是更精细的粒度选择会影响生态安全格局总体的变化规律^［6］。所以最适宜的粒度对构建生态安全格局具有重要意义，一直是景观生态学研究领域的一个热点和难点问题^［7-9］。陆禹等^［10］通过粒度反推法来确定最适粒度，并以此粒度为基础对海口市秀英区的景观生态安全格局进行优化；刘媛媛等^［11］通过分析不同幅度区间尺度效应对景观异质性的响应，来确定具有尺度依赖性的有效幅度；张妮等^［12］通过景观指数和空间粒度的相关性分析，探究了景观格局特征对空间粒度的响应结果；张郢等^［13］分析了景观格局指数对粒度效应的响应，分别确定了整体最适粒度和不同土地利用类型的最适粒度。这些研究深化了对适宜粒度方面的探索，但对生态安全格局构建的贡献度不充分。因此，本研究以兰州市为例，在景观水平上分析研究区的尺度效应即空间粒度效应与粒度变化之间的关系，通过对比分析土地利用类型斑块和生态贡献等级斑块的景观格局指数对不同空间粒度下的响应结果，以获取最适合粒度，为后续景观格局分析与生态安全格局构建等工作提供科学依据。

1 材料与方法

1.1 研究区概况

兰州市（102°36′~104°34′ E，35°34′~37°07′ N）是甘肃省省会城市，地处黄河上游、甘肃省中部，是西北地区重要的工业基地和综合交通枢纽，西部地区重要的中心城市之一，新丝绸之路经济带的重要节点城市，是甘肃省政治、经济、文化、科研和教育中心，包括城关区、七里河区、安宁区、西固区、红古区、榆中县、皋兰县和永登县，市域土地总面积13 085.6 km²，平均海拔1 600 km，城区南北仅宽2~8 km，南北两面被皋兰山及白塔山包围，东西两侧地形狭长约35 km伴随黄河横穿整个市区，属于典型的带状河谷型城市。兰州市处于西北大陆腹地的半干旱区，属于温带大陆性气候，大部分地区年平均气温约为11 ℃，年平均降水量350 mm，日照量却可达2 100 h左右，由于降水量少、日照强度高、蒸发量大，导致气候干燥，使得兰州市植被覆盖度较低，植被量稀少且植被类型较为单一^［14-15］（图1）。

1.2 数据来源

研究数据包括土地利用数据、DEM数据、道路、水系、居民点数据和夜间灯光数据。其中，土地利用数据来源于资源环境科学与数据中心的2020年中国土地利用遥感监测数据（分辨率为30 m×30 m）；DEM数据来自地理空间数据云的GDEMV3 30M 分辨率数字高程数据；交通路网、水系和居民点数据来源于全国地理信息资源目录服务系统；夜间灯光数据来源于Earth Observation Group。

1.3 研究方法

1.3.1 粒度及粒度转换

本文以2020年的兰州市Landsat 8分辨率30 m作为起始分辨率，通过ArcGIS转换工具按照10 m的增幅逐渐增加到最大数值为300 m的粒度大小范围转换得出的栅格图共42个，为后续研究作为基础数据支撑。

1.3.2 生态贡献等级斑块识别

生态贡献就是被识别的斑块所提供的生态服务能力，通过人为干扰因子和自然因子的赋值从侧面表现出生态贡献影响力。为了识别生态贡献影响力斑块的准确性，本文在前人研究的基础上^［16-18］，选取5种人为干扰因素（土地利用类型、到居民点距离、到公路距离、到铁路距离、到水系距离）和2种自然环境因素（高程、坡度）共7种因子，并使用夜间灯光数据对识别结果进行叠加修正确定生态贡献斑块，克服了直接认定湿地、林地、水域等地类为生态贡献斑块的不足。借鉴前人对于甘肃省与其他省市研究结果对比^［19-20］以及兰州市第四版城市总体规划（2011~2020年）中对于城市交通发展目标的规定等，对于各单因子的赋值标准，将距离建设用地从0~1 500 m/2 500 m及以上的区域分为四类/五类赋值、坡度在0°到开荒限制坡度-25°以上的区域和海拔从1 395 m到高于2 500 m的区域分为五类由低到高赋生态贡献值，其中赋值越高则代表人为干扰因素越少。各因子的指标属性及赋值规则见表1、表2。

1.3.3 景观格局指数的选取

综合前人研究^{［16，21-23］}，在景观水平上从：面积密度与边缘指标（Area and edge metrics）、形状指标（Shape metrics）、聚散性指标（Aggregation metrics）和多样性指标（Diversity metrics）4个方面，确定了具有代表性的21个景观格局指数。包括：景观面积（TA）、最大斑块占景观面积比例（LPI）、边缘密度（ED）、斑块面积分布（AREA_MN）、周长面积分维（PAFRAC）、形状指数分布（SHAPE_AM、SHAPE_MN）、分形维数分布（FRAC_AM）散布与并列指数（IJI）、相似临近百分比（PLADJ）、聚集指数（AI）、景观形状指数（LSI）、整体性/斑块凝聚度指数（COHESION）、斑块数量（NP）、斑块密度（PD）、景观分割指数（DIVISION）、分离度指数（SPLIT）、香浓多样性（SHDI）、Simpson多样性（SIDI）、香浓均匀度（SHEI）、Simpson均匀度指数（SIEI）。

1.3.4 影响力指数的计算

为了研究各景观指数对不同斑块粒度效应下的响应程度，通过计算影响力指数作为反映各景观格局指数对粒度变化反应的敏感性的衡量标准。影响力指数的公式如下：

P(\mathrm{\%})=\frac{(\mathrm{M}\mathrm{a}\mathrm{x}-\mathrm{M}\mathrm{i}\mathrm{n})}{\mathrm{M}\mathrm{i}\mathrm{n}}\times \mathrm{100}\mathrm{\%}（1）

式中：Max、Min分别表示相应景观格局指数随粒度变化得到的最大值与最小值。选取1%为影响力指标的阈值，当P小于阈值时表示影响因子对研究变量的影响较小。

2 结果与分析

2.1 生态贡献分析

通过影响生态贡献度的因子和综合生态贡献斑块并划分等级（图2）可以看出：建设用地大多处于坡度较缓，海拔较低或沿水系两岸分布；生态贡献度较低的斑块也同样大多处于建设用地较为集中的兰州市主城区（城关区、七里河区、西固区、安宁区、红古区）和兰州新区。建设用地在兰州市域中部的集中度高，降低了兰州市中部景观格局的异质性与东西部区域物质能源流动性，对兰州市整体生态安全问题提出了巨大的挑战。

2.2 土地利用斑块效应分析

将影响力指数P值分为两类：第一类为1%（阈值）≤P<100%，表示此类景观格局指数对粒度的变化具有较强的敏感性；第二类为P<1%（阈值），此类指数对粒度变化的敏感性较低（表3）。

第一类景观格局指数效应曲线随着粒度的增加呈现出3种变化趋势。（1）曲线变化平缓，与函数拟合度极高且无明显拐点，主要包括：ED、LSI、SHAPE_MN、PLADJ、IJI和AI 6个指数；（2）曲线存在较为明显的拐点，主要包括：SHAPE_MN和IJI两个指数，效应曲线与二项式拟合度达到了0.97以上，效应曲线在粒度为60 m和120 m两处出现拐点；（3）曲线整体上呈现下降或上升的趋势，存在明显拐点，主要包括：NP、PD、LPI、AREA_MN、SHAPE_AM、FRAC_AM、PAFRAC、DIVISION和SPLIT 9个指数，在粒度为60 m、90 m、120 m、150 m、220 m和240 m 6处时出现明显拐点（图3）。

第二类景观指数粒度效应曲线变化趋势则大体分为2种：（1）曲线平缓下降，且存在拐点，COHESION指数与线性拟合度达到0.97，效应曲线在粒度为80、140和280 m 3处时出现明显拐点；（2）曲线呈现整体下降或上升的趋势，存在明显拐点，主要包括：SHDI、SIDI、SHEI和SIEI 5种指数，在粒度为80、110、160和240 m 4处出现明显拐点（图4）。

2.3 生态贡献斑块粒度效应分析

将生态贡献斑块的景观指数分为三类，第一类为P>=100%，表示此类景观格局指数对粒度变化具有较强的敏感性；第二类为1%（阈值）≤P<100%，表示此类景观格局指数对粒度变化的敏感性一般；第三类为P<1%（阈值），此类指数对粒度变化的敏感性较低（表4）。

第一类景观格局指数效应曲线随着粒度的增加呈现出两种变化趋势：（1）曲线变化平缓且无明显拐点；其中NP和PD对于对数函数拟合精度均达到了0.99以上；（2）效应曲线总体呈现出上升的趋势，且伴随较为明显拐点的出现；AREA_MN曲线与二项式函数拟合度达到了0.97以上，效应曲线在粒度为60、140和260 m 3处与拟合曲线相交，曲线在粒度为90、200 m两点处出现较小转折点（图5）。

第二类景观指数粒度效应曲线变化趋势则大体分为3种：（1）曲线变化平缓，无明显拐点；PAFRAC、PLADJ和AI 3条效应曲线对于函数的拟合度均高于0.99以上；（2）曲线呈现出下降的趋势，存在拐点，ED和LSI两个曲线对于二项式函数拟合度达到0.97以上，效应曲线在粒度为60、140和260 m 3处与拟合曲线相交，景观格局指数效应曲线在粒度为90、200 m两处出现较小转折点；（3）曲线出现较大波动，且存在较为明显的拐点，包括：LPI、SHAPE_MN、SHAPE_AM、IJI、DIVISION和SPLIT 6个景观格局指数；其中SHAPE_MN和IJI两条效应曲线呈现出较大波动，主要拐点出现在粒度为30、90、170和220 m处；而LPI、SHAPE_AM、DIVISION和SPLIT 4条效应曲线的拐点出现在粒度为240 m和280 m两处（图6）。

第三类景观指数粒度效应曲线随粒度的增加而出现明显的拐点，其中FRAC_AM和COHESION两条效应曲线在粒度为240 m处出现明显拐点；而TA、SHDI、SIDI、SHEI和SIEI 5条效应曲线在粒度为160 m处出现明显拐点（图7）。

2.4 最佳粒度的确定

2.4.1 土地利用斑块尺度域确定

土地利用斑块第一类景观格局部分效应曲线在粒度为60 m、120 m和240 m处出现拐点，而粒度为240 m时出现极值拐点，综合分析第一尺度域为60~120 m；第二类景观格局指数粒度效应曲线均存在明显拐点，部分效益曲线在粒度为80、110、140、160、240和280 m处出现拐点，综合分析第一尺度域为80~160 m。根据景观格局指数、影响力指数及效应曲线对粒度效应进行分析的结果，最终得出：土地利用斑块的第一尺度域为80~120 m。

2.4.2 生态贡献斑块尺度域确定

生态贡献斑块第一类景观格局效应曲线并未出现明显的拐点，与土地利用斑块第一景观指数表现不同，此类型无综合适宜尺度域；生态贡献斑块第二类景观指数数量最多，均存在明显拐点，粒度为50、90、140、200和260 m时出现较为明显的拐点，但是景观格局效应曲线在粒度为260 m时出现了激增或骤减的情况，综合分析得第一尺度域为50~200 m；第三类景观格局指数效应曲线均存在明显折点，综合分析第一尺度域为30~160 m。根据景观格局指数、影响力指数及效应曲线对粒度效应进行分析的结果，最终得出土地利用斑块的第一尺度域为50~160 m。

2.4.3 研究区适宜分析粒度选择

根据景观格局效应曲线图的折点及相对平稳的粒度范围综合分析，得出土地利用斑块的适宜粒度尺度域为80~120 m，生态贡献斑块的适宜粒度尺度域为50~160 m；将两类斑块的适宜粒度尺度域取交集，可得研究区分析的最适合尺度域为80~120 m。在保证景观格局细节不被忽视的前提下，选取80 m粒度为本文的最佳景观分析粒度。

3 讨论

兰州市作为新丝绸之路经济带的重要节点城市，引发了众多学者对兰州市景观格局及生态安全格局等的研究^［24-28］，而对于兰州市最适合粒度的研究却鲜有耳闻。基于景观格局对尺度的依赖性以及空间粒度作为景观生态学最基础且重要的概念^［4］，已有不少学者进行了景观格局指数对粒度变化的探究，马黛玉等^［29］从斑块类型水平分析得出最适雅安市名山区茶园景观的分析粒度为60 m；叶均艳等^［30］从景观的要素构成及景观形态、不同景观的空间关系和景观空间构型4个方面来研究了景观格局的粒度变化效应得出最适宁夏红寺堡区景观的分析粒度为80 m；叶欣等^［31］采用景观粒度效应分析和面积损失评价方法分别从斑块类型水平和景观水平上分析并得出最适七台河市景观的分析粒度为50 m。而本文从识别分析土地利用类型和计算叠加单因子生态贡献影响力两方面出发，通过分析在景观水平上的21个景观格局指数对于不同粒度的响应结果，得出了最适合兰州市的景观分析粒度为80 m，与上述学者研究取得的结果类似。

4 结论

本文的研究路线是以兰州市土地利用数据为基础，在市域尺度下结合自然因素和经过夜间灯光模糊叠加修正后的人为干扰因素对土地利用类型斑块的影响的前提下，处理数据并获取兰州市生态贡献等级斑块，通过研究景观指数对土地利用类型斑块和生态贡献影响斑块粒度变化的响应程度得出以下结论：

1） 对兰州市土地利用类型和生态贡献影响力分析发现：建设用地大多集中在坡度较缓的兰州市中部以及黄河干流河谷两岸，缺乏具有显著生态影响力的生态斑块，抑制了生态空间中东西、南北方向的物质能源流动，降低了景观生态格局的多样性。

2） 根据景观格局指数对于不同粒度的响应结果，认为最适合兰州市景观的分析粒度为80 m，其中TA、SHDI、SIDI、SHEI和SIEI 5个景观格局指数对生态贡献等级斑块粒度变化产生的影响较小且存在明显拐点。可优先选取对土地利用类型斑块和生态贡献等级斑块粒度变化影响力较小的景观格局指数着手研究粒度效应，可明显从中获取景观格局指数随粒度变化所呈现的拐点数据。

3） 本文提出了使用夜间灯光数据通过模糊叠加各单因子修正人为干扰因素，一定程度上确保了结果的真实性；但是夜间灯光数据目前还存在不足，比如：由于其运行机理，无法有效呈现城镇化不高地区的零星人为干扰因素，无法判断夜间工业灯光和居民灯光的区别。根据更多研究者对于夜间灯光数据的深入研究，挖掘其内在机理，优化其表达算法，使得数据处理结果更为准确。

参考文献

[1] 刘学录.我国景观生态学尺度效应研究进展［J］.甘肃农业大学学报，2021，56（6）：1-9.

[2] Enerette G D， WU J G.On the definitions of scale ［J］.Bulletin of the Ecological Society of America，2000，81（1）：104-105.

[3] 吴建国.景观生态学：格局、过程、尺度与等级 ［M］.2版.北京：高等教育出版社，2007.

[4] 俞斌传，刘平辉，吴佳.基于最佳分析粒度的临川区土地利用景观格局梯度分析［J］.江西农业学报，2018，30（5）：110-116.

[5] 俞孔坚.生物保护的景观生态安全格局［J］.生态学报，1999（1）：10-17.

[6] 张韧璎，刘学录.土地利用景观格局空间幅度效应研究：以天水市两区为例［J］.中国集体经济，2019（2）：81-84.

[7] Wu J G.Key concepts and research topics in landscape ecology revisited：30 years after the Allerton Park workshop［J］.Landscape Ecology，2013，28（1） ：1-11.

[8] 韩会庆，马淑亮，郜红娟，等.喀斯特乡村土地利用景观的粒度效应［J］.地域研究与开发，2020，39（4）：127-133.

[9] 刘德林，方炫，李壁成.黄土高原小流域尺度土地利用景观格局指数的粒度效应［J］.水土保持通报，2013，33（4）：206-210.

[10] 陆禹，佘济云，陈彩虹，等.基于粒度反推法的景观生态安全格局优化：以海口市秀英区为例［J］.生态学报，2015，35（19）：6384-6393.

[11] 刘媛媛，刘学录.甘肃永登县土地利用景观格局的空间尺度效应［J］.应用生态学报，2016，27（4）：1221-1228.

[12] 张妮，张玉红.扎龙湿地景观格局多尺度粒度变化分析［J］.哈尔滨师范大学自然科学学报，2017，33（6）：72-78.

[13] 张郢，陈华，王建柱，等.宜昌市西陵区景观格局适宜粒度判别与效应分析［J］.三峡大学学报（自然科学版），2019，41（4）：60-66.

[14] 王川.基于生态系统服务供需匹配的兰州市生态安全格局构建［D］.兰州：西北师范大学，2019.

[15] 王恬爽.兰州市大气颗粒物的化学组成及来源解析［D］.兰州：兰州大学，2022.

[16] 吴未，许丽萍，张敏，等.不同斑块类型的景观指数粒度效应响应：以无锡市为例［J］.生态学报，2016，36（9）：2740-2749.

[17] 陈群，刘平辉，朱传民.基于MCR模型的江西省抚州市生态安全格局构建［J］.水土保持通报，2022，42（2）：210-218.

[18] 如克亚·热合曼，阿里木江·卡斯木，哈力木拉提·阿布来提.基于MSPA和MCR模型的图木舒克市生态安全格局构建［J］.环境科学与技术，2021，44（5）：229-237.

[19] 李欣格.甘肃省清水县生态廊道规划设计研究［D］.西安：西安建筑科技大学，2018.

[20] 吴静，黎仁杰，程朋根.城市生态源地识别与生态廊道构建［J］.测绘科学，2022，47（4）：175-180.

[21] 王慧.县域生态安全格局关键地段识别研究［D］.徐州：中国矿业大学，2018.

[22] 郭琳，宋戈，张远景，等.基于最佳分析粒度的巴彦县土地利用景观空间格局分析［J］.资源科学，2013，35（10）：2052-2060.

[23] 张乐，王观湧，霍习良，等.基于适宜粒度的曹妃甸新区土地利用景观格局分析［J］.土壤，2014，46（6）：1149-1156.

[24] 张博涛.基于景观生态学的山地型城市景观格局探究：以兰州为例［J］.现代园艺，2018（14）：86.

[25] 王录芳.兰州城市景观格局的变化及其热岛效应的研究［D］.兰州：兰州交通大学，2015.

[26] 谢禹.基于GIS和空间句法的城市公园绿地系统规划研究［D］.济南：山东建筑大学，2022.

[27] 郎永娟，种培芳，林杨杰，等.兰州秦王川国家湿地公园土地利用及湿地景观格局动态变化分析［J］.园林，2021，38（7）：58-66.

[28] 高小龙.兰州北山区域景观格局变化及生态质量评估研究［D］.兰州：兰州交通大学，2021..

[29] 马黛玉，夏建国，周玥希，等.县域尺度下不同时序茶园景观格局指数的粒度效应分析［J］.四川农业大学学报，2021，39（4）：524-531.

[30] 叶均艳，王亚娟，刘小鹏，等.基于最佳粒度的生态移民安置区土地利用景观格局分析：以宁夏红寺堡区为例［J］.水土保持研究，2018，25（2）：300-306.

[31] 叶欣，董伦，吕利娜，等.最佳粒度下的七台河市景观格局分析［J］.安徽农业科学，2021，49（21）：227-230.

基金资助

甘肃省国土空间规划前期专题研究项目(XZ-20190606)