河北省森林—草原交錯帶天然植被景觀格局時空尺度效應

魏士凱, 徐雯雯, 張志東,*, 黃選瑞

河北省森林—草原交錯帶天然植被景觀格局時空尺度效應

魏士凱1,2, 徐雯雯2, 張志東2,*, 黃選瑞2

1.湖南師范大學地理科學學院, 長沙 410081 2. 河北省林木種質資源與森林保護重點實驗室/河北農(nóng)業(yè)大學林學院, 保定 071000

為探討天然植被景觀格局時空尺度效應, 利用隨機森林分類方法對塞罕壩地區(qū)3期(1989、2000和2016年)遙感影像進行圖像解譯, 并在分層隨機抽樣調查的基礎上通過不斷增加緩沖區(qū)的方法, 計算基于斑塊類型和景觀水平的景觀指數(shù); 采取尺度圖譜分析在時空尺度下不同植被類型景觀尺度效應, 并基于信息熵模型明確景觀格局分析的最佳空間幅度。結果表明: 1989—2016年期間, 人工林的快速增長致使草地和天然次生林景觀面積呈現(xiàn)先降低后增加趨勢且破碎化現(xiàn)象嚴重; 草地和天然次生林在空間尺度上具有相同的變化特征, 而在時間尺度上則呈現(xiàn)不同的變化; 斑塊密度、形狀指數(shù)以及聚集度指數(shù)在時空尺度上均具有較強預測性, 且300 m為最佳尺度閾值。不同天然植被類型在時空尺度下其尺度效應也是不同的, 這不僅與植被類型自身對生態(tài)環(huán)境響應的差異性有關, 也和研究區(qū)特殊的人文地理環(huán)境密不可分。

塞罕壩; 景觀格局; 景觀指數(shù); 尺度效應; 信息熵

0 前言

景觀格局變化不僅是景觀異質性的具體表現(xiàn), 同時也是包括干擾在內的各種生態(tài)過程在不同尺度上作用的結果, 是景觀生態(tài)學的研究重點之一[1-4]。天然植被作為陸地生態(tài)系統(tǒng)的重要組成成分之一, 為人類社會提供了重要的生態(tài)和經(jīng)濟服務。然而人為活動和自然條件驅動已造成了天然植被景觀異質性的增加以及景觀格局的改變[5], 嚴重影響了生物多樣性保護以及生態(tài)系統(tǒng)服務價值的正常發(fā)揮[6-7]。

基于多尺度分析景觀異質性是理解天然植被景觀格局變化復雜性和有效監(jiān)測環(huán)境及生物多樣性變化的前提[8]。隨著遙感和地理信息技術的發(fā)展, 利用景觀格局指數(shù)能夠準確識別斑塊、類和景觀水平空間結構信息及時間動態(tài), 是用于分析格局變化的有效途徑之一[9]。然而, 許多景觀格局指數(shù)對尺度變化的敏感性和可預測性存在差異[1]。如隨著粒度大小的變化, 一些景觀指數(shù)表現(xiàn)出冪函數(shù)或線性關系、似階梯狀離散響應或無確定性關系[10-14,1]。目前, 有關粒度大小與景觀指數(shù)尺度關系已經(jīng)有了大量的報道[15], 而空間幅度對景觀指數(shù)尺度效應[16], 尤其是進一步考慮時間動態(tài)影響的研究仍需進一步加強[13]。

空間幅度一般指研究所涉及到的空間范圍(長度或面積)。改變空間幅度, 景觀指數(shù)也會發(fā)生相應的改變[1], 進而導致天然植被景觀格局和過程的變化。因此, 辨識特征空間幅度是進一步理解天然植被景觀特定格局和過程的關鍵[12]。然而, 在用景觀指數(shù)分析空間幅度尺度效應的過程中, 也面臨著諸多挑戰(zhàn)。如景觀指數(shù)會隨空間幅度、時間、景觀類型等的變化表現(xiàn)出不可預測性和不確定性[1,8,17]。基于此情景, 分析景觀指數(shù)在各斑塊類型及隨空間幅度和時間的變化, 檢驗景觀指數(shù)尺度效應的敏感性和一致性, 有助于精準預測天然植被景觀格局變化及帶來的生態(tài)影響, 進而加強天然植被景觀的管理和保護效率。

森林草原交錯帶作為典型的生態(tài)脆弱區(qū), 受全球變化和人類活動影響劇烈[18]。本研究所在的塞罕壩自然保護區(qū)位于典型森林-草原交錯帶, 是集森林、草原、濕地等為一體的復雜多樣的生態(tài)系統(tǒng), 也是河北省少有的物種多樣性富集中心之一。然而伴隨著人為活動的不斷加劇, 致使天然植被景觀變化顯著, 物種豐富度急劇下降[19]。分析不同空間幅度對景觀變化的影響, 能夠使當?shù)氐墓芾砣藛T更好的理解野生動植物資源對氣候變化和人類活動的響應[20]。在空間幅度轉換的過程中, 會發(fā)生一些信息的損失或變化, 而應用基于信息理論的技術能夠定量空間尺度變化所導致的信息增加或減少量, 有助于確定最優(yōu)分析空間尺度[21]。本研究以3期遙感影像以及樣地調查數(shù)據(jù)為基礎, 通過信息熵模型和尺度圖譜分析研究區(qū)兩大天然植被類型(天然次生林和草地)的景觀格局時空尺度效應, 主要探討以下3個問題: (1)在時空尺度下, 天然植被景觀格局發(fā)生哪些變化, 其尺度效應如何？(2)在不同植被類型下, 其時空尺度變化是否具有一致性？(3)哪些指數(shù)在時空尺度下均具有預測性, 且在哪種空間幅度下能夠最大的保存信息豐富度？通過闡明該區(qū)天然植被景觀格局時空尺度效應, 可為優(yōu)化當?shù)靥烊恢脖环植几窬? 提高生物多樣性提供指導。

1 材料與方法

1.1 研究區(qū)概況

河北省塞罕壩自然保護區(qū)(42°22′—42°31′ N, 116°53′—117°31′ E)位于內蒙古高原東南緣(圖1), 地處內蒙古高原與冀北山地交界處。高原—波狀丘陵—漫灘—接壩山地組合為該區(qū)主要地形地貌[22]。自然保護區(qū)屬于寒溫帶大陸性季風氣候, 年均氣溫為-1.4 ℃, 極端最高氣溫為30.9 ℃, 最低氣溫為-42.8 ℃; 年降水量490 mm, 蒸發(fā)量1230 mm。天然植被中, 喬木樹種主要有白樺()、山楊()等, 灌木主要有山刺玫()、山丁子()、山杏()等, 草本以菊科為主, 主要有三穗苔草()、金蓮花()、大油芒()等。

1.2 外業(yè)調查

外業(yè)調查于2014年7—9月進行?；谘芯繀^(qū)斑塊大小、形狀、空間分布廣布性等, 共調查了38個典型植被斑塊, 其中包括12個草本、11個灌木和15個天然林植被。在樣方間隔至少為50 m的基礎上, 采取分層隨機取樣的方法, 共調查草地樣方184個(1 m×1 m)、灌木林樣方109個(5 m×5 m)和天然次生林樣方62個(20 m×20 m)。記錄每個樣方的海拔、坡度、坡向、坐標以及植被類型; 喬、灌木(DBH ≥ 1 cm)記錄種類、高度、胸徑、個體數(shù); 草本植物記錄物種名、多度、平均高度和最大高度[19]?；跇臃綌?shù)據(jù)進行遙感影像分類和模型構建。

圖1 研究區(qū)樣地分布圖示意圖

Figure 1 The distribution of sampling plots in study area

1.3 遙感影像的獲取和處理

本文以1989、2000和2016年3期Landsat TM影像(空間分辨率30 m)作為主要數(shù)據(jù)(圖2), 以2002年SPOT5衛(wèi)星影像(分辨率2.5 m)、2012年航空影像(分辨率0.5 m)、地形數(shù)據(jù)、以及當?shù)亓謭龆愓{查矢量數(shù)據(jù)和群落調查數(shù)據(jù)為輔助數(shù)據(jù)進行圖像預處理和訓練樣區(qū)的選擇。根據(jù)當?shù)刂脖桓脖滑F(xiàn)狀以及野外調查結果, 將研究區(qū)植被劃分為4類: 草地、灌木林、人工林和天然次生林。隨機森林分類方法相較于傳統(tǒng)分類方法具有高效、準確的優(yōu)點[23]?；诖? 本研究在ENVI5.1軟件平臺下, 結合enMAP-BOX工具包對遙感影像進行隨機森林分類。我們在衛(wèi)星原始波段、紋理特征數(shù)據(jù)、地形數(shù)據(jù)以及植被指數(shù)的基礎上選取最佳的287個特征變量, 并以此來構建隨機森林模型。隨機選取30%的數(shù)據(jù)對3期遙感影像進行精度檢驗, 其總體精度均在85%以上, 滿足研究需求。

注: GD.草地; SD.灌木林; AF.人工林; SF.天然次生林; WB.水體; TC.城鎮(zhèn)及建筑用地; BG.裸地

Figure 2 Distribution of vegetation landscape types in Saihanba Nature Reserve in 1989, 2000 and 2016.

1.4 空間格局分析

本研究采取分層隨機抽樣調查法來變空間幅度, 這種方法相較于傳統(tǒng)幅度推譯方法(中心點外推和對角線外推)更加客觀, 準確和節(jié)省成本[24-25]。首先在研究區(qū)域內選擇草地和天然次生林斑塊生成150個隨機點。然后分別以隨機點為中心, 設置100、200、300、500、700、1000 m共6個幅度的緩沖區(qū)(圖3), 提取各緩沖區(qū)內所需景觀指數(shù)值。利用尺度圖譜分析各景觀指標的尺度依賴性。

在以往相關研究的基礎上, 考慮到當?shù)靥厥獾淖匀蝗宋沫h(huán)境以及各指數(shù)在分析景觀格局時空尺度效應上的能力[26-27,13], 在景觀類型水平上選取了香濃多樣性指數(shù)(SHDI)和香濃均勻度指數(shù)(SHDI), 在斑塊類型水平上選取了面積斑塊分維數(shù)(FRAC- MN)、斑塊密度指數(shù)(PD)、最大斑塊指數(shù)(LPI)、景觀形狀指數(shù)(LSI)和聚集度指數(shù)(AI)作為分析研究區(qū)景觀格局尺度效應的指標。各指數(shù)的計算在FRAGSTATS 4.2軟件中進行。

1.5 基于信息熵的最優(yōu)尺度選擇

利用信息熵模型可以幫助我們很好確定不同尺度中景觀格局信息的豐富度。景觀格局變化是一個時空變化的過程, 是內部矛盾和外部活動共同作用的結果[28], 這也決定了其復雜的內部信息。如果熵值在相應尺度上較大, 則說明該尺度上景觀格局包含信息也越復雜, 從而越難準確描述其內部結構特征。一般情況下, 尺度的變化會影響遙感影像分類的準確性, 從而進一步影響景觀格局本身的復雜性。因此找出一個包含最豐富信息的最佳尺度很有必要, 而信息熵作為衡量信息量的重要指標在景觀格局尺度效應研究中已經(jīng)得到了應用[29]。其基本公式如下:

圖3 塞罕壩自然保護區(qū)隨機點生成和緩沖區(qū)建立

Figure 3 Random points and buffer zones in Saihanba nature reserve

表1 選取的景觀指數(shù)

在本研究中,表示各景觀類型面積(=1,2…,5), m2,為研究區(qū)總面積, m2,表示各景觀類型面積占總面積的比例, 具體公式如下:

2 結果與分析

2.1 植被變化

1989—2016年期間, 塞罕壩地區(qū)人工林呈不斷增長趨勢, 并在2016年成為最主要的植被類型(32.00%), 灌木林則相反, 逐步成為所占比重最小的植被類型(5.73%)(圖2)。草地和天然次生林作為研究區(qū)最主要的天然植被類型, 在1989—2016年期間, 均呈現(xiàn)先降低后增加趨勢, 面積構成分別從1989年的29.60%和30.01%, 到2000年的27.71%和29.26%, 過渡到2016年的28.23%和30.49%。

2.2 時間尺度效應

在時間尺度上, 根據(jù)各景觀指數(shù)隨著時間變化是否具有相同變化趨勢來判別它們的預測性。通過判讀不同時期景觀格局指數(shù)響應曲線交叉情況進行判斷, 具體可分為兩類: 類型A, 3個時期景觀指數(shù)響應曲線沒有相交(圖4); 類型B, 曲線有相交(圖5)。

類型A中面積斑塊分維數(shù)、斑塊密度、景觀形狀指數(shù)以及聚集度指數(shù)隨時間變化其大致走向具有一致性(圖4)。草地和天然次生林雖然在面積斑塊分維數(shù)中其時間尺度具有可預測性, 但隨著時間的推移, 該指數(shù)在兩種景觀類型間變化趨勢有所不同: 草地呈先增加后降低趨勢, 而天然次生林則呈逐漸減小趨勢(圖4); 斑塊密度指數(shù)與景觀形狀指數(shù)在兩種植被類型中均在2016年呈最大值, 表明了研究區(qū)天然植被景觀在該時期破碎度較高且缺乏整體性; 聚集度指數(shù)在兩種植被類型中均呈降低趨勢, 但草地類型最小值發(fā)生在2000年(圖4), 說明在1989年各天然植被類型空間鏈接較高, 聚集程度較大。

類型B中最大斑塊指數(shù)、香濃多樣性指數(shù)和香濃均勻度指數(shù)隨時間變化其走向一致性不強, 存在明顯交叉(圖5)。最大斑塊指數(shù)可為我們確定景觀中的優(yōu)勢斑塊類型提供很好的幫助, 其值在不同的景觀類型中情況也不同: 隨著時間的推移, 草地大體上呈降低趨勢, 而天然次生林呈增加趨勢。香濃多樣性指數(shù)以及均勻度指數(shù)在時間尺度上具有相同的變化趨勢, 其值總體呈降低的變化趨勢, 說明各天然植被類型在27年來異質性不斷降低, 分布也趨于均勻化。

2.3 空間尺度效應

在空間尺度下, 依據(jù)景觀格局指數(shù)隨幅度變化的可預測性, 將指數(shù)分為三類: 第1類指數(shù)隨幅度變化可預測性較強, 即指數(shù)值與幅度存在簡單的尺度效應(呈單調性變化)。第2類指數(shù)隨幅度變化可預測性較差, 即指數(shù)值與幅度存在復雜的尺度效應(呈階梯狀變化)。第3類指數(shù)隨幅度變化不具備可預測性, 即指數(shù)值與幅度不存在尺度效應(變化不規(guī)律)。

由圖4和圖5可知, 第一類指數(shù)包括斑塊密度、景觀形狀指數(shù)以及聚集度指數(shù)。斑塊密度在兩種景觀類型中降低趨勢相似, 其中第一尺度域為100—300 m?？紤]到節(jié)省成本以及保持總體特征的前提, 最佳尺度一般選擇第一尺度域內中等偏大的尺度[30]。即它們的最佳空間尺度為300 m。景觀形狀指數(shù)隨著幅度的增加, 呈單調增長趨勢, 沒有明顯拐點, 即在空間幅度上始終具有很強的預測性。聚集度指數(shù)在兩種景觀類型中隨著幅度的增加, 增加趨勢相似, 且第一尺度域為100—300 m, 即最佳空間尺度為300 m。

第二類指數(shù)為面積斑塊分維數(shù)以及最大斑塊指數(shù)。面積斑塊分維數(shù)在兩種景觀類型隨著幅度的增加均呈先增加后減少的趨勢, 第一尺度域均為100—300 m, 即它們的最佳空間尺度為300 m。最大斑塊指數(shù)則是先減少后增加, 尺度閾值同面積斑塊分維數(shù)一致也為300 m。

圖4 研究區(qū)草地和天然次生林景觀指數(shù)多尺度響應(類型A)

Figure 4 Multi-scale response of landscape metrics of grasslands and natural secondary forests in study area (type A)

圖5 研究區(qū)草地和天然次生林景觀指數(shù)多尺度響應(類型B)

Figure 5 Multi-scale response of landscape metrics of grasslands and natural secondary forests in study area (type B)

第三類景觀指數(shù)為景觀格局指數(shù)中的香濃多樣性指數(shù)以及香濃均勻度指數(shù)。它們在空間幅度上變化情況相似, 即在小尺度(100—300 m)上呈隨機變化, 然后趨于一致(圖5)。為進一步驗證景觀格局指數(shù)對空間幅度變化的響應曲線的有效性, 增加辨識度, 本文選取第一類中的3種景觀指數(shù)進行數(shù)學模型擬合(表2), 發(fā)現(xiàn)其擬合度均較為理想。

2.4 時空尺度效應

通過對景觀格局指數(shù)時間、空間尺度效應進行匯總分析(表 3), 可以發(fā)現(xiàn), 在時空尺度下, 均具有預測性的指數(shù)分別為斑塊密度、形狀指數(shù)以及聚集度指數(shù)。

2.5 基于信息熵景觀格局最優(yōu)尺度選擇

本研究以2016年景觀格局變化為例來討論信息熵對空間尺度的響應問題, 研究區(qū)景觀格局信息熵在100—300 m變化不大, 在300 m時開始急速下降, 一些重要信息開始丟失(圖6)。因此, 本文認為100—300 m為最佳閾值區(qū)間。

3 討論

表2 景觀指數(shù)曲線擬合表

表3 景觀格局指數(shù)時空尺度效應以及空間相關性

圖6 不同尺度景觀格局信息熵值的變化

Figure 6 Changes of information entropy values for different landscape patterns along spatial scales

本文發(fā)現(xiàn)該研究區(qū)無論是在景觀格局指數(shù)還是信息熵方面, 均具有明顯的幅度閾值且300 m處是一個重要的臨界域幅度(表3、圖6)。雖然兩種指標的結果相似, 但它們所能表達的信息卻并不相同, 如信息熵模型往往只考慮景觀格局各類型的多少和各類型景觀面積分布的均勻情況[40], 而景觀指數(shù)則在描述景觀類型的斑塊形狀、密度等具有自身明顯優(yōu)勢[41-42]。因此, 我們在進行景觀格局分析時, 應將兩者結合起來進行討論, 這樣才能更加全面的認識研究區(qū)的景觀格局變化情況。我們在綜合考慮景觀格局幅度效應以及信息熵結果后, 認為300 m為該研究區(qū)最佳空間尺度。不同幅度外推方法得到的最佳空間尺度可能也有所不同, 楊莎莎[43]通過與本文相似的外推方法(樣點外推)對蘇子河流域的景觀格局進行尺度效應分析時發(fā)現(xiàn), 當緩沖區(qū)≤300 m時, 旱地、建筑用地和水田景觀連通性和聚集程度較高; 而當緩沖區(qū)＞300 m時, 林地聚集連通程度較好。雖然該結果與本文結果有些相似(300 m為景觀格局分析的重要尺度閾值), 但就目前來看, 運用文中外推方法進行的景觀格局尺度效應研究還很少見, 且不同區(qū)域特征和景觀類型可能具有不同的尺度閾值, 這嚴重制約了我們對于最優(yōu)尺度的跨區(qū)域普適性的探討。

通過以上研究可以看出, 破碎化以及植被結構單一成為威脅當?shù)厣锒鄻有砸约吧鷳B(tài)安全的重要因素, 這對當?shù)匚锓N棲息地的選擇和保護具有負面影響, 尤其是當幅度大于300 m時, 景觀格局將會發(fā)生明顯波動, 這對棲息地范圍比較敏感的爬行動物以及鳥類的生存產(chǎn)生巨大威脅[13]。對此當?shù)亓謭鰬e極采取應對措施, 對于草地應最大程度的減少人為干擾, 做好“封山禁牧”工作; 對于天然林應在減少人為干擾的前提下, 做好天然更新工作, 形成穩(wěn)定邊緣區(qū)物種群落結構, 從而使核心區(qū)的生物多樣性得到一定保護。加強生態(tài)廊道建設, 努力形成集中連片的分布特征。天然植被的恢復對生物多樣性具有促進作用, 反過來, 一些動物(如鳥和嚙齒動物)又會為植被種子傳播提供幫助。因此, 我們應該對那些易受棲息地范圍影響的生物進行實時監(jiān)測, 從而為保護當?shù)厣锒鄻有砸约吧鷳B(tài)系統(tǒng)多樣性提供幫助[13,44]。

就目前來看, 關于景觀格局空間尺度的跨區(qū)域普適性研究還存在一些不足, 這需要我們通過更多相關研究來進一步加強了解。本研究只選用了一種抽樣方法進行尺度分析, 而單一的抽樣方法往往因研究區(qū)地理環(huán)境的復雜性而不能完全適用于所有的尺度分析, 這需要我們在以后的研究過程中尋找到合適的抽樣組合方式, 從而為更加準確的分析景觀格局尺度效應提供可能[45]。

4 結論

天然植被景觀格局在人工林快速增長的背景下破碎化問題比較嚴重, 且景觀格局開始向非均衡化發(fā)展。草地和天然次生林在空間尺度上具有相同的變化特征, 而在時間尺度上則呈現(xiàn)不同的變化。各指數(shù)在時空尺度下具有明顯不同的尺度效應, 其中在時空尺度下均具有較強尺度效應的指數(shù)為: 斑塊指數(shù)、形狀指數(shù)以及聚集度指數(shù)。300 m作為保存信息豐富度的最佳信息熵閾值以及最佳幅度閾值, 可作為該研究區(qū)最佳分析尺度。

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

[2] FU Bojie, LIANG Di, LU Nan. Landscape ecology: Coupling of pattern, process, and scale[J]. Chinese Geographical Science, 2011(4), 21: 385–391.

[3] 董靈波, 劉兆剛, 李鳳日. 大興安嶺盤古林場森林景觀的空間分布格局及其關聯(lián)性[J]. 林業(yè)科學, 2015, 51(7): 28–36.

[4] 周梅, 張飛, 王娟, 等. 新疆艾比湖流域景觀格局尺度效應[J]. 干旱區(qū)研究, 2017, 34(5): 1184–1195.

[5] TURNER M G, DONATO D C, ROMME W H. Consequences of spatial heterogeneity for ecosystem services in changing forest landscapes: priorities for future research[J]. Landscape Ecology. 2013, 28(6), 1081–1097.

[6] TANG Ling, ZHANG Guangyong. A GIS-based spatial extent in gradient analysis of urban green space pattern in Shenyang, China[J]. International Conference on Remote Sensing IEEE, 2011, 5658–5661.

[7] ZHANG J, FU M, ZENG H, et al. Variations in ecosystem service values and local economy in response to land use: a case study of Wu’an, China[J]. Land Degradation and Development, 2013, 24(3): 236–249.

[8] KELLY M, TUXEN K. A, STRALBERG D. Mapping changes to vegetation pattern in a restoring wetland: Finding pattern metrics that are consistent across spatial scale and time[J]. Ecological Indicators, 2011, 11(2): 263–273.

[9] 王德智, 邱彭華,方源敏. 麗香鐵路建設對沿線景觀格局影響的尺度效應及其生態(tài)風險[J]. 應用生態(tài)學報, 2015, 26(8): 2493–2503.

[10] WU Jianguo, SHEN Weijun, SUN Weizhong, et al. Empirical patterns of the effects of changing scale on landscape metrics[J]. Landscape Ecology, 2002, 17(8): 761–782.

[11] SHEN Weijun, JENERETTE G D, WU Jianguo, et al. Evaluating empirical scaling relations of pattern metrics with simulated landscapes[J]. Ecography, 2004, 27(4): 459–469.

[12] LUDOVICO F, SANTIAGO S, MICHELE M, et al. Quantifying Forest Spatial Pattern Trends at Multiple Extents: An Approach to Detect Significant Changes at Different Scales[J]. Remote Sensing, 2014, 6(10): 9298–9315.

[13] CAMPAGNARO T, FRATE L, CARRANZA M L, et al. Multi-scale analysis of alpine landscapes with different intensities of abandonment reveals similar spatial pattern changes: Implications for habitat conservation[J]. Ecological Indicators, 2017, 74: 147–159.

[14] FANG Shu, ZHAO Yonghua, HAN Lei, et al. Analysis of Landscape Patterns of Arid Valleys in China, Based on Grain Size Effect[J]. Sustainability, 2017, 9: 2263.

[15] FRAZIER A E. Surface metrics: scaling relationships and downscaling behavior[J]. Landscape Ecology, 2015, 31(2): 1–13.

[16] AMICI V, ROCCHINI D, FILIBECK G, et al. Landscape structure effects on forest plant diversity at local scale: Exploring the role of spatial extent[J]. Ecological Complexity, 2015, 21: 44–52.

[17] LI Harbin, WU Jianguo. Use and misuse of landscape indices[J]. Landscape Ecology, 2004, 19(4): 389–399.

[18] SOTTILE G D, MERETTA P E, TONELLO M S, et al. Disturbance induced changes in species and functional diversity in southern Patagonian forest-steppe ecotone[J]. Forest Ecology and Management, 2015, 353: 77–86.

[19] 田曉敏, 閆海霞, 袁業(yè), 等. 塞罕壩自然保護區(qū)物種豐富度對植被景觀破碎化的響應及其空間尺度差異[J]. 林業(yè)科學, 2016, 52(12): 13–21.

[20] SCHINDLER S, Von WEHRDEN H, POIRAZIDIS K, et al. Multiscale performance of landscape metrics as indicators of species richness of plants, insects and vertebrates[J]. Ecological Indicators, 2013, 31: 41–48.

[21] HUANG Qiuping, HUANG Jiejun, YANG Xining, et al. Evaluating the scale effect of soil erosion using landscape pattern metrics and information entropy: A case study in the Danjiangkou Reservoir Area, China[J]. Sustainability, 2017, 9(7): 1243.

[22] 秦朋遙, 楊會娟, 蔣鳳玲, 等. 河北省塞罕壩保護區(qū)天然植物群落數(shù)量分類[J]. 應用生態(tài)學報, 2016, 27(5): 1383–1392.

[23] 張曉羽, 李鳳日, 甄貞, 等. 基于隨機森林模型的陸地衛(wèi)星-8遙感影像森林植被分類[J]. 東北林業(yè)大學學報, 2016, 44(6): 53–57.

[24] XIAO Xiangyun, GERTNER G, WANG Guangxing, et al. Optimal Sampling Scheme for Estimation Landscape Mapping of Vegetation Cover[J]. Landscape Ecology, 2005, 20(4): 375–387.

[25] CARRANZA M L, FRATE L, ACOSTA A T R, et al. Measuring forest fragmentation using multitemporal remotely sensed data: three decades of change in the dry Chaco[J]. European Journal of Remote Sensing, 2014, 47(1): 793–804.

[26] 劉立成, 呂世海, 高吉喜, 等. 呼倫貝爾森林—草原交錯區(qū)景觀格局時空動態(tài)[J]. 生態(tài)學報, 2008, 28(10): 4982–4991.

[27] 閆苗苗, 李家存, 康孝巖. 基于長時相數(shù)據(jù)的同類型景觀指數(shù)相關性幅度效應分析——以石家莊為例[J]. 地理與地理信息科學, 2015, 31(5): 79–85.

[28] 肖篤寧, 李秀珍. 景觀生態(tài)學的學科前沿與發(fā)展戰(zhàn)略[J]. 生態(tài)學報, 2003, 23(8): 1615–1621.

[29] 陳杰, 陳鐵橋, 梅小明, 等. 基于最優(yōu)尺度選擇的高分辨率遙感影像丘陵農(nóng)田提取[J]. 農(nóng)業(yè)工程學報, 2014, 30(5): 99–107.

[30] 張玲玲, 史云飛, 劉玉華. 空間粒度變化對沂蒙山區(qū)景觀格局指數(shù)的影響[J]. 生態(tài)學雜志, 2013, 32(2): 459–464.

[31] FAN Qindong, DING Shengyan. Landscape pattern changes at a county scale: A case study in Fengqiu, Henan Province, China from 1990 to 2013[J]. Catena, 2016, 137: 152–160.

[32] LI Jun, ZHANG Yuan , WANG Xiang , et al. Application of GPS Trajectory Data for Investigating the Interaction between Human Activity and Landscape Pattern: A Case Study of the Lijiang River Basin, China[J]. ISPRS International Journal of Geo-Information, 2016, 5(7): 104.

[33] 唐利, 邵景安, 郭躍, 等. 社區(qū)水平森林景觀格局動態(tài)特征與驅動因素[J]. 生態(tài)學報, 2017, 37(6): 2101– 2117.

[34] 魏士凱, 范順祥, 張玉珍, 等. 塞罕壩自然保護區(qū)主要植被類型動態(tài)及其驅動力[J]. 應用生態(tài)學報, 2018, 29(4): 1170–1178.

[35] 彭建, 王仰麟, 張源, 等. 土地利用分類對景觀格局指數(shù)的影響[J]. 地理學報, 2006, 61(2): 157–168.

[36] 龔建周, 夏北成. 區(qū)域土地覆被景觀特征的幅度效應及其變異規(guī)律[J]. 資源科學, 2007, 29(4): 97–102.

[37] 王戈, 于強, 劉曉希, 等. 包頭市景觀格局時空演變研究[J]. 農(nóng)業(yè)機械學報, 2019, 50(8): 192–199.

[38] 祖拜代·木依布拉, 夏建新, 普拉提·莫合塔爾, 等. 克里雅河中游土地利用/覆被與景觀格局變化研究[J]. 生態(tài)學報, 2019, 39(7): 2322–2330.

[39] 呂君, 吳必虎. 中國草原旅游研究的進展與展望[J]. 地理科學進展, 2010, 29(4): 403–410.

[40] 王玉明, 王瑞康. 城市化時期郊區(qū)土地利用結構信息熵上升的原因[J]. 地理學報, 2018, 73(09): 1647–1657.

[41] 張慧霞, 婁全勝. 基于分形理論及信息熵的廣州邊緣區(qū)綠地空間結構分析——以番禺區(qū)為例[J]. 生態(tài)環(huán)境學報, 2010, 19(7): 1593–1598.

[42] ?íMOVá P, GDULOVá K. Landscape indices behavior: A review of scale effects[J]. Applied Geography, 2012, 34: 385–394.

[43] 楊莎莎, 湯萃文, 劉麗娟, 等. 流域尺度上河流水質與土地利用的關系[J]. 應用生態(tài)學報, 2013, 24(7): 1953–1961.

[44] 劉紅玉, 李兆富, 李曉民. 濕地景觀破碎化對東方白鸛棲息地的影響——以三江平原東北部區(qū)域為例[J]. 自然資源學報, 2007, 22(5): 817–823.

[45] RAMEZANI H, HOLM S, ALLARD A, et al. A review of sampling-based approaches for estimating landscape metrics[J]. Norsk Geografisk Tidsskrift-Norwegian Journal of Geography, 2013, 67(2): 61–71.

Spatiotemporal scale effect of landscape pattern for natural vegetation in a forest-steppe zone of Hebei

WEI Shikai1,2, XU Wenwen2, ZHANG Zhidong2,*, HUANG Xuanrui2

1. College of Geographic Science, Hunan Normal University, Changsha 410081, Hunan, China 2. Hebei Province Key Laboratory of Forest Trees Germplasm Resources and Forest Protection/College of Forestry, Agricultural University of Hebei, Baoding 071000, Hebei, China

In order to explore the spatiotemporal scale effect of natural vegetation landscape pattern, the random forest classification method was used to interpret the remote sensing images of three periods (1989, 2000 and 2016) in Saihanba area. On the basis of stratified random sampling survey, the landscape indices based on patch type and landscape level were calculated by buffer method. Landscape scale effects of different vegetation types were studied based on the scale spectrum analysis, at the same time, using the information entropy model to determine the optimum spatial extent of landscape pattern. The results showed that the area of grassland and natural secondary forest decreased first and then increased due to rapid extension of plantations from 1989 to 2016. Grassland and natural secondary forest showed the same change characteristics in spatial scale, while presented the different trends in temporal scale. Patch density, shape index and aggregation index had a strong predictability on spatial and temporal scale, and the best spatial extent scale threshold was 300 meters. Severe fragmentation of natural vegetation from 1898 to 2016, might decline biodiversity at some extent. Different indices had different responses to spatiotemporal scales, which were related to the special human geographical environment of the study area.

Saihanba; landscape pattern; landscape metrics; scale effect; information entropy

10.14108/j.cnki.1008-8873.2022.06.019

k909

A

1008-8873(2022)06-157-10

2020-10-18;

2020-11-11

河北省自然科學基金項目(C2020204026); 亞太森林組織(APFNet) 資助項目(2021P2-CHN); 國家自然科學基金項目(32071759); 湖南省研究生創(chuàng)新項目(CX20200526)

魏士凱(1993—),男, 河南安陽人, 博士研究生, 主要從事景觀生態(tài)學研究, E-mail: wesk1993@163.com

通信作者:張志東, 男, 博士, 副教授, 主要從事景觀生態(tài)學研究, E-mail: zhzhido@163.com

魏士凱, 徐雯雯, 張志東, 等. 河北省森林—草原交錯帶天然植被景觀格局時空尺度效應[J]. 生態(tài)科學, 2022, 41(6): 157–166.

WEI Shikai, XU Wenwen, ZHANG Zhidong, et al. Spatiotemporal scale effect of landscape pattern for natural vegetation in a forest-steppe zone of Hebei[J]. Ecological Science, 2022, 41(6): 157–166.