文章信息
- 赵春燕, 李际平, 马文俊, 袁晓红, 郑柳
- Zhao Chunyan, Li Jiping, Ma Wenjun, Yuan Xiaohong, Zheng Liu
- 顾及耦合作用的森林景观多尺度分类
- Multi-Scale Forest Landscape Classification Considering Coupling Effect
- 林业科学, 2013, 49(11): 183-188
- Scientia Silvae Sinicae, 2013, 49(11): 183-188.
- DOI: 10.11707/j.1001-7488.20131126
-
文章历史
- 收稿日期:2013-01-24
- 修回日期:2013-05-06
-
作者相关文章
2. 四川省林业勘察设计研究院 成都 610081
2. Sichuan Forestry Exploration and Design Institute Chengdu 610081
森林景观是以森林生态系统为主体而构成的景观,其分类是确定景观构成要素及空间分布格局(陆元昌等,2005)。但景观异质性依时间和空间尺度变化而存在差异,在大尺度下空间变异中的“噪声”成分在另一种较小尺度下表现为“结构性”成分,一个景观单元在小尺度上呈现异质性(邬建国,2000),而在大尺度上可能具有均质性(赵玉涛等,2002)。不同尺度景观要素具有不同程度均质性(Goberna et al.,2007)。森林景观分类是一个基于土地利用类型、植被和环境条件等因素而将其划分为多级分类体系的科学过程(朱耀军等,2011)。因此,森林景观分类具有尺度特性,不同尺度下森林景观分类的构成要素及构成要素等级不同。
森林景观生态学中,森林景观要素形成的斑块通过不同立地条件下阳光、水分等能量和物质的流动,相互作用,相互协调,使生态系统从无序到有序,有机结合形成稳定森林景观的过程称为耦合作用(Fonseca et al.,2007)。森林景观要素之间由于长期耦合作用,在景观斑块交界处往往同时出现相邻景观的物种,呈现过渡性景观特征,景观斑块边界具有模糊性,使得相邻景观异质性程度变低,在大尺度景观分类时考虑将其合并。本文以西洞庭湖区河洑林场为例,分析森林景观的多尺度分类依据,以森林资源二类调查空间数据为数据源,利用ArcGIS软件的空间分析功能,提出了一种基于矢量数据的多尺度森林景观分类方法,并把其分类结果与遥感影像进行空间套叠,其空间位置比较一致,挖掘矢量空间数据和遥感影像在景观分类中的尺度相关关系。
1 研究区概况西洞庭湖区位于湖南省北部,总面积为142.2万hm2,主要包括常德市的桃源县、汉寿县、津市市、鼎城区、武陵区等地域,位于云贵高原、湘西山地向洞庭湖平原过渡地带,属中亚热带向北亚热带过渡的湿润季风气候区,气候温和,年平均气温16.7 ℃,年降水量1 346.5 mm。
该区域的主要树种有杉木(Cunninghamia lanceolata)、湿地松(Pinus elliottii)、马尾松(Pinusmassoniana)、樟树(Cinnamomum camphora)、木荷(Schima superba)、棕榈(Trachycarpus fortunei)、枫香(Liquidambar formosana)等。其中杉木林面积占林地面积的30%,主要分布在海拔1 000 m以下的山地;马尾松和湿地松面积约占42%,多为次生林,以中幼林和疏林居多。
2 材料与方法 2.1 研究数据数据以该区域2007年的森林资源二类调查数据为主。在ArcGIS软件支持下,与1:1万地形图配准,与小班区划数据建立地理空间数据,每一个小班区划单元通过ID标识关联属性数据,生成林相图。小班属性数据包括小班号、地类、优势树种、龄组、郁闭度、土壤类型、坡度、坡向、坡位、海拔等20多个属性数据项。使用的遥感影像从谷歌地球上下载2007年的数据,下载了空间分辨率为0.27,0.54和1.07 m 3种遥感影像。
2.2 森林景观要素的类型分级景观要素分类是一个多级分类体系,景观类型每一个等级划分结果对应一种尺度的森林景观斑块。一般基于自然地理或气候、土地利用类型、植被和土壤特征等因素而划分。景观要素类型的划分可粗可细,要根据所研究内容、所阐述问题确定景观要素类型划分的详细程度(陆元昌等,2005;马文俊,2011)。
以景观异质性为主要划分依据建立森林景观类型4级分类(表 1),其中1级划分依据为林地类型;2级划分依据为植被类型;3级划分依据为优势树种类型;4级划分依据为优势树种类型与龄组。划分为幼龄林、中龄林、近熟林、成熟林和过熟林。
环境因子与植被分布格局存在相关关系(淮虎银等,1997;沈泽昊等,2000;李际平等,2012),其相关程度与研究区域、研究尺度等有关,多尺度的森林景观分类需要考虑环境因子,尤其是环境主导因子。针对西洞庭湖区,陈端吕(2008a)通过主成分和灰色关联度分析方法,找出影响森林景观分布的主导敏感因子为地貌、海拔、坡度、坡向、坡位、景观类型、林龄和郁闭度。本研究区均属于低海拔,不考虑海拔因子,林龄按照龄组划分。因此,研究景观分类采用表 2中地貌、坡度、坡向、坡位、优势树种组、龄组和郁闭度。
对多尺度森林景观分类,选取环境主导因子,将主导因子进行分类或分级。不同尺度森林景观分类,选择主导因子数量有差异,主导因子的分类或分级等级不同,小尺度的景观分类研究,选择的主导因子种类较多,每个主导因子分类或分级的等级较多;相反,大尺度的景观分类研究,选择主导因子种类较少,每个主导因子分类或分级等级较少(表 2)。主导因子分类或分级等级减少,实质是类型合并或等级归并的过程。
2.4 确定森林景观分类因子分类因子的确定取决于景观分类的尺度(Turner et al.,1991)。根据研究区域实际情况,小尺度景观分类选取优势树种、龄组和郁闭度3个植被因子,选取海拔、坡度、坡向、坡位4个地形因子,随着景观分类的尺度增大,选取的环境因子数量减少,同时所选因子进行等级合并。2.5建立景观多尺度分类数据库多尺度的景观分类关键是确定分类因子及其等级划分的数量,本研究使用的数据以小班为最小单元的森林资源二类调查数据,把小班区划结果视为森林景观分类的最小尺度,研究区域被分割成面积大小不等的森林景观空间基本单元,每个单元有各个景观分类因子的属性值,较大尺度森林景观分类为相邻小班合并,合并依据为相邻小班邻近关系,其关键为森林景观分类时邻近关系的确定。建立多尺度景观分类数据库应满足: 1)下一级景观分类数据库与上一级分类数据库中空间单元数量相同,取消下一级景观分类数据库;2)每一个尺度的分类数据库中,类与类之间具有一定景观异质性(陆元昌等,2005)。
2.6 森林景观类型环境耦合度地域上相邻的不同类型斑块之间存在耦合作用,这种耦合作用通过生态因子相互作用与相互影响,森林景观耦合作用使斑块边界处与核心区域在物种多样性、生产力等方面存现差异,反映出边缘效应(乌玉娜等,2010;赵紫华等,2012),边缘效应强度体现相邻景观斑块耦合作用大小(赵春燕,2012)。森林景观斑块之间耦合作用与景观类型及环境因子有关,李际平等(2008)提出森林景观类型环境耦合度,同一环境条件、空间地域相邻2个森林景观类型因环境资源利用性竞争的作用程度,反映具有相异或相似的森林景观在同一环境相互作用过程。借鉴生态学中的“生态位”,利用相似系统原理,构建森林景观类型基于环境适宜性的耦合度模型:
$ {\lambda '_{i(A,B)}} = \left\{ \begin{array}{l} \frac{{\min \left[ {{U_{Ai}},{U_{Bi}}} \right]}}{{\max \left[ {{U_{Ai}},{U_{Bi}}} \right]}},222222\min \left[ {{U_{Ai}},{U_{Bi}}} \right] \le 0.5,\\ \begin{array}{*{20}{l}} {1 - \frac{{\min \left[ {{U_{Ai}},{U_{Bi}}} \right]}}{{\max \left[ {{U_{Ai}},{U_{Bi}}} \right]}},{\rm{222222}}\min \left[ {{U_{Ai}},{U_{Bi}}} \right] > 0.5。} \end{array} \end{array} \right. $ | (1) |
以小班为最小单元的森林资源二类调查为数据源,多尺度森林景观分类需要在此数据基础上进行属性归并、图形合并(彭煜玮等,2007)。分析空间单元之间语义邻近,利用ArcGIS软件空间分析功能的支持,实现基于语义邻近的图形合并(赵春燕等,2012)。
3 结果与分析 3.1 研究区域多尺度森林景观分类结果1)研究区域森林景观类型环境耦合度 借鉴陈端吕等(2008b)对西洞庭湖区森林景观格局敏感因子的分析,因在西洞庭湖区,气候、土壤类型等差异不大,因此本研究选取海拔、坡度、坡向、坡位4个因子,运用式(1)计算研究区域的森林景观类型环境耦合度,结果如表 3。
森林景观多尺度分类研究中,针对大尺度森林景观分类,考虑景观类型的环境耦合度进行小面积图形合并。依据赵春燕(2012)对森林景观斑块的边缘效应研究成果,若景观类型斑块面积小于边缘效应宽度为半径圆的面积,该斑块处在边缘效应影响范围内,将其与具有高环境耦合度景观类型合并,成为一个景观斑块。
2)研究区域4个尺度森林景观分类 在研究区域以河洑林场为例,运用ArcGIS系统的空间分析功能,以森林资源二类调查为基础数据,实现从小尺度到大尺度图形综合与属性等级合并,其结果为相应尺度的森林景观分类结果(图 1),图 1a为1:1万森林资源二类调查图;图 1b为森林景观小尺度分类结果,比例尺为1:2.5万;图 1c为森林景观中尺度分类结果,比例尺为1:10万;图 1d为顾及耦合作用的森林景观分类结果,比例尺为1:10万。为了图形显示清楚,图 1a缩小为50%,图 1b放大到120%,图 1c和图 1d放大到400%。
1)此方法实现从较小尺度到较大尺度的森林景观分类,尺度的选择既可依据矢量图比例尺要求,也可依据景观要素和环境主导因子的分级结果。图 1是按照景观要素和环境主导因子分级结果划分尺度,其中图 1a为森林资源二类调查原图;图 1b为地貌、坡度、坡向、坡位、优势树种组、龄组和郁闭度7个属性因子按表 2小尺度等级合并结果图,划分的森林景观类型为:松木类幼龄阳面景观、松木类幼龄阴面景观、松木类中龄阳面景观、松木类中龄阴面景观、松木类成熟阳面景观、松木类成熟阴面景观、杉木类幼龄阳面景观等;图 1c为不考虑环境因子对景观分类影响的结果,按照森林优势树种组分类,划分的森林景观类型为:松木类景观、杉木类景观、慢生阔叶类景观、中生阔叶类景观、快生阔叶林景观、灌木类景观、经济林类景观、柏木类景观;图 1d为考虑优势树种组之间耦合作用强度的景观分类结果。若研究区域范围更大,可以考虑按照林地类型或土地利用类型进行更大尺度的森林景观类型划分。
2)图 1d顾及森林景观类型之间耦合作用强度,消除图 1c中小面积森林景观斑块,将其合并到空间上相邻且具有高环境耦合度景观类型斑块中。面积大小的设置依据森林景观分类的尺度,在图 1d中比例尺为1:100 000,消除了面积小于10 000 m2的森林景观类型,有效解决大尺度森林景观斑块划分破碎化程度较高的问题。
3)图 1中只显示4种尺度景观分类结果的图形,运用该方法可以建立多种尺度景观分类数据库,图 1c中没有考虑环境因子对景观分类的影像,依据环境因子对景观格局分布及景观内部异质性影响程度,在图 1b到图 1c可以增加1种或多种景观分类,如考虑优势树种、龄组和地貌进行分类。因此,运用该方法可以实现10多种尺度的森林景观分类。
4)一般情况下,森林景观类型划分越细,森林斑块的面积越小,数量越多,景观内部同质性越高,破碎化程度越高;相反,划分越粗,森林斑块的面积越大,数量越少,景观内部同质性越低,破碎化程度越低。图 1为河洑林场按照森林景观类型不同分级的斑块划分结果,河洑林场总面积约355 hm2,森林资源二类调查原图图 1a有83个空间单元,每个空间单元划分为小班,图 1b有70个空间单元,图 1c有51个空间单元,每个空间单元内优势树种相同,图 1d有34个空间单元,每个空间单元内优势树种相同,并顾及森林景观类型之间耦合作用,消除面积小于10 000 m2的空间单元,将其合并到相邻空间单元。
5)基于林相图的多尺度森林景观分类结果与遥感影像进行空间套叠,其空间位置比较一致。小尺度森林景观分类与高空间分辨率的遥感影像套叠的空间位置一致,大尺度分类与低分辨率遥感影像套叠空间位置一致,本研究从谷歌地球下载遥感影像,谷歌地球有20种等级的遥感影像,空间分辨率从0.27 m到142 km,图 1b与空间分辨率为0.54 m的遥感影像套叠的空间位置接近,图 1c图与空间分辨率为1.07 m的遥感影像套叠的空间位置接近,图 1d图与空间分辨率为2.15 m遥感影像套叠的空间位置接近(图 2)。
图 2中出现部分空间位置不一致的情况,其原因可能有: 1)森林资源二类调查数据与实际存在不相符的情况;2)运用ArcGIS软件进行遥感影像图配置时存在空间位置误差;3)某一尺度森林景观分类使类与类之间异质性不明显。
4 结论与讨论1)以小班为最小空间单元的森林资源二类调查为数据源,依据森林景观分类时对尺度选取的要求,分析该尺度下景观要素类型与环境主导因子的等级,小尺度森林景观分类依据植被因子和环境主导因子的分类分级,大尺度森林景观分类顾及森林景观类型之间的耦合作用,以此作为小面积森林景观单元归并到相邻单元的依据,该方法能够实现10多种尺度的森林景观分类。
2)本研究针对以矢量图形数据为数据源的森林景观多尺度分类,提供了小尺度到大尺度景观分类的方法,依据森林景观类型之间的边缘效应和耦合作用强度,消除小面积图斑,将其合并到具有高环境耦合度景观类型的图斑。
该研究在以下方面还需要进一步研究与讨论:
1)基于林相图的多尺度森林景观分类与遥感影像进行空间套叠,其空间位置比较一致。但是与不同空间分辨率遥感影像分类结果的吻合程度需要更进一步研究,包括: ①森林景观分类的尺度与哪一种空间分辨率遥感影像分类结果吻合,吻合程度的对比及原因分析;②在上述研究结果基础上,进一步细化基于矢量图形的森林景观多尺度分类依据。
2)进一步研究基于多种数据源的森林景观分类,依据矢量图形和遥感影像在森林景观分类结果的关联关系,研究基于多尺度矢量图形和多种空间分辨率遥感影像的森林景观分类方法。
[1] | 陈端吕,李际平.2008a.西洞庭湖区森林景观格局的环境响应.林业科学,44(7): 29-35.(1) |
[2] | 陈端吕,李际平,肖化顺,等.2008b.西洞庭湖区森林景观格局的生态敏感研究与评价.长江大学学报: 自然科学版,5(2):23-28.(1) |
[3] | 淮虎银,周立华.1997.青海湖湖盆南部的植被与海拔梯度.西北植物学报, 17(4):522-527.(1) |
[4] | 李际平,陈端吕.2008.森林景观类型环境耦合度模型的构建与应用.中南林业科技大学学报, 28(4):67-71.(1) |
[5] | 李际平,孙拥康.2012.西洞庭湖区森林景观与立地因子关系研究.中南林业科技大学学报,32(8): 1-6.(1) |
[6] | 陆元昌,洪玲霞,雷相东.2005.基于森林资源二类调查数据的森林景观分类研究.林业科学, 41(2): 21-29.(3) |
[7] | 马文俊.2011.西洞庭湖区森林景观划分及其格局研究.长沙:中南林业科技大学硕士学位论文.(1) |
[8] | 彭煜玮,彭智勇.2007.空间数据融合技术的研究.计算机工程, 33(18):51-55.(1) |
[9] | 沈泽昊,张新时.2000.三峡大老岭地区森林植被的空间格局分析及其地形解释.植物学报, 42(10):1089-1095.(1) |
[10] | 乌玉娜,陶建平,赵 科,等. 2010.海南霸王岭天然次生林边缘效应下木质藤本的变化.林业科学, 46(5): 1-6.(1) |
[11] | 邬建国. 2000.景观生态学——格局、过程、尺度和等级.北京:高等教育出版社.(1) |
[12] | 赵春燕,李际平,袁晓红,等.2012.涉及邻近关系的多尺度林业数据图形综合方法.林业科学,48(6): 159-164.(1) |
[13] | 赵春燕.2012.森林景观斑块边缘效应和耦合机理研究.长沙:中南林业科技大学博士学位论文.(2) |
[14] | 赵玉涛,余新晓,关文斌. 2002.景观异质性研究评述.应用生态学报, 13(4): 495-500.(1) |
[15] | 赵紫华,欧阳芳,贺达汉.2012.农业景观中不同生境界面麦蚜天敌的边缘效应与溢出效应.中国科学: 生命科学,42(10): 825-840.(1) |
[16] | 朱耀军,王 成,贾宝全,等.2011.基于树冠覆盖的广州市中心区绿化格局分析.林业科学,47(7): 65-72.(1) |
[17] | Fonseca C R, Joner F. 2007. Restoration ecology,two-sided edge effect studies and the restoration of endangered ecosystems. 15(4): 613-619.(1) |
[18] | Goberna M, Pascual J A, Garcia C, et al. 2007.Do plant clumps constitute microbial hotspots in semiarid Mediterranean patchy landscapes? Soil Biology & Biochemistry, 39(5): 1047-1054.(1) |
[19] | Turner M G,Gardner R H.1991.Quantitative methods in landscape ecology:the analysis and interpretation of landscape heterogeneity. New York: Springer-Verlag.(1) |