兴国县森林破碎化及其影响因素分析

陈胜兰，毛旭鹏，臧 颢

(1.国家林业和草原局中南调查规划院，湖南 长沙 410014；2.江西省林业资源监测中心，江西 南昌 330046；3.江西农业大学林学院，江西 南昌 330045)

森林覆盖了地球近三分之一的土地，是陆地生态系统的主体，对支撑地球生命系统具有重要作用[1]。森林破碎化是陆地生态系统的一个重要方面，表现为森林斑块数量的增加，形状趋于不规则，内部生境面积缩小，廊道被截断，斑块彼此隔离[2]。相关研究表明[3]，森林边缘的碳储存能力比核心森林低50%，而森林破碎化过程将不断增加森林景观的边缘，这将导致生态条件和碳积累能力的急剧变化。森林破碎化程度或模式的变化会影响森林生境中大多数哺乳动物、爬行动物、鸟类和两栖动物的生境质量[4]。研究森林破碎化状况及其影响因素对于区域森林资源监测、保护和修复具有重要意义。

城镇化的加速使得森林的完整性和连续性面临着严峻的挑战，已有文献大多利用景观指数时空动态变化方式开展森林破碎化研究[5-7]，但研究结果空间指示性不足，缺乏现实指导意义[8]。近年来，国家出台一系列政策扶持赣南原中央苏区的发展，在快速发展的同时，森林生态系统的保护面临着巨大压力。本研究以赣南原中央苏区县兴国县为例，评估区域森林破碎化状况，并从“自然—社会”和“保护—发展”2个维度探究森林破碎化的影响因素及其空间分异规律，以期达到2个目标：一是为县域尺度森林破碎化类型划分及森林破碎化评估提供技术支撑，二是为县域尺度制定监测、保护和利用森林资源管理方案、政策、制度提供参考。

1 材料与方法

1.1 研究区概况

兴国县位于江西省中南部、赣州市北部，介于115°01′—115°51′E、26°03′—26°41′N之间(图1)，国土总面积3215 km2。区内以低山、丘陵为主，由东北西边缘逐渐向中南部倾斜，形成以县城为中心的小盆地，海拔127.9～1204.0 m，属江西省的山区县。年均气温18.8 ℃，年均降水量1515.6 mm。境内丹霞地貌地质遗迹资源丰富，森林覆盖率72.2%。

图1 研究区区位

1.2 指标选取及数据来源

1.2.1 指标选取 根据研究尺度并遵循数据的可获得性原则，选取以下6个指标：①从“自然—社会”维度选取平均海拔、平均坡度、距水系平均距离、距村庄平均距离等4个指标。②从“保护—发展”维度选取距森林公园平均距离、距主要道路(铁路、高速公路、国道、省道)平均距离等2个指标。

1.2.2 数据来源

1)森林资源数据。来源于江西省第七次森林资源二类调查(2019年)，选用实地调查数据可有效避免遥感影像分类处理可能存在森林分类不准确、森林斑块综合过大等精度不高的问题，使研究结果更加科学与精确。利用ArcGIS转换工具得到30 m分辨率的森林栅格数据，重分类为森林和非森林2类。

2)地形地貌数据。海拔数据来源于地理空间数据云平台ASTER GDEM 30 m分辨率数字高程数据，剔除异常值后利用ArcGIS提取研究区坡度。

3)道路数据。以国家基础地理信息中心提供的1∶25万全国基础地理数据库、OSM中国区域数据(2019年)及百度PIO道路矢量数据为基础，结合研究区2019年0.2 m分辨率航空影像，经修正后得到研究区铁路、高速公路、国道、省道矢量数据。

4)森林公园范围。来源于自然保护地整合优化前江西均福山省级森林公园及江西园岭省级森林公园范围的矢量数据。

5)村庄数据。来源于百度PIO村庄点矢量数据。

6)水系数据。以江西省湿地调查数据库、国家基础地理信息中心提供的1∶25万全国基础地理数据库和OSM中国区域矢量数据(2019年)为基础，结合研究区2019年0.2 m分辨率航空影像，经修正得到研究区主要水系矢量数据。

1.3 研究方法

灰色为森林像元；白色为非森林像元图2 9×9像元网格内和的计算图解

1.3.1 森林破碎化模型 利用Riitters等[9]构建的森林破碎化模型对研究区森林破碎化类型进行划分。该模型生成森林密度(Pf)和森林连接度(Pff)2个值表征位于固定大小移动窗口中心的森林像元。为了实现森林破碎化模型的过程，首先需要确定分析窗口的大小。一般地，大窗口可减少不确定性，小窗口可增加结果的精度[10]。在考虑数据的分辨率、感兴趣的最小森林特征的大小以及各种窗口大小的实用性，本研究选择9×9像元窗口(270 m×270 m)进行分析。Pf是指在一定大小窗口中的森林像元数(Nf)与像元总数(Nw)之比，Pf=Nf/Nw；Pff是主方向上具有2个森林像元的像元对数目(Dff)与至少有一个森林像元的像元对数目(Df)的比值，Pff=Dff/Df。

9×9窗口内森林像元的Pf和Pff值的计算过程见图2。在81个像元中，58个是森林像元，因此，Pf=58/81=0.72。考虑主方向上的像元对，相邻像元对的总数是144。其中，122个像元对包含至少1个森林像元，而81个像元对包含2个森林像元，因此，Pff=81/122=0.66。

根据Pf和Pff值，将森林像元分为6种类型：内部森林、孔洞森林、边缘森林、过渡森林、斑块森林和未确定森林。各森林破碎化类型判定标准见表1。

表1 各森林破碎化类型判定标准

图3 样本网格

1.3.3 样本网格提取 依据研究区范围和数据源现状，利用ArcGIS渔网工具在研究区设置3 km×3 km的网格，提取在空间上完全位于研究区范围内的301个网格作为研究样本(图3)。利用森林连续性模型计算各样本网格内的森林连续性作为因变量，各样本网格内的平均海拔、平均坡度、距水系平均距离、距村庄平均距离、距森林公园平均距离、距道路(铁路、高速公路、国道、省道)平均距离作为自变量。

2 结果与分析

2.1 森林破碎化评价

将森林破碎化模型和森林连续性模型应用于研究区2019年森林资源二类调查数据，研究区各森林破碎化类型的分布情况见图4。其中：内部森林占总森林面积的26.8%，斑块森林占2.0%，过渡森林占6.0%，孔洞森林占44.5%，边缘森林占20.5%，未确定森林占0.2%。孔洞森林分布广泛，其中龙口镇孔洞森林占森林总面积比例最大，为57.5%，加强对龙口镇孔洞森林的修复，可以精准有效降低区域森林破碎化水平；内部森林主要分布在古龙岗镇、兴江乡、南坑乡、良村镇、崇贤乡、茶园乡、均村乡、高兴镇。

根据森林连续性模型及森林破碎化类型划分的结果，计算各样本网格的森林连续性；利用自然间断点分级法划分为5级，得到森林连续性空间分布图(图5)。样本网格森林连续性最大值为0.78；最小值为0，集中分布在县城及周边区域，此区域森林面积较少且斑块森林较多；平均值为0.13，森林破碎化较为严重，主要由研究区较多的孔洞森林造成。

图4 森林破碎化类型图5 森林连续性空间分布

2.2 OLS模型及结果

普通最小二乘法建模首先需要检验因变量的正态分布情况。经K-S检验，森林连续性不符合正态分布，通过自然对数变换后，在95%置信水平下呈正态分布。回归结果(表2)表明，仅平均海拔、平均坡度和距村庄平均距离3个变量通过检验并进入回归模型，模型调整后的AdjustedR2为0.6754，3个变量的VIF值均小于10，即变量间不存在多重共线性问题，校正赤迟信息准则(AICc)为579.0618。各影响因素系数显示，平均坡度、距村庄平均距离对森林连续性具有显著的正向影响，即平均坡度越大、距离村庄越远的区域，其森林连续性越高，森林破碎化程度越小。主要原因是坡度越大、距离村庄越远区域的森林受到人为干扰的程度越小，与一般认知相符。平均海拔则存在显著的负向影响，即平均海拔越高的区域，其森林连续性越小，森林破碎化程度越大，这与一般认知存在差异，后文将对该现象进行阐释。

表2 普通最小二乘法回归结果

通过进一步检查模型残差，其Moran′sI值为0.2414(P<0.001)，说明残差具有正的空间自相关性，由于相依残差的存在违反了普通最小二乘法估计的假设，故有必要进一步采用地理加权回归模型对自变量影响的空间异质性进行研究。

2.3 GWR模型及结果

进一步采用地理加权回归方法建模，模型残差的Moran′sI为-0.0196(P<0.05)，残差不再具有显著的空间自相关性，模型参数见表3。将表3与表2比较，模型的AdjustedR2为0.7508(>0.6754)，AICc值为524.1246(<579.0618)，地理加权回归模型拟合效果明显优于普通最小二乘法，表明考虑变量空间异质性的地理加权回归模型在估计环境变量对森林破碎化的影响方面表现更好。

地理加权回归模型结果显示了样本网格空间的特定系数，各系数的描述性统计见表4。结果显示，各解释变量回归系数的平均值与中位数比较接近，其对森林破碎化的影响在空间范围内趋于同质；但从其变化范围来看，各解释变量的影响力方向和强度在空间上的变异较大。进一步采用自然间断点分级法对模型回归系数进行空间可视化表达，刻画各自变量回归系数的空间分异。各影响因素对森林破碎化具有显著的空间异质性，见图6。

2.3.1 平均海拔对森林破碎化的影响 平均海拔对森林连续性的影响总体呈现由县城周边区域向东北和西部区域递增趋势，逐渐由负向影响转为正向影响(图6 a)。在县城周边区域，平均海拔存在显著的负向影响，这是由于县城周边区域平均海拔处于较低水平，本底森林资源量相对较少，人们对于留存的森林资源更加珍视，保护意识相对较强，加之不断加速的城镇建设逐渐向海拔较高的山地开发；另外，此区域造林条件较好，有利于及时造林和造林后的管护，因此，此区域平均海拔越高，森林连续性越低，森林破碎化程度越高。在距离县城较远的东北和西部区域，平均海拔存在显著的正向影响，这是由于此区域较为偏远，城镇开发建设力度小，海拔较高的区域受到人为干扰的程度小，因而随着平均海拔升高，森林破碎化程度越低。

表3 森林连续性地理加权回归模型参数

表4 地理加权回归模型回归系数的描述性统计

2.3.2 平均坡度对森林破碎化的影响 平均坡度对森林连续性的影响整体呈现正向影响，且影响的空间异质性最显著，总体由县城周边区域向外递减(图6 b)。在县城周边区域，平均坡度存在显著的正向影响，即平均坡度越大的区域森林连续性越高，森林破碎化程度越小。县城周边城镇建设受工程地质条件及建设成本的限制，往往选择坡度更小的山地进行开发，坡度较小的山地森林资源更容易丧失。在距离县城较远的东北和西部坡度较大的区域，城镇化带来的影响逐渐减弱，森林破碎化程度随坡度的增大，其正向影响逐渐减弱。

2.3.3 距村庄平均距离对森林破碎化的影响 距村庄平均距离对森林连续性的影响整体呈现正向影响，总体从以“茶园乡—崇贤乡—兴莲乡—樟木乡”为中心线向两边逐渐递减(图6 c)，即在大部分区域，距村庄越远的区域，其森林连续性越高，森林破碎化程度越低。但是在潋江镇等城镇化程度相对较高的区域，森林连续性受到的影响逐渐由正变负，即距离村庄越远，森林连续性越小，森林破碎化程度越大。这是由于在此区域，距离村庄越远的地方，城镇化的影响导致森林正在逐渐被细分为更小的斑块森林，森林破碎化逐渐加剧；在距离村庄较近的地方，留存的森林斑块较少，多数被作为风景林而加以更好的保护，因此，相对于距离村庄较远的区域，其森林破碎化程度受到村庄的影响呈现相反的变化方向。

图6 地理加权回归模型影响因子的回归系数空间分异

3 结论与讨论

3.1 结论

本研究采用森林连续性表征区域森林破碎化，评估区域森林破碎化状况，并从“自然—社会”和“保护—发展”2个维度选择森林破碎化的影响因素；利用普通最小二乘法筛选出影响区域森林破碎化的主导影响因素，研究因变量和自变量之间的整体关系；最后利用地理加权回归研究其在空间上对森林破碎化的影响程度。得到以下结论：①研究区孔洞森林面积>内部森林面积>边缘森林面积>过渡森林面积>斑块森林面积>未确定森林面积。②孔洞森林面积占森林总面积的44.5%，较多的孔洞森林造成了整体较高的森林破碎化状况。森林破碎化较低的区域主要分布在距离县城较远的偏远乡镇。③森林破碎化主要影响因素为平均海拔、平均坡度和距村庄平均距离，道路(铁路、高速公路、国道、省道)、主要水系及森林公园等对研究区森林破碎化的影响不显著。在影响空间特征中，平均海拔和距村庄平均距离的影响呈现显著的两极化趋势，平均坡度的影响呈现显著的正相关特征。在影响强度特征中，平均海拔呈现较明显的以县城周边区域为中心的环带式增强特征，平均坡度呈现较明显的以县城周边区域为中心的环带式提升特征，距村庄平均距离呈现较弱的以“茶园乡—崇贤乡—兴莲乡—樟木乡”为中心线的环带式减弱特征。对于在县城周边城镇化较高的区域，森林所处位置的海拔越高、坡度越小、距离村庄越远，森林破碎化越严重；对于在距离县城较远的东北和西部区域，森林所处位置的海拔越低、坡度越小，森林破碎化越严重。

3.2 讨论

1)Hurd J D等[11]提出的利用Riitters等构建的森林破碎化模型结果衡量区域内的森林连续性能够有效评估县域尺度的森林破碎化状况，考虑影响因素的空间非平稳性特征，采用地理加权回归模型能够为监测评估县域尺度森林破碎化状况提供理论支撑。

2)研究区孔洞森林面积占比最大，加强对孔洞森林的修复对于减轻区域森林破碎化具有重要作用。

3)区域森林破碎化的3种显著影响因素呈现显著的空间非平稳性。县城周边距离村庄较远区域的城镇开发力度相对较大，海拔较高、坡度较小的区域成为城镇开发建设用地的主要目标，导致了这些区域森林破碎化相对更加严重。因此，县城周边的林地和林木资源应纳入县域尺度下的重点监测对象，对于影响森林连续性的关键节点应避免林地的无序占用、林木乱砍滥伐以及对林分的非法改造，如改造为果木林等，对于退化林分应加大改造力度。距离县城较远的东北和西部区域，海拔较低、坡度较小区域的交通条件相对较好，开发利用成本较低，受到人为干扰程度相对较大，重点应将宜林地、无立木林地、迹地、临时占用林地、退耕地等可造林地及时恢复成林，同时加强对低质、低效林的改造，最大限度保障此区域对于维持森林连续性的森林节点的可用性。