水环境保护区景观生态脆弱性时空特征分析

陈 浩

（郑州市生态环境局巩义分局，河南 郑州 451200）

城市化进程的加速发展，使人类社会活动的覆盖范围增加，尽管这一发展现象在某种程度上提升了市场内多个产业的发展与建设水平，但在这一趋势下，部分水环境保护区与对应区域的生态流域可持续发展受到了严重影响，社会生态也在这一动荡趋势下呈现一种风险加剧的趋势[1]。而随着工业化建设与城镇化发展建设工作的不断推进，人类活动与自然生态之间的关系越来越密切，如何在保证社会与自然环境和谐共处的前提下促进市场经济建设，成为了国内与国外研究学者的关注重点。综合国家生态环境部与地方自然环境保护单位反馈的数据与信息来看，由于土地资源过度开垦、水资源大量污染导致的生态环境不稳定现象已经非常普遍，而生态脆弱的本质是一种用于衡量或评价生态稳定性的主要方式。针对生态体系的评价方法包括综合评估法、景观规划评估法、生态物种适应性与敏感性评估法等，这些评价方法通过深入挖掘社会自然与生态环境之间的关联性，定位两者在社会中的适应能力，对生态环境中任何一种事物的描述，均有助于生态系统的完善[2]。目前，与景观时空特征相关的研究成为地方生态恢复与环境治理的重点，为了进一步提高生态环境的适应性，提高景观时空规划的合理性，本文此次研究将以某水环境保护区为例，对该地区的景观生态脆弱性时空特征展开分析，以此种方式，为后续相关工作的落实提供指导与帮助。

1 水环境保护区概况与来源数据处理

此次研究以某水环境保护区为例，选择的研究地区位于我国中东部，属于国家经济带重点关注地区，也是我国长江流域的主要构成成分。作为我国水源保护重点区域，地区的生态景观建设一直是有关单位的关注重点，但在近年来人类活动无节制开发的背景下，此地区的景观格局发生了剧烈变化，水域生态环境也受到了严重的侵扰与威胁。为了进一步获取地区生态环境经济发展的概况，有关单位派遣了技术人员前往当地进行地质勘查。经过集中调查后发现，此区域的生态环境较为复杂，其中含有多个驱动因子有待深入考证与查究[3]。为了避免相关因素对此次分析造成干扰，选择水环境保护区外围缓冲10.0 km的覆盖范围作为此次研究的主要区域，此区域的占地面积约为7586.23 km2，其中涉及数十个行政单元。研究区范围与地理位置概况图如下图1所示。

图1 研究区范围与地理位置概况图

图1中：A表示水环境保护区的行政覆盖范围；B表示为研究区覆盖范围；C表示为采样网格区域。完成对水环境保护区概况的集中分析后，使用ArcGIS10.2处理软件，进行网格化采样，采样按照3.0 km×3.0 km进行研究区的网格处理。在此基础上，按照中国土地监测数据标准，对研究区进行一级重分类，得到5种不同类型的景观，分别为林地景观、建设用地景观、农田景观、草地景观与水域景观[4]。同时，使用地理空间云平台与中国地质勘查局网站为此次研究提供系列数据，进行对应数据的轨道编码处理。完成对数据的编码后，进行获取信息类别的划分，假设获取数据可被分为基础数据与核心数据，可参照基础数据进行地级行政线的细化，以此种方式，确保获取信息的真实性和可靠性，实现对来源数据的优化。

为了避免遥感取样图像的清晰度对分析结果造成的影响，在完成对研究区域的遥感数据采样后，采用图像增强、配准、调整等方式，对获取的信息进行预处理。其中所有遥感解译结果均按照K系数评价，当K的解译值＞0.8时，证明研究结果符合需求。

2 基于景观生态格局构建水环境保护区脆弱性模型

完成研究相关数据的获取后，本章将基于景观生态格局，构建一个水环境保护区脆弱性模型。在此过程中，景观生态格局是指在人与自然协同运作下形成的一种全新生态景观。在此格局中，生态覆盖范围的大小、形状与排列组合方式均不相同，使用此种方式对地区进行生态描述，不仅可以全面地展示环境中地物类别的差异性，也可以进一步描述生态过程在不同尺度下或在不同条件下的受干扰情况[5]。

为了确保后续对景观生态脆弱性时空特征描述具有更加可靠的依据，还需要针对驱动因子进行选择。在景观生态当中，其脆弱性程度主要受到时空上的变化影响，其细致划分包括景观组分和格局分布两部分。本文在基于自然和人文社会相结合原则的基础上，将水环境保护区作为研究区域，针对其当前景观生态的脆弱性驱动因子进行选择和分析。水环境保护区与其他景观生态相比，由于多了水域组成部分，地形结构更加复杂，并且存在人地耦合作用，因此也是社会经济热点区域之一。在对其驱动因子进行选择时，从自然因子和人为影响因子两方面寻找。其中，自然因子主要包括：水环境保护区的植被覆盖情况、景观分布情况以及保护区内的地形特征。人为影响因子主要为对水环境保护区土地的利用和使用程度。在明确上述两方面的多项驱动因子后，采用网格采样的方式，构建一个覆盖整个市环境保护区的评价单元结构，并将水环境保护区景观生态的脆弱性定义为因变量，将上述选择的各个驱动因子作为自变量的栅格数据集，并将自变量的栅格数据集作为后续对脆弱性时空特征分析的主要数据依据。

在此基础上，为了实现对景观生态脆弱性时空特征的详细描述，本章基于景观生态格局理论，提出两个用于描述脆弱性指数的参数，对应的参数分别为水环境保护区生态敏感度参数LSI，ILS与水环境保护区生态适应性参数LAI，IAL，基于LSI，ILS与LAI，IAL构建的脆弱性指数模型表示LVI，ILV。其中ILV表示为地区生态景观在受到外界环境干扰时，所表现出的敏感性与整体格局动荡趋势，当ILV数值越高时，证明水环境保护区生态越脆弱，对应ILV的计算公式如下：

公式（1）中：ILS表示为敏感度参数；IAL表示为适应性参数。前者与ILV具有较为密切的关系，生态系统内，景观的多样性越大、结构越复杂且整体结构分布越均匀，证明景观的稳定性系数越高，抵御外界干扰的能力越强，为了进一步阐述两者的关系，将两者关系用下述计算公式表示：

公式（2）中：DPR表示为景观斑块丰度密度指数；ISHD表示为香农多样性参数；ISHE表示为香农均匀参数。在完成IAL的描述后，进行ILS的描述，其中ILS是指景观环境受到外界干扰时，不同类别的景观受损差异，也可将其定义为景观属性损失程序，对应ILS的计算公式表示为：

公式（3）中：U表示为景观受干扰程度；V表示为对应景观的易损程度；n表示为景观数量；i表示为景观类型。完成两个参数的描述后，对接计算公式（1），实现对水环境保护区脆弱性模型的构建。

3 景观生态脆弱性时空特征分析

3.1 景观生态类型变化特征

完成对模型的构建后，使用ArcGIS10.2处理软件，对获取的遥感数据进行解析，将获取的数据与上述计算公式进行匹配，匹配后得到2012年～2015年、2015年～2018年、2018年～2021年三期的土地利用数据，并统计可视化处理后的数据，将其整理成表格，如下表1所示。

表1 景观生态类型变化数据

综合上述表1整理的数据可以看出，在整体研究时间段，水环境保护区的林地景观、草地景观占地面积整体呈现一种下降趋势，景观周边林地已出现濒危的危险，草地景观分布更加疏散，退化现象较为显著。水域景观的占地面积整体呈现一种上升趋势，并且随着地区经济建设工作的持续推进，建设用地景观占地面积整体上升，基于时空特征层面分析，研究地区的“城进湖退”问题是较为严重的。

3.2 景观生态脆弱度指数变化特征

完成上述分析后，按照文章2中提出的计算公式，辅助使用景观时空特性分析软件Fragstats4.2，对研究区的景观数据进行分析（景观类型周长、景观在区域内的占地面积、景观斑块数量等），得到景观生态脆弱度指数，如下表2所示。

表2 景观生态脆弱度指数

综合上述表2整理的数据可以看出，不同类型景观的脆弱度指数由低到高分别为：水域景观、建设用地景观、农田景观、林地景观、草地景观，其中草地景观与林地景观的生态脆弱度指数呈现递增趋势，建设用地景观、农田景观的生态脆弱度指数呈现先减少后增加的趋势，水域景观的生态脆弱度指数呈现递减趋势。综上所述，水环境保护区的景观生态脆弱度指数整体较差，生态系统的持续化建设仍有待加强。

3.3 水环境保护区景观生态脆弱性驱动机制分析

利用上述构建的基于景观生态格局构建水环境保护区脆弱性模型进行对OLS的回归检验，并完成对上述选择的驱动因子的多重共线性检验。综合得出的分析结果，针对驱动水环境保护区景观的生态脆弱性进行解析。在基于景观生态格局构建水环境保护区脆弱性模型当中，根据每个网格评价单元计算得出的各个驱动因子变量的回归系数，通过系数的大小实现对驱动因子在评价当中对景观生态脆弱性程度的描述。将回归系数计算结果直接作为驱动因子变量的贡献度，当计算得出的回归系数的绝对值越大，则说明该驱动因子变量在模型当中对脆弱性的贡献度越高；反之，当计算得出的回归系数绝对值越小，则说明该驱动因子变量在模型当中对脆弱性的贡献度越低。通过上述计算和分析，实现对自变量和因变量关系的描述，并为驱动机制的分析提供依据。通过计算得出的回归系数，反映出不同驱动因子对脆弱性指数模型LVI的作用强度。再通过回归系数在空间当中的分布情况，显示出不同驱动因子对LVI的作用强度，并根据得出的计算结果对其均值进行排序。回归系数在空间当中的分布特征能够更加直观地显示出不同驱动因子对水环境保护区景观生态脆弱性的影响程度，并且将其具体的向异性特征进行更加清晰地描述。各个驱动因子在对脆弱性空间作用影响的特征主要包括以下几点：首先，水环境保护区破碎度对于其脆弱性的促进作用主要在空间上呈现出不同的变化趋势，在水环境保护区域林地、造地和农地交错分布的位置上脆弱性逐渐增加，说明这一部分区域对于其脆弱性的影响作用较大。其次，植被指数驱动因子的回归系数计算结果呈现出从湖区和建筑用地区域到山地区域逐渐增加的趋势，说明植被指数的变化对于其脆弱性的影响山地区域明显高于湖区和建设用地区域。再次，对坡度驱动因子的回归系数计算结果分析，在水环境保护区域当中，坡度更加平滑的区域，坡度驱动因子回归系数更小，而坡度较大的区域，坡度驱动因子回归系数更大，说明坡度因子的变化对于脆弱性的影响成正比例相关关系。最后，对土地利用程度驱动因子的回归系数计算结果进行分析，在不同土地利用程度区域当中，土地利用程度更高的区域其脆弱性越弱，而土地利用程度更低的区域其脆弱性越强，但从整体来看土地利用程度对于该区域景观生态的脆弱性影响并不大，因此土地利用程度驱动因子仅属于影响景观生态脆弱性的弱性重要因子。在研究区域当中，土地的利用程度越高，其板块破碎度越低，进而使得其连通性进一步加强，区域景观生态的脆弱性降低。通过本文上述综合分析，回归系数越低，则其土地的综合利用程度越高。当前随着各地区建设用地和核心区域不断扩张，并且呈现出成片化的开发与发展趋势，因此使得水环境保护区也受到一定影响。区域内的景观连通性得到了提升，景观整体结构上变得更加有序，且斑块的形状也逐渐规则化，进而降低了整个流域的破碎度，以此达到了提升水环境保护区整体稳定性和抗干扰能力的效果，有效降低了景观生态的脆弱性。对于周围分布着山区的部分水环境保护区而言，由于与没有山区分布的保护区相比，受到人为干扰的强度得到了有效降低，因此其生态脆弱性会随着土地利用程度的不断下降，进而呈现出不断上升的趋势，对于水环境保护区的可持续发展而言具有十分不利的影响。

4 结语

本文此次研究以某水环境保护区为例，从景观生态类型变化特征、景观生态脆弱度指数变化特征两个方面，对该地区的景观生态脆弱性时空特征展开分析。经过综合分析后发现，研究地区的“城进湖退”问题是较为严重的，水环境保护区的景观生态脆弱度指数整体较差，生态系统的持续化建设仍有待加强。因此，可在后续的研究中，加大对研究区域生态环境建设的投入，提高地区生态的适应性能力并降低生态环境的敏感度，避免由于外界因素的干扰，使地区生态环境发展受限。