宁夏沿黄人工绿洲农田格局对...影响——以卫宁平原灌区为例_乔荣荣.pdf

第 43 卷 第 2 期2023 年 3 月中国沙漠JOURNAL OF DESERT RESEARCHVol.43 No.2Mar.2023乔荣荣，黄海涛，董春媛，等.宁夏沿黄人工绿洲农田格局对景观多样性的影响以卫宁平原灌区为例 J.中国沙漠，2023，43（2）：21-27.宁夏沿黄人工绿洲农田格局对景观多样性的影响以卫宁平原灌区为例乔荣荣1，黄海涛2，董春媛3，罗立辉4，常学礼3（1.南京大学 生命科学学院，江苏 南京 210023；2.山东省烟台第五中学，山东 烟台 264001；3.鲁东大学 资源与环境工程学院，山东 烟台 264025；4.中国科学院西北生态环境资源研究院，甘肃 兰州 730000）摘要：景观多样性是度量区域生态系统（土地利用/覆盖）类型数量和面积比例的集成指数，是景观生态学研究中使用频率最高的指数。农田作为干旱半干旱区人工绿洲的主要景观组成类型，是近半个世纪绿洲空间结构研究的焦点。本文采用2020年30 m分辨率的土地利用/覆盖数据，借助地理探测器模型的空间分异因子解释力（q统计量）和Moving Window法分析了宁夏沿黄人工绿洲卫宁平原灌区农田格局对景观多样性的影响。结果表明：宁夏沿黄平原区景观多样性（LDI）变化受到了农田总面积（CA）和最大农田斑块指数（LPI）的显著影响，但是它们与斑块间距离（Enn_mn）和斑块类型周长-面积分维数（Pafrac）的交互作用更显著，大于其单独影响。农田总面积和最大农田斑块指数不同级别对LDI都有显著影响；斑块间距离和斑块类型周长-面积分维数分别为67801 m（q0.05）和0.1421.060时对景观多样性影响差异不显著，不在此阈值范围内则对景观多样性有显著影响。关键词：地理探测器；移动窗口法；景观多样性；农田格局；绿洲文章编号：1000-694X（2023）02-021-07 DOI：10.7522/j.issn.1000-694X.2022.00101 中图分类号：P901 文献标志码：A0 引言 农田是构成人工绿洲的主要土地利用/覆盖类型，其核心部分是耕地辅以窄行防护林和小面积园田等各种人工农业种植区1-2，在空间比例和经济产值上都是绿洲的主体，是当地自然、社会和经济协调发展的核心3-4。过去几十年中国绿洲经济发展伴随着农田和城镇扩张同时发生，其中在面积增量上农田扩张贡献大于城镇化5-7。从景观多样性角度来看，某一组成要素（斑块类型）快速扩张必将极大地改变景观组成、结构和功能8-10，而景观多样性就是度量组成和结构的最好指标，因为景观多样性指数计算依赖组成斑块类型数和其所拥有的面积比例11。从干旱区绿洲景观研究现状来看，主要强调绿洲或所在流域整体景观结构变化与驱动因素分析，研究热点几乎涉及到中国西北所有内陆河流域12-18。这些研究基本探明了中国近几十年来干旱绿洲景观变化特点、农田扩张和城镇化对景观变化影响以及湿地和地表水体面积减少带来的景观多样性下降等诸多科学问题，也在景观尺度解释了绿洲化与荒漠化过程对绿洲扩张的影响19-20，并对绿洲景观变化与稳定性权衡、绿洲组分（景观要素）地理空间分异与稳定性关系等进行了详尽分析，解释了绿洲冷岛效应形成机制和植被指数在表征绿洲时空稳定性等方面的优势21-24。这些研究为深入理解绿洲景观变化-格局-功能关系奠定了基础，但是在优势斑块类型对景观多样性影响方面尚缺乏详细的研究。为此，本文借助地理探测器方法，以宁夏沿黄绿洲的卫宁平原灌区为研究对象，在考虑到斑块类型面积、形状、空间收稿日期：20220419；改回日期：20220707资助项目：宁夏回族自治区重点研发计划项目（2021BEG02010）；国家自然科学基金项目（41271193）作者简介：乔荣荣（1995），女，山东济宁人，博士研究生，主要从事生态遥感研究。E-mail：通信作者：常学礼（E-mail：）中国沙漠第 43 卷距离和最大斑块优势等4个维度的前提下，分析农田斑块特征对绿洲景观多样性的影响。拟解决的科学问题是在强调空间异质性基础上哪些农田格局指数是影响绿洲景观多样性的决定指数；指数不同级别是否会对绿洲景观多样性产生影响差异。1 研究区概况 卫宁平原灌区（3718 3742 N，10500 10600 E）位于银川沿黄平原西南上游区，面积约1 241.6 km2（图1）。该区北面与内蒙古自治区阿拉善盟的腾格里沙漠相邻，南部与宁夏同心县的黄土高原区为伴。卫宁平原灌区核心区由中卫市沙坡头区（原中卫县）和中宁县引黄灌溉绿洲组成。从土地利用结构来看，农田面积为836.4 km2，占研究区面积 67.4%，林地、湿地和水体面积分别为 63.4、19.9、56.5 km2。上述 4 种绿洲核心地类合计面积976.2 km2，占研究区面积78.6%以上。研究区湿地和人工灌渠密布，主要有沙坡头南北灌区、七星渠等。该区土壤以隐域性灌淤土和草甸土为主，天然植被以沿黄河分布的沙枣林和零散分布的灌丛湿地植被为主。主要植物种有沙枣（Elaeagnus angustifolia）、枸杞（Lycium chinense）、柽柳（Tamarix chinensis）和芦苇（Phragmites communis）等。该区是国家级沿黄经济区的核心地区，也是国家生态功能区划中的重点区域。2 数据与方法 2.1数据景观数量化特征分析采用 GlobeLand30 2020年产品数据（http：/ m25。研究区涉及的土地利用/覆盖类型包括农田、乔木林地、灌木林地、草地、湿地、水体、人工地表和裸地等8类。2.2方法2.2.1景观多样性与农田格局指数计算景观多样性指数（Landscape Diversity Index，LDI）借用植物多样性中Shannon-Weiner Index进行计算，在Fragstats 4.2完成。在公式（1）中Pi为景观中第i类土地利用类型（或类型分级）占分析单元总面积的比例。在本文研究中共有8种土地利用/覆盖类型，故n=8。LDI=-i=1mPi lnPi（1）考虑到完整代表斑块类型空间分布特征，选用景观级别分类（景观、类型和斑块）中的类型尺度有关指标，包括类型面积（Class Area，CA）、最大斑块面积指数（Largest Patch Index，LPI）、周长-面积分维数（Perimeter-area fractal dimension，Pafrac）和同类型中斑块间平均最邻近欧几里得距离（Euclidean nearest neighbor distance_mean，Enn_mn）4 个指标分别表征研究区农田分布面积、最大斑块优势度、斑块形状和斑块间隔离关系等空间特征，计算公式依据文献 26。所有农田格局指数用自然断点法分为五级（表1）。图1研究区位置Fig.1Location of the study area22第 2 期乔荣荣等：宁夏沿黄人工绿洲农田格局对景观多样性的影响以卫宁平原灌区为例2.2.2分析方法所有景观指数计算在Fragstats 4.2中完成，LDI等5个图层计算采用Moving window模块完成，窗口阈值采用3 000 m（尺度依赖特征分析揭示此尺度是研究区LDI拐点）。由于Moving window计算结果赋值于窗口中心像元并输出结果仍为30 m，形成数据量超出地理探测器软件支持阈限，故对所有分析图层在ArcGIS中用Aggregate（mean）命令重整合至300 m分辨率（图2）。本文地理探测器应用主要解释研究区LDI空间分异与哪一个农田格局指数有关，不同指数分级是否导致LDI空间分异产生差异。地理探测器原理在相关文献中有清楚介绍，其核心包括建立在分区和总体方差之比基础上的分异因子探测，公式为27：q=1-i=1mNi2i/N2（2）式中：q为空间分异因子；Ni和N分别为第i层和研究区栅格数；i和分别为第i层和研究区方差；q值域为 0，1。q值越大LDI空间分异（异质性）越明显。交互探测核心是分析不同农田格局指数叠加表1 农田格局指数（类型面积，CA；平均最邻近欧几里得距离，Enn_mn；最大斑块面积指数，LPI；周长-面积分维数，Pafrac）分级Table 1 Grading of pattern factors in farmland指数CA/hm2Enn_mn/m级别分级范围0254254474474631631771771918067671881884014018018011 931指数LPI/%Pafrac级别分级范围025254646656583831000.0000.1240.1240.4120.4120.7500.7501.0601.0601.497图2研究区LDI与农田格局指数（CA，类型面积；Enn_mn，斑块间平均最邻近欧几里得距离；LPI，最大斑块面积指数；Pafrac，周长-面积分维数）Fig.2Distribution of LDI and farmland pattern factors in the study area（CA，Class Area；Enn_mn，Euclidean nearest neighbor distance_mean；LPI，Largest Patch Index；Pafrac，Perimeter-Area Fractal Dimension）23中国沙漠第 43 卷后获取的所有二因子交互分区q值在对应的分区独立、相加或组合极值（最大和最小）形成的阈值系列中的位置来确定，形成结果有非线性减弱（加强）、独立或双因子非线性增强等几种结果（表2）。生态探测是在交互探测基础上判断用于比较两农田格局指数交互对LDI的空间分布的影响是否有显著差异。显著性用F检查判定，在本文所用地理探测器模型中置信水平（）设定为0.05。风险区探测核心是判断任一个农田格局指数不同级别交互叠加区q值是否能通过q平均值统计学t检查，在本文地理探测模型中也设定为0.05。3 结果 3.1农田格局指数对LDI空间异质性的影响由表3可以看出，研究区不同农田格局指数对LDI 的 解 释 力（q 值）排 序 为 CALPIEnn_mnPafrac，且均通过 F 显著性检验（P0.001）。其中，CA和LPI的解释力超过0.6，而Enn_mn和Pafrac解释力不足0.35。从不同农田格局指数空间叠加区q值探测结果来看（表3），农田面积指数与其他指数重叠区域的q值都大于其单独值，其中除Enn_mn Pafrac重叠区q值（0.376）增加不明显，其他类型重叠区q值（表4中黑体）都显著大于4种指数独立分布 q 值（表 4 中斜体）。F 显著性检查表明，除Enn_mnPafrac和LPIPafrac重叠区，其他重叠区q值都达到了显著水平（P q(x1)+q(x2)q(x1 x2)q(x1)和q(x2)q(x1 x2)q(x1)或q(x2)q(x1 x2)q(x1)和q(x2)q(x1 x2)=q(x1)+q(x2)表3 不同农田格局指数（平均最邻近欧几里得距离，Enn_mn；最大斑块面积指数，LPI；周长-面积分维数，Pafrac；类型面积，CA）对景观多样性的解释力（q值）Table 3 The explanatory power（q-statistic）of different farmland pattern factors on LDIqPEnn_mn0.3440.000LPI0.6310.000Pafrac0.0630.000CA0.6920.000表4 不同农田格局指数（平均最邻近欧几里得距离，Enn_mn；最大斑块面积指数，LPI；周长-面积分维数，Pafrac；类型面积，CA）交互对景观多样性解释力（q值）Table 4 The explanatory power（q-statistic）of interactive detection between different farmland pattern factors on LDIEnn_mnLPIPafracCAE