基于HSI模型的吉林省东部地区生境质量动态评价

孟庆林， 李明玉， 任春颖， 王宗明， 田艳林

(1.延边大学理学院地理系，延吉 133002； 2.中国科学院东北地理与农业生态研究所湿地生态与环境重点实验室，长春 130102)

0 引言

生境是指生态系统能够提供给物种生存繁衍所需条件的潜力，生境质量的优劣决定了野生动物栖息地的适宜性高低[1]，生境质量的好坏与生物多样性的维持密切相关[2]，生境质量越好，生物多样性越高。近年来生境质量评价研究已成为生态学研究中的热点，尤其在生物多样性服务功能评估中应用广泛[1]。

目前，国内外有关生境质量的评价研究主要针对河流[3]或某些物种[4]，多采用生态调查法[5]、评价指标法[6]和基于模型运算[7]等研究方法。生态调查法需要耗费大量人力物力，适用于小尺度研究； 评价指标法与3S技术结合，节约了人力物力，但缺乏普适性； 近年来大多数学者采用生境适宜性模型(habitat suitability index model，HSI)[7]、社会价值评估模型(social values for ecosystem services，SolVES)[8]、生态系统服务评估与权衡模型(integrated valuation of ecosystem services and tradeoffs，InVEST)[9]等模型来开展不同尺度上的生境质量评估研究。吴健生等[9]运用InVEST模型对京津冀地区的生境质量进行了时空演变分析； 白杨等[10]设置了不同情境，采用InVEST模型对白洋淀流域进行了生物多样性的预测与评价。基于模型的生境质量评价方法应用广泛，但仍存在一定局限性且缺少验证，如HSI模型通常需要假设物种与环境之间存在线性关系，具有一定主观性； InVEST模型是关于生态系统服务评估的模型，其生境模块是基于生境胁迫评估，在不同区域需要不同的参数设置[9]。总而言之，对整个生态系统的生境质量评价已成为研究趋势，多种方法之间的验证和多种模型的综合评估是生境质量评价的重要研究方向[11]。

吉林省东部地区为长白山生态功能区的一部分，生物资源丰富，是吉林省的天然生态屏障，经济建设快速发展，但自然环境保护与经济发展之间的矛盾日益突出。本研究基于HSI模型，选取水源状况、干扰因子、遮蔽条件及食物来源作为评价因子，采用熵值法和层次分析法确定各因子权重，对吉林省东部地区2000年和2015年的生境质量及其动态变化进行评估，并从评价因子、气候、经济政策和土地覆被变化等方面分析变化原因，旨在为实现区域可持续发展、保护和改善区域生态环境提供科学参考和依据。

1 研究区概况

吉林省东部地区地理范围为N40°50′～44°40′，E125°20′～131°20′，包括延边朝鲜族自治州、白山市和通化市(图1)，地貌上分为长白山中山低山区和低山丘陵区，主要有大黑山、张广才岭、吉林哈达岭、老岭和牡丹岭等山脉，地貌的形成以冰川、流水、风和其他气候气象因素作用为主。该区位于中纬度地区，属于温带大陆性季风气候区，四季分明，年平均气温为4～5℃，年均降水量为400～600 mm，主要集中在夏季。区内河流水系发达，包括绥芬河、图们江、辽河、松花江和鸭绿江五大水系； 湖泊主要有天池、松花湖和查干湖等，水资源丰富。此外，长白山区是中国六大林区之一，陆生野生动物约445种，野生植物约3 890种，森林资源也非常丰富。

图1 研究区地理位置示意图Fig.1 Geographic map of the research area

2 数据源与研究方法

2.1 数据源及其预处理

土地覆被解译所用遥感数据来源于中国地理空间数据云的Landsat TM/OLI遥感影像(空间分辨率为30 m)，包括2000年及2015年5—10月份的TM/OLI遥感数据，每期共9景； 数字高程模型(digital elevation model,DEM)数据(空间分辨率为30 m)通过国际科学数据服务平台获得； 河流和道路等基础信息来源于国家基础地理信息中心，比例尺为1∶25万； 归一化植被指数(normalized difference vegetation index，NDVI)数据利用NDVI公式计算得到； 人口经济数据来源于2001年和2016年吉林省统计年鉴； 气温降水数据来源于中国气象数据网中国地面累年值数据集。利用ENVI5.2软件对遥感影像进行影像融合、拼接和裁剪等操作，得到研究区遥感数据，利用ArcGIS软件基于DEM数据提取坡度和坡向信息。数据采用统一的投影和坐标系，且转换为250 m空间分辨率的Grid格式。

2.2 土地覆被信息提取

参考国内土地资源分类体系[12]，根据研究目的将土地覆被类型分为林地、草地、耕地、湿地、建设用地、裸地等6类。运用面向对象分类方法进行土地覆被分类，主要包括2个步骤： 影像分割和分类规则的设定。分割过程基于eCognition软件平台实现，影像分割参数设置如下： 分割尺度为10，颜色权重为0.8，形状权重为0.2； 分类规则采用决策树分析方法，根据不同土地覆被类型的特征和光谱规律对节点、指标和阈值进行设定，包括NDVI、亮度指数和形状比等。分割后的影像根据分类规则进行自动分类，再结合野外调查确立解译标志，通过目视解译对分类结果进行修改验证，得到土地覆被数据。

通过野外实地调查，取得了1 679个验证点，采用混淆矩阵[13]对分类结果进行精度验证，2000年的总体分类精度为90%，2015年的总体分类精度为95.6%，分类结果精度较高，满足本研究需求。

2.3 研究方法

2.3.1 评价因子选取

合理选取评价因子对生境质量评价至关重要[14]。根据以下2个原则选取评价因子： ①环境因素对生境质量是否有直接影响； ②气候、地形等大尺度因素对生境质量的影响程度。结合研究区特点及以上原则，选取了4个对生境质量具有直接影响的生存环境控制因子作为评价指标，具体包括：

1)水源状况。水源是任何生物生存的基础，是维持生物多样性的前提，在本研究中主要采用河流和湖泊的密度来反映，基于土地覆被数据通过ArcGIS10.2软件中的Density模块得到研究区河流、湖泊的密度图。

2)干扰因子。人为活动严重影响着生物的存在，本研究从人类影响程度较高的居民点和道路2方面进行评价，居民点和道路密度越大，干扰越强，生境质量越低，密度数据同样通过Density模块获得。

3)遮蔽条件。生物依存与周围环境，良好的植被条件可以为动物提供隐藏场所来躲避天敌和人类捕杀，主要从土地覆被类型和坡度2方面进行评价，坡度数据基于DEM数据通过ArcGIS软件获得。

4)食物来源。充足的食物可以保证物种的生存。NDVI可以体现植被的生长状况，反映初级生产力的大小，已成功应用于食物来源的评价[15]。NDVI计算公式为

NDVI=(NIR-R)/(NIR+R)，

(1)

式中NIR和R分别代表Landsat影像的近红外和红光波段亮度值。

2.3.2 评价因子权重确定

由于每种因子对生境质量影响程度不同，需要对每个因子设置权重。结合熵值法和层次分析法[16]确定每个因子权重，有效避免了人为主观因素干扰。

生境质量HSI计算公式为[11]

(2)

式中：wi为评价因子权重；fi为各评价因子得分；n为评价因子的个数。具体评价因子权重如表1所示。

表1 生境质量评价因子权重及分级标准Tab.1 Habitat quality evaluation factor weight and grading standard

采取百分制形式对各个二级因子打分[15]，再进行极差标准化处理，计算公式为

F=(x-xmin)/(xmax-xmin)，

(3)

式中：F为标准化因子值；x为某因子得分；xmin和xmax分别为该因子得分最小值和最大值。结合各层权重进行叠加分析，得到各因子分布和生境质量分布，运用自然断点法将评价结果分为生境质量最好、生境质量较好、生境质量一般、生境质量差4个等级，数值范围分别为[75，100]，[50，75)，[25，50)，[0，25)，得到2000—2015年间生境质量分布情况。

3 结果与讨论

3.1 生境质量单因子评价

2000年和2015年生境质量评价因子分布情况如图2所示。

(a) 2000年水源状况 (b) 2000年干扰因子 (c) 2000年遮蔽条件 (d) 2000年食物来源

(e) 2015年水源状况 (f) 2015年干扰因子 (g) 2015年遮蔽条件 (h) 2015年食物来源

图2 2000年和2015年生境质量评价因子分布

Fig.2Distributionofhabitatqualityassessmentfactorsin2000and2015

从空间上来看，研究区西部地区水源状况明显好于东部，这是由于西部降水量多于东部且水库河流密度大； 从干扰因子可以看出，研究区中心地带人为干扰较强，得分较低，主要分布在延边州境内，该地区旅游业较为发达，人口比较集中； 由于研究区内林地分布较广，遮蔽条件与林地分布具有明显相关性，食物来源由NDVI赋值获得，林地的NDVI值高于其他覆被类型，其次为草地和耕地，从分布上来看也与林地分布有着直接关系，所以研究区的遮蔽条件和食物来源比较好。

将2000—2015年间各评价因子得分变化数据进行叠置显示如图3所示。

图3 各评价因子得分增加的空间分布Fig.3 Spatial distribution of increasingscores of evaluation factors

研究区内水源状况增加不明显，且干扰因子在西部变强、东部变弱，变强的地区大于变弱的地区，但研究区内遮蔽条件和食物来源显著提高，西南部变化较明显于东北部且零散地分布于整个研究区。从空间分布上来看，4种评价因子的变化没有存在明显的协同关系，说明生境质量的变化是受多种评价因子共同影响的。

3.2 生境质量动态评价

研究区生境质量评价结果及不同级别生境质量面积统计情况分别如图4和表2所示。

(a) 2000年 (b) 2015年

图4 研究区生境质量评估结果

Fig.4Resultsofhabitatqualityassessmentinstudyarea

表2 2000年和2015年生境质量面积统计情况Tab.2 Habitat suitability area in 2000 and 2015

从图4中可以看出，研究区的生境质量西部好于东部，是因为东部较西部人为干扰程度较高，水源状况较差。研究区生境质量最好和较好的部分所占比重较大，2000年占研究区总面积的84.57%，2015年为85.86%，生境质量总体较好，且与林地、湿地具有较强的空间一致性。对比图2可以看出，这部分区域遮蔽条件和食物来源较好，其土地覆被类型为林地，这是研究区内生境质量较好的基础。生境质量一般和差的区域占研究区的比重较小，主要分布在各个城市建设用地周围，生境质量一般的区域大都为耕地和草地，主要分布在研究区的东部，受人类干扰较为严重，不利于大型野生动植物生存； 生境质量差的区域为建设用地和裸地，是人类干扰程度最严重的区域，不能为野生动植物提供良好的生存环境，生境质量差区域呈零星分布且面积所占比重最小。综上说明研究区内生境质量普遍较好。

对比2000年和2015年生境质量的变化情况，生境质量差的区域所占比重变化不大，有少量增加，占研究区总面积的0.03%，生境质量一般和生境质量较好的区域有所减少，一共减少了3 113.88 km2，占研究区总面积的3.54%； 而生境质量最好的区域增加了3 089.31 km2，占研究区总面积的3.51%。变化情况如图5所示。

图5 2000—2015年间生境质量变化情况Fig.5 Change in habitat suitability from 2000 to 2015

2000—2015年间生境质量变好的区域主要集中于研究区西部，分布于白山市、通化市和敦化市北部地区，面积为9 414.19 km2，占比10.69%，因为该部分区域遮蔽条件和食物来源变好。生境质量变差的区域集中于桦甸市、蛟河市和敦化市3市接壤地区，面积为5 627.5 km2，占比6.39%，该区水源状况变差，人为干扰的影响增多，最终导致生境质量变差。综上所述研究区内生境质量总体上由生境质量一般和生境质量较好转化为生境质量最好，进一步证明2000—2015年间研究区生境质量呈变好状态。

3.3 驱动力分析

3.3.1 评价因子变化

评价因子的变化是研究区内生境质量变化的根本原因，本研究通过将2000年和2015年的4个评价因子和生境质量数据进行比值运算，对其结果进行相关分析(表3)，发现生境质量变化与水源状况和食物来源的变化呈正相关性，与遮蔽条件变化有较弱的正相关性，而与人为干扰因子的变化呈负相关性，说明干扰因子是影响生境质量的胁迫因素，生境质量的变化是由多个因子变化叠加造成的。

表3 评价因子相关系数Tab.3 Evaluation factor correlation coefficient

注： 所有相关系数的检验p<0.05。

通过对研究区15 a间每年最大NDVI的均值变化进行分析(图6)，结果表明研究区内NDVI呈增加的趋势且2015年最大，证明研究区2000—2015年间的生境质量明显变好。

图6 研究区NDVI变化趋势Fig.6 Change trend of NDVI in the study area

3.3.2 土地覆被变化

土地覆被的变化直接影响着植被的分布，2000年和2015年研究区内主要的土地覆被类型为林地，遮蔽条件优越，食物来源丰富，分别占研究区总面积的80.49%和80.75%，且2015年比2000年增加了230.57 km2，是生境质量变好的原因之一，其次为耕地，分别占研究区总面积的15.77%和15.57%，15 a间面积减少了178.77 km2，这是在退耕还林政策的影响下，改善了自然环境，提高了生境质量(表4)。

表4 2000—2015年间土地利用状态转移矩阵Tab.4 Land-use status transition matrices from 2000 to 2015 (km2)

其他土地覆被类型占研究区总面积的比重较小，建设用地向外扩张，侵占了部分林地和耕地，使遮蔽条件变差，食物来源减少，导致生境质量变差，由于基数较小，对整个研究区的总体生境质量变好影响不大。湿地、草地和裸地分别呈不同程度减少的趋势，湿地主要转化为耕地，造成了一定区域生境质量变差，这是导致生境质量较好区域减少的原因之一。

3.3.3 社会经济因素

社会经济因素的变化主要影响干扰因子的变化(表5)，吉林省东部地区各市国民生产总值(gross domestic product，GDP)显著增长，经济建设需要大量的城市建设用地[17]，侵占耕地和林地是城市扩张的主要来源，15 a间面积增加了242.13 km2，干扰因子加强，导致生境质量变差； 当地居住人口变化不大，但旅游人数大幅度增长，对该地区的交通、餐饮和住宿等基础设施压力增大，进一步加快了建设用地扩张和道路完善。延边州旅游业相对较好，这是研究区内干扰因子东部高于西部的原因之一。

表5 吉林省东部各市GDP、人口和旅游人数变化Tab.5 Change of GDP, population and tourist populationby cities in the east of Jilin Province

同时吉林省旅游业发展十二五规划提出了“生态化”原则，以长白山区域为核心，建设东部绿色生态旅游产业发展区[18]。截止2012年研究区内共建立了25个自然保护区，其中国家级10个，省级7个，市级3个，县级5个[19]，自然保护区的建立提高了遮蔽条件和食物来源，生境质量得到提高； 自1998年实施“天保工程”和1999年实施“退耕还林”工程以来，在吉林省东部地区取得了显著效果[20-21]，不仅增加了林地面积，改善了生态环境，提高了吉林省东部地区整体生境质量，还增加了当地生物量，为保持生物多样性提供了保障。

3.3.4 气候变化

气候条件影响植被的分布[22]，气温和降水量是影响气候变化的重要因素，影响着研究区内水源状况、遮蔽条件和食物来源的变化。1952—2015年间年均气温呈波动上升的趋势(图7)，气候逐渐变暖，直接促进了植被的生长，研究发现年最大NDVI均值与年均气温呈正相关，相关系数为0.31，且通过0.05水平的一致性检验，说明NDVI值的提高，使生境质量变好； 研究区内1952—2015年间年降水量有稍微下降的趋势，导致研究区内水源状况下降，但年降水量均在400 mm以上，属于半湿润地区，满足森林植被的生长需要。“封山育林”等措施更加有利于森林植被生长，使遮蔽条件和食物来源变好，为吉林省东部地区的生境质量提供了良好基础。

图7 研究区气温、降水量年际变化Fig.7 Temperature and precipitationchanges of the study area

4 结论

本文基于HSI模型，选取水源状况、干扰因子、遮蔽条件和食物来源4个评价指标，对吉林省东部地区进行生境质量评估，分析2000—2015年间该区域生境质量的动态变化特征，并从评价因子、土地覆被变化、经济政策和气候条件等方面进行了驱动力分析。结果表明：

1)2000年和2015年研究区整体生境质量都较好，且西部生境质量均高于东部，林地为主要土地覆被类型，遮蔽条件和食物来源因子较好，这是2000年和2015年生境质量整体较好的基础。2000—2015年间研究区生境质量变好的区域面积为9 414.19 km2，占研究区总面积的10.69%，生境质量变差的区域面积为5 627.5 km2，占研究区总面积的6.39%。

2)土地覆被变化直接影响着生境质量的变化，城市建设用地的扩张是生境质量变差的主要原因； 随着“退耕还林”、“天保工程”等国家政策的提出，耕地变为林地，林地得到保护，生境质量提高； 研究区内气候条件适宜，同时吉林省推进绿色发展生态旅游建设，为吉林省东部地区生境质量的提高提供了有利保障。

3)今后研究区要加强生境质量最好和较好区域的生态保护力度，合理恢复生境质量一般区域的生态环境，严格控制生境质量差区域的城市扩张。

4)本研究突破了局部尺度和特定物种研究的局限性，实现了HSI模型在区域尺度的应用，不足之处在于详细的物种统计信息较难获得，且缺少实地验证，这也是本研究未来需更加关注的方向。