基于GWR模型的道路对景观破碎化影响研究

刘栩成, 尹小玲, 黄光庆, 陈彩霞

基于GWR模型的道路对景观破碎化影响研究

刘栩成1, 2, 尹小玲2*, 黄光庆2, 陈彩霞2

1. 广州大学地理科学学院, 广州 510006 2. 广州地理研究所, 广东省遥感与地理信息系统应用实验室, 广东省地理空间信息技术与应用公共实验室, 广州 510070

道路是影响区域景观破碎化的重要因素, 但以往的研究往往忽视这种影响在局部空间上的差异。以惠州市为研究区, 选取国道和省道作为城市主要道路, 引入地理加权回归模型(GWR), 通过道路距离与景观破碎度的关系分析城市主要道路对景观破碎化的影响, 并揭示道路对景观破碎化影响的空间异质性。结果表明: (1)研究区的景观破碎化具有显著的空间集聚现象, 使用GWR 模型分析具有更好的拟合效果。(2)道路对不同类型景观的破碎化造成了不同的影响: 在景观水平上, 道路距离与景观破碎度主要呈正相关关系; 在类型水平上, 道路距离与林地破碎度主要呈正相关关系, 与耕地和城乡建设用地破碎度主要呈负相关关系。(3)道路距离与景观破碎化的关系在不同的空间位置存在差异, 正相关和负相关区域的分布均呈现明显的空间集聚特征。(4)两者关系的空间异质性反映出除了道路外, 地形和所处位置到城市中心的距离对景观破碎化的共同影响。研究结果有利于进一步揭示道路对景观格局变化的影响机制。

道路; 景观破碎化; 空间异质性; 地理加权回归; 惠州市

0 前言

道路作为一种人工干扰廊道, 对生态系统和景观产生深远的影响[1], 其中重要的体现就是道路引起的景观破碎化。道路建设带来的景观破碎化会导致生物多样性下降以及生态系统功能衰退等问题[2], 因此, 采用定量化手段研究道路对景观破碎化的影响, 对协调道路建设与景观格局优化十分有意义。

道路对景观破碎化的影响主要通过两方面实现, 一方面, 道路本身会对原有的自然景观进行切割, 形成“屏障效应”; 另一方面, 道路作为深入景观的途径, 吸引人类活动和土地开发在沿线集聚, 从而侵占生境斑块, 导致景观破碎化加剧[3-5]。对于后一种影响途径, 以往研究主要通过描述统计或线性回归等方法进行分析[6-9]。这些研究能在全局上揭示道路对景观破碎化的影响程度和范围, 却忽略了空间异质性的问题, 即道路对景观破碎化的影响是随着地理位置变化而变化的。如Lisa Freudenberger等人研究发现德国勃兰登堡州的道路干扰与景观破碎化存在明显的相关关系, 同时道路干扰对景观破碎化的影响程度在空间上分布并不均衡[10]; 张景华以澜沧江流域为研究区发现道路对景观格局的干扰在河流的上、中、下游呈现出明显的差异[4]; Ramon Reimets等人通过研究塔林的城市交通干道沿线景观格局梯度变化, 发现即使是同一道路的两侧也会呈现出不对称的景观格局梯度变化规律[11]。

道路对景观格局的影响机制较为复杂, 其对景观格局的影响范围和强度往往会随着空间位置的变化而发生改变[12], 传统的描述统计方法和线性回归分析方法对这方面考虑较少。地理加权回归模型作为一种局部统计模型, 在解决变量相互关系的空间非平稳性方面具有很高的应用价值。本文以广东省惠州市为研究区, 运用地理加权回归模型(GWR)分析道路对景观破碎化的影响, 比较GWR模型与传统线性回归模型的拟合效果, 并进一步揭示道路对景观破碎化影响的空间非平稳性。

1 研究区概况

惠州为广东省地级市, 属珠江三角洲, 位于粤港澳大湾区东部, 位置为113º48′49″—115º25′35″E, 22º24′11″—23º57′36″N。惠州市下辖惠城区、惠阳区、惠东县、博罗县和龙门县, 全市总面积为11599平方公里。惠州已建成较为完善的城市道路交通网络, 至2011年底, 公路通车里程10892.8公里, 公路密度达97.6公里每平方公里。与此同时, 惠州市的道路途经各种类型的景观, 而道路建成引起的土地利用变化势必会对所在地区的景观破碎化带来影响, 因此选择惠州市作为研究区具有一定的代表性。

2 研究方法与数据

2.1 数据来源与处理

土地利用数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn/)公布的2015年中国土地利用现状遥感监测数据, 数据空间分辨率为30 m ×30 m。对土地利用数据进行重分类, 依据研究区域的土地覆被情况和全国土地利用分类标准, 本研究将研究区的土地利用分为林地、耕地、建设用地、草地、水域、未利用地6类。

道路数据来源于地理国情监测云平台上获取的全国道路网络矢量数据, 道路按等级分为高速公路、国道、省道、乡道和等外公路。不同等级道路对景观格局的影响程度和影响机制并不相同[13], 高速公路因其封闭特征具有特殊性, 而低等级道路在研究区分布较为零散, 较难体现道路距离变化对景观破碎化的影响。为了使研究更有针对性, 本文提取其中的国道以及省道作为研究对象。

图1 研究区土地利用和道路分布图

Figure 1 Distribution of land use and roads in study area

2.2 研究方法

2.2.1 景观破碎度评价

景观格局指数是反映景观破碎化程度的重要指标。景观格局指数包括景观水平指数和类型水平指数。景观水平指数反映景观镶嵌体整体的景观格局, 类型水平指数反映单一景观类型的景观格局。根据景观破碎化的含义及研究区的实际情况, 在景观水平上, 本文选取最大斑块指数(LPI)、景观分离度(DIVISION)、斑块密度(PD)三个景观指数, 分别对三个指数进行标准化处理并对其进行相加, 得到景观破碎度综合指数, 以此反映景观水平上的景观破碎化程度; 在类型水平上, 由于研究区的林地、耕地、建设用地3种用地类型合计占总面积的90%以上, 因此本文提取研究区的耕地、林地、建设用地三种主要地类, 选取有效筛网大小(meff)作为反映这三种地类破碎化程度的指标。

景观格局指数采用移动窗口法进行计算。移动窗口的大小对景观格局计算结果会产生一定的影响, 移动窗口过大难以反映景观指数的空间格局, 移动窗口过小则受限于图像分辨率从而影响景观指数的科学性[14]。本文分别尝试500、1000、1500、2000、2500、3000 m边长的移动窗口计算, 发现随着移动窗口边长增加景观指数也会随之变化, 但是边长增加至1500 m后景观指数变化开始趋缓, 边长增至2000 m后景观指数变化趋于稳定。综合考虑研究区的面积大小以及土地利用数据的空间分辨率, 以2000 m边长的移动窗口进行景观格局计算, 并且提取每个2000 m × 2000 m格网上的景观格局破碎度指标和到道路的距离, 分别作为分析的因变量和解释变量。景观格局指数计算在软件Fragstats4.2中完成。

2.2.2 空间自相关分析

本文采用全局自相关统计量Moran’s I来检验景观破碎化程度的空间相关性, 计算公式如下[15]:

2.2.3 地理加权回归

道路对景观破碎化影响的空间异质性主要通过地理加权回归模型进行分析。地理加权回归模型(GWR)是对传统回归模型的扩展, 在变量具有明显空间分异特征的情况下, 地理加权回归模型通过计算回归模型局部参数, 可以很好地解决空间非平稳性问题, 从而对模型的拟合优度进行提升, 并且将变量间关系的空间非平稳性展现出来[16]。GWR 模型的参数是关于位置i的函数, 估计参数随着空间位置i的变化而变化。GWR模型可表示成如下公式[17]:

为验证GWR模型在本文分析中的拟合效果, 本文将GWR模型的拟合参数与传统的最小二乘法线性回归模型进行对比。普通最小二乘法(ordinary least squares, OLS)是一种全局性线性回归模型, 采用最优拟合直线的方法对被解释变量和解释变量之间相互关系进行分析[18], 计算公式如下:

表1 GWR模型与OLS模型参数估计结果对比

3 结果分析

3.1 GWR模型拟合结果

通过空间自相关分析得出全局Moran’s I指数值为0.499, p值为0.00, 景观破碎化程度具有空间自相关性置信度在99%以上, 这表明研究区的景观破碎化呈现出空间自相关, 需要用GWR模型对道路距离与景观破碎度的关系作进一步的拟合分析。

GWR模型参数估计结果中的2拟合优度, 表示回归方程对因变量变化的解释程度, 值越大则模型拟合效果越好; AIC为赤池信息量, 值越小表明回归模型拟合效果越好。从表2可以看出无论是景观水平还是类型水平的参数结果, GWR模型的拟合优度2均大于OLS模型, 赤池信息量AIC则小于OLS模型。这表明相比于OLS模型, GWR模型对道路距离与景观破碎化之间关系的解释能力更强, 拟合效果更优。

3.2 道路对不同类型景观破碎化的影响

GWR模型对每个样点上回归系数进行局部统计, 用于反映道路距离与景观破碎化之间的关系, 回归系数为正表明距离道路越近景观破碎化程度越高, 回归系数为负表明距离道路越近景观破碎化程度越低。通过回归系数的正负占比判断道路对不同类型景观破碎化的影响(表2), 可以看出道路对不同类型的景观破碎化具有不同的影响性质。在景观水平上, 道路距离与景观水平破碎度以正相关为主, 正相关区域占比为71.87%; 在类型水平上, 道路距离与耕地破碎度的关系较为复杂, 负相关区域为68.95%, 与林地破碎度的关系以正相关为主(73.74%), 与城乡建设用地破碎度的关系以负相关为主(79.85%)。

3.3 道路对景观破碎化影响的空间异质性

通过道路距离与景观破碎度回归系数的空间分布(图2), 分析道路与景观破碎化关系的空间异质性。结果表明, 回归系数的正负和数值大小呈现明显的空间变化, 表明道路对景观破碎化的影响具有显著的空间异质性。

表2 道路距离与不同类型景观破碎度的相关关系

(1) 道路对景观水平破碎度影响的空间异质性

正相关区域和负相关区域均呈现明显的空间集聚特征; 正相关区域主要集中分布在道路沿线, 其中回归系数大于2.3的样点集中分布在道路沿线2km范围内, 表明道路对景观水平破碎化的影响主要集中在道路沿线地区; 高度负相关区域(回归系数为–0.224—–4.52)主要分布在博罗县东北部的国道沿线以及龙门县北部, 这些区域主要为山地地形; 同时惠城区、惠阳区和惠东县的城区中心也是高度负相关的集中分布地区。

(2) 道路对耕地破碎度影响的空间异质性

高度负相关区域(回归系数为–1.237—–5.384)主要分布在博罗县东北部的国道和省道沿线, 以及惠东县东部的国道省道交汇处, 这些地区距离城区中心较远, 人口密度低, 经济发展较为滞后; 高度正相关区域(回归系数为0.47—4.34)主要为各区县的城区中心以及博罗县西部的省道沿线, 这些地区人口稠密, 经济相对发达。

(3) 道路对林地破碎度影响的空间异质性

道路距离与林地破碎度回归系数的空间分布特征与景观水平较为相似, 高度正相关区域(回归系数大于2.22)主要集中在道路沿线地区, 表明道路引起其沿线地区的林地破碎化; 高度负相关区域(回归系数–0.145—–2.348)主要分布在龙门县的北部山区, 惠东县的东部及南部山地。

图2 城市主要道路对景观水平(a)、耕地(b)、林地(c)、城乡建设用地(d)破碎度影响的空间异质性

Figure 2 Spatial heterogeneity of the impact of major roads on landscape level fragmentation(a), cultivated land fragmentation(b), forest land fragmentation(c) and construction land fragmentation(d)

(4) 道路对城乡建设用地破碎度影响的空间异质性

从空间分布来看, 道路距离与城乡建设用地负相关区域(回归系数小于–2.17)尤为明显地集聚在各区县的城区中心; 正相关区域主要分布距离城区中心较远的地区。

整体上看, 道路距离与各类型景观破碎度的回归系数值在空间分布上存在较大差异, 通过对比城市中心区与非城市化地区, 以及山地与平原地区, 这种差异尤为明显。

4 讨论

4.1 GWR模型的拟合优势

本研究采用了OLS模型和GWR模型分析道路对景观破碎化的影响, 发现 OLS模型在拟合效果方面不如GWR模型。传统的OLS模型属于全局统计模型, 无法考虑道路对景观破碎化影响随位置变化而产生的差异, 而以局部空间统计为基础的GWR模型在变量具有空间非平稳性的情况下更具拟合优势, 也更能刻画道路对景观破碎化影响的复杂性。

4.2 道路对不同类型景观破碎化的影响差异

道路对不同类型的景观破碎化的影响性质不同, 本文研究发现在景观水平上道路距离与景观破碎度主要为正相关, 在类型水平上道路距离与耕地和建设用地破碎度为负相关, 与林地为正相关, 这反映了不同类型景观的景观格局受道路影响的方式不同。景观水平破碎度反映的是景观镶嵌体的整体破碎化程度, 在越接近道路的地区人类活动越强烈, 景观多样性程度更高, 景观更趋于破碎化, 这与以往的研究结论是相符合的[19]; 而在类型水平上, 耕地和城乡建设用地是人类活动的载体, 其布局需要考虑交通可达性, 往往会集中布局在道路沿线地区, 因此在整体上距离道路越近其破碎度反而更低; 与代表人类活动的耕地和建设用地景观相比, 林地通常属于自然景观, 道路沿线的耕地和人工景观对林地形成侵占, 加剧了林地的破碎化[3], 因此道路距离与林地破碎化的关系在整体上为负相关。在道路的规划建设中应注意道路对不同类型景观格局影响的差异, 尤其是在选线时要尽量避免对大面积的林地斑块形成干扰。

4.3 道路距离与景观破碎化关系的空间异质性

以往有研究表明道路对景观格局的影响同时受到其他因素的共同作用[20-21], 但对其他因素的作用及机制缺乏进一步的定量研究。本文通过GWR模型的回归系数的空间分布, 发现回归系数随着地形条件以及距城市中心距离的变化而产生较大差异, 这表明道路对景观破碎化的作用同时受到地形条件和距城市中心距离的影响。

地形在道路对林地破碎化影响的空间分异中的作用最为明显, 这是因为在海拔较高的山区道路两旁的人类开发活动较少, 难以对林地斑块形成干扰和侵占, 道路对林地破碎化的影响往往更集中在低海拔地区; 距城市中心的距离对道路与各类型景观破碎度的关系均有较大影响, 这是因为距离城市中心的距离在一定程度上反映了人类活动的强度, 在中心城区等经济较发达地区道路沿线的建设开发强度更大, 道路沿线的城乡建设用地在城区呈现出更加明显的集聚, 成为主导景观类型, 而耕地和林地斑块在此更容易受到人工景观的侵占从而变得破碎[22]; 与城区相反, 而在距离城区较远的非城市化地区建设开发活动较少, 耕地斑块更容易集中成片地分布在道路两旁, 而城乡建设用地多为零散的居民点, 其空间格局较为破碎。基于此, 道路沿线的景观规划设计应该因地制宜, 如在城市化地区应注重道路沿线自然廊道的建设, 用以连接破碎的林地和耕地斑块; 而在非城市化地区应注重建设用地的集约和集聚以取得更好的土地利用效益。

5 结论

(1) 研究区的景观破碎化具有明显的空间自相关性, 考虑了变量空间非平稳性的GWR模型取得了比传统OLS模型更好的拟合效果, 在本文分析中具有更好的适用性。

(2) 道路对不同类型景观破碎度的影响性质存在差异, 从景观水平上看, 道路距离与景观水平破碎度为正相关; 从类型水平上看, 道路距离与耕地破碎度、城乡建设用地破碎度呈负相关关系, 与林地破碎度呈正相关关系。

(3) 道路距离与景观破碎化的关系具有空间异质性, 两者的关系在不同的空间位置具有较大的差异, 正相关区域和负相关区域均有明显的空间集聚特征。

(4) 道路距离与景观破碎化关系的空间异质性反映了其它因素对景观破碎化的共同作用。具体而言, 地形和距城市中心距离是道路与景观破碎化关系空间异质性的重要影响因素, 地形、距城市中心的距离与道路一起共同对景观破碎化产生作用。

[1] FORMAN RTT, SPERLING D, BISSONETTE JA, et al. Road Ecology: Science and Solutions[M]. Washington DC:Island Press, 2003.

[2] KARLSON M, MöRTBERG U. A Spatial Ecological Assessment of Fragmentation and Disturbance Effects of the Swedish Road Network[J]. Landscape and Urban Planning, 2015, 134: 53–65.

[3] 胡金晓, 朱明, 濮励杰, 等. 交通道路对区域土地利用变化的影响研究进展[J]. 长江流域资源与环境, 2018, 27(1): 205–214.

[4] 张景华, 封志明, 姜鲁光, 等. 道路干扰对澜沧江流域景观格局的影响[J]. 自然资源学报, 2013, 28(6): 969–980.

[5] 蔡雪娇, 吴志峰, 程炯. 基于核密度估算的路网格局与景观破碎化分析[J]. 生态学杂志, 2012, 31(1): 158–164.

[6] 孙国庆, 邹滨, 姜晓璐, 等. 公路走廊带景观破碎度的空间分异研究[J]. 测绘与空间地理信息, 2017, 40(8): 106–109.

[7] ZHU Ming, XU Jiangang, JIANG Nan, et al. Impacts of Road Corridors on Urban Landscape Pattern: a Gradient Analysis with Changing Grain Size in Shanghai, China[J]. Kluwer Academic Publishers, 2006, 21(5): 723–734.

[8] 李双成, 许月卿, 周巧富, 等. 中国道路网与生态系统破碎化关系统计分析[J]. 地理科学进展, 2004, 23(5): 78–85, 110.

[9] 赵芳, 卢涛. 道路扩展对青藏高原东缘土地利用及景观格局的影响[J]. 生态科学, 2017, 36(4): 146–151.

[10] FREUDENBERGER L, HOBSON PR, RUPIC S, et al. Spatial Road Disturbance Index (sproadi) for Conservation Planning: a Novel Landscape Index, Demonstrated for the State of Brandenburg, Germany[J]. Landscape Ecology, 2013, 28(7): 1353–1369.

[11] UUEMAA E, REIMETS R, OJA T, et al. Urbanisation- related Landscape Change in Space and Time Along Spatial Gradients Near Roads: a Case Study From Estonia[J]. Landscape Research, 2013, 40(2): 192–207.

[12] 李京涛, 周生路, 吴绍华. 道路交通网络与城市土地利用时空耦合关系——以南京市为例[J]. 长江流域资源与环境, 2014, 23(1): 18–25.

[13] 王娟, 崔保山, 刘世梁, 等. 各等级道路网对纵向岭谷区景观结构健康的影响[J]. 环境科学学报, 2008, 28(2): 261–268.

[14] 宋冰洁, 周忠学. 西安都市圈道路网络化对景观格局的影响[J]. 吉林大学学报(地球科学版), 2017, 47(5): 1521–1532.

[15] 许尔琪. 基于地理加权回归的石漠化影响因子分布研究[J]. 资源科学, 2017, 39(10): 1975–1988.

[16] LU B, BRUNSDON C, CHARLTON M, et al. Geographically Weighted Regression with Parameter- specific Distance Metrics[J]. International Journal of Geographical Information Science, 2016: 1–17.

[17] 王宇航, 赵鸣飞, 康慕谊, 等. 黄土高原地区NDVI与气候因子空间尺度依存性及非平稳性研究[J]. 地理研究, 2016, 35(3): 95–105.

[18] 王佳, 钱雨果, 韩立建, 等. 基于GWR模型的土地覆盖与地表温度的关系——以京津唐城市群为例[J]. 应用生态学报, 2016, 27(7): 94–102.

[19] 杨新军, 石育中, 王子侨. 道路建设对秦岭山区社会—生态系统的影响——一个社区恢复力的视角[J]. 地理学报, 2015, 70(8): 131–144.

[20] 汪自书, 高启辉, 刘语凡, 等. 快速城市化地区道路对两侧土地利用影响模式研究[J]. 中国环境科学, 2009, 29(4): 437–442.

[21] 黄勇, 李阳兵, 应弘. 渝宜高速(重庆段)对土地利用变化驱动及景观格局的响应[J]. 自然资源学报, 2015, 30(9): 1449–1460.

[22] MO Wenbo, WANG Yong, ZHANG Yingxue, et al. Impacts of Road Network Expansion on Landscape Ecological Risk in a Megacity, China: a Case Study of Beijing[J].Science of The Total Environment, 2017, 574: 1000–1011.

Impacts of roads on landscape fragmentation base on GWR model

LIU Xucheng1, 2, Yin Xiaoling2, *, HUANG Guangqin2, CHEN Caixia2

1. School of Geographical Sciences, Guangzhou University, Guangzhou 510006, China 2. Key Lab of Guangdong for Utilization of Remote Sensing and Geographical Information System, Guangdong Open Laboratory of Geospatial Information Technology and Application, Guangzhou Institute of Geography, Guangzhou 510070, China

The development of roads is an important factor causing landscape fragmentation, but previous studies often neglected the local variations of this impact. In order to analyze the impact of roads on landscape fragmentation and reveal its spatial heterogeneity, Huizhou city was taken as a study case and geographically weighted regressions model(GWR) was used to investigate the relationship between road distance and landscape fragmentation degree. Results showed that: (1) Landscape fragmentation in the study area had significant spatial agglomeration phenomenon; the result of fitting parameters indicated a much better fit for the GWR model. (2)Impact of roads on fragmentation of each type of landscape was different: at the landscape level, road distance and landscape fragmentation were mainly positively correlated; at the class level, road distance and forest fragmentation were mainly positively correlated, while cultivated land and construction land fragmentation were negatively correlated with road distance. (3)The relationships between road distance and landscape fragmentation were varied in different places, and the distribution of positive correlation and negative correlation showed obvious spatial agglomeration characteristics. (4) The spatial heterogeneity of the relationship reflected the common influence of topography and positions relative to urban center on landscape fragmentation besides roads. The results of this study were helpful to further reveal the mechanism of road’s impacts on landscape pattern changes.

roads; landscape fragmentation; spatial heterogeneity; geographically weighted regression model; Huizhou city

10.14108/j.cnki.1008-8873.2020.06.016

S157.2

A

1008-8873(2020)06-120-07

2019-10-02;

2019-12-03

广东省自然科学基金面上项目(2020A1515011068; 广东省省级科技计划项目(2018B030320002); 广东省省级科技计划项目(2018B030324002)

刘栩成(1994—), 男, 广东东莞人, 硕士研究生, 从事景观生态学及区域可持续发展方面研究, E-mail: 5act5916@sina.com

尹小玲, 女, 博士, 副研究员, 从事城市生态网络组织与可持续发展研究, E-mail: yinxl@gdas.ac.cn

刘栩成, 尹小玲, 黄光庆, 等. 基于GWR模型的道路对景观破碎化影响研究[J]. 生态科学, 2020, 39(6): 120–126.

LIU Xucheng, Yin Xiaoling, HUANG Guangqin, et al. Impact of roads on landscape fragmentation base on GWR model[J]. Ecological Science, 2020, 39(6): 120–126.