土壤景观异质性与相关因子间关系的空间非平稳和尺度依赖特征研究

孙显星 危小建 谢亚娟 程朋根 赵莉 东华理工大学测绘工程学院

由诸如道路建设、城市化、土地利用和土地覆被变化等人为因素引发的景观破碎化等问题，导致了南昌市越来越多的栖息地斑块变得越来越小，越来越相互孤立。在南昌市斑块生境中，斑块样式的复杂性下降，边缘生境的比重加强。所以，为了南昌市城市化生态系统的健康，土壤景观异质性的研究已成为维持自然生态系统的必要手段。

景观生态学研究主要是强调空间异质性与生态过程、尺度之间的相互作用关系。景观异质性是景观生态学研究的核心内容。景观异质性是指景观结构在空间分布上的非均匀性和随机性，它随着某一景观要素出现的相对频率变化而变化。景观异质性同抗干扰能力、恢复能力、系统稳定性、生物多样性密切相关。景观异质性的研究一直是景观生态学研究的热点。然而土壤是人类生存和发展的物质基础，土壤种类和土壤特性的差别变化在一定程度上决定了土地利用的形式，土地利用形式的差异化也间接的转变着土壤种类、特性和效能的多样性结构。现如今，人与自然的生态问题日益显现，土壤的空间分布变化与其影响因素之间相互作用关系的研究具有重要意义。

本文以江西省南昌市为例，选取不同景观异质性指数为因变量，选取到主要道路的距离（DCITY）、到城市的距离（DCITY）和坡度（PD）作为解释变量，采用 OLS模型 和GWR模型方法探讨不同的土壤景观异质性指数与相关因子间关系的空间非平稳性和尺度依赖特征。

1.研究区概况与数据处理

1.1 研究区概况

南昌市地处江西中部偏北，赣江、抚河下游，鄱阳湖西南岸，位于东经115°27'至116°35'、北纬28°10'至29°11'之间。东连余干、东乡、南接临川、丰城、西靠高安、奉新、靖安，北与永修、都昌、鄱阳三县共鄱阳湖，南北最大纵距约121千米，东西最大横距约108千米，全境最高点梅岭主峰洗药湖中的洗药坞，海拔841.4米。全境以鄱阳湖平原为主，东南相对平坦，西北为丘陵。

1.2 数据来源与预处理

图1 研究区地理位置图

本次研究采用南昌市土壤数据。土壤数据来自于世界土壤数据库（Harmonized World Soil Database，简称HDSW）。作为全世界范围内的土壤数据，其空间分辨率不高，中国地区的数据源分辨率仅为1:100 万（http://westdc.westgis.ac.cn/data）。把南昌市的土壤类型数据单独裁剪出来，根据国际标准FAO-90对各种土壤类型进行分类。数据分析和统计使用Fragstats 4.2、A rcGIS10.2 等软件。景观异质性指数的计算借助于Fragstats 4.2软件，数据的空间分析和回归建模采用ArcGIS 10.2实现。

为了满足回归建模的需要，所有因变量和解释变量的地理信息系统图层（最初的空间分辨率为30m的栅格数据）都被转换为矢量格式。数据转换的三个步骤如下:（1）在A rcGIS中随机选取研究区域内的5000个点。（2）使用ArcGIS10.2中的ArcTool box，从栅格数据图层信息提取至点图层。（3）剔除无效点后运行回归模型。

2.研究的方法数据

2.1 因变量指标选取

根据研究尺度的不同景观格局指数分为斑块水平指数(P atch Level Index)、斑块类型水平指数（Class-level Index）以及景观水平指数（Landscape-level Index。本文参照相关研究成果，既完整描述景观异质性特征又避免信息冗余，在景观水平指数上选取景观形状指数（LSI）、斑块密度（PD）、分离度指数（SPLIT）、斑块凝聚度指数（COHESION）、有效网格面积（MESH）等景观指数。各景观指数计算公式及意义如表1所示。

表1 景观异质性特征指数、计算公式及其生态学含义

2.2 解释变量指标

（1）到主干道的距离。过去30年来，南昌市加大了道路建设力度，以改善交通可达性，道路建设对生态系统和景观异质性产生了重要影响。道路是直接导致景观异质性的影响因素之一。因此，到主干道的距离(简称：DRDS)可以反映和影响景观异质性的情况。

（2）到市中心的距离。南昌市在过去30年里经历了快速的城市化和LUCC。因此，选择到地区中心的距离(简称：DCITY)作为解释变量，它通过对LUCC和城市化等生态过程的影响来影响景观异质性。

（3）坡度。在研究区，大多数建筑环境位于低坡度位置，而大多数绿地位于高坡度位置一般人类活动越大，景观异质性程度越高。因此，坡度(简称：SLOPE)也被用作一个预测因子，通过其对人类活动的影响来影响景观异质性。

2.3 地理加权回归

地理加权回归（Geographically Weighted Regression，简称GWR）是由Brunsdon等提出的一种针对局部空间进行回归的分析方法，是传统线性回归模型的延伸，引入了位置信息作为变量进行计算，通过获取周边数据的观测值来计算二者的空间相互关系。可以通过改变GWR的带宽在多尺度上检测出景观异质性在相关因子间的空间非平稳性。

表2 景观异质性指数在不同窗口半径下的调整后的R²值

GWR模型的基本形式为:

其中，yi，xik，和εi代表因变量，自变量和随机误差项。β0（μi，νi）是模型截距，βk（μi，νi）是k个独立变量的斜率系数在（μi，νi）位置中，可以通过解决以下矩阵方程来估算GWR模型系数：

本文带宽分别选取了2000m，4000 m，6000 m，8000 m，10000 m，12000 m，14000 m和16000 m。

3.结果与分析

3.1 土壤景观空间关系的尺度依赖关系

平稳指数旨在衡量空间非平稳性，小于1的值表示平稳性。计算包括三个步骤：首先，计算了四分位数间距中的每个解释变量的GWR系数的标准误差;其次，最小二乘回归得到其标准误差。最后，将这两个因素的比率用作平稳指数。

如图2所示，平稳指数随着带宽的增加而下降，解释变量的带宽下降幅度最大为4000m的空间比例，这意味着有效网格面积（MESH）上每个解释变量的下降比例在4000m以内。每个解释变量随着带宽的增加而减少，到一定数值后趋于稳定。三个解释变量的空间变异特征值在8000m左右时开始趋于稳定，因此，土壤景观异质性与相关因子之间的相互关系表现出显著的空间尺度依赖性。

图2 三个解释变量的多尺度平稳指数

3.2 不同移动窗口半径对土壤景观空间关系的非平稳性影响程度分析

通过3个不同的窗口半径（1000m，1500m，2000m），局部R²(范围从0到1)表示局部回归模型与观测值的拟合程度。

（1）土壤景观异质性指数在解释变量SLOPE上的相关性最强。在不同的窗口半径中，土壤景观异质性指数中的MESH在解释变量SLOPE上相关性是最高的，并且土壤景观异质性指数在所有解释变量上的相关性更强。

（2）在窗口半径2000m时土壤景观异质性指数在解释变量SLOPE上的相关性最强。在窗口半径在1500m时和窗口半径在1000m时，土壤景观异质性指数在解释变量上的相关性相似，窗口半径在2000m时比窗口半径在1500m时，土壤景观异质性在解释变量上的相关性更强。

（3）随着窗口半径的增加，土壤景观异质性在解释变量上的R²增速在提高。当窗口半径在1000m-1500m时，土壤景观异质性在解释变量上的R²增速基本不变，而在1500m-2000m时，土壤景观异质性在解释变量上的R²增速变大。

4.结论

科学揭示土地的景观异质性与相关因素之间的空间关系有利于土地管理和城市规划。结果表明：通过三个具有16000m的特征比例的曲线解释变量来说明，在带宽8000m具有更好的拟合度。在三个解释变量中，随着窗口半径的不断增加，土壤景观异质性指数在解释变量上的相关性在增强，并且SLOPE上的相关性最强，而R²的增速在降低。

本研究发现了空间土壤景观异质性与相关因子之间的关系使用OLS模型和GWR模型的影响因素。结果表明GWR可以作为一种有效的新方法探索空间变化的关系并可以减少空间自相关。GWR模型揭示了详细的信息，说明了相关因素在不同区域的不同作用。从而提高了模型解释本地数据的能力和景观异质性的状况，有助于发展更有效的规划和土地管理。