武义县地处浙江省中部, 东与永康市和缙云县相接, 东北与义乌市交界, 西与遂昌县为邻, 正北向连接金华市金东区和婺城区, 南与丽水市接壤, 西南与松阳县相依, 地处28° 31'~29° 03'N、119° 27'~119° 58'E。全县东西宽50 km, 南北长59 km, 境域面积1 577.2 km²。金丽温高速公路、330国道, 以及金温铁路横穿境内^[27]。

使用的遥感影像数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn), 包括1990、2005年Landsat-TM和2018年Landsat-8影像, 以及武义县行政区划边界。遥感图像经过几何精纠正、波段提取、去条带、假彩色合成、图像拼接、裁剪等预处理后, 参考中国科学院土地利用/覆被的遥感TM影像解译标志, 结合武义县的实际情况, 将土地利用类型划分为耕地、林地、草地、水域、建设用地、未利用地等6类, 遥感影像解译数据的空间分辨率为30 m。

1.3.1 GI景观类型提取

基于3期土地利用类型图和武义县现状, 提取出草地和林地景观类型作为研究区的GI要素。武义县水系较少, 且粒度都小于30, 无法被软件识别, 而农田无覆被和遮阴, 不利于生物迁徙, 不属于GI的范畴, 故水域和耕地在本研究中均不选为GI要素。以GI作为MSPA分析的前景, 其他土地利用类型作为背景, 将数据转换成栅格大小为30 m× 30 m的TIFF格式二值栅格数据文件。对得到的文件通过Guidos软件进行八邻域MSPA分析, 得到不相重叠的7种景观类型(图1), 其所代表的生态学含义详见表1。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 基于MSPA的武义县景观类型图Fig.1 Landscape types of Wuyi based on MSPA

表1

Table 1

表1(Table 1)

表1 MSPA的景观类型及其生态含义 Table 1 Definition of landscape type based on MSPA 景观类型 Landscape type 生态学含义 Ecological meaning 核心区Core 为生物提供较大的迁移地或栖息地, 可作为生态源地的较大斑块 Places that provide a larger migration place or habitat for living things, and can be a large patch of ecological source area 桥接区Bridge 是核心区之间连通的狭长通道, 核心区之间物种迁移与能量交流的必要廊道 A long and narrow channel connecting the core areas, and a necessary corridor for species migration and energy exchange between core areas 边缘区Edge 核心区和主要非绿色景观区域之间的缓冲地带 A buffer zone between the core area and the main non-green landscape area 孤岛Islet 彼此间联系相对较弱的、破碎的小斑块 Small fragmented patches with relatively weak connection with each other 环道区Loop 同一块核心区内部连接的狭长廊道, 是同一核心区内生物迁移与能量交流的通道 Narrow corridor connected within the same core area. The channel for biological migration and energy exchange in the same core area 孔隙Perforation 核心区与非绿色景观斑块之间的缓冲地带, 即内部斑块边缘, 具有边缘效应 The buffer zone between the core area and the non-green landscape patches, namely the inner patch edge, with the edge effect 支线Branch 只有一端与边缘区、桥接区、环道区或者孔隙相连的区域 An area where only one end is connected to the edge, bridge, loop or perforation.

表1 MSPA的景观类型及其生态含义 Table 1 Definition of landscape type based on MSPA

1.3.2 GI核心区的景观连接度评价

景观连接度是一项衡量斑块是否有利于物种迁徙的定量指标^[28]。本研究采用目前常用的景观连接度指数— — 整体连通性(IIC)和可能连通性(PC)^{[29, 30]}, 计算公式如下:

VIIC=∑i=1n∑j=1nai·aj1+lijAL2; (1)VPC=∑i=1n∑j=1nai·aj·pij* AL2。(2)

式(1)、(2)中:n为景观中斑块总数, a_i和a_j分别为斑块i和斑块j的面积, l_ij表示斑块i和斑块j之间的连接, A_L是景观的面积, pij*是物种在斑块i和j直接扩散的最大可能性。IIC的取值在[0~1], 等于0表示各生境斑块之间没有连接; 等于1, 表示整个景观都为生境斑块^[31]。PC的取值范围在(0, 1)^[32]。

选取对本研究有重要意义的核心区景观要素, 采用Conefor 2.6软件, 根据本文的研究尺度设置斑块连通距离阈值为500 m, 连通的概率根据实际情况设为0.5, 对研究区的核心区进行景观连接度评价^[16]。为此, 特别引入微分的理念, 计算dI(单位:%)值, 筛选出3个时期景观连接度最大的10个斑块。

dI= I-IremoveI× 100。 (3)

式(3)中:I为某一景观的连接度指数(IIC或PC), I_remove为将斑块从该景观中剔除后景观的连接度指数。根据选所用的连接度指数, 具体记为dIIC或dPC。

利用CA-Markov模型, 对研究区2018年的土地利用格局进行模拟运算, 将得到的结果与2018年武义县实际土地利用类型图进行精度验证。运用IDRISI软件中的MCE模块制作适宜性图集, 并通过情景分析的方法对研究区3种情景下的GI景观要素格局进行模拟和分析。

1.4.1 CA-Markov模型计算

CA具有很强的空间运算能力, 可以对复杂的空间变化进行精确的模拟, 其表达式如下:

S_t+1=f St, N。 (4)

式(4)中:S为元胞空间; N为每个元胞单元的领域; t与t+1代表2个时刻; f()代表元胞转换规则。

表2

Table 2

表2(Table 2)

表2 1990— 2018年研究区MSPA景观类型的面积变化 Table 2 Area changes of MSPA landscape types of the study area from 1990 to 2018 景观类型 Landscape type 年份 Year 面积 Area/km2 占总面积的比例 Proportion in GI area/% 核心区 Core 1990 931.3339 75.99 2005 924.4915 76.08 2018 903.5324 75.11 桥接区 Bridge 1990 38.1636 3.11 2005 39.0291 3.21 2018 39.2671 3.26 孤岛 Islet 1990 12.7212 1.04 2005 11.3529 0.93 2018 10.3308 0.86 边缘区 Edge 1990 118.9149 9.70 2005 117.9942 9.71 2018 118.5948 9.86 孔隙 Perforation 1990 45.8239 3.74 2005 48.1149 3.96 2018 55.0225 4.57 环道区 Loop 1990 36.9070 3.01 2005 32.2801 2.66 2018 33.6644 2.80 支线 Branch 1990 41.7958 3.41 2005 41.9241 3.45 2018 42.5542 3.54 总面积 Total area 1990 1225.6604 2005 1215.1870 2018 1202.9664

表2 1990— 2018年研究区MSPA景观类型的面积变化 Table 2 Area changes of MSPA landscape types of the study area from 1990 to 2018

Markov模型具有无后效性的特点, 其每次的状态转移都只与前一刻状态有关, 而与之前的状态没有关系^[33], 即整个事件演化过程中, t+1时刻的状态只与t时刻的状态有关, 因此Markov模型擅长数量方面的预测和研究, 但对于空间的模拟能力较弱。其表达式如下:

S(T)=P_ij× S T0。 (5)

式(5)中:S(T)、S T0分别为T和T₀时刻的土地利用状态; P_ij为土地利用转移概率矩阵, 具体表达式如下:

P_ij= P11P12…P1mP21P22…P2m︙︙︙︙Pm1Pm2…Pmm。 (6)

式(6)中: 0≤Pij< 1, 且∑j=1mPij=1, i=1, 2, …, m, j=1, 2, …, m, m为土地利用类型。

本文的CA-Markov模型选用IDRISI软件对CA和Markov模型耦合得到。

1.4.2 MCE模型

本研究选用MCE模型作为创建各类土地利用适宜性图集的方法。MCE模型可在IDRISI软件中通过MCE模块运用, 其主要作用是在受一系列因素影响的方案和决策中, 制定相应影响因素的转换标准, 并综合分析各种因素的影响找出最优解决方案。其转换标准的制定包括布尔交叉法、加权平均法、加权线型合并法等多种转换规则。在本文中, 约束条件和适宜因子的选取与相应情景设置及相关政策有关。

1.4.3 基于土地利用的情景设定

目前, 武义县的发展正处于一个十字路口。武义县正在大力发展全域旅游, 如何统筹旅游开发和环境保护, 成了当务之急。根据武义县的发展愿景和政府对武义县国家公园及保护区制定的相关保护政策, 结合当地实际情况, 提出“ 城市发展优先” “ 生态保护优先” “ 自然发展” 3种情景, 通过MCE模块来生成特定情景下的土地利用适宜性图集, 运用CA-Markov模型分别对3种情景进行模拟。土地利用预测结果通过MSPA的八邻域分析法转换成GI要素空间格局模拟图。

城市发展优先情景。基于经济与城市发展的需要, 提出第一种情景假设— — 城市发展优先。该情景遵照现有的土地利用和经济发展规律, 并添加在保持原有建设用地不变的前提下, 新增的建设用地可以占用林地、草地, 但不能占用或较少占用水域的约束条件。适宜因子选择了高程和坡度:建设用地在高程低于500 m为最适宜, 500~1 000 m为次适宜, 1 000~1 538 m为适宜性减弱; 坡度以0° ~5° 为最适宜, 5° ~25° 为次适宜, 大于25° 适宜性减弱。

生态保护优先情景。基于生态保护的愿景, 提出第二种情景假设— — 生态保护优先。对于生态保护, 武义县近年来提出“ 退耕还林” “ 封山育林” “ 严禁乱砍滥伐” 等许多口号。在遵照现有的土地利用类型和经济发展规律不变的情况下, 在此情景下设定以下约束条件:建设用地不允许占用林地、草地、水域; 耕地不宜占用林地、草地。适宜因子选择坡度和海拔, 由于坡度较大处(坡度大于25° )、海拔较高处(海拔大于1 200 m)不适宜建设和开垦。因此, 在坡度较大、海拔较高处的耕地和建设用地更宜转化为林地和草地。

自然发展情景。在该情景下, 武义县的土地利用变化是按照2005— 2018年的发展趋势, 并遵照现有的土地利用和经济发展规律, 除了设定各用地类型向水域转化困难外, 不设其他转化限制条件进行模拟预测。

1990、2005、2018年研究区的GI总面积分别为1 225.66、1 215.19、1 202.97 km²(表2), 逐渐递减。这是由于随着改革开放以来武义县的经济发展和城市建设, 绿色基础设施不断被改造成建设用地。按景观类型面积从高到低排序, 核心区> 边缘区> 孔隙> 支线> 桥接区> 环道区> 孤岛。绿色基础设施中, 桥接区、边缘区、孔隙、支线的比例在1990— 2018年间不断增加, 说明武义县的景观破碎化程度在增加, 而且破碎的方式不仅有边缘侵蚀导致2个板块的断裂(表现为桥接区支线增加), 还有内部破碎(表现为孔隙增加)。核心区总面积在1990— 2018年间一直减少, 但是由于GI总面积也相应减少, 因此出现了核心区占GI的比例先小幅提高后降低的情况。环道区占GI总面积的比例在1990— 2018年间先降低后提高, 从图2可见, 大量环道区在1990— 2005年间变成了桥接区。环道区是核心区内部的廊道, 桥接区是连通核心区的廊道, 由此可见, 研究区景观破碎化程度在加剧, 更多的斑块由内部开始分裂。2005— 2018年间环道区占GI总面积的比例提高, 这是由于核心区内部出现大量孔隙, 从而产生了更多斑块内部的廊道。孤岛的比例在1990— 2018年间一直减少, 主要零散分布在城镇中, 与其他GI要素连通性低, 在城镇发展中容易消失。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 研究区1990— 2018年核心区空间格局变化Fig.2 Spatial pattern of MSPA landscape types in the study area during 1990-2018

根据PC值, 从3个年份中各选取最重要的10个核心区斑块, 由图2和表3可知, A斑块在3个年份中都是最重要的, 也是面积最大的, 是核心区的主要组成部分。

表3

Table 3

表3(Table 3)

表3 研究区核心区1990、20015、2018年景观连通性指数排序 Table 3 Sorting of landscape connectivity index of the core are in 1990, 2005, 2018 年份 Year 排序 Rank 编号 Number dPC dIIC 1990 1 A 99.537 99.373 2 B 5.912 3.549 3 C 1.331 0.641 4 D 0.610 0.660 5 E 0.570 0.848 6 F 0.512 0.550 7 G 0.431 0.355 8 H 0.410 0.239 9 I 0.394 0.247 10 J 0.377 0.229 2005 1 A 99.596 99.467 2 B 5.005 1.696 3 L 2.088 1.765 4 C 1.199 0.647 5 F 0.587 0.722 6 E 0.528 0.846 7 I 0.504 0.261 8 D 0.491 0.572 9 G 0.422 0.373 10 K 0.377 0.315 2018 1 A 99.583 99.383 2 B 5.239 1.929 3 L 2.096 1.828 4 C 1.233 0.671 5 E 0.452 0.857 6 F 0.444 0.554 7 G 0.439 0.421 8 H 0.417 0.240 9 D 0.408 0.631 10 I 0.359 0.210

表3 研究区核心区1990、20015、2018年景观连通性指数排序 Table 3 Sorting of landscape connectivity index of the core are in 1990, 2005, 2018

综合来看, 武义县北部核心区重要斑块数量较多、相对面积较大, 斑块较为集中; 而南部桃溪镇附近除了A号斑块的面积最大, 其他斑块的面积都相对较小且较为分散, 连通性较差。根据图2和表3可以发现, 最重要的10个核心区斑块在3个年份中基本保持一致, 但是它们的重要性却并不固定, 如B斑块在1990— 2005年间重要性下降明显。由图3可知, B斑块在2005年的图中已经分成了B和L两个斑块。通过实地调查和检视谷歌地球软件的卫星图得知, 造成斑块分裂的原因是G330国道的修建。又如D斑块在1990— 2018年连通性明显下降, 原因是D斑块附近修建有铁路, 且靠近城镇, 人类活动明显, 而且在其南部还有大片狭长的农田将D斑块分割开来, 此处在近30 a里景观严重破碎化。在武义县南部除了A斑块外, 仅有H斑块被选取为重要的核心区斑块。H斑块与A斑块本为同一斑块, 但中间被人为开垦出一块狭长的区域作为耕地, 从而导致H斑块从A斑块中分离出来。之后, 这条狭长的区域中又有一小块土地被种上了树木, 形成了一条廊道, 连通了A斑块与H斑块, H斑块又并入了A斑块。由此可见, 人类活动对生态环境的影响极大。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 研究区1990、2005、2018年B、D、H斑块的空间格局变化Fig.3 Dynamics of spatial pattern of MSPA landscape B, D, H in 1990, 2005 and 2018

2.3.1 CA-Markov模型精度检验

利用1990、2005年的土地利用类型数据, 计算得到转移面积矩阵与转移概率矩阵。然后, 以2005年的土地利用类型图作为基础年数据, 以13 a为迭代周期, 采用CA模拟的5× 5滤波器, 运行CA-Markov模型, 得到2018年武义县土地利用模拟预测图(图4)。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 武义县2018年土地利用模拟预测图Fig.4 Simulation of land use in Wuyi County in 2018

通过IDRISI软件中的Validate模块将得到的2018年武义县土地利用模拟预测图与实际土地利用类型图进行对比。结果显示, 随机Kappa系数(K_no)为0.911 0, 位置Kappa系数(K_location)为0.965 6, 层位Kappa系数(K_{locationStrata})为0.965 6, 标准Kappa系数(K_standard)为0.878 5。Kappa系数如果大于0.75, 则表示模型精度较好, 模拟的可信度较高。由此可知, CA-Markov模型可用来为本研究做模拟预测。

2.3.2 不同情景下的GI要素空间格局分析

从图5及表4、表5可以发现, 在城市发展优先情景中, GI总面积明显减少, 核心区面积较2018年减少126.76 km², 非绿色基础设施面积增加225.73 km², 核心区占GI的比例比2018年提高了4.38%, 边缘区提高了1.17%, 而环道区、桥接区、支线占GI的比例都明显下降。尤其是武义县的北部地区, 城市扩张侵蚀了大量的GI, 在城市中只有少量绿色的核心区斑块, 且这些斑块周围几乎没有桥接区、支线等生态廊道。在武义县的南部保护区和森林公园也出现了许多孔隙, 且孔隙中的非绿色基础设施面积持续增长。由此可见, 在城市发展优先情景中, 城市虽然得到了发展, 但是GI的景观破碎化程度将加剧。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 武义县2030年3种情景下GI景观格局的对比Fig.5 Comparison of GI landscape patterns under 3 scenarios in Wuyi County in 2030

表4

Table 4

表4(Table 4)

表4 不同情景下2030年GI景观要素面积变化 Table 4 Area changes in GI landscape elements under three scenarios in 2030 km2 GI景观要素 GI landscape elements 2018年 实际面积 Actual area in 2018 城市发展优先 Urban development priority 生态保护优先 Ecological protection priority 自然增长 Natural development 2030年预测面积 Predicted area in 2030 差值 Difference 2030年预测面积 Predicted area in 2030 差值 Difference 2030年预测面积 Predicted area in 2030 差值 Difference 核心区Core 903.53 776.77 -126.76 973.13 69.60 818.72 -84.81 孤岛 Islet 10.33 7.41 -2.92 12.30 1.97 6.78 -3.55 孔隙 Perforation 55.02 45.27 -9.75 36.75 -18.27 49.05 -5.97 边缘区 Edge 118.59 107.72 -10.87 107.72 -10.87 112.30 -6.29 环道区 Loop 33.66 9.94 -23.72 26.18 -7.48 9.78 -23.88 桥接区 Bridge 39.27 5.68 -33.59 35.49 -3.78 7.26 -32.01 支线 Branch 42.55 24.45 -18.10 36.75 -5.80 27.13 -15.42 非绿色基础设施 374.24 599.97 225.73 348.72 -25.52 546.03 171.79 Non-green infrastructures

表4 不同情景下2030年GI景观要素面积变化 Table 4 Area changes in GI landscape elements under three scenarios in 2030 km2

表5

Table 5

表5(Table 5)

表5 不同情景下2030年GI景观格局变化 Table 5 Changes of GI landscape pattern in three scenarios in 2030 % GI景观要素 GI landscape elements 2018年GI 景观要素比例 Ratio of 2018 GI landscape elements 城市发展优先 Urban development priority 生态保护优先 Ecological protection priority 自然增长 Natural development 2030年预测GI景观 要素比例 Predicted ratio of 2030 GI landscape elements 差值 Difference 2030年预测GI景观 要素比例 Predicted ratio of 2030 GI landscape elements 差值 Difference 2030年预测GI景观 要素比例 Predicted ratio of 2030 GI landscape elements 差值 Difference 核心区Core 75.11 79.49 4.38 79.22 4.11 79.40 4.29 孤岛 Islet 0.86 0.76 -0.10 1.00 0.14 0.66 -0.20 孔隙 Perforation 4.57 4.63 0.06 2.99 -1.58 4.76 0.19 边缘区 Edge 9.86 11.03 1.17 8.77 -1.09 10.89 1.03 环道区 Loop 2.80 1.01 -1.79 2.13 -0.67 0.95 -1.85 桥接区 Bridge 3.26 0.57 -2.69 2.89 -0.37 0.70 -2.56 支线 Branch 3.54 2.50 -1.04 3.00 -0.54 2.63 -0.91

表5 不同情景下2030年GI景观格局变化 Table 5 Changes of GI landscape pattern in three scenarios in 2030 %

在生态保护优先情景中, GI总面积较2018年有所增加, 核心区面积增加69.60 km², 非绿色基础设施面积减少了25.52 km²。核心区占GI的比例相比2018增加了4.11%, 孤岛占GI的比例也略有增加, 而孔隙、边缘区、环道区、桥接区、支线占GI的比例均不同程度下降。在该情景下, 除孤岛外的GI各景观要素都在向最重要的核心区转变。从GI景观要素空间格局模拟图中可以发现, 其主要原因是武义县生态环境较好, 南部又有多个保护区和森林公园, 按照生态保护情景的限制条件和影响因子, 孔隙、环道区、桥接区附近的区域很容易被植被覆盖, 从而变成核心区的一部分, 因此在这个情景中核心区面积增加明显。

在自然增长情景中, 核心区面积减少84.81 km², 非绿色基础设施增加171.79 km²。该情景下, 核心区占GI景观要素的比例较2018年时增加4.29%, 边缘区占比增加1.03%, 孔隙占比略微增加, 孤岛、环道区、桥接区、支线占比均不同程度的下降。其主要原因与城市发展优先情景差不多, 在保持原有发展的过程中, 建设用地、耕地等占用了很多GI面积, 而孤岛、环道区、桥接区支线所处的区域又紧邻非绿色基础设施, 容易被城市的扩张所同化。

3.1.1 保护重要核心区斑块和廊道

通过CA-Markov模型预测可知:在城市发展优先和自然发展2种情景中, 核心区面积预计将大幅下降。核心区是GI中最重要的景观要素, 核心区斑块可以有效储藏生物需要的水和养分, 保护生物多样性, 更有利于斑块内的基因交流与能量传输^[34]。武义县北部有多个重要的核心区斑块, 但是这些斑块破碎化程度高, 斑块与斑块之间缺乏廊道, 物种只能在斑块内部进行活动和基因交流。建议对连通性较好的重要斑块进行保护, 提升生境质量, 并在公路、耕地、建筑用地等处为生物迁徙留下必需的廊道。当经济发展遇上生态保护的困境时, 可以利用本文的研究方法, 对研究区的斑块和廊道进行优先级评价, 在资源有限的情况下, 优先保护更具景观连通性价值的斑块和廊道。通过分析3种情景下的GI景观格局模拟图发现, 南部桃溪镇、坦洪乡、柳城畲族镇, 中部王宅镇, 北部履坦镇附近在自然发展情景和城市发展情景下核心区面积下降严重, 王宅镇附近桥接区、支线等GI景观要素减少明显。因此, 目前需要保护在这些地区周围连通性较强的核心区斑块, 同时加强连通性的建设, 必要的时候退耕还林, 以防核心区进一步遭到侵蚀。

3.1.2 合理建设踏脚石

在武义县的北部县城中心和南部桃溪镇都有2大块灰色基础设施, 对于需要穿越这2块区域迁徙的物种来说, 在合理的位置设立踏脚石非常重要^[8]。建议根据斑块廊道分布, 在重要的廊道交汇点建设生态公园作为物种迁徙的踏脚石。白洋街道正好位于武义县县城中心, 周围缺少GI, 都是大片建设用地。可在街道附近修建一个小型的生态公园, 供物种穿越时中途落脚用。

3.1.3 景区建设应坚持生态保护优先方针

武义县生态资源丰富, 有牛头山森林公园、壶山森林公园等省级、国家级生态公园。这些生态公园的主要功能是水源涵养、水土保持、生态多样性保护, 及生态旅游^[35]。在本研究的生态保护情景中, 武义县南部的大片GI景观中孔隙明显减少, 核心区面积增加。从自然发展情景研究结果可知, 若不进行相关保护, 到2030年武义县南部的大片生态保护区都将出现明显的孔隙, 甚至在牛头山森林公园中也会出现大量非绿色基础设施。因此, 有关部门应坚持优先保护生态环境, 再适度开发旅游资源, 减少交通等基础设施横穿核心区产生的干扰。

由于土地资源有限, 研究区今后的规划应遵循因地制宜和连片发展的原则。相关规划需根据不同地区的实际情况, 制定可以使地区效益最大化的方案, 并尽量将相同的用地类型集中在最适宜该土地类型发展的区域。集约利用可避免因分散排布而导致的土地类型转变。

从2030年的情景模拟研究结果发现:武义县北部地区的GI较容易消失。其原因是北部本就是武义县的中心地区, 分布有大量人口, 并有工业生产; 中部地区旅游生态资源较丰富, 但是在城市发展和自然发展的情景下也会逐渐出现景观破碎化的现象; 南部地区生态环境较好, 且分布了多个国家公园、自然保护区等, 但若不及时保护, 在自然发展情景中也会出现大量的孔隙, 从内部蚕食南部大片的核心区。

鉴于以上研究成果及武义县实际情况, 提出生态优先、三线并行的空间布局战略(图6), 并建议按照北部生活生产、中部发展休闲旅游产业、南部多为自然保护区和生态公园的布局进行规划, 以达到经济发展和环境保护相协调的目的。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 武义县三线并行规划设想图 3.3 研究方法及参数选择Fig.6 Three-line parallel planning assumptions for Wuyi County

在对GI进行MSPA景观格局分析时, 需要设定边缘宽度的参数。由于地区不同、研究对象不同、斑块形状差异等都会产生不同的边缘效应, 且边缘宽度的增加会减少GI要素中的核心区面积, 故边缘宽度的设定对MSPA分析结果存在明显影响。考虑到粒度较大时会有大量信息丢失, 所以本研究选择30 m作为像素大小。在考虑了研究区尺度和查阅相关文献后, 设定边缘宽度为1, 由于输入栅格大小为30 m× 30 m, 因此本研究的边缘效应宽度为30 m。但是, 关于边缘宽度的科学选择今后仍然需要继续研究。

在运用Conefor 2.6软件计算景观连通性时, 必须要设置连通距离阈值, 不同的连通距离阈值设定会对景观的可能连通性值造成影响; 因此, 该阈值的设定需要参照研究区物种的扩散距离进行选择。本文根据研究尺度及文献资料选择连通距离阈值为500 m, 连通概率为0.5。这一阈值的合理性还有待研究。

本研究并没有直接将MSPA处理后的GI景观格局图进行CA-Markov预测, 而是先预测其土地利用变化, 再将土地类型预测的结果经MSPA处理得到GI景观格局模拟图。GI景观格局图本身是由MSPA通过八邻域法分析土地利用类型图得来的。如果直接分析GI景观格局图则无法将高程、坡度、海拔等影响因子考虑进去, 模拟结果将会有较大误差。

本研究在设置情景时, 主要考虑了自然地理要素和政策法规, 未涉及社会、经济、人文等方面。在接下来的研究中, 将会把这些因素加入到情景中去, 以进一步增加情景的种类, 并结合生态服务价值, 对每个情景做定量的分析对比。