梁騰飛，梁棟棟，桂 翔，吳 旭，汪曉楚，彭 杰

(1.安徽師范大學(xué)地理與旅游學(xué)院，安徽蕪湖 241003；2.安徽師范大學(xué)地理大數(shù)據(jù)研究中心，安徽蕪湖 241003；3.安徽師范大學(xué)計(jì)算機(jī)與信息學(xué)院，安徽蕪湖 241003)

隨著人們生活水平的提高，旅游度假變得更加頻繁,越來越多的珍稀動(dòng)植物在人類活動(dòng)的持續(xù)干擾下陸續(xù)消失，因此，開展植物生境的保護(hù)研究十分必要。將地理信息科學(xué)與生態(tài)學(xué)研究相結(jié)合，不僅可以根據(jù)地理空間相似度理論為探索植物空間分布提供新方法，也為生態(tài)學(xué)中植物生境的探索提供有力工具，為探索珍稀植物的空間分布和保護(hù)培植提供新的方法和手段。

地理空間相似性本質(zhì)是對(duì)地理空間數(shù)據(jù)特征進(jìn)行分析提取和比較，通過研究空間關(guān)系，對(duì)空間特征進(jìn)行描述，獲取空間數(shù)據(jù)之間的相似性關(guān)系[1]。郭仁忠[2]指出空間物體的相似關(guān)系具有空間形態(tài)上的相似和群組結(jié)構(gòu)上的相似性；劉濤[3]以空間群(組)目標(biāo)為研究對(duì)象,對(duì)空間群(組)目標(biāo)之間的相似關(guān)系進(jìn)行了描述并提出了相關(guān)的計(jì)算模型。

植物生境實(shí)際就是植物的生存環(huán)境，即某種生物個(gè)體、種群或者群落能夠進(jìn)行生命活動(dòng)的物質(zhì)存在條件[4]。對(duì)于生物的空間分布和適宜性評(píng)價(jià)的研究方面，王志強(qiáng)等[5]采用HSI模型對(duì)扎龍國家級(jí)自然保護(hù)區(qū)丹頂鶴繁殖生境適宜性進(jìn)行評(píng)價(jià)；劉振生等[6]在對(duì)賀蘭山巖羊生境適宜性評(píng)價(jià)時(shí)引入了最大熵模型。羅翀等[7]在對(duì)秦嶺山系的林麝生境進(jìn)行預(yù)測(cè)時(shí)引入了生態(tài)位模型；蔡靜蕓等[8]采用生態(tài)位模型對(duì)物種的生境進(jìn)行選擇；張海龍[9]采用GARP生態(tài)位模型的珍稀植物適宜區(qū)與生境進(jìn)行分析；聶艷等[10]對(duì)柑橘生境適宜性進(jìn)行研究時(shí)引入了生態(tài)位理論。 筆者從地理空間相似性的角度，通過構(gòu)建生境相似度計(jì)算模型，對(duì)大別山紅楓已知位置的周邊地理空間信息與其他未探索地區(qū)的地理空間信息數(shù)據(jù)進(jìn)行對(duì)比，以獲取大別山紅楓可能的空間分布。

1 研究區(qū)概況

鷂落坪國家級(jí)自然保護(hù)區(qū)建立于1991年，位于安徽省大別山中心地帶的安徽省岳西縣包家鄉(xiāng)境內(nèi)，保護(hù)區(qū)總面積為123 km2。保護(hù)區(qū)總體地勢(shì)呈南邊地勢(shì)高北邊地勢(shì)低，最低處為海拔僅為500 m的鯉魚尾，最高山峰為1 721 m的多支尖。

保護(hù)區(qū)處于北亞熱帶季風(fēng)氣候區(qū)，該地區(qū)土壤主要類型以山地自然土壤為主，土壤中含碳量和含氮量由于季節(jié)性的變動(dòng)也呈秋、冬高，春、夏低的狀態(tài)。保護(hù)區(qū)植物區(qū)系主要屬于泛北極植物區(qū)，該地區(qū)植物種類豐富，具有極大的保護(hù)利用價(jià)值。

2 數(shù)據(jù)來源和預(yù)處理

2.1數(shù)據(jù)來源影響植物分布的因子主要分為5個(gè)方面：地形因子、土壤因子、氣候因子、自然資源因子和人為干擾因子。地形因素?cái)?shù)據(jù)主要是以ASTER GDEM第二版本數(shù)據(jù)為數(shù)據(jù)源，來自于中國科學(xué)院數(shù)據(jù)云，下載后利用ArcGIS根據(jù)鷂落坪自然保護(hù)區(qū)地界進(jìn)行裁剪，再對(duì)數(shù)據(jù)進(jìn)行分析、篩選。土壤因素?cái)?shù)據(jù)主要包括中國科學(xué)院南京土壤所2003年完成的中國1:100萬土壤數(shù)據(jù)庫和文獻(xiàn)《安徽大別山海拔梯度上森林土壤碳氮?jiǎng)討B(tài)研究》上的數(shù)據(jù)搜集和分析。 氣象因素?cái)?shù)據(jù)來自于鷂落坪自然保護(hù)區(qū)當(dāng)?shù)貧庀笳镜娜罩禋庀髷?shù)據(jù)，通過對(duì)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分析和研究獲取鷂落坪當(dāng)?shù)氐淖畹蜏囟?、最高溫度、平均溫度。土地利用?shù)據(jù)主要是通過對(duì)高分辨的谷歌影像數(shù)據(jù)的數(shù)字化，遙感影像數(shù)據(jù)主要為0.5 m分辨率的無偏移的谷歌遙感影像數(shù)據(jù)。此外搜集與鷂落坪自然保護(hù)區(qū)相關(guān)的植物種類及其空間分布的文獻(xiàn)數(shù)據(jù)。

2.2數(shù)據(jù)預(yù)處理

2.2.1地形數(shù)據(jù)。地形因子的提取主要基于DEM數(shù)據(jù)進(jìn)行相關(guān)的數(shù)據(jù)分析，采用0.5 km×0.5 km格網(wǎng)計(jì)算的形式對(duì)數(shù)據(jù)進(jìn)行采集分析。通過ArcGIS對(duì)DEM數(shù)據(jù)進(jìn)行鑲嵌合并，再利用鷂落坪當(dāng)?shù)氐倪吔鐢?shù)據(jù)進(jìn)行裁剪獲得鷂落坪自然保護(hù)區(qū)30 m分辨率的DEM數(shù)據(jù)，然后進(jìn)行各項(xiàng)地形因子的提取。

2.2.2土壤數(shù)據(jù)。土壤理化性質(zhì)主要包括土壤中的氮含量、磷含量、容重、濕度、pH、鉀含量、有機(jī)碳含量等。通過ArcGIS的操作，將采集的土壤屬性數(shù)據(jù)與鷂落坪自然保護(hù)區(qū)地形數(shù)據(jù)進(jìn)行結(jié)合轉(zhuǎn)化為柵格數(shù)據(jù)。

2.2.3氣候數(shù)據(jù)。由于氣溫隨著海拔變化，每升高1 000 m會(huì)有6°的降溫，鷂落坪氣象站的海拔為913 m，因此結(jié)合溫度變化進(jìn)行計(jì)算得到鷂落坪溫度分布圖。

2.2.4自然資源數(shù)據(jù)。自然資源數(shù)據(jù)主要包含2個(gè)方面：植物覆蓋度和生物豐度指數(shù)。植被指數(shù)常用于植被覆蓋度的計(jì)算，該指數(shù)可以反映植物生長狀況，即為鷂落坪自然保護(hù)區(qū)歸一化植被指數(shù)。生物豐度指數(shù)是根據(jù)國家環(huán)保部2006年公布施行的《生態(tài)環(huán)境狀況評(píng)價(jià)技術(shù)規(guī)范(試行)》所提供的對(duì)生物豐度指數(shù)公式進(jìn)行計(jì)算。

2.2.5人類活動(dòng)及土地利用數(shù)據(jù)。采用Landsat 8遙感影像，采用432波段進(jìn)行非監(jiān)督解譯分類，然后利用無偏移的谷歌0.5 m分辨率遙感影像進(jìn)行修正, 并通過矢量化最終獲得鷂落坪土地利用數(shù)據(jù)。

3 模型構(gòu)建及結(jié)果

3.1生境相似度計(jì)算模型植物空間分布的評(píng)價(jià)用相似度計(jì)算模型的基本原理：設(shè)格網(wǎng)單元指標(biāo)因子集為Xij(i=1，2，…，n；j=1，2，…，m)，是第i個(gè)格網(wǎng)單元中第j個(gè)指標(biāo)的觀測(cè)數(shù)據(jù)。參照格網(wǎng)單元指標(biāo)因子集為Xkh(k=1，2，…，n；h=1，2，…，m)。當(dāng)某格網(wǎng)單元指標(biāo)j與參照對(duì)象h指標(biāo)之間的差異性越大，表明該項(xiàng)指標(biāo)之間的相似度越低。從而獲取Xi格網(wǎng)(i=1，2，…，n)單元的相似度集。通過合并格網(wǎng)單元相似度集形成相似度數(shù)據(jù)集庫。因此網(wǎng)格對(duì)象Xij的第j指標(biāo)相似值定義為Bj={x|d(x，oi) ，j=1，2，3，…}，格網(wǎng)單元集合O={Oi|i=1，2，…，n}，獲取各個(gè)格網(wǎng)單元的指標(biāo)相似度并集。

(1)

式中，B為所有格網(wǎng)單元的指標(biāo)相似度值集，Bi為各個(gè)格網(wǎng)單元指標(biāo)相似度值集，其中各相似度值是根據(jù)數(shù)據(jù)類型進(jìn)行分類相似度計(jì)算獲取。

3.2指標(biāo)因子的篩選通過偏最小乘法對(duì)核心影響因子進(jìn)行篩選，通過軟件SIMCA-P 11.5對(duì)植物生長因子建立偏最小二乘法模型，得出該模型對(duì)植物生長具有近85.7%的描述預(yù)測(cè)能力。然后對(duì)所有因子進(jìn)行主成分分析(圖1)，其中橢圓圈內(nèi)的為置信度95%的指標(biāo)因子，可以此篩選出較低描述能力的因子，并給出指標(biāo)因子對(duì)植物生長環(huán)境影響力的正負(fù)相關(guān)性(圖2)以及程度(圖3)。

圖1植被影響因子95%置信度 Fig.1 95% confidence of vegetation impact factor

圖2 植被影響因子正負(fù)相關(guān)性 Fig.2 Positive and negative correlation of vegetation impact factors

圖3 植被影響因子Fig.3 Vegetation impact factors

從圖1～3可以看出，對(duì)植物生長影響力較大的因子分別是地形指標(biāo)中的坡向、高程、高程系數(shù)、坡度、地表粗糙度、地形復(fù)雜度、地表切割度、山脊線方向、山脊線密度、山谷線密度、山谷線方向等指標(biāo)因子；土壤指標(biāo)因子中的氮含量、磷含量、鉀含量、有機(jī)質(zhì)含量、土壤容重、土壤濕度等；氣候指標(biāo)中的最高溫度、最低溫度、平均溫度、濕度、太陽輻射等；人為干擾因素中的居民密度、交通線密度、居民點(diǎn)群方向；自然資源指標(biāo)中的植物覆蓋度、生物豐富度等指標(biāo)因子，利用上述指標(biāo)因子建立模型較為可靠和可信。

3.3指標(biāo)因子權(quán)重的確定以某一存在在大別山紅楓的格網(wǎng)單元為例，以該格網(wǎng)單元為參照對(duì)象，通過逸代法將其與其他格網(wǎng)單元集進(jìn)行相似度計(jì)算，獲取其相似度值數(shù)據(jù)庫，再通過變異系數(shù)法進(jìn)行確定權(quán)重，各指標(biāo)因子所獲的權(quán)重值見表1。

由表1可知，地形環(huán)境因子對(duì)大別山紅楓生境相似度影響最大，達(dá)40.15%；排在第二的是土壤因子，達(dá)33.90%。氣候影響力與人為干擾影響力相近，其中居民點(diǎn)密度對(duì)植物生境相似度影響較大，自然資源因子影響較少。

3.4結(jié)果通過提取的指標(biāo)因子以及權(quán)重值，運(yùn)用加權(quán)平均綜合評(píng)價(jià)法計(jì)算出以該格網(wǎng)單元為參照對(duì)象下，每個(gè)格網(wǎng)單元的大別山紅楓生境相似度空間分布狀況，所獲取的相似度指數(shù)見圖4。通過0.5 km×0.5 km的格網(wǎng)化顯示所獲取的大別山紅楓生態(tài)環(huán)境相似性指數(shù)分布見圖5。紅楓所在相似度區(qū)間分布擬合圖見圖6。

由圖7可知，a與b在地形、地貌上具有較高相似性。 c在山脊線走向上差別較大，d與a具有明顯的差別。

通過將所有格網(wǎng)中存在大別山紅楓的格網(wǎng)所具有的相似度值進(jìn)行統(tǒng)計(jì)分析，獲得圖6所示的對(duì)數(shù)方程。利用對(duì)數(shù)公式進(jìn)行閾值分析，R2達(dá)0.839 9，通過統(tǒng)計(jì)學(xué)檢驗(yàn)。以該格網(wǎng)單元為參照，相似度為45%以上的區(qū)域?yàn)橹脖环植嫉淖罴褏^(qū)域。

表1 植物生境相似度指標(biāo)權(quán)重

圖4 相似度指數(shù)數(shù)據(jù)庫Fig.4 Similarity index database

圖5 大別山紅楓生境相似性空間分布Fig.5 Spatial distribution of habitat similarity of red maple in Dabie Mountain

圖6 紅楓所在相似度區(qū)間分布擬合Fig.6 Similarity interval distribution fitting of red maple

3.5模型檢驗(yàn)通過實(shí)際考察，并記錄大別山紅楓在大別山分布的經(jīng)緯度，將提取出的用于試驗(yàn)的大別山紅楓分布數(shù)據(jù)，通過ArcGIS將大別山紅楓經(jīng)緯度數(shù)據(jù)轉(zhuǎn)化為空間分布數(shù)據(jù)，結(jié)果見圖8。根據(jù)以上方法，以存在大別山紅楓的格網(wǎng)單元為參照進(jìn)行相似度計(jì)算，將相似度格網(wǎng)單元合并，構(gòu)建相似度模型。此處設(shè)置閾值為80%，通過將存在大別山紅楓的格網(wǎng)單元為參照集，獲得該模型在相似度閾值為80%時(shí)的植物空間分布預(yù)測(cè)并集分析圖。

由圖9可知，在設(shè)置相似度值為80%時(shí)，通過不斷增加觀測(cè)到大別山紅楓位置的格網(wǎng)單元為參照對(duì)象，大別山紅楓的預(yù)測(cè)分布單元逐漸增加。從實(shí)測(cè)中選出34個(gè)觀測(cè)到位置的大別山紅楓數(shù)據(jù)，作為對(duì)模型可靠性的檢驗(yàn)數(shù)據(jù)。在閾值為70%時(shí)，模型預(yù)測(cè)值與實(shí)際觀測(cè)比值82.35%；在80%閾值下模型預(yù)測(cè)值與實(shí)際觀測(cè)比值為82.35%；在90%相似度閾值下，預(yù)測(cè)值與實(shí)際觀測(cè)比值為73.52 %，顯示該模型在不同閾值下的預(yù)測(cè)能力差別較大，但總體可靠性較強(qiáng)。

圖7 不同相似度值下圖像對(duì)比Fig.7 Image comparison under different similarity values

圖8 實(shí)地采集的紅楓空間分布Fig.8 Spatial distribution of red maple trees collected on the spot

4 結(jié)論

該研究全面分析有關(guān)植物生境評(píng)價(jià)相關(guān)方法與技術(shù)的基礎(chǔ)上，以鷂落坪自然保護(hù)區(qū)為例，選取地形、土壤、氣候、人類活動(dòng)、自然資源等共計(jì)29個(gè)指標(biāo)因子構(gòu)建珍稀植物七葉大別山紅楓的生境相似度計(jì)算模型。采用格網(wǎng)對(duì)指標(biāo)數(shù)據(jù)進(jìn)行格網(wǎng)化統(tǒng)計(jì)和表達(dá)。利用地理空間相似度的計(jì)算原理對(duì)指標(biāo)因子進(jìn)行相似度計(jì)算，將獲取的數(shù)據(jù)利用變異系數(shù)法進(jìn)行權(quán)重計(jì)算，最后將指標(biāo)相似度值進(jìn)行加權(quán)運(yùn)算，獲得鷂落坪地區(qū)七葉大別山紅楓的生境分布相似度數(shù)據(jù)及分析圖，以此為基礎(chǔ)獲取大別山紅楓生長的適宜條件信息。確定了影響大別山紅楓空間分布的核心影響因子，提取對(duì)大別山紅楓生長具有影響的各因子的適宜度。大別山紅楓在該模型下，顯示出該模型在不同閾值下的預(yù)測(cè)能力差別，但總體可靠性較強(qiáng)。因此該模型用于植物分布位置預(yù)測(cè)較為可靠，對(duì)野外珍稀植物的搜尋與保護(hù)較為有利。通過以某一存在大別山紅楓的格網(wǎng)單元為參照，對(duì)其生境相似度進(jìn)行研究發(fā)現(xiàn)，地形因子、氣候因子、土壤因子、人類活動(dòng)因子、自然資源因子對(duì)大別山紅楓生境相似度的影響分別為40.15%、9.06%、33.90%、13.21%、4.23%，可見地形與土壤對(duì)大別山紅楓生境的相似度影響較大。

圖9 各參照單元下并集分布預(yù)測(cè)Fig.9 Union set distribution prediction under each reference unit