黃木易,仲 勇,馮少茹,張嘉暉

(1:安徽建筑大學環(huán)境與能源工程學院,合肥 230601)

(2:安徽建筑大學科學技術處,合肥 230601)

流域生態(tài)系統(tǒng)在人類活動的強烈擾動及脅迫下，其生態(tài)壓力和風險將日益增加[1]. 隨著城鎮(zhèn)化、工業(yè)化和全球化不斷推進，生態(tài)環(huán)境效應與人類活動及人地關系等研究逐漸加強，從而發(fā)展了探討人類應對全球化的能力和適應程度的脆弱性研究[2]. 當前，基于土地利用變化的生態(tài)脆弱性相關研究已引起國內(nèi)外學者的普遍關注，并逐漸成為景觀格局效應與生態(tài)安全等相關研究的熱點.

生態(tài)脆弱性本質(zhì)上是衡量區(qū)域生態(tài)系統(tǒng)穩(wěn)定性的一種表達，相關評價方法主要有模糊評價法、指標體系綜合評分法和景觀格局法等[3-5]. 其中，基于景觀格局的生態(tài)脆弱性評價法主要通過具有生態(tài)學內(nèi)涵與典型反映生態(tài)環(huán)境脆弱性屬性(敏感性、適應性)的景觀指數(shù)來構建的評價方法. 該方法主要通過剖析景觀格局信息與生態(tài)環(huán)境脆弱性之間的關聯(lián)性，建立具有生態(tài)學內(nèi)涵的指標體系，從而為區(qū)域生態(tài)環(huán)境脆弱性評價提供新思路和新方法[6]. 從景觀生態(tài)學視角看，景觀格局脆弱性是指由于受到自然條件的變化和人類活動影響等外界擾動時，景觀格局所表現(xiàn)出來的敏感性以及缺乏適應能力，從而使景觀系統(tǒng)的結構、功能和特性容易發(fā)生改變的一種屬性[7]. 土地利用覆被變化是生態(tài)環(huán)境效應的主要原因，景觀格局的改變對生態(tài)過程起到重要作用. 因此，通過景觀格局法進行生態(tài)脆弱性及生態(tài)系統(tǒng)穩(wěn)定性等研究有助于了解生態(tài)系統(tǒng)功能狀況及變化趨勢[8]. 景觀生態(tài)脆弱性是景觀在受到外界干擾時所表現(xiàn)的敏感性及景觀格局的結構、功能和特性發(fā)生改變的程度[7]，一般用景觀脆弱度來衡量[9]. 近年來，基于景觀格局法的生態(tài)脆弱性研究模式成為生態(tài)安全研究的熱點方向之一，相關研究大多以脆弱度的格局分布特征及時空變化對比分析為主，而結合景觀生態(tài)脆弱性的人為和自然影響因子進行脆弱性空間分異的驅(qū)動作用機制等研究缺乏. 景觀生態(tài)脆弱性一般存在空間自相關，是具有空間集聚性的非穩(wěn)態(tài)地理變量，基于定性探討的驅(qū)動分析研究缺乏對區(qū)域空間差異和階段性差異的關注[10]. 地理加權回歸(geographical weighted regression, GWR)模型是一種能有效揭示被觀測者空間非平穩(wěn)性和空間依賴特征的方法[11]，其作為一種空間差異驅(qū)動機制的研究方法已被廣泛應用在城鎮(zhèn)化、旅游業(yè)、耕地和城市形態(tài)等影響因素分析中[12-15].

引入GWR模型探討景觀生態(tài)脆弱性“自然-人文社會”驅(qū)動因子空間作用特征，揭示各種驅(qū)動因子在空間上的作用機制，有利于精準的研究景觀生態(tài)脆弱性空間異質(zhì)性，為生態(tài)系統(tǒng)功能的多維因子調(diào)控提供依據(jù). 本研究基于景觀格局法和GWR模型進行巢湖流域水環(huán)境保護區(qū)生態(tài)脆弱性研究，結果可為巢湖流域生態(tài)系統(tǒng)功能調(diào)控及生態(tài)文明示范區(qū)建設提供一定的理論與實踐依據(jù).

1 研究區(qū)及數(shù)據(jù)處理

1.1 研究區(qū)概況

巢湖流域地處中國中部經(jīng)濟帶，為長江流域的重要組成部分. 2013年巢湖流域被列為第一批國家生態(tài)文明先行示范區(qū)之一. 作為中國重要的水源地和生態(tài)保護區(qū)，巢湖流域在《全國主體功能區(qū)規(guī)劃》和《全國生態(tài)功能區(qū)劃》中，既是重點開發(fā)區(qū)，又是重要的生態(tài)功能區(qū)，是國土資源空間配置中矛盾最為突出的區(qū)域. 近年來，高速城市化和工業(yè)化推動社會經(jīng)濟發(fā)展的同時，人類活動對流域土地利用及景觀格局產(chǎn)生了強烈干擾[16]，導致生態(tài)系統(tǒng)功能受到顯著影響[17-20]. 前期研究表明，巢湖流域核心區(qū)生態(tài)系統(tǒng)變化較為復雜[18, 20]. 因此，流域核心區(qū)生態(tài)系統(tǒng)功能變化及多維因子驅(qū)動機制等值得探討. 由于核心區(qū)沒有一個明確的邊界，因此，本研究的具體范圍主要與《巢湖流域水污染防治條例》中確定的水環(huán)境保護區(qū)相銜接，以一級水環(huán)境保護區(qū)內(nèi)的鄉(xiāng)鎮(zhèn)行政范圍為核心，同時，考慮到水環(huán)境保護核心區(qū)行政單元與周邊區(qū)域的社會經(jīng)濟發(fā)展關聯(lián)性，最終在水環(huán)境保護核心區(qū)外圍再緩沖10 km后形成了本文主體研究區(qū)，該區(qū)域總面積約6848.35 km2，共涉及到110個鄉(xiāng)鎮(zhèn)(街道)行政單元，研究區(qū)位置見圖1.

圖1 巢湖流域地理區(qū)位及研究區(qū)范圍

1.2 數(shù)據(jù)來源及驅(qū)動因子選擇

巢湖流域景觀生態(tài)脆弱性評價單元主要利用ArcGIS 10.2進行網(wǎng)格化采樣. 本文基于相關文獻[21-22]，對評價單元按3 km×3 km幅度對研究區(qū)進行空間網(wǎng)格化采樣，共采集評價單元685個(圖1). 考慮到研究區(qū)1970-2000年間土地利用變化較為平緩，因此，本文主要采用1970、2000、2015年份的土地利用分類數(shù)據(jù)(分辨率30 m，來源于中國科學院資源環(huán)境科學數(shù)據(jù)中心http://www.resdc.cn/)[23]. 按照“中國土地利用/土地覆蓋遙感監(jiān)測數(shù)據(jù)分類系統(tǒng)”對各年份的土地利用類型進行一級重分類，得到農(nóng)田、林地、草地、水域、建設用地5種土地景觀類型.

景觀生態(tài)脆弱度的時空變化主要受到景觀組分和格局分布及人為干擾的影響. 基于“自然-人文社會”相結合原則，考慮到研究區(qū)以農(nóng)地為主，地形復雜，且為人地耦合作用的社會經(jīng)濟熱點區(qū)域，本文最終選擇包括自然因子(植被分布、景觀格局、地形)及人為影響因子(土地利用程度)指標進行研究區(qū)的景觀生態(tài)脆弱性空間分異的驅(qū)動作用分析. 具體指標為：植被指數(shù)(NDVI)、農(nóng)地破碎度(FN)、坡度(SLOP)、土地利用程度(LUI)因子，通過網(wǎng)格采樣形成評價單元，建立以景觀生態(tài)脆弱度為因變量，以驅(qū)動因子為自變量的柵格數(shù)據(jù)集. 驅(qū)動因子數(shù)據(jù)來源包括：景觀格局因子(農(nóng)地破碎度，主要利用Patch Analyst模塊進行計算)；坡度因子(主要基于格式為GRID的SRTM數(shù)字高程數(shù)據(jù)進行提取，來源于美國對地觀測全球高程數(shù)據(jù)，分辨率90 m，對DEM中的極少數(shù)異常值通過ArcGIS 10.2進行填洼處理)；植被指數(shù)(利用遙感影像數(shù)據(jù)進行NDVI提取，選擇了2015年9月Landsat ETM+遙感影像數(shù)據(jù)，軌道號分別為：120/038、121/038、121/039)；土地利用程度綜合指數(shù)(參考文獻[24]，基于網(wǎng)格單元進行計算獲得).

1.3 研究方法

1.3.1 脆弱度指數(shù)計算 生態(tài)脆弱性研究對于自然資源開發(fā)利用、國土空間規(guī)劃、可持續(xù)發(fā)展等領域具有重要意義[6]，目前已成為相關領域熱點之一. 生態(tài)脆弱性評價方法主要包括模糊評價法、綜合評價法和基于景觀格局的脆弱性評價法等. 景觀作為一個復雜的系統(tǒng)，一般具有潛在的脆弱性和自我恢復力的雙重功能，景觀格局脆弱性內(nèi)涵主要包含敏感性和適應性兩種屬性，其中敏感性是在不同時間和空間尺度上系統(tǒng)對于干擾的反應；適應性是景觀系統(tǒng)對外界干擾的適應性調(diào)整能力[25-26]. 因此，景觀生態(tài)脆弱度指數(shù)可用于描述當受到外界干擾時，景觀生態(tài)系統(tǒng)所表現(xiàn)的敏感性及其結構、功能和特性發(fā)生改變的程度[7]. 基于景觀格局的生態(tài)脆弱性評價法主要通過具有生態(tài)學內(nèi)涵與典型反映生態(tài)環(huán)境脆弱性屬性(敏感性、適應性)的景觀指數(shù)來構建的評價方法[7-8,27]，公式為：

LVI=LSI(1-LAI)

(1)

(2)

Ui=aFNi+bFDi+cDOi

(3)

LAI=PRD·SHDI·SHEI

(4)

式中,LVI為景觀生態(tài)脆弱度，由景觀敏感度和景觀適應度計算；LSI為景觀敏感度，其表示遭遇干擾時各類景觀所受到的生態(tài)損失差別，即其自然屬性損失的程度，是某一類型景觀結構指數(shù)和易損度指數(shù)的綜合；LAI為景觀適應度指數(shù)，當景觀系統(tǒng)的多樣性越大、結構越復雜且分布越均勻，系統(tǒng)越穩(wěn)定，抗干擾適應恢復能力就越強，其分別由斑塊豐度密度指數(shù)(PRD)、Shannon多樣性指數(shù)(SHDI)和Shannon均勻性指數(shù)(SHEI) 構建；Ui為第i類景觀的干擾度指數(shù)，表示對外界的干擾程度，其由第i類景觀類型的破碎度(FNi)、分形維倒數(shù)(FDi)和優(yōu)勢度(DOi)計算而得，具體公式參考文獻[28]. 另外，Ui中的a、b、c系數(shù)為各景觀指數(shù)的權重，分別為0.5、0.3和0.2[29]；Vi為第i類景觀的易損度，表示景觀對干擾的抵抗程度，按照不同景觀類型的受保護及易改變的特性，將各地類設為不同易損度. 參考相關文獻[6-8,24]，結合研究區(qū)實際，將5種地類易損度分別設為：農(nóng)地=4、林地=3、草地=5、水體=2、建設用地=1.

1.3.2 空間自相關分析 為揭示研究區(qū)各網(wǎng)格單元與相鄰單元之間的關系，本文選擇全局莫蘭指數(shù)(Global Moran’sI)來探索685個景觀生態(tài)脆弱性網(wǎng)格樣本單元的空間關聯(lián)性. Moran’sI指數(shù)通過數(shù)值的正負和大小來反映自相關的性質(zhì)和程度，值域范圍為[-1,1]，采用Z值和P值檢驗空間聚集顯著性. 公式[30]為：

(5)

式中,I為Global Moran’sI指數(shù)；xi和xj分別為第i個和第j個生態(tài)脆弱性網(wǎng)格樣本的觀測值；Wij為網(wǎng)格樣本i和網(wǎng)格樣本j二者間的空間權重矩陣；xa為觀測值的平均值；n=685，為網(wǎng)格樣本單元數(shù).

1.3.3 地理加權回歸模型分析 基于最小二乘法(OLS)參數(shù)估計的經(jīng)典線性回歸模型對空間平穩(wěn)性數(shù)據(jù)的回歸估計效果較好，但對于存在空間自相關性(非平穩(wěn)性)數(shù)據(jù)，其OLS模型中殘差項獨立的假設將無法滿足. 考慮到景觀生態(tài)脆弱度具有空間非均質(zhì)性，而利用OLS進行回歸關系分析時，所得的回歸參數(shù)是研究區(qū)的平均擬合，無法真實反映二者的關系，可能存在空間非穩(wěn)定性[15]，而地理加權回歸模型對傳統(tǒng)回歸模型參數(shù)進行了擴展，增加了空間權重矩陣的應用，是一種有效改進空間非平穩(wěn)性的空間線性回歸模型，從而較好的探測地理現(xiàn)象的空間分異特征，其模型[13-15]公式如下：

(6)

式中，yi為全局因變量，xik為自變量，(ui,vi)為第i個網(wǎng)格單元的空間地理位置坐標(作為地理加權)；βk(ui,vi)為獨立變量xk系數(shù)連續(xù)函數(shù)βk(ui,vi)在i網(wǎng)格樣本空間單元的值，εi為隨機誤差項，β0和βk為一套參數(shù)，k為因子數(shù). 本文GWR模型采用調(diào)整空間核(adaptive spatial kernels)，選擇AICc(修正的Akaike信息準則)法確定最優(yōu)帶寬. 在進行GWR回歸分析前，將采用OLS進行變量共線性檢驗，通過后進行GWR分析.

2 結果與分析

2.1 巢湖流域水環(huán)境保護區(qū)土地景觀類型變化

1970-2015年間的土地利用景觀變化分析顯示，研究區(qū)近45 a來的景觀結構主要表現(xiàn)為“兩降三升”變化趨勢，即農(nóng)地、林地景觀面積下降，草地、水域和建設用地景觀面積上升. 其中，農(nóng)地面積下降明顯，年下降率為0.147%；建設用地面積上升顯著，年增加率為0.139%. 不同發(fā)展時期也表現(xiàn)出不同的變化速率，在1970-2000年的30 a間，景觀變化較為緩慢，但2000年以后，巢湖流域的城鎮(zhèn)化工業(yè)化進入快速發(fā)展時期，相應地土地景觀變化也呈現(xiàn)快速發(fā)展，如1970-2000年，研究區(qū)農(nóng)地面積下降速率為0.083%，建設用地面積增長率為0.078%，而2000-2015年間，其變化率分別為0.276%和0.261%，為前一階段的3倍多(表1)，表現(xiàn)出較為快速的變化趨勢，其中建設用地增長主要以合肥市區(qū)為核心向周邊輻射擴張(圖2).

表1 巢湖流域水環(huán)境保護區(qū)土地利用景觀結構變化(1970-2015年)

圖2 1970-2015年研究區(qū)土地景觀類型

2.2 巢湖流域水環(huán)境保護區(qū)景觀生態(tài)脆弱性評價及驅(qū)動分析

表2 研究區(qū)景觀生態(tài)脆弱性統(tǒng)計性描述參數(shù)(1970-2015年)

2.2.1 研究區(qū)景觀生態(tài)脆弱性時空變化特征分析 基于構建的生態(tài)脆弱性指數(shù)模型，依據(jù)式(1)～(4)分別計算1970、2000和2015年的巢湖流域水環(huán)境保護區(qū)685個網(wǎng)格單元的景觀生態(tài)脆弱性指數(shù)(LVI). 時序變化統(tǒng)計分析表明：1970、2000和2015年研究區(qū)LVI的平均值分別為2.9347、2.6720和2.7989，表明景觀生態(tài)脆弱度呈現(xiàn)“先下降后上升”的V型變化趨勢，近45 a來，整體上研究區(qū)的LVI呈下降趨勢，但LVI的標準差從1.9532上升至2.0218，表明空間上網(wǎng)格單元之間的LVI差異在擴大(表2).

巢湖流域水環(huán)境保護區(qū)的景觀生態(tài)脆弱度受到不同時期土地利用所導致的景觀組分及其格局變化綜合影響. 近45 a來，研究區(qū)LVI從1970年的2.9347下降為2015年的2.7989，整體變化不大，但在局部區(qū)域，尤其是巢湖北部濱湖區(qū)域及合肥市區(qū)與周邊縣域連接區(qū)變化較大，反映了巢湖流域受土地利用影響的LVI區(qū)域性變化特點. 另外，近45 a來，LVI的“V”型變化趨勢，也反映了不同時期社會經(jīng)濟發(fā)展及人為干擾下的LVI階段性變化特點.

根據(jù)LVI評價結果，在ArcGIS 10.2中采用四分位方法將研究區(qū)內(nèi)景觀生態(tài)脆弱性劃分為低、較低、中等、較高和高等級共5級LVI. 分析表明，研究區(qū)內(nèi)的高等級LVI主要分布于水環(huán)境功能區(qū)的東部、南部和巢湖中北部，低等級LVI主要分布在研究區(qū)中部和北部，中等級LVI則零散分布于研究區(qū)(圖3). 從景觀類型在各等級LVI中的占比來看(圖4)，研究區(qū)較低和低等級LVI的范圍內(nèi)主要以農(nóng)地、建設和水域景觀類型為主，因城鄉(xiāng)用地和農(nóng)地較為有序，特別是巢湖大面積水域類型相對穩(wěn)定，所以呈現(xiàn)低等級脆弱度；而景觀生態(tài)脆弱性較高和高等級LVI多處于研究區(qū)東部地區(qū)和南部的山區(qū)周邊，該區(qū)域以林地、草地為主，且林地、草地與農(nóng)地交錯分布，破碎化程度高，所以呈現(xiàn)出高LVI(圖3). 隨著流域城鎮(zhèn)化進程的加快，人類活動干擾的進一步增強，建設用地由合肥市區(qū)向南擴張至巢湖周邊北部，造成巢湖湖區(qū)周邊農(nóng)用地生態(tài)系統(tǒng)干擾程度加劇，隨著濱湖新區(qū)整體成片大力開發(fā)的推進，大面積農(nóng)地轉(zhuǎn)為集中連片的建設用地，從而景觀生態(tài)脆弱度也在下降(圖3). 2000年以后，作為巢湖流域中心特大城市的合肥市進入快速發(fā)展期，建設用地以主城區(qū)為核心向四周擴展，尤其與周邊縣域發(fā)展聯(lián)系緊密，用地布局上隨著二者建成區(qū)的各自拓展，造成其間地類的破碎化程度加劇，景觀生態(tài)脆弱性明顯上升(圖3). 因此，流域景觀生態(tài)脆弱度的空間分布與景觀類型及格局變化具有較強的耦合關聯(lián)性. 景觀生態(tài)脆弱性表達了生態(tài)系統(tǒng)對于外部干擾的適應性以及敏感性，對于低生態(tài)脆弱性區(qū)域需通過景觀格局優(yōu)化、生態(tài)資源的有效配置來提高土地生態(tài)系統(tǒng)功能，如進一步降低建設用地破碎度，加強綠地斑塊覆蓋度，提高城鎮(zhèn)區(qū)域的生態(tài)質(zhì)量，加強水資源保護和防止?jié)竦毓δ芡嘶?，增強生態(tài)系統(tǒng)抗風險能力；另外，也需加強農(nóng)用地綜合整治，降低農(nóng)地斑塊破碎化等問題. 對于林地、草地、農(nóng)地生態(tài)系統(tǒng)交錯區(qū)的高生態(tài)脆弱度的區(qū)域，應進一步加強區(qū)域生態(tài)系統(tǒng)的健康診斷，優(yōu)化景觀格局，降低生態(tài)用地的破碎度，加大退耕還林、還草的力度和山區(qū)土壤侵蝕、水土流失等自然災害的生態(tài)治理、保育與預警，提高生態(tài)系統(tǒng)的穩(wěn)定性和健康程度.

圖3 1970-2015年研究區(qū)景觀生態(tài)脆弱性指數(shù)空間分布特征

圖4 研究區(qū)不同等級LVI范圍內(nèi)的景觀類型分布

1970、2000和2015年研究區(qū)不同等級景觀生態(tài)脆弱度變化分析表明，研究區(qū)主要以較低、中和較高等級脆弱度為主，1970年分別占全區(qū)面積的21.46%、20.61%和21.76%，2015年分別占全區(qū)面積的20.97%、19.71%和20.83%，面積占比呈下降趨勢，而低和高等級脆弱度范圍分別呈上升的擴張趨勢(表3). 從變化率上看，1970-2015年，低等級脆弱度范圍年增長速率最大為0.039%，較高等級范圍在降低，年下降率最大為0.021%. 其中，低等級脆弱度范圍增加主要發(fā)生在2000-2015年間，年增加速率達0.067%，為第一階段1970-2000年0.025%的3倍多，而高等級范圍增加主要發(fā)生在1970-2000年，年變化率為0.017%，2000-2015年變化率較小，為0.005%(表3). 各等級的景觀脆弱度時空變化特征分析表明，巢湖流域水環(huán)境保護區(qū)景觀生態(tài)脆弱性變化具有典型的階段性和區(qū)域性復雜特點.

表3 研究區(qū)不同等級景觀生態(tài)脆弱性指數(shù)時空變化趨勢

2.2.2 研究區(qū)景觀生態(tài)脆弱性空間自相關分析 空間自相關分析參數(shù)顯示，1970-2015年，景觀生態(tài)脆弱性指數(shù)全局Moran’sI指數(shù)均大于0，且Z值均大于1.96，表現(xiàn)出較顯著的空間集聚特征，但全局Moran’sI由1970年的0.1625上升為2000年的0.2972，表明景觀生態(tài)脆弱性空間分布特征有進一步集中的趨勢；但Moran’sI由2000年的0.2972下降為2015年的0.0754(表4)，表明流域水環(huán)境保護區(qū)景觀生態(tài)脆弱性空間分布特征有明顯的分散趨勢，從而具有多中心分布特點.

2.3 巢湖流域水環(huán)境保護區(qū)景觀生態(tài)脆弱性驅(qū)動機制分析

2.3.1 景觀生態(tài)脆弱性影響因子多重共線性檢驗分析 首先利用ArcGIS 10.2的Modeling Spatial Relationships模塊工具進行OLS回歸檢驗，結果顯示，各因子方差膨脹系數(shù)(VIF)均小于7.5，通過了因子多重共線性檢驗(表5). 其次，利用Modeling Spatial Relationships模塊中的Geographically Weighted Regression工具進行GWR模型回歸分析. 結果顯示，OLS模型的校正可決系數(shù)為0.6472，而GWR模型的校正可決系數(shù)為0.6592，表明GWR模型可以解釋景觀生態(tài)脆弱性空間變異程度的65.92%，而傳統(tǒng)OLS模型解釋了64.72%；另外，GWR赤池信息(AICc)由OLS的2202.92下降到2181.54，殘差則進一步減小. 總體上，GWR模型較全局估計OLS模型有更好的適用性.

表4 研究區(qū)景觀生態(tài)脆弱性指數(shù)空間探索

表5 OLS模型回歸檢驗參數(shù)

2.3.2 景觀生態(tài)脆弱性影響因子的GWR驅(qū)動解析 以2015年為例，基于ArcGIS 10.2進行景觀生態(tài)脆弱性的多維因子驅(qū)動解析. GWR模型回歸分析后，會根據(jù)每個網(wǎng)格評價單元計算出所有變量的回歸系數(shù)，該系數(shù)大小反映驅(qū)動因子對各網(wǎng)格評價單元脆弱度的作用程度及性質(zhì)，其代表了每個自變量對因變量的貢獻度與關系類型，當系數(shù)的絕對值越大時，表示該變量在模型中的貢獻越大，也表示了該自變量與因變量的關系越緊密；另外，系數(shù)的正負代表了二者關系的正負作用類型. 本文選擇的各驅(qū)動因子回歸系數(shù)均為正值，說明其與景觀生態(tài)脆弱性均呈正作用關系，各驅(qū)動因子對景觀生態(tài)脆弱度具有促進作用.

各因子回歸系數(shù)閾值范圍分別為：FN在2.0084～2.6299之間，均值2.0710；NDVI在0.6797～2.1273之間，均值1.7457；SLOP在0.0646～0.2779之間，均值0.1096；LUI在0.0018～0.0085之間，均值0.0046. 表明所選取的驅(qū)動力回歸系數(shù)值波動范圍較大，輸出的回歸系數(shù)具有較強的時空差異性，尤其是NDVI、SLOP和LUI因子，最值差異較大，也顯示出驅(qū)動因子的空間非平穩(wěn)性，表明了景觀生態(tài)脆弱性空間差異的形成是一個復雜的過程. 總體上，GWR回歸系數(shù)排序分別為：FN>NDVI>SLOP>LUI，表明各因子對景觀生態(tài)脆弱性的作用影響力大小各異. 其中，植被指數(shù)與農(nóng)地破碎度每增加1個單位，脆弱度將增加約2倍. 坡度與土地利用程度對景觀生態(tài)脆弱性的影響也達到顯著水平，但作用力相對較小. 分析顯示，研究區(qū)景觀生態(tài)脆弱性與研究區(qū)植被狀況、景觀格局、地形地貌以及人為活動存著較為顯著的關聯(lián)性.

圖5 景觀生態(tài)脆弱性驅(qū)動因子的空間作用特征

2.3.3 景觀生態(tài)脆弱性驅(qū)動因子空間作用機制分析 GWR模型計算出各影響因子的回歸系數(shù)，可制作出驅(qū)動因子作用的空間特征圖，可直觀地表現(xiàn)出各因子對景觀生態(tài)脆弱性變化的影響程度(圖5). 通過GWR回歸系數(shù)，反映出不同因子對LVI的作用強度不同，按均值排序為：FN>NDVI>SLOP>LUI. 回歸系數(shù)的空間分布特征顯示出不同因子對景觀生態(tài)脆弱性的影響作用具有各向異性，各因子對脆弱性的空間作用影響特征主要有：(1)FN因子對景觀生態(tài)脆弱性的促進作用在空間上由西向東逐漸增強，最顯著區(qū)位于東部. 主要由于研究區(qū)以農(nóng)地分布為主，且農(nóng)地主要分布于西部，東部主要是林地、草地和農(nóng)地交錯分布區(qū)，因此，東部農(nóng)地破碎化的變動相較于西部農(nóng)地區(qū)會進一步加劇景觀生態(tài)脆弱度的變化. 因此，東部農(nóng)地的FN對景觀生態(tài)脆弱性的影響作用要大于西部. (2)NDVI因子回歸系數(shù)的空間分布由中部向兩側(cè)遞減. 主要與NDVI的空間分布有關，由于研究區(qū)NDVI最小值位于中部湖區(qū)和西北部建設用地區(qū)，而高值區(qū)位于東部山地區(qū)，且相對穩(wěn)定. 因此，東部NDVI的變化對景觀生態(tài)脆弱性影響的顯著性要弱于中西部. (3)SLOP因子回歸系數(shù)的分布則由西向東依次遞減，表明坡度因子對西部平緩地區(qū)的景觀生態(tài)脆弱性的影響要強于東部高坡度區(qū)域. 研究表明，海拔與坡度對生境脆弱性具有一定的影響[31]，本研究區(qū)的地形較為復雜，整體表現(xiàn)為東高西低，東部高坡區(qū)域地表主要分布林地和草地植被,且與農(nóng)地交錯分布,而西部平緩坡地主要分布城鎮(zhèn)用地和農(nóng)用地,坡度因子變化對LVI的影響在西部區(qū)域較東部區(qū)域大,因此,回歸系數(shù)表現(xiàn)出由西向東呈遞減趨勢. (4)LUI因子回歸系數(shù)表現(xiàn)出從東、南向西北逐漸減弱趨勢，表明LUI因子對東部、南部的景觀生態(tài)脆弱度空間作用影響要強于西北部. 研究表明，土地利用程度是景觀生態(tài)脆弱性重要因子[32]，整體上，研究區(qū)土地利用程度越高，斑塊破碎度越低，連通性越強[9]，則區(qū)域景觀生態(tài)脆弱度越低. 研究區(qū)西北部回歸系數(shù)較低的區(qū)域，其土地利用程度較高，隨著建設用地核心區(qū)不斷擴張及成片開發(fā)后，景觀連通性增強，景觀結構及分布更有序、斑塊形狀更規(guī)則，從而降低了整個流域的破碎度，提高了景觀穩(wěn)定性及抗干擾能力，降低了區(qū)域的景觀生態(tài)脆弱度[10]. 而研究區(qū)東部和南部主要以山區(qū)為主，人為干擾強度進一步減小，隨著土地利用程度的下降，其景觀生態(tài)脆弱度呈上升趨勢.

3 結論與討論

3.1 結論

本文基于網(wǎng)格評價單元，應用景觀生態(tài)學、空間數(shù)據(jù)探索及地理加權回歸等技術方法，對生態(tài)文明建設示范區(qū)巢湖流域水環(huán)境保護區(qū)的景觀生態(tài)脆弱性進行評估，分析1970-2015年間的時空演變特征，最后應用GWR模型進行景觀生態(tài)脆弱性影響因子的驅(qū)動解析. 研究表明：

1)1970-2015年間，研究區(qū)農(nóng)地下降明顯，年下降率為0.147%；建設用地上升顯著，年增加率為0.139%. 但不同發(fā)展時期的變化速率差別較大，如1970-2000年間，研究區(qū)農(nóng)地面積下降速率為0.083%，建設用地面積增長率為0.078%，而2000-2015年間，其變化率分別為0.276%和0.261%，為前一階段的3倍多. 建設用地增長主要以合肥市區(qū)為核心向南至巢湖濱湖區(qū)以及周邊縣域擴張.

2)1970、2000和2015年研究區(qū)LVI的平均值分別為2.9347、2.6720和2.7989，生態(tài)脆弱度呈現(xiàn)“先降后升”的“V”型變化特征. 近45 a來，研究區(qū)的LVI整體上在呈下降趨勢，但LVI的標準差從1.9532上升至2.0218，表明網(wǎng)格單元之間的LVI空間分布的差異在擴大. 另外，空間分析表明，LVI具有顯著的空間集聚性分布特點.

3)GWR回歸系數(shù)顯示FN、NDVI、SLOP和LUI因子的回歸系數(shù)為正值，且系數(shù)值波動范圍較大，表明驅(qū)動因子具有空間非平穩(wěn)性和在空間上對LVI的作用力不同且方向各異的特點. 整體表現(xiàn)為：FN>NDVI>SLOP>LUI. 其中，農(nóng)地FN因子表現(xiàn)出由西向東作用力逐漸增強，NDVI因子表現(xiàn)出從中部向兩側(cè)的作用力遞減，SLOP因子作用力由西向東依次遞減，LUI因子作用力表現(xiàn)出從東、南向西北逐漸減弱趨勢. 回歸系數(shù)的空間分布特征表明各因子對LVI空間差異形成的驅(qū)動是一個復雜的過程.

3.2 討論

GWR模型廣泛應用于城鎮(zhèn)化、旅游業(yè)、耕地、房地產(chǎn)和城市形態(tài)變化等研究領域[12-15]，但較少被用于景觀生態(tài)脆弱性的驅(qū)動影響分析. 本文基于網(wǎng)格法建立脆弱性評價單元，遵循易獲取性、自然與人文因子相結合原則，選擇對景觀生態(tài)脆弱性影響大、易于收集的指標，引入GWR模型在網(wǎng)格單元尺度上探討了植被分布、景觀格局、地形、人為干擾等影響因子對景觀生態(tài)脆弱性的空間作用特征及機制，研究結果也佐證了景觀生態(tài)脆弱性與影響因子間的作用關系[5,10]，且GWR模型的分析結果可通過定量、直觀的空間可視化技術揭示不同因子在空間上的作用程度. 同時，應用GWR模型對巢湖流域生態(tài)核心區(qū)的景觀生態(tài)脆弱性的空間作用驅(qū)動機制的探索具有可行性，研究結果可為流域景觀生態(tài)恢復與生態(tài)安全重建的多維精準調(diào)控提供決策依據(jù).

基于景觀格局法的生態(tài)脆弱性評價結果顯示，巢湖流域水環(huán)境保護區(qū)的景觀生態(tài)脆弱性具有空間集聚性、階段性變化的特征，結果較好的體現(xiàn)了巢湖流域水環(huán)境保護區(qū)的生態(tài)脆弱性時空演變特征. 研究表明，流域景觀生態(tài)脆弱性的空間分布與景觀類型及格局變化具有較強的耦合關聯(lián)性，景觀脆弱度的變化與區(qū)域社會經(jīng)濟發(fā)展下的土地利用模式、城市擴展特征及趨勢等密切相關，該方法對研究區(qū)的LVI評估結果無論從空間分布特征、階段性變化及其趨勢上都與區(qū)域內(nèi)自然及城市發(fā)展實際情況較為吻合. 但該方法仍存在主觀賦值所帶來的結果不確定性等問題，如干擾度指數(shù)中的各指標權重賦值具有一致性，而針對不同景觀類型的干擾度，其參與組合的各指數(shù)的權重賦值應當考慮不同景觀類型的生態(tài)效應特點進行差別化處理. 同樣，不同景觀類型的易損度反映了不同景觀類型的易受損程度，賦值也具有一定的主觀性，這需要研究者對所研究區(qū)域的景觀類型的轉(zhuǎn)換特點及社會經(jīng)濟發(fā)展現(xiàn)狀、土地利用模式等較為熟悉. 因此，如何客觀的進行各指數(shù)的影響權重與各景觀類型易損度的合理賦值，以及景觀生態(tài)脆弱性對參數(shù)敏感性等問題仍需進一步探討和驗證[7]. 由于生態(tài)脆弱程度為生態(tài)系統(tǒng)的物質(zhì)、能量、結構和功能等特征所決定，同時與物種的豐富度、群落類型、組成及其變化等有關[7,33]. 因此，基于景觀生態(tài)脆弱性影響因素的復雜性，需進一步加強多維影響因子的耦合驅(qū)動分析及作用機制探討. 另外，受到研究區(qū)鄉(xiāng)鎮(zhèn)、村行政單元數(shù)據(jù)收集的限制，本文基于685個網(wǎng)格樣本單元進行生態(tài)脆弱性評價及其驅(qū)動因素分析，研究結果可為行政單元的生態(tài)系統(tǒng)調(diào)控優(yōu)化提供精確的數(shù)據(jù)支持，但網(wǎng)格樣本單元尺度的分析結果仍難以為行政單元水平尺度上的生態(tài)管控提供更為有效的實踐基礎和指導依據(jù)[34]. 因此，有必要加強鄉(xiāng)鎮(zhèn)、村等基層行政單元尺度水平的景觀生態(tài)脆弱性研究[35]，從而便于在景觀生態(tài)恢復重建的管理實踐中制定更加有效的、可實施、易操作的精準調(diào)控方案，促進巢湖流域水環(huán)境保護區(qū)的生態(tài)系統(tǒng)優(yōu)化，為流域生態(tài)文明建設提供可靠保障.