景观格局因子交互作用对科尔沁沙地沙漠化的影响

doi:10.7522/j.issn.1000-694X.2023.00087

摘要/Abstract

摘要：

将景观生态学原理运用到沙漠化现状的准确和快捷评估是景观生态学研究面临的一个挑战。本文以2000年和2018年奈曼旗中部沙区土地利用类型数据为基础，选定最大斑块指数（LPI）、边界密度（ED）、聚集度指数（AI）和香农指数（SHDI），借助地理探测器模型和Fragstats软件中的Moving window功能分析了景观格局双因子交互作用及因子分级对沙漠化现状的影响。结果表明：2000—2018年是研究区沙漠化逆转期，沙漠化现状指数由0.393减少到0.288。景观格局双因子交互作用有非线性增强和双因子增强两种形式且对沙漠化现状的影响大于各因子独立作用。不同格局因子分级对沙漠化现状影响存在差异，导致差异原因与不同沙丘类型面积和分布格局有关。在沙漠化现状较强年份（2000年），LPI和ED分级导致的沙漠化现状显著区，以流动沙丘占优势（30.6%~42.9%），不显著区以固定沙丘占优势（32.0%~44.0%）。在沙漠化现状较弱年份（2018年），SHDI分级导致的沙漠化现状显著区和不显著区都以流动沙丘占优势（均超过79.2%）。景观格局双因子交互对沙漠化现状影响既与时间有关，又与空间范围有关；交互作用对沙漠化现状的影响机制具有非线性特点；研究区范围大小直接影响到景观因子交互作用形式和空间格局（尺度依赖），任何典型案例研究结果不能跨尺度推绎，但方法可以统一。

关键词: 地理探测器, 移动窗口法, 景观格局, 沙漠化现状, 科尔沁沙地

Abstract:

It is a challenge for landscape ecology research to apply the principles of landscape ecology to the accurate and rapid assessment of desertification status （DS）. Based on the land use type data in the sandy area of the central Naiman Banner in 2000 and 2018， the maximum patch index （LPI）， boundary density （ED）， aggregation index （AI） and Shannon diversity index （SHDI） were selected， and the influence of two-factor interaction and grading of landscape pattern on DS was analyzed with the supports of Geo-detector Model and Moving Window function in Fragstats software. DS analysis showed that the desertification process was reversed from 2000 to 2018 in the study area because the DS is reduced from 0.393 to 0.288. There are two forms of two-factor interaction in landscape pattern： nonlinear enhancement and two-factor enhancement， and the influence on DS was greater than that of each factor. There were differences in the influence of different pattern factors on DS， and the differences reasons were related to the area size and distribution pattern of different dune types. In the years when DS was strong （2000）， mobile dunes predominated （30.6%-42.9%） in the areas with significant DS caused by LPI and ED classifications， while fixed sand dunes predominated （32.0%-44.0%） in insignificant areas. In the years when DS was weak （2018）， both significant and insignificant DS areas caused by SHDI classification were dominated by mobile dunes （both over 79.2%）. This study shows that the influence of two-factor interaction of landscape pattern on DS is related to both temporal and spatial scale， and the influence mechanism of interaction on DS has nonlinear characteristics. The study area size directly affects the interaction form and spatial pattern of landscape factors （scale dependent）. The results of any typical case study should't be deduced across scales， but the methods can be unified.

Key words: geo-detector model, moving window method, landscape pattern, desertification status, Kerqin Sandy Land

中图分类号:

P901

蔡明玉, 贾飚, 常学礼. 景观格局因子交互作用对科尔沁沙地沙漠化的影响[J]. 中国沙漠, 2024, 44(2): 99-108.

Mingyu Cai, Biao Jia, Xueli Chang. Impact of interaction of landscape pattern factors on desertification status in Kerqin Sandy Land[J]. Journal of Desert Research, 2024, 44(2): 99-108.

图/表 12

图1 研究区位置

Fig.1 Location of the study area

表1 景观格局因子分级（2000年）

Table 1 Classification of landscape pattern factors （2000）

级别	因子
级别	最大斑块指数LPI	边界密度ED	聚集度AI	香农指数SHDI
Ⅰ级	LPI ≤46.729	ED≤20.598	AI ≤96.849	LDI≤0.292
Ⅱ级	46.729< LPI ≤89.351	20.598< ED ≤38.918	96.849< AI ≤99.259	0.292< LDI≤0.966
Ⅲ级	LPI>89.351	ED>38.918	AI>99.259	LDI>0.966

图2 景观多样性因子尺度依赖特征

Fig.2 The scale dependent characteristics of landscape diversity index

图3 沙漠化现状与景观格局因子分析图层

Fig.3 Analysis layer of desertification status and landscape pattern factor

表2 地理探测器模型中景观格局因子交互作用类型

Table 2 Types of interaction between two landscape pattern factor in Geodetector Model

交互作用类型	判断准则	代码
非线性增强	$q (x 1 ? x 2) > q (x 1) + q (x 2)$	A
双因子非线性增强	$q (x 1 ? x 2) > q (x 1) 和 ? q (x 2)$	B
单因子非线性减弱	$M i n (q (x 1) 和 q (x 2)) < q (x 1 ? x 2) < ? M a x (q (x 1) 和 q (x 2))$	C
非线性减弱	$q (x 1 ? x 2) < M i n (q (x 1) 和 q (x 2) ?)$	D
独立	$q (x 1 ? x 2) = q (x 1) + q (x 2)$	E

表2 地理探测器模型中景观格局因子交互作用类型

Table 2 Types of interaction between two landscape pattern factor in Geodetector Model

交互作用类型	判断准则	代码
非线性增强	$q (x 1 ? x 2) > q (x 1) + q (x 2)$	A
双因子非线性增强	$q (x 1 ? x 2) > q (x 1) 和 ? q (x 2)$	B
单因子非线性减弱	$M i n (q (x 1) 和 q (x 2)) < q (x 1 ? x 2) < ? M a x (q (x 1) 和 q (x 2))$	C
非线性减弱	$q (x 1 ? x 2) < M i n (q (x 1) 和 q (x 2) ?)$	D
独立	$q (x 1 ? x 2) = q (x 1) + q (x 2)$	E

表3 景观格局因子对沙漠化程度的解释力显著性检查（ q 值）

Table 3 Significance test of explanatory force of landscape pattern factors on DS （ q value）

研究区范围	年份	显著性检查	因子
研究区范围	年份	显著性检查	最大斑块指数LPI	边界密度ED	聚集度AI	香农指数SHDI
研究区整体	2000	q	0.002	0.001	0.006	0.000
	2000	P	0.000	0.046	0.000	0.718
	2018	q	0.004	0.023	0.006	0.022
	2018	P	0.000	0.000	0.000	0.000
研究区局部	2000	q	0.006	0.002	0.013	0.005
	2000	P	0.000	0.013	0.000	0.000
	2018	q	0.003	0.019	0.003	0.031
	2018	P	0.002	0.000	0.000	0.000

表4 不同格局因子对沙漠化影响生态探测关联分析（ q 值）

Table 4 Correlation analysis ofecological detected of the pattern factor impact on DS （ q value）

研究区范围	年份		最大斑块块指数LPI	边界密度ED	聚集度AI	香农指数SHDI
研究区整体	2000	最大斑块指数LPI	0.002
		边界密度ED	0.004ⁿ	0.001
		密集度AI	0.007ⁿ	0.009ⁿ	0.006
		香农指数SHDI	0.003ⁿ	0.002ⁿ	0.008ⁿ	0.000
	2018	最大斑块指数LPI	0.004
		边界密度ED	0.027ⁿ	0.023
		密集度AI	0.016ⁿ	0.025ⁿ	0.006
		香农指数SHDI	0.024ⁿ	0.032ⁿ	0.026ⁿ	0.022
研究区局部	2000	最大斑块指数LPI	0.006
		边界密度ED	0.008ⁿ	0.002ⁿ
		密集度AI	0.016ⁿ	0.017ⁿ	0.013
		香农指数SHDI	0.012ⁿ	0.009ⁿ	0.020ⁿ	0.005
	2018	最大斑块指数LPI	0.003
		边界密度ED	0.026ⁿ	0.019
		密集度AI	0.016ⁿ	0.026ⁿ	0.003
		香农指数SHDI	0.033ⁿ	0.037ⁿ	0.033ⁿ	0.031

表5 不同景观格局因子交互作用对沙漠化现状影响探测结果

Table 5 Detection results of interaction of different landscape pattern factors on DS

交互作用组合	研究区		缩小区
交互作用组合	2000年	2018年	2000年	2018年
最大斑块指数LPI∩边界密度ED	A	A	B	A
最大斑块指数LPI∩密集度AI	B	A	B	A
最大斑块指数LPI∩SHDI	A	B	A	B
边界密度ED∩密集度AI	A	B	A	A
边界密度ED∩香农指数SHDI	A	B	A	B
密集度AI∩香农指数SHDI	A	B	A	B

图4 景观格局因子组合与沙漠化现状关系3D散点图

Fig.4 3D scatter diagram of landscape pattern factor and DS

图5 不同时期景观格局因子分级探测

Fig.5 Hierarchical risk detection of different landscape pattern factors

图6 景观格局因子分级探测显著区识别

Fig.6 Identification of significant areas based on the detection of the pattern factor graduated interactive

图7 格局因子分级的显著与非显著区沙漠化现状面积组成特征

Fig.7 Characteristics of DS area composition in significant and non-significant regions of major pattern factor classification

参考文献 21

1	朱震达，王涛.从若干典型地区研究近十年来中国土地沙漠化演变趋势的分析［J］.地理学报，1990，45（2）：67-72.
2	胡孟春.科尔沁土地沙漠化分类定量指标初步研究［J］.中国沙漠，1991，11（3）：57-60.
3	王涛，宋翔，颜长珍，等.近35ａ来中国北方土地沙漠化趋势的遥感分析［J］.中国沙漠，2011，31（6）：1351-1356.
5	O'Neill R V， Krummel J R， Gardner R H，et al.Indices of landscape pattern［J］.Landscape Ecology，1988，1：153-162.
6	McGarigal K， Cushman S A， Neel M C，et al.FRAGSTATS：spatial pattern analysis program for categorical and continuous maps［Z］.2002.http：//www.umass.edu/landeco/research/fragstats.
7	O'neill R， Hunsaker C， Timmins S P，et al.Scale problems in reporting landscape pattern at the regional scale［J］.Landscape Ecology，1996，11（3）：169-180.
8	常学礼，张安定，杨华.科尔沁沙地景观研究中的尺度效应［J］.生态学报，2003，23（4）：635-641.
9	刘志民，余海滨，汪海洋.科尔沁沙地“山水林田湖草沙”一体化治理原理及实施重点［J］.应用生态学报，2022，33（12）：3441-3447.
10	张凤荣，周建，徐艳，等.基于地学规律的科尔沁沙地土地整治与生态修复规划方法［J］.地学前缘，2021，28（4）：35-41.
11	吴健生，王仰麟，张小飞，等.景观生态学在国土空间治理中的应用［J］.自然资源学报，2020，35（1）：14-25.
12	刘志民，余海滨.“山水林田湖草沙生命共同体”理念下的科尔沁沙地生态治理［J］.中国沙漠，2022，42（1）：34-40.
13	Liu L， Zhang X， Chen X，et al.GLC_FCS30-2020：Global Land Cover with Fine Classification System at 30 m in 2020［J］.Earth System Science Data，2020，13：2753-2776.
14	Levy H.The rationale of the mean-standard deviation analysis：comment［J］.The American Economic Review，1974，64（3）：434-441.
15	Wang J F， Li X H， Christakos G，et al.Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun region，China［J］.International Journal of Geographical Information Science，2010，24（1）：107-127.
16	王劲峰，徐成东.地理探测器：原理与展望［J］.地理学报，2017，72（1）：116-134.
17	Levin S A.The problem of pattern and scale in eclogy［J］.Ecology，1992，73：1943-1967.
18	常学礼，邬建国.科尔沁沙地景观格局的特征分析［J］.生态学报，1998，18（3）：225-232.
19	段翰晨，王涛，薛娴，等.科尔沁沙地沙漠化时空演变及其景观格局：以内蒙古自治区奈曼旗为例［J］.地理学报，2012，67（7）：917-928.
20	连杰，赵学勇，左小安，等.科尔沁沙地水域景观格局的时空动态：以奈曼旗为例［J］.中国沙漠，2012，32（1）：210-218.
21	王涛.中国防沙治沙实践与沙漠科学发展的70年：Ⅱ.开拓篇（1）［J］.中国沙漠，2023，43（1）：1-8.

[1]	徐晨曦, 万红莲, 何若楠, 殷鹏, 倪敬峰, 黄敏, 王晓利. 关中平原城市群脆弱性时空演变与驱动因子[J]. 中国沙漠, 2023, 43(6): 111-120.
[2]	苏万峰, 汉光昭, 叶得力, 曹广超. 共和盆地生态环境遥感评价及驱动力分析[J]. 中国沙漠, 2023, 43(5): 74-84.
[3]	崔亚婷, 李嬛, 郑龙啸, 吴孟泉. 基于 *RSEI* 的黄河上游流域生态环境质量变化分析[J]. 中国沙漠, 2023, 43(3): 107-118.
[4]	张恩月, 苏迎庆, 张云枫, 李育桢, 李可璇, 刘庚. 汾河流域水土资源耦合协调格局及驱动因素[J]. 中国沙漠, 2023, 43(3): 169-177.
[5]	任雨, 张勃, 陈曦东. 科尔沁沙地土地荒漠化敏感性评估[J]. 中国沙漠, 2023, 43(2): 159-169.
[6]	乔荣荣, 黄海涛, 董春媛, 罗立辉, 常学礼. 宁夏沿黄人工绿洲农田格局对景观多样性的影响——以卫宁平原灌区为例[J]. 中国沙漠, 2023, 43(2): 21-27.
[7]	闫蒙, 王旭洋, 周立业, 李玉强. 科尔沁沙地沙漠化过程中土壤有机碳含量变化特征及影响因素[J]. 中国沙漠, 2022, 42(5): 221-231.
[8]	尹振良, 冯起, 王凌阁, 陈泽霞, 常亚斌, 朱睿. 2000—2019年中国西北地区植被覆盖变化及其影响因子[J]. 中国沙漠, 2022, 42(4): 11-21.
[9]	冯净雪, 丁占良, 尤莉, 韩广. 科尔沁沙地西部横向沙丘间的风况和输沙势[J]. 中国沙漠, 2022, 42(4): 110-119.
[10]	贺超, 刘廷玺, 段利民, 王冠丽, 郝丽娜. 科尔沁沙地差巴嘎蒿（ *Artemisia halodendron* ）水分利用特征[J]. 中国沙漠, 2022, 42(4): 190-198.
[11]	李昌盛, 张志山, 张金林, 张秀风, 徐冰鑫, 石亚飞, 霍建强. 荒漠-绿洲区土壤性质过渡特征[J]. 中国沙漠, 2022, 42(4): 209-218.
[12]	张亦然, 刘廷玺, 童新, 段利民, 贾天宇, 季亚新. 基于多源遥感和机器学习方法的科尔沁沙地植被覆盖度反演[J]. 中国沙漠, 2022, 42(3): 187-195.
[13]	李魁明, 王晓燕, 姚罗兰. 黄河流域农业绿色发展水平区域差异及影响因素[J]. 中国沙漠, 2022, 42(3): 85-94.
[14]	赵啸龙, 谢玉鸿, 马旭君, 王少昆. 科尔沁沙质草地不同恢复年限草本层群落结构及其与土壤理化性质的关系[J]. 中国沙漠, 2022, 42(2): 134-141.
[15]	詹瑾, 韩丹, 杨红玲, 李玉霖. 科尔沁沙地植被恢复过程中群落组成及多样性演变特征[J]. 中国沙漠, 2022, 42(2): 194-206.