-
在景观生态学中，粒度指的是在研究和分析地表景观类型或特征时采用的空间粒度大小或分辨率。它不仅是研究森林景观格局粒度效应的一个主要表征，也是影响景观分析和景观模式解释的关键因素之一。在进行景观生态学研究时，选择合适的粒度至关重要，不同的研究对象在不同空间和时间上具有不同的特征和影响（Wu，2004; 游丽平等，2008）。粒度分析精度的大小取决于所关注的对象或过程（邬建国，2001；崔杨林等，2020），不同粒度下的观察和分析可以呈现出不同的景观特征和生态过程，选择合适的粒度有助于全面地理解景观生态系统的结构、功能、主要特征和变化（Fu et al.，2011; 郭琳等，2013）。森林生态系统景观是以乔木为主体的生物群落及其非生物环境组成的复合景观，是以不同林分组成的植被为主体的综合生态系统构成的空间结构单元（汤萃文等，2009）。不同森林群落组成所发挥的作用各不相同，它的核心任务在于分析各阶段、各粒度层次的景观指数，探究景观格局的一般变化规律（郭晋平，2001）。
-
森林景观的结构直接影响着生态系统的功能，景观格局描述了森林生态系统结构的特征，包括不同空间单位之间的大小、形状、分布、连接性、碎片化程度等（李南岍和陈建伟，2011）。森林景观格局分类是一个基于植被类型和环境条件等因素而被划分为多级分类体系的科学过程（朱耀军等，2011）。因此，森林景观分类具有尺度特性，不同尺度下森林景观分类的构成要素及构成要素等级不同（赵春燕等，2013），合适的景观格局有助于分析生物多样性、能量流动、物种迁移等生态过程（余新晓等，2010）。景观格局指数是描述和量化景观格局特征的数值指标，如斑块数量（number of patches，NP）、斑块密度（patch density，PD）、聚合度（aggregation index，AI）等（申卫军等，2003），这些指数能够对景观空间结构和组织进行定量评估，平均形状指数（mean shape index，SHAPE_MN）、蔓延度（contagion index，CONTAG）、香农多样性指数（Shannon's diversity index，SHDI）等也可对景观复杂性、多样性进行定量描述（李倩雯等，2023）。这些指数的综合运用有助于全面把握景观的结构特征，为生态学问题的深入研究提供更全面的视角，而不同的粒度大小则决定了景观指数的变化趋势并影响着对景观结构和格局的解释与理解。
-
近年来，景观生态学领域更加重视多尺度分析，探究不同粒度对景观格局、生物多样性和生态过程的影响（Wu，2004）。关于不同粒度下景观变化对生态系统的影响等方面的研究逐渐增多。李小马和刘常富（2009）对沈阳城市森林景观的研究发现，不同景观类型的各个景观指数对研究粒度的变化产生明显响应，他们根据景观指数变化拐点认为景观类型的最适宜分析粒度为5 m。另外，施英俊等（2019）对阿尔泰山森林的相关研究发现最佳的景观效应研究粒度为60 m。景观指数对粒度的变化也可能会产生不同的响应，如崔杨林等（2020）对红枫湖流域森林景观的研究发现景观指数的敏感度随着尺度的增加而降低，马黛玉等（2021）在县域尺度下发现景观指数对粒度的变化响应不明显。对于森林生态系统，当粒度选择过小时，会出现“只能看到个体树木而无法把握整体森林”的现象；反之，当选择过大时，会出现“只看到整体森林而无法辨别个体树木”的情况。因此，选择合适的粒度是森林景观研究的重要前提（Jaeger，2000; Cadenasso et al.，2013），通过不同观察或分析粒度大小来优化信息的解释和理解，这更能科学地解释各生态过程变化的宏观和微观视角。
-
本研究以江西官山国家级自然保护区12 hm2森林大样地为对象，利用2015年和2020年两期森林资源调查数据，结合景观生态学的理论和方法，拟开展以下3个方面的研究：（1）在该森林大样地中，主要的景观类型有哪些；（2）随着研究粒度的变化，大样地的这些森林景观存在何种差异；（3）官山常绿阔叶林的最佳景观粒度是多少才能准确地表达景观格局。旨在了解官山保护区大样地的森林景观类型随粒度分析变化的时空规律。
-
1 材料与方法
-
1.1 研究区概况
-
江西官山国家级自然保护区（114°29′—114°45′ E、28°30′—28°40′ N）（吴敬芳，2022）位于鄱阳湖平原、江汉平原和洞庭湖平原三大平原之间，受山脉和平原气候的交错影响，保护区属于中亚热带温暖湿润气候，该区总面积11 500.5 hm2，但小气候分区明显，生态系统稳定，森林覆盖率达93.8%，物种多样性逐渐增加，全年日照降水充足且无霜期长，平均气温（16.2℃）稳定，年降雨量（1 950~2 100 mm）多（卢尧舜，2022）。该区在成为自然保护区之前，遭受过大面积的破坏，1954—1956年，种植了杉木（Cunninghamia lanceolata）、马尾松（Pinus massoniana）等用材树种的幼苗，形成了大面积的人工林。自1981年江西官山省级自然保护区建立以来，人工林进入了自然演替阶段，逐渐发展成为次生常绿阔叶林。该区独特的地理条件和良好的生境支持了植物资源的丰富多样性，并为毛竹的自然扩张创造了有利条件。
-
1.2 样地设置和调查
-
根据大型森林监测样地的建设方法（兰国玉，2007），用全站仪设置了300块20 m × 20 m森林永久性固定监测样地，总面积为12 hm2（300 m × 400 m）（图1），在每个样方内又分16个5 m × 5 m的小样方。以5 m × 5 m的小样方为基本单位，于2015年8月完成样地内胸径（diameter at breast height，DBH）大于等于1.0 cm的所有木本植物的调查，2020年8月完成第1次样地复查（文仁权，2021；王倩等，2022）（图1）。
-
1.3 景观类型划分和景观信息提取
-
本研究采用两期的调查数据，可在时间维度上探索生态过程，如林分更新、群落结构的演替，进一步分析森林景观格局的动态变化。本研究的景观类型划分依据主要是样地内各乔木树种的重要值（文仁权，2021），对不同粒度下的树种数量进行计算并确认栅格单元的主要树种，选择样地内各树种的重要值大于60，或毛竹、杉木、马尾松及阔叶树等重要值之和大于60的区域，从而判定不同时期下各个粒度的纯林或混交林类型（表1）。
-
根据样地样方的大小，本研究划分了4个粒度（5、10、20、50 m），在这4个粒度下，对样地中所有乔木树种的重要值进行了计算，以此来确定不同粒度下栅格中的景观类型。图2所示为4个粒度下大样地2015年和2020年的景观类型分布。
-
图1 江西官山常绿阔叶林大样地地形图（左）和样方示意图（右）
-
Fig.1 Topographical map of Jiangxi Guanshan evergreen broad-leaved forest (left) and schematic diagram of sample plots (right)
-
注： 1代表出现，0代表不出现; GAP. 林窗; BBF. 竹林， CLF. 杉木林; PMF. 马尾松林; BLF. 阔叶林; BCF. 竹杉混交林; BPM. 竹松混交林; CPM. 杉松混交林。下同。
-
Note: 1 represents appear, 0 represents absence; GAP. Forest gap; BBF. Bamboo forest; CLF. Cunninghamia lanceolata; PMF. Pinus massoniana; BLF. Broad-leaved forest; BCF. Bamboo and Cunninghamia lanceolata mixed forests; BPM. Bamboo and Pinus massoniana mixed forest; CPM. Cunninghamia lanceolata and Pinus massoniana mixed forest. The same below.
-
1.4 景观指数的选取及意义
-
根据研究区实际情况，筛选出12个典型的景观格局指标，包括斑块类型水平和景观水平（游丽平等，2008；胡晓杰等，2023）（表2），其中Ⅰ型包括斑块密度（PD）、斑块数量（NP）、景观形状指数（landscape shape index，LSI）、蔓延度（CONTAG）、边缘密度（edge density，ED）、聚合度（AI），Ⅱ型包括最大斑块指数（largest patch index，LPI）、平均斑块面积（mean patch area，AREA_MN）、平均分维指数（mean fractal dimension index，FRAC_MN）、平均形状指数（SHAPE_MN），Ⅲ型包括香农多样性指数（SHDI）、香农均匀度指数（Shannon's evenness index，SHEI）（申卫军等，2003；田雅楠等，2020；李倩雯等，2023）。采用Matlab2014a编程计算重要值和景观类型划分，利用ArcMap 10.5转化成栅格图，并制作景观类型分布图；Fragstats 4.2.1计算景观指数，Excel 2019进行统计检验，在Origin中作图以便后续分析。利用景观格局指数，分析不同空间粒度下景观结构在景观斑块密度、聚集程度、规模大小和形状上的特征，探讨分析景观结构的复杂性、差异性及变化规律。
-
图2 江西官山常绿阔叶林大样地景观类型分布
-
Fig.2 Distribution of landscape types in Jiangxi Guanshan evergreen broad-leaved forest
-
2 结果与分析
-
2.1 大样地整体景观格局变化
-
由表3可知，从密度角度来分析NP、PD、ED，随着粒度的增加，均为逐渐减少的趋势，而且随着粒度增加，指数越大，具有高敏感性；极显著性变化的NP由5 m × 5 m下2015年的276个、2020年的266个，减少到50 m × 50 m下2015年的7个、2020年的7个；PD由5 m × 5 m下2015年的23.00 ind.·100 hm-2、2020年的22.17 ind.·100 hm-2，减少到10 m × 10 m下2015年的4.42 ind.·100 hm-2、2020年的4.08 ind.·100 hm-2，最终减少到50 m × 50 m下的0.58 ind.·100 hm-2；显著变化的ED由5 m × 5 m下2015年的946.67 m·km-2、2020年的961.67 m·km-2，减少到50 m × 50 m下2015年的145.83 m·km-2、2020年的125.00 m·km-2。
-
从规模层面来分析，LPI的变化呈现线性减少的趋势，而AREA_MN呈现线性增加的趋势且变化显著，从5 m × 5 m下2015年的0.04 hm2、2020年的0.05 hm2，增加到50 m × 50 m下的1.71 hm2；观察形态层面，随着粒度的增加，LSI呈现线性减少的趋势，斑块则变化不显著，稳定在相对水平而变化不敏感，SHAPE_MN平均维持在1.34，FRAC_MN平均保持在1.05；根据聚集性分析，CONTAG呈现线性减少的趋势，由5 m × 5 m下2015年的57.85%、2020年的57.88%，减少到50 m × 50 m下2015年的24.67%、2020年的26.08%，AI的变化相对不敏感，平均值约为76.24%。
-
SHDI反映景观的异质性，SHEI反映景观各斑块类型数目或面积分布的均匀程度。本研究中2015年到2020年的变化趋势随粒度变化大小总体无显著性差异。由图3可知，随着粒度的增加，两期的SHDI、SHEI值逐渐增加，SHEI变化相对更明显，逐渐向1靠近，表明各景观类型在景观中分布逐渐均匀化；但是在时间尺度上的变化不显著，从2015年到2020年在不同粒度上的景观异质性与斑块均匀度分布变化无明显起伏。
-
2.2 乔木层各景观类型指数变化
-
在8种景观类型的变化中，最明显的林窗、竹杉混交林仅存在于粒度5 m和10 m下，马尾松林、竹松混交林在50 m × 50 m时未被观察到，其斑块数量显著少于其他景观类型，因此最终会被融合。在两期调查中（表4），8种景观类型的PD指数和NP指数变化基本一致，表现出逐渐下降的趋势，景观破碎化程度降低。在5 m × 5 m粒度下，各景观类型的斑块面积大多为小面积聚集分布且相互有混合连接的地方。因此，当粒度增加至50 m × 50 m时，各景观类型之间相互融合，其中1种斑块面积逐渐增大，导致其他小斑块被包含在其中，因此除竹林AI增加外，其他斑块的AI均为减少的趋势。
-
图3 2015—2020年在不同粒度下的香农多样性指数和香农均匀度指数的变化
-
Fig.3 Changes of SHDI and SHEI during the different grain sizes from 2015 to 2020
-
续表4
-
同时，在大样地中竹林、杉木林、阔叶林的LPI相对其他景观的指数较大，2015年时分别为10.67%、37.50%、61.75%，它们在不同粒度下的LPI占比均较大，在2020年时面积有所增加，分别为14.58%、39.58%、61.77%，说明在大样地中这3种景观类型为优势类型，适宜的生态环境使得该林分内的树木生长繁茂，有种群扩大的趋势，因此景观类型面积有所增加。从时间变化上看，8种景观类型的LSI和ED整体表现出随分析的粒度增大而降低的趋势，即各景观类型斑块边缘形状变化明显，聚合度逐渐减少，乔木层的各个景观复杂程度增加。
-
从平均斑块面积、平均形状指数、平均分维指数分析各景观类型的变异系数大小，判断景观类型随粒度增加的变化趋势（表5）。AREA_MN在各景观类型中整体表现为上升的趋势，其中竹林、杉木林和阔叶林变化最明显，作为优势物种其面积一直增加，变异系数变化时的差距大，随粒度增加逐渐降低，说明各景观类型内局部对斑块面积变化的敏感度较低，2015—2020年3种林分的景观类型变化不显著，其他景观类型因景观融合的原因变化显著。
-
SHAPE_MN、FRAC_MN在林窗、竹林、马尾松林中整体呈现出随粒度增加而表现为下降的趋势，阔叶林先上升后下降；在杉松混交林、竹松混交林中则变化不稳定，但总体有下降趋势。这说明景观复杂程度随粒度增加而变得简单，尤其在小粒度下，斑块面积增加，形状更复杂，斑块边缘效应逐渐降低。
-
另外，在SPSS软件中，计算不同粒度下景观指数的变异系数（coefficient of variation，CV），即标准差与平均数的比值，判断景观内部斑块规模差异及其对粒度敏感程度，值越大代表度量的灵敏度越高（申卫军等，2003；张利平和曲建光，2021）。由大样地的景观指数分析（表6）可知，随着粒度的变化，NP、PD、ED、AREA_MN、LSI均属于较高敏感度的指数，说明该类指数对景观变化更具精确度（易海杰等，2018；周海菊等，2022），但也可能会因个别极端数据的影响而出现显著差异，因此需要全面解释这些指数的结果；相反，SHAPE_MN、FRAC_MN、AI、SHDI均为低敏感度，该类指数在景观变化时不会出现显著性波动，即使在参数有较大变化时，也不会对整体的变化趋势有影响，该类指数在一定范围内的干扰可忽略，有助于结果的一致性和可靠性。因此，结合以上的景观指数分析可客观地反映大样地内分别在5、10、20、50 m粒度下景观的合理变化趋势。
-
由表7可知，各景观指数敏感性差异较大，随粒度大小的增加，各个景观格局指数的敏感性响应不同。其中，NP、PD的变异系数大多超过了1%，说明这两种指数在各景观类型中的反映都是最敏感的，随粒度的增加响应最显著，粒度越小斑块面积和斑块密度均会有显著的数量增加；ED、LPI、LSI相对低一些，但对粒度增加的反映也属于较高敏感度；因为林窗、竹松混交林、竹杉混交林在4个粒度下的LPI较低，分别为0.17、0.08、0.02，粒度的增加使得景观类型被其他景观融合，使得2020年的聚集度变异系数均为0，所以变异系数变化大，其他景观类型对粒度响应的敏感度随着时间的变化处于中等敏感度水平。
-
注：变异系数 ＜0.01为不敏感; 0.01~0.10为低敏感; 0.10~0.50为中度敏感; 0.50~1.00为高敏感; ＞1.00为极高敏感。表中用粗体表示极高敏感。
-
Note: Coefficient of variation ＜0.01 is insensitive; 0.01-0.10 is lowly sensitive; 0.10-0.50 is moderately sensitive; 0.50-1.00 is highly sensitive; ＞1.00 is extremely sensitive. The bold in the table indicates extremely sensitive.
-
2.3 最佳粒度的确定
-
不同景观粒度下的指数变化不同，所呈现的景观格局有差异。根据景观指数变化的拐点来确定最佳的景观分析粒度（图4）。由图4可知，PD、NP、ED、LSI、LPI、CONTAG随粒度的增加而减少，说明景观类型的面积越小，斑块形状越复杂、蔓延度越低，然而随着粒度的增加，景观融合后形状变得规则简单，景观指数就越来越低，在5~10 m处PD、NP差异显著，拐点明显；AREA_MN、SHDI、SHEI随粒度的增加而增加，说明景观的平均斑块面积在逐渐增加，景观多样性无显著性的变化，拐点不明显；SHAPE_MN随粒度增加先增加后下降，在20~50 m时的变化明显，拐点突出。根据指数变化曲线在10~20 m粒度的波动变化，观察到在5~10 m粒度上的波动最显著，在粒度增加的同时，有些景观类型斑块面积减少，被其他景观包含融合，因此从一些敏感性变化显著的指标中可以选择粒度变化时景观变化的显著拐点。因此，2015—2020年江西官山自然保护区12 hm2森林大样地景观格局研究的最佳粒度为5 m。
-
3 讨论与结论
-
3.1 不同粒度下样地景观格局变化
-
本研究在5、10、20、50 m 4个粒度上分析了2015年和2020年官山大样地乔木层12种景观指数的变化。研究结果表明，亚热带常绿阔叶林的景观类型数量随粒度的增加而减少，即研究的景观类型平均面积随之升高，同时，景观的均匀性和多样性有降低的趋势，并且景观破碎化程度表现出降低的趋势。从时间维度来看，5 m粒度下景观指数最高的为NP值，由2015年的276个降低到2020年的226个，其他指数也表现出相类似规律；在5~20 m粒度上，CONTAG值随时间表现出上升的规律，而AI值则表现出下降规律，二者在50 m粒度上均呈现上升趋势，这表明景观破碎化和小斑块随时间在增加，而聚集性随时间在降低，景观类型的均匀性和多样性在时间上变化均不明显（韩会庆等，2020）。我们的研究与赵春燕等（2013）开展的森林景观多尺度分类的研究均发现，森林景观类型划分得越细，森林斑块面积的减小会导致数量增多，景观破碎化和内部同质性也增加，反之亦然（Teng et al.，2016）。此外，余新晓等（2010）研究发现随着多样性指数的增加，景观类型和破碎化程度都升高，构成的景观类型越丰富，相反的是我们的研究结果表明，随着粒度的增加，较大斑块的面积增加聚集融合，使得景观类型减少，多样性减少。
-
注： — 表示该年份无此景观类型指数。
-
Note: — indicates that there is no such landscape type index in that year.
-
生物多样性是维持生态系统健康和功能的关键因素，而粒度分析能够帮助研究者识别和评估不同粒度上生物多样性的变化，从而理解生物多样性对生态系统功能和稳定性的影响（杨天翔等，2014）。陈思明（2023）的研究，通过比较不同区域内入侵物种在不同粒度上的分布模式，发现与环境因子间的关系存在尺度依赖性，了解其潜在分布格局，有助于制定科学的防治管理策略以维护区域内的生物多样性。赵婷婷等（2023）的研究表明，北京市湿地入侵植物与本地植物多样性的关系受环境因素的影响较大，指出入侵植物的分布格局主要影响了本地植物的竞争关系，他们建议，为了更深入了解入侵植物与本地群落间的关系，应扩大研究范围并结合时间尺度，采用更全面的数据进行分析。
-
3.2 乔木层各景观类型指数变化
-
我们在不同粒度下对样地乔木层的景观格局进行了分析，发现在5 m的粒度下，阔叶林、杉木林、竹林以及林窗的斑块破碎化程度处于较高水平。在样地中，阔叶林、杉木林和竹林的LPI值占比较高，NP的数量也比较多，这导致了林窗分散在其他景观中，降低了林窗之间的连通性，最终使得林窗是较少的斑块类型。本研究结果与汤萃文等（2009）在祁连山南坡植被景观格局的研究得出的结果相同。在4个不同粒度下，本研究的8种景观的形状复杂程度表现不同，其中阔叶林、杉木林和竹林的形状相对复杂，同时各景观类型的聚集程度随粒度的增加而加大。在阔叶林、杉木林和竹林中的AI值均为60%以上，说明这3种景观类型是由数量较少的大斑块构成，斑块之间的连通性和聚集性均较高（郭琳等，2013; Zhang et al.，2020）。在不同粒度下，其他类型的AI值基本上都低于60%，只有杉松混交林50 m粒度下AI值达到了100%，说明这些类型的景观通常是由小斑块组成，分布较为独立。根据AREA_MN、SHAPE_MN和FRAC_MN的变异系数，研究的各个景观类型对粒度的增加响应不明显。各景观类型的景观破碎化程度随着粒度的增加和时间的变化表现出降低趋势（Yao et al.，2020），减少森林生境和景观的破碎化有利于维持生物多样性（Goodwin &Fahrig，2002; Teng et al.，2016; Wang et al.，2022）。
-
图4 2015—2020年不同粒度下各景观指数变化
-
Fig.4 Changes in various landscape indices at different grain size between 2015 to 2020
-
群落组成的分析揭示了不同物种在空间分布上的异质性，这对于理解物种间相互作用、竞争和共存机制至关重要。张昊楠等（2022）在对赤水地区湿热河谷植物群落的研究中，发现了5种优势植物物种在亚热带森林次生演替中的空间分布格局；无性克隆繁殖的芭蕉种群呈现更大的种内聚集程度和明显的对称性竞争，而与其他优势种之间表现出不对称竞争和负关联关系。本研究关于乔木层各个林分的景观格局变化体现了一定的竞争关系，通过不同的斑块可观察到物种多样性的变化，如毛竹扩张（欧阳明等，2016）等现象。
-
3.3 确定最佳分析粒度
-
本研究通过多角度分析，依据景观指数变化曲线的拐点来寻找江西官山亚热带常绿阔叶林的最佳分析粒度。在样地中5~50 m的粒度区间，NP、PD、ED均表现出降低的趋势，这说明随着粒度的增加，弱势景观类型逐渐与其他景观类型融合，而优势景观类型的面积则表现出逐渐增加的趋势。随着粒度的增加，不同景观类型之间的AI增加，CONTAG减少，AREA_MN、SHDI和SHEI均增加，这是由于景观类型的减少导致了更大的斑块面积增加（常成，2010；叶丽敏等，2015）。这一点与叶欣等（2021）关于七台河市景观格局分析和周海菊等（2022）关于广西北部湾经济区景观格局动态变化分析的研究有类似之处，均说明了最佳粒度的选择对于准确把握景观格局的重要性。根据拐点的变化，确定江西官山亚热带常绿阔叶林的森林景观格局在5 m的粒度中分析较为适宜，景观类型更加丰富，能反映森林景观的具体格局与变化规律（叶欣等，2021；周海菊等，2022）。
-
4 结论
-
基于2015年、2020年两期的江西官山国家级自然保护区12 hm2森林大样地的景观格局变化结果，探寻研究区内各景观类型随时间、粒度大小的各项景观指数的变化规律。发现5~10 m的粒度范围内，景观格局变化最敏感，根据粒度效应曲线拐点，确定5 m为官山森林大样地的最佳分析粒度。在本研究中，不同粒度下景观类型的变化，可通过景观指数体现，以此来理解不同景观类型对生物多样性、群落组成和生态过程的影响，为森林资源的保护、林分结构的恢复提供有利证据。
-
参考文献
-
CADENASSO ML, PICKETT STA, MCGRATH B, et al. , 2013. Ecological heterogeneity in urban ecosystems: reconceptualized land cover models as a bridge to urban design [J]. Resil Ecol Urban Des, 3: 107-129.
-
CHANG C, 2010. Study on the land use change of Mengyin County [D]. Tai'an: Shandong Agricultural University. [常成, 2010. 蒙阴县土地利用动态变化研究 [D]. 泰安: 山东农业大学. ]
-
CHEN SM, 2023. Spatial scale effect of potential distribution pattern of Spartina alterniflora [J]. Acta Ecol Sin, 43(14): 6058-6068. [陈思明, 2023. 互花米草(Spartina alterniflora)潜在分布格局的空间尺度效应 [J]. 生态学报, 43(14): 6058-6068. ]
-
CUI YL, DONG B, WEI HM, et al. , 2020. Granularity effect of landscape index at the county scale [J]. J Zhejiang A & F Univ, 37(4): 778-786. [崔杨林, 董斌, 位慧敏, 等, 2020. 县域尺度下景观指数的粒度效应 [J]. 浙江农林大学学报, 37(4): 778-786. ]
-
FU BJ, LIANG D, LU N, 2011. Landscape ecology: coupling of pattern, process, and scale [J]. Chin Geogr Sci, 21: 385-391.
-
GOODWIN BJ, FAHRIG L, 2002. How does landscape structure influence landscape connectivity? [J]. Oikos, 99(3): 552-570.
-
GUO JP, 2001. Forest landscape ecological research [M] Beijing: Peking University Press: 1-364. [郭晋平, 2001. 森林景观生态研究 [M]. 北京: 北京大学出版社: 1-364. ]
-
GUO L, SONG G, ZHANG YJ, et al. , 2013. Land-use spatial analysis for Bayan County based on optimal grain size [J]. Resour Sci, 35(10): 2052-2060. [郭琳, 宋戈, 张远景, 等, 2013. 基于最佳分析粒度的巴彦县土地利用景观空间格局分析 [J]. 资源科学, 35(10): 2052-2060. ]
-
HAN HQ, MA SL, GAO HJ, et al. , 2020. Granularity effect of land use landscape in karst villages [J]. Areal Resour Dev, 39(4): 127-133. [韩会庆, 马淑亮, 郜红娟, 等, 2020. 喀斯特乡村土地利用景观的粒度效应 [J]. 地域研究与开发, 39(4): 127-133. ]
-
HU XJ, CHEN ZK, MO LJ, et al. , 2023. Analysis on forest landscape pattern in Danxia Mountain National Nature Reserve based on remote sensing images [J]. Ecol Sci, 42(2): 155-163. [胡晓杰, 陈灼康, 莫罗坚, 等, 2023. 基于遥感影像的丹霞山国家级自然保护区森林景观格局分析 [J]. 生态科学, 42(2): 155-163. ]
-
JAEGER JAG, 2000. Landscape division, splitting index, and effective mesh size: new measures of landscape fragmentation [J]. Landscape Ecol, 15: 115-130.
-
LAN GY, 2007. Research progress on large long-term plot of tropical forest ecosystem in the world [J]. Acta Bot Boreal- Occident Sin, 27(10): 2140-2145. [兰国玉, 2007. 世界热带森林生态系统大样地定位研究进展 [J]. 西北植物学报, 27(10): 2140-2145. ]
-
LI NY, CHEN JW, 2011. New approach of forest zoning in China [J]. For Res Manage (4): 1-5. [李南岍, 陈建伟, 2011. 对中国森林区划的新探讨 [J]. 林业资源管理 (4): 1-5. ]
-
LI QW, JIN TT, JIANG AP, et al. , 2023. Effects of road construction on landscape pattern in southwest China [J]. Acta Ecol Sin, 43(6): 2310-2322. [李倩雯, 靳甜甜, 蒋爱萍, 等, 2023. 道路建设对西南地区景观格局的影响 [J]. 生态学报, 43(6): 2310-2322. ]
-
LI XM, LIU CF, 2009. Grain size effect on landscape pattern indices: a case study of Shenyang urban forest [J]. J NW For Univ, 24(2): 166-170. [李小马, 刘常富, 2009. 景观格局指数的粒度效应: 以沈阳城市森林为例 [J]. 西北林学院学报, 24(2): 166-170. ]
-
LU YS, 2022. Distribution patterns and the determinants of plant diversity along an elevational gradient in subtropical forests of Mt. Guanshan, China [D]. Shanghai: East China Normal University. [卢尧舜, 2022. 江西官山亚热带森林植物多样性海拔梯度格局及其影响因素 [D] 上海: 华东师范大学. ]
-
MA DY, XIA JG, ZHOU YX, et al. , 2021. Analysis of the granularity effect of tea garden landscape index in different time series at county scale [J]. J Sichuan Agric Univ, 39(4): 524-531. [马黛玉, 夏建国, 周玥希, 等, 2021. 县域尺度下不同时序茶园景观格局指数的粒度效应分析 [J]. 四川农业大学学报, 39(4): 524-531. ]
-
OUYANG M, YANG QP, CHEN X, et al. , 2016. Effects of the expansion of Phyllostachys edulis on species composition, structure and diversity of the secondary evergreen broad-leaved forests [J]. Biodivers Sci, 24(6): 649-657. [欧阳明, 杨清培, 陈昕, 等, 2016. 毛竹扩张对次生常绿阔叶林物种组成、结构与多样性的影响 [J]. 生物多样性, 24(6): 649-657. ]
-
SHEN WJ, WU JG, LIN YB, et al. , 2003. Effects of changing grain size on landscape pattern analysis [J]. Acta Ecol Sin, 23(12): 2506-2519. [申卫军, 邬建国, 林永标, 等, 2003. 空间粒度变化对景观格局分析的影响 [J]. 生态学报, 23(12): 2506-2519. ]
-
SHI YJ, GAO J, LEI YJ, et al. , 2019. Landscape characteristics and suitability analysis of the Altai Mountains [J]. J W Chin Sci Silv Sin, 48(1): 63-69. [施英俊, 高健, 雷亚君, 等, 2019. 阿尔泰山森林景观特征及其适宜粒度分析 [J]. 西部林业科学, 48(1): 63-69. ]
-
TANG CW, ZHANG HF, CHEN YP, et al. , 2009. Vegetation landscape pattern and its fragmentation on southern slope of Qilian Mountain [J]. Chin J Ecol, 28(11): 2305-2310. [汤萃文, 张海风, 陈银萍, 等, 2009. 祁连山南坡植被景观格局及其破碎化 [J]. 生态学杂志, 28(11): 2305-2310. ]
-
TENG MJ, ZENG LX, ZHOU ZX, et al. , 2016. Responses of landscape metrics to altering grain size in the three gorges reservoir landscape in China [J]. Environ Earth Sci, 75: 1-13.
-
TIAN YN, GAO RZ, LIU TX, et al. , 2020. Grain effects of landscape in forest-grassland ecotone [J]. J Beijing Norm Univ Agric For (Nat Sci Ed), 56(5): 675-682. [田雅楠, 高瑞忠, 刘廷玺, 2020. 林草交错带县域景观格局粒度效应研究 [J]. 北京师范大学学报(自然科学版), 56(5): 675-682. ]
-
WANG HR, ZHANG MD, WANG CY, et al. , 2022. Spatial and temporal changes of landscape patterns and their effects on ecosystem services in the Huaihe River Basin, China [J]. Land, 11(4): 513.
-
WANG Q, YI LL, CHEN L, et al. , 2022. Species composition and community structures of subtropical evergreen broad-leaved forests in Guanshan, Jiangxi Province, China [J]. Biol Disaster Sci, 45(2): 199-209. [王倩, 易伶俐, 陈琳, 等, 2022. 江西官山亚热带次生常绿阔叶林物种组成与群落结构特征 [J]. 生物灾害科学, 45(2): 199-209. ]
-
WEN RQ, 2021. Study on the Landscape pattern dynamics of the evergreen broad-leaved forest monitoring plot in Guanshan, Jiangxi Province [D]. Nanchang: Jiangxi Agricultural University. [文仁权, 2021. 江西官山常绿阔叶林监测样地景观格局动态研究 [D]. 南昌: 江西农业大学. ]
-
WU JG, 2001. Landscape ecology: pattern, process, scale and hierarchy [M]. Beijing: High Education Press: 95-118. [邬建国, 2001. 景观生态学: 格局、过程、尺度与等级 [M]. 北京: 高等教育出版社: 95-118. ]
-
WU JG, 2004. Effects of changing scale on landscape pattern analysis: scaling relations [J]. Landscape Ecol, 19: 125-138.
-
WU JF, 2022. Canopy structure and its effects on understory shrub regeneration of evergreen broad-leaved forest in Guanshan [D]. Nanchang: Jiangxi Agricultural University. [吴敬芳, 2022. 官山常绿阔叶林冠层结构及其对林下灌木更新的影响 [D]. 南昌: 江西农业大学. ]
-
YANG TX, JING D, WU JY, et al. , 2014. Multi-scale study on the spatial permeation trend among regional eco-sources: impact assessment on the planning in Tianhe District, Bengbu [J]. J Fudan Univ (Nat Sci), 53(6): 737-746. [杨天翔, 敬东, 吴锦瑜, 等, 2014. 区域生态源之间辐射趋势的多尺度研究: 以蚌埠天河片区规划影响评价为例 [J]. 复旦学报(自然科学版), 53(6): 737-746. ]
-
YAO LJ, DING Y, YAO L, et al. , 2020. Trait gradient analysis for evergreen and deciduous species in a subtropical forest [J]. Forests, 11(4): 364.
-
YE LM, ZHOU YH, QIU RZ, et al. , 2015. Effects of regional road construction to landscape ecology of both sides: a case study in Jiangle of Fujiang Province [J]. J Sichuan Agric Univ, 33(2): 159-165. [叶丽敏, 周沿海, 邱荣祖, 等, 2015. 区域道路建设对两侧景观生态的影响: 以福建省将乐县为例 [J]. 四川农业大学学报, 33(2): 159-165. ]
-
YE X, DONG L, LÜ LN, et al. , 2021. Analysis of landscape pattern of Qitaihe City under optimal grid sizes [J]. J Anhui Agric Sci, 49(21): 227-230. [叶欣, 董伦, 吕利娜, 等, 2021. 最佳粒度下的七台河市景观格局分析 [J]. 安徽农业科学, 49(21): 227-230. ]
-
YI HJ, ZHANG L, LUO W, et al. , 2018. Spatial grain size effect on land use pattern changes within the Yanghe watershed in 1990-2013 [J]. Chin Agric Sci Bull, 34(19): 83-95. [易海杰, 张丽, 罗维, 等, 2018. 1990—2013年洋河流域土地利用景观格局的粒度效应 [J]. 中国农学通报, 34(19): 83-95. ]
-
YOU LP, LIN GF, YANG CZ, et al. , 2008. The effects of spatial scales on landscape indices: a case study of the landuse pattern of Xiamen Island [J]. J Geo-Inf Sci, 10(1): 74-79. [游丽平, 林广发, 杨陈照, 等, 2008. 景观指数的空间尺度效应分析: 以厦门岛土地利用格局为例 [J]. 地球信息科学, 10(1): 74-79. ]
-
YU XX, LI XB, XIA B, 2010. Forest landscape patterns and LUCC on ecohydrological response [M]. Beijing: Science Press: 1-216. [余新晓, 李秀彬, 夏兵, 2010. 森林景观格局与土地利用/覆被变化及其生态水文响应 [M]. 北京: 科学出版社: 1-216. ]
-
ZHANG HN, ZHOU DQ, QIAN ZD, et al. , 2022. Spatial distribution pattern and competitive symmetry of dominant species in Musa sp. community in the hot and humid river valley [J]. Acta Ecol Sin, 42(7): 2853-2864. [张昊楠, 周大庆, 钱者东, 等, 2022. 湿热河谷芭蕉群落优势物种空间分布格局与竞争对称性研究 [J]. 生态学报, 42(7): 2853-2864. ]
-
ZHANG LP, QU JG, 2021. Spatial grain size effect on landscape pattern in Songhua River basin (Harbin section) [J]. Eng Surv Map, 30(1): 51-59. [张利平, 曲建光, 2021. 松花江流域(哈尔滨段)景观格局粒度效应 [J]. 测绘工程, 30(1): 51-59. ]
-
ZHANG Q, CHEN CL, WANG JZ, et al. , 2020. The spatial granularity effect, changing landscape patterns, and suitable landscape metrics in the three gorges reservoir area, 1995-2015 [J]. Ecol Indic, 114: 106259.
-
ZHAO CY, LI JP, MA WJ, et al. , 2013. Multi-scale forest landscape classification considering coupling effect [J]. Sci Silv Sin, 49(11): 183-188. [赵春燕, 李际平, 马文俊, 等, 2013. 顾及耦合作用的森林景观多尺度分类 [J]. 林业科学, 49(11): 183-188. ]
-
ZHAO TT, LI G, LI MQ, et al. , 2023. Comparisons of the biodiversity of invasive alien plant community and native plant community in Beijing wetlands [J]. J Plant Prot, 50(6): 1443-1454. [赵婷婷, 李果, 李梦晴, 等, 2023. 北京市湿地入侵植物群落与本地植物群落的生物多样性比较 [J]. 植物保护学报, 50(6): 1443-1454. ]
-
ZHOU HJ, LIU XY, HU LD, et al. , 2022. Analysis on dynamic changes of landscape structure in Guangxi Gulf of Tonkin Economic Zone based on optimum granularity [J]. J Ecol Rural Environ, 38(5): 545-555. [周海菊, 刘小英, 胡靓达, 等, 2022. 基于最佳分析粒度的广西北部湾经济区景观格局动态变化分析 [J]. 生态与农村环境学报, 38(5): 545-555. ]
-
ZHU YJ, WANG C, JIA BQ, et al. , 2011. Canopy-based greening pattern in the urban region of Guangzhou [J]. Sci Silv Sin, 47(7): 65-72. [朱耀军, 王成, 贾宝全, 等, 2011. 基于树冠覆盖的广州市中心区绿化格局分析 [J]. 林业科学, 47(7): 65-72. ]
-
摘要
确定合理的粒度是景观格局分析和生态研究过程的关键。为深入了解空间的多样性和景观格局的动态特征，该研究基于2015年、2020年江西官山国家级自然保护区12 hm2森林大样地调查数据，分析8种不同景观类型的各个景观指数在5~50 m粒度范围内的粒度效应；通过变异系数揭示不同景观格局指数随粒度增大的变化特征，并结合各项景观指数变化拐点选取最佳粒度。结果表明：（1）根据重要值分析得出，大样地内乔木层划分出8种不同的景观类型，分别为林窗、竹林、杉木林、马尾松林、阔叶林、杉松混交林、竹松混交林、竹杉混交林。（2）整体景观的斑块分布较为均衡，分布形式变化不大；更大的空间粒度下，各景观类型的聚集度增加，发生景观融合的概率增加，而小粒度下，景观类型有明显的破碎化趋势，能更全面地展示各景观类型的数量、密度、形状等特征；斑块密度（PD）、斑块数量（NP）、边缘密度（ED）、景观形状指数（LSI）、平均分维指数（FRAC_MN）、蔓延度（CONTAG）随粒度的增加而增加，而平均斑块面积（AREA_MN）、香农多样性指数（SHDI）、香农均匀度指数（SHEI）随粒度的增加而减少。（3）景观指数中PD、NP、ED、LSI、AREA_MN的变异系数最大；综合景观结构稳定性和多样性，不同景观指数的变化主要集中在5 m处的拐点。综上认为，江西官山亚热带常绿阔叶林景观格局研究的最佳粒度为5 m。该研究结果为森林资源、林分结构的恢复提供了有利证据。
Abstract
Determining an appropriate grain size is crucial in landscape pattern analysis and ecological research. In order to gain deeper insights into the spatial diversity and dynamic characteristics of landscape pattern, based on the survey data of the 12 hm2 large plot in Jiangxi Guanshan National Nature Reserve in 2015 and 2020, the grain size effect of landscape indices in eight different landscape types within the range of 5-50 meters were analyzed; the variation coefficients were used to reveal the changing characteristics of different landscape pattern indices as the grain size increased, and the optimal grain size was selected based on the inflection points of changes in various landscape indices. The results were as follows: (1) Based on the importance value analysis, eight different landscape types were identified in the arbor layer of the plot, including forest gap, bamboo forest, Cunninghamia lanceolata forest, Pinus massoniana forest, broad-leaved forest, bamboo and Cunninghamia lanceolata mixed forest, bamboo and Pinus massoniana mixed forest, Cunninghamia lanceolata and Pinus massoniana mixed forest. (2) The overall distribution of patches in the landscape was relatively balanced, and the distribution pattern remained relatively stable. At larger spatial grain size, the aggregation of each landscape type increased, leading to a higher probability of landscape merging. In contrast, at smaller granularity, there was a noticeable trend of fragmentation in landscape types, providing a more comprehensive display of the quantity, density, and shape of each landscape type. Patch density (PD), number of patches (NP), edge density (ED), landscape shape index (LSI), mean fractal dimension index (FRAC_MN), contagion index (CONTAG) exhibited significant negative correlations with increasing grain size, while mean patch area (AREA_MN), Shannon's diversity index (SHDI), Shannon's evenness index (SHEI) exhibited significant positive correlations with increasing grain size. (3) The coefficients of variation for landscape indices PD, NP, ED, LSI, and AREA_MN were the highest, combining landscape structural stability and diversity, the changes in different landscape indices were primarily concentrated around the inflection point at 5 meters. These results illustrate the diversity of landscape types, with the coefficient of variation reflecting the most sensitive characteristics of landscape pattern changes. This study suggests that a grain size of 5 meters is optimal for studying the landscape pattern of subtropical evergreen broad-leaved forests in Guanshan, Jiangxi. This study provides favorable evidence for the restoration of forest resources and stand stucture.
Keywords
optimal grain size ； landscape pattern ； landscape type ； landscape index ； sensitivity
