Effects of watershed landscape pattern on runoff and its components in the loess region of western Shanxi Province, northern China
-
摘要:目的
在气候变化与人类活动共同作用影响下黄土高原地表植被覆盖情况发生了显著的变化,探究不同流域景观格局对水文过程和水分循环要素分配的影响,为优化流域植被空间配置与加强水资源管理提供理论依据。
方法以蔡家川小流域主沟道及其内部4个子流域为研究对象,通过遥感影像解译土地利用现状,并基于2016—2019年5个小流域场次暴雨径流数据,采用偏最小二乘回归和皮尔逊相关分析,探究流域景观格局变化对径流组分的影响。
结果(1)不同土地利用方式对径流形成的作用不同,相较农地(旱地),乔木林地、灌木林地、草地和果园的增加将减少流域产流。(2)流域径流总量与斑块密度、边缘密度和香农多样性指数呈显著正相关(P < 0.05),与聚集指数、蔓延度指数和斑块凝聚度指数呈显著负相关(P < 0.05),景观破碎程度减小或连通度与聚集度的提高,对流域径流总量具有明显削减作用。(3)不同土地利用方式的面积占比、斑块和景观水平的景观格局指数,均与流域基流指数间未见显著相关性,景观格局对流域基流影响较小。
结论景观格局变化对流域径流总量具有较强调控作用,但对径流中的基流影响较弱。研究成果可为流域景观格局优化与水资源综合管理等提供有益参考。
Abstract:ObjectiveUnder the combined effects of climate change and human activities, the surface vegetation coverage of the Loess Plateau has undergone significant changes. In order to provide a theoretical basis for optimizing spatial allocation of watershed vegetation and strengthening water resource management, we explored the impact of different watershed landscape patterns on the hydrological process and the distribution of water cycleelements.
MethodThis study took the main channel of the Caijiachuan Small Watershed and its four sub-watersheds as the research object, the land use status was interpreted through remote sensing images, and based on the rainstorm runoff data of five small watersheds from 2016 to 2019, using partial least squares regression and Pearson correlation analysis methods to explore the effects of watershed landscape composition and pattern changes on runoff components.
Result(1) Different land-use patterns had different effects on runoff formation. Compared with farmland (dry land), the increase of arbor forest land, shrubland, grassland and orchard reduced watershed runoff. (2) The total watershed runoff was significantly positively correlated with patch density, edge density and Shannon diversity index (P < 0.05), and was significantly negatively correlated with aggregation index, sprawl index and the patch cohesion index (P < 0.05). The reduction of landscape fragmentation or the improvement of connectivity and aggregation had a significant reduction effect on the total runoff of the watershed. (3) There was no significant correlation between the area proportion of different land use patterns, the landscape pattern index of patch and landscape level and the basin base flow index. The impact of landscape pattern on the watershed base flow was small.
ConclusionThe change of landscape pattern has a strong regulating effect on the total runoff of the watershed, but the influence on the base flow is weak. The research result can provide useful references for the optimization of watershed landscape pattern and integrated management of water resources.
-
20世纪以来,以遥感影像作为主要信息源,可以对林分以及单木层次上的森林结构参数进行精准测量、制图和数字化表达,进而对森林资源状况及其动态变化进行全面、快速、有效监测和评估。高分辨率遥感影像可以更加清晰地表达地物目标的空间结构,纹理特征和地物边缘信息,树冠的大小、形态以及光谱信息,是树冠轮廓自动识别的基本特征,也是建立众多林分模型的重要因子[1-2]。传统的图像分析方法是在像元层次上进行的基于影像光谱特征的信息提取,这种方式是建立在统计模式下而不是空间模式下,易出现“椒盐现象”,分辨率越高、这种现象越严重,会造成空间数据的大量冗余和资源浪费。
为充分利用高分辨率遥感影像丰富的空间信息,实现信息的准确提取,面向对象的遥感影像信息提取技术应运而生,这种方法充分利用了对象的光谱、形状、纹理等信息,以最小单元为分割对象,可以在很大程度上减少“椒盐现象”的出现,提高分析精度[3]。单木树冠识别和勾绘很重要的一个途径就是图像分割,主要是以树冠的辐射传输模型为理论基础,其核心思想是树冠中心点的亮度值大,而树冠边界点的亮度低。常用的方法主要有局部最大值法、模板匹配法、区域增长法、分水岭算法等[4-10]。但是对于高郁闭度林分,树冠之间有粘连重叠的现象,无法简单利用树冠边缘灰度值突变的思想进行树冠分割,需要从影像所表现的几何形状、尺寸和空间格局等角度进行单木冠幅提取,提高树冠识别的精度[11-13]。
高空间分辨率遥感影像具有高空间分辨率和低光谱分辨率的特点,影像中地物在光谱空间中表现出类间差异小、类内差异大和视觉对比度差,因此在图像分割之前先进行增强处理,一方面可以增强图像对比度,将地物目标与背景环境之间的差异拉大,另一方面可以滤除大部分的噪声对分割结果的影响。小波变换具有频域与时域二维分辨率的特点,同时具有多尺度的特征,能够从不同尺度上对图像进行理解和表达,因此在遥感影像处理中得到了广泛应用[14-17]。应用高分影像,使用面向对象的多尺度分割方法提取树冠信息,已有很多研究[18-20],但是针对不同平台高分影像特征的相似性和差异性,树冠提取方法的适宜性研究较少。已有研究表明,在不同空间分辨率影像下地物面积提取精度存在差异[21-23],但多数都是采用重采样后影像而不是真实尺度下的遥感影像,这种方式会对影像的空间和光谱信息造成损失或失真,影响研究结论[24-25]。
本文以高分影像下单木树冠分割提取为研究目的,进行不同影像的空间尺度响应研究。选用3种不同平台下的高分辨率遥感影像(空间分辨率分别为0.03 m、0.2 m和1 m),对研究区内主要人工林树种进行树冠提取实验,首先对低空无人机CCD和机载CCD影像进行小波变换增强处理,然后采用面向对象的多尺度分割方法进行单木树冠提取;在对GF-2影像进行影像融合后,直接以多尺度分割方法进行树冠分割,最后结合3种平台影像下的单木分割精度,分析不同空间尺度遥感影像对单木树冠识别及其面积提取精度的影响规律,讨论在不同林业调查目标下该方法的应用价值。
1. 研究区与数据
1.1 研究区概况
广西国有高峰林场位于南宁市兴宁区,地理坐标为22°48′48″ ~ 23°03′34″N、108°07′55″ ~ 108°32′53″E,所在区域为大明山余脉,属低山丘陵地貌,地势东北高、西南低,呈东北—西南走向,海拔高度70 ~ 500 m,坡度20° ~ 35°,经营面积近800 km2,森林蓄积量超430万m3,是广西规模最大的国有林场。林场内人工林的主要树种是桉树(Eucalyptus robusta)和杉木(Cunninghamia lanceolata)。为了验证本文算法的普遍性和实用性,桉树和杉木实验区选择在密林区(郁闭度 > 0.7)。研究区示意图见图1。
1.2 数据获取
1.2.1 实地调查数据
在高峰林场内选择杉木纯林和桉树纯林作为实验区,均设立边长30 m × 30 m大小的样地,在2018年1月16日至2月5日开展地面样地数据的调查,每种树种随机选取45株树木作为验证数据,利用皮尺测定每棵树的东西及南北两个方向冠幅,并计算两个方向冠幅的平均值作为树冠直径;同时利用全站仪对实验区内的树木进行单木定位,方便之后处理分析时对应查找。同时记录样地的坐标、坡度、坡向,以及样地内树种的胸径、树高、枝下高等数据。桉树实验区树木平均胸径为11.7 cm,平均树高为17.8 m,平均冠幅为2.8 m;杉木实验区树木平均胸径为21.2 cm,平均树高为15.4 m,平均冠幅为3.9 m。
1.2.2 影像数据
低空无人机CCD影像是采用iFly D6电动多旋翼无人机搭载iCam Q2倾斜摄影相机进行拍摄,拍摄时间为2018年2月,实际飞行航高约为180 m,数据获取当天晴朗无风、阳光充足。影像分辨率为0.03 m,采用China Geodetic Coordinate System 2000大地坐标系,高斯克吕格3度带投影,通过三维实景建模软件ContextCapture Center输出正射影像。
机载CCD影像是由中国林业科学研究院LiCHy(LiDAR、CCD and Hyperspectral)机载遥感系统采集提供,由德国IGI公司集成,数据由运-12飞机搭载传感器飞行获取,拍摄时间为2018年1月,实际飞行航高约为1 000 m,数据获取当天晴朗少云。影像分辨率为0.2 m,数据坐标系统设定为UTM-North投影,WGS-84坐标系。
GF-2影像分为全色影像和多光谱影像,全色影像分辨率为1 m,多光谱影像分辨率为4 m,包括红、绿、蓝、近红外4个波段,获取时间为2018年8月。在对GF-2影像进行面向对象分割之前,为了消除遥感数据误差,提高解译精度,需对影像数据进行预处理。预处理过程主要包括几何正射校正、图像融合、几何精校正、影像裁剪。本研究结合DEM数据,利用RPC物理模型对全色影像及多光谱影像进行正射校正,并采用NNDiffuse Pan Sharpening方法对全色波段和多光谱波段进行融合,融合后影像空间分辨率为1 m。
2. 原理与方法
首先对3种平台下的影像预处理得到正射影像,采用小波变换对图像进行增强处理,通过定量分析评价图像增强效果,然后应用面向对象的多尺度分割方法进行单木树冠提取,最后结合外业实测数据计算提取精度。方法流程如图2所示。
2.1 图像增强
小波变换的基本原理:若傅里叶变换
ˆΨ(ω) 能够满足容许条件,Ψ(t)=∫R|ˆΨ(ω)|2|ω|dω<∞ ,则称Ψ(t) 为一基本小波母函数。小波母函数Ψ(t) 经伸缩和平移后得到连续小波函数Ψa,b(t) ,a为伸缩因子,b为平移因子[14]。小波变换的实质就是用一族小波函数去表示信号或函数。图像经过小波变换之后,每层分解尺度中分别得到4个子图像(图3)。LL为低频部分,代表图像的近似信息,也就是主要内容信息;HL、LH和HH是高频部分,分别代表图像水平方向、垂直方向和对角线方向的细节信息。图像的低频部分保存的是图像的轮廓信息,而高频保存的是图像的细节信息,图像中大部分的噪声和一些边缘细节都属于高频子带,而低频子带主要表征图像的近似信号。为了能够在增强图像的同时减少噪声的影响,可以对低频子带进行图像增强,用以增强目标的对比度,抑制背景;对高频部分进行小波去噪处理,减少噪声对图像的影响。2.2 多尺度分割
为了提高单木树冠提取精度,实验首先排除背景区域干扰,然后针对树冠区域进行面向对象的分割。经过小波增强变换后,图像内部的树冠区域与非树冠区域的灰度值差异明显增大,因此可以采用阈值法进行树冠区域与非树冠区域的区分。阈值法的基本思想是寻找一个合适的阈值将前景和背景按照像素灰度值的大小进行分类,灰度值大于阈值归为前景(树冠),小于阈值归为背景(非树冠区域)。
多尺度分割的思想是自下而上,逐级合并。它是以图像中任一像元作为中心点,将这个像元周围异质性最小的像元集合合并成一个对象单元,然后再把这些小单元逐渐聚合成一个较大对象的过程。在这个过程中,尺度参数、形状参数、紧致度参数是需要多次试验进行确定的参数。
2.3 冠幅面积计算
影像和实地调查的树冠面积(S)计算公式[26]为:
S=π(RSN+REW)216 (1) 式中:RSN和REW分别表示树木的树冠南北冠幅和东西冠幅。
2.4 精度分析
精度验证分为单木分割精度和冠幅估测精度两个部分。若某个野外实测树木在分割结果中不存在或者在该区域出现了多个分割树冠,则判定为错误分割,正确分割的树木的百分占比即为单木分割精度;根据3种影像下的单木分割结果以及外业实测冠幅大小,结合公式(2)、(3),计算冠幅估测精度。
δ=|LM−LT|LT×100% (2) 式中:LT为真实值,即外业观测值;LM为面向对象分割结果值;δ为冠幅估测相对误差。
冠幅估测精度(R)计算公式:
R=n∑i=1(1−δi)/n (3) 式中:n为树木个数,δi为第i个树木的相对误差。
3. 结果与分析
3.1 小波增强效果
小波变换不同于傅里叶变换,根据小波母函数的不同,小波变换的结果也不尽相同。由于正交小波函数sym4进行分解时具有正交性和数据冗余最小的优点,因此本文选用sym4对图像进行处理。首先对研究区的影像进行小波二层分解,得到低频系数(近似)和高频系数(细节);然后对低频系数进行增大,对高频系数进行缩小;最后对高频系数和低频系数进行小波系数重构,得到的图像结果突出了轮廓,弱化了细节,从而达到图像增强的效果。以图4为例,将原影像进行小波分解以后,设置系数阈值,如果低频系数大于系数阈值,则将该值增大2倍,以增强轮廓信息;若高频系数小于系数阈值,则缩小为原影像的一半幅度,来弱化图像内部噪声。通过多次对比实验,为不同影像设定不同的小波系数阈值,结果详见表1。图5是桉树和杉木在3种影像下进行小波增强变换得到的结果。本文对图像增强效果进行定量分析,主要采用图像均值、标准差和边缘强度3个参量,结果如表1所示。
表 1 统计特征Table 1. Statistical characteristics树种 Species 影像 Image 小波阈值系数
Wavelet threshold coefficient边缘强度
Edge strength均值
Mean标准差
Standard deviation杉木
Cunninghamia lanceolata机载原始影像 Airborne original image 237 34.19 42.17 34.44 增强后影像 Enhancement image 70.83 78.85 68.19 桉树
Eucalyptus robusta机载原始影像 Airborne original image 306 23.88 39.69 38.91 增强后影像 Enhancement image 85.20 65.42 70.47 杉木
Cunninghamia lanceolata无人机原始影像 UAV original image 280 47.66 53.76 49.02 增强后影像 Enhancement image 90.91 95.94 99.49 桉树
Eucalyptus robusta无人机原始影像 UAV original image 500 36.38 64.19 64.89 增强后影像 Enhancement image 102.78 102.77 118.79 杉木
Cunninghamia lanceolataGF-2原始影像 GF-2 original image 1 050 150.35 131.40 103.17 增强后影像 Enhancement image 118.15 133.01 98.74 桉树
Eucalyptus robustaGF-2原始影像 GF-2 original image 1 070 169.32 120.19 116.64 增强后影像 Enhancement image 151.76 122.49 106.67 从表1可以看出,机载影像和低空无人机影像经过小波增强后的图像的均值相较于原图明显增加,有良好的视觉效果;标准差的增大说明图像对比度增强;边缘强度,实质上是边缘点梯度的幅值,边缘强度越大表明图像轮廓信息越明显,经过小波增强后的图像的边缘强度显著增大,说明图像轮廓信息得到明显增强;GF-2增强后影像边缘强度和标准差的结果反而有所降低,均值变化不明显。实验结果表明:本文方法在机载和低空无人机影像上增强效果明显,为后续图像分割奠定了基础;针对GF-2影像增强统计结果,并结合影像自身特点进行分析,该影像空间分辨率为1 m,相比于其他两种平台下的影像分辨率,每棵树在影像上所包含的像元数量较少,且单木树冠有着明显的灰度最大值,周围像素依次递减,树冠与背景对比度明显,因此不需要对其进行小波增强变换处理来进行树冠内部噪声去除和增强轮廓。此外,为了更好地描绘树冠大小及边界,在小波系数阈值设定结果上可以发现,阈值的大小在不同树种和平台影像上有一定的变化规律,即在同一平台下桉树影像小波系数阈值高于杉木影像,同一区域在不同平台下阈值设定大小顺序依次为GF-2影像、低空无人机影像、机载影像。
3.2 多尺度分割提取树冠
本实验树冠分割的具体方法如下:
(1) 首先,通过树冠和背景区域多个分割对象的选取,查看其阈值分布范围,然后设定影像中树冠与背景区域之间灰度阈值界限,对分割结果进行阈值分类,结果如图6所示,绿色为树冠区域。
(2) 在分类后的树冠区域进行多尺度分割,设置尺度参数、形状参数和紧致度参数,对单木树冠进行精细分割,最终分割结果与原图像叠加显示如图6所示,外业实测的单木位置在图中以黄色标记显示。
相关分割参数及规则设置详见表2。
表 2 面向对象树冠分割参数Table 2. Object-oriented tree crown segmentation parameters项目
Item分割参数
Segmentation parameter机载影像 Airborne image 无人机影像 UAV image GF-2影像 GF-2 image 杉木Cunninghamia lanceolata 桉树Eucalyptus robusta 杉木Cunninghamia lanceolata 桉树Eucalyptus robusta 杉木Cunninghamia lanceolata 桉树Eucalyptus robusta 阈值分类
Threshold classification灰度阈值 Gray threshold > 70 > 82 > 105 > 125 > 35 > 85 单木树冠分割
Individual tree crown segmentation分割尺度 Segmentation scale 18 12 120 130 4 4 形状 Shape 0.9 0.9 0.9 0.9 0.9 0.9 紧致度 Compactness 0.5 0.9 0.9 0.8 0.7 0.8 3.3 结果验证与分析
树冠提取的单木分割精度及冠幅估测精度详见表3。由表3可知,GF-2影像无论是单木分割精度还是冠幅估测精度都明显低于其他两种影像。这与影像自身分辨率密切相关,实验区树木平均冠幅不超过4 m,GF-2影像空间分辨率为1 m,每棵树木在影像中包含的像元数量少,无法对较小树木进行有效地探测,得到树冠的形状和边界的准确描绘难度较大,从而影响了提取精度。在机载和无人机影像下单木分割精度和冠幅估测精度结果相接近,但是在处理过程中发现,在空间分辨率为厘米级的无人机影像下,仍然对林下灌草或者其他植被进行了清楚的拍摄,通过灰度阈值对树冠和背景区域进行分类的效果不佳,而机载影像适宜的空间分辨率避免了这一问题;此外,机载影像获取范围更广,数据量更小,处理速度更快。从表3中还可以发现,杉木树冠提取精度优于桉树,这是因为杉木的树冠轮廓在影像上显示更加清晰,无论是在图像增强还是单木分割上都能提高对树冠边界和大小描绘的准确性。
表 3 单木树冠提取精度分析Table 3. Accuracy analysis on extracted individual tree crown项目
Item树种
Species树木总株树
Total number
of trees正确分割株数
Correct segmentation
number of trees单木分割精度
Tree crown segmentation accuracy/%相对误差均值
Relative error mean/%冠幅估测总精度
Tree crown estimation accuracy/%机载影像
Airborne image杉木 Cunninghamia lanceolata 45 41 91.1 15.6 84.4 桉树 Eucalyptus robusta 45 40 89.0 16.1 83.9 无人机影像
UAV image杉木 Cunninghamia lanceolata 45 42 93.3 14.9 85.1 桉树 Eucalyptus robusta 45 39 87.0 15.8 84.2 GF-2影像
GF-2 image杉木 Cunninghamia lanceolata 45 40 89.0 26.7 73.3 桉树 Eucalyptus robusta 45 37 82.0 27.7 72.3 4. 结论与讨论
本文针对米级、亚米级和厘米级的遥感影像,首先采用小波变换对图像进行增强处理,然后结合多尺度分割下树冠的提取精度,进行影像适宜性分析和评价。主要结论:(1) 高分辨率影像在增强地物信息的获取能力的同时,地物信息呈现高度细节化,树冠与背景区域对比度不明显,处理结果中存在“椒盐现象”,因此引入小波变换对影像进行增强处理,针对不同影像提出了适合的小波增强变换参数,同时对增强效果进行定量分析,亚米级和厘米级影像的均值、标准差和边缘强度显著提升,说明在这两种尺度的影像下该方法能够有效增强树冠轮廓,弱化树冠内部细节;同样对米级影像进行增强处理,所得结果显示该方法并不适用于这种尺度的影像;(2) 对亚米级和厘米级影像小波增强变换后,排除背景区域的干扰,针对树冠区域进行单木树冠分割,得到杉木冠幅估测精度可达84.4%,桉树因其相对不清晰的树冠轮廓使得在估测精度上略低于杉木;(3) 对3种尺度的影像进行单木树冠分割,提出了适合的分割参数,得到的精度均能满足应用需求;米级影像的空间分辨率在单木识别和描绘树冠形态上有很大的局限性,因此杉木和桉树应用厘米级和亚米级影像可以达到更好的精度,相比于米级影像冠幅估测精度均可以提高10%以上,且获取这两种影像无论是从天气还是时间上都更加灵活,适合专业的科研学者精细调查使用,从另一个角度来看,米级影像下的提取精度也能够满足森林调查的基本需求;近几年来,随着更高空间分辨率的商用卫星陆续发射成功,如果需要一次性对大范围的森林信息进行获取,卫星影像具有很大的应用价值。
本文的研究仍存在以下不足:(1) 亚米级和厘米级影像下冠幅估测精度可达84.4%以上,证明这两种影像的空间分辨率具备准确描绘树冠大小及轮廓的能力,但树冠提取与实测数据相比仍存在偏差,一是可能外业测量冠幅大小的过程中,在树冠存在连续或者遮挡的情况下存在一定视觉误差,二是树冠区域涵盖灌草植被,影响最终精度;(2) 即使对影像进行正射校正处理,仍不能解决由摄影角度误差、地物纹理贴合不准确导致的树冠几何形变问题,从而影响最终的提取精度,在今后的研究中需要在影像几何纠正方法上进一步探讨;(3) 在本研究实验处理过程中,小波系数阈值、图像分割等参数是进行多次试验后手动设定,在后续的研究中应探究阈值系数大小选取依据以及参数自适应调节算法提高实验效率;(4) 本次研究的3种影像的空间分辨率相差10倍左右,在接下来的工作中,结合本文研究结果,寻找出最佳尺度的遥感影像,并将合适的影像应用在不同地理位置、生长状况以及生态环境的人工林中,以树冠参数为基础建立胸径、森林郁闭度、材积等林分模型,降低林业调查成本,提高研究效率。
-
表 1 流域基本特征和土地利用方式
Table 1 Selected topographical characteristics and land use types in the studied catchment
流域编号
No. of watershed面积/hm2
Area/ha高程
Elevation/m坡度
Slope/(°)形状系数
Shape factor各土地利用类型面积占比
Area percentage of each land use type/%农地(旱地)
Farmland (dry land)果园
Orchard灌木林地
Shrubland草地
Grassland乔木林地
Arbor forest land其他
Others1 0.71 1033 25.2 2.54 13.11 12.04 17.55 12.85 30.81 13.64 2 34.23 1074 21.6 6.14 5.59 4.87 13.16 5.11 65.29 5.98 3 1.93 1156 22.6 4.40 0.00 0.00 11.25 2.25 77.56 8.94 4 18.57 1186 22.3 2.72 2.04 2.04 11.09 4.68 72.46 7.69 5 2.63 1054 22.6 3.55 7.35 2.41 16.88 8.61 55.68 9.07 表 2 景观指数及其生态学意义
Table 2 Landscape indices and their ecological significance
景观指数
Landscape indices分析尺度
Analysis scale缩写
Abbreviation单位
Unit生态学意义
Ecological significance斑块密度
Patch density斑块/景观
Patch/landscapePD 个/km2
Number/km2景观破碎化程度
Degree of landscape fragmentation边缘密度
Edge density斑块/景观
Patch/landscapeED m/hm2
m/ha斑块受边界分割的程度
Extent to which patches are segmented by boundaries平均欧式距离
Mean euclidean nearest neighbor distance斑块/景观
Patch/landscapeENNMN m 斑块间的距离,体现了景观的空间格局
Distance between patches and spatial pattern of landscape景观形状指数
Landscape shape index斑块/景观
Patch/landscapeLSI 斑块形状的复杂程度,反映其变异性
Complexity of the patch shape蔓延度指数
Cotagion index景观
LandscapeCONTAG % 景观里不同斑块类型的延展趋势
Extension trend of different patch types in the landscape斑块凝聚度指数
Patch cohesion index斑块/景观
Patch/landscapeCOHESION % 景观中斑块间的连通性
Connectivity between patches in landscape聚集指数
Aggregation index斑块/景观
Patch/landscapeAI % 斑块的聚集程度
Aggregation degree of patches香农多样性指数
Shannon’s diversity index景观
LandscapeSHDI 景观中斑块的复杂程度
Complexity of patches in the landscape表 3 径流变化方差表
Table 3 Variance of runoff change
组分分量
ComponentY变异解释程度
Degree of explanation for
Y variation/%Y累计变异解释程度
Cumulative explained
variability in Y/%R2 1 90.5 90.5 0.87 2 1.0 91.5 0.83 3 8.1 99.7 0.99 4 0.3 表 4 不同土地利用方式对径流影响的VIP值与PLSR方程权重
Table 4 VIP values and PLSR weights in different land use types
土地利用方式
Land use type回归系数
Regression coefficient (β)重要性
Importance (VIP)权重 Weight W[1] W[2] W[3] 农地(旱地) Farmland 0.173 0.927 −0.422 0.974 −0.411 果园 Orchard −1.318 0.968 −0.461 0.429 0.110 灌木林地 Shrubland −0.385 1.003 −0.465 −0.284 0.013 草地 Grassland −0.110 1.016 −0.417 −0.984 0.788 乔木林地 Arbor forest land −2.551 1.079 0.468 0.093 0.454 注:粗体显示的数值的绝对值大于0.3,说明PLSR分量变化主要与相应的变量有关。Note: Absolute values shown in bold are greater than 0.3, indicating that the change of PLSR component is mainly related to the corresponding variable. 表 5 不同土地利用方式景观格局指数与径流总量的相关系数
Table 5 Correlation coefficients between landscape pattern index of class metrics and total runoff of different land use types
土地利用方式 Land use type PD ED LSI ENNMN COHESION AI 乔木林地 Arbor forest land 0.998** −0.673 −0.541 0. 848 −0.938* −0.984** 农地(旱地) Farmland (dry land) 0.691 0.860 −0.542 −0.848 0.635 0.817 灌木林地 Shrubbery woodland 0.973** 0.899* −0.550 −0.920* −0.836 −0.333 草地 Grassland 0.996* 0.982** −0.512 −0.937* 0.519 0.657 果园 Orchard 0.821 0.814 −0.551 −0.715 0.477 0.693 注:*为在0.05水平上相关性显著,**为在0.01水平上相关性显著。下同。Notes: * means significant correlation at 0.05 level, ** means significant correlation at 0.01 level. The same below. 表 6 径流总量、基流指数与景观格局指数相关性
Table 6 Correlation coefficients between landscape pattern index and total runoff and BFI
项目 Item PD LSI ENNMN CONTAG COHESION SHDI ED AI 径流总量 Total runoff 0.976** −0.469 −0.937* −0.987** −0.947* 0.963** 0.985** −0.999** 基流指数 Baseflow index −0.145 −0.087 0.381 0.321 −0.005 −0.393 −0.253 0.269 -
[1] 黄晨璐. 近40年黄土高原土壤侵蚀时空变化及其主控因子研究[D]. 西安: 西北大学, 2021. Huang C L. Spatial-temporal variation of soil erosion and its main controlling factors in the Loess Plateau in recent 40 years[D]. Xi’an: Northwest University, 2021.
[2] 熊昕昊. 湘水流域景观格局演变与水土流失关系研究[D]. 南昌: 江西农业大学, 2022. Xiong X H. Study on the relationship between landscape pattern evolution and soil erosion in Xiangshui River Basin[D]. Nanchang: Jiangxi Agricultural University, 2022.
[3] 王计平, 杨磊, 卫伟, 等. 黄土丘陵区景观格局对水土流失过程的影响: 景观水平与多尺度比较[J]. 生态学报, 2011, 31(19): 5531−5541. Wang J P, Yang L, Wei W, et al. The impact of landscape pattern on soil erosion process in the loess hilly area: landscape level and multi-scale comparison[J]. Acta Ecologica Sinica, 2011, 31(19): 5531−5541.
[4] 赵思远, 贾仰文, 唐颖栋, 等. 基于稳定同位素的黄土塬区地下水补给规律研究[J]. 中国农村水利水电, 2022(8): 63−69,77. Zhao S Y, Jia Y W, Tang Y D, et al. Study on groundwater recharge law in Loess Plateau area based on stable isotope[J]. China Rural Water and Hydropower, 2022(8): 63−69,77.
[5] 杨倩楠, 高海东, 李占斌, 等. 干旱区流域土地利用变化对基流的影响[J]. 水土保持研究, 2018, 25(3): 317−322, 331. Yang Q N, Gao H D, Li Z B, et al. Effects of land use change on base flow in watersheds in arid regions[J]. Research of Soil and Water Conservation, 2018, 25(3): 317−322, 331.
[6] 盛菲, 刘政, 刘士余, 等. 彭冲涧小流域基流变化特征及其归因分析[J]. 江西农业大学学报, 2022, 44(6): 1569−1581. Sheng F, Liu Z, Liu S Y, et al. Variation characteristics and attribution analysis of baseflow in Pengchongjian Small Watershed[J]. Acta Agriculturae University Jiangxiensis, 2022, 44(6): 1569−1581.
[7] 刘济, 李玮, 王毅, 等. 中亚热带红壤丘陵区农业流域景观格局对水文过程的影响[J]. 生态与农村环境学报, 2016, 32(3): 424−431. Liu J, Li W, Wang Y, et al. Effects of landscape patterns of agricultural watersheds on hydrological processes in mid-subtropical red soil hilly areas[J]. Journal of Ecology and Rural Environment, 2016, 32(3): 424−431.
[8] Rodriguez-Lloveras X, Bussi G, Francés F, et al. Patterns of runoff and sediment production in response to land-use changes in an ungauged Mediterranean catchment[J]. Journal of Hydrology, 2015, 531: 1054−1066. doi: 10.1016/j.jhydrol.2015.11.014
[9] Liu Y H. Responses of flood peaks to land use and landscape patterns under extreme rainstorms in small catchments: a case study of the rainstorm of Typhoon Lekima in Shandong, China[J]. International Soiland Water Conservation Research, 2022, 10(2): 228−239. doi: 10.1016/j.iswcr.2021.07.005
[10] 雷泽鑫, 傅健宇, 罗俊杰, 等. 景观格局视角下晋西三川河流域径流变化归因分析[J]. 生态学报, 2022, 42(12): 4946−4958. Lei Z X, Fu J Y, Luo J J, et al. Attribution analysis of runoff changes in the Sanchuan River Basin in western Shanxi from the perspective of landscape pattern[J]. Acta Ecologica Sinica, 2022, 42(12): 4946−4958.
[11] Bin L, Xu K, Xu X, et al. Development of a landscape indicator to evaluate the effect of landscape pattern onsurface runoff in the Haihe River Basin[J]. Journal of Hydrology, 2018, 566: 546−557. doi: 10.1016/j.jhydrol.2018.09.045
[12] 徐怡宁, 朱莹莹, 田国行, 等. 郑州市景观格局演变对地表径流的影响[J]. 河南农业大学学报, 2023, 57(1): 96−108. Xu Y N, Zhu Y Y, Tian G X, et al. Influence of landscape pattern evolution on surface runoff in Zhengzhou City[J]. Journal of Henan Agricultural University, 2023, 57(1): 96−108.
[13] 朱莹莹, 张宇帆, 徐怡宁, 等. 基于SCS模型的登封市景观格局对地表径流的影响研究[J/OL]. 水生态学杂志: 1−17[2022−12−25]. https://doi.org/10.15928/j.1674-3075.202204270145. Zhu Y Y, Zhang Y F, Xu Y N, et al. Research on the influence of Dengfeng landscape pattern on surface runoff based on SCS Model[J/OL]. Journal of Hydroecology: 1−17[2022−12−25]. https://doi.org/10.15928/j.1674-3075.202204270145.
[14] 刘蕴瑶, 殷有, 温一博, 等. 基于SWAT模型社河流域径流对流域景观格局变化的响应[J]. 沈阳农业大学学报, 2021, 52(3): 295−305. Liu Y Y, Yin Y, Wen Y B, et al. Response of runoff in the Shehe River Basin to changes in watershed landscape pattern based on SWAT model[J]. Journal of Shenyang Agriculture University, 2021, 52(3): 295−305.
[15] 邱扬, 杨磊, 王军, 等. 黄土丘陵小流域景观格局指数的粒度效应[J]. 应用生态学报, 2010, 21(5): 1159−1166. Qiu Y, Yang L, Wang J, et al. Grain size effect of landscape pattern index in loess hilly small watershed[J]. Chinese Journal of Applied Ecology, 2010, 21(5): 1159−1166.
[16] 于艺鹏. 黄土丘陵沟壑区典型流域径流及其组分变化和对植被恢复的响应[D]. 杨凌: 西北农林科技大学, 2016. Yu Y P. Changes of runoff and its components in a typical watershed in the hilly and gully region of loess and its response to vegetation restoration[D]. Yangling: Northwest Agriculture & Forestry University, 2016.
[17] 王曼玉. 潮河流域基流变化特征及其影响因素分析[D]. 北京: 北京林业大学, 2018. Wang M Y. Variation characteristics and influencing factors of the base flow in the Chaohe River Basin[D]. Beijing: Beijing Forestry University, 2021.
[18] Chapman T G. Comment on “evaluation of automated techniques for base flow and recession analyses” by R. J. Nathan and T. A. McMahon[J]. Water Resources Research, 1991, 27(7): 1783−1784. doi: 10.1029/91WR01007
[19] 王淑丽. 黄河(宁夏段)基流归因分析及预测研究[D]. 郑州: 华北水利水电大学, 2022. Wang S L. Analysis and forecast research on baseflow attribute of the Yellow River (Ningxia section) [D]. Zhengzhou: North China University of Water Resources and Electric Power, 2022.
[20] 邬建国. 景观生态学: 格局、过程、尺度与等级[M]. 北京: 高等教育出版社, 2007: 102−125. Wu J G. Landscape ecology: patterns, processes, scales, and hierarchies[M]. Beijing: Higher Education Press, 2007: 102−125.
[21] Yan B. Impacts of land use change on watershed streamflow and sediment yield: an assessment using hydrologic modelling and partial least squares regression[J]. Journal of Hydrology, 2013, 484: 26−37. doi: 10.1016/j.jhydrol.2013.01.008
[22] Abdi H. Partial least square regression (PLS regression)[J]. Encyclopedia for Research Methods for the Social Sciences, 2003, 6(4): 792−795.
[23] 杨勇. 植被分布与景观格局对东江流域水源涵养功能影响研究[D]. 沈阳: 辽宁师范大学, 2022. Yang Y. Study on the effect of vegetation distribution and landscape pattern on water conservation function of Dongjiang River Basin[D]. Shenyang: Liaoning Normal University, 2022.
[24] Zhao X, Huang G. Exploring the impact of landscape changes on runoff under climate change and urban development: implications for landscape ecological engineering in the Yangmei River Basin[J]. Ecological Engineering, 2022, 184: 106794. doi: 10.1016/j.ecoleng.2022.106794
[25] 朱芮芮, 郑红星, 刘昌明. 黄土高原典型流域地下水补给−排泄关系及其变化[J]. 地理科学, 2010, 30(1): 108−112. Zhu R R, Zheng H X, Liu C M. Groundwater recharge-discharge relationship and its changes in typical watersheds of the Loess Plateau[J]. Scientia Geographica Sinica, 2010, 30(1): 108−112.
[26] 史晓亮, 李颖, 赵凯, 等. 诺敏河流域土地利用与覆被变化及其对水文过程的影响[J]. 水土保持通报, 2013, 33(1): 23−28. Shi X L, Li Y, Zhao K, et al. Land use and cover change and its impact on hydrological processes in the Nuomin River Basin[J]. Bulletin of Soil and Water Conservation, 2013, 33(1): 23−28.
[27] 金明, 于静洁. 生态保护和植树造林对黑河流域河川径流的影响[J]. 地理科学进展, 2008, 27(3): 47−54. doi: 10.11820/dlkxjz.2008.03.007 Jin M, Yu J J. Effects of ecological protection and afforestation on river runoff in the Heihe River Basin[J]. Progress in Geography, 2008, 27(3): 47−54. doi: 10.11820/dlkxjz.2008.03.007
[28] 潘春翔, 李裕元, 彭亿, 等. 湖南乌云界自然保护区典型生态系统的土壤持水性能[J]. 生态学报, 2012, 32(2): 538−547. doi: 10.5846/stxb201012151792 Pan C X, Li Y Y, Peng Y, et al. Soil water holding performance of typical ecosystem in Wuyunjie Nature Reserve, Hunan[J]. Acta Ecologica Sinica, 2012, 32(2): 538−547. doi: 10.5846/stxb201012151792
[29] 韩春, 陈宁, 孙杉, 等. 森林生态系统水文调节功能及机制研究进展[J]. 生态学杂志, 2019, 38(7): 2191−2199. Han C, Chen N, Sun S, et al. Research progress on hydrological regulation function and mechanism of forest ecosystem[J]. Chinese Journal of Ecology, 2019, 38(7): 2191−2199.
[30] 刘畅, 张建军, 张海博, 等. 晋西黄土区退耕还林后土壤入渗特征及土壤质量评价[J]. 水土保持学报, 2021, 35(5): 101−107. Liu C, Zhang J J, Zhang H B, et al. Soil infiltration characteristics and soil quality evaluation after returning farmland to forest in the loess region of Shanxi Province[J]. Journal of Soil and Water Conservation, 2021, 35(5): 101−107.
[31] 李亚娇, 沈昞昕, 李家科, 等. 汉江流域上游景观格局变化及水沙响应关系[J]. 西安理工大学学报, 2022, 38(4): 538−550. Li Y J, Shen B X, Li J K, et al. Changes in landscape pattern and the relationship between water and sediment responses in the upper reaches of the Hanjiang River Basin[J]. Journal of Xi’an University of Technology, 2022, 38(4): 538−550.
[32] 李鉴霖, 江长胜, 郝庆菊. 土地利用方式对缙云山土壤团聚体稳定性及其有机碳的影响[J]. 环境科学, 2014, 35(12): 4695−4704. Li J L, Han C S, Hao Q J. Effects of land use patterns on the stability of soil aggregates and their organic carbon in Jinyun Mountains[J]. Environmental Science, 2014, 35(12): 4695−4704.
[33] 雍晨旭. 黄土区浅层地下水动态及其补给过程试验研究[D]. 杨凌: 西北农林科技大学, 2018. Yong C X. Experimental study on shallow groundwater dynamics and its recharge process in loess area[D]. Yangling: Northwest Agriculture & Forestry University, 2018.
-
期刊类型引用(3)
1. 张露月,刘艳红,韩冬青. 连香树雌雄株生长及适应性策略差异. 北京林业大学学报. 2024(12): 71-81 . 本站查看
2. 亢红伟,岳康杰,刘慧欣,王佳丽,田旭平. 性别和叶形对圆柏气体交换参数和叶绿素荧光特征的影响. 植物科学学报. 2024(06): 791-799 . 百度学术
3. 孙晓伟,王兴昌,孙慧珍,全先奎,杨青杰. 雌雄异株树种山杨、水曲柳和东北红豆杉光合特性对比. 南京林业大学学报(自然科学版). 2023(01): 129-135 . 百度学术
其他类型引用(5)