文摘

人类的各种生态过程不仅受到区域尺度上的景观格局也影响当地和地区景观与全球气候变化。到目前为止,大部分的生态安全研究是基于旅游地(PSR)模型,虽然有一些研究基于景观生态学模型的方法。此外,几乎没有文献关注生态安全的动态变化过程,特别是模拟和预测未来的发展趋势的生态安全。本研究的目的是建立一个基于网格划分景观生态安全评价方法,旨在打破固有的缺点行政区作为一个单元模式的方法,预期,以更好地反映研究区域的景观生态安全状态。一个复杂的框架是由集随机森林算法、鱼网模型、景观生态学模型,CA-Markov模型。选择多瞬时遥感数据作为数据源,以及研究区域的土地利用地图首先通过随机森林的机器学习算法。然后,研究区域分为307的网格 使用鱼网模型。接下来,景观干扰指数、景观脆弱性指数和景观损失指数使用网格规模建立景观生态安全评价模型。最后,郑州城市生态安全评估,和分布图的景观生态地位在1986年,1996年,2006年,2016年和2026年预测。这项研究的结果表明,随着时间的推移,高的区域生态安全逐渐减少。据预测,到2026年,郑州的生态安全水平将由低生态安全的地区。研究结果可以为政府机构提供基本信息和决策支持和土地使用规划,确保负责任的和可持续发展的城市环境与生态。

1。介绍

景观生态学的生态安全状态评估特定区域的景观指数和景观模式,可提供层次和综合信息数据的多尺度研究生态系统功能(1]。景观格局是景观生态学研究的核心内容2]。景观格局及其相应的生态环境的变化是一个全面的反映在某一地区由于各种因素之间的相互作用等自然和人为因素。在此同时,景观格局影响区域生态过程(3)以及类型、形状、大小、数量和空间组合景观斑块的各种干扰因素之间的交互。景观格局指数的方法,它可以反映出成分和景观空间结构的特点,可以用来定量描述景观格局的变化和空间异质性(4]。特别是,景观格局的变化将影响到生态环境在某种程度上,从而影响生态安全。研究区域景观格局可以有效地揭示生态地位和其相应的空间变化。构建生态安全评估和分析模型,定量评价区域景观生态指数有一定的优势在区域生态系统安全的研究5,6]。

在过去的几十年中,更多的关注给予生态安全评估,和各种各样的生态安全评价方法已经开发出来,如生态足迹(7,8],PSR模型[9- - - - - -11),和景观生态学模型(12];例如,太阳et al。13)利用PSR模型结合AHP方法和FCE考试评估沿海湿地生态系统的健康。杨et al。8)进一步改进的生态足迹方法评估生态安全,和彭et al。14]燎原城市作为研究案例,讨论了可能的景观生态风险县规模和由此产生的生态损失。尽管不同的生态安全评价方法有不同的是,他们中的大多数都是基于PSR模型。尽管PSR模型适用于区域生态评价与小空间尺度上几个空间可变性和几个影响因素,并不适用于自然灾害,人类活动超过了自然环境的承载能力,和它是不可能确定生态安全风险和不确定性的威胁。此外,压力之间的逻辑连接和国家并非不可避免;它是受到各种复杂因素的影响。和PSR评价体系过分强调人类活动对生态环境的影响,和评估结果有点片面15]。景观生态学模型与PSR模型相比,从生态系统本身和基于结构、功能、景观补丁动态和生态演替的景观,生态系统的完整性和稳定性,抗干扰能力,和弹性;评价指标体系的建立可以更好地反映景观的时空变化模式。景观生态学模型不仅适用于大空间尺度景观设计和土地利用规划,也适合规模较小的生态评价(16]。

在这个研究中,我们提出一种改进的景观生态学生态安全评价模型可以突破行政区域为研究单元的长期使用的数据收集和分析计算(17,18),可以更好地反映研究区域的景观生态安全状态(19]。为此,多瞬时遥感图像作为主要数据源,使用机器学习算法和随机森林算法用于解释生态安全评价的基本信息。接下来,景观干扰指数、脆弱性指数,和损失指数集成建立景观安全指数。然后,多瞬时生态安全分布地图。最后,CA-Markov模型的帮助下,生态安全的趋势在未来的模拟和预测。我们在郑州市区测试方法,中国城市的核心城市的浓度。该方法的创新如下:(1)研究中使用的所有指标很容易从遥感卫星图像计算;(2)生态安全的研究获得的空间分布状况以及生态安全的动态变化;(3)模拟和预测未来生态安全的发展趋势;(4)打破固态数据收集模型,分析计算基于行政区域作为研究单位在先前的研究。

结果将是重要的指导区域生态规划、保护和发展,将有助于优化资源配置,控制生态环境的进一步恶化,和实现区域可持续发展服务20.]。论文的其余部分组织如下:简要介绍研究领域,初步工作,给出数据集预处理的部分2。提出研究框架基于遥感(RS)和研究领域应用的部分3。结果部分所示4节中,给出了分析和讨论5。最后,结论部分6。

2。研究区和数据集

2.1。研究区概况

研究地点位于郑州市(图1首都),河南在中国公关的核心部分,面积共7507公里²以及人口的9878000居民。郑州是中国国家中心城市之一,是政治、经济、科技、教育中心,也是中国重要的交通枢纽。城市的年平均气温是14.5°C,和普通地形趋势倾斜从西南到东北。研究区正在加速集聚,经济发展、城市扩张。

郑州城市核心地区位于华北平原南部,黄河的下游,北部和中部省份河南,112°42之间 - - - - - -114°14东经和34°16 - - - - - -34°58北纬。这个城市是135 -从东到西长143公里。南北宽70 - 78公里,总面积约7446公里的城市²。管辖6区和5个城市,2个国家级开发区、一个国家级出口加工区。郑州市属于暖温带大陆季风气候与四个不同的季节:春天,干燥和干旱;夏天很热,雨量集中;秋天是凉爽的,时间短;漫长的冬季,干燥和寒冷,雨雪很少。每年的平均温度是15.6°C,是最热的7月,月平均气温为27.3°C。一月是最冷的月份,平均每月-0.2°C,温度和降水主要集中在7月,8月和9月。本文选择郑州城市的市区,包括慧济区,金水区,中原地区Guancheng区,二七区为研究区域(图1)。

2.2。数据源和预处理

所选择的数据集包括多瞬时陆地卫星遥感图像捕获的郑州市4月23日,1986年4月20日,1996年,2006年4月30日和5月11日,2016年,美国地质调查局。图片4月23日,1986年,1996年4月20日和4月30日,2006年,获得Landsat5 TM传感器;虽然图像5月11日,2016年,获得了Landsat8奥利传感器。所选数据的预处理包括辐射校正、大气校正、几何校正。

3所示。方法

3.1。随机森林和准确性评估

随机森林(RF)是一个现有的机器学习算法提出的狮子座Breiman和阿黛尔卡特勒在2001年合并装袋合奏学习理论与随机子空间法(21- - - - - -23]。随机森林算法的预测结果得到解决的模式决定结果的多个决策树组成森林。每一次,大约2/3的原始训练样本数据集提取与引导抽样技术的决策树模型训练相应的时代。所以一些样品在原始训练集可以用来执行决策树在同一时间。剩下的大约1/3的样品画out-of-bag误差评价的随机森林模型,然后,计算模型的预测误差率(24]。随机森林分类的基本思想(21,25)可以被描述为三个步骤:(1)提取从原始训练集样本使用引导方法,并确保每个类的百分比在原始训练集的子集是一样的;(2)建筑决策树模型样本子集获得分类结果;(3)投票所有分类结果得到最终分类地图。这些过程的两个最重要的参数数量的树木用来构造射频和数量的特性选择为每个单独的树。第二个参数是更重要的比第一个通过文献综述(26- - - - - -28]。在这个研究中,功能是设置的数量 ,在哪里在这个研究所有可用的特性。

评估土地利用分类精度的测试分类结果。有两种常用的方法。一个是比较分类结果与实际土地利用分类数据;另一种方法是使用高分辨率遥感图像选择一定比例的训练样本来测试分类数据的准确性。目前,最常用的分类精度评价方法是混淆矩阵的方法,这是一个误差矩阵,表示正确分类的数量和错误分类的数量在实验样品。混淆矩阵的总体分类精度(OA)和Kappa系数主要是用于验证分类结果和评估的准确性(23,29日]。

总体精度表示的概率正确分类的样本数量在整个样本容量并能反映总体的分类结果的精度。所示 OA是总分类精度,分类类别的数量,是样品的总数,是歧视的数量的样品吗类别。

Kappa系数的精度系数总体分类。是一种比率代表的比例误差减少之间的分类和完全随机分类,如图所示 在哪里类的数量,表示考虑像素的总数,混淆矩阵的对角元素,代表了边际和混淆矩阵的行,和代表了边际混淆矩阵中的列的总和。

3.2。鱼网模型

鱼网模式指的是网格划分的基于GIS技术的研究领域,在电网规模作为评价单元,分析所选区域的生态安全状况(30.,31日]。随着科学技术的不断进步和生态安全研究的深化,这种方法的优点越来越明显:它可以解决空间数据处理精度的问题。最小的分析单位选为一个网格,该方法促进有效的相关数据集合和优惠的缺点只使用一个行政区划单位作为研究单元。此外,鱼网模型的网格划分技术可以把每个网格作为一个独立单元通过建立网格,然后计算每个网格通过建立一个评价体系。

为了更好地反映研究区域的景观生态安全状态,我们使用了网格工具ArcGIS 307将研究区域划分为网格 (如图2打破之前的固有模式。网格的划分提供了一种更为合理的尺度空间变化的景观生态安全的评价31日]。确定网格后,网格层用于批处理农作物土地利用分类数据在每一个时期获得相应的网格。土地利用和土地覆盖地图的小单位被导入到景观格局分析软件fragstats4.2批量模式进行分析。然后,景观指标研究区域中的每个网格可以通过计算,并计算景观指标用于构建景观生态安全指数。最后,网格数据转换为网格点文件(位于每个网格的中心),并计算景观生态安全指数分配到网格点文件。在这个过程中,空间分辨率与克里格插值方法设置为30米。

4所示。景观生态模型

4.1。景观格局变化分析

分析土地利用土地覆盖景观格局的变化,不同的生态意义在本研究区景观格局指标计算(20.]。通过文献综述(32,33),景观格局可分为(1)补丁级别,它反映了结构特点的景观,也是一个补丁的基础计算其他景观水平的指标;(2)类级别,它反映了各自不同的补丁类型在景观的结构特点;(3)景观水平,这反映了景观的整体结构特点。根据这些景观格局指标,分析了研究区域的景观从全球视角。为了探索景观格局的结构特点和演化规则在郑州市各个时期具有代表性的指标(见表1)选择在类级别和景观水平完全理解每一个景观格局指数的生态意义和景观结构反映的焦点。

4.2。分析景观生态安全

4.2.1。准备景观干扰指数

景观干扰度描述了程度不同的景观生态环境受到自然和人类活动的影响因素。其数学模型可以描述为

在哪里景观干扰度; 景观破碎度指数、景观分离度、景观优势度指数,分别; 代表的重量值构造破碎、分离,分别和优势度指数。根据以往的研究结果,指专家评分法,三个权重分配 , ,和 。

在这个模型中,景观破碎度指数的数学表达式显示为 在哪里景观类型的斑块的数量吗和景观类型的斑块的面积吗 。

景观分离度的数学表达式显示为 在哪里相对的报道吗景观和是景观总面积。

景观优势度指数的数学表达式显示为 在哪里景观的相对密度。相关研究认为,相对覆盖有更大贡献比相对密度格局的主导地位,所以权重和被分配的值0.6和0.4。

4.2.2。景观脆弱性指数

不同的景观在生态系统中扮演不同的角色,有不同的抵抗外部压力和敏感同时外部变化。在研究中,这种差异通常是与景观的漏洞,结合以前的研究结果(41];郑州城市的实际情况的基础上,值被分配到相应的土地利用类型。例如,土地闲置最强的脆弱,和未使用的土地是5;的脆弱性小于未利用土地,水和水是设置为4;建设用地是相对稳定的设置为1;和耕地的脆弱性指数和植被3和2,分别。由于不同维度的每个索引,正常化的分配土地利用类型作为脆弱性指数这种类型的景观。所示的计算方法 在哪里代表了分数分配给类型的土地使用和代表了景观的脆弱性的土地利用类型。

4.2.3。景观指数损失

两个变量的景观干扰指数和脆弱性指数叠加和综合反映自然属性的程度的损失一定的景观类型的外部干扰。所示的计算方法 的计算方法和意义在哪里和分别景观干扰指数和景观脆弱性指数。

4.2.4。景观安全指数

景观安全指数是用两个变量表示,景观损失指数和景观区域。所示的计算方法 在哪里代表的景观生态安全价值th采样区域,是网格的数量,的面积是th网格,的面积是th的景观th抽样地区,土地利用类型的数量。

4.3。CA-Markov模型

马尔可夫模型是一个长期的预测方法根据形势和一定的概率事件在某一时刻,使用马尔可夫链预测它的变化在各个时刻(或时期)在未来42]。CA模型(43)有一个时空变化模拟能力,可以定义在方程(10)。马尔可夫模型的关键因素是确定转移概率的事件。主要组件的元胞自动机(CA)模型是单位,州,规则,和社区。每个单元有一个有限数量的国家(5,42,44]。单位在某一时刻的状态取决于当前和以前的时刻。同时可以更新所有单元状态根据转换规则。原则是细胞在下一个时刻的状态是一个函数的邻居状态之前的一刻。状态变量与空间位置和密切联系的概念空间,可以模拟。复杂的空间格局的变化。 在哪里和细胞的状态吗 和 ,分别;的转换规则的功能状态空间细胞;是细胞的领域。和 表示开始和结束时间。马尔可夫模型(45)已被广泛用于趋势模拟在不同的场景中,可以表示为 在哪里和状态在时间吗 和 ,分别。

在状态转移概率矩阵。CA-Markov模型结合CA模型和马尔可夫模型,这两种动态模型与离散状态(46]。当结合CA模型,CA-Markov模型可以克服的限制,马尔可夫模型未能抓住未来的空间分布,可用于模拟时空变化。在这个研究中,与射频LULC地图获得1986年,1996年,2006年,2016年被选为研究计算矩阵使用马尔可夫模型的过渡区域。和一个标准的5 5邻近过滤器被选为CA模型这意味着未来像素的状况不仅决定了信息从之前的状态也被相应的周围的像素。

5。结果与讨论

5.1。LULC分类地图和随机森林

在这个研究中,训练样本选择的专家。和样品的分离性也检查来验证大于1.8,满足基本要求分类。郑州市的选择4 RS图像的输入射频的分类器模型获取分类地图在郑州市(图对应的日期3)。验证样本选自谷歌地球来验证分类结果的准确性。和总分类精度(OA)和Kappa系数进行评估的帮助下选择地面真理。四个图片的总分类精度大于80%(更多细节可以在表中找到2),满足需求的进一步处理,如景观格局分析。

5.2。预测结果与CA-Markov模型

在这个研究的帮助下IDRISI包,LULC结果,1996年,2006年和2016年被挑选验证CA-Markov模型的预测能力。首先,转移概率矩阵和矩阵计算过渡区域图像相邻的年。,建立了条件概率传输图像作为土地利用类型转变适用性的形象。然后,CA过滤和周期确定的数量。自图像间隔每个阶段的研究是10年,周期的数量设置为10,这意味着LULC 2016地图的基础上初步预测2026年LULC状态。此外,为了验证CA-Markov模型的可靠性,我们模拟了LULC地图2016(如图4基于LULC) 1996年和2006年的地图,然后计算预测结果的准确性使用实际上LULC地图2016(表3)。结果表明,预测结果之间的相对误差,并在2016年分类结果满足精度要求。因此科学合理使用CA-Markov模型来预测未来土地覆盖的研究领域。所以LULC地图2026(如图4)预测的帮助下CA-Markov模型和LULC 2006年和2016年的结果。

5.3。景观格局的结果

5.3.1。类级别的景观格局变化

根据每个时期的土地覆盖分类结果,获得类级别景观格局指标获得的帮助下fragstats4.2(见表4)。栈道指数的结果表明,主导土地覆盖类型农田和郑州市人口密集的地方。在1986年期间,等级降序排列的、植被、农田,建筑物密集的地区,土地闲置和水体。而在2016年的时期,最大的栈道指数组合区域,其次是农田。这些变化的原因可以归结于两个方面。一是,国家粮食生产的核心地区,河南省各级政府和国土资源部门全面加强耕地保护的目标,这进一步促进了保护和土地集约利用。另一个是发展经济,各省市在河南加快回收,同时高标准农田建设,确保耕地的数量;另一方面,郑州的城市地区的经济快速发展导致城市建设用地不断扩张。栈道植被指数有了明显的改变,从2016年的32.231到1986年的7.852,表明这种类型的土地利用类型占整个景观面积大量减少。

特别是,预测在2026年,将会有几乎没有水和未利用土地面积的变化;植被的栈道价值增加了,进一步增加,所占据的区域人口密集的地方,农田的栈道指数显著降低。这个结果表明地区城市化和工业化。在这个过程中,农田被人类活动的严重干扰,和农田被大规模的人类开发活动的挤压。

LPI指数,水的价值大大下降从2016年的2.8到1986年的0.48,这表明大补丁水域的面积减少,逐渐萎缩,逐渐分散分布;2016 LPI的植被指数为0.029;这表明植被的最大斑块面积先增加然后减少,和它的分裂程度首先放松,然后逐年增加。此外,LPI索引值的组合面积大大增加期间从1986年到2016年,这在一定程度上反映了郑州市的城市建设更加集中,城市相邻地区的面积显著增加。农田的LPI指数从1986年的13.03下降到1996年的3.29增加到2016年的7.26,表明补丁农田面积最大的是波动的。根据预测结果,增加水和植被的LPI值表明,分裂的程度有所下降;未利用土地和农田的最大斑块指数下降,和农田的分布变得更加集中。

从LSI指数的角度看,水的价值通常是低于其他土地类型,主要是因为其空间分布相对分散,聚集程度低于其他土地类型。在研究期间,PAFRAC指数的各种土地利用类型的城市郑州表明植被总是PAFRAC最大的景观指数,表明植被的形状在这样的补丁是最复杂的。PAFRAC指数组合土地减少波动,表明该景观类型的形状趋于简单,和降低复杂性。PAFRAC水、耕地和未利用土地已经改变,表现出日益增长的趋势,表明这三种景观类型的形状越来越复杂。据估计,到2026年,其他土地利用类型的LSI指数比组合土地和植被减少,表明聚合度降低;未利用土地和农田的PAFRAC增加,表明贴片形状的复杂性增加了,越来越不规则的形状。

IJI指数、植被和土地闲置显示下降趋势,表明这两种土地类型的相邻的景观类型逐年减少。水的IJI索引值从1986年的83.53下降到67.01,1996年增加到2016年的78.85,然后变得相对稳定。到2016年,IJI指数比1986年建设用地显著增加,主要是由于土地类型在组合的相互转换和相邻的景观的类型的增加。据估计,到2026年,与2016年相比,今年的传播以外的土地利用类型组合的土地和并行索引将略有变化,表明相邻的块类型的土地类型建设用地减少。

5.3.2。景观指数景观水平的变化

从景观的景观格局的分析水平,在不同时期景观指标的计算结果郑州市如表所示5。

郑州城市的合作指数从1986年的31.02增加到2016年的38.21。可以看出,不同的景观类型在该研究领域的浓度增加了。在研究期间,郑州城市的IJI指数显示下降趋势,从2006年的81.84到1986年的74.97,这表明,相邻的景观类型的斑块的数量已经减少了。然而,所有补丁类型彼此相邻的概率已经稳定在2006年之后。的香农多样性指数(SHDI),其价值波动下降,这表明,在研究区景观类型逐渐减少,景观多样性有所下降。SHEI指数而言,各种景观类型分布的均匀性显示decreasing-increasing-decreasing趋势,于1996年从1986年的0.94下降到0.89,然后增加到2006年的0.95。SHEI增加到2016年的0.7747,表明没有特别明显的优势景观在1986年,1996年和2006年,而2016年景观的优势是显而易见的。根据预测的结果在2026年,SHDI和SHEI研究区域将会增加,这表明人为干扰强度的景观增加了。和预测的结果还显示,人为干扰强度的景观将增加,景观的多样性会增加,和控制景观优势类别对整个景观的影响将减弱,不同的土地利用类型更集中,增加相邻的类型特征。

5.4。景观生态安全分析

由于空间异质性在生态安全评价的特点,在这项研究中,鱼网工具被用来完善生态安全评估的单位。通过计算相应的景观指数在构建生态安全评估模型中,每个网格的景观生态安全指数的值,这个值插值网格的中心使用克里格插值方法获得生态安全分布地图。

此外,根据自然不连续分类方法(47),研究区域的生态安全分为五个层次:低生态安全区域,降低生态安全区域,媒介生态安全区域,提高生态安全区域,和高生态安全区域(图5)。

从LULC类型空间分布的特点,高,高,和中等安全区域主要分布在植被土地覆盖的区域在北部和南部,和低和低安全区域分布在中部组合区域和未使用的土地。

通过定量分析(图6和表6),1986年,郑州城市的生态安全是由高安全,更高的安全,和medium-safety地区,和轻罪区域分布较少,表明郑州城市的整体生态安全水平在那段时期是相对较高的。生态安全的1996年与1986年相比,中、高生态安全区域生态安全的地位在1996年增加,而低和低生态安全领域几乎是稳定的。和低生态安全的位置区与1986年相比几乎没有改变,它大概是在郑州的中心城市。与2006年到1996年的生态相比,低和中等生态安全区域在2006年显著增加,和媒介生态安全区域广泛分布,和高生态安全区域减少。这主要是由于城市化的快速发展,城市建设用地明显扩大;到2016年,城市建设用地的面积将达到40%,频繁的人类活动加剧了土地利用的程度,和生态安全处于较低的状态。与2006年相比,2016年的生态安全,大部分地区仍处于低生态安全状态。最明显的区域仍位于郑州市的中间,表明郑州市城市化进程的迅速发展,人口快速增长,人类活动频繁。严重的扩张使很多地区生态环境的压力,导致减少的生态安全。据预测,到2026年,比例较低的生态安全领域将是最大的。 Compared with 2016, the area of low ecological safety areas in this region has not increased much, the medium ecological safety areas have dropped by about 10%, and the percentage of higher ecological safety areas has declined, but the proportion of high ecological safety areas has increased slightly.

6。结论

在这个研究中,我们提出了一个生态安全评估框架基于随机森林算法,鱼网模型、景观生态学模型,CA-Markov模型。多瞬时遥感和GIS技术的支持下,1986年的生态安全研究领域,1996年,2006年,2016年和2026年预测计算和模拟。研究结果表明,由于巨大的城市化进程和经济发展模式中的某些问题,最大的块区域水明显减少了,从2.78到0.48。水的碎片是逐年增加。然而,建设用地更集中,城市相邻地区的面积显著增加,扩散和并置索引值的建设用地增加了从53.8871到83.5898。据预测,到2026年,未利用土地和农田的形状将变得更加不规则,和建设用地的面积将进一步增加,分布更集中。景观生态安全评估的结果显示,在1986年至1996年之间,主导安全优质水平,而在2006年至2016年之间,媒介生态安全区域的面积大。据预测,郑州城市的景观生态安全状况将会在2026年继续下降,但高生态安全区域的百分比将略有增加。

研究结果可以为政府机构提供基本信息和决策支持和土地使用规划,确保负责任的和可持续发展的城市环境与生态。和本文的新颖的方向成功实现城市景观生态学模型的安全评估。

数据可用性

研究人员感兴趣的是这段代码可以下载链接https://pan.baidu.com/s/1YeGDwd4DoOEkZpOh4vswKgi98q xdrg,使用密码,使用密码,或联系相应的作者获取源数据进行二次分析。

信息披露

裴刘翔目前的地址是2001号《史记》,焦作,河南,中国。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

P.L.促成了概念化、方法形式分析,写作和准备初稿,和项目管理;P.L.,C.M., and HB. Z. wrote, reviewed, and edited the manuscript; XY. Z. and XF. L. performed the experiment. All authors contributed equally to this work.

确认

本研究由国家自然科学基金资助数量41601450,河南理工大学授予的杰出青年基金J2021-3数量,河南省的关键技术研发项目(182102310860),和中国学术委员会授予数量201808410212。