北京地区植被景观的空间分布特征

本文利用地理信息系统(GIS)技术、景观生态学理论和方法、分形理论以及统计分析方法对北京地区植被景观的空间分布特征进行了分析，并对景观格局和景观多样性的分析方法进行了探讨，结果表明： (1)对几乎所有的斑块类型，其斑块大小的分布都不是对称的，而是右偏的。4种概率分布（Г—分布、对数正态分布、Weibull分布和（负）指数分布）都只能刻划部分斑块类型，并且服从对数正态分布的斑块类型最多，服从（负）指数分布的斑块类型最少。 (2)随着斑块面积的增加，边界效应越来越小，而斑块形状越来越不紧凑。 (3)分形分析识别出本地区植被景观中的两个尺度域：一个是斑块面积小于(大约)2.7km2，另一个是斑块面积大于(大约)2.7km2。两个域中的斑块复杂程度有很大差异，后一个域中的斑块明显比前一个域中的斑块复杂，并且随着斑块面积的增加，斑块形状越来越复杂。 (4)用斑块数作为多度指标时，该景观的斑块类型一多度分布服从（截断）对数正态分布和（截断）负二项分布，不服从对数级数分布和几何分布。用斑块面积作为多度指标时，该景观的斑块类型一多度分布服从对数正态分布、Weibull分布和Г—争布，不服从正态分布。从而该景观的斑块类型一多度分布不是对称的，也是右偏的。在4个优势度／多样性模型中，“生态位优先占领”模型和Zipf-Mandelbrot模型可以较好地刻划该景观的斑块类型一多度关系。 (5)样本大小对多样性测度有直接的影响。如果这种影响比较小，就说明测度指标比较稳定。三个丰富度指数中，Ri比R2和R3更稳定;五个多样性性指数中，D和Di最稳定，OD最不稳定，因此，OD是用于景观多样性监测的理想指标;五个均匀度指数中，Jgi最稳定。根据设计的3种计算临界样方数量（即多样性测度指标达到稳定时的样方数量）方法的计算结果，上述几个最稳定的测度指标在通常情况下只需要几个样方(即总抽样面积为数百km2)就达到稳定状态。 (6)斑块类型数目随面积的增加而增加。根据四个评价指标的评价结果，认为双曲线对该景观的斑块类型一面积关系的拟合效果最好。 (7)样本较大（对于一阶刀切估计，大于30个样方;对于二阶刀切估计，大于60个样方）时，刀切法能够给出斑块类型数目(NPT)较好的估计;样本较小（小于30个样方）时，Mingoti和Meeden提出的经验贝叶斯方法能够对NPT给出比刀切法和自助法更好的估计。斑块类型一面积曲线外推虽然也能给出NPT较好的估计，但这种方法需要慎重使用，不能外推得很远。 (8)列联表分析表明，该植被景观中的斑块类型与土壤类型、岩石类型、海拔高度和坡向各因子之间均存在显著的相关性。植被景观多样性与岩石类型多样性和地形多样性之间也均呈显著的正相关关系，即植被景观多样性随岩石类型多样性和地形多样性的增加而增加。但植被景观多样性与土壤类型多样性之间不存在显著的线性相关或秩相关关系，这可能是由于二者的分类体系不吻合。植被景观多样性与总的道路密度和第二类道路密度之间均呈显著的负相关关系，而与第一类和第三类道路密度之间的关系都不显著。这反映出景观样本单元(10kmxlOkm)的尺度对应于第二类道路的影响尺度。而道路密度在一定程度上反映了人类活动的强度，因此，在10kmxlOkm这个尺度上，人类活动愈剧烈，景观多样性就愈小。