CN105912867A - 一种水陆交错带的划分方法 - Google Patents

Abstract

本发明公开一种水陆交错带的划分方法，该方法包括如下步骤：基于待分析地点的水陆交错带的空间分布结构特点选择环境因子；采集所述环境因子数据并进行数据分析；基于数据分析结果进行聚类分析，划分水陆交错带。该方法是一种平行于河流流向的条带式划分方法，使得科研人员可以针对不同条带的生态退化特点深入开展科学研究和因地制宜的进行植被恢复技术研发，为退化水陆交错带的生态恢复提供依据。

Description

一种水陆交错带的划分方法

技术领域

本发明属于植被恢复及水土保持领域，涉及一种适用于干湿交替环境下的水陆交错带的分类划分方法，具体来说是一种适用于喀斯特地区河流生态退化的水陆交错带的划分方法。

背景技术

水陆交错带又称岸边带、水滨带、河岸(滨)带、消落(涨)带，是水生生态系统与陆地生态系统之间进行能量、物质和信息交换的重要生物过渡带。国内外对水陆交错带的划分，通常以RS、3S技术为保障，结合实地立地条件调查，按照立地特征因素分类来划分。现有的划分方式主要有：以水陆交错带具体构造、地面物质结构、土地利用方式来进行划分；按照不同区域的地形特点进行划分；按照坡度和土壤质地两个主导因子进行划分；按照水陆交错带被淹区域出露水面的时间来进行区别和划分。前人研究的分类方法无法有针对性的对不同类型的水陆交错带提出因地制宜的植被恢复措施，投入的人力物力财力多，却对于退化水陆交错带的植被恢复实际效果颇微。随着经济的发展，旅游业、农业等严重干扰了水陆交错带生态系统，导致生态退化，因此，急需一种新颖科学的水陆交错带的划分方法，使生态修复科技人员能够有效地针对不同类型的水陆交错带的特点进行植被恢复研究。

发明内容

本发明的一个目的在于提供一种水陆交错的划分方法，该方法是一种平行于河流流向的条带式划分方法，使得科研人员针对不同条带的生态退化特点深入开展科学研究和因地制宜的进行植被恢复技术研发，为退化水陆交错带的生态恢复提供依据。

为达到上述目的，本发明采用下述技术方案：

一种水陆交错带的划分方法包括如下步骤：

(1)基于待分析地点的水陆交错带的空间分布结构特点选择环境因子；

(2)采集所述环境因子数据并进行数据分析；

(3)基于数据分析结果进行聚类分析，划分水陆交错带。

进一步的，步骤(1)所述环境因子包括地形因子、水文因子、土壤因子和植被因子；

进一步的，步骤(2)所述的数据分析包括相关性分析、回归分析和主成分分析。

进一步的，所述相关性分析为将所述环境因子的数据量化，并分别计算量化后的所述地形因子的数据、所述水文因子的数据、所述土壤因子的数据与所述植被因子的数据之间的线性相关程度，并用相关系数r表示所述线性相关程度，相关系数r的计算公式如式(1)所示，

$r=\frac{\mathrm{\Σ}XY-\frac{\left(\mathrm{\Σ}X\right)\left(\mathrm{\Σ}Y\right)}{n}}{\sqrt{\[{\mathrm{\ΣX}}^2-{\frac{\left(\mathrm{\Σ}X\right)}{n}}^2\]\[{\mathrm{\ΣY}}^2-{\frac{\left(\mathrm{\Σ}Y\right)}{n}}^2\]}}---\left(1\right)$

式(1)中，r为相关系数，X选自所述水文因子的数据、所述地形因子的数据或所述土壤因子的数据，Y为所述植被因子的数据。

进一步的，所述回归分析具体包括如下步骤：

1)采用如式(2)所示的标准化(Z-score)公式，将所述环境因子的数据转化成无量纲的标准化数据；

$y_i=\frac{x_i-\stackrel{\‾}{x}}{s},\stackrel{\‾}{x}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_i,s=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{(x_i-\stackrel{\‾}{x})}^2}---\left(2\right)$

式中，x_i为所述水文因子的数据、所述地形因子的数据、所述土壤因子的数据或所述植被因子的数据，i＝1,2…n，n为所述环境因子的数量，y_i是无量纲的标准化数据，s是标准差，是各环境因子的数据均值。

2)根据无量纲的标准化数据，以所述植被因子的标准化数据为因变量，以所述水文因子的标准化数据、所述地形因子的标准化数据、所述土壤因子的标准化数据为自变量进行基于SPSS软件的回归分析。

进一步的，所述主成分分析为基于SPSS软件在所述水文因子、所述地形因子和所述土壤因子中找出对所述植被因子影响最大的因子。

进一步的，基于所述回归分析和所述主成分分析在所述水文因子、所述地形因子和所述土壤因子中找出对水陆交错带划分起主导作用的因子，并基于该起主导作用的因子进行聚类分析；所述聚类分析采用欧氏距离聚类法。

进一步的，所述地形因子包括相对高程和坡度；所述水文因子包括水文影响时间；所述土壤因子包括砾石含量；所述植被因子包括生物量。

进一步的，所述方法进一步包括对聚类分析结果进行检验的步骤。

本发明的有益效果如下：

1.通过多种数学分析方法筛选环境因子，并进行科学检验，分类方法真实可靠；

2.划分出来的各类水陆交错带类型，特征明显，科研人员可针对不同的退化类型因地制宜的进行科学研究和技术开发，从而提出高效的植被恢复策略；

3.本发明通过实地调查到数学方法处理，简单可行，具有极强的推广性。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明。

图1为水陆交错带划分聚类树状分布图；

图2为水陆交错带划分的剖面示意图；

图3为水陆交错带划分的平面示意图。

具体实施方式

为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。

在广西壮族自治区桂林市大圩镇古东附近，选择漓江典型的水陆交错带进行水陆交错带划分。其主要步骤是：

1.环境因子的选择：基于漓江水陆交错带的空间分布结构特点选择环境因子；水陆交错带受到季节性洪水干扰，呈现较为特殊的空间分布结构特点，因而要根据水陆交错带的特殊性、因子适用性、多层次性和主导性选择环境因子，水陆交错带不同于其他的结构类型，因子选择具有特殊性，例如水文影响时间，而适用性和多层次性保证在因子的选择中全面而且适合，例如相对高程、坡度等，主导性指选择的因子需要具有区分度，以及具有主导性，例如光照、地质背景或降雨等等就不会选择，因为这些因子在漓江水陆交错带上具有均一性。

漓江水陆交错带环境因子有很多，如降雨、光照、地质背景、坡度、坡向、坡位、相对高程、水文、土壤、植被等等，通过实地调查，基于水陆交错带空间分布结构的特殊性、因子适用性、主导性和多层次性，选取地形因子(相对高程、坡度)、水文因子(水文影响时间)、土壤因子(砾石含量)以及植被因子(生物量)五个因子进行分类划分。

2.环境因子相关性分析：将选取的各项环境因子数据量化，并将水文影响时间、相对高程、坡度、砾石含量与生物量进行相关性分析，即分别计算量化后的水文影响时间、相对高程、坡度和砾石含量与生物量之间的线性相关程度，并用相关系数r表示，相关系数r的计算公式如式(1)所示；表1为漓江水陆交错带环境因子的相关关系，表1中，水文影响时间为X₁、相对高程为X₂、坡度为X₃、砾石含量为X₄和生物量为X₅。

$r=\frac{\mathrm{\Σ}XY-\frac{\left(\mathrm{\Σ}X\right)\left(\mathrm{\Σ}Y\right)}{n}}{\sqrt{\[{\mathrm{\ΣX}}^2-{\frac{\left(\mathrm{\Σ}X\right)}{n}}^2\]\[{\mathrm{\ΣY}}^2-{\frac{\left(\mathrm{\Σ}Y\right)}{n}}^2\]}}---\left(1\right)$

式中，r为相关系数，X选自水文影响时间、相对高程、坡度或砾石含量，Y为生物量。

表1 漓江水陆交错带环境因子的相关关系

注1：X1至X5分别代表水文影响时间、相对高程、坡度、砾石含量、生物量；

注2：**表示在0.01水平(双侧)上显著相关。

由表1可以看出水文影响时间、相对高程、坡度、砾石含量环境因子均对水陆交错带的植被生物量有着显著的影响。

3.环境因子回归分析：为了进一步探寻对植被生物量影响最大的环境因子，选择植被生物量(X₅)为因变量，水文影响时间、相对高程、坡度、砾石含量(X₁-X₄)为自变量，进行回归分析；首先采用公式(2)所示的标准化(Z-score)公式将以上不同量纲数据转化成无量纲的标准化数据；

标准化(Z-score)公式为：

$y_i=\frac{x_i-\stackrel{\‾}{x}}{s},\stackrel{\‾}{x}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_i,s=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{(x_i-\stackrel{\‾}{x})}^2}---\left(2\right)$

式(2)中x_i为水文影响时间、相对高程、坡度、砾石含量或生物量，i＝1,2,3,4,5，y_i是无量纲的标准化数据，s是标准差，是因子均值，n＝5；将数据标准化后，以水文影响时间的标准化数据、相对高程的标准化数据、坡度的标准化数据和砾石含量的标准化数据为自变量，以生物量的标准化数据为因变量进行回归分析，得到回归方程，通过回归方程中回归系数的大小可以检验水文影响时间、相对高程、坡度和砾石含量4个因子对生物量的影响性，系数的绝对值越大说明影响性越大；多元回归可以确定几个特定的变量之间是否存在相关关系，找出它们之间合适的数学表达式，本实施例的回归方程如下：

X₅＝-0.350X₁+0.465X₂+0.156X₃-0.005X₄，R₂＝0.810； (3)

式(3)中，x₁表示水文影响时间，x₂表示相对高程，x₃表示坡度，x₄表示砾石含量，x₅表示生物量。

4.环境因子主成分分析：由回归方程(3)可知相对高程和水文影响时间对生物量影响最大，为进一步探究对水陆交错带划分起主导作用的因子，即为了进一步探究主导因子，对水文影响时间(X₁)、相对高程(X₂)、坡度(X₃)、砾石含量(X₄)和生物量(X₅)进行主成分分析；

主成分分析采用SPSS提取，提取到5个成分为主成分，但由于成分1的λ值为3.945，大于1，且累积和为81.213％，符合主成分提取标准，所以本实施例最终采用成分1作为主成分F1；其他4个成分的λ值小于1，所以，本实施例中，没有采用这4个成分为主成分。

由表2的主成分分析结果可以看出，本实施例中经过主成分分析后，采用成分1为主成分，因为成分1其λ值为3.945，大于1，累积和为81.213％。表3为主成分1的系数矩阵。

表2 水陆交错带划分因子解释总方差

采用成分1为主成分后，由SPSS软件得出表3中的主成分系数矩阵，根据主成分系数矩阵得出水陆交错带划分的表达式为：

F1＝-0.949X₁+0.956X₂+0.723X₃-0.836X₄+0.954X₅ (4)

表3中的系数矩阵和公式(4)仅表示本次划分结果。

表3 主成分系数矩阵

从表2以及式(4)中可以看出，主成分F1涵盖的内容量为81.213％，在式3中水文影响时间X₁的比重为-0.949，相对高程X₂的比重为0.956，生物量X₅的比重为0.954，可以看出水文影响时间、相对高程和生物量是淹没带划分的主导因子；主成分选择系数绝对值大于0.9的因子，正负代表正反相关性。

5.水陆交错带聚类分析：对由回归分析及主成分分析得到对水陆交错带划分起主导作用的因子即主导因子，并根据主导因子进行聚类分析，以实现对水陆交错带的划分；本实施例中水陆交错带划分主导因子为相对高程、水文影响时间及生物量因子，对这几种因子进行聚类分析，本实施例中的聚类分析采用欧氏距离(Euclidean distance)聚类法，欧氏距离的表达式如式(5)所示：式(5)中，x为无量纲的标准化相对高程数据、水文影响时间数据或生物量因子数据，i＝1，2，3；n＝1，2，3。

聚类分析树状图如图1所示，图1为漓江水陆交错带10个典型截面38个样带的聚类结果，从图中可知，38个样带可被划分为4种类型；第一种类型包括5、9、28、32、1、13、35、16、24和20，共计10条样带，这10条样带濒临水道，相对高程最小，水文影响时间最长，受水文影响最严重，将其定义为重度淹没带；第二种类型包括10、25、2、6、36、17、29，共计8条样带，这8条样带水文影响时间仅次于重度淹没带，相对高程大于重度淹没带，将其定义为中度淹没带；第三种类型包括4、19、31、12、38、8、15、34、27和23，共计10条样带，这10条样带均为相对高程最大、水文影响时间最短的微度淹没区域，将其定义为微度淹没带；第四种类型包括7、18、30、14、3、11、37、26、22和33，共计10条样带，这10条样带均为相对高程比微度淹没带小，水文影响时间较微度淹没带长，将其定义为轻度淹没带；既本实施例中的漓江水陆交错带被划分为4种类型，分别为重度淹没带、中度淹没带、轻度淹没带和微度淹没带。

6.分类结果检验：

通过聚类分析提取1个case，第一类(重度淹没带)在case中以1代表，第二类(中度淹没带)在case中以2代表，第三类(轻度淹没带)在case中以3代表，第四类(微度淹没带)在case中以4代表；利用SPSS将淹没带划分主导因子(相对高程、水文影响时间和生物量)数据与Caes进行Means均值处理，获得分类结果的平均数，如表4所示，

表4 分类因子均值表

在基础得到各组平均数后，采用方差分析中的单因素方差分析(One way anova)通过SPSS软件对各划分主导因子平均数的差异进行检验，检验结果如表5所示。

表5 检验结果表

从表5中的显著性(sig)可以看出，3个水陆交错带划分主导因子的sig值均为0，说明3个指标都达到了极显著的水平，通过了聚类结果检验，因此上述聚类分析结果具有极好的有效性和可信度。

图2为水陆交错带划分的剖面示意图，图3为水陆交错带划分的平面示意图；图2和图3中用T₁表示重度淹没带，水文影响时间最长，海拔最低，为砾石河滩；T₂表示中度淹没带，平均水文影响时间较重度淹没带短，以草本植被为主，为草地；T₃表示轻度淹没带，平均水文影响时间更短，出现灌木生长，为灌草地；T₄表示微度淹没带，偶尔受水文影响，有乔木灌木生长，为疏林地。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (9)

1.一种水陆交错带的划分方法，其特征在于，该方法包括如下步骤：

(1)基于待分析地点的水陆交错带的空间分布结构特点选择环境因子；

(2)采集所述环境因子数据并进行数据分析；

(3)基于数据分析结果进行聚类分析，划分水陆交错带。

2.根据权利要求1所述的方法，其特征在于：步骤(1)所述环境因子包括地形因子、水文因子、土壤因子和植被因子。

3.根据权利要求2所述的方法，其特征在于：步骤(2)所述的数据分析包括相关性分析、回归分析和主成分分析。

4.根据权利要求3所述的方法，其特征在于：所述相关性分析为将所述环境因子的数据量化，并分别计算量化后的所述地形因子的数据、所述水文因子的数据、所述土壤因子的数据与所述植被因子的数据之间的线性相关程度，并用相关系数r表示所述线性相关程度，相关系数r的计算公式如式(1)所示，

$r=\frac{\mathrm{\Σ}XY-\frac{\left(\mathrm{\Σ}X\right)\left(\mathrm{\Σ}Y\right)}{n}}{\sqrt{\[{\mathrm{\ΣX}}^2-\frac{{\left(\mathrm{\Σ}X\right)}^2}{n}\]\[{\mathrm{\ΣY}}^2-\frac{{\left(\mathrm{\Σ}Y\right)}^2}{n}\]}}---\left(1\right)$

式(1)中，r为相关系数，X选自所述水文因子的数据、所述地形因子的数据或所述土壤因子的数据，Y为所述植被因子的数据。

5.根据权利要求3所述的方法，其特征在于，所述回归分析具体包括如下步骤：

1)采用如式(2)所示的标准化(Z-score)公式，将所述环境因子的数据转化成无量纲的标准化数据；

$y_i=\frac{x_i-\stackrel{\‾}{x}}{s},\stackrel{\‾}{x}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_i,s=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{(x_i-\stackrel{\‾}{x})}^2}---\left(2\right)$

式中，x_i为所述水文因子的数据、所述地形因子的数据、所述土壤因子的数据或所述植被因子的数据，i＝1,2…n，n为所述环境因子的数量，y_i是无量纲的标准化数据，s是标准差，是所述环境因子的数据均值；

2)根据无量纲的标准化数据，以所述植被因子的标准化数据为因变量，以所述水文因子的标准化数据、所述地形因子的标准化数据、所述土壤因子的标准化数据为自变量进行基于SPSS软件的回归分析。

6.根据权利要求3所述的方法，其特征在于：所述主成分分析为基于SPSS软件在所述水文因子、所述地形因子和所述土壤因子中找出对所述植被因子影响最大的因子。

7.根据权利要求3所述的方法，其特征在于：基于所述回归分析和所述主成分分析在所述水文因子、所述地形因子和所述土壤因子中找出对水陆交错带划分起主导作用的因子，并基于该起主导作用的因子进行聚类分析；所述聚类分析采用欧氏距离聚类法。

8.根据权利要求2至7任一项所述的方法，其特征在于：所述地形因子包括相对高程和坡度；所述水文因子包括水文影响时间；所述土壤因子包括砾石含量；所述植被因子包括生物量。

9.根据权利要求1至8任一项所述的方法，其特征在于：所述方法进一步包括对聚类分析结果进行检验的步骤。