全 文 ：第 ３５ 卷第 ８ 期
２０１５年 ４月
生 态 学 报
ＡＣＴＡ ＥＣＯＬＯＧＩＣＡ ＳＩＮＩＣＡ
Ｖｏｌ．３５，Ｎｏ．８
Ａｐｒ．，２０１５
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
基金项目：科技部重点支撑项目（２０１３ＣＢ９５６５０３）；国家海洋局 ２０１０年海洋公益性行业科研专项 （２０１００５００６）资助
收稿日期：２０１３⁃０７⁃１９； 　 　 修订日期：２０１４⁃１０⁃１２
∗通讯作者 Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ： ｚｏｕｘｑ＠ ｎｊｕ．ｅｄｕ．ｃｎ
ＤＯＩ： １０．５８４６ ／ ｓｔｘｂ２０１３０７１９１９１５
张东菊，左平，邹欣庆．基于加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ的多尺度景观格局分析———以江苏盐城滨海湿地为例．生态学报，２０１５，３５（８）：２７０３⁃２７１１．
Ｚｈａｎｇ Ｄ Ｊ， Ｚｕｏ Ｐ， Ｚｏｕ Ｘ Ｑ．Ｍｕｌｔｉ⁃ｓｃａｌｅ ａｎａｌｙｓｉｓ ｏｆ ｌａｎｄｓｃａｐｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｉｎ ｃｏａｓｔａｌ ｗｅｔｌａｎｄｓ ｉｎ Ｙａｎｃｈｅｎｇ， Ｊｉａｎｇｓｕ， ｂａｓｅｄ ｏｎ ｔｈｅ ｗｅｉｇｈｔｅｄ Ｒｉｐｌｅｙ′ｓ Ｋ⁃
ｆｕｎｃｔｉｏｎ ｍｅｔｈｏｄ．Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ，２０１５，３５（８）：２７０３⁃２７１１．
基于加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ的多尺度景观格局分析
———以江苏盐城滨海湿地为例
张东菊１，２，左　 平１，２，邹欣庆１，２，∗
１ 南京大学地理与海洋科学学院， 南京　 ２１００４６
２ 南京大学海岸与海岛开发教育部重点实验室， 南京　 ２１００４６
摘要：以 １９８７，１９９２，１９９７，２００２，２００７年的遥感影像为例，首次尝试使用加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ的多尺度格局分析方法，计算了
２０年来景观异质性在江苏盐城滨海湿地的时间变化和空间分布趋势。 通过对研究区的样带划分以及景观类型的点状化处理，
建立滨海湿地样带图层和 １９８７—２００７年间各类型景观的点格局数据库，从而分析滨海湿地不同类型景观的空间聚集特征变
化。 基于加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ的计算表明，在各级空间尺度和时间变化上，各类型湿地的斑块都呈现出空间聚集分布状态，
且 １９８７年以来，不同湿地类型的聚集空间特征尺度和空间分布强度均出现了大幅的增减变化，除互花米草滩之外的自然湿地
的聚集空间特征尺度和强度都有明显下降甚至少到无法被检测到，而人工湿地却呈现聚集特征尺度和强度的双增长，且该聚集
程度有逐渐增强的趋势。 分析表明，既考虑样点的空间位置信息又考虑样点分布范围的加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ方法能很好地
表征湿地景观在多尺度上的变异，且与传统空间景观指数等分析方法的结论在一定程度上保持一致。
关键词：盐城滨海湿地；景观空间格局；多尺度空间聚集分析；加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ；空间特征尺度；空间分布强度
Ｍｕｌｔｉ⁃ｓｃａｌｅ ａｎａｌｙｓｉｓ ｏｆ ｌａｎｄｓｃａｐｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｉｎ ｃｏａｓｔａｌ ｗｅｔｌａｎｄｓ ｉｎ Ｙａｎｃｈｅｎｇ，
Ｊｉａｎｇｓｕ， ｂａｓｅｄ ｏｎ ｔｈｅ ｗｅｉｇｈｔｅｄ Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ ｍｅｔｈｏｄ
ＺＨＡＮＧ Ｄｏｎｇｊｕ１，２， ＺＵＯ Ｐｉｎｇ１，２， ＺＯＵ Ｘｉｎｑｉｎｇ１，２，∗
１ Ｔｈｅ Ｓｃｈｏｏｌ ｏｆ Ｇｅｏｇｒａｐｈｉｃ ａｎｄ Ｏｃｅａｎｏｇｒａｐｈｉｃ Ｓｃｉｅｎｃｅｓ， Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｎａｎｊｉｎｇ ２１００４６， Ｃｈｉｎａ
２ Ｍｉｎｉｓｔｒｙ Ｅｄｕｃａｔｉｏｎ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｆｏｒ Ｃｏａｓｔ ａｎｄ Ｉｓｌａｎｄ， Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｎａｎｊｉｎｇ ２１００４６， Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ： Ｂａｓｅｄ ｏｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅｓ ｆｒｏｍ １９８７， １９９２， １９９７， ２００２， ａｎｄ ２００７， ｔｈｅ ｐｒｅｓｅｎｔ ｓｔｕｄｙ ｕｓｅｄ ｔｈｅ ｗｅｉｇｈｔｅｄ
Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ ｍｕｌｔｉ⁃ｓｃａｌｅ ａｎａｌｙｓｉｓ ｍｅｔｈｏｄ ｔｏ ｃａｌｃｕｌａｔｅ ｔｅｍｐｏｒａｌ ｃｈａｎｇｅｓ ａｎｄ ｔｒｅｎｄｓ ｉｎ ｔｈｅ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ （ ｉ．ｅ．，
ｈｅｔｅｒｏｇｅｎｅｉｔｙ） ｏｆ ｃｏａｓｔａｌ ｗｅｔｌａｎｄ ｌａｎｄｓｃａｐｅ ｐａｔｔｅｒｎｓ ｏｖｅｒ ２０ ｙｅａｒｓ ｉｎ Ｙａｎｃｈｅｎｇ， Ｊｉａｎｇｓｕ． Ｔｏ ａｎａｌｙｚｅ ｃｈａｎｇｅｓ ｉｎ ｔｈｅ ｓｐａｔｉａｌ
ｃｌｕｓｔｅｒｉｎｇ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｗｅｔｌａｎｄ ｌａｎｄｓｃａｐｅ ｔｙｐｅｓ， ｗｅ ｄｉｖｉｄｅｄ ｔｈｅ ａｒｅａ ｉｎｔｏ ｓｍａｌｌ ｂｅｌｔ ｔｒａｎｓｅｃｔｓ ａｎｄ ｃｒｅａｔｅｄ ａ
ｐｏｉｎｔ ｐａｔｔｅｒｎ ｄａｔａｂａｓｅ ｆｏｒ ｃｈａｎｇｉｎｇ ｗｅｔｌａｎｄ ｌａｎｄｓｃａｐｅｓ ｆｒｏｍ １９８７ ｔｏ ２００７． Ｔｈｅ ｒｅｓｕｌｔｓ ｏｂｔａｉｎｅｄ ｂａｓｅｄ ｏｎ ｗｅｉｇｈｔｅｄ Ｒｉｐｌｅｙ′ｓ
Ｋ⁃ｆｕｎｃｔｉｏｎ ａｎａｌｙｓｅｓ ｄｅｍｏｎｓｔｒａｔｅ ｔｈａｔ， ｏｖｅｒ ｄｉｆｆｅｒｅｎｔ ｓｐａｔｉａｌ ａｎｄ ｔｅｍｐｏｒａｌ ｓｃａｌｅｓ， ａｌｌ ｗｅｔｌａｎｄ ｌａｎｄｓｃａｐｅｓ ｐｒｅｓｅｎｔｅｄ ａｎ
ａｇｇｒｅｇａｔｅｄ ｄｉｓｔｒｉｂｕｔｉｏｎ． Ｍｏｒｅｏｖｅｒ， ｆｏｒ ｄｉｆｆｅｒｅｎｔ ｗｅｔｌａｎｄ ｔｙｐｅｓ， ｍｏｓｔ ｐａｔｃｈ ｒａｄｉｕｓ ａｎｄ ｃｒｏｗｄｉｎｇ ｉｎｄｉｃｅｓ ｉｎｄｉｃａｔｅ ａｎ ｏｂｖｉｏｕｓ
ｉｎｃｒｅａｓｅ ｏｒ ｄｅｃｒｅａｓｅ ｓｉｎｃｅ １９８７． Ｅｘｃｅｐｔ ｆｏｒ Ｓｐａｒｔｉｎａ ａｌｔｅｒｎｉｆｌｏｒａ， ｔｈｅ ａｇｇｒｅｇａｔｅｄ ｐａｔｃｈ ｒａｄｉｕｓ ａｎｄ ｃｒｏｗｄｉｎｇ ｏｆ ａｌｌ ｏｔｈｅｒ
ｎａｔｕｒａｌ ｗｅｔｌａｎｄｓ ｄｒｏｐｐｅｄ ｓｈａｒｐｌｙ ｏｒ ｅｖｅｎ ｂｅｃａｍｅ ｕｎｄｅｔｅｃｔａｂｌｅ， ｗｈｅｒｅａｓ ｂｏｔｈ ｔｈｅ ａｇｇｒｅｇａｔｅｄ ｐａｔｃｈ ｒａｄｉｕｓ ａｎｄ ｃｒｏｗｄｉｎｇ
ｉｎｄｉｃｅｓ ｉｎ ｔｈｅ ｃｏｎｓｔｒｕｃｔｅｄ ｗｅｔｌａｎｄ ｉｎｃｒｅａｓｅｄ ｒａｐｉｄｌｙ， ａｔ ｈｉｇｈｅｒ ｒａｔｅｓ ｏｖｅｒ ｔｉｍｅ． Ｏｕｒ ａｎａｌｙｓｅｓ ｒｅｖｅａｌｅｄ ｔｈａｔ ｔｈｅ ｗｅｉｇｈｔｅｄ
Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ ｍｅｔｈｏｄ， ｗｈｉｃｈ ｃｏｎｓｉｄｅｒｓ ｂｏｔｈ ｔｈｅ ｌｏｃａｔｉｏｎ ａｎｄ ａｔｔｒｉｂｕｔｅｓ ｏｆ ｐｏｉｎｔ ｓａｍｐｌｅｓ， ｃａｎ ｃｌｅａｒｌｙ ｒｅｖｅａｌ ｓｐａｔｉａｌ
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
ｖａｒｉａｔｉｏｎｓ ｏｆ ｌａｎｄｓｃａｐｅｓ ａｔ ｍｕｌｔｉｐｌｅ ｓｃａｌｅｓ． Ｔｈｅｓｅ ｎｏｖｅｌ ｒｅｓｕｌｔｓ ａｌｓｏ ａｇｒｅｅ ｗｉｔｈ ｔｈｏｓｅ ｏｂｔａｉｎｅｄ ｕｓｉｎｇ ｏｔｈｅｒ ｃｏｎｖｅｎｔｉｏｎａｌ
ａｎａｌｙｓｉｓ ｍｅｔｈｏｄｓ， ｓｕｃｈ ａｓ ｌａｎｄｓｃａｐｅ ｍｅｔｒｉｃｓ． Ａｄｄｉｔｉｏｎａｌｌｙ， ｉｎ ｆｕｔｕｒｅ， ａ ｄｅｅｐｅｒ ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｍｅｃｈａｎｉｓｍｓ ｃｏｎｔｒｏｌｌｉｎｇ ｓｕｃｈ
ｌａｎｄｓｃａｐｅｓ ａｔ ｖａｒｉｏｕｓ ｓｐａｔｉａｌ ｓｃａｌｅｓ ｗｉｌｌ ｂｅ ｃｏｎｄｕｃｔｅｄ ｔｏ ｐｒｏｖｉｄｅ ｑｕａｎｔｉｔａｔｉｖｅ ｉｍｐｌｉｃａｔｉｏｎｓ ｆｏｒ ｗｅｔｌａｎｄ ｍａｎａｇｅｍｅｎｔ ｐｌａｎｎｉｎｇ．
Ｓｐｅｃｉｆｉｃａｌｌｙ， ａｆｔｅｒ ｔｈｅ ｗｅｔｌａｎｄ ｐｏｌｙｇｏｎ ｄａｔａ ｗｅｒｅ ｐｒｏｃｅｓｓｅｄ ｉｎ ＡｒｃＧＩＳ， ｗｅ ｔｒａｎｓｆｅｒｒｅｄ ａｎｄ ｃａｌｃｕｌａｔｅｄ ｔｈｅ ｓｐａｔｉａｌ ｉｎｄｉｃｅｓ
（ｐａｔｃｈ ｒａｄｉｕｓ ａｎｄ ｃｒｏｗｄｉｎｇ） ｉｎ ｔｈｅ Ｍａｔｌａｂ Ｒ２０１１ａ． Ｉｔ ｗａｓ ｆｏｕｎｄ ｔｈａｔ， ｔｏ ｓｏｍｅ ｅｘｔｅｎｔ， ｔｈｅ ｗｅｉｇｈｔｅｄ Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ
ｃｏｕｌｄ ｍｉｔｉｇａｔｅ ｔｈｅ ｏｃｃｕｒｒｅｎｃｅ ｏｆ ｔｗｏ ｆａｌｓｅ ｒｅｓｕｌｔｓ ｔｈａｔ ｗｅｒｅ ｃａｕｓｅｄ ｂｙ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ Ｒｉｐｌｅｙ′ ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ． Ｆｉｒｓｔ， ｉｎ
ｃｏｎｖｅｎｔｉｏｎａｌ ａｎａｌｙｓｉｓ， ｌａｒｇｅ ｗｅｔｌａｎｄ ａｒｅａｓ ａｒｅ ｍｏｒｅ ｌｉｋｅｌｙ ｔｏ ｐｒｏｄｕｃｅ ｌｉｍｉｔｅｄ ｎｕｍｂｅｒｓ ｏｆ ｐｏｉｎｔ ｓａｍｐｌｅｓ ｗｈｅｎ ｔｈｅｙ ａｒｅ
ｅｘｐｏｒｔｅｄ ｄｉｒｅｃｔｌｙ ｉｎｔｏ ａ ｄｉｍｅｎｓｉｏｎｌｅｓｓ ｐｏｉｎｔ ｆｒｏｍ ａ ｐｏｌｙｇｏｎ； ｔｈｉｓ ｈａｓ ｒｅｓｕｌｔｅｄ ｉｎ ｔｈｅ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｓｏｍｅ ｗｅｔｌａｎｄｓ
ｂｅｉｎｇ ｉｎｔｅｒｐｒｅｔｅｄ ａｓ ｒａｎｄｏｍ ｏｒ ｄｉｓｐｅｒｓｅｄ， ｅｖｅｎ ｗｈｅｎ ｔｈｅｙ ｅｘｈｉｂｉｔ ｏｂｖｉｏｕｓ ａｇｇｒｅｇａｔｉｏｎｓ ｉｎ ｔｈｅ ＧＩＳ ｌａｙｅｒｓ． Ｃｏｎｖｅｒｓｅｌｙ， ｔｈｅ
ｗｅｉｇｈｔｅｄ Ｒｉｐｌｅｙ′ ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ ｔａｋｅｓ ｔｈｅ ｄｉｍｅｎｓｉｏｎｓ ｏｆ ｓｕｃｈ ｐｏｉｎｔｓ ｉｎｔｏ ｃｏｎｓｉｄｅｒａｔｉｏｎ； ａｃｃｏｒｄｉｎｇｌｙ， ｉｔ ｉｓ ａｂｌｅ ｔｏ ｒｅｆｌｅｃｔ
ｃｈａｎｇｅｓ ｉｎ ｔｈｅ ａｒｅａ ｏｆ ｓｔｕｄｙ ｏｂｊｅｃｔｓ ｉｎ ｃｏｎｔｉｎｕｏｕｓ ｓｐａｃｅ， ｔｈｕｓ ａｌｌｏｗｉｎｇ ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ｏｆ ｃｈａｎｇｅｓ ｉｎ ｔｈｅ ｓｐａｔｉａｌ ｃｌｕｓｔｅｒｉｎｇ
ｏｆ ｗｅｔｌａｎｄｓ ａｔ ｍｕｌｔｉｐｌｅ ｓｃａｌｅｓ． Ｉｎ ｔｈｉｓ ｓｔｕｄｙ， ｔｈｅ ｅｘｔｒａｃｔｉｏｎ ａｎｄ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｗｅｔｌａｎｄｓ ｄｉｓｔｒｉｂｕｔｅｄ ｉｎ ａ ｌａｒｇｅ ａｒｅａ
ｐｒｏｖｅｄ ｔｈｅ ｖａｌｉｄｉｔｙ ｏｆ ｔｈｅ ｉｍｐｒｏｖｅｄ ｍｅｔｈｏｄ． Ｓｅｃｏｎｄ， ｔｒａｄｉｔｉｏｎａｌ ｍｅｔｈｏｄｓ ｈａｖｅ ｔｅｎｄｅｄ ｔｏ ｐｒｏｄｕｃｅ “ ｆａｌｓｅ” ｃｏｎｃｌｕｓｉｏｎｓ ｏｒ
ｏｖｅｒｅｓｔｉｍａｔｅ ａｇｇｒｅｇａｔｉｏｎ ｗｈｅｎ ａｐｐｌｉｅｄ ｔｏ ｔｈｅ ｍｏｓｔ ｓｅｒｉｏｕｓｌｙ ｆｒａｇｍｅｎｔｅｄ ｗｅｔｌａｎｄｓ， ｗｈｉｃｈ ｔｙｐｉｃａｌｌｙ ｇｅｎｅｒａｔｅ ｎｕｍｅｒｏｕｓ ｐｏｉｎｔ
ｓａｍｐｌｅｓ． Ｉｎ ｃｏｎｔｒａｓｔ， ｓａｍｐｌｅ ａｒｅａｓ ｉｎ ｔｈｅ ｉｍｐｒｏｖｅｄ ｍｅｔｈｏｄ ａｒｅ ｗｅｉｇｈｔｅｄ， ａｌｌｏｗｉｎｇ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎｓ ｔｏ ｂｅ ｒｅｐｒｅｓｅｎｔｅｄ
ｍｏｒｅ ａｃｃｕｒａｔｅｌｙ． Ｆｏｒ ｅｘａｍｐｌｅ， ｉｎ ｔｈｅ ｐｒｅｓｅｎｔ ｓｔｕｄｙ， ｗｅ ｗｅｒｅ ａｂｌｅ ｔｏ ａｖｏｉｄ ｔｈｅ “ｏｖｅｒ⁃ａｇｇｒｅｇａｔｉｏｎ” ｏｆ ｔｈｅ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ
ｏｆ Ａｅｌｕｒｏｐｕｓ ｌｉｔｔｏｒａｌｉｓ ｔｈａｔ ｍａｙ ｈａｖｅ ｂｅｅｎ ｐｒｏｄｕｃｅｄ ｂｙ ｔｒａｄｉｔｉｏｎａｌ ｍｅｔｈｏｄｓ． Ｔｈｕｓ， ｗｅ ｗｅｒｅ ａｂｌｅ ｔｏ ｒｅｖｅａｌ ａｃｔｕａｌ ｃｈａｎｇｅｓ ｉｎ
ｔｈｅ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ａｅｌｕｒｏｐｕｓ ｌｉｔｔｏｒａｌｉｓ， ｄｅｍｏｎｓｔｒａｔｉｎｇ ｔｈａｔ ｉｔ ｓｈｒｕｎｋ ｇｒａｄｕａｌｌｙ （ ａｎｄ ａｌｍｏｓｔ ｄｉｓａｐｐｅａｒｅｄ） ａｔ ｖａｒｉｏｕｓ ｓｃａｌｅｓ
ｏｗｉｎｇ ｔｏ ｃｒｏｗｄｉｎｇ．
Ｋｅｙ Ｗｏｒｄｓ： Ｙａｎｃｈｅｎｇ ｃｏａｓｔａｌ ｗｅｔｌａｎｄ； ｌａｎｄｓｃａｐｅ ｐａｔｔｅｒｎｓ； ｍｕｌｔｉ⁃ｓｃａｌｅ ｓｐａｔｉａｌ ｃｌｕｓｔｅｒ ａｎａｌｙｓｉｓ； ｗｅｉｇｈｔｅｄ Ｒｉｐｌｅｙ′ｓ Ｋ⁃
ｆｕｎｃｔｉｏｎ； ｐａｔｃｈ ｒａｄｉｕｓ； ｃｒｏｗｄｉｎｇ
空间异质性、生态学过程和尺度的关系一直以来都是景观生态学研究的热门命题和重要研究内容，而景
观格局是景观空间异质性的外在表现，也是各种生态过程在不同大小空间尺度上相互作用的结果［１⁃４］，因此，
对景观格局⁃生态过程关系的全面认知和解析理应基于不同的研究尺度。 目前针对盐城滨海湿地的景观格局
研究多基于单一尺度，一定程度上限制了我们在多尺度空间上对景观类型及其生态过程的理解和分析，因此
同时在多尺度上开展该区域景观的空间分布特征研究，成为理解该区域格局和生态过程相互作用的关键和重
点［５⁃６］。 已有文献［７⁃１０］对盐城湿地景观类型的变化分析多采用景观格局指数，转移矩阵（优势转移过程及其
贡献率）以及土地利用动态模型等方法，在这其中，尤以景观指数法应用最多。 然而，这些基于空间非连续性
数据的传统景观指数法大都基于单一尺度，且众多景观指数在表征景观格局特征方面具有片面性，在指示生
态学过程方面具有局限性。 在不改变源数据空间尺度的前提下，不能同时在宏观和微观等连续尺度上揭示景
观格局的特征和生态过程。 因此有必要应用多尺度景观格局分析方法来剖析景观格局与生态过程关系［１１］。
当前，多尺度的研究方法和理念被广泛应用到林地、草地以及海洋等生态系统的种群分布格局研究上［１２⁃２１］，
实践证明其可以有效地揭示出研究物种在多个尺度上的生态学特性和过程。
Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ恰恰是一种可以在多尺度上分析研究对象空间分布格局的有效手段，其提供的空间特
征尺度和空间分布强度两个指数可以很好地表征景观类型的斑块大小和空间聚集程度，具有很强的生态学指
示意义，且在景观格局上的研究上已显示出简单，高效等诸多优点［２２⁃２５］。 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ 是一种基于点状
数据的格局分析方法，因此在计算之前需要将各种格式的数据进行点状处理。 考虑到所涉及的研究区域及研
究对象均较小，相关文献大多采取将研究对象直接点状化的方式进行空间格局计算，而忽略研究对象的分布
范围等属性。 在景观空间分析中，传统的 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ主要是在 ＡｒｃＧＩＳ 中进行以下两种方式的点状化
处理：一是将土地利用类型与随机点结合。 高凯等［２２］利用 ｃｒｅａｔｅ ｒａｎｄｏｍ ｐｏｉｎｔｓ，通过生成的随机点跟矢量图
４０７２ 　 生　 态　 学　 报　 　 　 ３５卷　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
叠置分析，将土地的利用类型赋值给随机点，这些赋值后的随机样点将代表各景观类型进行点格局计算。 笔
者认为这种方法与数据源本身的提取精度关系较大，随机点的数量较难控制，该方法随机性稍显大些。 例如，
对某些大面积分布的景观来说，其在地理信息系统图层中虽然有明显的聚集特征，但仅靠生成的几个随机点
会将聚集性弱化甚至导致最终无法被检测出来；二是将面状格式的土地利用或者景观数据直接转为点状数
据。 王金亮等［２３］利用 Ｆｅａｔｕｒｅ ｔｏ Ｐｏｉｎｔ命令，将林地斑块面状数据的质心转换为点状数据，通过将点状数据与
生态屏障区图层叠加，得到研究区林地景观点格局样点数据。 然而，对于某些零星分布的景观来说，只考虑样
点质心位置不考虑样点本身的分布范围等属性值，容易造成局部“伪聚集性或过聚集”现象。
鉴于本研究所涉及的研究对象及其所在区域的空间尺度均相对较大，因此不能将景观类型的空间分布范
围属性直接忽略，为弥补传统 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ方法在景观类型点状化过程中的粗糙和随机性等缺陷，本文
考虑将研究对象的面积属性以权重的方式纳入到空间分布类型的计算中，并以盐城滨海湿地为例，对其格局
２０年间的变化进行了分析。 首先，将整个研究区划分为宽度一致长度不等的多个连续样带，以达到对原始面
状数据进行简化的目的；其次，提取各湿地类型的空间位置（某类型湿地所在样带的质心坐标）和分布范围属
性值（某类型湿地在样带内的分布面积）；然后，将所得信息应用到加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ 方法中，从而避免
了仅考虑样点空间位置信息而造成的“伪分散”（尤其是针对大面积块状或者带状分布的湿地类型）或者“伪
聚集”（特别是对破碎化严重，零星分布的湿地类型）等现象。
１　 研究区与研究方法
图 １　 研究区位置及其样带划分图
Ｆｉｇ．１　 Ｌｏｃａｔｉｏｎ ｏｆ ｓｔｕｄｙ ａｒｅａ ａｎｄ ｂｅｌｔ ｔｒａｎｓｅｃｔｓ ｍａｐ
１．１　 研究区概况
本研究区域的地理范围包括盐城沿海响水、滨海、
射阳、大丰、东台 ５个县（市）的潮间带滩涂、港河口、部
分潮下带以及由堤内的耕作农田向堤外滩涂过渡区的
芦苇鱼塘、林地、盐场、撂荒地等［７］（图 １）。 该区域生物
多样性异常丰富，是东北亚⁃澳大利亚候鸟迁徙的重要
通道和停歇地，该区域设立的江苏盐城珍禽自然保护
区，是全球最大的丹顶鹤越冬基地，也是亚洲最大的沿
海滩涂湿地型保护区［２６］。 然而，随着滩涂的大规模围
垦、资源的过度开发利用以及环境污染，该区域也面临
着景观破碎化，生态功能退化等一系列问题。 因此对该
区域湿地景观的空间分布特征及其变化的研究具有较
强的现实意义，可以为开展湿地生物多样性监测保护及
恢复提供更详细的定量指标。
研究区内的自然湿地（从植被类型角度阐述）由海
到陆的演替层次十分明显，且部分地区仍保留着海岸带
原生植被演替序列，过渡的类型依次为：光滩或泥滩（无植被）⁃米草滩（Ｓｐａｒｔｉｎａ ａｌｔｅｒｎｉｆｌｏｒａ，１９８２ 年形成最大
的互花米草盐沼生态系统［２７］ ）⁃碱蓬滩 （ Ｓｕａｅｄａ ｇｌａｕｃａ）⁃獐茅滩 （ Ａｅｌｕｒｏｐｕｓ ｌｉｔｔｏｒａｌｉｓ）⁃白茅草滩 （ Ｒｈｉｚｏｍａ
Ｉｍｐｅｒａｔａｅ）或芦苇滩（Ｐｈｒａｇｍｉｔｅｓ ｃｏｍｍｕｎｉｓ）。
结合当地滩涂开发利用现状和规划方案，本文选取 ２０ 年来在空间分布尺度和强度上变化幅度较大的几
大湿地类型为重点研究对象。 具体来说，自然景观类型的研究主要集中于獐茅滩、芦苇滩、碱蓬滩、互花米草
滩；人工湿地类型主要包括农业用地、水产养殖塘和盐田。
１．２　 数据来源及处理
本研究以覆盖该区域的 １９８７、１９９２、１９９７、２００２和 ２００７年的 Ｌａｎｄｓａｔ影像（分辨率为 ３０ ｍ）作为基本信息
５０７２　 ８期 　 　 　 张东菊　 等：基于加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ的多尺度景观格局分析 　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
源，并选用 ＴＭ５，ＴＭ４和 ＴＭ３三个波段进行标准假彩色合成，结合目视判读和 ＥＲＤＡＳ ９．１ 中的非监督分类模
块，对典型的湿地景观类型进行初步判断和解译，再通过实地调查验证提高结果精度，进而最终识别出主要的
自然湿地景观类型和人工湿地景观类型［７］。 分类结束后，提取的景观类型的结果图件导入到 ＡｒｃＧＩＳ１０．０ 软
件中进行矢量化和各类空间分析，建立 １９８７—２００７ 年间各湿地类型的空间格局数据。 同时，为了满足
Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ对数据格式的要求，首先，对原有的面状数据进行了条带化概括处理（将各类零散分布且
面积不大的湿地类型统一纳入到样带内），将研究区从北到南划分为 ２６０ 个样带（图 １），其中，样带的宽度为
１ ｋｍ，长度不等（切割于实际的边界范围）。 然后，将各湿地景观类型数据与样带图层进行叠加，得到研究区
各个景观类型的样带分布数据，与此同时，分别统计 １９８７—２００７ 年落入各样带内的各湿地类型的面积（ ｚ）。
在此基础上，将各个样带进行点状化处理，提取各样带的质心坐标（ｘ， ｙ）和各湿地类型在样带内的分布范围
即面积（ ｚ），为接下来的加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ运算提供空间位置信息和加权变量。
１．３　 加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ方法
Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ是点格局分析的一种重要方法，它可以反映点格局（要素质心）在整个空间幅度范围
内的变化特征，能够检测研究对象的空间分布特征在邻域大小发生变化时是如何变化的［２８⁃２９］。 本文在传统
Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ计算公式（１）的基础上，采用改进的加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ［３０］来分析各湿地类型的空间分
布特征，其计算公式如式（２）所示：
Ｋ（ｄ） ＝
∑
ｎ
ｉ ＝ １
∑
ｊ≠ｉ
Ｉ（ｄｉｊ ≤ ｄ）
λ
（１）
Ｋｍｍ ｄ( ) ＝
∑
ｎ
ｉ ＝ １
∑
ｊ≠ｉ
ｍｉｍ ｊＩ（ｄｉｊ ≤ ｄ）
λμ２
（２）
式中，点的位置信息由各湿地类型所在样带的质心点的坐标来表征。 ｄ 为空间尺度，ｄｉｊ为研究对象在质心点 ｉ
与质心点 ｊ之间的距离，且 ｉ，ｊ＝ １，２，３，…，ｎ（ ｉ≠ｊ）；ｎ为研究对象的个数；当 ｄｉｊ≤ｄ时，Ｉ＝ １；当 ｄｉｊ＞ｄ 时，Ｉ ＝ ０；λ
为假设研究对象在研究区内呈均匀分布时的空间密度值。 由公式（１）可知，传统方法根据位置信息统计出不
同距离尺度内研究对象的数目，进而判读该研究对象的空间分布状态。 ｍｉ与 ｍ ｊ为权重变量，是研究对象在质
心点 ｉ和质心点 ｊ上所关联的属性值⁃即该研究对象的分布范围（ ｚ），μ 是研究对象所关联的属性值的均值。
为使期望值线性化并保持方差稳定［２２］，同时也便于直观地理解现实中研究对象的空间分布格局，Ｂｅｓａｇ［３１］重
新标准化方程构造了指标 Ｌｍｍ（ｄ）：
Ｌｍｍ ｄ( ) ＝
Ｋｍｍ ｄ( )
π
－ ｄ （３）
式中，假设样点呈完全空间随机分布（ＣＳＲ），Ｌｍｍ（ｄ）的期望为 ０。 当 Ｌｍｍ（ｄ）大于 ０，说明景观类型呈聚集分
布；Ｌｍｍ（ｄ）小于 ０，说明景观类型呈现分散分布的趋势；Ｌｍｍ（ｄ）等于 ０，则表示景观类型呈随机分布。
本文的加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ计算是在 Ｍａｔｌａｂ Ｒ２０１１ａ软件中运行，以样带中心点的经度、纬度和各湿
地类型所覆盖的面积分别作为空间位置变量和加权变量，分别计算 １９８７—２００７ 年各湿地类型的空间特征尺
度和空间分布强度。 同时，指数偏离随机性的显著性检验采用蒙特卡罗模拟法（Ｍ⁃Ｃ），置信度取 ９９％。 运算
结束后，首先根据模拟法检验所生成的上、下包迹线曲线判断各湿地的空间分布类型：若景观类型的 Ｌｍｍ（ｄ）
值大于上包迹线，则该湿地类型呈现显著聚集分布；若 Ｌｍｍ（ｄ）值小于下包迹线，则对应的湿地类型呈现分散
分布；若 Ｌｍｍ（ｄ）值落入上下包迹线区间范围内，说明相关湿地类型的空间分布是完全随机分布。 其次，当景
观类型呈现聚集的空间分布状态时，提取两个重要的空间分布特征数：空间分布强度和空间特征尺度。 空间
分布强度，即某一类型的湿地在空间上聚集的规模，是由 Ｌｍｍ（ｄ）曲线中的第一个有效峰值来度量，峰值越高，
所对应的湿地类型在空间上的聚集强度或规模就越大；空间特征尺度，是 Ｌｍｍ（ｄ）曲线中第 １ 个有效峰值所对
６０７２ 　 生　 态　 学　 报　 　 　 ３５卷　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
应的 ｄ值，ｄ值愈大，所计算的湿地类型在空间上的聚集尺度越大。
２　 结果分析
２．１　 湿地景观的面积及其样带变化分析
从盐城滨海湿地景观面积的百分比变化来看（表 １） ［７］，自然湿地仍是盐城滨海湿地中的主要景观类型，
但部分典型自然湿地的总面积和比重都有明显下降的趋势，且景观中的植被群落类型多样性明显减少（如獐
茅滩湿地在 ２００７年影像中已经基本检测不到），并有逐渐向单一优势种群过渡的趋势（在盐城滨海滩涂，互
花米草已取代碱蓬成为先锋植物群落并迅速扩散），相对而言，人工湿地的面积和比重却有着显著上升的趋
势。 图 ２中自然湿地和人工湿地的面积在大部分样带内的增减量变化（增减量 ＝ ２００７ 年的自然或者人工湿
地面积－１９８７年的湿地面积）更好地印证了二者存在着此消彼长的关系。 具体来说，１７６ 个样带中的自然湿
地处于减量区（以 ０值为分界线，值大于 ０代表该类型湿地有增量；小于 ０代表该湿地类型有减量），１９３ 个样
带中的人工湿地位于增量区。 因篇幅原因，各个湿地类型的面积增减量未在此列出。
表 １　 １９８７—２００７研究区各湿地景观类型所占面积的百分比［７］
Ｔａｂｌｅ１　 Ａｒｅａ ｐｅｒｃｅｎｔａｇｅｓ ｏｆ ｗｅｔｌａｎｄ Ｌａｎｄｓｃａｐｅｓ ｉｎ ｔｈｅ ｓｔｕｄｙ ａｒｅａ ｆｒｏｍ １９８７ ｔｏ ２００７［７］
湿地类型 Ｗｅｔｌａｎｄ Ｌａｎｄｓｃａｐｅｓ １９８７ １９９２ １９９７ ２００２ ２００７
獐茅滩 Ａｅｌｕｒｏｐｕｓ ｌｉｔｔｏｒａｌｉｓ ／ ％ ５．６４ ４．７８ ２．９１ １．０６ ０．００
芦苇滩 Ｐｈｒａｇｍｉｔｅｓ ｃｏｍｍｕｎｉｓ ／ ％ ２．３３ ２．８５ ２．３４ ２．１３ ２．３３
碱蓬滩 Ｓｕａｅｄａ ｇｌａｕｃａ ／ ％ ６．６６ ５．７６ ５．１９ ３．４９ ２．８５
互花米草滩 Ｓｐａｒｔｉｎａ ａｌｔｅｒｎｉｆｌｏｒａ ／ ％ ０．０１ ０．２１ ０．９６ ２．０４ ２．１２
水产养殖塘 Ａｑｕａｃｕｌｔｕｒａｌ ｐｏｎｄｓ ／ ％ ２．７８ ２．７１ ３．９６ ９．１４ １１．２３
盐田 Ｓａｌｔ ｆｉｅｌｄｓ ／ ％ ６．５３ ６．６７ ６．２２ ５．６９ ５．１８
农业用地 Ａｇｒｉｃｕｌｔｕｒａｌ ｌａｎｄ ／ ％ ３．５７ ５．４５ ７．４４ ７．４７ １１．５５
其它 Ｏｔｈｅｒｓ ／ ％ ７２．０３ ７１．６３ ７１．６３ ７０．６６ ６６．５０
图 ２　 １９８７—２００７年研究区湿地在各样带内的面积变化量
Ｆｉｇ．２　 Ｖａｒｉａｔｉｏｎｓ ｏｆ ｗｅｔｌａｎｄ ａｒｅａ ｉｎ ｅａｃｈ ｂｅｌｔ ｏｆ ｔｈｅ ｓｔｕｄｙ ａｒｅａ ｆｒｏｍ １９８７ ｔｏ ２００７
２．２　 基于加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ 的湿地景观格局变化分析
由图 ３和表 ２可以看出，１９８７—２００７年间，各年份各湿地景观的 Ｌｍｍ（ｄ）曲线基本都在上包迹线以上，表
明在设定的多个不同空间尺度上，无论何种类型的湿地，均表现出显著的聚集分布特征。 自然湿地方面，碱蓬
７０７２　 ８期 　 　 　 张东菊　 等：基于加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ的多尺度景观格局分析 　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
８０７２ 　 生　 态　 学　 报　 　 　 ３５卷　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
滩和獐茅滩的空间特征尺度和空间分布强度都有明显的下降趋势，从大范围的高度聚集向多个尺度的局部小
范围聚集分布发展，獐茅滩尤甚。 碱蓬滩的空间特征尺度从 １９８７年的 ８１ ｋｍ 下降到 ２００７年的 １１ ｋｍ，与此同
时，其空间分布强度也从 １６０．６５下降到 １６．９３，曲线中出现更多的小峰值，说明研究期间碱蓬滩从开始的较大
斑块转变为两个尺度上的较小斑块。 獐茅滩曲线基本呈现出与碱蓬滩一致的变化趋势，其空间特征尺度也不
断萎缩，从 １９８７年的 ７５ ｋｍ到 ２００７年在遥感影像中消失，且其空间聚集强度也不断下降，从 ９４．３５ 到基本消
失。 芦苇滩的空间特征尺度在 １９８７—１９９７期间变化不大，基本在 ８ ｋｍ左右，到了 ２００２年尺度上升为 ２６ ｋｍ，
到 ２００７年再次下降为 １２ ｋｍ；与此同时，空间分布强度表现出先稳步下降后于 ２００７ 年显著上升的趋势，但相
对于 １９８７年仍有减弱，从 １９８７年的 １５．３９减小为 ２００７年的 １２．６１，由此可判断芦苇湿地的空间分布形态除了
在 ２００２年出现较大波动以外，其他年份的聚集尺度和规模基本保持稳定。 互花米草自 １９９２ 年引进以来，呈
现不断蔓延扩散的趋势，甚至一度被作为入侵种进行研究，与其他自然湿地的空间分布变化相反，该湿地类型
是自然湿地中唯一聚集性和分布规模逐渐增强的类型，其空间特征尺度从 １９９２年的 ３２ ｋｍ上升到 ２００７ 年的
７３ ｋｍ，空间分布强度指数从 １９９２年的 ５．８１上升到 ２００７年的 ３９．０４，互花米草滩相对均匀地逐年快速增加使
其在局部范围内迅速聚集壮大并蔓延开来，逐渐由局部的小聚集演变为大范围的高度聚集。
表 ２　 １９８７—２００７年各湿地景观类型的空间特征尺度和空间分布强度值
Ｔａｂｌｅ ２　 Ｓｐａｔｉａｌ ｐａｔｃｈ ｒａｄｉｕｓ ａｎｄ ｃｒｏｗｄｉｎｇ ｖａｌｕｅｓ ｏｆ ａｌｌ ｗｅｔｌａｎｄ ｌａｎｄｓｃａｐｅｓ ｆｒｏｍ １９８７ ｔｏ ２００７
湿地类型
Ｗｅｔｌａｎｄ Ｌａｎｄｓｃａｐｅｓ
空间特征尺度 Ｐａｔｃｈ ｒａｄｉｕｓ ／ ｋｍ
１９８７ １９９２ １９９７ ２００２ ２００７
空间分布强度 Ｃｒｏｗｄｉｎｇ
１９８７ １９９２ １９９７ ２００２ ２００７
獐茅滩 Ａｅｌｕｒｏｐｕｓ ｌｉｔｔｏｒａｌｉｓ ７５ ７９ ４９ ７ ９４．３５ ８２．０９ ３５．１２ ８．４９
芦苇滩 Ｐｈｒａｇｍｉｔｅｓ ｃｏｍｍｕｎｉｓ ８ ８ ８ ２６ １２ １５．３９ ７．９４ １１．７４ １３．４６ １２．６１
碱蓬滩 Ｓｕａｅｄａ ｇｌａｕｃａ ８１ ４４ ５４ １１ １１ １６０．６５ ３５．１５ ４４．１６ １１．４１ １６．９３
互花米草滩 Ｓｐａｒｔｉｎａ ａｌｔｅｒｎｉｆｌｏｒａ ３２ ５４ ６４ ７３ ５．８１ １７．８３ ３９．２２ ３９．０４
水产养殖塘 Ａｑｕａｃｕｌｔｕｒａｌ ｐｏｎｄｓ ２１ １２ ３６ ８０ ８２ １０．２２ ７．８９ １７．６０ １３２．２０ １２６．２０
盐田 Ｓａｌｔ ｆｉｅｌｄｓ ３０ ２８ ２７ ２９ ３１ １２５．５３ １２０．２７ １７３．９１ １３１．５１ １３６．７５
农业用地 Ａｇｒｉｃｕｌｔｕｒａｌ ｌａｎｄ ２３ ２４ ３４ ９０ ８９ ３９．８３ ３０．４３ ３４．１０ ７４．２０ １０９．２２
人工湿地基本表现出与自然湿地相反的空间分布趋势，其呈现出从多个尺度上的局部小范围聚集到单尺
度上的大范围高度聚集分布的变化。 这点在水产养殖塘和农业用地两个湿地类型方面表现的尤为突出，二者
的 Ｌｍｍ（ｄ）曲线峰值均出现了明显的变化，表明相应湿地类型正从多个不同尺度上的弱聚集逐渐演变为单个
较大尺度上的强聚集。 水产养殖塘的空间特征尺度从 １９８７年的 ２１ ｋｍ上升到 ２００７ 年的 ８２ ｋｍ，空间分布强
度从 １９８７年的 １０．２２猛烈上升到 ２００７年的 １２６．２０；农业用地的空间特征尺度从 １９８７年的 ２３ ｋｍ上升到 ２００７
年的 ８９ ｋｍ，空间分布强度从 １９８７年的 ３９．８３迅速上升到 ２００７年的 １０９．２２，和水产养殖塘基本表现出一致的
空间变化趋势；盐田的空间特征尺度变化不大，集中在 ２７—３１ ｋｍ之间，空间分布强度整体变化幅度较小，且
在 １９９７年达到最高，表明其在局部小范围的聚集尺度和规模基本保持不变。
３　 讨论
左平等［７］采用斑块个数、斑块平均面积和平均斑块最近距离 ３个景观指数对受人类活动干扰较强的湿地
类型进行了变化分析，本文的相关结论与其结论中对各湿地景观类型变化趋势的表述基本一致。 对照来看，
其结论指出盐城滨海湿地的景观变化总体上有破碎化程度加剧的趋势，自然湿地方面，獐茅滩和碱蓬滩的面
积均持续减少，芦苇滩也呈现出先增加后减少的情况，此外互花米草滩无论是斑块个数还是面积均是逐年递
增，而这恰恰和本研究中自然湿地在多尺度的变化相吻合，如獐茅滩和碱蓬滩在多尺度上的聚集性减弱及空
间分布强度不断下降，芦苇滩的特征尺度先稳步下降后迅速增加再迅速减少的趋势，互花米草滩聚集性迅速
增强等；而人工湿地方面，其结论中鱼塘的面积和平均斑块最近距离有大范围增加的趋势，盐田的斑块平均面
积出现了先减少后增加的趋势，这也和本研究中所对应的人工湿地的聚集尺度和规模的变化趋势相似。 此
９０７２　 ８期 　 　 　 张东菊　 等：基于加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ的多尺度景观格局分析 　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
外，张华兵等［３２］指出盐城国家级自然保护区核心区湿地景观格局经历了从 １９８７ 年一定的规律带状分布到
２００７年的镶嵌格局转变的过程，这与本文中部分自然湿地减少（如獐茅滩、碱蓬滩等），从规则的条带状分布
到聚集特征尺度骤减，零散分布的趋势基本相同。
本文借助点格局理论，依托于遥感和地理信息技术，应用加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ 分析了盐城滨海湿地景
观格局 ２０年间的变化情况，该方法最大限度地利用点格局的位置和距离信息，同时考虑了各样点本身的分布
范围。 结论表明，加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ方法能够在一定程度上减少和避免传统 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ 方法所
造成的两种伪空间分布结果：一方面，在传统分析方法中，由于大面积成片状或者带状分布的湿地类型直接点
状化往往只能生成较少数量的样点，导致某一类型的湿地虽然在 ＧＩＳ 图层上有明显的聚集变化，但却被传统
方法解读为随机或者分散分布，而加权方法由于考虑了样点的分布范围，体现出了研究对象在连续空间上的
面积变化情况，因此可以将该种类型湿地在多尺度上的聚集变化表征出来，本研究中大面积成片分布的人工
湿地的提取和空间分布结论证明了加权方法在这方面的科学性；另一方面，对因破碎化比较严重而生成众多
样点的湿地类型而言，传统方法容易生成“伪聚集或过聚集” ［３０］现象，而改进方法中由于加入了众多样点的
面积值作为权重变量，使得运算结果更加接近于现实中的分布状态，如本方法较好地避免了破碎化严重的獐
茅滩的“过集聚”分布的现象，揭示了其在聚集尺度和规模上逐渐萎缩甚至几近消失的变化情况。 另外需要
指出的是，在本研究中，改进方法中的尺度变化指的各类型湿地在南北方向上的距离差异，距离计算基于的是
样带质心组成的一维空间，长度不等及其样带内的差异导致的实际距离差异在本研究中予以忽略，考虑到研
究区域的差异性，将该方法应用到其他案例时，样带的大小确实会是一个值得严谨考虑的问题，其在一定程度
上影响到质心的位置及其湿地类型的多少，且样带内的差异同样也值得探讨。 本文未对此进行详细的说明和
进一步的分析，略显不足，今后将加以弥补和完善。 实践证明，利用改进的 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ 可以很好地反
映出各类型湿地在 １９８７—２００７年间在多尺度的空间变异，该方法能简单有效地体现湿地格局从宏观到微观
的空间分布特征，并能给出空间分布格局的最大聚集强度及其对应的空间特征尺度，且计算结果和实际的空
间聚集变化趋势保持一致，今后可以作为持续分析盐城滨海湿地景观变化及其生态过程的重要工具。
景观的空间格局是各种生态过程在不同尺度上的长期相互作用的结果，因此驱动力的分析也应基于不同
的研究尺度。 针对滨海湿地景观演变的驱动力分析目前已有较多论述［７， ３２⁃３３］，且论述基本一致，主要的分析
集中在自然地理等生态机制（海岸地貌侵蚀与淤积过程以及植被的自然演替过程）和人为干扰等要素（米草
物种的引进和扩散，各时期不同程度的滩涂围垦等经济开发活动以及区域人口增长等）两个方面。 这两大因
素相辅相成，密不可分，共同决定了滨海湿地在各个时间段内区域潜在的异质性空间格局，而这些格局最终也
通过各湿地类型的空间特征尺度和空间分布强度在本研究中充分表现出来。 如自然湿地方面，以互花米草为
例，由于其疯狂的繁殖能力，在局部区域迅速聚集为较大斑块，并逐渐扩散开来，表现为聚集尺度和规模的激
增；人工湿地方面，以水产养殖塘为例，过度捕捞导致许多渔民被迫走上滨海养殖道路，表现为水产养殖塘在
２００２和 ２００７年以来的聚集空间特征尺度和规模的大幅上升。 鉴于研究区的各类景观类型在多尺度上受到
来自各类海洋物理，生物生态，化学以及人为等驱动因子的共同作用，且在多个尺度上的作用强度以及方向不
尽一致，从格局到过程的推绎仍然面临一些挑战，因此本文只是揭示出各类自然湿地类型在多个空间特征尺
度上的变化情况，未对各类生态过程在多尺度空间上如何作用于湿地类型进行详细分析，对该部分内容进行
专门分析以便为管理层提供更好的量化指标将成为下一步的研究重点。
致谢： 感谢 Ｃｈａｒｌｅｓ “Ｐｅｔｅ” Ｈ． Ｐｅｔｅｒｓｏｎ教授对英文写作的帮助。
参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：
［ １ ］　 邬建国． 景观生态学中的十大研究论题． 生态学报， ２００４， ２４（９）： ２０７４⁃２０７６．
［ ２ ］ 　 邬建国． 景观生态学———概念与理论． 生态学杂志， ２０００， １９（１）： ４２⁃５２．
［ ３ ］ 　 张娜． 生态学中的尺度问题： 内涵与分析方法． 生态学报， ２００６， ２６（７）： ２３４０⁃２３５５．
０１７２ 　 生　 态　 学　 报　 　 　 ３５卷　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
［ ４ ］　 赵玉涛， 余新晓， 关文彬． 景观异质性研究评述． 应用生态学报， ２００２， １３（４）： ４９５⁃５００．
［ ５ ］ 　 Ｗｕ Ｊ． Ｅｆｆｅｃｔｓ ｏｆ ｃｈａｎｇｉｎｇ ｓｃａｌｅ ｏｎ ｌａｎｄｓｃａｐｅ ｐａｔｔｅｒｎ ａｎａｌｙｓｉｓ： ｓｃａｌｉｎｇ ｒｅｌａｔｉｏｎｓ． Ｌａｎｄｓｃａｐｅ Ｅｃｏｌｏｇｙ， ２００４， １９（２）： １２５⁃１３８．
［ ６ ］ 　 Ｃｕｓｈｍａｎ Ｓ Ａ， ＭｃＧａｒｉｇａｌ Ｋ． Ｈｉｅｒａｒｃｈｉｃａｌ， ｍｕｌｔｉ⁃ｓｃａｌｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ ｏｆ ｓｐｅｃｉｅｓ⁃ｅｎｖｉｒｏｎｍｅｎｔ ｒｅｌａｔｉｏｎｓｈｉｐｓ． Ｌａｎｄｓｃａｐｅ Ｅｃｏｌｏｇｙ， ２００２， １７（７）：
６３７⁃６４６．
［ ７ ］ 　 左平， 李云， 赵书河， 周鑫， 滕厚锋， 陈浩． １９７６年以来江苏盐城滨海湿地景观变化及驱动力分析． 海洋学报， ２０１２， ３４（１）： １０１⁃１０８．
［ ８ ］ 　 翟可， 刘茂松， 徐驰， 崔丽娟， 徐惠强． 盐城滨海湿地的土地利用 ／覆盖变化． 生态学杂志， ２００９， ２８（６）： １０８１⁃１０８６．
［ ９ ］ 　 李杨帆， 朱晓东， 邹欣庆， 高建华． 江苏盐城海岸湿地景观生态系统研究． 海洋通报， ２００５， ２４（４）： ４６⁃５１．
［１０］ 　 刘春悦， 张树清， 江红星， 王会， 孙妍． 江苏盐城滨海湿地景观格局时空动态研究． 国土资源遥感， ２００９， ２１（３）： ７８⁃８３．
［１１］ 　 吕一河， 陈利顶， 傅伯杰． 景观格局与生态过程的耦合途径分析． 地理科学进展， ２００７， ２６（３）： １⁃１０．
［１２］ 　 Ｔｈｏｍｐｓｏｎ Ｆ Ｒ， Ｄｏｎｏｖａｎ Ｔ Ｍ， ＤｅＧｒａａｆ Ｒ Ｍ， Ｆａａｂｏｒｇ Ｊ， Ｒｏｂｉｎｓｏｎ Ｓ Ｋ． Ａ ｍｕｌｔｉ⁃ｓｃａｌｅ ｐｅｒｓｐｅｃｔｉｖｅ ｏｆ ｔｈｅ ｅｆｆｅｃｔｓ ｏｆ ｆｏｒｅｓｔ ｆｒａｇｍｅｎｔａｔｉｏｎ ｏｎ ｂｉｒｄｓ ｉｎ
ｅａｓｔｅｒｎ ｆｏｒｅｓｔｓ．
［１３］ 　 Ｈｅｒｒａｎｄｏ Ｓ， Ｂｒｏｔｏｎｓ Ｌ． Ｆｏｒｅｓｔ ｂｉｒｄ ｄｉｖｅｒｓｉｔｙ ｉｎ Ｍｅｄｉｔｅｒｒａｎｅａｎ ａｒｅａｓ ａｆｆｅｃｔｅｄ ｂｙ ｗｉｌｄｆｉｒｅｓ： ａ ｍｕｌｔｉ⁃ｓｃａｌｅ ａｐｐｒｏａｃｈ． Ｅｃｏｇｒａｐｈｙ， ２００２， ２５（ ２）：
１６１⁃１７２．
［１４］ 　 闫海冰， 韩有志， 杨秀清， 王丽艳， 项小英． 华北山地典型天然次生林群落的树种空间分布格局及其关联性． 生态学报， ２０１０， ３０（９）：
２３１１⁃２３２１．
［１５］ 　 Ｈｅｎｄｅｒｓｏｎ Ｄ Ｃ， Ｎａｅｔｈ Ｍ Ａ． Ｍｕｌｔｉ⁃ｓｃａｌｅ ｉｍｐａｃｔｓ ｏｆ ｃｒｅｓｔｅｄ ｗｈｅａｔｇｒａｓｓ ｉｎｖａｓｉｏｎ ｉｎ ｍｉｘｅｄ⁃ｇｒａｓｓ ｐｒａｉｒｉｅ． Ｂｉｏｌｏｇｉｃａｌ Ｉｎｖａｓｉｏｎｓ， ２００５， ７（４）： ６３９⁃６５０．
［１６］ 　 Ｗｉｍｂｅｒｌｙ Ｍ Ｃ， Ｏｈｍａｎｎ Ｊ Ｌ． Ａ ｍｕｌｔｉ⁃ｓｃａｌｅ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｈｕｍａｎ ａｎｄ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｃｏｎｓｔｒａｉｎｔｓ ｏｎ ｆｏｒｅｓｔ ｌａｎｄ ｃｏｖｅｒ ｃｈａｎｇｅ ｏｎ ｔｈｅ Ｏｒｅｇｏｎ（ＵＳＡ）
ｃｏａｓｔ ｒａｎｇｅ． Ｌａｎｄｓｃａｐｅ Ｅｃｏｌｏｇｙ， ２００４， １９（６）： ６３１⁃６４６．
［１７］ 　 Ｃａｍａｒｅｒｏ Ｊ Ｊ， Ｇｕｔｉéｒｒｅｚ Ｅ， Ｆｏｒｔｉｎ Ｍ Ｊ． Ｓｐａｔｉａｌ ｐａｔｔｅｒｎ ｏｆ ｓｕｂａｌｐｉｎｅ ｆｏｒｅｓｔ⁃ａｌｐｉｎｅ ｇｒａｓｓｌａｎｄ ｅｃｏｔｏｎｅｓ ｉｎ ｔｈｅ Ｓｐａｎｉｓｈ Ｃｅｎｔｒａｌ Ｐｙｒｅｎｅｅｓ．Ｆｏｒｅｓｔ Ｅｃｏｌｏｇｙ
ａｎｄ Ｍａｎａｇｅｍｅｎｔ， ２０００，１３４（１）： １⁃１６．
［１８］ 　 刘小恺， 刘茂松， 黄峥， 徐驰， 张明娟， 王汉杰． 宁夏沙湖 ４ 种干旱区群落中主要植物种间关系的格局分析． 植物生态学报， ２００９， ３３
（２）： ３２０⁃３３０．
［１９］ 　 Ｈｅｉｎｅｍａｎｎ Ｄ， Ｈｕｎｔ Ｇ， Ｅｖｅｒｓｏｎ Ｉ． Ｒｅｌａｔｉｏｎｓｈｉｐｓ ｂｅｔｗｅｅｎ ｔｈｅ ｄｉｓｔｒｉｂｕｔｉｏｎｓ ｏｆ ｍａｒｉｎｅ ａｖｉａｎ ｐｒｅｄａｔｏｒｓ ａｎｄ ｔｈｅｉｒ ｐｒｅｙ， Ｅｕｐｈａｕｓｉａ ｓｕｐｅｒｂａ， ｉｎ
Ｂｒａｎｓｆｉｅｌｄ Ｓｔｒａｉｔ ａｎｄ ｓｏｕｔｈｅｒｎ Ｄｒａｋｅ Ｐａｓｓａｇｅ， Ａｎｔａｒｃｔｉｃａ． Ｍａｒｉｎｅ Ｅｃｏｌｏｇｙ Ｐｒｏｇｒｅｓｓ Ｓｅｒｉｅｓ， １９８９， ５８： ３⁃１６．
［２０］ 　 Ｆａｕｃｈａｌｄ Ｐ， Ｅｒｉｋｓｔａｄ Ｋ Ｅ， Ｓｋａｒｓｆｊｏｒｄ Ｈ． Ｓｃａｌｅ⁃ｄｅｐｅｎｄｅｎｔ ｐｒｅｄａｔｏｒ⁃ｐｒｅｙ ｉｎｔｅｒａｃｔｉｏｎｓ： ｔｈｅ ｈｉｅｒａｒｃｈｉｃａｌ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｓｅａｂｉｒｄｓ ａｎｄ ｐｒｅｙ．
Ｅｃｏｌｏｇｙ， ２０００， ８１（３）： ７７３⁃７８３．
［２１］ 　 Ｏ′Ｄｒｉｓｃｏｌｌ Ｒ Ｌ． Ｄｅｓｃｒｉｐｔｉｏｎ ｏｆ ｓｐａｔｉａｌ ｐａｔｔｅｒｎ ｉｎ ｓｅａｂｉｒｄ ｄｉｓｔｒｉｂｕｔｉｏｎｓ ａｌｏｎｇ ｌｉｎｅ ｔｒａｎｓｅｃｔｓ ｕｓｉｎｇ ｎｅｉｇｈｂｏｕｒ Ｋ ｓｔａｔｉｓｔｉｃｓ． Ｍａｒｉｎｅ Ｅｃｏｌｏｇｙ Ｐｒｏｇｒｅｓｓ
Ｓｅｒｉｅｓ， １９９８， １６５： ８１⁃９４．
［２２］ 　 高凯， 周志翔， 杨玉萍， 李华． 基于 Ｒｉｐｌｅｙ Ｋ函数的武汉市景观格局特征及其变化． 应用生态学报， ２０１０， ２１（１０）： ２６２１⁃２６２６．
［２３］ 　 王金亮， 黄志霖， 邵景安， 李阳兵． 林地景观点格局的样带梯度分布与空间聚集特征———以重庆三峡库区生态屏障区为例． 地理科学进
展， ２０１３， ３２（２）： ３０８⁃３１７．
［２４］ 　 Ｋｒａｆｔ Ｃ Ｅ， Ｓｕｌｌｉｖａｎ Ｐ Ｊ， Ｋａｒａｔａｙｅｖ Ａ Ｙ， Ｂｕｒｌａｋｏｖａ Ｌ Ｅ， Ｎｅｋｏｌａ Ｊ Ｃ， Ｊｏｈｎｓｏｎ Ｌ Ｅ， Ｐａｄｉｌｌａ Ｄ Ｋ． Ｌａｎｄｓｃａｐｅ ｐａｔｔｅｒｎｓ ｏｆ ａｎ ａｑｕａｔｉｃ ｉｎｖａｄｅｒ：
ａｓｓｅｓｓｉｎｇ ｄｉｓｐｅｒｓａｌ ｅｘｔｅｎｔ ｆｒｏｍ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎｓ． Ｅｃｏｌｏｇｉｃａｌ Ａｐｐｌｉｃａｔｉｏｎｓ， ２００２， １２（３）： ７４９⁃７５９．
［２５］ 　 Ｒｏｏｓｅ Ａ， Ｓｅｐｐ Ｋ， Ｓａｌｕｖｅｅｒ Ｅ， Ｋａａｓｉｋ Ａ， Ｏｊａ Ｔ． Ｎｅｉｇｈｂｏｕｒｈｏｏｄ ｄｅｆｉｎｅｄ ａｐｐｒｏａｃｈｅｓ ｆｏｒ ｉｎｔｅｇｒａｔｉｎｇ ａｎｄ ｄｅｓｉｇｎｉｎｇ ｌａｎｄｓｃａｐｅ ｍｏｎｉｔｏｒｉｎｇ ｉｎ Ｅｓｔｏｎｉａ．
Ｌａｎｄｓｃａｐｅ ａｎｄ Ｕｒｂａｎ Ｐｌａｎｎｉｎｇ， ２００７， ７９（２）： １７７⁃１８９．
［２６］ 　 吕士成． 盐城沿海滩涂丹顶鹤的分布现状及其趋势分析． 生态科学， ２００８， ２７（３）： １５４⁃１５８．
［２７］ 　 左平， 刘长安， 赵书河， 王春红， 梁玉波． 米草属植物在中国海岸带的分布现状． 海洋学报， ２００９， ３１（５）： １０１⁃１１１．
［２８］ 　 Ｗｉｅｇａｎｄ Ｔ， Ｍｏｌｏｎｅｙ Ｋ Ａ． Ｒｉｎｇｓ， ｃｉｒｃｌｅｓ， ａｎｄ ｎｕｌｌ⁃ｍｏｄｅｌｓ ｆｏｒ ｐｏｉｎｔ ｐａｔｔｅｒｎ ａｎａｌｙｓｉｓ ｉｎ ｅｃｏｌｏｇｙ． Ｏｉｋｏｓ， ２００４， １０４（２）： ２０９⁃２２９．
［２９］ 　 Ｒｉｐｌｅｙ Ｂ Ｄ． Ｍｏｄｅｌｉｎｇ ｓｐａｔｉａｌ ｐａｔｔｅｒｎｓ （ｗｉｔｈ ｄｉｓｃｕｓｓｉｏｎ） ． Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｒｏｙａｌ Ｓｔａｔｉｓｔｉｃａｌ Ｓｏｃｉｅｔｙ， Ｓｅｒｉｅｓ Ｂ， １９７７， ３９（２）： １７２⁃２１２．
［３０］ 　 Ｇｉｕｌｉａｎｉ Ｄ， Ａｒｂｉａ Ｇ， Ｅｓｐａ， Ｇ． Ｗｅｉｇｈｔｉｎｇ Ｒｉｐｌｅｙ′ ｓ Ｋ⁃Ｆｕｎｃｔｉｏｎ ｔｏ ａｃｃｏｕｎｔ ｆｏｒ ｔｈｅ ｆｉｒｍ ｄｉｍｅｎｓｉｏｎ ｉｎ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｓｐａｔｉａｌ ｃｏｎｃｅｎｔｒａｔｉｏｎ．
Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒｅｇｉｏｎａｌ Ｓｃｉｅｎｃｅ Ｒｅｖｉｅｗ，２０１２． ００（０） １⁃２２．
［３１］ 　 Ｂｅｓａｇ Ｊ． Ｃｏｎｔｒｉｂｕｔｉｏｎ ｔｏ ｔｈｅ ｄｉｓｃｕｓｓｉｏｎ ｏｆ Ｄｒ Ｒｉｐｌｅｙ′ｓ ｐａｐｅｒ． Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｒｏｙａｌ Ｓｔａｔｉｓｔｉｃａｌ Ｓｏｃｉｅｔｙ， Ｓｅｒｉｅｓ Ｂ， １９７７， ３９： １９３⁃１９５．
［３２］ 　 张华兵， 刘红玉， 郝敬锋， 李玉凤． 自然和人工管理驱动下盐城海滨湿地景观格局演变特征与空间差异． 生态学报， ２０１２， ３２（１）：
１０１⁃１１０．
［３３］ 　 王敬华， 何大巍， 张策， 丁长虹， 张树清． 江苏盐城滨海湿地研究进展． 湿地科学与管理， ２０１１， ７（３）： ６０⁃６３．
１１７２　 ８期 　 　 　 张东菊　 等：基于加权 Ｒｉｐｌｅｙ′ｓ Ｋ⁃ｆｕｎｃｔｉｏｎ的多尺度景观格局分析