自然保护区是有代表性的自然生态系统、珍稀濒危野生动植物物种的天然集中分布区、有特殊意义的自然遗迹等保护对象所在的区域，是推进生态文明、建设美丽中国、构建国家生态安全屏障的重要载体。自然保护区区划、建设和管理需要科学完整的评价体系，而自然保护区功能分区是进行保护区规划和科学管理的重要环节^[1]。

目前，自然保护区功能分区方法主要有物种分布模型法、景观适宜性评价法、最小费用距离法、聚类分析法和选址优化算法等，其中，最小费用距离法和聚类分析法多适用于野生动物保护区^[2-3]。费用距离反映的是可达性，指受保护的物种移动经过不同景观所消耗的费用，李纪宏等^[4]运用最小费用距离法实现大熊猫自然保护区的功能分区。部分学者在景观生态学领域运用“源-汇”理论进行相关研究，如付梦娣等^[5]构建了秦岭地区自然保护区网络并建立景观与目标间的空间关系，此类方法实质上也基于最小费用距离模型，而该模型没有考虑空间要素的相互作用，即要素间潜在的空间关联关系被忽略；其次，在功能分区上多基于最小费用距离值，采用自然间断或标准差分类等方法划分保护区，这些分类方法都要设置相应的阈值，阈值的变化会导致结果的变化，人为干扰性较大。聚类分析法是数据挖掘的常用方法，在定义“簇”的个数后即可交由计算机自动执行聚类，可减少人为干预，适用于自然保护区功能分区^[6]。

中国大鲵（Andrias davidianus）属于两栖纲有尾目隐鳃鲵科大鲵属，是我国特有的两栖动物，被世界自然保护联盟（International Union for Conservation of Nature，IUCN）列为濒危动物^[7]。为此，我国建立了一定数量的各级大鲵自然保护区，其中，1996年11月国务院批准建立湖南张家界大鲵国家级自然保护区（以下简称张家界大鲵保护区）。而近年来，功能分区不合理、不科学成为我国自然保护区建设中较为突出的问题^[8]。张家界大鲵保护区将张家界市域内澧水水系大部分水域划入保护区范围，这种粗放式的划分方式值得商榷，在此背景下需要对张家界大鲵保护区功能分区进行调整研究。笔者融合多种方法划定张家界大鲵保护区功能分区，该方法人为干预较少，考虑了大鲵出苗点空间分布模式与空间关联性，结果符合当地实际。

1 研究区概况与数据来源

张家界大鲵保护区位于湖南省西北部（27° 44′28″~30°00′43″ N，109°42′56″~111°16′05″ E），保护区在张家界市域内总面积为14 275 hm²。保护区地处云贵高原隆起与洞庭湖沉降区结合部，总体地势西北高，沿澧水向东南倾斜。地表高差大，坡度大，地形类型多样，以山地、丘陵为主，溪河两岸多为崇山峻岭，地下喀斯特溶洞甚多，溪水清澈，水生生物资源丰富，非常适合于大鲵的栖息、生长与繁殖，是中国大鲵重要原产地之一。现有的2015年张家界大鲵保护区功能分区方案见图 1。该方案显示张家界市76%的水域处于保护区范围，存在“区中城镇村”现象；且核心区裸露在外，没有缓冲区的保护；保护区内只有水域，板块狭窄，缺乏两栖动物大鲵生活所需要的陆地。因此，需要对大鲵保护区功能分区进行调整研究。

所涉及的数字高程模型（digital elevation model，DEM）和相关遥感影像数据来源于中国科学院计算机网络信息中心地理空间数据云平台（http://www.gscloud.cn），大鲵相关资料来源于当地畜牧水产局，其他数据来源于2014年张家界市土地利用现状图、野外调查及与研究有关的交通、旅游、水域水质等资料。在大鲵保护区取样点进行资源与生境野外调查，对样点的水质和饵料生物数据进行初步分析。数据处理软件为ArcGIS 10.2和ENVI 5.3。

2 研究方法 2.1 构建大鲵生境因子体系

大鲵栖息地受多种因素制约和影响，根据大鲵栖息习性及专家意见建立张家界大鲵生境影响因子适宜性评价标准（表 1）。考虑地理环境、人类活动和大鲵分布等因素^[9]，构建的因子层客观合理，其中大鲵出苗点指曾经或现在观测到大鲵生存的河段和流域，早期历史出苗点指2006年以前所观测到的出苗点，近期历史出苗点则为2006年以后的观测点。将适宜性评价分为最适宜、适宜、次适宜、不太适宜和不适宜5个层次，分别赋予分值100、80、60、40和20。结合区域特点与专家经验，利用层次分析法（AHP）计算因子权重，再通过栅格叠加运算得到大鲵生境质量综合评分，栅格单元大小均设为30 m×30 m。

2.2 计算最小费用距离

相比欧式距离，运用最小费用距离方法能更好地度量大鲵适宜性环境的障碍^[10]，计算最小费用距离需要确定源、阻力层和阻力值。

源是物种扩散和维持的原点，具有向四周扩张或向源本身汇集的能力^[11]。在大鲵自然保护区功能分区中，将野生大鲵出苗点所在流域的中心或河段中心点作为点源。对于大范围流域或长距离河段则取2~3个点源，点源类型和位置见图 1，共计51个点源。物种需要克服多重阻力来实现其移动过程，由于选择单因子为阻力层需要对每个因子阻力层人为指定阻力值断点，笔者选择大鲵生境质量综合评分图层为阻力层，相比单因子图层更具综合性。阻力值表示物种克服阻力所做功的大小，选择大鲵生境质量综合评分值为阻力值。最小费用距离计算公式^[12]为

$ R_{\mathrm{MC}}=f_{\min } \sum\limits_{j=n}^{i=m} D_{i j} R_{i }。$

(1)

式（1）中，R_MC为最小费用距离值；空间中任一点的最小阻力与其到所有出苗点源的距离及景观特征基面有关，且呈正相关关系，f为反映这一关系的函数；∑表示阻力层i与出苗点源j之间穿越所有单元的距离和阻力的累积；D_ij为大鲵出苗点源j到大鲵生境质量综合评分阻力层上某点i的空间距离；R_i为阻力层i对大鲵活动的阻力系数，即阻力值。

2.3 空间统计与空间聚类分析 2.3.1 多距离空间聚类分析（Ripley′s K函数）

为了获得大鲵出苗点的空间集聚情况，运用Ripley′s K函数方法获得大鲵出苗点的空间集聚临界值。该方法为空间统计学中分析空间数据的空间分布模式的方法，按照搜索圆范围来统计空间集聚情况。随着空间尺度的变化，点状地物的分布模式可能发生改变，即在小尺度下可能呈现集聚分布，而在大尺度下可能呈随机分布或发散分布^[13]。Ripley′s K函数可反映点事件空间布局的依赖程度^[14]，其定义如下：

$ K(r)=\lambda^{-1} E\left[\#\left(r_{i j} \leqslant r\right)\right]。$

(2)

式（2）中，λ为研究区域内每个单位面积点事件的密度；E为在一定距离尺度下点事件数量的期望；#表示数量；r_ij为研究区域内任意一点到其他点的距离；r为距离尺度。如果在一定距离尺度下点事件的分布是随机的，则定义^[15]为

$ E\left[ \#\left( {{r}_{ij}}\le r \right) \right]=\lambda \pi {{r}^{2}}。$

此时，K（r）=πr²。当点事件呈集聚分布时，如果距离尺度较小，那么K（r）的观测值将大于πr²。

2.3.2 核密度分析

核密度方法基于地理学第一定律，即距离越近的事物关联越紧密，与核心要素越近的位置获取的密度扩张值就越大，其是度量地理要素空间统计特征的重要方法^[16]。但研究者往往根据经验或主观判断定义搜索半径，对研究结果影响较大。为减少人工干预影响，将通过大鲵出苗点多距离空间聚类分析得到的临界值作为核密度分析的搜索半径，所求得的核密度值考虑了大鲵出苗点集聚与非集聚的影响。其中，核密度分析计算公式为

$ f(s)=\sum\limits_{i=1}^{n} \frac{1}{h^{2}} k\left(\frac{s-c_{i}}{h}\right)。$

(3)

式（3）中，f（s）为空间位置s处的核密度计算函数；h 为距离衰减阈值；n为与空间位置s的距离小于或等于h的要素点数；k函数则表示空间权重函数。该方程的几何意义为密度值在每个核心要素c_i处最大，并且在远离c_i过程中不断降低。

2.3.3 Iso聚类非监督分类

学者多采用等间距、标准差、自然间断等分类方法划定功能分区，分类前必须有足够的先验知识，此类方法较为主观。Iso聚类非监督分类方法是一项迭代自组织数据分析技术；同时，非监督分类是以地物类别特征的差异为依据的一种无先验类别标准的图像分类方法，并以集群为理论基础通过计算机对图像进行集聚统计。根据待分类样本特征参数的统计特征，建立决策规则来进行分类，无需事先知道类别特征^[17]。

2.4 多方法融合的大鲵保护区功能分区方法

该文融合多方法的优点，探求一种更为科学合理的功能分区方法，具体流程如下：（1）对表 1所示张家界市域内水域及其周边的各评价因子空间数据进行栅格加权叠加，得到大鲵生境质量综合评分。（2）基于最小费用距离模型，以流程（1）中结果为阻力层，以大鲵出苗点为源，定量测算其费用距离。同时，考虑大鲵出苗点要素的空间集聚和关联性，运用Ripley′s K函数探求大鲵出苗点空间集聚临界值，并以该临界值指导核密度分析。（3）将最小费用距离值与集聚状态下的核密度值相乘，得到具有空间统计学意义的大鲵功能分区评分值，并将结果进行归一化处理。（4）选用Iso聚类非监督分类方法，以3类作为聚类条件将大鲵保护区划分为核心区、实验区和其他水域，得到大鲵保护区功能分区聚类结果。

功能分区聚类结果中仅显示保护区位置和河段。考虑到距河道100 m处为保护河流与地下水质的极重要区，距河道200 m处为重要区^[18]，且核心区外围需划定缓冲区，并兼顾区域经济发展因素；因此，将河道两侧100 m处纳入核心区，核心区外围100 m处纳入缓冲区，实验区则为水域两侧50 m范围。通过野外调查对拟定功能分区进行验证：利用有经验人员评估大鲵资源量，采用野生大鲵苗推算法等方法，并采集调查点上下50 m河段的海拔、宽度、深度、底质、河床类型和植被类型等大鲵生境空间特征数据，实地验证上述结果的可靠性。

3 结果与分析 3.1 最小费用距离结果

首先通过栅格叠加运算得到大鲵生境质量综合评分，随后以大鲵出苗点为源，以大鲵生境综合得分图为阻力层，经归一化处理计算得到大鲵生境因子的最小费用距离（图 2），图 2中颜色越浅表示费用越低。最小费用距离低值区多位于出苗点邻域河段，多沿水域呈线状分布，这些区域对大鲵适宜性环境的障碍较少，所需克服的阻力也相对较小。南部和中部区域出苗点分布相对零散。东部流域的最小费用距离值较大，主要原因是东部澧水流域城镇较为集中，几乎无大鲵出苗点存在。

3.2 空间统计分析结果

通过多距离空间聚类分析，得到大鲵出苗点空间聚类的期望值直线和观测值曲线。当观测值曲线在期望值直线之上时表示呈集聚状态，反之表示呈发散状态^[19]，结果见图 3。图 3中观测值曲线和期望值直线约相交于27 km处，这表示在张家界市域水域内，大鲵出苗点间的集聚范围为27 km，是集聚与非集聚状态的临界值，因此可将27 km作为核密度分析的搜索半径。

由多距离空间聚类分析得到的结果只能在数值上反映张家界大鲵出苗点的集聚状态，并不能直观得出大鲵出苗点集聚的位置、形状和大小，而这些可以通过核密度分析来度量。从总体上来看，图 4中高密度区域相对较少，大片水域属于低密度区，中密度区围绕在高密度区外围。从与大鲵出苗点的关系来看，高密度区多出现在大鲵出苗点集聚处，也有少部分出苗点附近密度值处于中间水平，孤立的出苗点则位于低密度区，无出苗点的流域绝大部分属于低密度区。

3.3 大鲵自然保护区功能分区结果

通过Iso聚类非监督分类方法对具有空间统计学意义的大鲵功能分区评分值进行聚类，通过实验比对，发现将功能分区值聚为核心区、实验区和其他水域3类时更符合实际情况。

由于聚类结果只确定了保护区河段和位置，但其核心区、实验区比例不完全合理，因此需根据一定原则对聚类结果进行科学调整。在野外调查大鲵生境的基础上，以核心区连片保护并达到一定长度以保证大鲵生境斑块稳定为原则，且使核心区与实验区面积达到合适比例关系，最终得到张家界大鲵保护区功能分区方案图（图 5）。经统计，调整后的张家界大鲵保护区总面积为13 101 hm²，其中，核心区、缓冲区和实验区面积分别为4 646、4 680和3 775 hm²，分别占35.46%、35.73%和28.81%，3类分区的比例较为合理。

4 讨论与结论

运用Ripley′s K函数探求地理事物的集聚与非集聚的临界值，以该值指导核密度分析，并融合已较成熟的最小费用距离方法，该综合方法增加了对地理要素空间分布模式、空间关联等空间统计特征的度量。与常规分类方法相比，在对大鲵保护区划分上采用聚类方法无需事先知道大量先验知识，人工干预少，结果由计算机自动迭代运算得出，确定了大鲵保护区的位置和河段，并通过野外调查手段验证了功能分区结果，结果符合大鲵生境要求。

我国自然保护区多以陆域为主^[20]，国内对于大鲵等两栖类野生动物自然保护区功能分区的研究较少，大鲵在水域和岸边洞穴相通的地下河流内均有生活足迹^[21]，因此保护区在保护水域的同时还应保护其两岸生态，而已有的保护区规划如张家界大鲵保护区较少考虑其水陆两生特点。笔者在划分保护区功能分区时考虑了大鲵的生物学特性并兼顾经济发展需要，在聚类结果的基础上科学地将水域两岸一定范围的陆地纳入保护区。笔者研究得到的保护区面积较之前有所减少，但减少比例较小，约为8%，不显著影响大鲵生存，且显著优化了大鲵生存环境及保护区空间结构。

因河道具有线性特征，其与陆域自然保护区的功能分区方法有一定区别，笔者提出的融合方法可应用于大鲵等两栖类自然保护区，尤其适用于保护主体以河道水体为主的自然保护区。后续研究工作将针对河道的线性特征与方法自适应性，对所提出的融合方法继续加以改进。