景观指数Word格式.docx
《景观指数Word格式.docx》由会员分享,可在线阅读,更多相关《景观指数Word格式.docx(19页珍藏版)》请在冰豆网上搜索。
研究景观的结构是研究景观功能和动态的基础。
景观格局分析方法:
用来研究景观结构组成特征和空间配置关系的分析方法。
他们不仅包括一些传统的统计学方法,同时也包括一些新的、专门解决空间问题的格局分析方法。
如何定量地分析景观格局是景观生态学一个重要而具有挑战性的研究课题。
生态学中长期以来缺乏将空间格局、生态学过程和尺度结合到一起来研究,而景观生态学的一系列研究方法正是强调这三者的相互关系。
这一点已成为景观生态学与其它生态学科的主要区别之一。
通过研究空间格局可以更好地理解生态学过程。
从格局到过程的推绎仍然是景观生态学面临的一大挑战。
第二节景观格局分析的基本步骤
一、景观格局分析的目的意义
(1)确定产生和控制空间格局的因子及其作用机制;
(2)比较不同景观镶嵌体的特征和它们的变化;
(3)探讨空间格局的尺度性质;
(4)确定景观格局和功能过程的相互关系;
(5)为景观的合理管理提供有价值的资料。
景观格局的基本模式:
斑块-廊道-基质模式
在实际研究中,要确切地区分斑块、廊道和基质有时是很困难的,也是不必要的,这与尺度有密切关系:
许多景观中并没有在面积上占绝对优势的植被类型或土地利用类型;
斑块、廊道和基底的区分往往是相对的,总是与观察尺度相联系;
广义地讲,基质可看做是景观中占主导地位的斑块,而许多所谓的廊道也可看做是狭长型斑块。
二、景观格局分析的基本步骤
♣以研究目的和方案为指导,收集和处理景观数据
将真实的景观系统转换为数字化的景观,选用适当的格局研究方法进行分析
最后对分析结果加以解释和综合
景观格局分析图示
第三节景观指数
一、景观指数
景观指数:
能够高度浓缩景观格局信息,反映其结构组成和空间配置某些方面特征的简单定量指标。
二、景观要素斑块特征分析
1景观要素斑块规模
A:
斑块面积
类斑块平均面积:
景观中某类景观要素斑块面积的算术平均值。
反映该类景观要素斑块规模的平均水平。
式中:
Ni——第i类景观要素的斑块总数;
Aij——第i类景观要素第i个斑块的面积。
最大和最小斑块面积:
是指景观中某类景观要素最大和最小斑块的面积。
反映该类景观要素斑块规模的极端情况。
类斑面积标准差(Si)和变动系数(Ci):
是指景观中某类景观要素斑块面积的统计标准差和变动系数。
反映该类景观要素斑块规模的变异程度。
B:
内部生境面积
类斑块内部生境总面积:
该类生境全部斑块内部面积之和。
式中AIi——第i类生境的内部生境总面积;
Aij——第j类生境的斑块平均内部生境面积;
EAij——第i类景观要素第j斑块的边际带面积;
平均内部生境面积:
该类生境全部斑块内部面积算术平均值。
实际研究工作中,某一类生境斑块内部生境面积的测度,并不通过上式计算,而是在GIS支持下通过生成该类斑块的边际缓冲带(buffer)图层后,直接有非缓冲带面积得到。
2景观要素斑块形状
A:
景观要素斑块形状指数
斑块形状指数D:
通过计算某一斑块形状与相同面积的圆或正方形之间的偏离程度来测量其形状的复杂程度。
以圆为参照:
斑块周长与等面积的圆周长之比
以正方形为参照:
斑块周长与等面积的正方形周长之比
P为斑块周长;
A为斑块面积。
斑块的形状越复杂或越扁长,D的值就越大。
景观要素斑块分维数
•分形维数(fractaldimension)
•分形:
不规则的非欧几里德几何形状可通称为分形。
组成部分以某种方式与整体相似的形体称分形。
•分形维数或分维数:
不规则几何形状的非整数维数。
•分维数的一般数学表达式:
•Q(L)=LD。
式中,Q(L)是在观测尺度L上获得的某种量(即分维变量),D是量Q的分维数。
D取值越大,则Q的结构和变化越复杂。
•对于单个斑块:
P是斑块的周长,A是斑块的面积,D是分维数,k是常数。
对于栅格景观而言,k=4。
一般地说,欧几里德几何形状的分维为1,具有复杂边界斑块的分维则大于1,但小于2。
三景观异质性指数
1)景观斑块密度和边缘密度
景观斑块密度
景观斑块密度:
指景观中包括全部异质景观要素斑块的单位面积斑块数。
景观斑块密度=景观斑块总数/景观总面积
式中:
PD——景观斑块密度
PDi——景观要素的斑块密度
M——研究范围内某空间分辨率上景观要素类型总数
A——研究范围景观总面积。
景观要素斑块密度:
指景观中某类景观要素的单位面积斑块数。
类型的斑块密度(孔隙度)=类型斑块总数/类型总面积。
景观边缘密度
景观边缘密度包括景观总体边缘密度(或称景观边缘密度)和景观要素边缘密度(简称类斑边缘密度)。
景观边缘密度(ED)指景观范围内单位面积上异质景观要素斑块间的边缘长度。
景观要素边缘密度(EDi)指研究对象单位面积上某类景观要素斑块与其相邻异质斑块之间的边缘长度。
Pij——景观中第i类景观要素斑块与相邻第j类景观要素斑块间的边界长度。
2)景观多样性
多样性指数与均匀度
景观丰富度指数(landscaperichnessindex)
•景观丰富度R:
景观中斑块类型的总数,R=m,m是指景观中斑块类型数目。
•相对丰富度Rr:
Rr=m/mmax
•丰富度密度Rd:
Rd=m/A
mmax为景观中斑块类型数的最大值,即景观最大可能丰富度;
A为景观面积。
景观多样性指数(landscapediversityindex)
•Shannon多样性指数:
Pk为斑块类型k在景观中出现的概率;
m为景观中斑块类型总数。
•Simpson多样性指数:
多样性指数的大小取决于两个方面的信息:
斑块类型的多少(即丰富度),各斑块类型在面积上分布的均匀程度。
对于给定的m,当各类斑块的面积比例相同时(即Pk=1/m),H达到最大值。
景观均匀度指数(landscapeevennessindex)
反映景观中各斑块类型在面积上分布的均匀程度。
•
以Shannon多样性指数为例:
E<
=1,当E趋于1时,景观斑块类型分布的均匀程度也趋于最大。
景观要素优势度
•景观优势度指数(landscapedominanceindex)
描述景观由少数几类斑块控制的程度。
通常,较大的D(RD)对应于一个或少数几个斑块类型占主导地位的景观。
•优势度指数D:
D=Hmax–H
•相对优势度RD:
RD=1-E=1—(H/Hmax)
第四节空间统计学方法
景观格局的最大特征就是空间自相关性(spatialautocorrelation)。
空间自相关性被称为是地理学第一定律,指在空间上越靠近的事物或现象就越相似,即景观特征或变量在邻近范围内的变化往往表现出对空间位置的依赖关系。
空间自相关性的存在使得传统的统计学方法不宜用来研究景观的空间特征。
因此,空间自相关性曾被认为是生态学分析的一大障碍。
生态学中需要不受空间自相关性限制的统计学方法,空间统计学提供了这样一系列方法。
空间统计学方法非常丰富,并且仍然在蓬勃发展。
空间自相关分析:
检验某一空间变量的取值是否与相邻空间上该变量的取值大小相关,以及相关程度如何。
空间自相关系数:
度量物理或生态学变量在空间上的分布特征及其对其邻域的影响程度。
若某一空间变量的值随着测定距离的缩小而变得更相似,则这一变量呈空间正相关;
若所测值随距离的缩小而更为不同,则这一变量呈空间负相关;
若表现出任何空间依赖关系,则这所测值不一变量表现出空间不相关性或空间随机性。
第五节景观格局分析中的误差问题
1、景观格局分析中误差问题的简介
景观空间分析的最重要问题之一——误差问题一直未受到重视。
一些景观生态学家对迄今为止关于这一问题的研究如此之少,认识如此肤浅而深表担忧。
2、景观格局分析中误差的来源
1)原始数据收集过程引入的误差:
技术方法本身和与观察者有关的种种原因造成。
2)数据处理和分类过程引入的误差:
3)空间分析过程本身所引入的误差:
各种景观指数和空间统计学方法的局限性和非确定性;
采用这些方法的人的实际操作水平和对结果的解译能力。
景观空间分析中的误差
这些不同阶段所产生的误差还可能相互作用,不断放大,即所谓的误差繁衍(errorpropagation)现象。
多层空间数据分析的精确度
3、景观格局分析中误差的影响和解决
在已发表的景观分析文献中,几乎找不到任何有关误差或准确性方面的报道。
景观分析中的误差分析十分重要,需要景观生态学家与遥感、地理信息系统以及统计学领域的研究者们携手合作,共同来解决。
现在景观格局研究普遍采用Fragstats
3.3软件计算格局指数,我在写文章的过程中也使用了这一软件,期间也遇到不少问题,幸得高人指点和自己不断摸索(当时网上鲜有使用方法),终于把数据算出来了,现在把使用过程中遇到的一些问题与方法写出来,希望对后来者有些帮助,在写这个的过程中,参考了一些朋友的意见。
Fragstats33软件的安装
如果你装了arcgis软件,那么Fragstats3.3可以直接使用。
下载下来的文件解压缩后,双击便可以使用,注意,要保证你的ArcGIS是运行的状态。
环境变量的设置
打开软件后,看你的是“ARCGRIDdisabled”还是“ARCGRIDenabled”,如果是后则,可以直接使用,如果是前者,学要设置环境变量。
步骤:
我的电脑->
属性->
高级->
环境变量,在系统变量那里,新建,变量名为path,变量值为X:
\ESRI\AV_GIS30\ARCVIEW\BIN32,X为Arcview安装所在的盘符。
或者是C:
\ProgramFiles\ArcGIS\Bin,C为Arcview安装所在的盘符,一般默认安装在C盘上。
这样你的软件就能用了。
数据准备
因为这个软件支持的是grid格式的数据,所以需要将手上的coverage、shape文件转换为grid格式的文件,用来运算。
转换可以在Arcview里面进行,或者Arcmap都可以。
以Arcmap为例:
A、调出B、转换为grid:
featuretoraster
如果想要grid按照你所设定的形状进行计算,可以进行裁剪。
且可以保证背景的完整性。
以Arcview为例:
erttoGrid来生成。
加载空间分析模块的方法:
File->
Extensions,选择SpatialAnalyst,ok。
属性文件的制定
新建txt文件,格式如下:
ClassID,ClassName,Status,isBackground
1,shrubs,true,false
2,conifers,true,false
3,deciduous,true,false
4,other,false,true
注意:
每个之间用空格键和逗号隔开。
1-3是你所分的地类所代表的属性,有多少个地类就列多少行。
4是文件最后所必需的一列。
最后保存为*.fdc格式。
参数设定
找到图标或者是fragstats\setrunparameters打开Runparameters对话框。
Gridname:
选择grid文件。
OutputFile:
随便命个名字,存在你能找到的地方。
Ispropertiesfile找到步骤五所保存好的*.fdc文件。
OutputStatistics:
选择你要计算的指数,有斑块级别的、地类级别的、景观级别的,自己可以任意选择。
同意可以选择斑块的邻距。
那要看自己怎么订了。
4个cell或者8个cell。
如果参数设置完成后,你的地类学要修改,或者有运行有什么问题,可以打开:
tools/classproperties进行修改。
指数的选择
Fragstats/selectpatch(class、land)metrics
指数一共有三个级别,path、class、land三个级别。
不同级别对应不同的指数,对应着不同的生态学意义。
所以选择指数的时候,一定要清楚所选择的指数对应的级别。
运行计算
选择好指数后,点击Fragstats/execute执行,或者是图标。
结果保存在步骤6种的OutputFile是所存的地方。
找到后,用记事本打开。
便是你要的结果了。
部分景观指数及其生态学含义
拼块类型面积(CA),单位:
ha,范围:
CA>
公式描述:
CA等于某一拼块类型中所有拼块的面积之和(m2),除以10000后转化为公顷(ha);
即某拼块类型的总面积。
生态意义:
CA度量的是景观的组分,也是计算其它指标的基础。
它有很重要的生态意义,其值的大小制约着以此类型拼块作为聚居地(Habitation)的物种的丰度、数量、食物链及其次生种的繁殖等,如许多生物对其聚居地最小面积的需求是其生存的条件之一;
不同类型面积的大小能够反映出其间物种、能量和养分等信息流的差异,一般来说,一个拼块中能量和矿物养分的总量与其面积成正比;
为了理解和管理景观,我们往往需要了解拼块的面积大小,如所需要的拼块最小面积和最佳面积是极其重要的两个数据。
景观面积(TA),单位:
TA>
TA等于一个景观的总面积,除以10000后转化为公顷(ha)。
TA决定了景观的范围以及研究和分析的最大尺度,也是计算其它指标的基础。
在自然保护区设计和景观生态建设中,对于维护高数量的物种,维持稀有种、濒危种以及生态系统的稳定,保护区或景观的面积是最重要的因素。
拼块所占景观面积的比例(%LAND),单位:
百分比,范围:
0<
%LAND<
=100
%LAND等于某一拼块类型的总面积占整个景观面积的百分比。
其值趋于0时,说明景观中此拼块类型变得十分稀少;
其值等于100时,说明整个景观只由一类拼块组成。
%LAND度量的是景观的组分,其在拼块级别上与拼块相似度指标(LSIM)的意义相同。
由于它计算的是某一拼块类型占整个景观的面积的相对比例,因而是帮助我们确定景观中模地(Matrix)或优势景观元素的依据之一;
也是决定景观中的生物多样性、优势种和数量等生态系统指标的重要因素。
拼块个数(NP),单位:
无,范围:
NP>
=1
NP在类型级别上等于景观中某一拼块类型的拼块总个数;
在景观级别上等于景观中所有的拼块总数。
NP反映景观的空间格局,经常被用来描述整个景观的异质性,其值的大小与景观的破碎度也有很好的正相关性,一般规律是NP大,破碎度高;
NP小,破碎度低。
NP对许多生态过程都有影响,如可以决定景观中各种物种及其次生种的空间分布特征;
改变物种间相互作用和协同共生的稳定性。
而且,NP对景观中各种干扰的蔓延程度有重要的影响,如某类拼块数目多且比较分散时,则对某些干扰的蔓延(虫灾、火灾等)有抑制作用。
最大拼块所占景观面积的比例(LPI),单位:
LPI<
LPI等于某一拼块类型中的最大拼块占据整个景观面积的比例。
有助于确定景观的模地或优势类型等。
其值的大小决定着景观中的优势种、内部种的丰度等生态特征;
其值的变化可以改变干扰的强度和频率,反映人类活动的方向和强弱。
拼块平均大小(MPS),单位:
MPS>
MPS在拼块级别上等于某一拼块类型的总面积除以该类型的拼块数目;
在景观级别上等于景观总面积除以各个类型的拼块总数。
MPS代表一种平均状况,在景观结构分析中反映两方面的意义:
景观中MPS值的分布区间对图像或地图的范围以及对景观中最小拼块粒径的选取有制约作用;
另一方面MPS可以指征景观的破碎程度,如我们认为在景观级别上一个具有较小MPS值的景观比一个具有较大MPS值的景观更破碎,同样在拼块级别上,一个具有较小MPS值的拼块类型比一个具有较大MPS值的拼块类型更破碎。
研究发现MPS值的变化能反馈更丰富的景观生态信息,它是反映景观异质性的关键。
面积加权的平均形状因子(AWMSI),
AWMSI在拼块级别上等于某拼块类型中各个拼块的周长与面积比乘以各自的面积权重之后的和;
在景观级别上等于各拼块类型的平均形状因子乘以类型拼块面积占景观面积的权重之后的和。
其中系数0.25是由栅格的基本形状为正方形的定义确定的。
公式表明面积大的拼块比面积小的拼块具有更大的权重。
当AWMSI=1时说明所有的拼块形状为最简单的方形(采用矢量版本的公式时为圆形);
当AWMSI值增大时说明拼块形状变得更复杂,更不规则。
AWMSI是度量景观空间格局复杂性的重要指标之一,并对许多生态过程都有影响。
如拼块的形状影响动物的迁移、觅食等活动[14,64],影响植物的种植与生产效率;
对于自然拼块或自然景观的形状分析还有另一个很显著的生态意义,即常说的边缘效应。
面积加权的平均拼块分形指数(AWMPFD),单位:
1<
=AWMPFD<
=2
AWMPFD的公式形式与AWMSI相似,不同的是其运用了分维理论来测量拼块和景观的空间形状复杂性。
AWMPFD=1代表形状最简单的正方形或圆形,AWMPFD=2代表周长最复杂的拼块类型,通常其值的可能上限为1.5。
AWMPFD是反映景观格局总体特征的重要指标,它在一定程度上也反映了人类活动对景观格局的影响。
一般来说,受人类活动干扰小的自然景观的分数维值高,而受人类活动影响大的人为景观的分数维值低。
应该指出的是,尽管分数维指标被越来越多地运用于景观生态学的研究,但由于该指标的计算结果严重依赖于空间尺度和格网分辨率[67],因而我们在利用AWMPFD指标来分析景观结构及其功能时要更为审慎。
平均最近距离(MNN),单位:
m,范围:
MNN>
MNN在拼块级别上等于从拼块ij到同类型的拼块的最近距离之和除以具有最近距离的拼块总数;
MNN在景观级别上等于所有类型在拼块级别上的MNN之和除以景观中具有最近距离的拼块总数。
MNN度量景观的空间格局。
一般来说MNN值大,反映出同类型拼块间相隔距离远,分布较离散;
反之,说明同类型拼块间相距近,呈团聚分布。
另外,拼块间距离的远近对干扰很有影响,如距离近,相互间容易发生干扰;
而距离远,相互干扰就少。
但景观级别上的MNN在拼块类型较少时应慎用。
平均邻近指数(MPI),单位:
MPI>
=0
给定搜索半径后,MPI在拼块级别上等于拼块ijs的面积除以其到同类型拼块的最近距离的平方之和除以此类型的拼块总数;
MPI在景观级别上等于所有拼块的平均邻近指数。
MPI=0时说明在给定搜索半径内没有相同类型的两个拼块出现。
MPI的上限是由搜索半径和拼块间最小距离决定的。
MPI能够度量同类型拼块间的邻近程度以及景观的破碎度,如MPI值小,表明同类型拼块间离散程度高或景观破碎程度高;
MPI值大,表明同类型拼块间邻近度高,景观连接性好。
研究证明MPI对拼块间生物种迁徙或其它生态过程进展的顺利程度都有十分重要的影响[68]。
景观丰度(PR),单位:
PR>
PR等于景观中所有拼块类型的总数。
PR是反映景观组分以及空间异质性的关键指标之一,并对许多生态过程产生影响。
研究发现景观丰度与物种丰度之间存在很好的正相关,特别是对于那些生存需要多种生境条件的生物来说PR就显得尤其重要。
香农多样性指数(SHDI),单位:
SHDI>
SHDI在景观级别上等于各拼块类型的面积比乘以其值的自然对数之后的和的负值。
SHDI=0表明整个景观仅由一个拼块组成;
SHDI增大,说明拼块类型增加或各拼块类型在景观中呈均衡化趋势分布。
SHDI是一种基于信息理论的测量指数,在生态学中应用很广泛。
该指标能反映景观异质性,特别对景观中各拼块类型非均衡分布状况较为敏感,即强调稀有拼块类型对信息的贡献,这也是与其它多样性指数不同之处。
在比较和分析不同景观或同一景观不同时期的多样性与异质性变化时,SHDI也是一个敏感指标。
如在一个景观系统中,土地利用越丰富,破碎化程度越高,其不定性的信息含量也越大,计算出的SHDI值也就越高。
景观生态学中的多样性与生态学中的物种多样性有紧密的联系,但并不是简单的正比关系,研究发现在一景观中二者的关系一般呈正态分布。
香农均度指数(SHEI),单位:
=SHEI<
SHEI等于香农多样性指数除以给定景观丰度下的最大可能多样性(各拼块类型均等分布)。
SHEI=0表明景观仅由一种拼块组成,无多样性;
SHEI=1表明各拼块类型均匀分布,有最大多样性。
SHEI与SHDI指数一样也是我们比较不同景观或同一景观不同时期多样性变化的一个有力手段。
而且,SHEI与优势度指标(Dominance)之间可以相互转换(即evenness=1-dominance),即SHEI值较小时优势度一般较高,可以反映出景观受到一种或少数几种优势拼块类型所支配;