二维与三维景观格局指数在山区县域景观格局分析中的应用

景观格局指数是景观格局分析中常用的定量分析工具,而传统二维景观格局指数却忽略了地形对景观的影响,在定量描述山区景观格局时可能存在一定局限.本文以典型山地丘陵区山东栖霞市为研究区,在地形结构分析的基础上,选择面积/密度(类型面积、平均斑块大小)、边缘/形状(边缘密度、景观形状指数、平均斑块分维数)、多样性(香农多样性指数、香农均匀度指数)、聚散性(聚集度)4个方面的8个景观格局指数,比较分析传统二维景观格局指数与三维景观格局指数对山区景观格局及其动态变化定量描述的差异.结果表明:三维类型面积、平均斑块大小和边缘密度与其相应二维指数差异显著,三维景观形状指数、平均斑块分维数、香农多样性指数和香农均匀度指数与其相应二维指数差异不显著,三维聚集度与二维聚集度无差别.由于采用斑块表面面积和表面周长计算三维景观格局指数,采用各斑块的投影面积和投影周长计算二维景观格局指数,所以在描述山区景观面积、密度、边界等指标时三维景观格局指数相对精确,但在测定景观形状、多样性和聚散性等指数时,则与传统的二维景观格局指数差异不显著.三维景观格局指数引入了地形特征,对景观格局及其动态变化的反映相对精确.     

景观格局指标对不同景观格局的反应

探讨了在人为控制不同因子变量的条件下各景观格局指标对由中性随机模型产生的不同景观格局系列的反应 ,以评价一些常用指标的实用性和局限性。研究结果表明 ,大部分指标所指示的格局特征往往是不全面的 ,即它们只对格局系列中个别因子的变化敏感 ,而对另一些因子的变化反应迟钝。比较值得推荐的指标有 :总斑块数目 ,平均斑块大小 ,总边界密度 ,分维数 ,蔓延度 ,聚集度。但即使是这些指标 ,也各有其局限性 ,且存在冗余。由此提醒读者在运用景观格局指标时应在了解其实际意义的基础上 ,结合生态学过程慎重选择和解释 ,避免陷于数字游戏。     

上海市城市绿地景观空间格局研究

以上海市为研究区域,以遥感与地理信息系统为技术手段,基于2003年航空影像,分别按照景观类型和斑块大小两方面对城市绿地景观进行了类型划分,建立了城市绿地景观空间数据库;并将研究区域划分为8个空间单元,运用景观生态学以及空间分析方法,分别从斑块水平、类型水平、景观镶嵌结构等方面研究了上海市城市绿地景观格局的总体布局特征;选择斑块数量、斑块面积标准差、面积均值、周长均值、分维数等若干景观生态学指数来研究城市绿地景观镶嵌结构的数量特征,探讨了城市绿地景观在城市扩展与城市景观格局演变过程中所呈现的时空规律,旨在为城市规划与发展提供决策依据。     

北京东灵山地区景观格局及破碎化评价

 人类活动已将北京东灵山地区地带性原生暖温带落叶阔叶林破坏殆尽。本项研究基于植被图,在地理信息系统(GIS)支持下,选择多种景观格局指数,从斑块面积、斑块数、斑块周长、分形维数和多样性的角度进行了格局分析和破碎化评价。结果表明,该区景观类型以次生林和灌丛为主,面积分布极不均衡,且多呈小面积零散分布。各森林类型的分布面积、周长和斑块数一般小于灌丛、草地和农田,且边界密度和斑块密度较高,显示出较高程度的破碎化。各景观类型的平均斑块面积和周长遵从分形规律,分形维数1.30,景观整体的斑块边界的褶皱程度较低。景观多样性的Shannon指数,景观组分的类型面积(2.262)<类型周长(2.435)<类型斑块数(2.675),均小于等概率情形(2.940)。上述结果均显示,该区森林景观破碎化程度较高。     

中性景观模型在景观生态学中的应用和发展

中性景观模型可以模拟产生大量具有相似统计特征而不包含特定生态过程或自然地理过程的格局,为研究真实景观提供一个参照系统,在大范围景观格局变化研究等方面提供便利.目前,中性景观模型成为景观生态学研究的一种重要方法和手段,已成功应用于检验现有景观指数并发展新的景观指数、景观格局对种群动态影响和干扰过程研究等多个领域.本文介绍了中性景观模型的产生、内涵和类型,阐述了中性景观模型在景观生态学中的应用.同时,展望了中型景观模型研究的发展方向:模型类型趋于多样化,结构趋于复杂化,着重模型模拟结果的验证,以及随着景观生态学理论和实践的发展、结合中性景观模型和景观生态学研究方法,深入地应用于格局和过程两者之间关系的研究.     

基于模拟景观的城市森林景观格局指数选取

基于现实的沈阳城市森林景观,模拟了4个景观格局梯度,并选取了1个与之相应的现实景观格局梯度,分析了28个景观格局指数在各梯度对景观破碎化和景观斑块形状复杂性的反映,从而筛选出描述这两种景观格局特征的适宜景观格局指数.结果表明：斑块密度（PD）和平均斑块面积（AREA_MN）在城市森林景观破碎化方面表现出较规律的变化趋势,斑块密度随破碎化程度的增加而增加,平均斑块面积随破碎化程度的增加而减小;面积加权平均周长面积比（PARA_AM）在描述景观斑块形状复杂性方面与景观格局梯度相吻合,且随斑块形状复杂性的增加而增加,能够较为准确地描述景观斑块形状的复杂性.     

黑龙江省森林景观多样性动态

讨论了1949—1981年黑龙江省森林景观多样性的动态。利用1949年和1981年森林资源分布图,选取7个有代表性的度量景观多样性的定量指标：斑块密度、周长-面积分数维、聚集度、斑块散布与毗连指数、Shannon多样性指数、优势度、均匀度,在ESRI’S ARCGIS 8和FRAGSTATS 3．3软件支持下,系统研究了景观元素空间格局的变化。结果表明在近32年的时间进程中,区域森林景观破碎化现象加剧,其中以红松(Pinus koraiensis)林的破碎化最为严重。从斑块多样性、格局多样性和类型多样性的动态变化分析看出,原生的景观斑块类型在数量上不断减少或被异类景观所代替,即景观类型所占景观表面的百分比发生了变化,从而引起景观内部空间格局的改变。整个森林的景观多样性和景观类型分布的均匀性降低,优势度增加。人类不合理的经济活动,如毁林开荒、乱砍滥伐等,改变了景观异质性,从而造成景观多样性的变化。现在应该把对森林的保护和经营提到日程上来。天然林保护工程的实施对于促进林业部门休养生息、培育与保护森林资源,保护生物多样性和改善生态环境等具有重要意义。保护现有森林资源,实行采育结合,实施天然林保护工程,使森林的经营走可持续发展的道路是切实可行的解决办法．     

广州市帽峰山森林公园森林景观多样性分析

城市森林对改善和美化城市景观起着重要作用.文中在景观分类的基础上,应用景观生态学原理,选取多样性指数、优势度、分离度和斑块密度指数四个指标,从景观的类型多样性、格局多样性和斑块多样性三个方面,对广州市帽峰山森林公园森林景观进行多样性分析.结果表明,经济果林、竹林破碎化程度较高;阔叶混交林类型保持完好,分离度也最小,黎葫林分离度最大;景观类型比例分布最不均衡,组成帽峰山森林公园的各景观类型所占比例差异小于广州地区.     

基于GIS的森林景观定量分类

以金沟岭林场为例,利用电子林相图和森林资源二类调查资料基础,借助GIS软件MapInfo和数字化仪跟踪矢量化,并运用景观生态学原理和方法,选取分维数、分离度斑块密度、景观优势度和均匀度等指标,对林场的景观格局进行了分析;同时采用类平均聚类法,选取分维数、分离度、斑块平均面积、最大斑块面积4个景观类型特征指数作为聚类分析的聚类因子,进行定量地划分森林类型,合理地区划森林经营类型,为优化景观水平配置、制定生态采伐规程、编制森林经营方案提供理论基础。     

森林景观格局分析及破碎化评价--以祁连山西水自然保护区为例

基于西水自然保护站2001年1：5万林相图,在地理信息系统软件ArcGIS和景观结构分析软件Fragstats(栅格版)支持下,从景观总体特征、斑块面积、斑块周长、斑块数和分形维数等角度对其景观格局和破碎化程度进行了分析和评价。结果表明,各景观组分中草地面积最大。保持得较为完整;杨类、白桦软阔类、针阔混交林、疏林地、农田和未成林地面积小。呈零散分布;青海云杉林的面积和周长较大,但其边界密度大,显示出较高的破碎化程度。各景观组分的分形维数均较低,远离于2,更趋向于1,表明各景观类型的边界褶皱程度均较低,整个景观的边界形状较为简单。     

景观指数之间的相关分析

应用辽宁省1997~1998年的TM 5影像数据,编制了景观类型图,以78个县市区为单位,分割成78个景观,共计算39个景观格局指数,对它们进行了相关分析。总面积是最基本的景观指数,它决定景观总边界长度、斑块数、类型密度等基本指数,同时与多个指数有显著的相关关系(相关系数绝对值大于0.75)。形状指数的独立性强,极少数指数与其它指数有显著的相关关系;多样性指数和蔓延度指数之间信息重复量最多,都表示景观的异质性,但多样性指数以面积百分比表示景观异质性,而蔓延度指数以类型之间相邻边界的百分比表示景观异质性。研究发现,如果两个指数之间存在显著的相关关系,而由它们两个构成的指数与它们之间没有显著的相关关系。如果指数平均值之间存在显著的相关关系,则它们的变异系数之间不存在显著的相关关系。景观指数间的相关系数不仅与景观格局本身有关,还与空间尺度,分类系统、计算公式及其参数、计算单元和生态学意义关系密切。指数之间影响因子的相同之处越多,它们之间存在显著相关关系的概率越大。     

2D与3D景观指数测定山区植被景观格局变化对比分析

植被和土地覆盖变化是环境变化的一个重要因素,同时也是引起景观和生态系统变化的重要原因。景观指数是定量分析植被和土地覆盖变化的重要研究方法之一。以滇西北高山峡谷区为案例区,比较分析传统2D景观指数和3D景观指数进行植被变化定量测定的差异。研究主要选取了基于斑块面积和周长几个常用指数来进行比较分析。研究结果表明在斑块层次上,除了分维数指数,其他指数的三维方法计算值显著地高于二维方法计算值;在类型层次上,三维的类型面积指数、平均斑块面积指数、平均最小邻近距离指数测定的变化值显著大于二维的相应指数测定变化值,但是二维和三维平均形状指数和分维指数测定的植被斑块的平均形状变化结果没有显著差异;在景观层次,只有三维的平均斑块面积和最小邻近距离指数测定的变化结果显著高于二维的平均面积和最小邻近距离指数测定的变化结果,其它指数如形状指数、分维指数、多样性指数和均一度指数等测定出两个不同时期的植被图格局变化结果均无显著差异,主要由于这些指数是采用面积和周长的对数或者比值计算得出,从而缩小了斑块表面面积与平面面积,表面周长与平面周长之间的差异。总体而言,利用二维景观指数在进行定量分析山区植被格局变化时,往往低估了其类型面积、平均斑块面积、斑块邻近距离等指数变化量,而三维景观指数得到相对较精确的变化值。     

Evaluating the effectiveness of landscape metrics in quantifying spatial patterns

The effectiveness of landscape metrics in quantifying spatial patterns is fundamental to metrics assessment. Setting 36 simulated landscapes as sample space and focusing on 23 widely used landscape metrics, their effectiveness in quantifying the complexity of such spatial pattern components as number of patch types, area ratio of patch types and patch aggregation level, were analyzed with the application of the multivariate linear regression analysis method. The results showed that all the metrics were effective in quantifying a certain component of spatial patterns, and proved that what the metrics quantified were not a single component but the complexity of several components of spatial patterns. The study also showed a distinct inconsistency between the performances of landscape metrics in simulated landscapes and the real urban landscape of Shenzhen, China. It was suggested that the inconsistency resulted from the difference of the correlation among spatial pattern components between simulated and real landscapes. After considering the very difference, the changes of all 23 landscape metrics against changing of number of patch types in simulated landscapes were consistent with those in the real landscape. The phenomenon was deduced as the sign effect of spatial pattern components on landscape metrics, which was of great significance to the proper use of landscape metrics.     

Mountain vegetation change quantification using surface landscape metrics in Lancang watershed,China

Land cover and vegetation change are among the most important aspects of environmental change. Vegetation change can be quantified by landscape pattern indices (LPI). Landscape indices are routinely calculated using planar land use/land cover (LU/LC) maps, obtained by the projection of a non-flat landscape surface into a two-dimensional Cartesian space. Especially in mountainous areas, quantification on planar maps can lead to underestimation of vegetation and land cover changes. Hoechstetter et al. (2008) developed a method to compute LPIs in a surface structure by calculating landscape patch surface area and surface perimeter from digital elevation models (DEM). As yet there have been no applications of these surface landscape indices on land use/land cover and vegetation change quantification. The objectives of this study are to (1) choose a LPI method (surface metrics pattern analysis or common planimetric metrics pattern analysis) for vegetation change quantification; and (2) employ the selected surface LPI method to assess vegetation pattern change in two mountainous areas of the Lancang watershed, Yunnan Province, China. The results show that the surface approach to estimate changes of class area (CA), mean patch area (MPA), and mean Euclidean Near-Neighbor distance (MENN) may obtain more accurate results for quantifying vegetation change in steep mountain areas. Forest fragmentation increased significantly over time in the two different mountainous study areas. The patches of two land cover classes, (i) agricultural land and (ii) low density forest and tall shrubs, became more aggregated in the northern (temperate) study area. In the southern (tropical) study area, rubber plantations increased considerably in size and became more aggregated.     

Using a sub-pixel mapping model to improve the accuracy of landscape pattern indices

The assessment of landscape spatial patterns is a key issue in landscape management. Landscape pattern indices (LPIs) are tools appropriate for analyzing landscape spatial patterns. LPIs are often derived from raster land cover maps that are extracted from remotely sensed data through hard classification. However, pixel-based hard classification methods suffer from the mixed pixel problem (in which pixels contain more than one land cover class), making for inaccurate classification maps and LPIs. In addition, LPIs generated by hard classification methods are characterized by grain sizes (the sampling unit sizes) that limit the derived landscape pattern to a certain scale. Sub-pixel mapping (SPM) models can enable fine-scale estimation of the spatial patterns of land cover classes without requiring additional data; hence, this is an appropriate downscaling method for land cover mapping. The fraction images generated by soft classification estimate the area proportion of each land cover class within each pixel, and using these images as input enables SPM models to alleviate the mixed pixel problem. At the same time, by transforming fraction images into a finer-scaled hard classification map, SPM models can minimize the influence of grain size on LPIs calculation. In this research, simulated landscape thematic patterns that can provide different landscape spatial patterns, eight commonly used LPIs and a SPM model that maximizes the spatial dependence between neighbouring sub-pixels were applied to assess the efficiency of deriving LPIs from sub-pixel model maps. Results showed that the SPM model can more precisely characterize landscape patterns than hard classification methods can. Landscape fragmentation, class abundance, the uncertainty in SPM, and the spatial resolution of the remotely sensed data influenced LPIs derived from sub-pixel maps. The largest patch index, landscape division, and patch cohesion derived from remotely sensed data with different spatial resolutions through the SPM model were suitable for inter-comparison, whereas the patch density, mean patch area, edge density, landscape shape index, and area-weighted mean shape index derived from the sub-pixel maps were sensitive to the spatial resolution of the remotely sensed data.     

黄河三角洲景观组分判定与景观破碎化分析

以地理信息系统（ＡＲＣ／ＩＮＦＯ）为手段,利用遥感卫星图片（ＴＭ５）及其他相关图件,以地貌、土壤与植被作为景观分类指标,把黄河三角洲的景观分成８大类型,３０个景观类型．在此基础上,以斑块的周长面积比值、相对面积及与其他景观类型之间的空间相关关系作为识别基质的指标,判定黄河三角洲景观的基质是柽柳芦苇潮盐土斜平地景观;根据斑块的周长面积比值识别廊道,并进行定量化研究．采用斑块密度对黄河三角洲景观的破碎化进行分析,发现生态交错带内斑块密度大;老河道附近景观破碎化严重     

景观格局指数相关性的幅度效应

以TM遥感图像为数据源,选择江苏盐城大丰地区一块1764km2的研究区,运用地理信息系统技术处理得到该研究区的景观类型图,选取景观水平上4种类型的32个景观指数进行计算,分析了不同幅度对景观指数间相关关系的影响。结果表明:随着研究幅度由0.5km到14km的逐渐增加,同类型景观指数间相关性幅度效应最为显著的为面积、周长、密度指数,其次是蔓延度、指数和形状指数,最后是多样性指数;不同类型景观指数间相关关系的幅度效应中,面积、周长、密度指数与其他类型指数间的相关关系较好,形状指数与多样性指数间的相关性则较差;且大部分景观指数间相关关系发生质变的空间幅度为3km×3km后,且随着研究幅度的增加,大部分发生质变的指数逐渐表现出不相关。该研究为不同幅度下景观指数的选取提供了参考。     

不同斑块类型的景观指数粒度效应响应——以无锡市为例

斑块类型与景观格局粒度效应响应关系密切。以无锡市为研究区域,针对地区社会经济活动频繁、人为干扰强烈和生态脆弱等特性,以土地利用类型、热力等级和生态贡献为斑块类型划分依据,构建出对应的3种不同景观格局。在相同粒度变化情况下,选用了19个景观水平指数和Moran's I指数,分析了不同景观格局粒度效应的响应情况。结果表明,随粒度变粗:1)土地利用类型、热力等级和生态贡献斑块的部分景观指数响应曲线变化剧烈程度依次减弱;2)3类斑块的Moran's I指数均存在尺度效应。其中,土地利用类型和生态贡献斑块的Moran's I指数存在负相关,热力等级斑块没有。生态贡献斑块响应曲线在正相关区域内变化相对平缓,土地利用类型与热力等级斑块响应曲线变化趋势相反;3)指数反映的第一临界粒度基本一致,但景观指数响应曲线的临界现象更为明显。总体上,不同类型斑块在同一研究区构成的景观格局、指数响应曲线变化趋势和第一临界粒度都较为相似;斑块类型对景观指数粒度效应响应存在影响,但还有待深入探讨。