不同尺度下红树景观格局与叶面积指数的空间分异及表征关系

以2010 年SPOT5(空间分辨率为2.5 m)遥感图像为信息源, 提取红树林群落的空间分布范围及叶面积指数(LAI), 在ArcGIS10.0 软件及fragstats4.0 软件平台的支持下, 分别以100 m、300 m、500 m、700 m、900 m 为网格单元大小计算景观格局指数及LAI 指数, 分析不同尺度下红树林景观格局与叶面积指数的空间分异及表征关系。结果表明: (1)红树林群落叶面积指数(LAI)均呈现较为明显的空间分异特征。随着尺度的增大, 各网格单元的LAI 平均值先减小后增大; (2)斑块数量(NP)及平均斑块面积(MPS)呈现出东南地区高于西北地区的特点, 随着尺度的增大而增大。平均形状指数(MSI)随着尺度的增大逐渐增大。面积周长比均值(MPAR)的空间分异特征不明显; (3)红树林群落叶面积指数与群落景观指数在部分尺度下(500 m、700 m)存在明显的表征关系。(4)700 m 尺度是本研究分析的最佳尺度。     

基于微粒群-马尔科夫复合模型的生态空间预测模拟——以长株潭城市群为例

生态空间具有重要的生态功能,对生态空间进行科学预测模拟可为保护国土空间生态安全提供决策依据。利用Arc GIS及MATLAB软件,在生态空间风险评价的基础上构建了微粒群-马尔科夫复合模型,并以长株潭城市群为研究区,基于2013年土地利用现状数据,对2020年的生态空间进行了预测模拟,最后在此基础上提出了生态空间重构的基本思路。结果表明:1)微粒群-马尔科夫复合模型(PSO-Markov)构建的基本步骤为:第一步:粒子的选择与设计,以2000 m×2000 m的正方形单元作为基本粒子。第二步:粒子的初始化设定,根据生态空间风险由低到高的原则进行选择。第三步:适应度函数的建立,用生态空间的风险值来确定生态空间的空间格局。第四步:空间位置的更新,根据自身的历史最优值及粒子群的全局最优值进行速度和位置更新。2)微粒群-马尔科夫复合模型(PSO-Markov)是一种土地利用格局预测的新途径,生态空间的数量规模可以通过改进后的马尔科夫模型进行预测,生态空间的格局可以通过微粒群模型进行预测。3)微粒群-马尔科夫复合模型具有4个特点:第一、数量预测较为合理。第二、搜索范围大、较好地考虑到局部对全局的影响。第三、受问题维数变化影响小,在求解多目标问题时具有明显优势。第四、收敛时间短、运算速度快、易于实现。4)2020年,长株潭城市群的生态空间总体数量减少,其中林地和未利用地面积变化最明显,空间变化主要集中分布在西南部地区。生态空间总面积减小的主要原因是建设用地的扩张。因此,要控制城市群的人口密度,优化城市群生产—生活—生态的数量结构及空间布局,尤其要合理规划与利用城市建设用地,充分发挥水体与未利用地的生态价值,重点保护好生态源地、廊道及关键结点,构建结构合理、功能齐全的生态网络系统,提高系统的生态服务价值功能,要在规划的指导下合理调整城市群的城乡局部空间结构,保护生态环境,提高生境质量和景观多样性。这是今后一段时期面临的主要任务。