尺度变换的正确率分析

采用优势规则和随机规则为基础的尺度分析方法．对分类的TM数据(景观类型图,包含8类型)进行了尺度变换分析。随着尺度的增加。优势规则分析方法使景观中优势景观类型的面积增加,相反．面积较小的非优势景观类型的面积减少。随机规则使各景观类型的面积基本上保持不变。随着尺度的增加．随机Kappa指数、位置Kappa指数和标准Kappa指数减少。在优势规则分析法中数量Kappa指数减少,但在随机规则为基础的处理中它保持100％。优势规则处理中的正确率大于随机规则处理的。由景观类型的面积百分比引起的数量正确率在优势规则处理中增加．但在随机规则处理中保持9．64％不变;相反数量错误在优势规则处理中明显增加。但在随机规则处理中少量增加。偶然正确率保持12．50％不变。位置正确率减少,相反位置错误明显增加。层和亚层水平上的位置正确率和错误的变化不明显．而网格水平上的位置正确率和错误大幅度减少。网格水平上的位置正确率和错误率决定了整个位置正确率和错误率．同时位置正确率和错误率基本上决定了整个正确率和错误率。标准Kappa指数大于等于70％作为选择依据．认为210m是优势规则处理法的尺度阈值,150m是随机规则处理法的尺度阈值。欲提高尺度阈值,必须改变研究范围或分类系统。     

城市化进程中城市热岛景观格局演变的时空特征——以厦门市为例

热岛效应作为城市化过程中产生的特有环境问题,对其形成和演变规律的研究有助于人们提出有效的应对措施。以厦门市为研究对象,利用1987—2007年等时间间隔、同时相的5景Landsat TM/ETM+遥感影像数据进行地表温度反演,在此基础上使用景观格局指数分析厦门城市热岛景观格局随城市化进程演变的趋势。结果表明:随着厦门城市化进程加深,整个热岛景观在逐渐变得更加破碎化,高等级热岛景观斑块个数、类型面积和个体面积都增大;新的高等级热岛景观斑块都出现在原有高等级斑块附近,致使高等级类型的邻近度增加而各类型之间相互接触的程度也增加;景观总体的聚合度逐渐下降,而高等级热岛景观类型的聚合度则呈上升趋势;景观水平的蔓延度总体呈下降趋势,优势度高的低等级热岛景观所占的比重下降,优势度逐渐降低;多样性指数、均匀度指数总体呈上升趋势,各热岛景观面积在各类型间的分配逐渐趋于均匀;热岛景观斑块的转化方面,在20 a间低等级斑块类型(1、2、3级)向高等级斑块类型(4、5、6级)转化的面积总体上呈增加趋势,而高等级斑块类型向低等级斑块类型转化的面积总体上呈减小趋势,且等级升高的面积明显大于同期等级降低的面积;就高等级热岛景观斑块而言,他们与3级热岛景观斑块间的相互转化最容易发生,远比高等级斑块内部各类型之间的相互转化来得容易,尤其6类和5类的转化是最为困难的热岛景观变化之一;从空间上看,各高等级热岛景观斑块都经历了数量增加、面积扩大、等级升高三个方面的变化,形成了海沧、新阳、杏林、厦门岛西北港口区和机场5个高温组团。利用景观指数分析城市热环境,可探明热岛景观随城市化演变的趋势,并为有效的热岛效应减缓措施提供直接的理论依据。     

空间粒度变化对景观格局分析的影响

认识空间异质性的多尺度依赖性和景观格局特征对尺度效应关系的影响是进行空间尺度推绎的基础。以2种真实景观(中国广东粤北植被景观与美国凤凰城城市景观)和SIMMAP景观中性模型产生的27种模拟景观为对象。利用景观格局分析软件FRAGSTATS对18种常用景观指数的尺度效应进行了系统的分析。根据这些指数对空间粒度变化的响应曲线和尺度效应关系,18种景观指数可分为3类。第1类指数随空间粒度的增大单调减小。具有比较明确的尺度效应关系(幂函数下降),尺度效应关系受景观空间格局特征的影响较小;这类指数包括缀块数、缀块密度、边界总长、边界密度、景观形状指数、缀块面积变异系数、面积加权平均缀块形状指数、平均缀块分维数和面积加权平均缀块分维数。第2类指数随空间粒度的增大将最终下降。但不是单调下降的;尺度效应关系比较多样,可表现为幂函数下降、直线下降或阶梯形下降。主要受缀块空间分布方式和缀块类优势度的交互影响;这类指数有5种：平均缀块形状指数、双对数回归分维数、缀块丰度、缀块丰度密度和Shannon多样性指数。第3类指数随空间粒度的变粗而增加。随缀块类优势度均等性的增加。尺度效应关系由阶梯形增加、对数函数增加、直线增加向幂函数增加过渡。尺度效应关系主要受缀块类优势度的影响;此类指数包括平均缀块面积、缀块面积标准差、最大缀块指数与聚集度。景观指数随空间粒度变化是一种1临界现象,当粒度大于或小于1临界值时,景观指数对空间粒度变化非常敏感。变化速率非常大。绝大部分情况下。真实景观粒度效应关系和曲线形状与模拟景观所得分析结果相似。说明模拟景观具有很好的代表性。文中也讨论了本研究结果与前人研究的异同。分析了造成差异的原因。景观指数的粒度效应关系与指数本身所反映的景观格局信息有一定关系,总体上来说。随粒度增加。缀块数、边界长度、缀块形状的复杂性、多样性将减小,而平均缀块面积和聚集度将增加。一系列的尺度效应图和不同景观指数的尺度效应关系可作为景观格局分析时指数选择、分析结果的解释和进行空间尺度推绎的参考。     

帽儿山地区1983—2016年森林景观空间点格局及其关联动态性

研究森林景观空间格局及其动态,对于维持森林生态系统的稳定性以及森林经营方案的制定具有重要意义.基于帽儿山实验林场1983、1993、2004和2016年共4期二类调查数据,利用Programita软件(2010版)中的O-ring统计方法对该林场的森林景观空间格局及其关联性动态进行定量分析.结果表明: 1983—2016年间,区域内软阔混交林所占面积比例均呈下降趋势,天然蒙古栎林景观所占面积比例先增加后降低,而硬阔混交林、落叶松人工林、樟子松人工林所占面积比例呈增加趋势.研究期间,软阔混交林、硬阔混交林、天然蒙古栎林的空间聚集尺度均呈减小趋势,聚集分布的范围由0～7 km缩小到0～3 km,之后随着尺度范围的增大逐渐转变为随机分布或均匀分布;落叶松人工林在较小尺度范围均表现为聚集分布,而随着尺度范围增大表现为随机分布或均匀分布,且均匀分布的尺度范围逐渐增大、随机分布的尺度范围逐渐变小;樟子松人工林聚集分布的尺度虽然也集中在小尺度范围内(0～4 km),但分布范围呈显著增大趋势.总体上,大部分景观类型之间的空间关联性在小尺度范围内呈现负关联性,随着尺度增大逐渐变为无关联性或正关联性;仅少数景观类型间(如1983年落叶松人工林与樟子松人工林)的关联性在小尺度范围内为正关联性,随着尺度范围增大逐渐变为无关联性.1983—2016年间,各景观类型之间的空间关联性动态呈现不同的变化规律,是帽儿山地区各项经营管理措施的综合体现.     

三峡库区典型流域“源”“汇”景观格局时空变化对侵蚀产沙的影响

以三峡库区王家桥流域为研究对象,基于五期遥感影像(1995、2000、2005、2010和2015)提取流域景观格局,采用马尔科夫模型研究"源""汇"景观格局时空变化,并结合野外多年实测数据建立景观格局指数与产沙量之间的关系,分析景观格局对流域侵蚀产沙的影响。结果表明:1995—2015年,王家桥流域景观格局时空变化明显,呈破碎化发展趋势。"源"景观面积持续下降,"汇"景观面积持续增长。在降雨量时序曲线相似的条件下,斑块类型尺度的景观指数对侵蚀产沙量的解释能力高于景观尺度。斑块类型尺度,"源""汇"景观指数与径流输沙量的复相关系数分别为0.946和0.903,均显著相关。对于"源"景观而言,相似邻近百分比(PLADJ)与斑块结合度(COHESION)是影响流域侵蚀产沙的重要指标。径流输沙量与PLADJ和COHESION指数呈正相关关系,输沙量随指数的增大而增大。对于"汇"景观而言,斑块密度(PD)、边界密度(ED)、景观形状指数(LSI)是影响流域侵蚀产沙的重要指标,径流输沙量与PD和LSI呈负相关关系,输沙量随着指数的增大而减小。斑块类型尺度上,流域景观格局时空变化对泥沙输出影响显著。研究结果可为建立其他流域景观格局变化与土壤侵蚀响应关系提供参考。     

基于Landsat-TM数据的农牧交错带景观结构研究——以内蒙古自治区兴和县为例

根据1989年2000年的两期Lansat-TM数据,应用景观类型斑块等级结构和景观空间格局指数等景观生态学指标,对地处典型农牧交错带地区的兴和县景观结构进行研究,结果表明,该地区农田和草地是平原和丘陵区的主体景观类型;不同景观类型斑块大小等级结构变化各异,耕地和草地斑块明显增大,乔木林地和水体斑块趋于减小;景观破碎化明显增强。     

空间幅度变化对景观格局分析的影响

景观格局指数是量化描述景观格局特征的主要方法之一,各种格局指数的尺度依赖性使比较分析景观格局特征和尺度推绎复杂化,分析不同指数随空间幅度变化的一般行为有助于景观格局分析结果的解释和降低空间尺度推绎的复杂性。研究以2种真实景观和27种模拟景观为分析对象,考查了16种常用的景观水平格局指数随空间幅度变化行为。根据这些指数因幅度变化行为可预测性把它们分为两类：第1类随幅度变化可预测性强,指数与幅度之间的关系可用简单的函数关系来表达;这类指数包括缀块数、边界总长、景观形状指数和缀块丰度密度;前两者随幅度增加呈幂函数形式增加,而缀块丰度密度随幅度增加呈幂函数下降,景观形状指数随幅度增加呈直线增加。第2类指数随幅度变化的可预测性较差,指数随幅度的变化存在多种可能(不同形式的增加、减小或保持不变),不可用一种或多种简单的函数关系来描述所有的情况。这类指数包括缀块丰度、缀块密度、边界密度、最大缀块指数、平均缀块面积、缀块面积标准差、缀块面积变异系数、平均缀块形状指数、面积加权平均缀块形状指数、双对数回归分维数、聚集度指数与Shannon多样性指数。第2类指数随幅度的变化行为受景观格局特征和指数本身算法的影响。总体上来说,第2类格局指数随幅度变化呈折线增加或减小;但当景观的缀块类型较多、各类型优势度比较均等、空间分布格局比较随机时,它们随幅度变化形为的可预测性增加,随幅度增加的函数关系主要有3种：幂函数减小、对数函数增加或直线增加,因指数和格局特征不同而异。研究的结果在揭示了常用景观指数随幅度变化的一般关系外,也启示我们在进行景观格局的比较分析,比较景观的幅度应相同或采用尺度效应图(scalograms)更有效。     

祁连山东段生态敏感性对景观动态变化的响应

基于3S技术, 对祁连山东段2000—2016年的景观动态变化和生态敏感性进行了分析。结果表明: (1)草地的面积增加, 斑块数量减少, 形状结构趋于松散且简单化; 森林和冰雪的面积和斑块数量减少, 形状结构趋于紧密但简单化; 灌木的面积和斑块数量增加, 形状结构趋于松散但复杂化; 裸地和水域的面积增加, 斑块数量减少, 形状结构趋于紧密但简单化。(2)景观整体多样性水平增加, 异质性和破碎化程度增大, 各景观要素向着均匀化且分散的趋势发展。(3)景观类型面积指数、破碎度和分离度对生态敏感性的影响最大, 其次是平均斑块面积指数。(4)研究区的生态敏感性处于低敏感性水平, 总体上呈增加趋势。总的来说, 人类活动的干扰是造成景观和生态敏感性变化的决定性因素。研究结果对于区域景观的维护和可持续发展具有积极意义。     

干旱区绿洲土地利用/覆被及景观格局变化特征——以新疆精河县为例

从宏观上运用3S技术,利用1972年MSS、1990年Landsat TM、2001年Landsat ETM+和2005年CBERS 4个时期遥感影像数据,将GIS和景观生态学的数量分析方法相结合,运用ArcGIS以及Fragstats,分析了干旱区绿洲精河县1972～2005年间的土地利用/覆被和景观格局的变化.结果表明:(1)1972～2005年的33a中,精河县LUCC的总体变化趋势是绿洲面积有小幅度扩张,其中人工绿洲面积扩张尤为显著,天然绿洲面积减少.(2)研究区水域面积的变化受艾比湖湖面面积的变化影响较大,变化不显著,但总体上呈缓慢增长的趋势.(3)盐渍地面积的变化经历了先扩张后减小的一个过程.1990年达到最大值,但到2005年面积又有很大程度减少.沙地面积小幅度减小,其他地类的面积始终呈增加趋势.(4)景观在各个研究时段也发生显著变化.总的来说,整个研究区景观的密度持续增大,最大斑块指数先减小后增大,面积加权形状指数减小,形状趋于规则;斑块间的最邻近距离减小.表明1972年时景观中的优势斑块类型的连接性较2005年好,逐渐向具有多种要素的密集格局演变,景观更加破碎.同时不同斑块间的分离度增大,也说明景观破碎化程度加深.从香农多样性指数和香农均度指数的变化可以看出,景观的多样性增加,且均度增强.景观多样性及破碎化程度增加,也反映了土地利用越来越丰富.总之,要实现区域土地资源的可持续发展和景观生态功能的良性发挥,必须注重土地利用格局优化,维护景观生态过程与格局的连续性.     

河北省森林—草原交错带天然植被景观格局时空尺度效应

为探讨天然植被景观格局时空尺度效应, 利用随机森林分类方法对塞罕坝地区3期(1989、2000和2016年)遥感影像进行图像解译, 并在分层随机抽样调查的基础上通过不断增加缓冲区的方法, 计算基于斑块类型和景观水平的景观指数; 采取尺度图谱分析在时空尺度下不同植被类型景观尺度效应, 并基于信息熵模型明确景观格局分析的最佳空间幅度。结果表明: 1989—2016年期间, 人工林的快速增长致使草地和天然次生林景观面积呈现先降低后增加趋势且破碎化现象严重; 草地和天然次生林在空间尺度上具有相同的变化特征, 而在时间尺度上则呈现不同的变化; 斑块密度、形状指数以及聚集度指数在时空尺度上均具有较强预测性, 且300 m为最佳尺度阈值。不同天然植被类型在时空尺度下其尺度效应也是不同的, 这不仅与植被类型自身对生态环境响应的差异性有关, 也和研究区特殊的人文地理环境密不可分。     

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.     

Using connectivity metrics in conservation planning – when does habitat quality matter?

Aim The objective of conservation planning is often to prioritize patches based on their estimated contribution to metapopulation or metacommunity viability. The contribution that an individual patch makes will depend on its intrinsic characteristics, such as habitat quality, as well as its location relative to other patches, its connectivity. Here we systematically evaluate five patch value metrics to determine the importance of including an estimate of habitat quality into the metrics. Location We tested the metrics in landscapes designed to represent different degrees of variability in patch quality and different levels of patch aggregation. Methods In each landscape, we simulated population dynamics using a spatially explicit, continuous time metapopulation model linked to within patch logistic growth models. We tested five metrics that are used to estimate the contribution that a patch makes to metapopulation viability: two versions of the probability of connectivity index, two versions of patch centrality (a graph theory metric) and the metapopulation capacity metric. Results All metrics performed best in environments where patch quality was very variable and high quality patches were aggregated. Metrics that incorporated some measure of patch quality did better in all environments, but did particularly well in environments with high variance of patch quality and spatial aggregation of good quality patches. Main conclusions Including an estimate of patch quality significantly increased the ability of a given connectivity metric to rank correctly habitat patches according to their contribution to metapopulation viability. Incorporating patch quality is particularly important in landscapes where habitat quality is highly variable and good quality patches are spatially aggregated. However, caution should be used when applying patch metrics to homogeneous landscapes, even if good estimates of patch quality are available. Our results demonstrate that landscape structure and the degree of variability in patch quality need to be assessed prior to selecting a suitable method for estimating patch value.     

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

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。     

闽三角林地景观结构与功能连接度的空间耦合关系

以闽三角地区为例,为探讨景观连接度不同评价方法的科学性,提出一种基于最小耗费距离模型的成本距离指数表征景观功能连接度,并与传统的基于景观格局指数的景观结构连接度度量指标进行比较,揭示两者的空间耦合关系,为景观连接度的有效评价提供支持。结果表明：(1)2000—2020年,林地与其他土地利用类型之间发生不同程度的转化,林地转为建设用地370.72km²,占总转出面积的77.28%;草地和耕地转为林地80.45km²,占总转入面积的90.53%。(2)20年间,林地景观结构与功能连接度总体呈减小趋势,其中,湖里区林地景观结构与功能连接度降幅均最大,斑块密度、最大斑块指数、聚合度指数和斑块结合度指数分别下降了76.47%、51.33%、68.13%和68.40%,成本距离指数增加了178.56%。(3)成本距离指数与斑块密度、最大斑块指数、聚合度指数、斑块结合度指数和景观结构连接度综合指数均为负相关。(4)在研究期间,双变量局部空间自相关聚集类型由低-高转化为高-高,结构连接度无变化时,景观功能连接度降低;由高-高转化为低-高,结构连接度无变化时,...     

伊犁河流域土地利用/覆被变化对生态系统服务价值的影响——基于强度分析模型

人类活动引起的土地利用/覆被变化(Land Use/Cover Change, LUCC)和景观格局的改变会对生态系统服务价值(Ecosystem Service Value, ESV)产生影响,但大多数对LUCC的分析方法都缺乏对各土地利用类型内部转换过程的深入信息挖掘。因此,利用强度分析模型在由浅入深的三个层次(时间间隔、地物类型、转换)上系统地,定量地分析新疆伊犁河流域1980—2015年土地利用变化强度时空分布的动态特征,同时对流域景观格局的演变和生态系统服务价值进行评估研究,探讨ESV对土地利用变化强度的响应特征。结果表明：(1)伊犁河流域土地利用强度呈现先增强后减弱的变化趋势(2)在1980—2015年期间,流域内景观格局斑块聚集性减弱、破碎化加剧、景观多样性增加、各地类景观均衡化发展,生态系统服务总价值增加了0.49亿元,其中水域和林地占流域总生态系统服务价值的47.94%。(3)伊犁河流域优势景观斑块面积的增加、形状多样化、各斑块聚集化发展会促使流域生态系统服务价值的增加,土地利用变化强度与ESV存在明显的正相关关系。通过系统地分析多个层次下的土地利用景观变化,以及生态...     

测量的区域土地覆盖格局研基于多尺度遥感究

 利用1km、4km和8km 3种空间分辨率的NOAA/AVHRR数字影像,对中国NECT样带西部地区进行了土地覆盖分类及其景观特征的比较研究。重点比较了几种空间分辨率遥感数据分类结果边界的一致性和空间差异,以及影像所记录的景观格局的差异。为进一步在不同尺度上研究景观变化过程以及尺度转换研究奠定了基础。研究表明：3种空间分辨率的遥感影像所反映的区域土地覆盖的宏观空间格局是一致的,但类型的边界、每一类型斑块的形状和数量均产生较大的差异;经过对反映景观空间结构的4种指标（分维数、破碎度、多样性、优势度）的比较显示出随着遥感影像空间分辨率的变化,影像所反映的景观结构发生了较大的变化。其中,各覆盖类型的分维数表现出最大差异,表征着空间分辨率的变化对斑块复杂程度的影响最大。     

Spatial correlograms of soil cover as an indicator of landscape heterogeneity

Soil cover, which is one of the most informative and integrative landscape factors, can be used for the analysis of landscape patterns. We studied the spatial autocorrelation (Moran's I) of raster format soil maps (1:10,000; 10 m pixel size) in 35 study areas representing all landscape regions in Estonia. The carbonate concentration of soils, volumetric soil moisture (%) and the depth of the groundwater table were taken into consideration in compiling a scale of contrast of 17 soil groups. We introduce a simple characteristic based on spatial correlograms: a half-value distance lag, h_I = 0.5—a distance where Moran's I drops below 0.5. Spatial autocorrelation decreased very rapidly in the case of heights with a very heterogeneous landscape composition, showing low values of h_I = 0.5 (<100 m in all 6 study areas). In uplands and depressions, the spatial autocorrelation also decreased relatively rapidly (h_I = 0.5 < 200 m). In most of the plains, coastal lowlands, sea islands and inland paludified lowlands, the values of Moran's I did decrease slowly with increasing lag, being >200 m in all forest and bog areas with complex topographical conditions due to the variety of glacial landforms and peatlands. All of the eight FRAGSTATS landscape metrics studied demonstrated significant correlations with h_I = 0.5, whereas five of them – Contrast Weighted Edge Density (CWED); Percentage of Like Adjacencies (PLADJ), Edge Density (ED), Patch Density (PD) and Mean Patch Area Distribution (AREA_MN) – had Spearman Rank Order Correlation values higher than 0.8. Landscapes with high ED, PD, and CWED values have a low autocorrelation: PD, ED, and CWED correlated negatively with h_I = 0.5. PD, ED, and CWED decreased and PLADJ increased with the power-law relationship with increasing h_I = 0.5. Spatial autocorrelation is lower in landscapes with complex structure and high contrast. The positive relationship with PLADJ indicates the same. Thus, spatial correlograms of potential landscape structure based on soil cover analysis can be used for the characterization of human-influenced landscape (land use) structure.