景观生态学第5章

第五章景观格局分析研究对象和内容往往决定研究方法的特点和发展方向。研究方法上的成熟和创新可充实和完善已有研究内容，并能促进新方向、新概念的发展，从而拓宽和深化该研究领域。景观生态学的发展正是体现了这样的一种关系。景观生态学研究领域十分广泛，涉及土壤学、地理学、水文学及气象学以及一系列社会和经济学科，具有多学科特点。早期的景观生态学方法与区域地理学和植被科学十分密切，主要利用航片和各种照片来研究景观的结构和动态。以区域性地理和植被调查方法为特点。随着科学和技术的迅速发展，尤其是遥感技术和地理信息系统（geographicinformationsystem—GIS）的发展，现代景观生态学在研究宏观尺度上的景观结构、功能和动态的方法上已发生了显著变化。第一节景观格局分析概述景观生态学研究最突出的特点是强调空间异质性、生态学过程和尺度的关系。研究空间异质性自然会用到一些已经在生态学中空间格局分析方法，同时又有必要发展新的方法来弥补传统方法的不足。景观生态学过程的研究离不开生理、行为、种群、群落和生态系统生态学的一系列方法。空间格局生态学过程尺度传统生态学景观生态学景观生态学与其他生态学的区别研究景观的结构（组成单元特征及其空间格局）是研究景观功能和动态的基础。空间格局分析方法传统统计学方法专门解决空间问题的格局分析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景观结构（空间格局）分析步骤收集和处理景观数据（如野外考察、测量、遥感图像处理）数字化适当选用格局研究方法进行分析解释（综合）分析结果栅格化数据矢量化数据网格表示景观表面特征点、线和多边形表示景观单元和特征景观数据空间数据非空间数据点格局数据（单株树木分布）定量空间数据（生物量）定性空间数据（植被类型图）空间分析方法多种。适用于不同的研究目的和数据类型。分两大类格局指数方法空间统计学方法空间非连续的类型变量数据空间连续的类型变量数据描述景观格局的数据类型和相应的定量研究方法数据类型特征方法举例非空间数据无取样点信息方差分析回归分析信息论指数（如各种多样性、均匀度指数）空间数据取样空间位置是数据的一部分变量取值在空间上非连续，呈离散点分布负二项分布参数k最邻近体指数相关图聚块样方方差分析自相关指数方差图定量网格数据数字地图分维数聚块样方方差分析定性网格数据类型地图多样性指数分维数斑块性指数聚集度指数共邻边统计量第二节景观指数景观指数是指能够高度浓缩景观格局信息反映景观结构组成和空间配置某些方面特征的简单定量指标。景观格局分析有三个层次单个斑块若干单个斑块组成的斑块类型包括若干斑块类型的整个景观镶嵌体相应的，景观格局指数分为：斑块水平指数斑块类型水平指数景观水平指数一、常用的景观指数D-形状系数L-斑块固边长度A-斑块面积D值说明某一斑块周边长度与面积同该斑块相等的圆的圆周长之比，比值为1为圆形，比值越大说明该斑块周边越发达。此系数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复杂程度。ALD21、斑块形状系数（以圆形为参照几何形状）APS25.0（以正方形为参照几何形状）2、景观丰富度指数景观丰富度R是指景观中斑块类型的总数R＝mm是景观中斑块类型数目●相对丰富度●丰富度指数●丰富度密度maxmmRrAmRd景观中斑块类型的最大值景观面积3、景观多样性指数景观多样性的意义：只有多种生态系统的共存，才能保证物种多样性和遗传多样性。只有多种生态系统的共存，并与异质的立地条件相适应，才能使景观的总体生产力达到一定水平。只有多种生态系统共存，才能保证景观功能的正常发挥，并使景观的稳定性达到一定水平。景观多样性生物多样性(biodiversity)生物多样性是所有生物种类、种内遗传变异和它们的生存环境的总和。遗传多样性(geneticdiversity)种内所有遗传变异信息的总和，蕴藏在动植物和微生物的个体基因里。物种多样性(speciesdiversity)以种为单位的生命有机体的复杂多样化。景观多样性(landscapediversity)生物圈内栖息地、生物群落和生态学过程的多样化，又称生态系统多样性(ecosystemdiversity)。生物多样性丧失的主要原因：生境的丧失和破碎化引入物种植物和动物种的过度利用土壤、水和大气污染全球气候变暖工业化的农业和林业Shannon-Weiner指数SiPiiPH12'))(log(H’-香农指数，S-生态系统总数，Pi-每一生态系统所占面积百分比。根据信息论的理论而来，它的指标H’代表一个景观“信息”的不确定性，其组成成分变化越大，其不确定性也越大。siiPD12)(1D-Simpson多样性指数，S-生态系统总数，Pi-每一生态系统所占面积百分比。生态系统类型越多，景观多样性指数越大。多样性指数大小取决于斑块类型的多少（丰富度）和各斑块类型在面积上分布的均匀程度。Simpson多样性指数(diversityindex)4、景观优势度指数（landscapeevennessindex）mkkkPPHD1max)ln(优势度指数D是多样性指数的最大值与实际计算值之差多样性指数最大值斑块类型k在景观中出现的概率m是景观中斑块类型的总数一个或少数几个斑块类型占主导地位时，D最大。5、景观均匀度指数（反映各斑块在面积上分布的不均匀程度）)ln()ln(1maxnPPHHEnkkkE-均匀性，H’-现实景观多样性，H’(max)-完全均匀情况下的景观多样性。优势度(dominance)优势度=1-均匀度说明一个景观中某一生态系统占优势的程度。H是香农多样性指数6、景观形状指数（landscapeshapeindex）AELSI25.0E为景观中所有斑块边界总长度A为景观面积当景观中斑块形状不规则或偏离正方形时LSI最大。与斑块形状指数相似，只是将计算尺度从单个斑块上升到整个景观而已。7、正方像元指数（squarpixelindex）EASQP41SQP是周长与斑块面积比的另一种表达方式，取值在0与1之间SQP与LSI之间有直接的数量关系：SQPLSI118、景观聚集度指数（contagionindex）)ln(11maxijninjijPPCC聚集指数的最大值[2ln(n)]N是景观中斑块类型总数斑块类型i与j相邻的概率。ijiijPPP/是一个随机抽选的栅格细胞属于斑块类型i的概率（可以斑块类型i占整个景观的面积比例来估算）是在给定斑块类型i的情况下，斑块类型j与其相邻的条件概率iijijmmP//景观栅格网中斑块i和j相邻的细胞边数斑块类型i细胞的总边数在比较不同景观时，相对聚集度C′更为合理)ln(2)ln(1/'11maxnPPCCCijninjij聚集度指数反映景观中不同斑块类型的非随机性或聚集程度。景观如果由小斑块组成，聚集度值较小；由大斑块为主时，聚集度值则大。景观聚集度指数的特点：（1）、近年才开始应用（2）、明确考虑斑块类型之间的相邻关系，能够反映景观组分的空间配置特征。多样性指数均匀度指数优势度指数聚集度指数以信息论为基础而发展起来的信息论指数9、分维（fractaldimension）不规则几何形状的非整数维数单个斑块分维数：2/dFkAP)ln(/)ln(2AkPFdP—斑块周长A—斑块面积分维数K是常数，栅格景观k＝4.欧几里德几何形状分维为1；具有复杂边界斑块的分维则大于1，但小于2.一般来说，具有复杂边界斑块的分维大于1，小于2用分维数来描述景观斑块镶嵌体的几何形状时，通常采用线性回归方法。即：sFd2S是对景观中所有斑块的周长和面积的对数回归产生的斜率。线性回归方法考虑不同大小的斑块，故求得的分维数反映所研究景观不同尺度的特征不规则的几何形状通称分形。分形结构最重要的特征之一是自相似性，即整体结构由其结构单元反复叠加而成。对于具有分形结构的景观，其斑块性在不同尺度上应该表现出很大的相似性。分维数在某一尺度域上不变，那该景观在这一尺度范围可能具有结构的自相似性。倘若分维数随着尺度域改变，那这些变化的转折点有可能指示景观具有等级结构。景观指数计算量很大，必须依靠计算机可从网上获得免费软件。如FRAGSTATS在3个层次上计算景观格局指数：斑块水平指数斑块类型水平指数景观水平指数景观指数分类●信息论类型●面积与周长类型●简单统计学指标类型●空间相邻或自相关类型●分维类型二、景观指数应用举例(2,60)(1,3)(5,92)(8,44)244444433334444448222244333344222255656786606876565199斑块数17199斑块密度1700/km27773/km2Shannon多样性指数0.6881.323景观分维数1.5341.036聚集度0.543%27.49%景观形状指数3.307.19景观1景观2斑块多景观破碎斑块密度大景观破碎斑块多多样性指数高矩形斑块分维数聚集度指数不但受斑块类型数目的强烈影响，而且两种不同类型斑块的斑块的频繁相邻也会大大增加聚集度值。景观指数反映景观特征随时间变化景观指数可用来定量地描述和监测景观结构特征随时间的变化。如下例亚利桑那州凤凰城地区1912~1995景观格局变化亚利桑那州凤皇城地区1912~1995景观格局变化景观指数可以用来描述和辨识景观中生态学特征的空间梯度沿着一条15km宽、165km长的东西走向的样带(粒度为5km×5km)。斑块密度和斑块周长与面积比由荒漠向城市中心方向先缓慢增加，然后迅速增加，进而达到最高值，最后又开始下降景观破碎化程度形成一个从城市中心向外围荒漠逐渐减小的空间梯度峰值出现处对应城市化程度最高的荒漠地理位置，曲线在近外围荒漠植物处的转折点可用来指示城市景观的边界。三、景观指数的尺度效应、方向性以及其他行为特征美国大盆地Carson土地利用与覆盖图总面积380km2，分辨率30m景观丰富度增加使得多样性亦增加；同时景观形状也趋于更复杂。多样性指数、景观丰富度指数、景观形状指数3种指数对景观结构异质性的细节更为敏感。当幅度固定不变，只改变粒度对景观指数也有明显影响斑块密度多样性指数随着粒度增加，斑块密度呈指数形式下降，多样性和正方像元指数都出现降趋势。面积加权平均斑块分维数也表现持续下降的特征，但景观总体的双对数回归分维数再次表现出不确定性。从另一方面来看，随着栅格细胞逐渐聚并，平均斑块面积持续增加。第三节空间统计方法一、空间自相关分析二、半方差分析三、其他空间分析方法一、空间自相关分析景观格局可以用非连续型变量表示植被图土壤图土地利用图土地覆盖图景观指数方法可以分析这类数据景观格局的最大特征之一：空间自相关(spatialautocorretation)空间自相关—在空间上越靠近的事物（现象）就越相似。在自然界中，普遍存在空间自相关性，我们才得以看到河川、山川、各类生态系统和景观格局。传统统计学方法不宜用来研究景观的空间特征。统计学方法(方差分析、回归分析等)最根本的假设包括取样的独立性和随机性。然而，景观异质性往往以梯度和斑块镶嵌体的形式出现，表现出不同的空间相关性。不是随机样本，传统方法就不能用了。生态学变量的空间关联，是景观格局研究核心之一又是理解和预测生态学过程和功能的基础。景观沿某一方向的高度自相关性可能预示某种生态学过程在起重要作用。空间统计学的目的是描述事物在空间上的分布特征（如随机的、聚集的或有规则的），以及确定空间自相关关系是否对这些格局有重要影响。空间相关分析目的是确定某一变量是否在空间上相关，其相关程度如何。空间自相关系数用了度量物理或生态学变量在空间上的分布特征及其领域的影响程度。空间正相关——变量的值随测量距离的缩小而变得更相似空间负相关——所测值随距离缩小变得更为不同空间不相关性（空间随机性）——