景观生态学中的数量化方法课件.pptx

1、景观生态学中的数量化方法 第一节：景观指标方法 第二节：空间统计方法 第三节：景观模型 景观格局分析基本步骤：数据收集-景观图数字化-景观格局数量化分析-结果分析 数据来源 野外考察、大地测量、现有地图、航空照片、卫星遥感图像、雷达图像等 数字化景观图的空间数据模型 矢量数据(vector data model)栅格数据(raster data model)点数据类型(point data model)景观数据类型 类型数据(categorical data)数值数据(quantitative data)第一节：景观指标方法一、景观指标概述：适合的数据类型 类型数据表达的景观适合使用景观指标法

2、 三个层次的景观指标 整体景观的指标(landscape indices/metrics)斑块类型的指标(patch class indices/metrics)单个斑块的指标(individual patch indices/metrics)景观指标的种类 多样性指标(diversity metrics)斑块面积/密度/边界长度指标(area/density/perimeter)形状指标(shape metrics)核心区指标(core area metrics)隔离指标(isolation metrics)对比度指标(contrast metrics)聚集度指标(contagion met

3、rics)连接度指标(connectivity metrics)二、常用的景观指标及计算公式：多样性指标 多样性指标只有景观水平的指标，没有斑块类型和单个斑块水平的指标。主要有：多样性指标、均匀度指标、优势度指标、景观丰富度指标。Shannon Weaver 多样性指标Pk:类型k的斑块在景观中的面积比例Simpson 多样性指标景观优势度指标(landscape dominance index)景观均匀度指标(landscape evenness index)景观丰富度指标(landscape richness index)R:绝对丰富度，Rr:相对丰富度，Rd:丰富度密度m:景观中斑块类型

4、数，mmax:景观中最大可能类型数A:景观面积 斑块面积/密度/边界长度指标 单个斑块层次的指标包括：斑块面积、周长、Gyration 半径。斑块类型层次的指标包括：斑块类型面积比例、斑块密度、边界密度、最大斑块指标、斑块面积分布等。景观层次的指标包括：斑块密度、边界密度、最大斑块指标、斑块面积分布等。这些指标的定义与斑块类型层次的定义类似，只是对所有斑块类型适用，而不仅仅对一种类型的斑块。多数指标的定义简单，从字面上即可理解其含义，下面解释：Gyration 半径、最大斑块指标和斑块面积分布Gyration 半径最大斑块指标(largest patch index)：斑块面积分布(patch

5、 area distribution)：包括简单平均值、面积加权平均值，中数、范围、标准差和变异系数。形状指标 单个斑块层次的指标主要有：周长面积比、形状指数和形状分维指数。斑块类型层次的指标包括：各单斑块指标的分布（均值，中值、面积加权均值、范围等）整个景观层次的指标包括：各单斑块指标的分布 斑块类型层次、景观层次的指标有一个独特的指标：周长面积分维数是单个斑块所没有的。下面介绍形状指数、形状分维值数、周长面积分维指数。形状指标(shape index)形状分维指标(fractal dimension index)周长-面积分维指标(perimeter-area fractal dimens

6、ion)核心区指标 单个斑块层次上的指标是：核心区面积指标 斑块类型和整个景观层次的指标还包括：核心区面积被百分比、和独立核心区密度。计算核心区指标前，需要确定边缘深度。边缘深度取决于研究对象对边缘区的识别程度。核心区指标对于破碎化生境中濒危物种保护有重要作用。核心区指标(core area index)核心区面积百分比(core area percentage to landscape)独立核心区密度(disjunct core area density)隔离度指 斑块层次的指标包括：接近度指标、相似指标、几何最近邻居距离、功能最近邻居距离。几何距离为几何长度。功能距离可为：坡面距离、运动时

7、间、能量需求等。斑块类型、整体景观指标为上述四种指标的分布接近度指标(proximity index)相似指标(similarity index)对比度指标 斑块层次上的指标：边界对比度指标 斑块类型、景观层次的指标包括：边界对比度分布，以及总边界对比度。边界对比度指标(edge contrast index)斑块类型层次的总边界对比度(total edge contrast index)景观层次的总边界对比度(total edge contrast index)聚集度指标 聚集度指标描述景观中斑块的整体属性或斑块间的关系，因此没有斑块层次的指标 斑块类型层次的指标包括：聚合指标(aggreg

8、ation index)、分割指标(landscape division index)。景观层次的指标包括：聚合指标、分割指标、以及聚集度指标(contagion)。聚集度指标是对整体景观各类型斑块聚集程度的描述，是景观生态学中引人注目的一个景观指标。聚合指标(aggregation index)分割指标(landscape division index)聚集度指标(contagion index)连接度指标 连接度表示相同生境类型的斑块之间的连接性，与很多景观功能密切相关。该指标能很好地反映动物对生境破碎化的反应。连接度指标只在斑块类型和景观水平上有效，没有单个斑块水平的指标。描述景观连接度

9、的指标主要有两个：斑块粘合度指标(patch cohesion index)和连接度指标(connectance index)连接度指标(connectance index)斑块粘合度指标(patch cohesion index)第二节：空间统计方法空间统计学方法适合于数值数据、或者可转化为数指数据的景观格局分析当中。空间统计学方法与景观指标法相比，具有更确切的数学基础，因此具有较高的可靠性。但在应用时需要较复杂的数学计算，而且其结果不够直观，需要一定的统计学基础。空间统计学方法仍处于不断完善中。常用的空间统计学方法包括：空间自相关分析、半方差分析、尺度方差分析、孔隙度分析。另外，谱分析、趋

10、势面分析、小波分析等的应用也较常见。一、空间自相关分析 spatial autocorrelation 空间自相关性分析的目的是确定空间变量在空间上是否相关，以及相关的程度。空间自相关系数用来描述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。变量在空间上呈正相关，表示邻域内变量的相似性大于随机分布。相同类型之间有相互吸引或相互促进的作用。呈负相关，表示邻域内变量的相似性小于随机分布。相同类型之间有相互排斥或相互拟制的作用。不相关，表示邻域内变量的相似性接近随机分布。变量分布在空间上没有依赖关系。常用的空间自相关系数有两个：Moran的 I 系数和Geary 的 c 系数 I 系数的取值范

11、围在-1 倒 1 之间，0 表示正相关，接近于 0 表示不相关。c 系数的取值范围在 0 倒 2 之间，1 表示负相关，1 表示正相关，接近于 1 表示不相关。可通过统计学方法检验 I 值和c值是否显著地偏离不相关值，即相关性是否显著。自相关 图（Correlogram）空间自相关系数随观察的尺度改变而变化。在空间自相关分析时，在一系列不同尺度上计算空间自相关系数，以样点间距为横坐标，以相关系数为中坐标，绘出的图称自相关图。自相关图能反映自相关性随尺度的变化。二、半方差分析 semivariance analysis 半方差分析是地统计学(Geo-statistic)的重要组成部分。地统计学是

12、一系列检测、模拟、估计变量在空间上的相关关系和格局的统计学方法。半方差分析的用途主要有2种，一是描述和识别空间格局，二是用于局部优化差值(Kriging).景观生态学常用其第一个用途。半方差是估计变量空间自相关性的一种方法。半方差的定义及计算公式 理想化的半方差图自相关阈值：autocorrelation range 结构方差：structural variance 块金方差 nugget variance 基台值：sill基台值表示变量在该区域中总的变异性块金方差是最小抽样距离的空间变异性及测量误差的和结构方差表示空间非随机性造成的变异性减小的值自相关阈值表示变量空间自相关性的空间幅度，大于

13、该阈值的空间尺度上不再存在自相关性景观生态学中，根据半方差图可判断景观是否具有斑块性，斑块格局的规律，斑块大小及尺度特征。几种典型空间结构与其半方差图 具有多尺度特征的等级结构的半方差图 三、尺度方差分析 scale variance analysis 尺度方差是一种空间等级分析方法，可用来确定系统总方差在各个组织水平上的分配，反映变量不同组织水平上的变异程度。尺度方差分析在鉴别景观的多尺度性以及景观的等级结构特别有效。方差的可分解性是尺度方差分析的理论基础 下面以4个层次的等级系统为例，给出方差分解公式：尺度方差公式 用尺度方差、空间自相关系数鉴别等级尺度 四、孔隙度分析(Lacunarit

14、y analysis)孔隙度分析与分形几何的发展有密切关系。孔隙度随尺度变化的曲线可以反映景观中的空间质地(texture)，在景观生态学研究中受到重视。孔隙度曲线的不光滑性能反映景观的特征尺度。孔隙度的计算方法 孔隙度的应用举例第三节：景观模型 生态学模型很多，其分类方法多种多样，如：解析模型模拟模型 连续模型离散模型 确定性模型随机模型 现象模型机理模型过程模型 非空间模型准半空间模型空间显式模型 景观生态学模型多为准空间模型或空间显式模型 本节介绍景观生态学中频繁应用的3种模型：马尔科夫模型、复合种群动态模型、中性模型。一、马尔科夫模型 马尔科夫模型是景观生态学中最早，也是曾经被最广泛应

15、用的模型。该模型属于随机模型。传统的马尔科夫模型是非空间模型。传统马尔科夫模型的公式为：马尔科夫模型反映的是总体景观类型面积比例的变化情况，由于它不考虑空间格局对转移概率的影响。因此，在空间关系对景观变化起重要作用的景观时会产生较大误差。一种简单的空间马尔科夫模型是把景观根据其空间特征先进行区域化，对于每个区域，采用不同的转移概率矩阵。空间马尔科夫模型虽然引入了空间分区，但仍不能考虑相邻景观元素间的相互作用，只能算是准空间模型。另外它是不考虑空间格局变化机理的现象模型。尽管许多研究者试图采用各种方法改进马尔科夫模型：如高阶马尔科夫模型，遗传算法，但多数学者认为该方法用于描述景观变化很有效，用于

16、对景观变化的预测则存在许多缺陷。二、复合种群模型(metapopulation model)复合种群的概念 经典复合种群定义(Levins定义):满足2个条件，一是频繁的亚种群水平的灭绝，二是亚种群间的生物繁殖体或个体的交流，使局地灭绝的生境经常性的再定居。称具有这样特征的种群为复合种群。广义复合种群定义：在自然界中，严格满足Levins定义的复合种群并不多见。许多学者将占据空间上非连续生境斑块的种群集合，只要存在繁殖体或个体在生境斑块间的交流，无论是否存在局部灭绝，都被称为复合种群，这是广义复合种群的定义 广义复合种群有多种类型 Levins 的复合种群动态模型式中，p为种群的生境斑块占据率

17、c,e 分别为物种的定居系数和灭绝系数P 为系统处于平衡时的种群生境斑块占据率Levins的模型是空间隐式的。近期准空间模型，空间显式的模型被越来越多地开发出来。如反应-扩散模型，结构化种群模型等。空间复合种群模型的研究已成为景观生态学的一个热点 三、中性模型(Neutral model)中性模型是指不包括任何具体生态学过程和机理的，只产生统计上所期望的空间格局的模型。中性模型的产生，总是需要不同程度的随机性。中性模型的主要作用是为研究景观格局与过程提供一个公共参照系统。在景观指标构造与检验，景观过程与格局间存在的关键阈值(critical threshold)的鉴别，评价各种空间统计方法在鉴别尺度阈中的效果等，都起到关键性的作用。它已成为理论景观生态学研究的必备工具。常见的中性景观模型有：随机分布的简单中性模型、具有等级结构的中性模型、具有分维特征的中性模型。随机分布的简单中性模型模拟结果范例具有等级结构的中性模型模拟结果范例具有分维特征的中性模型模拟结果范例