1 内容
- 从斑块、类型、景观三个水平上进行景观格局指数计算
- 基于景观格局指数对结果进行分析
2 实验操作
1.数据介绍:E:\LCA\lca_raster101.tif 广州市中心城区土地利用数据,9类(10米分辨率)
2.计算指数
Patch metics | Class metrics | Landscape metrics |
面积 AREA | 总面积 CA/TA | 总面积 CA/TA |
周长 PERIM | 景观百分比 PLAND | 斑块密度 PD |
周长面积比 PARA | 最大斑块指数 LPI | 最大斑块指数 LPI |
形状指数 SHAPE | 斑块数量 NP | 香浓多样性指数 SHDI |
斑块密度 PD | ||
景观形状指数 LSI | ||
周长面积分维 PAFRAC | ||
聚集指数 AI | ||
形状指数分布 SHAPE_MN、AM | ||
周长面积比 PARA_MN(算术平均)、AM(加权平均) |
3.软件界面
界面可分为4部分:工具栏、参数设定区、景观指数选择区和运行状态栏。
- 工具栏:创建或打开景观分析任务(因为景观指数很多,但常用的指数较为固定,每次设置较为复杂,配置好的参数和景观指数往往可以多次使用)、保存、运行;
- 参数设置区、景观指数选择区;
- 运行状态栏:便于查看运行状态以及可能出现的问题。
4.新建模型,加载数据。New一个任务工程,Add Layer 添加待分析图层。图层格式有一定要求,一般选择GDAL Geo TIFF也就是tif格式(如果用aecgis导出选择TIFF格式即可)
5.使用8近邻规则,分别勾选斑块Patch、类型Class、景观landscape尺度,且为每个斑块分配一个ID。8近邻相比4近邻更为平滑,但计算也相对较慢。
2.1 斑块尺度Patch metics
- 计算面积AREA、周长指数PERIM
2.计算周长面积比PARA、形状指数SHAPE
2.2 类型尺度Class metrics
2.3 景观尺度Landscape metrics
2.4 运行
2.5 保存并查看结果
- adj文件是各类型统计的矩阵
- class、land、patch文件得到三个不同尺度水平上计算的指数
3.用excel表格分别打开三个尺度水平上的结果文件
- Patch
- Class
- Land
3 实验结果分析
- 以class类型尺度水平为例,将class.xls链接到数据属性表,并对聚集度指数AI进行可视化
- 聚集度指数基于同类型斑块像元间的公共边界长度,其表达式如图所示。聚合度指数(Aggregation Index,AI),AI∈(0,100]。AI考察了每一种景观类型斑块间的连通性。取值越小,景观越离散。
图 1 广州市中心城区聚集度指数分布情况
图 2 各土地利用类型的聚集度指数均值
3.综合以上结果,由图1可知,白云区西北地区AI指数最高,为87.8414,说明此处景观较为破碎密集;荔湾区聚集度指数较低,数值大概在60-70之间,说明荔湾区景观较为连续。此外,由图可知,聚集度有较强的空间异质性,同一区域聚集度差异可能很大。
4.由图2可知,耕地类型的聚集度指数最高,表明人为因素会对自然景观聚集程度产生较大影响;道路聚集度指数最低,道路一般是连续的条状地带,聚集度较低,结果符合常理。