第六章节景观生态学数量方法幻灯片.pptVIP

具有分维特征的中性模型模拟结果范例 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(aggregation 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) 2、景观异质性指数—— 4）破碎度指数 森林破碎化的表现： 斑块数量增加而面积减少； 斑块的形状趋于不规则； 森林内部生境面积缩小； 作为物质、能量和物种交流的森林廊道被切断； 森林斑块彼此隔离，形成森林岛屿。 第二节 景观格局模型模拟 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。 空间自相关的步骤 取样 计算空间自相关系数或建立自相关函数 自相关显著性检验 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 系数的取值范围在 -1 ~ 1 之间， 0 表示负相关， 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 ~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)表示变量空间自相关性的空间幅度，大于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。 基台值(sill)表示变量在该区域中总的变异性。 块金方差(nugget variance)是最小抽样距离的空间变异性及测量误差的和。 结构方差(structural variance)表示空间非随机性造成的变异性减小的值。 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 (Lacunarity 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