第四讲-景观生态学的数学方法.pptVIP

连接度指标(connectance index) 斑块粘合度指标(patch cohesion index) 景观指数的应用 景观指数可以用来定量地描述和监测景观结构特征随时间的变化。 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