自然景观特征识别方法.docx

3.1.1识别方法

目前聚类方法是较为常用的自然景观特征识别方法，其中有k-mean聚类法、二阶聚类法等聚类方法。在五万平方公里的尺度下，二阶聚类法的识别结果稍好于k-mean聚类法杨叠川2020。因此，本研究选择二阶聚类法进行廊桥的自然景观特征进行识别。二阶聚类（TwostepCluter）是分层聚类算法的一种方式，此方式前后分为两个步骤：首先建立聚类特征数（clusterfeature），即使用BIRCH算法进行平衡迭代归约，将变量分为不同子类；最后采用对数拟然函数按照距离将子类利用分层聚类方法再次聚类，根据贝叶斯信息准则（Bayesianinformationcriterion，简称BIC）对聚类个数进行识别。BIC作为模型评分函数是对边缘拟然函数的一种近似，其函数关系如下：

杨叠川2020

BIC

3.1.2分类流程

在ArcGIS中，运用创建渔网（CreateFishnet）工具，根据前人对区域尺度的经验，以1000m×1000m的网格尺度建立廊桥分布的十八个县域的矢量边界，将高程、起伏度、土地覆盖数据进行交集制表（TabulateIntersection），构建特征要素数据与样本网格单元的数据矩阵。该步骤意在确保分类变量转化为更易处理的连续变量后，数据的完整性与准确性。

随后，将数据矩阵表格代入SPSS平台中的二阶聚类算法中，实现了景观特征类型的12种聚类。各类型面积及占比如表3-1所示，聚类质量良好（图3-1）。

为保证景观特征类型的科学与准确性，本研究通过多次分类比较效果，同时综合考虑各类型关系、卫星影像对比、等进行调整与合并，最后定义12个景观特征类型（图3-2）。

最后，以两套命名方式对景观特征类型识别结果命名。第一是编码式命名，将各个景观特征类型所包含的所有特征要素及所占比例进行编码叙述；便于科研人员后续的深入研究。第二是特征描述式命名方式，通过对比找到各个类型中的特征要素组成的差异，以其具有识别特征的要素进行命名，忽略部分基础特征类型（表3-2）。

图3-2自然环境景观特征类型图

Fig.3-2

表3-2景观特征类型描述

Table3-2

类型

编码

编码命名

特征命名

1

d1.r1.l1

低海拔.平缓.耕地

低海拔平缓耕地景观

2

d2.r2.l2

中低海拔.低起伏.林地

中低海拔低起伏林地景观

3

d3.r3.l2

中海拔.中起伏.林地

中海拔中起伏林地景观

4

d3.r3.l3

中海拔.中起伏.草地

中海拔中起伏草地景观

5

d3.r3.l6

中海拔.中起伏.水体

中海拔中起伏水体景观

6

d3.r3.l8

中海拔.中起伏.人造地表

中海拔中起伏人造地表景观

7

d4.r4.l3

高海拔.高起伏.草地

高海拔高起伏草地景观

8

d4.r4.l2

高海拔.高起伏.林地

高海拔高起伏林地景观

9

d4.r4.l5

高海拔.高起伏.湿地

高海拔高起伏湿地景观

10

d4.r4.l4

高海拔.高起伏.灌木

高海拔高起伏灌木景观

11

d4.r4.l2

高海拔.高起伏.林地

高海拔高起伏林地景观

12

d5.r5.l9

超高海拔.超高起伏.裸地

超高海拔超高起伏裸地景观

3.2.3景观特征类型描述