国土资源遥感, 2018, 30(3): 159-166 doi: 10.6046/gtzyyg.2018.03.22

青海湖流域景观格局空间粒度效应分析

翟俊1, 侯鹏1, 赵志平2, 肖如林,1, 颜长珍3, 聂学敏4

1. 环境保护部卫星环境应用中心,北京 100094

2. 中国环境科学研究院,北京 100012

3. 中科院寒区旱区环境与工程研究所,兰州 730000

4. 青海省生态环境遥感监测中心,西宁 810007

An analysis of landscape pattern spatial grain size effects in Qinghai Lake watershed

ZHAI Jun1, HOU Peng1, ZHAO Zhiping2, XIAO Rulin,1, YAN Changzhen3, NIE Xuemin4

1. Satellite Environment Center, Ministry of Environmental Protection, Beijing 100094, China

2. Chinese Research Academy of Environmental Sciences, Beijing 100012, China

3. Cold and Arid Regions Environmental and Engineering Research Institute, Chinese Academy of Sciences, Lanzhou 730000, China

4. Ecological and Environmental Monitoring Center of Remote Sensing of Qinghai Province, Xining 810007, China

通讯作者: 肖如林(1984-),男,博士,高级工程师,主要研究方向为生态环境遥感应用研究。Email:alexandershaw_84@163.com。

责任编辑: 张仙

收稿日期: 2017-03-27   修回日期: 2017-08-7   网络出版日期: 2018-09-15

基金资助: 国家重点研发计划“重大生态工程生态效益监测与评估”.  2017YFC0506506
“基于多源数据融合的生态系统评估技术及其应用研究”.  2016YFC0500206

Received: 2017-03-27   Revised: 2017-08-7   Online: 2018-09-15

作者简介 About authors

翟俊(1985-),男,博士,高级工程师,主要研究方向为环境遥感应用。Email:zhaij@lreis.ac.cn。 。

摘要

流域是生态系统的基本单元和重要空间尺度单元,流域尺度景观格局分析的科学性很大程度上依赖于最佳空间粒度的选取是否准确。选择青海湖流域为研究区,基于卫星遥感数据资料,利用面向对象分类方法,解译获得流域景观数据,通过重采样得到不同空间粒度的流域景观数据,计算得到不同景观格局指数并绘制各指数与空间粒度之间的关系曲线,识别景观格局指数的尺度效应,评估空间粒度增加而引起的景观格局指数信息损失量,确定流域尺度景观格局分析的最佳空间粒度。结果表明: 流域景观格局指数随着空间粒度增大变化显著,但规律不同; 综合景观指数的空间粒度效应和信息损失量变化特征,流域景观格局分析的最佳空间粒度选择以90 m为最佳。

关键词： 流域 ; 尺度 ; 景观格局 ; 最佳粒度

Abstract

Watershed is the basic and important spatial scale unit of ecosystem. The scientific analysis of watershed scale landscape pattern depends heavily on the accuracy of the selection of the optimal grain size. In this paper, Qinghai Lake watershed was selected as the study area. Based on the object-oriented classification method, the authors interpreted satellite remote sensing data to generate watershed landscape data. Resampling method was used to obtain different spatial grain size watershed landscape data. Then the landscape pattern indexes were calculated and statistical relation curve was drawn between each landscape pattern index and grain size. Thus the scale effect of landscape pattern index could be identified. Finally, landscape pattern index information loss caused by increasing grain size was used to determine the optimum spatial grain size of watershed scale landscape pattern analysis. The result showed watershed landscape pattern index changed significantly with the increase of spatial grain size, but laws of change were different. Taking into account the landscape pattern spatial grain size effect and the change characteristics of information loss, the authors hold that the best spatial grain size choice of watershed landscape pattern analysis was 90 m.

Keywords： watershed ; scale ; landscape pattern ; optimal grain size

PDF (6822KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

翟俊, 侯鹏, 赵志平, 肖如林, 颜长珍, 聂学敏. 青海湖流域景观格局空间粒度效应分析. 国土资源遥感[J], 2018, 30(3): 159-166 doi:10.6046/gtzyyg.2018.03.22

ZHAI Jun, HOU Peng, ZHAO Zhiping, XIAO Rulin, YAN Changzhen, NIE Xuemin. An analysis of landscape pattern spatial grain size effects in Qinghai Lake watershed. REMOTE SENSING FOR LAND & RESOURCES[J], 2018, 30(3): 159-166 doi:10.6046/gtzyyg.2018.03.22

0 引言

随着我国自然生态与环境保护工作的不断深入,流域生态系统已经成为我国生态监管与环境宏观管理的重要调控单元[1]。流域空间的各类生态系统分布及其景观格局直接影响到流域生态系统服务功能、生态系统质量等所有方面的好坏。景观格局反映了不同大小和形状等空间特征的景观要素的空间分布情况,不同景观具有不同景观格局特征。多尺度的自然和社会中普遍存在的空间异质性特征,即尺度问题在景观生态学相关问题研究中至关重要,尺度选择直接关系到结果的可靠性[2,3]。在景观生态学中,尺度通常包括空间粒度(尺度)和时间粒度(幅度)2方面,其中空间粒度表示研究区空间最小可辨识单元所代表的特征长度、面积或者体积。

在空间统计学方法、景观格局指数法和分维分析法等[4,5]景观生态学多尺度分析方法中,景观格局指数法因其高度浓缩景观格局信息,可以较好地反映不同景观要素的空间配置关系而定量衡量景观格局状况的优劣,在河流湿地[6,7]、地形地貌[8]、城市热岛[9]等各类土地利用与景观生态领域得到广泛应用[10,11]。所以许多研究案例通过分析景观格局指数的空间粒度效应来反映景观格局的空间粒度效应,将景观格局指数与空间粒度之间的关系演变为景观尺度效应关系。研究发现不同空间粒度与景观格局指数之间具有显著的尺度效应,且在不同的研究区和研究对象中并不具有普适性[12,13,14,15],如大辽河流域湿地景观格局的最佳分析粒度为60 m[16],黑龙江巴彦县景观格局最佳分析粒度为100 m[17],珠三角城市热岛格局特征的临界粒度为150 m[9]等。因此如何选择最为适宜的空间粒度,从而客观真实的反映出景观格局状况,成为景观生态学的关键问题之一[18,19,20]。国内外学者先后提出了拐点识别法和信息损失评价等方法,从定性评价过渡到定量评价[21,22,23],同时也发展出二者相结合的方法,综合选取最适宜的空间粒度[16],从而在该粒度条件下既能有效反映景观格局,也尽可能减少信息损失,尽量避免和消除尺度效应对景观格局分析的影响。

青海湖流域位于青藏高原东北部,是世界上典型的高寒湿地自然保护地,对于维持青藏高原东北部水源涵养和生物多样性服务功能,以及区域生态安全具有重要作用。相关研究表明,青海湖流域湿地对降水变化更为敏感[24],并且具有较高的水源涵养价值[25]。但不同研究结果中,区域或生态系统的价值估算差异较大[25,26],其数据源的空间尺度或者粒度的差异,是影响评价结果的重要因素之一。然而,目前景观格局尺度或粒度的分析与应用多见于人类活动明显的流域或者城市化区域[9,16-17,22-23,27],对以气候变化为主要影响,并且对维系区域生态安全的青海湖流域,相关研究还很缺乏。本文以青海湖流域为研究区,通过选用一些常用景观格局指数,比较不同指数对空间粒度变化的响应差异,从而识别流域尺度景观格局分析研究中的空间粒度效应,通过综合拐点识别和信息损失评价方法,提出流域尺度景观格局分析的最适宜空间粒度,为统一流域尺度生态服务功能和价值评估的生态指标,实现生态保护监管统一化管理提供参考和依据。

1 资料与方法

1.1 研究区概况

青海湖流域总面积约为2.96万km2,地处青海省西部柴达木盆地、东部湟水谷地、南部江河源头与北部祁连山地的枢纽地带,地势西北高、东南低,流域内地势海拔高差为2 097 m。青海湖流域是青藏高原东北部的特殊生态功能区,在区域生态系统中拥有着重要地位。流域内青海湖为我国最大的咸水湖和内陆湖,对区域气候有着重要的影响。流域位置如图1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   青海湖流域地理位置

Fig.1   Geographical location of Qinghai Lake watershed


1.2 数据源及其面向对象信息提取

选取美国陆地资源卫星Landsat5搭载的TM传感器和我国环境与灾害监测预报小卫星HJ-1卫星搭载的CCD传感器获取的光学卫星遥感数据为主要数据源,空间分辨率均为30 m。在影像分割的基础上,根据不同土地覆被类型的光谱特征,建立卫星遥感影像的分类规则集。对于光谱复杂的类型,采用最邻近方法进行类别划分,从而实现基于面向对象分类方法的地表景观信息提取,得到流域地表实际景观分类信息。通过分层随机抽样和野外采集实地景观类型信息,进行了分类结果精度验证,分类总精度为91%。

1.3 尺度效应分析与最佳粒度选取

对基于遥感解译得到的实际景观信息图像,采用面积最大法进行重采样,获得具有不同空间粒度的景观分类数据。利用FragStats软件计算得到景观格局指数值,绘制不同空间粒度下的指数曲线,分析景观格局指数的尺度效应; 然后,利用拐点法和信息损失评价方法,分析确定最佳(最适宜)的景观格局分析粒度的大小。信息损失评价模型为[16]

P=100×M/AbM=∑i=1nAgi-Abi

式中: P为某一个评价指标的信息损失百分比; M为该评价指标的信息损失总量; Ab为所有景观类型该评价指标的基准数据(30 m空间分辨率)值之和; Agi为第i类景观该评价指标的栅格数据值; Abi为第i类景观该评价指标的基准数据值; n为景观类型的总数目。

2 结果与分析

2.1 景观格局指数的空间粒度效应

由于景观类型数据是基于30 m空间分辨率的卫星数据提取得到的,空间粒度重采样时,以30 m为起始,1 500 m为终点,30 m为间隔,采用面积最大法将景观类型数据栅格化,得到50幅不同栅格大小(空间粒度)的景观类型数据。举例30 m,480 m,930 m,1 200 m和1 500 m空间粒度景观类型分布如图2所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   青海湖流域不同空间粒度景观举例

Fig.2   Examples of landscape in different grain sizes


从流域尺度生态特点出发,结合不同景观格局指数的生态学意义,选取24个具有代表性的景观格局指数,利用FragStats软件分别计算得到不同空间粒度下的景观格局指数值(表1)。

表1   主要景观格局指数及其空间粒度变化的拟合函数

Tab.1  Functions of landscape indexes and grain sizes

景观格局指数拟合函数函数模型R2
景观形状指数幂函数y = 352.61x-0.6280.959 4
边界总长度幂函数y = 2e+8x-0.6450.957 4
边界密度幂函数y = 82.876x-0.6450.957 4
聚集度指数幂函数y = 93.324x-0.1370.994 6
平均斑块分维数幂函数y = 1.064 6x-0.0130.770 5
形状指数平均值幂函数y = 1.465 7x-0.0590.653 9
蔓延度指数幂函数y = 62.387x-0.0930.974 3
景观分割度幂函数y = 0.966 7x-0.0090.397 2
分离度指数幂函数y = 28.556x-0.1670.502 1
斑块数幂函数y = 319 685x-1.2460.933 9
斑块密度幂函数y = 10.78x-1.2460.933 9
面积加权形状指数幂函数y = 33.778x-0.4110.808 7
斑块面积变异系数幂函数y = 10 600x-0.5410.878 3
面积加权平均
斑块分维数		幂函数y = 1.270 4x-0.0290.927 2
平均斑块面积二次函数y = 0.519 8x2 +
5.711 1x + 12.88		0.999 4
边缘面积分维数对数函数y = 0.040 8lnx +
1.483 1		0.820 9
斑块面积标准差线性函数y = 322x + 1 252.10.974 7
平均欧几里得
最近距离		线性函数y = 95.658x - 69.0670.997 6

新窗口打开| 下载CSV


通过绘制不同空间粒度下的景观格局指数曲线,即景观格局指数的空间粒度效应曲线,可以看出,随着空间粒度的变化,流域景观格局指数都有明显的变化,景观格局指数的空间粒度效应呈现出不同的变化特征和规律。总体上,空间粒度效应可以归纳为6类,分别是幂函数、二次函数、对数函数、线性函数、分段函数和稳定且变化幅度增大型。

24个景观格局指数的空间粒度效应中有14个呈现出幂函数下降特征,具体如图3所示。

图3-1

新窗口打开| 下载原图ZIP| 生成PPT

图3-1   典型景观格局指数的空间粒度效应曲线(幂函数型)

Fig.3-1   Statistic curves of different landscape indexes with different grain sizes (power function type)


图3-2

新窗口打开| 下载原图ZIP| 生成PPT

图3-2   典型景观格局指数的空间粒度效应曲线(幂函数型)

Fig.3-2   Statistic curves of different landscape indexes with different grain sizes (power function type)


由图3可知,景观形状指数、边界总长度、边界密度、聚集度指数的空间粒度效应更为相似。与这4个指数相比,平均斑块分维数和形状指数平均值更为相似,2个指数的空间粒度效应在180~240 m之间出现“拐点”,拐点之前降低趋势较为显著,拐点之后降低趋势变缓。蔓延度指数、景观分割度、分离度指数的总体变化趋势与景观形状指数等4个指数相似,但是不同空间粒度条件下的景观格局指数值呈现出一定的摆幅,尤其是景观分割度和分离度指数摆幅较大。斑块数、斑块密度、面积加权形状指数、斑块面积变异系数和面积加权平均斑块分维数等的空间粒度效应特征相似,呈现出随空间粒度变粗,景观格局指数先暂时增长后总体幂函数下降的特点,“拐点”分别出现在60 m,60 m,150 m,150 m和60 m处,并且面积加权形状指数、斑块面积变异系数和面积加权平均斑块分维数等3个指数的下降过程中呈现出一定的波动变化。

随着空间粒度的变化,有4个景观格局指数的空间粒度效应呈现出不同的特征。平均斑块面积呈现出二次多项式函数增长的特点,边缘面积分维数呈现出对数函数增长的特点,斑块面积标准差和平均欧几里得最近距离呈现出线性变化函数增长的特点(图4)。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   典型景观格局指数的空间粒度效应曲线(二次函数、对数函数、线性函数型)

Fig.4   Curves of indexes with different grain sizes (quadratic, logarithmic and linear function)


有6个景观格局指数的空间粒度效应变化无法用函数规律描述。其中,最大斑块指数呈现出分段阶梯式增长的特点,段点位于660 m空间粒度处。斑块丰富度和斑块丰富度密度呈现出分段阶梯式下降的特点,斑块丰富度的断点位于450 m和870 m,斑块丰富度密度的断点位于450 m。景观面积、Shannon多样性指数和Simpson多样性指数等的变化特点相似,趋势基本稳定,但是随着空间粒度的变化,变化幅度愈来愈大(图5)。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   典型景观格局指数的空间粒度效应曲线(分段函数、稳定且变化幅度增大型)

Fig.5   Curves of indexes with different grain sizes (piecewise function and stable type with increasing range of change)


2.2 最佳空间粒度的选取

对于同一流域景观,空间粒度的大小直接影响到景观格局分析结果的科学性和合理性,从而影响到对流域生态系统各组成单元的组成特征和空间配置关系的客观了解,进而影响对流域生态景观的功能和动态过程的理解。基于景观格局指数方法的景观格局分析研究,主要利用不同的景观格局指数从单个斑块、斑块类型和景观水平等3个不同层次的景观格局。研究景观格局指数的生态学意义和计算方法,可以看出相当一部分景观格局指数是基于景观面积、斑块数量和边界长度等斑块类型的基本属性特征信息,基于不同的数学统计方法计算得到的。在一定程度上,可以理解为是景观面积、斑块数量和边界长度的衍生指数。为此,选择景观面积、斑块数量、边界长度为核心指标,基于信息损失评价模型,可以计算得到随着空间粒度变化而引起的信息损失情况,统计曲线如图6所示。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   空间粒度效应引起的景观格局指数信息损失

Fig.6   Information loss of landscape indexes caused by the grain size effect


从统计曲线可以看出,随着空间粒度的变化,景观面积、斑块数和边界总长度3种景观格局指数的信息损失量总体增加,但是变化趋势有所不同。景观面积指数随着空间粒度的增加,信息损失量呈现出线性增加趋势,但是变化幅度远小于其他2个景观格局指数的信息损失量,第一个显著的拐点出现在150~210 m处,信息损失量仅为0.08%。斑块数量和边界总长度景观格局指数信息损失量呈现出对数增加趋势,二者的变化幅度远远大于景观面积指数的变化幅度。斑块数量和边界长度的信息损失量曲线在150~180 m之间有个交点。在该点之前,边界长度指数的信息损失量总体大于斑块数量的信息损失量,且二者都在60 m和90 m处出现了明显拐点; 在该点之后,斑块数量的信息损失量大于边界长度指数的信息损失量,并且呈现出再次相交的趋势特征。考虑随着粒度减小,数据量呈现级数增长,降低计算效率[21],因此综合3种景观格局指数信息损失量的变化特征,青海湖流域景观格局分析的空间粒度以90 m为最佳选择。

3 结论

流域是生态系统中的一个重要尺度和基本单元,空间粒度效应分析及最佳空间粒度选取是流域尺度景观格局分析与评价的关键。本文以青海湖流域为研究区,通过卫星遥感的面向对象分类方法解译获得景观类型数据,以30 m为起始,1 500 m为终点,30 m为间隔,得到不同空间粒度下的景观类型数据,利用FragStats软件计算得到景观面积等24个景观格局指数,绘制不同空间粒度下的景观格局指数曲线,分析景观格局指数的尺度效应。综合考虑景观格局指数—空间粒度之间的统计曲线和信息损失情况,利用拐点法和信息损失评价方法,从而确定最佳(最适宜)的景观格局分析粒度的大小。结果表明:

1)随着空间粒度的变化,流域景观格局指数都有明显的变化,景观格局指数的空间粒度效应呈现出不同的变化特征和规律。总体上,空间粒度效应可以归纳为6类,分别是幂函数下降、二次多项式函数增长、对数函数增长、线性函数增长、分段阶梯函数下降或增长、稳定且变化幅度增大型。空间粒度效应以幂函数下降为主,24个景观格局指数中有14个呈现出这种特征。

2)景观面积、斑块数和边界总长度等3种景观格局指数的信息损失量总体增加,但是变化趋势有所不同。随着空间粒度的变大,景观面积指数信息损失量呈现出线性增加趋势,斑块数量和边界长度景观格局指数信息损失量呈现出对数增加趋势,且二者的变化幅度远远大于景观面积指数的变化幅度。综合3种景观格局指数信息损失量的变化特征,流域景观格局分析的空间粒度以90 m为最佳选择。

参考文献

侯鹏, 王桥, 王昌佐 , 等.

流域土地利用/土地覆被变化的生态效应

[J] 地理研究, 2011,30(11):2092-2098.

[本文引用: 1]

Hou P, Wang Q, Wang C Z , et al.

Ecological effect of land-use and land-cover change in a watershed scope

[J] Geographical Research, 2012,30(11):2092-2098.

[本文引用: 1]

邬建国 .

景观生态学中的十大研究论题

[J]. 生态学报, 2002,24(9):2074-2076.

DOI:10.3321/j.issn:1000-0933.2004.09.033      URL     [本文引用: 1]

近年来 ,景观生态学在理论、方法及应用诸方面均取得了长足发展。但作为一个迅速发展中的学科 ,景观生态学尚面临着许多新的问题和挑战。基于两次相关论题的国际研讨会 ,概述当今景观生态学十大研究论题 ,以促进国内该学科的全面发展。

Wu J G .

The key research topics in landscape ecology

[J]. Acta Ecologica Sinica, 2002,24(9):2074-2076.

[本文引用: 1]

Gustafson E J .

Quantifying landscape spatial pattern:What is the state of the art?

[J]. Ecosystems, 1998,1(2):143-156.

DOI:10.1007/s100219900011      URL     [本文引用: 1]

张娜 .

生态学中的尺度问题:内涵与分析方法

[J]. 生态学报, 2006,26(7):2340-2355.

Magsci     [本文引用: 1]

尺度问题已成为现代生态学的核心问题之一。尺度问题主要涉及3个方面：尺度概念、尺度分析和尺度推绎。主要评述前两个方面。生态学尺度有三重概念：维数、种类和组分，其中每重概念又包含了多个定义，有必要进行澄清、分类和统一。尺度分析涉及尺度效应分析和多尺度空间格局分析。格局、过程及它们之间的关系，以及某些景观特性均表现出尺度效应，因此多尺度研究非常必要和重要。多尺度空间格局分析（尤其是特征尺度的识别）是进行尺度效应分析和跨尺度推绎的基础。多尺度分析需要特定的方法，景观指数法是最常用和最简单的方法，但也常产生误导；空间统计学方法（如半方差分析法、尺度方差分析法、空隙度指数法和小波分析法等）和分维分析法在最近十几年发展起来，并逐渐应用于生态学，在尺度分析上具有很大的应用潜力。各种方法在尺度分析上各有优势和不足，有必要同时使用两种或两种以上方法进行比较和评估。总之，有关尺度分析的研究需要进一步加强，从而为下一步的尺度推绎提供可靠的依据。

Zhang N .

Scale issues in ecology:Concepts of scale and scale analysis

[J]. Acta Ecologica Sinica, 2006,26(7):2340-2355.

Magsci     [本文引用: 1]

邬建国 . 景观生态学——格局、过程、尺度与等级[M]. 2版.北京: 高等教育出版社, 2007: 95-152.

[本文引用: 1]

Wu J G .Landscape Ecology Pattern, Process,Scale and Hierarchy[M].2nd ed. Beijing: Higher Education Press, 2007: 95-152.

[本文引用: 1]

宗秀影, 刘高焕, 乔玉良 , 等.

黄河三角洲湿地景观格局动态变化分析

[J]. 地球信息科学学报, 2009,11(1):91-97.

DOI:10.3969/j.issn.1560-8999.2009.01.014      URL     Magsci     [本文引用: 1]

在RS和GIS技术的支持下,以黄河三角洲1986,1996,2006年的三期TM影像为数据源,利用遥感图像处理软件对近代黄河三角洲湿地信息进行了提取.借助于地理信息系统软件和景观生态学软件,我们对20年来黄河三角洲湿地景观格局的动态变化,以及影响其格局动态变化的驱动力进行了分析.结果表明:(1)近20年来,人工湿地面积有了大幅度的增加,而天然湿地的比重在降低.其中,滩涂和柽柳灌草丛景观明显萎缩.(2)一些重要的景观格局指数的计算结果表明,20世纪90年代以来,黄河三角洲湿地景观斑块个数、香农多样性指数、香农均匀度指数一直在增加.黄河三角洲湿地景观的破碎化程度在加剧,斑块类型更加多样化,湿地景观中没有明显的优势类型且各斑块类型在景观中均匀分布.(3)湿地与湿地、湿地与非湿地之间发生着类型转化.其中,18.1%的芦苇草甸转化为农田;26.6%的翅碱蓬草甸转化为盐田;11.9%的芦苇沼泽转化为芦苇草甸.(4)在黄河三角洲湿地演化的过程中,受到自然和人为方面演化驱动力的共同作用.其中,自然因素主要有:黄河断流、泥沙淤积和自身演替动力等.人为驱动力主要为农田开垦、滩涂的开发与围垦、油田开发和人工建筑等.

Zong X Y, Liu G H, Qiao Y L , et al.

Study on dynamic changes of wetland landscape pattern in Yellow River delta

[J]. Journal of Geo-Information Science, 2009,11(1):91-97.

Magsci     [本文引用: 1]

张帅, 邵全琴, 刘纪远 , 等.

黄河源区玛多县土地利用/覆被及景观格局变化的遥感分析

[J]. 地球信息科学, 2007,9(4):109-115,128.

[本文引用: 1]

Zhang S, Shao Q Q, Liu J Y , et al.

Land use and landscape pattern change in Madoi County,the source region of Yellow River

[J]. Geo-Information Science, 2007,9(4):109-115,128.

[本文引用: 1]

毕如田, 高艳 .

典型地貌景观指数的多尺度效应分析——以山西省运城市为例

[J]. 地球信息科学学报, 2012,14(3):338-343.

DOI:10.3724/SP.J.1047.2012.00338      URL     Magsci     [本文引用: 1]

景观指数作为定量描述景观特征的指数,具有明显的尺度效应。进行景观指数的尺度效应研究,对进一步理解格局与尺度之间的关系具有重要意义。本文以TM影像为基础,选择山西省运城市平原、丘陵、山地及综合地貌4种不同地貌类型,对7个常用景观指数进行了多尺度效应分析。结果表明:不同地形上斑块密度(PD)、景观形状指数(LSI)、结合度(COHESION)3个指数有明显的粒度效应,随粒度的增加呈现逐渐减少的变化趋势;最大斑块指数(LPI)、周长面积比分维数(PAFRAC)、景观聚集度(CONTAG)和Shannon多样性指数(SHDI)4个指数随粒度的增加几乎不发生变化。不同地貌的景观指数随幅度的变化规律比较复杂,景观形状指数(LSI)随幅度的增加呈现逐渐增加的趋势,其余6个指数在较小幅度范围内变化比较复杂,但随着幅度的增大有逐渐趋于平稳的趋势。针对研究区不同地貌类型,其景观指数在不同粒度和幅度下有较大区别,可以根据景观指数值的大小来区分地貌的复杂程度。

Bi R T, Gao Y .

Analysis of multi-scale effect of landscape indices of classical landforms in Yuncheng City,Shanxi Province

[J]. Journal of Geo-Information Science, 2012,14(3):338-343.

Magsci     [本文引用: 1]

郭冠华, 陈颖彪, 魏建兵 , 等.

粒度变化对城市热岛空间格局分析的影响

[J]. 生态学报, 2012,32(12):3764-3772.

DOI:10.5846/stxb201107181068      URL     Magsci     [本文引用: 3]

尺度是景观格局和生态过程研究中的关键问题。综合目前城市热岛效应研究来看,景观格局指数的引入极大推进了热岛格局的定量研究,然而其尺度效应仍未得到重视。由于热岛空间格局与形成过程的复杂性和人类认识的局限性,对其尺度问题有待深入讨论。基于Landsat TM影像反演地表温度,采用均值-标准差分类方法划分热力等级,对珠三角城市热岛格局特征的粒度效应进行了研究。结果显示:随粒度增加,弱势热力斑块类型下降,向相邻斑块转移;景观指数在类型水平和景观水平均受空间粒度影响明显,"临界粒度"现象明显;总体而言,粒度150 m是城市热岛格局特征的临界粒度,对热岛格局进行景观指数计算的适宜粒度范围为30-150 m;不同景观指数粒度效应曲线有所差异,其中斑块密度和平均分维数在两个水平指数上都有较强的规律性;根据各景观指数变化特征,研究区尺度域主要在(30 m,150 m),表明在该尺度范围内构建的热岛效应预测模型可经简单推绎后使用。分析热岛格局随空间粒度变化特征对了解热岛格局的形成机制及进行尺度推绎具有重要意义。

Guo G H, Chen Y B, Wei J B , et al.

Impacts of grid sizes on urban heat island pattern analysis

[J]. Acta Ecologica Sinica, 2012,32(12):3764-3772.

Magsci     [本文引用: 3]

孙晓宇, 苏奋振, 吕婷婷 , 等.

珠江口西岸土地利用景观格局变化及驱动力分析

[J]. 地球信息科学学报, 2009,11(4):436-441.

DOI:10.3969/j.issn.1560-8999.2009.04.005      URL     Magsci     [本文引用: 1]

通过目视解译获取了珠海市沿海区域1995、2000和2003年的土地利用数据。利用ArcGIS软件获取了各种土地利用类型的面积变化数据,以及由模型运算得到不同时期研究区的土地利用分维度、分离度、破碎度、多样性等景观指数,对不同时期的土地利用面积变化,以及各景观指数的变化机理进行了分析。结果表明,珠江口西岸的土地利用变化主要表现为耕地面积不断减少,尤其2000年以后减少的更为剧烈;而林地、建设用地、水域的面积相应的有不同程度的增长。土地利用格局的变化,致使景观指数的变化,诸如,2003年的分离度、分维度等都高于前两个时期,而土地利用多样性指数也逐年增长。造成这些变化的主要驱动力有人口的增长,对土地经济效益的追求,政府政策的影响以及海岸带的区位优势等。

Sun X Y, Su F Z, Lyu T T , et al.

Analysis on landscape spatial pattern changes of land use and its driving forces in coastal zone of western Pearl River estuary

[J]. Journal of Geo-Information Science, 2009,11(4):436-441.

Magsci     [本文引用: 1]

王思远, 刘纪远, 张增祥 , 等.

近10年中国土地利用格局及其演变

[J]. 地理学报, 2002,57(5):523-530.

DOI:10.3321/j.issn:0375-5444.2002.05.003      URL     [本文引用: 1]

在遥感技术与GIS技术的支持下。通过1:10万中国土地利用数据库经过分层提取,生成中国土地利用类型空间分布格局数据库,在此基础上对中国土地利用空间格局进行了分析;而后在引入景观多样性指数、优势度指数、均匀度指数、破碎度指数以及土地利用重心迁移模型和景观类型转移模型的基础上,对中国土地利用景观格局及其空间演变模式进行了定量分析。研究结果表明:10年间,中国耕地重心向北偏东偏移20.93km左右,林地重心向南偏西移动20.35km,草地重心向南偏西方向迁移了18.45km,建设用地重心向南偏东移动,而未利用地重心则向西北偏移7.21km。

Wang S Y, Liu J Y, Zhang Z X , et al.

Spatial pattern change of land use in China in recent 10 years

[J]. Acta Geographica Sinica, 2002,57(5):523-530.

[本文引用: 1]

申卫军, 邬建国, 林永标 , 等.

空间粒度变化对景观格局分析的影响

[J]. 生态学报, 2003,23(12):2506-2519.

DOI:10.3321/j.issn:1000-0933.2003.11.003      URL     Magsci     [本文引用: 1]

认识空间异质性的多尺度依赖性和景观格局特征对尺度效应关系的影响是进行空间尺度推绎的基础。以 2种真实景观 (中国广东粤北植被景观与美国凤凰城城市景观 )和 SIMMAP景观中性模型产生的 2 7种模拟景观为对象 ,利用景观格局分析软件 FRAGSTATS对 1 8种常用景观指数的尺度效应进行了系统的分析。根据这些指数对空间粒度变化的响应曲线和尺度效应关系 ,1 8种景观指数可分为 3类。第 1类指数随空间粒度的增大单调减小 ,具有比较明确的尺度效应关系 (幂函数下降 ) ,尺度效应关系受景观空间格局特征的影响较小 ;这类指数包括缀块数、缀块密度、边界总长、边界密度、景观形状指数、缀块面积变异系数、面积加权平均缀块形状指数、平均缀块分维数和面积加权平均缀块分维数。第 2类指数随空间粒度的增大将最终下降 ,但不是单调下降的 ;尺度效应关系比较多样 ,可表现为幂函数下降、直线下降或阶梯形下降 ,主要受缀块空间分布方式和缀块类优势度的交互影响 ;这类指数有 5种 :平均缀块形状指数、双对数回归分维数、缀块丰度、缀块丰度密度和 Shannon多样性指数。第 3类指数随空间粒度的变粗而增加 ,随缀块类优势度均等性的增加，随缀块类优势度均等性的增加，尺度效应关系由阶梯形增加、对数函数增加、直线增加向幂函数增加过渡，尺度效应关系主要受缀块类优势度的影响；此类指数包括平均缀块面积、缀块面积标准差、最大缀块指数与聚集度。景观指数随空间粒度变化是一种临界现象，当粒度大于或小于临界值时，景观指数对空间粒度变化非常敏感，变化速率非常大。绝大部分情况下，真实景观粒度效应关系和曲线形状与模拟景观所得分析结果相似，说明模拟景观具有很好的代表性。文中也讨论了本研究结果与前人研究的异同，分析了造成差异的原因。景观指数的粒度效应关系与指数本身所反映的景观格局信息有一定关系，总体上来说，随粒度增加，缀块数、边界长度、缀块形状的复杂性、多样性将减小，而平均缀块面积和聚集度将增加。一系列的尺度效应图和不同景观指数的尺度效应关系可作为景观格局分析的指数选择、分析结果的解释和进行空间尺度推绎的参考。

Shen W J, Wu J G, Lin Y B , et al.

Effects of changing grain size on landscape pattern analysis

[J]. Acta Ecologica Sinica, 2003,23(12):2506-2519.

Magsci     [本文引用: 1]

Turner M G, O’Neill R V,Gardner R H ,et al.

Effects of changing spatial scale on the analysis of landscape pattern

[J]. Landscape Ecology, 1989,3(3/4):153-162.

DOI:10.1007/BF00131534      URL     [本文引用: 1]

The purpose of this study was to observe the effects of changing the grain (the first level of spatial resolution possible with a given data set) and extent (the total area of the study) of landscape data on observed spatial patterns and to identify some general rules for comparing measures obtained at different scales. Simple random maps, maps with contagion ( i.e. , clusters of the same land cover type), and actual landscape data from USGS land use (LUDA) data maps were used in the analyses. Landscape patterns were compared using indices measuring diversity ( H ), dominance ( D ) and contagion ( C ). Rare land cover types were lost as grain became coarser. This loss could be predicted analytically for random maps with two land cover types, and it was observed in actual landscapes as grain was increased experimentally. However, the rate of loss was influenced by the spatial pattern. Land cover types that were clumped disappeared slowly or were retained with increasing grain, whereas cover types that were dispersed were lost rapidly. The diversity index decreased linearly with increasing grain size, but dominance and contagion did not show a linear relationship. The indices D and C increased with increasing extent, but H exhibited a variable response. The indices were sensitive to the number ( m ) of cover types observed in the data set and the fraction of the landscape occupied by each cover type ( P k ); both m and P k varied with grain and extent. Qualitative and quantitative changes in measurements across spatial scales will differ depending on how scale is defined. Characterizing the relationships between ecological measurements and the grain or extent of the data may make it possible to predict or correct for the loss of information with changes in spatial scale.

Wu J G, Shen W J, Sun W Z , et al.

Empirical patterns of the effects of changing scale on landscape metrics

[J]. Landscape Ecology, 2002,17(8):761-782.

DOI:10.1023/A:1022995922992      URL     [本文引用: 1]

While ecologists are well aware that spatial heterogeneity is scale-dependent, a general understanding of scaling relationships of spatial pattern is still lacking. One way to improve this understanding is to systematically examine how pattern indices change with scale in real landscapes of different kinds. This study, therefore, was designed to investigate how a suite of commonly used landscape metrics respond to changing grain size, extent, and the direction of analysis (or sampling) using several different landscapes in North America. Our results showed that the responses of the 19 landscape metrics fell into three general categories: Type I metrics showed predictable responses with changing scale, and their scaling relations could be represented by simple scaling equations (linear, power-law, or logarithmic functions); Type II metrics exhibited staircase-like responses that were less predictable; and Type III metrics behaved erratically in response to changing scale, suggesting no consistent scaling relations. In general, the effect of changing grain size was more predictable than that of changing extent. Type I metrics represent those landscape features that can be readily and accurately extrapolated or interpolated across spatial scales, whereas Type II and III metrics represent those that require more explicit consideration of idiosyncratic details for successful scaling. To adequately quantify spatial heterogeneity, the metric-scalograms (the response curves of metrics to changing scale), instead of single-scale measures, seem necessary.

Wu J G .

Effects of changing scale on landscape pattern analysis:Scaling relations

[J]. Landscape Ecology, 2004,19(2):125-138.

DOI:10.1023/B:LAND.0000021711.40074.ae      URL     [本文引用: 1]

于磊, 赵彦伟, 张远 , 等.

基于最佳分析粒度的大辽河流域湿地景观格局分析

[J]. 环境科学学报, 2011,31(4):873-879.

URL     Magsci     [本文引用: 4]

湿地景观格局分析是湿地生态和全球变化研究领域的热点,最佳分析粒度是景观格局分析准确性的关键指标.定性与定量相结合,综合利用景观指数粒度效应分析和信息损失评价,确定了大辽河流域湿地景观格局的最佳分析粒度为60m.在该粒度下,选取反映空间组成和空间构型的指数,进行湿地景观格局分析.结果表明:①大辽河流域湿地景观主体为水田、河流和沼泽景观,水田景观最多,人工湿地景观优势明显,平均斑块面积很小的湿地景观类型普遍存在,湿地景观受人类干扰程度较大;②河流、水库形状复杂,水田、湖泊形状相对规整,水库、水田聚集度较高,鱼塘和滩地聚集度较低,湿地景观整体形状复杂,聚集度不高,破碎化程度较重.

Yu L, Zhao Y W, Zhang Y , et al.

Landscape pattern analysis of wetlands in the Daliaohe Watershed,based on optimal grain size

[J]. Acta Scientiae Circumstantiae, 2011,31(4):873-879.

Magsci     [本文引用: 4]

郭琳, 宋戈, 张远景 , 等.

基于最佳分析粒度的巴彦县土地利用景观空间格局分析

[J]. 资源科学, 2013,35(10):2052-2060.

URL     [本文引用: 2]

适宜的分析粒度是保证土地利用景观格局分析准确的重要环节.本文以黑龙江省巴彦县为研究区,应用遥感、GIS手段及景观指数法,探讨景观指数随分析粒度变 化效应,综合面积精度损失评价,确定最佳分析粒度.从景观要素空间组成、空间形态、空间关系及空间构型4个方面分析研究区土地利用景观空间格局.结果表 明:部分景观指数与粒度可拟合为数学函数关系,并确定最佳分析粒度为100m；研究区主要土地利用景观类型为旱地和林地,旱地景观优势明显,是基质景观； 水域空间形态最复杂,林地、旱地等农业用地景观形状较不规则,建设用地和园地形状最简单；旱地、建设用地分布很均匀,水田、其他用地分布较合理,各乡镇间 林地、草地及水域分布差异较大,园地分布差距极悬殊且斑块间分布离散；景观整体主要由团聚的大斑块组成,异质性小,形状复杂程度适中,破碎化程度不严重, 稳定性差,不利于现状土地利用景观空间格局的维持.

Guo L, Song G, Zhang Y J , et al.

Land-use spatial analysis for Bayan County based on optimal grain size

[J]. Resources Science, 2013,35(10):2052-2060.

[本文引用: 2]

王艳芳, 沈永明, 陈寿军 , 等.

景观格局指数相关性的幅度效应

[J], 生态学杂志, 2012,31(8):2091-2097.

Magsci     [本文引用: 1]

以TM遥感图像为数据源，选择江苏盐城大丰地区一块1764 km<sup>2</sup>的研究区,运用地理信息系统技术处理得到该研究区的景观类型图,选取景观水平上4种类型的32个景观指数进行计算,分析了不同幅度对景观指数间相关关系的影响。结果表明：随着研究幅度由0.5 km到14 km的逐渐增加, 同类型景观指数间相关性幅度效应最为显著的为面积、周长、密度指数，其次是蔓延度、指数和形状指数，最后是多样性指数；不同类型景观指数间相关关系的幅度效应中，面积、周长、密度指数与其他类型指数间的相关关系较好，形状指数与多样性指数间的相关性则较差；且大部分景观指数间相关关系发生质变的空间幅度为3 km&times;3 km后，且随着研究幅度的增加，大部分发生质变的指数逐渐表现出不相关。该研究为不同幅度下景观指数的选取提供了参考。

Wang Y F, Shen Y M, Chen S J , et al.

Range effect of the correlations among landscape metrics

[J], Chinese Journal of Ecology, 2012,31(8):2091-2097.

Magsci     [本文引用: 1]

游丽平, 林广发, 杨陈照 , 等.

景观指数的空间尺度效应分析——以厦门岛土地利用格局为例

[J]. 地球信息科学, 2008,10(1):74-79.

[本文引用: 1]

You L P, Lin G F, Yang C Z , et al.

The effects of spatial scales on landscape indices——A case study of the landuse pattern of Xiamen Island

[J]. Geo-Information Science, 2008,10(1):74-79.

[本文引用: 1]

陈利顶, 傅伯杰, 徐建英 , 等.

基于"源-汇"生态过程的景观格局识别方法——景观空间负荷对比指数

[J]. 生态学报, 2003,23(11):2406-2413.

DOI:10.3321/j.issn:1000-0933.2003.11.025      URL     Magsci     [本文引用: 1]

正确理解景观格局与生态过程的关系是进一步深化景观生态学研究的关键 ,但是由于景观格局和生态过程涉及到不同的研究尺度 ,并且随着尺度的变化而变化 ,加上面状生态过程监测数据无法直接获得 ,导致很难定量描述景观格局与生态过程之间的关系。本文以非点源污染作为研究的典型生态过程 ,通过分析不同景观类型及其空间分布格局在非点源污染形成过程中的地位和作用 ,借用洛伦兹曲线的理论 ,从距离、相对高度和坡度三个方面建立了不受尺度限制的景观格局评价模型——景观空间负荷对比指数。该指数可以较好地将具有面状特性的景观格局与点状监测数据有机地结合在一起 ,使定量研究流域景观格局与生态过程的关系成为可能。该评价模型的特点有以下几个 :1不受空间尺度的限制 ,具有跨尺度的功能 ;2适宜于环境背景 (降雨和土壤等 )相似的地区 ;3景观空间负荷对比指数具有相对比较意义 ,其值越大 ,表示该类景观空间格局对流域出口监测点的贡献越大 ,反之越小 ;4景观空间负荷对比指数不能用来预测流域出口监测点非点源污染或水土流失的值 ,但是可以通过比较计算不同流域景观空间负荷对比指数 ,来判断流域发生养分 (水土 )流失的危险性。

Chen L D, Fu B J, Xu J Y , et al.

Location-weighted landscape contrast index:A scale independent approach for landscape pattern evaluation based on "Source-Sink" ecological processes

[J]. Acta Ecologica Sinic, 2003,23(11):2406-2413.

Magsci     [本文引用: 1]

崔步礼, 常学礼, 左登华 , 等.

沙地景观中矢量数据栅格化方法及尺度效应

[J]. 生态学报, 2009,29(5):2463-2472.

URL     Magsci     [本文引用: 2]

针对景观生态学研究中的数据转换（矢量数据转换为栅格数据）问题，从斑块面积、周长、数量对转换方法及尺度的响应角度进行了详尽的分析。以库布齐沙漠地区的2003年1∶10万的矢量数据为例，转换尺度以10m为起点，200m为终点，10m为间隔，利用最大面积值方法（RMA）和中心属性值方法（RCC）两种转换方法分别进行栅格化，讨论了面积、周长、斑块数量对不同尺度及不同转换方法的响应，同时还讨论了运算时间对转换方法及尺度的响应。得出了“30m大小的转换尺度为最佳尺度，最大面积值方法（RMA）优于中心属性值方法（RCC）”的结论。

Cui B L, Chang X L, Zuo D H , et al.

Rasterizing vector data and its scaling effect for a sand landscape

[J]. Acta Ecologica Sinic, 2009,29(5):2463-2472.

Magsci     [本文引用: 2]

吕志强, 吴志峰, 张景华 .

基于最佳分析尺度的广州市景观格局分析

[J]. 地理与地理信息科学, 2007,23(4):89-92.

[本文引用: 2]

Lyu Z Q, Wu Z F, Zhang J H .

Landscape pattern analysis of Guangzhou based on optimization-scale

[J]. Geography and Geo-Information Science, 2007,23(4):89-92.

[本文引用: 2]

郑建蕊, 蒋卫国, 周廷刚 , 等.

洞庭湖区湿地景观指数选取与格局分析

[J]. 长江流域资源与环境, 2010,19(3):305-310.

Magsci     [本文引用: 2]

<p>在遥感与地理信息系统的支持下，从2000年的LANDSAT TM影像中提取洞庭湖湿地信息，结合景观结构分析软件FRAGSTATS计算湿地景观指数，采用主成分分析法与方差矩阵分析法选取最能表征湿地结构及功能的核心景观指数，分析洞庭湖区湿地的景观结构特征及功能状态。研究表明：Shannon多样性指数、斑块面积标准差、斑块丰富度密度与景观类型平均分维度最能反应湿地景观的信息及特征；研究区景观格局的空间差异性与组织结构状态具有明显的不均衡性，湿地景观类型比例不均，水田与湖泊景观优势显著；以洞庭湖核心区滨湖的县市和远离湿地核心区的县市为两大群体，在景观格局复杂性和多样性状态中表现出两大群体相似的特征。</p>

Zheng J R, Jiang W G, Zhou T G , et al.

Selection of wetland landscape indices and analysis of landscape pattern in Dongting Lake area

[J]. Resources and Environment in the Yangtze Basin, 2010,19(3):305-310.

Magsci     [本文引用: 2]

邢宇 .

青藏高原32年湿地对气候变化的空间响应

[J]. 国土资源遥感, 2015,27(3):99-107.doi: 10.6046/gtzyyg.2015.03.17.

Magsci     [本文引用: 1]

青藏高原是全球气候变化敏感区,其湿地状况对该区的生态安全有重要影响。基于1975年MSS,1990年TM,2000年ETM和2006年CBERS遥感数据,建立4大类10亚类湿地的遥感解译标志; 通过目视和人机交互解译,结合多年野外调查资料,获取4期湿地信息数据; 经过Kriging空间插值处理获得1962-2007年青藏高原每一年的年平均降水和气温空间数据; 应用ArcInfo软件进行Grid计算,以遥感数据的时相分布图为控制层,分别生成4期气温镶嵌图和降水镶嵌图; 使用AML宏语言实现湿地变化与气候因子(温度和降水)基于像元的相关分析、偏相关分析和复相关分析,在空间上定量分析湿地变化与气候变化的响应关系。结果表明: 青藏高原1975-2000年湿地总面积持续减少,2000年后有所回升; 以干燥为主要特征的柴达木流域、祁连山区及黄河流域的湿地变化对降水变化的响应较敏感; 在青藏高原整体升温、尤其是低温地区增温幅度较大的情况下,以冰川融水作为补给的湿地对气温变化的响应较为敏感。

Xing Y .

Spatial responses of wetland change to climate in 32 years in Qinghai-Tibet Plateau

[J]. Remote Sensing for Land and Resources, 2015,27(3):99-107.doi: 10.6046/gtzyyg.2015.03.17.

Magsci     [本文引用: 1]

江波, 张路, 欧阳志云 .

青海湖湿地生态系统服务价值评估

[J]. 应用生态学报, 2015,26(10):3137-3144.

URL     Magsci     [本文引用: 2]

<div style="line-height: 150%">青海湖是我国最大的内陆高原咸水湖，为社会提供了多项生态系统服务．开展青海湖湿地生态系统服务价值评估能用直观的经济数据揭示青海湖湿地生态系统对受益者的直接贡献，使青海湖湿地生态保护被纳入经济效益权衡的决策分析中.本文根据青海湖湿地生态系统特征及其所在区域社会经济特征，确定了青海湖湿地生态系统最终服务价值评估指标体系，并以2012年为基础年，综合运用市场价值法、替代成本法、区域旅行费用模型、条件价值法等方法定量评估了青海湖湿地生态系统提供给受益者的生态经济价值.结果表明： 2012年青海湖湿地生态系统最终服务总价值为6749.08亿元，其中，水源涵养和气候调节价值分别为4797.57亿元和1929.34亿元，分别占总价值的71.1% 和 28.6%.对所评估的8项最终服务按其价值大小排序为:水源涵养&gt;气候调节&gt;休闲娱乐&gt;非使用价值&gt;释氧&gt;原材料生产&gt;固碳&gt;食物生产.评估结果用直观的数字揭示了青海湖湿地生态系统对受益者的巨大贡献，不仅能提高管理者和公众的湿地保护认知，也为生态补偿标准制定提供了数据基础.评估指标体系为区分湿地生态系统中间服务（功能）和最终服务、开展湿地生态系统最终服务动态评估和优化管理提供了重要方向.</div><div style="line-height: 150%">&nbsp;</div>

Jiang B, Zhang L, Ouyang Z Y .

Ecosystem services valuation of Qinghai Lake

[J]. Chinese Journal of Applied Ecology, 2015,26(10):3137-3144.

Magsci     [本文引用: 2]

姜翠红, 李广泳, 程滔 , 等.

青海湖流域生态服务价值时空格局变化及其影响因子研究

[J]. 资源科学, 2016,38(8):1572-1584.

DOI:10.18402/resci.2016.08.15      URL     Magsci     [本文引用: 1]

生态系统服务价值核算对于环境可持续性、人类福祉与经济发展分析、政策框架制定具有重要参考意义。 本研究选取以高寒草地为主要覆盖类型的青海湖流域为研究区域,采用从植被茂盛程度和提供生态服务的有效时间两个维度修正后的EGESV模型,分别对青海湖流域2000年、2012年生态服务价值进行评估并分析了其空间格局变化特征及其影响因子。研究结果表明,2012年青海湖流域内各覆盖类型提供的生态服务价值总量为157.93亿元,比2000年增加了1.24亿元。2000年各覆盖类型提供的生态服务价值总量呈现水域&#x0003E;草地&#x0003E;森林&#x0003E;农田&#x0003E;荒漠&#x0003E;城镇,2012年荒漠生态服务价值总量超过农田的生态服务价值总量。不同的土地覆盖类型空间格局在整体空间上决定着青海湖流域生态服务价值空间格局的异质性。由于草地生态系统内部植被茂盛程度、生长季长度的差异,生态服务价值在空间上整体呈现纬度地带性,部分区域表现出垂直地带性变化特征。受人类活动、气候变化的双重干扰,流域内生态服务价值空间格局变化明显,呈现部分地区高生态服务价值的集聚化分布向均匀化转变,草地生态服务价值在空间上整体升高,青海湖高生态服务价值区域范围扩张。人类活动干扰下的土地利用变化是流域内生态服务价值总量降低的主要原因,而气候变化对流域生态系统的潜在影响利于流域生态服务价值总量的增加。该研究结果可为政府制定气候变化趋势下青海湖流域生态环境保护政策提供科学的依据。

Jiang C H, Li G Y, Cheng T , et al.

Spatial-temporal pattern variation and impact factors of ecosystem service values in the Qinghai Lake Watershed

[J]. Resources Science, 2016,38(8):1572-1584.

Magsci     [本文引用: 1]

杨娅楠, 王金亮, 陈光杰 , 等.

抚仙湖流域土地利用格局与水质变化关系

[J]. 国土资源遥感, 2016,28(1):159-165.doi: 10.6046/gtzyyg.2016.01.23.

URL     Magsci     [本文引用: 1]

<p>抚仙湖是我国水质较好的大型淡水湖泊之一,其总体水质为Ⅰ类。近年来由于流域内开发强度增加,水体水质呈现下降的趋势。为探究流域土地利用变化可能对湖泊水质产生的影响,利用1992-2010年的Landsat TM和ETM<sup>+</sup>数据,结合GIS技术和统计学方法,分析了流域内土地利用及景观格局变化与湖泊水质的响应关系。研究结果显示:抚仙湖水体面积缩小,流域内林地和耕地面积总体呈减小趋势,与水质污染指数变化呈显著负相关;交通运输用地和建设用地增长迅速,与水质污染指数响应呈显著正相关;景观斑块数目、形状指数等景观格局指数增加,流域景观格局破碎化加重,与水质污染指数变化呈显著正相关;土地利用及景观格局指数可以作为研究抚仙湖水质变化的重要指标。</p>

Yang Y N, Wang J L, Chen G J , et al.

Relationship between land use pattern and water quality change in Fuxian Lake basin

[J]. Remote Sensing for Land and Resources, 2016,28(1):159-165.doi: 10.6046/gtzyyg.2016.01.23.

Magsci     [本文引用: 1]

/

〈 〉

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发