基于移动窗口分析法的矿区景观格局时空演变研究

图1 研究区2007年、2013年和2017年景观类型图、剖面线设置与样本点分布情况

Fig.1 Landscape type, transect setting and sample point distribution in study area in 2007, 2013 and 2017

表1 分类精度评价

Tab.1 Precision evaluation of classified results

景观类型	2007年		2013年		2017年
景观类型	用户精度/%	制图精度/%	用户精度/%	制图精度/%	用户精度/%	制图精度/%
灌草地	85.88	88.29	88.68	95.84	80.81	79.66
林地	87.04	92.65	88.14	98.02	86.53	96.91
工矿用地	93.00	97.41	91.05	98.74	89.88	95.81
耕地	93.64	96.27	90.07	95.02	97.78	94.02
居民地	86.54	89.87	87.31	98.35	96.31	95.05
水体	87.04	82.65	92.46	100.00	100.00	100.00
Kappa系数	0.89		0.91		0.91

新窗口打开| 下载CSV

样本点由Google Earth影像目视解译得到,尽量保证其分布均匀且覆盖全区。将目视解译、全球定位系统(global positioning system,GPS)实地定位采样结果与企业提供的土地规划图等数据相结合,确定样本点的实际景观类型。由于灌草地与耕地、工矿用地与居民地容易被相互错分,因此选取样本点较多,650个样本点中,共选取150个灌草地样本点、120个耕地样本点、100个林地样本点、120个工矿用地样本点、120个居民地样本点及40个水体样本点。验证结果显示,面向对象分类法对各景观类型的分类精度均高于75%,3期景观类型图Kappa系数均大于0.85,显示出分类结果与实际景观的良好一致性,能够满足研究需要。随后在景观类型矢量图的基础上,利用景观指数粒度效应分析法^[3,21-22],确定最适宜分析粒度,将3幅景观类型矢量图转化为栅格大小为10 m×10 m的栅格图,进行后续分析。

2 研究方法

2.1 景观指数选取

根据该矿区的景观类型及分布特点,本文选择从景观破碎化与多样性2个角度衡量区域景观格局时空演变情况。参考前人研究^[3,12-14],选取斑块密度(patch density,PD)和最大斑块指数(largest patch index,LPI)衡量景观破碎化程度。其中: PD表示单位面积内的斑块总数,是景观异质性的直接反映; LPI用景观中最大斑块的面积除以景观总面积得出,其数值反映出景观中是否存在优势斑块。计算公式分别为

(1)

PD = \frac{N_{i}}{A}

(2)

LPI = \frac{100}{A} \max (a_{1}, a_{2}, \dots, a_{n})

式中: A为景观总面积; i为斑块数量; a_n为景观中每个斑块的面积; N_i为景观中的斑块数量。

选取香农多样性指数(Shannon’s diversity index,SHDI)反映景观多样性程度,其值反映了景观要素的多少及各要素占景观的比例,具体公式为

(3)

SHDI = - \overset{m}{\sum_{i = 1}} (P_{i} \ln P_{i})

式中: P_i为第i种景观类型占景观总面积的比例; m为景观类型总数。

2.2 移动窗口分析法

本文采用移动窗口分析法生成景观指数栅格图。先设定一个窗口半径,从左上角开始移动,每移动一格,计算窗口范围内的景观指数数值,并赋予中心栅格,形成景观指数栅格图。因此窗口半径,即分析尺度十分重要。此前有关研究表明,当窗口幅度过小时,相邻像元间的景观指数差距较大,使部分地区结果失真^[12]。因此本研究分别以550 m,750 m,950 m,1 200 m和1 500 m为半径,在Fragstats4.2软件中进行筛选。

2.3 剖面线分析

为定量反映不同规模与强度的采矿活动对景观格局变化的影响机制,本研究两两连接3个露天矿区的采矿中心,建立3个剖面线,利用ArcGIS10.3软件中的Spatial Analysis模块将景观指数图中的信息提取至剖面线中进行分析。

3 结果与分析

3.1 景观格局基本特征

分析研究区不同时期各景观类型的斑块面积(total area,TA)与斑块所占景观总面积比例(percentage of landscape,PLAND),有助于反映区域整体景观格局的分布现状及演变规律^[10,12],具体如表2所示。由表2可知,研究区内林地的面积较大,且其面积占比在10 a间始终保持在30%以上,是区域优势景观; 灌草地则为面积变化最剧烈的景观类型,其面积呈明显的先减小后增加趋势; 工矿用地面积在10 a间迅速增加,面积占比也在2017年超过了20%; 其余景观类型面积较小且相对稳定。结合图1,本研究认为研究区内灌草地与林地的相互转化,以及工矿用地持续侵占周边灌草地,是景观构成变化的主要原因。

表2 2007—2017年间各类景观面积及所占比例

Tab.2 Area of each landscape types and their percentages during 2007—2017

景观类型	2007年		2013年		2017年
景观类型	TA/km²	PLAND/%	TA/km²	PLAND/%	TA/km²	PLAND/%
灌草地	39.03	39.53	20.23	20.49	25.98	26.31
林地	31.70	32.10	36.51	36.98	31.29	31.69
工矿用地	13.11	13.28	18.42	18.65	20.44	20.70
耕地	9.26	9.37	10.07	10.20	9.92	10.05
居民地	5.59	5.66	13.17	13.33	10.57	10.71
水体	0.06	0.06	0.35	0.35	0.54	0.54
总计	98.74	100.00	98.74	100.00	98.74	100.00

新窗口打开| 下载CSV

3.2 景观格局时空变化模式

3.2.1 特征尺度的选取

根据景观指数曲线的波动情况来选取特征尺度。由于景观指数在各剖面线中具有相似变化趋势,本研究选择其中一条剖面线进行分析。从图2中看出,曲线的波动幅度随窗口的减小而增大,当半径减少至550 m时,曲线出现明显的锯齿状波动,当半径增加至950 m时曲线趋于平滑。由于随着窗口半径的增加,数据量迅速加大,且窗口半径在1 500 m时景观指数曲线的波动幅度与950 m时差距不大,因此本研究选择将950 m作为移动窗口特征尺度。

图2

图2 不同尺度下的景观指数曲线

Fig.2 Landscape index under the different scales

3.2.2 特征尺度下的景观破碎化时空演变

研究区2007—2017年间景观破碎化空间分布及变化状况如图3和图4所示。

图3

图3 2007—2017年间研究区PD分布及变化

Fig.3 Distribution and change of PD in study area during 2007—2017

图4

图4 2007—2017年间研究区LPI分布及变化

Fig.4 Distribution and change of LPI in study area during 2007—2017

由图3—4可知,10 a间区域景观破碎化的高值区从四周向中心迁移,破碎化程度逐年显著,在前6 a间的增幅较为剧烈,后4 a的分布模式则趋于稳定。2007—2013年间,PD增加最迅速的地区为西部草地与海口磷矿、尖山磷矿周边,受陡坡种植、城镇扩张及磷矿开采侵占周边土地的影响,这2个区域的斑块被分割得十分破碎; PD降低最迅速的地区位于长期开展同类建设活动的昆阳磷矿与南部城镇。 2013—2017年间,矿区的排土与运输工作造成的森林资源破坏导致位于3个矿区间的中部林地PD迅速增加,海口磷矿与尖山磷矿由于仍处于持续开采扩张中,PD也呈小幅上升趋势; 昆阳磷矿则由于用地类型趋于稳定,PD持续降低。LPI计算结果表明,采矿活动强度加大导致3个工矿用地中心逐渐形成LPI高值区,斑块团聚效应逐年显著。区域LPI整体显著下降的趋势则可能与该地除采矿活动外,缺乏其他明显的经济建设活动有关。

3.2.3 特征尺度下的景观多样性时空演变

SHDI空间分布及变化情况如图5所示,总体呈现出中间低而四周高的分布格局,整个研究区的景观多样性逐渐变得十分显著。

图5

图5 2007—2017年内研究区景观多样性空间分布图

Fig.5 Spatial distribution map of landscape diversity in study area during 2007—2017

2007—2013年间受农业与采矿活动侵占土地的影响,西部的耕地与尖山、昆阳磷矿边缘处的景观复杂程度迅速增加; 2013—2017年间SHDI增加最剧烈的地区则主要分布于昆阳磷矿北部林地。而长期开展同类经济活动的露天矿区内部、南部建城区以及人类干扰少的山地最深处,景观多样性程度在10 a间持续降低,生态状况稳定。

3.3 采矿活动对景观格局变化的影响

经统计,10 a间3个主要矿山的采矿规模均有明显增加,其中昆阳磷矿的面积由约5.8 km²增加至约8.5 km²,涨幅为46 %; 海口磷矿的面积由约3.7 km²增加至约5.8 km²,涨幅为56 %; 尖山磷矿的面积由3.5 km²增加至约5.7 km²,涨幅为62 %。到2017年,3个矿山的年磷矿石产量分别为260万t,250万t与100万t。目前开采规模最大的昆阳磷矿开始进入开采稳定期,扩张速度相对稳定; 而规模最小,正处在作业中前期的尖山磷矿,采矿强度增加迅速。为进一步探究不同强度采矿活动对景观格局影响的异同,本文采用剖面线分析法进行后续分析。

3.3.1 采矿活动对景观破碎化的影响

如图6所示,PD在各剖面线上的数值与波动幅度均逐年大幅提高,表明采矿活动对景观异质性程度的影响大幅上升。昆阳—海口剖面线与尖山—昆阳剖面线上,PD在采场与林地交界处达到最大值后开始减小,在约2~3 km处的林地中心达到最小值。海口—尖山剖面线上的PD走势在各年份间有较大变化,2007年PD的最高值出现在距海口磷矿2 km处的灌草地,与采矿活动无明显关系,2013与2017年,PD的最高值则出现在尖山磷矿周边1 km左右地区。与此同时,LPI的走势与PD大致相反。海口—尖山剖面线上破碎化程度显著,无明显的斑块团聚中心,昆阳—海口剖面线与尖山—昆阳剖面线上,则在2013年后在中心林地形成大面积LPI高值区。本研究认为,采矿活动是造成矿区周边地区景观破碎化的重要原因,从范围上看,扩张速度缓慢的昆阳磷矿的影响范围仅在周边1.5 km,而正处于采矿活动中、前期的海口与尖山磷矿的影响范围在2 km以上; 从强度上看,昆阳磷矿的影响强度最大,海口磷矿则最小。各矿区对2.5 km以外区域的影响较小,区域内景观异质性最低,斑块面积较大,生态质量较好。

图6

图6 景观破碎化指数沿剖面线的变化趋势

Fig.6 Change of landscape fragmentation index along transcets

3.3.2 采矿活动对景观多样性的影响

如图7所示,10 a间SHDI的上下波动程度在2007—2013年间增加明显,在2013—2017年间保持稳定,总体而言采矿活动对多样性的影响半径小于破碎化。在昆阳—海口剖面线与尖山—昆阳剖面线上,SHDI均在距矿区中心约1~1.5 km左右与林地的交界处出现第一个最高值拐点,随后迅速降低,在距各矿区约3 km处的中心林地达到最小值,最高值与矿区中心的距离随时间增加而增加。该走势表明采矿活动对景观组成的影响主要集中在矿区边缘,且影响范围随采矿规模的扩大而增加。在海口—尖山剖面线上无明显SHDI低值区,最高值在2013年后出现在距离尖山磷矿1.8 km左右的居民地,整条剖面线的多样性程度十分显著。总体而言,昆阳磷矿与海口磷矿的开采活动对区域景观构成的影响半径在1 km内,尖山磷矿的持续开采则对其周边2 km左右区域的景观组成均造成影响。

图7

图7 SHDI沿剖面线的变化趋势

Fig.7 Change of SHDI along transcets

4 结论与讨论

本研究在GIS技术与景观生态学理论的支持下,结合移动窗口法空间分析技术,以昆明市某露天磷矿区为例,探讨了采矿背景下,区域景观格局在2007—2017年间的时空演变趋势,及采矿活动对景观格局变化的影响。与此前针对矿区景观的研究相比^[4-6,16-17],该方法有助于直观了解区域景观格局的演变模式并定量分析人类活动对其的干扰。

1)从景观整体构成上看,林地是该矿区最主要的景观类型,灌草地的面积变化剧烈,工矿用地面积持续增加,而其余景观类型的面积则相对稳定。由此认为灌草地与林地间的相互转化,以及工矿用地持续侵占周边灌草地是区域景观组成变化的主要原因。

2)从景观格局指数空间分布情况来看,研究区在2013年前后形成稳定的景观格局,受缺乏其他明显经济活动影响,10 a间除露天矿区与山体林地内部斑块团聚效应显著,景观类型单一外,整个研究区的景观破碎化与多样性程度增加明显。

3)分析采矿活动对景观格局的影响发现,采矿活动的影响取决于距离矿区中心的距离与采矿强度的大小。昆阳磷矿在1 km半径内对景观格局造成剧烈影响,海口磷矿与尖山磷矿的影响半径与影响程度则逐年增加。因此在后续工作中,尖山磷矿应注意对扩张速度的监控,海口磷矿应以实现矿山扩张与生态稳定为目标,昆阳磷矿则应注意保护外排土场边缘的林地,各矿均应减少对2.5 km外林地的侵扰。

研究结果的精度通常受诸多因素的影响。考虑到研究区大小,本研究仅依照一级分类标准分类,更为细致的分类标准是否会影响景观格局的精度仍值得进一步研究。移动窗口的尺度对研究结果也十分重要,随着窗口半径的增加,景观曲线趋于平滑,但是各斑块间的差异性有所降低,是否存在一个能使曲线更平滑,并精确反映区域景观异质性的窗口幅度,也有待进一步发掘。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

陈文波, 肖笃宁, 李秀珍 .

景观空间分析的特征和主要内容

[J]. 生态学报, 2002,22(7):1136-1142.

Chen W

, Xiao D

, Li X

The characteristics and contents of landscape spatial analysis

[J]. Aca Ecoligica Sinica, 2002,22(7):1135-1142.

[2]

苏常红, 傅伯杰 .

景观格局与生态过程的关系及其对生态系统服务的影响

[J]. 自然杂志, 2012,34(5):277-283.

景观格局与生态过程是景观生态学研究的核心内容，两者相互作用，呈现出一定的景观功能，构成生态系统服务的主体。由于人类对自然资源和环境影响的加剧，生态系统面临着严峻的考验，呈现出结构性破坏和功能紊乱的特点。笔者对景观格局与生态过程的耦合及其与生态系统服务的关系进行了论述，并对其在生态系统管理中的应用进行了探讨。

Su C

, Fu B

Discussion on links among landscape pattern,ecological process,and ecosystem services

[J]. Chinese Journal of Nature, 2012,34(5):277-283.

[3]

邬建国

. 景观生态学——格局、过程、尺度与等级[M]. 北京: 高等教育出版社, 2007: 19-20.

Wu J

Landscape Ecology:Pattern,Process,Scale and Hierarchy[M]. Beijing: Higher Education Press, 2007: 19-20.

[4]

陈宇, 陈绍杰, 杜培军 , 等.

基于国产小卫星遥感数据的矿区土地覆盖与景观格局变化研究

[J].遥感信息,2012(2):85-90.

Chen

, Chen S

, Du P

, et al.

Change analysis of land cover and landscape pattern in coal mining area based on China small satellite remote sensing data

[J].Remote Sensing Information,2012(2):85-90.

[5]

韩武波, 贾薇, 孙泰森 .

基于3S的平朔矿区土地利用及景观格局演变研究

[J]. 中国土地科学, 2012,26(4):60-65.

Han W

, Jia

, Sun T

Change of land use and landscape pattern in Pingshuo open coal mines based on the 3S technology

[J]. China Land Science, 2012,26(4):60-65.

[6]

高翔, 蔡雄飞, 王济 , 等.

贵州典型矿区10年景观格局变化及驱动力分析

[J]. 环境科学与技术, 2013,36(11):168-174.

Gao

, Cai X

, Wang

, et al.

Analysis of landscape pattern change and its driving forces in typical mining area of Guizhou Province during 10 years

[J]. Environment Science and Technology, 2013,36(11):168-174.

[7]

谭丽, 何兴元, 陈玮 , 等.

基于QuickBird卫星影像的沈阳城市绿地景观格局梯度分析

[J]. 生态学杂志, 2008,27(7):1141-1148.

DOI: Magsci [本文引用: 1]

基于2006年QuickBird卫星影像数据解译的沈阳城市绿地分布图,在GIS的支持下,通 过幅度效应的研究,在确定出研究区的适宜幅度为5 km的基础上,应用梯度分析与景观指数相 结合的方法,研究了沈阳城市绿地景观结构及其梯度上的空间特征。结果表明:类型水平上, 不同的绿地类型沿景观格局梯度表现出明显的空间特征；在城市中心,公园绿地为优势类型, 而在郊区，农业用地为优势类型；城市绿地整体上破碎化程度高,绿地斑块形状较为复杂； 景观水平上,不同景观指数沿样带梯度表现出差异性,表明城市化导致景观的破碎化程度增大 ,景观异质性增高；斑块密度、景观形状指数和景观聚集度指数具有明显的梯度特征,而最大 斑块指数、多样性指数则不明显；景观格局指数和梯度分析相结合是研究城市绿地空间的有 力工具。

Tan

, He X

, Chen

, et al.

Gradient analysis of urban green space landscape pattern in Shenyang City based on QuickBird image

[J]. Chinese Journal of Ecology, 2008,27(7):1141-1148.

[8]

徐晓然, 谢跟踪, 邱彭华 . 1964

—2015年海南省八门湾红树林湿地及其周边土地景观动态分析

[J]. 生态学报, 2018(20):1-10.

Xu X

, Xie G

, Qiu P

, et al.

Dynamic analysis of landscape changes in Bamen port and the surrounding lands of Hainan Provience from 1964 to 2015

[J]. Acta Ecologica Sinica, 2018(20):1-10.

[9]

Whittaker R

Vegetation of the Siskiyou Mountains,Oregon and California

[J]. Ecological Monographs, 1960,30(4):279-338.

[10]

张玲玲, 赵永华, 殷莎 , 等.

基于移动窗口法的岷江干旱河谷景观格局梯度分析

[J]. 生态学报, 2014,34(12):3276-3284.

DOI:10.5846/stxb201310312639 URL Magsci [本文引用: 2]

以岷江干旱河谷为研究区，基于GIS技术和移动窗口法对其景观格局梯度变化进行分析，以期为区域的景观格局优化和管理提供支持。根据研究区的形状特征，分别沿干流和支流设置4条样带；选取景观水平下的景观指数，利用FRAGSTATS3.3软件分别采取标准法和移动窗口法获得不同尺度下的景观指数值；综合利用景观指数粒度效应分析、区域面积信息守恒评价方法和景观指数幅度效应评价曲线确定研究区景观格局梯度分析移动窗口尺寸，并计算了此窗口尺度下4条样带上的景观指数，得到沿样带方向的景观梯度格局。结果表明：岷江干旱河谷的景观基质是灌木林地，面积占73.82%。有林地和草地的景观异质性低，居民地和耕地斑块破碎化程度较大。确定了50m的栅格大小，250m的移动窗口尺寸为研究区景观格局梯度分析的窗口尺度；4条样带上各景观指数均随景观类型变化出现不同幅度的上下波动特征，梯度特征明显。处于景观类型过渡地带的区域，景观多样性和异质性增加，破碎化程度高；干旱河谷景观格局梯度变化主要受地形、水热因子，以及堤坝建设和土地开发利用影响。研究作为一种有益的尝试，更精细地分析了研究区的景观格局，能够为河谷地区景观格局量化分析提供参考，但也存在一定不足，需要在今后工作中继续深入研究。

Zhang L

, Zhao Y

, Yin

, et al.

Gradient analysis of dry valley of Minjiang River landscape pattern,based on moving window method

[J]. Acta Ecologica Sinica, 2014,34(12):3276-3284.

Magsci [本文引用: 2]

[11]

刘琦, 刘世梁, 赵清贺 , 等.

基于移动窗口法的水电开发影响下景观格局梯度分析

[J]. 山地学报, 2012,30(5):628-635.

Liu

, Liu S

, Zhao Q

, et al.

Gradient analysis of landscape pattern affected by hydroelectric station based on moving window method

[J]. Journal of Mountain, 2012,30(5):628-635.

[12]

李栋科, 丁圣彦, 梁国付 , 等.

基于移动窗口法的豫西山地丘陵地区景观异质性分析

[J]. 生态学报, 2014,34(12):3414-3424.

DOI:10.5846/stxb201310282595 URL Magsci [本文引用: 4]

研究典型区域景观异质性过程中，对特征尺度的判断尤为重要。基于3S技术，以豫西山地丘陵地区巩义市为研究区域，在分析其景观组分与结构的基础上，采用半变异函数和移动窗口相结合的方法，确定研究景观异质性的特征尺度，并在特征尺度下选取西北-东南方向和东北-西南方向两条样线，分析研究区不同干扰背景下景观异质性的空间特征。结果表明：豫西巩义地区总体上以旱地、建设用地、水浇地、草地和有林地景观类型为主，其中旱地所占比例最大（30.9%），沟渠所占比例最小（0.1%）；根据特征尺度分析确定研究区巩义市景观异质性的合适尺度为1000 m；在特征尺度下，研究区景观破碎化以河谷平原和丘陵为主的巩义东部偏南区域最高，以人为干扰较少的南部低山有林地区最低，景观多样性分布特征则呈现4个聚集中心，分别为北部河谷平原农业区、城市建成区、南部低山区和东南丘陵区；不同干扰背景下，巩义地区景观异质性根据城市化程度呈现以市区为中心向外辐射发展的特征，同时受海拔高度因素影响较大，即在海拔200 m以下区域景观受人为干扰强烈，海拔200-500 m丘陵区域受海拔因子和人为干扰因子共同作用，海拔500 m以上区域海拔因子起主导作用。研究结果可为豫西山地丘陵地区及同类地区景观异质性的研究尺度、景观格局优化和土地的有效管理提供依据。

Li D

, Ding S

, Liang G

, et al.

Landscape heterogeneity of mountainous and hilly area in the western Henan Province based on moving window method

[J]. Acta Ecologica Sinica, 2014,34(12):3414-3424.

Magsci [本文引用: 4]

[13]

张琳琳, 孔繁花, 尹海伟 , 等.

基于景观空间指标与移动窗口的济南城市空间格局变化

[J]. 生态学杂志, 2010,29(8):1591-1598.

应用高分辨率遥感数据，基于ArcGIS、FRAGSTATS软件平台，采用移动窗口、转移矩阵和梯度分析结合的方法，定量分析了1996—2009年济南市城市土地利用景观空间指标，特别是建设用地的空间格局及其变化特征。结果表明，移动窗口方法能更好地挖掘城市土地利用变化过程，并将其更加准确地与土地利用格局变化相连接；在研究时段内，济南市城市建设用地迅速增加，而城市绿地和农业用地明显减少；该市建设用地的空间发展不均匀，城市发展呈现不规则同心圆结构，这与济南城市发展的政策导向、城市绿地空间的宜人性以及特殊的地理形态紧密相关。研究结果将有利于指导城市土地利用的规划和城市自然资源的管理与保护。

Zhang L

, Kong F

, Yin H

, et al.

Spatial pattern change of Jinan City based on landscape metrics and moving window method

[J]. Chinese Journal of Ecology, 2010,29(8):1591-1598.

[14]

刘昕, 国庆喜 .

基于移动窗口法的中国东北地区景观格局

[J]. 应用生态学报, 2009,20(6):1415-1422.

DOI: Magsci [本文引用: 2]

基于GIS技术，利用移动窗口法，对2006年中国东北地区景观格局特征及其与水分梯度、热量梯度、海拔因子和人为干扰因子的相关关系进行了研究.结果表明：2006年，中国东北地区林地景观所占比例最大，为61.69%，耕地次之，占25.11%；中国东北地区的景观多样性具有圈层结构的特点，为破碎化程度较高的敏感区域提供了缓冲区间，使不良的生态后果可以控制在一定区域内；研究区景观格局指数与水分梯度、热量梯度的相关系数均在0.4以下，与海拔因子的相关系数在0.07以下，相关性不高说明研究区景观格局的异质性不是由单一的自然因素所决定.

Liu

, Guo Q

Landscape pattern in northeast China based on moving window method

[J]. Chinese Journal of Applied Ecology, 2009,20(6):1415-1422.

Magsci [本文引用: 2]

[15]

谢晓仪, 曾咺, 李军 .

基于移动窗口法和栅格数据的重庆市人居环境自然适宜性评价

[J]. 长江流域资源与环境, 2014,23(10):1351-1359.

DOI:10.11870/cjlyzyyhj201410003 Magsci [本文引用: 1]

以GIS为主要技术平台，采用移动窗口法，以 250 m×250 m 栅格为基本单元，通过选择地形、气候、水文、植被等自然因子，基于人居环境指数的自然适宜性评价模型，对重庆市人居环境自然适宜性进行相关研究，并揭示其地理特征和空间格局。结果表明：(1)重庆市人居环境自然适宜度介于0255～0821，西部高于东部，北部高于南部;(2)临界适宜区面积最大，占全市面积的3453%；低度适宜区次之，占2252%；高度适宜区居第三，占2114%；中度适宜区占1784%；不适宜区面积最小，仅占396%;(3)重庆市8519%的人口分布在低度适宜及其以上的区域，相应面积占研究区面积的615%。实证表明，该研究结果可为重庆市人口空间布局的合理性、社会经济的可持续发展和方针政策的构建提供科学依据和重要参考

Xie X

, Zeng

, Li

Evaluation of nature suitability for human settlement in Chongqing

[J]. Resources and Environment in the Yangtze Basin, 2014,23(10):1351-1359.

[16]

张立平, 张世文, 叶回春 , 等.

露天煤矿区土地损毁与复垦景观指数分析

[J]. 资源科学, 2014,36(1):55-64.

Zhang L

, Zhang S

, Ye H

, et al.

Landscape indices of land damage and land reclamation in an opencast coal mine

[J]. Resource Science, 2014,36(1):55-64.

[17]

陆凤连, 王新闯, 张合兵 , 等.

1980—2015年焦作矿区景观格局演变及驱动力分析

[J]. 水土保持研究, 2018,25(4):237-243.

Lu F

, Wang X

, Zhang H

, et al.

Landscape pattern change and its driving force in Jiaozuo mining area from 1980 to 2015

[J]. Research of Soil and Water Conservation, 2018,25(4):237-243.

[18]

李存军, 刘良云, 王纪华 , 等.

两种高保真遥感影像融合方法比较

[J]. 中国图象图形学报, 2004,9(11):1376-1385.

DOI:10.11834/jig.2004011265 Magsci [本文引用: 1]

遥感影像融合有着广泛的应用前景。定量遥感不仅要求影像融合提高空间分辨率，更重要的是保持影像光谱信息，减少失真。为了使人们对不同遥感影像融合方法优缺点有一概略了解，首先详细介绍了两种新的高保真融合算法(基于亮度调节的平滑滤波和Gram-Schmidt变换)的原理和方法；然后以城区IKONOS影像为数据源，通过目视判别、定量统计参数和图形法3种方法对两种融合算法进行了比较，并与传统的融合算法IHS变换和PC变换进行了对比。结果表明，4种融合算法的空间效果是相似的，但从对光谱信息的保真来看，PC变换和IHS变换都较差，基于亮度调节的平滑滤波保真效果最好，Gram-Schmidt变换次之，但Gram-Schmidt变换保真效果已比PC变换和IHS变换有了较大的提高。

Li C

, Liu L

, Wang J

, et al.

Comparison of two methods of fusing remote sensing images with fidelity of spectral information

[J]. Journal of Image and Graphics, 2004,9(11):1376-1385.

[19]

刘二佳, 罗志东, 张晓丽 , 等.

面向GF-1数据不同融合方法对扰动地块的提取

[J].水土保持学报,2018(3):358-363.

Liu E

, Luo Z

, Zhang X

, et al.

Comparison of fusion algorithms for GF-1 data from extracted of distribution information on production and construction projects

[J].Journal of Soil and Water Conservation,2018(3):358-363.

DOI:10.11873/j.issn.1004-0323.2016.3.0572 Magsci [本文引用: 1]

[20]

宋亚婷, 江东, 黄耀欢 , 等.

基于面向对象方法的露天煤矿用地类型提取优先级分析

[J]. 遥感技术与应用, 2016,31(3):572-579.

高分辨率影像为矿产资源开发遥感监管提供了更为精确有效的数据.以霍林河露天煤矿区为研究区,应用高分一号卫星影像为主要数据源,在面向对象的影像分类基础上,探讨了露天煤矿区用地类型信息提取优先顺序对最终分类精度的影响.结果表明:露天煤矿区的用地类型信息提取中,采用优先提取采矿场和排土场等资源开发用地类型、而后提取其他非开发用地的优先级顺序的分类精度最高,其总体精度达到８２％,Kappa系数达到０．７８,可以为露天煤矿区的用地类型信息提取提供理论和方法支持.

Song Y

, Jiang

, Huang Y

, et al.

Research on the priority of the land use types extraction of opencast mine area based on oriented classification

[J]. Remote Sensing Technology and Application, 2016,31(3):572-579.

[21]

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]. 地球信息科学学报, 2008,10(1):74-79.

DOI:10.3969/j.issn.1560-8999.2008.01.013 URL Magsci [本文引用: 1]

选取8个常用的景观指数,以厦门岛土地利用格局为例,分析景观指数随粒度变化的基本规律。探讨尺度效应对景观格局的影响,为基于景观指数进行不同尺度下土地利用类型、土地利用格局变化预测、对比分析和评价等研究提供参考。结果表明:在研究区内景观类型特征和景观格局特征随粒度的增大出现了显著的变化;除面积比例对粒度变化弱敏感外,其余所选景观指数对粒度变化相对敏感,体现出一定的尺度依赖性,因而利用这些景观指数进行不同尺度下的景观格局分析时需考虑尺度效应。

You L

, Lin G

, Yang C

, et al.

The effects of spatial scales on landscape indices:A case study of the land use pattern of Xiamen Island

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

[22]

徐丽, 卞晓庆, 秦小林 , 等.

空间粒度变化对合肥市景观格局指数的影响

[J]. 应用生态学报, 2010,21(5):1167-1173.

基于合肥市2002年土地利用图，利用ArcView软件和景观格局分析程序Fragstats 3.3，选择22个景观格局指数，探讨了合肥市景观格局指数随不同粒度的变化特征，并对部分景观指数的拟合函数和变异系数进行了分析.结果表明：在10～100 m粒度范围内，各景观格局指数随粒度增加表现出不同的变化趋势，说明空间粒度变化对景观格局指数具有明显的影响；所选用的22个景观格局指数的粒度效应可划分为总体上升、总体下降、变化不大、无变化规律4种情况；部分景观指数随粒度变化的响应曲线可分别用二次函数、三次函数、幂函数、线性函数进行拟合；对于合肥市1∶50000土地利用图而言，进行景观格局指数分析的适宜粒度范围在15～35 m.

, Bian X

, Qin X

, et al.

Effects of grain size change on landscape pattern indices of Heifei City

[J]. Chinese Journal of Applied Ecology, 2010,21(5):1167-1173.