全 文 ：第 25卷第 10期
2005年 10月
生 态 学 报
ACTAECOLOGICASINICA
Vol.25,No.10
Oct.,2005
景观指数之间的相关分析
布仁仓1,2,胡远满1,常 禹1,李秀珍1,贺红士1
(1.中国科学院沈阳应用生态研究所,沈阳 110016;2.中国科学院研究生院,北京 100039)
基金项目:国家重点基金资助项目(40331008);国家重点基础研究发展规划(973)资助项目(2002CB111506)
收稿日期:2004-07-04;修订日期:2005-02-23
作者简介:布仁仓(1970～),男,蒙古族,内蒙古人,博士生,副研究员,从事景观生态学,地理信息系统,遥感,景观模型和指数研究.E-mail:BuRC
@iae.ac.cn
Foundationitem:KeyProjectofNFNS(No.40331008)andNational973Project(No.2002CB111506)
Receiveddate:2004-07-04;Accepteddate:2005-02-23
Biography:BURen-Cang,Ph.D.candidate,Associateprofessor,mainlyengagedinlandscapeecology,GIS,RSandlandscapemodeling.E-
mail:BuRC@iae.ac.cn
摘要:应用辽宁省 1997～1998年的 TM5影像数据,编制了景观类型图,以 78个县市区为单位,分割成 78个景观,共计算 39个
景观格局指数,对它们进行了相关分析。总面积是最基本的景观指数,它决定景观总边界长度、斑块数、类型密度等基本指数,同
时与多个指数有显著的相关关系(相关系数绝对值大于 0.75)。形状指数的独立性强,极少数指数与其它指数有显著的相关关
系;多样性指数和蔓延度指数之间信息重复量最多,都表示景观的异质性,但多样性指数以面积百分比表示景观异质性,而蔓延
度指数以类型之间相邻边界的百分比表示景观异质性。研究发现,如果两个指数之间存在显著的相关关系,而由它们两个构成
的指数与它们之间没有显著的相关关系。如果指数平均值之间存在显著的相关关系,则它们的变异系数之间不存在显著的相关
关系。景观指数间的相关系数不仅与景观格局本身有关,还与空间尺度,分类系统、计算公式及其参数、计算单元和生态学意义
关系密切。指数之间影响因子的相同之处越多,它们之间存在显著相关关系的概率越大。
关键词:景观格局指数;相关系数;相关分析
文章编号:1000-0933(2005)10-2764-12 中图分类号:Q149 文献标识码:A
Acorrelationanalysisonlandscapemetrics
BURen-Cang1,2,HU Yuan-Man1,CHANGYu1,LIXiu-Zhen1,HongS.He1 (1.InstituteofAppliedEcology,
ChineseAcademyofSciences,Shenyang,110016,China;2.GraduteSchoolofChineseAcademyofSciences,Beijing,100039,China).Acta
EcologicaSinica,2005,25(10):2764～2775.
Abstract:Numerouslandscapemetricshavebeendevelopedduringlastthreedecadestodescribeandquantifycomplexlandscape
patternsandlinklandscapepatternsandecologicalprocesses.Thisgeneratesagreatdealcorrelatedandredundantinformation
ifaloftheindiceswerecalculated.Thus,itisnecessarytoidentifythecorrelatedlandscapemetricsandtofindoutthe
relationshipsamongthem.
Inourstudy,the1999LandsatimageriesofLiaoningProvinceofChinawereclassifiedinto16covertypes,theentire
studyareawasclippedinto78landscapemapsaccordingtothecountyorcityboundaries.Thirtyninelandscapemetricswere
calculatedforeachmap,includingarea,perimeteranddensity,shape,diversityandcontagion.F-Testshowedthatthe
correlationcoefficientgreaterthan0.28issignificantatp=0.01inwhiletheempiricalstudyshowedthatthecorrelations
betweenindicesexistwhencorrelationcoefficientisgreaterthan0.75.Thus,weconsideredstrongcorrelationsbetweenthe
landscapeindicesexistonlywhenthecorrelationcoefficientisgreaterthan0.75.
Theresultshowedthattotalareaisthemostbasicindexwithinlandscapemetrics.Itcorrelatedwithmanylandscape
metricssuchastotaledgeandnumberofpatchesinthelandscape.Shapemetricsaremoreindependentthanothergroups.
Only fractaldimension(log)andmeanshapeindexcorrelatedsignificantly.Manydiversitymetricscorrelatedamong
themselves,especialytheShannonandSimpsonindices.However,Shannonindicesaremoresensitivetotheminorcovertype
andSimpsonindicesaremoresensitivetocommoncovertypesinlandscape.Furthermore,
===================================================================
Simpsonindicesaremoresensitive
topatchdensity,edgedensityandaveragepatchareathanShannonindices.Diversitymetricsusetheproportionsofcover
typesandnumberofclassestodescribethelandscapediversity,andcontagionmetricsusetheadjacencymatrixtodescribethe
landscapeedgediversity,thereforediversityindicesareoftencorrelatedwithcontagionindices.Diversityandcontagionindices
showdifferentaspectsofheterogeneityofthestudylandscape.
Whenanindexcorrelateswithanotherindex,thecoefficientofvariationdoesnotcorrelatewitheachother.Forexample,
meanshapeindexcorrelateswithmeanfractaldimension,buttheircoefficientsofvariationareindependent.Oncetwobasic
metricsarecorrelatewitheachother,theindexconsistsoftwoofthem arenotcorrelatedwiththetwobasicmetrics
significantly.Forexample,thetotalareaandnumberofpatchescorrelateeachother,butthepatchdensitydoesnotcorrelate
withthemstrongly.Finaly,thecorrelationcoefficientsamonglandscapemetricswereinfluencedbythelandscapepatterns,
spatialscales,classificationsystems,mathematicalequations,unitsandecologicalmeanings.Themorecommoninfluencing
elementsabovementionedareintwolandscapemetrics,thehigherprobabilityofstrongcorrelationareamongthem.
Keywords:landscapemetrics;correlationcoefficient;correlationanalysis
20世纪 80年代开始,为了测定景观格局对生态过程的影响[1,2],必须用简单数字描述复杂的景观格局,因而产生了景观格
局指数(Landscapeindicesormetrics)。以信息论为基础的优势度(Dominance)与蔓延度(Contagion)[3]以及分形几何学为基础
的分维数(Fractaldimension)[4]等指数来描述描述景观格局,分析与生态过程之间的相关关系,认为优势度与分维数反映大尺
度上的景观格局,而蔓延度反映小尺度上的格局,分维数还能反映人类活动的影响[5]。后来,有人试图用一个指数表述景观格
局,但发现一个指数无法代表一个景观格局的特殊性,无法完全与其它景观区分,因为不同的景观格局有相等的景观指数[6,7]。
后来的研究表明只能用几个指数的组合来描述景观格局[8],但研究目的是为了描述景观格局某一个特性时可以采用一个指
数[9]。随着新学科和计算机技术的发展,提出了计算公式更复杂的孔隙度(Lacunarity)[10～12]、聚合度(Aggregationindex)[13]等
景观指数。近年来,应用在遥感领域,描述影像纹理特征的反差矩(Inversedifferencemoment)[14]和角秒矩(Angularsecond
moment)[15]等越来越受到景观生态学家青睐,用来描述景观异质性[16]。如今景观格局指数已经发展到了数量多,类型少,生态
学意义模糊的程度。
在景观指数中,大部分指数之间景观格局信息重复[5,17,18],因此采用因子分析法减少指数数量[17,19],以避免信息重复。认为
采用 6种指数可以描述景观格局,但当时计算的指数大部分是平均值,而且大部分指数是斑块周长面积比值或分维数的变形,
没有包括总面积和总边界长度等景观固有特性以及新兴的景观指数。
本文按景观格局指数的生态学意义(FRAGSTATS的分类标准)[20]把景观水平上的 39个常用的指数分为 4个类型,目的
是分析同类指数间的相关关系以及不同类型指数间的相关关系,尤其景观固有属性如总面积、总边界长度、斑块数和类型数对
格局指数的影响。认为如果相关系数绝对值大于 0.75,并且在 p=0.01水平上显著,则指数间存在显著的相关关系[21,22];如果
相关系数绝对值小于 0.75,但在 p=0.01水平上显著,则此相关系数只能表明指数变化趋势,即一个指数的变化预示另一个指
数的变化趋势;如果相关系数绝对值小于 0.75,并且在 p=0.01水平不显著,则指数之间不存在任何意义的相关关系。从而,为
今后景观格局与过程研究中指数的选用提供依据。
1 研究方法
1.1 研究区域
辽宁省地势,由北向南,自东西向中部倾斜。山地丘陵大致分布于东西两则,约占总面积的 2/3,中部为东北向西南缓缓倾
斜的平原,约占总面积的 1/3。根据地貌特点大致上可分为辽东山区、辽西山地丘陵区和辽河平原区。辽宁省属大陆性季风气
候,具有中纬度西风带气候特点。由于受地形、地势、距海洋远近的影响,区内各地气候有所差异。其主要特点是:雨热同季,日照
丰富,寒冷期长,春秋季短,东湿西干,平原风大。从植被条件看,东部山区植被属温带针阔混交林,南部和辽西植被属于暖温带
落叶阔叶林,辽北植被属于温带草原,是多个植被类型的过渡带[3]。
1.2 研究方法
本文利用遥感图像处理软件(ERMapper5.5),对辽宁省 1998年陆地资源卫星 TM5影像数据进行了景观分类,共分出 16
个类型,景观分类的精度为 30m×30m。在地理信息系统的支持下,根据省内 78个县市区的行政界线,把全省景观类型图分割
成 78个景观类型图,利用景观格局分析软件 APACK(2.2)[23]和 FRAGSTATS(3.3)[20],在景观水平上计算每个县市区的 39
个景观格局指数。依据 FRAGSTATS软件的指数分类,把格局指数分为 4种类型:(1)面积、周长和密度指数(Area,perimeter
anddensitymetrics);(2)形状指数(Shapemetrics);(3)蔓延度指数(Contagionmetrics);(4)多样性指数(Diversitymetrics)等。
首先,计算每个指数的自然对数值,计算指数间的原始值与指数值、原始值与自然对数值和自然对数值与自然对数值之间
567210期 布仁仓 等:景观指数之间的相关分析
的相关系数;其次,选择绝对值最大的相关系数作为指数之间的相关系数;最后,在 p=0.01的水平上,对相关系数进行 F
检验。
如果相关系数绝对值大于 0.75,并且在 p=0.01水平上显著,则指数间存在显著的相关关系[21,22];如果相关系数绝对值小
于 0.75,但在 p=0.01水平上显著,则此相关系数只能表明指数变化趋势,即一个指数的变化预示另一个指数的变化趋势;如
果相关系数绝对值小于 0.75,并且在 p=0.01水平不显著,则指数之间不存在任何意义的相关关系。
2 结果
研究区的总面积为 14.68万 km2,包含了 78个行政区(县市区),其中最小的面积为 5582.16hm2,最大的为 626826.42hm2,
平均面积为 188241.25hm2。景观类型数的变化范围为 6～17,平均每个行政区内有 10个类型。
2.1 面积、周长和密度指数间的相关性
此类指数关系到斑块的面积、周长、斑块数以及由它们引申出来的总面积、总边界长度以及各类密度,是最基本的格局指
数,也是其它指数的基础(此后叫作基本指数)。景观类型图的空间属性数据库能提供斑块类型、面积和周长等空间属性,经过简
单的统计可以获得总面积、类型数、总边界长度和斑块数等格局指数。因此,总面积、总边界长度和斑块数是景观固有的特性,它
们决定着其它与面积、周长和密度有关的指数。而且这些固有特性之间相互存在显著的相关关系(R的绝对值大于 0.75),即如
果总面积(TA)增加,景观总边界长度(TE)(R2=92.50%)和斑块数(NP)(R2=90.68%)显著增加,并且平均斑块面积变异系
数(APA-CV)(R2=72.08%)也显著增加。从这个意义上讲,总面积决定着景观边界长度和斑块数,甚至由它们引申出来的其它
指数(APA-CV)。
景观格局指数中的两个密度指数,即斑块密度(PD)和边界密度(ED)呈现正相关关系(R2=72.19%),即单位面积上斑块
数的增加能引起 72.19%的单位面积上边界长度的增加。此外,PD和 APA所表示的生态学意义完全相同(R=1.000),即景观
破碎化。在计算过程中,只是分子和分母的颠倒而已。
表 1 面积、周长、密度指数(基本指数)间的相关分析
Table1 Thecorrelationanalysisonarea,perimeteranddensitymetrics(basemetrics)
基本指数
Basemetrics
TA TE NP LPI ED PD NAPA APP APA APA-CV
TA
1.00
lnR-lnC
TE
0.96
lnR-lnC
1.00
lnR-lnC
NP
0.95
lnR-lnC
0.99
lnR-lnC
1.00
lnR-lnC
LPI
-0.06
lnR-lnC
-0.21
lnR-lnC
-0.21
lnR-lnC
1.00
lnR-lnC
ED
0.24
lnR-lnC
(0.50)
lnR-lnC
(0.49)
lnR-lnC
(-0.63)
lnR-C
1.00
lnR-lnC
PD
-0.12
R-lnC
0.22
lnR-lnC
0.29
lnR-lnC
(-0.55)
lnR-C
0.86
lnR-C
1.00
lnR-lnC
NAPA
-0.28
lnR-C
(-0.44)
lnR-C
(-0.36)
lnR-C
(0.46)
lnR-lnC
(-0.68)
R-C
(-0.35)
R-lnC
1.00
lnR-lnC
APP
(0.33)
R-C
0.27
lnR-C
0.12
lnR-lnC
-0.01
R-C
-0.12
lnR-C
(-0.66)
lnR-C
(-0.39)
R-lnC
1.00
lnR-lnC
APA
-0.09
R-lnC
(-0.34)
R-lnC
(-0.38)
R-lnC
(0.59)
R-C
-0.92
R-lnC
-1.00
lnR-lnC
(0.35)
lnR-C
(0.55)
lnR-lnC
1.00
lnR-lnC
APA-CV
0.85
lnR-lnC
0.78
lnR-lnC
0.79
lnR-lnC
(0.51)
R-C
0.07
lnR-lnC
-0.16
lnR-C
0.10
R-C
0.10
lnR-lnC
0.07
lnR-lnC
1.00
lnR-lnC
下划线表示相关系数既通过了 F0.01检验又其值大于 0.75;括号表示其内的相关系数通过了 F0.01检验,其值小于 0.75;R-C表示行和列的
数值的相关关系;R-lnC表示行的数值和列的自然对数间的相关关系;lnR-C表示行的自然对数和列的数值间的相关关系;lnR-lnC表示行和列
的自然对数间的相关关系 Where,n=76;absolutevalue>0.75andpassestheF-Testatp=0.01aresignificant,andareunderlined;they
passedtheF-Testatp=0.01arebracketed;R-Cmeansthecorrelationbetweenvaluesinrowandcolumn;R-lnCmeansthecorrelationbetween
valueinrowandln(valueincolumn);lnR-Crepresentsthecorrelationbetweenln(valueinrow)andvalueincolumn;lnR-lnCrepresentsthe
correlationbetweenln(valueinrow)andln(valueincolumn);下同 thesamebelow
TA 总面积 Totalarea;NP 斑块数 Numberofpatches;PD 斑块密度 Patchdensity;LPI 最大斑块指数 Largestpatchindex;TE 总边
界长度Totaledge;ED 边界密度Edgedensity;APA 平均斑块面积Averagepatcharea;APP 平均斑块周长Averagepatchperimeter;NAPA
归一化平均斑块面积 Normalizedaveragepatcharea和 APA-CV 平均斑块面积变异系数 Averagepatchareacoefficientofvariation
在此类指数中,最多的和其它指数具有显著相关关系的指数为 TA、TE、NP和 APA-CV。而与其它指数不存在显著相关关
6672 生 态 学 报 25卷
系的指数为最大斑块指数(LPI)、归一化平均斑块面积(NAPA)和平均斑块周长(APP),相比之下,它们表明了景观的独特性。
因此,在景观的对比研究中,应该重视这些指数,解释其生态学意义。
2.2 形状指数间的相关性
形状指数关系到斑块的周长和面积,表示构成景观的斑块形状复杂性。如果斑块形状复杂,景观结构应该复杂。形状指数关
系到边缘效应以及廊道,根据形状指数可以区分廊道和一般的斑块[24]。从研究结果(表 2)看,只有平均形状指数(SI-MN)和平
均分维数(FD-MN)之间存在显著的相关关系(R=0.96),它们两个之间信息重复量达到 92.54%。同样,作为平均值的平均周
长面积比值(PAR-MN)与上述两个指数间不存在有意义的相关关系。可能是因为 SI-MN与 FD-MN对周长和面积进行了处
理,然后进行计算,而 PAR-MN则直接采用了周长和面积。
盒式分维数(FDB)与 3个指数的平均值(FD-MN、SI-MN和PAR-MN)之间不存在有意义相关关系,是因为FDB关系不到
一个完整斑块的周长和面积,因此,它是个值得计算的景观形状指数。从 FDL的生态学意义看,如果其取值越大斑块的形状越
复杂,斑块应该有大的周长面积比值,但这与研究结果似乎有些矛盾,即随 FDL的增加,PAR-MN有减少的趋势。可能是因为
FDL对周长和面积进行了处理,经过线性回归而得的,而 PAR-MN则直接采用了周长和面积的缘故。
表 2 形状指数的相关分析
Table2 Thecorrelationanalysisonshapemetrics
形状指数
Shapemetrics
FDB FDL LSI SI-MN SI-CV FD-MN FD-CV PAR-MN PAR-CV
FDB 1.00
FDL
0.18
R-C
1.00
LSI
(0.38)
R-C
(0.71)
R-C
1.00
SI-MN
0.14
R-C
(0.74)
R-C
(0.31)
lnR-C
1.00
SI-CV
(0.38)
lnR-C
(0.62)
R-C
(0.67)
lnR-lnC
(0.48)
R-C
1.00
FD-MN
0.12
lnR-lnC
(0.72)
lnR-lnC
(0.35)
lnR-C
0.96
lnR-lnC
(0.35)
lnR-C
1.00
FD-CV
-0.06
lnR-lnC
0.13
lnR-C
-0.21
R-C
(0.61)
lnR-C
0.29
lnR-C
(0.51)
lnR-lnC
1.00
PAR-MN
-0.26
lnR-C
(-0.37)
lnR-lnC
(-0.62)
lnR-lnC
0.05
lnR-lnC
-0.25
lnR-lnC
0.07
lnR-lnC
(0.69)
lnR-C
1.00
PAR-CV
-0.03
lnR-C
(-0.73)
lnR-lnC
(-0.68)
lnR-C
(-0.31)
R-C
(-0.36)
R-lnC
(-0.41)
R-C
0.06
lnR-lnC
0.18
lnR-lnC
1.00
2.3 蔓延度指数间的相关性
蔓延度指数表明景观类型在空间上的聚集程度或类型间镶嵌程度,一般以景观类型间相邻边界为计算参数,个别的指数还
需要景观类型的面积百分比、景观总面积或总边界长度。虽然这些指数表示景观的聚集程度,但是它们的计算单元和公式、参数
大不相同(表 3)。
聚集度(AI)和相邻百分比(PLADJ)存在显著的相关关系(R=0.99),决定系数为 98.21%。表示如果景观类型内部象元的
相邻程度越高,景观的聚集程度越高。分散指数(IJI)与其它指数间不存在显著的相关关系,只能预示相互变化趋势。CO与
ASM 之间存在显著的相关关系。DIVISION与 SPLIT之间存在显著的相关关系(R=0.86),决定系数为 73.27%。如果从景观
中随机采集的象元属于同一斑块的概率减少(DIVISION),景观被切割成多数斑块(SPLIT)。虽然 MESH与其它两个指数没有
显著的相关关系,但它能预示它们的变化趋势,即如果有效网格面积增加,其数量(SPLIT)减少,随机采集的象元属于同一斑块
的概率(DIVISION)增加。
以景观类型内部的团聚程度为主的AI和PLADJ与以景观所有相邻程度为主的IDM间存在显著的相关关系,但认为这种
关系是一种不稳定、不可靠的关系,因为IDM在计算过程中采用类型的代码,不同的代码会得到截然不同的结果。此外,用景观
可能包含的斑块数和其面积表示景观聚集度的DIVISION与以景观所有相邻程度为主的ASM和CO呈现出显著的相关关系,
信息重复量分别达到 73.62%和 56.25%。
2.4 多样性指数间的相关性
多样性指数关系到景观类型数以及类型的面积百分比,用来量化景观结构的组成。两大多样性指数类型,Shannon指数和
Simpson指数间存在显著的相关关系,生态学意义相同,只是所采用的公式不同而已(表 4)。多样性(SHDI和 SIDI)与均匀度
(SHEI和SIEI)之间存在显著的正相关关系,而与优势度(DO和RD)存在显著的负相关关系。如果景观类型数增加和面积百分
767210期 布仁仓 等:景观指数之间的相关分析
比相近,景观的多样性增加,类型之间面积差异减少,优势类型的面积百分比减少。虽然这些指数与景观类型数有关,但与类型
数(PR)不存在显著的相关关系,这表明在真实景观中影响多样性(SHDI和 SIDI)、均匀度 SHEI和 SIEI)和优势度(DO和 RD)
的因子主要是景观类型的面积百分比,而不是类型数。SHEI与 RD显现出完全负相关关系,表示的生态学意义相同,从不同的
角度解释景观均匀度。这些指数中,唯有类型密度(PRD)与类型面积百分比无关,而与类型数和总面积有关。
表 3 蔓延度指数间的相关分析
Table3 Thecorrelationanalysisoncontagionmetrics
蔓延度指数
Contagionmetrics
AI PLADJ CO ASM IDM IJI DIVISION MESH SPLIT
AI 1.00
PLADJ
0.99
lnR-lnC
1.00
CO
(0.58)
R-C
(0.64)
R-C
1.00
ASM
(0.63)
R-C
(0.66)
R-C
0.91
lnR-C
1.00
IDM
0.90
lnR-C
0.89
lnR-lnC
(0.60)
lnR-C
(0.69)
R-C
1.00
IJI
0.12
R-C
0.05
R-C
(-0.53)
R-lnC
(-0.36)
lnR-lnC
-0.08
lnR-lnC
1.00
DIVISION
(-0.68)
R-C
(-0.68)
R-C
(-0.75)
R-C
-0.86
lnR-C
(-0.61)
R-C
0.05
R-C
1.00
MESH
0.26
lnR-lnC
(0.36)
lnR-lnC
(0.66)
lnR-lnC
(0.53)
lnR-lnC
0.15
lnR-lnC
(-0.46)
lnR-C
(-0.54)
R-C
1.00C
SPLIT
(-0.71)
lnR-lnC
(-0.70)
lnR-lnC
(-0.57)
lnR-C
(-0.65)
lnR-lnC
(-0.58)
lnR-lnC
-0.11
R-C
0.86
lnR-C
(-0.52)
lnR-C
1.00
AI 聚集度 Aggregationindex;CO 蔓延度 Contagion;ASM 角秒矩 Angularsecondmoment;IDM 反差矩 Inversedifferencemoment;
PLADJ 类相邻百分比 Percentageoflikeadjacencies;IJI 分散指数 Interspersion&juxtapositionindex;DIVISION 景观分离度 Landscape
divisionindex;SPLIT 分割指数 Splittingindex;MESH=有效网格面积 Effectivemeshsize
表 4 多样性指数间的相关分析
Table4 Thecorrelationanalysisondiversitymetrics
多样性指数
Diversitymetrics
PR PRD EDE SHDI SIDI MSIDI SHEI SIEI MSIEI DO RD
PR 1.00
PRD
-0.26
lnR-lnC
1.00
EDE
-0.26
R-C
(0.57)
R-lnC
1.00
SHDI
0.28
R-C
0.23
R-lnC
(0.45)
R-lnC
1.00
SIDI
0.06
R-C
0.13
R-lnC
(0.33)
R-lnC
0.95
lnR-lnC
1.00
MSIDI
0.10
R-C
0.24
R-lnC
(0.42)
R-lnC
0.96
lnR-lnC
0.99
lnR-C
1.00
SHEI
-0.24
R-lnC
(0.37)
R-lnC
(0.58)
R-C
0.92
lnR-lnC
0.94
lnR-lnC
0.95
lnR-lnC
1.00
SIEI
-0.10
R-lnC
0.17
R-lnC
(0.36)
R-C
0.92
lnR-lnC
0.99
lnR-lnC
0.98
lnR-lnC
0.96
lnR-lnC
1.00
MSIEI
-0.27
R-lnC
(0.33)
R-lnC
(0.50)
R-C
0.89
lnR-lnC
0.96
lnR-lnC
0.97
lnR-lnC
0.98
lnR-lnC
0.98
lnR-C
1.00
DO
(0.48)
lnR-lnC
(-0.49)
lnR-lnC
(-0.66)
lnR-C
-0.75
R-lnC
-0.82
R-C
-0.81
R-C
-0.97
R-C
-0.88
R-C
-0.95
R-C
1.00
RD
0.27
lnR-lnC
(-0.48)
lnR-lnC
(-0.66)
lnR-C
-0.87
R-C
-0.91
R-C
-0.91
R-C
-1.00
R-C
-0.94
R-C
-0.97
R-C
0.97
lnR-lnC
1.00
PR 斑块丰富度 Patchrichness;PRD 类型密度 Patchrichnessdensity;RPR 相对斑块丰富度 Relativepatchrichness;SHDI Shannon
多样性 Shannonsdiversityindex;SIDI Simpson多样性 Simpsonsdiversityindex;MSIDI 修改的 Simpson多样性 Modifiedsimpsons
diversityindex;SHEI Shannon均匀度 Shannonsevennessindex;SIEI Simpson均匀度 Simpsonsevennessindex;MSIEI 修改的 Simpson
均匀度 Modifiedsimpsonsevennessindex;DO 优势度 Dominance;RD 相对优势度 Relativedominance;EDE 边界均匀度 EdgeDistribution
evenness
8672 生 态 学 报 25卷
大部分指数表示景观类型面积百分比的分配情况,只有边界均匀度(EDE)能说明类型之间边界分配的均匀程度,与其它指
数间不存在显著的相关关系。不过可以根据相关系数的检验预示变化趋势,如果景观类型之间相邻边界长度相近,其面积百分
比也趋于相近,优势类型的面积减少。
2.5 不同类型指数之间的相关性
基本指数是从景观空间属性数据库直接获取的,是形状指数的基础,成为形状指数的计算参数。在基本指数中,归一化平均
斑块面积(NAPA)与形状指数 SI-MN、FDL和 FD-MN存在显著的负相关关系(表 5),NAPA不仅表示平均斑块面积,还能表
示斑块的形状。NAPA是周长加权的指数,周长参与了其计算过程,因此 NAPA应该是个形状指数。但是 NAPA与 SI-MN和
FD-MN的相关性比 FDL更显著,可能是它们都是平均值的缘故。
表 5 面积、周长、密度指数(基本指数)与形状指数间的相关分析
Table5 Thecorrelationanalysisbetweenarea,edge,densitymetricsgroup(basemetrics)andshapemetricsgroup
形状指数
Shapemetrics
基本指数 Basemetrics
TA TE NP LPI ED PD NAPA APP APA APA-CV
FDB
(0.48)
R-lnC
(0.45)
R-lnC
(0.40)
R-lnC
0.14
lnR-lnC
0.09
R-lnC
(-0.37)
lnR-C
-0.19
lnR-lnC
(0.36)
lnR-lnC
0.20
lnR-lnC
(0.46)
R-lnC
FDL
(0.53)
lnR-C
(0.66)
lnR-C
(0.57)
lnR-C
(-0.48)
lnR-lnC
(0.69)
lnR-C
(0.35)
lnR-lnC
-0.78
lnR-lnC
(0.46)
R-C
(-0.39)
lnR-C
0.18
lnR-lnC
LSI
0.90
lnR-lnC
0.98
lnR-lnC
0.98
lnR-lnC
(-0.31)
lnR-lnC
(0.62)
lnR-lnC
(0.38)
lnR-lnC
(-0.50)
R-lnC
0.21
R-C
(-0.48)
lnR-C
(0.70)
lnR-lnC
SI-MN
0.13
R-C
0.26
lnR-C
0.12
lnR-C
(-0.51)
lnR-lnC
(0.57)
lnR-C
0.19
lnR-lnC
-0.88
lnR-lnC
(0.57)
R-C
-0.23
lnR-C
(-0.30)
lnR-C
SI-CV
(0.61)
lnR-lnC
(0.67)
lnR-lnC
(0.60)
lnR-lnC
(-0.30)
lnR-C
(0.47)
lnR-lnC
-0.16
R-C
(-0.32)
R-lnC
(0.65)
R-lnC
-0.25
lnR-C
(0.40)
lnR-lnC
FD-MN
0.13
lnR-C
(0.30)
lnR-C
0.20
lnR-C
(-0.51)
lnR-lnC
(0.63)
lnR-C
(0.30)
lnR-lnC
-0.94
lnR-lnC
(0.38)
lnR-C
(-0.30)
lnR-lnC
-0.25
lnR-C
FD-CV
-0.27
lnR-C
-0.23
R-C
(-0.33)
lnR-C
(-0.33)
lnR-C
0.08
lnR-C
-0.12
R-C
-0.21
lnR-lnC
(0.30)
lnR-C
0.10
R-lnC
(-0.46)
lnR-C
APR-MN
(-0.62)
lnR-lnC
(-0.65)
lnR-lnC
(-0.62)
lnR-lnC
-0.04
lnR-C
(-0.40)
R-lnC
-0.15
R-lnC
(0.29)
R-C
-0.24
lnR-lnC
0.26
R-C
(-0.58)
lnR-lnC
APR-CV
(-0.54)
lnR-C
(-0.65)
lnR-C
(-0.67)
lnR-C
(0.31)
lnR-lnC
(-0.49)
R-C
(-0.36)
lnR-C
(0.43)
lnR-lnC
0.04
lnR-lnC
(0.34)
lnR-lnC
(-0.33)
R-lnC
表中,下划线表示相关系数既通过了 F0.01检验又其值大于 0.75;括号表示其内的相关系数通过了 F0.01检验,其值小于 0.75;R-C表示行和
列的数值的相关关系;R-lnC表示行的数值和列的自然对数间的相关关系;lnR-C表示行的自然对数和列的数值间的相关关系;lnR-lnC表示行
和列的自然对数间的相关关系 Where,n=76;absolutevalue>0.75andpassestheF-Testatp=0.01aresignificant,andareunderlined;
theypassedtheF-Testatp=0.01arebracketed;R-Cmeansthecorrelationbetweenvaluesinrowandcolumn;R-lnCmeansthecorrelation
betweenvalueinrowandln(valueincolumn);lnR-Crepresentsthecorrelationbetweenln(valueinrow)andvalueincolumn;lnR-lnC
representsthecorrelationbetweenln(valueinrow)andln(valueincolumn)
LSI与 TA、NP和 TE存在显著的正相关关系(表 5),如果景观总面积增加,斑块数和总边界长度明显增加(表 1),景观轮
廓(Landscapeborder)明显复杂化。由此可知,景观的固有属性与简单的景观形状指数有显著的相关关系(如 LSI,因为其参数
为 TA和 TE,而与斑块周长/面积无关),而与复杂的形状指数没有显著的关系(如 FDL)。不管怎样,固有属性还是能预示大部
分形状指数的变化趋势(如 FDL)。
前面提到景观类型代码参与 IDM 的计算过程,因此今后文章中不考虑它与其它指数的相关性。景观固有属性 TA与
MESH之间存在显著的正相关关系(表 6),即如果总面积增加,总面积加权的平均斑块面积(MESH)明显地增加。但是总面积
加权的斑块数(SPLIT)与 TA没有任何意义的相关关系,完全是由计算公式引起的。
PD、ED和 APP与 AI、ASM 和 PLADJ之间存在显著的相关关系(表 6),而与 TA不存在有意义的相关关系,表明总面积
无论怎么变,只要斑块密度减少,边界密度明显减少,而平均斑块面积明显增加(表 1),景观的聚集度增加(表 6)。
CO和 IJI对基本指数的变化不太敏感,因为它们是最大多样性加权的指数。反过来,同样 TA、NP、TE、NAPA和 APP对
CO和 IJI没有显著的影响。LPI对 ASM、DIVISION和 SPLIT具有显著的影响,景观中的最大斑块面积越大,总面积加权的斑
块数(SPLIT)减少,景观分离度明显减少,景观的聚集度增加,充分体现了 ASM的特点。
在多样性指数中,PR与基本指数之间没有显著的相关关系,而 PRD与 TA、TE、NP和 PAC-CV之间有显著的负相关关系
(表 7),即景观总面积增加,没能明显地影响景观类型数,而影响了单位面积上的类型数。LPI与 Simpson均匀度(SIEI和
MSIEI)存在显著的负相关关系(表 7),如果景观中的最大斑块的面积越大,它所代表的类型在景观中的优势程度提高,景观类
967210期 布仁仓 等:景观指数之间的相关分析
型之间的面积差异增大,均匀度减少。Simpson指数与最大斑块指数间相关系数比 Shannon指数的大,表明 Simpson指数对优
势类型的变化敏感。
表 6 面积、周长、密度指数(基本指数)与蔓延度指数间的相关分析
Table6 Thecorrelationanalysisbetweenarea,edge,densitymetrics(basemetrics)andcontagionmetrics
延蔓度指数
Contagionmetrics
基本指数 Basemetrics
TA TE NP LPI ED PD NAPA APP APA APA-CV
AI
-0.20
R-lnC
(-0.44)
R-lnC
(-0.46)
R-lnC
(0.63)
lnR-lnC
-0.99
lnR-C
-0.88
R-lnC
(0.65)
lnR-C
0.16
lnR-lnC
0.88
R-lnC
0.03
lnR-C
PLADJ
-0.09
R-C
(-0.33)
R-lnC
(-0.35)
R-lnC
(0.64)
lnR-C
-0.98
lnR-C
-0.90
lnR-lnC
(0.64)
lnR-C
0.20
lnR-lnC
0.90
lnR-lnC
0.12
lnR-lnC
CO
(0.39)
lnR-C
0.27
lnR-C
0.22
lnR-C
(0.68)
R-C
(-0.66)
R-lnC
(-0.68)
R-lnC
0.26
R-C
0.27
lnR-C
(0.71)
R-C
(0.50)
lnR-lnC
ASM
0.21
lnR-C
-0.18
R-lnC
-0.17
R-lnC
0.76
R-C
-0.76
R-lnC
(-0.69)
R-lnC
0.27
R-C
0.22
lnR-C
0.78
R-C
(0.39)
lnR-C
IDM
-0.22
lnR-lnC
(-0.45)
lnR-lnC
(-0.49)
lnR-lnC
(0.53)
lnR-C
-0.91
lnR-C
-0.91
lnR-lnC
(0.47)
lnR-C
(0.34)
lnR-lnC
0.91
lnR-lnC
-0.11
lnR-lnC
IJI
(-0.55)
R-lnC
(-0.53)
R-lnC
(-0.46)
R-lnC
-0.08
lnR-C
-0.13
R-lnC
(0.29)
lnR-C
(0.29)
lnR-lnC
(-0.66)
lnR-C
-0.23
lnR-lnC
(-0.43)
R-lnC
DIVISION
0.11
lnR-lnC
(0.31)
lnR-lnC
(0.29)
lnR-lnC
-0.95
R-C
(0.73)
lnR-lnC
(0.61)
R-lnC
(-0.40)
R-C
0.07
lnR-C
(-0.71)
lnR-C
(-0.40)
R-C
MESH
0.80
lnR-lnC
(0.67)
lnR-lnC
(0.66)
lnR-lnC
(0.60)
R-C
-0.24
lnR-C
(-0.41)
lnR-C
0.21
R-C
0.24
lnR-lnC
(0.35)
lnR-lnC
0.96
lnR-lnC
SPLIT
0.19
R-C
(0.34)
R-C
(0.32)
R-C
-0.97
lnR-lnC
(0.69)
lnR-C
(0.55)
lnR-lnC
(-0.53)
lnR-lnC
0.05
lnR-C
(-0.55)
lnR-lnC
(-0.45)
lnR-C
两类多样指数对 APA、PD、ED和 APA-CV的变化较敏感,如果景观的平均斑块面积大,景观类型之间的面积差异趋于减
少,多样性和均匀度增加,而优势度减少。
表示类型面积分配均匀程度的多样性指数或多或少与基本指数有显著相关关系,而表示边界分配均匀程度的 EDE与基本
指数没有一个显著相关关系。但是它对 APP的变化最敏感,其次为总面积(TA)、总边界长度(TE)和斑块数(NP)。如果景观平
均斑块周长增加,景观类型之间相邻边界长度的差异增加,边界均匀度减少。
表 7 面积、周长、密度指数(基本指数)与多样性指数间的相关分析
Table7 Thecorrelationanalysisbetweenarea,edge,densitymetrics(basemetrics)anddiversitymetrics
多样性指数
Diversitymetrics
基本指数 Basemetrics
TA TE NP LPI ED PD NAPA APP APA APA-CV
PR
(0.41)
lnR-lnC
(0.33)
lnR-lnC
(0.37)
lnR-lnC
0.20
lnR-C
-0.17
lnR-C
-0.12
lnR-C
(0.33)
lnR-lnC
-0.17
lnR-C
0.08
lnR-lnC
(0.47)
lnR-lnC
PRD
-0.99
lnR-lnC
-0.96
lnR-lnC
-0.94
lnR-lnC
0.09
lnR-lnC
-0.28
lnR-lnC
0.11
lnR-C
0.27
lnR-lnC
(- 0.34)
lnR-lnC
0.11
lnR-C
-0.82
lnR-lnC
EDE
(-0.58)
R-lnC
(-0.55)
R-lnC
(-0.49)
R-lnC
-0.10
lnR-C
-0.11
R-lnC
(0.30)
lnR-C
0.23
lnR-lnC
(-0.62)
lnR-C
-0.24
lnR-lnC
(-0.47)
R-lnC
SHDI
-0.26
R-C
-0.21
R-C
-0.13
R-C
(-0.58)
lnR-C
(0.57)
lnR-lnC
(0.56)
lnR-lnC
0.05
R-lnC
(-0.31)
R-C
(-0.66)
lnR-C
-0.28
R-C
SIDI
-0.18
R-C
0.19
lnR-lnC
0.17
lnR-lnC
(-0.73)
R-C
(0.70)
lnR-lnC
(0.61)
R-lnC
-0.18
R-C
-0.16
R-C
(-0.73)
lnR-C
(-0.36)
R-C
MSIDI
-0.27
R-C
-0.18
R-C
-0.12
R-C
(-0.72)
lnR-C
(0.67)
lnR-lnC
(0.61)
lnR-lnC
-0.16
lnR-C
-0.24
R-C
(-0.71)
lnR-C
(-0.42)
R-C
SHEI
(-0.42)
R-C
(-0.33)
R-C
-0.28
R-C
(-0.67)
lnR-C
(0.63)
lnR-lnC
(0.60)
lnR-lnC
-0.13
lnR-C
-0.24
R-C
(-0.68)
lnR-C
(-0.50)
R-lnC
SIEI
-0.23
R-C
0.15
lnR-lnC
0.13
lnR-lnC
-0.76
R-C
(0.71)
lnR-lnC
(0.63)
R-lnC
-0.22
R-C
-0.14
R-C
(-0.73)
lnR-C
(-0.41)
R-C
MSIEI
(-0.38)
R-C
-0.26
R-C
-0.22
R-C
(-0.76)
lnR-C
(0.69)
lnR-lnC
(0.62)
lnR-lnC
-0.24
lnR-C
-0.18
R-C
(-0.71)
lnR-C
(-0.54)
R-C
DO
(0.55)
lnR-lnC
(0.42)
lnR-C
(0.39)
lnR-C
(0.64)
R-C
(-0.51)
R-lnC
(-0.53)
R-lnC
0.21
R-C
0.22
lnR-lnC
(0.55)
R-C
(0.62)
lnR-lnC
RD
(0.49)
lnR-lnC
(0.40)
lnR-C
(0.36)
lnR-C
(0.63)
R-C
(-0.53)
R-lnC
(-0.57)
R-lnC
0.13
R-C
(0.29)
lnR-lnC
(0.61)
R-C
(0.57)
lnR-lnC
如果景观在空间上聚集分布,构成景观的斑块形状趋于简单,但实际上形状指数与蔓延度指数之间不存在任何显著的相关
0772 生 态 学 报 25卷
关系(表8)。以斑块内部象元的相邻程度表示聚集度的AI和PLADJ对形状指数的变化最敏感,因为AI能表示景观的形状[25]。
在形状指数中,相比之下,FDL与蔓延度指数之间相关系数为最大。
表 8 形状指数与蔓延度指数间的相关分析
Table8 Thecorrelationanalysisbetweenshapemetricsandcontagionmetrics
蔓延度指数
Contagionmetrics
形状指数 Shapemetrics
FDB FDL LSI SI-MN SI-CV FD-MN FD-CV PAR-MN PAR-CV
AI
0.07
lnR-lnC
(-0.69)
lnR-lnC
(-0.59)
R-lnC
(-0.54)
lnR-lnC
(-0.38)
R-lnC
(-0.62)
lnR-lnC
-0.08
lnR-lnC
0.25
lnR-C
(0.52)
lnR-C
PLADJ
0.12
lnR-lnC
(-0.65)
R-lnC
(-0.49)
R-lnC
(-0.54)
lnR-lnC
(-0.30)
lnR-lnC
(-0.61)
lnR-lnC
-0.10
lnR-lnC
0.20
R-C
(0.46)
lnR-lnC
CO
0.12
lnR-C
-0.15
R-lnC
0.16
lnR-C
-0.27
lnR-lnC
-0.05
R-lnC
-0.27
lnR-lnC
-0.15
lnR-lnC
-0.16
lnR-lnC
-0.10
lnR-lnC
ASM
0.06
lnR-lnC
(-0.29)
R-lnC
-0.28
R-lnC
-0.24
R-lnC
-0.24
R-lnC
-0.22
lnR-lnC
-0.02
lnR-lnC
0.23
R-C
0.02
R-C
IDM
-0.10
lnR-C
(-0.49)
lnR-lnC
(-0.58)
R-lnC
-0.27
lnR-lnC
-0.25
R-lnC
(-0.36)
lnR-lnC
0.17
lnR-C
(0.35)
R-C
(0.39)
lnR-C
IJI
-0.18
lnR-C
(-0.52)
lnR-C
(-0.50)
R-lnC
(-0.36)
lnR-C
(-0.65)
lnR-C
-0.25
lnR-C
-0.06
lnR-lnC
(0.43)
R-lnC
(0.29)
lnR-C
DIVISION
-0.07
R-C
(0.53)
R-lnC
(0.40)
lnR-lnC
(0.48)
R-lnC
(0.41)
lnR-lnC
(0.42)
R-C
0.25
R-lnC
-0.17
lnR-C
-0.25
R-C
MESH
(0.48)
lnR-C
0.07
lnR-C
(0.55)
lnR-lnC
(-0.34)
R-lnC
(0.36)
lnR-C
(-0.31)
R-C
(-0.39)
lnR-lnC
(-0.51)
lnR-lnC
-0.21
lnR-lnC
SPLIT
-0.10
lnR-lnC
(0.57)
lnR-lnC
(0.43)
R-C
(0.56)
lnR-lnC
(0.30)
lnR-lnC
(0.56)
lnR-lnC
0.28
lnR-lnC
-0.11
R-C
(-0.38)
R-lnC
在形状指数中,FDB对蔓延度指数最为不敏感,只与 MESH之间存在有一定意义的相关关系,由于它们都用特定面积的斑
块测量形状和蔓延度。在蔓延度指数中,ASM 和 CO与形状指数没有任何意义的相关关系,因为它只考虑类型之间的乡邻程
度。与其它形状指数比,平均形状指数(FD-MN、SI-MN和 PAR-MN)对 CO比较敏感,而对经过回归得出的 FDL和 FDB对它
不敏感。
在形状指数与多样性指数的相关分析中,PRD与 LSI之间存在显著的负相关关系(R=-0.91)(表 9),这是总面积影响的
结果,因为它们的生态学意义完全不同,只有总面积参与了它们的计算过程。
表 9 形状指数与多样性指数间的相关分析
Table9 Thecorrelationanalysisbetweenshapemetricsanddiversitymetrics
多样性指数
Diversitymetrics
形状指数 Shapemetrics
FDB FDL LSI SI-MN SI-CV FD-MN FD-CV PAR-MN PAR-CV
PR
0.15
lnR-lnC
-0.19
lnR-C
0.27
lnR-lnC
(-0.49)
lnR-lnC
0.01
lnR-lnC
(-0.48)
lnR-lnC
(-0.51)
lnR-lnC
(-0.41)
R-lnC
-0.04
R-C
PRD
(-0.48)
lnR-C
(-0.53)
lnR-lnC
-0.91
lnR-lnC
-0.16
lnR-C
(-0.64)
lnR-lnC
-0.15
lnR-lnC
0.18
lnR-lnC
(0.58)
lnR-lnC
(0.50)
lnR-lnC
EDE
-0.19
lnR-C
(-0.48)
lnR-C
(-0.52)
R-lnC
-0.28
lnR-C
(-0.63)
lnR-C
-0.17
lnR-lnC
0.01
lnR-C
(0.46)
R-lnC
0.28
lnR-C
SHDI
-0.07
R-C
-0.09
R-C
0.16
lnR-lnC
-0.09
R-C
0.11
lnR-lnC
-0.09
R-C
-0.15
R-C
-0.21
lnR-C
0.20
R-lnC
SIDI
-0.07
R-C
0.24
lnR-lnC
0.27
lnR-lnC
0.16
lnR-lnC
0.26
lnR-lnC
0.12
R-C
-0.04
lnR-C
-0.25
lnR-C
0.07
R-C
MSIDI
-0.08
R-C
0.19
lnR-lnC
0.21
lnR-lnC
0.16
lnR-lnC
0.20
lnR-lnC
0.11
R-C
-0.03
lnR-C
-0.20
lnR-C
0.11
R-lnC
SHEI
-0.14
R-C
0.10
lnR-lnC
-0.23
R-C
0.17
lnR-lnC
0.11
lnR-lnC
0.14
R-C
0.12
R-lnC
0.14
R-lnC
0.21
R-lnC
SIEI
-0.09
R-C
0.26
lnR-lnC
0.24
lnR-lnC
0.23
R-lnC
0.26
lnR-lnC
0.19
R-C
0.06
R-lnC
-0.21
lnR-C
0.07
R-C
MSIEI
-0.12
R-C
0.24
lnR-lnC
-0.15
R-C
0.28
lnR-lnC
0.19
lnR-lnC
0.26
R-C
0.18
R-lnC
0.15
R-lnC
0.12
R-lnC
DO
0.17
R-C
-0.07
R-lnC
(0.36)
lnR-C
-0.28
R-lnC
0.14
lnR-C
-0.26
R-lnC
-0.26
lnR-lnC
(-0.34)
lnR-lnC
-0.22
lnR-lnC
RD
0.14
R-C
0.10
lnR-C
(0.34)
lnR-C
-0.16
R-lnC
0.15
lnR-C
-0.14
R-C
-0.15
lnR-lnC
-0.27
lnR-lnC
-0.24
lnR-lnC
177210期 布仁仓 等:景观指数之间的相关分析
两类多样性指数与形状指数之间不存在任何有意义的相关关系,多样性、均匀度和优势度关系到景观类型的面积百分比,
与斑块周长等边界属性没有任何关系,它们描述的是截然不同的格局特点。
关系到景观边界的 EDE与形状指数之间没有显著的相关关系,斑块形状的复杂程度不能显著地改变边界均匀度。因为
EDE表示类型之间的边界分配情况,不关注斑块的周长和面积。但它们之间还是存在能指示变化趋势的能力,比如,景观边界
均匀度增加,类型之间的相邻边界长度相近,斑块形状趋于简单有规则。
最重要的是 PR与形状指数之间没有显著的相关关系,只与形状指数的平均值(SI-MN、FD-MN和 PAR-MN)间存在有一
定意义的相关关系。景观类型数的变化不影响斑块的形状,因为形状指数以斑块为计算单元,与景观类型没有任何关系,即使有
影响那是其它基本指数的间接表现。
大多数形状指数所对应的最敏感的多样性指数为 PR和 PRD,形状指数对用最简单的统计方法计算出来的多样性指数比
较敏感,而对用复杂公式计算出来的多样性不敏感。换句话说,基本指数所代表的信息在最简单的指数中保留的较多,而在复杂
的指数中保留的较少。
两类多样性指数与 ASM 和 CO之间存在显著的负相关关系,而与 DIVISION之间存在显著的正相关关系(表 10)。ASM
用景观类型之间相邻程度描述景观异质性,理所当然与多样性、均匀度和优势度的变化显著敏感,如果景观类型面积百分比差
异小,景观多样性高,景观聚集程度减少,景观的异质性增加,随机选择的象元属于同一个斑块的概率增加。相比之下,Simpson
指数(SIDI和 SIEI)对 AI、ASM、PLADJ、DIVISION、SPLIT较敏感,而 Shannon指数(SHDI和 SHEI)对 IJI较敏感。
PRD仅仅与MESH有显著的负相关关系,是总面积的间接体现。EDE只与IJI有显著的正相关关系,它们都表示景观类型
之间边界分配的均匀程度。与多样性指相同,蔓延度指数与 PR没有显著的相关关系,其原因相同。但比较起来 MESH对它最
敏感。
AI和 PLADJ与多样性指数没有显著的相关关系,因为它们表示斑块内象元的聚集程度,与景观类型的面积百分比和边界
百分比没有关系。
表 10 蔓延度指数与多样性指数间的相关分析
Table10 Thecorrelationanalysisbetweencontagionmetricsanddiversitymetrics
多样性指数
Diversitymetrics
蔓延度指数 Contagionmetrics
AI PLADJ CO ASM IDM IJI DIVISION MESH SPLIT
PR
0.19
lnR-lnC
0.23
lnR-lnC
(0.32)
lnR-lnC
-0.05
R-lnC
-0.06
lnR-lnC
-0.16
R-C
-0.17
lnR-C
(0.46)
lnR-lnC
-0.17
lnR-lnC
PRD
0.24
lnR-lnC
0.12
lnR-lnC
(-0.34)
lnR-lnC
-0.17
lnR-lnC
0.23
lnR-lnC
0.56
lnR-C
-0.14
lnR-lnC
-0.77
lnR-lnC
-0.22
lnR-C
EDE
0.09
R-C
0.02
R-C
(-0.55)
lnR-lnC
(-0.35)
lnR-lnC
-0.07
lnR-lnC
0.99
lnR-lnC
0.08
lnR-C
(-0.51)
R-lnC
-0.10
R-C
SHDI
(-0.40)
lnR-lnC
(-0.44)
lnR-C
-0.83
lnR-C
-0.93
lnR-C
(-0.55)
lnR-C
(0.48)
R-lnC
0.77
lnR-lnC
(-0.40)
R-lnC
(0.44)
lnR-lnC
SIDI
(-0.53)
lnR-C
(-0.56)
R-C
-0.90
R-C
-0.99
R-C
(-0.60)
lnR-C
(0.33)
R-C
0.91
lnR-lnC
(-0.46)
R-lnC
(0.60)
R-lnC
MSIDI
(-0.52)
lnR-lnC
(-0.55)
lnR-lnC
-0.88
lnR-C
-0.99
lnR-C
(-0.60)
lnR-C
(0.43)
R-lnC
0.86
lnR-lnC
(-0.53)
R-lnC
(0.58)
lnR-lnC
SHEI
(-0.48)
lnR-lnC
(-0.53)
lnR-lnC
-0.98
R-C
-0.93
lnR-C
(-0.53)
lnR-C
(0.56)
R-C
0.82
lnR-lnC
(-0.63)
R-lnC
(0.51)
lnR-lnC
SIEI
(-0.55)
lnR-C
(-0.59)
R-C
-0.94
R-C
-0.98
R-C
(-0.59)
lnR-C
(0.35)
R-C
0.92
lnR-lnC
(-0.53)
R-lnC
(0.62)
R-lnC
MSIEI
(-0.56)
lnR-C
(-0.60)
lnR-lnC
-0.97
R-C
-0.96
lnR-C
(-0.57)
lnR-C
(0.47)
R-C
0.87
lnR-lnC
(-0.67)
R-lnC
(0.62)
lnR-lnC
DO
(0.44)
R-C
(0.51)
R-C
0.97
R-C
0.81
R-lnC
(0.42)
R-C
(-0.62)
lnR-C
-0.68
R-C
(0.72)
lnR-lnC
(-0.50)
R-lnC
RD
(0.43)
R-C
(0.50)
R-C
0.98
R-C
0.90
R-lnC
(0.48)
R-C
(-0.64)
lnR-C
-0.68
R-C
(0.67)
lnR-lnC
(-0.48)
R-lnC
3 结果讨论
本研究中在景观水平上,计算了总面积(TA)、总边界长度(TE)、斑块数(NP)和类型数(PR)等最基本的格局指数。由于类
型数与景观多样性关系密切,因此划分到多样性指数中。除此之外,还有一重要的基本指数,相邻矩阵(AdjacencyMatrix),用来
测定景观中的景观类型之间相邻边界的长度。但是它的重点不在景观水平上,而在于类型水平上,因此被忽略。直接从以上基本
指数中任意两个的组合构成的指数被列入到基本指数中。基本指数与其它指数之间的关系最密切,就显著相关关系而言,它们
2772 生 态 学 报 25卷
与绝大多数指数具有显著的相关关系(表 1～10)。因此,在景观水平上,基本指数是其它指数的基础,决定其它指数。以总面积
为计算参数的指数与总面积的显著相关关系表明总面积在计算过程中丢失的信息量较少,总面积是指数的主体,总面积直接作
用于指数;而以景观总边界长度和斑块数等为参数的指数与总面积的显著相关关系表明总面积通过这些参数决定相关关系,总
面积间接作用于指数。而且在景观研究中首先根据研究目的确定研究区范围,计算格局指数,总面积是基本指数中的基本指数,
决定其它基本指数。当然景观分类系统也很重要,同一个研究区可以有不同的分类型系统,有不同的景观格局。
根据相关系数的显著性,指数的可预测性可以分为数值预测、趋势预测和不可预测等 3个等级。数值预测是指根据一个指
数的变化可以预测另一个指数数值变化,这类指数之间存在显著相关关系,如可以根据 TA的变化预测 TE的变化;趋势预测
是指根据一个指数的变化可以预测另一个指数的变化趋势,无法预测其变化程度,这类指数之间的相关性较差,如根据 TE可
以预测 ED的变化趋势;不可预测是指根据一个指数的变化无法预测另一个指数数值变化程度和趋势,如根据 TA的变化很难
预测 PD的变化程度和趋势。
两个指数之间的最大相关系数一般不是对它们原数值间的直接相关分析而得的,而是其中一个或二者的自然对数之间的
相关系数。例如,PD和 APA之间直接分析的相关系数为-0.62,而它们的自然对数之间的相关系数为-1.00。因此,在相关分
析中应该对数据进行各种处理,最后得出最大的相关系数才能说明指数间的相关关系。
如果两个指数之间存在显著的相关关系,而由它们两个构成的指数与它们之间没有显著的相关关系。比如,TA和NP之间
存在显著的相关关系(R=0.95),但是由它们两个构成的 PD和 APA与它们(TA和 NP)没有显著的相关关系,TA与 PD和
APA的相关系数分别为 R=-0.12和 R=-0.09;NP与 PD和 APA的相关系数分别为 R=0.29和 R=0.12。
如果表示平均值的指数之间存在显著的相关关系,则它们变异系数之间不存在显著的相关关系。例如 SI-MN和 FD-MN
之间存在显著的相关关系,但是它们的变异系数之间不存在有意义的相关关系。如果一个指数与另一个指数的变异系数有显著
的相关关系,则它与其平均值之间不存在有意义的相关关系。比如 TA和 APA-CV之间存在显著的相关关系(表 1),但 TA和
APA之间不存在有意义的相关关系。如果两个指数间的变异系数存在显著的相关关系,但很难得出它们两个的平均值间不存
在有意义的相关关系的结论,因为本研究中没有发现这种情况。还有一种是两个指数的平均值与其变异系数之间都不存在显著
的相关关系,如平均分维数(FD-MN)与平均周长面积比值(PAR-MN)以及它们的变异系数。不过这种关系的稳定性如何还需
要进一步的研究。
虽然形状指数以斑块周长、面积为计算参数,但其计算公式有很大差别,指数之间的相关关系最差,即指数之间的独立性最
强。形状指数相关性差不仅表现在组内,同样表现在与其它组的指数之间(表 2～表 10)。而且除了分维数(FDL和FDB)以外其
它都是一种平均值。如果数组内数值之间的差异较少时平均值具有统计意义,但如果它们的差异较大时平均值的意义不大,使
平均值带偏向。而且数组内数值数量多时用平均值表述景观形状显然不是最好的选择。对数分维数(FDL)和盒式分维数
(FDB)是经过线性回归计算出来的,正好弥补了平均值形状指数的不足之处。因此,如果景观中的斑块过少,达不到统计学的要
求,就用平均形状指数;如果斑块数量满足统计学的要求,尽量使用分维数(FDL和 FDB)。因此,建议在今后计算中,在景观或
类型水平上用对数分维数而在斑块水平上用周长面积比值。
蔓延度指数间的相关性受它们所代表的深层生态学意义,根据此特点归纳为以下 4个类型:①用景观类型内部的团聚程度
来表示景观聚集度的指数包括聚集度(AI)和相邻百分比(PLADJ),以象元为计算单元;②用景观类型的相邻程度来表示景观
聚集度的指数有分散指数(IJI),以景观类型为计算单元,在一定意义上表示景观边界分布的均匀程度;③用景观所有相邻程度
来表示景观聚集度的指数有蔓延度(CO)、角秒矩(ASM)和反差矩(IDM),以象元为计算单元;④用景观可能包含的斑块数和其
面积表示景观聚集度的指数有景观分离度(DIVISION)、分割指数(SPLIT)和有效网格面积(MESH),这些指数都以斑块作为
计算单元。这 4个类型内部的指数之间相关性较大,如 AI与 PLADJ存在显著的相关关系(R=0.99),决定系数为 98.21%,类
型之间的指数间相关性较差。
不论怎样,除了景观类型和斑块为计算单元的蔓延度指数外,以象元为计算单元的指数对象元大小特敏感,这类指数有聚
集度(AI)、相邻百分比(PLADJ)、蔓延度(CO)、角秒矩(ASM)和反差矩(IDM),如果象元面积减少,景观聚集度增加[26]。在计算
过程中,它们考虑的不是象元大小及单位而是象元数量,因此受象元大小或空间分辨率的影响[26]。因此,在具体案例研究中,尤
其景观动态变化研究中必须保证每期数据的空间分辨率一致。应该特别注意蔓延度指数中的一个指数,反差矩(IDM),它在计
算过程中采用类型的数字代码,如果采用不同的代码计算结果截然不同。因此,在景观动态变化分析中,类型代码相同的情况
下,可以计算 IDM,在其余情况下,慎重考虑,再作决定。
虽然多样性指数与景观类型数有关,但与类型数(PR)不存在显著的相关关系,这表明在真实景观中影响多样性(SHDI和
SIDI)、均匀度(SHEI和 SIEI)和优势度(DO和 RD)的因子主要是景观类型的面积百分比,而不是类型数。但是在特殊情况下,
它们与 PR存在显著的相关关系,如类型面积百分比被固定,类型数与 PR会显现出显著的相关关系。多样性指数与形状、相邻
377210期 布仁仓 等:景观指数之间的相关分析
矩阵和空间位置没有任何关系,因此对它的争论也比较多。两类多样性指数之间具有显著的相关关系,而且前人研究表明,
Shannon指数对景观中的非优势类型的变化敏感,而 Simpson指数对优势类型的变化敏感[27]。因此只能根据它们对景观基本
指数或其它指数的敏感程度来理解内涵,在研究中根据研究目的进行筛选。相比之下,Simpson指数对斑块密度(PD)、边界密
度(ED)、平均斑块面积(APA)和最大斑块指数(LPI)的变化较敏感(表 7)。
表示景观异质性的指数有两种,即多样性和聚集度,但是它们所采用的参数和侧重点不同。多样性指数用景观类型面积百
分比表示景观异质性,聚集度则用类型之间相邻矩阵表示景观异质性。毫无疑问,它们之间的相关关系比较好(表 10)。
根据本文的研究结果,可知影响景观指数间的相关系数的第 1个主要因子是景观格局本身。景观的空间格局决定了景观类
型的空间分布,类型之间的空间关系。在今后的研究中应该注意环境因子与景观格局指数间的相关性研究,这样才能更有力地
揭示格局与指数间的相关性。影响景观指数间的相关性的第 2因子应该是其生态学意义,因为,为了解释某个生态问题才提出
景观指数,应用指数。不管指数的参数如何,生态学意义相近的指数之间相关性好,这种现象表现在指数组内和组之间,如多样
性和蔓延度指数之间(表 10)。影响景观指数间的相关系数的第 3个主要因子应该是指数的计算公式,如果两个指数所采用的
参数相同,它们之间的相关性好,这种现象集中表现在指数组内。但计算过程中对参数的不同处理方式使得指数之间的相关系
数大有不同。例如平均分维数和平斑块周长面积比值之间的相关系数为 0.071(表 2),Shannon多样性(SHDI)与 Simpson多样
性(SIDI)之间相关系数为 0.949(表 4)。如果指数的计算公式越简单,基本指数与它的相关性较好,在其中保留的基本指数的信
息越大。如果指数的计算公式越复杂,基本指数与它的相关性较差,在其中保留的基本指数的信息越少。影响景观指数间的相关
系数的第 4个主要因子应该是计算单元,如果两个指数的参数和单元相同,它们之间相关性好,这种现象同样表现在指数组内。
例如聚集度(AI)和相邻百分比(PLADJ)都以象元为计算单元,其相关系数为 0.991。影响景观指数间的相关系数的第 5个主要
因子应该是空间分辨率,尤其是那些只考虑象元数量而不考虑其大小的指数[5,25,28]。还一个影响景观指数间相关系数的重要因
子,景观分类系统,同一个景观可以有不同的分类系统。同一个景观,在不同的分类系统下计算出的指数间相关性是否相同,是
个值得研究的课题,本研究中没有涉及到这方面的内容,因此不知分类系统的影响程度。总的来说,指数之间影响因子的相同之
处越多,它们之间存在显著相关关系的概率越大。
References:
[1] MilneBT.Lessonsfromapplyingfractalmodelstolandscapepatterns.In:Quantitativemethodsinlandscapeecology.Editors:Turner
M G.andGardnerRH.NewYork:Spring-Verlag,1991.199～235.
[2] TischendorfL.Canlandscapeindicespredictecologicalprocessesconsistently?LandscapeEcology,2001,16:235～254.
[3] ShannonCE.andWeaverW.TheMathematicalTheoryofCommunication.UniversityofIlinoisPress,Urbana,1962.IL.I25.
[4] MandelbrotB.TheFractalGeometryofNature.W.H.FreemanandCo.,NewYork,NY,1983.460.
[5] ONeilRV,KrummeJR,GardnerRH,etal.Indicesoflandscapepattern.LandscapeEcology,1988,1(3):153～162.
[6] FormanRTTandGodronM.Landscapeecology,NewYork:Wiley,1986.
[7] BaskentEZandJordanGA.Characterizingspatialstructureofforestlandscapes.CanadianJournalofForestResearch,1995,25:1830
～1849.
[8] HulshoffRM.LandscapeindicesdescribingaDutchlandscape.LandscapeEcology,1995,10:101～111.
[9] MusickHBandGroverHD.Imagetexturalmeasuresasindicesoflandscapepattern.In:Quantitativemethodsinlandscapeecology.
Editors:TurnerM GandGardnerRH.NewYork:Spring-Verlag,1991.77～103.
[10] SchumakerNH.Usinglandscapeindicestopredicthabitatconnectivity.Ecology,1996,7:1210～1225.
[11] WithKAandKingAW King.Dispersalsuccessonfractallandscapes:aconsequenceoflacunaritythresholds.LandscapeEcology,
1999,14:73～82.
[12] DongP.Testofanewlacunarityestimationmethodforimagetextureanalysis,INT.J.RemoteSensing,2000,21(17):3369～3373.
[13] HeHS,DeZoniaBandMladenoffDJ.Anaggregationindex(AI)toquantifyspatialpatternsoflandscapes.LandscapeEcology,2000,
15(7):591～601.
[14] HaralickRM,ShanmugamKandDinsteinI.TexturalFeaturesforImageClassification,IEEETransactionsonSystems,Manand
Cybernetics,1973.610～621.
[15] HaralickRM.Statisticalimagetextureanalysis.In:T.Y.YoungandK.S.Fueds.HandbookofPaternRecognitionandImage
Processing.NewYork:Academic,1979.247～280.
[16] HeroldM,LiuXHandClarkeKC.Spatialmetricsandimagetextureformappingurbanlanduse.PhotogrammetricEngineering&
RemoteSensing,2003,69(9):991～1001.
[17] RittersKH,ONeilRV,HunsakerCT,etal.Afactoranalysisoflandscapepatternandstructuremetrics.LandscapeEcology,10
4772 生 态 学 报 25卷
(1):23～39.
[18] TraubBandKleinnC.Measuringfragmentationandstructuraldiversity.ForstwCentralblat,1999,118:39～50.
[19] CainDH,RittersKHandOrvisK.Amulti-scaleanalysisoflandscapestatistics.LandscapeEcology,1997,12:199～212.
[20] McGarigalK,CushmanSA,NeelM CM,etal.FRAGSTATS:Spatialpatternanalysisprogram forcategoricalmaps.Computer
softwareprogramproducedbytheauthorsattheUniversityofMassachusetts,Amherst.AvailableatthefolowingWebsite:www.
umass.edu/landeco/research/fragstats/fragstats.html,2002.
[21] XuKX.BiologicalMathmatics.Beijing:SciencesPress,2001.35.
[22] MatchsNetWebSite.Availableat:http://www.mathsnet.net/asa2/modules/s14pmcc.html,2004.
[23] MladenoffDJandDeZoniaB.APACK2.0usersguide.DepartmentofForestEcologyandManagement.UniversityofWisconsin-
Madison,Madison,WI,USA.
[24] BuRC,WangXLandXiaoDN.AnalysisonlandscapeelementsandfragmentationofYelowRiverdelta.ChineseJournalofApplied
Ecology,1999,10(3):321～324.
[25] HeH S,StephenJV,MladenoffDJ,etal.EffectsofspatialaggregationapproachesonclassifiedlandsatTM sateliteimagery.
InternationalJournalofGeographicalInformationSciences,2002,16(1):93～109.
[26] BuRC,LiXZandHuYM,etal.Scalingeffectsonlandscapepatternindices.ChineseJournalofAppliedEcology,2003,14(12):2181
～2186.
[27] WickhamJDandRittersKH.Sensitivityoflandscapemetricstopixelsize.Int.J.RemoteSensing,1995,16(18):3585～3594.
[28] TurnerM G,ONeilRV,GardnerRH,etal.Effectsofchangingspatialscaleontheanalysisoflandscapepattern.LandscapeEcology,
1989,3,153～162.
参考文献:
[21] 徐克学.生物数学.北京:科学出版社,2001,35.
[24] 布仁仓,王宪礼,肖笃宁.黄河三角洲景观组分判定与景观破碎化分析.应用生态学报,1999,10(3):321～324.
[26] 布仁仓,李秀珍,胡远满,等.尺度分析对景观格局指标的影响.应用生态学报,2003,14(12):2181～2186.
577210期 布仁仓 等:景观指数之间的相关分析