生态学报  2014, Vol. 34 Issue (12): 3276-3284

文章信息

张玲玲, 赵永华, 殷莎, 房舒, 刘晓静, 蒲苗苗
ZHANG Lingling, ZHAO Yonghua, YIN Sha, FANG Shu, LIU Xiaojing, PU Miaomiao
基于移动窗口法的岷江干旱河谷景观格局梯度分析
Gradient analysis of dry valley of Minjiang River landscape pattern, based on moving window method
生态学报, 2014, 34(12): 3276-3284
Acta Ecologica Sinica, 2014, 34(12): 3276-3284
http://dx.doi.org/10.5846/stxb201310312639

文章历史

收稿日期:2013-10-31
修订日期:2014-4-4
基于移动窗口法的岷江干旱河谷景观格局梯度分析
张玲玲, 赵永华 , 殷莎, 房舒, 刘晓静, 蒲苗苗    
长安大学地球科学与资源学院, 西安 710054
摘要: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。
关键词尺度效应    景观指数    移动窗口    梯度分析    
Gradient analysis of dry valley of Minjiang River landscape pattern, based on moving window method
ZHANG Lingling, ZHAO Yonghua , YIN Sha, FANG Shu, LIU Xiaojing, PU Miaomiao    
College of Earth Science and Resources, Chang'an University, Xi'an 710054, China
Abstract:Great attentions have been paid on landscape changes in recent years. As a basis of further researches on landscape functions and dynamics, contributes to analyzing spatial distribution characteristics of landscape components, landscape pattern analysis became an important topic of landscape ecology. In landscape pattern analysis, landscape metrics has been used as a common tool to exhibit the spatial distribution of landscape. During the past two decades, many processes have been used to analyze changes of landscape and the relationships with human influences and environmental factors. As a hotspot of quantitative methods of landscape analysis, gradient analysis, which is conducive to revealing the evolutionary laws of spatial landscape patterns has became a significant means in landscape ecology. However, the appropriate spatial scale is the key point to calculate the landscape metrics, and scale issues represent one of the foremost frontiers of landscape ecology. It is well known that the observed landscape pattern and its relationship with (landscape) process depend upon the scale. Great developments have been made on researches on pixel and spatial extent of landscape pattern evolution quantitatively and qualitatively. Little on the accuracy of the landscape analysis is related to both pixel and extent effect since there is the lackage of systematic study on the selection of optimization scale in landscape gradient pattern analysis. In this study, taking the dry valley of Minjiang River as study area and using ARCGIS9.3, ENVI4.8 and FRAGSTATS3.3, based on the image data of Land Resources Satellite ETM+ (2011), we aim to analyze the variation of landscape index with grain size. To obtain gradient patterns of the landscapes, 4 transects have been set up along both mainstream and tributaries of Minjiang River. A series of metrics at the landscape level (NP, PD, LPI, DIVISION, SHDI, and SHEI) were chosen and calculated using standard and moving window approach with different spatial scale, respectively. Then, an optimization-scale selection method, which integrates: the grain effect analysis of landscape index, the data loss assessment and the landscape index range effect curve analysis, was developed to obtain accuracy and efficient scale. By analyzing the grain inflexions of the landscape index comprehensively, we found that 30-90m and 110-160m were the appropriate grain ranges. Data loss assessment showed that 50m was the appropriate grain extent. In addition, based on moving window analysis, landscape index range effect curve analysis suggested that 250m was the most appropriate spatial extent for landscape pattern analysis. At the landscape level, 6 metrics were calculated by Moving window method: shrub land, accounting for 73.82% of the total landscape, was the matrix in dry valley of Minjiang River in the year 2011; the forestland and grassland's landscape heterogeneity decreased and relatively high the fragmentation degree of construct and farmland; water area has no obvious change; landscape metrics in the four transects present different amplitude and evident gradient diversity as landscape type change, the index change is larger in transition zone as compared to the single region; landscape pattern develops in the direction of heterogeneity, diversification and homogenization; and topography, precipitation, temperature and human activities were the factors for the gradient changes of landscape. As a kind of beneficial attempt, this study more finely analyzed the landscape pattern in the study area. The result of landscape pattern gradient analysis provided a novel way for discerning the landscape pattern change in the mountainous areas.
Key words: scale effect    landscape metrics    moving window    gradient analysis    

景观生态学中,尺度通常指空间和时间上的幅度(extent)和粒度(grain)。景观格局是各种生态过程在不同尺度上作用的结果,是景观异质性的表现[1, 2, 3]。尺度效应是指当空间幅度或粒度改变时,景观空间异质性也随之改变的现象[4, 5]。尺度的变化对景观格局的定量分析结果会产生不同程度的影响,因此在景观格局分析中,选择合适的分析尺度很有必要。尺度效应已有大量研究,徐丽等探讨了合肥市景观格局指数随不同粒度的变化特征;ZHANG等以凤凰市为例,应用移动窗口法,研究了不同窗口大小对土地破碎化研究结果的影响;Paul Galpern对景观连通性的幅度效应进行了分析。上述研究主要集中在单一的空间粒度或者空间幅度方面,研究结果已经证明分析数据的空间分辨率大小和研究区域的空间范围对景观分析结果均有影响[6, 7, 8, 9, 10, 11],因此在景观分析中应该将两者综合考虑,以准确有效反映区域景观格局变化信息。

移动窗口法是通过统计计算窗口内所选的景观指标,输出对应的栅格图,以观察景观格局空间变异状况,它可以使景观空间格局信息明晰化[12]。梯度分析可以充分展现研究目标在空间上沿某一方向的分布规律和逐渐变化的空间特征。与传统的基于总体的特征分析相比,利用移动窗口法对景观格局进行空间梯度分析,可以实现局部区域上景观指数的量化和空间可视化,从而更明确地从空间上展示景观格局动态变化的过程,揭示景观内部结构的差异性[13]。岷江干旱河谷地区地理位置特殊,地形地貌类型复杂多样,生物多样性丰富,是我国西南地区脆弱且具有重要生态服务功能的地区。它不仅是长江上游生态安全重要屏障的组成部分,也是成都平原的水源生命线。常年来在气候条件和人类活动的共同影响下,滑坡、崩塌频发,水土流失严重。近年来,由于对水土资源的不合理开发利用强度加大以及重大地质灾害的影响,区域内生态环境恶化,景观格局也发生一些变化。目前国内外学者利用景观指数和移动窗口相结合的方法对流域、城市空间梯度格局进行了大量的研究[14, 15],但是用此方法对河谷地区景观格局梯度分析尚属少见。为此,本文以岷江干旱河谷为研究区,基于移动窗口法,通过变换研究区栅格像元大小和移动窗口半径,来选择干旱河谷空间格局梯度分析的合适尺度,旨在科学阐述岷江干旱河谷景观梯度格局特征及其影响因素,探讨各景观指数沿样带梯度变化情况以及梯度分析方法能否反映干旱河谷纵向景观格局变化特征,为河谷地区景观格局的空间量化分析和格局优化提供参考。

1 研究区域和研究方法 1.1 研究区概况

岷江上游干旱河谷地处四川盆地丘陵山地与青藏高原的过渡地带,地理位置位于102°56′E—103°55′E,31°16′N—32°26′N之间,属于横断山区东北缘。主要分布于岷江干流松潘镇江关以下,经茂县凤仪镇至汶川县绵虒镇的岷江干流,以及黑水河谷和杂谷脑河谷等岷江支流的两侧。行政区域上包括四川省阿坝藏族羌族自治州的汶川、理县、茂县、黑水和松潘县。区域内高山与峡谷错综分布,岭谷相对高差大,山脉多呈南北走向。由于高山峡谷阻挡了来自太平洋的东南季风气流和来自印度洋的西南季风气流,造成了该地区气候垂直分异和地域性差异,绝热增温的焚风效应显著,河谷地带终年受下沉的干热气流控制,因此植被稀疏,主要为旱生灌草植被[16]。干湿季节分明,雨季短,一般为当年6月到10月,植被长势茂盛。旱季长,一般是当年11月至次年5月,植被枯黄凋零。年降水量490mm左右,小于当年蒸发量,气候干燥。

1.2 数据来源与处理

遥感数据选用2011年7月19日的Landsat ETM+遥感影像,经过图像增强处理后,分辨率为15m×15m。结合ETM+各波段的特点和波段之间的相关性,并且考虑到视觉效果,采用TM5、TM4、TM3波段合成假彩色影像。影像的投影坐标系采用Transverse Mercator投影,Krasovsky椭球体,中央经线为105°E。参考2007年国土资源部公布的《土地利用现状分类》,根据研究区的实际情况和研究需要,将干旱河谷景观分为有林地、灌木林地、草地、耕地、水体、居民地6种景观类型。根据建立的解译标志,在ENVI4.8中使用监督分类方法进行图像解译,得到分类结果(图 1)。经过Kappa指数进行评价与验证,分类精度为78.2%,符合研究需要。在Arcgis9.3中将分类结果转换成矢量格式,并创建拓扑关系,最终得到符合要求的矢量数据。利用Arcgis9.3的空间分析功能,将矢量数据转化为GRID格式。最后将栅格图导入 Fragstats3.3软件中进行相关景观指数计算。

图 1 岷江干旱河谷景观类型及样带设置 Fig. 1 Landscape type and location of the 4 sampling transects in dry valley of Minjiang
1.3 研究方法 1.3.1 景观指数的选择

为既能全面反映景观格局特征,又能减少格局信息冗余度,参照相关研究成果和研究区特点[17, 18, 19],本文选择类型水平上的斑块类型面积百分比(PLAND)、斑块平均大小(MPS)、最大斑块指数(LPI)及斑块密度(PD);景观水平上的斑块数(NP)、斑块密度(PD)、最大斑块指数(LPI)、分离度(DIVISION)、Shannon多样性指数(SHDI)和Shannon均匀度指数(SHEI),利用Fragstats 3.3 软件分别选择标准法和移动窗口法分析研究区景观格局特征。

1.3.2 计算方法

本文综合运用景观指数粒度效应分析和改进的区域土地面积变化评价指数模型两种方法[17, 20],定性分析和定量评价相结合,以选取适合本研究区景观格局分析粒度。

景观指数粒度效应分析是依据景观指数的粒度效应曲线来选取合适粒度域的方法。曲线是以不同粒度为横轴,以该粒度下对应的景观指数值为纵轴建立的。

面积信息守恒评价方法是定量评判尺度转换后精度的有效方法,根据徐芝英等提出的改进的区域土地面积变化评价指数模型,对研究区总面积损失情况进行评估。利用第一尺度域中的栅格大小作为横坐标,以区域土地面积变化值作为纵坐标进行图示分析。模型表达如下:

式中,Ai表示i类景观栅格面积;Abi表示该类型在尺度转换前的矢量面积,Li表示面积损失的相对值;Si表示区域土地面积变化指数;n表示景观类型数目。

1.3.3 样带设计

岷江干旱河谷是以岷江干支流为中心逐渐向外扩展的自然地理区域,自然地理梯度主要表现为沿河流流向的纵向梯度。由于干旱河谷是地形比较破碎的地区,受自然和社会因素的影响,干旱河谷的上下游和干支流地段具有不同的宽度。考虑到不仅要尽可能多的包括多种斑块类型还要保证研究数据结果的一致性,本文根据岷江干旱河谷的形状特征、河谷宽度的上下限和研究目的,设置a、b、c、d 4条表示纵向梯度格局,具有代表性的样带[21]。4条样带宽度均为2.5km,a、b长度分别为21.5、17.5km,c、d均为19.5km。然后基于移动窗口法,以500m为间隔对样带进行栅格水平上的采样,以分析干旱河谷景观格局梯度变化。

2 结果与分析 2.1 分析尺度的选取 2.1.1 分析粒度的选取

本文选取转换粒度以20m为起点,180m为终点,10m为间隔,对解译的矢量数据栅格化,得到17幅不同粒度等级的栅格图。对上述选取的指数进行景观指数粒度效应分析,以确定研究区的合适分析粒度。

图 2可知,随着粒度的增加,各景观指数值出现了尺度转折点。这是由于栅格化过程中,矢量数据的边界、相邻斑块的属性发生改变,进而改变了景观格局的有关特征,导致景观指数值发生相应变化[10]。根据拐点分布情况,选定30—90 m和110—160 m为两个景观格局分析适宜尺度域。在此尺度域内,景观指数值的变化相对平缓,没有剧烈变动,能够有效反映研究区景观格局变化。考虑到计算效率问题,选择第1尺度域作为适宜尺度域,进行下一步适宜分析粒度的确定研究。

图 2 岷江干旱河谷景观指数值随粒度的变化 Fig. 2 The changes in landscape indices with different grain sizes in dry valley of Minjiang River

图 3可知,当栅格分辨率小于70m时,面积精度损失指数较小,其值小于0.25;大于70m后,面积精度损失指数值迅速变大,达到0.34。

图 3 不同栅格尺寸下的区域土地面积精度的变化 Fig. 3 Changes of land area accuracy in different grid sizes

综合景观指数粒度效应分析和信息损失评价的结果表明:50m为研究区景观格局的适宜分析粒度,既能保证计算质量,又不使计算工作量过于冗余。

2.1.2 分析幅度的选取

在已经确定的研究区分析粒度基础上,再进行分析幅度的选取,为进一步的区域景观格局研究做准备。为避免非整数个像元带来的数据处理的麻烦,本研究采用50m的奇数倍作为移动窗口的尺寸,以500m为上限,分别用边长不等的移动窗口计算窗口内的景观指数。为避免窗口的边缘效应,移动窗口在整个研究区内从左上角开始移动,计算窗口内的景观指数值,再赋值给该窗口中心栅格,得到相应景观指数栅格图,然后在指数栅格图中选取样带进行分析。基于获取的景观指数栅格图,在4条样带上选取160个样点,提取样点的景观指数值,研究幅度变化对景观格局指数的影响。

在景观水平上,4 条空间带的景观格局指数呈现出相似的变化趋势。限于篇幅,本文仅以样带c上各景观指数幅度变化响应为例进行分析。从图 4可以看出,当窗口宽度增大时,除NP指数曲线波动加剧外,其他5种景观指数曲线趋于平滑。而当窗口宽度减小到50m时,指数曲线表现出锯齿状的波动。总体来看,250m的窗口尺寸是比较合适的分析尺度,选择的景观指数能够形成较为平滑的可视化效果[22]

图 4 不同幅度下景观指数沿样带的变化 Fig. 4 Variation of landscape metrics along the land use transect with different spatial extents
2.2 合适尺度下景观格局梯度分析 2.2.1 景观格局整体特征

基于标准法的景观格局分析表明(表 1),岷江干旱河谷景观组成中,灌木林地的景观面积百分比最大,占总面积的73.82%,是研究区景观基质类型;有林地、耕地、水体、草地和居民地的比例依次为11.86%、7.65%、2.51%、2.26%和1.9%;平均斑块面积最大的是灌木林地,为741.2hm2,其次为草地,是117.2hm 2,而其他类型景观平均斑块面积都较小;斑块密度最大的是水体,其次是居民地和耕地,而有林地、草地的斑块密度很小,不足0.3个/km2;灌木林地的最大斑块指数最大,草地、有林地、耕地、水体和居民地依次减小。上述结果说明,灌木林地为研究区的优势景观类型。有林地和草地的最大斑块指数比较大,而斑块密度很小,说明二者的景观异质性低。居民地和耕地的斑块密度比较大,而平均斑块面积很小,表明二者斑块的破碎化程度较大。

表1 岷江干旱河谷景观格局特征 Table 1 Landscape characteristics in dry valley of Minjiang River
类型TypePLAND/%PD/(个/100hm2)LPI/%MPS/hm2
PLAND:景观面积百分比Percentage of landscape; PD:斑块密度Patch density; LPI:最大斑块指数Largest patch index; MPS:平均斑块面积 Average patch area
水体Water2.510.910.152.75
灌木林地Shrub73.820.1019.95741.20
有林地Forestland11.860.180.4067.64
耕地Farmland7.650.310.1524.83
居民地Residential Area1.900.370.135.09
草地Grassland2.260.020.49117.20
2.2.2 景观空间梯度格局

景观空间梯度格局梯度变化是指在某一区域内景观特征沿着某方向有规律地变化。研究区景观类型的梯度变化特征如图 5所示,4条样带上各指数值均呈现不同幅度的上下波动特征。

图 5 岷江干旱河谷样带上景观指数的梯度变化 Fig. 5 Gradients variation in Landscape Metrics of 4 transects in dry valley of Minjiang River

样带a上,各景观指数出现4个明显的波动段,分别是样点8—11(景观类型主要为草地和灌木林地),22—26(景观类型以灌木林地和耕地为主),31—34(位于灌木林地区),40-43(位于有林地到灌木林地的过渡带)。其中在第1段和第4段中DIVISION、SHEI和SHDI值均出现峰值,而NP、PD和LPI出现谷值,表明这一地区景观类型多样,分布均匀,破碎化程度高。这一方面是由于谷坡陡峻,山体破碎所致,二是薪柴仍旧是该山区农业人口的主要能源形式,长期大量取薪造成这一地区景观破碎化和生态退化;第2段和第3段中除LPI出现谷值外,其他景观指数均出现峰值。说明这一区域景观异质性显著,破碎程度高。主要是由于近年来梯级水电站的建立,导致该区的土地开发和建设强度不断加大。

样带b上是3段起伏变化,分别为7—10(区域内耕地、居民地、有林地交替分布),13—17(景观类型以灌木林地为主),27—29(位于灌木林地向有林地过渡带),3段上NP、PD、DIVISION、SHEI、SHDI均出现峰值,LPI则是谷值。说明该段区域上景观类型多样,分离度高,破碎化严重,优势景观不明显。主要是因为在源头附近河流侵蚀作用强烈,山体破碎,以及居民贫困现象显著,过度采伐和陡坡耕植禁而不止。

样带c上分为3段波动区域,分别是3—7(景观类型主要为居民地和耕地),25—31(景观类型以灌木林地为主),36—38(优势景观类型为耕地)。其中第1段和第2段上NP、PD、DIVISION、SHEI、SHDI均出现峰值,LPI则是谷值,表明这段区域景观分布均匀,异质性显著。第3段上NP、PD、LPI出现谷值,DIVISION、SHEI、SHDI出现峰值。说明在该段景观多样性和异质性大,破碎化程度高。这是由于该段接近干支流交汇处,水分条件得到改善,人口增加,居民点分布密度也提高,对土地利用强度增加,造成生态破坏。

样带d上自西南向东北依次出现了2个峰值,分别是17—20(位于灌木林地向耕地过渡地带),28—31(景观类型以灌木林地为主)。在第1段里DIVISION、SHEI和SHDI出现峰值,LPI出现谷值,而NP和PD变化不大。表明该段景观类型完整,第2段里NP、PD、DIVISION、SHEI、SHDI均出现峰值,LPI则是谷值。说明这段区域土地利用丰富,景观类型多样,各类景观分布均匀。这是因为受海拔的降低,水热条件改善,以及退耕还林政策的引导和地震灾害的影响和生态补偿机制的建立,居民活动向有利于生态环境恢复的方向发展。

3 结论与讨论

(1)不同的景观有不同的格局特征,对尺度变化的响应也不同,只有针对特定景观的合适尺度,而没有最佳尺度[14]。综合景观粒度效应分析、面积信息守恒评价和景观指数幅度响应曲线的结果,考虑到计算机硬件配置和数据运算时间[23],确定50m的栅格大小、250m的窗口尺寸可用于研究区景观梯度分析,既能保留梯度特征又不使景观指数出现较大波动。

(2)岷江干旱河谷总体上以灌木林地和有林地为主,斑块面积大,优势度高,异质性低。居民地和耕地斑块密度大,分布分散,破碎化程度高。4条样带上景观格局梯度变化特征表明:沿干流和沿支流梯度方向上,各景观指数值均有明显变化。样带上不同地区的景观类型空间异质性是景观格局梯度差异的原因,处于景观类型过渡地带和不同景观镶嵌分布的区域,指数变化比较大,景观多样性增加,破碎化程度高。干旱河谷本身的自然地理因素中的地形、水热等因子,以及人为因素中的堤坝建设和土地开发利用活动是景观梯度格局变化的驱动因子。

(3)不同样带设计方案会影响到景观指数的梯度变化,在计算结果的差异方面尚缺乏系统的研究,因此选取样带时需要综合考虑研究区的地形特征、研究目标等因素。本文在设置样带时将干旱河谷形状特征和自然、社会影响因子考虑在内,设计了支流方向上主要受水分因素影响的a、c样带,干流方向上主要受热量因素影响的b、d样带,而且,b样带位于源头附近,受人类活动干扰程度小于海拔较低的d样带。样带a、c比样带b、d景观指数波动大,样带d比样带b景观指数波动大,表明研究区景观格局变化受水分影响和人类活动影响比较大。

(4)干旱河谷总体格局分析能够得到研究区总体格局的特征,但是很难反映干旱河谷景观格局的细节特征,梯度分析能有效解决这一问题。作为一种有益的尝试,本研究设置样带,应用移动窗口和景观指数相结合的方法,更精细地分析了岷江干旱河谷的景观格局。但尚存在一定的问题:

(1) 本研究主要分析了水平维度上的景观格局梯度动态变化,垂直维度因素如何影响景观梯度格局,有待进一步研究。

(2) 遥感数据本身的分辨率对梯度分析结果有一定的影响,使用高空间分辨率的分析数据能够更真实反映空间格局的变化。

(3) 尺度可分为测量尺度和本征尺度。测量尺度用来测量过程和格局,本征尺度是自然现象固有而独立于人类控制之外的[3]。本研究在尺度推绎上存在一定的主观性,如何使测量尺度不断接近本征尺度,减少人为测量尺度的划分对景观格局内在规律性的破坏需要进一步的研究。

(4) 景观生态过程是动态的、发展延续的过程,将静态的格局分析赋予动态变化的属性,是把格局分析与生态过程研究结合起来的重要分析方法。今后,将结合时间序列的景观数据和社会经济数据等,建立过程影响因子动态变化图谱,从而构建新的景观动态变化格局,以分析其变化特征并实行空间格局的优化。

参考文献
[1] Su C H, Fu B J. Discussion on links among landscape pattern, ecological process, and ecosystem services. Chinese Journal of Nature, 2012, 34(5): 277-283.
[2] Haber W. Landscape ecology as a bridge from ecosystems to human ecology. Ecological Research, 2004, 19(1): 99-106.
[3] Chen L D, Liu Y, Lü Y H, Feng X M, Fu B J. Landscape pattern analysis in landscape ecology: current, challenges and future. Acta Ecologica Sinica, 2008, 28(11): 5521-5531.
[4] Wang Y f, Shen Y M, Chen S J, Wu D L. Range effect of the correlations among landscape metrics. Chinese Journal of Ecology, 2012, 31(8): 2091-2097.
[5] Zhang J H, Wu Z F, Lv Z Q, Gao Y. Extent effect of landscape gradient analysis of urban-rural transect. Chinese Journal of Ecology, 2008, 27(6): 978-984.
[6] Bu R C, Li X Z, Hu Y M, Chang Y, He H S. Scaling effects on landscape pattern indices. Chinese Journal of Ecology, 2003, 14(12): 2181-2186.
[7] Shen W J, Wu J G, Lin Y B, Ren H, Li Q F. Effects of changing grain size on landscape pattern analysis. Acta Ecologica Sinica, 2003, 23(12): 2506-2519.
[8] Zhu M, Xu J G, Li J L, Xu S, Song L G. Effects of spatial extent in gradient analysis of Shanghai City landscape pattern. Chinese Journal of Ecology, 2006, 25(10): 1214-1217.
[9] Zhang S N, York A M, Boone C G. Methodological advances in the spatial analysis of land fragmentation. The Professional Geographer, 2013, 65(3): 512-516.
[10] Xu L, Bian X Q, Qin X L, Zhang Q G, Liu L. Effects of grain size change on landscape pattern indices of Hefei City. Chinese Journal of Applied Ecology, 2010, 21(5): 1167-1173.
[11] Galpern P, Manseau M. Finding the functional grain: comparing methods for scaling resistance surfaces. Landscape Ecology, 2013, 28(7): 1269-1281.
[12] KONG F H, Nobukazu N. Spatial-temporal gradient analysis of urban green spaces in Jinan, China. Landscape and Urban Planning, 2006, 78(3): 147-164.
[13] Liu X, Guo Q X. Landscape pattern in Northeast China based on moving window method. Chinese Journal of Applied Ecology, 2009, 20(6): 1415-1422.
[14] Zhao Z X, Zhang B, Jin X, Weng B S, Yan D H, Bao S J. Spatial gradients pattern of landscapes and their relations with environmental factors in Haihe River basin. Acta Ecologica Sinica, 2011, 31(7): 1925-1935.
[15] Tao Y, Li F, Wang R S, Zhao D. Research progress in the quantitative methods of urban green space patterns. Acta Ecologica Sinica, 2013, 33(8): 2330-2342.
[16] Hu Z B, He X Y, Jiang X B, Zhao Y H, Hu Y M, Chang Y, Li Y H, Han W Q, Liu M. Landscape pattern change at the upper reaches of Minjiang River and its driving force. Chinese Journal of Applied Ecology, 2004, 15(10): 1797-1803.
[17] Zhao W W, Fu B J, Chen L D. The effects of grain change on landscape indices. Quaternary Science, 2003, 23(3): 326-333.
[18] Yu L, Zhao Y W, Zhang Y, Li M. Landscape pattern analysis of wetlands in the Daliaohe Watershed, based on optimal grain size. Acta Scientiae Circumstantiae, 2011, 31(4): 873-879.
[19] Yang C J, Liu J Y, Zhang Z X, Wang C Y. Analysis of accuracy loss during rasterizing vector data with different grid size. Journal of Mountain Science, 2001, 19(3): 258-264.
[20] Xu Z Y, Hu Y F, Liu Y, Yan Y. A review on the accuracy analysis of spatial scaling data. Progress in Geography, 2012, 31(12): 1574-1582.
[21] Liu H Y, Li Z F. Spatial gradients of wetland landscape and their influential factors in watershed. Acta Ecologica Sinica, 2006, 26(1): 213-220.
[22] Tan L, He X Y, Chen W, Li X Y, Xu W D, Tang L. Gradient analysis of urban green space landscape pattern in Shenyang City based on QuickBird image. Chinese Journal of Ecology, 2008, 27(7): 1141-1148.
[23] Zhu Y J, Wang C, Jia B Q, Su J. Landscape pattern gradient on tree canopy in the central city of Guangzhou, China. Acta Ecologica Sinica, 2011, 31(20): 5910-5917.
[1] 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. 自然杂志, 2012, 34(5): 277-283.
[3] 陈利顶, 刘洋, 吕一河, 冯晓明, 傅伯杰. 景观生态学中的格局分析: 现状、困境与未来. 生态学报, 2008, 28(11): 5521-5531.
[4] 王艳芳, 沈永明, 陈寿军, 吴德力. 景观格局指数相关性的幅度效应. 生态学杂志, 2012, 31(8): 2091-2097.
[5] 张景华, 吴志峰, 吕志强, 高杨. 城乡样带景观梯度分析的幅度效应. 生态学杂志, 2008, 27(6): 978-984.
[6] 布仁仓, 李秀珍, 胡远满, 常禹, 贺红士. 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.
[7] 申卫军, 邬建国, 林永标, 任海, 李勤奋. 空间粒度变化对景观格局分析的影响. 生态学报, 2003, 23(12): 2506-2519.
[8] 朱明, 徐建刚, 李建龙, 徐胜, 宋量刚. 上海市景观格局梯度分析的空间幅度效应. 生态学杂志, 2006, 25(10): 1214-1217.
[10] 徐丽, 卞晓庆, 秦小林, 张庆国, 刘琳. 空间粒度变化对合肥市景观格局指数的影响. 应用生态学报, 2010, 21(5): 1167-1173.
[13] 刘昕, 国庆喜. 基于移动窗口法的中国东北地区景观格局. 应用生态学报, 2009, 20(6): 1415-1422.
[14] 赵志轩, 张彪, 金鑫, 翁白莎, 严登华, 鲍淑君. 海河流域景观空间梯度格局及其与环境因子的关系. 生态学报, 2011, 31(7): 1925-1935.
[15] 陶宇, 李锋, 王如松, 赵丹. 城市绿色空间格局的定量化方法研究进展. 生态学报, 2013, 33(8): 2330-2342.
[16] 胡志斌, 何兴元, 江晓波, 赵永华, 胡远满, 常禹, 李月辉, 韩文权, 刘淼. 岷江上游典型时期景观格局变化及驱动力初步分析. 应用生态学报, 2004, 15(10): 1797-1803.
[17] 赵文武, 傅伯杰, 陈利顶. 景观指数的粒度变化效应. 第四纪研究, 2003, 23(3): 326-333.
[18] 于磊, 赵彦伟, 张远, 李敏. 基于最佳分析粒度的大辽河流域湿地景观格局分析. 环境科学学报, 2011, 31(4): 873-879.
[19] 杨存建, 刘纪远, 张增祥, 王长有. 土地利用数据尺度转换的精度损失分析. 山地学报, 2001, 19(3): 258-264.
[20] 徐芝英, 胡云锋, 刘越, 艳燕. 空间尺度转换数据精度评价的准则和方法. 地理科学进展, 2012, 31(12): 1574-1582.
[21] 刘红玉, 李兆富. 流域湿地景观空间梯度格局及其影响因素分析. 生态学报, 2006, 26(1): 213-220.
[22] 谭丽, 何兴元, 陈玮, 李小玉, 徐文铎, 唐玲. 基于QuickBird卫星影像的沈阳城市绿地景观格局梯度分析. 生态学杂志, 2008, 27(7): 1141-1148.
[23] 朱耀军, 王成, 贾宝全, 粟娟. 广州市主城区树冠覆盖景观格局梯度. 生态学报, 2011, 31(20): 5910-5917.