張倩寧， 譚詩騰,2， 徐 柱,2,3， 黃澤純,2

(1.西南交通大學地球科學與環(huán)境工程學院，成都 611756； 2.高速鐵路運營安全空間信息技術國家地方聯(lián)合工程實驗室，成都 610031； 3.教育部軌道交通安全協(xié)同創(chuàng)新中心，成都 610031)

基于GLC30數(shù)據(jù)的斑塊級別景觀指標適用性及簡化研究

張倩寧1， 譚詩騰1,2， 徐 柱1,2,3， 黃澤純1,2

(1.西南交通大學地球科學與環(huán)境工程學院，成都 611756； 2.高速鐵路運營安全空間信息技術國家地方聯(lián)合工程實驗室，成都 610031； 3.教育部軌道交通安全協(xié)同創(chuàng)新中心，成都 610031)

斑塊是景觀格局的基本組成單元，斑塊級別指標是量化研究斑塊形態(tài)的重要基礎。目前斑塊描述指標冗余紛雜,因此擬對現(xiàn)有的斑塊級別指標進行分析，指出指標本身的適用性，并利用相關性分析和主成分分析方法實現(xiàn)斑塊級別形態(tài)描述指標的綜合和簡化。在對11個斑塊級別指標進行適用性分析的基礎上，采用30 m空間分辨率全球地表覆蓋類別數(shù)據(jù)(GLC30)進行實驗，利用2種分析方法對除面積和周長外的9個復合指標進行了簡化分析。實驗結果表明，回旋半徑和支撐半徑這2個指標可以在較大程度上區(qū)分斑塊形態(tài)。本文研究方法和實驗結果為量化研究景觀格局尺度效應積累了經(jīng)驗。

GLC30； 景觀格局指標； 斑塊； 主成分分析； 相關性分析

0 引言

景觀生態(tài)學中景觀格局指標是定量化研究景觀格局的重要因素，景觀格局指標能夠高度濃縮景觀格局信息，是反映景觀結構組成以及空間配置特征的簡單量化指標[1-5]。目前，景觀格局指標的適用性及相關性、認識景觀格局指標與景觀格局之間的關系是研究景觀格局多尺度表達的核心問題。當前景觀格局分析中有上百個景觀指數(shù)，且由于景觀數(shù)據(jù)屬性、指標本身性質(zhì)以及應用場景等原因，景觀格局指數(shù)在應用當中存在一定的局限性。如何根據(jù)研究目的和研究對象的特點正確選擇景觀指數(shù)是一個普遍存在、尚未完善、亟待解決的問題[6-9]。因此，開展此項研究具有重要的理論和現(xiàn)實意義。

Riitters等[10]分析了55個景觀格局指標間的相關性，得出景觀格局在很大程度上可由26個指標來表示，同時對這26個指標進行了主成分分析，最終簡化為平均斑塊緊湊度、紋理、平均斑塊形狀、斑塊周長-面積尺度演變、屬性類別數(shù)量和大斑塊密度-面積尺度演變共6類指標，這6類指標相應地可簡化為6個單變量指標來表示； 布仁倉等[11]分析了39個景觀格局指數(shù)的相關性； 彭保發(fā)等[12]從景觀類型組成、斑塊特征和景觀異質(zhì)性3個方面分析了景觀格局特征，其中斑塊特征主要通過斑塊規(guī)模、形狀指數(shù)和分維度等來反映，并指出斑塊形態(tài)對于景觀格局穩(wěn)定性有一定的影響； 彭建等[13]探討了土地利用分類系統(tǒng)中的景觀格局指數(shù)的分類，并根據(jù)景觀格局指數(shù)對土地利用類型數(shù)目變化響應的可預測性，將其分為隨土地利用變化可預測性強的指數(shù)、可預測性差的指數(shù)以及兩者間無規(guī)律而言的指數(shù)3類； Lechner等[14]對景觀格局指標與分類精度以及地理空間處理方法之間的關系進行了研究，指出景觀格局指標受景觀格局及處理方法的影響。綜上所述，Riitters等從宏觀角度上分析了景觀格局指標，但并未針對某一特定類型的景觀格局指標進行進一步研究； 而其他很多學者只是利用景觀格局指標分析景觀結構及發(fā)展進程。目前學者們?nèi)匀狈谀骋粋€類型的景觀指標的研究。McGarigal等[15]認為景觀格局可從斑塊、類別和景觀3個級別來進行描述和分析。斑塊是組成景觀格局的基本單元，本文擬對斑塊級別景觀指標進行解釋和分析，為進一步研究類別和景觀級別的景觀格局尺度效應提供參考依據(jù)。

一般來說，在眾多指標中，可以選取一組或者幾組具有代表性且冗余程度低的指標來表示景觀格局及結構[16]。同理，斑塊信息也可由幾個代表性指標來表達。針對以上問題，本研究的目標旨在描述斑塊指標的適用性，進而選取一組或者多組具有代表性的斑塊指標來描述斑塊信息，以簡化斑塊指標的使用復雜度。研究主要解決以下3個問題： ①斑塊級別景觀格局指標的適用性及其局限性； ②最少需要幾個指標在很大程度上實現(xiàn)斑塊形態(tài)信息的描述及表達； ③優(yōu)選指標或者指標組合來實現(xiàn)斑塊形態(tài)信息的最佳表達。

1 研究方法

1.1 斑塊級別指標適用性分析

根據(jù)指標是否具有空間屬性，景觀格局指標一般可分為合成指標和空間特征指標。其中合成指標主要用于描述類別、豐富度等非空間信息； 空間特征指標包含斑塊面積、邊緣長度、斑塊形狀復雜度、核心面積、斑塊破碎度和斑塊隔離度等指標。描述斑塊信息的景觀格局指標眾多，本文的研究目標主要是對斑塊形態(tài)指標進行多指標分析和評價。

根據(jù)McGarigal等[15]在景觀格局分析軟件Fragstats中對景觀格局指標的描述，本文選取了7個和斑塊形態(tài)有關的指標來做多指標綜合評價，分別為斑塊面積、斑塊周長、回旋半徑、周長-面積比率、形狀指數(shù)、分形維數(shù)和關聯(lián)外接圓。

景觀格局分析中，學者通常還會采用其他指標描述斑塊形態(tài)。本文還選取了填充度、面積-周長比率[17-20]和緊湊度[21]3個斑塊形態(tài)指標參與多指標分析評價。

為了更好更全面地描述斑塊的形態(tài)，本文提出了一個新的指標——支撐半徑。支撐半徑為與斑塊周長和面積相同的矩形的寬度，該指標能夠很好的刻畫斑塊的平均寬度，公式為

(1)

式中：Rs為斑塊的支撐半徑；P為斑塊的周長；A為斑塊的面積。

在斑塊隨尺度演變過程中，研究發(fā)現(xiàn)目標尺度下，斑塊的存在與否和斑塊的平均寬度即支撐半徑有一定的關系，當斑塊的支撐半徑遠遠大于目標尺度下的分辨率時，斑塊在尺度演變過程中將會被保留； 當支撐半徑遠遠小于目標尺度下的分辨率時，斑塊在尺度演變過程中會消失； 而當斑塊的支撐半徑與目標尺度的分辨率相當時，斑塊在尺度演變過程中存在與否將變得不確定。

本文選取以上11個斑塊級別空間形態(tài)指標進行多指標分析及評價。這11個斑塊形態(tài)指標的詳細描述、說明及局限性見表1。

表1 斑塊形態(tài)指標解釋及局限性描述Tab.1 Description and explanation of the patch morphology metrics

續(xù)表

1.2 分析方法

本文的研究目標是對斑塊級別指標進行多指標綜合評價。在統(tǒng)計學中，主成分分析法是一種對多指標綜合評價的定量分析方法[22]。主成分分析方法的原理是對于最初參與分析的所有變量，在盡可能保持原有信息的基礎上，將具有重復信息的變量去除，保留盡可能少的兩兩互不相關的新變量。然而在分析過程中，主成分分析方法對于數(shù)據(jù)中指標間的高度相關性及量綱十分敏感[22]。據(jù)1.1小節(jié)可知，這11個斑塊級別指標的量綱是不一致的，同時指標間也可能存在一定的相關性，因此在進行分析之前，需對實驗數(shù)據(jù)作相關性分析以及量綱統(tǒng)一化處理。

相關性分析是用來刻畫指標間的相關程度，此處采用的是皮爾森相關系數(shù)r，該相關系數(shù)是一個用來反映2個變量線性相關程度的統(tǒng)計量，r的取值范圍為(-1,1)，r的絕對值越接近1表示相關性越強。

標準化方法可根據(jù)數(shù)據(jù)自身的特點進行選擇。常用的標準化方法有均值法[23]和Z-Score法[23-25]。采用Z-Score法對數(shù)據(jù)進行標準化后，各指標的均值為0，方差為1，這樣會導致數(shù)據(jù)部分信息損失,即丟失各指標間變異系數(shù)上的差異； 而均值法可保持數(shù)據(jù)中各指標的變異系數(shù)不變[23]。因此本實驗中采用均值法進行標準化，進一步采用協(xié)方差分析法開展主成分分析。其中，均值法標準化方法公式為

(2)

式中：Y為標準化后指標值；X為原始指標值；Xm為原始指標均值。

主成分分析中，某個主成分分量對應的特征值越大，說明該主成分分量包含的方差信息越多，對應該主成分分量的貢獻率就越大。

本文采用OriginPro2015軟件中的Statistics工具實現(xiàn)指標間的相關性分析及主成分分析。

1.3 驗證方法

以斑塊識別度(identification degree)作為評價斑塊形態(tài)指標組合優(yōu)劣的標準，驗證本文選取斑塊形態(tài)指標值的有效性。斑塊識別度公式為

(3)

式中：I為斑塊識別度；NC為所有斑塊中不同斑塊指標組合的數(shù)目；NT為所有斑塊數(shù)目。

2 實驗分析

2.1 實驗設計

首先，獲取全球30 m空間分辨率地表覆蓋類別數(shù)據(jù)，選取面積相同但景觀格局各異的實驗區(qū)； 其次基于地表覆蓋類別數(shù)據(jù)提取實驗區(qū)的斑塊數(shù)據(jù)，對斑塊數(shù)據(jù)進行預處理，剔除像元數(shù)小于6個的斑塊，此時得到符合要求的實驗斑塊數(shù)據(jù)。接下來，計算實驗斑塊數(shù)據(jù)的斑塊形態(tài)指標值，對各指標進行主成分分析和指標間相關性分析，篩選出較大程度上能夠描述和表示斑塊形態(tài)的指標。實驗設計如圖1所示。

圖1 實驗設計圖Fig.1 Experimental design char

2.2 實驗結果及分析

2.2.1 實驗數(shù)據(jù)

地表覆蓋類別數(shù)據(jù)使用的是國家基礎地理信息中心提供的30 m空間分辨率全球地表覆蓋數(shù)據(jù)(GLC30，http: //www.globallandcover.com)，實驗區(qū)范圍為中國四川省。在實驗區(qū)內(nèi)選取了3個面積相同、形狀一致，但景觀格局各異的實驗區(qū)域。在實驗區(qū)域P1景觀格局中，包含6種地表覆蓋類別，分別為耕地、森林、草地、水體、濕地以及人造覆蓋，其中森林、草地和水體3種類別所占面積較大； 從P1中共提取有效斑塊1 464個，其斑塊的面積較大。在實驗區(qū)域P2景觀格局中，包含7種地表覆蓋類別，分別為耕地、森林、草地、灌叢地、水體、濕地以及人造覆蓋，其中人造覆蓋和耕地2種類別所占面積較大； 從P2中共提取有效斑塊15 366個，其小斑塊相對較多，斑塊面積較小，斑塊形態(tài)較復雜。在實驗區(qū)域P3景觀格局中，地表覆蓋類別較多，包含了10種地表覆蓋類別，分別為耕地、森林、草地、灌叢地、水體、濕地、苔原、人造覆蓋、裸地以及多年積雪或冰； 從P3中共提取有效斑塊29 861個，各類別斑塊十分破碎，且覆蓋面積很小。實驗區(qū)域地表覆蓋類別見圖2。

2.2.2 斑塊指標相關性分析

面積是最基本的景觀指數(shù),決定了景觀總邊界長度、斑塊數(shù)和類型密度等基本指數(shù),同時與多個指數(shù)有顯著的相關關系(相關系數(shù)絕對值大于0.75)[7]，周長同理。于是在進行相關性分析和主成分分析時去除面積和周長指標，對余下的9個指標進行簡化分析。實驗首先對基于3個實驗區(qū)域計算的9個斑塊指標值進行相關性分析，相關性系數(shù)計算結果分別見表2—4。在進行主成分分析之前，先去除相關性較高的指標。當指標間相關系數(shù)大于0.9時，認為指標互相高度相關，此時在2個指標中選取其中一個作為主成分分析的分量。從表2—4中可以看出，F(xiàn)ILL與CIRCLE完全負相關，由于FILL對于斑塊的描述更加直觀，當FILL值越小時，說明斑塊形態(tài)越離散； 反之，斑塊形態(tài)則聚集且更加偏向于圓形，因此選取FILL指標作為主成分分析的分量；Rs與APRA高度相關，APRA是斑塊面積與周長比值的一般形式，并非相對于特定形狀的描述指標，而Rs是斑塊相對于規(guī)則形狀矩形的描述指標，本研究中采用的數(shù)據(jù)是地表覆蓋類別數(shù)據(jù)，地表覆蓋類別數(shù)據(jù)的最小單元是正方形的像元，因而此處選用Rs以更加準確地刻畫斑塊形態(tài)；FRAC與COMPACT高度相關，由于指標COMPACT與SHAPE互為倒數(shù)，在一定程度上，可以用SHAPE來代替COMPACT，因而此處選取指標FRAC作為主成分分析的分量。綜上，3個實驗區(qū)域的主成分分析指標均為GYRATE,Rs,PARA,SHAPE,FILL和FRAC。

表2 實驗區(qū)域P1斑塊形態(tài)指標間相關系數(shù)Tab.2 Correlation coefficient of patch morphology metrics in experimental area P1

表3 實驗區(qū)域P2斑塊形態(tài)指標間相關系數(shù)Tab.3 Correlation coefficient of patch morphology metrics in experimental area P2

表4 實驗區(qū)域P3斑塊形態(tài)指標間相關系數(shù)Tab.4 Correlation coefficient of patch morphology metrics in experimental area P3

2.2.3 斑塊指標主成分分析

基于GYRATE,Rs,PARA,SHAPE,FILL和FRAC這6個指標，對3個實驗區(qū)域數(shù)據(jù)做主成分分析，篩選出能夠有效表達斑塊形態(tài)的指標個數(shù)以及最佳指標。

對去除相關性后的6個指標進行主成分分析，各主成分分量的特征值及累計貢獻率見表5。當主成分分量的累積貢獻率超過85%時，認為這幾個主成分分量可以表示原始數(shù)據(jù)的大部分信息。從表5可以看出,實驗區(qū)域P1，P2和P3數(shù)據(jù)的前2個主成分分量的累積貢獻率分別為94.26%，94.50%和95.52%，累積貢獻率均大于85%。由此說明，P1,P2和P3這3組斑塊數(shù)據(jù)均可由前2個主成分分量來描述和表示。對去除相關性后的6個指標進行主成分分析，3個實驗區(qū)域的各指標在主成分分量1和2中的系數(shù)見圖3—5。

表5 實驗區(qū)域主成分分量特征值及累計貢獻率Tab.5 Principal component eigenvalues and cumulative contribution rate in experimental area

圖3 實驗區(qū)域P1各指標在前2個主成分的載荷圖Fig.3 Loading plot of six metrics in P1

圖4 實驗區(qū)域P2各指標在前2個主成分的載荷圖Fig.4 Loading plot of six metrics in P2

圖5 實驗區(qū)域P3各指標在前2個主成分的載荷圖Fig.5 Loading plot of six metrics in P3

從圖3可以看出，指標GYRATE在主成分分量1中的載荷系數(shù)超過0.90，緊隨其后的是指標Rs，而其他指標的載荷系數(shù)都較小，指標GYRATE在主成分分量1中所占比例最大，故可將主成分分量1用指標GYRATE來表示。在主成分分量2中，指標Rs的載荷系數(shù)接近0.82，其他各指標的載荷系數(shù)都較小，指標Rs在主成分分量2中所占比重最大，故主成分分量2可用指標Rs來表示。同理，從圖4和圖5可以看出，在主成分分量1中，指標GYRATE的載荷系數(shù)均高達0.95，其他指標的載荷系數(shù)則較小，故主成分分量1可用指標GYRATE來表示。在主成分分量2中，指標Rs的系數(shù)分別接近0.90和0.85，Rs相對其他指標來說所占比重較大，故主成分分量2可用指標Rs來表示。由此可得，P1,P2和P3這3組斑塊數(shù)據(jù)均可由GYRATE和Rs這2個指標來描述和表示。

2.3 實驗驗證

為驗證斑塊形態(tài)指標組合的有效性，本文基于3個實驗區(qū)，對11個斑塊形態(tài)指標進行兩兩組合，根據(jù)公式(3)計算其斑塊識別度。由實驗結果可知，采用雙指標區(qū)分不同形態(tài)斑塊時，3個實驗區(qū)中，GYRATE和Rs組合對于不同形態(tài)斑塊的識別程度都達到99%以上，這與2.2.3小節(jié)中分析結果保持一致。由此說明，GYRATE和Rs這個組合可以很好地描述和識別不同形態(tài)的斑塊。

3 討論與結論

本文選取11個斑塊形態(tài)指標進行適用性描述及指標簡化分析。通過對斑塊指標定性描述及解釋，明確了這些指標的適用范圍及局限性。為了實現(xiàn)斑塊形態(tài)指標的簡化分析，實驗采用GLC30數(shù)據(jù)，在四川省選取3個面積相同、形狀一致，但景觀格局不同的實驗區(qū)域，基于實驗區(qū)域柵格類別數(shù)據(jù)提取斑塊，計算斑塊級別指標值，并進行相關性和主成分分析，得到斑塊形態(tài)指標簡化結果，最后采用斑塊識別度進行驗證。由實驗結果可知：

1)11個斑塊形態(tài)指標可簡化為2類指標，實現(xiàn)大部分不同形態(tài)斑塊的描述和表達。

2)斑塊形態(tài)可由回旋半徑(GYRATE)和支撐半徑(Rs)這2個指標來描述和表達。

本文選取主成分分析方法進行斑塊形態(tài)指標分析，主成分分析方法對于樣本數(shù)據(jù)具有一定的依賴性，當樣本量足夠大的時候，樣本對于實驗結果的影響可忽略不計。在以后的研究中，可嘗試增加樣本量進行分析，以進一步優(yōu)化分析結果。

[1] 鄔建國.景觀生態(tài)學——格局、過程、尺度與等級[M].北京:高等教育出版社,2000.

Wu J G.Landscape Ecology:Pattern,Process,Scale and Hierarchy[M].Beijing:Higher Education Press,2000.

[2] 張秋菊,傅伯杰,陳利頂.關于景觀格局演變研究的幾個問題[J].地理科學,2003,23(3):264-270.

Zhang Q J,Fu B J,Chen L D.Several problems about landscape pattern change research[J].Scientia Geographica Sinica,2003,23(3):270-275.

[3] Cushman S A,McGarigal K,Neel M C.Parsimony in landscape metrics:Strength,universality,and consistency[J].Ecological Indicators,2008,8(5):691-703.

[4] 陳文波,肖篤寧,李秀珍.景觀指數(shù)分類、應用及構建研究[J].應用生態(tài)學報,2002,13(1):121-125.

Chen W B,Xiao D N,Li X Z.Classification, application,and creation of landscape indices[J].Chinese Journal of Applied Ecology,2002,13(1):121-125.

[5] 龔建周,夏北成.景觀格局指數(shù)間相關關系對植被覆蓋度等級分類數(shù)的響應[J].生態(tài)學報,2007,27(10):4075-4085.

Gong J Z,Xia B C.Response to classification numbers of vegetation types on correlative coefficients among landscape metrics[J].Acta Ecologica Sinica,2007,27(10):4075-4085.

[6] 林孟龍,曹 宇,王 鑫.基于景觀指數(shù)的景觀格局分析方法的局限性:以臺灣宜蘭利澤簡濕地為例[J].應用生態(tài)學報,2008,19(1):139-143.

Lin M L,Cao Y,Wang X.Limitations of landscape pattern analysis based on landscape indices:A case study of Lizejian wetland in Yilan of Taiwan Province,China[J].Chinese Journal of Applied Ecology,2008,19(1):139-143.

[7] 劉 宇,呂一河,傅伯杰.景觀格局——土壤侵蝕研究中景觀指數(shù)的意義解釋及局限性[J].生態(tài)學報,2011,31(1):267-275.

Liu Y,Lyu Y H,Fu B J.Implication and limitation of landscape metrics in delineating relationship between landscape pattern and soil erosion[J].Acta Ecologica Sinica,2011,31(1):267-275.

[8] 劉小平,黎 夏,陳逸敏,等.景觀擴張指數(shù)及其在城市擴展分析中的應用[J].地理學報,2009,64(12):1430-1438.

Liu X P,Li X,Chen Y M,et al.Landscape expansion index and its applications to quantitative analysis of urban expansion[J].Acta Geographica Sinica,2009,64(12):1430-1438.

[9] 張林艷,夏既勝,葉萬輝.景觀格局分析指數(shù)選取芻論[J].云南地理環(huán)境研究,2008,20(5):38-43.

Zhang L Y,Xia J S,Ye W H.Overview on choosing landscape indices in landscape pattern analysis[J].Yunnan Geographic Environment Research,2008,20(5):38-43.

[10] Riitters K H,O’Neill R V,Hunsaker C T,et al.A factor analysis of landscape pattern and structure metrics[J].Landscape Ecology,1995,10(1):23-39.

[11] 布仁倉,胡遠滿,常 禹,等.景觀指數(shù)之間的相關分析[J].生態(tài)學報,2005,25(10):2764-2775.

Bu R C,Hu Y M,Chang Y,et al.A correlation analysis on landscape metrics[J].Acta Ecologica Sinica,2005,25(10):2764-2775.

[12] 彭保發(fā),陳端呂,李文軍,等.土地利用景觀格局的穩(wěn)定性研究——以常德市為例[J].地理科學,2013,33(12):1484-1488.

Peng B F,Chen D L,Li W J,et al.Stability of landscape pattern of land use:A case study of Changde[J].Scientia Geographica Sinica,2013,33(12):1484-1488.

[13] 彭 建,王仰麟,張 源,等.土地利用分類對景觀格局指數(shù)的影響[J].地理學報,2006,61(2):157-168.

Peng J,Wang Y L,Zhang Y,et al.Research on the influence of land use classification on landscape metrics[J].Acta Geographica Sinica,2006,61(2):157-168.

[14] Lechner A M,Reinke K J,Wang Y,et al.Interactions between landcover pattern and geospatial processing methods:Effects on landscape metrics and classification accuracy[J].Ecological Complexity,2013,15:71-82.

[15] McGarigal K,Marks B J.FRAGSTATS:Spatial Analysis Program for Quantifying Landscape Structure[R].USDA Forest Service-General Technical Report PNW-GTR-351.Corvallis,OR,1995.

[16] EPA.Landscape Monitoring and Assessment Research Plan[R].EPA 620/R-94-009.Las Vegas,NV:Environmental Monitoring Systems Laboratory,1994.

[17] 陳 燕,齊清文,楊志平,等.數(shù)學形態(tài)學在黃土地貌單元分類學上的應用[J].山地學報,2005,23(1):96-100.

Chen Y,Qi Q W,Yang Z P,et al.Application of math-morphological features in relief taxonomy of Loess Plateau[J].Journal of Mountain Science,2005,23(1):96-100.

[18] 張春英,張春玲.植被景觀指數(shù)隨復合地形因子分異的變化規(guī)律[J].中國農(nóng)學通報,2012,28(1):65-68.

Zhang C Y,Zhang C L.Law of landscape pattern indices responding to composite mountain factors spatial heterogeneity[J].Chinese Agricultural Science Bulletin,2012,28(1):65-68.

[19] 劉學錄,董旺遠,林慧龍.景觀要素的形狀指數(shù)與形狀特征的關系[J].甘肅科學學報,2000,12(3):17-20.

Liu X L,Dong W Y,Lin H L.The relations between the shape index of the landscape elements and their shape features[J].Journal of Gansu Sciences,2000,12(3):17-20.

[20] 楊曉艷,閆東浩,程 鋒.耕地整理的景觀效應分析[J].自然資源學報,2005,20(4):572-581.

Yang X Y,Yan D H,Cheng F.Study on landscape effects from cultivated land consolidation[J].Journal of Natural Resources,2005,20(4):572-581.

[21] 毛 亮,李滿春,劉永學,等.一種基于面積緊湊度的二維空間形狀指數(shù)及其應用[J].地理與地理信息科學,2005,21(5):11-14.

Mao L,Li M C,Liu Y X,et al.A 2-dimensional shape index based on area compactness and its applications[J].Geography and Geo-Information Science,2005,21(5):11-14.

[22] 蘇為華.多指標綜合評價理論與方法問題研究[D].廈門:廈門大學,2000.

Su W H.Study on Comprehensive Evaluation Theory and Methodological Issues[D].Xiamen:Xiamen University,2000.

[23] Nankai S,Kawaguri M,Yoshioka T,et al.Quantitative analysis method and its system using a disposable sensor:U.S.,Patent 5266179[P].1993-11-30.

[24] 吳殿廷,吳 迪.用主成分分析法作多指標綜合評價應該注意的問題[J].數(shù)學的實踐與認識,2015,40(20):143-150.

Wu D T,Wu D.Some problems in comprehensive evaluation of the principal component analysis[J].Mathematics in Practice and Theory,2015,40(20):143-150.

[25] 陳述云,張崇甫.多指標綜合評價方法及其優(yōu)化選擇研究[J].數(shù)理統(tǒng)計與管理,1994,13(3):18-21.

Chen S Y,Zhang C F.On methodology of multi-indicator composite evaluation[J].Application of Statistics and Management,1994,13(3):18-21.

ApplicabilityandsimplificationstudyofpatchlevellandscapemetricsbasedonGLC30

ZHANG Qianning1, TAN Shiteng1,2, XU Zhu1,2,3, HUANG Zechun1,2

(1.FacultyofGeosciencesandEnvironmentalEngineering,SouthwestJiaotongUniversity,Chengdu611756,China; 2.State-provinceJointEngineeringLaboratoryofSpatialInformationTechnologyforHigh-speedRailwaySafety,Chengdu610031,China; 3.CollaborativeInnovationCenterforRailTransportSafetyMinistryofEducationofthePeople’sRepulicofChina,Chengdu610031,China)

Patch is the basic unit in landscape pattern and patch metrics constitute an important basis for quantifying patch morphology. Presently there are many patch level metrics and most of them have certain redundancy. Therefore for the purpose of applying patch metrics reasonably, the objectives of this paper are the applicability analysis of patch morphological metrics, the multiple-index analysis based on the patch morphological metrics and reducing many patch metrics to several patch metrics to express different patches. by the correlation analysis and principal component analysis. The experiment is on the basis of applicability analysis about 11 patch morphological metrics with global land cover data (GLC30), and all the metrics except area and perimeter are simplified by the two analysis methods. The experiment result shows that the two patch metrics, radius of gyration and support radius, could express and describe the different morphological patches well. The experimental results could serve as an important reference for the quantitative study of the scale effect in the landscape pattern.

GLC30； landscape pattern metrics; patch; principal component analysis; correlation analysis

10.6046/gtzyyg.2017.04.15

張倩寧，譚詩騰，徐柱，等.基于GLC30數(shù)據(jù)的斑塊級別景觀指標適用性及簡化研究[J].國土資源遙感,2017,29(4):98-105.(Zhang Q N,Tan S T,Xu Z,et al.Applicability and simplification study of patch level landscape metrics based on GLC30[J].Remote Sensing for Land and Resources,2017,29(4):98-105.)

TP 79

A

1001-070X(2017)04-0098-08

2016-05-18；

2016-07-25

測繪地理信息公益性行業(yè)科研專項項目“全球地表覆蓋數(shù)據(jù)分析”(編號： 201512028)、教育部創(chuàng)新團隊資助項目“高速鐵路運營安全空間信息技術”(編號： IRT13092)和中央高?；究蒲袠I(yè)務費專項資金項目“基于地統(tǒng)計模型的LiDAR點云數(shù)據(jù)生成DEM的精度分析”(編號： 2682014CX017)共同資助。

張倩寧(1992-)，女，博士研究生，主要研究方向為GIS時空數(shù)據(jù)多尺度建模與分析。Email: zhangqianning1020@163.com。

(責任編輯：張仙)