城市景觀格局的空間尺度效應——以上海市為例

陳命男，鄭磊夫

（上海勘測設計研究院，上海200434）

1 引言

近20年來，城市景觀格局及其變化已逐漸成為城市生態學研究的熱點［1～3］，而景觀格局的尺度和尺度效應已經成為其研究的核心問題之一［4，5］。鄔建國［6］和Lam［7］等認為，尺度主要是指空間和時間上的粒度和幅度。空間粒度指空間最小可辨單元所代表的特征長度、面積或體積；時間粒度指某一現象或事件發生的（或取樣的）頻率或時間間隔。幅度是指研究對象在空間和時間上的持續范圍［8，9］。

可見，空間尺度包括粒度和幅度兩個方面。客觀存在的景觀空間異質性依賴于空間尺度，當景觀空間尺度發生變化時，所量測到的空間異質性也隨之變化，因此尺度對景觀空間異質性的測量與理解有著重要影響。空間異質性因粒度而異可稱為粒度效應，因幅度而異可稱為幅度效應。

目前，國內外圍繞尺度效應也展開了一定的研究［10～12］，李秀珍等以模擬景觀為研究對象探討了10個景觀指標的空間粒度效應［13］；趙文武等和申衛軍等以真實景觀分析了多種景觀生態指數對粒度變化的敏感性，探討一定比例尺下不同景觀生態指數的適宜粒度范圍及景觀指數隨空間粒度變化的臨界現象［14］；Wu等以4種真實景觀為對象，在較寬的粒度范圍和幅度范圍上分析了較多的指數，揭示了一些常用景觀指數的尺度效應關系［15，16］；Harbin Li等從空間幅度和粒度兩方面分析了大量景觀指標的適用性和潛在問題，并提出了相應的解決方法［17］。徐建華、岳文澤等以上海市中心城區為例，對城市景觀格局空間自相關的尺度依賴性、不同幅度下城市景觀多樣性的空間分布格局進行了分析，并進一步利用半變異函數對其空間異質性進行定量描述［18］。但從總體上說，城市景觀的尺度效應還需要進一步探索和更多的實證研究，尤其是對于如何選擇或確定研究城市尺度景觀格局演化的合適粒度和幅度尚缺乏系統的研究。

本文以上海市陸域范圍為研究區域，從空間粒度方面探討了20種景觀生態指標對粒度的敏感性及其隨粒度變化的規律；利用Moran＇s I指數對不同粒度下景觀生態格局的空間自相關性進行分析。在此基礎上，利用半變異函數探討這些景觀生態指標的空間異質性與幅度的效應關系，揭示景觀空間異質性的尺度依賴性，為選擇適合于上海城市景觀格局演化研究的粒度和幅度提供參考。

2 數據來源與研究方法

2.1 研究區域

上海地處長江三角洲前緣，北界長江，東瀕東海，南臨杭州灣，西接江蘇、浙江兩省。本研究區域為上海陸域范圍，不包括崇明、長興和橫沙三島（圖1），面積約5155km2。據《上海市統計年鑒》，1979～2006年期間，尤其是1992年以后，上海經濟迅速增長，大量耕地、林地等迅速轉化為城鎮建設用地，整個城市空間迅猛擴展。

圖1 研究區范圍和地理位置

2.2 數據源

采用2004年7月19日的Landsat－5TM影像作為主信息源，通過幾何校正配準至1︰25萬地形圖，通過橫軸墨卡托投影轉換至北京54坐標的平面坐標系統下，中央經線123°E。

利用ERDAS IMAGINE 8.6中的Mosaic Image命令完成遙感影像的拼接，并利用圖像掩膜模塊（Mask）根據上海市的行政區劃圖在遙感影像上提取出相應的研究區域。通過相關矩陣法選出TM3、4、5波段進行假彩色合成。

考慮到上海土地資源的經營特點、利用方式、覆蓋特征等實際情況，根據文獻［19］給出的土地資源分類系統，將研究區的土地利用類型劃分為耕地、林地、水域、草地、城鎮建設用地、未利用地共6大類。采用基于監督分類的人機交互解譯方法，在解譯過程中，參考了上海市2000年土地利用圖（1︰10萬）和2003年航空遙感解譯的土地利用圖（1︰2000）。

為評價分類結果，在研究區內隨機抽取256個樣點，利用 ERDAS 8.6中的精度評價（Accuracy Assessment）模塊，計算2004年各土地利用類型的Kappa指數和總的分類精度（表1），檢驗結果表明，均達到最低允許的判別精度0.7的要求，可滿足本文研究的需要。

表1 土地利用分類結果精度評價（Kappa指數）

2.3 研究方法

2.3.1 景觀格局的表征方法

（1）景觀生態指標的選擇。隨著對景觀生態格局研究的深入，景觀生態指數的數量和復雜程度不斷增加，目前經常用到的指數大約有60個［20～22］。然而，并不是所有指標都能很好反應景觀格局的變化，在眾多的指數之間，往往產生大量的信息冗余，而且有些指標的生態學意義并不明確，甚至互相矛盾［14］。結合本研究區域的特點及空間尺度，本文選擇了20個既對景觀結構變化敏感又能較全面反映景觀格局特征的指標，運用Fragstate3.3定量化地研究上海城市景觀格局的尺度效應，其中10個指標用于描述斑塊類型層次的景觀格局，10個指標用于描述景觀層次的景觀格局。各指數的計算方法詳見文獻［1，3］和Fragstate3.3的技術文檔。

（2）空間統計指標的選擇。景觀格局的尺度特征主要表現為對尺度的依賴性。在選擇空間統計指標時，主要選擇衡量空間關系的兩個指標：空間自相關指標Moran＇s I指數和半變異函數［4，15］。 前者的計算公式為［23］：

式中：Xi和Xj分別是變量X在配對空間單元i和j上的取值，是變量X的平均值，Wij是相鄰權重，n是空間單元總數。

空間自相關系數計算完成后，需要根據計算結果對"變量在所討論空間呈隨機分布（即不存在空間自相關關系）"的原假設進行顯著性檢驗。本研究采用"近似正態法"進行檢驗。即以近似正態分布為前提，對Moran＇sI指數的計算結果進行標準化，得到衍生統計量z。取雙側檢驗顯著性水平為10%，查表得臨界值為±1.65。然后比較z與臨界值的相對大小，當z大于1.65時為顯著空間正自相關；當z小于－1.65時為顯著的負相關［24］。

半變異函數的計算公式為［25］：

式中：h為兩樣本點的空間分隔距離，Z（xi）與Z（xi＋h）分別是樣本在空間位置xi和xi＋h上的觀測值（i＝1，2，…，N（h）），N（h）是分隔距離為h時的樣本對總數。

2.3.2 尺度推繹方法

（1）粒度推繹方法。采用粒度上推方法，即將精微尺度上的結果外推到較大尺度，它是研究成果的“粗粒化”。本文采用基于“多數原則”的空間聚合，在ARC/INFO的Resample模塊下，采用雙線性內插法，對分辨率為30m的景觀格局圖進行重采樣，將柵格圖的粒度上推至 60m，90m，120m，150m，180m，270m，300m，360m，420m，這樣得到10個不同分辨率的景觀格局柵格圖層。在ArcGIS9.1中利用Spatial Statistics工具中的空間自相關模型（Spatial Autocorrelation）計算Moran＇s I指數，進一步分析 Moran＇s I指數隨分辨率變化的粒度效應。

（2）幅度推繹方法。采用網格化的幅度推繹方法，即在一定的粒度下，利用不同大小幅度的正方形網格（如1km×1km，2km×2km，3km×3km…）覆蓋整個研究區域，將其劃分為若干數量的子區域，每個子區域就是該空間幅度下的一個統計樣方。在不同幅度下，利用半變異函數分析其景觀格局的空間異質性。這樣不但能分析單個網格內的景觀格局，還可以揭示景觀指數在所有網格之間的異質性。

3 結果與討論

3.1 景觀生態指數的粒度效應

3.1.1 對粒度變化的響應

圖2顯示了斑塊類型層次上景觀指數隨空間粒度的變化。

從圖2可見，這10個斑塊類型層次的景觀生態指數隨粒度增加呈現出3種變化趨勢：①指數值隨空間粒度的增大而減小，包括斑塊密度（PD）、邊緣密度（ED）、面積加權平均形狀指數（AWMSI）、面積加權平均分維數（AWMFD）、斑塊聚集度指數（AI）；②指數值隨空間粒度的變粗而增加，包括平均斑塊面積（MPS）、功能性平均最近鄰體距離（FNN＿MN）；③指數值幾乎沒有變化，或存在無規律變化，包括相對豐度（PLAND）、最大斑塊指數（LPI）、景觀分離度指數（DIVISION）。

PD的空間粒度曲線呈明顯下降趨勢，并大多在120～150m左右出現尺度轉折點，粒度超過180m以后，各斑塊類型PD值的差異明顯減小。PD值愈大，破碎化程度愈大，一般情況下空間異質性程度也愈大。從圖2可見，草地、林地的PD值相對較大，表明這兩種斑塊的破碎度相對較大。在上海陸域范圍，大部分草地和林地均屬于城市綠地，因此分布相對較分散，破碎化程度較大。而對于建筑用地，在上海城市化進程中，大量建筑用地分布日趨集中，表現為成片組團式分布，因此建筑用地的PD值小于草地、林地。

ED的空間粒度曲線也大多呈下降趨勢，但尺度轉折點不明顯。MPS的空間粒度曲線則大多呈現上升趨勢，農田和建筑用地斑塊的MPS大致在180m附近出現尺度轉折點。由于粒度增大所產生的“吞噬”效應，使斑塊邊界、面積出現融合現象，從而改變了ED和MPS值的大小。ED也可在一定程度上反映景觀的破碎化程度，粒度增大時，小斑塊被融入大斑塊，使ED值下降，景觀的破碎化程度降低；同時MPS也由于"吞噬"效應而呈現上升趨勢，各斑塊類型之間MPS值的差異也隨著粒度的增大而增加，尤其是農田和建筑用地斑塊表現更為顯著。

在上海陸域范圍，農田和建筑用地斑塊是優勢斑塊，其AWMSI的空間粒度曲線呈明顯下降趨勢，并在120m附近出現尺度轉折點。其他斑塊的AWMSI值也有下降趨勢，但變化不顯著。AWMSI可以反映景觀中各斑塊的變異性，隨著粒度的增加，AWMSI值相應減小，表明隨著粒度的增加，各斑塊的空間變異性也相應降低。

AWMFD通常從自相似性角度來衡量景觀要素鑲嵌結構的復雜性。分維數的理論值范圍在1～2之間，值越大則斑塊形態越復雜。對于某一斑塊類型，隨著粒度增加，由于“吞噬”效應，該類斑塊的面積和周長都將減小，但面積減小的速度更快，從而使其分維數減小，在空間上即表現為斑塊形狀趨于規則。總體而言，各類斑塊的分維數均隨粒度變化呈近似線性下降；在粒度較大時，各類斑塊的分維數差異減小。一般認為，如果分維數在某一尺度域上不變，那么該景觀在這一尺度范圍可能具有結構的自相似性［26］。但在本次研究的尺度域上，各類斑塊的分維數對尺度的依賴性沒有統一的規律，但在粒度較小時，各類斑塊的分維數差異較大，隨著粒度的增大，差異有減小的趨勢。一般認為，人類干擾形成的斑塊形狀比較規則，相似程度較高，但在上海地區，事實上幾乎各類斑塊都受到人類活動的強烈影響，建筑用地、農田、林地等斑塊在土地資源非常有限并且各用地類型相互轉換的復雜背景下形成發展，因此形態較為復雜。

AI的空間粒度曲線隨粒度的增大總體呈下降趨勢，大多在90～120m附近出現尺度轉折點，在30～90m粒度范圍內下降趨勢明顯，而當粒度超過120m后指數變化趨于平穩。AI值可以反映景觀中不同斑塊類型的非隨機性或聚集程度，由于AI考慮斑塊之間的相鄰關系，還可以反映景觀組分的空間配置特征。由于粒度增大所產生的“吞噬”效應，導致斑塊間的相鄰距離增大，聚集程度降低。

FNN＿MN的空間粒度曲線隨粒度的增大總體呈現上升趨勢，但不存在明顯的尺度轉折點。各類斑塊的尺度響應曲線也有差異，對于自然景觀（如水域）的FNN＿MN，其空間粒度曲線呈近似直線上升，而對于人為景觀（如建筑用地和草地等）的空間粒度曲線近似呈折線上升，且這些斑塊的粒度曲線呈現出明顯的相似性。

PLAND取決于景觀中的斑塊類型，斑塊類型不變，PLAND值雖然會因總面積的輕微變化而發生變化，但因為其變化值過小，而呈現出指數值基本不變的現象。因而，該指數的粒度效應不明顯。

LPI的空間粒度曲線總體上較為平穩，林地、綠地、水域和未利用地等斑塊的LPI值隨著粒度的增大幾乎沒有變化，但對于優勢斑塊，如農田和建筑用地斑塊，LPI隨著粒度的增大緩慢上升，粒度效應關系不明顯，也不存在明顯的尺度轉折點。LPI可以反映景觀范圍內占主導地位的斑塊，隨著粒度的增加，由于“吞噬”效應，會導致優勢斑塊的主導地位更強，表現為優勢斑塊的LPI值隨粒度增加有所增大，當粒度足夠大時，非優勢類型有可能從景觀中完全消失；而優勢斑塊在粒度增加的過程中既不斷地“吞并”其他類型，又有可能不斷地被其他類型所“吞并”，基本保持一種動態的平衡。

圖2 斑塊類型層次上景觀指數隨空間粒度的變化

在景觀層次，本文所選用的10個指標對粒度的變化都表現出很強的敏感性，具有明顯的粒度效應（圖3）。它們隨粒度增加呈現出4種變化趨勢：①指數值隨粒度的增大而減小，具有較明確的粒度效應關系，可預測性較強，且在150m附近存在較明顯的尺度拐點。這類指數包括PD、ED、AWMSI和景觀聚集度指數（CONT）；②指數值隨粒度的增大將最終下降，但尺度轉折點不明顯，或粒度效應曲線較復雜，可預測性不強，包括AWMFD、景觀破碎化指數（SPILT）、Shannon多樣性指數（SHDI）；③指數值隨粒度的變粗而增加，粒度效應關系與景觀格局特征明顯相關，具有一定的可預測性，存在較明顯的尺度拐點，這類指數包括MPS，它在120～180m之間出現尺度轉折；④指數值隨粒度的增大將最終上升，但尺度轉折點不明顯或粒度效應曲線較復雜，可預測性不強。這類指數包括FNN＿MN和景觀均勻度指數（SHEI）。

圖3 景觀層次上景觀格局指數的空間粒度

3.1.2 景觀格局的空間自相關性及其對粒度變化的響應

在各粒度水平下，Moran＇s I衍生統計量均大于＋1.65（圖4），表明研究區域內的景觀格局存在著顯著空間正自相關性。總體而言，隨著粒度增大，Moran＇s I衍生統計量z曲線值呈下降趨勢。尤其在粒度30～150 m范圍內，z曲線表現出一個快速下降的過程；當粒度超出150m后，曲線下降趨勢逐漸減緩。各斑塊在空間分布上的依賴性具有明顯的尺度特征。當粒度較小時（30～150m），各斑塊在鄰近范圍內的變化往往表現出一定的自相似性，而當粒度逐漸增加時，相鄰景觀的差異急劇增加，相似性減小。顯然，150m的粒度水平為景觀空間自相關性對尺度響應的一個敏感點，這說明150m分辨率有可能是該景觀格局的本征尺度。當研究粒度超出150m范圍后，各斑塊空間自相關性緩慢減小，其粒度效應也逐漸減緩。

3.2 景觀生態指數的幅度效應

圖4 Moran＇s I衍生統計量z指數對粒度變化的響應

圖5 不同幅度下景觀多樣性的空間格局

分別選擇1km、2km和3km這3種空間幅度，以150m為粒度，對于每一空間幅度計算SHDI，分析在不同幅度下景觀多樣性的空間特征，并利用半變異函數分析不同幅度下SHDI、AI、AWMFD和SPILT的空間異質性及其尺度依賴性。

3.2.1 幅度變化對景觀多樣性的影響

圖5顯示了不同幅度下上海陸域范圍景觀多樣性的空間格局。從圖中可見，幅度對景觀多樣性的空間分布存在較大影響。在1km幅度下，景觀多樣性格局具有兩個明顯的特點：一是空間格局復雜，空間差異顯著；二是在城市化明顯的區域從內到外依次出現“高低值相間”的環狀擴展模式。景觀多樣性的高值區域均分布在城市化程度高的區域，如上海外環線以內區域、市鎮中心區域等，并且從高值區域向周邊擴散，形成由高到低的圈層結構。在2km幅度下，景觀多樣性格局的總體趨勢沒有改變，但空間分布趨于簡單，空間變化減少；仍存在著以高度城市化區域為核心的“高值 低值”的圈層結構，但高值區域的面積與1km幅度相比，有向中心緊縮的趨勢，圈層結構更加明顯。而在3km幅度下，多樣性的空間差異趨于縮小，有些在1km、2km幅度下表現出的高值區此時由于幅度的增大而掩蓋了其與周邊區域的差異，從而導致這些高值區域的消失，此現象在奉賢區尤為明顯；同時由于幅度的增大，有些圈層表現出逐漸合并的趨勢。

圖6 三種幅度下Shannon多樣性指數的半變異函數

在3種不同的幅度下，不僅景觀多樣性的空間格局發生了變化，而且SHDI值域范圍也發生了改變。1km幅度下，SHDI的變化區間為0.0001～1.71，2km幅度下則減小為0.01～1.63，而到3km幅度時，則繼續減小至0.1～1.59。可見，幅度的改變不但影響到景觀多樣性的空間分布格局，而且也改變多樣性指數的大小。幅度越大，多樣性指數越趨于一致，變化區間減小。

3.2.2 景觀生態指數對幅度變化的響應

利用ArcGIS9.1的地統計學模塊，按照半變異函數原理分別對SHDI所有樣本計算半變異函數。圖6和表2分別顯示了不同幅度下SHDI半變異函數的特征、模型及其參數。

表2 不同幅度下景觀多樣性半變異函數的理論模型及參數

從圖6和表2中可以看出上海市陸域范圍內景觀SHDI具有明顯的空間自相關性：距離較小時，空間變異也較小，在一定距離范圍內，SHDI的空間變異與距離呈正相關，當距離增加時，相似性減小，SHDI在空間上的差異也增加，半變異函數增大。

圖6顯示SHDI的半變異函數在不同的幅度下差異十分顯著。根據對半變異曲線的擬合，各幅度下的理論模型和參數是有差別的。1km幅度下，理論模型符合指數變化特征，其中表示隨機部分空間異質性的塊金值Co為0.028，表示系統總的空間變異程度的基臺值Co＋C為0.1036，而Co/Co＋C為0.2699，反映了隨機部分引起的空間異質性占總空間異質性的比重。Co＝0.028說明1km幅度盡管對研究區域而言已經是一個較小的尺度了，但多樣性的空間變異可能仍然具有尺度或測量誤差等隨機因素的作用，這一貢獻比約為26.99%。基臺值中除去Co，其余的空間變異則是由空間自相關貢獻的，約占73%。

同理，我們得到在2km和3km幅度下半變異函數的理論模型分別為球狀模型和K－Bessel模型。從圖6可見，隨著幅度不斷增加，塊金值不斷增加，塊金效應逐漸增強，表明隨機部分引起的空間異質性的比例逐漸增大，而空間自相關部分引起的空間異質性的貢獻則減小。隨機因素主要包括尺度影響和測量誤差，本研究各個幅度測量誤差是一定的，這樣就說明隨著尺度的增加，掩蓋了該尺度內部較小尺度上的空間變異特征，尺度所產生的誤差則以塊金效應表現出來。

變程揭示了多樣性空間依賴性的距離，在1km幅度，多樣性的空間自相關出現在局部范圍（22.94km），當超過22.94km后，空間自相關就不存在了。隨著幅度增加，變程也增加，在3km幅度下，變程已增加至37km，說明SHDI在更大的范圍內存在空間依賴性。

采用同樣方法，對不同幅度下CONT、AWMFD和SPILT所有樣本計算半變異函數，表3～5給出了不同幅度的上述各指數半變異函數模型及其參數。

表3 不同幅度下景觀聚集度指數半變異函數的理論模型及參數

表4 不同幅度下面積加權平均分維數指數半變異函數的理論模型及參數

表5 不同幅度下景觀破碎化指數半變異函數的理論模型及參數

CONT反映景觀中各類斑塊的非隨機性或聚集程度。從表3可見，在1km和2km幅度下，理論模型均符合指數變化，隨著幅度增大，塊金值Co急劇下降，基臺值Co＋C也有所下降，相應的Co/Co＋C明顯減小。當幅度增大到3km時，其理論模型為二次方程式，但塊金值Co和基臺值Co＋C相對于2km幅度下又有所上升，分別為11.736和91.7146，Co/Co＋C也增大為0.1278。由此可見，在1km幅度下，可能由于幅度太小，使過多的局部細小規律和圈層特征顯現出來，反而使CONT的空間異質性增加，并且隨機部分的貢獻較大，塊金效應也最強；當幅度增大到2km時，局部規律逐漸被總體規律性所掩蓋，CONT空間異質性的特征趨于簡單，隨機部分的空間異質性和系統的最大變異性均減小，塊金效應較弱；當幅度增大到3km時，聚集度在較小范圍內的變化被忽視，部分空間規律信息由于尺度效應而損失，聚集度空間自相關性引起的空間差異對總體變異的貢獻又有所減小，塊金效應增強。

從變程變化的特征可知，在1km幅度下，CONT空間自相關出現在局部范圍（21.91km），隨著幅度增加，變程也增加，在3km幅度下，變程已增加至26.83km，說明CONT在更大的范圍內存在空間依賴性。

AWMFD可用于測定斑塊形狀，反映景觀或斑塊邊緣形狀的復雜性和變異性，這將影響斑塊內部和斑塊之間的生態過程，如動物遷移、物質交流等。由表4可以看出，從1km到3km，塊金值逐漸增加，說明分維數空間異質性的尺度效應逐漸增強；Co/Co＋C比值逐漸增大，表明空間自相關性對總體變異的貢獻逐漸減小。值得注意的是，AWMFD的變程隨著研究幅度的增加而略有減小，說明幅度增加，AWMFD的空間依賴性范圍略有縮小。

SPILT表征景觀的破碎程度，反映景觀空間結構的復雜性，在一定程度上反映了人類對景觀的干擾程度，進而反映出人類對自然生態系統的影響。由表5可見，在三個幅度下，理論模型均符合球狀模型，但其塊金值Co從1km到3km表現為增大的趨勢，且從2km到3km增加較快，由0.1683增大至0.1851，可見，SPILT的塊金效應隨著幅度的增加而增大。基臺值Co＋C在1～3km間表現為先減小后增大，其總的空間變異性在2km時最小。Co/Co＋C比值在1～3km間有一個先增大后減小的趨勢，隨機部分引起的空間異質性的比重在2km時最大。SPILT在2km幅度下的變程最大，表明在2km幅度時，空間自相關的存在范圍最大。

根據標準均方根預測誤差越接近于1，半變異函數模型的擬合結果越好的原則［27］，由表2～5可知，除AWMFD外，選擇2km對于研究上海市陸域范圍景觀格局的空間變化是一個比較合適的尺度。

4 結論

本文以上海陸域范圍為研究區域，采用2004年Landsat TM圖像解譯的土地利用為基礎數據，在空間粒度方面，從斑塊類型和景觀兩個層次，探討了20種景觀生態指標的粒度效應；利用Moran＇s I指數對不同粒度下景觀生態格局的空間自相關性進行分析。在此基礎上，利用半變異函數探討這些景觀生態指標的空間異質性與幅度的效應關系，揭示景觀空間異質性的尺度依賴性。主要結論如下。

（1）在斑塊類型層次，PLAND、LPI、DIVISION 的值基本不隨空間粒度變化，粒度效應不明顯。其他指數均表現出明顯的粒度效應：PD、ED、AWMSI、AWMFD和AI值隨粒度的增大而減小；MPS和FNN＿MN的值隨粒度的變粗而增加。上述部分指數或某些斑塊類型的指數出現明顯的尺度轉折點。農田和建筑用地是研究區域內的優勢斑塊，其MPS和AWMSI值大致分別在180m和120m附近出現尺度轉折點。PD值和AI值則分別在120～150m左右和90～120m附近出現尺度轉折點。

（2）在景觀層次，各景觀生態指數的粒度效應明顯。PD、ED、AWMSI和CONT值隨粒度的增大而減小，且在150m附近存在較明顯的尺度拐點；AWMFD、SPILT和SHDI值隨粒度的增大將最終下降，但尺度轉折點不明顯或粒度效應曲線較復雜；MPS值隨粒度的變粗而增加，并在120～180m之間出現尺度轉折。FNN＿MN和SHEI值隨粒度的增大將最終上升，但尺度轉折點不明顯或粒度效應曲線較復雜。

（3）上海市陸域范圍的景觀格局存在著顯著正空間自相關關系，150m的粒度水平為景觀空間自相關性對尺度響應的一個敏感點。

（4）SHDI和CONT的半變異函數在不同的幅度下差異十分顯著，而AWMFD和SPILT半變異函數對于不同幅度的差異相對較小。不同景觀指數在不同幅度下的空間異質性表現及其變化規律差異較大。隨著幅度的增加，SHDI和AWMFD半變異函數的塊金值逐漸增加，Co/Co＋C值也逐漸增大，塊金效應增強，表明空間自相關性對總體變異的貢獻逐漸減小。對于CONT和SPILT，分別在1km和2km幅度下，Co/Co＋C比值最大，塊金效應最強。

（5）對于SHDI和CONT，隨著幅度的增加，變程逐漸增大，空間自相關的存在范圍增大；對于AWMFD，隨著幅度的增加，變程略有減小，空間依賴性的存在范圍略有減小；對于SPILT，隨著幅度的增加，變程先增加，后又略減小，空間依賴性的存在范圍在2km時最大。

（6）半變異函數模型的擬合結果表明，對于SHDI、CONT和SPILT，2km對于研究上海市陸域范圍景觀格局的空間變化是一個比較合適的尺度。

［1］傅伯杰，陳利項，馬克明.景觀生態學原理及應用［M］.北京：科學出版社，2001.

［2］王仰麟.渭南地區景觀生態規劃與設計［J］.自然資源學報，1995，10（4）：372－379.

［3］鄔建國.景觀生態學——格局、過程、尺度與等級［M］.北京：高等教育出版社，2000.

［4］Marceau D J.The scale issue in social and natural sciences［J］.Canadian Journal of Remote Sensing，1999，25：347～356.

［5］岳文澤，徐建華，談文琦，等.城市景觀多樣性的空間尺度分析——以上海市外環線以內區域為例［J］.生態學報，2005，25（1）：122～128.

［6］鄔建國.景觀生態學——概念與理論［J］.生態學雜志，2000，19（1）：42～52.

［7］Lam N S N，Quattrochi D A.On the issues of scale，resolution，and fractal analysis in the mapping sciences［J］.Prof Geogr，1992，44（1）：42～46.

［8］Wu J G，Jelinski D E，Luck M，et al.Multiscale analysis of landscape heterogeneity：Scale Variance and Pattern Metrics［J］.Geographic Information Sciences，2000，6（1）：6～19.

［9］Veerle V E，Marc A.A stepwise multi－scaled landscape typology and characterisation for trans－regional integration，applied on the federal state of Belgium［J］.Landscape and Urban Planning，2009，3（91）：160～170.

［10］申衛軍，鄔建國，林永標.空間粒度變化對景觀格局分析的影響［J］.生態學報，2003，23（12）：2506～2519.

［11］Montserrat B，Lourdes C，F.Xavier Sans.Vegetation patchiness of field boundaries in the Mediterranean region：The effect of farming management and the surrounding landscape analysed at multiple spatial scales［J］.Landscape and Urban Planning，2012，1（106）：35～43.

［12］Theano S T.New landscape spatialities：the changing scales of function and symbolism［J］.Landscape and Urban Planning，2005，1（70）：165～176.

［13］李秀珍，布仁倉，常 禹.景觀格局指標對不同景觀格局的反應［J］.生態學報，2004，24（1）：123～134.

［14］趙文武，傅伯杰，陳利頂.景觀指數的粒度變化效應［J］.第四紀研究，2003，23（3）：326～333.

［15］Wu J.Effects of change scale on landscape pattern analysis：scaling relations［J］.Landscape Ecology，2003，42（9）：489～503.

［16］Wu J，Shen W，Sun W，et al.Empirical patterns of the effects of changing scale on landscape metrics［J］.Landscape Ecology，2002，17（5）：761～782.

［17］Li H，Wu J.Use and misuse of landscape indices［J］.Landscape Ecology，2004，19（7）：854～867.

［18］徐建華，岳文澤，談文琦.城市景觀格局尺度效應的空間統計規律——以上海中心城區為例［J］.地理學報，2004，59（6）：1058～1067.

［19］劉紀遠.中國資源環境遙感宏觀調查與動態研究［M］.北京：中國科學技術出版社，1996.

［20］宋治清，王仰麟.城市景觀格局動態及其規劃的生態學探討［J］.地球科學進展，2005，20（8）：840～849.

［21］Albert L，Joan N.Indicators of landscape fragmentation：The case for combining ecological indices and the perceptive approach［J］.Ecological Indicators，2012，1（15）：85～91.

［22］Robert C C，Joan I N.Limitations of using landscape pattern indices to evaluate the ecological consequences of alternative plans and designs［J］.Landscape and Urban Planning，2005，4（72）：265～280.

［23］Sen A K.Large sample－size distributions of statistics used in testing for spatial correlation［J］.Geographical Analysis，1976，9：175～184.

［24］曾 輝，江子瀛，孔寧寧.快速城市化景觀格局的空間自相關特征分析——以深圳市龍華地區為例［J］.北京大學學報：自然科學版，2000，36（6）：824～831.

［25］王政權.地統計學及在生態學中的應用［M］.北京：科學出版社，1999.

［26］肖篤寧，趙 羿，孫中偉.沈陽西郊景觀格局變化的研究［J］.應用生態學報，1990，1（1）：75～84.

［27］湯國安，楊 昕.ArcGIS地理信息系統空間分析實驗教程［M］.北京：科學出版社，2006.