基于長時相數據的同類型景觀指數相關性幅度效應分析
——以石家莊為例

閆 苗 苗，李 家 存，康 孝 巖

(首都師范大學GIS工程實驗室/資源環境與旅游學院，北京 100048)

?

基于長時相數據的同類型景觀指數相關性幅度效應分析
——以石家莊為例

閆 苗 苗，李 家 存*，康 孝 巖

(首都師范大學GIS工程實驗室/資源環境與旅游學院，北京 100048)

基于多源長時相數據，對景觀指數相關性與時間、空間幅度的相關關系進行了定量的實證分析。研究結果表明：在時間幅度上，4期數據的蔓延度指數的相關性隨時間幅度變化趨勢基本一致；面積-周長指數的相關性在某一特定的幅度內(20～50 km)最為顯著，其他范圍內隨時間有著明顯的波動；形狀指數相關性隨時間幅度出現較大變化，相同空間幅度內4期數據的極差值分布在0.3～0.9之間；多樣性指數相關性的變化趨勢與面積-周長指數相似。在空間幅度上,不同類型的指數的相關性各異，但在30～50 km范圍內相關性最為穩定。其中，周長-面積指數相關性隨空間幅度變化較大;形狀指數的獨立性較強，兩兩之間的相關性隨空間幅度的變化沒有規律可循；而蔓延度指數之間的相關性較高，不受空間、時間幅度影響，表現為強強相關；多樣性指數的相關性最高也最為穩定，表現為極顯著相關。結合時間幅度和空間幅度的相關性分析，得知在進行景觀分析時，特別是研究區半徑為30～50 km的范圍內，景觀指數的相關性最大，信息重復度最高，使用指數時應進行嚴格篩選。

景觀指數；相關性；時間幅度；空間幅度；長時相

0 引言

景觀生態學的研究對象和內容可概括為景觀結構、景觀功能和景觀動態3個方面[1]。景觀動態是指景觀結構和景觀功能隨時間的變化，而格局、過程和尺度是與之相對應的3個不同刻畫方法[2]。廣義上，尺度是指在研究某一物體或現象時所采用的空間或時間單位。在景觀生態學中，尺度往往以粒度和幅度表達。其中，幅度是指研究對象在空間或時間上的持續范圍或長度，因此，幅度包含時間幅度和空間幅度，而前人對景觀幅度研究所包含的內容相對單一。鄔建國[3]、申衛軍[4]等用兩種真實景觀分析了多種景觀指數的幅度效應,均發現景觀格局指數的相關性因空間幅度不同而異；孔維靜[5]在對遼寧太子河上游沿岸景觀格局進行幅度研究時，同樣發現了河流兩側景觀具有明顯的幅度效應； García-Feced在研究地中海地區森林景觀時，僅從粒度方面對景觀指數的區分能力、相關系數進行分析，認為景觀空間多樣性差異在較大粒度內更加明顯[6]；Karen采用時間和空間序列的方法，對廣東省4個城市10年的景觀做不同空間分幅，使用景觀指數反映城市景觀的時空變化[7]。

由此可見，目前對于景觀指數相關性研究所包含的內容相當單一，都是基于靜態的、某一時期的數據所進行的[8-10],景觀幅度的研究也只注重了空間幅度，忽略了時間幅度[11,12]。景觀處于不斷變化之中，景觀隨時間的動態變化對景觀指數及其相關性也會產生一定的影響。本文基于長時相即多時間幅度的遙感影像，對景觀指數相關性隨空間幅度的變化情況進行分析，試圖探討景觀指數的相關性隨不同時間幅度的變化關系以及景觀指數的相關關系與不同空間幅度之間的聯系。

1 研究區域與數據

石家莊市(37°25′～38°44′N,113°32′～115°28′E)位于河北省西南部，西鄰山西省,總面積1.5848萬km2。作為重要的交通樞紐，近20多年來石家莊地區經濟和社會得到快速發展，區域內的景觀結構和景觀格局發生了較大變化，城市范圍擴大，城鎮建設用地面積明顯增加，耕地、林地景觀破碎度提高，景觀變化在整體范圍內較為明顯，各種土地利用類型轉化頻繁。

為分析近20年來石家莊市景觀指數相關性的動態變化，保證數據源的豐富性，本研究采用了不同傳感器、不同年份但相同季節的4期影像數據：1992年7月和1997年8月的TM影像， 2000年8月的ETM+影像，2013年7月的高分一號影像，分辨率分別為30 m、30 m和16 m。分別對4期影像數據做拼接、裁剪、大氣校正等預處理，采用監督分類和目視解譯的方法，結合國家土地分類標準[13]和當地的實際情況，將研究區分為耕地、林地、水域、未利用土地、城鎮、鄉村等9大類土地利用類型(圖1,見封3)。在監督分類后，使用ROI文件對每期數據進行分類精度評價，得到4期數據的整體分類精度分別為：88.3%、89.2%、90.5%、92.3%，精度基本達到本研究需求。

2 研究方法

2.1 研究區分區

參考有關最佳粒度域的研究成果，對分類結果進行30 m粒度的重采樣[14,15]。對影像數據做幅度分析，以距市中心0～10 km、10～20 km、20～30 km、30～40 km、40～50 km以及大于50 km的距離，將其分成5個環形和1個不規則形共6個研究亞區。為分析每個環狀區域內不同指數的相關性，對研究區做最大外包正方形，并取每條邊的四等分點到市中心點的連線，將研究區的6個亞區域分別分成16個小區域，并且保證每個區域的景觀類型水平在2～8之間(圖2)。

圖2 研究區分幅示意

Fig.2 The sketch map of zoning of study area

2.2 相關關系測度

同類型或不同類型指數之間存在或強或弱的相關關系。在同類型景觀指數之間，就較強相關關系而言，表現為線性正相關或負相關、非線性正相關或負相關。具體到某兩種指數，在分析之前并不能判定其具體的相關關系類型。為更加準確地刻畫景觀指數之間的相關關系，得到最優相關系數，使用以下相關關系測度方法[16]:

rMax(A,B)=±Max{|r(A,B)|,|r(lnA,B)|,

|r(A,lnB)|,|r(lnA,lnB)|}

式中：A和B分別代表同類型的兩種景觀指數，r(A,B)、r(lnA,B)、r(A,lnB)、r(lnA,lnB)分別為景觀指數A與B、A的自然對數與B、B的自然對數與A、A的自然對數與B的自然對數之間的線性相關系數(Pearson積矩相關系數)，取其絕對值的最大值，而rMax(A,B)與原始值的正負保持一致。

2.3 景觀指數選取

應用景觀格局軟件Fragstats3.3對景觀指數的分析主要包括3個層次：1)單個斑塊類(patch)；2)由若干單個斑塊組成的斑塊類型(class)；3)包括若干斑塊類型的整個景觀水平(landscapelevel)。本文將對整體的景觀格局進行景觀指數的幅度效應分析，參考其他景觀指數的相關性研究[13]，選取景觀水平的四大類型19種具有代表性的景觀指數進行計算[17]，主要包括面積、周長和密度指數5個：景觀面積(TA)、斑塊密度(PD)、邊界密度(ED)、邊界總長度(TE)、斑塊面積變異系數(Area-CV)；形狀指數3個:景觀形狀指數(LSI)、平均周長面積比(PARA-MN)、平均分維數(FARC-MN)；多樣性指數7個：修正Simpson均勻度指數(MSIEI)、香農均勻度指數(SHEI)、Simpson多樣性指數(SIDI)、Simpson均勻度指數(SIEI)、香農多樣性指數(SHDI)、斑塊豐度(PR)、斑塊豐富度(PRD)等；蔓延度指數4個：聚集指數(AI)、相似臨近百分比(PLADJ)、景觀分割指數(DIVISION)、分離指數(SPLIT)等。

3 結果分析

根據景觀指數的定義大致將其分為4類，選取每類中具有代表性的幾對指數做相關性分析，其中：Ⅰ、周長-面積類3對：TA-TE、TA-Area_CV、ED-PD；Ⅱ、形狀指數2對:LSI-FRAC_MN、FRAC_MN-PARA_MN； Ⅲ、多樣性指數3對：AI-PLADJ、DIVISION-SPLIT、AI-SPLIT；Ⅳ、蔓延度指數4對：MSIEI-SHEI、SIDI-SIEI、SHDI-SIDI、PR-PRD。利用rMax(A,B)的定義，對景觀指數做線性與非線性分析(圖3)。為進一步分析同類型指數的相關性隨時間幅度的變化的穩定性，對4期各個幅度內的景觀指數相關系數做極差和均值分析。

3.1 面積-周長指數相關性分析

面積、周長指數是對景觀最基本信息的表達和描述，計算公式較為簡單。研究結果發現(表1、圖4)，在時間幅度上，4期數據年際相關系數(CorrelationCoefficient,CC)隨時間幅度的變化趨勢基本一致。但在空間幅度上，面積、周長指數的相關性不穩定，隨空間范圍的增加而出現不同的變化形狀；在10～20km的范圍內，3對指數的相關性有較大的變化，或升或降；在20～50km幅度內，指數間的相關性相對穩定，略有起伏；而在50～60km范圍內，TA-TE、TA-Area_CV的相關性逐漸上升，達到最大，而ED-PD的相關性迅速下降，達到最小。

圖3 景觀指數相關關系的時間、空間幅度變化

Fig.3 Temporal and space changes of correlation of landscape index

表1 相同空間范圍內不同時間幅度上面積、周長指數相關系數極差、均值分析

Table 1 The range,mean analysis of correlation coefficient of area, perimeter indexes at different time range within the same space

幅度(km)極差均值(TA?TE)(TE?Area?CV)(ED?PD)(TA?TE)(TE?Area?CV)(ED?PD)100．580．6530．3650．3240．5240．736200．1120．6510．3150．776-0．0910．53300．0740．0580．0950．6760．2060．826400．0990．210．0290．7110．4160．904500．0440．3790．1620．7250．4720．891600．0250．0420．1080．970．9470．422

圖4 面積、周長指數相關關系極差、均值分析

Fig.4 The range,mean analysis of correlation coefficient of area,perimeter indexes

以30 km為分界點，計算前段(10～30 km)和后段(30～60 km)內相關系數的均值和極差的平均數，探討其相關性的變化。TA-TE、TE-Area_CV、ED-PD在10～30 km范圍內的極差平均數分別為：0.255、0.454、0.258，在30～60 km范圍內的極差平均數分別為：0.061、0.172、0.099，可以明顯看出4期數據極差的平均數在10～30 km范圍內變化幅度較大，表明周長面積指數在10～30 km范圍內相關性的穩定性較差，而在30～60 km范圍內相關性的穩定性相對較高。而TA-TE、TE-Area_CV、ED-PD在10～30 km范圍內均值的平均數分別為：0.592、0.213、0.697，而在30～60 km范圍內均值的平均數分別為：0.771、0.510、0.761。相關性的均值在后段范圍相關性更為顯著，且遠遠大于前段。

周長面積指數的相關性在10～30 km范圍內呈現相關性較低、穩定性較差的特點，各個指數所代表的含義不能充分體現；在30～50 km范圍內，指數之間呈現穩定性高、相關性強的顯著特點，景觀指數所表達的含義較為充分。因此，可以推斷，在對景觀進行面積-周長分析時，研究區的分析半徑以30～60 km為宜，TA-TE、ED-PD都呈現極顯著相關，在指數選擇時，可以二者選一，以免重復。

周長面積指數在不同范圍內表現出不同的相關性，其主要原因有：在30～50 km幅度內，景觀的構成主要有鄉鎮、農田等，分布較為勻質，景觀破碎度低，形狀簡單，出現TA-TE的顯著相關；而ED-PD呈現極顯著相關，這與景觀的分布和公式本身定義有一定聯系，斑塊數量增加，景觀異質性提高，斑塊密度上升，邊緣密度也隨之增加，這與城市發展的一般規律相符合。但在60 km處，出現TA-TE、TE-AREA_CV的最大相關性的原因有待深入分析。

3.2 形狀指數相關性分析

景觀的形狀指數的相關性主要分析平均斑塊分維數FRAC_MN和平均周長面積比PARA_MN、景觀形狀指數LSI和平均斑塊分維數FRAC_MN之間的相關性，3個指數通過對周長和面積做比值、對數變換來表現。分析結果如表2和圖5所示。

表2 相同空間范圍內不同時間幅度上形狀指數相關系數極差、均值分析

Table 2 The range, mean analysis of correlation coefficient of shape index at different time range within the same space

幅度(km)極差均值(FRAC＿MN?PARA＿MN)(LSI?FRAC＿MN)(FRAC＿MN?PARA＿MN)(LSI?FRAC＿MN)100．9160．208-0．1650．379200．8460．3080．1920．435300．250．0840．6120．136400．3470．7410．487-0．092500．370．3440．594-0．35600．3720．1920．413-0．222

圖5 形狀指數相關性極差、均值分析

Fig.5 The range,mean analysis of correlation coefficient of shape index

平均分維數FRAC_MN和平均面積周長比PARA_MN之間的相關性隨空間幅度的變化較大，4期數據的相關性在時間幅度上變化趨勢一致。FRAC_MN-PARA_MN、LSI-FRAC_MN在10～30 km幅度范圍內的極差平均數分別為0.670、0.2，遠遠大于其在30～60 km的范圍內的0.335、0.340。 FRAC_MN-PARA_MN、LSI-FRAC_MN在10～30 km范圍內的均值分別為0.213、0.317，而在30～60 km的范圍內均值分別為0.526、-0.132。在10～30 km內，形狀指數的極差變化較大，相關性的穩定性較差，相關系數均值較低，在30～60 km內，兩對指數的穩定性較低，指數之間的相關性隨幅度變化多端。

對分維數做時間幅度的極差和均值分析，發現分維數FRAC_MN和平均面積周長比PARA_MN的相關性在30 km處的極差達到最小,30～60 km的幅度范圍內極差值穩定，相關性水平變化較小，其相關性的均值r保持在0.5左右。景觀形狀指數LSI和平均斑塊分維數FRAC_MN相關性的極差沒有表現出任何規律，并且其相關性的均值相對較低，二者間不存在明顯的相關性，信息重復性較低。

形狀指數通過周長和面積進行比值運算、對數變換來表現景觀的分維數、周長面積比以及形狀復雜程度。形狀指數FRAC_MN-PARA_MN、LSI-FRAC_MN之間的相關性隨幅度出現較大的變化，并且相關性整體上不穩定。平均分維數和平均斑塊數在某種幅度上有著顯著的相關性[18-21]，但是形狀指數和平均分維數不存在有意義的相關，進一步說明其二者具有較強的獨立性，景觀意義和表達上重復性較低；形狀指數是對景觀總的邊界長度與面積的開方得到，而分維數是通過對斑塊的面積、周長、斑塊數等做對數變換、求和、比值等分析得到，影響因素不一致、計算復雜，是二者出現低相關性的原因。

3.3 蔓延度指數相關性分析

分析4期數據蔓延度指數的相關性(表3、圖6)，發現聚集指數AI和相似臨近百分比PLADJ的相關性的極差值在10～50 km范圍內較小，隨后略微上升；在3對指數的極差值中，分離指數SPLIT和景觀分割指數DIVISION的極差值最小，也最為穩定，相關性均值最高，r一直保持在0.99左右，二者表現出顯著相關；聚集指數AI和分離指數SPLIT的相關性極差值起伏較大，介于0.1～0.7之間，而其相關性也隨空間幅度在正相關和負相關性之間變動，相關關系不太穩定。

表3 相同空間范圍內不同時間幅度上蔓延度指數相關系數極差、均值分析

Table 3 The range, mean analysis of correlation coefficient of contagion index at different time range within the same space

幅度(km)極差均值(AI?PLADJ)(DIVISION?SPLIT)(AI?SPLIT)(AI?PLADJ)(DIVISION?SPLIT)(AI?SPLIT)100．0450．0170．6360．9750．987-0．545200．020．0080．4660．9760．989-0．121300．0040．0050．3420．9930．987-0．315400．0010．0040．1090．9980．985-0．493500．0030．0030．1630．9970．985-0．552600．1570．0120．380．8930．992-0．279

圖6 蔓延度指數相關關系極差、均值分析

Fig.6 The range,mean analysis of correlation coefficient of contagion index

以40 km為節點，對蔓延度指數相關性的均值和極差做平均數統計，AI-PLADJ、DIVISION-SPLIT、AI-SPLIT在10～40 km范圍的極差平均數分別為：0.0175、0.0085、0.3882,在40～60 km的極差平均數分別為：0.0537、0.0063、0.2173。前段范圍內景觀指數的相關性極差均值小于后段，說明其變化幅度較小，相對穩定。AI-PLADJ、DIVISION-SPLIT、AI-SPLIT在10～40 km范圍內的均值分別為0.9855、0.9870、-0.3685，在40～60 km的范圍內其均值分別為：0.9627、0.9873、-0.4413。在此可以分析得出，AI-PLADJ、DIVISION-SPLIT的相關性相對穩定，呈現顯著性相關，不受空間幅度的影響。AI-PLADJ二者的定義表達式有很大的重復性，而SPLIT的公式表達與DIVISION基本一致，都是對景觀破碎程度的度量，所以導致兩對指數的高度相關。聚集指數AI與分離度指數SPLIT的相關性隨幅度變化較大，且基本上呈現負相關性。

蔓延度指數的相關性整體較高，聚集指數AI和相似臨近百分比PLADJ、分離指數SPLIT和景觀分割指數DIVISION的相關系數r都分布在0.99左右。景觀內部的像元的聚集程度高，意味著其與相同類型斑塊臨近的概率較大，因此，AI-PLADJ呈現極顯著相關；景觀分離指數與分割指數是用景觀面積和斑塊面積的比值來刻畫，公式表達和生態學意義基本一致。兩對指數呈現極顯著相關，不隨幅度而變化，信息表達和生態學意義重復較大，在選取時可盡量避免重復。而聚集指數AI與分離指數SPLIT整體上呈弱負相關，二者在公式表達和生態學意義上都有較大差別，獨立性較強。

3.4 多樣性指數相關性分析

縱向看，MSIEI和SHEI相關系數年際極差最小(表4、圖7),保持在0.1的范圍之內，二者相關系數的均值較高，呈極顯著相關，且相關性最為穩定，不受幅度的影響；而SIDI-SIEI、SHDI-SIDI之間的相關性極差值較為相似，在10 km處較大，隨后逐漸減小，其相關性受到幅度的影響，但均值整體都在0.9以上，也呈現極顯著相關性。PR-PRD二者相關系數的極差值隨幅度變化較大，其均值在10～50 km內呈現正相關，到60 km處呈顯著負相關，二者相關性不穩定。

表4 相同空間范圍內不同時間幅度上多樣性指數相關系數極差、均值分析

Table 4 The range,mean analysis of correlation coefficient of diversity index at different time range within the same space

幅度(km)極差均值(MSIEI?SHEI)(SIDI?SIEI)(SHDI?SIDI)(PR?PRD)(MSIEI?SHEI)(SIDI?SIEI)(SHDI?SIDI)(PR?PRD)100．0330．2530．1240．3250．9810．9090．9550．746200．0380．0380．0330．3040．9780．9760．9810．795300．0240．0130．0150．3830．9790．9720．980．713400．0030．0180．0090．1720．990．9870．990．7500．010．0180．0130．2380．9880．9880．9880．651600．0030．0510．0050．1630．9970．9640．99-0．738

圖7 多樣性指數相關系數極差、均值分析

Fig.7 The range,mean analysis of correlation coefficient of diversity index

從結果分析(圖7)可知，修正Simpson均勻度指數MSIEI和香農多樣性指標SHEI呈顯著的正相關性。在10～60 km幅度內，略有起伏，其相關系數介于0.95～1之間。從時間幅度分析，4期數據的相關性走勢基本一致，變化較小，相關性較穩定，這與其公式定義有關。Simpson多樣性指數SIDI與Simpson均勻度指數SIEI的相關性也較為明顯。在10～20 km 幅度內變化較大，4期數據的r值變化趨勢各異；在20～50 km幅度內，二者的相關性較為顯著，r分布在0.95～1之間；在50～60 km幅度內，相關性出現分異，但仍表現出極顯著相關性。分析香農多樣性指標SHDI和Simpson多樣性指數SIDI，可以看出二者的相關性較高，變化趨勢與SIDI-SIEI之間的相關性相似。只在50～60 km之間，SHDI和SIDI的相關性逐漸趨于一致(r→0.99)，表現為極顯著相關；斑塊豐度PR和斑塊多度密度PRD二者相關性較為顯著，在10～50 km幅度內，有略微起伏變化，但整體上是顯著性正相關；而在50～60 km幅度內，二者相關性急劇下降，在60 km處表現為顯著的負相關。因此，可以看出PR和PRD的相關性與空間幅度有很大關系，其相關性也較為復雜。

多樣性指數的相關系數整體上較高，呈現極顯著相關，隨空間幅度的變化極小。修正Simpson均勻度指數MSIEI和香農多樣性指標SHEI、Simpson多樣性指數SIDI與Simpson均勻度指數SIEI、香農多樣性指標SHDI和Simpson多樣性指數SIDI三對指數相關系數r都分布在0.98附近，不受空間、時間幅度的影響，其原因是形狀指數的刻畫是通過各個斑塊面積進行指數變換、比值運算得到；而斑塊豐富度PR和類型密度PRD受幅度的影響，在不同幅度呈現差異較大的相關系數，與斑塊數量和研究區面積有關，在10～50 km的幅度內，由于鄉鎮、村莊構成的斑塊數量較多，而面積一定，出現斑塊豐富度和類型密度呈現高度正相關，在60 km范圍內，鄉鎮、村莊斑塊數量急劇減少，景觀面積增大，導致二者出現顯著負相關。

4 結論

本研究基于4期景觀數據，從時間幅度和空間幅度探討景觀動態變化與景觀指數相關性的關系，得到以下結論：四大類景觀指數的相關性隨時間幅度的變化基本一致，但形狀指數LSI-FRAC_MN及部分多樣性指數除外。基于時間幅度縱向分析4期數據，其相同空間幅度范圍內年際極差變化各異，特別是在10～20 km、60 km處的極差值明顯高于中間范圍，相關性變化幅度較大，相關性極不穩定。在30～50 km范圍內，各類景觀指數在縱向的時間幅度上變化較小，相關性最為穩定，其中多樣性指數、蔓延度指數間的相關系數較大，相關性較高。

景觀指數種類雖多，但大多可以歸屬信息量類、面積周長比類、簡單的統計學指標類型、分維型、空間相鄰或自相關等幾大類型，且彼此之間并不是獨立的，這些同類型及不同類型指數之間存在一定的相關性，生態學信息出現重疊[22,23]。本研究基于長時相的多期數據，發現蔓延度、多樣性景觀指數同類型指數的相關性比較顯著，重疊度較高，不受時間和空間分幅的影響；形狀指數和分維數的相關系數較小，同類型指數之間的獨立性較強，形狀指數受空間幅度影響較大。景觀指數的相關性在一定的空間幅度范圍(20～50 km)內呈現顯著相關，4期數據變化基本一致。因此，在做景觀分析時，特別是研究區的半徑在20～50 km的范圍內，四大類型的景觀指數的重復性大，使用景觀指數時要進行嚴格篩選，以避免重復。本文關于形狀指數相關性的時間和空間幅度效應的分析，由于受空間分幅、粒度大小等因素的影響，所得結果與他人研究結果略有出入，具體原因有待深入研究。

[1] 布仁倉.景觀指數之間的相關分析[J].生態學報,2005,25(10):2674-2775.

[2] HARGIS C D,BISSONETTE J A,DAVID J L.The behavior of landscape metrics commonly used in the study of habitat fragmentation[J].Landscape Ecology,1998,13(3):167-186.

[3] LI H B,WU J G.Use and misuse of landscape indices[J].Landscape Ecology,2004,19:389-399.

[4] 申衛軍,鄔建國,任海,等.空間幅度變化對景觀格局分析的影響[J].生態學報,2003,23(11):2219-2231.

[5] 孔維靜,王一涵,潘雪蓮,等.遼寧太子河上游沿岸景觀格局的幅度效應[J].山地學報,2013,31(3):287-293.

[7] SETO K C,FRAGKIAS M.Quantifying spatiotemporal patterns of urban land-use change in four cities of China with time series landscape metrics[J].Landscape Ecology,2005,20:871-888.

[8] 周啟鳴.多時相遙感影像變化檢測綜述[J].地理信息世界,2011,4(2):28-33.

[9] 王艷芳,沈永明,陳壽軍.景觀格局指數相關性的幅度效應[J].生態學雜志,2012,31(8):2019-2097.

[10] 高峻,宋永昌.上海西南城市干道兩側地帶景觀動態研究[J].應用生態學報,2001,12(4):605-609.

[11] 趙文武,付博杰,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.

[12] 朱明,徐建剛,李建龍,等.上海市景觀格局梯度分析的空間幅度效應[J].生態學雜志,2006,25(10):1214-1217.

[13] 中國國家標準化管理委員會.國家土地分類標準[Z].北京:中國標準出版社,2007.

[14] 唐玲,譚麗,何興元,等.基于QuickBird衛星影像的沈陽城市綠地景觀格局的空間幅度效應[J].資源科學，2008,30(9):1415-1420.

[15] 徐麗,卞曉慶,秦小林,等.空間粒度變化對合肥市景觀格局指數的影響[J].應用生態學報,2010,21(5):1167-1173.

[16] 徐克學.生物數學[M].北京:科學出版社,2001.

[17] 龔建周,夏北成.景觀格局指數間相關關系對植被覆蓋度等級分類數的響應[J].生態學報,2007,27(10):4076-4085.

[18] 李君,戴文遠,楊紅玉,等.沙溪流域永安段景觀指數篩選與景觀變化分析[J].亞熱帶資源與環境學報,2012,7(4):87-94.

[19] 俞龍生,符以福,喻懷義,等.快速城市化地區景觀格局梯度動態及其城鄉融合區特征——以廣州市番禺區為例[J].應用生 態學報,2011,22(1):171-180.

[20] 于磊,趙彥偉,汪思慧,等.不同時空尺度下流域景觀格局與水質的相關性研究——以嫩江右岸典型子流域為例[J].水土保持通報,2011,31(5):254-258.

[21] 李明杰,錢樂祥,夏麗華,等.汕頭市土地利用景觀指數粒度效應初探[J].地理與地理信息科學,2008,24(6):93-96.

[22] HARGIS C D,BISSONETTE J A,DAVID J L.The behavior of landscape metrics commonly used in the study of habitat fragmentation[J].Landscape Ecology,1998,13(3):167-186.

[23] 肖篤寧,李秀珍,高 峻.景觀生態學[M].北京:科學出版社,2010.

A Extent Effect Analysis of Correlation of Landscape Indices Based on Long-Temporal Series Data：A Case Study of Shijiazhuang City

YAN Miao-miao,LI Jia-cun,KANG Xiao-yan

(GISEngineeringLaboratory/CollegeofEnvironmentandTourismResources,CapitalNormalUniversity,Beijing100048,China)

Based on multiple sources of long-temporal data,this study has made quantitative empirical analysis of the correlation of landscape indices changing with time and spatial extent.The results show that the correlation of contagion indices of the four data is basically the same with the variation trend of the time extent.In a specific amplitude (20 ～ 50 km),the correlation coefficient of area-perimeter indices is the most notable,while it shows obvious fluctuations in the other extent with the changing of time.The correlation coefficient of shape index shows significant changes with the changing of time extent,in the same spatial extent,the extremum of the four data ranges from 0.3 to 0.9.The correlation of diversity index is similar to area-perimeter index′s.In spatial extent,different types of index has a stable correlation in range of 30～50 km.Among this,correlation coefficient of area-perimeter indices change greatly with spatial extent;shape indices are more independent with each other and there is no rules about the correlation to follow.A part of correlation coefficient of contagion indices are at a high level and not affected by the temporal spatial extent and range,which can be divided into a strong correlation.Diversity index and contagion index both have higher correlation than other indices,we should make appropriate choice and avoid repeating when selecting these indices.

landscape index;correlation;temporal extent;spatial extent;long-temporal series

2015-01-07；

2015-06-28

國家高科技研究發展計劃項目(2012AA12A308)

閆苗苗(1990-)，女，碩士，從事遙感地學應用與景觀生態學研究。*通訊作者E-mail：lijiacun@163.com

10.3969/j.issn.1672-0504.2015.05.017

Q149

A

1672-0504(2015)05-0079-07