【景观生态学实验】实验四 景观指数计算
实验目的
1.掌握软件Fragstats计算景观指数的方法：通过实验课程的学习，了解熟悉熟练掌握Fragstats软件的使用方法，重点掌握利用该软件计算景观指数的方法原理、操作步骤和具体流程，具体包括数据导入、编辑文本文件、参数设置等，用以获得对景观特征的定量描述；
2.深入了解各景观指数的含义：通过利用软件自主计算各个景观指数，使学生深入学习各个景观指数的定义、计算方法与其在景观生态学中的具体应用，并进一步理解各个景观指数背后的生态学原理，以及它们对相应的景观结构和功能的反映能力；
3.分析2000-2007年丹江口库区景观指数变化特征及其含义：利用以往实验课获得的2000与2007年的丹江口库区土地利用结果图，计算研究区域的景观指数，并通过比较不同年份的景观指数分析其变化特征与含义，旨在以该区域为典例，深入了解景观格局的演变过程及其生态意义。
实验内容
（1）编辑Fragstats输入4个文本文件；
（2）计算丹江口库区2000年及2007年不同尺度上的景观指数；
（3）查阅资料，自学并描述景观指数含义；
（4）分析2000-2007年丹江口库区景观指数变化特征及其含义。
实验过程
（1）创建相应的文本文件
在创建文件的过程中，我们可以将老师提供的Fragstats软件安装包中的文件作为参考，依据我们输入的栅格数据的特点进行文件详细数据的修改：
1. descriptor.fcd（类型描述表）：对输入的栅格文件的class级别的要素进行描述。ID指标识该类型的数值，这些值在栅格中都是唯一的，来自于我们输入的栅格文件；Name指每个类型的字符描述，它将在FRAGSTATS输出文件中作为类型输出；Enabled指是否计算并输出该类型的统计信息；IsBackground指是否将该类型视为背景。如下图所示分别为2000年（左）与2007年（右）的对应文件，由于不同年份的研究区域土地利用分类结果的栅格图像中，类别对应的值不同，因此每份文件我们需要根据年份分别编辑：
2.egedepth.fsq（边缘深度效应距离）（单位：米）: 表示边界影响渗透到斑块内部的距离。文件第一行必须是FSQ_TABLE；CLASS_LIST_LITERAL指需要分析的景观数据中的各种土地类型的文字描述；CLASS_LIST_NUMERIC指需要分析的景观数据中的各种土地类型的对应的数值；最后为边缘效应矩阵，该矩阵表示每一对类型组合，互相之间的边缘深度效应距离，如下图所示分别为2000年（上）与2007年（下）的对应文件；
3.contrast.fsq（边缘对比权重值）:表示不同土地利用类型相接边缘的对比强度，用于量化不同土地类型在景观中的相互关系，数值越大，表示相邻土地类型之间的对比越强烈。文件基本内容同egedepth.fsq文件，最后为边缘对比矩阵，范围在0到1之间，如下图所示分别为2000年（上）与2007年（下）的对应文件；
4. similarity.fsq（相似系数）: 表示不同土地利用类型相接边缘的相似度，用于量化不同土地类型在景观中的相互关系，数值越大，表示相邻土地类型之间的相似度越大。文件基本内容同egedepth.fsq文件，最后为相似系数矩阵，范围在0到1之间，如下图所示分别为2000年（上）与2007年（下）的对应文件；
（2）计算景观指数
1.导入数据：打开Fragstats软件后，选择【Input layers】—>【Add layer】，打开【Select input dataset】参数框后，在数据类型选择框中选择【GDAL】后，在右侧的【Dataset name】中输入我们需要计算景观指数的栅格图像：
！！特别注意！！一定要注意观察Cell size（像元大小）是否从负数更改为正数，若未变化，可以尝试更改输入文件的路径；
导入栅格数据后，在【Common tables】中的四个选项框内分别导入我们编辑得到的四个文件（descriptor.fcd、egedepth.fsq、contrast.fsq、similarity.fsq）：
2.设置参数：点击选择【Analysis parameters】 打开参数框如下图所示（1）斑块相邻法则：存在4位法则或8位法则（仅影响斑块尺度），此次实验中我们选择8位法则（2）多水平结构：patch（斑块），class（类别），landscape（景观），每次计算只选择一个，分开勾选、分步计算（3）移动窗口分析：不做更改保持默认：
思考：为什么要设定邻接法则？
邻接法则，简而言之：决定了在景观指数的计算中，空间上相邻的单元哪些被认为是连接的。不同的邻接法则将导致不同的空间连接性定义，从而影响到计算出的景观指数的数值和解释，设定适当的邻接法则能够更真实地反映研究区域内空间单元之间的连接关系，有助于更准确地理解景观结构和生态过程。
3．景观指数计算与导出：完成上述参数设置后，点击右侧选择【Class metrics】或【Landscape metrics】，根据实验指导书要求，我们需要计算的景观指数有：LPI, ED, AREA_MN, PAFRAC, PARA_MN, SHAPE_MN, CONTIG_MN, PD, DIVISION, SPLIT, CONTAG, IJI, AI, LSI, COHESION, SHDI, SIDI, SHEI,SIEI共19个；
选择参数完毕后选择点击【Run】—>【Proceed】—>【Result】—>【Save run as table】，即可将计算得到的景观指数结果保存为文件,并可利用Excel打开：
至此数据处理工作已经全部完毕，我们将得到的数据最终整理如下表格所示：
结果分析
（1）景观指数含义表格
| Area and Edge metrics（面积和边缘指标） | ||
| LPI（Largest Patch Index） 最大斑块指数 | 公式 |
|
| 取值 范围 | 0-100 | |
| 含义 | 表示某一斑块类型中的最大斑块占据整个景观面积的比例。其值的大小表明景观中的优势种、内部种的丰度等生态特征；其值的变化可以反映干扰的强度和频率，人类活动的方向和强弱，有助于确定景观的优势类型等。 | |
| ED （Edge Density） 边缘密度 | 公式 |
|
| 取值 范围 | ED≥0 | |
| 含义 | 表示景观范围内单位面积上异质景观要素斑块间的边缘长度，常用于评估景观的连通性、生境多样性和对生态系统的影响。高边缘密度的景观可能对某些物种提供更多的生境边缘，但也可能与其他物种的生境要求不符。 | |
| AREA （Patch area） 斑块面积 | 取值 范围 | AREA≥0 |
| 含义 | 指景观中单个土地类型或生境斑块的实际地表面积，通常以某种面积单位（如平方米、平方千米）表示。作为景观生态学中用于量化斑块大小分布、评估生态系统结构的重要指标，其可以反映不同的生境条件和生态系统状态。 | |
| Shape metrics（形状指标） | ||
| PAFRAC （Perimeter-Area Fractal Dimension）周长面积分维数 | 公式 |
|
| 取值 范围 | 1≤PAFRAC≤2 | |
| 含义 | 指景观不规则几何形状的非整数维数，反映景观形状复杂程度。该指数能在一定程度上反映出人类活动对景观格局的干扰程度，当指数值越小即趋于 1 时说明景观中斑块形状较简单，则可能受人类活动干预程度较小，而指数值越大即接近 2 时则越复杂，受人类活动干扰程度越大。 | |
| PARA （Perimeter-Area Ratio） 周长面积比 | 取值 范围 | PARA>0 |
| 含义 | 指地物或区域的周长与其面积之间的比值。PARA提供了一种度量地物形状复杂性的方式。具体而言，它反映了地物边缘的曲折程度相对于其面积的大小。PARA越高，表示地物或区域的形状越不规则，边缘越曲折；PARA越低，表示地物或区域的形状越趋于规则，边缘越平滑。 | |
| SHAPE （Shape Index） 形状指数 | 取值 范围 | SHAPE≥0 |
| 含义 | 用于度量地物或区域形状的复杂性。值为1时,该类斑块形状最为简单规律，形状指数越高通常表示地物或区域形状越复杂，具有更多的曲线、边界或不规则特征。 | |
| CONTIG （Contiguity Index） 邻接度指数 | 取值 范围 | 1≤CONTIG≤2 |
| 含义 | 衡量地物或区域之间相邻的程度，即它们的边界是否紧密相连，或者它们是否具有共同的边界。较高的邻接度表示更紧密的连接，而较低的邻接度表示更为分散的地物或区域。 | |
| Aggregation metrics（聚合指标） | ||
| PD （Patch Density） 斑块密度 | 公式 |
|
| 取值 范围 | PD≥0 | |
| 含义 | 表示某种斑块在景观中的密度，可反映出景观整体的异质性与破碎度以及某一类型的破碎化程度，反映景观单位面积上的异质性。高斑块密度表示该区域景观较为复杂，而低斑块密度则表示该区域景观较为单一或连续。 | |
| DIVISION（景观分离度） | 公式 |
|
| 取值 范围 | 0≤DIVISION≤1 | |
| 含义 | 表示不同斑块或区域之间的空间分离程度，即它们之间的相对距离或隔离程度。值越低，表示不同斑块之间的平均距离越小，意味着景观更为连接，斑块之间更容易相互接触。反之表示不同斑块之间的平均距离越大，意味着景观更为分散，斑块之间的空间分离程度更高。 | |
| SPLIT （分散指数） | 公式 |
|
| 取值 范围 | SPLIT≥0 | |
| 含义 | 用于描述景观中斑块或区域的空间分散程度。较低的 Split 值表示斑块较为集中，而较高的 Split 值表示斑块较为分散，可以用于理解景观中斑块的空间分布格局。 | |
| CONTAG (蔓延度指数) | 公式 |
|
| 取值 范围 | 0≤CONTAG≤100 | |
| 含义 | 表示景观中不同斑块或区域之间的蔓延程度，即它们之间的边界的共享和相互接触程度。较高的 CONTAG 值表示相邻斑块之间的边界较短，景观更为连续，较低的 CONTAG 值表示相邻斑块之间的边界较长，景观更为分散。 | |
| IJI （Interspersion Juxtaposition Index） 散布与并列指数 | 公式 |
|
| 取值 范围 | 0≤IJI≤100 | |
| 含义 | 旨在量化景观中不同斑块类别之间的散布（interspersion）和并列（juxtaposition）程度。考虑了不同类别的斑块在景观中的分散程度以及它们之间的相邻关系，可用于评估不同类别斑块在景观中的空间分布，以及它们之间的接触程度。较高的 IJI 值表示不同类别斑块之间的接触较多，而较低的 IJI 值表示它们分散排列。 | |
| AI (Aggregation Index) 聚合度 | 公式 |
|
| 取值 范围 | 0≤AI≤100 | |
| 含义 | 用于描述景观中不同斑块或区域的聚集程度。这个指标反映了景观中相同类型的斑块之间的集中程度，即它们是否彼此聚集在一起，较高的聚合度表示相同类型的斑块相互聚集，而较低的聚合度表示它们更分散，可用于评估景观中相同类型斑块的聚集模式。 | |
| LSI (Landscape Shape Index)景观现状指数 | 取值 范围 | LSI≥1 |
| 含义 | 景观中所有斑块边界的总长度除以总面积的平方根,用于描述景观或斑块形状特征的指标. 较小的值通常表示较为规则的斑块形状，而较大的比率表示不规则或复杂的斑块形状。 | |
| COHESION （斑块内聚力指数） | 公式 |
|
| 取值 范围 | 0≤COHESION≤100 | |
| 含义 | 用于描述景观中斑块内部的空间结构的聚集程度，指数反映了同一类型的斑块内部的空间连接性或集聚性。较高的 COHESION值表示同一类型的斑块更集中或更密集地分布在一起，形成较为紧凑的空间结构。 | |
| Diversity metrics（多样性指标） | ||
| SHDI（Shannon Diversity Index）香农多样性指数 | 公式 |
|
| 取值 范围 | SHDI≥0 | |
| 含义 | 用于衡量生态系统中物种多样性的一个常用指数。它考虑了物种的丰富度和相对丰度，可以用于比较不同生境或在同一生境中的不同时间点的物种多样性。香农多样性指数的值越高，表示生态系统中的物种多样性越丰富。 | |
| SIDI（Simpson Index）辛普森指数 | 公式 |
|
| 取值 范围 | 0≤SIDI≤1 | |
| 含义 | 用于衡量生态系统中物种多样性的指数，通常用于评估某个生境中某类物种的多样性。SIDI同样也是生态学中常用的多样性指数之一，提供了对生态系统结构的定量评估，与SHDI的概念重叠，在实际应用中，研究者通常会根据研究的具体情境选择适当的多样性指数。 | |
| SHEI（Shannon Evenness Index）香农均匀度指数 | 公式 |
|
| 取值 范围 | 0≤SHEI≤1 | |
| 含义 | 用于描述生态系统中物种相对丰度均匀性的指数。它通常与香农多样性指数（SHDI）结合使用，以提供更全面的关于物种多样性和丰度分布的信息。SHEI的值越接近 1，表示物种相对丰度越均匀，即各个物种在生态系统中的相对丰度相差不大。 | |
| SIEI（Simpson Evenness Index）辛普森均匀度指数 | 取值 范围 | 0≤SIEI≤1 |
| 含义 | 用于描述生态系统中物种相对丰度均匀性的指数。它通常辛普森指数（SIDI）结合使用，以提供更全面的关于物种多样性和丰度分布的信息。SIDI的值越接近 1，表示物种相对丰度越均匀，即各个物种在生态系统中的相对丰度相差不大。 | |
（2）分析2000-2007年丹江口库区景观指数变化特征及其含义
为进一步深入理解景观指数的具体含义与相关应用，根据实验指导书要求，我们从利用Fragstats软件计算得到的19个景观指数中，选取了如下所示的六个景观指数（ED、PARA_MN、CONTIG_MN、PD、SPLIT、LSI）,结合研究区域的相关自然与人为因素，分析其景观指数的变化特征及其含义。
现象总结：
在选取得到的六个景观指数中，ED（边缘密度）属于面积与边缘指标，PARA（周长面积比）与CONTIG（邻接度指数）属于形状指标，PD（斑块密度）、SPLIT（分散指数）与LSI(景观形状指数)属于聚合指标，通过表格我们可以明显观察到的是：除CONTIG指标外，其余指标均呈明显上升，因此我们从各个指标的具体意义出发分析其上升或下降所代表的含义。
- ED（边缘密度）也可称为边缘破碎度：表示景观范围内单位面积上异质景观要素斑块间的边缘长度，用于揭示景观或类型被边界分割的程度，是景观破碎化程度的直接反映。ED值越高，代表景观范围内单位面积上异质景观要素斑块间的边缘长度越长，即代表景观被边界分割的程度越大，即代表景观破碎化程度加深。因此在该景观指数的表现下，研究区域从2000-2007年景观破碎化程度加深；
- PARA（周长面积比）：指地物或区域的周长与其面积之间的比值，它反映了景观或类型边缘的曲折程度相对于其面积的大小。PARA值越高，表示相同面积下周长越长，因此地物或区域的形状越不规则，边缘越曲折；PARA越低，表示地物或区域的形状越趋于规则，边缘越平滑。因此在该景观指数的表现下，研究区域从2000-2007年斑块形状复杂化；
- CONTIG（邻接度指数）：衡量地物或区域之间相邻的程度，即它们的边界是否紧密相连，或者它们是否具有共同的边界。较高的邻接度值表示景观中的要素更紧密的连接，而较低的邻接度值表示景观中的要素是更为分散的地物或区域，即代表景观破碎化程度较高。因此在该景观指数的表现下，研究区域从2000-2007年景观破碎化程度加深，与ED指数的结果相符；
- PD（斑块密度）：表示在景观的单位面积中斑块的数量多少，与斑块的大小无关，该指数可充分反映出景观整体的异质性与破碎度以及某一类型的破碎化程度，高斑块密度值表示该区域单位面积内的斑块数量较多，因此景观环境较为复杂，而低斑块密度则表示该区域景观较为单一或连续。因此在该景观指数的表现下，研究区域从2000-2007年景观异质性程度增强；
- SPLIT(分散指数)：表示景观中斑块的空间分散程度，与PD相比，该指数用来描述景观中的斑块分裂程度，即景观中的斑块是否被分割成更小的子斑块。高SPLIT值表示景观中的斑块被更多的线性特征（如道路、河流等）所分隔，从而增加了景观的破碎化和孤立性，较低的SPLIT 值则表示斑块较为集中，景观的连续性较好。因此在该景观指数的表现下，研究区域从2000-2007年景观破碎化程度加深，与ED指数和CONTIG指数的结果相符；
- LSI（景观形状指数）：指景观中所有斑块边界的总长度除以总面积的平方根,用于描述景观或斑块形状特征的指标。较高的景观形状指数反映出景观中的斑块边界更为复杂、不规则，而较低的指数则对应着更加规则和简单的斑块形状。因此在该景观指数的表现下，研究区域从2000-2007年斑块形状复杂化，与PARA指数得到的结果相符；
以上即我们对选取的六个指标的详细解读，我们将这六个指标的数字变化特征与它所代表的具体含义进行结合分析得到结果如上所示，并得到了各个指标间的相互印证（例如ED指标、CONTIG指标与SPLIT指标），最终我们得到结果：研究区域从2000-2007年斑块形状复杂化，景观破碎化程度加深，景观异质性程度增强。
如上表格所示为2000-2007年丹江口库区斑块类型水平部分景观指数，通过观察可以发现得到，各土地利用类型的景观指数变化特征基本与景观水平的景观指数变化特征一致，因此我们在此处不再对斑块类型水平进行重复的变化特征分析。
原因分析：
结合第三次实验景观格局及变化分析的内容与结果我们可以分析得出，造成如上所示现象的主要原因在于研究区域的人为因素干扰，具体包括产业结构特征变化、人口快速增长与国家政策的影响。
研究区域的产业结构变化导致土地利用方式的调整，例如：工业化或经济发展可能导致大规模土地开发，这些变化往往常伴随着新的建设项目、交通基础设施的增加，从而改变了原有的景观格局使景观的异质性程度增强；同理，快速增长的人口通常需要更多的居住区、工业用地和基础设施，从而推动了土地利用方式的改变，使景观破碎化程度加深，景观异质性程度增强。
影响程度最大的为国家政策中的退耕还林政策：退耕还林政策作为生态保护和环境治理的一项关键政策，旨在减轻土地的生态压力、提高植被覆盖度，以及改善土地质量，在实施这一政策的过程中，原有的耕地将被转变为森林或其他生态系统，从而改变了景观的结构和特征。一方面，规则的耕地斑块被重新塑造为更加复杂的森林斑块，新的植被将以更为自然的方式生长，形成更加不规则的斑块，从而使研究区域斑块形状复杂化，另一方面，退耕还林政策的实施，引入了新的植被类型，新的植被与周围的土地利用类型形成对比，并且使得景观中出现更多不同类型的斑块，从而增加了研究区域景观的异质性，最后，尽管退耕还林政策对于生态系统的整体健康有益，但在初期实施阶段伴随着土地利用的碎片化和分隔，因此新的植被斑块可能与原有的土地利用类型分隔，从而导致景观破碎化程度的增加。
实验心得
1.此次实验中我们虽然接触到了一个全新的专业软件，但具体的实验操作步骤非常简单，思路也清晰明了：利用软件计算得到研究区域的若干个景观指数—>针对性地选择景观指数进行变化特征分析—>根据景观指数变化特征判断研究区域景观深层变化——>分析研究区域景观变化原因，因此，此次实验与第三次实验相同比起步骤操作，更侧重于数据的深层挖掘、结果分析与原因剖析；
2.首先我们重点学习的是景观生态学中景观指数的相关计算原理，通过自主编辑类型描述表、边缘深度效应矩阵、边缘对比矩阵与相似度矩阵四个文本文件，我们学习了解掌握了利用相关软件计算各类景观指数的具体操作方法，并通过后续的详细景观指数学习深入理解了各个指数的计算过程；
3.而此次实验的重中之重，则在于各类景观指数的掌握了解与深入学习，在理论课上的学习中我们并没有针对某类或某一种景观指数进行非常深入的学习，但景观指数作为我们景观生态学相关研究中必不可少的一部分，理论而系统的学习又是十分重要的，因此借着这一次实验的机会，我们重点选择了四个类别共十九个景观指数，详细而具体的学习了解了其计算公式、取值范围、具体含义与作用意义等多个方面，并且在最后结合丹江口库区该具体例子，将所学概念应用到了实际应用中，留下了更为深刻的学习印象；
4.除景观指数的学习外，此次实验同时为我们直观呈现了景观生态学中尺度这一概念的重要性，具体体现为空间尺度的斑块水平、斑块类型水平、景观水平三个方面，在包括景观指数计算在内的许多方面的景观生态学研究，都是无法离开尺度这一概念的，以此次实验中的景观指数中的多样性指标为例，只有景观水平下的尺度，才拥有多样性指标的景观指数。因此此次实验不仅帮助我们了解学习了更为深入的理论知识，更是帮助我们回顾巩固了过去的基础知识。