CN103413293A - 城市土地利用景观格局本征观测尺度的获取方法 - Google Patents

Abstract

本发明公开了一种城市土地利用景观格局本征观测尺度的获取方法，包括如下步骤，1：获取待研究区域某一时期内的遥感影像；2：获取不同空间尺度的景观格局指数；3：获取本征观测尺度。本发明通过建立景观格局指数与本征观测尺度之间的函数模型，反映不同空间尺度下景观格局指数变化的内在规律，计算方法避免人为因素的干扰和影响，计算结果更为准确。该方法对每一个景观指数进行归一化处理，得到统一标度范围内的指数值，基于标准化的景观指数变化值来体现某一景观指数的尺度效应。可以对某一景观格局指数进行分析，也可以对若干个景观格局指数进行分析，计算方法更为灵活。

Description

城市土地利用景观格局本征观测尺度的获取方法

技术领域

本发明涉及地球、空间及海洋工程技术领域，具体地指一种城市土地利用景观格局本征观测尺度的获取方法。 

背景技术

城市土地利用的变化反映了人类活动对城市生态环境影响的历程，并形成具有一定结构特征的城市景观格局。随着我国人口、资源和环境问题的日益突出，城市土地利用变化的研究已成为当前城市可持续发展中的重要研究内容。通过研究城市景观格局将更好地理解生态学过程，为城市土地结构优化和城市规划等提供借鉴和参考。 

空间尺度问题是描述地理现象和地理过程的重要科学问题，空间尺度效应(scale effect)和尺度分析(scale analysis)对于认识和理解景观格局的分布规律和空间异质性具有重要的意义。尺度效应的本质就是空间栅格的大小、形状和分布表现出来的结构特征及演化趋势。研究尺度效应需要解决的问题主要包括三个方面：1）利用哪种尺度可以正确的表达特定的地理现象。2）如何有效的将数据和信息从一种尺度转换为另一种尺度。3）尺度转换后带来多大的信息损失或效应，即不同尺度的数据反映相同的地物和现象时的差异如何。 

尺度(scale)通常是指研究对象或现象在空间上或时间上的量度。Turner（2001）在对美国佐治亚州50年的景观动态变化进行研究后，认为尺度是指一个物体或一个过程的时间和空间幅度。部分学者尝试运用空间统计学方法或分维数法进行尺度分析（Ford and McCuaig2010；Rusch et al.2011；Dronova et al.2012）。RS（Remote Sensing，遥感）和GIS（Geographic Information System，地理信息系统）等 空间信息技术在尺度效应方面的研究逐步受到重视（赵文武等2003；岳文泽等2005；赵磊2009；Fernandes et al.2002；Rau and Cheng2013）。然而，确定景观格局本征尺度的文献资料鲜有报道，目前通常采用景观指数图来粗略地估计城市土地利用景观格局的本征观测尺度，这种方法仅仅是粗略地估计，存在很大的不确定性，人为因素影响较大，结果不够准确。 

发明内容

本发明的目的就是要提供一种城市土地利用景观格局本征观测尺度的获取方法，该方法通过计算不同空间尺度的土地利用景观指数，并运用景观指数归一化的思想，得到统一标度范围内的指数值。并根据不同景观指数对空间尺度的响应特征不同，提出和建立景观指数与本征观测尺度之间的关系函数模型，在此基础上，确定城市土地利用景观格局的本征观测尺度。 

为实现此目的，本发明所设计的城市土地利用景观格局本征观测尺度的获取方法，其特征在于，它包括如下步骤： 

步骤1：获取研究区域某一时期内的遥感影像，然后对所述遥感影像进行配准、裁剪、几何校正，然后进行影像解译分类； 

步骤2：基于上述影像解译分类的结果通过图像解译,得到景观斑块类型，基于景观斑块类型，统计和计算各类景观斑块的数目和景观斑块面积及斑块边界长度，进而通过以下每个景观格局指数的计算公式获取不同空间尺度的景观格局指数，所述景观格局指数包括斑块密度、平均斑块面积、景观形状指数、周长面积比分维数、聚集度指数、平均旋转半径、面积权重分维数和平均周长面积比； 

其中，所述斑块密度PD反映了景观破碎程度，表示整个研究区域斑块总数与总面积之比，或者各类景观斑块个数与该类景观斑块面积之比，比值越大，破碎化程度越高，取值范围PD＞0，其表达式为： 

PD=N/A，其中，N为斑块总数，A为研究区域面积单位为平方 米； 

AREA_MN为平均斑块面积，即景观面积除以斑块的总数，单位为公顷，取值>0，用来对比不同景观的聚集或破碎程度； 

AREA_MN=A/(N*10000) 

所述景观形状指数LSI反映整体景观形状的复杂程度，景观形状指数LSI越接近1，该类型景观斑块形状越简单；当LSI=1时，景观中只有一个正方形斑块；当景观中斑块形状越复杂时，LSI的值增大，其表达式为： 

$\mathrm{LSI}=\frac{0.25E}{\sqrt{A}}$

其中，E为斑块边界的总长度，单位为米，A为研究区域面积； 

所述周长面积比分维数用于定量描述研究区域的核心面积的大小及研究区域边界线的曲折性，周长面积比分维数反映了不同空间尺度景观形状的复杂性，取值范围为1～2，周长面积比分维数值越大，景观形状越复杂，表达式为： 

$\mathrm{PAFRAC}=\frac{\frac{2}{\left[N\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}({\ln p}_{\mathrm{ij}}\×{\ln a}_{\mathrm{ij}})\right]-\left[\right(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\ln p}_{\mathrm{ij}}\left)\left(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\ln a}_{\mathrm{ij}}\right)\right]}}{\left(N\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\ln p}_{\mathrm{ij}}^2\right)-{\left(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\ln p}_{\mathrm{ij}}\right)}^2}$

其中，PAFRAC表示周长面积比分维数；i为斑块类型，i=1，…，m；j为斑块数目，j=1，…，n；p_ij是i类斑块中第j个斑块的周长；a_ij为i类斑块中第j个斑块的面积，N为斑块总数；m为斑块类型总数，n为某一类型的斑块总数； 

所述聚集度指数用于描述景观不同斑块类型的团聚程度或延展趋势，聚集度指数的值越高说明景观中的对应的优势斑块类型连接性越好，该优势斑块按景观的优势度来确定,在景观斑块中所占比重 较大的斑块为优势斑块；反之，说明景观具有多种要素的密集格局，表达式为： 

$\mathrm{CONTAG}=[1+\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}\left[P_i\left(\frac{g_{\mathrm{ik}}}{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{g}_{\mathrm{ik}}}\right)\right]*\left[\ln \left(P_i\right)\left(\frac{g_{\mathrm{ik}}}{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{g}_{\mathrm{ik}}}\right)\right]}{2\ln \left(m\right)}]\left(100\right)$

其中，CONTAG为聚集度指数，i和k为斑块类型，k=1，…，m，P_i为斑块类型i所占景观面积的比例，g_ik为斑块类型i和斑块类型k之间相邻的网格单元数目，ln（m）为斑块类型总数的自然对数； 

所述平均旋转半径为景观斑块中每个网格与中心点的平均距离； 

$\mathrm{GYRATE}\_\mathrm{MN}=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\underset{r=1}{\overset{z}{\mathrm{\Σ}}}\frac{h_{\mathrm{ijr}}}{Z}}{N}$

其中，GYRATE_MN表示平均旋转半径，h_ijr表示第i类景观类型第j斑块中第r网格与斑块中心点的距离，单位为米，z表示第i类景观类型和第j斑块的网格数量之和； 

所述面积权重分维数用于反映景观边界形状的复杂性和变异性，面积权重分维数的值介于1～2之间，面积权重分维数的值越趋近于1，则斑块的自我相似性越强，斑块的形状越规则、越简单，表明受人为干扰的程度越大，面积权重分维数的值越大，则斑块的形 状越复杂，表明受到的干扰越小，面积权重分维数的表达式为； 

$\mathrm{FRAC}\_\mathrm{AM}=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\left[\frac{2\ln \left({0.25P}_{\mathrm{ij}}\right)}{\ln \left(a_{\mathrm{ij}}\right)}\right[\frac{a_{\mathrm{ij}}}{A}\left]\right]$

其中，FRAC_AM表示面积权重分维数，p_ij是i类斑块中第j个斑块的周长，单位为米，a_ij为i类斑块中第j个斑块的面积，单位为平方米，A为研究区域面积，单位为平方米； 

所述平均周长面积比为斑块周长与面积比的平均值，用于反映景观形状的复杂程度，平均周长面积比的表达式为： 

$\mathrm{PARA}\_\mathrm{MN}=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{P}_{\mathrm{ij}}/a_{\mathrm{ij}}}{N}$

其中，PARA_MN表示平均周长面积比，p_ij是i类斑块中第j个斑块的周长，a_ij为i类斑块中第j个斑块的面积，N为斑块总数； 

由于不同景观格局指数对空间尺度的响应存在一定的差异，从30m粒度开始，按照10m的步长，对原始分辨率的待研究区域景观利用格局进行逐渐聚合，栅格尺度的范围为30～120m，这样得到10个不同尺度的景观格局栅格，然后按上述各个表达式分别计算比较不同空间尺度下的景观格局指数； 

步骤3：获取本征观测尺度，景观格局指数具有一定的尺度依赖性，达到本征观测尺度时所对应的变化幅度最大，此后的景观格局指数变化幅度减小，并逐步趋于稳定，本征观测尺度的具体计算方法如下： 

对于步骤2中的所述每一个景观格局指数，求最大值： 

Y=Max|X_d-X_c|，d，c∈1,2,…,q 

其中，X_d和X_c分别指同一景观格局指数在第d和第c观测尺度下的值；d和c指不同的观测尺度； 

对景观格局指数X_d进行归一化处理，通过下式得到统一标度范围内的景观格局指数值X_d'， 

$X_d^{\′}=\frac{X_d-\mathrm{Min}\left(X_c\right)}{Y},d,c\∈\mathrm{1,2},\·\·\·,q$

其中，Y表示各景观格局指数在不同空间尺度下的最大差值； 

每个空间尺度对应的累加变化幅度λ_d为： 

$\begin{array}{ccc}{\mathrm{\λ}}_d=\underset{b=1}{\overset{p}{\mathrm{\Σ}}}|X_{\mathrm{db}}^{\′}-X_{(d-1)b}^{\′}|,& d\∈\mathrm{2,3},\·\·\·,q;& b\∈\mathrm{1,2},\·\·\·,p\end{array}$

其中，q为划分观测尺度的数量，p为景观格局指数的数量，X′_db表示在第d个观测尺度下第b个景观格局指数的值，X'_（d-1）b表示在第（d-1）个观测尺度下第b个景观格局指数的值； 

计算每个空间尺度对应的累加变化幅度λ_d，当λ_d达到最大值时，d所对应的观测尺度就是景观格局的本征观测尺度。 

所述步骤1中，影像解译分类，将土地利用类型分为建设用地、绿地、农用地、水域、未利用地五类，从而得到研究区域土地利用分类图，该研究区域土地通过土地利用分类图获得景观斑块类型，基于景观斑块类型，统计和计算各类景观斑块数目、景观斑块面积及斑块边界长度等参数，进而计算各个景观格局指数。 

本发明通过建立景观格局指数与本征观测尺度之间的函数模型，反映不同空间尺度下景观格局指数变化的内在规律，计算方法避免人为因素的干扰和影响，计算结果更为准确。该方法对每一个景观指数进行归一化处理，得到统一标度范围内的指数值，基于标准化的景观指数变化值来体现某一景观指数的尺度效应。可以对某一景观格局指数进行分析，也可以对若干个景观格局指数进行分析，计算方法更为灵活。 

附图说明

图1为归一化不同尺度下景观格局指数的曲线图； 

具体实施方式

以下结合附图和具体实施例对本发明作进一步的详细说明： 

本发明设计的城市土地利用景观格局本征观测尺度的获取方法，其特征在于，它包括如下步骤： 

步骤1：获取待研究区域某一时期内的遥感影像，以武汉市2002年7月的Landsat TM卫星影像为例，首先，利用ARCGIS、ERDAS等软件对遥感影像进行配准、裁剪、几何校正等图像处理，然后进行影像解译分类；所述步骤1中，影像解译分类，将土地利用类型分为建设用地（城镇及乡村居民点用地、工矿用地）、绿地（林地、草地、灌木林）、农用地（灌溉水田、水浇地、菜地）、水域（河流、湖泊）、未利用地（裸地、沙地、荒地）五类，从而得到研究区域土地利用分类图，该研究区域土地利用分类图用于在土地利用类型的基础上计算景观指数； 

步骤2：基于上述影像解译分类的结果通过图像解译,得到景观斑块类型，基于景观斑块类型，统计和计算各类景观斑块的数目和景观斑块面积及斑块边界长度，进而通过以下每个景观格局指数的计算公式获取不同空间尺度的景观格局指数，景观格局反映景观整体的空间结构特征，它即是景观异质性的具体表现，又是各种生态过程在不同尺度上作用的结果。通过景观格局指数可以反映和评价景观的破碎程度、复杂程度、多样性和异质性等空间特征和分布规律，对于研究整体景观动态变化和发展趋势具有重要的意义，所述景观格局指数包括斑块密度（PD）、平均斑块面积（AREA_MN）、景观形状指数（LSI）、周长面积比分维数（PAFRAC）、聚集度指数（CONTAG）、平均旋转半径（GYRATE_MN）、面积权重分维数（FRAC_AM）和平均周长面积比（PARA_MN）； 

其中，所述斑块密度PD反映了景观破碎程度，表示整个研究区域斑块总数与总面积之比，或者各类景观斑块个数与该类景观斑块面积之比，比值越大，破碎化程度越高，取值范围PD＞0，其表达式为： 

PD=N/A，其中，N为斑块总数，A为研究区域面积单位为平方 米； 

AREA_MN为平均斑块面积，即景观面积除以斑块的总数，单位为公顷，取值>0，用来对比不同景观的聚集或破碎程度； 

AREA_MN=A/(N*10000) 

所述景观形状指数LSI反映整体景观形状的复杂程度，景观形状指数LSI越接近1，该类型景观斑块形状越简单；当LSI=1时，景观中只有一个正方形斑块；当景观中斑块形状越复杂时，LSI的值增大，其表达式为： 

$\mathrm{LSI}=\frac{0.25E}{\sqrt{A}}$

其中，E为斑块边界的总长度，单位为米，A为研究区域面积； 

所述周长面积比分维数用于定量描述研究区域的核心面积的大小及研究区域边界线的曲折性，周长面积比分维数反映了不同空间尺度景观形状的复杂性，取值范围为1～2，周长面积比分维数值越大，景观形状越复杂，表达式为： 

$\mathrm{PAFRAC}=\frac{\frac{2}{\left[N\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}({\ln p}_{\mathrm{ij}}\×{\ln a}_{\mathrm{ij}})\right]-\left[\right(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\ln p}_{\mathrm{ij}}\left)\left(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\ln a}_{\mathrm{ij}}\right)\right]}}{\left(N\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\ln p}_{\mathrm{ij}}^2\right)-{\left(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\ln p}_{\mathrm{ij}}\right)}^2}$

其中，PAFRAC表示周长面积比分维数；i为斑块类型，i=1，…，m；j为斑块数目，j=1，…，n；p_ij是i类斑块中第j个斑块的周长；a_ij为i类斑块中第j个斑块的面积，N为斑块总数；m为斑块类型总数，n为某一类型的斑块总数； 

所述聚集度指数用于描述景观不同斑块类型的团聚程度或延展趋势，聚集度指数的值越高说明景观中的对应的优势斑块类型连接性越好，该优势斑块按景观的优势度来确定,在景观斑块中所占比重 较大的斑块为优势斑块；反之，说明景观具有多种要素的密集格局，表达式为： 

$\mathrm{CONTAG}=[1+\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}\left[P_i\left(\frac{g_{\mathrm{ik}}}{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{g}_{\mathrm{ik}}}\right)\right]*\left[\ln \left(P_i\right)\left(\frac{g_{\mathrm{ik}}}{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{g}_{\mathrm{ik}}}\right)\right]}{2\ln \left(m\right)}]\left(100\right)$

其中，CONTAG为聚集度指数，i和k为斑块类型，k=1，…，m，P_i为斑块类型i所占景观面积的比例，g_ik为斑块类型i和斑块类型k之间相邻的网格单元数目，ln（m）为斑块类型总数的自然对数； 

所述平均旋转半径为景观斑块中每个网格与中心点的平均距离； 

$\mathrm{GYRATE}\_\mathrm{MN}=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\underset{r=1}{\overset{z}{\mathrm{\Σ}}}\frac{h_{\mathrm{ijr}}}{Z}}{N}$

其中，GYRATE_MN表示平均旋转半径，h_ijr表示第i类景观类型第j斑块中第r网格与斑块中心点的距离，单位为米，z表示第i类景观类型和第j斑块的网格数量之和； 

所述面积权重分维数用于反映景观边界形状的复杂性和变异性，面积权重分维数的值介于1～2之间，面积权重分维数的值越趋近于1，则斑块的自我相似性越强，斑块的形状越规则、越简单，表 明受人为干扰的程度越大，面积权重分维数的值越大，则斑块的形状越复杂，表明受到的干扰越小，面积权重分维数的表达式为； 

$\mathrm{FRAC}\_\mathrm{AM}=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\left[\frac{2\ln \left({0.25P}_{\mathrm{ij}}\right)}{\ln \left(a_{\mathrm{ij}}\right)}\right[\frac{a_{\mathrm{ij}}}{A}\left]\right]$

其中，FRAC_AM表示面积权重分维数，p_ij是i类斑块中第j个斑块的周长，单位为米，a_ij为i类斑块中第j个斑块的面积，单位为平方米，A为研究区域面积，单位为平方米； 

所述平均周长面积比为斑块周长与面积比的平均值，用于反映景观形状的复杂程度，平均周长面积比的表达式为： 

$\mathrm{PARA}\_\mathrm{MN}=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{P}_{\mathrm{ij}}/a_{\mathrm{ij}}}{N}$

其中，PARA_MN表示平均周长面积比，p_ij是i类斑块中第j个斑块的周长，a_ij为i类斑块中第j个斑块的面积，N为斑块总数； 

由于不同景观格局指数对空间尺度的响应存在一定的差异，从30m粒度开始，按照10m的步长，对原始分辨率的待研究区域景观利用格局进行逐渐聚合，栅格尺度的范围为30～120m，这样得到10个不同尺度的景观格局栅格，然后按上述各个表达式分别计算比较不同空间尺度下的景观格局指数（见表1）； 

表1不同尺度下的景观格局指数值 

步骤3：获取本征观测尺度，景观格局指数具有一定的尺度依赖性，达到本征观测尺度时所对应的变化幅度最大，此后的景观格局指数变化幅度减小，并逐步趋于稳定，本征观测尺度的具体计算方法如下： 

对于步骤2中的所述每一个景观格局指数，求最大值： 

Y=Max|X_d-X_c|，d，c∈1,2,…,q 

其中，X_d和X_c分别指同一景观格局指数在第d和第c观测尺度下的值；d和c指不同的观测尺度； 

对景观格局指数X_d进行归一化处理，通过下式得到统一标度范围内的景观格局指数值X_d'， 

$X_d^{\′}=\frac{X_d-\mathrm{Min}\left(X_c\right)}{Y},d,c\∈\mathrm{1,2},\·\·\·,q$

其中，Y表示各景观格局指数在不同空间尺度下的最大差值； 

每个空间尺度对应的累加变化幅度λ_d为： 

$\begin{array}{ccc}{\mathrm{\λ}}_d=\underset{b=1}{\overset{p}{\mathrm{\Σ}}}|X_{\mathrm{db}}^{\′}-X_{(d-1)b}^{\′}|,& d\∈\mathrm{2,3},\·\·\·,q;& b\∈\mathrm{1,2},\·\·\·,p\end{array}$

其中，q为划分观测尺度的数量，p为景观格局指数的数量，X′_db表示在第d个观测尺度下第b个景观格局指数的值，X，_（d-1）b表示在第（d-1）个观测尺度下第b个景观格局指数的值； 

计算每个空间尺度对应的累加变化幅度λ_d，当λ_d达到最大值时，d所对应的观测尺度就是景观格局的本征观测尺度。 

通过归一化处理和计算得到表2，并制作归一化后不同空间尺度下景观指数曲线图（图1），结果说明，当空间尺度达到60米对应的 累加变化幅度最大（2.97），因此，武汉市土地利用格局的本征观测尺度为60m，即在该粒度下，景观格局的空间结构特征最为明显，更能反映区域内景观格局的空间关系和分布规律。 

表2不同尺度下景观格局指数归一化处理值 

通过实例分析表明，在不同的粒度和幅度上，景观格局指数往往表现出不同的特征。有些线性递增/递减，有些变化平缓，有些曲折而毫无规律。研究结果表明：1）在不同的粒度和幅度上，景观格局指数往往表现出不同的变化特征。不同的景观指数在不同的粒度和幅度范围内有不同的敏感程度。2）在对研究区域进行景观指数分析时，尺度选择的不同对分析结果产生明显的影响。过小的尺度难以把握景观的空间分布规律，而过大的尺度会模糊景观的空间特性。3）随着研究尺度的不断增加，多样性的不断减小表明景观中优势类型的优势度更加明显，而非优势类型在景观中地位进一步下降。随着空间尺度增加，尺度的过滤作用使小斑块消失或合并，景观中的斑块数减少，景观的平均斑块面积增加，在空间上更加集聚。4）通过景观格局指数的归一化处理，建立了景观指数与本征观测尺度之 间的关系函数，从而计算和确定实验区土地利用景观的最佳研究尺度。针对实验区，60m是该区土地利用景观的本征观测尺度。 

本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。 

Claims (2)

1.一种城市土地利用景观格局本征观测尺度的获取方法，其特征在于，它包括如下步骤：

步骤1：获取研究区域某一时期内的遥感影像，然后对所述遥感影像进行配准、裁剪、几何校正，然后进行影像解译分类；

步骤2：基于上述影像解译分类的结果通过图像解译,得到景观斑块类型，基于景观斑块类型，统计和计算各类景观斑块的数目和景观斑块面积及斑块边界长度，进而通过以下每个景观格局指数的计算公式获取不同空间尺度的景观格局指数，所述景观格局指数包括斑块密度、平均斑块面积、景观形状指数、周长面积比分维数、聚集度指数、平均旋转半径、面积权重分维数和平均周长面积比；

其中，所述斑块密度PD反映了景观破碎程度，表示整个研究区域斑块总数与总面积之比，或者各类景观斑块个数与该类景观斑块面积之比，比值越大，破碎化程度越高，取值范围PD＞0，其表达式为：

PD=N/A，其中，N为斑块总数，A为研究区域面积单位为平方米；

AREA_MN为平均斑块面积，即景观面积除以斑块的总数，单位为公顷，取值>0，用来对比不同景观的聚集或破碎程度；

AREA_MN=A/(N*10000)

所述景观形状指数LSI反映整体景观形状的复杂程度，景观形状指数LSI越接近1，该类型景观斑块形状越简单；当LSI=1时，景观中只有一个正方形斑块；当景观中斑块形状越复杂时，LSI的值增大，其表达式为：

$\mathrm{LSI}=\frac{0.25E}{\sqrt{A}}$

其中，E为斑块边界的总长度，单位为米，A为研究区域面积；

所述周长面积比分维数用于定量描述研究区域的核心面积的大小及研究区域边界线的曲折性，周长面积比分维数反映了不同空间尺度景观形状的复杂性，取值范围为1～2，周长面积比分维数值越大，景观形状越复杂，表达式为：

$\mathrm{PAFRAC}=\frac{\frac{2}{\left[N\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}({\ln p}_{\mathrm{ij}}\×{\ln a}_{\mathrm{ij}})\right]-\left[\right(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\ln p}_{\mathrm{ij}}\left)\left(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\ln a}_{\mathrm{ij}}\right)\right]}}{\left(N\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\ln p}_{\mathrm{ij}}^2\right)-{\left(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\ln p}_{\mathrm{ij}}\right)}^2}$

其中，PAFRAC表示周长面积比分维数；i为斑块类型，i=1，…，m；j为斑块数目，j=1，…，n；p_ij是i类斑块中第j个斑块的周长；a_ij为i类斑块中第j个斑块的面积，N为斑块总数；m为斑块类型总数，n为某一类型的斑块总数；

所述聚集度指数用于描述景观不同斑块类型的团聚程度或延展趋势，聚集度指数的值越高说明景观中的对应的优势斑块类型连接性越好，该优势斑块按景观的优势度来确定,在景观斑块中所占比重较大的斑块为优势斑块；反之，说明景观具有多种要素的密集格局，表达式为：

$\mathrm{CONTAG}=[1+\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}\left[P_i\left(\frac{g_{\mathrm{ik}}}{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{g}_{\mathrm{ik}}}\right)\right]*\left[\ln \left(P_i\right)\left(\frac{g_{\mathrm{ik}}}{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{g}_{\mathrm{ik}}}\right)\right]}{2\ln \left(m\right)}]\left(100\right)$

其中，CONTAG为聚集度指数，i和k为斑块类型，k=1，…，m，P_i为斑块类型i所占景观面积的比例，g_ik为斑块类型i和斑块类型k之间相邻的网格单元数目，ln（m）为斑块类型总数的自然对数；

所述平均旋转半径为景观斑块中每个网格与中心点的平均距离；

$\mathrm{GYRATE}\_\mathrm{MN}=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\underset{r=1}{\overset{z}{\mathrm{\Σ}}}\frac{h_{\mathrm{ijr}}}{Z}}{N}$

其中，GYRATE_MN表示平均旋转半径，h_ijr表示第i类景观类型第j斑块中第r网格与斑块中心点的距离，单位为米，z表示第i类景观类型和第j斑块的网格数量之和；

所述面积权重分维数用于反映景观边界形状的复杂性和变异性，面积权重分维数的值介于1～2之间，面积权重分维数的值越趋近于1，则斑块的自我相似性越强，斑块的形状越规则、越简单，表明受人为干扰的程度越大，面积权重分维数的值越大，则斑块的形状越复杂，表明受到的干扰越小，面积权重分维数的表达式为；

$\mathrm{FRAC}\_\mathrm{AM}=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\left[\frac{2\ln \left({0.25P}_{\mathrm{ij}}\right)}{\ln \left(a_{\mathrm{ij}}\right)}\right[\frac{a_{\mathrm{ij}}}{A}\left]\right]$

其中，FRAC_AM表示面积权重分维数，p_ij是i类斑块中第j个斑块的周长，单位为米，a_ij为i类斑块中第j个斑块的面积，单位为平方米，A为研究区域面积，单位为平方米；

所述平均周长面积比为斑块周长与面积比的平均值，用于反映景观形状的复杂程度，平均周长面积比的表达式为：

$\mathrm{PARA}\_\mathrm{MN}=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{P}_{\mathrm{ij}}/a_{\mathrm{ij}}}{N}$

其中，PARA_MN表示平均周长面积比，p_ij是i类斑块中第j个斑块的周长，a_ij为i类斑块中第j个斑块的面积，N为斑块总数；

由于不同景观格局指数对空间尺度的响应存在一定的差异，从30m粒度开始，按照10m的步长，对原始分辨率的待研究区域景观利用格局进行逐渐聚合，栅格尺度的范围为30～120m，这样得到10个不同尺度的景观格局栅格，然后按上述各个表达式分别计算比较不同空间尺度下的景观格局指数；

步骤3：获取本征观测尺度，景观格局指数具有一定的尺度依赖性，达到本征观测尺度时所对应的变化幅度最大，此后的景观格局指数变化幅度减小，并逐步趋于稳定，本征观测尺度的具体计算方法如下：

对于步骤2中的所述每一个景观格局指数，求最大值：

Y=Max|X_d-X_c|，d，c∈1,2,…,q

其中，X_d和X_c分别指同一景观格局指数在第d和第c观测尺度下的值；d和c指不同的观测尺度；

对景观格局指数X_d进行归一化处理，通过下式得到统一标度范围内的景观格局指数值X_d'，

$X_d^{\′}=\frac{X_d-\mathrm{Min}\left(X_c\right)}{Y},d,c\∈\mathrm{1,2},\·\·\·,q$

其中，Y表示各景观格局指数在不同空间尺度下的最大差值；

每个空间尺度对应的累加变化幅度λ_d为：

$\begin{array}{ccc}{\mathrm{\λ}}_d=\underset{b=1}{\overset{p}{\mathrm{\Σ}}}|X_{\mathrm{db}}^{\′}-X_{(d-1)b}^{\′}|,& d\∈\mathrm{2,3},\·\·\·,q;& b\∈\mathrm{1,2},\·\·\·,p\end{array}$

其中，q为划分观测尺度的数量，p为景观格局指数的数量，X′_db表示在第d个观测尺度下第b个景观格局指数的值，X'_（d-1）b表示在第（d-1）个观测尺度下第b个景观格局指数的值；

计算每个空间尺度对应的累加变化幅度λ_d，当λ_d达到最大值时，d所对应的观测尺度就是景观格局的本征观测尺度。

2.根据权利要求1所述的城市土地利用景观格局本征观测尺度的获取方法，其特征在于：所述步骤1中，影像解译分类，将土地利用类型分为建设用地、绿地、农用地、水域、未利用地五类，从而得到研究区域土地利用分类图，该研究区域土地通过土地利用分类图获得景观斑块类型，基于景观斑块类型，统计和计算各类景观斑块数目、景观斑块面积及斑块边界长度等参数，进而计算各个景观格局指数。

Images