简介这是一份聚焦景观格局指数体系的PDF参考文档适合景观生态学、地理信息科学、城乡规划等领域的研究者、研究生及从业人员使用。文档以英文缩写—英文全称—指标名称—应用尺度—单位为线索系统整理面积指标AREA、CA、PLAND、TA、LPI等、密度大小及差异指标NP、PD、AREA统计特征、GYRA等、边缘指标PERIM、TE、ED、CWED、TECI等与形状指标PARA、SHAPE、FRACT、CIRCLE、CONTIG、LSI、NLSI等并给出了各指标的取值范围和单位便于读者快速理解并在ArcGIS或专用软件中选用。资源包内为1个PDF文件压缩包大小仅12KB轻量便携可直接打开阅读或打印备查。这份文档已有2013人浏览学习对刚接触景观格局指数的用户来说是一份提纲挈领的入门速查资料。1. 一张索引表治好了我读 FRAGSTATS 输出的头痛熟悉土地覆被或景观分析的同行都有过这种经历从 FRAGSTATS 或 ArcGIS 里导出分析结果面对密密麻麻的缩写列名完全分不清 PLAND、SHAPE、ENN、SPLIT 哪一个解决你的研究问题。从形态描述到统计口径不同软件给出的指标名称也不一致更别提那些形如 LPI、GYRA、FRACT 的陌生缩写背后到底在计算什么。我最早接触这份资料时实际是在做一个生态网络评价项目手持遥感分类结果却卡在这一堆指标前。这份 PDF 解决的核心问题就是把散落在不同文献和手册里的指标定义收集成一张速查表把每个指数的中文名称、英文缩写、适用范围和单位列得清清楚楚。对于正在做格局分析、写方法学部分或需要把模型输出翻译成论文语言的从业者来说它是典型的“案头工具”不教你生态学理论但能把理论转换成可以核对的参数表。下文基于这份清单展开重点讲清楚每个指标背后的空间含义以及实际跑数时需要注意的口径问题。2. 从面积到边缘基础统计量族的字段拆解与应用口径2.1 面积类指数的三个层次斑块、类型与景观景观格局指数最基础的一组指标围绕“面积”展开这组指标几乎贯穿所有分析场景。PDF 中 AREA 看似只是斑块面积单位 ha但它衍生出了 CSD、CPS/LSD、LPS 三套统计口径CSD 指类内标准差CPS 指类内百分比LSD 与 LPS 则对应景观尺度的标准差和百分比。简单说对于同一张土地利用分类图AREA 在斑块层给出的是每个图斑的面积在类型层和景观层则需要报告面积分布的离散度方差、标准差和占比这也解释了为什么 PDF 中反复出现“类型水平方差、百分比 / 景观水平方差、百分比”这样的注释。我一般这样处理面积字段在 FRAGSTATS 输出中先看 CATotal Class Area。它描述某一类地物覆盖的总面积属于最少的分类指标之一。CA 的计算逻辑是在类型层面把所有同类别斑块面积累加特别适合检验分类结果是否产生碎屑斑块——比如一个建成区类型里有上万个小图斑CA 数值不大但 NP斑块数量极高这就是典型的过度分割。再往下是 PLANDPercentage of Landscape。它的计算方式是某一类型面积占景观总面积的比例输出范围限定在 0 到 100 之间。PLAND 最大的价值是消除景观总面积差异带来的干扰让你能比较不同区域之间同一类型的相对丰度。比如在比较两个流域的建设用地占比时直接用 CA 会被流域大小带偏而 PLAND 则给出标准化口径。import rasterio import numpy as np with rasterio.open(landcover.tif) as src: data src.read(1) # 假设类别值为1代表建设用地 class_area np.sum(data 1) * (src.res[0] * src.res[1]) / 10000 # 转换为ha total_area data.size * (src.res[0] * src.res[1]) / 10000 pland class_area / total_area * 100这段代码演示的是最原始的像素级统计没有考虑连通域或斑块聚合。src.res返回栅格在 x、y 方向的分辨率米两者相乘得到单像素面积除以 10000 是把平方米换算成公顷。这样得到的 class_area 对应 PDF 中的 CApland 对应 PLAND。实际项目中如果手头有矢量而非栅格建议直接利用 GIS 工具的面积字段不要用代码做像素累加——矢量多边形的面积已经由投影系统校准栅格累加则容易受投影变形影响。2.2 LPI 和 TA最大斑块的生态学信号LPILargest Patch Index定义是最大斑块占景观面积的比例输出范围 0 到 100。它的生态学意义非常直接当景观中某类斑块拥有极高的 LPI比如超过 50%说明该类地物呈现高度聚集的单核心模式反之LPI 很低则说明优势斑块被切割得较为破碎。在做城市扩张分析时LPI 常用于识别中心城区的凝聚程度——建成区连片程度越高LPI 越高。TATotal Landscape Area在清单中属于景观层的总参数它是所有斑块面积之和也是 CA 向上聚合的最终结果。严格来说 TA 不携带格局信息更像一个归一化因子绝大多数指标PLAND、PD、ED 等都要除以 TA 才能跨区域比较。这里有一个很多人会忽略的问题如果研究区域是不规则矢量边界基于栅格提取的 TA 与边界面积可能不一致差异源于边缘像素的取舍。建议在分析前用掩膜统一边界否则同一区域两次生产的 TA 会因像元对齐方式不同而有轻微浮动。2.3 斑块密度 PD 与数量 NP粒度敏感性的第一道检验斑块密度 PD 的计算是 NP 除以景观面积再乘以 100输出单位是 n/100ha。PD 是一个对输入数据粒度极其敏感的指标。相同的研究区域栅格分辨率从 10 米变成 30 米后PD 值往往会剧烈下降原因是 30 米像元更容易把细碎的小斑块合并。因此任何使用了 NP 或 PD 的比较研究都必须保证输入数据的空间分辨率一致。这个结论是我对比过多个分辨率等级的实验数据后得到的经验很多文献里出现“PD 值相差数倍”的结论极有可能不是景观真实变化而是采用了不同来源的数据。NP 的最小值在 PDF 中标注为 ≥1意味着当景观中不存在目标类型时输出会为空值或 0。实际运行 FRAGSTATS 时可以留意输出文件里的 “-” 或 “N/A” 标记那些不一定表示计算失败只是该类别在给定景观中不存在。2.4 边缘指标族的真实含义TE、ED 与 EDGE 对比度边缘类指标统计的是斑块边界的几何属性。TETotal Edge是所有斑块的边界总长度单位 m但对栅格数据而言边界长度的计算依赖像元邻接规则——FRAGSTATS 默认采用八邻域上下左右加四个对角如果改成四邻域TE 值会有明显差别。EDEdge Density是 TE 除以景观面积的商单位 m/ha它衡量景观被边界切割的密集程度。耕地细碎化区域的 ED 会显著高于大型农场连片区这是农业景观格局比较中的常用判断。值得注意的是 PDF 中反复提到的 EDCON、TECI、CWED 这组“对比度”指标。它们并非只统计边界长度而是把边缘两侧的斑块类型差异也纳入计算。假设有一块森林斑块一边邻接草地一边邻接建设用地如果按生态学预设“建设用地对森林的干扰权重高于草地”那么 EDCON 会因权重不同而给出差异化的边缘质量评价。实际计算时需要预定义各类别间的“对比权重矩阵”这是一个由研究者主观设定的输入条件。FRAGSTATS 里通过一份文本格式的对比矩阵文件来控制默认情况下所有类别之间的对比度相等。做生态网络分析时我会特意把人工表面与自然斑块的对比权重调高这样 TECI 能更真实地反映人类活动的边缘压力。3. 形状度量与分维数量化斑块几何的数学工具3.1 SHAPE、FRACT 与 PARA各指向哪种几何特征形状指标是这份 PDF 中概念最容易混淆的部分因为 PARA、SHAPE、FRACT 三者都在描述斑块的几何形态但侧重点完全不同。PARAPerimeter Area Ratio是周长和面积的直接比值无量纲。它的问题在于对斑块大小敏感两个几何完全相似但尺寸不同的斑块PARA 值会不同因为面积随尺度平方变化而周长只随尺度线性变化。因此它适合在同尺度斑块集合内比较跨尺度比较意义不大。SHAPEShape Index是为了解决 PARA 的尺度依赖问题而设计的。它的计算是将斑块周长与同等面积下的正方形周长进行比较。因此一个接近正方形的斑块 SHAPE 值接近 1而形状越复杂、边界越弯曲SHAPE 值越高。它消除了面积的影响使得不同大小的斑块在形状维度上可以直接比较。FRAGSTATS 在输出 SHAPE 的同时还会输出面积加权版本AWMSI它给大斑块更高的权重如果研究中认为大斑块的形状效应更重要可以参考面积加权输出。FRACTFractal Dimension Index则是从分形几何角度度量边界复杂度。数学上分维数反映曲线填充空间的能力取值在 1 到 2 之间。值为 1 代表形状完全规则如直线边界接近 2 代表边界极度复杂接近充满整个二维空间。FRACT 的优势在于它是无量纲的标准化度量适合不同来源、不同尺度数据的横向比较。PDF 中引用的双对数分维数 DLFD 是一种替代算法通过回归周长与面积的双对数关系来估计分维但在斑块数量少时误差较大一般建议优先使用 FRACT。3.2 相关外接圆 CIRCLE 与聚集度 CONTIG补充形状解释的两个维度CIRCLERelated Circumscribing Circle描述斑块与其最小外接圆的面积比。它的几何含义是一个长条形的斑块其外接圆面积远大于斑块本身因此 CIRCLE 值会较高而一个圆形或近方形斑块外接圆与自身面积接近CIRCLE 值偏低。这实际在度量斑块的“伸长程度”或“紧凑性”在河流廊道分析中CIRCLE 可以很好地标识出条带状廊道。CONTIGContiguity Index在 PDF 中翻译为聚集指数它统计的是斑块内部像素在空间上的连续程度。实现上基于一个移动窗口对窗口内属于该斑块的像素赋予随距离衰减的权重最后归一化到 0 到 1。这个指标对斑块内部的缝隙、孔洞很敏感适合评估生境斑块内部质量。比如一个同样面积的森林斑块若内部有大量非森林像素空洞CONTIG 就会显著降低。3.3 景观形状指数 LSI 与标准化 NLSI 的实践用法LSILandscape Shape Index在类型和景观两个尺度上均可计算。FRAGSTATS 中 LSI 的计算逻辑是实际边缘长度除以理论上可能的最小边缘长度即所有斑块拼合成最紧凑形态时的边界。当景观是一整块方形区域时 LSI 接近 1斑块越离散、边缘越参差LSI 越高。相比平均斑块形状指数LSI 不受斑块数量影响因此常用于描述整个景观的边界复杂度。NLSI 是 LSI 的标准化版本将数值线性映射到 0 到 1 区间。经验地看NLSI 更适合做不同景观之间的对比展示因为它有明确边界而原始 LSI 没有上限解释起来不够直观。我通常在论文图表中用 NLSI 出图在方法文本里报告 LSI 的原始计算过程兼顾可读性和可复核性。3.4 PAFRAC 与双对数回归的适用边界PAFRACPerimeter-Area Fractal Dimension与 FRACT 的区别在于统计方式PAFRAC 是在类型或景观尺度上使用所有斑块的周长和面积做回归拟合斜率即为分维数。这种回归方式对小样本极其敏感——如果某一类型的斑块数量少于 10 个回归结果基本没有统计效力这是 PDF 没有明说但使用中必须注意的边界。对于大样本类别PAFRAC 的优势在于它基于整体分布比逐个斑块的 FRACT 值在类型层面更稳定。# 以R为例演示PAFRAC的简单实现 library(sf) patches - st_read(patches.shp) p - st_perimeter(patches) a - st_area(patches) # 双对数回归斜率为分维数 fit - lm(log(p) ~ log(a)) summary(fit)$coefficients # 输出中的斜率即PAFRAC这段 R 代码说明了 PAFRAC 的底层逻辑先对周长和面积都取自然对数再做线性回归斜率就是分维数。值得说明的是R 的st_perimeter返回的是任意单位取决于矢量投影所以 log 变换前必须确保二者在同一单位制下。工程实践中如果发现回归拟合的 R² 很低比如小于 0.6说明斑块的周长-面积关系离散度太大PAFRAC 不适合这套数据此时应该改用斑块层面的 FRACT 逐块输出后取平均。4. 核心区与邻近度的空间语义从斑块聚合到隔离度量4.1 核心面积与边缘效应为什么每个斑块都要扣除缓冲带核心面积Core Area是指斑块内部扣除边缘缓冲后的区域。在 FRAGSTATS 中用户必须提前指定边缘深度参数edge depth默认单位是米。这个参数的生态学设定通常是物种的“内部生境需求半径”——比如某种林鸟只在离林缘 100 米以内的区域活动那么边缘深度就是 100 米核心区就是扣除这 100 米后的部分。PDF 中 CORE 系列指标MCA1、CASD1、CACV1对应核心区面积的平均值、标准差和变异系数TCA 是某一类型的核心区总面积。NDCANumber of Disjunct Core Areas则统计一个斑块内部被缓冲带切割出多少个互不相连的核心区残块。这个指标的直观应用场景是一个大斑块中间被嵌入一条道路或河流扣除边缘深度后形成两个独立核心区NDCA 就会增加。# 使用sdtoolbox模拟核心区提取伪代码示意 from shapely.geometry import shape import fiona with fiona.open(patches.shp) as src: for feat in src: geom shape(feat[geometry]) core geom.buffer(-100) # 向内部缓冲100米作为核心区 # 如果core为空几何说明该斑块小于边缘深度无核心区这个示例虽然简短但表达了核心区提取的本质buffer 向内收 100 米。如果结果为空集意味着斑块自身尺度小于边缘深度不存在真正意义上的内部生境。做栖息地分析时大批量小斑块出现空核心是很常见的情况不建议删除这些记录因为 NP、PD 不需要核心区而同一条记录中的 CAI核心区面积百分比会输出 0这个 0 在生态学上是有解读意义的。4.2 CAI 与 CPLAND百分比核心区指标的解释陷阱CAICore Area Index在斑块层面是核心面积与总面积的比值在类型/景观层面则输出其统计量MCAI。CPLAND 是核心区总面积占整个景观面积的比例。这两个百分比指标在使用中有个常见的理解陷阱CAI 高不一定代表核心区绝对面积大也可能是斑块虽然不大但因为形状紧凑导致缓冲损失低。因此在对比不同形状斑块的内部生境质量时应结合 CORE绝对值和 CAI相对值一起看避免只拿一个百分比下结论。4.3 ENN 与 PROXIM最近邻距离和邻域加权下的隔离语义ENNEuclidean Nearest Neighbor Index统计的是每个斑块到最近同类型斑块质心或边界的欧氏距离。FRAGSTATS 提供基于斑块间“边缘到边缘”和“质心到质心”两种计算方式默认按边到边处理。ENN 的值直接反映同类型斑块之间的隔离程度值越小说明栖息地斑块之间越接近越有利于物种扩散值越大则说明空间上越孤立。PROXIMProximity Index是比 ENN 信息量更大的一个指标它并不只关心最近邻而是统计搜索半径内所有同类型斑块的面积加权和。距离越近、面积越大的邻域斑块对目标斑块的贡献越大。使用 PROXIM 前必须设定搜索半径这个参数对结果影响极大——半径太小会漏掉重要邻体太大则把所有斑块都纳入计算导致失去区分度。FRAGSTATS 里一般建议从物种最大迁移距离的 1.5 倍开始试算再对比不同半径下的输出稳定性。SIMISimilarity Index逻辑与 PROXIM 类似但允许设置不同斑块类型之间的相似度权重适合研究“功能上相似但类型标识不同”的生境斑块网络。4.4 PDF 中缺失的边界条件100 米搜索半径与像元分辨率的耦合实际应用中需要特别注意 ENN 与 PROXIM 对分辨率变化的响应逻辑。此前用 30 米 Landsat 派生数据和 10 米 Sentinel-2 派生数据对比时发现 ENN 平均差值约 12%原因在于分辨率上升后原本被合并进大斑块的小斑块被单独识别出来增加了近邻匹配对象。因此在使用邻近度指标做时间序列比较时应固定分类产品的空间分辨率并使用完全一致的处理链条。PDF 中给出的 ENN 范围 0但在栅格数据中如果两个同类型斑块像素对角相接ENN 可能等于一个像元的边长别把这种值理解为完全零距离。5. 多样性、蔓延度与聚集度信息论概念在景观格局中的应用5.1 SHDI、SIDI 与均匀度指标的计算含义景观多样性指标源自信息论PDF 中重点列出的是香农多样性指数 SHDI 和 Simpson 多样性指数 SIDI。SHDI 基于各类别面积比例的负对数加权求和对稀有类型敏感SIDI 则基于抽样概率受优势类型主导。直观地说SHDI 高说明景观类型丰富且各类型份额较为均衡SIDI 更强调“随机抽取两个点属于不同类别”的概率。SHEI香农均匀度是 SHDI 与最大可能多样性即所有类型面积完全均等的比值取值 0 到 1。接近 1 意味着各类型分布非常均匀这种景观一般缺乏主导地类。做土地利用变化分析时SHEI 的上升往往对应区域向多类型混合发展而下降说明某一种或少数几种类型占据绝对主导。MSHDI、MSIEI 是修正版本据 PDF 说明用于调整极度不平衡的类别分布场景工程中出现的频率不高但遇到个别类型占比接近 100% 的极端景观时修正指数能够避免 SHDI 被零占比类型干扰。import numpy as np # 假设classes为各类别面积占比 classes np.array([0.5, 0.3, 0.2]) shdi -np.sum(classes * np.log(classes)) sidi 1 - np.sum(classes ** 2) shei shdi / np.log(len(classes)) if np.all(classes) else None这段代码与 FRAGSTATS 内部算法完全一致唯一需要注意的是对数底数。FRAGSTATS 输出默认使用自然对数即代码中的np.log。如果引用文献时发现 SHDI 数值偏大或偏小先检查对方用的是不是以 2 为底的对数两种底数下同一组数据的 SHDI 会相差约 1.44 倍自然对数与以 2 为底对数的换算系数。5.2 CONTAG 蔓延度与 IJI 散布并列指数罕见但容易混淆的配对指标CONTAGContagion Index是一个景观尺度指标描述不同类型斑块在空间上的聚集蔓延程度。它的计算依赖每个类型与其他类型的邻接概率矩阵实质是把“相邻关系”编码进概率分布。CONTAG 高时景观由少数大面积连续斑块构成低时则表现为频繁交替的小斑块镶嵌。FRAGSTATS 中文档建议水平上CONTAG 值对分类数量敏感类别数越多理论最大值相对越低因此跨研究比较时需要控制分类体系的一致性。IJIInterspersion Juxtaposition Index与 CONTAG 经常被同时装入“聚散性”分类下但它描述的是不同类型之间“旁列”的均匀程度不关心同一类型的聚合情况。IJI 高表示各类型在空间中充分交错分布低则表示某些类型要么高度聚集要么空间分布受限。两者的区别在于CONTAG 是同一类型内部凝聚程度的度量IJI 是不同类型之间混合程度的度量。分析城市边缘区硬化地类与农田交错格局时IJI 比 CONTAG 更能反映“镶嵌”的状态本质。5.3 CLUMPY、PLADJ 与 AI从类邻接概率解释聚集度这组指标都建立在“同类邻接”的概率化计算之上。PLADJProportion of Like Adjacency是同类邻接边数占总邻接边数的比例在类型与景观尺度均可输出。当某类空间分布高度聚集时同类像素之间的邻接边数占比高PLADJ 接近 100分布离散时这个比例下降。AIAggregation Index是将 PLADJ 进一步标准化后的数值定义为同类邻接实际占比与该类型最大可能占比之比取值 0 到 100。在相同分类体系下AI 比 PLADJ 更适合跨区域比较因为它剔除了类别数量不同的影响。CLUMPY 是另一种类似指标它把期望值纳入计算——即随机分布状态下的同类邻接比例。CLUMPY 大于 0 表示同类斑块聚集程度高于随机期望小于 0 则表示趋向规则散布。做生态修复优先区识别时我倾向于使用 CLUMPY因为负值区域往往对应人工规则排列的土地利用比如整齐划一的农田其对生物多样性的支撑结构与自然状态相差悬殊。5.4 连通性指标 COHESION 与 CONNECT 的使用差异COHESIONPatch Cohesion Index反映斑块在物理上的连接贯通程度同时在类型和景观尺度输出。它的计算取决于斑块周长、面积以及整个景观的总像元连接状态值越大说明同类斑块在空间上越趋向连成一个整体。COHESION 的一个特征是它对单体大斑块极其敏感——只要景观中存在一个超大核心斑块COHESION 就会很高即使其他小斑块完全孤立。CONNECTConnectance Index则完全不同它基于图论思维统计的是指定阈值距离内互相连通的斑块对数量与理论最大连接对数的比值。CONNECT 的关键参数是连接阈值距离超过阈值的斑块对不视为连接。使用 CONNECT 时需要结合物种扩散能力设定阈值不能随意沿用文献值。对于湿地网络评价我用过 200 米作为阈值评估水鸟扩散格局对林栖哺乳动物则提到 500 米不同生态过程下的同一套斑块数据CONNECT 的结论可能截然相反。6. 从指标表到分析管线字段校验、软件参数与结果复核技巧6.1 快速校验输出结果的合理性拿到 FRAGSTATS 输出后不要急着做统计先在电子表格里做一次数值审查。针对 PDF 中指出的量纲和取值区间可以建立一套校验规则对照检查。例如 FRACT 的取值范围在 1 到 2超出这个范围意味着输入几何有问题PLAND 必须在 0 到 100 之间PD 出现负值则一定存在数据异常。用脚本批量筛查异常值比肉眼可靠得多import pandas as pd df pd.read_csv(fragstats_out.csv) # 按PDF给出的取值范围做合法性检查 assert df[FRACT].between(1, 2).all(), FRACT超出合理范围 assert df[PLAND].between(0, 100).all(), PLAND超出0-100范围 assert (df[NP] 1).all(), NP应不小于1 # ENN大于0排除对角相接的边界情况 assert df[ENN].min() 0, ENN出现零值检查边缘处理参数这套断言是按 PDF 记录的取值范围设置的实践中还可增加一条所有面积或长度指标不得为负数。通常异常值大多来自几何拓扑错误比如矢量面有自相交导致面积计算不正。FRAGSTATS 在计算前会做几何检查但不会自动修复输出对应字段为空值或异常值。定位到问题斑块后在 GIS 中修复几何再重新参与计算。6.2 边缘深度与邻接规则的工程建议运行 FRAGSTATS 前有两项参数必须策略性选择且要在方法部分透明报告。第一是边缘深度edge depth它直接影响核心区指标。常用的做法是参考目标物种或文献设定若生态学背景不明确至少设置一个与像元分辨率成倍数的值如 30 米栅格的 60 米、90 米便于结果可复现。第二是邻接规则八邻域或四邻域。对比实测数据看同一张景观图八邻域规则得到的 TE 明显高于四邻域因为对角接触的边界也被计入。因此报告 TE、ED、PLADJ 等与邻接有关的指标时必须注明邻接规则。同一研究内部保持统一参数跨研究比较时先去检查对方方法学部分的参数设置不一致则无法直接对比数值。6.3 与生态学解释之间的翻译桥一个案例对照最后提供一个把 PDF 中多类指标组合进同一分析场景的案例。假设在一项城市生境网络评估中数据表明研究区的 PLAND 显示林地面积占比 25%但 NP 极高而 AREA_MN 很低说明林地以细小斑块为主。此时再查 COHESION 和 CONNECT发现连通程度低说明这些林地斑块彼此隔离不能构成有效的生态网络。同时检查林地类型的 FRACT 值若接近 1.3 到 1.4说明边界复杂多为人工切割导致的锯齿形状这与城市扩张、路网分割的干扰模式一致。这样的多指标联动解读正是把 PDF 中分散的定义转化成研究结论的过程而 PDF 本身只是查找定义的入口最终的解释深度取决于研究者对空间过程的理解和对参数口径的控制。这套清单虽然基础但在需要快速核对缩写、单位、取值范围时仍是效率最高的参考资料。本文还有配套的精品资源点击获取
FRAGSTATS景观格局指数速查：从面积、边缘到分维数
简介这是一份聚焦景观格局指数体系的PDF参考文档适合景观生态学、地理信息科学、城乡规划等领域的研究者、研究生及从业人员使用。文档以英文缩写—英文全称—指标名称—应用尺度—单位为线索系统整理面积指标AREA、CA、PLAND、TA、LPI等、密度大小及差异指标NP、PD、AREA统计特征、GYRA等、边缘指标PERIM、TE、ED、CWED、TECI等与形状指标PARA、SHAPE、FRACT、CIRCLE、CONTIG、LSI、NLSI等并给出了各指标的取值范围和单位便于读者快速理解并在ArcGIS或专用软件中选用。资源包内为1个PDF文件压缩包大小仅12KB轻量便携可直接打开阅读或打印备查。这份文档已有2013人浏览学习对刚接触景观格局指数的用户来说是一份提纲挈领的入门速查资料。1. 一张索引表治好了我读 FRAGSTATS 输出的头痛熟悉土地覆被或景观分析的同行都有过这种经历从 FRAGSTATS 或 ArcGIS 里导出分析结果面对密密麻麻的缩写列名完全分不清 PLAND、SHAPE、ENN、SPLIT 哪一个解决你的研究问题。从形态描述到统计口径不同软件给出的指标名称也不一致更别提那些形如 LPI、GYRA、FRACT 的陌生缩写背后到底在计算什么。我最早接触这份资料时实际是在做一个生态网络评价项目手持遥感分类结果却卡在这一堆指标前。这份 PDF 解决的核心问题就是把散落在不同文献和手册里的指标定义收集成一张速查表把每个指数的中文名称、英文缩写、适用范围和单位列得清清楚楚。对于正在做格局分析、写方法学部分或需要把模型输出翻译成论文语言的从业者来说它是典型的“案头工具”不教你生态学理论但能把理论转换成可以核对的参数表。下文基于这份清单展开重点讲清楚每个指标背后的空间含义以及实际跑数时需要注意的口径问题。2. 从面积到边缘基础统计量族的字段拆解与应用口径2.1 面积类指数的三个层次斑块、类型与景观景观格局指数最基础的一组指标围绕“面积”展开这组指标几乎贯穿所有分析场景。PDF 中 AREA 看似只是斑块面积单位 ha但它衍生出了 CSD、CPS/LSD、LPS 三套统计口径CSD 指类内标准差CPS 指类内百分比LSD 与 LPS 则对应景观尺度的标准差和百分比。简单说对于同一张土地利用分类图AREA 在斑块层给出的是每个图斑的面积在类型层和景观层则需要报告面积分布的离散度方差、标准差和占比这也解释了为什么 PDF 中反复出现“类型水平方差、百分比 / 景观水平方差、百分比”这样的注释。我一般这样处理面积字段在 FRAGSTATS 输出中先看 CATotal Class Area。它描述某一类地物覆盖的总面积属于最少的分类指标之一。CA 的计算逻辑是在类型层面把所有同类别斑块面积累加特别适合检验分类结果是否产生碎屑斑块——比如一个建成区类型里有上万个小图斑CA 数值不大但 NP斑块数量极高这就是典型的过度分割。再往下是 PLANDPercentage of Landscape。它的计算方式是某一类型面积占景观总面积的比例输出范围限定在 0 到 100 之间。PLAND 最大的价值是消除景观总面积差异带来的干扰让你能比较不同区域之间同一类型的相对丰度。比如在比较两个流域的建设用地占比时直接用 CA 会被流域大小带偏而 PLAND 则给出标准化口径。import rasterio import numpy as np with rasterio.open(landcover.tif) as src: data src.read(1) # 假设类别值为1代表建设用地 class_area np.sum(data 1) * (src.res[0] * src.res[1]) / 10000 # 转换为ha total_area data.size * (src.res[0] * src.res[1]) / 10000 pland class_area / total_area * 100这段代码演示的是最原始的像素级统计没有考虑连通域或斑块聚合。src.res返回栅格在 x、y 方向的分辨率米两者相乘得到单像素面积除以 10000 是把平方米换算成公顷。这样得到的 class_area 对应 PDF 中的 CApland 对应 PLAND。实际项目中如果手头有矢量而非栅格建议直接利用 GIS 工具的面积字段不要用代码做像素累加——矢量多边形的面积已经由投影系统校准栅格累加则容易受投影变形影响。2.2 LPI 和 TA最大斑块的生态学信号LPILargest Patch Index定义是最大斑块占景观面积的比例输出范围 0 到 100。它的生态学意义非常直接当景观中某类斑块拥有极高的 LPI比如超过 50%说明该类地物呈现高度聚集的单核心模式反之LPI 很低则说明优势斑块被切割得较为破碎。在做城市扩张分析时LPI 常用于识别中心城区的凝聚程度——建成区连片程度越高LPI 越高。TATotal Landscape Area在清单中属于景观层的总参数它是所有斑块面积之和也是 CA 向上聚合的最终结果。严格来说 TA 不携带格局信息更像一个归一化因子绝大多数指标PLAND、PD、ED 等都要除以 TA 才能跨区域比较。这里有一个很多人会忽略的问题如果研究区域是不规则矢量边界基于栅格提取的 TA 与边界面积可能不一致差异源于边缘像素的取舍。建议在分析前用掩膜统一边界否则同一区域两次生产的 TA 会因像元对齐方式不同而有轻微浮动。2.3 斑块密度 PD 与数量 NP粒度敏感性的第一道检验斑块密度 PD 的计算是 NP 除以景观面积再乘以 100输出单位是 n/100ha。PD 是一个对输入数据粒度极其敏感的指标。相同的研究区域栅格分辨率从 10 米变成 30 米后PD 值往往会剧烈下降原因是 30 米像元更容易把细碎的小斑块合并。因此任何使用了 NP 或 PD 的比较研究都必须保证输入数据的空间分辨率一致。这个结论是我对比过多个分辨率等级的实验数据后得到的经验很多文献里出现“PD 值相差数倍”的结论极有可能不是景观真实变化而是采用了不同来源的数据。NP 的最小值在 PDF 中标注为 ≥1意味着当景观中不存在目标类型时输出会为空值或 0。实际运行 FRAGSTATS 时可以留意输出文件里的 “-” 或 “N/A” 标记那些不一定表示计算失败只是该类别在给定景观中不存在。2.4 边缘指标族的真实含义TE、ED 与 EDGE 对比度边缘类指标统计的是斑块边界的几何属性。TETotal Edge是所有斑块的边界总长度单位 m但对栅格数据而言边界长度的计算依赖像元邻接规则——FRAGSTATS 默认采用八邻域上下左右加四个对角如果改成四邻域TE 值会有明显差别。EDEdge Density是 TE 除以景观面积的商单位 m/ha它衡量景观被边界切割的密集程度。耕地细碎化区域的 ED 会显著高于大型农场连片区这是农业景观格局比较中的常用判断。值得注意的是 PDF 中反复提到的 EDCON、TECI、CWED 这组“对比度”指标。它们并非只统计边界长度而是把边缘两侧的斑块类型差异也纳入计算。假设有一块森林斑块一边邻接草地一边邻接建设用地如果按生态学预设“建设用地对森林的干扰权重高于草地”那么 EDCON 会因权重不同而给出差异化的边缘质量评价。实际计算时需要预定义各类别间的“对比权重矩阵”这是一个由研究者主观设定的输入条件。FRAGSTATS 里通过一份文本格式的对比矩阵文件来控制默认情况下所有类别之间的对比度相等。做生态网络分析时我会特意把人工表面与自然斑块的对比权重调高这样 TECI 能更真实地反映人类活动的边缘压力。3. 形状度量与分维数量化斑块几何的数学工具3.1 SHAPE、FRACT 与 PARA各指向哪种几何特征形状指标是这份 PDF 中概念最容易混淆的部分因为 PARA、SHAPE、FRACT 三者都在描述斑块的几何形态但侧重点完全不同。PARAPerimeter Area Ratio是周长和面积的直接比值无量纲。它的问题在于对斑块大小敏感两个几何完全相似但尺寸不同的斑块PARA 值会不同因为面积随尺度平方变化而周长只随尺度线性变化。因此它适合在同尺度斑块集合内比较跨尺度比较意义不大。SHAPEShape Index是为了解决 PARA 的尺度依赖问题而设计的。它的计算是将斑块周长与同等面积下的正方形周长进行比较。因此一个接近正方形的斑块 SHAPE 值接近 1而形状越复杂、边界越弯曲SHAPE 值越高。它消除了面积的影响使得不同大小的斑块在形状维度上可以直接比较。FRAGSTATS 在输出 SHAPE 的同时还会输出面积加权版本AWMSI它给大斑块更高的权重如果研究中认为大斑块的形状效应更重要可以参考面积加权输出。FRACTFractal Dimension Index则是从分形几何角度度量边界复杂度。数学上分维数反映曲线填充空间的能力取值在 1 到 2 之间。值为 1 代表形状完全规则如直线边界接近 2 代表边界极度复杂接近充满整个二维空间。FRACT 的优势在于它是无量纲的标准化度量适合不同来源、不同尺度数据的横向比较。PDF 中引用的双对数分维数 DLFD 是一种替代算法通过回归周长与面积的双对数关系来估计分维但在斑块数量少时误差较大一般建议优先使用 FRACT。3.2 相关外接圆 CIRCLE 与聚集度 CONTIG补充形状解释的两个维度CIRCLERelated Circumscribing Circle描述斑块与其最小外接圆的面积比。它的几何含义是一个长条形的斑块其外接圆面积远大于斑块本身因此 CIRCLE 值会较高而一个圆形或近方形斑块外接圆与自身面积接近CIRCLE 值偏低。这实际在度量斑块的“伸长程度”或“紧凑性”在河流廊道分析中CIRCLE 可以很好地标识出条带状廊道。CONTIGContiguity Index在 PDF 中翻译为聚集指数它统计的是斑块内部像素在空间上的连续程度。实现上基于一个移动窗口对窗口内属于该斑块的像素赋予随距离衰减的权重最后归一化到 0 到 1。这个指标对斑块内部的缝隙、孔洞很敏感适合评估生境斑块内部质量。比如一个同样面积的森林斑块若内部有大量非森林像素空洞CONTIG 就会显著降低。3.3 景观形状指数 LSI 与标准化 NLSI 的实践用法LSILandscape Shape Index在类型和景观两个尺度上均可计算。FRAGSTATS 中 LSI 的计算逻辑是实际边缘长度除以理论上可能的最小边缘长度即所有斑块拼合成最紧凑形态时的边界。当景观是一整块方形区域时 LSI 接近 1斑块越离散、边缘越参差LSI 越高。相比平均斑块形状指数LSI 不受斑块数量影响因此常用于描述整个景观的边界复杂度。NLSI 是 LSI 的标准化版本将数值线性映射到 0 到 1 区间。经验地看NLSI 更适合做不同景观之间的对比展示因为它有明确边界而原始 LSI 没有上限解释起来不够直观。我通常在论文图表中用 NLSI 出图在方法文本里报告 LSI 的原始计算过程兼顾可读性和可复核性。3.4 PAFRAC 与双对数回归的适用边界PAFRACPerimeter-Area Fractal Dimension与 FRACT 的区别在于统计方式PAFRAC 是在类型或景观尺度上使用所有斑块的周长和面积做回归拟合斜率即为分维数。这种回归方式对小样本极其敏感——如果某一类型的斑块数量少于 10 个回归结果基本没有统计效力这是 PDF 没有明说但使用中必须注意的边界。对于大样本类别PAFRAC 的优势在于它基于整体分布比逐个斑块的 FRACT 值在类型层面更稳定。# 以R为例演示PAFRAC的简单实现 library(sf) patches - st_read(patches.shp) p - st_perimeter(patches) a - st_area(patches) # 双对数回归斜率为分维数 fit - lm(log(p) ~ log(a)) summary(fit)$coefficients # 输出中的斜率即PAFRAC这段 R 代码说明了 PAFRAC 的底层逻辑先对周长和面积都取自然对数再做线性回归斜率就是分维数。值得说明的是R 的st_perimeter返回的是任意单位取决于矢量投影所以 log 变换前必须确保二者在同一单位制下。工程实践中如果发现回归拟合的 R² 很低比如小于 0.6说明斑块的周长-面积关系离散度太大PAFRAC 不适合这套数据此时应该改用斑块层面的 FRACT 逐块输出后取平均。4. 核心区与邻近度的空间语义从斑块聚合到隔离度量4.1 核心面积与边缘效应为什么每个斑块都要扣除缓冲带核心面积Core Area是指斑块内部扣除边缘缓冲后的区域。在 FRAGSTATS 中用户必须提前指定边缘深度参数edge depth默认单位是米。这个参数的生态学设定通常是物种的“内部生境需求半径”——比如某种林鸟只在离林缘 100 米以内的区域活动那么边缘深度就是 100 米核心区就是扣除这 100 米后的部分。PDF 中 CORE 系列指标MCA1、CASD1、CACV1对应核心区面积的平均值、标准差和变异系数TCA 是某一类型的核心区总面积。NDCANumber of Disjunct Core Areas则统计一个斑块内部被缓冲带切割出多少个互不相连的核心区残块。这个指标的直观应用场景是一个大斑块中间被嵌入一条道路或河流扣除边缘深度后形成两个独立核心区NDCA 就会增加。# 使用sdtoolbox模拟核心区提取伪代码示意 from shapely.geometry import shape import fiona with fiona.open(patches.shp) as src: for feat in src: geom shape(feat[geometry]) core geom.buffer(-100) # 向内部缓冲100米作为核心区 # 如果core为空几何说明该斑块小于边缘深度无核心区这个示例虽然简短但表达了核心区提取的本质buffer 向内收 100 米。如果结果为空集意味着斑块自身尺度小于边缘深度不存在真正意义上的内部生境。做栖息地分析时大批量小斑块出现空核心是很常见的情况不建议删除这些记录因为 NP、PD 不需要核心区而同一条记录中的 CAI核心区面积百分比会输出 0这个 0 在生态学上是有解读意义的。4.2 CAI 与 CPLAND百分比核心区指标的解释陷阱CAICore Area Index在斑块层面是核心面积与总面积的比值在类型/景观层面则输出其统计量MCAI。CPLAND 是核心区总面积占整个景观面积的比例。这两个百分比指标在使用中有个常见的理解陷阱CAI 高不一定代表核心区绝对面积大也可能是斑块虽然不大但因为形状紧凑导致缓冲损失低。因此在对比不同形状斑块的内部生境质量时应结合 CORE绝对值和 CAI相对值一起看避免只拿一个百分比下结论。4.3 ENN 与 PROXIM最近邻距离和邻域加权下的隔离语义ENNEuclidean Nearest Neighbor Index统计的是每个斑块到最近同类型斑块质心或边界的欧氏距离。FRAGSTATS 提供基于斑块间“边缘到边缘”和“质心到质心”两种计算方式默认按边到边处理。ENN 的值直接反映同类型斑块之间的隔离程度值越小说明栖息地斑块之间越接近越有利于物种扩散值越大则说明空间上越孤立。PROXIMProximity Index是比 ENN 信息量更大的一个指标它并不只关心最近邻而是统计搜索半径内所有同类型斑块的面积加权和。距离越近、面积越大的邻域斑块对目标斑块的贡献越大。使用 PROXIM 前必须设定搜索半径这个参数对结果影响极大——半径太小会漏掉重要邻体太大则把所有斑块都纳入计算导致失去区分度。FRAGSTATS 里一般建议从物种最大迁移距离的 1.5 倍开始试算再对比不同半径下的输出稳定性。SIMISimilarity Index逻辑与 PROXIM 类似但允许设置不同斑块类型之间的相似度权重适合研究“功能上相似但类型标识不同”的生境斑块网络。4.4 PDF 中缺失的边界条件100 米搜索半径与像元分辨率的耦合实际应用中需要特别注意 ENN 与 PROXIM 对分辨率变化的响应逻辑。此前用 30 米 Landsat 派生数据和 10 米 Sentinel-2 派生数据对比时发现 ENN 平均差值约 12%原因在于分辨率上升后原本被合并进大斑块的小斑块被单独识别出来增加了近邻匹配对象。因此在使用邻近度指标做时间序列比较时应固定分类产品的空间分辨率并使用完全一致的处理链条。PDF 中给出的 ENN 范围 0但在栅格数据中如果两个同类型斑块像素对角相接ENN 可能等于一个像元的边长别把这种值理解为完全零距离。5. 多样性、蔓延度与聚集度信息论概念在景观格局中的应用5.1 SHDI、SIDI 与均匀度指标的计算含义景观多样性指标源自信息论PDF 中重点列出的是香农多样性指数 SHDI 和 Simpson 多样性指数 SIDI。SHDI 基于各类别面积比例的负对数加权求和对稀有类型敏感SIDI 则基于抽样概率受优势类型主导。直观地说SHDI 高说明景观类型丰富且各类型份额较为均衡SIDI 更强调“随机抽取两个点属于不同类别”的概率。SHEI香农均匀度是 SHDI 与最大可能多样性即所有类型面积完全均等的比值取值 0 到 1。接近 1 意味着各类型分布非常均匀这种景观一般缺乏主导地类。做土地利用变化分析时SHEI 的上升往往对应区域向多类型混合发展而下降说明某一种或少数几种类型占据绝对主导。MSHDI、MSIEI 是修正版本据 PDF 说明用于调整极度不平衡的类别分布场景工程中出现的频率不高但遇到个别类型占比接近 100% 的极端景观时修正指数能够避免 SHDI 被零占比类型干扰。import numpy as np # 假设classes为各类别面积占比 classes np.array([0.5, 0.3, 0.2]) shdi -np.sum(classes * np.log(classes)) sidi 1 - np.sum(classes ** 2) shei shdi / np.log(len(classes)) if np.all(classes) else None这段代码与 FRAGSTATS 内部算法完全一致唯一需要注意的是对数底数。FRAGSTATS 输出默认使用自然对数即代码中的np.log。如果引用文献时发现 SHDI 数值偏大或偏小先检查对方用的是不是以 2 为底的对数两种底数下同一组数据的 SHDI 会相差约 1.44 倍自然对数与以 2 为底对数的换算系数。5.2 CONTAG 蔓延度与 IJI 散布并列指数罕见但容易混淆的配对指标CONTAGContagion Index是一个景观尺度指标描述不同类型斑块在空间上的聚集蔓延程度。它的计算依赖每个类型与其他类型的邻接概率矩阵实质是把“相邻关系”编码进概率分布。CONTAG 高时景观由少数大面积连续斑块构成低时则表现为频繁交替的小斑块镶嵌。FRAGSTATS 中文档建议水平上CONTAG 值对分类数量敏感类别数越多理论最大值相对越低因此跨研究比较时需要控制分类体系的一致性。IJIInterspersion Juxtaposition Index与 CONTAG 经常被同时装入“聚散性”分类下但它描述的是不同类型之间“旁列”的均匀程度不关心同一类型的聚合情况。IJI 高表示各类型在空间中充分交错分布低则表示某些类型要么高度聚集要么空间分布受限。两者的区别在于CONTAG 是同一类型内部凝聚程度的度量IJI 是不同类型之间混合程度的度量。分析城市边缘区硬化地类与农田交错格局时IJI 比 CONTAG 更能反映“镶嵌”的状态本质。5.3 CLUMPY、PLADJ 与 AI从类邻接概率解释聚集度这组指标都建立在“同类邻接”的概率化计算之上。PLADJProportion of Like Adjacency是同类邻接边数占总邻接边数的比例在类型与景观尺度均可输出。当某类空间分布高度聚集时同类像素之间的邻接边数占比高PLADJ 接近 100分布离散时这个比例下降。AIAggregation Index是将 PLADJ 进一步标准化后的数值定义为同类邻接实际占比与该类型最大可能占比之比取值 0 到 100。在相同分类体系下AI 比 PLADJ 更适合跨区域比较因为它剔除了类别数量不同的影响。CLUMPY 是另一种类似指标它把期望值纳入计算——即随机分布状态下的同类邻接比例。CLUMPY 大于 0 表示同类斑块聚集程度高于随机期望小于 0 则表示趋向规则散布。做生态修复优先区识别时我倾向于使用 CLUMPY因为负值区域往往对应人工规则排列的土地利用比如整齐划一的农田其对生物多样性的支撑结构与自然状态相差悬殊。5.4 连通性指标 COHESION 与 CONNECT 的使用差异COHESIONPatch Cohesion Index反映斑块在物理上的连接贯通程度同时在类型和景观尺度输出。它的计算取决于斑块周长、面积以及整个景观的总像元连接状态值越大说明同类斑块在空间上越趋向连成一个整体。COHESION 的一个特征是它对单体大斑块极其敏感——只要景观中存在一个超大核心斑块COHESION 就会很高即使其他小斑块完全孤立。CONNECTConnectance Index则完全不同它基于图论思维统计的是指定阈值距离内互相连通的斑块对数量与理论最大连接对数的比值。CONNECT 的关键参数是连接阈值距离超过阈值的斑块对不视为连接。使用 CONNECT 时需要结合物种扩散能力设定阈值不能随意沿用文献值。对于湿地网络评价我用过 200 米作为阈值评估水鸟扩散格局对林栖哺乳动物则提到 500 米不同生态过程下的同一套斑块数据CONNECT 的结论可能截然相反。6. 从指标表到分析管线字段校验、软件参数与结果复核技巧6.1 快速校验输出结果的合理性拿到 FRAGSTATS 输出后不要急着做统计先在电子表格里做一次数值审查。针对 PDF 中指出的量纲和取值区间可以建立一套校验规则对照检查。例如 FRACT 的取值范围在 1 到 2超出这个范围意味着输入几何有问题PLAND 必须在 0 到 100 之间PD 出现负值则一定存在数据异常。用脚本批量筛查异常值比肉眼可靠得多import pandas as pd df pd.read_csv(fragstats_out.csv) # 按PDF给出的取值范围做合法性检查 assert df[FRACT].between(1, 2).all(), FRACT超出合理范围 assert df[PLAND].between(0, 100).all(), PLAND超出0-100范围 assert (df[NP] 1).all(), NP应不小于1 # ENN大于0排除对角相接的边界情况 assert df[ENN].min() 0, ENN出现零值检查边缘处理参数这套断言是按 PDF 记录的取值范围设置的实践中还可增加一条所有面积或长度指标不得为负数。通常异常值大多来自几何拓扑错误比如矢量面有自相交导致面积计算不正。FRAGSTATS 在计算前会做几何检查但不会自动修复输出对应字段为空值或异常值。定位到问题斑块后在 GIS 中修复几何再重新参与计算。6.2 边缘深度与邻接规则的工程建议运行 FRAGSTATS 前有两项参数必须策略性选择且要在方法部分透明报告。第一是边缘深度edge depth它直接影响核心区指标。常用的做法是参考目标物种或文献设定若生态学背景不明确至少设置一个与像元分辨率成倍数的值如 30 米栅格的 60 米、90 米便于结果可复现。第二是邻接规则八邻域或四邻域。对比实测数据看同一张景观图八邻域规则得到的 TE 明显高于四邻域因为对角接触的边界也被计入。因此报告 TE、ED、PLADJ 等与邻接有关的指标时必须注明邻接规则。同一研究内部保持统一参数跨研究比较时先去检查对方方法学部分的参数设置不一致则无法直接对比数值。6.3 与生态学解释之间的翻译桥一个案例对照最后提供一个把 PDF 中多类指标组合进同一分析场景的案例。假设在一项城市生境网络评估中数据表明研究区的 PLAND 显示林地面积占比 25%但 NP 极高而 AREA_MN 很低说明林地以细小斑块为主。此时再查 COHESION 和 CONNECT发现连通程度低说明这些林地斑块彼此隔离不能构成有效的生态网络。同时检查林地类型的 FRACT 值若接近 1.3 到 1.4说明边界复杂多为人工切割导致的锯齿形状这与城市扩张、路网分割的干扰模式一致。这样的多指标联动解读正是把 PDF 中分散的定义转化成研究结论的过程而 PDF 本身只是查找定义的入口最终的解释深度取决于研究者对空间过程的理解和对参数口径的控制。这套清单虽然基础但在需要快速核对缩写、单位、取值范围时仍是效率最高的参考资料。本文还有配套的精品资源点击获取
