土地生态与景观设计5概述课件

1、Chapter 5 景观生态学研究方法5.1 3S技术应用5.2 景观格局指数5.3 空间统计学5.4 景观模型 Chapter 5 景观生态学研究方法5.1 3S技术应用5.2 景观格局指数5.3 空间统计学5.4 景观模型5.1 3S技术应用遥感 (Remote Sensing，简称RS)、地理信息系统（Geographic Information System，简称GIS）和全球定位系统（Global Positioning System，简称GPS）（简称3S）是景观生态学研究中的重要的、强有力的基础技术工具尤其在大的景观空间尺度之上，景观生态学研究所需要的许多数据往往是通过遥感手段来

2、获取的。而在收集、存储、转换、显示和分析这些庞大的空间数据时，地理信息系统作为一个极为有效的计算机工具常常是不可缺少的。景观中的组分或过程的具体地理位置是空间数据的重要内容，但往往不易精确而方便地测得，而GPS的应用却使之迎刃而解随着遥感、地理信息系统和全球定位系统技术的迅速发展，它们在景观格局分析和景观模型应用中的作用也会越来越大5.1 3S技术应用5.1.1 遥感（Remote Sensing，RS）5.1.2 地理信息系统（GIS）5.1.3 全球定位系统（GPS）5.1.4 3S技术在景观生态学中的应用5.1 3S技术应用5.1.1 遥感（Remote Sensing，RS）5.1.2

3、 地理信息系统（GIS）5.1.3 全球定位系统（GPS）5.1.4 3S技术在景观生态学中的应用5.1.1 遥感（Remote Sensing，RS）遥感在广义上是指在不与物体直接接触的情况下获取信息的过程和方法，即依据不同物体对波谱产生不同响应的性质，利用飞机、卫星等飞行物的传感器，接收调查目标的数据资料，经记录、传送、分析和判读来识别目标，包括卫星遥感、航空遥感、雷达以及照相机摄制的图像等遥感技术在生态学中的应用大致可分为始于19世纪末的航空摄影阶段、20世纪50年代至70年代的航空摄影向航天摄影过渡阶段以及之后的航天摄影3个阶段。卫星和飞机遥感技术的迅速发展和广泛应用在很大程度上促进了

4、景观生态学的发展根据传感器工作平台的高度不同，遥感可分为航天遥感、航空遥感和地面遥感按所利用的电磁波的光谱段分类可分为可见反射红外遥感，热红外遥感、微波遥感三种类型 按研究对象分类，可分为资源遥感与环境遥感两大类 按应用空间尺度分类，可分为全球遥感、区域遥感和城市遥感 遥感分类谱段波长应用特征-射线0.03nm来自太阳的辐射完全被上层大气所吸收，不能为遥感利用；来自放射性矿物的辐射作为一种探矿手段可被低空飞机探测到。x-射线0.033nm进入大气层的辐射全被大气所吸收，不能为遥感利用。紫外线3nm0.4m进入大气层的紫外线辐射完全为上层大气中的臭氧层所吸收，不能为遥感利用。摄影紫外0.30.3

5、8m穿过大气层，用胶片和光电探测器可检出，但是大气散射严重。各电磁波谱段的特征、波长和用途 可见光紫0.380.43m可见光电磁波段是遥感技术主要利用区域，用照相机、电视摄影机、光电扫描仪等手段均可检测到。蓝0.430.47m青0.470.50m绿0.500.56m黄0.560.59m橙0.590.62m红0.620.76m红外近红外0.763m0.70.9m的辐射用红外胶片检测，称之为摄影红外辐射，是遥感技术主要利用区域。中红外35m这是热区中的主要大气窗口，是一个宽谱段内的总辐射，用这些波长成像需要使用光学机械扫描器(红外辐射计)，而不是用胶片。远红外814m微波和雷达0.3300cm这些

6、较长的波长能穿透云和雾；可用于全天候的主动或被动方式成像，主动方式的微波遥感即为雷达，其下还可续分为毫米波、厘米波和分米波，而且都是无线电波的一种。无线电波1104m用于无线电通讯，分超短波、短波、中波和长波。不同地物的反射光谱特征曲线主要对地观测卫星遥感数据源通道波长范围（m）特征和使用范围TM10.450.52这个波段的短波端相应于清洁水的峰值，长波端在叶绿素吸收区。用于：对水的透射力强，可监测水下地形和水面污染情况；分辨人工建筑物、城乡居民点；对干雪和融雪有强反应。TM20.520.60这个波段在两个叶绿素吸收带之间，因此相应于健康植物的绿色。用于监测水体、干雪；分辨建筑物；分辨土壤和绿

7、色植物，一定程度上能评价农作物生长情况。TM30.630.69这个波段为红色区，在叶绿素吸收区内。在可见光中这个波段是识别土壤边界和地质界线的最有利的光谱区，在这个区段，表面特征经常展现出高的反差，大气朦雾的影响比其它可见光谱段低。这样影像的分辨能力较好。用于：为叶绿素的吸收带，对农作物、森林和其它植物的分辨和解释有特殊作用；适用于对水的污染、混浊、植物、浮游生物密度和海底地形的解释；分辨城镇用地、裸土地和地貌形态调查。Landsat TM各光谱通道的波长范围及图像特征 TM40.760.90这个波段相应于植物的反射峰值，它对于植物的鉴别和评价十分有用。TM2与TM4的比值对绿色生物量和植物含

8、水量敏感。用于：为叶绿素强烈反射光带，对农作物、森林、植被的解译和生长情况监测、病虫害监测等有特殊作用；对水体、水污染、土壤含水量分辩明显；对城市建筑物、土壤、地质构成等有明显区分作用。TM51.551.75在这个波段中叶面反射强烈地依赖于叶湿度。一般地说，这个波段在对收成中干旱的监测和植物生物量的确定是有用的，另外，1.551.75区段水的吸收率很高，所以区分不同类型的岩石，区分云、地面冰和雪就十分有利。湿土和土壤的湿度从这个波段上也很容易看出：探测植物及土镶的含水量；进行植物及农作物分类。TM610.412.6这个波段对于植物分类和估算收成很有用。在这个波段来自表面发射的辐射量，按照发射本

9、领和温度(表面的)来测定，这个波段可用于地热制图和热惯量制图实验：探测地表、岩石、土壤以及城市热岛；探测农作物和森林等活力状况。TM72.082.35这个波段主要的价值是用于地质制图，特别是热液变岩环的制图，它同样可用于识别植物的长势：探测植物及土壤的含水量；进行地形、地质调查；进行植物及农作物分类。三原色：三种颜色，其中任一种颜色都不能由其余两种颜色混合相加产生；三种颜色按一定比例混合，可以形成各种色调的颜色色光三原色：红、绿、蓝印刷三原色：黄品青波段组合原理5.1.1 遥感（Remote Sensing，RS）遥感应用于景观生态学具有以下特点：不接触被观测物体避免了对研究对象的直接干扰，并

10、且允许重复性观测获取大尺度尤其是区域或全球范围内各种生态和物理信息的主要手段唯一的大尺度格局动态的监测手段每一景观元素不同的光谱特征和空间分辨率可以有效地为景观生态学研究提供所必需的多尺度上的资料遥感空间数据符合景观结构、功能及动态研究所必需的数据格式 现代遥感技术可以直接提供数字化空间信息，也大大促进了景观生态学资料的收集、储存、处理与分析过程，并使遥感、地理信息系统和计算机模型的密切配合成为了必然5.1.1 遥感（Remote Sensing，RS）景观生态学除了将遥感技术主要应用于景观分类之外，其还能从遥感影像中获取植被类型及其分布、土地利用类型及其面积、生物量分布、土壤类型及其水分特征

11、、群落蒸腾量、叶面积指数以及叶绿素含量等其它一些常用信息。近些年来，已有多种植被指数被广泛应用于生物量估测、资源调查、植被动态监测、景观结构和功能以及全球变化的研究中总之，可将遥感在景观生态学中的应用归纳为：植被和土地利用分类研究生态系统和景观特征的定量化研究（不同尺度上斑块空间格局/植被结构特征、生境特征和生物量/干扰范围、程度和频率/生态系统光合作用、蒸发蒸腾作用、水分含量等）景观动态和生态系统管理研究（土地利用时空变化/植被动态、群落演替/景观对人为干扰和全球气候变化的反应）等5.1 3S技术应用5.1.1 遥感（Remote Sensing，RS）5.1.2 地理信息系统（GIS）5.

12、1.3 全球定位系统（GPS）5.1.4 3S技术在景观生态学中的应用5.1.2 地理信息系统（GIS）景观生态学理论、方法及应用？5.1.2 地理信息系统（GIS）景观生态学理论、方法及应用5.1.2 地理信息系统（GIS）GIS是1960年代后期发展起来的一种针对空间数据进行采集、存储、检索、运算、显示和分析的一种技术，近些年来广泛应用于从区域到全球的资源、地质、地貌、生物等多个领域的调查，并取得了丰硕的成果。它是介于信息科学、空间科学和地球科学之间的交叉学科。其发展与制图学、计算机技术、测量学和摄影学、空间分析、空间内插值方法、遥感技术、信息工程以及现代地理学的发展密切相关GIS是一种特

13、殊的空间数据信息管理系统，它是计算机硬件和软件的有机结合。空间数据是各种地理特征和现象间的符号化表示，包括空间位置、属性特征和时态特征三部分5.1.2 地理信息系统（GIS）地理信息系统功能空间数据输入空间数据查询空间数据处理分析空间数据的更新与显示空间数据输出模型应用5.1.2 地理信息系统（GIS）GIS为研究景观空间结构和动态，尤其是物理、生物和各种人类活动过程相互之间的复杂关系，提供了一个极为有效的工具。在景观生态学中，GIS作为管理模型和真实数据的平台，能够将模糊信息转变为直观信息。GIS在绝大多数景观调查中是必须的。尤其在土地利用变化、植被格局、景观内动物分布、地形测量以及建立景观

14、过程模型中，均有广泛的应用前景总之，可将GIS在景观生态学中的应用概括为：景观空间格局描述、分析及其变化不同环境和生物学特征在空间上的相关性确定景观中物质、能量以及信息流的方向与通量的分析景观空间模拟等5.1 3S技术应用5.1.1 遥感（Remote Sensing，RS）5.1.2 地理信息系统（GIS）5.1.3 全球定位系统（GPS）5.1.4 3S技术在景观生态学中的应用5.1.3 全球定位系统（GPS）GPS是一种现代导航和定位的最为科学的方法GPS是建立在无线电定位系统、导航系统和定时系统基础上的空间导航系统，以距离为基本观测量，通过对多颗卫星进行伪距离测量来计算接收机的位置地理

15、位置或地理坐标是空间资料中必须具有的重要信息。在大尺度上，用罗盘或地物来确定景观单元的具体地理坐标往往很困难。GPS技术的出现及其应用发展将此难题迎刃而解GPS技术尤其对景观生态学的研究具有重要的推动作用：GPS已被广泛应用于监测动物活动行踪、生境制图、植被制图及其它资源制图领域中，另外其在航片和卫星遥感图像的精确定位及地面校正、生态环境监测等方面也已广泛应用5.1 3S技术应用5.1.1 遥感（Remote Sensing，RS）5.1.2 地理信息系统（GIS）5.1.3 全球定位系统（GPS）5.1.4 3S技术在景观生态学中的应用5.1.4 3S技术在景观生态学中的应用3S技术的集成为

16、景观生态学研究提供了新一代的观测手段、描述语言和思维工具。3S的结合应用，取长补短，三者之间的相互作用形成了“一个大脑，两只眼睛”的框架，即RS和GPS向GIS提供或更新区域信息以及空间定位，GIS进行相应的空间分析，以从RS和GPS提供的浩如烟海的数据中提取有用信息，并进行综合集成，使之成为决策的科学依据5.1.4 3S技术在景观生态学中的应用RS、GIS和GPS等计算机与空间技术的发展与应用为景观生态学研究提供了重要的手段与数据来源，并在景观生态系统结构与功能分析、景观空间格局描述与景观变化模拟、景观生态监测与预案研究、景观生态设计与规划以及景观生态保护与管理等方面起着越来越重要的作用3S

17、技术在景观生态学中的应用已经成为景观分析的重要的、基本的手段，但大部分的遥感与地理信息系统软件并不具有空间统计学分析的能力（近几年来，几种常用的GIS如ArcInfo、ArcGIS、ArcView软件在空间分析方面的功能已有长足发展），如何将其与地统计学方法更为紧密结合在一起，以提供能够充分反映景观特征的空间模型，将是以后景观生态学与3S技术研究的发展趋势Chapter 5 景观生态学研究方法5.1 3S技术应用5.2 景观格局指数5.3 空间统计学5.4 景观模型5.2 景观格局指数5.2.1 景观格局指数及其分类5.2.2 常用景观格局指数5.2.3 景观格局指数分析方法5.2.4 景观格

18、局指数的局限性5.2 景观格局指数5.2.1 景观格局指数及其分类5.2.2 常用景观格局指数5.2.3 景观格局指数分析方法5.2.4 景观格局指数的局限性5.2.1 景观格局指数及其分类在景观生态学中的广泛应用始于20世纪80年代中后期景观格局指数：指能够高度浓缩景观空间格局信息，反映其结构组成和空间配置某些方面特征的简单定量指标通过景观格局指数描述景观空间格局，不但具有使空间数据获得一定的统计性质和可以对不同尺度上的空间格局特征进行比较、分析，而且，通过计算一些景观格局指数，还可以比较不同景观之间空间结构特征上的差异，并可以用来定量地描述和监测景观空间结构随时间的变化5.2.3 景观格局

19、指数分析方法土地生态与景观设计 Land Ecology and Landscape Design5.2.3 景观格局指数分析方法土地生态与景观设计 Land Ecology and Landscape Design5.2.3 景观格局指数分析方法土地生态与景观设计 Land Ecology and Landscape Design5.2.1 景观格局指数及其分类景观空间格局可以从单个斑块层次（patch）、斑块类型（class）（即由若干个斑块所组成的斑块类型）层次以及包括若干个斑块类型的整个景观镶嵌体（landscape）三个层次上进行分析因此，景观格局指数亦相应地分为三个层次：斑块水平指

20、数、斑块类型水平指数以及景观水平指数斑块水平指数：包括与单个斑块面积、形状、边界特征以及距离其它斑块远近有关的一系列简单指数斑块类型水平指数：同一类型常包括许多斑块，所有可相应地计算一些诸如斑块平均面积、平均形状指数、面积和形状指数标准差等统计学指标景观水平指数：除了具有以上各种斑块类型水平指数外，还可以计算出各种多样性指数（如Shannon-Weaver多样性指数、Simpson多样性指数、均匀度指数等）和聚集度指数等5.2 景观格局指数5.2.1 景观格局指数及其分类5.2.2 常用景观格局指数5.2.3 景观格局指数分析方法5.2.4 景观格局指数的局限性5.2.2 常用景观格局指数斑块

21、形状指数(patch shape index) ：边长与面积比 是通过计算某一斑块形状与相同面积的圆或正方形之间的偏离程度来测量起形状复杂程度的。 常见的斑块形状指数S有两种形式： （以圆为参照几何形状） （以正方形为参照几何形状） 其中，P是斑块周长，A是斑块面积5.2.2 常用景观格局指数景观丰富度指数(landscape richness index )：景观中斑块类型的总数，即： R=m（m为景观中斑块类型的数目） 在比较不同景观时，相对丰富度（relative richness）和丰富度密度（richness density）更为适宜. 其中，Rr，Rd分别表示相对丰富度和丰富度密度

22、，Mmax是景观中斑块类型数的最大值，A是景观面积5.2.2 常用景观格局指数景观多样性指数（landscape diversity index）：景观结构组成复杂程度，包括： Shannon-Weaver多样性指数： 式中，Pk是斑块类型k在景观中出现的频率，n是景观中斑块类型的总数 Simpson多样性指数： 式中，Pk是斑块类型k在景观中出现的频率，n是景观中斑块类型的总数5.2.2 常用景观格局指数景观优势度指数（landscape dominance index ）：多样性指数与实际计算值之差，优势度越大，景观中一个或少数几个斑块类型就越占主导地位 优势度指数D是多样性指数的最大值与

23、实际计算值之差。其表达式为： 其中，Hmax是多样性指数的最大值，Pk是斑块类型k在景观中出现的概率，m是景观中斑块类型的总数5.2.2 常用景观格局指数景观均匀度指数（landscape evenness index ）：景观中各斑块在面积分布上的不均匀程度，通常以多样性指数及其最大值的比值 以Shannon多样性指数为例，均匀度可表达为： 其中，H是Shannon多样性指数，Hmax是其最大值5.2.2 常用景观格局指数景观形状指数（landscape shape index ）：与斑块形状指数相似，只是将计算尺度从单个斑块上升到整个景观而已。其表达式如下， 其中，E为景观中所有斑块边界的

24、总长度，A为景观总面积 正方像元指数（square pixel index ）：周长与斑块面积比的另一种表达方式，即将其取值标准化为0与1之间。其表达式为： 其中，A为景观中斑块总面积，E为总周长 当景观中只有一个斑块且为正方形时，SQP=0，当景观中斑块形状越来越复杂或偏离正方形时，SQP增大，渐趋于1。显然，SQP于LSI之间有直接的数量关系，即：5.2.2 常用景观格局指数景观聚集度指数（contagion index ）：反映景观中不同斑块类型的非随机性或聚集程度，明确考虑斑块类型间的相邻关系，能够反映景观组分的空间配置特征 其一般数学表达式如下： 其中，Cmax是聚集度指数的最大值，

25、n是景观中斑块类型总数，Pij是斑块类型i与j相邻的概率。 通常，5.2.2 常用景观格局指数分维数（fractal dimension）：可直观理解为不规则几何形状的非整数维数，大多景观斑块均具有分形特征，表示斑块形状的复杂程度 对于单个斑块而言，其形状的复杂程度可以用分维数来量度。斑块分维数可以下式求得： 即： 其中，P是斑块的周长，A是斑块的面积，Fd是分维数，k是常数5.2 景观格局指数5.2.1 景观格局指数及其分类5.2.2 常用景观格局指数5.2.3 景观格局指数分析方法5.2.4 景观格局指数的局限性5.2.3 景观格局指数分析方法目前，随着遥感、GIS及计算机技术的发展，用来

26、分析与模拟景观空间格局的软件有很多，例如Spatial Scaling、LEAP II、FRAGSTATS、APACK、AI、RULE、SIMMAP、Patch Analyst等，各有所长根据不同的研究目的以及具体的数据类型，所选用的软件也不尽相同由Mladenoff 和DeZonia最早于1996年开发设计的快速计算景观格局指数的APACK软件，同其它景观格局指数计算软件相比，APACK具有明显的运算速度快的特点与优势，尤其在计算数据量较大的栅格数据图像的景观格局指数时，远远要比FRAGSTATS等软件的运算速度快得多，而且操作简单易行5.2.3 景观格局指数分析方法5.2 景观格局指数5.

27、2.1 景观格局指数及其分类5.2.2 常用景观格局指数5.2.3 景观格局指数分析方法5.2.4 景观格局指数的局限性5.2.4 景观格局指数的局限性由于是基于单纯的数理统计或拓扑计算公式，其本身所隐含的生态学含义并不可能进行编程计算得出，在揭示不同景观构成要素及其组合的结构形态特征时，其所阐述的生态学含义需要由研究者根据具体研究对象和内容，通过自身主观分析加以判断有些景观格局指数的生态学意义并不十分明确，甚至指数之间相互矛盾，随着计算机技术发展及3S技术的普遍应用，景观格局指数的数量也在不断增加，更多的、新的指数不断的推陈出新。但其中有较大一部分指数之间并不具备相互独立的统计特征，往往具有

28、很大的相关性因此，在实际的运用当中同时采用很多的景观格局指数并不一定会带来更多的“生态学”含义和“新” 的信息Chapter 5 景观生态学研究方法5.1 3S技术应用5.2 景观格局指数5.3 空间统计学5.4 景观模型5.3 空间统计学许多景观空间格局数据往往以类型图（如植被图、土壤图、土地利用和土地覆盖图等）来表示，即景观空间格局常是以空间非连续型变量来表示的。而在实际的景观空间中，很多异质性是连续分布的（如温度、湿度、海拔等）景观空间格局指数分析主要用于分析空间上非连续性的变量数据类型空间统计学方法则主要用于分析空间上连续性的数值数据类型空间统计学的目的是描述事物在空间上的分布特征（如

29、随机的、聚集的或有规则的），并确定空间自相关关系是否对这些格局有重要影响常见方法：空间自相关分析、趋势面分析、谱分析、半方差分析、Kriging空间差值等5.3 空间统计学5.3.1 空间自相关分析5.3.2 半方差分析5.3.3 其他空间分析方法5.3 空间统计学5.3.1 空间自相关分析5.3.2 半方差分析5.3.3 其他空间分析方法5.3.1 空间自相关分析空间自相关性：是指在空间上越靠近的事物或现象就越相似。景观空间格局的最大特征就是空间自相关性，景观特征或变量在邻近范围内的变化往往表现出对空间位置的依赖关系被称为地理学第一定律：时间上和空间上的相关性是自然界存在秩序、格局和多样性的

30、根本原因之一空间自相关分析的目的：确定某一变量是否在空间上相关，其相关程度如何，常用来定量描述事物在空间上的依赖关系含义：若某一变量的值随距离缩小而变得更相似，则其呈正相关；若其随距离缩小变得更为不同，则呈负相关；若表现不出任何空间依赖关系，则其不具相关性或具空间随机性步骤：取样计算空间自相关系数或建立自相关函数自相关显著性检验5.3 空间统计学5.3.1 空间自相关分析5.3.2 半方差分析5.3.3 其他空间分析方法5.3.2 半方差分析又称变异距或变异函数分析，是地统计学中的一个重要组成部分两种用途：一是描述和识别景观空间格局的空间结构；二是用于空间局部最优化差值，即Kriging空间差

31、值近年来，半方差分析已被广泛应用于景观生态学研究中，并常用来描述景观中植被、土壤养分、生物量分布及其他生态学特征的空间格局，并且检测和定量化这些格局出现的时空尺度5.3 空间统计学5.3.1 空间自相关分析5.3.2 半方差分析5.3.3 其他空间分析方法5.3.3 其他空间分析方法趋势面分析：用来研究区域尺度上空间结构的趋势和逐渐变化。常可用来区分区域尺度的空间格局与局部尺度的空间变异，去除空间数据中存在的趋势，或空间差值等聚块样方方差分析：又称巢式方差分析或等级方差分析，在生态学中应用已久，用来描述植物种群相互作用关系及空间格局谱分析：用来分析一维或二维空间数据中反复出现的斑块性格局及其尺

32、度特征。适于分析具有周期性结构的空间和时间数据5.3.3 其他空间分析方法小波分析：能够将时间上或空间上的格局与不同尺度以及具体时、空位置相联系的分析方法。景观分析中的新方法之一，应用较少空隙度分析：是一种多尺度、用来分析景观空间格局“质地”的方法。具有均匀间隙的同质景观其空隙度值较低，而具有许多大小差异显著间隙的异质景观的空隙度则较高尺度方差分析：空间等级分析方法。适于检测景观中的多尺度结构和等级结构特征，在生态学中应用较少Chapter 5 景观生态学研究方法5.1 3S技术应用5.2 景观格局指数5.3 空间统计学5.4 景观模型5.4 景观模型5.4.1 生态学模型概述5.4.2 景观

33、模型的主要类型及特征5.4.3 空间概率模型5.4.4 细胞自动机模型5.4.5 景观机制模型5.4.6 景观实验模型5.4 景观模型5.4.1 生态学模型概述5.4.2 景观模型的主要类型及特征5.4.3 空间概率模型5.4.4 细胞自动机模型5.4.5 景观机制模型5.4.6 景观实验模型5.4.1 生态学模型概述模型：对现实系统或现象的抽象或简化；具体而言，是对真实系统或现象最重要的组成单元及其相互关系的表述类型：可通过文字、图形、实物、数学方法来实现，文字或语言模型、图像模型、实物模型、数学模型等5.4.1 生态学模型概述生态学模型：一般属于数学模型数学模型作用：预测、增进理解、诊断现

34、有知识中漏洞或薄弱环节、综合的工具、支持管理与决策生态学模型种类：标准不同，种类繁多。解析模型与模拟模型、连续型与离散型模型、随机型模型与确定型模型、现象学模型和机制模型或过程模型等。其中，根据模型所涉及的生态学组织层次，则有生理生态模型、种群模型、群落模型、生态系统模型、景观模型以及全球模型等5.4 景观模型5.4.1 生态学模型概述5.4.2 景观模型的主要类型及特征5.4.3 空间概率模型5.4.4 细胞自动机模型5.4.5 景观机制模型5.4.6 景观实验模型5.4.2 景观模型的主要类型及特征根据处理空间异质性方式的不同，将景观模型分为非空间景观模型、准空间模型、空间显式模型三种非空间景观模型：完全不考虑研究区的空间异质性，或假定空间均质性或随机性准空间模型：半空间模型，考虑空间异质性的统计学特征空间显式模型：明确考虑研究对象和过程的空间位置及其在空间上的相互作用关系景观生态学研究重点在于揭示景观空间格局与生态学过程的相互作用，因此，空间景观模型是景观模型的典型代表常见的景观空间模型：空间概率模型、细胞自动机模型、动态机制模型等5.4 景观模型5.4.1 生态学模型概述5.4.2 景观模型的主要类型及特征5.4.3 空间概率模型5.4.4 细胞自动机模型5.4.5 景观机制