本文通過(guò)選取的耕地斑塊密度指數、耕地分離度指數及耕地景觀(guān)空間分離度指數?;?020年土地利用30 m柵格,以1 km格網(wǎng)為研究范圍,借助自主研發(fā)的耕地景觀(guān)指數計算軟件逐個(gè)格網(wǎng)計算覆蓋全國區域的1 km格網(wǎng)耕地破碎度。主要流程包括:選取景觀(guān)指數指標、獲取耕地斑塊范圍、公里格網(wǎng)耕地破碎度計算及產(chǎn)品質(zhì)檢4部分(見(jiàn)圖1)。
圖1
?
數據集生產(chǎn)技術(shù)流程 (1)選取景觀(guān)指數指標
景觀(guān)程度能在一定程度上表征耕地破碎化特征,本研究借鑒耕地破碎度已有成果,從面積類(lèi)指標中選取耕地斑塊密度(PD)、從空間布局類(lèi)指標中選取耕地分離度指數(SPLIT)和耕地景觀(guān)空間分離度指數(DIVISION)對全國尺度耕地破碎度進(jìn)行評價(jià)研究。
①耕地斑塊密度指數(PD)
耕地斑塊密度是某用地類(lèi)型單位土地面積上的地塊數量,除以地塊總面積。該指標是土地面積破碎的具體量化,不僅可以用于同類(lèi)土地,也可以用于不同類(lèi)型土地破碎化程度的比較。其值越大,表明破碎化程度越高。
\(PD=n/A\) (1)
式中:n為研究單元內耕地斑塊總數,A為研究單元內耕地總面積。
②耕地分離度指數(SPLIT)
本項目利用耕地分離度指數這一景觀(guān)指數量化全國耕地破碎度。當景觀(guān)由一個(gè)斑塊組成時(shí),分離度指數為1,隨著(zhù)景觀(guān)細分為更小的斑塊而增加,用于說(shuō)明耕地景觀(guān)空間結構的復雜性,從數量和面積兩個(gè)層面進(jìn)行逐圖斑計算。
\(SPLIT=\frac{{A}^{2}}{{\sum }_{i=1}^{n}{a}_{i}^{2}}\) (2)
式中:\({a}_{i}\)表示耕地斑塊i的面積,A為區域內耕地總面積。
③耕地景觀(guān)空間分離度指數(DIVISION)
耕地分離度指數突出耕地斑塊整體的分散程度,而耕地景觀(guān)空間分離度指數指耕地中不同斑塊個(gè)體分布的分離度,其值介于0到1之間,0代表完全沒(méi)有破碎,而1代表完全破碎。
\(DIVISION=1-{\sum }_{i=0}^{n}{\left(\frac{{a}_{i}}{A}\right)}^{2}\) (3)
式中:\({a}_{i}\)為耕地類(lèi)型中斑塊i的面積,A為研究單元內耕地面積。
(2)獲取耕地斑塊參數
全國范圍內,以1 km×1 km柵格大小為單元開(kāi)辟研究柵格區,本文利用Java編程語(yǔ)言及開(kāi)源的柵格數據GDAL(Geospatial Data Abstraction Library)接口,開(kāi)發(fā)了公里格網(wǎng)耕地景觀(guān)指數計算軟件。在計算耕地景觀(guān)指數時(shí),需要在柵格圖像中識別出耕地斑塊,一個(gè)耕地斑塊實(shí)際是由多個(gè)屬性相同且相鄰的柵格單元組成,本文按四鄰域方法確定像元的鄰接關(guān)系,確定耕地斑塊范圍(見(jiàn)圖2)。首先,按照標準公里格網(wǎng)框架范圍生成1 km×1 km柵格底圖,初始值域填充為0。按上述格網(wǎng)范圍逐個(gè)遍歷1 km格網(wǎng)對應的30 m土地利用柵格數據,篩選耕地地類(lèi),記錄耕地地類(lèi)編碼柵格的索引,存儲在列表中。接著(zhù)遍歷索引列表,若索引列表中包含鄰接上下左右鄰域柵格的索引值,則標記該索引值,繼續判斷索引列表中是否包含該索引值的四鄰域的索引,若包括則加入索引列表,對以上操作進(jìn)行遞歸,進(jìn)而獲取耕地斑塊參數信息。
(3)公里格網(wǎng)耕地破碎度計算
公里格網(wǎng)耕地破碎度計算的基本步驟是提取耕地斑塊的基本信息作為參數,再將其代入公式計算特定的景觀(guān)指數。根據已標記過(guò)斑塊標識序號的圖像,將斑塊索引及對應柵格像元數量存儲于字典中。然后遍歷字典,獲取每個(gè)斑塊包含的柵格像元數量,計算斑塊面積,將斑塊索引、面積、包含柵格像元個(gè)數存放到斑塊對象中,將斑塊對象存放于斑塊對象集合中。依據此斑塊對象集合,代入三類(lèi)景觀(guān)指數計算公式,在對象集合中取出公式所需的值進(jìn)行計算,最后得出此公里格網(wǎng)的破碎度柵格值。
(4)產(chǎn)品質(zhì)檢
借助Fragstats 4.2軟件同步計算以上三種景觀(guān)指數的耕地破碎度,通過(guò)對比分析兩種軟件計算出的柵格值檢驗1 km格網(wǎng)耕地破碎度的正確性。