04景观格局分析方法(2)

空间自相关性的存在使得传统的统计学方法不宜用来研究景观的空间特征。因此，空间自相关性曾被认为是生态学分析的一大障碍。生态学中需要不受空间自相关性限制的统计学方法，空间统计学提供了这样一系列方法。空间统计学方法非常丰富，并且仍然在蓬勃发展。

空间自相关分析：检验某一空间变量的取值是否与相邻空间上该变量的取值大小相关，以及相关程度如何。

空间自相关系数：度量物理或生态学变量在空间上的分布特征及其对其邻域的影响程度。

若某一空间变量的值随着测定距离的缩小而变得更相似，则这一变量呈空间正相关；若所测值随距离的缩小而更为不同，则这一变量呈空间负相关；若表现出任何空间依赖关系，则这所测值不一变量表现出空间不相关性或空间随机性。

第五节 景观格局分析中的误差问题

1、景观格局分析中误差问题的简介

景观空间分析的最重要问题之一——误差问题一直未受到重视。 一些景观生态学家对迄今为止关于这一问题的研究如此之少，认识如此肤浅而深表担忧。 2、景观格局分析中误差的来源

1）原始数据收集过程引入的误差：技术方法本身和与观察者有关的种种原因造成。 2）数据处理和分类过程引入的误差：

3）空间分析过程本身所引入的误差：各种景观指数和空间统计学方法的局限性和非确定性；采用这些方法的人的实际操作水平和对结果的解译能力。

景观空间分析中的误差

这些不同阶段所产生的误差还可能相互作用，不断放大，即所谓的误差繁衍（error propagation）现象。

6

多层空间数据分析的精确度

3、景观格局分析中误差的影响和解决

在已发表的景观分析文献中，几乎找不到任何有关误差或准确性方面的报道。 景观分析中的误差分析十分重要，需要景观生态学家与遥感、地理信息系统以及统计学领域的研究者们携手合作，共同来解决。

7