郭恒亮, 刘如意, 赫晓慧, 乔宝晋, 田智慧



郑州市景观多样性的空间自相关格局分析

郭恒亮, 刘如意, 赫晓慧, 乔宝晋, 田智慧

郑州大学智慧城市研究院, 河南 郑州 450001

景观多样性的研究在土地管理与规划、生态景观评价和自然保护区建设等方面起着重要的指导作用。随着城市经济的快速发展, 城市景观多样性也同样发生着剧烈的变化。利用四期Landsat TM影像, 分析郑州市2000—2015年土地类型的时空变化, 并结合景观多样性指数和空间自相关构建方法, 在对景观多样性时空分布变化分析的基础上, 进一步对地理空间单元上景观多样性的空间自相关关系进行了深入探讨。研究结果表明: 研究区整体景观多样性增加, 景观破碎化加重; 城市边缘地带的变化符合初期地类转化强烈且景观多样性高值聚集, 随着时间推移最终下降的统一规律, 反映出人类活动与景观多样性分布密切相关; 研究区内区域经济带动性强, 导致研究区整体景观多样性单元之间关联性高, 尤其是郑州东部地区, 经济发展比较突出, 其高值聚集区显著性明显较高。该研究结果表明经济发展是引起城市景观多样性空间分布变化以及空间地理单元自相关强弱的主导因素。

景观多样性; 时空格局; 空间自相关; 郑州市

1 前言

改革开放以来, 我国大中型城市景观格局发生了巨大的变化, 城市迅猛扩展, 大量高储热人工建筑物等不透水面景观取代了城市行政范围内原本以植被为主的自然、半自然景观, 人地矛盾逐渐凸显。国内外学者已经对城市景观格局进行了大量研究[1-4]。景观异质性是指景观系统中景观要素类型、组合以及属性在时空中的变化, 而其外在的表现即是景观格局变化[5]。城市景观多样性变化的研究目的是为了分析其与城市发展的关系, 并最终揭示景观多样性变化的原因以及预测其未来的发展趋势。景观格局的研究中应用较多的是Landsat(TM和ETM+)、SPOT、QuickBird等卫星影像作为数据源。目前, 对景观格局未来变化趋势研究应用较多的方法是Markov、CA和CA-Markov等, 其中CA模型的优势在于其模拟复杂系统空间变化的能力, Markov模型具有定量化预测的优势, 而CA-Markov则同时具备了这两种模型的优点[6-10]。赵永华等在分析西安市市辖区景观格局数量等特征的基础上, 运用CA_Markov模型通过与景观专题结果对比, 表明模拟结果较为客观实际, 并预测了10年后的景观格局形势[1]。崔王平等分别从城市扩展模式、人为干扰强度、景观格局梯度等三个方面对重庆市主城区景观组分变化引起的生态效应进行了综合分析[11]。阳文锐对北京市景观格局的变化研究表明, 人口规模的增加、产业结构的调整、城市总体规划的实施以及城市发展政策的变化是北京市景观格局变化的主导因素[3]。然而, 景观格局的研究主要集中在景观格局变化模拟预测、生态环境效应、景观生态安全等方面, 而对于景观格局的空间关联性研究的文献相对较少[12-13]。景观格局是随着时间和空间的变化而变化的, 具有高度的空间关联性。因此, 对地理空间单元上的景观格局的空间关联性研究, 能更好地揭示其内在变化规律以及生态问题, 同时对城市内部资源整合、调整空间结构具有重要的理论指导意义。

空间自相关研究方法与GIS相结合, 可以更好地展示地理空间单元的自相关关系, 目前已经广泛地应用到土地利用[14-15]、人口分布[16-18]、经济发展[18-19]等方面, 本文将利用该方法分析景观多样性。本文将研究郑州市市辖区从2000年到2015年景观多样性的时空变化, 从单一景观指数、景观多样性入手, 对研究区进行地理空间格网划分, 在分析景观多样性空间分布变化的基础上, 进一步结合空间自相关分析方法对郑州市市辖区地理空间单元之间景观格局多样性的空间关联性进行深入分析, 并探讨引起景观格局空间变化的原因。

2 数据来源

郑州市介于34°16′—34°58′ N, 112°42′—114°14′ E之间, 作为河南省的省会, 现辖五市(巩义、新密、荥阳、登封、新郑)、一县(中牟县)和六区(金水区、惠济区、中原区、二七区、管城回族自治区和上街区), 总面积达7446.2 km2。本研究区域主要包括郑州市市辖区, 包括除上街区以外的五区以及近郊区范围, 所占面积1010.3 km2, 是河南省城市扩展时空变化最为剧烈的区域。2016年底, 郑州市主城区人口达到600万人, 并且已经进入国家中心城市建设行列, 经济的快速发展势必使得城市的景观多样性发生巨大的变化。研究区地理位置如图1所示:

本文所使用的遥感数据为2000年、2004年、2009年、2015年4个时相的TM影像(空间分辨率为30 m×30 m)。影像选取的标准是一年中影像质量最高的一期数据, 无云或少量云层覆盖, 4期数据的时间均为6月份左右。参考07年国家发布的土地分类标准, 结合本文的研究特点将土地类型分为7类, 包括农用地、林地、城市绿地、水域、建筑用地、道路与其他用地, 利用目视解译和随机采样的方法对分类精度进行验证, 总体精度均超过85%, kappa系数超过0.78, 分类精度达到使用要求。

3 研究方法

3.1 景观多样性指数

多样性指数是基于信息论基础之上, 对不同类型景观的丰富程度和复杂程度的反应。参考Shannon- Wiener指数[20], 景观多样性指数可以表示为:

图1 研究区区域概况

式中, SHDI为Shannon(香农)多样性指数,是景观类型所占的面积比例,为景观类型数目。对多样性公式深入分析发现, 同一幅度内, 多样性大小同时取决于两个因素: 景观类型的数目与景观类型面积组合的均匀度, 即在面积相同的两个幅度内, 若景观类型相同, 面积比率分布越均匀多样性越大, 若二者均匀度相同, 类型越多多样性越大, 所以相同幅度内多样性指数是景观丰富程度和组合复杂程度的综合体现。

3.2 全局空间自相关

全局空间自相关是对属性值在整个区域的空间特征的描述, 用来检验空间变量的取值是否与相邻空间上的改变量取值大小有关[21]。本文选择Moran’s指数用来研究景观多样性分布的空间自相关关系。该指数对连续多边形分布的地理现象比较敏感, 可用来分析地理要素的空间分布格局和背后成因[22-23]。Moran’s I计算公式如下:

式中,是空间单元总个数, (x-) 是第个空间单元上的观测值与均值的偏差,w是要素、的权重, 邻接取1, 否则为0。空间邻接采用rook’s标准, 即要求2个多边形至少有一条公共边。Moran’s取值范围为[-1,1], 越接近-1, 要素之间的差异越大并且分布越不集中, 而越接近1表示单元间的聚集程度越高, 性质越统一(高高聚集或低低聚集), 而越接近0则表示空间自相关性越不明显。为了检验空间自相关的显著性水平, 可用标准化统计量Z (I)为进行区分, 其计算公式为:

是Moran指数的理论期望,是理论期望。

3.3 局部空间自相关

空间关联局部指标(Local Indicators of Spatial Association, LISA), 即LocalMoran’s I用于描述某一空间单元的属性值与其邻接空间单元对应属性值的相关程度[24]。它是Anselin在空间自相关分析的理论基础上发展而来的, 是全局Moran’s的分解形式, 用来度量空间单元与其周边单元之间的空间差异性及显著性程度[25]。局部空间自相关可以找出高值聚集区即热点, 也可以发现低值聚集区即冷点, 具体数学公式如下:

其中各参数含义同公式(2)。

区域Moran’s检验的标准化统计为:

4 结果与分析

4.1 研究区景观多样性时空分布变化分析

根据TM影像把土地类型分为7类, 包括农用地、林地、城市绿地、水域、建筑用地、道路与其他用地, 图2显示了2000—2015年共四期土地类型分布情况, 结果表明郑州市区15年来土地类型发生了巨大的变化。从图中明显看出建设用地快速扩张, 表明了城市处于快速的发展状态。西南和西北方向的林地面积不断增加, 然而城市的建设用地不断侵占农用地, 导致农用地快速减少, 到2015年农用地几乎被城市建筑用地和绿地所占据。水域面积同样不断的减少, 同样被建设用地逐渐侵占。由此可见, 城市的快速发展给城市的景观带来了巨大的变化。

根据岳文泽、徐建华等对于景观多样性尺度的研究[26-27], 其将网格划分为0.5 km, 1 km和2 km, 结果表明对于600多平方公里的区域1 km的网格较为适合, 由于本研究区面积达到1010.3 km2, 因此, 对研究区分别从1 km到2 km每隔0.1 km划分网格, 通过结果对比并结合研究区的实际情况, 本文将景观单元尺度定为长1.8 km的正方形网格, 研究区共涉及371个网格单元。结合ArcGIS和Fragstats 4.2软件, 分割栅格并分别计算对应网格单元的香农多样性指数值, 得到2000, 2004, 2009和2015四个年份的香农多样性指数, 即图3。为了获取不同年份之间的变化, 即年际变化, 对四期数据进行差值运算, 得到不同年份的景观多样性差值图, 即2000—2004, 2004—2009, 2009—2015以及2000—2015四个时段香农多样性指数的变化情况, 即图4, 该结果能反映出景观多样性空间变化的差异程度。

图2 2000—2015年土地类型变化情况

图3 景观多样性空间分布图谱

图4 不同年份之间的景观多样性差值图

景观多样性指数是景观丰富程度和组合复杂程度的综合体现, 其分布变化与距主城区的距离具有显著的关系。图3中多样性指数的分布变化均呈现主城区低, 边缘区较高, 并且随着距离的增加又降低的统一规律。景观多样性的高值区均统一分布在城市边缘地带, 并且随着城市边缘的推移而推移。这一现象从定量上验证了城乡边缘地带土地利用活跃, 景观异质性高, 结构复杂这一相关结论, 与前人的研究成果一致[28-29]。

统计的结果表明地理空间单元景观多样性平均值2000年为0.858, 2004年为0.974, 2009年为1.096, 到2015年为1.159。随着时间的推移, 整体景观多样性平均值表现出逐渐增加的趋势。分析土地利用类型的时间变化, 发现由于城市的快速发展, 农业用地被大量的占用, 逐渐改变成城市的建设用地或者绿地等, 这表明2000年时处于主导优势地位的农用地逐渐被多种城市景观类型所代替, 这是导致整个研究时段内景观多样性整体上呈现增加趋势的主要原因, 表明了城市在近些年得到了快速的发展, 并且也在一定程度上表明了研究区范围内景观类型复杂度增加, 景观破碎化加重。

如图4所示, 在景观多样性差值图中, 2000—2004年地理空间网格单元多样性属性值小于0.4的比重为80.5%, 2004—2009年为80%, 2009—2015年为82.7%。这表明大部分空间单元网格在相邻研究时段景观多样性指数的变化并不显著, 景观格局相对稳定。2000—2004年, 主城区内部景观多样性略有下降, 仅有少量地理空间单元景观指数有大幅增加或减少的现象, 如郑州西北部和东南部的部分地区。这两个区域景观多样性值明显较高, 主要原因在于两者分别位于高新技术开发区与经济技术开发区的规划之内, 土地开发强烈, 导致土地类型丰富多样。2004到2009年, 差值为负的区域分布在2004年主城区的边缘地带, 很可能的原因是2004年的边缘地带到2009年变为建成区, 地类转化变弱, 类型降低并逐渐趋于稳定, 最终引起景观多样性的降低。2009—2015年, 景观多样性变化较大, 主要表现在2009年的大部分主城区的景观多样性差值为负, 对照2009年的土地利用分类图, 可以看出, 降低的区域与2009年的主城区大小较为吻合, 并且2009年的城市边缘地带景观多样性也出现下降, 尤其是郑州东南部, 景观指数降幅最大。

从图3和图4边缘地带景观多样性的变化可以发现, 相邻时段初始年份的边缘地带具有较高的景观多样性, 原因在于初始开发过程中景观类型是逐渐升高的, 自然、半自然景观类型与人类建筑活动带来的城市景观类型混合在一起, 短时间引起城市边缘地带地类类型增高, 而随着时间的推移, 城市类型景观逐渐成为优势景观, 并最终蚕食自然、半自然景观类型, 使得初始年份的边缘地带完全沦为单一的城市景观类型, 最终导致景观异质性大幅下降。

4.2 研究区景观多样性全局空间自相关分析

利用ArcGIS空间统计的空间自相关工具, 分别将各个年份的景观多样性分布矢量图的香农多样性值作为输入观测变量, 空间关系的概念化与rook’s标准统一, 经过汇总得到各个年份的景观多样性全局空间自相关显著性检验表, 见表1。

在值小于0.001可以拒绝零假设的前提下, 各个年份的景观多样性全局Moran’s结果均大于零, 表明整个研究区各个年份景观多样性的空间分布整体上表现出非常显著的聚集性, 区域之间经济发展协同关联性强。从各个年份的Moran值大小可以发现, 从2000到2009年, 研究区的Moran值呈减小趋势, 区域之间经济发展关联性减弱, 而到了2015年, 全局自相关性又开始上升。出现这种现象的很可能的原因是, 2000—2009年郑州市高新技术开发区、经济技术开发区以及郑东新区作为郑州市的核心重点发展区域, 这些区域的城市扩展迅猛, 并且部分区域呈跳跃式发展, 然而区域的连通性较差, 造成空间地理单元之间的一致性较低, 而2009年以后, 在重点区域的经济带动下, 城市扩展形式向内部填充式发展, 使得新建成的空间结构趋于一致, 从而带动了整体景观多样性的增加。总的来看, 郑州市辖区较强的经济带动性是造成整体景观多样性关联度较高的主要原因。

表1 各个年份景观多样性空间自相关显著性检验表

4.3 研究区景观多样性局部空间自相关分析

虽然全局Moran指数能够反映出空间聚集特征, 但是其难以表述聚集状态是高高聚集(HH)还是低低聚集(LL)。确定空间权重矩阵之后, 基于香农多样性矢量数据在OpenGeoDa中绘制Moran散点图, 结果如图5。横轴为景观多样性指数, 纵轴为景观多样性指数滞后, 即相邻单位的景观多样性指数; 斜率表示两者的相关性大小, 值与表1中全局Moran’s结果对应。四个象限分别对应局部存在的4种关联形式。

HH象限(或LL象限)表示某景观尺度单元的景观多样性指数和周边景观多样性指数存在空间正相关关系, 二者空间数值差异较小, 都呈现较高(或较低)的状态; HL象限(或LH象限)表示相邻景观单元呈空间负相关关系, 二者数值大小存在较大差异, 呈现一边高一边低的现象。图5中四个年份的Moran散点图的分布规律较为一致, 即绝大多数点落在第一、三象限, 而落入二、四象限的点数较少, 表明研究区景观多样性指数主要呈明显的高值区聚集分布和低值区聚集分布的情况, 只有少量的异常值区域。

然而, Moran散点图虽然指出了局部景观单元之间的聚集和分散状态, 但是无法得出具体的空间位置信息以及相关性显著性水平大小。因此, 需要对局部Moran’s统计量值进行判断, 利用OpenGeoDa软件绘制研究区景观多样性指数在显著性水平<0.05时的空间关联(图6)与显著性分布图(图7), 该方法既能表现出景观单元之间的聚集和分散状态, 又能表现出其具体的空间位置。

图6和图7直观反映了研究区景观多样性指数的局部空间聚集和异常特征发生的具体位置。如图6所示, 从整体分布特征来看, 大部分地区空间相关性并不显著, 显著性较高的区域主要为高高聚集状态。2000年, 高高聚集主要集中在郑州东部, 该地区水域分布较广, 地类丰富均匀, 另外, 低低聚集出现在西部边缘地带, 该区域主要以农用地为主, 其他地类稀少; 2004年, 高高聚集区转移到了郑州北部, 底底聚集区主要集中在郑州的西部。随着城市的进一步扩展, 2009年的高高聚集逐渐向外围移动, 并且高高聚集区域主要集中于龙湖附近, 低低聚集区域更加分散, 异常值也较少; 到了2015年, 城市扩展, 尖岗水库附近自然景观和非自然景观聚集形成了新的高高聚集区, 高高聚集区主要集中在郑州的东部和西南部, 而郑东区域的高高聚集区进一步向城市边缘地带移动。低低聚集区比较明显的地区出现在郑州南部靠近城市中心的位置, 该地区相对其他景观单元, 地物类型较少, 主要是道路和建筑用地, 其他地物较少, 表明该区域还处在建设期, 相对发展较慢。

图5 研究区2000—2015年景观多样性指数Moran散点图

通过多样性的空间关联与显著性分布图(图6和图7)可以看出, 景观多样性高值区聚集且显著性较高的区域主要聚集在郑东新区, 与郑州市区域经济向东发展的主导方向相一致。2000年以来, 被列为河南省加快城市化进程的重点区域, 经过十几年的发展, 郑东新区经济发展突飞猛进, 区域经济发展水平普遍较高。郑东新区的建成区面积累计达到120余平方公里, 累计完成固定资产投资超过1800亿元; 在建和建成房屋面积累计突破3800万平方米, 入住人口达到120万人。郑东新区区域经济极强的带动性是引起景观多样性高值区聚集且显著性较高的主要原因。

图6 2000—2015年空间关联性分布图

图7 2005—2015年空间显著性分布图

5 结论

本文利用景观格局多样性指数和空间自相关分析方法, 对郑州市市辖区地理空间单元属性值——景观多样性近些年的变化进行了细致研究。通过景观多样性时空变化发现, 城市边缘地带初期土地开发活跃, 非农产业和建设活动导致区域地类丰富, 引起景观多样性高值区聚集分布。然而随着时间推移, 城市景观发展成主导优势地类, 景观多样性随着类型数量的降低而降低。同时, 整个研究时段始末的景观多样性差值整体呈增加趋势, 城市景观类型丰富, 结构复杂程度变大, 破碎化加重。相邻年份间景观多样性单元大小的差值变化并不大, 靠近主城区或者城市边缘地带略微减少, 而其他外围区域略有上升。

空间自相关分析的结果表明, 全局景观单元之间具有较高的空间关联性, 主要表现为高值区聚集和低值区聚集两种状态, 体现了研究区区域经济发展具有明显的方向性和带动性特征。通过对局部分析进行详细的分析, 结果表明, 郑州东部地区经济发展最为活跃, 近些年郑东新区的快速发展, 使得该区域经济发展的周边带动性最强, 显著性最高。总的来看, 城市经济的快速发展是造成区域内景观多样性一致性较高的主要原因。

本文对于城市景观多样性的研究主要基于一种尺度研究, 并没有考虑多尺度下景观格局的一致性问题, 因此, 需要在今后的研究工作中进一步丰富完善, 景观变化是社会经济和政策因素驱动下的外部显化特征, 对其的研究还需要综合考虑自然、社会、制度等多种因素的影响, 以致于更加准确地揭示导致景观格局变化的驱动力和影响机制。

[1] 赵永华, 贾夏, 刘建朝, 等. 基于多源遥感数据的景观格局及预测研究[J]. 生态学报, 2013, 33(8): 2556–2564.

[2] 白杨, 孟浩, 王敏, 等. 上海市城市热岛景观格局演变特征研究[J]. 环境科学与技术, 2013, 36(3): 196–201.

[3] 阳文锐. 北京城市景观格局时空变化及驱动力[J]. 生态学报, 2015, 35(13): 4357–4366.

[4] 马勇刚, 塔西甫拉提.特依拜, 黄粤, 等. 城市景观格局变化对城市热岛效应的影响——以乌鲁木齐市为例[J]. 干旱区研究, 2006, 23(1): 172–176.

[5] TURNER M G. Landscape ecology: what is the state of the science? [J]. Annual Review of Ecology, Evolution and Systematics, 2005, 36 (1): 319–344.

[6] 熊利亚, 常斌, 周相广. 基于地理元胞自动机的土地利用变化研究[J].资源科学, 2005, 27(4): 38–43.

[7] 黎夏, 刘小平. 基于案例推理的元胞自动机及大区域城市演变模拟[J].地理学报, 2007, 62(10): 1097–1109

[8] PONTIUS R G Jr, SHUSAS E, MCEACHERN M. Detecting important categorical land changes while accounting for persistence [J]. Agriculture, Ecosystems and Environment, 2004, 101(2/3): 251–268.

[9] TURNER M G. Spatial simulation of landscape changes in Georgia: a comparison of three transition models [J]. Landscape Ecology, 1987, 1(1): 29–36.

[10] WOOD E C, LEWIS J E, TAPPAN G G, et al. The Development of a Land Cover Change Model for Southern Senegal. Sioux Falls: Land Use Modeling Workshop, EROS Data Center, 1997: 5–6.

[11] 崔王平, 李阳兵, 李睿康, 等.基于梯度分析的重庆市主城区城市扩展的景观生态效应[J]. 生态学杂志, 2017, 36(1): 205–215.

[12] 李莹莹, 黄成林, 张玉. 快速城市化背景下上海绿色空间景观格局梯度及其多样性时空动态特征分析[J]. 生态环境学报, 2016, 25(7): 1115–1124.

[13] 荆玉平, 张树文, 李颖. 城乡交错带景观格局及多样性空间结构特征——以长春净月开发区为例[J]. 资源科学, 2007, 29(5): 43–49.

[14] 韦仕川, 熊昌盛, 栾乔林, 等. 基于耕地质量指数局部空间自相关的耕地保护分区[J]. 农业工程学报, 2014, 30(18): 249–256.

[15] 李慧, 王云鹏, 李岩, 等. 珠江三角洲土地利用变化空间自相关分析[J]. 生态环境学报, 2011, 20(12): 1879–1885.

[16] 于文丽, 蒲英霞, 陈刚, 等. 基于空间自相关的中国省际人口迁移模式与机制分析[J]. 地理与地理信息科学, 2012, 28(2): 44–49.

[17] 张旭, 朱欣焰, 鲍曙明. 中国人口生育率的时空演变与空间差异研究[J]. 武汉大学学报(信息科学版), 2012, 37(5): 516–519.

[18] 王少剑, 王洋, 赵亚博. 广东省区域经济差异的多尺度与多机制研究[J]. 地理科学, 2014, 34(10): 1184–1192.

[19] 向延平. 旅游发展与经济增长空间自相关分析——基于武陵山区的经验数据[J]. 经济地理, 2012, 32(8): 172–175.

[20] WU J. Landscape ecology: pattern, process, scale and hierarchy [M]. Beijing: Higher Education Press, 2000.

[21] 孟斌, 王劲峰, 张文忠, 等. 基于空间分析方法的中国区域差异研究[J]. 地理科学, 2005, 25(4): 393–400.

[22] 焦利民, 刘耀林, 刘艳芳. 区域城镇基准地价水平的空间自相关格局分析[J]. 武汉大学学报(信息科学版), 2009, 34(7): 873–877.

[23] 马晓冬, 马荣华, 徐建刚. 基于ESDA-GIS的城镇群体空间结构. 地理学报, 2004, 59(6): 1048–1057.

[24] ANSELIN L. Local indicators of spatial association— LISA[J]. Geographical analysis, 1995, 27(2): 93–115.

[25] TURNER, M G, GARDNER R H. Quantitative methods in landscape ecology[M]. New York, NY: Springer Verlag, 1991.

[26] 岳文泽, 徐建华, 谈文琦, 等. 城市景观多样性的空间尺度分析——以上海市外环线以内区域为例[J]. 生态学报, 2005, 25(1): 122–128.

[27] 徐建华, 岳文泽, 谈文琦. 城市景观格局尺度效应的空间统计规律——以上海中心城区为例[J]. 地理学报, 2004, 59(6): 1058–1067.

[28] 陈佑启. 北京城乡交错带土地利用问题与对策研究[J]. 经济地理, 1996, 4: 46–50.

[29] 李世峰, 白人朴. 城乡结合部土地利用问题的战略性思考[J]. 农业现代化研究, 2003, 24(4): 248–251.

Analysis of spatial autocorrelation of landscape diversity Pattern in Zhengzhou City

GUO Hengliang, LIU Ruyi, HE Xiaohui, QIAO Baojin, TIAN Zhihui

The Smart City Institute of Zhengzhou, Zhengzhou University, Zhengzhou, 450001, China

The study of landscape diversity has an important guiding function on land management and planning, ecology landscape evaluation and natural reserve construction. Landscape diversity of city has a dramatic change with quickly economic development. This paper used four Landsat TM images to analyze the spatial and temporal change of land use and land cover from 2000 to 2015, combing with the method of landscape diversity index and spatial autocorrelation, and the spatial and temporal distribution of landscape diversity, to analyze spatial autocorrelation of landscape diversity in spatial geographical units. The results showed that landscape diversity from 2000-2015 had increased in the whole period, indicating that patch fragmentation was aggravating. The rural-urban fringe presented a uniform law that land use changes were very strong and landscape diversity appeared with high values in the early time, and then the values eventually declined as time goes by. This law reflected that human activity was closely related to landscape diversity distribution. Meanwhile, due to the strong impact of regional economy, the relationships among the landscape units were strong. Particularly, the quickly economic development in the eastern region of Zhengzhou caused high-high aggregation distributions with high significance. The results indicated that economic development was the dominant factor to cause spatial distribution changes of landscape diversity and the intensity of autocorrelation in spatial geographical units.

landscape diversity pattern; spatial and temporal pattern; spatial autocorrelation; Zhengzhou city

10.14108/j.cnki.1008-8873.2018.05.021

TP79

A

1008-8873(2018)05-157-08

2017-08-24;

2018-01-030

河南省科技攻关计划项目(152102210044, 162102310192)

郭恒亮(1971—), 男, 河南商丘人, 副教授, 主要从事水利遥感与智慧城市, E-mail: guohengliang@zzu.edu.cn

通信作者:赫晓慧(1978—), 女, 河南商丘人, 副教授, 博士, 主要从事水利遥感、地理信息及水生态方面的研究, E-mail: hexh@zzu.edu.cn

郭恒亮, 刘如意, 赫晓慧, 等. 郑州市景观多样性的空间自相关格局分析[J]. 生态科学, 2018, 37(5): 157-164.

GUO Hengliang, LIU Ruyi, HE Xiaohui, et al. Analysis of spatial autocorrelation of landscape diversity Pattern in Zhengzhou City[J]. Ecological Science, 2018, 37(5): 157-164.