《fragstats4.2基本教程》由会员分享，可在线阅读，更多相关《fragstats4.2基本教程（9页珍藏版）》请在金锄头文库上搜索。
1、Fragstats 4.2 简易教程一、使用说明1.数据格式Fragstats能够支持多种数据格式，但4.2 以及后续版本将使用Geo TIFF grid作为主要的数据格式（图1）。图 12. 数据命名以及存放路径导入数据的名称和路径不能包含汉字和空格，且存放于二级目录，例如：D:1231987.tif3. 背景问题背景值默认设置为999，但你完全可以在理解其意义的前提下依照自己喜好进行调整。简单来说，背景即你分析过程中想要自动忽略的某种地表类型由于资料缺乏而无法归类、 或者你单纯想将其作为背景值处理的地表类型。值得注意的是，当设定为正值时，背景像元值被视作目标景观内部值； 当设定为负值时，背
2、景像元被视作目标景观外部值。 内部背景作为目标景观的一部分不仅会为整个景观面积作出贡献， 并且会因此而改变许多指数值；外部背景不会被视作目标景观的一部分， 只会对影像边缘的连接性产生影响。在景观计算中， 需要注意背景的影响。这是景观指数误差中很大的一部分。比如说，我们拿到的遥感图像，校正好后，边界裁剪后，一般不是规则的矩形。在边边角角存在没有信息的像元。图像分类后，没有信息的像元也是作为分类的一种的。因此，需要对其进行去除。这个操作可以在Arcgis 下操作。4. 下载地址http:/www.umass.edu/landeco/research/fragstats/downloads/frag
3、stats_d ownloads.html二、操作步骤2.1 打开 Fragstats首先，从开始菜单或双击桌面图标打开Fragstats 。如果你的电脑上已安装10.0 及以下版本的 ArcGIS，那么 Fragstats打开时将有明显延迟（有时长达30s），这是由于 Fragstats在验证 ArcGIS 的使用许可（ license ）。请务必保持耐心（图 2）。图 22.2 新建模型接下来你需要创建一个Fragstats模型用于对斑块的景观结构进行分析。一个 Fragstats 模型简单来说就是为 Fragstats 进行了全副参数化，即为其配备了分析所需的全部参数。点击工具条上的 N
4、ew按钮或从 File 的下拉菜单中选择 New 选项，即可创建一个空白模型（图 3）。图 32.3 导入数据接下来需要输入一个数据进行分析。具体操作为：点击Add a layer，打开如下（图 4）输入数据对话框。导入数据后软件会从其头文件中自动读取行列数及栅格大小，之后这些参数在对话框中就会变为灰色，无法更改。唯一可以更改、也需要多加留意的是背景值。图 4说明： Row/column count ：行 / 列值计数， Background value ：背景值， Cell size ：输入像元长度（米） ， Band ：选取分析波段，用于多波段数据源2.4 设置分析参数点击用户界面左侧选框
5、的 Analysis Parameters按钮。在这里你可以选择使用 4 邻域或 8 邻域的邻域法则， 本教程采用默认的 8 邻域法及 No sampling(不采样 )设置。在 No Sampling 选项下勾选 Patch, Class, Landscape三种指数。请注意三种指数至少勾选其一， 同时注意只需勾选你想要计算的指数类型即可， 多勾选或者不勾选，软件将会报错。此外，在 No sampling 下面还有一个生成斑块 ID 号的附加选框（ Generate Patch ID File）。如果勾选这一选框， Fragstats就会为每一个栅格分配一个 ID 号。即 1 号斑块内的所有
6、栅格的 ID 值都为 1, 2 号斑块内的所有栅格的 ID 值都为 2，以此类推。必须勾选相关选项，最后运行时才会进行运算图 52.5 景观指数选择指数一共有三个级别， path 、class 、landscape 。不同级别对应不同的指数，对应着不同的生态学意义。 所以选择指数的时候， 一定要清楚所选择的指数对应的级别。首先，在用户界面的右上方选框内勾选斑块级别的景观指数。 点击 Patch metrics 并勾选不同指标下的景观指数。你可以按照需要选择某些指数，或者直接选择 “selectall ”可。注意：如果在聚集度（亦 Aggregation）指标下选择了邻近系数（ proximit
7、y index ）或相似系数 (similarity index), 那么你还需要为其指定搜索半径 计算这两个指标需要搜索半径。 计算相似系数还需要指定相似性权重表（见图 6）。点击 可以指定需要的搜索半径，如： 1000.00。图 6接下来，点击 Class metrics可以选择类型级别下不同指标内的景观指数。与上述方法相同，你可以按照需要选择某些指数，或者直接选择“select all亦可”。注意，在面积 -边缘（ Area-Edge）指标下，如果你勾选了总边缘长度 (Total Edge) 或边缘密度 (Edge density)这两个指数，那么你需要对如何处理每种背景或边界细加考虑。
8、缺省情况下， 背景不作为真实边缘， 但你也可以选择把所有背景都作为边缘，或把某部分背景作为边缘。点击 即可对缺省值进行修改。注意：由于（本文）输入的景观自带包界，且不包含任何背景，因此这个问题不会出现。同样的，如果在聚集度指标（Aggregation）下勾选了连通系数 （connectance index），那么你还需要对什么是 “连通 ”设定一个阈值。点击 即可设定阈值，单位为米，如： 500。（见图 7）图 7最后，点击 Landscape metrics可以选择景观级别下不同指标内的景观指数。与上述方法相同，你可以按照需要选择某些指数， 或者直接选择 “select all亦可”。注意：
9、在多样性指标下如果选择了相对拼块多度(Relative Path Richness）,那么你还需要给定最大地表分类数（或斑块类型数）。点击 即可给定该值，例如本例中设定为 6。（见图 8）图 82.6 保存模型接下来你可能需要将此设置好的模型进行保存，备作以后使用。一般来说对现有的文件进行修改会比从零开始设置要容易得多。 记得在设置参数的过程中时不时地点击 Save 或 Save as 对模型进行保存。2.7 运行模型接下来要做的就是运行模型。直接点击Run 按钮，或从“ Analysis ”的下拉菜单里就可以打开运行窗口。运行窗口里面包含分析类型（本例中选择的是 No sampling ）以
10、及斑块、类型及景观各个级别内勾选的指数数目。 如果这些信息无误，那么点击 Proceed 按钮就可启动运行，否则点击 Cancel 再对模型设置进行调整。在本例中，一共有 75 个斑块级别指数、 109 个类型级别指数以及 116 个景观级别指数参与了计算，这是因为我全选了所有级别的指数（见图9）。图 92.8 查看结果注意到用户界面右下角的运行日志（Activity log）。如果计算顺利，那么你可以在日志中看到计算停止时间，以及整体所用时间。点击右上角的 Results 按钮就可以在斑块、 类型和景观级别下分别查看对应的景观格局指数（见图 10）。图 102.9 保存结果选择“ save run as ”则将表格保存为 fragstats的专有格式（见图11）。*.patch ：保存 patch 表格信息*.class：保存 class 表格信息*.land ：保存 landscape 表格信息*.adj ：保存数据源信息图 112.10在 excel 中打开表格在 excel 中选打开文件，文件类型选“所有文件” 。打开后进入导入数据向导窗口（见下图）。
