生物群聚指標

生物群聚指標顧名思義就是"可用來說明生物群聚狀況的數學公式"，包含了歧異度(diversity)、均勻度(Evenness)、豐富度(Richness)、優勢度(dominance)、種數、隻數...等等。

生態學家通常以豐富度和均勻度兩個指標，來表達某群聚中物種種類的多寡，以及各物種的數量是否均勻分布，由此評斷某地區的生物多樣性。後來也發展了許多的物種多樣性指數，例如歧異度(Diversity;Variety;也叫多樣性)意指變異的程度，種數高、數量又平均的話，歧異度就高。有點像是豐富度和均勻度加起來的效果。雖然得到了一個簡化的數字，但這個數字並不能夠清楚解釋生物的多樣性(李培芬、葛兆年，2003，林業研究專訊第十卷第四期)。

優勢度則是看某種鳥類所佔的比例是高是低。
豐富度在英文上有兩種意思：Richness 和Abundance。Richness指的是一個環境中物種的數量(有幾種物種)，Abundance則是一個物種，個體的數量。Abundance比較不能夠看出生物多樣性的好壞。

除了以上比較常見的指標之外，研究還可以依研究目的不同，訂不同的指標。如研究目的想了解候鳥種類在樣區中所佔總鳥種比例時，指標就可以為"候鳥比例"；或是想了解不同大小樣區中的物種密度，指標就可以為"相對平均密度"。

所以並不是列出越多的指標去分析就是好的，重要的是它的意義!

我的研究目的是"探討季節如何影響景觀結構與鳥類群聚之關係"，優勢度在本研究中是沒有意義的，於是我考慮均勻度、豐富度和歧異度。在均勻度上，或許季節的不同豐度變化較少，但有可能會影響各物種數量的均勻度，歧異度可能看不出來均勻度和豐富度的不同，所以最後我選擇研究的生物群聚指標為豐富度和均勻度。

又綺專討,論文,ISSRM第一章

第一節 研究緣起

現今普遍的都市化現象，使得人們對於環境、生態和身心健康都有重大的疑慮，並開始著重於綠化的相關研究及設計規劃。在生態的議題上，生物多樣性(biodiversity)一直以來都是環境工作者努力的目標。為了增加都市內的生物多樣性，相關研究探討在都市中景觀結構與物種多樣性指標之間的相關性，且多以鳥類作為指標物種(Blake, 1987; Hostetler & Holling, 2000; Hostetler & Knowles-Yanez, 2003; Clergeau et al., 2001)。研究結果則供作都市綠化方向的選擇。
此類研究通常利用土地使用分區(land-use)、綠地面積(green area)、植物型態(plant types)及植物種類(plant species)等變項與物種多樣性指標做相關性分析，或以土地利用型態(LCTs)將景觀結構加以分類，計算景觀結構指數(landscape structure metrics)後與物種多樣性指標進行分析。但鮮少以植物生理週期，討論植物四季的花期(flowering)、著果期(fruiting)、休眠(dormancy)及抽梢(shooting)…等型態對於鳥類分布的影響。
在景觀設計規劃的實作上，除了增加綠地面積、連接度外，設計者常會於公園內種植大量的誘鳥植物(bird-attracting plants)，希望藉由食物吸引鳥類前來，提供民眾與自然生物接觸的機會並也希望提高物種的多樣性。鳥類使用植栽的理由不僅僅只有食物來源，尚有躲避處所-密度高的灌叢，及築巢原料和環境-草桿、枯枝。因此，本研究希望可以以兩種不同的景觀結構分類，分析出誘鳥植物對於鳥類的影響，並以四季的景觀結構討論鳥類的分布情形。
另外，研究發現在一般的景觀生態研究中缺乏適當尺度的考量，尤其眾多研究者著重於粒度與幅度等空間尺度的選擇，而忽略了其它非空間尺度(McGarigal & Cushman, 2005)，遂時間尺度(temporal scale)也是本研究的尺度考量因子之一。(←這邊寫出來了，卻不曉得要考量甚麼...)



第二節 研究問題及目的

本研究之研究問題為誘鳥植物是否會對鳥類族群分布有影響，而四季的景觀結構和鳥類的族群分布之間的關係為何。在資料的成本及收集時效性、便利性的考量下，本研究以氣球空拍作為取得景觀結構資料的工具，並在2009年當中以中國農曆24節氣(chinese solar term)進行拍攝。(←已經錯過"立春"了....)
以土地使用型態(包括喬木、灌木、草地、水體及建物等等)和植物生理週期兩種景觀結構分類作為自變項，鳥類多樣性指標作為應變項，排除其他可能影響應變項之因子，探討都市景觀結構與鳥類族群分布之關係。基於以上，本研究依序歸納研究目的如下：

一、 以土地使用型態和植物生理週期兩種景觀結構分類，探討誘鳥植物對鳥類族群分布之影響。

二、 探討都市綠地四季的景觀結構與鳥類族群分布的關係。



以下是第三章的部分：

本研究觀察台北都市綠地一年四季中之景觀結構變化，依照中國24節氣以一個月兩次的頻率，選擇良好天氣狀況於各樣區上空拍攝，並利用電腦軟體進行影像之校正(ArcGIS or ERDAS or PCI...還在了解軟體當中)、數化(eCognition)及景觀結構指數計算(FRAGSTATE)。鳥類調查依造拍攝的時間做記錄，調查人員固定以減少人為誤差。以統計軟體統計鳥類的隻數種數並計算鳥類多樣性指標。兩者進行皮爾森相關性分析，求得自變項與應變項之關係。

基地：
目前暫訂台大30個點，大安森林公園20個點。但是這樣各樣點會句離很近，不曉得會不會有影響。(或是台北市公園綠地中，以自然、綠蔭為主題之公園，避開河濱公園、運動公園之類的公園，並因鳥類需求最小之綠地面積，選擇1.56公頃以上之公園綠地。結果共選出8處綠地，包括7個公園以及台灣大學校本部。)

extent：
半徑100公尺。(想減少空拍接圖的誤差，盡量想把氣球放很高，每個樣區照1~4張接起來。)

grain：
上一次專討做出來，解析度是在0.7公尺有顯著，但是我覺得grain的重要性在這個研究裡不大，所以可能還是用空拍的解析度去做。

LCTs：
A(落葉喬木、常綠喬木、枝葉密度高灌木、枝葉密度低灌木、草地、農地、)+水體、人工地盤、建物
B(花期、著果期、休眠期(枯木)、抽梢期、綠意盎然期...)+水體、人工地盤、建物

鳥調：
台大保育社，定點計數法

12項

我今天在整理12項(雖然目前可能連前幾項都還沒出來)
想寫出這些項目的內容，
以後可能會比較好跟著它走，不會讓研究的焦點散掉。

寫了之後才發現，
以前的專討根本沒有做到這些..也就是一點都不嚴謹的意思..
例如在取樣方法那邊，因為沒有想過，
所以現在也想不出來有甚麼內容及要注意的地方。

大家有在這些項目中卡住過嗎?或是遇到問題?
有興趣分享的請不吝嗇發表一下，
在甚麼項目遇到甚麼問題，還有解決問題的方法~

ps我把細項分出來，所以變成16項


1. 研究問題
現實世界發生的某些現象及問題。去解釋現象，或有甚麼方法能改善這些問題，對人類(或某些族群的人)有幫助。

2. 研究目的
要怎麼解決這個研究問題。

3. 理論基礎
應變項、自變項各個理論基礎，和兩者之間的相關研究。盡量focus，不要扯太多無關緊要的。
最好是找到第一手資料(原作者寫的)

4. 研究架構
文獻回顧之後，更能確定自變項和應變項之間的關係，是可行的研究。
用架構將研究圖解化。
箭頭的兩邊是可以量化的東西，而非概念。

5. 研究假設
跟著架構寫。

6. 刺激物
video, picture, on-site or not
甚麼影像才能正確反應研究問題，如何才能將效果放大。

7. 取樣方法

8. 研究基地
在我的研究問題中，是有代表性的基地嗎?

9. 操作流程
研究工具的信效度。
外在影響因子的控制。


10. 分析方法
樣本數不夠的分析(對於分析很沒有sense....)


11. 結果
在類似的研究中，最好的圖、表的表現方式。

12. 代表意義
假設證實所代表的意義。

13. 實驗檢討
可能導致有誤差的地方，架構概念的完整度，研究限制。

14. 如何應用
實務上，規畫設計上，研究範圍(?)

15. 參考文獻

16. 附錄
問卷問項

尺度變化的影響

ICLEE那天發的Landscape and ecological engineering volume3 no.1，第47頁有一篇關於changing scale的文章，內容大概是計算不同粒度的景觀結構指數，並把它們畫成曲線圖，看它們的變化。

曲線圖的X軸是粒度，由30m到300m，Y軸是各項指數。曲線往上的指數有Mean Patch Size和Euclidean Nearest Neighbor Distence(Mean)；曲線往下的指數較多，有Aggregation, Cohesion, landscape shape, number of patches和total edge length；當然也有平平的，像是Class Area。

但是各個圖都有一個共通點，在粒度為100*100(與最小粒度面積比例為10)附近的時候，曲線開始不平順，上下劇烈變動，或開始有另一種階梯狀的線條出現。關於這個問題...我還沒看懂，下次再和大家說明，如果有興趣的話請跟有去ICLEE的人借來看看。

因為我發現有點難懂，所以在本篇文章的文獻中找了比較原始的一篇文章：Effects of changing spatial scale on the analysis of landscape pattern (Monica G. Turner, Robert V. O'Neill, Robert H. Gardner & Bruce T. Milne, 1989)。

文章中主要在觀察不同幅度與粒度下的景觀資料(landscape data)變化，是否會產生一個規則，並且使用Diversity(歧異度)、Dominace(優勢)和Contagion三種指數做分析，希望可以應用在未來測量不同景觀尺度的事件。因為我對粒度(grain)比較有興趣..所以目前只看了粒度的部分。

粒度從1*1個單位放大到50*50個單位，總共有18種粒度。在放大粒度時，例如1*1→2*2，LCTs(Land Cover types)屬性為四格中出現最多者；若四格內的LCTs屬性兩兩相同，則屬性則以隨機方式獲得。

結果為，LCTs類別的數量在七個不同景觀中，隨著粒度的變大而縮減。由6種縮減至3種，意思也就是粒度越大，則會忽略越多東西；以各LCTs類別佔全面積的比例來看，原本面積就佔多數的類別，會跟著粒度的增加而增加，其餘的類別則漸漸消失；如果類別之間的差異不大，變化也會比較緩和(見下圖)。

我在想，是不是在面積比例上有一個臨界值，過了這個臨界值，面積就會和粒度成正相關，反之則成負相關。

在比較三種指數的結果方面，不同的粒度對於Diversity數值有線性的關係，而Dominace和Contagion則無；但是在幅度上，Dominace和Contagion隨著粒度著增加，而Diversity則是呈現不同的反應。

指數的變化，是因為LCTs的數量(m)和面積比例(Pk)隨著幅度與粒度改變。而三種指數有不同的反應，則是因為指數本身的特性不同，對土地使用類型的數量和面積比例的關係也會不同，因此和changing scale才有不同的線性關係。

再回頭看那篇2006年的，景觀結構指數因為和土地使用類型(LCTs)有不同相關方式，所以曲線圖才會有好幾種不同的曲線。

粒度與幅度part2

我之前都以為粒度(grain)是已經決定好、不能改變的，就像是這個景觀從空中看下去的細緻程度。

但是總覺得怪怪的...因為在幅度(extent)上，我們可以選擇分析的區域範圍，就是宜婷學姐的論文談及的。既然幅度可以選擇大小，那相同概念的粒度也可以選擇大小!也就是當我們想要討論某種物種，就用那個物種適合的粒度大小去分析。

其實我是看到下面這張圖，才想到的。

圖片來源：Mark Hostetler & C. S. Holling, (2000), "Detecting the scales at which birds respondto structure in urban landscapes", Urban Ecosystems, 4, page 26

適合分析老鷹的景觀幅度(extent)是8*8km，小鳥是0.2*0.2km

那適合分析老鷹的景觀粒度(grain)是圖中那些較大的塊區(田、樹叢、社區)，小鳥的則是樹、房子等等比較小的塊區。

我們在做研究的時候，一個景觀裡存在很多種物種，尺度的需求從大到小都有，所以要用最小的粒度和最大的幅度(通常就是研究基地範圍)去分析，分析的影像解析度就必須要能夠解釋最小的粒度。

是這樣嗎?

【補充】
我在兩本書(Measuring Landscape, Land Mosaic)都看到，影像解析度最好為欲分析粒度的25~50%大小，或粒度為解析度的2~5倍面積大小。

粒度與幅度

"終於"看了一些文獻之後，發現景觀生態裡講的「粒度」其實也不能來解釋空間解析度，只是概念很像。粒度(grain)是用來表現景觀的尺度，而空間解析度(spatial resolution)是用來表現影像的尺度。
譬如說matrix裡面的patch，是大榕樹、大灌叢和大湖的時候，粒度就比較大；是針葉樹一棵一棵，小湖一座座的時候，粒度就比較小。所以在數化的圖層上可以看到，有些地方泡泡小又密，一些地方泡泡比較大。

另一個表現景觀尺度的特徵，叫做幅度(extent)。那它的概念就有點像照片的大小，是3*5的還是4*6的這樣。

所以，當景觀的粒度小而幅度又不大的時候，需要更精細的工具去分析，那麼，低空攝影就派上用場了。

問題：
那粒度跟MPS(Mean Patch Size)又有甚麼相關呢?