绿地斑块密度计算全流程：从图斑统计到指数测算与GIS实操

我做绿地生态评价这几年，最常被问的一句话是：“城市里绿得不少，为什么还要盯着斑块密度这种指标不放？”因为绿地率只能告诉你“绿色的总面积是多少”，但一块连着几公里的大公园和一百块散落路边的街角绿地，绿地率可能一模一样，生态价值却天差地别。绿地斑块密度计算，就是把影像或绿地分类图上一块块绿色图斑，从最基础的图斑统计开始，最终折算成景观生态学里的密度指数，用来量化“绿地有没有被打碎、碎到什么程度”。

这篇文章我按自己跑过几轮的完整流程来写，从原理拆解到数据准备，从栅格转矢量到指数测算，再到我踩过的一堆坑。整体思路是一条线走通的：先看懂公式，再把数据处理好，最后落到出图和分区统计。适合正在做绿地系统评价、景观格局分析、城市规划相关数据支持的人参考，哪怕你是第一次用GIS处理绿地数据，跟着这个思路走也能把结果跑出来。

1. 先搞懂原理：绿地斑块密度到底在算什么

1.1 一个公式拆穿“密度”的本质

绿地斑块密度（PD）的表达式并不复杂，通常就写成：

PD = N / A

其中 N 是某类绿地斑块的个数，A 是研究区总面积（也有按该类型绿地面积总和为分母的算法，后面我会专门说口径差异）。单位一般用“个/百公顷”或“个/平方公里”，目的是让不同区域之间可以横向比较。

我给你一个实际的数字感受。假设一块约 2360 公顷的城市建设用地范围内，解译出来的绿地斑块总共有 78 块。那么简单算，PD = 78 / 2360 * 100 = 3.3 个/百公顷。意思是平均每 100 公顷的地里，大约有 3.3 个绿地斑块。

这个数字单独摆出来没什么感觉，但它是和平均斑块面积（MPS）成对看的。MPS 的计算是：研究区内绿地总面积 / 绿地斑块总数。还是用上面的数字，如果这些绿地斑块加起来面积是 1256 公顷，那么 MPS = 1256 / 78 ≈ 16.1 公顷。PD 越高，MPS 越小，通常意味着破碎化程度越严重。这就像一盘拼图，如果只有四五块大拼片，说明拼图结构完整；如果被切成一两百块小碎片，就算总面积没变，你也能直观地感觉到它“碎”了。

我不建议只记公式。你要在脑子里建立画面感：一片开阔的城市森林公园和一片被城市道路网切得支离破碎的街头绿地，很可能算出完全相反的 PD。理解了这一点，后面的图斑统计才有意义。

1.2 为什么密度指数比单纯统计面积更有价值

单纯做面积统计是“总量视角”，密度指数是“结构视角”。绿地率只能回答“有多少绿”，PD 和 MPS 回答的是“这些绿是怎么分布的”。

我做过一个对比案例：南侧片区以一个大公园带连片防护林为主，绿地总面积约 620 公顷，但斑块只有 15 块，MPS 超过 40 公顷；北侧片区同样是 600 多公顷绿地，却是几十条道路附属绿地和单位附属绿地拼起来的，斑块数有 90 多块，MPS 只有 7 公顷不到。两者的绿地率差得并不多，但景观中的生态功能差异非常大。连片大绿地更容易形成稳定的生境，适合鸟类活动和生物迁徙；细碎的小绿地虽然也有一点生态效益，但更多是景观和游憩意义上的，生境质量明显偏低。

生态学里评价这类结构时，通常不会只看 PD 一个指标，会搭配蔓延度指数、斑块边界密度、香农多样性指数等一起分析。但大多数项目不需要搞那么重的模型，斑块密度加平均斑块面积已经能说明大部分问题。而且它计算简单、可复现性强，非常适合作为不同年份对比、不同片区对比的基线指标。这也是我在实际项目里优先推荐做它的原因。

2. 数据从哪来：图斑统计的前期准备

2.1 数据源选型与精度控制

绿地斑块计算的质量上限，在数据准备那一刻就决定了。数据源选得不好，后面公式算得再准都白搭。

我常用的绿地提取数据来源有三类。第一类是最新的土地利用变更调查成果或国土空间规划中的用地分类数据，这类数据精度高、属性齐全，绿地类型通常是明确的。第二类是高分辨率遥感影像的人工解译或深度学习分割结果，分辨率建议不低于 5 米，尽量用 2 米或亚米级影像，这样路侧绿带、街头游园、居住区里的成片绿地才不会被漏掉。第三类是规划部门提供的绿线专项规划或现状绿地普查数据，这类数据经过人工修编，边界通常比较干净，适合直接使用，但要注意统计口径是“规划状态”还是“现状状态”。

不管你用哪类数据，都要定一个“最小图斑单元”。好比做土地调查时每个地类都有最小上图面积，如果某个绿地碎得太小、难以独立上图，就应当并入相邻的同类图斑里。这个阈值在绿地分析里我通常设置在 400 到 1000 平方米之间，具体看研究尺度。你要是分析整个城市的宏观格局，阈值可以放到 1 公顷；你要是看一个片区的详细绿地布局，阈值就要压到 400 平方米左右。阈值太大会滤掉有意义的细节，太小又会留下大量噪声碎斑。

还有一件事必须提前处理好：投影坐标系。面积计算必须基于投影坐标系，而不是经纬度坐标系。经纬度下的面要素面积计算涉及到球面几何，工具会默认给你一个椭球面积，但后续你再对图斑做字段求和、区域裁切时，一旦单位理解错位，结果很容易差一个数量级。我习惯的做法是：数据一加载进来，立刻用研究区所在区域的统一投影坐标系重新定义并投影，单位用米，面积字段统一用公顷。

2.2 栅格转矢量：别让小碎斑毁了你的指数

如果手里的绿地数据是从遥感分类栅格得来的，那你一定会遇到栅格转矢量这个环节。栅格分类图的一个通病就是“椒盐噪点”：明明是一片连续的林地，因为影像上零星有几个像元分类错误，转出来以后就变成了一片林地中散布着几十个洞或碎面。这些小碎面最后会全部被当成独立绿地斑块参与计数，导致 PD 虚高，MPS 虚低。

处理这个问题有两个常用手段。第一个手段是先在栅格阶段做分类后处理，也就是用众数滤波或多数滤波操作，把孤立的小像元归到周围类别里；第二个手段是转成矢量以后做小图斑合并（消除碎斑）操作。

我自己的流程是先做栅格转面，转出来以后马上看一眼属性表和地图，一般来说，那几个面积只有几十上百平方米的细碎多边形就是噪声来源。此时我会先统计一下所有斑块的面积分布，看看小斑块的面积拐点在哪里，再决定阈值。假设统计结果显示大部分绿地斑块面积都在 800 平方米以上，只有很少一部分是 200 到 600 平方米的碎块，我就会把消除阈值设在 600 平方米左右，直接把小于 600 平方米的斑块合并到相邻最大公共边的斑块里。

不过要特别提醒：不要无条件地把所有小斑块都合并。有些绿地类型，比如道路附属绿地，本身就是又窄又长的小斑块，它们承载着连接大斑块的廊道作用，合并掉以后廊道的连续性反而看不出来了，会严重影响密度指数的表达。所以合并前先把类型字段分类做好，不同绿地类型用不同的合并策略，是实操里最重要的一个意识。

2.3 拓扑检查与属性清洗

数据准备阶段还有一个经常被忽略的环节：拓扑检查和属性清洗。

栅格转矢量出来的面要素，经常会存在相邻面之间存在微小的缝隙或重叠，这种问题在拓扑检查里能看到。你要是直接拿这样的数据做空间连接或格网统计，边界处的斑块就容易被重复计算或者漏算。我通常会对矢量面数据做一次拓扑检查，主要看“不能有缝隙”“不能有重叠”这两条规则，发现小缝隙就填充到相邻斑块里，发现微重叠就把重叠部分按边界平均切割。

属性清洗则要关注字段名称、类型和编码。最简单的问题是字段类型用文本存储了数字，导致统计时加起来是字符串拼接；比较复杂的问题是类型编码不统一，比如有一年的数据里公园绿地编码是“G1”，另一年变成了“公园绿地”，汇总时成了两个类型。我的做法是进入分析前统一新建一个标准类型字段，把原始代码映射成统一编码，并在元数据里记录映射关系。这一步看着麻烦，但能避免你在结果汇报时被领导问到“为什么去年这个类型算出来和今年差别这么大”时的尴尬。

3. 核心实操：从图斑统计到指数测算的全流程

3.1 第一步：斑块属性统计与面积归属

我以一个模拟的样本区为例来走一遍流程。假设某研究区总面积约 2360 公顷，我们手头有它最新的绿地分类栅格数据，分类包括四个类型：公园绿地、防护绿地、附属绿地、区域绿地。现在要从头算出这个区的绿地斑块密度。

先做数据预处理。栅格转面后，得到矢量面要素，我给每个面新建一个“面积_公顷”的双精度字段，用几何面积算出来，平方米除以 10000 自动转成公顷。为什么要另建字段而不是直接用软件默认的 SHAPE_AREA？因为默认字段的单位可能随着数据源变化，你把它变成你自己的字段后，后面所有计算都从这一个字段取值，口径就统一了。这个细节决定后面所有的统计表是否一致。

接下来做图斑统计。我习惯先用汇总工具统计一下各个类型下的斑块总数和总面积。汇总表大概长这样：

看到总量了吗？斑块总数 78 块，绿地总面积 1256.1 公顷。这个数据先记下来，不需要着急算指数，先核对：总数对不对得上，面积量级是不是符合你对这个区域的认知。如果明显偏大或偏小，先回到数据准备阶段排查，而不是继续往下算。我犯过的低级错误就是跳过了这一步直接算密度，结果指标出来的小数位都不太对劲，白白浪费了几个小时。

3.2 第二步：密度指数计算与区域对比

基本信息核对无误后，新建字段“PD”和“MPS”，用字段计算器写公式。

按研究区总面积口径：

• PD = 78 / 2360 * 100 = 3.31 个/百公顷
• MPS（按绿地总面积口径）= 1256.1 / 78 = 16.1 公顷

如果你想做分类型密度分析，就要按类型分别统计再除以研究区总面积，得到的结果如下：

可以看到，防护绿地的斑块密度明显高于公园绿地，但它的平均面积又比公园绿地低。这说明规划上的防护林带被道路切割得比较碎，大量防护绿地以小条带的形式分布在路网两侧。这在结论里就会导向一个非常明确的优化建议：未来绿地提质的关键不是增加多少面积，而是把道路两侧相邻的小块防护绿地通过绿道连起来。

光算整个研究区的总指数还不够，片区之间的差异才是决策层最关心的。我通常会做一个 300 米乘 300 米的格网，叠加到研究区上，然后计算每个格网内部的绿地斑块数、绿地面积和局部 PD。这个操作通常借助“生成网格”和“空间连接”来实现。空间连接的时候注意连接操作设置成“包含中心点”，这样才能把一个跨越多个格网的绿地斑块只归到中心点所在的那个格网，避免同一块绿地在多个格网里被重复计数。

3.3 第三步：结果出图与分级表达

指标算完，最后一步是把结果表达出来。这一步看着简单，但如果不注意分级方法，很容易出图时把信息表达错。

我推荐用自然间断点分级法，让数据本身的聚类特征决定分级界线，而不是你肉眼随便找一个很整的间隔。把 PD 值从低到高分成五级，同时配合 MPS 做一张双变量地图：横轴是密度，纵轴是平均面积，颜色深红表示“高密度小斑块”，浅蓝表示“低密度大斑块”。这样一张图放在汇报里，决策者一眼就能看出哪些区域是绿地破碎化最严重的整改重点。

出图时要加上的要素包括研究区边界、比例尺、指北针、图例和图斑面积标注。密度指数这种二级数据最好单独做一个页面，上面放公式和口径说明，下面放结果图斑。我以前给过一份没有附计算口径的报告，后来被合作方追问“你这个密度是整个区算的还是绿地内算的”的时候，才意识到口径说明和成果本身一样重要。最后我养成了一个习惯：任何指数成果汇报里开头先写明分母是什么、阈值是多少、数据源是什么，后面才算得安心。

4. 踩过的坑：常见问题与排查实录

4.1 面积单位差了一个数量级

我见过最多的问题就是面积单位带着小数点往前跳了两位。明明算出来绿地斑块密度应该是 3 个/百公顷，结果出来了 330 个/百公顷。排查到最后，往往是下面三种情况之一：第一种，面要素所在的坐标系还是经纬度坐标系，面积字段自动算出的“长度单位”是米制，但实际的平面面积已经严重变形；第二种，面积字段单位是平方米，但你在分母里用了公顷的数字，分子分母没有统一；第三种，栅格转矢量后自动生成的面积字段带有很多小数位，你在字段计算器里直接用默认面积除以了 1000，而不是 10000。

解决方案也很简单，统一在分析开始前把投影坐标系固定下来，面积字段统一用“公顷”单位。我在项目里一般做一个“面积_公顷”字段后，就彻底不再使用软件默认面积字段参与计算。

4.2 碎斑合并阈值怎么定

上面提到过碎斑合并要谨慎，这里再展开说一下阈值怎么定。我把这块分三步走：

第一步，统计所有斑块面积并排序，画出斑块面积分布的直方图，观察掉点位置。第二步，结合影像原始分辨率定下限，比如影像分辨率是 2 米，一个像元 4 平方米，那少于 10 个像元的斑块在解译时就不具备可靠的边界精度，阈值至少要设在 40 平方米以上。第三步，也是最关键的，结合项目表达尺度定上限：如果是城市宏观格局评价，建议阈值在 0.5 到 1 公顷之间；如果是片区详细设计，阈值设置在 400 到 600 平方米之间。

我踩过的一个坑是把阈值直接调到 1 公顷，结果把城市边缘带上一串串很有生态意义的坑塘湿地连同防护绿地一起全部合并成了大斑块，导致景观格局分析结果失真。后来做出来的图虽然“干净”，但代价是丢失了研究区真正有价值的小微生境信息。所以阈值不是一个越高越好的参数，它应该服务于你要表达的问题。

4.3 边界图斑的“半边”算谁

研究区边界附近的绿地斑块，经常因为裁切被拦腰截断，本来是一整块绿地，只剩研究区内的那半边留在图里。这会带来一个系统性误差：边界处的斑块数量比实际多，MPS 比实际小，PD 整体偏高。研究区范围切割得越碎，这个问题越明显。

我常用的规避办法是“先分析后裁剪”。也就是说，在原始大范围的绿地数据上先做连通性分析和斑块编号，再把分析结果裁剪到研究区内；或者反过来，在分析前就把研究区外一定宽度范围内的缓冲区一起纳入统计，最后只在出图时把研究区范围压出来。还有一种做法是给每个斑块加一个“完整度”字段，计算它在研究区内的面积与整个连通斑块总面积的比值，如果这个值特别低，就说明它是被边界切开的“半个斑块”，计算密度时要么剔除、要么单独说明。

4.4 属性字段类型与编码陷阱

属性表统计出不来，往往是字段类型和编码的问题。我经历过的真实事件是：从两个不同单位拿到的数据合并到一起后，同样的“公园绿地”在一张表里编码是“GY”，在另一张表里编码是“G1”，汇总时软件按字符串排序把“G1”和“GY”当成了两类，导致分类型统计时公园绿地数量凭空多了一倍，而且两头的面积数据对不上。

排查这类问题的方法是：每次合并新数据，先做属性编码的唯一值检查，列一次所有编码值，和标准编码表对比。不要指望数据提供方一定按统一的规范给你交数据。我通常在数据入库前建立一个编码映射表，原始编码一列，标准编码一列，用一个关联表完成批量替换。照片上没有做的工作，后面都会变成加班的理由。

4.5 空间连接重复计数与性能问题

还有一个高频坑：空间连接时默认的相交规则会把同一块绿地同时连接到它所跨的多个格网里，导致局部密度加总后远超整体密度。你以为自己做的是“局部密度”，实际上做的是“绿地面积在多个格网的重复摊薄”。解决我上面提过，把连接规则改成“包含中心点”，或者先在斑块内部生成几何中心点，再用中心点去关联格网。

当数据量很大时，比如整个城市的绿地几万个面，再做 100 米乘 100 米的格网，空间连接可能会非常卡。这时候不要硬在 GIS 界面里死等，先把几何面积和属性导出成表格，用脚本或者数据处理工具批量计算，算完再拿结果去关联。做分析的人不能只会点按钮，要学会在数据量变大时灵活切换手段。

最后再分享一个小习惯。每次算完指数，我不先看汇总表，而是把斑块按面积大小分级显示在地图上，人眼先扫一遍。扫得快不代表偷懒，扫出异常比任何统计检验都更直观：比如明明是一片水面被分错类混进了绿地，比如一条关键绿廊在中段断了头，这些是汇总表里看不出来的错误。密度测算里，面积是主体，密度是纹理，纹理一旦错了，面积再大也救不回来。希望这套从图斑统计到指数测算的流程能帮你在下一个项目里少走点弯路。