1.一种基于ArcPy的区域尺度景观生态风险指数数据生产方法，其特征在于，包括以下步骤；

步骤1：将栅格格网转为矢量数据；

步骤2：计算样方数据，样方数据用于统计斑块中某景观类型在样方数据中出现的频数；

步骤3：定义景观生态风险指数核心函数；

步骤4：计算景观生态风险指数。

2.根据权利要求1所述的一种基于ArcPy的区域尺度景观生态风险指数数据生产方法，其特征在于，所述步骤1具体步骤为：步骤11：收集栅格格网数据，

收集分割后的区域尺度土地利用/土地覆被栅格格网数据集，确保栅格格网空间连续，且能覆盖整个研究区；每个栅格格网构成了生态风险小区；

步骤12：定义栅格转矢量函数，

定义栅格转矢量函数raster_to_shp()，输入参数包括转换前的栅格输入数据和转换后的矢量输出数据；在该函数体内，使用try‑except捕获异常；在try块中，使用arcpy.RasterToPolygon_conversion()函数将栅格数据转换为多边形矢量数据；

步骤13：执行转换操作，

首先设置待转换的栅格格网数据目录tif_dir，使用get_all_files()函数获取tif_dir目录中的所有tif文件；然后使用for循环遍历tif文件；在for循环体中，设置存储转换后的矢量数据的地理数据库位置，利用arcpy.Exists()函数判断该数据库是否存在，如果不存在，使用arcpy.CreateFileGDB_management()创建该数据库；紧接着，使用raster_to_shp()函数将当前的栅格数据转换为矢量数据，并保存到地理数据库中。

3.根据权利要求1所述的一种基于ArcPy的区域尺度景观生态风险指数数据生产方法，其特征在于，所述步骤2具体步骤为：步骤21：获取样方数据地理数据库，

设置样方地理数据库目录gdb_dir，使用get_all_gdbs()函数获取gdb_dir目录中所有的地理数据库；

步骤22：遍历地理数据库中的要素，

使用for循环遍历所有地理数据库，利用arcpy.da.Walk()读取数据库中的要素，返回包含数据库路径、目录名和文件名等集合的walk；

步骤23：计算各景观类型的样方频数，

使用for循环遍历walk，在外循环体中使用for循环遍历格网要素文件，在内循环体中，累加总样方频数，使用arcpy.da.SearchCursor()函数查询当前要素文件的属性表，提取字段值“GRIDCODE”，“Shape_Area”和“Shape_Length”作为集合row返回，利用样方统计函数sample_stats()获取当前格网要素中各类型的样方频数，并对样方类型数据进行累加求和；

步骤24：汇总样方频数，

汇总各景观类型的样方频数和总样方频数，将其转换为字符串，通过write_txt()函数将该字符串存储在预先设定的样方结果输出目录。

4.根据权利要求1所述的一种基于ArcPy的区域尺度景观生态风险指数数据生产方法，其特征在于，所述步骤3具体步骤为：步骤31：定义斑块统计函数，

定义斑块统计函数block_stats()，输入参数为斑块数据block，在函数体中，首先使用len()函数计算斑块数量NP，然后利用transpose()函数将输入数据转置，再通过sum()函数汇总转置数据的斑块类型面积CA和斑块类型周长CP，紧接着，使用m2_to_ha()函数将CA的单位由平方米换算为公顷，最后使用round()函数分别对CA和CP进行四舍五入；

步骤32：定义计算类型面积斑块数量函数，

定义计算景观类型面积和斑块数量函数calc_classArea_patchNum()，输入参数为要素属性表data_in；

步骤33：定义计算景观生态风险指数函数

定义计算景观生态风险指数函数calc_eri()，输入参数包括类型数据class_data，景观总面积A，斑块总数量M，各景观类型的脆弱性指数FI，样方数据sampleQ和干扰度分量权重W；

步骤34：定义景观生态风险指数输出函数

定义景观生态风险指数输出函数，输入参数为景观生态风险指数字典eri，在该函数体内，首先根据字典关键字“INDEX”获取分量指数data，然后利用for循环遍历data，在循环体内，根据分量指数迭代更新输出内容content。

5.根据权利要求4所述的一种基于ArcPy的区域尺度景观生态风险指数数据生产方法，其特征在于，所述步骤32具体为：

1)提取景观类型，首先使用np.array()函数将输入数据转为矩阵，然后利用transpose()函数将矩阵转置，最后利用set()函数去重筛选景观类型生成cls；

2)汇总斑块数据，首先定义存储单个景观类型，斑块面积和斑块周长的列表block，同时定义存储斑块内容的patch_content；然后利用for循环遍历景观类型cls，在循环体内，通过for循环和条件判断按类型汇总单个景观类型的面积和周长，生成patch_content和block；

3)汇总类型数据，首先定义存储类型内容的class_content和类型数据列表的class_data，同时初始化景观总面积A和斑块总数量M；利用for循环遍历block，在循环体内，利用block_stats()函数统计单个景观类型的斑块数量NP，斑块面积CA和斑块周长CP；更新类型数列表class_data,同时迭代更新类型内容class_content，景观总面积A和斑块总数量M。

6.根据权利要求4所述的一种基于ArcPy的区域尺度景观生态风险指数数据生产方法，其特征在于，所述步骤33具体步骤为：

1)定义存储分量指数和景观生态风险指数的字典eri，利用for循环遍历类型数据；

2)在循环体内，校验当前类型面积或周长是否为0，如果为0调过该循环；

3)在循环体内，根据各分量指数计算公式分别计算景观破碎度CI，景观分离度SI，景观优势度DI，景观干扰度LDI，景观分维指数FDI，景观损失度指数RI，当前类型的景观生态风险指数ERI；根据ERI迭代更新景观生态风险指数TERI。

7.根据权利要求1所述的一种基于ArcPy的区域尺度景观生态风险指数数据生产方法，其特征在于，所述步骤4具体步骤为：步骤41：首先设置景观类型地理数据库路径gdb_dri，输出结果存储路径out_path，样方统计文件路径sample_txt，然后判断sample_txt是否存在，如果不存在设置样方数据sampleQ为空；

步骤42：使用get_all_gdbs()函数获取所有地理数据库保存为gdbs，设置景观生态风险指数存储文件res_save，将标题信息写入该文件中；

步骤43：使用for循环遍历地理数据库gdbs，在循环体中，使用arcpy.da.Walk()函数读取当前地理数据库的多边形要素，返回包含路径、目录名和文件名等数据集合的walk，紧接着，使用for循环遍历walk获取要素文件名file_names；

步骤44：使用for循环遍历file_names，在当前循环体内，使用arcpy.da.SearchCursor()函数读取当前要素的属性表，并更新到data中；校验当前data是否为空，如果为空，跳过该循环；

步骤45：紧接着，使用calc_classArea_patchNum()函数生成类型数据和斑块数据，并分别写入类型文件和斑块文件；

步骤46：紧接着，使用calc_eri()函数计算景观生态风险指数，使用eri_output()函数输出各分量指数，最后将分量指数结果写入分量指数文件，将最终的景观生态风险指数结果追加入res_save文件中。