贮存时间对盐地碱蓬种子萌发及生长特征的影响

研究黄河三角洲滨海湿地不同贮存年限盐地碱蓬种子的萌发及植株生长特征,以期为利用土壤种子库进行滨海湿地盐地碱蓬群落的恢复提供科学数据。种子萌发实验结果显示：随着种子贮存年限的增加,盐地碱蓬种子活力呈明显下降趋势(P<0.05),表现为种子发芽率和发芽速度的下降;在同一盐度条件下,盐地碱蓬种子发芽率、发芽速度随贮存年限增加呈线性下降趋势;同一年限的种子随盐度的增加,发芽率呈线性下降趋势。植株生长实验结果显示：贮存时间短的种子出苗率高于贮存时间久的种子;随着贮存时间的增加,盐地碱蓬植株的密度呈下降趋势,但植株高度、含水量及单株鲜重及干重无明显差异,而单位面积生物总量差异显著(P<0.05)。在未来滨海湿地盐地碱蓬群落的修复过程中,应该根据滨海湿地的退化时间制定盐地碱蓬群落的恢复方案。研究结果可为滨海湿地生态恢复提供理论支持和科学参考,以实现滨海湿地恢复过程中降低恢复成本、提高恢复效率、加快恢复进程的目标。     

基于MaxEnt模型的黄河三角洲滨海湿地优势植物群落潜在分布模拟

采用千米网格的方法,对黄河三角洲滨海湿地进行土壤采样和植被群落调查,利用MaxEnt模型和GIS空间分析技术,模拟该地区优势物种的潜在分布,定量分析优势物种的主导环境影响因子及其生态位参数.结果表明: 黄河三角洲滨海湿地的优势物种为柽柳、芦苇和盐地碱蓬.影响柽柳、芦苇和盐地碱蓬潜在分布的主导环境因子分别为硝态氮、盐分、坡度、镁、海拔和铵态氮,硝态氮、盐分、全磷、pH、海拔和铵态氮,硝态氮、盐分和铵态氮.黄河三角洲滨海湿地优势物种的存在概率与盐分呈正相关,与其他主导环境影响因子呈负相关.黄河三角洲滨海湿地优势物种的潜在核心适生区主要分布在滨海地区,芦苇的分布范围较柽柳和盐地碱蓬更广泛.     

大凌河口湿地水盐梯度下翅碱蓬的生态阈值

基于大凌河口湿地翅碱蓬生物量、密度、株高、株重等生物指标之间极显著的相关性,选取生物量为指标,研究不同土壤理化因子条件下,翅碱蓬种群分布的变化规律。结果表明:翅碱蓬生物量自然对数分别与土壤盐分、水分含量之间具有极显著的一元二次曲线拟合关系,表明翅碱蓬群落分布受土壤水分、盐分的影响;用高斯模型求解出大凌河口湿地翅碱蓬随土壤水盐变化的生态阈值,翅碱蓬的最适土壤盐分为12.14 g·kg-1,生态阈值区间为5.02~19.26 g·kg-1,最适生态阈值区间为8.58~15.70 g·kg-1;翅碱蓬最适土壤水分为59.82%,生态阈值区间为22.02%~97.62%,最适生态阈值区间为40.92%~78.72%。上述研究结论为河口湿地翅碱莲生境保护与植被修复提供了科学依据。     

黄河三角洲湿地水盐影响下灌草群落的物种多样性研究

采用样地调查方法, 研究了黄河三角洲滨海湿地灌草群落的物种多样性及其与地下水埋深、土壤盐分之间的关系, 结果表明: 湿地灌草可划分为5 种群丛类型, 分别为(A)碱蓬+芦苇群丛, (B)柽柳-碱蓬群丛, (C)芦苇+碱蓬群丛,(D)芦苇群丛, (E)蒙古鸦葱群丛; 其中, 芦苇+碱蓬群丛具有较高的物种多样性与丰富度, 而柽柳-碱蓬群丛物种丰富度与多样性相对较低; 回归分析表明物种多样性与地下水埋深、土壤全盐量存在明显的线性关系, 随着地下水埋深的增加物种多样性为增长趋势, 反之随着土壤全盐量的增加物种多样性逐渐减少, 可用多元线性回归表明三者的关系为y=0.122+0.005X1-0.001X2。     

水盐环境梯度下翅碱蓬(Suaeda salsa)的生态阈值

在对翅碱蓬(Suaeda salsa)生物量、密度、株高、盖度、多度相关性分析的基础上选取了生物量作为翅碱蓬生物指标,利用高斯模型分析了黄河三角洲翅碱蓬种群沿水深、土壤盐分的生态阈值,翅碱蓬最适水深为-0.42m,水深生态阈值区间为[-0 92,0.08](m),水深最适生态阈值区间为[-0.67,-0.17](m);最适土壤盐分为12.71 g/kg左右,其盐分生态阈值区间为[5 17,20.25](g/kg),盐分最适生态阈值区间为[8.94,16.48](g/kg).通过分析不同实验区的水盐关系及其交互作用,探讨了水盐交互作用对翅碱蓬生长的影响.最后,通过离差平方和聚类分析,将3个实验区69个样地划分为7类.随着水深和盐分的梯度变化,7类样地的翅碱蓬群落呈现明显的演替.     

黄河三角洲自然保护区湿地植被生物量空间分布及其影响因素

以黄河三角洲自然保护区为研究区域,以野外实测湿地植被地上生物量数据、Landsat-8影像数据和土壤各因子检测数据为数据源,通过分析各遥感因子与实测植被生物量的相关关系,建立生物量模型,进行生物量的定量反演。通过研究生物量与土壤、水环境因子的关系,筛选影响生物量的关键因子,进而分析生物量的空间分布规律。结果表明:湿地植被地上生物量的干重与各遥感因子的相关性较高;以NDVI、EVI、MSAVI、DVI、RVI、Band1、Band2、Band3、Band4、Band6共10个因子作为自变量建立的反演模型最优;反演计算的生物量干重分为5个等级区,最低的1级区和最高的5级区面积较小,为82.23、72.16 km2,分别占研究区湿地植被总面积的13.35%、11.71%。生物量干重适中的2、3、4级区所占面积较大,为211.99、136.39、113.29 km2,分别占研究区湿地植被总面积的34.41%、22.14%、18.39%;在各环境因子中水深对芦苇生物量干重影响最大,土壤含水率对碱蓬生物量干重影响最大,水、盐条件是导致优势种植被生物量干重出现空间分异的主导因素;植被生物量干重呈现由陆向海减小,由黄河河道两岸向外递减的趋势。     

基于高分一号 WFV 卫星影像的黄河口湿地草本植被生物量估算模型研究

基于高分一号 WFV 卫星数据,通过计算 NDVI、SRI、SAVI、MSAVI、GBNDVI 和 DVI 6种植被指数,结合黄河口湿地现场草本植被地上干生物量样本,进行一元线性、指数、对数和幂4种模型的回归分析,从中选出生物量最佳估算模型。结果表明：（1）指数模型是 NDVI 和 GBNDVI 的最佳生物量回归模型,幂模型是其它植被指数的最佳回归模型（P ＜0．001）;（2）6种植被指数干生物量最佳回归模型的决定系数（R2）都大于0．7,最大为0．77,由大到小排序为 MSAVI ＞SAVI ＞NDVI ＞DVI ＞SRI ＞GBNDVI;（3）各最佳回归模型的平均相对误差（MRE）都小于54％,最小为23．9％,由小到大排序为 NDVI ＜GBNDVI ＜SRI ＜DVI ＝SAVI ＜MSAVI。     

绿洲生态系统生物量与植被指数分析

利用阜康绿洲野外实测的53个样方的植物生物量数据与同期陆地卫星MODIS影像的第1,2通道250 m遥感数据,分析植被指数与绿洲植物生物量的相关关系,建立植被指数与绿洲植物生物量的一元线性和非线性回归模型。结果表明,植被指数NDVI和MSAVI与绿洲生态系统植物生物量之间存在较好的相关性;所建植被指数与植物生物量的回归模型中,三次方程为所得到的回归模型中最适合用于绿洲生态系统植物生物量和生长监测。     

基于MODIS数据的草地生物量估算模型比较

准确估算草地生物量对合理规划区域畜牧业、评估草地植被的生态效益有重要意义.目前,在常用的遥感估算模型中,采用的植被指数和模型函数形式多样.本文根据野外生物量调查结果和MODIS数据,分别采用归一化植被指数(NDVI)、增强植被指数(EVI)和修正的土壤调节植被指数(MSAVI)建立了内蒙古科尔沁左翼后旗草地地上生物量和地上地下总生物量估测的3种(线性、乘幂和指数)模型,并进行了比较.结果表明:3种模型能够对草地生物量进行较好的模拟,其中指数模型效果最佳;3个植被指数(NDVI,EVI和MSAVI)与草地生物量均有较高的相关性,可用于该草地产量估测,其中MSAVI对地上生物量拟合效果最好(R2=0.900);NDVI和EVI的线性模型对总生物量的模拟明显好于对地上生物量的模拟.     

黄河三角洲自然保护区典型植物群落物种组成及多样性梯度变化

以黄河三角洲自然保护区典型湿地群落为研究对象,探讨其物种组成及物种多样性的梯度变化规律。结果表明,从芦苇－香蒲群落到翅碱蓬群落梯度上：（1）群落物种丰富度呈波动性变化,旱柳－芦苇－白茅群落的物种丰富度最高,其次是芦苇－柽柳－翅碱蓬群落、芦苇－香蒲群落、柽柳－翅碱蓬群落,翅碱蓬群落的物种丰富最低;（2）群落的α多样性的变化格局与丰富度的变化格局不太一致,其中Shannon-Winner多样性指数与Pelou均匀度指数表现为波动性的下降趋势,而Simpson优势度指数则表现为波动性的上升趋势;（3）群落的β多样性变化格局也不完全相同,其中相异性系数呈波动性降低趋势,Copy指数则表现为先升高再降低的变化趋势。黄河三角洲典型湿地植物群落组成和物种多样性的梯度变化主要与生境变化有关。     

Comparison of Vegetation Indices and Red-edge Parameters for Estimating Grassland Cover from Canopy Reflectance Data

There has been a great deal of Interests in the estimation of grassland biophysical parameters such as percentage of vegetation cover （PVC）, aboveground biomass, and leaf-area index with remote sensing data at the canopy scale. In this paper, the percentage of vegetation cover was estimated from vegetation indices using Moderate Resolution Imaging Spectroradiometer （MODIS） data and red-edge parameters through the first derivative spectrum from in situ hypserspectral reflectance data. Hyperspectral reflectance measurements were made on grasslands in Inner Mongolia, China, using an Analytical Spectral Devices spectroradiometer. Vegetation indices such as the difference, simple ratio, normalized difference, renormalized difference, soil-adjusted and modified soil-adjusted vegetation indices （DVI, RVI, NDVI, RDVI, SAVI L=0.5 end MSAVI2） were calculated from the hyperspectral reflectance of various vegetation covers. The percentage of vegetation cover was estimated using an unsupervised spectral-contextual classifier automatically. Relationships between percentage of vegetation cover and various vegetation indices and red-edge parameters were compared using a linear and second-order polynomial regression. Our analysis indicated that MSAVI2 and RVI yielded more accurate estimations for a wide range of vegetation cover than other vegetation indices and red-edge parameters for the linear and second-order polynomial regression, respectively.     

三种森林生物量估测模型的比较分析

森林生物量的定量估算为全球碳储量、碳循环研究提供了重要的参考依据。该研究采用黑龙江长白山地区的TM影像和133块森林资源一类清查样地的数据, 选取地学参数、遥感反演参数等71个自变量分别构建多元逐步回归模型、传统BP (back propagation)神经网络模型和基于高斯误差函数的BP神经网络改进模型(Gaussian error function, Erf-BP), 进而估算该地区的森林生物量, 并进行比较分析。结果表明, 多元逐步回归模型估测的森林生物量预测精度为75%, 均方根误差为26.87 t·m^-2; 传统BP神经网络模型估测森林生物量的预测精度为80.92%, 均方根误差为21.44 t·m^-2; Erf-BP估测森林生物量的预测精度为82.22%, 均方根误差为20.83 t·m^-2。可见, 改进后的Erf-BP能更好地模拟生物量与各个因子之间的关系, 估算精度更高。     

The spatial pattern of grassland aboveground biomass on Xizang Plateau and its climatic controls

Aims Grassland is the most widely distributed vegetation type on the Xizang Plateau. Accurate remote sensing estimation of the grassland aboveground biomass (AGB) in this region is influenced by the types of vegetation indexes (VIs) used, the grain size (resolution) of the remote sensing data and the targeted ecosystem features. This study attempts to answer the following questions: (i) Which VI can most accurately reflect the grassland AGB distribution on the Xizang Plateau? (ii) How does the grain size of remote sensing imagery affect AGB reflection? (iii) What is the spatial distribution pattern of the grassland AGB on the plateau and its relationship with the climate?Methods We investigated 90 sample sites and measured site-specific AGBs using the harvest method for three grassland types (alpine meadow, alpine steppe and desert steppe). For each sample site, four VIs, namely, Normalized Difference VI (NDVI), Enhanced VI, Normalized Difference Water Index (NDWI) and Modified Soil-Adjusted VI (MSAVI) were extracted from the Moderate Resolution Imaging Spectroradiometer (MODIS) products with grain sizes of 250 m and 1 km. Linear regression models were employed to identify the best estimator of the AGB for the entire grassland and the three individual grassland types. Paired Wilcoxon tests were applied to assess the grain size effect on the AGB estimation. General linear models were used to quantify the relationships between the spatial distribution of the grassland AGB and climatic factors.Important findings The results showed that the best estimator for the entire grassland AGB on the Xizang Plateau was MSAVI at a 250 m grain size (MSAVI 250 m). For each individual grassland type, the best estimator was MSAVI at a grain size of 250 m for alpine meadow, NDWI at a grain size of 1 km for alpine steppe and NDVI at a grain size of 1 km for desert steppe. The explanation ability of each VI for the grassland AGB did not significantly differ for the two grain sizes. Based on the best fit model (AGB =^-10.80 + 139.13 MSAVI 250 m), the spatial pattern of the grassland AGB on the plateau was characterized. The AGB varied from 1 to 136g m ?2. Approximately 59% of total spatial variation in the AGB for the entire grassland was explained by the combination of the mean annual precipitation (MAP) and mean annual temperature. The explanatory power of MAP was weaker for each individual grassland type than that for the entire grassland. This study illustrated the high efficiency of the VIs derived from MODIS data in the grassland AGB estimation on the Xizang Plateau due to the vegetation homogeneity within a 1×1 km pixel in this region. Furthermore, MAP is a primary driver on the spatial variation of AGB at a regional scale.     

基于植被指数的典型草原区生物量模型——以内蒙古锡林浩特市为例

 利用遥感估测地上生物量是国内外生态学与地理学的研究热点。但基于植被指数的生物量回归模型结果差异较大,究竟哪种植被指数与哪种模 型更适合典型草原的生物量反演,是现代草地遥感急需解决的问题之一。该文基于TM影像数据的不同植被指数(VI)差异性,分别选取了RVI(比 值植被指数)、NDVI(归一化差异植被指数)、SAVI(土壤调节植被指数)、MASVI(修改型土壤调整植被指数)和RSR(简化比率植被指数)5种植被指 数,与同期的内蒙古典型草原区地面实测地上生物量做相关分析,分别建立了5种植被指数与地上生物量的线性及3种非线性(对数、二次多项式 、三次多项式)回归模型。研究结果表明：对于中国北方典型草原区而言,地上生物量与5种植被指数(RVI、NDVI、SAVI、MSAVI和RSR)均呈现出 显著相关,但地上生物量与后4种植被指数是正相关,与RVI为负相关;利用5种植被指数（RVI、NDVI、SAVI、MSAVI和RSR)监测草地植被生物量 的复相关系数均大于0.6,充分说明利用植被指数检测典型草原生物量是一种简单可行的方法;NDVI建立的生物量回归模型,其复相关系数大于 其它4类植被指数(RVI、SAVI、MSAVI和RSR),说明NDVI-生物量模型优于植被指数RVI、SAVI、MSAVI和RSR模型,其模拟地表生物量的效果好; 对于TM影像来说,植被生物量的线性模型与3种非线性模型(三次多项式生物量模型、二次多项式生物量模型、对数模型)都表现出较好的模拟效 果,都通过了0.01的显著性检验,而且该研究的结果显示出三次多项式生物量回归模型最优,其次是二次多项式生物量模型,再次是线性模型 ,相对较差的是对数模型。通过NDVI-生物量三次多项式回归模型模拟锡林浩特草原的生物量,可以看出整个研究区的地上生物量基本上是东高 西低、东南高西北低的趋势,这与研究区的地形、气候及土地利用等多种因素有关。     

基于GF-2的油松人工林地上生物量反演

油松是黄土高原地区重要的造林树种.快速准确地估测其地上生物量,对开展该地区森林资源动态监测等具有重要作用.本研究选取陕西省黄龙山林区石堡林场的油松人工林为对象,结合国产卫星高分二号(GF-2)的多光谱遥感影像与野外同时段实测样地数据,对其地上生物量进行了估算.提取了5种植被指数和8种纹理信息,基于普通回归、逐步回归、岭回归、拉索回归与主成分回归5种方法在4种纹理窗口(3×3、5×5、7×7和9×9)下建模,使用留一法交叉验证测试了每个模型的估算精度.结果表明: 提取的遥感因子之间存在着较为严重的多重共线性关系,大部分遥感因子与油松人工林地上生物量有较为显著的相关性;GF-2数据在石堡林场油松人工林地上生物量的反演中可以实现较高精度,其中估算效果最好的是使用了9×9纹理窗口的主成分回归模型,估算效果最差的是使用了3×3纹理窗口的普通回归模型.利用国产高分辨率卫星影像对油松人工林地上生物量进行反演研究,可以为西北地区林业部门进行森林生物量监测、资源管理与可持续经营提供科学依据.     

基于MODIS时间序列反射率数据的雷竹林LAI反演

本文以雷竹林为研究对象,基于MODIS地表反射率数据构建了归一化植被指数(NDVI)、比值植被指数(SR)、Gitelson绿色植被指数(GI)、增强型植被指数(EVI)和土壤调整植被指数(SAVI)5种植被指数,并将其与MODIS 7个波段原始反射率数据作为遥感变量,采用逐步回归和相关分析两种方法进行变量筛选,结合LAI实测数据构建了逐步回归和BP神经网络两种模型,对雷竹林生态系统观测站点2014年1月-2017年3月LAI时间系列数据进行反演,并将反演结果与同时期MOD15A2 LAI产品进行对比分析.结果表明: SR为唯一入选逐步回归模型的变量;b₁、b₂、b₃和b₇以及5种植被指数与LAI之间的相关性均达到显著水平,可作为BP神经网络模型的输入变量.使用BP神经网络反演得到的LAI与实测LAI之间的相关性显著,R²为0.71,RMSE为0.34,RMSE_r为13.6%,其R²比逐步回归模型提高了10.9%,RMSE降低了5.6%,RMSE_r降低了12.3%,与MODIS LAI相比,其R²提高了54.5%,RMSE降低了79.3%,RMSE_r降低了79.1%.结合MODIS时间序列反射率和BP神经网络模型能够精确地反演雷竹林LAI,为实现基于遥感技术快速监测区域雷竹林LAI提供可行的方法.     

基于环境卫星数据的黄河湿地植被生物量反演研究

回归模型拟合植被指数与生物量的定量关系是植被生物量反演的重要研究方法之一.研究在此基础上,基于环境卫星遥感数据和同步野外实地采样数据,以郑州黄河湿地自然保护区为试验区,比较MLRM(多元线性回归模型)与SCRM(一元曲线回归模型)反演植被生物量的能力,并估算研究区植被生物量,生成研究区生物量分布图.结果表明,文中所建立的MLRM在研究区具有较好的反演精度和预测能力.其模型显著性检验为极显著,相关系数为0.9791,模型拟合精度达到29.8 g/m2,其模型预测结果系统误差为49.9g/m2,均方根误差为67.2 g/m2,预测决定系数为0.8742,比传统的一元回归模型具有更高的精度和可靠性.估算研究区域2010年8月湿生植被生物量约为6.849199 t/hm2,相对误差为4.73％.     

乌兰布和沙漠东北缘荒漠-绿洲过渡带植被地上生物量估算

干旱区荒漠植被地上生物量是植被生长状况评价与荒漠化监测的重要指标。在乌兰布和沙漠东北缘的荒漠-绿洲过渡带选取典型区,基于地面调查数据构建主要植物种的异速生长方程,对样方内的植被地上生物量进行估算;基于样方调查数据和Quick Bird影像数据,分别建立植被指数与人工固沙林和荒漠植被地上生物量的回归模型,并对研究区植被地上生物量进行估算。结果表明:植冠体积V是较好的预测变量,所得荒漠植物异速生长方程精度较高,能够满足样方内荒漠植被地上生物量估算需要;采用RVI对数模型估算人工固沙林地上生物量的效果最好(R~2=0.72,RMSEP=56.15),采用RVI线性模型估算荒漠植被地上生物量的效果最好(R~2=0.82,RMSEP=15.07);研究区内荒漠植被和人工固沙林的单位面积地上生物量分别为90.73g/m~2和105.28g/m~2。该研究可以为荒漠化监测和荒漠植被遥感信息提取提供参考。