基于光谱特征变量的湿地典型植物生态类型识别方法——以北京野鸭湖湿地为例

光谱特征变量的选择对于湿地植被识别的精度和效率有着直接的影响作用.以华北地区典型的淡水湿地——野鸭湖湿地为研究区,采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植物的冠层光谱.以野外高光谱数据为基础,首先利用一阶导数与包络线去除的方法,分析和对比不同植物生态类型的光谱特征,选定了用于识别植物生态类型的光谱特征变量,选定的8个光谱特征变量为红边位置WP_r、红边幅值Dr、绿峰位置WP_g、绿峰幅值Rg、510 nm附近的吸收深度DEP-510和吸收面积AREA-510、675 nm附近的吸收深度DEP-675和吸收面积AREA-675.其中,7种植物生态类型的一阶导数光谱特征差异较小,吸收特征差异性相对较大.除WP_r和WP _g外,沉水植物Rg和Dr平均值最低,湿生植物的Rg平均值最高,达到0.164,栽培植物的Dr平均值最高,达到0.012.7种植物生态类型在675 nm附近的DEP-675和AREA-675均高于510 nm附近的DEP-510与AREA-510,除去栽培植物,随着水分梯度的变化,其他6种植物生态类型的吸收深度和吸收面积都表现出先升高后降低的趋势.然后利用单因素方差分析(One-way ANOVA)验证了所选光谱特征变量的区分度,在P≤0.01的置信水平下,选取的8个光谱特征变量都能够较好的区分7种植物生态类型,区分度的最小值为13,最大值为18,并且吸收特征参数的区分度优于一阶导数参数.最后应用非线性的反向传播人工神经网络(BP-ANN)与线性判别分析(FLDA)的类型识别方法,利用选定的8个光谱特征变量进行湿地植物生态类型识别,取得了较好的识别精度,两种方法的总分类精度分别达到85.5％和87.98％.单因素方差分析(One-way ANOVA)和不同分类器的分类精度表明,所选的8个光谱特征变量具有一定的普适性和可靠性.     

基于光谱指数的植物叶片叶绿素含量的估算模型

叶绿素是光合作用能力和植被发育阶段的指示器,是监测湿地植被生长健康状况的重要指标之一;高光谱遥感技术可以为植物叶绿素含量的定量化诊断提供简便有效、非破坏性的数据采集和处理方法。为保证被探测叶片面积相同,消除背景反射、叶片表面弯曲造成的光谱波动及叶片内部变异造成的影响,研究采用Field Spec 3光谱仪加载手持叶夹式叶片光谱探测器,测定野鸭湖湿地典型植物的叶片高光谱反射率数据,同时通过分光光度计室内测定相应叶片的叶绿素含量。采用相关性及单变量线性拟合分析技术,建立二者的关系模型,包括叶绿素含量与"三边"参数的相关模型以及比值光谱指数(SR)模型和归一化差值光谱指数(ND)模型,并采用交叉检验中的3K-CV方法对估算模型进行模型精度检验。结果表明:植物叶片叶绿素含量与"三边"参数大多都呈极显著相关,相关系数最大达到0.867;计算光谱反射率组成的比值(SR)和归一化(ND)光谱指数与叶绿素含量的决定系数,总体相关性比较高,较好的波段组合均为550—700nm与700—1400nm以及550—700nm与1600—1900nm,与叶绿素含量相关性最好的指数分别是SR(565nm,740nm)和ND(565nm,735nm)。并通过选取相关性最佳的光谱特征参数,分别基于"三边"参数和ND模型指数构建了植物叶片叶绿素含量的估算模型。其中,基于红边位置(WP_r)光谱特征参数和ND(565nm,735nm)光谱指数建立的叶绿素含量估算模型,取得了较好的测试效果,检验拟合方程的决定系数(R2)都达到0.8以上,估算模型分别为y=0.113x-78.74,y=5.5762x+4.4828。通过3K-CV方法进行测试和检验,植物叶绿素含量估算模型均取得了较为理想的预测精度,预测精度的分别为93.9%及90.7%。高光谱遥感技术对植被进行微弱光谱差异的定量分析,在植被遥感研究与应用中表现出强大优势,为植物叶绿素含量诊断中的实际应用提供了重要的理论依据和技术支持。     

基于可见光植被指数的面向对象湿地水生植被提取方法

利用ESP分割工具确定最佳分割尺度,通过多尺度分割算法创建最优分割影像,基于微型无人机影像数据生成可见光植被指数,从一系列可见光植被指数中选取一组最优植被指数,建立决策树规则,利用隶属度函数对研究区自动分类,生成水生植被分布图.结果表明: 监督分类法的总体精度为53.7%,面向对象分类法总体精度为91.7%,与基于像元的监督分类法相比,面向对象分类法显著改善了影像分类结果,并大大提高了水生植被提取精度,监督分类法的Kappa系数为0.4,而面向对象分类法的Kappa系数为0.9.这表明利用微型无人机数据生成的可见光植被指数结合面向对象分类方法提取水生植被在该研究区是可行的,并能够应用到其他类似区域.     

近30年来白洋淀湿地景观格局变化及其驱动机制

湿地是水陆相互作用形成的独特生态系统,其景观格局极易受到气候变化和人类活动的影响。利用1984—2014年的11期遥感影像数据,综合运用GIS技术和景观格局指数方法,对白洋淀湿地景观格局变化特征及其驱动力机制进行了分析。结果表明,1984—2014年期间,挺水植物和沉水植物呈减少趋势,农田和居民点持续快速增长,纯水体为"增加—减少—再增加"的趋势,林地和裸土地变化幅度不大。其中挺水植物一直是白洋淀最主要的景观类型,占研究区总面积比例达到37%—61%。农田的平均斑块面积最大,挺水植物的最大斑块指数和分维度指数最高,挺水植物和农田的聚集度指数最大,居民点、林地和裸土地空间分布离散,破碎化程度高,连通性差。1989—2004年白洋淀景观多样性指数呈减少趋势,景观格局趋于不稳定,同期聚集度指数上升,湿地连通性增加;1984—1989年和2004—2014年期间白洋淀多样性指数上涨,聚集度指数逐年下降,景观异质性增加。人口和社会经济发展是影响白洋淀景观格局变化的主要因素。     

不同水氮梯度下典型挺水植物叶绿素荧光的响应特性

叶绿素荧光测量分析可以揭示植物叶片光化学效率的变化,已越来越多地应用于植物生态监测。以再生水为主要补给水源的北京门城湖湿地公园为研究区,选取典型湿地挺水植物芦苇(Phragmites australis)、香蒲(Typha angustifolia)和茭白(Zizania latifolia)为研究对象,通过野外测量叶片尺度的叶绿素荧光参数和室内测定对应样点的水体总氮含量指标,研究了再生水补给条件下,不同水氮梯度植物叶绿素荧光的响应特性。结果表明,3种典型挺水植物的初始荧光(Fo)与最大荧光(Fm)随着水体总氮含量的增加呈现上升的趋势;PSII的量子效率(F_v/F_m)与实际量子效率(ΦPSII)受水氮含量的影响先升高,达到15–20 mg·L~(–1)区间时,则与之持平;光化学淬灭(qP)参数则呈现先升高后降低的变化趋势,而非光化学淬灭(NPQ)参数的变化没有明显的规律。当水氮含量为15–20 mg·L~(–1)时,光化学反应减弱,光合作用出现抑制。不同类型植物的荧光参数也有所不同,处于生长期(6月)植物的光合作用显著强于生长成熟期(9月)。     

基于无人机SfM数据的挺水植物生物量反演

生物量是衡量挺水植物生长状况的重要参数,对湿地生态系统健康评价具有重要意义。利用无人机影像生成运动重建结构Sf M(Structure from Motion,Sf M)数据,结合野外实测生物量构建定量反演模型,并根据反演模型对生物量进行空间制图,最后分析了挺水植物类型对生物量空间分布的影响。结果表明,文中基于Sf M数据建立的逐步线性回归模型(Stepwise Linear(SWL)regression model)具有较好的反演精度及估测能力。其模型显著性为显著(P0.01),决定系数为0.86,相对均方根误差为6.1%。挺水植物类型对生物量空间分布影响显著(P0.05)。通过对研究区挺水植物的生物量进行估算,为利用无人机遥感监测挺水植物生物量提供了新思路。     

叶冠尺度野鸭湖湿地植物群落含水量的高光谱估算模型

利用高光谱遥感技术定量估测野鸭湖湿地植被含水量,对于监测和诊断野鸭湖湿地植被的生理状况及生长趋势具有重要意义,也能够为高光谱遥感影像在野鸭湖湿地植被含水量诊断中的实际应用提供理论依据和技术支持.采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植被冠层和叶片的光谱,并测定了对应的含水量.以上述实测数据为基础,首先以芦苇为例初步探明了不同含水量水平下典型湿地植被冠层和叶片光谱反射率的响应模式,然后采用相关性及单变量线性与非线性拟合分析技术,从冠层和叶片两种层次,对不同尺度下的含水量与“三边”参数及高光谱植被指数进行了分析拟合,并采用交叉检验中的3K-CV方法对估算模型进行了测试和检验,确立了不同尺度下野鸭湖湿地植被含水量的定量监测模型.结果表明:(1)随着含水量水平的增加,芦苇冠层与叶片光谱在可见光波段(350-760 nm)和红外波段(760-2500 nm)的反射率均呈逐渐降低趋势.(2)不同尺度含水量与选取的光谱特征参数整体上相关性较强,与“三边”参数基本上都呈极显著相关,相关系数最大达到0.906;与高光谱指数全部呈极显著相关,相关系数最小为0.455,最大达到0.919,并通过选取不同尺度上相关性最佳的光谱特征参数,分别基于“三边”参数和高光谱植被指数构建了不同尺度下的含水量估算模型.其中,冠层尺度下,黄边面积(SDy)与SRWI( Simple Ratio Water Index)的估算效果最好,估算模型分别为y=-9.462x2 -2.671x+0.608和y=0.219e1.010x;叶片尺度下,红边面积(SDr)与WI( Water Index)的估算效果最好,估算模型分别为y=0.562x+0.376和y=2.028x2 -0.476x-1.009.通过3K-CV的交叉验证,不同尺度下的含水量估算模型均取得了较为理想的预测精度,预测精度的最小值为94.92％,最大值为97.06％,表明估测模型具有较高的可靠性与普适性.(3)高光谱植被指数与含水量拟合方程的拟合度相对高于“三边”参数与之建立方程的拟合度,说明多波段组合的光谱特征参数更适合含水量的判别.     

不同端元模型下湿地植被覆盖度的提取方法——以北京市野鸭湖湿地自然保护区为例

植被覆盖度作为反映湿地植物生长状况的重要生态学参数,在评估和检测湿地生态环境方面起着关键的作用.以华北内陆典型的淡水湿地——北京市野鸭湖湿地自然保护区为研究对象,中等分辨率的Landsat TM影像为数据源,基于线性光谱混合模型(LSMM)对研究区的植被覆盖度进行了估算.针对湿地植被类型丰富、土地利用类型多样化的特点,利用归一化植被指数(NDVI)在反映植物生长状况、覆盖程度以及区分地表覆盖类型方面的优势,通过对原始Landsat TM影像增加NDVI数据维对影像进行维度扩展,克服了传统研究中通常从Landsat TM影像上提取3-4种端元的局限,经最小噪声分离变换(MNF变换)、纯像元指数(PPI)计算以及人机交互端元选取等一系列运算,构建以陆生植物、水生植物、高反射率地物、低反射率地物、裸露土壤为组分的五端元模型来反映研究区的地物组成;同时,以原始Landsat TM影像为基础,构建植物、高反射率地物、低反射率地物、裸露土壤为组分的四端元模型.针对两种端元模型,采用全约束下的LSMM算法进行混合像元分解以获取研究区的植被覆盖度,其次辅以研究区的纯水体信息对其进行优化.精度检验采用相同时期的高分辨率WorldView-2多光谱影像来进行.研究表明:虽然四端元模型与五端元模型对植被覆盖度的估算结果在空间上具有基本一致的分布趋势,但是前者的估算结果在数值上要普遍低于后者,在研究区的水体及其附近,四端元模型难以体现水生植物的植被覆盖信息;另外,五端元模型的估算结果与检验数据的相关系数R达到0.9023,均方根误差(RMSE)为0.0939,明显优于四端元模型的R=0.8671和RMSE=0.1711.这反映了通过对影像进行维度扩展的方法来改进端元提取的数量是可行的,而由此构建的五端元模型可以更充分的反映研究区地物之间的光谱差异,从而获得更好的估算精度.     

官厅水库消落带土壤有机质空间分布特征

消落带土壤由于在水陆交替的特殊生境和复杂的地球化学共同作用下形成,具有独特的理化性质和生态功能。各营养盐含量在时间和空间上具有较高的变异性,土壤中有机质的分布及迁移和转化均受到复杂的影响。针对官厅水库流域上游妫水河段消落带,选择典型消落带落水区,对该区土壤有机质含量的时空分布特征进行研究。结果表明:1)研究区消落带土壤有机质含量较为贫瘠,变化范围在1.64-26g/kg之间,平均值仅为13.16g/kg,变异系数达50.59%。说明消落带由于季节性干湿交替的特殊水文条件的影响,土壤养分的分布具有较高的空间异质性。淹水频繁区有机质含量平均值为15.74g/kg,高于长期出露区的10.12g/kg,且变异系数为41.38%,小于长期出露区的54.98%。说明淹水频繁区对土壤养分的持留能力更强,且周期性的淹水条件使得研究区近岸具有相似的生境类型,不同采样点土壤有机质含量的差异相对较小。2)不同植物群落下,芦苇和香蒲群落土壤有机质含量最高,平均值为17.08g/kg;含量最低的是以小叶杨和白羊草为主的中旱生植物带,平均值为9.12g/kg;其次是酸模叶蓼、大刺儿菜为优势物种的湿生植物带,土壤有机质含量平均值为15.49g/kg。3)不同土壤层次有机质含量差异较大,总体变化趋势均由表层向下逐渐减少,各层之间体现出显著差异性(P0.05)。研究区土壤C/N变化范围在1.64-18.95,平均值为8.95。说明研究区土壤碳氮比相对较低,有机质的腐殖化程度较高,且长期出露区土壤有机质更容易发生分解,C的累积速度远小于N。土壤C/N垂直分布大致呈先增大后减小趋势,在30cm处达到最大值,而后随着土壤深度的增加逐渐减小。4)消落带土壤有机质分布的影响因素分析中,土壤有机质与全磷呈极显著正相关,相关系数为0.62(P0.01);与土壤全氮和C/N呈显著正相关(R=0.57,0.60;P0.05)。这说明研究区土壤全磷、全氮、C/N和有机质明显具有相同的变化趋势,和有机质存在相互影响。其次,土壤有机质和湿度在呈显著负相关(R=-0.51;P0.05),表明研究区土壤湿度对有机质含量具有显著的影响。气候因子中,温度对研究区土壤有机质的分布具有显著的影响,相关系数为-0.51(P0.05)。植被因子中,植被覆盖度和土壤有机质含量呈显著正相关,相关系数为0.64,表明植被因子也是影响土壤有机质分布的重要因素之一。     

1981-2013华北平原气候时空变化及其对植被覆盖度的影响

基于1981—2013年华北平原气象数据,对华北平原近30a的气候时空变化趋势与突变情况进行分析,并结合GIMMSNDVI(1981—2006年)和MODIS-NDVI(2000—2013年)遥感数据,探讨气候突变影响下,华北平原1981—2013年植被覆盖度的空间分布和变化特征。结合生态学分区,从不同时空尺度出发,分析华北平原不同生态分区内气候因子与植被覆盖度在年代际、年际和月变化的相关关系。结果发现:(1)1981—2013年,华北平原气温整体呈现显著上升趋势(0.20℃/10a,P0.01),春季气温的升高、15℃等温线控制范围的扩大和年均温0℃等值线在华北平原的消失,是区域平均气温升高的诱因。华北平原降水整体呈现显著减少趋势(-1.75mm/10a,P0.05),其中秋季降水量减少过快,400—600mm降水等值线控制范围的扩大、600—800mm和800—1000mm降水等值线的范围的缩小,共同造成区域降水量的减少。四季气候倾向率的特征变化敏感区域主要位于北纬35°—39°之间。1991—1994年为华北平原气候的突变时期。(2)华北平原植被覆盖度总体呈现上升的趋势,呈增加趋势的面积占总面积的55%。人类活动不仅加速了区域植被覆盖度的降低,也加剧了降低速率的变快。(3)总体上,研究区月尺度植被覆盖度与气候因子的相关性高于年尺度的值。植被覆盖度与年降水量的偏相关性高于其与年均温的偏相关性。年均温对农业生态区和森林生态区的植被覆盖度的影响更大,草原生态区的植被覆盖度对年降水量的依赖性更强。在月尺度上降水量对植被的影响具有时滞效应。气温对草原生态区具有时滞效应,降水量对农业生态区具有时滞效应。(4)华北平原干热化的气候突变降低了植被覆盖度的增加趋势。从植被覆盖度出发,草原生态区对气候突变的响应最明显;从变化速率角度出发,农田生态区的响应最明显。就整体而言,人类活动的影响力还在持续增强,且呈现出在退化区的作用力高于改善区的趋势。气候突变后,出现了人类活动在植被覆盖度的改善区的相对作用力高于退化区的变化。