火地塘生态定位站不同植物群落与小蠹类群多样性

为探讨不同森林植物群落中植物类群与小蠹类群的结构特征以及小蠹类群随海拔高度而发生的变化,于2001~2003年夏季,采用取样调查法,依据海拔高度将秦岭火地塘生态定位站植物群落划分为山麓农田和侧柏群落(群落Ⅰ)、油松-华山松-锐齿栎群落(群落Ⅱ)、油松-华山松-栓皮栎群落(群落Ⅲ)、油松-华山松-辽东栎群落(群落Ⅳ),亚高山云杉林群落(群落Ⅴ),亚高山冷杉林群落(群落Ⅵ)6种类型的植物群落中,分乔木层、灌木层、草本层3个层次,分别计算出高等森林植物群落和针叶树小蠹类群的Shannon-W iener多样性指数、B erger-Parker生态优势度和P ie lou均匀度指数。结果表明,在山麓灌丛群落至针阔混交林群落之间,森林植物物种多样性指数、群落均匀度指数和物种丰富度呈递增趋势;在针阔混交林群落与亚高山云杉林群落、亚高山冷杉林群落之间,物种多样性指数、群落均匀度指数和物种丰富度呈下降趋势。从总体看,阔叶林中森林植被的多样性程度高于亚高山云杉林和冷杉林。群落优势度指数的变化规律则与之相反。不同森林群落类型中针叶树小蠹类群的多样性、均匀度和优势度研究结果表明,针叶树小蠹物种多样性指数和均匀度由高到低的排列顺序依次为:油松-华山松-栓皮栎群落、油松-华山松-锐齿栎群落、油松-华山松-辽东栎群落、亚高山云杉林群落、亚高山冷杉林群落、山麓农田侧柏群落;针叶树小蠹群落优势度的变化趋势与之相反。6种类型的植物群落中,共获得针叶树小蠹21种。讨论了小蠹这一昆虫类群对森林植物群落的指示意义、海拔高度对森林植物和小蠹组成及分布的主要影响、研究森林生态系统各部分组成及相互关系的必要性以及进一步深入研究森林群落物种多样性需要注意的问题。     

红树林生态系统遥感监测研究进展

随着现代遥感技术的迅速发展,遥感监测已经成为红树林生态系统变化监测的重要手段和方法。从遥感技术在生态系统变化监测应用领域入手,综述了国内外红树林遥感监测的发展历程,系统总结了遥感技术在红树林湿地动态、种间分类、群落结构(叶面积指数、冠幅、树高等)、生物量、灾害灾情(病虫害、风暴潮等)、景观格局动态、驱动力、红树林湿地保护与管理等领域应用现状,归纳了不同应用领域遥感监测的理论、方法及研究现状。指出我国在红树林遥感监测中存在的不足。提出红树林遥感监测应在分类标准体系规范化、分类精度提升、红树林生态学特征参数(物种多样性、优势度等)、生态系统环境空间演变过程及遥感监测的尺度效应方面加大研究力度。充分发挥区域综合监测模型在红树林生态系统变化遥感监测中的作用。     

植冠下土壤类型差异对遥感估算冬小麦叶面积指数的影响

遥感是从田块到区域乃至全球范围无损探测叶面积指数(LAI)的有效方法。土壤背景是LAI遥感研究的重要制约因素之一,而土壤类型是组成土壤背景的主要部分,对植被冠层-土壤的光学性质有重要影响,但目前植冠下土壤类型背景对遥感LAI估算的影响尚不明确。该文通过分析归一化差异植被指数、修正型土壤调节植被指数、修正的叶绿素吸收比率指数、红边拐点、红边振幅、红边面积、红边对数指数和归一化差异光谱指数在不同土壤类型下对LAI的敏感性,挖掘最不敏感的光谱参数;通过比较两种回归模型(偏最小二乘回归和随机森林回归)在单一土壤类型和多种土壤类型区对LAI的预测精度,探究将单一土壤类型下发展的LAI估算模型应用到复杂土壤类型地区时可能出现的问题。结果表明:(1)虽然8种光谱指数对LAI的敏感性因土壤类型不同而差异明显,但红边拐点受植冠下土壤类型影响最小;"lambda-by-lambda"波段优选算法不仅可以提供对LAI最敏感的光谱区间,而且可在一定程度上为抵抗植冠下土壤类型差异影响的光谱指数构建提供可行思路;(2)回归模型的LAI预测精度因是否考虑土壤类型而不同,但在小区域尤其是田块尺度研究时,对变量的解释能力是选择模型的第一考虑,而偏最小二乘回归在此方面优于随机森林回归;在未知地表先验知识的前提下,随机森林回归对大区域LAI估算比偏最小二乘回归适合,但地表先验知识的获取对LAI遥感估算仍然十分必要。     

基于环境星与MODIS时序数据的面向对象森林植被分类

林区地形复杂、植被分布无序,且森林植被光谱信息相近,因而森林二级类型边界的确定成为土地覆盖遥感分类的难点。选择吉林省东部山区为研究区,以环境星影像(HJ-1 CCD)和中等分辨率成像光谱仪(MODIS)时序数据为基础,采用面向对象的分类方法进行森林植被类型的提取。分类特征参数主要选取了HJ-1 CCD的光谱和纹理特征,以及MODIS时序数据的物候特征。研究区总体分类精度为91.5%,Kappa系数为0.88,森林二级类型的分类精度均较高,其中落叶阔叶林的制图精度达到了97.1%。所用的面向对象分类方法与未加入物候特征的面向对象分类方法相比,森林二级类型的分类精度得到大幅度提高。     

利用GIS对吉林针阔混交林TM遥感图像分类方法的初探

为提高林区TM遥感图像自动分类识别精度,在GIS技术辅助下,以吉林省汪清林业局针阔混交林TM遥感图像为例,对研究区DEM、坡向等地理因子和土壤类型等环境因子与森林植被分布之间的内在规律进行了定量分析,并结合对遥感图像预分类的定性分析,形成分类知识库,建立了适用于针阔混交林的自动分类识别专家系统.分类试验证明,该系统能比较明显地削弱混合像元和地形阴影的影响,分类精度较无监督分类法提高了14.22%,Kappa指数为0.7556,达到区别森林类型的分类目的.将GIS数据引入专家系统,应用先验知识建立推理机制,可以解决遥感图像中云区和云阴影区由于不能接收到正确的光谱值而无法进行分类的问题.     

基于HJ1B和ALOS/PALSAR数据的森林地上生物量遥感估算

森林地上生物量的精确估算能够减小碳储量估算的不确定性。为了探寻一种有效地提高森林生物量估算精度的方法,探讨了基于遥感物理模型和经验统计模型估算山地森林地上生物量的方法。首先,基于Li-Strahler几何光学模型和多元前向模式(MFM)进行模型模拟,结合查找表算法(LUT)从多光谱图像HJ1B估算贺兰山研究区的森林地上生物量。其次,采用统计方法建立了2种回归模型:(1)多光谱图像HJ1B进行混合像元分解(SMA),并与雷达图像ALOS/PALSAR进行图像融合建立生物量回归模型;(2)雷达图像ALOS/PALSAR后向散射系数和实测生物量建立了生物量回归模型。用实测数据对3种算法估算结果进行精度验证。研究结果表明:采用几何光学模型和MFM算法估算的森林地上生物量精度最好(决定系数R2=0.61,均方根误差RMSE=8.33 t/hm2,P0.001),其估算地上生物量与实测值一致性较好,估算生物量精度略优于SMA估算的精度(R2=0.60,RMSE=9.417 t/hm2);ALOS/PALSAR多元回归估算的精度最差(R2=0.39,RMSE=14.89 t/hm2)。由此可见,采用几何光学模型和混合像元分解SMA适合估算森林地上生物量,利用这2种方法进行森林地上生物量遥感监测研究具有一定的应用潜力。     

普洱季风常绿阔叶林乔木物种多样性高分辨率遥感估测

季风常绿阔叶林是我国南亚热带典型的地带性植被,也是云南省普洱地区重要森林类型。季风常绿阔叶林乔木物种多样性遥感估测对研究区域尺度生物多样性格局及其规律具有重要作用。根据光谱异质性假说和环境异质性假说,首先使用1m空间分辨率的机载高光谱数据和激光雷达数据提取了光谱多样性特征和垂直结构特征。然后利用基于随机森林算法的递归特征消除方法选择对研究区森林乔木物种多样性指数具有较好解释能力的遥感特征,并对Shannon-Winner物种多样性指数进行建模、制图。研究结果表明：(1)基于机载LiDAR数据提取的垂直结构特征和机载高光谱数据提取的光谱多样性特征均对研究区森林乔木物种多样性具有较好的解释能力,随机森林模型估测结果分别为R²=0.48,RMSE=0.46和R²=0.5,RMSE=0.45;两种数据源融合可以进一步提高遥感数据的森林乔木物种多样性估测精度,随机森林估测模型R²和RMSE分别为0.69和0.37。(2)机载激光雷达数据对研究区针阔混交林乔木物种多样性的估测能力优于机载高光谱数据。(3)机器学习方法有助于从高维遥感...     

外来树种华北落叶松引种对秦岭森林群落的影响

采用样地调查法对比研究了秦岭火地塘林区外来树种华北落叶松人工林与乡土树种华山松人工林及华山松天然次生林群落特征差异.结果表明:华北落叶松人工林群落与华山松天然次生林群落的相似性系数仅为0.11,华山松天然次生林与华山松人工林的物种数量均明显高于华北落叶松人工林(P＜0.01);华山松天然次生林和华山松人工林乔、灌、草层的Margalef指数、Simpson指数、Shannon-Wiener指数和Pielou均匀度指数均显著高于华北落叶松人工林( P＜0.001),而前两者之间灌木层和草本层的4个多样性指数的差异不显著(P＞0.05);华北落叶松人工林的自然构成系数最低(0.3),华山松天然次生林的自然构成系数最高(5.2),华山松人工林的自然构成系数为3.5,三者存在极显著差异(P＜0.001).说明外来树种华北落叶松引种造成秦岭森林群落物种丰富度、植物多样性和林分自然化程度降低,自然次生演替或乡土树种人工林较外来树种人工林更有利于林下植被的恢复.     

基于土壤异质背景的玉米秸秆覆盖度遥感反演

玉米秸秆覆盖还田是东北平原当前大力推广的一种保护性耕作方式。区域作物秸秆覆盖度(CRC)的遥感估算可大范围快速获取耕地秸秆覆盖还田信息,对于政府监测和推广秸秆覆盖还田工作有重要作用。本研究以吉林省梨树县为研究区,基于Sentinel-2A卫星影像,选取归一化耕作指数(NDTI)、归一化秸秆指数(NDRI)、简单耕作指数(STI)和归一化差值指数(NDI7)4种光谱指数,建立光谱指数与玉米秸秆覆盖度的线性回归模型,进行秸秆覆盖度反演。结果表明: 研究区土壤背景空间异质性较强,对光谱指数回归模型影响显著,采用土壤质地分类(分区)分别建立回归模型的方法可提高反演精度。土壤背景空间异质性会增大模型估算误差;4种光谱指数与玉米秸秆覆盖度均有较强相关性,其中,NDTI和STI模型表现更好;基于NDTI和STI的分区线性回归模型验证R²为0.84、RMSE为13.3%,优于不分区的模型(R²为0.75,RMSE为16.5%),有效提升了反演精度。     

基于无人机多源遥感数据的亚热带森林树种分类

树种多样性是生态学研究的重要内容,树木的种类和空间分布信息可有效服务于可持续森林管理。但在复杂林分条件下,获取高精度分类结果的难度大。而无人机遥感可获取局域超精细数据,为树种分类精度的提高提供了可能。基于可见光、高光谱、激光雷达等多源无人机遥感数据,探究其在亚热带林分条件下的树种分类潜力。研究发现:(1)随机森林分类器总体精度和各树种的F1分数最高,适合亚热带多树种的分类制图,其区分13种类别(8乔木,4草本)的总体精度为95.63%,Kappa系数为0.948;(2)多源数据的使用可以显著提高分类精度,全特征模型精度最高,且高光谱和激光雷达数据显著影响全特征模型分类精度,可见光纹理数据作用较小;(3)分类特征重要性从大到小排序为结构信息,植被指数,纹理信息,最小噪声变换分量。     

长白山林区森林生物量变化定量驱动分析

根据研究区单木生物量模型及森林资源清查资料计算样地生物量,采用试验精度较高的遥感模型进行4期遥感数据的森林生物量估算,获得区域单位面积生物量变化值,并利用bootstrap方法对引起这种变化的气象因素、森林经营活动因素和社会经济因素等驱动因子进行变量筛选,利用偏最小二乘算法建立不同时间段的森林生物量变化驱动模型,计算变量投影重要性指标（VIP）定量刻画各因素对森林生物量变化的影响重要程度.结果表明：目前人为因素对长白山林区森林生物量变化的影响程度（VIP值）已经小于自然因素,说明国家对林区的森林保护政策已经起到了明显的效果.本文拓宽了森林生物量变化驱动分析的内容,引入了VIP值对森林生物量的变化驱动因子进行定量刻画,为定量分析森林生物量的变化提供了一条新的途径.     

基于多源遥感数据的植物物种分类与识别: 研究进展与展望

物种分类与识别是生物多样性监测的基础, 明确物种的类别及其分布是解决几乎所有生态学问题的前提。为深入了解基于多源遥感数据的植物物种分类与识别相关研究的发展现状和存在的问题, 本文对2000年以来该领域的研究进行了总结分析, 发现: 当前大多数研究集中在欧洲和北美地区的温带或北方森林以及南非的热带稀树草原; 使用最多的遥感数据是机载高光谱数据, 而激光雷达作为补充数据, 通过单木分割及提供单木的三维垂直结构信息, 显著提高了分类精度; 支持向量机和随机森林作为应用最广的非参数分类算法, 平均分类精度达80%; 随着计算机技术及机器学习领域的不断成熟, 人工神经网络在物种识别领域得以迅速发展。基于此, 本文对目前基于遥感数据的植物物种分类与识别中在分类对象复杂性、多源遥感数据整合、植物物候与纹理特征整合和分类算法技术等方面面临的挑战进行了总结, 并建议通过整合多时相监测数据、高光谱和激光雷达数据、短波红外等特定波谱信息、采用深度学习等方法来提高分类精度。     

基于高分辨率与高光谱遥感影像的北亚热带马尾松及次生落叶树种的分类

利用遥感数据开展森林资源树种的分类对森林资源的监测、森林可持续经营及生物多样性研究都有重要意义。该文以江苏南部丘陵地区的北亚热带天然次生林为研究对象, 利用LiCHy (LiDAR、CCD、Hyperspectral)集成传感器同期获取的高分辨率和高光谱数据, 进行冠幅识别和多个层次的树种分类: 首先, 对高分辨率影像进行基于边缘检测的多尺度分割, 提取出单木冠幅; 其次, 对高光谱影像进行特征变量提取, 并对提取出的特征变量利用信息熵原理选取优化特征变量; 然后, 分别利用全部特征变量和经优化的重要特征变量对森林树种及森林类型进行预分类; 最后, 在预分类结果中加入单木冠幅信息对森林树种及森林类型进行重分类, 并分析分类结果的精度。研究表明: 1)利用全部特征变量进行4个典型树种分类时, 总体精度为64.6%, Kappa系数为0.493; 而针对森林类型的分类精度为81.1%, Kappa系数为0.584。2)利用选取的优化特征变量分类精度略低于利用全部特征变量的分类精度, 其中对4个典型树种分类时, 总体精度为62.9%, Kappa系数为0.459; 而针对森林类型的分类精度为77.7%, Kappa系数为0.525。通过集成传感器同期获取的高分辨率和高光谱数据可以有效地进行北亚热带森林的树种分类及森林类型的划分。     

森林结构复杂度对单木分割精度的影响——以田横岛为例

单木分割对于森林资源调查具有重要的意义,不同结构复杂度的森林单木分割算法的选择以及分割参数的选取对分割精度有着很大的影响。以山东田横岛为研究区,基于无人机正射影像与激光雷达数据,首先提取海岛森林典型植被二维与三维特征,然后利用随机森林算法对不同树种的树木进行分类,最后基于分类后的点云数据,选取不同结构复杂度的森林样地,对比分析聚类算法、层堆叠算法、分水岭算法在不同复杂度林区的适用性。结果表明:(1)随机森林算法结合单木二维、三维特征可有效对混交林树木进行分类,模型总体的精度为94.51%,Kappa系数为0.9038;(2)聚类算法对结构简单的林区具有更高的分割精度(F=96.41),但依赖于分割参数的选取;面对复杂单木集群,分水岭算法总体得分波动最小(ΔF=14.56),表现出较强的稳定性;(3)混交林预先进行树种分类可有效改善单木分割环境,相比于直接进行单木分割,聚类算法、层堆叠算法、分水岭算法的分割精度均得到不同程度的提升(ΔF₁=10.06,ΔF₂=9.51,ΔF₃=12.6)。     

阿勒泰地区雪灾遥感监测模型与评价方法

利用我国新疆阿勒泰地区1996～1997年两次雪灾期问的NOAA卫星数据及地面气象台站观测资料,建立了积雪深度遥感反演模型;利用线性混合光谱分解原理,研究了基于像元的积雪覆盖率及积雪空间分类算法;提出评价积雪对草地畜牧业危害程度的两种基于格网数据结构的定量化指数．结果表明,通过积雪深度反演模型和线性混合光谱分解方法可计算基于像元的积雪深度和覆盖率,提高积雪分类的精度．建立的基于格网单元的积雪危害指数模型可系统地表达积雪区的雪情、草情、畜情和气象因子的空间分布状况,综合反映积雪对草地畜牧业的危害程度。     

阿勒泰地区雪灾遥感监测模型与评价方法

利用我国新疆阿勒泰地区1996～1997年两次雪灾期间的NOAA卫星数据及地面气象台站观测资料,建立了积雪深度遥感反演模型;利用线性混合光谱分解原理,研究了基于像元的积雪覆盖率及积雪空间分类算法;提出评价积雪对草地畜牧业危害程度的两种基于格网数据结构的定量化指数.结果表明,通过积雪深度反演模型和线性混合光谱分解方法可计算基于像元的积雪深度和覆盖率,提高积雪分类的精度.建立的基于格网单元的积雪危害指数模型可系统地表达积雪区的雪情、草情、畜情和气象因子的空间分布状况,综合反映积雪对草地畜牧业的危害程度.     

基于Sentinel-2A数据的东北森林植物多样性监测方法研究

植物多样性监测是开展生物多样性评估,制定生物多样性保护政策的基础。传统的森林植物多样性监测以实地调查为主,难以快速获取森林植物多样性的空间分布及其动态变化信息。遥感技术的发展为评估区域尺度森林植物多样性提供了重要工具。该研究选取凉水、丰林和珲春3个国家级自然保护区,利用Sentinel-2A卫星影像和野外实测数据,探讨了基于像元和聚类的光谱多样性直接估算方法,以及基于随机森林回归的森林植物多样性反演方法。研究结果表明:(1)在像元尺度,基于凸包面积计算的光谱多样性指数对Shannon-Wiener多样性指数的估算精度(R²=0.74)优于基于变异系数的方法(R²=0.60);(2)基于像元的光谱多样性估算方法对Shannon-Wiener多样性指数的估算精度优于聚类分析方法(R²=0.59);(3)基于6个特征变量,利用随机森林回归算法对Shannon-Wiener多样性指数的估算精度最高(R²=0.79);(4)上述方法均不能精确估算Simpson多样性指数和物种丰富度。研究发现基于Sentine...     

基于湿地植物光谱的水体总氮估测

利用再生水补充城市湿地是目前湿地恢复与重建的主要方向,然而再水中高浓度的氮、磷含量极易导致水体富营养化。遥感技术已成为富营养化监测的重要手段,但对于植被覆盖水域的富营养化直接探测存在一定的局限性。以北京市典型再生水补水湿地奥林匹克公园南园湿地为研究区,利用湿地植物光谱进行水体富营养化主控因子总氮的遥感探测。测定芦苇(Phragmites australis)和香蒲(Typha angustifolia)的叶片光谱及水体总氮含量,在对数据进行预处理的基础上建立二者的关系模型,包括单变量模型(比值光谱指数(SR)模型和归一化差值光谱指数(ND)模型),与多变量模型(逐步多元线性回归(SMLR)模型和偏最小二乘回归(PLSR)模型),并利用交叉验证决定系数(R2cv)和均方根误差(RMSEcv)进行模型精度检验。结果表明,不同回归模型相比,多变量回归模型精度较高;多变量回归模型中,PLSR模型精度较高,R2cv可达0.72,RMSEcv仅为0.24,是建立湿地植物光谱与水体总氮含量关系的最优模型。不同湿地植物类型相比,利用芦苇反射光谱建立的各种预测模型的精度都高于香蒲。其他环境因子(总磷)也是影响TN含量与湿地植物反射光谱关系的重要因素。研究成果可以弥补现有水体富营养化遥感探测的不足,并为再生水利用的城市湿地水质监测与管理提供有力的科学依据。     

云南和广西橡胶林中对长小蠹调查

中对长小蠹Euplatypus parallelus(Fabricius, 1801)是最具入侵性和分布范围最广的长小蠹。中对长小蠹是一种重要入侵森林害虫,目前正在全世界范围迅速扩散。本文首次对中国云南和广西橡胶林进行中对长小蠹发生情况的调查,并在云南省景洪市橡胶林发现中对长小蠹。同时介绍了中对长小蠹的分类地位、寄主和分布、形态特征、危害特点、防治和监测的措施,并探讨中对长小蠹在云南橡胶林的潜在风险,提醒人们要对其进行监测和防控,防止扩散并造成危害。     

遥感反演植被含氮量研究进展

植被含氮量表征植被氮素状态。它作为植被生长状况的重要指标,在生态系统健康状况检测、生态系统生产估测、精准农业、生态系统干扰评估等方面均有重要意义。遥感监测植被含氮量主要基于高光谱和多光谱数据,采用的算法包括经验方法(波谱指数与回归分析)及物理方法(辐射传输模型法)。但受数据源和研究方法的局限,目前植被氮含量遥感监测局限于区域范围较小且内部植被类型与环境条件(气候、地形等)基本一致的情形,而对复杂生态系统的监测能力不足。未来的研究需针对氮沉降和人类活动的生态系统响应这一重大研究需求,发展和改进现有植被含氮量遥感反演方法。可考虑开展对不同环境条件下、不同类型植被光谱曲线进行标准化的研究,以形成普适的植被含氮量反演方法。并考虑综合运用多种数据(如微波遥感、无人机遥感),形成多尺度同步监测,以提高遥感对区域乃至全球范围内植被氮含量常规监测的能力。