水盐梯度下黄河三角洲湿地植被空间分异规律的定量分析

三角洲湿地植被的形成和分布同时受水深、土壤含盐量两个环境因子的作用。采用模糊数学排序方法分析了黄河三角洲湿地植被在水深、土壤含盐量两个环境梯度下的空间分异规律。结果表明,由TWINSPAN划分而得到的8个植被类型在模糊数学排序图中有各自的分布范围,界线明显。以穗状狐尾藻(Myriophyllum spica-tum)等水生植物为优势种的群落分布在排序图的左上部,为黄河三角洲湿地高水深、低盐分地区;以柽柳(Tam-arix chinensis)、翅碱蓬(Suaeda heteroptera)等典型盐生植物为优势种的群落分布在排序图的右下部,为黄河三角洲的低水深、高盐分地区;其他以芦苇(Phragmites australis)、荻(Triarrhena sacchariflora)、旱柳(Salix matsudana)等为优势种的群落分布在排序图的中部。利用Gini-Simpson指数,在模糊数学排序图中分析了植物物种多样性随水深、土壤含盐量梯度的空间变化,结果表明,高水深、低盐分和低水深、高盐分地区植物物种多样性均较低,而二者过渡区域植物物种多样性较高。     

洪河自然保护区乌拉苔草生物量高光谱遥感估算模型

尝试用不同方法构建洪河自然保护区湿地植被乌拉苔草(Carex meyeriana)的高光谱植被指数,建立水上鲜/干生物量高光谱估算模型,并比较了不同模型的反演精度。通过实测不同覆盖度和水深状况下乌拉苔草的冠层高光谱反射率与水上生物量的数据,采用高光谱可见光—近红外波段及其微分光谱波段(350~1 050 nm)逐波段构建FNDVI、FRVI、FDVI、FDNDVI、FDRVI、FDDVI植被指数,分别找出与水上鲜生物量和干生物量具有最佳相关性波段组合的植被指数,建立乌拉苔草水上生物量的最佳估算模型,并对比分析了反射率光谱植被指数(FNDVI、FRVI、FDVI)模型和微分光谱植被指数(FDNDVI、FDRVI、FDDVI)模型的反演精度。结果显示,微分光谱与乌拉苔草水上生物量的相关性比反射率光谱好;微分光谱植被指数与乌拉苔草水上生物量的相关性比反射率光谱植被指数好,尤其以微分光谱植被指数FDRVI与FDNDVI建立的二次函数模型反演乌拉苔草的水上鲜生物量和干生物量的效果最好,精度分别达74.9%、71.4%,其均方根误差分别为0.074 4和0.026 2,通过了p<0.01极显著验证。这表明,采用微分光谱植被指数FDRVI、FDNDVI对乌拉苔草水上鲜生物量和干生物量的估算可以取得较高的预测精度。     

黄河三角洲新生湿地植物群落分布格局

为阐明黄河三角洲新生湿地植被群落的分布格局,以1996年后新淤积形成的湿地植被为研究对象,选取9个典型植被群落过渡带,测定分析其群落数量特征,以期能为更好的保护与管理黄河三角洲新生湿地提供数据支持。调查结果显示：黄河三角洲新生湿地植被群落沿河向海的方向呈同心环状发展,呈现出较明显的条带状。自河岸向海岸,植物的耐盐性逐渐提高。草本植物自河岸、海岸向中心陆地演替,而木本植物则由中心陆地向河岸、海岸演替。物种丰富度及香农-威纳（Shannon-Wiener）多样性指数自河岸向海岸,先升高后降低。土壤含盐量的变化与植物群落的组成结构之间具有密切关系,这说明土壤含盐量是影响黄河三角洲新生湿地植被分布格局的主要因子。     

基于高光谱信息的芦苇和香蒲地上干生物量反演方法研究

植物生物量是反映湿地生态系统功能与健康状况的重要指标,高光谱技术可以为定量监测挺水植物生物量提供快速、无损的数据采集与分析处理方法。利用Field Spec 3野外高光谱辐射仪,获取了北京市门城湖湿地公园内典型挺水植物芦苇(Phragmites australis)和香蒲(Typha angustifolia)的冠层高光谱数据,同步采集了对应区域两种挺水植物的样品,测定了其地上干生物量;分别采用原始光谱、微分光谱、植被指数、归一化和比值光谱指数、"三边"参数、吸收特征参数6种方法,分析了芦苇和香蒲的冠层高光谱数据与其地上干生物量关系的差异,选择与地上干生物量显著相关的高光谱特征参数,利用一元线性回归、逐步多元回归和偏最小二乘回归方法,建立反演模型;利用交叉检验中的3K-CV(Three K-fold Cross Validation)方法,对反演模型的估测精度进行了检验。结果表明,在通过6种光谱分析方法获得的高光谱特征参数中,与芦苇地上干生物量相关系数最大的高光谱特征参数为550~800 nm波段的吸收深度,相关系数为0.847;与香蒲地上干生物量相关系数最大的高光谱特征参数是由680 nm、735 nm两波段构建的归一化光谱指数,相关系数为0.953。从3种回归模型的反演结果来看,偏最小二乘回归模型的反演结果最好,其次是逐步多元回归模型,而一元线性回归模型的反演结果相对较差。3K-CV法的交叉检验结果显示,反演芦苇和香蒲地上干生物量的3种模型都取得了较理想的估测精度,最小估测精度为90.86%,最大为95.23%。利用挺水植物冠层高光谱信息,可以反演其地上干生物量。     

黄河三角洲湿地土壤质量综合评价

将山东黄河三角洲国家级自然保护区湿地分为新生湿地、退化湿地、天然稳定湿地和耕作区湿地。采用土壤质量指数法,利用GIS技术,对黄河三角洲湿地土壤质量进行综合评价及土壤质量分区。结果可见,湿地土壤质量总体较低,土壤有机质和全氮含量平均值分别低于全国第二次土壤普查养分的分级标准6 g/kg和0.5g/kg,属于最差等级。土壤盐度和有效磷含量空间变异性很高(变异系数100%)。从14个土壤理化指标中筛选出全磷含量、全氮含量、盐度、铵态氮含量和全硫含量,构成最小数据集,用于计算土壤质量综合指数;耕作区湿地的土壤质量最高,新生湿地和天然稳定湿地土壤质量居中,退化湿地土壤质量最差。基于克里金(Kriging)空间插值,将研究区湿地的土壤质量分为4个区域,结果与4种湿地类型的分布基本一致。对于新生湿地,2012年的土壤质量综合指数高于2007年,表明土壤质量明显提升。     

阿拉尔垦区土壤盐渍化遥感监测及时空特征分析

及时准确掌握区域土壤盐渍化信息对盐渍土治理和土地利用可持续发展有着重要意义。以阿拉尔垦区Landsat 7 ETM+/8 OLI影像为数据源,采用盐分指数（Salinity index,SI）和归一化植被指数（Normalized difference vegetation index,NDVI）构建遥感盐分监测指数（Salinization detection index,SDI）模型,对阿拉尔垦区土壤盐渍化进行反演,分析近10 a垦区土壤盐渍化空间分布特征。结果表明：SDI模型与土壤实测电导率拟合度R²=0.7579,该模型可反演阿拉尔垦区土壤盐量;2011—2021年非盐渍土和轻度盐渍土面积分别增加318.22 km²和0.80 km²,中度、重度土壤盐渍化面积减少229.87 km²,盐土面积增加68.61 km²;阿拉尔垦区北部和南部地区的土壤盐渍化程度得到明显转好,中部和东部地区土壤盐渍化程度加重,垦区土壤盐渍化总体得到较好改善。SDI模型能较好反演阿拉尔垦区土壤盐渍化时空特征,可为阿拉尔垦区经济与社会发展提供一定的参考依据。     

河南省原阳县引黄灌区水稻田信息提取研究

水稻田是一种人工湿地。快速、准确地获取水稻的种植和生长信息,对于加强水稻田管理具有重要的实践意义。以河南省新乡市原阳县引黄灌区的水稻田为研究对象,采用随机森林算法,利用2020年8月26日和9月11日的Landsat 8 OLI影像数据,提取研究区的地表水分指数(land surface water index,LSWI)、归一化差值植被指数(normalized difference vegetation index,NDVI)和比值植被指数(ratio vegetation index,RVI),实现了研究区水稻田分布信息的遥感识别,并对提取结果进行验证。研究结果显示,分类结果的总体分类精度为96.8%,Kappa系数为0.952。     

基于热红外光谱的干旱区土壤盐分监测研究

土壤盐渍化是新疆最常见的土地退化过程,已经严重威胁到了当地的农业生产、生态稳定和经济发展。通过对渭库绿洲土壤含盐量和土壤热红外光谱分析,探讨了土壤含盐量与热红外发射率之间的定量关系。结果表明：（1）盐渍化土壤的发射率随着含盐量的变化而发生变化,当土壤盐分增加时,发射率也随之增大。（2）土壤含盐量与热红外发射率光谱数据相关性在8.5～9.5 μm波段范围内表现尤为显著,相关系数超过0.8,最高为0.90,对应波段范围9.259～9.271 μm。（3）运用回归模型一阶导数变换形式下建模效果和预测精度都是最优的,R²达到了0.899,RMSE最小为1.734。热红外光谱技术可以反演土壤含盐量,为利用热红外遥感识别土壤盐分信息提供技术支撑。     

基于多光谱遥感的典型绿洲棉田春季土壤盐分反演及验证

为探索快速提取典型绿洲棉田土壤盐分的有效方法,获取区域尺度的土壤盐渍化特征及空间分布,进而为土壤盐渍化防治提供参考。以新疆兵团农二师31团为研究区域,2019、2021年春季Landsat 8 OLI多光谱影像和野外实测土壤含盐量为数据源,将波段组、光谱指数组和全变量组作为模型输入变量组,采用多元逐步回归（Multiple stepwise regression, MSR）、偏最小二乘回归（Partial least squares regression, PLSR）、极限学习机（Extreme learning machine, ELM）、支持向量机（Support vector machine, SVM）和BP神经网络（Back propagation neural network, BPNN）构建基于3个输入变量组的土壤盐分遥感反演模型,探究输入变量和建模方法对模型精度的影响效果,通过对比确定春季土壤盐分最优反演模型,定量反演地表土壤含盐量。结果表明：（1） 研究区主要为非盐化土和轻度盐化土,总样本变异系数为0.67,呈中等变异性;光谱反射率与土壤盐渍化程度的关系表现为土壤盐渍化越重,光谱反射率越高。（2） 海岸波段（b1）、蓝波段（b2）、绿波段（b3）、红波段（b4）和盐分指数（SI1、SI2、SI3、SI4、S3、S4、S5）均通过显著性检验P<0.01,相关系数均达到0.4以上。（3） 所有模型中,基于全变量组建立的BPNN反演模型精度最高,建模集R²为0.705;验证集R²为0.556。（4） 由反演结果可知,2019、2021年春季耕作区土壤主要为非盐化土,分别占耕作区总面积的55.55%和64.62%,其次为轻度盐化土,分别占44.31%和35.17%;2021年土壤盐渍化程度较2019年有所减轻。     

广州市湿地植被碳汇功能研究

采用样地调查、模型构建和成果参照等方法,以广州市湿地植被为研究对象,选取样地实测湿地植物地上生物量,并分析湿地植物有机碳含量;选用2013年广州市Landsat 8 OLI遥感影像数据,得到波段反射率和植被指数(NDVI、RVI、DVI和MSAVI)数据,利用ENVI 5.0、SPSS 22和Arc View 3.3等软件,通过差异性检验、相关分析、一元线性回归、曲线回归和模型拟合度检验等步骤,建立湿地植被地上生物量模型,并估算植被地上生物量;选取湿地植物根冠比,估算湿地植被地下生物量,进而估算植被总生物量和碳储量。结果表明,2013年广州市湿地植被总面积为23 557.08 hm2,覆盖率为3.17%;湿地植被平均有机碳质量分数为44.97%;以RVI为自变量的三次曲线模型能较好地拟合湿地植被地上生物量;2013年广州市湿地植被总生物量为786 392.93 t,总碳储量为353 640.9 t碳,碳密度为15.01 t/hm2碳,碳汇量为1 296 683.31 t二氧化碳,碳汇价值为21 071.1×104元。     

新疆石河子农区土壤含盐量定量反演及其空间格局分析

盐渍化严重威胁着土地持续耕作和粮食生产安全,土壤含盐量的快速反演和及时监测,对新疆石河子农区农业可持续发展有着重大意义。以Landsat-8 OLI遥感影像与野外采样测定的72个样点土壤含盐量为数据基础,引入土壤亮度指数、土壤湿度指数、土壤盐盖度指数和土壤辐射水平指数等构建的特征遥感指数定量反演新疆石河子农垦区土壤含盐量,并对其空间布局进行了分析。研究表明：① 利用遥感影像像元特征遥感指数值反演地面对应土壤含盐量的精度较好,反演方法可行,反演精度为66%;② 反演得到土壤含盐量空间分布图在空间上等级明显,层次分明,呈现出“一带一区”的格局,“一带”是玛纳斯流域形成的盐渍化程度较高的条带,“一区”是内在土质形成的严重盐渍化区域;③ 在新疆石河子农区中,35.40%的棉田适合耕作,64.60%的棉田耕地需要进行改良,农区土壤盐渍化治理仍十分紧迫。     

基于地表光谱建模的区域土壤盐渍化遥感监测研究

土壤盐渍化是土地荒漠化和土地退化的主要类型之一,也是世界性资源问题和生态问题,盐渍化土壤主要分布在干旱半干旱地区,而土壤盐渍化的动态监测和预报是目前研究的重要手段。新疆渭干河-库车河三角洲绿洲是我国土壤盐渍化比较严重也比较典型区域之一,以实测获取的绿洲区域范围内不同恶化程度的盐渍化土壤的高光谱反射率及其土壤含盐量为基础数据源,从中优选出对不同盐渍化程度土壤最为敏感的光谱波段,结合Landsat-TM多光谱遥感影像构建于地表光谱建模的最佳土壤盐渍化监测模型,并将此模型实现大尺度范围内的高精度土壤盐分遥感定量反演。结果表明:(1)反射率一阶微分光谱变换方式最好,与土壤含盐量相关性最佳,最大相关系数可达0.987。(2)利用抛物线模型与最佳土壤盐分指数SI3,构建的地表光谱模型效果最为理想(R2=0.885 2)。(3)与单纯以传统多光谱遥感技术构建的土壤盐分监测模型(R2=0.592 5)相比,经尺度转换后的模型,其精度与效果(R2=0.708 4)则更优。为今后可实现高精度干旱区区域大尺度卫星遥感土壤盐渍化监测提供一种科学、有效的途径。     

黄河三角洲滨海湿地土壤硫含量分布特征

根据植被分布特征和土地利用状况,采用网格法在黄河三角洲滨海湿地布设采样点,并定期采样,研究滨海湿地土壤总硫含量分布特征及其影响因素。结果表明,黄河三角洲滨海湿地0~30 cm深土层的平均总硫质量比约为822.43 mg/kg,高于世界平均水平。在研究区域内,土壤总硫分布差异较大,新生湿地土壤总硫含量相对最高,其次为退化湿地,稳定湿地土壤总硫含量相对最低;从土地利用类型来看,无植被覆盖区的土壤总硫含量最高,自然植被覆盖区的土壤总硫含量次之,农田和防护林区的土壤总硫含量相对最低;空间上土壤总硫含量表现为由海岸到内陆呈递减趋势。在新生天然湿地内,土壤总硫含量水平分布从光滩到河滩呈现显著下降趋势,垂直分布上具有高度的变异性。冲淤积沉积物和海水是黄河三角洲滨海湿地土壤硫的主要来源,而人类活动和植物作用是土壤硫空间分异的关键因素。     

基于HJ-1A高光谱影像的盐渍化土壤信息提取——以渭干河-库车河绿洲为例

以环境小卫星高光谱影像为主要数据源,在野外实测样本的支持下进行光谱反射率及其变换形式与土壤含盐量的相关性分析,筛选盐渍化土壤响应敏感波段,利用曲线回归分析方法,建立基于高光谱影像的新疆渭干河-库车河绿洲土壤含盐量定量反演模型.结果表明:研究区土壤含盐量的影像响应波段基本位于近红外波段,其中以780～924 nm波长范围最佳,相关系数R≈0.8;反射率对数的倒数一阶微分土壤含盐量预测模型精度最高,回归方程为Y=-4.152-27.735X+769.813X2,模型及其检验的决定系数都在0.88以上,均方根误差约为3.该模型的建立可为区域盐渍化土壤信息的提取及监测提供参考.     

基于多源遥感数据的湿地植物分类和生物量反演研究进展

湿地植物是湿地生态系统的重要组成部分,是指示湿地生态系统演化的重要指标。利用遥感技术,可以在区域尺度上对湿地植物进行多时段综合观测,识别湿地植物类型,并对植物生物量进行反演,定量估算湿地生态系统资源,因此,遥感技术是评价湿地生态系统健康的重要手段。但是,利用单一种类的遥感数据源的反演,在反演精度和提取湿地植物信息的丰富度上存在缺陷,而利用多源遥感数据提取湿地植物信息的精度更高,应用前景广阔。重点从遥感数据源、多源遥感融合技术、湿地植物遥感分类方法、多源遥感数据识别湿地植物类型的应用、湿地植物生物量反演模型以及应用等方面,阐述多源遥感技术在湿地植物分类和生物量反演研究中的主要进展,讨论多源遥感技术在湿地研究中的优势和不足,展望其未来发展趋势。     

基于高光谱与多光谱植被指数的洪河沼泽植被叶面积指数估算模型对比研究

以洪河国家级自然保护区为研究区,2009年8月中旬,在研究区野外实测沼泽植物冠层的光谱反射率和叶面积指数(LAI),将地面实测的植物高光谱反射率以Landsat-5 TM波段范围为基准进行波谱重采样,以重采样后的光谱反射率计算多光谱植被指数,用几种常见的高光谱和多光谱植被指数建立估算沼泽植被叶面积指数的统计回归模型,对比这些模型的精度,选出最优模型.研究结果表明,用各植被指数建立的估算沼泽植被叶面积指数的回归模型分别为二次函数、对数函数或指数函数;各模型对沼泽植被叶面积指数的反演精度差别较大;在全波段高光谱植被指数中,用全波段归一化植被指数H-FNDVI(R930,R515)构建的估算沼泽植被叶面积指数的模型最佳;在常规高光谱植被指数中,用修正简单比率H-MSR构建的估算沼泽植被叶面积指数的模型最佳;在多光谱植被指数中,用多光谱归一化植被指数M-NDVI构建的估算沼泽植被叶面积指数的模型最佳.对比发现,由多光谱数据提取的植被指数构建的模型对研究区LAI的估算效果不太理想,而从实测高光谱数据提取的窄波段特有植被指数构建的估算沼泽植被叶面积指数模型表现出较明显的优势,表明窄波段植被指数更适合用来监测沼泽植被叶面积指数.     

基于遗传算法优化BP神经网络的土壤盐渍化反演

应用于土壤盐分含量(Soil Salinity Content,SSC)反演的BP神经网络(Back Propagation Neural Network,BPNN)较少关注对模型精度影响较大的结构参数和初始权重的优化。该文利用Landsat-8 OLI、Sentinel-1 SAR影像数据及SRTM高程数据,基于谷歌地球引擎(GEE)平台构建反演参数,并建立3种反演模型:先利用遗传算法(Genetic Algorithm,GA)同步优化输入层反演参数子集和隐含层神经元数量,再优化初始权重的BPNN(GA-BP)模型;将变量投影重要性(Variable Importance in Projection,VIP)算法分割阈值分别设为1和0.5,优化出两组输入层反演参数子集并将其分别代入GA优化隐含层神经元数量,再优化初始权重的BPNN(VIP1-GA-BP、VIP2-GA-BP)模型。在玛纳斯流域和三工河流域各选一靶区进行SSC反演,对比分析GA-BP、VIP1-GA-BP、VIP2-GA-BP模型的反演精度,并统计各类盐渍土的面积比例,结果表明:1)两靶区3组模型反演精度由高到低排序均为GA-BP、VIP1-GA-BP、VIP2-GA-BP;2)盐分指数和植被指数在SSC反演中起到重要作用,同一模型筛选的反演参数存在空间分异性,但高程适用于不同的筛选模型,具有较强的鲁棒性;3)两靶区3组模型反演的SSC值域范围与实际采样点SSC值域范围的差异均较小,各子区GA-BP反演的SSC空间分布地物轮廓最清晰,且地物内SSC的均质性最好;4)玛纳斯靶区和三工河靶区面积占比最大的盐渍土类型分别为盐渍土和中度盐渍土。研究结果为构建具有一定推广性的干旱区土壤盐分含量反演模型奠定了基础。     

K-T变换在监测小麦地表参数中的应用

利用K-T变换提取TM和MODIS遥感影像的绿度、湿度分量,在不同的分辨率尺度下监测小麦覆盖地表参数:土壤湿度(Ms)、等效水厚度(EWT)和叶面积指数(LAI),并与NDVI(归一化植被指数)、NDWI(归一化水分指数)和EVI(增强植被指数)监测结果比较.湿度分量监测Ms效果更好,TM和MODIS遥感影像反演精度分别为6.08%、7.37%(RMSE),相关系数R2分别为0.49、0.31,基于绿度和湿度分量建立土壤湿度多元线性回归反演模型,利用TM影像反演土壤湿度RMSE为4.91%,反演土壤湿度和实测土壤湿度R2达0.63;绿度分量监测EWT效果更好,TM和MODIS遥感影像反演精度分别为0.37 kg/m2、0.43 kg/m2,R2分别为0.51、0.28;绿度分量反演LAI精度更好,TM和MODIS遥感影像反演精度分别为0.66、0.83,R2分别为0.64、0.35.     

黄河三角洲芦苇湿地生态修复效果评价研究

基于黄河三角洲芦苇湿地退化现状及所实施的生态修复工程,以正负参照系选取了4块不同修复年限的样地,从湿地生态系统的环境质量、结构与功能的角度构建了湿地修复效果评价指标体系,利用层次分析法确定各指标权重,利用模糊综合评价法对黄河三角洲盐渍化芦苇湿地的修复效果进行定量评价。结果表明:黄河三角洲芦苇湿地4年修复期的样地评价得分为4.01,2年修复期的样地评价得分为3.16,对应评价结果分别为"优"和"良"的等级。相比负向对照,修复区的水体指标和土壤指标参数显著改善,而植被生物量和密度与自然样地还有较大差距,说明生物群落的建立需要更长的时间;同时,湿地水资源管理是该区芦苇湿地生态修复工程的关键,应根据芦苇不同生长期的需水量,制定合理的抽灌制度,达到洗碱脱盐和植被建群的双重目的。     

黄河三角洲湿地土壤中功能微生物群落的结构特征和影响因素研究进展北大核心CSCD

黄河三角洲湿地拥有丰富的微生物资源,明确该湿地的功能微生物群落结构特征及其驱动因素,对黄河三角洲湿地环境保护与土壤微生物资源的合理开发与利用具有重要意义。概述了参与黄河三角洲湿地土壤地球化学循环的功能微生物群落的组成,总结了土壤含盐量、土壤深度、植物类型、水淹状况和湿地类型等因素对微生物群落结构的影响。综述结果表明,黄河三角洲湿地土壤中亚硝基菌属(Nitrososphaeria)和根瘤菌属(Rhizobium)微生物介导的氮循环、真菌、固碳细菌、甲烷氧化细菌和产甲烷菌介导的碳循环、解磷菌和丛枝菌根真菌介导的磷循环、delta-变形菌纲下的硫酸盐还原菌介导的硫循环,在区域地球化学循环和污染物降解中起到重要作用;子囊菌门、变形杆菌门、厚壁菌门和放线菌门微生物是功能微生物群落的优势耐盐微生物;通过分析黄河三角洲湿地土壤中与污染物降解相关的功能微生物,对利用土著植物和耐盐微生物构建被污染土壤的原位生物修复系统进行了展望,以期从微生物角度为黄河三角洲湿地的保护和生态修复提供参考依据。