湿地植被格局成因研究进展

植被格局是指植被在生活空间中的位置和布局状况,是物种生物学特性和外界环境因子综合作用的结果.湿地植被在景观上总是沿着某个环境梯度呈较明显的带状分布特点,但是关于带状分布形成的机理目前还不是很清楚.大量事实表明,湿地植被格局不仅受制于湿地自身自然环境状况(包括非生物和生物因素),同时也取决于湿地植物种的生物学特性,并且受到人类干扰活动的影响.具体成因如下:非生物因素主要包括气候、地貌、水文和土壤等,这些因素通过对水、热、光和营养等因子的分配而在不同尺度上影响湿地植被的组成和分布,其中,水位和盐度梯度分别是淡水和盐沼湿地植被格局形成的主导因子.生物因素主要包括竞争和植食作用,高竞争力物种采用迅速繁殖和扩散的策略成为优势物种直接影响植被的分布,植食作用则可能通过改变植物间竞争关系而影响植物分布.物种生物学特性主要包括胁迫忍耐力及繁殖和定居能力等,如洪水忍耐力高的物种往往分布在最高水位的区域,繁殖和定居能力强的物种能使自身在复杂环境下取得竞争优势.人类活动可以通过改变湿地生态系统中的非生物因素和生物因素的相互关系来影响植被分布格局.针对当前研究的现状,今后的研究应在淡水湿地系统植被成因,生物因素如植物间相互作用以及植物自身关系的权衡对格局的影响,微生物作用对植被格局的影响,野外控制实验四个方面进一步加强.     

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。     

典型滨海湿地植被演替研究进展

湿地植被是滨海湿地生态系统的重要组成部分,对滨海湿地生态功能的发挥起了重要作用。在分析不同类型典型滨海湿地的环境特征基础上,从滨海湿地植被的物种组成、空间分布、演替特征和主要影响因素等方面,综述了国内外滨海湿地植被演替研究现状及动态,提出未来滨海湿地植被演替研究的方向:滨海湿地植被演替与生态恢复、滨海湿地植被演替对全球变化的响应。     

山东省南四湖湿地植被碳储量初步研究

湿地是全球重要的陆地碳库之一,对于全球变化的响应亦十分敏感。通过对南四湖湿地的野外实地调查并结合已有资料,对南四湖湿地的范围进行了重新定界,分析了湿地的植被类型和空间分布状况。通过对2006年6月份的SPOT5影像的解译,绘制了湿地景观格局图,计算了各种湿地景观类型的面积。结合公开发表的湿地植被生物量密度数据和相关参数计算出了整个南四湖湿地植被的碳储量为6.057 64×104t,并与1983年资料的折算数据对比发现南四湖湿地植被碳储量已减少了近3/4,表明南四湖湿地植被的碳汇能力已经明显减退。     

湿地植被地上生物量遥感估算模型研究——以洪河湿地自然保护区为例

以洪河湿地自然保护区的TM图像和29个实测样地生物量数据为数据源,采用单变量线性和非线性回归、多元线性逐步回归及人工神经网络(BP网络、RBF网络)技术,构建了研究区内典型湿地植被(草甸和沼泽)的地上生物量干重和湿重的遥感估算模型,并对比得到最优模型。主要结论有:(1)RBF神经网络模型及多元非线性模型是研究区内湿地植被地上生物量遥感估算的最优模型,生物量干重估算值的平均相对误差为2.795%,生物量湿重估算值的平均相对误差为3.399%。(2)比较2004年8月、2006年8月和2008年8月研究区内草甸和沼泽总生物量可得,总生物量干重呈上升趋势,而总生物量湿重呈下降趋势。(3)研究区内生物量极高值和极低值分布较少,且主要集中于混合像元分布的地方,如岛状林、灌丛的周边地区或是沼泽内含水较多的地区。     

甘肃省湿地植被分类系统

系统地分析了甘肃省主要湿地植被类型及其分类。依据中国湿地植被、甘肃植被等分类原则和分类系统,结合甘肃省湿地植被的形成、发育和分布特点,甘肃省湿地植被划分为4个植被型组、9个植被型、74个群系和138个群丛;依据湿地的定义和湿地植被的特征种、指示种等特点,从生态学角度分析西北地区一些受争议的河岸林缘植被、胡杨(Populus euphratica)群系等是否属湿地植被,并依据此类群落的群落和生境特征,将胡杨等群系列入湿地植被。     

中国湿地植被及其保护对策

我国湿地植物资源十分丰富,野生高等植物有225科815属2276种,具有植物种类丰富、区系成分复杂和广布种多的特点。湿地植被划分为7个植被型组,16个植被型,180个群系。湿地植被的分布受自然条件的影响和自然分异规律的控制,在东北地区、青藏高原区等不同地区具有明显的变化。湿地植物与植被正面临着来自人类的巨大威胁,主要威胁因子有围垦、滥采乱挖、环境污染、肆意侵占和盲目开发等,导致湿地植物与植被持续减少、生态功能退化乃至丧失,已难以满足保障湿地区生态安全的需求。根据面临的威胁和问题,应对特殊的、稀有的或作为水禽栖息地的湿地植被以及红树林加强保护,坚持保护和合理利用相结合的原则。     

湿地公园植被专项规划

湿地公园规划是目前规划设计部门开始涉及的新领域。湿地植被在湿地公园中有着重要的意义与作用。植被专项规划作为湿地公园规划的重要组成部分,还没有一个科学的方法作为指导。本文从水禽生境营造的角度进行植被专项规划探讨,具体阐述湿地公园植被专项规划途径与方法,以期开展更深的研究。     

长湖湿地水生植被演替研究

在2006年调查的基础上,结合长湖湿地历史资料,对长湖湿地1985年至2006年21a间水生植被的演替进行了研究。结果表明,长湖湿地破坏严重,生物多样性下降。长湖现有14个水生群落,其中挺水群落3个,浮叶群落3个,沉水群落8个。优势群落发生了变化,从1985年的菹草(Potamogeton crispus)、穗花狐尾藻(Myriophyllum spicatum)群落演替为1999年的微齿眼子菜(P.maackianus)、苦草(Vallisneria natans)群落;进一步演替为2000年的苦草、微齿眼子菜群落,至2006年演替为莲(Nymphaea nelumbo)、莲 菰(Zizania na-duciflora)群落。优势群落生活型由沉水型转变为挺水型,植被覆盖度由100%减少到30.35%;群落总生物量为2202.08t(未包括挺水植物群落生物量),其中狸藻(Utricularia aurea) 轮叶狐尾藻(M.verticillatum)群丛最大为1633.48t,微齿眼子菜 日本茨藻(N.gracillima)最小为0.43t。群落单位面积平均生物量从1195.67g/m2增加到1850.53g/m2。人类的活动如过度养殖、打捞水草及污水排放等导致了长湖湿地植被面积、种类及总生物量的下降。     

热带森林植被生物量遥感估算探讨

该文以我国云南省西双版纳的热带森林植被为例,对热带森林植被生物量的遥感地学估算进行初步探讨。研究表明,只用LANDSAT TM的波段数据建立生物量的回归估算模型时,其模型的复相关系数只有0．118,而利用其主成分或植被指数建立回归估算模型时,其模型的复相关系数不仅没有提高,反而在一定程度上有所降低。原始波段与其主成分结合能提高估算模型的复相关系数,其效果比原始波段与植被指数结合的效果要好。模型中如果考虑气象因子中的年平均降雨量,能在很大程度上提高其复相关系数。在此基础上引入地形因子,未能显著提高模型的复相关系数。有气象因子参与建立的遥感气象模型和遥感地学模型在0．01水平上回归显著。     

应用Landsat ETM数据估算鄱阳湖湿生植被生物量

利用2000年的Landsat ETM数据,首次采用全数字化遥感定量方法对鄱阳湖湿生植被的生物量及其分布进行调查研究.首先,用该时相卫星数据制作假彩色合成图象,以该图象为主要依据之一,设计了野外生物量采样路线与样点,并在地形图和GPS的帮助下,实时地开展了湿生植被生物量的野外实地采样.然后,在室内将采样点坐标和Landsat ETM图象坐标进行几何纠正和匹配,将坐标统一转换为等积圆锥投影.再逐个坐标点比较采样数据与ETM4波段数据和NDVI、DVI和第一主成分数据之间的线性相关关系.统计分析的结果表明,采样数据与ETM 4波段数据有最好的正相关,其相关系数达到0.86.采样数据与DVI、NDVI数据的相关系数分别为0.83、0.80.采样数据与第一主成分数据之间的相关关系不显著,仅0.40.基于这一比较,建立了采样数据与ETM 4波段数据的线性相关模型.据此,用ETM 4波段计算出鄱阳湖4月份湿生植被的总生物量为3.8×109 kg,并编制了整个湖泊生物量的分布图.     

北京汉石桥湿地自然保护区植被分类与2003～2006年植被格局变化

采用样线法结合样方法对北京汉石桥湿地自然保护区的湿地植被进行调查和分类研究。汉石桥湿地共有湿地植被2个植被型组、4个植被型、22个群系组、31个群系。对研究区主要植物群系进行多样性分析发现,莲(Nelumbo nucifera)群系的Simpson多样性指数最高,而芦苇(Phragmites australis)群系的Shannon-Wiener多样性指数和群系物种数最高。并对该湿地核心区2003年和2006年的主要湿地植被分布情况进行分析,结果表明,该湿地在2004年进行恢复工程的前后各区域土地利用和植被分布有较大变化,人为干扰及恢复工程是汉石桥湿地植被的分布变化的主要原因。针对目前的状况,保护区应该采取保障水源,营造不同的生境类型和保护湿地动植物资源等方法,维持湿地物种多样性和生态功能的稳定。     

昼夜增温对南四湖湿地植被NDVI的影响差异

利用近40 a的Landsat系列卫星的MSS、TM和ETM+遥感数据,计算了南四湖湿地植被平均归一化植被指数（NDVI）,并以此为湿地植被活动的指标,结合南四湖流域内气象站点的逐年、逐月及逐日气温数据,揭示昼夜温度变化对湿地植被活动的影响差异。结果表明：1）近40 a来研究区日最高温（T_max）、夜间最低温（T_min）和日均温（T_ave）都存在显著的上升趋势;其中T_max与T_min增温具有不对称性,R²值分别为0.13和0.26,平均每10 a分别增温0.174℃和0.235℃,T_min的增温趋势更明显。2）在人为活动影响较弱的时段（1973―1999年）,偏相关分析显示,去除Tmin影响,T_max与NDVI呈现极显著的偏相关关系（R＝0.412,P＝0.008）;去除T_max的影响,T_min与NDVI的偏相关关系在任何时期内均不显著。这可能与湿地充足的水份条件以及昼夜增温对湿地植被的生态效应不同有关。     

松嫩平原湿地植被对生境干-湿交替的响应

扎龙湿地和向海湿地水分布存在不均一性，生境中有“干-湿”交替过程。选取“干-湿”界面上沼泽植被与草甸植被共存的群落片断分别设置15个固定样方，生长季内4个月观测结果表明：扎龙湿地和向海湿地生境旱生化时羊草为优势种群，湿生化时芦苇为优势种群，芦苇沼泽群落和羊草草甸群落随生境“干-湿”交替过程相互演替，演替过程既受生境水分波动的影响，又由优势种群内在生物学特性决定。     

Wetland vegetation biomass estimation and mapping from Landsat ETM data: a case study of poyang lake

Poyang Lake is the largest freshwater lake in China. This paper conducted a digital and rapid investigation of the lake’s wetland vegetation biomass using Landsat ETM data acquired on April 16, 2000. First, utilizing the false color composite derived from the ETM data as one of the main references, the authors designed a reasonable sampling route for field measurement of the biomass, and carried it out on April 18–28, 2000. Then after both the sampling data and the ETM data were geometrically corrected to an equal-area projection of Albers, linear relationships among the sampling data and some transformed data derived from the ETM data and the ETM 4 were calculated. The results show that the sampling data is best relative to the band 4 data with a high correlation coefficient of 0.86, followed by the DVI and NDVI data with 0.83 and 0.80 respectively. Therefore, a linear regression model, which was based on the field data and band 4 data, was used to estimate the total biomass of entire Poyang Lake, and then the map of the biomass distribution was compiled.     

柴达木盆地几种荒漠灌丛植被的生物量分配格局

选择柴达木盆地的8种荒漠灌丛为研究对象,利用样方收获法对生物量及其分配格局进行了研究。结果表明：柴达木盆地荒漠灌丛生物量的空间分布具有高度异质性,介于11.11~58.63 t·hm^-2,平均为27.15 t·hm^-2。灌木层生物量是整个荒漠生态系统最重要的生物量组分,占总生物量的92.71%。灌木层地上生物量的变幅为7.93~46.10 t·hm^-2,地下生物量的变幅为1.15~25.64 t·hm^-2。地上生物量远大于地下生物量,根冠比介于0.07~2.45。几种荒漠植被的生物量在各个器官间分配格局为：枝生物量>根生物量>叶生物量,分别占建群种生物量的比例为38.05%、34.92%、27.03%。影响柴达木生物量及其分配的因子主要是灌木的高度及土壤含水量。     

Wetland vegetation biomass estimation and mapping from Landsat ETM data:a case study of Poyang Lake

Poyang Lake is the largest freshwater lake in China. This paper conducted a digital and rapid investigation of the lake’s wetland vegetation biomass using Landsat ETM data acquired on April 16, 2000. First, utilizing the false color composite derived from the ETM data as one of the main references, the authors designed a reasonable sampling route for field measurement of the biomass, and carried it out on April 18-28, 2000. Then after both the sampling data and the ETM data were geometrically corrected to an equal-area projection of Albers, linear relationships among the sampling data and some transformed data derived from the ETM data and the ETM 4 were calculated. The results show that the sampling data is best relative to the band 4 data with a high correlation coefficient of 0.86, followed by the DVI and NDVI data with 0.83 and 0.80 respectively. Therefore, a linear regression model, which was based on the field data and band 4 data, was used to estimate the total biomass of entire Poyang Lake, and then the map of the biomass distribution was compiled.     

基于植被盖度和高度的不同退化程度高寒草地地上生物量估算

由于气候变化和不合理的人类活动,20世纪80年代以来青藏高原高寒草地发生严重退化。地上生物量是评价草地退化的直观指标。通常采用植被盖度和高度来估算草地地上生物量,但草地退化后,植被盖度和高度与地上生物量之间的关系是否会发生变化目前还不清楚,这影响着退化草地生物量估算的精度。通过多元回归分析研究了青藏高原中部和东北部高寒草甸、高寒草原在不同退化程度下植被盖度和高度与地上生物量的关系。结果表明：（1）高寒草甸与高寒草原地上生物量整体上及不同退化阶段都没有显著差异（P>0.05）。（2）随着退化程度的加剧植被盖度和高度对地上生物量的影响也发生改变,体现在未退化阶段地上生物量主要受植被高度影响,退化后主要受植被盖度影响。（3）无论是高寒草甸还是高寒草原分退化程度的回归模型估算结果都较不分退化程度模型估算的生物量更接近实测值。我们建议在退化高寒草地研究中采用盖度和高度估算生物量时,根据退化阶段采用不同的估算模型。