洪河国家级自然保护区补水水质的评价研究

简要介绍了洪河国家级自然保护区补水方案的工艺流程,农田地表径流是该方案的补水水源。分别采集洪河国家级自然保护区核心区和浓鸭截洪总干(补水水源点)同一地点地表水样并进行了分析测试,核心区水质监测数据结果表明:①该保护区核心区水域不存在工业废水特征污染物;②水质与水位和水流关系密切;③水质与湿地植被所处的生长季节有关;④水体中COD和BOD5值分别在37.73～63.08mg/L和15.2～28.70mg/L,不属于外源人为污染引起,应是沼泽水体的背景值的真实反映;⑤沼泽水体的TN和TP较高,可能与湿地生物地球化学元素循环的内在规律有关,不是农田地表径流污染进入引起的。浓鸭截洪总干处水质监测数据显示:①水质表征出明显的农田径流特性;②水质总体上较好,这可能与浓鸭截洪总干对农田地表径流有较好的净化能力有关。通过比较分析洪河保护区核心区水质和浓鸭截洪总干水质表明:补水水源水质整体上好于该保护区核心区水质。基于保护区核心区水质特征来确定补水水源水质在工程设计上具有一定的指导意义和实践价值。基于当前的监测数据,初步认为现有补水水质符合洪河保护区水质要求。建议今后在洪河国家级自然保护区和浓鸭截洪总干开展有关农药残留动态实验,并结合水域生物多样性调查,为流域农业产业结构和农药的安全使用提出政策性建议。研究认为在三江平原通过生态水利工程蓄积农田地表径流,并采用湿地生态氧化塘处理系统净化水质,可以作为退化湿地的补水水源。     

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。     

基于Sentinel-2遥感时间序列植被物候特征的盐城滨海湿地植被分类

滨海湿地是具有重要功能的特殊海陆过渡带生态系统,精准获取滨海湿地植被时空分布信息具有重要意义。传统的湿地遥感观测研究集中于高空间、高光谱分辨率影像分类,往往受限于数据成本和覆盖范围,仅适用于小区域湿地监测。Sentinel-2A/B卫星影像时空分辨率高且免费共享,为大区域滨海湿地动态监测提供了可能。本文采用2018年Sentinel-2影像,提出像元级SAVI时间序列及双Logistic植被物候特征拟合重构模型,采用随机森林算法进行盐城滨海湿地植被分类,探讨Sentinel-2遥感时间序列植被物候特征分类方法的适用性。结果显示,分类总体精度达87.61%,Kappa系数为0.8358,分类结果与湿地实况相吻合,比常规单一时相分类精度总体提高19.57%。植被判别物候特征参数可为影像数据缺失或不足的滨海湿地分类提供不同植被的判别依据。研究表明,基于像元级时间序列植被物候特征的分类方法能实现植被群落混生带的精准分类以及对“异物同谱”植被的有效区分,对大区域滨海湿地植被分类具有很好的适用性,有效提高了滨海湿地植被分类精度。     

甘肃省玛曲县沼泽湿地遥感监测与动态变化分析

利用2000年和2006年TM影像数据、地面调查资料和气象台站观测数据,对玛曲县沼泽湿地进行了目视解译分析,对比研究了非监督分类、监督分类和专家分类的精度,初步探讨了玛曲沼泽湿地退化的原因。结果表明,该县沼泽湿地面积从2000年的19598．67hm^2减少到2006年的14080．80hm^2,沼泽湿地面积平均年递减率为4．69％。非监督分类结果由于受山体阴影、坡向、云的阴影等影响,多分误差高,总分类精度仅为31％;监督分类的总精度为54．1％;专家分类的总精度高达84．2％。因此,专家分类可以用于对玛曲县沼泽湿地的监测和自动提取。草场不合理利用和过度放牧是导致玛曲县沼泽湿地退化的主要原因,黄河干流、各支流径流量减少是导致流域内沼泽湿地退化的直接原因,当地气候变暖促进了这一过程的发生。     

融合Sentinel-2红边波段和Sentinel-1雷达波段影像的扎龙湿地信息提取

以黑龙江流域中的扎龙湿地及其上游区域为研究区,将Sentinel-2红边波段和Sentinel-1雷达波段影像数据相结合,根据面向对象原理,采用随机森林算法,对研究区的湿地进行遥感分类和信息提取;利用3种特征变量集,进行实验对比,研究红边波段反射率和雷达后向散射系数对湿地信息提取的作用。研究结果表明,红边波段反射率和雷达后向散射系数对土地覆盖分类精度的提高起到了重要作用,两者结合得到的分类结果的总体精度达到了88.72%,Kappa系数为0.87,其中,水体、水田和沼泽的用户精度分别为100%、98.18%和91.37%。利用红边波段和雷达波段影像数据,分别使土地覆盖分类总体精度提高了5.26%和2.51%,红边波段影像数据对沼泽提取精度的提高贡献最大,使生产者精度提高了12.5%。     

基于多源遥感的莺歌海滨岸环境特征分析

采用综合多源遥感方法提取地表信息,结合文献资料和实地调查数据探讨莺歌海滨岸带地面要素的分布特征及其相互关系.主要讨论了综合激光雷达(LiDAR)、极化合成孔径雷达(SAR)、光学和光谱遥感数据进行地表信息提取的适用方法,包括建立精细潮位线模型、近岸微地貌模型,并进行沙化土地、植被、湿地的提取与分类;分析了莺歌海滨岸区的海岸形态、土地退化、湿地与植被分布以及自然景观结构的特征.研究表明,综合遥感方法能有效地支持地表环境特征提取;研究区内滩涂和湿地资源利用不合理;存在较高的土地退化风险;湿地开发与盐场生产活动为人地关系的核心矛盾.最后提出了相关的综合治理建议.     

遥感与GIS技术在湿地定量研究中的应用趋势分析

在充分吸收已有相关研究成果基础上,提出利用RS与GIS技术,全面开展湿地系统定量化研究的思路和框架。重点分析了RS与GIS技术在湿地识别及类型划分、湿地生物量的遥感估测、湿地景观演变的动态分析、湿地评价与湿地保护区建设、湿地管理信息系统等研究中的应用趋势。研究表明,利用遥感与GIS技术可以增强湿地研究的宏观性、动态性、定量性。     

洪河自然保护区湿地主要植被类型物种多样性与表层土壤性质的相关性研究

对洪河湿地主要植被类型物种多样性特征、土壤性质特征及二者之间的相互关系进行了研究。结果表明:按沼泽—沼泽化草甸—湿草甸—灌丛草甸—岛状林的序列,物种丰富度呈逐渐增加的变化格局,物种多样性、均匀度呈先下降后上升的格局,优势度呈先上升后下降的格局;而土壤性质特征则呈不规则变化格局。植物物种多样性与土壤性质之间只有均匀度与速效氮之间存在着极显著正相关,其他均无显著相关。这说明在洪河湿地,土壤性质不是决定上述序列的植被类型的物种多样性的主要因素,而土壤速效氮含量是影响物种均匀度的关键因素,同时,对其他物种多样性特征也有一定影响。     

东日本自然湿地的土壤反硝化

地表水和地下水中硝酸盐污染已成为重要的环境问题之一。随着对全球变暖的贡献增加,N2O（氧化亚氮）也得到IPCC越来越多的关注。反硝化在水生生态系统氮循环过程中起着极为重要的作用。反硝化过程中,厌氧细菌将硝酸盐转化成可溶性亚硝酸盐,最终以N2形式排放到大气。为理解自然湿地生态系统的脱氮机理,以日本千叶县的越智小流域为例开展研究。沿地下水流动方向取原状土,包括2个非饱和带点和2个饱和带点。用乙炔抑制法和带ECD检测器的气相色谱仪于0, 2, 6, 12, 24h测定土壤反硝化能力。同时分析土壤全碳、全氮和反硝化细菌。结果发现,饱和带的反硝化能力高于非饱和带。乙炔抑制后,N2O排放从0-1.17 g Nm-2h-1,前6h增至最大,随后降低。     

湿地遥感监测研究现状与展望

全球湿地质量退化, 数量减少, 湿地资源面临巨大压力, 遥感技术在实时、动态监测其变 化方面扮演着一个重要的角色。本文湿地遥感监测主要侧重于基于遥感技术的湿地分类与识别, 从基于遥感监测的湿地分类系统、影像预处理、多分辨率(多空间分辨率、多光谱分辨率、多时相 分辨率)遥感影像数据源、湿地信息提取方法(人工目视解译和计算机自动解译)等方面的国内外 研究现状进行了系统的论述, 并指出目前湿地遥感监测存在3 点不足及其未来研究的6 个重点。     

广东海丰自然保护区湿地现状及保护对策

广东海丰湿地是中国华南亚热带滨海湿地的典型代表,也是南中国海生态系统的重要组成部分,为多种珍稀、濒危鸟类和候鸟提供重要栖息地和迁徙中转站,具有重要的保护价值。在野外湿地资源调查的基础上,阐述了海丰自然保护区湿地类型与特点、湿地动植物资源、湿地利用现状等生态特征,分析了湿地面临的主要威胁,提出湿地生态系统保护与管理的主要对策和措施。     

基于低空无人机的草原灌丛遥感辨识方法

以位于中国科学院内蒙古草原生态研究定位站灌丛化样地实验平台为研究区,基于低空无人机遥感影像,结合实地调查,开展草原灌丛遥感辨识方法研究。通过对灌丛、草地和裸地归一化植被指数（NDVI）的方差统计分析,确定了裸地与植被的分割阈值为-0.08,并使用该阈值提取植被覆盖区,然后分别利用面向对象的决策树（DT）、贝叶斯（Bayes）、K最邻近（KNN）、支持向量机（SVM）机器学习分类器进行灌丛辨识。研究表明：借助Estimation of Scale Parameter（ESP）最优分割尺度评价工具可以快速确定分割参数,获取灌丛、草地影像对象;利用特征空间优化工具选取了18个的对象特征,可以有效避免盲目选择而导致的计算量增大;通过对不同分类器分类结果的对比和样本数量敏感性实验得出：Bayes分类器精度稳定、无需设置参数,灌丛分类精度最高,总体精度和Kappa系数分别达到92%和0.83,结果与影像地物嵌合最好,能够精确识别单株灌丛;根据Bayes分类器分类结果统计得研究区灌丛盖度为14.74%,平均冠幅为0.6 m²,与样方调查结果基本一致。由于4种分类器的算法特征以及对训练样本数量的敏感性各不相同,因此选择合适的分类器还需根据具体影像的地物特征、空间分辨率和研究区范围来确定。     

不同分辨率遥感图像混合像元线性分解方法研究

混合像元的存在是传统像元级遥感分类和面积量测精度难以达到实用要求的主要原因,为了提高遥感应用精度,须解决混合像元分解问题。传统的方法主要通过改进分解模型提高分解精度,该文在不改变线性分解模型的条件下,分析不同分辨率尺度对于线性分解精度的影响。实验中运用像元合并的方法,得到不同分辨率的TM系列遥感图像,分别选取植被、裸地、水体3种典型地物进行线性分解;以分辨率更高的Quickbird图像分类结果作为真值进行精度评价。实验结果表明:随着图像分辨率的降低,植被的RMSE值不断缩小,在30 m分辨率尺度上均值为0.36,在150 m尺度上均值为0.17,分解精度提高了1倍左右;但随着分辨率进一步降低,由于混合像元现象加剧,RMSE值上升,分解精度随之降低。     

基于HJ-1A高光谱影像的湿地精细分类

混合像元的存在不仅影响了基于高光谱影像的地物识别和分类精度,而且已成为遥感科学向定量化发展的主要障碍。本文以扎龙湿地为试验区,以环境一号卫星采集的高光谱影像为数据源,分别采用传统的全约束最小二乘光谱解混算法(fully constrained least squares spectral unmixing algorithm, FCLS)与基于稀疏约束最小二乘光谱解混算法(sparse constrained least squares spectral unmixing algorithm, SUFCLS)实现了试验区湿地的精细分类,并对两种分类结果的表现及其分类精度进行了对比分析。研究结果表明：SUFCLS算法能够自适应的从光谱库中选择场景中所占比例最高的一组端元,并将此端元的组合应用于传统的全约束最小二乘光谱解混中实现不同湿地类型丰度的提取,该算法充分考虑了端元的空间异质性,弥补了FCLS算法在端元选取过程中的不足。精度验证结果表明与FCLS算法相比,SUFCLS算法分类结果的均方根误差更小,丰度的相关系数更高,因此该方法对于提高湿地解混精度以及实现湿地精细化分类具有重要意义。     

WETLAND TYPES AND ASSOCIATE VEGETATION IN NEPAL:AN OVERVIEW

The lands with water,in general,are consideredas wetlands.The wetlands are most complex andhighly productive but more vulnerable ecosystem inthe earth.The wetland systems directly support mil-lions of people and provide good and services to theworld.They …     

基于卷积神经网络和高分辨率影像的湿地群落遥感分类——以洪河湿地为例

以洪河国家级自然保护区为研究对象,应用卷积神经网络（CNN）方法进行高分辨率湿地遥感影像的分类研究,并与基于光谱支持向量机（SP-SVM）的方法和基于纹理及光谱的支持向量机（TSP-SVM）的方法进行了对比。结果显示,对于所选取的2个研究区域,CNN分类方法的全局精度高于SP-SVM方法5.61%和5%,高于TSP-SVM方法4.18%和4.15%。尤其对于部分湿地植被的分类精度明显高于SP-SVM和TSP-SVM方法。研究表明,卷积神经网络为湿地识别的精细划分提供了有利的手段。     

遗传算法优化的支持向量机湿地遥感分类——以洪河国家级自然保护区为例

湿地遥感分类作为湿地管理、监测与评价的重要手段,受到了广泛的关注。遗传算法(GA)借鉴了生物进化规律进行启发式搜索寻优,支持向量机(SVM)是一种新型的空间数据挖掘方法,二者相结合可以发挥各自的优势,寻找到支持向量机的全局最优参数,从而较准确地对湿地进行遥感分类。以洪河自然保护区为例,采用遗传算法优化的支持向量机方法进行了湿地遥感分类研究。同格网搜索下的支持向量机湿地遥感分类及最大似然监督分类对比,结果表明,遗传算法优化较格网搜索方式总精度提高了7.29%,较最大似然监督分类提高了12.06%,方法改善了沼泽、草地与裸地三种地物间的区分,是湿地遥感分类的有效手段。     

基于HASM的省级尺度气候与植被生态系统模拟分析

区域气候要素的空间模拟精度直接关系到区域气候-植被生态系统的模拟精度。针对这一问题,运用HASM方法对江西省气候要素进行空间模拟,而且与IDW、Kriging、Spline等传统经典方法模拟结果的对比分析表明,HASM方法的模拟精度最高。因此,在10年和30年时间尺度上,运用HASM方法分别完成江西过去60年的平均气温、平均降水和潜在蒸散的空间模拟,并采用Holdridge生命地带(HLZ)模型分别实现了江西不同时间尺度的HLZ生态系统时空变化模拟。模拟结果显示,在1961-2010年期间,20%左右的HLZ生态系统发生了变化,平均气温上升是HLZ生态系统发生变化的主要驱动因子。另外,在江西省出现的7种HLZ生态系统类型中,暖温带湿润森林类型受平均气温上升的影响最大。     

中国东北红河国家级自然保护区湿地植被空间格局与环境梯度关系(英文)

Quantifying correlation between the spatial patterns of natural wetland plants and environmental gradient gives better understanding of wetland habitats, which is the fundamental for the strategy making on the protection and restoration of natural wetlands. In this study, the spatial patterns of wetland plants and the environmental gradient of wetland habitats were assessed in the Honghe National Nature Reserve (HNNR) in Northeast China, a wetland of international importance on the Ramsar list. Biophysical parameters’ values of wetland plants were obtained by field sampling methods, and wetland mapping at the community scale was completed using remote sensing techniques. Digital delineation of the surface water system, hydrological zoning and wetness index were produced by spatial analysis methods in Geographic Information System. An ecological ordination method and two clustering methods were used to quantify the relationship between the spatial distribution patterns of wetland plants and the corresponding environmental gradients. Such quantitative analyses also present the specific diversity of different types of wetland plants based on the environmental attributes of their habitats. With the support from modern geo-information techniques, the experimental results indicate how four ecotypes of wetland plants spatially transit from forest swamp, shrub wetland and meadow into marsh wetland with increasing wetness index and water table. And they also show how wetland spatial distribution patterns are controlled by an environmental gradient of wetness. Another key finding of this research work is that our results present the exact fundamental differences between marsh and non-marsh plants of 11 wetland plant communities within the core study area. Hence, this case study gives a good sample for better understanding of the complex correlation between the spatial patterns of wetland plants and their environmental attributes using advanced digital analysis methods. It is also useful to show how to integrate geoinformatic techniques with statistical analysis methods based on the field data base.