东寨港红树林凋落叶附生小型底栖动物的群落特征及影响因素

小型底栖动物是红树林生态系统的重要组成部分,研究红树林小型底栖动物群落的群落特征,对于了解其生物多样性、监测和评价红树林生态系统的健康具有重要意义。本研究于2020年11月对海南省东寨港红树林国家级自然保护区的五个典型红树林的凋落叶附生小型底栖动物及其沉积物环境进行了调查采样,研究凋落叶附生小型底栖动物群落特征及其影响因素。共发现十二个小型底栖动物类群,自由生活海洋线虫类和底栖桡足类相对丰度分别为67.67%和29.31%。凋落叶附生小型底栖动物的平均丰度为5.27±3.35 ind·g^–1,平均生物量为4.94±2.35μg dwt·g^–1。凋落叶附生小型底栖动物的丰度与生物量在不同红树林间差异显著,白骨壤、红海榄群落的丰度和生物量较高,混合红树群落的丰度和生物量最低。丰度、生物量与凋落叶可溶性缩合单宁含量、沉积物分选系数显著负相关,与偏态系数显著正相关。BIOENV分析结果显示沉积物叶绿素a含量、凋落物纤维素缩合单宁含量、沉积物分选系数和偏态系数的环境因子组合能最好地解释小型底栖动物的群落结构。本研究结果可为加深对红树林生态系统的整体认识...     

红树林根际土壤中耐高盐苯酚降解菌的分离鉴定

苯酚对海洋生态环境具有较大的威胁,从红树林根际土壤中分离获得对环境具有高适应性的高效芳烃降解菌具有重要的意义.本研究对北部湾红树林根际土壤中的苯酚降解菌进行富集培养,经过分离纯化得到30株菌株,筛选得到5株菌株FGYS1、FGYS7、FGYS11、FGYB1和FGYB5,可耐受70 g/L NaCl的高盐环境,最高可降...     

基于遥感的红树林地上生物量估算研究进展

红树林生态系统地上生物量是碳储量评估和气候变化研究必需的基础数据之一，其估算方法是蓝碳研究的热点。遥感以其宏观、综合、动态、快速、可重复等特点，已成为红树林地上生物量估算的主要技术手段。本文综合国内外相关研究进展，分析了光学遥感、微波雷达、激光雷达（Light Detection and Ranging,LiDAR）数据源在红树林生物量估算的应用现状，以及多源遥感数据融合应用的优势；总结了基于遥感的统计模型、过程模型和间接法3种生物量估算方法的研究现状；从多源遥感数据的融合、发展机器学习算法和遥感过程模型、长时序分析，以及建立红树林地面调查数据集等角度对红树林生物量遥感估算进行展望。     

滨海植物的海岸带减灾特性研究综述

滨海植物广泛分布于海岸带，形成了红树林、盐沼及海草床等湿地系统，具有重要的生态价值和海岸带减灾作用。不同滨海植物的结构和刚柔特性不同，植物群密度及其分布的海洋水动力环境也有差异，因而具有不同的海岸带减灾特性。前人就不同植物类型的海岸带减灾特性开展了丰富的理论研究，本文系统地整理了滨海植物的海岸带减灾事例，从现场观测、水槽试验、数值模拟和理论模型等方面概述了植物群的消浪、阻流、促淤、防冲等相关研究成果，介绍了滨海植物海岸带减灾功能的一般评价方法，分析了各方面研究的不足及后续发展方向。     

基于Sentinel-2 MSI影像与面向对象相结合的红树林树种精细化分类方法研究

红树林是最典型的滨海生态系统之一，红树林种间类型的精确识别对于红树林生态系统保护、修复及碳储量评估具有重要意义。遥感是开展红树林种间类型识别的有效手段，但传统的遥感红树林分类方法多是基于像元开展的，分类结果“椒盐”现象严重且精度还有很大提升空间。因此，本研究以东寨港红树林保护区为例，基于Sentinel-2 MSI影像，在传统遥感分类方法的基础上引入图像分割技术，分别构建了面向对象的支持向量机（Support Vector Machine,SVM）和随机森林（Random Forest,RF）分类法，并在此基础上对各模型的分类精度和适用性进行了分析。模型对比结果表明：（1）图像分割技术的引入能有效改善分类结果的“椒盐”现象，提升红树林种间类型的识别精度，基于像元使用SVM和RF分类算法总体分类精度分别可达78.82%(Kappa=0.75)和82.94%(Kappa=0.82)，面向对象的SVM和RF模型分类总体精度分别可达81.5%(Kappa=0.78)和92.67%(Kappa=0.88)，相较于以像元为分类对象的模型而言，后者精度分别提高了2.68%和7.43%;(2)从4个模...     

无人机遥感与XGBoost的红树林物种分类

无人机遥感数据会衍生大量的光谱、纹理与结构特征,如何提取优势特征是提高红树林物种分类效率和精度的关键问题.针对深圳福田红树林自然保护区缓冲区获取的无人机高光谱影像和LiDAR点云数据,本研究旨在利用极端梯度提升算法(XGBoost)的“特征重要性”属性筛选出适合红树林物种分类的8类优势特征:基于无人机高光谱影像的单一特...     

顾及潮汐影响的中国红树林高分二号遥感制图

遥感技术由于具有实时、准确、多尺度、可重复等优点广泛应用在红树林遥感制图研究中。目前，中国红树林遥感制图数据集中空间分辨率最高的产品是基于Sentinel 10 m数据生产的，此外，大多中国红树林遥感制图中忽略了潮汐的影响，导致红树林遥感制图结果不精准。本文利用国产高分二号数据源，顾及潮汐淹没的影响实现空间分辨率1 m的2020年中国红树林遥感制图。选取覆盖中国海岸线具有红树林分布的高分二号影像312景(24景高分一号影像补充缺失区域)，对影像进行面向对象多尺度分割，采用红树林淹没指数作为顾及潮汐影响的表征参数，结合随机森林分类方法完成中国红树林高分遥感制图。研究结果表明：2020年中国红树林面积为29576.48 ha,95%的红树林主要分布在广西壮族自治区、广东省、海南省，其总体分类精度为92%,Kappa系数为0.89，尚未顾及潮汐影响的结果比顾及潮汐影响的结果少2531.24 ha。本文生产的红树林高分数据集可为中国红树林生态系统的监测、管理及评估提供高精度的数据支持，具有重要的实际应用价值。     

基于高分光学与全极化SAR的海南八门湾红树林种间分类方法

合理的红树种间组成结构是有效发挥红树林湿地生态价值的前提,明确的红树林种间分布信息是开展红树林生态系统治理和规划工作的有效依据。针对海南八门湾红树林湿地,基于高分三号(GF-3)全极化合成孔径雷达(synthetic aperture radar,SAR)和高分六号(GF-6)多光谱遥感数据,本文提取了35个红树林遥感特征,利用极端梯度提升树(eXtremegradientboosting,XGBoost)算法开展了特征重要性排序、特征筛选和红树林种间分类实验,将其与传统的支持向量机(supportvectormachine,SVM)、随机森林(randomforest,RF)机器学习算法进行精度比较,并基于XGBoost算法进行了3种特征组合方式(优选特征、多光谱特征、全极化SAR特征)的分类精度比较,旨在探索XGBoost对红树林种间分类的适用性和光学与全极化SAR数据对红树林种间分类的能力。结果表明:1)识别红树林种类的优势特征依次为多光谱的光谱波段、极化分解参数、光谱植被指数,且仅利用前8个优选特征(绿光波段反射率G、蓝光波段反射率B、Yamaguchi面散射分量Ys、近红外波...     

基于能量耗散视角的红树林海岸沉积地貌学

能量耗散是海岸带沉积地貌学的重要研究方向。地貌系统中的能量耗散往往存在极值，但是关于地貌演化的能量耗散趋向是最大值还是最小值，一直存在争议。本文试图从文献梳理入手，回顾海岸带地貌过程中的能量耗散问题，并用阻抗匹配概念来解释能量耗散的极值问题：当地貌系统的机械储能效率最大而热力学耗散最小时，表现为“共振阻抗匹配”，反之则表现为“梯度阻抗匹配”。基于无量纲沉降速度Ω的海滩地貌分类体系，正是表现从“共振阻抗匹配”到“梯度阻抗匹配”的典型谱系。在此基础上，从能量耗散的视角，对红树林生态系统的沉积地貌过程进行了文献综述，总结了潮沟-潮滩-红树林界面上的阻抗匹配和能量耗散问题，讨论了界面能量耗散行为如何通过水动力学和热力学过程反馈到红树林的生长过程，指出了红树林生态系统中潮沟-潮滩三维地形结构的重要性，并建议在红树林生态修复工程中应用这种结构来更好地维持系统的稳定性。     

深圳市东涌红树林生态环境地质特征

为了给红树林生态保护修复和自然保护区的建设管理提供基础支撑，通过生态环境地质调查，利用地质学、地貌学、土壤学、生态学等方法研究东涌红树林的生态环境地质特征，并绘制了东涌红树林典型的生态环境地质剖面。结果表明：东涌红树林地表水中F^-偏高，水质略低于该处Ⅲ类水的水质目标，地下水为低矿化度、低硬度的淡水；区内土壤的Cd和Tl局部富集；N、P、Ca CO₃、Org和B等营养元素以缺乏和较缺乏为主，K的含量以中等和较丰富为主；部分土壤受到重金属污染，以As污染为主，其次为Cd；东涌红树林叶片营养元素较丰富，表明土壤营养元素的缺乏和重金属污染并不是研究区红树林的生长的最大限制因素，改善红树林的生长环境应从扩大景观面积和加强园区管理着手。