生物结皮中优势蓝藻胞外多糖对几种荒漠草本植物种子萌发的影响

蓝藻是荒漠生物结皮的重要组成。选取生物结皮中的优势蓝藻(具鞘微鞘藻(Microcoleus vaginatus)、眼点伪枝藻(Scytonema ocellatum)、地木耳(Nostoc commune)),通过提取其胞外多糖,研究了不同蓝藻胞外多糖对荒漠植物种子萌发的影响。结果表明:具鞘微鞘藻、眼点伪枝藻的胞外多糖对粗枝猪毛菜(Salsola subcrassa)的种子萌发表现为低浓度抑制、高浓度促进作用,地木耳的胞外多糖仅在高浓度时对粗枝猪毛菜的种子萌发具有促进作用(p<0.05);具鞘微鞘藻胞外多糖对小花荆芥(Nepeta micrantha)种子萌发无明显的影响作用,但眼点伪枝藻和地木耳对小花荆芥种子萌发具有抑制作用。具鞘微鞘藻、眼点伪枝藻和地木耳胞外多糖对琉苞菊(Hyalea pulchella)种子萌发具有明显的抑制作用。藻种胞外多糖组分的差异和不同种子的生物学特性差异可能是造成不同藻种胞外多糖对种子萌发产生不同影响的主要原因。     

基于无人机高光谱影像波段选择的薇甘菊分类

薇甘菊是危害最严重的外来入侵物种之一,其生长与传播极其迅速,对我国森林生态系统造成了严重破坏,相关管理部门需要一个有效的薇甘菊监测手段。传统人工调查方式需要投入大量的人力物力,成本高昂、效率低下;近年来快速发展的高光谱遥感技术为薇甘菊的监测提供了新思路。本文以无人机搭载的Nano-Hyperspec高光谱仪获取的广东省增城林场遥感影像数据为基础,对高光谱数据进行几何校正、影像降噪处理、辐射定标及坏带波段剔除等影像预处理;运用最佳指数因子法（OIF）、自适应波段法（ABS）、自动子空间划分（ASP）与自适应波段相结合的波段选择法（ASP+ABS）3种方法进行波段选择,获取信息量较大且波段间相关性较低的特征波段组成薇甘菊分类最佳波段组合,生成3幅遥感影像;最后采用支持向量机方法（SVM）对生成的3幅不同遥感影像进行分类,以分类结果的精度评价3种波段组合对薇甘菊高光谱特征的响应程度,选出更能反映薇甘菊的光谱特征的波段组合。试验结果表明,针对Nano-Hyperspec遥感影像数据,使用OIF波段选择法,研究区内薇甘菊的制图精度和用户精度分别为74.62%、66.52%;使用ABS波段选择法,研究区内薇甘菊的制图精度和用户精度分别为74.37%、67.43%;使用ASP+ABS波段选择法,研究区内薇甘菊的制图精度和用户精度分别达到95.98%、92.98%,分类精度最佳,相较OIF法中薇甘菊的制图精度和用户精度分别提高了21.35%、26.46%,相较ABS法中薇甘菊的制图精度和用户精度分别提高了17.15%、19.3%。可见,本文使用的子空间划分与自适应波段相结合的波段选择方法相较其他两种波段选择方法能更好地反映薇甘菊的光谱特征,可为薇甘菊监测提供有效的技术手段。     

基于无人机遥感的盛花期薇甘菊爆发点识别与监测

局域尺度上爆发点的识别与监测是薇甘菊（Mikania micrantha）入侵研究的一个难点,无人机遥感为此提供了新的研究手段。采用无人机搭载RGB相机获取研究地的正射影像,采用波段运算、影像分割和深度学习3种方法对盛花期薇甘菊的爆发点进行识别。结果表明：高分辨率的RGB拼接影像可直接用于目视识别薇甘菊的爆发点。过绿指数（EGI）、归一化过绿指数（NEGI）、蓝绿差异指数（BGDI）、绿红差异指数（GRDI）、归一化绿红差异指数（NGRDI）以及植被色素比值指数（PPR）均无法分离薇甘菊和其附主植物;但PPR指数可为面向对象的多尺度分割提供参数支持。面向对象的多尺度分割可自动识别薇甘菊的爆发点,但会低估其爆发面积。基于深度学习（Deeplab V3+）的自动识别方法,能准确识别薇甘菊的爆发点和爆发面积,测试集的平均交并比（mIoU）为78.46%,像素精度为88.62%。无人机遥感数据为局域尺度上的薇甘菊扩散机制研究提供了基础,也为薇甘菊入侵的监测、预警和精准防治提供了有力支撑。