论文部分内容阅读
湿地是地球上一种重要的生态系统，不但可以提供丰富的资源，而且还有调节气候、涵养水源、保护生物多样性等功能。湿地中作为初级生产者的植被，在维持整个湿地生态平衡中发挥着不可替代的作用，而植被生物量作为湿地生态系统的重要基础数据，可以反映湿地中植被的生长分布状况，评价生态系统健康与否，对研究湿地生态环境有重要的意义。本文选取黄河三角洲自然保护区为研究区域，以野外实测湿地植被地上生物量数据、Landsat-8影像数据和土壤各因子（有机质、氮、磷、钾、水溶性盐、pH、含水率）检测数据为数据源。野外实测采样点为43个且每个样方大小为1×1m。通过分析各遥感因子（NDVI、DVI、RVI、Band1、Band2、Band3、Band4、Band5、Band6）与实测植被生物量之间的相关关系，筛选出相关系数较大的遥感因子，将这些遥感因子与保护区内天然植被中的沼泽和草甸的地上生物量间建立线性和非线性回归模型，通过对比分析各模型判别系数R2的大小，筛选出判别系数最大的回归模型，将此回归模型代入Arcgis10.1中的栅格计算器工具中，计算出沼泽和草甸植被的地上生物量并生成相应的生物量空间分布图，进而分析植被生物量的空间分布规律。通过以上研究得到的主要结论有：1、通过分析研究区内沼泽和草甸植被地上生物量干、湿重与提取的各遥感因子（NDVI、DVI、RVI、Band1、Band2、Band3、Band4、Band5、Band6）之间的相关关系，得出植被生物量的干重与提取的各遥感因子的相关性要高于湿重与各遥感因子的相关性。且相关性较大的为NDVI、DVI、RVI、Band4、Band5等这5个因子。2、以Landsat-8影像中提取的各遥感因子作为自变量，以沼泽和草甸植被地上生物量干重为因变量建立回归拟合模型。在一元线性回归模型中，以DVI为自变量建立的线性回归模型的判定系数最大（R2=0.546），模型最优；在一元非线性回归模型中，以DVI为自变量建立的logistic曲线模型的判定系数最大（R2=0.566），模型最优；在多元线性回归模型中，以8个因子（NDVI、DVI、RVI、Band1、Band2、Band3、Band4、Band5）作为自变量建立的模型判定系数最大（R2=0.691），模型最优，该多元线性回归模型的预测值与实测值相比较，平均残差系数为14.47%，低于15%，比较小，拟合精度比较高。3、通过在Arcgis10.1中计算得出，植被生物量干重的低值区（0-502g/m2）面积为624.45km2，占自然保护区中沼泽和草甸植被面积的79.81%，中值区（502-1064g/m2）面积为152.55km2，占沼泽和草甸植被面积的19.5%，高值区（1064-2698g/m2）面积为5.48km2，占沼泽和草甸植被面积的0.7%。高值区多分布在农田、林地、草地等的边缘，受人类活动影响大，植物有机质积累多。低值区多分布于水分条件差，土壤盐分高的滩涂、荒地等地区。4、由植被生物量干重空间分布图可见：植被生物量干重呈现由陆向海减小，由黄河河道向两岸减小的趋势。通过对优势种植被芦苇、碱蓬的分析，研究表明在各环境因子中水深对芦苇生物量干重影响最大，相关系数R=0.782，土壤含水率对碱蓬生物量干重影响最大，相关系数R=-0.314，另外，植被的物种多样性对生物量干重影响也很明显，其中的香浓威尔指数R值最大为0.449。造成这种分布趋势的原因有两个，一是土壤盐分由陆向海增加，致使生物多样性降低，植物的个体变小变矮；二是黄河两岸地下水条件的变化，离岸越远，地下水受黄河的补给越少，从而导致植被生物量由河道向两岸减少。由此得出，水、盐条件是导致优势种植被生物量干重出现空间分异的主导因素。