CN101435873A - 基于伴生物种和群落分级的药用植物资源的遥感监测方法 - Google Patents
基于伴生物种和群落分级的药用植物资源的遥感监测方法 Download PDFInfo
- Publication number
- CN101435873A CN101435873A CNA2008102407394A CN200810240739A CN101435873A CN 101435873 A CN101435873 A CN 101435873A CN A2008102407394 A CNA2008102407394 A CN A2008102407394A CN 200810240739 A CN200810240739 A CN 200810240739A CN 101435873 A CN101435873 A CN 101435873A
- Authority
- CN
- China
- Prior art keywords
- species
- plant
- rhizoma atractylodis
- medicinal plant
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Cultivation Of Plants (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明创建了基于伴生物种及群落分级的药用植物稀有种资源的遥感监测的方法,并以苍术道地药材资源调查为例,首次实现了野生稀有药用植物资源的遥感监测。具体包括:实地调查获取稀有种及其栖息地生态因子信息;构建生物量分析获得种群空间分布特征,高斯模型的典范对应分析(CCA)分析确定所述物种的伴生植物及生境特征和影响所述物种的主要生态因子;多元回归建立所述物种贮藏量的空间相关模型;通过道地药材空间分析系统实现所在地区遥感图像预处理、地物对照和图像解译;完成所述物种样方分级及伴生植物加权,并通过遥感图像分析获得所述物种的蕴藏量。遥感估算的结果与实地调查的结果相符,证明了本发明的科学性和合理性。
Description
●技术领域
本发明为中药资源可持续发展的关键技术,采用中药资源空间分析技术和遥感资源调查对中药资源进行,具体涉及一种基于伴生物种和群落分级的药用植物稀有种资源遥感监测方法。
●背景技术
1 中药资源调查
80年代我国在全国范围内进行了历时5年的中药资源普查,并在1995年由科学出版社出版了《中国中药资源》和《中国中药区划》等6本巨著,这是解放后中药资源研究的最重要的成果之一,也是至今为止全面系统介绍中约资源的最新的研究成果。而近20年来,国内和国际天然药物市场及资源都发生了惊人的巨变,对中药资源的掠夺式开发,以及生境破坏都造成了中药资源的急剧下降。目前,我国中药资源总体处于家底不清,保护及开发利用依据不足的状态。全面实施中药资源的普查所需的人力、物力和财力极大,而且中药资源的蕴藏量在随时改变,因此,如果按传统方法进行资源调查,即使成本极高的新普查结果也会很快就失去了可靠性。因此,对中药资源及其蕴藏量进行实时监测成为中药资源研究、保护及利用的首要问题。
近年来,遥感技术以其快速、经济、方便等特点,在资源调查及监测方面显示出极大的优势。遥感技术在农林牧业等领域资源动态监测方面的应用和推广,为中药资源的动态监测提供了有力的工具。
2 野生稀有种药用植物的资源遥感监测
目前,遥感技术已用于在群落中占绝对优势的成片存在的乔木、灌木类中药资源动态监测技术成熟,如杜仲、麻黄、甘草、苦豆草、松树、三尖杉等。而多数中药资源在群落中都不是常见种和关键种,相反却常常是非常见种或稀有种。野生稀有种药用植物资源的地理分布不是单一种群或优势种群的集中分布,而是分布在不同的植物群落中,这使得利用遥感研究其蕴藏量具有一定难度。目前,中药林下资源或稀有资源的遥感监测,如黄连、贝母、冬虫夏草、苍术等,急需摸索新的思路和方法。
虽然多光谱遥感数据一般不能直接获取稀有种药用植物的信息,但可以监测该种药物生长地的植被覆盖情况。因此,建立药物与环境之间的关系,并通过生境群落遥感反演野生药材信息并实现药用植物的资源遥感监测,似乎为野生稀有种药用植物资源的监测提供了可能性。为此,本研究组在国内率先开展了用遥感技术对单个野生药用植物进行调查的范例,主要是运用遥感和全球定位系统提取野生中药资源生境及群落遥感信息,特别是对有标记作用的伴生植物进行监测和分析,结合实地调查进行研究,探索基于伴生植物的群落分析的药用植物稀有种的遥感监测技术,为解决此类稀有种的资源调查提供新的方法。
●发明内容
本发明的目的是提供一种基于伴生物种及群落分级的药用植物稀有种资源的遥感监测方法。具体地说,本发明在实地调查的基础上,建立稀有药用植物资源与特定环境(一般为植被,特别是伴生种,该种具有分布面积大、光学特征明显、可被遥感图像分辨的特点,如成片大宗分布的森林或灌木,以特定物种组成的特定种群等)的关系模型,并在利用遥感技术获得特定生境信息的基础上,实现稀有药用植物资源的遥感监测。
野生稀有种药用植物资源的地理分布不是单一种群或优势种群的集中分布,而是分布在不同的植物群落中。野生稀有种药用植物资源的这些特殊性使得利用遥感研究其蕴藏量具有一定难度,多光谱遥感数据一般不能直接获取稀有种药用植物的信息,但可以监测该种药物生长地的植被覆盖等生境情况。对于野生稀有种药用植物的资源遥感监测,重点在于建立药用植物与环境之间的关系模型。
本发明的目的通过下述技术方案予以实现。
发明人在实地调查获取稀有种及其栖息地生态因子信息的基础上,通过构建生物量分析和典范对应分析(CCA)分析获得被监测植物及其伴生植物信息,利用多元回归构建野生稀有中药资源贮藏量的空间相关模型。最后,在对研究区域遥感图像预处理及解译的基础上,利用道地约材空间运行系统建立各种地理背景资料、实地采集的群落信息与遥感图像的相关模型,完成苍术样方分级及伴生植物加权,并通过遥感图像分析获得野生苍术蕴藏量。
本发明所述的遥感监测方法是:
1)实地调查获取稀有种及其栖息地生态因子信息:通过查阅文献及实地走访,对影响被监测中药资源生长的主要因子进行筛选和分类。并以实地调查与国家标准环境数据为基础,获取被监测中药资源生境信息,主要包括地理背景数据、群落植被信息、气象信息、土壤环境的实测数据等。
2)药用植物的伴生植物的信息提取和栖息地的群落分级:在前期调查的基础上,选择具有被监测稀有药用植物资源的群落,根据该药用植物资源的特征,详细记录分析,获得被监测物种信息,并对被监测中药资源所处生境(如群落等)进行分级。
3)空间相关分析及模型构建:建立野外数据、遥感数据和地理背景数据之间的相关关系。
4)遥感图像解译:采集遥感图像,通过系统的遥感图像处理,获得遥感反演数据,并通过地物对照,获得生境遥感信息。
5)计算被监测中药资源蕴藏量:根据分级结果,确定每级中该中药资源的数量及级数,最终计算出被监测物种的蕴藏量。
本发明的具体技术方案为:1)筛选影响被监测药用植物资源生长的因子,获取被监测约用植物资源生境信息;2)选择具有被监测药用植物资源的群落,根据该药用植物资源的特征记录分析,获得被监测药用植物资源生境信息,并对被监测药用植物资源所处生境进行分级;3)构建空间分析模型:建立野外数据、遥感数据和地理背景数据之间的相关关系;4)遥感图像解译:采集遥感图像,通过系统的遥感图像处理,获得遥感反演数据,并通过地物对照,获得生境遥感信息;5)计算被监测药用植物资源蕴藏量:根据分级结果,确定每级中该药用植物资源的数量及级数,最终计算出被监测约用植物的蕴藏量。所述药用植物为具有伴生物种的野生稀有种。所述约用植物资源生境信息包括地理背景数据、群落植被信息、气象信息和土壤环境的实测数据。野外数据包括土壤物化、各小生境稀有种生物量信息和样方数据。样方数据包括生物量、经度、纬度、海拔、坡度、坡向、短柄枹栎长势、光量子辐射量、温度和湿度。该方法以植物种类为分析对象,以样方内植被的重要值为指标,研究该药用植物与周围物种的关系和研究该药用植物居群植物分布与环境因子的相关关系。以最大值法对环境数据进行标准化处理,植被种类的重要值以开平方处理,进行CCA排序。药用植物资源生境信息包括株生物量、株高、茎粗、叶片数株和冠幅。所述空间分析模型以药用植物种类为分析对象,以样方内植被的重要值为指标,研究该药用植物与周围物种的关系和该药用植物居群植物分布与环境因子的相关关系;以最大值法对环境数据进行标准化处理,植被种类的重要值以开平方处理,进行CCA排序;根据排序图上种类间的位置关系、种类与环境因子之间的位置关系、种类与排序轴之间的相关性大小,定量分析影响该药用植物的植物群落及其与环境因子之间的关系。所述药用植物为苍术或其他任何伴生物种和群落分级的药用植物稀有种。
具体研究路径参照图1。
●附图说明
图1基于伴生物种及群落分级的药用植物稀有种资源的遥感监测
图2苍术群落及生境的CCA二维排序图及伴生植物的确定A:茅山调查样方与环境的CCA_维排序图(1-20是指样方编号,a=海拔高度;s1=坡度;oq=光量子辐射量;t-温度;hu-湿度);B:茅山苍术居群49种植物分布与环境的CCA二维排序图(1-49是指表2中的物种,a=海拔高度;s1=坡度;oq=光量子辐射量;t-温度;hu-湿度)
图2,A反映出20个调查样方与环境的相关关系,不同的样方位于不同的海拔,坡向,坡度上,不同的样方有不同的湿度,温度和光量子辐射量的值。例如:样方1,2,3,16主要分布在低海拔,低适度,坡度和温度较高的区域;样方12,17,18在高海拔,高度,坡度和温度较低的区域。
图2,B的CCA排序图从整体上反映了苍术居群植物分布与5种环境因子间的关系,同时也反映出某些物种与苍术生态环境的相似程度。排序图上位置越相近,表明它们在地理分布和对气候适应的特点上越相似。从表3种可以看到,第一轴的特征值为0.469,能够解释物种分布变化的9.3%,它与海拔、光量子辐射量、湿度之间存在着显著的相关关系,其中与海拔的相关系数为0.7666,表明第一轴与海拔呈最大正相关关系。第二轴与坡度、温度、湿度等存在着较为显著的相关关系。在CCA排序轴中,海拔高度的连线最长,与第一轴的夹角最小,表明沿第一轴(水平轴)自左向右,海拔逐渐升高,苍术居群植物的生长和海拔高度存在一定程度的负相关;光量子辐射量与第二轴的夹角小,连线长,和苍术居群植物呈现负相关。从第一轴和第二轴的相关性来看,海拔高度和光量子辐射量是影响苍术居群植物分布最重要的环境因子。由此可以说明:海拔和光量子辐射量是影响苍术居群植物生长的最主要的环境因子,其它如坡度、温度、湿度等对苍术居群植物的分布起着次要作用。同时,通过排序图3,B可以分析样方中每一个种具有的特定的生境条件需求,例如处于图3,B排序轴左上方的物种,反映他们对中海拔,中等温湿度气候的适应,代表性的有22(楠木),25(毛山楂),28(盐蒿),40(茅莓)等;处于左下方的物种,如:1(短柄袍栎),5(苍耳),7(盐肤木),12(云杉)等,主要是适应坡度较大,高温度,高光量子强度的气候环境;位于右上方和右下方的物种,如27(野柿子),30(香果树),49(卷边柳)等,主要是适应高海拔高湿度的气候环境。图3,B中可以看出各树种在CCA二维排序空间中的位置差异很大,表明它们各自具有其适宜的生境需求。同时,这些树种的散布又具有一定的规律性,其中某些树种的相互位置较近,说明他们分布生态环境的相似。排序图上位置越接近的物种,表明它们在地里分布和对环境的适应特点上越相似。沿第一排序轴,从左到右,海拔高度从小到大,苍术及其周围的短柄枹栎(2),野板栗(15)等分布于低海拔地段。沿第二序轴,苍术分布于光量子辐射量、温度和坡度较低的区域。
图3 茅山山脉遥感图像预处理及解译(标准假彩色合成)
图4 大茅峰、二茅峰和三茅峰遥感图像解译及信息提取
●具体实施方式
下面的实施例将对本发明作进一步的解释,但是本发明并不仅仅局限于这些实施例,这些实施例不以任何方式限制本发明的范围,本领域的技术人员在权利要求的范围内所作出的某些改变和调整也应认为属于本发明的范围。
下面以野生道地药材茅山苍术Atractylodes lancea(Thunb.)DC.为例,阐述野生稀有种中药资源的遥感监测方法。
(1)实地调查获取稀有种及其栖息地生态因子信息
实地调查获取稀有种及其栖息地生态因子信息是基于伴生物种及群落分级的遥感资源基础的关键,是遥感模型建立的基础,直接关系到资源贮藏量估算的可靠性。通常从调查不同类型的植物群落入手,找出群落本身特征及其与生态环境的关系,以及各类群落间的相互关系,然后加以综合分析。群落的面积往往很大,一般情况下不可能、也不需要把所有地段全面地进行调查,故通常都采取抽样调查的方法。抽样调查乃是最基本的方法。考察植物群落,有各种方法,如样地法、样线法、点样法、距离抽样法等。其中样地法是基本方法。
位于江苏句容境内的茅山,是苍术的道地产区。由于过度采挖导致道地苍术濒危,现为种群中的稀缺种。要研究苍术在茅山的分布,通过遥感是无法直接测到的,采用遥感监测环境,结合实地调查,可以进行苍术的蕴藏量调查。
研究区概况:研究区域为江苏省茅山地区茅山山脉,它主要位于江苏省句容市内,部分位于金坛市。研究区域左上角经纬度为:119。14′05.31″E,31。55′04.33″N,右下角经纬度为:119。24′05.9″E,31。39′46.69″N。研究区面积为南北长26.79公里,东西长16.41公里,研究区面积约440平方公里。
茅山地区属北亚热带季风气候,全年平均气温15.2℃;年平均降雨量为1018mm;平均年降雪时间8-9天。茅山无霜期201天,年日照数1713小时,7-8月最高温可达36.4℃,2-11月平均气温分别为4.0、9.2、15.1、19.6、24.0、26.5、26.3、22.7、17.3、9.9℃;常年风向以东南风为主;茅山属典型的低山丘陵区,土质大多属黄棕土。
实地调查:2006年10月对茅山地区苍术的分布情况进行了调查,采用野外调查路线法和典型样块取样方法,运用GPS进行定位,以100m以上的距离为间隔,在不同的生境(坡向,坡度等)和不同的植被类型中选择样方。共设定40个样地,每个样地为50m*50m。对样方的经纬度、样方的坡度坡向,样方内苍术的生物量、光量子辐射量、温度、湿度、样方内植被的分布情况、样方周围植被情况等都做了详细记录。同时,根据前期实践经验及文献研究,调查样方内可能的伴生植物短柄袍栎(Quercus serratavar.brevipetiolata(A.DC.))的长势。光量子辐射量:利用3415系列光量子计进行测定;温度和湿度:利用TR-71U/TR-72U双通道温度湿度记录仪进行测定。由于野外苍术调查分析过程中发现绝大多数有苍术的样方内都有短柄枹栎的分布,并且短柄枹栎的长势对苍术的生长有很大影响。因此,本实验将短柄袍栎长势作为一项指标。
(2)药用植物的伴生植物的信息提取和栖息地的群落分级
被监测稀有种的信息提取
在前期调查的基础上,选择具有被监测稀有药用植物资源的群落,根据该药用植物资源的特征,详细记录分析,获得被监测物种信息。
本发明中,研究了不同生境下道地药材茅苍术的种群构件生物量。具体涉及到含苍术群落共32个样地,其中乔木林6个,灌木林10个,灌木杂草混合林10个,杂草6个,样地面积为50m*50m。根据实地调查茅山苍术的分布情况,茅山苍术的分布已不是成片成丛分布,调查发现其分布都是散在于大约30~50m左右的区域内。同时,实地调查发现苍术在乔木林,灌木林及杂草中均有分布。实际观测中为了观测乔木对苍术生长的影响,将样方大小设置为50m*50m。记录苍术的株数,株高,茎粗,叶片数,盖度值。株高,茎粗和盖度值的测定方法是:株高:利用软尺测量根茎部到生长点的值;茎粗:用直尺测量地上部第三节间的直径;盖度值:通过目测估计苍术的垂直投影占样方面积的百分比。然后割取地上部分,别装入纸袋中,带回实验室,置烘箱中80℃烘至恒重。计算株生物量。为了保持苍术的原生境不被破坏,苍术的野生数量不被减少,采样时只割取苍术的地上部分,不挖走苍术的根部。
植物种群数量特征是植物和环境因素共同作用的结果,既反映了植物种群对环境条件的适应能力和生长发育的规律,也反映了环境条件对植物种群的影响程度。利用株生物量分析植物,可为研究苍术的构件生物量与原生境的关系提供依据。本实验利用种群构件生物量的方法进行了苍术株生物量分析。
结果:计算同一类型生态环境下的所有项目的最大值,最小值,平均值,标准差和变异系数,计算结果见表1。根据表1可见:①苍术株生物量最大值出现在灌木林,最小值出现在乔木林,平均株生物量由小到大的顺序为:乔木林<杂草<灌木杂草<灌木林。②株高的最大值出现在灌木林,最小值出现在乔木林,株高的平均值由小到大的顺序为:乔木林<杂草<灌木杂草<灌木林。③茎粗的最大值出现在灌木杂草林,最小值出现在乔木林和杂草,茎粗的平均值由小到大的顺序为:乔木林<杂草<灌木杂草林<灌木林。④叶片数的最大值出现在灌木林,最小值出现在乔木林,叶片数的平均值由小到大的顺序为:乔木林<杂草<灌木杂草林<灌木林。⑤冠幅的最大值出现在灌木林,最小值出现在杂草中,冠幅的平均值由小到大的顺序为:杂草<乔木林<灌木杂草林<灌木林。
表1 苍术在不同生态环境中各构件的数量特征
结果表明:测定的各因素的变异系数的变化范围在14%~71%,变异系数最大的是杂草中的叶片数,变异系数最小的是灌木杂草中的株生物量。在各种生态环境中,苍术的各项指标的变异相对都比较大,这是因为苍术是一个形态多变,受地理环境影响很大的复合体,在不同的生境下,其形态特征,生物量的差异十分明显。
植物和环境密切相关,不同环境下植物的株生物量的变化趋势可以反映苍术在不同环境中的分配方式和分配策略。茅苍术喜温和、湿润气候,耐寒力强,忌强光和高温。由上分析可知,各项调查指标的最小值均出现在乔木林,最大值均出现在灌木林。从平均值来看,各项调查指标中最大值均出现在灌木林,最小值除冠幅以外均出现在乔木林。说明苍术各项指标的最大值和最小值以及平均值的变化是规律的,表明苍术在四种不同的生态环境中更优先分布于灌木丛中,灌木丛中的苍术不管是在株生物量,株高,茎粗,还是在叶片数,冠幅中都具有明显的优势,说明灌木林是苍术的最佳生活环境,灌木杂草林次之,杂草第三,乔木林最差。
在四个生境中,表现为乔木林的盖度最大,生长在乔木下的苍术,由于光线被乔木林所遮蔽,能射入林下的光线极为稀少,随乔木林盖度增大,尤其是乔木林盖度达到90%以上时,林下苍术的生长受到严重的抑制。因此,乔木林下的苍术接收到的光环境因乔木的遮挡,光环境差,苍术的分布量非常少,长势差。
生长在灌木林和灌木杂草林中的苍术,其群落盖度较乔木林低,苍术能接受一定的阳光。灌木林下苍术的光环境界于杂草和乔木林之间,对于苍术这种对阳光有一定需求的植物来说,这样的生态环境最适合它的生长。同时,这一群落中苍术的叶片数,株高和冠幅最大,是苍术对这样半荫蔽环境的一种竞争,因为较大的冠幅和较多的叶片数可以有利于苍术捕捉更多的阳光,进行光和作用。
生长在杂草中的苍术,虽然群落盖度低,苍术接收阳光容易,但是由于杂草(如狗尾草、臂形草及茅草等)相对其它植物的生长势力强,竞争优势大,使得苍术的径向生长和长高生长都因受到杂草的竞争而抑制。因此,这一生态环境中的苍术的数量和长势均不如灌木林和灌木杂草林好。
通过实地调查发现,林分的郁闭度或光环境是影响苍术形态差异的主要因素,在郁闭度大的乔木林中,苍术的生长受到环境的严重抑制,苍术的长势很差。在灌木林和灌木杂草林中,苍术能接受一定的光环境,因此,表现为积极生长和积极参与竞争的状态,增大冠幅进行径向生长和进行长高生长,增加叶片数,以最大限度的捕捉光线以适应弱光环境的一种生态对策。
伴生物种提取
基于高斯模型的典范对应分析(Canonical corrcspondcnce analysis,记作CCA)将植物种和样方的排序与多个环境因子变量的作用以多元回归的方式一一对应起来,使植物分布特征与环境因子的关系在排序图中表现得更为直观,成为目前国内外植被群落生态学中使用最为普遍的“直接梯度分析”方法。目前已在生态学中应用广泛,本发明将其引入中药资源伴生物种的提取。
通过江苏茅山地区20个样方49种植物的分析,研究了苍术与周围物种的关系,同时研究茅山苍术居群植物分布与环境的关系,目的在于研究苍术的伴生物种和研究苍术居群的生态环境。共设立20个样方,样方面积为1m*1m。本次调查的样方设置,不仅包括了所有海拔的苍术类型,还包括了不同生态环境类型的苍术分布。
分析项目包括样物种数据和环境数据,记录了样方的海拔高度、坡度、样方内所有物种的密度、高度和盖度;测量了样方内的光量子辐射量、温度和湿度等数据。各项指标的测量方法如下:海拔:利用美国GRAMIN手持GPS仪进行测量;坡度:用一条绳子挂上重锤,使它受重力而向下,测量它与地面夹角的余角。(即用90度-所得的度数);密度:单位面积或单位空间内的个体数;频度:记录一个种在一个样方内出现的次数;盖度:测量物种地上部分的垂直投影面积,然后除以样方面积的,得到的垂直投影面积占样方面积的百分比;高度:利用软尺测量物种根茎部到生长点的值;光量子辐射量:利用3415系列光量子计进行测定;温度和湿度:利用TR-71U/TR-72U双通道温度湿度记录仪进行测定。
数据处理与统计分析:
采用重要值(Improtance value,IV)作为各物种在群落中的优势度指标,以表达不同物种在群落中的功能地位,以及反映其在群落中的分布格局状况。具体计算公式为:
第i种植物的相对高度(%)=(第i种植物的高度/样方内所有植物的高度和)×100
第i种植物的相对盖度(%)=(第i种植物的盖度/样方内所有植物的盖度和)×100
第i种植物的相对频度(%)=(第i种植物的频度/所有植物的频度和)×100;频度是指一个种在所作的全部样方中出现的频率。
以植物种类为分析对象,以样方内植被的重要值为指标,研究苍术与周围物种的关系和研究苍术居群植物分布与环境因子的相关关系。以最大值法对环境数据进行标准化处理,植被种类的重要值以开平方处理。应用国际标准生态学软件CANOCO4.5进行数据运算,应用CANODRAW4.5对运算结果进行作图。
结果与分析:各物种的重要值见表2。经过分析,得到CCA排序。前4轴的特征值见表3。根据排序图上种类间的位置关系、种类与环境因子之间的位置关系、种类与排序轴之间的相关性大小,定量分析影响苍术的植物群落和苍术与环境因子之间的关系,见表4。
表2 茅山49种树种的重要值
根据表3、表4数据,进行CCA运算得到排序图,见图2。排序图中,前2个排序轴的特征值分别为0.469,0.353,前2个排序轴种类与环境因子的相关系数高达0.984,0.933,前2个排序轴说明种类分布的累计贡献率为35.3%,种类和环境因子之间的关系的前2个排序轴的累计贡献率为55.5%,而且第1排序轴与第2排序轴的相关性极小,仅为-0.0048,说明排序图能够反映49种植物的分布与环境因素之间的关系。
从排序图2和表4可以看出5种环境因子和苍术的相关性。图中环境因子用带有箭头的矢量线段表示,箭头所处的象限表示环境因子与排序轴间的正负相关性,箭头连线的长度表示该环境因子与物种分布间相关程度的大小,连线越长,表明相关性越大。箭头连线和排序轴的夹角表示该环境因子与排序轴的相关性大小,夹角越小,相关性越高。各箭头连线之间的夹角表示各环境因子本身之间的相关性,夹角越小,相关性越高。
表3 苍术样方内树种CCA排序前四轴的特征值
表4 前2个排序轴和5个环境因子间的相关系数
注:Axis1=种类-环境因子排序轴 1;Axis2=种类-环境因子排序轴 2;a=海拔高度;sl=坡度;oq=光量子辐射量;t-温度;hu-湿度
在排序图上,位置接近的种类反映出它们对环境条件要求比较接近。苍术与短柄袍栎两者均见于海拔相对较低、光量子辐射量较低、温度和坡度较低的区域,具有非常相似的生态特点。苍术喜欢生长在灌木从下,野外调查发现,苍术和短柄袍栎的伴生关系明显,通过CCA分析可以看到,苍术与短柄袍栎在CCA二维排序图上的分布接近,说明他们具有极为相似的生态环境。因此,利用CCA证明了短柄枹栎是苍术的伴生种。
综上所述,利用CCA分析可以反映出苍术居群植物喜欢生长在温度和湿度较低的温和气候中,忌强光和高温的环境中。重要值及CCA分析均显示苍术和短柄袍栎的伴生关系明显,后者可作为苍术的伴生植物。
(3)空间相关分析及模型构建
空间模型构建及解译
根据实地调查数据,以苍术的生物量(Y)为自变量,经度(X1),纬度(X2),海拔(X3),坡度(X4),坡向(X5),短柄枹栎长势(X6),光量子辐射量(X7),温度(X8),湿度(X9)为因变量,应用SPSS13.0统计软件进行相关分析和逐步回归分析。其中,短柄枹栎的长势:0表示没有短柄枹栎;1表示差;2表示不好;3表示一般;4表示好;5表示较好;6表示很好),坡向:0表示阴,1表示阳。
将y值和X1,X2,X3,X4,X5,X6,X7,X8,X9进行相关分析,结果显示y与X5的相关系数为-0.416(p<0.01),y与X6的相关系数为0.588(p<0.01),y与X9的相关系数为-0.312(p<0.05),说明苍术的生长与短柄枹栎的长势,与坡向和湿度密切相关。
将y值和X1,X2,X3,X4,X5,X6,X7,X8,X9进行逐步回归,得到回归方程:Y=1.5805.184X5+3.1222X6。根据方程可知:海拔、坡度坡向、短柄袍栎长势、光量子辐射量、温度湿度这些因子中,影响苍术生物量的因子主要是短柄枹栎的长势和坡向。
茅苍术喜温和、湿润气候,耐寒力强,忌强光和高温。生态环境对苍术生物量的积累有重要影响,短柄袍栎的长势对苍术生物量的影响,主要体现在短柄枹栎长势好的样方,表现为短柄袍栎的盖度大,光线被短柄枹栎所遮蔽,能射入林下的光线较少,苍术可以避免阳光的直接照射,同时也不缺乏阳光,苍术的长势相对就较好,生物量也就大。随短柄枹栎长势的变差,其盖度变小,短柄枹栎下的苍术的生长受到影响,生物量也就相对变小。
苍术在茅山的分布及原因分析
用道地药材空间运行系统将40个样方中有苍术的25个样方提取处理,用同样的方法将经纬度值导入茅山地理分布图中,得到茅山苍术空间分布图,图略。根据苍术分布图可知:①苍术在茅山北部分布较少这主要是由生态环境决定的。自然条件下,茅苍术多生长于腐殖质丰富的向阳山坡草丛、灌丛中。茅山山脉北部长着茂密的乔木,乔木长势很好,林下群落单一。乔木林的盖度大,生长在乔木下的苍术,由于光线被乔木林所遮蔽,能射入林下的光线极为稀少,随乔木林盖度增大,尤其是乔木林盖度达到90%以上时,林下苍术的生长受到严重的抑制。因此,在以乔木林为主的该区域由于苍术接收到的光环境差,苍术的分布量非常少,长势差,基本没有连片分布。②苍术在茅山中部分布很少 茅山山脉中部,正好是茅山镇的城市居住地,所以因为城市化发展,苍术生长的区域和面积呈现大面积减少。茅山中部苍术分布很少的主要原因是经济发展与资源减少的矛盾。由于人口剧增,经济的发展,导致苍术生长的环境受到破坏。野外调查中发现:距离茅山镇周围10公里以内很难找到野生苍术的踪影。茅山两侧的金坛县和句容县在宋代的人口约20万,本世纪初超过30万,到八十年代中期达到110多万。这一部分除了人口的剧增给环境带来的破坏外,再加上开山、筑路、修建旅游景点、开设工厂等一系列活动也严重破坏了这一地区苍术的生态环境,从而导致了野生茅苍术数量的锐减。苍术原生态环境的破坏严重,使得这一区域茅苍术赖以生存的环境几乎不复存在。③苍术在茅山山脉南部分布多通过野外调查结合GIS图像分析可以知道,苍术在茅山山脉南部分布较多。主要原因是茅山山脉南部地区,受人为破坏少,苍术的原生态环境基本被保持。该区域主要的生态环境是以灌木林和灌木杂草林为主,因此其群落盖度较茅山北部地区低,因灌木和杂草形成的温暖湿润的生活环境,正好适合苍术的生长,使得这一区域苍术有的地区出现连片分布。
(4)遥感图像解译
本实验所采用的遥感数据为2005年4月2日的Landsat5的TM图象。研究区域左上角经纬度为:119'17′19.73″E,31°49′47.11″N,右下角经纬度为:119°20′26.56″E,31°45′49.95″N。
遥感影像预处理:遥感数据选用道地药材空间运行系统图像处理软件进行了图像预处理,包括数据输入、影像纠正、大气纠正,几何纠正、图像输出等几个过程。预处理后,得到茅山山脉的遥感图,输出结果如图3。
遥感信息最佳波段组合选择:选择最易识别的最佳波段组合,提高解译效果。通过多种方案实验比较,为了突出植被,降低其它因素对植被的影响,选择7,4,3三个波段按红,绿,蓝进行标准的假彩色合成图象。反映出的地物影象突出,层次分明,色调丰富能更多的反映出植被的信息。
遥感解译标志的建立:对获取的遥感数据的判读卞要是采用交互式解译方法并配合实地调查来完成的。利用图像的波谱特征和空间特征(形状、大小、阴影、纹理、图型、位置和布局)与多种非遥感信息资料相组合,运用生物地学相关规律,进行综合分析。解译标志见表5。
表5 遥感影像目视解译(选择7、4、3三个波段组合图象)
遥感影像目视解译:根据表5中所建立的目视解译标志,对江苏南京地区的遥感影像进行了人工目视解译。苍术为多年生草本植物,常与短柄袍Quercus glandulifera var.brevipetiolata Nakai、盐肤木Rhus chinensisMill.等伴生,它的分布主要在植被群落中,所以对植被起落进行了较为详细的分类,分成了灌木群落,乔木群落,灌木和乔木混合群落,和其他群落,共四类。
典型地物类型选择与目视 解译结果核查:根据地物在遥感图像上的影像特征并结合专业知识,在图像上初步选择水体、植被(林地、粮食产地)、裸沙地、城镇和公路等典型地物样本。由于苍术分布在植被群落中,所有只提取了植被相关信息便可分析苍术。因此,重点调查了植被及其中的苍术,然后,到实地进行考察,对所选典型地物的类型及位置进行检查和调整。
遥感野外验证:对于目视解译中出现的难以判读的地方需要在野外验证过程中补充判读,以检验目视判读的质量。为进一步验证遥感分析精度,于2006年5月29日至6月8日对江苏茅山的大茅峰、二茅峰和小茅峰进行了实地情况调研、野外考察和群众调查。并把调查结果与遥感图像对比,修改,更正室内目视解译结果。从而全面保证遥感图像解译的可靠性。
(5)稀有种药用资源的遥感贮藏量估算。
苍术样方分类:在对茅山的大茅峰,二茅峰和小茅峰进行了苍术的野外资源调查并完成调查区域的遥感图像解(图4)的基础上,按照具有一定代表性的踏查路线进行详细线路踏查,发现有苍术的地方,相隔超过300米的区域设定样方。由于该调查方式是根据遥感图设定的调查路线,有一定的代表性。选取调查样方(100m*100m),记录样方所在的经纬度,观察样方的生态环境和记录样方中的苍术量。根据苍术在不同样方中的数量的不同,将研究样方分为:
I级:全部为灌木群落,含有20棵以上苍术
II级:为灌木和乔木混合群落,含有10-20棵苍术
III级:为乔木群落,含有小于10棵的苍术
IV级:为乔木群落,没有苍术
结果:在选取的26个样方中,发现有I级样方2个,II级样方5个,III级样方11个,IV级样方8个。
苍术蕴藏量估算:以上面的四级对植被区域进行研究,研究图5中各级的面积,计算苍术量,公式为:n=At×ni/As×f(其中n表示每级苍术最大株数,As表示每级的总面积,As表示样方的面积,ni表示样方中每级苍术的株数,f为权重),At=每级相元数×相元面积(900),其中,每次相元数可以通过遥感图像获得;As=100m×100m=104(m2),权重f为伴生植物短柄枹的盖度,当ni/As×f小于该级别的最小值时取最小值。然后将4类的苍术量进行加和,就可以得到总的苍术量,见表6。
表6 苍术生物量估算
结果显示,I级中的苍术株树较多,但是遥感图像上得到的该区域的面积却较少。实际调查结果显示,I级周围短柄桴很多,苍术一丛一丛地生长在短柄桴的灌层下,然而这种区域的分布面积却远远小于灌木和乔木混杂生长的区域;II级是灌木和乔木混杂生长的区域,该区域在茅山三大峰的分布面积较大,虽然在单位面积内找到的苍术株树不多,但是因为该级的面积大,导致该区域获得的苍术的总株数较多,有6176~4088株,此区域除了有部分短柄桴外,还有其它如贯众(Cyrtomium fortunei)、小构(Broussonetiakazinoki)等灌木与苍术伴生。III级主要是乔木层,该区域内苍术数较少。
本次野外茅苍术的遥感资源监测通过实地调查结合遥感分析,得到茅山大茅峰、二茅峰和小茅峰的苍术量为12166~10078株,这和当地从事苍术观测的药农提供的10000株左右相差不大。至此,完成了基于伴生植物及群落分级的野生稀有种中药资源的遥感监测。
Claims (12)
1.一种基于伴生物种和群落分级的药用植物资源遥感监测方法,其特征在于:1)筛选影响被监测药用植物资源的生境因子;2)选择具有被监测药用植物资源分布的地区,采用样方法记录分析该药用植物资源的特征,获得被监测药用植物资源生境信息,并对被监测药用植物资源所处生境进行分级;3)遥感图像解译:采集遥感图像,通过系统的遥感图像处理,获得遥感反演数据,并通过地物对照,获得生境遥感信息;4)构建空间分析模型:建立地理背景数据、野外数据与遥感数据之间的相关关系;5)计算被监测药用植物资源蕴藏量:根据分级结果,确定每级中该药用植物资源的数量及级数,最终计算出被监测药用植物的蕴藏量。
2.如权利要求1所述的方法,其特征在于所述药用植物为具有伴生物种或特殊生境特征的野生稀有种。
3.如权利要求1或2所述的方法,其特征在于所述药用植物资源生境信息包括地理背景数据、群落植被信息、气象信息和土壤环境的实测数据。
4.如权利要求3所述的方法,其特征在于地理背景数据包括经度、纬度、海拔、坡度和坡向。
5.如权利要求3所述的方法,其特征在于群落植被信息包括伴生植物多度、重要值和被监测物种生物量。
6.如权利要求3所述的方法,其特征在于气象信息包括温度、湿度、光量子辐射量、降雨量和日照时数。
7.如权利要求3所述的方法,其特征在于土壤环境包括土壤养分、各种无机元素含量、土壤温湿度、土壤含水量和土壤化感物质。
8.如权利要求1所述的方法,其特征在于药用植物资源信息包括株生物量、株高、茎粗、叶片数株和冠幅。
9.如权利要求1所述的方法,其特征在于采用典范对应分析研究被监测药用植物与周围物种的关系,及该药用植物居群植物分布与环境因子的相关关系。
10.如权利要求1所述的方法,其特征在于对所监测药用植物群落依据其伴生植物群落或特定生境进行分级。
11.如权利要求1所述的方法,其特征在于所述空间分析模型以药用植物种类及其伴生物种或特定生境为监测对象,建立遥感图像与伴生植物或特定生境的地物对照关系。
12.如权利要求1所述的方法,其特征在于所述药用植物为苍术。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008102407394A CN101435873A (zh) | 2008-12-24 | 2008-12-24 | 基于伴生物种和群落分级的药用植物资源的遥感监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008102407394A CN101435873A (zh) | 2008-12-24 | 2008-12-24 | 基于伴生物种和群落分级的药用植物资源的遥感监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101435873A true CN101435873A (zh) | 2009-05-20 |
Family
ID=40710406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008102407394A Pending CN101435873A (zh) | 2008-12-24 | 2008-12-24 | 基于伴生物种和群落分级的药用植物资源的遥感监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101435873A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2443977C1 (ru) * | 2010-08-06 | 2012-02-27 | Учреждение Российской академии наук Институт биологии Коми научного центра Уральского отделения РАН | Способ оценки распределения и запасов ресурсных и редких видов растений в пределах крупных территориальных массивов |
CN103345588A (zh) * | 2013-07-18 | 2013-10-09 | 成都中医药大学 | 一种野生中药资源蕴藏量的计算方法 |
CN103364309A (zh) * | 2013-07-19 | 2013-10-23 | 中国医学科学院药用植物研究所 | 野生大黄种群结构和合理采挖量的遥感监测方法 |
CN105493858A (zh) * | 2015-12-24 | 2016-04-20 | 中国矿业大学(北京) | 一种长期监测西部矿区沙地植被多样性动态变化的方法 |
CN105930456A (zh) * | 2016-04-22 | 2016-09-07 | 安庆师范学院 | 模拟濒危松科植物潜在分布的方法 |
CN106803209A (zh) * | 2017-01-13 | 2017-06-06 | 浙江求是人工环境有限公司 | 实时数据库和先进控制算法的作物培育模式分析优化方法 |
CN107079766A (zh) * | 2017-04-11 | 2017-08-22 | 上海交通大学 | 一种构建降温增湿型园林植物群落的方法 |
CN107507193A (zh) * | 2017-08-04 | 2017-12-22 | 国家海洋环境监测中心 | 高分三号合成孔径雷达影像围填海信息自动提取方法 |
CN107833205A (zh) * | 2017-10-24 | 2018-03-23 | 江西省科学院 | 一种基于遥感影像的枹栎结实大小年现象的研究方法 |
CN108388566A (zh) * | 2017-06-15 | 2018-08-10 | 中国科学院地理科学与资源研究所 | 一种植物物种丰富度分布的空间模拟方法 |
CN108761034A (zh) * | 2018-05-16 | 2018-11-06 | 河海大学 | 一种多源卫星土壤湿度反演方法 |
CN109544429A (zh) * | 2018-12-27 | 2019-03-29 | 浙江大学城市学院 | 一种利用城市绿地空间保育濒危植物提高城市生物多样性的方法 |
CN110443436A (zh) * | 2019-04-24 | 2019-11-12 | 中国科学院新疆生态与地理研究所 | 一种生态输水工程输水过程中生态变化数据研究方法 |
CN113112590A (zh) * | 2021-04-14 | 2021-07-13 | 中国科学院新疆生态与地理研究所 | 生态输水工程中生态变化及植被指标获取方法 |
-
2008
- 2008-12-24 CN CNA2008102407394A patent/CN101435873A/zh active Pending
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2443977C1 (ru) * | 2010-08-06 | 2012-02-27 | Учреждение Российской академии наук Институт биологии Коми научного центра Уральского отделения РАН | Способ оценки распределения и запасов ресурсных и редких видов растений в пределах крупных территориальных массивов |
CN103345588A (zh) * | 2013-07-18 | 2013-10-09 | 成都中医药大学 | 一种野生中药资源蕴藏量的计算方法 |
CN103345588B (zh) * | 2013-07-18 | 2016-02-17 | 成都中医药大学 | 一种野生中药资源蕴藏量的计算方法 |
CN103364309A (zh) * | 2013-07-19 | 2013-10-23 | 中国医学科学院药用植物研究所 | 野生大黄种群结构和合理采挖量的遥感监测方法 |
CN103364309B (zh) * | 2013-07-19 | 2016-02-10 | 中国医学科学院药用植物研究所 | 野生大黄种群结构和合理采挖量的遥感监测方法 |
CN105493858A (zh) * | 2015-12-24 | 2016-04-20 | 中国矿业大学(北京) | 一种长期监测西部矿区沙地植被多样性动态变化的方法 |
CN105930456A (zh) * | 2016-04-22 | 2016-09-07 | 安庆师范学院 | 模拟濒危松科植物潜在分布的方法 |
CN106803209A (zh) * | 2017-01-13 | 2017-06-06 | 浙江求是人工环境有限公司 | 实时数据库和先进控制算法的作物培育模式分析优化方法 |
CN107079766A (zh) * | 2017-04-11 | 2017-08-22 | 上海交通大学 | 一种构建降温增湿型园林植物群落的方法 |
CN108388566B (zh) * | 2017-06-15 | 2021-07-27 | 中国科学院地理科学与资源研究所 | 一种植物物种丰富度分布的空间模拟方法 |
CN108388566A (zh) * | 2017-06-15 | 2018-08-10 | 中国科学院地理科学与资源研究所 | 一种植物物种丰富度分布的空间模拟方法 |
CN107507193A (zh) * | 2017-08-04 | 2017-12-22 | 国家海洋环境监测中心 | 高分三号合成孔径雷达影像围填海信息自动提取方法 |
CN107833205A (zh) * | 2017-10-24 | 2018-03-23 | 江西省科学院 | 一种基于遥感影像的枹栎结实大小年现象的研究方法 |
CN107833205B (zh) * | 2017-10-24 | 2020-12-29 | 江西省科学院 | 一种基于遥感影像的枹栎结实大小年现象的研究方法 |
CN108761034B (zh) * | 2018-05-16 | 2019-04-30 | 河海大学 | 一种多源卫星土壤湿度反演方法 |
CN108761034A (zh) * | 2018-05-16 | 2018-11-06 | 河海大学 | 一种多源卫星土壤湿度反演方法 |
CN109544429A (zh) * | 2018-12-27 | 2019-03-29 | 浙江大学城市学院 | 一种利用城市绿地空间保育濒危植物提高城市生物多样性的方法 |
CN109544429B (zh) * | 2018-12-27 | 2021-11-05 | 浙江大学城市学院 | 一种利用城市绿地空间保育濒危植物提高城市生物多样性的方法 |
CN110443436A (zh) * | 2019-04-24 | 2019-11-12 | 中国科学院新疆生态与地理研究所 | 一种生态输水工程输水过程中生态变化数据研究方法 |
CN113112590A (zh) * | 2021-04-14 | 2021-07-13 | 中国科学院新疆生态与地理研究所 | 生态输水工程中生态变化及植被指标获取方法 |
CN113112590B (zh) * | 2021-04-14 | 2023-08-29 | 中国科学院新疆生态与地理研究所 | 生态输水工程中生态变化及植被指标获取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101435873A (zh) | 基于伴生物种和群落分级的药用植物资源的遥感监测方法 | |
Justice et al. | Monitoring East African vegetation using AVHRR data | |
CN103093233A (zh) | 一种基于面向对象的高分辨率遥感影像森林分类方法 | |
CN106384294B (zh) | 一种基于树木功能性状抚育改造低效湖库水源涵养林的方法 | |
CN111160799A (zh) | 一种自然资源数据库构建方法 | |
Dubrovina et al. | Analysis of the suitability of various soil groups and types of climate for avocado growing in the state of Michoacán, Mexico | |
Kalivodová et al. | Potential importance of Socotra dragon’s blood tree cloud forests and woodlands for capturing horizontal precipitation | |
CN113673628A (zh) | 一种基于高分卫星数据的玉米种植分布提取方法 | |
Hu et al. | Unmanned aerial vehicle (UAV) remote sensing estimation of wheat chlorophyll in subsidence area of coal mine with high phreatic level | |
Kusbach et al. | Site-specific approach to growth assessment and cultivation of teak (Tectona grandis) in Nicaraguan dry tropics | |
Geletic et al. | Statistical analyses of land surface temperature in local climate zones: Case study of Brno and Prague (Czech Republic) | |
Drašković et al. | East Sarajevo (Bosnia and Herzegovina) twenty years later: Changes in land use | |
Yimer et al. | Seasonal effect on the accuracy of Land use/Land cover classification in the Bilate Sub-basin, Abaya-Chamo Basin, Rift valley Lakes Basin of Ethiopia. | |
CN111192315A (zh) | 一种基于多源信息的实际灌溉面积提取方法 | |
Frimpong | Application of Remote Sensing and GIS for Forest Cover Change Detection.(A Case Study of Owabi Catchment in Kumasi, Ghana) | |
Çolakkadıoğlu | The Effects of Urbanization and Vegetation Cover on Urban Heat Island: A Case Study in Osmaniye Province | |
CN114792274A (zh) | 一种干旱区山地人工植被建设的布局方法 | |
Aydinoglu | Examining environmental condition on the growth areas of Turkish hazelnut (Corylus colurna L.) | |
Tambe | Ecology and management of the alpine landscape in the Khangchendzonga National Park, Sikkim Himalaya | |
Frimpong | Application of remote sensing and GIS for forest cover change detection | |
Tagil | Effect of Topographic habitat characteristics on the spatial distribution of landuse-landcover in the Kapidag Peninsula, Turkey | |
Dutta et al. | The easternmost timberline of the Indian Himalayan region: A socio-ecological assessment | |
Wang et al. | Ecosystem services assessment of two watersheds of Lancang River in Yunnan, China with a decision tree approach | |
Wang | Plant landscape design simulating natural community by using AHP method based on TWINSPAN classification | |
Luo et al. | Staple crop mapping with Chinese GaoFen-1 and GaoFen-6 satellite images: A case study in Yanshou County, Heilongjiang Province, China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090520 |