CN102052918B - 基于湖泊水生植被蔓延的沼泽化动态监测与预警技术 - Google Patents
基于湖泊水生植被蔓延的沼泽化动态监测与预警技术 Download PDFInfo
- Publication number
- CN102052918B CN102052918B CN2010105311085A CN201010531108A CN102052918B CN 102052918 B CN102052918 B CN 102052918B CN 2010105311085 A CN2010105311085 A CN 2010105311085A CN 201010531108 A CN201010531108 A CN 201010531108A CN 102052918 B CN102052918 B CN 102052918B
- Authority
- CN
- China
- Prior art keywords
- vegetation
- lake
- monitoring
- swampiness
- bogginess
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Image Processing (AREA)
Abstract
本发明属于环境生态学领域,公开了一种基于湖泊水生植被蔓延的沼泽化动态监测与预警技术。该发明依靠固定样方监测手段构建湖泊沼泽化综合度量指标,同时结合实时高精度遥感影像确立湖泊水生植被蔓延度量指标,建立起湖泊水生植物蔓延与沼泽化度量指标间的对应关系,从而确定湖泊快速沼泽化的水生植被蔓延控制阈值,并及时发出相应预警。该发明将遥感监测和地面监测相结合,具有大区域、全覆盖、高精度的优势,对湖泊沼泽化风险评估、预警以及草型湖泊的科学管理具有重要意义。
Description
技术领域
本发明属于环境生态学领域,尤其涉及一种基于湖泊水生植被蔓延的沼泽化动态监测与预警技术。利用植被固定样方调查和遥感景观层次植被特征动态监测,掌握区域水生植被蔓延扩展趋势,进而实现湖泊沼泽化量化评估和沼泽化趋势的监测预警。
背景技术
我国是一个多湖泊的国家,湖泊生态系统在区域水利灌溉、水产养殖、观光旅游等方面发挥了重要的作用。近年来,由于缺乏科学管理,水生维管束植物过度蔓延导致湖泊快速沼泽化,成为草型湖泊面临的主要环境问题之一。建立一种定量评估和预测湖泊沼泽化形成及发展趋势的技术及方法,为草型湖泊的科学管理提供依据,是治理沼泽化急需解决的关键问题。
浅水湖泊沼泽化的微观表现为生产力的异常增殖,宏观表象为湿生植物、挺水植物、漂浮植物及浮叶植物逐步发展并蔓延扩展覆盖湖面。因此,可以通过确定优势沼泽植被蔓延扩展关键控制指标和控制阈值,构建优势沼泽植被蔓延扩展动态监测与预警体系,并进一步应用于湖泊沼泽化动态监测与预警。
近年来,遥感技术迅速发展,大量应用于资源、环境、农业等领域。公开号为1651859A的发明专利公开了用于作物单产和森林单位蓄积量估计的分层回归遥感抽样技术,和传统方法相比具有信息时效性好、样本量少、效率高、空间分辨率高等优点。公开号为101221246A的发明专利公开了一种雪崩遥感量化勘查方法,提取雪崩灾害因子,建立雪崩灾害预测模型及稳定性与危险性评估,能够查清雪崩的发生规律与发展趋势。公开号为1924611A的发明专利公开了一种土地退化(荒漠化)评价参数遥感反演与监测技术方法,通过建立数学模型,反演土地退化(荒漠化)评价参数,利用反演的参数建立荒漠化监测指标体系。总而言之,遥感手段可以对研究区域进行大范围动态扫描监测,并且光谱数据能够有效反映地面覆盖变化情况,因此特别适合于沼泽植被蔓延的实时预警预报,具有大区域、全覆盖的优势。
为了确保所获取的沼泽植被蔓延扩展指标的可靠性,国内外广泛采用遥感解译和地面样方监测相结合的手段。尽管利用遥感手段可以对淀区优势沼泽植被蔓延程度和趋势进行大范围动态扫描监测,特别适合于沼泽植被蔓延的实时预警预报,具有大区域、全覆盖的优势,但易受分辨率的制约,因此,必须与固定样方监测指标配合使用,使得监测结果更好的具备全覆盖、高精度的优势。
发明内容
本发明的目的在于:针对目前我国控制大型草型湖泊沼泽化的需要,公布一种利用植被固定样方调查和遥感景观层次植被特征相结合的优势沼泽植被蔓延扩展动态监测与预警技术,为草型湖泊科学管理提供依据。该发明通过实现植被蔓延综合度量指标的提取,建立沼泽化程度-植被蔓延扩展对应关系,进而对湖泊沼泽化程度进行评估,并对湖泊沼泽化发展趋势实行预警预测。
本发明的特征在于:利用野外固定样方监测和卫星遥感数据分析相结合的方式,具有覆盖面广,精度高的特点。首先,该技术通过在不同沼泽化程度区域布设样方,获取种群/群落水平植被蔓延综合度量指标,并借助遥感影像数据获取景观水平植被蔓延综合度量指标,建立全方位的植被蔓延扩展监测系统。其次,建立不同区域沼泽植物蔓延扩展指标和沼泽化程度指标之间的定量关系,揭示优势沼泽植物蔓延扩展触发快速沼泽化进程的关键控制值,最终实现沼泽化预警。
本发明与以往的沼泽化评价技术相比,其益处在于:利用遥感信息提取的景观层面蔓延监测指标具有大区域、全覆盖的优势,同时与固定样方监测指标相配合,使监测结果具备高精度的特点。该技术的实施对于湖泊沼泽化程度长期实时监控,湖泊沼泽化风险评估、预警,以及草型湖泊的科学管理具有重要意义。
附图说明
附图为本发明的实施流程图。
具体实施方式
本发明具体实施步骤如下:
1、植被固定样方调查及水生植物群落对沼泽化贡献率的确定
为确定各种水生植物对湖泊沼泽化的贡献率,首先应确定不同植物群落对沼泽化的贡献。综合考虑研究区域的湖底淤高程度和植被蔓延程度,根据需要将湖泊划分为若干个不同等级沼泽化区域,明确区域界线。在不同沼泽化等级区域建立典型样地,系统布设100-200个固定样方并用GPS定位,树立标志以供长期监测。在全年中植物生长期的多个月份对样方进行植被调查,获取植物种类、单位面积生物量(B),盖度/密度/频度,优势度(IV)等信息,确定各沼泽化群落中的优势种和伴生种。
某水生植物群落i对沼泽化贡献率Xi的确定:
A、测量目标沼泽化区域内属于群落i的固定样方水深,则群落i平均水深hi=∑(某样方水深×该样方面积权重),对于均匀分布的样方,各样方面积权重应相等。认为群落i的淤积深度Hi为该沼泽化区域内的最深水深h0与群落i所在区域的平均水深之差,即Hi=(h0-hi)。
B、采集属于群落i的各样方沉积物样品,测定密度和总有机碳,并将总有机碳折合成平均总有机质,利用样方面积权重计算出群落i的平均沉积物密度p和有机质含量百分数Mi。
C、若分布区域面积为S,平均淤积深度为Hi,则沉积物总体积V=Hi×S,因此包含的沉积物总质量为ρV=ρ×Hi×S。再除以面积S,得到单位面积上的沉积物质量为ρV/S=ρ×Hi,再乘以有机质含量百分数Mi,因此得到在群落i分布区域内,单位面积有机质质量mi=Mi×(ρ×Hi)。认为mi反映群落i的生物残体对沼泽化的贡献,则群落i对沼泽化的贡献率Xi=mi/(∑mi)。
2、基于遥感的景观层次植被特征动态监测方法
A、在植物生长期的多个月份,获取与固定样方调查同时的QUICKBIRD或IKONOS实时高精度多时段多源遥感图像。对遥感图像进行适当的最佳波段选择、辐射校正、几何校正、大气校正、边缘增强等处理,几何校正使用的GPS应该与固定样方定位的GPS相同,将全色图像和多光谱图像进行空间上的配准,将高分辨率全色波段与多光谱波段进行融合处理。
B、使用目视判别区分遥感影像上陆地与水域边界,掩膜陆地区域。
C、使用K-平均非监督分类方法建立芦苇台田边界,与目视解译相结合。
将预期聚类中心数设置为20个左右,根据光谱数据对所有像元进行分类。分类完成后,根据数据相似性,进一步划分为“有/无芦苇”两类,计算芦苇台田边界,掩膜芦苇台田。
D、使用ISODATA非监督分类方法进行植被类型划分,与目视解译相结合。
a.预期聚类中心数可设为10个左右,初步划分挺水植物、沉水植物和水域,掩膜水域;
b.掩膜沉水植物。预期聚类中心数可设为100个左右,划分挺水植物类型;
c.掩膜挺水植物。预期聚类中心数可设为100个左右,划分沉水植物类型。
E、参照不同植物的光谱数据,及固定样方调查结果,生成植被分布图。进一步随机选300个左右的相元进行地面调查,评价分类准确度为(正确相元数/错误相元数)×100%,纠正明显错误的分类。
F、在ENVI软件中将遥感影像转成标准格式,导入FRAGSTATS软件,计算反映优势沼泽植被斑块扩展蔓延的指标,包括斑块的密度(Rd)、频率(Rf)、景观比例(Lp)、斑块优势度值(PD),及NDVI指数。
3、沼泽化程度指标和植被蔓延扩展监测指标的构建
考虑群落i中的某种植物j,生物量(B)及其所处群落的优势度(IV)是反映该种植物在种群/群落水平植被蔓延程度的重要度量指标,因此建立基于固定样方野外监测的植被蔓延综合度量指标SFij=Bj×IVj。群落i整体的植被蔓延综合度量指标SFi=∑SFij。对于整个湖区,则综合沼泽化程度度量指标为SF=∑(Xi×SFi)。
在景观水平,NDVI指数主要反映生物量及其变化,面积、斑块密度、破碎度、蔓延度与连接度等可以度量沼泽植被与水体格局及其变化,因此针对植物j建立基于遥感监测的植被蔓延监测指标SPj=NDVIj×PDj。考虑到挺水植物、浮水植物、沉水植物生物积累和分解速率不同,因此对沼泽化的贡献也不同,分别赋值为Y分,挺水、浮水、沉水对应Y=3、2、1。对于整个湖区,综合植被蔓延监测指标SP=∑(Yj×SPj)。
4、植被蔓延扩展指标关键控制阈值的确定
利用多个月份数据,绘制(SP,SF)散点图,对数据进行多项式拟合,得出植被蔓延扩展-沼泽化程度之间的定量关系。根据需要,参照同气候区类似植被正常生长状态所具备的蔓延格局,将沼泽化程度指标SF划分为若干等级。在每个等级内,选取图像斜率最大处,即SF迅速上升时所对应的SP值为植被蔓延扩展关键控制阈值。
也可以针对单一湖区或者单一群落绘制(SPi,SFi)图,确定某单一植被的蔓延扩展控制值(SPi计算只需将某一群落i中各植物的SPj加权平均即可,方法如第三步SP的计算)。
5、基于动态监测的植被蔓延扩展趋势预警预测
遥感图像可以实现对植被蔓延的长时期动态监测。利用遥感图像数据和步骤2的方法可以获得综合植被蔓延扩展监测指标SP。每当SP接近某一沼泽化等级内的植被蔓延扩展控制阈值时,即可发出相应等级的预警。
6、精度评价
最后,对预警结果进行精度评价。精度评价应综合考虑以下方面:固定样方调查数据及相应植被沼泽化贡献率的精度,遥感影像预处理精度,植被群落划分时分类准确度,(SP,SF)散点图多项式拟合的精确度。
Claims (1)
1.一种基于湖泊水生植被蔓延的沼泽化动态监测与预警技术,其特征在于:利用遥感影像解译和固定样方监测结合的手段,将湖泊沼泽化程度和植被蔓延程度均定量化,并找出二者相关关系,从而实现对草型湖泊因大型水生植物过量生长而引起的快速沼泽化的动态监测与预警,其具体步骤如下:
(1)在不同沼泽化区域建立系统样方,获得水文、水质、植被数据,计算各植被群落对湖泊沼泽化贡献率,得出目标区域综合沼泽化程度度量指标SF;
(2)通过对高精度多时段多源遥感图像进行解译和分析,划分植被类型并获得各类型植被斑块蔓延情况,综合考虑植被类型和斑块蔓延情况,计算全湖综合植被蔓延监测指标SP;
(3)通过绘制多月份(SP,SF)散点图,获得两指标之间的定量关系,根据定量关系确定植被蔓延扩展关键控制阈值,实现沼泽化动态监测与预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105311085A CN102052918B (zh) | 2010-11-04 | 2010-11-04 | 基于湖泊水生植被蔓延的沼泽化动态监测与预警技术 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105311085A CN102052918B (zh) | 2010-11-04 | 2010-11-04 | 基于湖泊水生植被蔓延的沼泽化动态监测与预警技术 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102052918A CN102052918A (zh) | 2011-05-11 |
CN102052918B true CN102052918B (zh) | 2012-08-22 |
Family
ID=43957484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010105311085A Expired - Fee Related CN102052918B (zh) | 2010-11-04 | 2010-11-04 | 基于湖泊水生植被蔓延的沼泽化动态监测与预警技术 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102052918B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984310A (zh) * | 2014-05-12 | 2014-08-13 | 华迪计算机集团有限公司 | 基于多源遥感数据的化工园区环境污染检测方法和装置 |
CN108020511B (zh) * | 2016-11-01 | 2020-06-30 | 中国科学院遥感与数字地球研究所 | 一种浅水草型湖泊水质参数遥感监测方法与装置 |
CN106846229B (zh) * | 2017-02-16 | 2018-03-09 | 中国环境科学研究院 | 湖泊生态系统灾变早期预警方法 |
CN109959621B (zh) * | 2017-12-22 | 2021-07-20 | 北京航天泰坦科技股份有限公司 | 一种基于中高分辨率时序遥感数据的水环境分析方法 |
CN109376810A (zh) * | 2018-08-29 | 2019-02-22 | 内蒙古智牧溯源技术开发有限公司 | 基于聚类分析的牲畜分期过牧预警方法 |
CN110095412A (zh) * | 2019-04-22 | 2019-08-06 | 青海大学 | 一种草畜动态遥感监测及放牧预警方法 |
CN115236277B (zh) * | 2022-07-11 | 2023-03-17 | 云南大学 | 一种野外评价沉水植物对水交换均匀度适应能力的方法及应用 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1804225A (zh) * | 2005-12-05 | 2006-07-19 | 江苏省农业科学院 | 一种湿地保护与开发的优化分析方法 |
CN1808480A (zh) * | 2005-12-19 | 2006-07-26 | 江苏省农业科学院 | 一种生态系统服务功能的最优评估方法 |
CN100446001C (zh) * | 2007-04-20 | 2008-12-24 | 大连理工大学 | 一种范例推理与Fuzzy ARTMAP网络相结合的遥感影像分类方法 |
-
2010
- 2010-11-04 CN CN2010105311085A patent/CN102052918B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102052918A (zh) | 2011-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Laurin et al. | Above-ground biomass prediction by Sentinel-1 multitemporal data in central Italy with integration of ALOS2 and Sentinel-2 data | |
CN102052918B (zh) | 基于湖泊水生植被蔓延的沼泽化动态监测与预警技术 | |
Yang et al. | Improving prediction of soil organic carbon content in croplands using phenological parameters extracted from NDVI time series data | |
Ge et al. | Spatiotemporal dynamics of grassland aboveground biomass and its driving factors in North China over the past 20 years | |
Cao et al. | A 30-meter terrace mapping in China using Landsat 8 imagery and digital elevation model based on the Google Earth Engine | |
Kiprotich et al. | Assessing the impact of land use and climate change on surface runoff response using gridded observations and swat+ | |
Pan et al. | Extracting desertification from Landsat TM imagery based on spectral mixture analysis and Albedo-Vegetation feature space | |
CN103942408A (zh) | 黄土高原中尺度流域年侵蚀产沙模型计算方法 | |
Kubitza et al. | Estimating adoption and impacts of agricultural management practices in developing countries using satellite data. A scoping review | |
Waswa | Assessment of land degradation patterns in western Kenya: Implications for restoration and rehabilitation | |
Nuñez et al. | A multivariate clustering approach for characterization of the Montepulciano d’Abruzzo Colline Teramane area | |
Sultanov et al. | Modelling end-of-season soil salinity in irrigated agriculture through multi-temporal optical remote sensing, environmental parameters, and in situ information | |
Geng et al. | Migratory locust habitat analysis with PB-AHP model using Time-Series satellite images | |
Hakdaoui et al. | A collaborative change detection approach on multi-sensor spatial imagery for desert wetland monitoring after a flash flood in Southern Morocco | |
Jiang et al. | Hyper‐temporal remote sensing helps in relating epiphyllous liverworts and evergreen forests | |
Merzouki et al. | Synthetic aperture radar (SAR) compact polarimetry for soil moisture retrieval | |
Nourani et al. | Hydrological model parameterization using NDVI values to account for the effects of land cover change on the rainfall–runoff response | |
Malede et al. | Integrated and individual impacts of land use land cover and climate changes on hydrological flows over Birr River Watershed, Abbay Basin, Ethiopia | |
Beget et al. | Flooding: The effect of water depth on the spectral response of grass canopies | |
Tiwari et al. | A synthesis of hydroclimatic, ecological, and socioeconomic data for transdisciplinary research in the Mekong | |
Chen et al. | 3D model construction and ecological environment investigation on a regional scale using UAV remote sensing | |
Gallo et al. | Soil erosion satellite-based estimation in cropland for soil conservation | |
Meyer et al. | Exploring the combined use of SMAP and Sentinel-1 data for downscaling soil moisture beyond the 1 km scale | |
Villoslada et al. | Reindeer control over shrubification in subarctic wetlands: spatial analysis based on unoccupied aerial vehicle imagery | |
Pan et al. | Remote sensing inversion of soil organic matter by using the subregion method at the field scale |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
DD01 | Delivery of document by public notice |
Addressee: Beijing Normal University Document name: Notification to Pay the Fees |
|
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120822 Termination date: 20211104 |