CN113155749A - 城镇河道沉水植物生物量计算方法 - Google Patents
城镇河道沉水植物生物量计算方法 Download PDFInfo
- Publication number
- CN113155749A CN113155749A CN202110333286.5A CN202110333286A CN113155749A CN 113155749 A CN113155749 A CN 113155749A CN 202110333286 A CN202110333286 A CN 202110333286A CN 113155749 A CN113155749 A CN 113155749A
- Authority
- CN
- China
- Prior art keywords
- biomass
- sampling
- submerged
- calculating
- submerged plant
- 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.)
- Granted
Links
- 239000002028 Biomass Substances 0.000 title claims abstract description 94
- 238000004364 calculation method Methods 0.000 title claims description 10
- 238000005070 sampling Methods 0.000 claims abstract description 119
- 238000000034 method Methods 0.000 claims abstract description 66
- 230000000694 effects Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 238000012952 Resampling Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 8
- 238000012353 t test Methods 0.000 claims description 7
- 238000000692 Student's t-test Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000000149 penetrating effect Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 241000196324 Embryophyta Species 0.000 description 102
- 241000894007 species Species 0.000 description 18
- 230000008859 change Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 241000195493 Cryptophyta Species 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 2
- 241000498251 Hydrilla Species 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 241000209439 Cabomba caroliniana Species 0.000 description 1
- 241000252229 Carassius auratus Species 0.000 description 1
- 241000209443 Ceratophyllum demersum Species 0.000 description 1
- 241000641968 Chlorococcum pulchrum Species 0.000 description 1
- 229920002488 Hemicellulose Polymers 0.000 description 1
- 241001123263 Zostera Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229920005610 lignin Polymers 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种城镇河道沉水植物生物量计算方法，包括以下步骤：S1、对城镇河道沉水植物进行采样；根据前期采样结果获得沉水植物群落物种优势度；S2、沉水植物盖度计算；以多光谱相机获取影响，提取其中绿光波段数据，提取沉水植物的色彩阈值范围；以光栅像素识别的方式确定沉水植物盖度；S3、计算确定最小采样数，按照最小采样数设置采样方法；获得城镇河道内沉水植物单位面积的平均生物量；S4、将单位面积平均生物量与沉水植物总盖度相乘，获得城镇河道沉水植物生物量。通过采用以上的方案，能够快速估算城镇河道沉水植物生物量，在确保准确统计结果的前提下，能够有效降低工作量。
Description
技术领域
本发明涉及城镇河流沉水植物统计领域，特别是一种城镇河道沉水植物生物量计算方法。
背景技术
河流生态系统是生物圈物质循环的主要通道之一，具有气候调节、污染消纳、食物供给、生物多样性维持等众多功能及服务。城镇河流是城镇生态系统的重要组分之一，与城镇建设、维持、稳定及发展密不可分。城镇系统的正常运行也依赖于城镇河流生态服务功能的实现及发挥。但是，人类定居于城镇河流区域而产生直接联系，因此有别于自然河流，城镇河流穿越居民区后，一般会发生改变而呈现出一定的污染水平。当河流生态系统受到人类活动的损害后，恢复和维持其健康水平已经成为近年来环境管理的主要目标，而沉水植被则是评价河流健康状况的重要指标之一。沉水植物是水生态系统中的初级生产者之一和重要组分，在物质和能量循环中发挥重要的调控作用，因此其盖度和生物量常被作为评价河流、湖泊等浅水系统恢复程度的重要指标之一。因此，有必要提供一种城镇河道沉水植物生物量计算方法为城镇城镇河道沉水植被恢复研究提供依据，为城镇河道的管理养护提供参考。
中国专利号CN107728150A涉及一种河道沉水植物生物量计算方法。其工作原理是：采用双频识别声呐采集生成湖泊内测区的影像，根据影像计算出测区内沉水植物的覆盖度；对测区进行样方测定而得到样方内沉水植物的种类、不同种类沉水植物的占比以及鲜重密度；基于测区内沉水植物的覆盖度以及样方内沉水植物的种类、不同种类沉水植物的占比、鲜重密度，利用测区总面积×测区内沉水植物的覆盖度×样方内鲜重密度×样方内某一种类沉水植物的占比得到测区内该种类沉水植物的生物量，进而得出测区内不同种类沉水植物的生物量。解决了现有的方法因多点采样而对沉水植被造成明显伤害，获取的影像数据处理后仅需与采集样方进行少量人工对比即可获得结果的问题。但该专利在使用时，不同的方法估算了沉水植物生物量关系并不明确，对于一定面积或长度的水体内，采样次数与单位面积沉水植物生物量的相关关系并不明确，即至少需要采集多少样方数，才能较为准确的估算沉水植物的生物量不明确，而且检测范围有限。
发明内容
本发明所要解决的技术问题是提供一种城镇河道沉水植物生物量计算方法，能够获取城镇河道沉水植物生物量，优选的方案中，能够以较小的工作量获得较高的统计精确度。
为解决上述技术问题，本发明所采用的技术方案是：一种城镇河道沉水植物生物量计算方法，包括以下步骤：
S1、对城镇河道沉水植物进行采样；
根据采样结果，计算获得沉水植物群落物种优势度；
S2、沉水植物盖度计算；
以多光谱相机获取影响，提取其中绿光波段数据，提取沉水植物的色彩阈值范围；
以光栅像素识别的方式确定沉水植物盖度；
S3、计算确定最小采样数，按照等距或随机采样法；获得城镇河道内沉水植物单位面积的平均生物量；
S4、将单位面积平均生物量与沉水植物总盖度相乘，获得城镇河道沉水植物生物量。
优选的方案中，在步骤S1中，采样采用城镇河道内比较等距样线法，即根据城镇河道长度等分，在中间的等分点设置样方；或者采样采用城镇河道内采用多断面样点法，根据沉水植物长势将城镇河道划分为8~12个断面，每个断面设置4~5个样方；
在设置样方的位置，采集预设面积范围内的沉水植物，将采集的沉水植物按种类分开后，沥干表面水分，称重，每个断面3个样方沉水植物的鲜重均值作为该断面的沉水植物定量值；
通过以上方法，估算城镇河道单位面积内生物量均值。
优选的方案中，沉水植物群落物种优势度采用相对频度和相对生物量来确定，其计算方法为：
优势度（DV）=（相对频度（RF）＋相对生物量（RB））/2×100％；
相对频度（RF）=物种的频度/所有物种频度之和×100％；
相对生物量（RB）=该物种的生物量/所有物种生物量之和×100％。
优选的方案中，沉水植物盖度计算的步骤为：
S01、以多光谱相机拍摄包括蓝光、绿光、红光、近红外光和红边各波段的影像；
S02、由于绿光穿透水面效果较强，提取出其中绿光波段的数据，制作地图投影；
S03、对绿光原始波段影像进行重分类；
S04、提取沉水植物的色彩阈值范围；
S05、目视选择影像中沉水植物分布高、中、低的三个区域，生成3个对应矢量图层；
S06、以矢量图层为边界提取重分类后的绿波段影像，并进行重采样，重采样时仅保留沉水植物敏感的像素阈值范围并赋值为1，其余像素数值均赋值为0；
S07、根据每个采样的样方，计算像素值为1的占整个样方像素点总合的比例值，该比例值即为该样方沉水植物盖度。
优选的方案中，重分类至少为三类，以最能表征沉水植物的单一波段阈值范围作为一个中间分类依据，低于或高于该阈值范围作为其他分类。
优选的方案中，每条城镇河道应选取5~6个断面，断面包括近岸和离岸位置，每个断面拍摄一张多光谱照片。
优选的方案中，所述的多光谱相机采用1.7、2.1和2.35μm波段光谱作为光源。
优选的方案中，在步骤S3中，以功效分析法，人为设置置信度水平为90%，采用0.8作为t检验的较大效应值基准，在具有95%的准确性下，计算最少采样次数。
优选的方案中，在步骤S3中，以最小样方法，计算最少采样次数，包括；
S31、将单条城镇河道所有采样点的生物量数值排序，最小值记为第1次，以此类推；以生物量作为X轴，采样次数作为Y轴画出散点图；
S32、尝试不同的曲线拟合方法，寻找最佳拟合曲线；
S33、构建分段回归模型，将分段回归模型中的拐点位置所对应的采样次数，作为最小采样数。
优选的方案中，比较获取的最小采样数与前期采样数，若最小采样数大于前期采样数则再次补充采样，直至总体采样数大于或等于最小采样数；
若最小采样数小于或等于前期采样数则不需补充采样。
本发明提供了一种城镇河道沉水植物生物量计算方法，通过采用以上的方案，能够快速估算城镇河道沉水植物生物量，优选的方案中，在确保准确统计结果的前提下，能够有效降低工作量。
附图说明
下面结合附图和实施例对本发明作进一步说明：
图1为城镇河道选取示意图；
图2为本发明的取样次数与单位面积沉水植物生物量的相关关系图；
图3为本发明的分段回归及拐点计算曲线图；
图4为本发明的分段回归后的取样次数与单位面积沉水植物生物量的相关关系图；
图5为本发明的三条城镇河道分段回归的拐点值；
图6为本发明的两种采样方法的分组差异示意图；
图7为本发明的目视选择影像中植物分布高、中、低三个区域的示意图；
图8为本发明的盖度计算示意图。
具体实施方式
实施例1：
一种城镇河道沉水植物生物量计算方法，包括以下步骤：
S1、选定城镇河道区域，对城镇河道沉水植物进行采样；
优选的方案中，在步骤S1中，采样采用城镇河道内比较等距样线法，即根据城镇河道长度等分，在中间的等分点设置样方；或者采样采用城镇河道内采用多断面样点法，根据沉水植物长势将城镇河道划分为8~12个断面，每个断面设置4~5个样方；
在设置样方的位置，采集预设面积范围内的沉水植物，将采集的沉水植物按种类分开后，沥干表面水分，称重，每个断面3个样方沉水植物的鲜重均值作为该断面的沉水植物定量值；
优选的方案中，沉水植物群落物种优势度采用相对频度和相对生物量来确定，其计算方法为：
优势度（DV）=（相对频度（RF）＋相对生物量（RB））/2×100％；
相对频度（RF）=物种的频度/所有物种频度之和×100％；
相对生物量（RB）=该物种的生物量/所有物种生物量之和×100％。
通过以上方法，估算城镇河道单位面积内生物量均值。
根据前期采样结果获得沉水植物群落物种优势度；
S2、沉水植物盖度计算；
如图7、8中，以多光谱相机获取影响，提取其中绿光波段数据，提取沉水植物的色彩阈值范围；
以光栅像素识别的方式确定沉水植物盖度；
优选的方案中，沉水植物盖度计算的步骤为：
S01、以多光谱相机拍摄包括蓝光、绿光、红光、近红外光和红边各波段的影像；优选的方案中，所述的多光谱相机采用1.7μm、2.1μm和2.35μm波段光谱作为光源。
S02、由于绿光穿透水面效果较强，提取出其中绿光波段的数据，制作地图投影；
S03、对绿光原始波段影像进行重分类；
S04、提取沉水植物的色彩阈值范围；
S05、目视选择影像中沉水植物分布高、中、低的三个区域，生成3个对应矢量图层；如图7中所示。
S06、以矢量图层为边界提取重分类后的绿波段影像，并进行重采样，重采样时仅保留沉水植物敏感的像素阈值范围并赋值为1，其余像素数值均赋值为0；如图8中所示。
S07、如图8中，根据每个采样的样方，计算像素值为1的占整个样方像素点总合的比例值，该比例值即为该样方沉水植物盖度。
优选的方案中，重分类至少为三类，以最能表征沉水植物的单一波段阈值范围作为一个中间分类依据，低于或高于该阈值范围作为其他分类。
优选的方案中，每条城镇河道应选取5~6个断面，断面包括近岸和离岸位置，每个断面拍摄一张多光谱照片。
S3、计算确定最小采样数，按照最小采样数设置采样方法；获得城镇河道内沉水植物单位面积的平均生物量；
优选的方案中，在本步骤中，以功效分析法，人为设置置信度水平为90%，采用0.8作为t检验的较大效应值基准，在具有95%的准确性下，计算最少采样次数。
优选的方案中，在步骤S3中，以最小样方法，计算最少采样次数，包括；
S31、将单条城镇河道所有采样点的生物量数值排序，最小值记为第1次，以此类推；以生物量作为X轴，采样次数作为Y轴画出散点图；如图2中所示。
S32、尝试不同的曲线拟合方法，寻找最佳拟合曲线；如图3中所示。
S33、构建分段回归模型，将分段回归模型中的拐点位置所对应的采样次数，作为最小采样数。如图4中所示。
本例中，优选采用功效分析法和最小样方法共同计算最少采样次数。
优选的方案中，比较获取的最小采样数与前期采样数，若最小采样数大于前期采样数则再次补充采样，直至总体采样数大于或等于最小采样数；
若最小采样数小于或等于前期采样数则不需补充采样。
S4、将单位面积平均生物量与沉水植物总盖度相乘，获得城镇河道沉水植物生物量。
实施例2：
某市全市城镇河道46392条，总长度29862.14千米，平均长度为0.644千米。选取其中4条分布苦草（Vallisnerianatans）、竹节水松（Cabombacaroliniana）、黑藻（Hydrillaverticillata）、穗状狐尾藻（Myriophyllumspicatum）等沉水植物的中小城镇河道，如图1中所示，不同城镇河道内各沉水植物重要值不同。
沉水植物在生长过程中，密度及生物量随时间的变化而变化，一般在每年夏季达到最大值，且由于植株长度、密度等差异，导致单位面积的沉水植物生物量之间也存在差异，为较为准确计算沉水植物单位面积的生物量，采用功效分析法或最小样方法计算采样数量。优选的，在本例中，第一次采样采用功效分析法，第二次采样采用最小样方法。
本研究在给定的置信度水平下，采用Cohen（1988）提出的适用于t检验的较大效应值基准，较大效应值基准是用以衡量自变量和因变量之间关联强度的指标，它是原假设H0错误的程度且几乎不受样本量大小的影响。在t检验和方差分析或中，效应量表现为均值的差异程度。t检验中常用Cohen'sd效应量指标，表明两个均数之间的标准差异。计算最少采样次数，以估算（95%的准确性）城镇河道内沉水植物单位面积的平均生物量。同时，在主要优势种为苦草或竹节水松的3条中小城镇河道内利用自制沉水植物采样器，采集了57~64个0.2×0.2m的样方，分析采样次数与单位面积沉水植物生物量之间的相关关系，估算最少采样次数。沉水植物离开水体后，失水较快，鲜重随时间变化差异较大。为减少差异，将夹起的沉水植物按种类分开后，适当沥干表面水分，迅速称重。每个断面3个样方沉水植物的鲜重均值作为该断面的定量值。
采样过程中的，断面设置及采样方法。
城镇河道沉水植物采样点的设置，本例中在1条城镇河道内采用等距样线法，即根据城镇河道长度等分，在中间的等分点设置样方。还采用多断面样点法，即根据沉水植物长势将城镇河道划分为10个断面，每个断面设置4~5个样方，估算城镇河道单位面积生物量的准确性。在北潮港内先以等距离采集43个样方，记为T1组；再根据城镇河道内沉水植物的目视估算盖度，选定10个断面，每个断面采集3~5个样方，共计42个，记为T2组。比较等距样线法和多断面样点法两种采样方法，对估算城镇河道单位面积生物量的准确性，结果显示两者差异不显著（P=0.993），如图6中所示。
沉水植物群落物种优势度采用相对频度和相对生物量来确定，其计算公式：
优势度（DV）=（相对频度（RF）＋相对生物量（RB））/2×100％
相对频度（RF）=物种的频度/所有物种频度之和×100％
相对生物量（RB）=该物种的生物量/所有物种生物量之和×100％。
利用植物中所含纤维素、半纤维素以及木质素等非结构组分在1.7、2.1以及2.35μm波段附近的光谱吸收相对深度与水体不同，采用多光谱相机拍摄遥感影像，每条城镇河道应选取5~6个断面，包括近岸和离岸位置，每个断面拍摄一张多光谱照片，提取3个小样方，共计15~18个样方，可客观反映该研究城镇河道的沉水植物盖度值。但水面漫反射和水体浊度对于多光谱照片的精确度影响明显，该方法经检测完全适用于NTU低于20的城镇河道。可按照以下步骤测算沉水植物的盖度。
（1）利用Rededge-M多光谱相机拍摄5波段影像，采用MRT软件进行读取数据；
（2）提取出其中绿光波段的数据，同时转换遥感影像的数据格式和地图投影，并利用ArcGIS提取波段数据信息，进行质量控制；
（3）利用Arcmap工具，对绿光原始波段影像进行重分类；提取沉水植物的色彩阈值范围；
（4）目视选择影像中沉水植物分布高、中、低的三个区域，生成3个对应矢量图层；如图7中所示。
（5）以矢量图层为边界提取重分类后的绿波段影像，并进行重采样；
（6）重采样时仅保留沉水植物敏感的像素阈值范围并赋值为1，其余像素数值均赋值为0；
（7）针对每个小样方，计算像素值为1的占整个样方像素点综合的比例，即为该样方沉水植物盖度。如图8中所示。得到该样方沉水植物盖度。
盖度高=16605/(16605＋34695)=32.4%；
盖度中=10026/(10026＋31878)=23.9%；
盖度低=5198/(5198＋37324)=12.2%，该城镇河道沉水植物的盖度为22.8%±8%。
检验采样次数是否符合要求，对于功效分析法，设置置信度水平为90%，采用0.8作为t检验的较大效应值基准，在具有95%的准确性下，计算最少采样次数以估算城镇河道内沉水植物单位面积的平均生物量。
最小样方法，首先将单条城镇河道所有采样点的生物量数值排序，最小值记为第1次，以此类推，利用作图软件，以生物量作为Y轴，采样次数作为X轴画出散点图如图2中所示；其次，尝试不同的曲线拟合方法，寻找最佳拟合曲线；最后，在数据探索及拟合曲线观察后发现，单位面积生物量与采样次数的散点图呈两段变化特征如图4中所示，利用R软件，即一种作图和统计软件的segmented分割工具包构建分段回归模型。
利用沉水植物采样器进行采样，对获取的两组数据合并后，进行正态性及方差齐性检验，发现数据不符合正态分布，但方差满足齐次性。因此，为检验T1与T2的组间差异，采用威尔科克森（wilcox）秩和检验进行分析。
所有的分析工作在R4.0.2软件中进行（RDevelopmentCoreTeam2020R研制成果核心团队2020版）。
采用功效分析法，在90%置信区间下，以效应值0.8为基准值，样方取34能较为准确代表整个城镇河道的沉水植物生物量。
某市中小城镇河道单位沉水植物的生物量差异较大，异质性较高，以第一河为例，该城镇河道主要分布人工种植的苦草，并伴生少量的自然生长的黑藻及金鱼藻（Ceratophyllumdemersum）。利用采样器采集的61个样方中，最小生物量为2950g/m2，而最高达9010g/m2，两者相差3倍以上，如图2中所示。
利用取样次数与单位面积沉水植物的生物量作图，以生物量（按升序排列）作为横坐标（X轴），取样次数作为纵坐标（Y轴），把每次采集到的生物量标记在图内。可以看出随着取样次数的增加，单位面积沉水植物生物量起初陡峭增加而后趋于平缓，接近单位面积最大生物量，利用逻辑斯谛方程和多项式（二次）曲线进行拟合，其解释度可以达到0.9927，该条曲线开始平伸的点即为最少取样次数如图3中所示。
构建分段回归模型，将分段回归模型中的拐点位置所对应的采样次数，作为最小采样数。如图4中所示。
采样相同的方法，对另外两条河的最小采样数进行计算，结果如图5所示。拐点均约为40次。结合能效分析方法的结果（34次），得出对上述单条中小城镇河道沉水植物生物量估算的最少取样次数为35~40次。
比较获取的最小采样数与前期采样数，若最小采样数大于前期采样数则再次补充采样，直至总体采样数大于或等于最小采样数；
若最小采样数小于或等于前期采样数则不需补充采样。
将单位面积平均生物量与沉水植物总盖度相乘，获得城镇河道沉水植物生物量。
上述的实施例仅为本发明的优选技术方案，而不应视为对于本发明的限制，本申请中的实施例及实施例中的特征在不冲突的情况下，可以相互任意组合。本发明的保护范围应以权利要求记载的技术方案，包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进，也在本发明的保护范围之内。
Claims (10)
1.一种城镇河道沉水植物生物量计算方法，其特征是包括以下步骤：
S1、对城镇河道沉水植物进行采样；
根据采样结果，计算获得沉水植物群落物种优势度；
S2、沉水植物盖度计算；
以多光谱相机获取影像，提取其中绿光波段数据，提取沉水植物的色彩阈值范围；
以光栅像素识别的方式确定沉水植物盖度；
S3、计算确定最小采样数，按照等距或随机采样法；获得城镇河道内沉水植物单位面积的平均生物量；
S4、将单位面积平均生物量与沉水植物总盖度相乘，获得城镇河道沉水植物生物量。
2.根据权利要求1所述的一种城镇河道沉水植物生物量计算方法，其特征是：在步骤S1中，采样采用城镇河道内比较等距样线法，即根据城镇河道长度等分，在中间的等分点设置样方；或者采样采用城镇河道内采用多断面样点法，根据沉水植物盖度（肉眼估算）将城镇河道划分为8~12个断面，每个断面设置4~5个样方；
在设置样方的位置，采集预设面积范围内的沉水植物，将采集的沉水植物按种类分开后，沥干表面水分，称重，每个断面3个样方沉水植物的鲜重均值作为该断面的沉水植物定量值；
通过以上方法，估算城镇河道单位面积内生物量均值。
3.根据权利要求1或2任一项所述的一种城镇河道沉水植物生物量计算方法，其特征是：沉水植物群落物种优势度采用相对频度和相对生物量来确定，其计算方法为：
优势度（DV）=（相对频度（RF）＋相对生物量（RB））/2×100％；
相对频度（RF）=物种的频度/所有物种频度之和×100％；
相对生物量（RB）=该物种的生物量/所有物种生物量之和×100％。
4.根据权利要求1所述的一种城镇河道沉水植物生物量计算方法，其特征是：沉水植物盖度计算的步骤为：
S01、以多光谱相机拍摄包括蓝光、绿光、红光、近红外光和红边各波段的影像；
S02、由于绿光穿透水面效果较强，提取出其中绿光波段的数据，制作地图投影；
S03、对绿光原始波段影像进行重分类；
S04、提取沉水植物的色彩阈值范围；
S05、目视选择影像中沉水植物分布高、中、低的三个区域，生成3个对应矢量图层；
S06、以矢量图层为边界提取重分类后的绿波段影像，并进行重采样，重采样时仅保留沉水植物敏感的像素阈值范围并赋值为1，其余像素数值均赋值为0；
S07、根据每个采样的样方，计算像素值为1的占整个样方像素点总合的比例值，该比例值即为该样方沉水植物盖度。
5.根据权利要求4所述的一种城镇河道沉水植物生物量计算方法，其特征是：重分类至少为三类，以最能表征沉水植物的单一波段阈值范围作为一个中间分类依据，低于或高于该阈值范围作为其他分类。
6.根据权利要求4所述的一种城镇河道沉水植物生物量计算方法，其特征是：每条城镇河道应选取5~6个断面，断面包括近岸和离岸位置，每个断面拍摄一张多光谱照片。
7.根据权利要求4所述的一种城镇河道沉水植物生物量计算方法，其特征是：所述的多光谱相机采用1.7、2.1和2.35μm波段光谱作为光源。
8.根据权利要求1所述的一种城镇河道沉水植物生物量计算方法，其特征是：在步骤S3中，以功效分析法，设置置信度水平为90%，采用0.8作为t检验的较大效应值基准，在具有95%的准确性下，计算最少采样次数。
9.根据权利要求1所述的一种城镇河道沉水植物生物量计算方法，其特征是：在步骤S3中，以最小样方法，计算最少采样次数，包括；
S31、将单条城镇河道所有采样点的生物量数值排序，最小值记为第1次，以此类推；以生物量作为X轴，采样次数作为Y轴画出散点图；
S32、尝试不同的曲线拟合方法，寻找最佳拟合曲线；.
S33、构建分段回归模型，将分段回归模型中的拐点位置所对应的采样次数，作为最小采样数。
10.根据权利要求8、9任一项所述的一种城镇河道沉水植物生物量计算方法，其特征是：比较获取的最小采样数与前期采样数，若最小采样数大于前期采样数则再次补充采样，直至总体采样数大于或等于最小采样数；
若最小采样数小于或等于前期采样数则不需补充采样。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110333286.5A CN113155749B (zh) | 2021-03-29 | 2021-03-29 | 城镇河道沉水植物生物量计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110333286.5A CN113155749B (zh) | 2021-03-29 | 2021-03-29 | 城镇河道沉水植物生物量计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113155749A true CN113155749A (zh) | 2021-07-23 |
| CN113155749B CN113155749B (zh) | 2024-02-02 |
Family
ID=76885167
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110333286.5A Active CN113155749B (zh) | 2021-03-29 | 2021-03-29 | 城镇河道沉水植物生物量计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113155749B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11203443A (ja) * | 1998-01-19 | 1999-07-30 | Hitachi Ltd | マルチスペクトル衛星画像の処理方法と処理システム並びに水圏評価方法 |
| CN106472134A (zh) * | 2016-09-18 | 2017-03-08 | 海南大学 | 一种消落区湿地植被恢复适宜物种筛选的方法 |
| CN107728150A (zh) * | 2017-09-26 | 2018-02-23 | 江苏省水利科学研究院 | 调查湖泊沉水植物的方法 |
| US20180260627A1 (en) * | 2017-03-08 | 2018-09-13 | Zero Gravity Digital, LLC | Method and System for Aerial Detection and Mapping of Aquatic Species |
| CN108896022A (zh) * | 2018-08-17 | 2018-11-27 | 山东农业大学 | 一种植被覆盖度估算方法 |
| CN110163138A (zh) * | 2019-05-13 | 2019-08-23 | 河南科技大学 | 一种基于无人机多光谱遥感图像的小麦分蘖密度测算方法 |
| CN110243936A (zh) * | 2019-06-14 | 2019-09-17 | 中国科学院水生生物研究所 | 一种原位无损伤测定沉水植物生物量的方法 |
| US20200141877A1 (en) * | 2018-11-06 | 2020-05-07 | Nanjing Agricultural University | Method for estimating aboveground biomass of rice based on multi-spectral images of unmanned aerial vehicle |
| CN112047485A (zh) * | 2020-09-08 | 2020-12-08 | 中国水产科学研究院珠江水产研究所 | 一种浅水湖泊沉水植物合适盖度的评价方法与应用 |
-
2021
- 2021-03-29 CN CN202110333286.5A patent/CN113155749B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11203443A (ja) * | 1998-01-19 | 1999-07-30 | Hitachi Ltd | マルチスペクトル衛星画像の処理方法と処理システム並びに水圏評価方法 |
| CN106472134A (zh) * | 2016-09-18 | 2017-03-08 | 海南大学 | 一种消落区湿地植被恢复适宜物种筛选的方法 |
| US20180260627A1 (en) * | 2017-03-08 | 2018-09-13 | Zero Gravity Digital, LLC | Method and System for Aerial Detection and Mapping of Aquatic Species |
| CN107728150A (zh) * | 2017-09-26 | 2018-02-23 | 江苏省水利科学研究院 | 调查湖泊沉水植物的方法 |
| CN108896022A (zh) * | 2018-08-17 | 2018-11-27 | 山东农业大学 | 一种植被覆盖度估算方法 |
| US20200141877A1 (en) * | 2018-11-06 | 2020-05-07 | Nanjing Agricultural University | Method for estimating aboveground biomass of rice based on multi-spectral images of unmanned aerial vehicle |
| CN110163138A (zh) * | 2019-05-13 | 2019-08-23 | 河南科技大学 | 一种基于无人机多光谱遥感图像的小麦分蘖密度测算方法 |
| CN110243936A (zh) * | 2019-06-14 | 2019-09-17 | 中国科学院水生生物研究所 | 一种原位无损伤测定沉水植物生物量的方法 |
| CN112047485A (zh) * | 2020-09-08 | 2020-12-08 | 中国水产科学研究院珠江水产研究所 | 一种浅水湖泊沉水植物合适盖度的评价方法与应用 |
Non-Patent Citations (14)
| Title |
|---|
| BONGGEUN SONG 等: "Detection of Aquatic Plants Using Multispectral UAV Imagery and Vegetation Index", 《REMOTE SENSING》 * |
| BONGGEUN SONG 等: "Detection of Aquatic Plants Using Multispectral UAV Imagery and Vegetation Index", 《REMOTE SENSING》, vol. 12, 25 January 2020 (2020-01-25), pages 1 - 16 * |
| RUILIANG PU 等: "Mapping and assessing seagrass along the western coast of Florida using Landsat TM and EO-1 ALI/Hyperion imagery", ESTUARINE, COASTAL AND SHELF SCIENCE, vol. 115, pages 234 - 245 * |
| 孟凡栋等: "西藏高原高寒草地群落植物多样性和地上生物量监测方法的比较研究", 《西北植物学报》 * |
| 孟凡栋等: "西藏高原高寒草地群落植物多样性和地上生物量监测方法的比较研究", 《西北植物学报》, vol. 33, no. 9, 31 December 2013 (2013-12-31), pages 1923 - 1929 * |
| 彭志源主编: "《城镇排污控制与环境监理规章制度全集 下》", 31 May 2004, 银声音像出版社, pages: 1277 - 1278 * |
| 熊飞等: "云南抚仙湖沉水植物分布及群落结构特征", 《云南植物研究》 * |
| 熊飞等: "云南抚仙湖沉水植物分布及群落结构特征", 《云南植物研究》, vol. 28, no. 3, 31 December 2006 (2006-12-31), pages 1 - 2 * |
| 王卫红 等: "滨海再生水河道中沉水植物的恢复对水质的改善", 农业环境科学学报, vol. 26, no. 6, pages 2292 * |
| 王国杰等: "羊草草原植被监测方法的比较研究", 《草地学报》 * |
| 王国杰等: "羊草草原植被监测方法的比较研究", 《草地学报》, vol. 11, no. 4, 31 December 2003 (2003-12-31), pages 283 - 288 * |
| 王芳侠 等: "淇河河南段的水生植物区系及沉水植物群落特征", 应用与环境生物学报, vol. 26, no. 4, pages 985 - 988 * |
| 陈祖刚等: "基于数码相机的草地植被盖度测量方法对比研究", 《草业学报》 * |
| 陈祖刚等: "基于数码相机的草地植被盖度测量方法对比研究", 《草业学报》, vol. 23, no. 06, 31 December 2014 (2014-12-31), pages 20 - 27 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113155749B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | Discharge estimation in high-mountain regions with improved methods using multisource remote sensing: A case study of the Upper Brahmaputra River | |
| CN108593569B (zh) | 基于光谱形态特征的高光谱水质参数定量反演方法 | |
| CN101692037B (zh) | 高光谱图像和独立分量分析植物叶面叶绿素分布的方法 | |
| Bresciani et al. | Assessing remotely sensed chlorophyll-a for the implementation of the Water Framework Directive in European perialpine lakes | |
| CN105021529B (zh) | 融合光谱和图像信息的作物病虫害识别和区分方法 | |
| CN101840581B (zh) | 一种从卫星遥感影像中提取建筑物轮廓的方法 | |
| CN110987955B (zh) | 一种基于决策树的城市黑臭水体分级方法 | |
| CN116645603A (zh) | 一种大豆种植区识别和面积测算方法 | |
| CN111144250A (zh) | 融合雷达和光学遥感数据的土地覆盖分类方法 | |
| Clode et al. | Classification of trees and powerlines from medium resolution airborne laserscanner data in urban environments | |
| CN113945527A (zh) | 基于卫星数据得到水质总磷参数反演最优模型的方法 | |
| CN110569733B (zh) | 基于遥感大数据平台的湖泊长时序连续水域变化重建方法 | |
| CN115810155A (zh) | 一种潮汐湿地的分类方法 | |
| CN105930863A (zh) | 一种卫星相机谱段设置的确定方法 | |
| CN112697218B (zh) | 一种水库库容曲线重构方法 | |
| CN107977765A (zh) | 一种基于遥感解译技术的湖泊湿地景观健康状况评价方法 | |
| CN113837123A (zh) | 一种基于谱空信息结合的中分辨率遥感图像近海养殖区提取方法 | |
| de Lange et al. | The use of hyperspectral data in coastal zone vegetation monitoring | |
| CN113155749A (zh) | 城镇河道沉水植物生物量计算方法 | |
| Liu et al. | Water extraction on the hyperspectral images of gaofen-5 satellite using spectral indices | |
| Zhang et al. | Use of low-cost remote sensing for infrastructure management | |
| Steinhardt et al. | The German procedure for the assessment of ecological status in relation to the biological quality element “Macroalgae & Angiosperms” pursuant to the European Water Framework Directive (WFD) for inner coastal waters of the Baltic Sea | |
| JP3533524B2 (ja) | 地下水の探査方法 | |
| CN115389383A (zh) | 一种高精度的近岸海域悬浮泥沙浓度的反演方法 | |
| Serandrei-Barbero et al. | Glacial retreat in the 1980s in the Breonie, Aurine and Pusteresi groups (eastern Alps, Italy) in Landsat TM images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |