川西高山松林火烧迹地天然更新研究

[目的]研究川西高山松林火烧迹地的天然更新状况。[方法]通过＂空间序列＂代替＂时间序列＂的研究方法对川西高山松林火烧迹地进行了调查研究。[结果]火烧迹地上高山松天然更新效果较好,一般火烧的次年即有大量幼苗发生,同时一定频率低强度的火烧有利于高山松纯林的维持和稳定,这主要是因为该地区高山松分布于阴坡和半阴坡;灌木高山松林火烧迹地天然更新状况较好,草类高山松林火烧迹地次之,高山栎高山松林火烧迹地最差;分布在海拔2 800~3 600 m的高山松林火烧迹地自然恢复良好,但海拔4 000 m以上的火烧迹地上更新的幼苗幼树较为稀少;阴坡、半阴坡迹地天然更新状况优于阳坡迹地,这是因为周围的温度、湿度等环境条件变动幅度直接影响着高山松更新幼苗的成活率。[结论]该研究为加快当地植被恢复、改善环境及建设长江上游生态屏障提供了理论依据。     

藏东南高山松天然林土壤种子库及天然更新特征

高山松是藏东南针叶林的主要建群种之一,高山松林是雅鲁藏布江中下游、尼洋河、帕隆藏布等流域的重要水源涵养林.采用样地样方调查、野外定位监测、室内试验分析等方法对藏东南高山松天然林的高山松种子雨、土壤种子库、高山松种子萌发及天然更新特征进行了研究.结果表明,高山松种子雨强度平均为249.30±78.42粒/m2,其中饱满种子为168.09±56.36粒/m2、虫蛀种子为41.11±20.25粒/m2、空种子为40.10±21.04粒/m2,种子雨强度随时问表现出先增加后减少的单峰型趋势.整个落种过程和不同落种时间的种子空问分布格局均表现为聚集分布,在一定范围内随着与母树距离的增加,种子雨扩散强度减弱,表现为近似正态分布高山松土壤种子库高山松种子平均密度为231粒/m2,其中62.77％的种子分布在枯落物层中、37.23％的种子分布在土壤层中,种子雨到土壤种子库过程中有近8％的种子损失.野外实地播种观测发现,高山种子累积萌发率与萌发天数的关系符合Logistics力程v=91.404/(1+e6.619-0.4491).高山松幼苗和幼树的高度结构、基径结构和年龄结构均呈反”J”型,表明高山松天然更新良好,保护好现有的环境状况,种群将呈稳定增长型.研究结果为高山松资源的有效保护和可持续利用提供了科学依据,同时进一步丰富了西藏高原同家生态安全屏障评价内容.     

基于归一化植被指数对荒漠化草原地面高光谱影像中植被的识别

草原植被的分布与面积是草原退化评定的重要指标。以荒漠化草原植被为研究对象,在内蒙古四子王旗试验区域自然光下采植被的高光谱数据,通过构建植被光谱特征指标阈值对植被覆盖地区与非植被覆盖地区进行识别和分类,为低空高光谱遥感进行大面积的识别及数量统计提供依据,为高效,适时的草原监测和退化评价提供理论和技术手段。选择具有代表性归一化植被指数NDVI分析数据规律。结果表明:荒漠化草原阈值区间为0.01~0.9,其中植被阈值区间为0.4~0.9,非植被阈值区间为0.01~0.4,当NDVI阈值取0.4时对有无植被覆盖分类明显,经Kappa系数验证精度达96.2%。高精度的植被识别为后续无人机高光谱遥感提供数据数据支持及理论基础。     

基于遥感数据的东平湖面积变化监测

本文以东平湖的1985、1990、1995、2002、2005、2009年的Landsat4-5卫星遥感数据为数据源,提出了波段加和法提取东平湖的水面面积。并与归一化差异水体指数(NDWI)法、改进的归一化差异水体指数(MNDWI)法和修订型水体指数(RNDWI)法计算结果进行比较,相对误差为0.68%～7.27%。波段加和法较上述的三种方法能够更加精确地提取狭窄水面,使小区域水体与其他地物的区分边界更加明显直观。同时,通过对该湖泊1985～2009年年际水面面积变化趋势分析表明,东平湖水面面积总体呈现缓慢的下降的趋势。     

地形因子对盐城滨海湿地景观分布与演变的影响

地形作为景观结构和空间格局的重要影响因子,不仅为景观格局的形成提供基础,其空间特征也影响着景观的演变过程.基于2002、2011年地形高程信息和遥感影像,运用GIS技术,并结合分布指数,分析了盐城滨海湿地景观分布与演变对地形因子的响应特征.结果表明:①盐城淤泥质滨海湿地总体地形变化平缓,海拔0-2.5m的区域占整个研究区面积的97％以上.其中,米草带主要分布于0.9-1.5m,碱蓬带主要分布于1.5-2.lm,而芦苇带则主要分布于2.1-2.7m.②2002-2011年9年间湿地景观时间变化明显,其中,芦苇面积增加了3倍,碱蓬面积由26.80％骤降至11.51％,同期,米草面积则增加了50％之多.③湿地景观空间分布特征与地形关系比较明显.其中,米草空间分布向0.6-1.2m区间演变,显示出强烈的向低海拔区间扩张的趋势;碱蓬分布范围随地形的升高总体上呈下降趋势;芦苇在地形较高区间上的分布指数增长迅速,其优势分布区间向2.1-3.0m扩展.     

基于DEM数据分析川西云杉林与高山柏林空间分布特征——以石渠县为例

以2019年森林资源规划设计调查小班数据为基础，叠加数字高程模型,应用地理信息系统技术提取研究区海拔、坡度、坡向等地形因子。通过应用GIS空间分析,探究川西云杉林、高山柏林空间分布与地形因子的相关关系,分析其空间分布特征。结果表明:川西云杉、高山柏仅分布于石渠县西南部，金沙江及其一、二级支流两岸的高山峡谷地带，面积19 329.08 hm²。川西云杉林、高山柏林分布范围基本位于3 250~4 600 m；3 700~4 300 m海拔区间是集中分布区，川西云杉林占比92.19%，高山柏林占比80.78%。川西云杉林、高山柏林各坡度分布趋势相同，集中在26°～45°，占比分别为78.27%、78.68%。川西云杉林、高山柏林各坡向分布差异明显，川西云杉林多分布在阴坡、半阴坡，占比72.91%；高山柏林则多分布在阳坡和半阳坡，占比80.04%。     

基于Landsat TM冬季影像的香格里拉高寒草甸分布的提取与验证

根据1995年地面实测的土地利用资料,识别香格里拉市不同坡度、坡向和海拔组合下的高寒草甸和裸地的分布情况,利用1995年Landsat TM冬季影像计算裸土植被指数和归一化植被指数,以识别潜在分布区内的裸地和绿色植被,进而分析1995年香格里拉市高寒草甸的空间分布格局。结果表明:1995年香格里拉市高寒草甸和裸地集中分布区的坡度为9°～37°,坡向为南、西南、西、西北和北方向,海拔为3 900～4 631 m;高寒草甸和裸地的潜在分布区为1 742.89 km2。剔除潜在分布区内的裸地和绿色植被,提取得到1995年香格里拉市高寒草甸的面积为1 070.28 km2,其中,在高寒草甸集中分布区域的提取面积为512 km2,与真实分布情况相比,其面积精度为76.10%,空间重合度为90.87%。因此,采用Landsat TM冬季遥感影像提取滇西北高寒草甸的分布(尤其在集中分布区)是可行的。     

藏东南高山松天然林土壤种子库及天然更新特征（英文）

高山松是藏东南针叶林的主要建群种之一,高山松林是雅鲁藏布江中下游、尼洋河、帕隆藏布等流域的重要水源涵养林。采用样地样方调查、野外定位监测、室内试验分析等方法对藏东南高山松天然林的高山松种子雨、土壤种子库、高山松种子萌发及天然更新特征进行了研究。结果表明,高山松种子雨强度平均为249.30±78.42粒/m~2,其中饱满种子为168.09±56.36粒/m~2、虫蛀种子为41.11±20.25粒/m~2、空种子为40.10±21.04粒/m~2,种子雨强度随时间表现出先增加后减少的单峰型趋势。整个落种过程和不同落种时间的种子空间分布格局均表现为聚集分布,在一定范围内随着与母树距离的增加,种子雨扩散强度减弱,表现为近似正态分布。高山松土壤种子库高山松种子平均密度为231粒/m~2,其中62.77%的种子分布在枯落物层中、37.23%的种子分布在土壤层中,种子雨到土壤种子库过程中有近8%的种子损失。野外实地播种观测发现,高山种子累积萌发率与萌发天数的关系符合Logistics方程y=91.404/(1+e~(6.619-0.449t))。高山松幼苗和幼树的高度结构、基径结构和年龄结构均呈反"J"型,表明高山松天然更新良好,保护好现有的环境状况,种群将呈稳定增长型。研究结果为高山松资源的有效保护和可持续利用提供了科学依据,同时进一步丰富了西藏高原国家生态安全屏障评价内容。     

冀鲁豫省际边界区域撂荒地提取与分析

以受"边际化规律"影响下撂荒现象突出的冀鲁豫三省交界处为研究区,基于30 m分辨率的Landsat数据,将可见光、近红外、中红外波段及多项归一化指数进行多波段组合。运用CART决策树分类方法提取研究区各区(县)每年撂荒面积及撂荒率变化,分析撂荒耕地空间格局并对撂荒驱动因素进行探寻。结果表明,基于决策树分类方法的分类平均精度达到89.15%;2000—2018年研究区撂荒面积有些许波动但总体呈下降趋势;2002年撂荒面积最大,2015年后撂荒面积维持在较低水平;冀鲁豫省际边界区撂荒时间大部分仅存在1～2年,常年撂荒较少;研究区复垦较好,年均复垦率32%;当地撂荒主要受制于务农人口占比、农业生产效率和政府政策等因素。     

近40年米兰绿洲农用地变化及其生态承载力研究

为了量化研究新疆维吾尔自治区巴音郭楞蒙古自治州若羌县米兰绿洲农用地利用变化特征及其生态承载力,利用生态足迹模型分析法,对米兰绿洲1978—1987年、1988—1997年、1998—2007年、2008—2017年4个阶段农用地数量特征、内部农用地类型结构特征以及1998—2017年米兰绿洲生态承载能力时间演变特征进行分析。结果表明:(1)从农用地数量及类型特征看,40年间米兰绿洲耕地面积出现先增后减的总趋势。1998—2017年,经济型作物逐渐代替传统作物,2017年水果园面积占总农用地面积的41.9%。(2)从农用地利用程度看,1978—2017年,米兰绿洲的棉花用地利用程度较低,水果园地利用程度逐渐上升,且增长迅速。(3)1998—2017年,米兰绿洲人均农用地生态承载力呈现稳步上升趋势,生态压力指数不断增大,生态环境逐渐改善,但人均生态足迹远大于人均生态承载力,该地区的农用地可持续性较弱。     

基于遥感的高山松连清固定样地地上生物量估测模型构建

  目的  研究利用遥感方法构建高山松固定样地地上生物量估测的参数模型,可以在今后前期样地的基础上直接快速、准确地估测生物量,或者开展少量的外业调查即可获取地上生物量。  方法  基于遥感因子与样地地上生物量变化量和线性混合模型提高生物量估测精度,以香格里拉市1987、1992、1997、2002、2007、2012、2017年7期国家森林资源清查固定样地和对应年份Landsat TM、OLI的Level-1数据为基础,首先对遥感数据进行预处理:包括辐射定标、大气校正、几何校正和地形校正,提取原始波段、比值因子、植被指数、图像增强信息、纹理指数、混合像元分解后的丰度、叶面积指数,计算5 ~ 30年间隔样地对应的遥感因子变化值。根据森林资源二类调查的高山松分布特征,选择地形因子作为线性混合模型的固定和随机效应,采用多元线性回归、非线性回归、地理加权回归、线性混合模型构建高山松地上生物量估测的静态模型,基于遥感光谱信息变化量构建了有树高和无树高参与的动态模型。最后对不同的建模方法和验证结果进行对比分析,选择最优结果作为估测模型并验证。  结果  （1）分析静态数据建模和验证的结果,采用样地号为固定因子、坡度等级为随机因子的线性混合模型的拟合R2最高,为0.75;但利用训练数据集和2017年数据验证,其精度都较低。（2）分析变化量数据建模和验证的结果,采用样地号为固定因子、坡度等级为随机因子、遥感因子变化量为自变量的线性混合模型拟合R2最高,为0.70,预测精度P值为（68.86 ± 11.93）%;增加平均树高变化量,拟合R2最高为0.79,预测P值为（73.39 ± 6.18）%。（3）无论是有、还是无树高参与的变化量模型其拟合和预测精度都达到80%,其预测精度达到了非参数模型预测精度。  结论  基于变化量的估测模型的拟合和预测精度较静态模型有所提高;综合遥感因子、地形因子构建的高山松地上生物量估测线性混合模型,其精度有较大提高;采用遥感因子变化量构建的高山松地上生物量估测模型,有效弥补了静态光学遥感数据估测生物量的不足,经检验可用于其他年期的估测。      

西藏林芝高山松土壤种子库空间分布特征研究

通过研究西藏林芝高山松土壤种子库的空间分布特征,可以深入了解当地高山松林地土壤中种子数量的分布情况,以及高山松种子的质量状况,有助于高山松林的可持续发展。选取林芝附近有大面积高山松林分布的东久乡东久桥样地、林芝镇林芝桥样地以及八一镇比日神山样地为研究对象,采用野外采样、室内试验和数据分析相结合的方法,探讨高山松土壤种子库的空间分布格局。结果表明,高山松土壤种子库中的种子数量在水平方向上的差异不显著,种子数量随着与母树距离的增加而逐渐减少,表现出近母树分布的趋向。在不同土层深度中,高山松土壤种子库中的种子数量差异显著(P=0.01),随土层深度的增加而逐渐减少,并且单因素分析发现海拔对高山松土壤种子库中种子数量的变化影响不大。土壤种子库中有活力种子仅占种子总量的1.05%,其中72.44%的有活力种子集中在枯落物层;虫蛀种子所占比例最高,占总量的47.41%,败育种子占种子总量的12.32%,腐败种子所占比例最小,为3.02%,可见种子丧失活力的首要原因是被啮齿类动物或鸟类的取食。地表枯落物层是种子进入土壤的一大阻碍,及时扰动地表枯落物有助于高山松种子进入土壤和萌发。     

基于分层贝叶斯方法的高山松单木生物量模型

以香格里拉市典型森林生态系统高山松林为对象,在前期进行Ⅰ区和Ⅱ区共115株高山松单木地上生物量实测基础上,以异速生长方程为单木生物量基础模型,并采用分层贝叶斯方法、非线性混合模型法、贝叶斯方法和非线性最小二乘法进行异速生长参数拟合,运用决定系数(R²)、估测精度(E)、均方根误差(RMSE)等指标对模型参数拟合效果进行评价。结果表明:1)从拟合精度看,4种方法的模型拟合效果均较好,R²均达到了0.98以上。但分层贝叶斯方法估计结果更优,其R²=0.985 6,E=84.76%和R_MSE=39.75 kg;2)通过对比不同方法的差异发现,加入了区域随机效应的分层贝叶斯方法和非线性混合模型法的拟合效果均优于未加入区域随机效应的贝叶斯方法和非线性最小二乘法。分层贝叶斯方法在拟合高山松单木生物量模型中具有更大优势,模型拟合效果最好。加入了随机效应的分层贝叶斯方法和非线性混合模型法可以提高单木生物量模型的估计精度,采用分层贝叶斯方法进行高山松单木生物量模型参数估测,为大尺度样本数据模型参数估测方法提供新思路。     

香格里拉高山松林分直径结构分析

为分析云南香格里拉县高山松天然林林分直径结构特征,用迈耶负指数分布函数、Weibull分布函数、Logistic方程对林分的直径分布进行拟合,对3种分布进行χ2检验,结果表明：用迈耶负指数分布函数描述高山松直径分布效果最好,可用来预测天然高山松林分的直径结构。     

基于优化BP神经网络的香格里拉高山松蓄积量模型研究

以香格里拉县高山松为研究对象,以Landsat TM 8影像和DEM（30M）数据为信息源,结合森林资源二类调查数据和地面样地实测数据,借助MATLAB平台,在前期进行基于遗传算法（GA）和粒子群算法（PSO）优化BP神经网络模型基础上,采用决定系数（R²）、均方根误差（RMSE）及预测精度（P）3个指标对优化后的BP神经网络模型及进行评价,并建立了研究区高山松蓄积量估测模型。结果表明,遗传算法效率（耗时1.9 h）低于粒子群算法（耗时1.4 h）;采用遗传算法优化后的BP神经网络模型R²、RMSE及P分别为0.636、4.216 m³、81.748%,均优于粒子群算法。通过遗传算法优化后的BP神经网络模型估测香格里拉高山松蓄积量总量为13 317 879.7 m³。     

基于优化k-NN模型的高山松地上生物量遥感估测

针对传统k-最近邻法（k-nearest neighbor,k-NN）在搜索最近邻单元时赋予特征变量相等的权重,缺少对特征变量加权优化等不足问题,在云南省香格里拉市,以高山松Pinus densata为研究对象,基于49块实测标准地,116株高山松样木和Landsat 8/OLI影像,在前期进行基于遗传算法（genetic algorithm,GA）优化的k-NN模型实现的基础上,对k-NN的3个参数（k,t和d）进行反复测试优化组合,在像元尺度上对研究区高山松地上生物量进行遥感估算。结果表明:基于遗传算法优化的k-NN模型精度优于传统的k-NN模型,优化前均方根误差为30.0 t·hm-2,偏差为-0.418 t·hm-2,相对标准误差百分比（R_MSE）为54.8%;优化后均方根误差为24.0 t·hm-2,偏差为-0.123 t·hm-2,R_MSE为43.7%。基于优化k-NN模型的研究区高山松地上生物量总储量估测结果为0.89×107 t。     

八一镇湿地公园林分空间结构分析

以西藏林芝市八一镇湿地公园的高山松混交林为对象,从林分空间结构因子聚集指数、角尺度、混交度、大小比数等4个方面对湿地公园的林分空间结构进行研究。八一镇湿地公园森林群落类型主要为高山松针阔混交林,高山松针阔混交林中北京杨、藏川杨、旱柳、高山松等树种的组成很丰富,在研究标准地中不同树种的组成为3高3藏3北1旱。结果表明,八一镇湿地公园的结构较为合理,林分处于相对稳定状态,林分平均角尺度约为0.45,群落呈均匀分布格局;群落的混交度平均约0.4125,所以呈中度混交状态。大小比数约0.36,有将近30%在该林分空间结构中处于优势地位;聚集指数约0.9389,所以林木有随机分布趋势。通过适当增加树种多样性,制定相应的补植改造、抚育间伐等措施,可进一步改善湿地公园的林分结构。     

生态输水干扰下塔里木河下游阿拉干断面幼龄胡杨树高变化分析

[目的]评估塔里木河下游10次应急输水对荒漠河岸林的效益程度.[方法]根据近5年在塔河下游阿拉干断面河道两岸设立的胡杨长势指标数据,对比河道附近区域内幼龄胡杨树高增长量的变化.[结果]应急输水后河道两边地下水位抬升,对离河道距离近区内幼龄胡杨树高增长有了一定的促进作用,2005年,距离河道50 m以内幼龄胡杨平均树高为2.02m,到2010年增至2.66m;距离河道50 m以内幼龄胡杨树高增长量与离河道距离之间的相关性显著,相关系数R2为0.362 8;虽然应急输水量不断增加,但幼龄胡杨树高年增长量呈下降的趋势.[结论]该研究为塔里木河下游荒漠河岸林的恢复提供了理论依据.     

高山松与油松×云南松人工杂种损耗谱参数研究

利用13个油松×云南松杂交子代家系、母本6个单株自由授粉混合子代、父本5个单株的自由授粉混合子代及高山松林芝种群为对象，测定和比较分析了杂种子代、亲本子代及高山松群体苗木针叶的电学参数—损耗系数，研究了损耗系数在不同群体间的变异与联系。通过对损耗系数谱线拟合，构建了高山松、油松、云南松及人工杂种针叶的损耗系数模型。结果表明，损耗系数谱在种（杂种）间差异显著，损耗随频率的变化趋势表现了各物种的特点。在5－10 Hz频段，种（杂种）间差异小。大于10 Hz后，杂种和高山松与油松差异小，杂种曲线走势几乎与油松重合，凸显母本效应强，高山松和云南松损耗谱线走势相反，高山松为凹形，油松为凸形，标示出二者损耗机理上的不一致，或相反。大于15 Hz以后，高山松的损耗系数最小，体现出高山松耗能最小的超亲性状。聚类分析显示杂种组合、高山松在损耗性状上有偏母特性。损耗与试验地温度、降水、经度相关，达到极显著水平。损耗与越冬死亡率、2年生苗高、苗冠高、死亡率显著正相关，与2年生存活率、封顶率显著负相关。