盐城滨海湿地不同入侵年限互花米草空间格局及其变化特征

摘要

随着互花米草扩张速度逐渐放缓，越来越多的研究开始关注其在不同入侵年限下的特征，以及不同年限的入侵对生态环境影响的差异。研究不同入侵年限互花米草的特征及其对入侵地生态环境影响，对于全面地掌握互花米草的扩张规律、保护生物多样性以及适应气候变化等具有重要的指导意义。然而，现有的关于互花米草不同入侵年限的研究都基于断面和样点调查数据的对比分析，主要集中在微观层面，缺乏从景观尺度上的定量分析。景观尺度的定量分析方法，可以有效地揭示不同入侵年限互花米草分布的空间格局，从而进一步分析不同入侵年限互花米草的变化特征及其入侵不同阶段对环境的影响。因此，景观尺度的不同入侵年限互花米草的生态过程和驱动因素分析对于深入了解互花米草入侵影响，揭示滨海湿地景观格局变化和生态过程相互作用关系具有重要意义。从景观尺度分析不同入侵年限互花米草变化的驱动因素和生态环境影响，为进一步了解互花米草入侵对本地生态系统的影响以及制定合理的管控策略提供科学参考。
　　鉴于此，论文基于Landsat OLI数据，采用监督分类、决策树分类和面向对象方法，对盐城滨海湿地景观进行了分类研究，并对比分析了各种方法对互花米草提取的有效性，并分析了研究区的景观类型特征。在多类分类方法的基础上，采用基于Landsat时间序列图像的最大熵(MaxEnt)和有偏支持向量机(BSVM)的单类分类方法，对研究区的互花米草的实际分布的信息提取进行了深入研究。通过测试简化的时间序列模型的性能，评估了单类分类方法对于互花米草提取的有效性。在此基础上，结合单类分类和人工目视解译方法提取了1996-2015年20年的互花米草的分布信息，并绘制出了盐城滨海湿地不同入侵年限互花米草空间分布图，采用景观生态学原理和方法，剖析了盐城滨海湿地不同入侵年限互花米草空间格局的变化形态和规律。主要结论如下:
　　(1)在分类精度和效果上，面向对象方法最优，其次是决策树分类方法，监督分类方法相对最差;在监督分类方法中，支持向量机、最大似然和神经网络方法性能表现较为突出;三种方法对光滩和芦苇的提取效果相对较好，对道路和碱蓬的提取效果相对较差;面向对象方法能够很好的克服传统基于像元分类方法中的“椒盐效应”问题，并能取得较高的分类精度，该方法可为基于中分辨率遥感影像的滨海湿地分类以及互花米草的提取提供重要的技术支撑和参考。
　　(2)在提取互花米草的性能上，MaxEnt和BSVM表现相当，但MaxEnt在夏季表现更加平衡和稳定;互花米草枯萎期（12月）和生长期（4月）是识别互花米草最佳的物候阶段;经过植被指数提取和光谱增强处理后能提高绘制互花米草的分布的精度;简化的时间序列分析模型(仅包含12月NDVI、3月Green波段和1月份PC3三个变量）比所有单月单时相分析表现出更高的准确性，表明时间序列分析可以更好地检测互花米草。因此，将单类分类方法与基于物候学的检测策略结合起来应用于大规模的互花米草信息提取是有效的。该方法可为滨海湿地互花米草的提取和监测提供重要的技术支撑和参考。
　　(3)不同入侵年限的互花米草具有3个不同阶段的特点:入侵15-20a互花米草面积均较大，不同入侵年限年平均面积达到了425.40hm2，带状分布显著;入侵8-14a互花米草面积较小，不同入侵年限年平均面积为153.64hm2，片状、团状分布明显;入侵1-7a的互花米草面积最小，不同入侵年限年平均面积为87.47hm2，破碎程度高。互花米草斑块质心在入侵早期向西北移动，中期向东南移动，晚期向西北移动。入侵年限由长到短互花米草海向距离共增加了917.78m，年均增加48.30m/a，陆向距离共增加了697.70m，年均增加36.72m/a，即整体以海向扩张为主。不同入侵年限的互花米草景观呈现中心向四周辐散的分布状况，入侵年限越长，斑块形状越规则，内部聚集度越高，整体景观带状分布越明显。

目录

声明

摘要

第1章绪论

1．1研究背景及意义

1．2国内外研究现状

1．2．1滨海湿地景观遥感分类

1．2．2互花米草信息的提取

1．2．3不同入侵年限互花米草空间分布格局研究

1．3研究目标和研究内容

1．3．1研究目标

1．3．2研究内容

1．3．3拟解决的关键问题

1．4拟采取的研究方法、研究手段、技术路线及创新

1．4．1研究方法和研究手段

1．4．2技术路线

1．4．3本研究创新之处

1．5论文结构

第2章研究区景观类型特征

2．1研究区概况

2．1．1研究区区域特征

2．1．2景观类型分类

2．2遥感数据来源与预处理

2．2．1遥感数据源

2．2．2遥感数据预处理

2．3研究方法

2．3．1监督分类

2．3．2决策树分类

2．3．3面向对象分类

2．3．4分类精度验证

2．4不同分类方法的结果分析

2．4．1 监督分类方法分类结果比较

2．4．2决策树和面向对象方法的分类结果比较

2．4．3监督分类、决策树和面向对象方法分类结果比较

2．5分类结果后处理

2．6湿地类型及空间特征

2．7本章小结

第3章基于MaxEnt单类分类和时间序列分析的互花米草分布信息提取

3．1数据选择和处理

3．1．1遥感数据

3．1．2样本数据

3．1．3遥感数据处理

3．2研究方法

3．2．1 MaxEnt

3．2．2 Biased Support Vector Machine

3．2．3实验设计

3．2．4精度评价

3．3不同方法对比

3．4互花米草提取的重要月份和季节

3．5互花米草提取的重要变量及其作用

3．6本章小结

第4章不同入侵年限互花米草空间格局特征

4．1遥感数据来源

4．1遥感数据云量情况分析

4．1遥感数据选择

4．2研究方法

4．2．1遥感图像处理

4．2．2景观指数选择

4．2．3不同入侵年限互花米草海陆扩张距离的分析方法

4．2．4不同入侵年限互花米草变化率

4．3不同入侵年限互花米草空间分布格局

4．3．1不同入侵年限互花米草斑块变化特征

4．3．2不同入侵年限互花米草的质心变化情况

4．3．3不同入侵年限互花米草海陆向扩张

4．3．4不同入侵年限互花米草景观指数变化

4．4本章小结

第5章结论与讨论

5．1基于遥感的盐城滨海湿地景观分类

5．2基于MaxEnt单类分类和时间序列分析方法的互花米草信息提取

5．3不同入侵年限互花米草空间格局分析

5．4不足与展望

参考文献

在读期间发表的论文和研究成果

在读期间所获奖励

致谢