清澜港红树林湿地土壤有机碳空间分布及碳储量遥感估算研究

摘要

红树林生态系统是热带沿海高产的生态系统，红树林对热带和全球沿海区域潜在碳预算具有巨大影响。红树林湿地是湿地生态系统的重要组成部分，而湿地碳储量作为陆地碳储量重要组成部分，参与了全球碳循环过程，在全球气候变化中扮演着重要角色，并对其产生重大影响。本文所选研究区海南清澜港红树林保护区是我国红树种类天然分布最丰富的保护区，红树植物群落保持为最完整的自然保护区，是国家重要湿地自然保护区之一。本研究采用野外样地调查和实验室测定的方法，以海南清澜港红树林不同群落类型和潮间带湿地土壤为研究对象，分析了碳储量在垂直方向分布特征;基于Worldview-2遥感影像，利用面向对象的分类方法，提取清澜港保护区植被信息，并对红树林分类，分析了分类的精度和清澜港红树林群落分布状况;初步试探利用BP神经网络的方法，模拟训练出土壤碳储量遥感反演模型，并计算清澜港现有0～60cm土壤碳储量水平分布图和保护区总碳储量。主要得到以下结论: (1)通过对土壤碳储量分层研究发现，清澜港红树林土壤具有丰富的碳储量，有机碳含量高且分布深。在90cm以下仍然具有较高的碳储量。随着土壤深度的增加，在高潮位带土壤有机碳储量垂直分布特征一般表现为先下降后增加再下降的趋势，中、低潮位带土壤碳储量垂直分布特征呈缓慢增大后减少的趋势。土壤内部碳储量最大值出现在40～90cm深度。土壤容重最大值出现在60cm深度左右。不同潮位带，相同红树林群落类型，0～60cm土壤碳储量由高到低依次为低潮位带＞中潮位带＞高潮位带。不同群落，中潮位带和高潮位带0～60cm单位面积土壤有机碳储量由大到小依次为海桑＞榄李＞杯萼海桑。 (2)本研究利用Gram-Schmidt光谱锐化融合的方法，利用面向对象分类的方法，分类结果总体分类精度达到90％以上，Kappa系数为87％，达到了分类提取的精度要求。本次将研究区红树林分为6个群落分别为:杯萼海桑+榄李群落，海莲+木果楝群落，海桑群落，红树+海莲群落，角果木群落，榄李群落。利用Worldview-2遥感影像实现了植被信息提取，提取植被指数包括水体指数(NDWI)、改进红边比值植被指数(MSR)、差值植被指数(DVI)、归一化植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、红绿比值指数(RG)。经相关性分析，NDVI、SAVI、RG、RVI、DVI与土壤碳储量相关性显著。 (3)利用回归分析和主成分分析的方法，确定了参与模型研究的3个参数，包括生物因子NDVI、RG和NDWI。确立最优的遥感碳储量反演模型为BP神经网络模型，其估测模型的R2为0.513，模型的总体估算精度为80.84％，其估测值与实测值一元线性回归方程可可靠性高于多元回归模型。利用BP神经网络模型得到研究区的总碳储量为80.73Gg，土壤平均碳储量为13.14kt/km2。土壤碳储量水平分布为变化范围为4.87kt/km2～28.31 kt/km2。土壤碳储量总量各群落由高到低依为:杯萼海桑+榄李21.51Gg＞红树+海莲13.93 Gg＞榄李13.41 Gg＞海桑13.23Gg＞角果木10.97 Gg＞海莲+木果楝7.66Gg。6个群落单位面积土壤碳储量平均值各群落由大到小依次为:海莲+木果楝12.95kt/km2＞海桑13.76kt/km2＞榄李13.71 kt/km2＞角果木13.20 kt/km2＞红树+海莲12.95 kt/km2＞杯萼海桑+榄李11.32kt/km2。

目录

声明

摘要

第一章 绪论

1．1 引言

1．1．1 研究背景

1．1．2 国内外研究现状

1．2 研究目标和主要研究内容

1．2．1 关键的科学问题与研究目标

1．2．2 主要研究内容

1．3 研究技术路线

1．3．1 研究方法

1．3．2 研究技术路线

第二章 数据与方法

2．1 研究区概况

2．1．1 自然概况

2．1．2 植被概况

2．2 遥感数据来源

2．3 研究方法

2．3．1 土壤采样方法

2．3．2 ArcGIS数据处理方法

2．3．3 BP神经网络模型

2．4 遥感图像预处理

第三章 清澜港红树林土壤碳储量分布特征研究

3．1 土壤容重结果

3．2 相同群落不同潮位带土壤碳储量分布特征

3．2．1 榄李群落在不同潮位土壤碳储量分布特征

3．2．2 杯萼海桑群落在不同潮位土壤碳储量分布特征

3．2．3 海莲群落在不同潮位土壤碳储量分布特征

3．2．4 海桑群落在不同潮位土壤碳储量分布特征

3．3 相同潮位带不同群落碳储量分布特征

3．4 小结

第四章 遥感影像分类提取

4．1 遥感影像分类结果

4．2 分类精度检验

4．3 群落分类结果分析

4．3 小结

第五章 清澜港红树林土壤碳储量估算

5．1 植被指数提取

5．1．1 植被指数原理

5．1．2 非生物因子对碳储量的影响

5．2 植被指数与碳储量关系分析

5．2．1 影响因子与碳储量相关性分析

5．2．2 建模因子主成分分析

5．3 模型建立和碳储量估算

5．3．1 BP神经网络建模分析

5．3．2 多元线性回归模型

5．4 精度检验

5．5 碳储量统计

5．6 小结

第六章 结论与讨论

6．1 结论

6．2 讨论

6．3 展望

参考文献

在读期间学术研究

致谢