论述植被生态学研究中新技术新方法的使用.docx

论述植被生态学研究中新技术新方法的使用.docx

《论述植被生态学研究中新技术新方法的使用.docx》由会员分享，可在线阅读，更多相关《论述植被生态学研究中新技术新方法的使用.docx（9页珍藏版）》请在冰豆网上搜索。

论述植被生态学研究中新技术新方法的使用

论述植被生态学研究中新技术、新方法的使用

——以遥感技术在植被生态学的应用为例

摘要在近年来，生态学朝着宏观和微观方向发展、分化的趋势已越来越显著,致使分子生态学和宏观生态学在研究方法、技术上几乎完全不同。

在植被生态学研究出现了许多新技

术、新方法，在宏观研究中应用最为广泛的是遥感技术。

遥感技术在植被生态学中应用最多的是植被指数和植被净初级生产力（NPP），这是研究是全球变化与陆地生态系统的核心内容之一，本文主要就是从这两个方面进行展开进行介绍。

关键词：

遥感；尺度；植被指数；植被净初级生产力

DiscussionofnewtechnologiesandnewmethodsofuseonVegetationEcology

AbstractInrecentyears,theecologyofmacro-andmicro-orientationtowardsthedevelopment,differentiation,thetrendhasbecomeincreasinglysignificant,resultinginmolecularecologyandmacro-ecologyinresearchmethods,technologyisalmostcompletelydifferent.Vegetationecologyintheemergenceofmanynewtechniques.Surgery,newmethods,atthemacrostudyisthemostwidelyusedremotesensingtechnology.RemoteSensingTechnologyinVegetationEcologyofthemostwidelyusedisthevegetationindexandvegetationnetprimaryproductivity（NPP）,whichisthestudyofglobalchangeandterrestrialecosystems,oneofthecorecontentofthispaperismainlyfromtwoaspectsaredescribedlaunched.

KeywordsRemotesensing,scales,vegetationindex,vegetationnetprimaryproductivity

1.前言

随着科技的不断的发展和进步，越来越多的新技术和新方法应用到了植被生态学的研究当中去。

植被生态学使用这些新技术和新方法，也不断扩展传统的植被生态学的研究尺度，尤其是遥感技术的应用。

本文主要从遥感技术在植被生态学中在植被指数和植被净第一性生产力（NPP）方面的应用进行介绍。

与传统的植被生态学方法相比，遥感技术具有明显的优势。

通过遥感手段获取地面精确而详细的信息。

大量的研究表明，利用遥感技术可以快速、大范围、周期性地提取区域乃至全球的植被参数，并能够提供各参数的空间和时间的分布状况。

当前很多学者正致力于研究由遥感信息反演推算生物参数的方法和模型，对遥感信息定量化并取得了丰富的研究成果,并将继续在区域和全球尺度上的生态学研究中起着极为重要的作用[1]。

2.2.遥感介绍

2.1什么是遥感技术

遥感技术（RemoteSensing，简称RS）。

人类通过大量的实践，发现地球上每一个物体都在不停地吸收、发射和反射信息和能量，其中有一种人类已经认识到的形式――电磁波，并且发现不同物体的电磁波特性是不同的。

遥感就是根据地物对电磁波的反射、吸收和发射特性这个原理来探测地表物体对电磁波的反射和其发射的电磁波，从而提取这些物体的信息，完成远距离识别物体（赵鲁，2006）。

2.2遥感技术系统组成及应用

遥感技术系统包括：

空间信息采集系统（包括遥感平台和传感器），地面接收和预处理系统（包括辐射校正和几何校正），地面实况调查系统（如收集环境和气象数据），信息分析应用系统。

感影像通常需要进一步处理方可使用，用于该目的的技术称之为图象处理。

图象处理包括各种可以对像片或数字影像进行处理的操作，这些包括图象压缩、图象存储、图象增强、处理、量化、空间滤波以及图象模式识别等。

还有其它更加丰富的内容。

目前，主要的遥感应用软件是ilwis、PCI、ERMapper和ERDAS。

2.3遥感技术在生态上的应用

遥感技术已广泛用于气象气候观测、资源调查与探测、灾害预测预报、土地利用、资源环境监测及其动态更新等领域[2]。

利用遥感所进行的生态学研究主要是基于植物的反射光谱特征来实现的。

植物的反射光谱曲线具有显著特征。

在可见光谱段,绿色植物的平均光谱反射率低于干土,而高于或接近于水体。

在近红外谱段,植物的平均光谱反射率比土壤或水体高,以水体为最低。

在中红外谱段,植物的平均光谱反射率比水体略高（或相近）,但明显高于干土。

在0.35～0.49μm波谱,植物的反射光谱曲线具有很平缓的形状和很低的值,平均反射率一般不超过10%;在0.49～0.60μm波谱,植物的反射光谱曲线具有波峰的形态和中等的反射率值;但在0.60～0.70μm波谱,植物的反射光谱曲线因叶绿素对这部分光的强烈吸收而呈波谷形态,并且多数植物在0.68或0.67μm处的反射率最低,之后植物的反射率随波长的增加而急剧升高;在0.70～0.75波段,植物的反射光谱曲线具有陡而接近于直线的形态,其斜率与单位叶绿素的含量有关;在0.75～1.3μm波段,植物的光谱反射率具有波状起伏的形态和高的反射率,吸收率极低（王正兴,2006）。

图1　干土、湿土和绿色植物的光谱反射率[3]

Fig.1Spectralreflectancesbydrysoil,wetsoil,andgreenplants

各种遥感传感器正是根据植物的这一反射光谱特征来设计的。

LandsatTM的波段3（0.63～0.69μm）和波段4（0.76～0.90）,SPOTHRV的XS2（0.61～0.68μm）和XS3（0.79～0.89）,NOAAAVHRR的波段1（0.58～0.68μm）和波段2（0.725～1.1μm）等都分别位于红光和近红外波段,都被广泛地应用于植被研究。

利用遥感手段进行NPP（净第一性生产力）估算[4-6]，并发展了一系列的模型。

如潘耀忠、朱文泉等[7]对陆地生态系统地表覆盖类型、植被覆盖度、植被第一性净生产力进行了定量测量。

他们的测量结果可以更加客观地反映中国陆地系统生态资产及其空间分布的显示情况，为今后开展相关研究奠定了良好的基础。

3.遥感在植被生态学的应用举例

3.1植被指数

3.1.1植被指数的概念

利用植被在近红外波段（NIR）高反射和在红波段（Red）高吸收的特点（图2），经过某种变换，可增强植被信号，削弱噪音。

基于此原理的红光和红外波段的不同组合统被称为植被指数。

图2　植被对不同波长光的放射率[8]

Fig.2

3.1.2.植被指数的作用及分类

植被指数是由多光谱数据经线性和非线性组合而构成的对植被有一定指示意义的各种数值，它定量地表明了植被活力。

它比用单波段来探测绿色植被更具有灵敏性，有助于增强遥感影像的解译力。

它已经作为一种遥感手段广泛应用于土地利用覆盖探测、植被覆盖密度评价、作物识别和作物预报等方面，并在专题制图方面增强了分类能力[9]。

当前常用的植被指数有：

归一化植被指数（NDVI）、比值植被指数（SR）、环境植被指数（EVI）、缨帽变换中的绿被植被指数（GVI）和正交植被指数（PVI）等[10]。

各种植被指数都有它本身的适用背景与环境，其中归一化植被指数（NDVI）是应用最广泛的，其定义为近红外波段与可见光红波段的数值之差与数值之和的比值。

NDVI在使用遥感影像进行植被研究以及植被物候研究中得到了广泛应用，它是植物生长状态及植被空间分布密度的最佳指示因子。

与植物分步密度呈线性关系被许多研究证明与植被生物量存在着较显著的相关关系，涉及植被类型包括草原（Toddeta1．，1998；李素英等，2007），也包括典型的森林植被（Dongeta1．，2003；Freitaseta1．，2005；Taneta1．，2007）。

因此又可称之为生物量（Blomass）指标[11]。

3.1.3.标准差植被指数及其应用

标准差植被指数NormalizedDifferenceVegetationIndex（NDVI）:

（3-1）

其中NIR：

近红外波段，Red：

红波段

对某一像元来说，以一定的时间间隔通过某种方式选取NDVI值，并将其按时间顺序排列起来，就构成了此像元的一个时序NDVI，对应的时间间隔就是时序NDVI的合成周期。

例如每隔16天取一个NDVI值，一年23次的NDVI值就构成了一个16天合成的时序NDVI。

如果将时序NDVI以时间为横坐标排列起来，就形成了时序NDVI的动态曲线。

时序NDVI曲线变化可以很好地反映地物的物候变化与植被生长状况。

建立和分析时间序列的植被指数是利用时间序列影像获取土地覆盖类型及其变化信息的重要途径之一。

植被覆盖度（fv）的定量测量：

植被覆盖被定义为植被投影面积在单位面积上所占比例，它和叶面积指数可作为衡量地表植被数量指标[12]。

对于每个象元的数据有下列关系：

（3-2）

其中，

是第i月的

是第j种覆盖类型在第i月的值。

是第j种地覆盖类型在像元中所占的比率，

为误差，模型的约束条件为：

（3-3）

考虑到模型的实际应用，根据线性混合模型的假设，可以认为每个像元的

NDVI值由植被覆盖部分（fv）和裸土部分（1-fv）的值合成，即：

（3-4）

其中，

是植被覆盖部分的值，

是裸土覆盖部分的值。

年最大NDVI可以较反映该年度植被长势最好季节地表的植被覆盖程度。

在实际计算中，取NDVI最大值代替

和最小值代替

，则植被覆盖度（fv）计算公式如下：

（3-5）

式中，

和

分别为植被整个生长季的最大值和最小值。

3.2植被净第一性生产力

3.2.1植被净第一性生产力（NPP）的定义

植被净初级生产力（netprimaryproductivity,简称NPP）是指绿色植物在单位面积、单位时间内所累积的有机物量,表现为光合作用固定的有机碳中扣除本身呼吸消耗的部分,这一部分用于植被的生长和生殖,也称净第一性生产力[13]。

3.2.2NPP的意义

NPP作为地表碳循环的重要组成部分,不仅直接反映了植被群落在自然环境条件下的生产能力,表征陆地生态系统的质量状况,而且是判定生态系统碳汇和调节生态过程的主要因子[14],在全球变化及碳平衡中扮演着重要的作用。

所以,自20世纪60年代以来,各国学者对NPP的研究倍受重视,国际生物学计划（IBP,1965～1974）期间,曾进行了大量的植物NPP测定,并以测定资料为基础,结合气候环境因子,建立模型,对植被NPP的区域分布进行评估,如Miami模型、Thornthwaite纪念模型、Chikugo模型等[15,16]。

在此期间,世界许多国家基本完成了植被生产力的主要描述,而中国是空缺。

建立于1987年的国际地圈2生物圈计划（IGBP）、全球变化与陆地生态系统（GCTE）和京都协定（kyotoprotocol）均把植被的NPP研究确定为核心内容之一[17]。

3.2.3NPP模型及应用举例

NPP作为地表碳循环的重要组成部分，不仅直接反映了植被群落在自然环境下的生产能力，而且是判定生态系统碳积累和调节生态过程的主要因子，在全球变化及碳平衡中扮演着重要的作用。

因而陆地NPP的研究也为合理开发、利用自然资源提供科学依据。

NPP估算主要有以下三种方式:

基于实测资料的估算，基于传统模型的估算和基于遥感模型的估算。

近年来，随着遥感和地理信息系统的广泛应用，遥感手段和过程模拟的结合已经成为NPP研究的一个重要趋势。

全球生产力的评估，可以通过遥感和碳循环处理相结合的方法来实现。

目前NASA的EOS（EarthObservingSystem）可以“周期性的评估全球陆地表面1km空间分辨率的GPP和年NPP值”。

基于生物量量模型对广东省的研究采用的遥感影像是EOS提供的2001年广东全省的MOD17A3数据，该产品共有3个波段，分别为GPP1km;NPP1km;NPPQC1km。

其中，GPP主要是由8天净光能作用（NetPhotosynthesis，PsnNet）组合而成，而NPP主要是对一年内净光能作用的时间积分，它们之间的关系如下:

（3-6）

（3-7）

式（3-5）中，

和

分别是枝叶和根部用于呼吸所消耗的能量，因此计算净光能作用时应将它们排除在外;式（3-6）中，

是除了枝叶和根部以外其他部分（例如，枝干）呼吸所耗能量，

为自身生长所呼吸掉的能量。

而NPPQC1km的值则表示了传感器和云的一些特征，它是关于像元质量状况、可信任程度的一个重要指标[18]。

图3广东省净第一生产力图（gC/（m2.a）

从图3可看出，它的年净第一生从空间分布来看，广东省森林主要分布在广东省的中部偏北到北部、西部大部分地区以及西南部少量地区。

北部森林主要分布在梅州、河源、韶关、清远等市；西部森林主要分布在肇庆、云浮等市；西南部主要是茂名市。

广东省北部一大片丘陵，加上广东气候温暖湿润，所以广东省北部的NPP值最大，超过1500g/（m2.a），最高可达1740.3g/（m2.a）。

而广东的南部NPP值最少，只有小于1g/（m2.a）。

造成这样的原因是，广东省的南部是经济发达的珠江三角洲，这里大部分的土地都是城市用地，所以植被覆盖较少。

4.展望

植被生态学的新技术、新方法还有很多，遥感在植被生态学的应用好友很多方面，随着遥感技术的发展，遥感技术在植被生态学中的应用将更加的广泛和重要。

　植被净初级生产力（NPP）研究是全球变化与陆地生态系统的核心内容之一。

NPP估算的生态—遥感耦合模型则代表未来的发展方向。

然而,生态—遥感耦合模型的研究还处在尝试阶段,许多具体的基础研究和技术问题还需进一步解决,主要有以下几个方面:

1）开展NPP形成过程的生态生理机制研究。

NPP受许多因素影响,既有环境因素,也有植物本身的生理因素,只有深入地了解了NPP形成的生态生理机制,才能使构建的NPP估算模型更加符合实际。

2）开展生态系统定位研究,建立NPP生态生理机制过程中所需参数数据库。

NPP生态生理机制模型所需参数众多,而且不同的植被类型对同一参数的取值也不一样,有些参数还随时间不断变动,因此建立各种参数数据库,不但为研制生态生理过程模型提供了基础数据,也为NPP估算结果的验证提供了直接的地面数据。

3）进一步开展NPP遥感估算方面的研究,将多时相、不同来源的遥感数据充分利用起来,对NPP进行动态监测。

4）探索NPP生态生理过程模型与遥感模型的耦合途径,使二者有机地结

合起来,达到优势互补。

参考文献：

[1]惠凤鸣，田庆久，金震宇，李海涛.植被指数与叶面积指数关系研究及定量化分析[J].遥感信息,2003,2:

10-13.

[2]章家恩,饶卫民,张磊等.3S技术在景观生态学中的应用研究概述[J].国土与自然资源研究,2006,350-52.

[3]Tucker,C.J.etal.Africalandcoverclassificationusingsatellitedata.[J].Science,1985b,227:

369-375.

[4]肖乾广,陈维英.用NOAA气象卫星的AVHRR遥感资料估算中国的第一性生产力[J].植物学报,1996,38

（1）:

35–39.

[5]孙睿,朱启疆.植被净第一性生产力模型及中国净第一性生产力的分布[J].北京师范大学学报（自然科学版）,1998,34（Sup）:

132–137.

[6]朴世龙,方精云,郭庆华.利用CASA模型估算我国植被净第一性生产力[J].植物生态学报,2001,25（5）:

603–608.

[7]陈仲新,张新时.中国生态系统效益价值[J].科学通报,2000,45

（1）:

17–22

[8]王正兴,中科院地理资源所博士论文．2006.

[9]田庆久，闵祥军．植被指数研究进展[J]．地球科学进展，1998。

13（4）：

327—333．

[10]陈述彭，赵英时．遥感地学分析[M]．北京：

测绘出版社，1990。

209—221．

[11]张志东,臧润国．基于植被指数的海南岛霸王岭热带森林地上生物量空间分布模拟[J]．植物生态学报,2009，33（5）833～841.　

[12]GutmanG,IgnatovA.ThederivationofthegreenvegetationfractionfromNOAA/AVHRRdataforuseinnumericalweatherpredictionmodels[J].InternationalJournalofRemoteSensing,1998,19（8）:

1533-1543.

[13]LiuJ,ChenJM,ChenW.1999.NetprimaryproductivitydistributionintheBOREASregionfromaprocessmodelusingsatelliteandsurfacedata[J].J.Geophys.Res.,104（D22）:

27735～27754.

[14]FieldCB,BehrenfeldMJ,RandersonJT,etal.1998.Primaryproductionofthebiosphere:

Integratingterrestrialandoceaniccomponents[J].Science,281:

237～240.

[15]LeithH,WittakerRH.1975.Modelingtheprimaryproductivityoftheworld[A].PrimaryProductivityoftheBiosphere[C].NewYork:

SpringerVerlag,237～263.

[16]UchijimaZ,SeinoH.1985.AgroclimaticevaluationofnetprimaryproductivityofnaturalvegetationⅠ.Chikugomodelforevaluatingproductivity[J].J.Agric.Meteor.,40:

343～353.

[17]IGBP.1998.Theterrestrialcarboncycle:

ImplicationsforKyotoprotocol[J].Science,280:

1393～1394.

[18]张晓浩,黎夏,施迅,刘凯.广东省水稻生物质能的估算[J].遥感应用,2007.

.