海滨湿地景观过程模型与模拟研究——以江苏.pdf
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《海滨湿地景观过程模型与模拟研究——以江苏.pdf》由会员分享,可在线阅读,更多相关《海滨湿地景观过程模型与模拟研究——以江苏.pdf(11页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、自然资源学报JOURNAL OF NATURAL RESOURCES第29卷第7期2014年7月Vol.29 No.7Jul.,2014海滨湿地景观过程模型与模拟研究以江苏盐城保护区核心区为例张华兵1,2,刘红玉1*,侯明行1,李玉凤1(1.南京师范大学 地理科学学院,南京 210046;2.盐城师范学院 城市与资源环境学院,江苏 盐城 224002)摘要:景观过程模型已经成为深化景观变化研究的重要手段并日益受到重视。海滨湿地是一种高度复杂和动态变化的景观系统,构建景观过程模型能够从机理上解释湿地景观时空动态演变过程。研究中,将盐城国家级自然保护区核心区划分为人工管理区和自然湿地区两种模式,根
2、据2000、2006、2011年3个时相的景观资料以及野外生态监测数据,构建海滨湿地景观过程模型,结果如下:利用空间代替时间并结合灰色关联分析,确定了海滨湿地景观演变的关键影响因素为土壤盐度和水分;运用人工神经网络的方法,分析了土壤盐度和水分的空间分异,并通过图层叠加和分级统计,得出了土壤盐度和水分的阈值范围以及变化规律;运用GIS-Matlab-CA技术构建了基于关键生态过程的海滨湿地景观过程模型,模型总体精度都在80%以上,Kappa系数都在0.7以上,一致性检验结果表明空间位置一致率决定了整个景观模拟的精度;运用已构建好的模型对研究区20122020、2025年的结果进行了模拟预测,预测
3、结果表明,盐城海滨湿地芦苇沼泽和米草沼泽扩张、碱蓬沼泽面积减少的趋势将愈加明显。关键词:海滨湿地;生态过程;景观模型;盐城自然保护区中图分类号:P901文献标志码:A文章编号:1000-3037(2014)07-1105-11DOI:10.11849/zrzyxb.2014.07.002海滨湿地景观受自然和人类活动影响不断发生变化,景观变化已成为区域最为显著的特征之一1-2。为了深刻理解和认识景观变化过程,为区域景观规划、评价和管理提供重要科学依据,景观过程模型研究不断受到重视,并且成为近年来景观生态学核心和重点研究内容之一3。景观过程模型,是一种基于过程的、复杂的、动态的和非线性的空间显式模
4、型,通常是利用空间和过程技术,模拟不同驱动因素下的异质性、动态景观格局及其变化4。由于景观过程模型涉及一系列生态过程驱动变量,能够展示特定区域系统结构和功能变化,因此成为景观保护与管理的重要手段5-6。盐城海滨湿地是我国乃至世界为数不多的典型原始海岸湿地之一7。近年来,在自然和人为的双向作用下,湿地景观结构发生了巨大变化8。此现象已经引起政府部门和学者们的广泛关注,区域湿地景观演变与机制成为研究的重点。目前,该方面研究主要表现在两个方面:一是集中在景观尺度的湿地景观时空演变特征研究9-14,二是集中在生态系统尺度对生态系统类型演变的机理性认识15-16。而从两个尺度耦合作用角度,通过构建基于过
5、程的景观模型,开展海滨湿地景观演变的研究在国内尚未见报道。国外在该方面做收稿日期:2013-05-15;修订日期:2013-09-25。基金项目:国家自然科学基金项目(41071119);江苏省高校自然科学研究项目(13KJB170021,12KJB170006);江苏省高校自然科学研究重大项目(10KJA170029);江苏高校优势学科建设工程资助项目(PAPD)。第一作者简介:张华兵(1979-),男,江苏响水人,博士,中国自然资源学会会员(S3000011227M),主要从事湿地景观及遥感/GIS应用研究。E-mail:*通信作者简介:刘红玉(1963-),女,辽宁辽阳人,博士,教授,博
6、士研究生导师,主要从事景观生态学研究。E-mail:29卷自然资源学报了大量研究工作,如Costanza等建立的景观过程模型,能够从水文条件和营养条件驱动角度,对海滨湿地植物覆被类型演变进行深入研究5。Fitz等利用景观过程模型成功模拟了Everglades湿地区域植物群落演替,阐明了景观尺度上生态的相互作用17。可见,从生态过程驱动景观演变角度,将生态过程与景观格局进行耦合作用研究,并通过建立具有空间显示能力的景观过程模型,能够从机制上认识区域景观演变特征与趋势,对预测未来景观演变尤其重要。本研究利用湿地生态监测数据,结合不同时期的ETM+影像,利用GIS-Matlab-CA技术构建了基于生
7、态过程的海滨湿地景观演变模型,并预测了未来景观变化趋势。研究成果对科学辨识自然和人工管理不同驱动影响下海滨湿地景观演变过程,科学管理海滨湿地,促进区域社会经济和生态环境协调发展具有重要的现实意义。1 区域概况盐城国家级保护区,位于北纬32203437,东经1192912116,是我国最大的海岸带保护区。该区位于亚热带向暖温带的过渡地带,季风气候显著,年平均气温介于 13.714.8 之间,年降水量为9001 100 mm。本研究选取盐城国家级自然保护区核心区为研究区域,其北至新洋港,南至斗龙港,西至海堤,为江苏典型淤长型海滨湿地,总面积为1.92104hm2。为了反映自然与人为影响差异,人为将
8、保护区核心区以中路港道路为界,分为南北两部分。北部区域(面积约0.52104hm2)由于进行芦苇沼泽恢复实验,并建设了很多人工湿地,成为典型的人工管理区域。南部区域(面积约1.40104hm2)受人为活动影响较小,景观演变主要受自然因素影响,成为典型的自然条件控制区域2。2 景观过程模型构建方法景观过程模型构建既需要景观尺度数据为基础,还要对驱动景观变化的生态过程进行深入研究。具体流程如图2,其核心为基于GIS元胞转换规则的确定。在此基础上运用Matlab编程,构建基于过程的景观演变模拟模型,并与GIS耦合实现空间显示。所需基础数据和具体方法如下:2.1 基础数据来源与处理模型研究需要的景观数
9、据来源主要包括研究区域 1:5 万地形图和 2000、图1 研究区位置示意图Fig.1 The location of the study area in Yanchengcoastal wetlands图2 海滨湿地景观过程模型框架Fig.2 The framework of landscape process model designed inthe coastal wetland11067期张华兵 等:海滨湿地景观过程模型与模拟研究2006、2011 年 3 幅 ETM+影像。景观数据获取方法是在遥感软件 ENVI 4.7 中,用FLAASH模块对原始影像进行大气校正;通过已确定控制点,
10、采用二次多项式变换和最邻近像元重采样的方法进行几何纠正;运用主成分分析并进行彩色合成,然后在HSV彩色变化基础上与全色波段进行融合;最后,运用非监督分类和决策树分类方法,结合野外调查,对ETM+影像进行解译,总体精度达到了95%以上(图3)。由于驱动海滨湿地景观变化的生态过程主要是不同类型湿地土壤性状的变化,为此研究所需生态数据通过野外监测获得。研究分别于2011年和2012年的4月对海滨湿地进行了生态监测。在研究区内沿中路港南侧(自然湿地区),沿海陆方向布设17个样地;在中路港与新洋港之间(人工管理区),沿海陆方向布设了13个样地。每一条样带的采样点采取等距分布与植被类型相结合的原则,每个样
11、地设置3个样点,采表层土(距地表020 cm),每个样地取3个样进行混合,带回实验室分析;同时记录每个样地的植被类型。对海滨湿地土壤性状指标监测主要包括:有机质、水分、氨氮、有效磷、速效钾、盐度。水分监测,运用TRIME-PICO-BT(德国)水分便携式测量仪(体积比)测得;土壤盐度采用TFC-203土壤化肥速测仪测量;土壤有机质采用水合热重铬酸钾氧化-比色法;土壤氨氮采用靛酚蓝比色法;土壤有效磷采用碳酸氢钠-钼锑抗比色法;土壤速效钾采用四苯硼钠比浊法;每个样品取三个平行样,取其平均值。研究区14月多年平均降水量为160.40 mm,34月多年平均降水量为96.00 mm。2011年14月,研
12、究区降水量约为80.00 mm,约为多年平均值的一半;34月研究区降水量约为30.00 mm,不到多年平均值的1/3。所以,将2011年4月监测的土壤数据作为干旱年份海滨湿地土壤数据。而2012年14月研究区降水量为172 mm,高于多年平均值;34月降水量为132 mm,比同时段多年平均降水量多出了36.788%。所以,将图3 海滨湿地景观变化Fig.3 Landscape changes of the coastal wetlands from 2000 to 2011110729卷自然资源学报2012年4月监测的土壤数据作为湿润年份海滨湿地土壤数据。2.2 关键生态因子确定土壤性状及其演
13、变是影响海滨湿地景观演变最为重要的因素18。由于表征土壤性状的生态要素很多,为了简化模型构建难度,必须在诸多土壤影响要素中筛选关键影响因子。研究采用空间代替时间以及灰色关联分析法确定关键生态因子19。具体的做法是:任一个样点所处的景观类型看作是演变序列中某一时刻的景观状态,以样点与海堤的空间垂直距离所组成的序列作为反映景观演变的参考序列;样点上土壤基本性状的监测结果所组成的序列理解为子因素序列;比较子因素序列与参考序列的关联度,结果如表1。可以看出,土壤基本性状与景观演变的关联度最大的为土壤盐度,其次是土壤水分。因此,把土壤盐度和水分确定为海滨湿地景观演变的关键生态因子,土壤盐度为第一决定性生
14、态因子,土壤水分次之。表1 生态要素与景观演变关联度结果Table 1 The results of the gray correlation between ecological elements and landscape evolution研究区干季湿季人工管理区自然湿地区人工管理区自然湿地区水分0.7320.7500.6770.665盐度0.7490.7310.7380.677有机质0.6180.6290.5950.609氨氮0.7120.6730.6580.641有效磷0.7240.6210.6250.650速效钾0.6950.6670.6260.6322.3 生态因子阈值分析为了构
15、建景观过程模型,首先必须实现土壤生态要素空间化处理,以反映这些要素的空间分布特征。在此基础上,通过与景观类型图叠加,确定不同景观类型生态演变阈值。研究采用人工神经网络(ANN)方法,实现生态因子的空间分异。具体做法是:首先,根据14月多年平均降水量以及2011年14月、2012年14月的降水量,通过加权平均计算出海滨湿地每个样点土壤水分和盐度平均值。然后,将海滨湿地芦苇沼泽、碱蓬沼泽、米草沼泽和光滩等4个类型变量,通过设置3个虚拟变量(x1,x2,x3),分别进行0、1赋值,将所有的景观类型变量转化为定量变量20。将野外采样点的位置值(距海堤距离)x0和类型值x1、x2、x3作为神经网络的输入
16、数据,土壤盐度y1和水分y2作为输出数据,进行人工神经网络训练。最后,将所有的景观数据通过100 m100 m栅格转化成点数据,计算出每一个点的位置x0和景观类型x1、x2、x3,将这4个变量数据作为输入数据,代入已训练好的神经网络,计算出每个点的土壤盐度和土壤水分值;进一步通过ArcGIS转换生成空间分异图;再将2011年景观类型图和土壤水分、盐度分布图(图4)进行叠加分析,得出海滨湿地关键生态因子的限制阈值(表2)。同理,可以利用人工神经网络模型模拟2000、2006年海滨湿地土壤水分和盐度分异图,结合景观类型图,将不同时期图层进行叠加,计算出土壤水分和盐度年变化速率的范围。在表2中,可以
17、发现:土壤盐度可以作为碱蓬沼泽芦苇沼泽、碱蓬沼泽米草沼泽、光滩米草沼泽三个演变表2 海滨湿地景观土壤盐度和水分阈值范围Table 2 The scope of soil moisture and salinity value in differentlandscape types项目芦苇沼泽碱蓬沼泽米草沼泽光滩盐度值/%0.153 10.532 50.532 50.886 20.886 21.437 50.314 80.886 2水分值/%33.113 242.282 433.113 248.634 226.415 855.331 648.634 266.593 411087期张华兵 等:海滨
18、湿地景观过程模型与模拟研究序列的判别依据;用土壤水分作为光滩碱蓬沼泽的判别依据。2.4 景观过程模型构建研究基于GIS-Matlab-CA技术构建研究区域景观过程模型。其中,元胞(CA)模型构建最为关键,必须将关键性生态因子变化过程赋予元胞中,并结合元胞(景观类型)之间的转换关系,通过阈值控制模拟预测海滨湿地景观演变。具体如下:当某个碱蓬沼泽栅格(元胞)的邻域中有芦苇沼泽和米草沼泽时,这个栅格的关键生态要素就会变化;如果关键生态要素的值突破碱蓬沼泽的阈值后,碱蓬沼泽就会向芦苇沼泽和米草沼泽转变,如果其值仍在碱蓬沼泽阈值内,景观类型不发生变化。当某个光滩栅格(元胞)的邻域中有米草沼泽和碱蓬沼泽时
19、,这个栅格的关键生态要素就会发生变化,当其突破光滩的阈值后,光滩就会向米草沼泽或者碱蓬沼泽变化;如果其值仍在光滩的阈值范围内,景观类型就不发生变化。海滨湿地景观过程演变就是这样周而复始的过程。在模型构建中,采用100 m100 m的栅格,CA元胞采用八邻规则。并确定了碱蓬沼泽向芦苇沼泽、碱蓬沼泽向米草沼泽、光滩向米草沼泽的演变用土壤盐度变化来判定;光滩向碱蓬沼泽的演变用土壤水分来判定;从表2中得出判断矩阵为W1,W2,W3,W4=0.532 5%,0.886 6%,0.886 6%,48.634 2%。确定了x1,x2,x3,x4分别为人工管理区景观演变生态过程矩阵;确定了X1,X2,X3,X
20、4分别为自然湿地区景观演变生态过程矩阵。在此基础上,将所有的景观类型数据(A)、土壤盐度(B)与土壤水分(C)数据,转化成ASCII格式,并以矩阵A、B、C的形式导入到Matlab中,并编写模型函数compute-parameter,将演变结果通过ArcGIS转变生成景观类型图。函数computeparameter仅考虑了静态的变化,景观演变需要时间上的连续变化,结合函数computeparameter设置一个循环函数repatecompute,以实现时间上的连续变化。图4 海滨湿地土壤盐度(a)和水分(b)Fig.4 Distribution of soil salinity and moi
21、sture in the coastal wetland110929卷自然资源学报3 结果分析3.1 海滨湿地景观过程模拟结果在已计算出的土壤水分和盐度年变化速率的范围内调试x1,x2,x3,x4、X1,X2,X3,X4。然后,将相关的参数值代入到函数repatecompute中,进行景观模拟,同时根据检验结果,验证x1,x2,x3,x4、X1,X2,X3,X4是否具有普适性,具体做法是:首先以2006年的数据为基础数据,模拟2011年的海滨湿地景观,根据模拟结果与2011年真实景观图的比较,反复调试确定相关参数值。确定北部人工管理区生态过程矩阵x1,x2,x3,x4=-0.010%,0.05
22、2%,0.050%,0.000%;南部自然湿地区生态过程矩阵X1,X2,X3,X4=-0.007%,0.085%,0.300%,0.000%。然后,以2000年的数据为基础数据,将确定好的参数值代入函数模型中,模拟2006年的景观图。由于在自然湿地区20002006年的景观演变中存在着光滩向碱蓬沼泽演变的序列,所以,需要增加光滩向碱蓬沼泽转变的过程变量,将X1,X2,X3,X4调整为-0.007%,0.085%,0.300%,-4.600%,北部人工管理区的参数值不变。然后,将2006年的模拟结果与真实景观进行比较,验证参数的可行性和普适性;如果2006年的模拟结果达到一个比较理想的结果,说明
23、参数设置合理,否则需要重新调整参数值。3.2 模拟结果检验根据海滨湿地景观模型模拟结果(图5),比较景观真实图(图3),进行精度校验。采用总体精度、Kappa系数和一致性分析来检验模型的精度。总体精度检验结果显示:在北部人工管理区,2006年和2011年的总体模拟精度分别达到了84.860%和87.598%;南部自然条件控制区,2006 年和 2011 年的总体模拟精度分别为 85.894%和 90.661%。Kappa系数检验结果显示,人工管理区2006年和2011年值分别为0.729和0.774;自然湿地区2006年和2011年值分别为0.811和0.873。一致性检验结果(图6)显示:人
24、工管理区2006年和2011年的一致率分别为89.40%和87.60%;其中空间位置一致率在整个一致率中的比重最大,分别为45.26%和42.56%;偶然一致率都为20%;数量一致率分别为24.14%和25.04%;变化率分别10.60%和12.40%。自然湿地区2006年和2011年的一致率分别为86.17%和90.66%;其中空间位置一致率分别为60.92%和63.91%;偶然一致率都为25%;数量一致率0.25%和1.75%;变化率分别为13.83%和9.34%。由此可以判断,在海滨湿地景观模拟过程中,空间位置一致率决定了整个景观的一致率。总体上,检验结果表明,景观模拟模型参数设置是合理
25、的,模型是可行的。3.3 海滨湿地景观演变预测分析以2011年为初始条件,在Matlab中将相关参数代入到repatecompute函数中,然后运行模型函数,进行模拟,输出景观类型矩阵;进一步添加头文件,通过ArcGIS转换成栅格图像,即可实现景观模拟预测,结果如图7和图8。上述模拟结果显示:人工管理区景观演变呈现芦苇沼泽和米草沼泽扩张、碱蓬沼泽面积减少的过程。2020年,芦苇沼泽的比重上升至65.345%,比2011年的(包括养殖池)61.093%高了4.247%;米草沼泽的比重由12.127%上升至16.038%,相对于2011年高了3.910%;碱蓬沼泽的比重由5.221%下降至0.96
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 海滨 湿地 景观 过程 模型 模拟 研究 mdash 江苏
![提示](https://www.taowenge.com/images/bang_tan.gif)
限制150内