主页 > 案例大全 > 论文写作分析-基于实测数据的乌梁素海沉水植物覆盖度研究

论文写作分析-基于实测数据的乌梁素海沉水植物覆盖度研究

2021-04-24 11:25:19

  沉水植物的植物体所有部位都位于水层下面,沉水植物的根系有时不发达或基本完全退化,植物体的各部分都可吸收水分和养料,通气组织特别发达,因此沉水植物能适合生活在在水中缺乏空气的环境中,发达的通气组织进行有利于沉水植物与外界气体交换,因此,沉水植物大多生活在水面以下,乌梁素海平均水深不到1米,沉水植物能够对对富营养化湖水、底泥具有一定的耐受能力,并能有效地降低水体中的总磷、氨氮及总氮浓度,这样的深度和沉水植物的功能决定了沉水植物是乌梁素海湿地生态系统主要的生产者[1]。乌梁素海作为高功能水域,生态恢复一直是不可忽视的难题[2],但是沉水植物在生长季节从水柱和沉积物中摄取大量的营养盐,起到了净化水体的作用[3]。根据对于乌梁素海沉水植物的覆盖度研究,可以得知近年来沉水植物在乌梁素海的生长状况,进而掌握乌梁素海近年来的营养化程度,对于治理乌梁素海的生态环境有很大的帮助。

  1.1研究区概况

  乌梁素海位北纬40°36'-41°03',东经108°43'-108°57'[4],是同纬度地区最大的淡水湖,乌梁素海的行政区位于内蒙古巴彦淖尔市乌拉特前旗境,是中国第八大淡水湖,同时也是内蒙古境内第二大的淡水湖[5],乌梁素海对于周围人民的生活及生产具有十分重要的作用,其中乌梁素海最重要的作用是作为河套灌区水利工程的重要组成部分,它接纳了河套地区90%以上的农田排水,经过湖泊的生物生化作用后,排入黄河,起到改变水质、调控水量、控制河套地区盐碱化的作用[6]。乌梁素海水体的主要生物为浮游植物和大型水生植物,表现为浮游植物疯长(藻型)和大型水生植物的过量生长(草型),草藻混合型应视为过渡型[7]。根据研究显示,近年来,乌梁素海的污染源主要来自3个方面,分别是农田排水、工业废水和生活污染[8]。由于严重的人为破坏,乌梁素海湿地生态系统的功能遭到了严重的破坏,目前是我国寒旱区富营养化最为严重的湖泊。沉水植物的功能如吸收氮磷等富营养化物质、抑制浮游植物生长、为无脊椎动物、鱼、水禽提供栖息地,为浮游动物提供庇护所,促进底层沉积物的淤积等[9]。决定了它在乌梁素湿地系统有着不可忽视的生态功能,对于乌梁素海恢复生态原貌非常重要。

  图1乌梁素海地理位置及轮廓图

  1.2实测数据

  1.2.1实测反射率数据

  本研究分别于2019年6月19日、6月20日、7月19日、7月20日、8月19日、8月20日、9月19日、9月20日、在乌梁素海开展了4次为期2日的野外调查,共获得有效数据87组,87组数据都是关于乌梁素海各种沉水植物的遥感反射率光谱数据。

  本次论文光谱图数据测量采用的是仪器是美国ASD公司生产的ASD Field Spec 4地物光谱仪,其光谱分辨率为3nm,测量波段范为350-2500nm,光纤视场为25°,350-1000nm内采样间隔为1.4nm,1001-2500nm内采样间隔为1.1nm。光谱测量方法采用唐军武等提出的水面以上水体光谱测量方法[10]。遥感反射率在在无风、晴朗的天气时测量,且为了减少误差,每个样点都需要测量标准灰板、水体和天空光的辐射亮度。为了避免水体对太阳直射反射和船体阴影对于测量数据结果的影响,测量过程中需要调整一定的观测角度,仪器观测平面与太阳入射平面夹角为90—145°之间,且仪器与水体之间的距离为1米。植被覆盖度是描述地表植被覆盖情况的重要参数,它是指植被在参考底面的垂直投影面积占总面积的百分比[11]。本次论文中测得的沉水植物覆盖度呈正态分布,覆盖度平均值为58.55%、覆盖度标准差为30.52。测量水体时用塞氏盘测量水体透明度,利用手持GPS定位仪记录每个站点的位置。

  沉水植物盖度测量沉水植物

  沉水植物沉水植物

  沉水植物开阔水体

  漂浮藻类

  图2沉水植物、漂浮藻类、开阔水体照片

  (a)沉水植物平均光谱(b)沉水植物实测光谱

  (c)漂浮藻类平均光谱(d)开阔水体实测光谱

  图3表层沉水植物实测光谱和平均光谱对比图

  漂浮藻类、挺水植物实测光谱图

  图3为表层沉水植物实测光谱和平均光谱对比图、漂浮藻类、开阔水体实测光谱图,由于1349-1449nm、1750-1979nm和2350-2500nm三出处波段段噪音大,因此剔除这三个范围内所有实测光谱图。由图2中(a)和(c)的可见,表层沉水植物和漂浮藻类的光谱曲线表现出典型的植被光谱特征,分析两图,表层沉水植物和漂浮藻类在可见光部分的蓝波段(480nm为中心)和红光波段(680nm为中心)附近吸收率明显高于其他波段,形成两个吸收谷,在540-560nm附近形成了明显的反射绿峰;在670-720 nm之间反射率增高最快,出现“红边”;波长大于700 nm时,其光谱反射率增强,形成了水生植物在近红外波段的高反射区。沉水植物、漂浮藻类和开阔水体三类光谱特征差异性表现在:沉水植物(WDC=0)和漂浮藻类在波段602nm、1272nm、1662nm和2223nm光谱差异较大,开阔水体实测光谱反射率总体较低,反射率均在0.03之下,但是在550-690nm、1000-1200这两个波段处有较大的波动,这两个波段处有的波动会对对应波段处的沉水植物反射率有一定的影响(图2d)。此外,由图2中的(b)和(c)沉水植物(WDC=0)和漂浮藻类在这四个特征波段处的取值范围,可以看出,在550-690nm漂浮藻类和沉水植物(WDC=0)的光谱曲线具有明显的分层现象,光谱特征差异明显,在近红外和短波红外波段范围内的1272nm、1662nm和2223nm附近分别有一个明显的反射峰,这是挺水植物区别于沉水植物和漂浮藻类的重要波段。沉水植物在近红外高反射率的最大值都在0.18以下,漂浮藻类都在0.18以下;漂浮藻类的近红外高反射率在0.070-0.109之间,这与沉水植物的光谱波段有交叉,变化趋势比较一致,沉水植物和漂浮藻类在1350 nm之后反射率逐渐减少,均趋于0。虽然沉水植物和漂浮藻类的波谱形状相似,但是在550-690nm漂浮藻类的反射率值却高于沉水植物(WDC=0)的反射率值,尤其在602nm处漂浮藻类的反射率值最低为0.046,而沉水植物的反射率值最高不到0.021。

  1.3遥感影像数据及其预处理

  1.3.1遥感数据

  本文选用2018年9月2日和2019年6月18日的无云覆盖的2景Landsat-8 OLI影像数据(http://earthexplorer.usgs.gov/)。OLI有9个波段(见表2),其中全色波段的分辨率为15 m,其余8个波段的分辨率为30 m[12]。

  表1 Landsat-8 OLI数据波段信息

  波段中心波长/nm空间分辨率/m

  Band 1 Coastal 443 30

  Band 2 Blue 483 30

  Band 3 Green 561 30

  Band 4 Red 655 30

  Band 5 NIR 865 30

  Band 6 SWIR1 1609 30

  Band 7 SWIR2 2210 30

  Band 8 Pan 592 15

  Band 9 Cirrus 1373 30

  1.3.2数据预处理

  由于乌梁素海遍布挺水植物,沉水植物,漂浮藻类,水环境复杂,因此无法进行精确的气溶胶校正。因此OLI影像只做了大气瑞利校正,在此基础上进行WDC的遥感反演。OLI影像用acolite软件进行大气瑞利校正

  参考Quinten Vanhellemont[13]&Kevin Ruddick[14]进行瑞利校正,步骤如下:

  首先,利用公式(1)进行遥感影像的辐射定标:

  (1)

  式中:LTOA为辐射亮度(W/(m2·μm·sr));ML和AL分别从OLI数据头文件中获取。

  其次,获取大气层顶反射率:

  (2)

  式中:ρTOA为大气层顶反射率(sr-1);d为日地距离;F0为波段平均的大气层外太阳辐照度(W/(m2·μm));θ0为太阳高度角(°)。大气瑞利校正公式为:

  (3)

  式中:ργ是瑞利反射率(sr-1);ττ是瑞利光学厚度;Pτ是瑞利散射相位函数;θV是观测天顶角;Δφ是相对太阳和传感器间高度角。

  波段积分运算见公式(4):

  (4)

  式中:Rrs(λ)(sr-1)表示实测遥感反射率;Fi表示OLI数据的第ith波段的光谱响应函数。

  2方法与技术路线

  2.1研究方法

  2.1.1光谱特征分析:基于实测遥感数据,分析沉水植物与漂浮藻类和挺水植物之间的光谱差异,辨识沉水植物与其它水生植物光谱区分特征;研究沉水植物光谱随冠层深度的变化特征。

  2.1.2相关分析:基于沉水植物光谱特征,进行沉水植物覆盖度与沉水植物光谱之间的相关性分析,确定相关性最大的单波段和波段比。相关分析同时考虑了皮尔逊(线性)和斯皮尔曼(单调性)相关分析法。

  2.1.3回归模型:采用LOOCV方法[12],确定模型参数和,建立在2.1.1和2.1.2工作的基础上,建立单波段与覆盖度之间的回归模型,模型见如下公式(5)和(6)。

  (5)

  (6)

  式中:x=Rrsi或Rrsi/Rrsj,和为模型参数。

  2.1.4精度评估采用均方根误差(root mean square error,RMSE),计算公式为:

  2.2技术路线

  3.结果与分析

  3.1不同覆盖度的沉水植物光谱特征分析

  图4不同覆盖度沉水植物群落的实测光谱曲线

  通过对不同覆盖度沉水植物光谱特征分析,可以发现沉水植物群落的光谱反射率随沉水植物覆盖度的增加而增加,在518—607nm、700-900nm、1000-1200nm波段范围内差异最为明显,在这两段波段内,沉水植物群落光谱反射率与沉水植物覆盖度呈显著正相关,是光谱反射率对沉水植物覆盖度变化最敏感的波段。

  对许多陆上植物群落光谱特征的研究表明,用叶面积指数或盖度测定的植物生物量与可见光的绿光波段和近红外的反射率一般呈正相关关系[15],本论文中的沉水植物也具有以上的特征。Jakubauskas等利用ASD地物光谱仪对不同盖度睡莲(N upha r polysepalum)的光谱特征进行了测定,在可见光的518—607nm波段和近红外区域(697—900nm)的光谱反射率随睡莲盖度增大而增大[16]。本论文研究的沉水植物光谱反射率的基本特征与上述研究结果是基本相符的,但是由于受到水体和水中悬浮物等因素的影响,情况在某些波段处略有差异。

  利用地物光谱仪传感器接收到的光谱数据不仅是水体植物本身的光谱信息,同时也包括了部分开阔水体反射光谱数据。随着沉水植物盖度的降低,开阔水体面积逐渐增大,因而在绿光波段和近红外波段的光谱反射率也随之下降。当沉水植物盖度接近零时,所测得的反射光谱主要来自开阔水体,其反射光谱虽然在可见光和近红外波段范围内仍有一定的吸收,但却不具备典型植物光谱吸收特征[17,21]。

  本论文中,不同覆盖度的沉水植物光谱反射率之间的差异主要表现在518—607nm、700—900nm和1000—1200nm波段范围,因而可以通过这些波段的光谱反射率来较好地估测沉水植物盖度。

  3.2覆盖度与沉水植物光谱反射率的相关分析

  图5沉水植物光谱反射率与覆盖度之间的单波段相关系数

  为了更好地了解沉水植物覆盖度和光谱反射率之间的关系,需要对光谱反射率和盖度进行相关分析。通过对不同覆盖度的沉水植物光谱特征分析,可以发现沉水植物群落的光谱反射率随覆盖度的增加而增加,具体对2018年6月、7月、8月、9月沉水植物群落的光谱反射率与沉水植物覆盖度进行相关性分析(图2)。沉水植物群落的光谱反射率与覆盖度皮尔逊最高的相关系数位于718nm处,皮尔逊相关系数r=0.8363,同波段对应的斯皮尔曼相关系数ρ=0.8557。在882nm处斯皮尔曼相关系数最高ρ=0.9158,同波段对应的皮尔逊相关系数r=0.8064。这是因为在707nm之后沉水植物光谱反射率与沉水植物盖度可能存在非线性关系。而且6、7、8、9月为沉水植物群落生长旺季,沉水植物群落全部呈绿色,近红外光谱反射率最高。而在700-900nm波段附近,是光谱反射率对沉水植物覆盖度变化最敏感的波段,这可能也是影响沉水植物群落与沉水植物盖度相关性的因素。

  3.3覆盖度与沉水植物光谱反射率的回归模型建立

  (a)覆盖度反演值图(b)覆盖度实测值图

  图6覆盖度反演值与实测值对比图

  表2单波段覆盖度反演模型

  月份反演方法自变量回归模型模型表达式

  R2

  2019年6月、7月、8月、9月单波段

  Rrs(718)

  线性

  y=0.6994x+20.768

  0.6993

  2019年6月、7月、8月、9月单波段

  Rrs(882)

  对数y=16.067ln(x)+129.66 0.8673

  2019年6月、7月、8月、9月波段比Rrs(7350/Rrs(720)线性y=0.7686x+14.292

  =0.7849

  2019年6月、7月、8月、9月波段比Rrs(7350/Rrs(720)对数y=0.7403x+18.209

  0.7723

  对数回归模型线性回归模型

  通过相关性分析挑选以上单波段值为自变量,确定参数a均值和b均值,建立沉水植物群落的单波段和波段比的覆盖度遥感反演模型,图6为单波段和波段比的沉水植物覆盖度反演模型和实测覆盖度对比图,从图可以看出,在单波段的情况下,对数的反演精度要比线性函数高,对数的决定系数R2>0.87,均方根误差<9.34cm2,而线性函数的决定系数R2>0.70,均方根误差<14.05cm2;在波段比的情况下,线性函数的反演精度要比对数函数高,对数的决定系数R2>0.77,均方根误差<12.27cm2,而线性函数的决定系数R2>0.78,均方根误差<12.01cm2。通过RMSE和散点图可以看出大部分反演值位于1:1线附近与实测值有较好的一致性,反演精度较高,单波段模型最好的覆盖度反演精度集中在40-100%;波段比模型最好的覆盖度反演精度集中在60-100%。表明沉水植物盖度与光谱反射率之间存在着显著的相关性,利用对数回归方程可以较好地解释覆盖度的变化情况。因此,可以应用对数回归方程,根据所测得的光谱反射率来定量反演水体中的沉水植物盖度。

  3.4覆盖度与沉水植物光谱反射率的回归模型推广

  (a)单波段相关系数(b)波段比相关系数

  图8 Landsat-8 OLI单波段/波段比沉水植物光谱反射率与覆盖度的相关系数

  本论文试图利用瑞利校正后的OLI数据进行冠层水深的反演。首先,基于波段响应函数,将实测光谱反射率积分到Landsat-8 OLI波段上;然后,进行了OLI单波段反射率/波段比值与实测覆盖度之间的相关性分析,见图8;由图8可以发现,OLI中的NIR-SWIR1(865nm)波段内的沉水植物光谱反射率与实测覆盖度的相关性最大,在处的皮尔逊相关系数最大,为r=0.82,对应的斯皮尔曼相关系数为ρ=0.91。在波段比865nm/561nm处沉水植物光谱反射率与实测覆盖度的皮尔逊相关系数最大,r=0.83,对应处斯皮尔曼相关系数最大,ρ=0.85。因此,将NIR-SWIR1(865nm)作为自变量,利用LOOCV方法建立OLI单波段的覆盖度反演模型,其中以865nm为自变量的波段比对数函数模型为y=16.291ln(x)+129.95,R2=0.8601。

  3.5Landsat-8 OLI单波段模型反演乌梁素海冠层水深

  图9 Landsat-8 OLI影像数据单波段对数函数模型反演覆盖度的反演值与实测值对比图

  将OLI单波段函数模型应用于校正后的OLI影像(2019年6月19日、6月20日、7月19日、7月20日、8月19日、8月20日、9月19日、9月20日),图9对比了OLI反演的覆盖度和实测值。从散点图可以看出,覆盖度和实测值具有较好的一致性,R2为0.83。

  图10校正后Landsat-8 OLI影像数据

  单波段模型反演覆盖度的反演值与实测值对比图

  为了排除干扰,以瑞利校正后的Landsat-8 OLI的反射率为自变量建立了覆盖度反演模型,R2=0.83。图10中对比了校正后Landsat-8 OLI影像数据波段比模型反演得到的覆盖度和实测值。由图10可以看出覆盖度散点大部分都位于1:1线附近,R2为0.83,RMSE为4.32%。