昆嵛山净生产力特征及其与植被指数、生物多样性关系

昆嵛山净生产力特征及其与植被指数、生物多样性关系

论文摘要

全球变化的研究是近年来国际上最为活跃的研究领域之一,作为衡量全球变化重要指标的生态系统净初级生产力(NPP)和生物多样性也因此受到各国学者的关注。随着遥感技术的发展和应用,逐渐形成并得到重视的植被指数能够较好的反映陆地植被的生长状况,也成为目前研究的一个热点。NPP是生态系统中其他生物成员生存和繁衍的物质基础,生物多样性是人类实现可持续发展的基础,植被指数可以表征植被的现状,三者之间存在着紧密的联系。卫星遥感技术的应用和发展为NPP的计算提供了一种新的方法,一些不同的技术、模型在不同尺度上和研究区域内的得到发展和应用。因而,利用遥感技术研究探讨NPP与植被指数、生物多样性之间关系,对于全球变化背景下的生态系统的研究具有重要的意义。以昆嵛山国家自然保护区为研究区,基于TM遥感数据计算不同大气校正模型下的植被指数;以改进的CASA模型,结合气象及其他数据,估算研究区域内NPP并分析其分布特征;以实地样方数据,计算样方生物多样性,分析其与植被指数关系并计算区域生物多样性。最后,以提取随机点的方式,用典型相关、回归方程的方法,探讨NPP与植被指数、生物多样性关系。研究区域内NPP模拟值总体较高,峰值出现在研究区域中心地带,即昆嵛山自然保护区的核心区内。在景观格局上,NPP平均值最高的是森林,其次为农田和灌草地,最低的为水体。NPP总值贡献最大的也是森林,占到总量的47.3%,其次为农田和裸地,贡献最小的为也是水体。在地形因素上,NPP均值随着海拔高度的升高基本呈现上升的趋势,中间稍有波动,而NPP总值随着海拔的上升,总体呈现先上升后下降的趋势;在坡度很小的区域上,NPP均值较低,之后NPP均值随坡度变化不大,直到达到一定值之后开始稳定下降,NPP总值随着坡度的增加基本呈现平稳下降的趋势,仅有小范围的波动;NPP均值和总值随坡向的变化不明显,不呈现规律性。样方生物多样性与特定的植被指数之间存在着较好的相关性,R值最大为0.63。不同的大气校正模型计算出的生物多样性不论在变化趋势上还是在具体值上均基本一致。三种生物多样性计算结果均与NPP呈现正相关,NPP随着生物多样性的增加而不断增大。相关性最好的为由黑暗像元法大气校正计算出的生物多样性,FLAASH大气校正计算出的生物多样性结果次之,6S大气校正计算出的结果相关性最低。植被指数与NPP之间存在一定的相关性,但不同的指数以及不同的大气校正方法下的相关性存在一定的差异。FLAASH大气校正的植被指数与NPP间的相关性最好,6S大气校正的植被指数与NPP间的相关性最低;温度植被指数TNDVI与NPP间的相关性最好,差值植被指数DVI与NPP之间的相关性最差,IRON OXIDE指数与NPP之间呈负相关。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景与意义
  • 1.2 研究进展
  • 1.2.1 初级生产力模拟
  • 1.2.2 植被指数计算
  • 1.2.3 生物多样性计算
  • 第二章 研究区概况
  • 2.1 自然地理概况
  • 2.2 植被概况
  • 2.3 管理建设现状
  • 第三章 研究方案
  • 3.1 研究目标
  • 3.2 研究内容
  • 3.3 基础数据
  • 3.3.1 数据来源
  • 3.3.2 遥感影像选择
  • 3.3.3 遥感影像校正
  • 3.4 研究区域的获取
  • 3.5 技术路线
  • 第四章 净初级生产力计算
  • 4.1 模型的选择
  • 4.2 模型原理
  • 4.3 模型的实现
  • 4.3.1 模型参数获取
  • 4.3.2 模型运行
  • 4.4 NPP计算结果与分析
  • 4.4.1 模型精度
  • 4.4.2 与其他模型比较
  • 4.4.3 NPP的分布规律
  • 第五章 植被指数与生物多样性
  • 5.1 植被指数计算
  • 5.1.1 大气校正
  • 5.1.2 植被指数计算
  • 5.2 样方生物多样性计算
  • 5.2.1 生物多样性指数的选取
  • 5.2.2 生物多样性指数的计算
  • 第六章 NPP与生物多样性、植被指数关系
  • 6.1 NPP与生物多样性
  • 6.1.1 区域生物多样性的计算
  • 6.1.2 NPP与生物多样性关系
  • 6.2 NPP与植被指数
  • 第七章 结论与讨论
  • 7.1 主要结论
  • 7.1.1 NPP及其分布规律
  • 7.1.2 NPP与生物多样性
  • 7.1.3 NPP与植被指数
  • 7.2 讨论
  • 参考文献
  • 致谢
  • 学位论文评阅及答辩情况表
  • 相关论文文献

    • [1].基于果蝇-鲍威尔优化的航空高光谱影像大气校正方法[J]. 光谱学与光谱分析 2018(01)
    • [2].资源三号卫星影像数据的大气校正研究[J]. 电力勘测设计 2017(S1)
    • [3].最小反射率法的资源三号影像大气校正[J]. 测绘科学 2020(04)
    • [4].基于模拟多光谱遥感影像的大气校正方法比较研究[J]. 矿山测量 2018(02)
    • [5].基于光谱匹配的大气校正方法[J]. 光学学报 2019(08)
    • [6].光学遥感卫星大气校正研究综述[J]. 南京信息工程大学学报(自然科学版) 2018(01)
    • [7].基于灰度共生矩阵的最小值去除法大气校正效果分析[J]. 安徽农业科学 2008(23)
    • [8].基于神经网络的二类水体大气校正[J]. 地理空间信息 2019(01)
    • [9].遥感影像地形与大气校正系统设计与实现[J]. 遥感技术与应用 2015(01)
    • [10].Sentinel-2A卫星大气校正方法及校正效果[J]. 遥感信息 2018(05)
    • [11].高光谱影像FLAASH大气校正模型参数影响与评价——以西藏山南为例[J]. 科技资讯 2012(34)
    • [12].地基Headwall高谱影像大气校正方法[J]. 空间科学学报 2019(04)
    • [13].基于6S模型NPP VIIRS数据快速大气校正及精度评估[J]. 激光与光电子学进展 2018(08)
    • [14].高光谱遥感影像的FLAASH模块大气校正与评价[J]. 测绘与空间地理信息 2015(10)
    • [15].面向地质应用的航空高光谱CASI-SASI数据大气校正方法对比研究[J]. 光谱学与光谱分析 2019(09)
    • [16].基于FLAASH的高光谱遥感数据大气校正应用[J]. 物探化探计算技术 2010(04)
    • [17].基于6S-GDAL大气校正软件的实现与应用[J]. 城市勘测 2018(06)
    • [18].Sentinel-2卫星影像的大气校正方法[J]. 光学学报 2018(01)
    • [19].鄱阳湖Landsat遥感影像大气校正研究[J]. 城市地理 2017(20)
    • [20].不同大气校正方法对浒苔遥感监测效果影响研究[J]. 环境科学与技术 2017(12)
    • [21].Landsat-8 OLI卫星数据的大气校正检验及其应用[J]. 海洋科学 2018(06)
    • [22].多云雨城市地区Landsat多时相影像的大气校正反射率特征评估[J]. 华南师范大学学报(自然科学版) 2018(01)
    • [23].采用MODIS大气产品的高分一号WFV数据大气校正[J]. 遥感信息 2018(05)
    • [24].近红外通道辐射测量误差对水体大气校正的影响[J]. 光谱学与光谱分析 2013(07)
    • [25].基于大气参数拟合的GF-1多光谱影像大气校正[J]. 海洋测绘 2018(05)
    • [26].基于FLAASH模块中参数对EO-1数据大气校正的影响[J]. 内江科技 2012(08)
    • [27].MODIS大气校正精度评价及其对表层雪密度提取影响[J]. 国土资源遥感 2011(01)
    • [28].基于查找表的塔基平台O_2-A波段大气校正方法研究[J]. 遥感技术与应用 2019(03)
    • [29].浑浊二类水体的高分四号卫星大气校正效果分析[J]. 光谱学与光谱分析 2018(04)
    • [30].基于海岛阴坡植被和短波红外水体的遥感水色大气校正——以ETM影像为例[J]. 海洋学报(中文版) 2012(05)

    标签:;  ;  ;  ;  

    昆嵛山净生产力特征及其与植被指数、生物多样性关系
    下载Doc文档

    猜你喜欢