庐山不同森林植被类型土壤碳库管理指数评价

土壤碳库管理指数(CPMI)是表征土壤碳库变化的一个重要量化指标,能够反映土壤的碳库变化和碳库质量。选取庐山8种森林植被类型土壤为研究对象,对其土壤有机碳库特征及碳库管理指数进行系统研究。结论表明:(1)土壤有机碳(SOC)主要分布于0~20 cm土层中,随着土层深度增加,不同森林植被类型下SOC含量急剧下降;在0~60 cm土层中,不同森林植被类型下SOC含量的平均值排序为:马尾松林常绿阔叶林灌丛针阔混交林常绿-落叶混交林黄山松林落叶阔叶林竹林。(2)不同森林植被类型下活性有机碳(ASOC)含量为0.24~0.57 g·kg–1,总有机碳(TOC)含量为9.72~14.74 g·kg–1,土壤碳库指数(CPI)为1.63~2.48,碳库活度(A)为0.019~0.062,碳库活度指数(AI)为0.388~1.265。不同森林植被类型下ASOC含量排序:落叶阔叶林黄山松林常绿-落叶阔叶混交林灌丛针阔混交林常绿阔叶林竹林马尾松林;不同森林植被类型下ASOC/TOC(%)排序:落叶阔叶林黄山松林常绿-落叶阔叶混交林竹林灌丛针阔混交林常绿阔叶林马尾松林;不同森林植被类型下CPMI排序为:落叶阔叶林黄山松林常绿-落叶阔叶混交林灌丛针阔混交林常绿阔叶林竹林马尾松林。     

基于时序NDVI数据的鄱阳湖流域常绿覆被季节性变化特征

选择位于红壤丘陵区的鄱阳湖流域作为研究对象,利用1 km×1 km分辨率的时序SPOT4-VEGETATION数据,对流域内典型土地覆被--常绿覆被的绿度值、峰值、谷值、年均NDVI(NDVI-I)和NDVl年内极差(NDVIMM)等特征值进行了提取.在此基础上,探讨了不同常绿覆被类型的NDVI指数年内季节变化规律.结果表明:时序NDVI指数基本上能够较好地刻画不同常绿覆被类型之间的差异性,植被指数NDVI特征值随覆被的类型及其生长状态有规律地变化,即NDVI年均值和最小值基本上按"常绿阔叶林＞常绿针阔叶混交林＞常绿针叶林＞常绿针叶一落叶混交林"的顺序变化;典型常绿阔叶林的NDVI指数年内变化曲线基本上没有大的起伏波动;常绿针叶林以及常绿针阔叶混交林占主导地位的常绿混交林NDVI指数年内变化比较和缓,但常在8月和11月有所波动;以常绿针叶林为主、但有较多落叶林混杂其中的常绿混交林,其NDVI指数年内变化曲线基本上呈和缓的单峰型波动.     

基于时序NDVI数据的鄱阳湖流域常绿覆被季节性变化特征

选择位于红壤丘陵区的鄱阳湖流域作为研究对象，利用1 km×1 km分辨率的时序SPOT4 VEGETATION数据，对流域内典型土地覆被--常绿覆被的绿度值、峰值、谷值、年均NDVI(NDVI-I)和NDVI年内极差(NDVI MM)等特征值进行了提取。在此基础上，探讨了不同常绿覆被类型的NDVI指数年内季节变化规律。结果表明：时序NDVI指数基本上能够较好地刻画不同常绿覆被类型之间的差异性，植被指数NDVI特征值随覆被的类型及其生长状态有规律地变化，即NDVI年均值和最小值基本上按“常绿阔叶林＞常绿针阔叶混交林＞常绿针叶林＞常绿针叶-落叶混交林”的顺序变化；典型常绿阔叶林的NDVI指数年内变化曲线基本上没有大的起伏波动；常绿针叶林以及常绿针阔叶混交林占主导地位的常绿混交林NDVI指数年内变化比较和缓，但常在8月和11月有所波动；以常绿针叶林为主、但有较多落〖JP2〗叶林混杂其中的常绿混交林，其NDVI指数年内变化曲线基本上呈和缓的单峰型波动。     

赣江河岸带植被的数量分析

河岸带是河流-陆地生态系统的重要生态交错带,具有独特的生态系统结构和功能。基于植物群落的野外标准样方调查,采用双向指示种分析(TWINSPAN)和除趋势对应分析(DCA)的多元分析方法,对赣江河岸带植物群落进行数量分类与排序。TWINSPAN将所调查的109个样方分为7组。DCA排序将TWINSPAN分成7组的第1和2组合成了一个植被类型,其余类型与TWINSPAN分类的结果比较一致。结合分类与排序结果,可将赣江河岸带植被分为6个植被类型：河岸带草丛、河岸落叶阔叶群落、河漫滩草甸、河岸常绿阔叶林、河岸针阔混交林、岗地马尾松林,这6个植被类型在赣江河岸带有明显的分布格局。赣江河岸带植被为典型的隐域性植被,然而其物种组成又兼具中亚热带常绿阔叶林地带的烙印。受人为活动影响,河岸带植被结构及其功能均发生退化。因此,亟需加强河岸带恢复重建和生态系统管理     

唐家河保护区主要植被类型景观格局的梯度分析

在遥感图像基础上,利用GIS技术从景观指数方面定量分析了唐家河自然保护区主要植被类型在东西、南北和西北至东南3个方向上的梯度变化。结果表明：次生落叶阔叶林、常绿落叶阔叶混交林、针阔叶混交林与针叶林的梯度变化明显,并且在各方向上具有不同的变化特征。其中,常绿落叶阔叶混交林从西北至东南方向的梯度变化最为复杂, 斑块数量与面积分别呈“升-降-升-降”与“升-降-升”的波动变化趋势,而边界密度与平均最近距离呈先升后降的变化趋势,两端破碎度高但连接性好,中部相反。针叶林从北至南的梯度变化最为简单,斑块面积减少,破碎度与复杂度降低,南北两端分布较多,中部较少。唐家河自然保护区植被景观格局在不同方向上的梯度变化研究为地震后该地区的植被保护与管理提供重要指导意义。     

宝钢林地土壤有机碳含量的研究

通过对宝钢厂区4种不同污染程度区内,不同林分和不同树种下土壤0～20cm、20～40cm基本理化性质和有机碳含量的测定,分析城市工业环境下林地土壤有机碳含量的特征,以实现合理的绿化布局,提高绿地减碳效益。结果表明:工业区林地土壤有机碳具有"表聚作用";清洁区内落叶阔叶林土壤有机碳含量高,建议多种柳树;轻度污染区内针阔混交林含量高,针阔混交后土壤有机碳含量明显高于针叶林和常绿阔叶林,建议多种雪松+广玉兰和雪松+香樟;中度污染区和严重污染区内常绿阔叶林有机碳含量高,建议分别多种蚊母和女贞,同时严重污染区应丰富植被类型。     

基于决策树—山体阴影模型的植被信息提取研究

植被是土地覆被分类的重要内容,植被分类对研究流域生态具有重要参考价值。鄂西犟河流域是南水北调中线工程的重要水源地,该区以中低山和丘陵为主,地形起伏剧烈,导致遥感影像存在大量阴影,制约了植被分类的精度。基于LandSAT OLI影像,使用ArcGIS的Hillshade模块,输入DEM数据和传感器具体参数,计算得到影像成像时刻阴影的准确分布;统计野外采集地物样本点在MNDWI、NDVI和RVI等指数上的差异;结合决策树分类法,分别设定阴影和非阴影下6类样本的阈值进行分类。结果表明:(1)该方法总分类精度能够达到92.93%,Kappa系数为0.912;(2)阴影和非阴影区植被具备明显的同物异谱和异物同谱特征,表现为阳面的植被指数整体高于阴面;3类林地的RVI值由高往低依次为:灌木,混交林和针叶林。(3)传统经验模型在不同纬度的适用性不同,无法精确提取阴影的范围,降低了分类精度;决策树—山体阴影模型作为一种智能分类方法,能够还原Landsat OLI影像准确的阴影分布,提高山地和丘陵等阴影面积大、形状复杂区域的植被分类精度。     

唐家河保护区主要植被类型景观格局的梯度分析

在遥感图像基础上，利用GIS技术从景观指数方面定量分析了唐家河自然保护区主要植被类型在东西、南北和西北至东南3个方向上的梯度变化。结果表明：次生落叶阔叶林、常绿落叶阔叶混交林、针阔叶混交林与针叶林的梯度变化明显，并且在各方向上具有不同的变化特征。其中，常绿落叶阔叶混交林从西北至东南方向的梯度变化最为复杂， 斑块数量与面积分别呈“升—降—升—降”与“升—降—升”的波动变化趋势，而边界密度与平均最近距离呈先升后降的变化趋势，两端破碎度高但连接性好，中部相反。针叶林从北至南的梯度变化最为简单，斑块面积减少，破碎度与复杂度降低，南北两端分布较多，中部较少。唐家河自然保护区植被景观格局在不同方向上的梯度变化研究为地震后该地区的植被保护与管理提供重要指导意义。     

基于MODIS数据的安徽省植被水分利用效率时空变化及影响因素

水分利用效率是衡量生态系统碳水循环耦合程度的重要指标。基于MODIS数据、土地覆盖类型数据和气象数据,估算安徽省植被水分利用效率(WUE）,采用趋势分析法和相关分析法对安徽省2000~2014年植被WUE的时空格局、变化趋势及影响因素进行研究。研究表明:（1）不同植被类型的WUE年均值差异明显,常绿阔叶林和常绿针叶林的WUE均值较高,分别达到1.66和1.69 gC?mm-1?m-2,而耕地的年均WUE最低,各植被类型的年均WUE按照“常绿针叶林>常绿阔叶林>灌木>草地>落叶阔叶林>针阔混交林>耕地”的顺序递减。植被年均WUE具有较强的空间分异性规律,整体上呈现南北高中间低的趋势,植被WUE的高值区主要分布在大别山区和皖南山区,分布范围与常绿针叶林、常绿阔叶林的分布范围基本一致。（2）安徽省2000~2014年植被WUE年内变化呈现出“增加-减小-增加-减小”的M状“双峰型”趋势,具有明显的季节差异,呈现出春季＞秋季＞夏季＞冬季的特征,各季节植被WUE的均值分别占植被WUE的32.58%、24.91%、29.27%、13.24%。（3）安徽省植被WUE动态变化受到降水影响显著的区域占比3.88%;气温显著影响的区域占比2.19%;降水显著影响的地区主要分布在林地范围内,温度显著影响的地区则位于耕地范围内,降水和气温综合显著影响所占面积最小,为0.11%;而植被WUE受气温和降水影响均不显著占比为93.82%;整体上,安徽省大部分地区的植被WUE变化主要受非气候因素影响。     

三峡库区森林植被分布的地形分异特征

基于森林植被GIS数据库和群落调查,对三峡库区森林植被分布的地形分异特征进行分析。结果表明：（1）三峡库区森林植被主要分布在海拔400~1200 m,随海拔上升和坡度增大,森林覆盖率逐步提高,海拔为400 m以下区间森林覆盖率最低。（2）不同海拔级的优势森林类型分别为灌木林（400 m以下、1 200~1 600 m、1 600~2 000 m和2 000 m以上）、马尾松林（400~800 m和800~1 200 m）。各森林类型分布面积占该类型总面积百分比在不同海拔级上的分布都为单峰型,海拔由低到高出现峰值的森林类型依次为竹林、经济林和柏木林（800 m以下）、暖温性针叶林（1 600 m以下）、针叶混交林和针阔叶混交林（400~1 600 m）、阔叶林（800~2 000 m）、温性针叶林（1 200~2 000 m）。（3）柏木林、马尾松林、杉木林、温性松林、针叶混交林及针阔混交林主要分布在坡度低于35°区域,竹林和经济林主要分布在坡度小于25°区域。在坡度低于5°、6°~15°和16°~25°的区域,马尾松面积均最大,在坡度为26°以上的区域,灌木林分布面积均最大。（4）各类植被类型在各个坡向上分布面积变化不大。研究结果为三峡库区生态规划和建设提供科学依据.     

庐山不同森林植被类型土壤特性及其健康评价

土壤作为森林生态系统的一个重要因子,评价森林土壤健康状况对森林健康的维护经营以及森林系统功能的发挥具有重要意义。在系统调查和分析庐山8种森林植被类型土壤特性的基础上,评价指标分别从物种多样性以及不同的森林土壤特性中进行筛选,包括物种多样性系数、枯落物层厚度、腐殖质层厚度、土层厚度、容重、粘粒含量、有机质、p H值、阳离子交换量、全氮、水解氮、有效磷、速效钾、磷酸酶活性等指标,基于SPSS19.0软件对所获得数据进行差异性检验和相关分析,确定各项指标的权重,应用合适的土壤健康评分函数,将测得的指标值转换为对应指标的分值,最后通过加权综合法,计算其土壤健康指数,并对不同森林植被类型土壤健康状况进行评价。结果表明,8种森林植被类型下最终的土壤健康指数大小排序为:针阔混交林(0.78)常-落混交林(0.72)灌丛(0.69)常绿阔叶林(0.67)落叶阔叶林(0.64)竹林(0.59)马尾松林(0.53)黄山松林(0.46)。     

三峡库区不同林型土壤的入渗能力研究

利用环刀入渗法,观测了三峡库区山地不同海拔地段森林土壤的入渗过程,对比分析了典型林型下土壤各发生层的入渗率和常用入渗模型的适宜性。结果表明：不同林型下土壤入渗能力的差异在各发生层内表现不一致;腐殖质层和淋溶淀积层的入渗率差异相似,温性落叶阔叶林山地棕壤<常绿落叶阔叶混交林山地黄棕壤<暖性针叶林山地黄壤,入渗主要受土壤质地的影响,质地较重的粉壤土入渗能力比质地较轻的砂质黄壤差;母质层则相反,山地棕壤>山地黄棕壤>山地黄壤,黄壤母质风化度低,土壤密度大,渗透性能较差;同一林型土壤的不同发生层相比较,山地棕壤和山地黄棕壤的入渗能力随土层深度增加而增大,腐殖质层<淋溶淀积层<母质层,而山地黄壤则呈相反趋势。温性落叶阔叶林山地棕壤和常绿落叶阔叶混交林山地黄棕壤的入渗率随时间下降明显,而暖性针叶林山地黄壤降低幅度较小,趋于稳定入渗的时间较短。入渗曲线拟合显示,Horton方程对3种森林土壤入渗过程的模拟效果较好,是描述三峡库区森林土壤入渗过程的适宜模型     

江西庐山自然保护区主要森林植被水土保持功能评价

随着环境压力的与日俱增以及森林过度采伐带来的生态危机的加剧,森林生态系统控制水土流失与涵养水源功能的量化及机理研究已成为各国生态学家、林学家、水土保持学家共同关注的课题。以江西庐山自然保护区的6种主要森林植被为研究对象,基于野外调查和室内实验获取的相关数据,采用层次分析法,选取郁闭度、丰富度指数、土壤容重、毛管孔隙度、土壤稳渗速率、枯落物储量、枯落物分解强度、海拔、坡度等15个指标构建多层次多指标的水土保持功能评价体系,根据层次总排序结果,分别计算出各指标的权重,并利用线型评分函数求出各森林植被类型水土保持功能的综合评价值,即6种主要森林植被类型水土保持功能排序为:常绿阔叶林玉山竹林常绿-落叶阔叶混交林落叶阔叶林黄山松林马尾松林。     

Identification of Forest Vegetation Using Vegetation Indices

Spectral feature of forest vegetation with remote sensing techniques is the research topic all over the world, because forest plays an important role in human beings' living environment. Research on vegetation classification with vegetation index is still very little recently. This paper proposes a method of identifying forest types based on vegetation indices, because the contrast of absorbing red waveband with reflecting near-infrared waveband strongly for different vegetation types is recognized as the theoretic basis of vegetation analysis with remote sensing. Vegetation index is highly related to leaf area index, absorbed photosynthetically active radiation and vegetation cover. Vegetation index reflects photosynthesis intensity of plants and manifests different forest types. According to reflectance data of forest canopy and soil line equation NIR=1.506R+0.0076 in Jingyuetan, Changchun of China, many vegetation indices are calculated and analyzed. The result shows that the relationships between veg     

Identification of Forest Vegetation Using Vegetation Indices

Abstract

Spectral feature of forest vegetation with remote sensing techniques is the research topic all over the world, because forest plays an important role in human beings' living environment. Research on vegetation classification with vegetation index is still very little recently. This paper proposes a method of identifying forest types based on vegetation indices, because the contrast of absorbing red waveband with reflecting near-infrared waveband strongly for different vegetation types is recognized as the theoretic basis of vegetation analysis with remote sensing. Vegetation index is highly related to leaf area index, absorbed photosynthetically active radiation and vegetation cover. Vegetation index reflects photosynthesis intensity of plants and manifests different forest types. According to reflectance data of forest canopy and soil line equation NIR=1.506R+0.0076 in Jingyuetan, Changchun of China, many vegetation indices are calculated and analyzed. The result shows that the relationships between vegetation indices and forest types are that perpendicular vegetation index (PVI) identifies broadleaf forest and coniferous forest the most easily; the next is transformed soil-adjusted vegetation index (TSVI) and modified soil-adjusted vegetation index (MSVI), but their calculation is complex. Ratio vegetation index (RVI) values of different coniferous forest vary obviously, so RVI can classify conifers. Therefore, the combination of PVI and RVI is evaluated to classify different vegetation types.