基于遥感的南四湖菹草群落时空演变特征及其原因分析

doi:10.13466/j.cnki.lyzygl.2020.01.010

林业资源管理 ›› 2020, Vol. 0 ›› Issue (1): 70-78.doi: 10.13466/j.cnki.lyzygl.2020.01.010

基于遥感的南四湖菹草群落时空演变特征及其原因分析

焦银合¹, 于泉洲¹^,²(), 刘恩峰³, 梁春玲⁴, 田晓飞¹^,², 张保华¹^,²

^1. 聊城大学环境与规划学院,山东聊城 252059
^2. 聊城大学东平湖湿地研究所,山东聊城 252059
^3. 山东师范大学地理与环境学院,济南 250014
^4. 商丘师范学院测绘与规划学院,河南商丘 476000

收稿日期:2019-11-01 修回日期:2019-12-06 出版日期:2020-02-28 发布日期:2020-05-18
通讯作者: 于泉洲 E-mail:yuquanzhou2008@126.com
作者简介:焦银合（1995-），男，山东威海人，学士，研究方向：遥感与ＧＩＳ应用。Email:jiaoyinheel@126.com
基金资助:
国家自然科学基金项目(31800367);国家社会科学基金项目(14CJY077);聊城大学博士基金项目(318051530)

The Characteristics of and Causes to Spatiotemporal Evolution Potamogeton crispus L. Community in Nansi Lake Based on Remote Sensing Data

Yinhe JIAO¹, Quanzhou YU¹^,²(), Enfeng LIU³, Chunling LIANG⁴, Xiaofei TIAN¹^,², Baohua ZHANG¹^,²

^1. School of Environment and Planning,Liaocheng University,Liaocheng,Shandong 252059
^2. Research Institute of Dongpinghu Wetlands,Liaocheng University,Liaocheng,Shandong 252059
^3. College of Geography and Environment,Shandong Normal University,Ji'nan 250014
^4. Department of Surveying and Planning,Shangqiu Normal University,Shangqiu,Henan 476000

Received:2019-11-01 Revised:2019-12-06 Online:2020-02-28 Published:2020-05-18
Contact: Quanzhou YU E-mail:yuquanzhou2008@126.com

摘要/Abstract

摘要：

作为山东第一大湖和南水北调东线工程的必经路线,近年来,南四湖菹草泛滥严重,引发水质污染和河道阻塞等生态问题,对南水北调工程构成季节性威胁。因此,科学地提取湖区中的菹草,明确其时空变化特征对后续治理工作具有重大意义。基于MODIS MOD13Q1 16d合成数据提取的南四湖不同地类的NDVI时序曲线的特征差异及物候信息,结合Landsat系列数据监督分类的结果,借助决策树及遥感动态监测手工阈值设定方法,对多年间湖区菹草群落分别进行提取,探究菹草群落的时空分布特征。研究结果表明,自2000年起,南四湖菹草群落面积呈大幅增长趋势,由1988年的25.22km ²上升至2018年的171.46km ²,且由湖岸地区蔓延至湖心,占湖区面积比由3.61%上升至24.55%,尤其是微山湖最为明显。年际尺度上,菹草已由普通优势种演变为湖区绝对优势种。经过Spearman秩相关分析和Pearson相关分析发现,菹草面积与湖区营养盐和富营养化程度等指标的相关系数均显著高于0.8(P<0.05),相关性显著。南四湖菹草的泛滥现状对南四湖生态治理提出了更高的要求,应加大治理力度以防其对南水北调水质造成影响。

关键词: 南四湖, 菹草, NDVI时序曲线, 物候信息, MODIS, Landsat, 环境遥感

Abstract:

Nansi Lake is the largest lake in Shandong province and one of the largest freshwater lakes in China.In recent years,Nansi Lake has been threatened by the serious flooding of Potamogeton crispus L. From April to May, P.crispus grows vigorously in the lake area,becoming the only dominant species in the submerged plant area.In June, P.crispus declines rapidly,which not only causes severe ecological problems such as water pollution and waterway blocking,but also becomes seasonal threats to the water quality of the South-to-North Water Transfer Project.Based on the characteristics and phenological information shown by the NDVI time-series curves of different typical landscape extracted from MODIS MOD13Q1 16d that are combined with Landsat data,the community of P.crispus in Nansi Lake was extracted and visualized as the distribution maps.The results showed that from the beginning of 21st century,the area of P.crispus in Nansi Lake increased from 25.22 km ² in 1980s to 171.46 km ²in 2018,and that the distribution range of P.crispus had been expanded from the lakeside to the centre of the lake from past 30 years,with the ratio increasing from 3.61% to 24.55%.On inter-annual scales, P.crispus developed from an ordinary dominant species into an absolute dominant species in the lake.Additionally,the Pearson Correlation and the Spearman Rank Correlation Analysis were used to reveal the correlations between the area of P.crispus and lake eutrophication level or water quality.Results revealed that there was no correlation between the area of P.crispus and water quality,but the correlations were significantly positive between the area of P.crispus and the other three related factors.Specifically,the correlation coefficients are higher than 0.8,which means a significantly positive correlation.The current situation of the P.crispus in Nansi Lake ask a higher requirements for the management in Nansi Lake.Departments should strengthen the control of P.crispus in order to prevent further extension in Nansi Lake.

Key words: Nansi Lake, Potamogeton crispus L., NDVI Time-series, phenological information, MODIS, Landsat, remote sensing of environment

中图分类号:

焦银合, 于泉洲, 刘恩峰, 梁春玲, 田晓飞, 张保华. 基于遥感的南四湖菹草群落时空演变特征及其原因分析[J]. 林业资源管理, 2020, 0(1): 70-78.

Yinhe JIAO, Quanzhou YU, Enfeng LIU, Chunling LIANG, Xiaofei TIAN, Baohua ZHANG. The Characteristics of and Causes to Spatiotemporal Evolution Potamogeton crispus L. Community in Nansi Lake Based on Remote Sensing Data[J]. FOREST RESOURCES WANAGEMENT, 2020, 0(1): 70-78.

图/表 13

图1

表1

图2

图3

图4

图5

图6

图7

表2

图8

图9

表3

表4

参考文献 40

[1]	殷康前, 倪晋仁 . 湿地研究综述.生态学报[J]. 1998,5(18):539-546.
[2]	金送笛, 李永函, 倪彩虹 , 等. 菹草对水中氮、磷的吸收及若干影响因素[J]. 生态学报, 1994,2(14):168-173.
[3]	李俊生, 吴迪, 吴远峰 , 等. 基于实测光谱数据的太湖水华和水生高等植物识别[J]. 湖泊科学, 2009,21(2):215-222.
[4]	刘克, 赵文吉, 郭逍宇 , 等. 野鸭湖典型湿地植物光谱特征[J]. 生态学报, 2010,30(21):5853-5861.
[5]	袁琳, 张利权 . 大型沉水植物苦草的光谱特征识别[J]. 生态学报, 2006,26(4); 1005-1011.
[6]	Matta E, Bresciani M, Giardino C, et al. Remote Sensing supports EULAKES project for mapping submerged macrophytes in Lake Garda[R/OL].(2013-04). http://www.researchgate.net/publication/258770613_Remote_Sensing_supports_EULAKES_project_for_mapping_submerged_macrophytes_in_Lake_Garda.
[7]	Dogan O, Akyurek Z, Beklioglu M . Identification and mapping of submerged plants in a shallow lake using quickbird satellite data[J]. Journal of Environmental Management, 2009,7(90):2138-2143.
[8]	Underwood E C, Mulitsch M J, Greenberg J A , et al. Mapping Invasive Aquatic Vegetation in the Sacramento-San Joaquin Delta using Hyperspectral Imagery[J]. Environmental Monitoring and Assessment, 2006,121(1-3):47-64. doi: 10.1007/s10661-005-9106-4
[9]	郭昱杉, 刘庆生, 刘高焕 , 等. 基于MODIS时序NDVI主要农作物种植信息提取研究[J]. 自然资源学报, 2017,32(10):1808-1818.
[10]	宋富强, 邢开雄, 刘阳 , 等. 基于MODIS/NDVI的陕北地区植被动态监测与评价[J]. 生态学报, 2011,31(2):354-363.
[11]	Brozen M, Woods K, Maki A , et al. Monitoring Invasive Aquatic Vegetation in Lake Okeechobee,Florida,Using NDVI Derived from Modis Data[R]. AGU Fall Meeting Abstracts, 2009.
[12]	张圳, 张弥, 肖薇 , 等. 太湖水生植被NDVI的时空变化特征分析[J]. 遥感学报, 2018,22(2):324-334.
[13]	梁莉莉, 于泉洲, 邓焕广 , 等. 基于时序NDVI的东平湖菹草(Potamogeton crispus L.)遥感提取及时空格局[J]. 湖泊科学, 2019,31(2):529-538.
[14]	于泉洲, 张祖陆, 高宾 , 等. 基于RS和FRAGSTATS的南四湖湿地景观格局演变研究[J]. 林业资源管理, 2013(2):108-115.
[15]	于泉洲, 张祖陆, 袁怡 . 山东省南四湖湿地植被碳储量初步研究[J]. 云南地理环境研究, 2010,27(5):88-93.
[16]	刘良明, 梁益同, 马慧云 , 等. MODIS和AVHRR植被指数关系的研究[J]. 武汉大学学报:信息科学版, 2004,4(29):307-310.
[17]	客涵, 李秀启, 董贯仓 , 等. 南四湖敞水区水生植物群落物种多样性分析[J]. 山东农业大学学报:自然科学版, 2018,49(3):408-413.
[18]	于信芳, 庄大方 . 基于MODIS NDVI数据的东北森林物候期监测[J]. 资源科学, 2016,4(28):111-117.
[19]	那晓东, 张树清, 李晓峰 , 等. MODIS NDVI时序序列在三江平原湿地植被信息提取中的应用[J]. 湿地科学, 2007,5(3):227-236.
[20]	马迎丽, 吴广州, 孟娟 , 等. 菹草疯长对南四湖水质的影响[J]. 河北渔业, 2016(11):14-18.
[21]	张莎, 张佳华, 白雲 , 等. 基于MODIS-EVI及物候差异免阈值提取黄淮海平原冬小麦面积[J]. 农业工程学报, 2018,34(11):150-158.
[22]	杨琳, 高苹, 居为民 . 基于MODIS NDVI数据的江苏省冬小麦物候期提取[J]. 江苏农业科学, 2016,44(1):315-320.
[23]	王玉丽, 马震 . 应用ENVI 软件目视解译TM影像土地利用分类[J]. 现代测绘, 2011,1(34):11-13.
[24]	客涵 . 南四湖沉水、浮叶植物群落结构与水环境因子相关研究[D]. 济南:山东大学, 2014.
[25]	王军邦, 陶健, 李贵才 , 等. 内蒙古中部MODIS植被动态监测分析[J]. 地球信息科学学报, 2010,12(6):835-842.
[26]	汪殿蓓, 暨淑仪, 陈飞鹏 . 植物群落物种多样性研究综述[J]. 生态学杂志, 2001,20(4):55-60.
[27]	刘艳, 聂磊, 杨耘 . NDVI相似性分区下天山地区草地总产草量遥感估算[J]. 草业科学, 2018,7(35):1754-1764.
[28]	曹毅 . 骆马湖菹草过度繁殖原因分析[C]. 北京:2014中国环境科学学会学术年会, 2015.
[29]	李吉学 . 南四湖水环境污染状况及趋势分析[J]. 治淮, 2001(2):9-10.
[30]	杨丽原, 沈吉, 刘恩峰 , 等. 南四湖现代沉积物中营养元素分布特征[J]. 湖泊科学, 2007,19(4):390-396.
[31]	李艳红, 杨丽原, 刘恩峰 , 等. 南四湖富营养化评价与原因分析[J]. 济南大学学报:自然科学版, 2010,2(24):212-215.
[32]	解文静, 王松, 娄山崇 , 等. 山东南四湖上级湖水质变化评价(2008—2014年)及成因分析[J]. 湖泊科学, 2016,28(3):513-519.
[33]	陈妮, 武周虎, 郭琦 , 等. 2006—2015年南四湖水质评价及改善效果分析[J]. 水电能源科学, 2018,36(6):44-47.
[34]	朱鹏 . 山东微山湖地区水产养殖现状[J]. 海洋与渔业, 2013(9):60-63.
[35]	蔡叶红, 赵联芳, 朱伟 . 营养盐浓度对共培体系中沉水植物、铜绿微囊藻的生理影响[C]. 北京:中国环境科学学会学术年会, 2008.
[36]	高华梅, 谷孝鸿, 曾庆飞 , 等. 不同基质下菹草的生长及其对水体营养盐的吸收[J]. 湖泊科学, 2010: 22(5), 655-659.
[37]	易志杰 . 光强及水体氮磷对菹草生长和繁殖体形成的影响[D]. 武汉:华中农业大学, 2018
[38]	吴珂, 陈国浩, 蔡鹏 , 等. 山东西南部南四湖水位变化特征及其与气候要素的相关分析[J]. 冰川冻土, 2015,37(4):1087-1093. doi: 10.7522/j.issn.1000-0240.2015.0121
[39]	于泉洲, 董杰, 刘恩峰 , 等. 基于MODIS的南四湖植被覆盖变化的时空特征研究[J]. 林业资源管理, 2017(1):144-152.
[40]	张德君, 高航, 杨俊 , 等. 基于GIS的南四湖湿地生态脆弱性评价[J]. 资源科学, 2014,36(4):874-882.

年份	传感器	儒略日	行列号
1988	Landsat 5 TM	122/166	36/122
1996	Landsat 5 TM	111/168	36/122
2000	Landsat 5 TM	122/170	36/122
2006	Landsat 5 TM	122/167	36/122
2010	Landsat 5 TM	117	36/122
2010	Landsat 7 ETM+	173	36/122
2013	Landsat 7 ETM+	117/165	36/122
2017	Landsat 8 OIL	120/168	36/122
2018	Landsat 8 OIL	123/171	36/122

年份	菹草面积/km²	占湖区面积比/%	占湿地面积比/%
1988	25.22	3.61	1.98
1996	32.87	4.71	2.58
2000	40.32	5.77	3.16
2006	73.39	10.51	5.75
2010	102.26	14.64	8.02
2013	188.76	27.03	14.80
2017	193.74	27.74	15.19
2018	171.46	24.55	13.44

年份	TP(mg/L)		TN(mg/L)		富营养化程度	水质级别
年份	变化范围	均值	变化范围	均值	富营养化程度	水质级别
1980—1990^[29]	0.01~0.04	0.02	0.4~0.80	0.60	中度营养化	Ⅱ类
1990—2000^[29]	0.04~0.12	0.09	0.66~1.04	0.87	中度营养化	Ⅲ类
2000—2002^[30]	0.15~0.20	0.17	1.80~3.50	1.10	轻度富营养化	劣V类
2005—2008^[29,30,31]	0.22~0.33	0.28	0.9~1.20	1.01	轻度富营养化	Ⅳ类
2010—2013^[32]	0.09~0.20	0.14	0.70~2.40	2.20	中度富营养化	Ⅲ类
2013—2016^[32,33]	0.09~0.70	0.43	1.62~2.17	2.05	中度富营养化	Ⅲ类
2016— ^[32,33]	0.23~0.82	0.75	0.36~2.64	2.44	中度富营养化	Ⅲ类

相关分析项	Pearson相关性分析		Spearman秩相关性分析		相关性
相关分析项	相关系数R	P值	相关系数R	P值	相关性
TP	0.884	0.008	0.893	0.007	显著正相关
TN	0.893	0.007	0.929	0.003	显著正相关
富营养化程度	0.861	0.013	0.945	0.001	显著正相关
水质	-0.205	0.659	0.158	0.736	不相关

基于遥感的南四湖菹草群落时空演变特征及其原因分析

The Characteristics of and Causes to Spatiotemporal Evolution Potamogeton crispus L. Community in Nansi Lake Based on Remote Sensing Data

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 40

相关文章 0

编辑推荐

Metrics

本文评价