黄河三角洲湿地景观格局演变及其水生态过程驱动机制
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
黄河三角洲湿地景观格局演变及其水生态过程驱动机制一、研究内容
①通过调查研究,探索总结出黄河三角洲湿地景观格局演变状态规律
②通过调查研究,探究在景观格局演变时,该地区水生态要素的状态变化规律
③找寻黄河三角洲景观格局演变与水生态变化间的因果关系,从而总结出该地区的水生态过程驱动景观格局演变的机制
二、研究方案
2.1研究路线图
2.2具体操作方案
2.2.1黄河三角洲湿地景观格局演变研究
2.2.1.1背景资料调查及数据收集
首先,对黄河三角洲湿地这一研究区的概况进行文献和实地的调查了解,主要获取研究区的水文、气象、降水、基本用地类型、主要地面植被物种等情况。
考虑到研究资料的丰富性和完整性,设定研究的时间跨度为近20年,即1997-2017年,收集获取该时间跨度内,每年黄河三角洲的卫星遥感影像一张。考虑到数据的均匀性,并结合之前的研究区资料,尽量获取清晰度较高(如分辨率为30m以上的),无云层遮挡的统一月份(如10月左右,较少有降雨和云层的天气)的遥感影像。
同时,也获取一些之前年份和其他月份的影像,作为背景研究和辅助资料等。
2.2.1.2遥感解译及景观格局演变研究
使用ArcGIS等软件,对获取的影像进行统一校正,处理,栅格转化等,使研究对象遥感影像格式统一,数据恰和,并能够进行下一步的景观格局分析。
将处理好的遥感影像使用FRAGSTA TS、ENVI等软件进行解译与景观格局分析:
⏹获取到每张遥感影像的景观格局指数,如:
✧在斑块水平上的:斑块类型、斑块类型面积、周长、均值标准差等
✧在景观水平上的:分维度指数、多样性指数、聚集度指数、连通性等
⏹运用马尔科夫转移矩阵分析景观格局变化等
从而获取到景观格局演变的定性指标和定量指标,对黄河三角洲地区近年来的景观格局变化有一全面的认识,并总结出一些景观格局变化的初步规律及内部的数据间的关联性。
2.2.2黄河三角洲湿地水生态演变研究
2.2.2.1背景资料调查及数据收集
对黄河三角洲地区的水生态资料进行调查和收集,调查该地区过去20年的水文资料,包括水量、流速、地下地上水位、水资源利用情况、水含沙率等;调查水环境资料,包括水环境指标数据、水盐度碱度等;调查气象资料,包括降雨量、蒸发量、含水量等;调查生态系统生态生物指标,包括物种多样性、优势种、入侵种等。并从中发现一定的规律,为后续实地调查打下基础确定方向
2.2.2.2实地调研采样
在资料调查完全但发现仍须有更多信息的基础上对黄河三角洲研究区进行实际的调研采样,监测3-5年的黄河三角洲湿地生态系统。
对湿地生态系统的生态指标进行调查,如:盖度,生物量、种群数量、空间特异性分布、主要食物链等,从宏观对生态系统进行监测,获取数据,并且从变化中发现一定生态系统的主导因素,如优势种及优势种生活对策等。并在这一环节同时调查湿地的陆地生态系统和水生态系统。
对湿地生态系统的生理指标进行调查,并结合生态调查获得的关键环节,如主要食物链、优势种等,集中调查关键生物的生理生化指标,如叶绿素含量、耗氧量、耗水量、个体大小、活动量等。
对湿地生态系统的环境指标进行调查,尤其使主要生物生活的主要环境限制因子,如富营养化程度、溶解氧、郁闭光照、盐度碱度等,及可能影响景观变化的因子,如水量水速水沙等。
2.2.2.3实验室关键机制模拟
根据前两个对水生态研究的步骤,对其中一些关键的宏观或微观过程进行实验室模拟:如优势种在潮间带的水盐平衡机制;
不同的水量水速水质下模拟自然的生态系统演替等
2.2.3找寻水生态过程对景观格局演变的驱动机制
2.2.
3.1找寻水生态过程种对景观格局演变的驱动因子
利用典型相关性分析,计算水生态各变量和景观格局各变量间的相关系数,揭示出两组多元随机变量间的相关关系,并定量地发现各变量的相关性的高低,从而发现水生态驱动力的最主要驱动因子是作用在那些景观格局变量上的。或使用逐步回归分析,初步建立水生态因子和景观格局间的方程。
2.2.
3.2探索水生态过程种对景观格局演变的驱动机制
使用多元回归、神经网络模型、细胞机等方式,并加上GIS等遥感软件,模拟出出水生态主要驱动因子和景观格变化间的模型。并使用部分数据作为样本对另一部分数据预测,分析预测准确性,并重复部分实验步骤做出一定调整,直到拟合程度较好,建立好模型,对未来进行一定预测并加以检验,直至最终确定出可靠性可接受的模型。
之后再确定的模型关系上进行进一步研究,深入分析因果关系的根本原因,从而为未来模型的改进和实际预测规划提供进步。