多维长时序特征数据集支持下的黄河三角洲盐沼植被演替过程监测

doi:10.13287/j.1001-9332.202506.029

应用生态学报 ›› 2025, Vol. 36 ›› Issue (6): 1759-1769.doi: 10.13287/j.1001-9332.202506.029

多维长时序特征数据集支持下的黄河三角洲盐沼植被演替过程监测

伍洪委^1,2,3, 宫成澳^1,2,3, 宫兆宁^1,2,3*, 赵宇欣^1,2,3, 邱华昌^1,2,3, 陈安康⁴

¹首都师范大学, 资源环境与GIS北京市重点实验室, 北京 100048;
²首都师范大学, 水资源安全北京实验室, 北京 100048;
³首都师范大学, 城市环境过程和数字模拟国家重点实验室培育基地, 北京 100048;
⁴新罗大学研究生院, 韩国釜山 158742

收稿日期:2024-11-21 接受日期:2025-04-23 出版日期:2025-06-18 发布日期:2025-12-18
通讯作者: *E-mail: 2220902205@cnu.edu.cn
作者简介:伍洪委, 男, 2000年生, 硕士研究生。主要从事遥感技术在湿地领域的应用研究。E-mail: wuhongwei101@163.com
基金资助:
国家重点研发计划项目(2017YFC0505903)和国家自然科学基金项目(42071396,41971381)

Monitoring of salt marsh vegetation community succession process in Yellow River Delta supported by multidimensional long time-series feature dataset

WU Hongwei^1,2,3, GONG Cheng’ao^1,2,3, GONG Zhao-ning^1,2,3*, ZHAO Yuxin^1,2,3, QIU Huachang^1,2,3, CHEN Ankang⁴

¹Beijing Key Laboratory of Resource Environment and GIS, Capital Normal University, Beijing 100048, China;
²Beijing Laboratory of Water Resource Security, Capital Normal University, Beijing 100048, China;
³State Key Laboratory Incubation Base of Urban Environmental Processes and Digital Simulation, Capital Normal University, Beijing 100048, China;
⁴Graduate School, Silla University, Busan 158742, Korea

Received:2024-11-21 Accepted:2025-04-23 Online:2025-06-18 Published:2025-12-18

摘要/Abstract

摘要： 黄河三角洲盐沼植被空间分布异质性强,准确地掌握其历史分布信息对区域生态稳定和可持续发展具有重大意义。本研究基于多源数据构建了长时序时-空-谱多维特征集,采用递归特征消除的随机森林模型精准提取了1996—2022年黄河三角洲典型盐沼植被空间分布信息,分析1996年黄河改道以来原生/入侵盐沼植被群落的演替过程。结果表明: 相较于依赖单一的时序光谱特征,应用时-空-谱多维特征集提取的长时序盐沼植被总体精度提升了8.4%;基于光学和SAR影像的时序空间特征优化了盐地碱蓬稀疏区域和互花米草、芦苇混生区域的分类效果。黄河改道后的潮滩盐沼植被时空分布变化明显,其中,盐地碱蓬群落面积从1996年的91.67 km²退化到2022年的38.11 km²,演替趋势受互花米草入侵影响;互花米草于2008年快速扩张随后大面积分布于现行河道两侧潮滩,2020年群落面积达到最大(51.25 km²),互花米草的入侵扩张对潮滩生境格局产生了一定影响。

关键词: 多源遥感, 多维特征提取, 盐沼植被, 群落演替, 黄河三角洲

Abstract: The spatial distribution of salt marsh vegetation in Yellow River Delta are highly heterogeneous. Accurate information on the historical distribution of salt marsh is of great significance for regional ecological stability and sustainable development. We constructed a long-series temporal-spatial-spectral multidimensional elicitation based on multi-source data, and accurately extracted information on the spatial distribution of typical salt marsh in the Yellow River Delta from 1996 to 2022 using a random forest (RF) model with recursive feature elimination, and further analyzed the succession of the native/invasive salt marsh communities since the diversion of the Yellow River in 1996. Compared to the single temporal spectral feature, the use of a temporal-spatial-spectral multidimensional feature set for extraction improved the overall accuracy of salt marsh vegetation classification by 8.4%. The classification effect of the sparse Suaeda salsa and the mixed area of Phragmites australis and Spartina alterniflora was optimized based on the temporal and spatial features of optical and SAR images. The distribution of salt marsh on the tidal flats after the Yellow River was diverted was obvious. The cover area of S. salsa communities decreased from 91.67 km² in 1996 to 38.11 km² in 2022, with the successional trend being influenced by the invasion of S. alterniflora. S. alterniflora was rapidly expanded and then distributed in large areas on the tidal flats on both sides of the current river channel since 2008. The area of the community reached the maximum (51.25 km²) in 2020. The invasion and expansion of S. alterniflora had a certain impact on the habitat pattern of the tidal flats.

Key words: multi-source remote sensing, multidimensional feature extraction, salt marsh vegetation, community succession, Yellow River Delta

伍洪委, 宫成澳, 宫兆宁, 赵宇欣, 邱华昌, 陈安康. 多维长时序特征数据集支持下的黄河三角洲盐沼植被演替过程监测[J]. 应用生态学报, 2025, 36(6): 1759-1769.

WU Hongwei, GONG Cheng’ao, GONG Zhao-ning, ZHAO Yuxin, QIU Huachang, CHEN Ankang. Monitoring of salt marsh vegetation community succession process in Yellow River Delta supported by multidimensional long time-series feature dataset[J]. Chinese Journal of Applied Ecology, 2025, 36(6): 1759-1769.

参考文献

[1] 王娜娜, 刘宏元, 李英, 等. 黄河三角洲湿地生态系统服务价值评估. 山东农业科学, 2022, 54(2): 153-158
[2] 王雪宏, 栗云召, 孟焕, 等. 黄河三角洲新生湿地植物群落分布格局. 地理科学, 2015, 35(8): 1021-1026
[3] 刘翠翠. 黄河三角洲湿地生态修复工程效果研究. 硕士论文. 济南: 山东师范大学, 2013
[4] 贾凯, 陈水森, 蒋卫国, 等. 粤港澳大湾区红树林长时间序列遥感监测. 遥感学报, 2022, 26(6): 1096-1111
[5] Yang RM, An R, Wang HL, et al. Monitoring wetland changes on the source of the three rivers from 1990 to 2009, Qinghai, China. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2013, 6: 1817-1824
[6] 张猛. 基于多源遥感数据的洞庭湖流域多尺度湿地研究. 测绘学报, 2020, 49(8): 1065
[7] 任广波, 周莉, 梁建, 等. “高分五号”高光谱互花米草遥感识别与制图研究. 海洋科学进展, 2021, 39(2): 312-326
[8] Sogno P, Klein I, Kuenzer C, et al. Remote sensing of surface water dynamics in the context of global change: A review. Remote Sensing, 2022, 14: 2475
[9] Mandianpari M, Granger JE, Mohammadimanesh F, et al. Meta-analysis of wetland classification using remote sensing: A systematic review of a 40-year trend in North America. Remote Sensing, 2020, 12: 1882
[10] Erinjery JJ, Singh M, Kent R, et al. Mapping and assessment of vegetation types in the tropical rainforests of the Western Ghats using multispectral Sentinel-2 and SAR Sentinel-1 satellite imagery. Remote Sensing of Environment, 2018, 216: 345-354
[11] 刘畅, 王岩, 王朝, 等. Sentinel-1与Sentinel-2影像联合的黄河三角洲湿地信息提取. 海洋科学, 2023, 47(5): 2-14
[12] Zhang C, Gong ZN, Qiu H, et al. Mapping typical salt-marsh species in the Yellow River Delta wetland supported by temporal-spatial-spectral multidimensional features. Science of the Total Environment, 2021, 783: 147061
[13] 张磊, 宫兆宁, 王启为, 等. Sentinel-2影像多特征优选的黄河三角洲湿地信息提取. 遥感学报, 2019, 23(2): 313-326
[14] 张晓龙. 现代黄河三角洲滨海湿地环境演变及退化研究. 博士论文. 青岛: 中国海洋大学, 2005
[15] Wu X, Wang HJ, Bi NS, et al. Evolution of a tide-dominated abandoned channel: A case of the abandoned Qingshuigou course, Yellow River. Marine Geology, 2020, 422: 106116
[16] 宋晓龙, 李晓文, 白军红, 等. 黄河三角洲国家级自然保护区生态敏感性评价. 生态学报, 2009, 29(9): 4836-4846
[17] 张绪良, 叶思源, 印萍, 等. 黄河三角洲自然湿地植被的特征及演化. 生态环境学报, 2009, 18(1): 292-298
[18] 安乐生, 周葆华, 赵全升, 等. 黄河三角洲植被空间分布特征及其环境解释. 生态学报, 2017, 37(20): 6809-6817
[19] Chaves MED, Picoli MCA, Sanches ID, et al. Recent applications of landsat 8/OLI and sentinel-2/MSI for land use and land cover mapping: A systematic review. Remote Sensing, 2020, 12: 3062
[20] 赵欣怡. 基于时序光学和雷达影像的中国海岸带盐沼植被分类研究. 硕士论文. 上海: 华东师范大学, 2020
[21] Li Y, Niu ZG. Systematic method for mapping fine-resolution water cover types in China based on time series Sentinel-1 and 2 images. International Journal of Applied Earth Observation and Geoinformation, 2022, 106: 102656
[22] 田庆久, 闵祥军. 植被指数研究进展. 地球科学进展, 1998, 13(4): 10-16
[23] 程红芳, 章文波, 陈锋, 等. 植被覆盖度遥感估算方法研究进展. 国土资源遥感, 2008, 20(1): 13-18
[24] Haralick RM, Shanmugam K. Texture features for image classification. IEEE Transactions on Systems Man and Cybernetics, 1973, SMC-3: 610-621
[25] 项颂阳, 许章华, 张艺伟, 等. 高光谱图像分类的ReliefF-RFE特征选择算法构建与应用. 光谱学与光谱分析, 2022, 42(10): 3283-3290
[26] Breiman L. Random forests. Machine Learning, 2001, 45: 5-32
[27] Iverson LR, Prasad AM, Matthews SN, et al. Estimating potential habitat for 134 eastern US tree species under six climate scenarios. Forest Ecology and Management, 2008, 254: 390-406
[28] 柯元楚, 史忠奎, 李培军, 等. 基于Hyperion高光谱数据和随机森林方法的岩性分类与分析. 岩石学报, 2018, 34(7): 2181-2188
[29] 刘瑞清, 李加林, 孙超, 等. 基于Sentinel-2遥感时间序列植被物候特征的盐城滨海湿地植被分类. 地理学报, 2021, 76(7): 1680-1692
[30] 孟祥珍, 刘丹, 黄可, 等. 基于植被物候特征的互花米草提取方法研究:以长三角湿地为例. 海洋通报, 2021, 40(5): 591-600
[31] 赵欣怡, 田波, 牛莹, 等. Sentinel-1时序后向散射特征的海岸带盐沼植被分类:以长江口为例. 遥感学报, 2022, 26(4): 672-682
[32] 范璞然, 蔡玉林, 柳佳, 等. 基于Landsat卫星影像的黄河三角洲盐地碱蓬变化监测. 测绘与空间地理信息, 2023, 46(3): 38-41
[33] 杨坤士. 融合物候和纹理特征的茉莉花种植区遥感识别方法研究. 硕士论文. 南宁: 南宁师范大学, 2022
[34] 庞博, 杨文鑫, 崔保山, 等. 黄河三角洲湿地生物多样性保护工程植被修复效果评估. 环境工程, 2023, 41(1): 213-221
[35] 王腾, 何彦龙, 赵丽侠, 等. 我国海岸带湿地互花米草治理现状与对策建议. 湿地科学与管理, 2022, 18(6): 81-85
[36] 张晨宇. 黄河三角洲典型湿地植被时空动态遥感监测研究. 硕士论文. 上海: 华东师范大学, 2022
[37] 巴旗, 吴振, 张诗然, 等. 黄河口湿地植被时空变化及其影响因素. 中国海洋大学学报:自然科学版, 2022, 52(12): 81-94
[38] 刘青勇, 王爱芹, 张娜, 等. 基于调水调沙的黄河三角洲湿地生态修复技术. 中国农村水利水电, 2016(2): 60-63
[39] Kirwan ML, Guntenspergen GR. Feedbacks between inundation, root production, and shoot growth in a rapidly submerging brackish marsh. Journal of Ecology, 2012, 100: 764-770

多维长时序特征数据集支持下的黄河三角洲盐沼植被演替过程监测

Monitoring of salt marsh vegetation community succession process in Yellow River Delta supported by multidimensional long time-series feature dataset

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	朱亚杰, 栗云召, 唐紫微, 刘言智, 闫畅, 白云逸, 周迪, 王书文. 黄河三角洲“三生空间”多情景模拟及生态环境效应 [J]. 应用生态学报, 2025, 36(2): 365-375.
[2]	卢国伟, 王琦璇, 杨继松, 孙丹丹, 王志康, 周迪, 管博, 于君宝, 宁凯. 黄河三角洲稻田退耕还湿对土壤团聚体组成及稳定性的影响 [J]. 应用生态学报, 2024, 35(3): 705-712.
[3]	路昌, 蔡雪芹, 郝灿书, 刘玉珍, 王之语, 马亚男. 黄河三角洲高效生态经济区生态系统服务权衡协同关系 [J]. 应用生态学报, 2024, 35(2): 457-468.
[4]	田超. 黄河三角洲降水同位素变化特征及水汽来源 [J]. 应用生态学报, 2023, 34(8): 2194-2204.
[5]	周文武, 舒清态, 王书伟, 杨正道, 罗绍龙, 胥丽, 肖劲楠. 基于多源遥感数据协同的滇西北森林郁闭度估测 [J]. 应用生态学报, 2023, 34(7): 1806-1816.
[6]	张群, 李博. 崇明东滩鸟类栖息地优化区海三棱藨草野外恢复实践 [J]. 应用生态学报, 2023, 34(10): 2663-2671.
[7]	侯雅琳, 韩广轩, 朱连奇, 李新鸽, 周英锋, 许景伟. 模拟降雨量变化对黄河三角洲湿地植物群落特征的影响 [J]. 应用生态学报, 2022, 33(5): 1260-1266.
[8]	卞福花, 吴秋堂, 吴梦迪, 管博, 于君宝, 韩广轩. 不同水盐生境下芦苇湿地植被及土壤碳氮磷生态化学计量特征 [J]. 应用生态学报, 2022, 33(2): 385-396.
[9]	曹乃刚, 赵林, 高晓彤. 黄河三角洲县域绿色经济效率的时空演变与驱动机制 [J]. 应用生态学报, 2021, 32(9): 3299-3310.
[10]	张子璇, 宋雨桐, 张惠中, 李新举, 牛蓓蓓. 水文气候影响下黄河三角洲土壤盐分时空动态 [J]. 应用生态学报, 2021, 32(4): 1393-1405.
[11]	李雪, 董杰, 李培广, 王晓杰, 韩广轩, 宋维民. 降雨量和降雨时间共同调控黄河三角洲典型盐沼湿地土壤碳矿化 [J]. 应用生态学报, 2021, 32(2): 581-590.
[12]	崔昆, 赵庚星, 王卓然, 奚雪, 高鹏, 齐广慧. 黄河三角洲夏季典型田块土壤盐分的多尺度空间变异 [J]. 应用生态学报, 2020, 31(5): 1451-1458.
[13]	宋红丽, 韩洪军, 郁万妮, 王立志. 黄河三角洲滨岸潮滩湿地碱蓬对水沙条件及氮输入的适应性 [J]. 应用生态学报, 2020, 31(4): 1333-1340.
[14]	金晓明, 于良斌, 张颖琪, 王秋红. 群落演替对呼伦贝尔草地两种优势植物繁殖分配及生态化学计量的影响 [J]. 应用生态学报, 2020, 31(3): 787-793.
[15]	兰思群, 张俪文, 衣华鹏, 徐长林, 路峰, 冯光海, 韩广轩. 黄河三角洲高潮滩芦苇植被区天津厚蟹的食源食性 [J]. 应用生态学报, 2020, 31(1): 319-325.