基于资源三号的雷州半岛红树林种间分类研究

图1 雷州半岛的位置示意图及2个关键研究区域遥感影像

Fig.1 Location of Leizhou Peninsula and the imagery of two key study areas

保护区于1997年成立,地处中国大陆最南端的雷州半岛,跨湛江市的徐闻、雷州、遂溪、廉江4县(市)及市辖区(麻章、坡头、东海、霞山4区),地理范围在E109°40'~110°35',N20°14'~21°35'之间。总面积约为14 256hm²,红树林面积约为7 625 hm²,约占全国红树林总面积的30%^[15]。保护区内主要红树植物类型有白骨壤、桐花树、秋茄、木榄、红海榄和无瓣海桑等。

1.2 数据源及其预处理

本研究基于ZY-3高空间分辨率影像进行红树林物种分布制图,选取2013—2014年间9景研究区域上空无云的多光谱影像产品。影像空间分辨率为5.8 m,幅宽为52 km,共有蓝(B1)、绿(B2)、红(B3)、近红外(B4)4个波段。在ENVI 5.1软件中,对影像进行了辐射定标、FLAASH大气校正,并对照Google Earth影像选取同名地物点,对影像进行几何纠正。

2 研究方法

2.1 地面训练点采集

采用大疆Phantom 3 Pro无人机低空飞行定点拍摄照片的方法进行地面训练点的图像采集。无人机的摄像头垂直于地面拍摄,根据踏勘时观测到的物种分布情况选取飞行线路,每隔30 m拍摄一张照片。随后挑选像元尺度内树种较为单一的照片,导出其经纬度信息,作为红树林种间分类的地面训练点。2015年9月—2016年9月间分别在高桥镇、雷州市、徐闻县、营仔镇等地共采集样点2 000多个,筛选出可用样点1 448个,其中70%用于训练分类器,30%用于检验精度(表1)。

表1 用于训练分类器和检验精度的照片样点统计

Tab.1 Photography sample points for training and accuracy assessment

红树林树种	训练样点	检验样点	所有样点
白骨壤	380	163	543
桐花树	178	76	254
秋茄	108	46	154
红海榄	43	18	61
木榄	131	56	187
无瓣海桑	202	87	289
总计	1 042	446	1 488

2.2 面向对象的遥感分类方法

红树林与陆地植被之间存在较为严重的“同谱异物”现象,用传统的分类方法无法将二者进行区分。基于高空间分辨率影像,使用面向对象的方法可有效解决红树林区域提取和种间分类的问题^[6]。面向对象的方法通过对影像进行分割,使同质像元合并为一个“对象”,再基于对象进行分类,这种方法使对象内部差异最小化,避免了噪声,同时可以充分利用影像的纹理、形状以及空间特征,是一种目前最适合于高空间分辨率遥感影像的分类方法^[5]。

本研究基于eCognition软件对影像进行多尺度分割和分类,首先对红树林区域进行提取,再进行种间分类。影像分割需考虑尺度、颜色和形状参数(两者权重之和为1.0),形状又由光滑度和紧致度来表示(两者权重之和为1.0)。在提取红树林区域时设定形状参数为0.3,紧致度为0.5,尺度参数为50; 在进行红树林种间分类时设定尺度参数为10。

2.3 红树林区域提取

决策树是由一系列节点构成的树形结构,每个节点有2个或多个子节点; 每个节点代表一个属性,不同分支表示不同的判定结果; 最终生成的叶节点即图像的分类结果。基于归一化植被指数(normalized difference vegetation index,NDVI)、归一化水体指数(normalized difference water index,NDWI)、纹理参数和形状参数,采用决策树的方法提取红树林区域。针对每景影像,基于实地采集的地面训练点和目视解译选取的样本点,确定决策树中每个节点的阈值(图2),不同影像每个节点的阈值略有不同。

图2

图2 决策树提取规则

Fig.2 Rules of decision tree

首先利用NDWI区分水体和非水体,把相连的水体斑块合并,人工勾画出河流和海洋的交界线,用面积参数区分出海洋; 再利用长宽比区分河流; 区分鱼塘、湖泊时引入斑块到海岸线的距离这一参数。对于陆地区域,通过NDVI来区分植被和非植被; 本研究采用灰度共生矩阵0°对比度区分陆地植被和红树林。

2.4 红树林种间分类

本研究采用支持向量机(support vector machine,SVM)的方法对红树林进行种间分类。SVM方法最大的优点是分类时无须进行数据降维,并且在算法的收敛性、训练速度、分类精度等方面都具有较高的性能。本研究共提取了3组21个变量(表2)用于红树林种间分类,包括原始波段信息、波段组合、植被指数、纹理参数等。植被指数和纹理参数进一步增强了不同红树物种的特性,减少了种内变异,同时扩大了种间差异^[8]。使用Matlab2016软件把上述所有特征值合并成更高维的特征向量,输入到SVM分类器中对红树林进行种间分类。

表2 用于红树林种间分类的遥感影像特征变量

Tab.2 Features of remote sensing imagery used in mangrove inner-species classification

特征变量		变量描述
原始单波段		B1—B4
波段组合	B2,B3		B2+B3
	B1,B4		B1+B4
	B1,B2,B3		B1+B2+B3
	B2,B3,B4		B2+B3+B4
植被指数	NDVI		$NDVI = \frac{B 4 - B 3}{B 4 + B 3}$
	NDWI		$NDWI = \frac{B 4 - B 2}{B 4 + B 2}$
	简单比值植被指数		$RVI = \frac{B 4}{B 3}$
	增强型植被指数		$EVI = 2.5 (\frac{B 4 - B 3}{B 4 + 6 B 3 - 7.5 B 1 + 1})$
纹理参数	均值		$ME = \overset{N}{\sum_{i, j = 1}} i \cdot P_{i, j}$
	方差		$VAR = \overset{N}{\sum_{i, j = 1}} P_{i, j} {(i - ME)}^{2}$
	均匀度		$HOM = \overset{N}{\sum_{i, j = 1}} \frac{P_{i, j}}{1 + │i - j│}$
	对比度		$CON = \overset{N}{\sum_{i, j = 1}} {(i - j)}^{2} \cdot P_{i, j}$
	相异性		$DIS = \overset{N}{\sum_{i, j = 1}} P_{i, j} │i - j│$
	信息熵		$EN = \overset{N}{\sum_{i, j = 1}} P_{i, j} (- \ln P_{i, j})$
	二阶矩		$SM = \overset{N}{\sum_{i, j = 1}} {P_{i, j}}^{2}$
	相关度		$COR = \overset{N}{\sum_{i, j = 1}} \frac{(i - ME) (j - ME) {P_{i, j}}^{2}}{VAR}$

注: Bi为第i个波段; P_i_,_j为第i行第i列处像元的亮度值占窗口中所有像元亮度值的比例; N为计算纹理特征时窗口的大小。

3 结果与分析

3.1 精度检验

根据红树林实测样本点和目视解译选取的样本点做红树林提取精度检验,各景影像红树林分类精度均大于90%,分类结果可信。

红树林种间分类总体精度达到76%,Kappa系数大于0.6(表3),结果可信。其中白骨壤的分类精度最高,生产者精度和用户精度都超过80%,有一些白骨壤的样本点被误分为无瓣海桑和桐花树。桐花树的生产者精度最高,达到88%,但用户精度较低,仅为75%,由于混生现象严重,有大量木榄被误分为桐花树。无瓣海桑与其他红树植物差异较大,整体分类精度较高。

表3 红树林种间分类混淆矩阵

Tab.3 Confusion matrix for mangrove inter-species classification

	桐花树	白骨壤	木榄	秋茄	红海榄	无瓣海桑	生产者精度/%
桐花树	91	4	9	0	0	0	88
白骨壤	8	96	0	2	3	8	82
木榄	20	1	33	0	0	0	61
秋茄	2	2	1	8	1	0	57
红海榄	0	3	0	1	9	3	56
无瓣海桑	0	14	0	0	2	37	70
用户精度/%	75	80	77	73	60	77
总体精度: 0.765 4	Kappa系数: 0.687 7

3.2 红树林提取结果

图3为雷州半岛红树林分布空间格局。统计表明2014年,保护区内红树林面积为5 949.3 hm²,在徐闻、雷州、遂溪、廉江4县(市)和湛江市辖区麻章、坡头、东海、霞山4区,以及吴川市均有红树林分布。其中廉江市红树林分布最多,总面积达到1 556.0 hm²,主要集中分布在位于廉江市的高桥镇和营仔镇; 雷州市红树林仅次于廉江市,总面积为1 466.1 hm²,在雷州半岛东岸雷州湾南部、南渡河河口、调风九龙山保护区分布较为集中,在西岸也有分布; 湛江市辖区红树林主要分布于雷州湾,总面积达到1 168.0 hm²; 遂溪县红树林面积为734.7 hm²,占总面积的12.3%; 徐闻县红树林分布较少,主要集中分布于新寮岛附近,总面积仅为479.8 hm²; 此外,吴川市也分布有少量红树林,主要集中分布于与湛江市交界的河口地区,面积为544.7 hm²。

图3

图3 雷州半岛红树林分布空间格局

Fig.3 Spatial distribution pattern of mangrove forests in Leizhou Peninsula

3.3 红树林种间分类结果

图3和表4为雷州半岛红树林种间分类结果。其中白骨壤分布最为广泛,总面积最大,达到了2 493.4 hm²,占整个雷州半岛红树林的41.9%。除北部的遂溪县外,其他几个市区的白骨壤面积均超过了350 hm²,在雷州市和廉江市白骨壤面积达到了530.3 hm²。桐花树、秋茄分布也较多,多混生,总面积达到1 562.3 hm²,占比26.3%。其中桐花树和秋茄在北部的廉江市分布最多,总面积达到880.9 hm²,占该市红树林的比例超过50%; 而在南部的徐闻县分布较少,总共仅有26.0 hm²。木榄、红海榄在各个市区均有分布,但总体分布较少,总面积仅为503.5 hm²,占雷州半岛红树林总量的不到10%。无瓣海桑总面积为1 390.1 hm²,占雷州半岛整个地区红树林总面积的23.4%,主要分布于雷州市和湛江市辖区的雷州湾地区,在该区域面积就超过了1 100 hm²。

表4 雷州半岛红树林种间分类结果统计分析

Tab.4 Statistic results for the inner-species classification of mangroves in Leizhou Peninsula

地市	白骨壤/hm²	桐花树/hm²	秋茄/hm²	木榄/hm²	红海榄/hm²	无瓣海桑/hm²	总计/hm²	比例/%
廉江市	530.3	779.7	101.2	97.6	45.8	1.4	1556.0	26.2
雷州市	530.3	80.5	57.4	1.2	27.2	769.5	1466.1	24.6
湛江市辖区	482.8	106.0	84.6	44.4	42.0	408.2	1168.0	19.6
遂溪县	147.1	234.4	50.0	61.9	50.1	191.2	734.7	12.3
吴川市	423.1	35.5	7.0	2.6	66.0	10.5	544.7	9.2
徐闻县	379.8	4.2	21.8	9.3	55.4	9.3	479.8	8.1
总计	2493.4	1240.3	322.0	217.0	286.5	1390.1	5949.3	100.0
比例/%	41.9	20.9	5.4	3.6	4.8	23.4	100.0

4 讨论

4.1 红树林分类结果误差分析

表5为本研究的结果与其他文献中有关雷州半岛红树林面积数据的对比。与早期单独使用一期中等空间分辨率进行红树林提取的研究结果相比,本研究结果较低。主要是可能有以下几个原因: ①不同研究所选用数据源不同,会对分类结果造成一定的差异; ②ZY-3卫星发射较晚,影像数量少,本研究中每个地区至多选用了1景影像,对于淹水红树林存在漏分的现象; ③由于采用了更高空间分辨率的影像,对红树林边界的识别更加准确。本研究结果与Chen等^[4]的基于多源数据进行的中国区域红树林提取结果、以及吕婷婷等^[17]采用多分类器组合方法对东南亚红树林提取的最新研究结果比较接近。

表5 不同研究中雷州半岛红树林面积对比

Tab.5 Comparison in the mangrove area for Leizhou Peninsula among different studies

不同研究	时间	数据源	空间分辨率/m	红树林面积/hm²	差值/hm²	差值比例/%
本研究	2014年	ZY-3	5.8	5 949.3
韩维栋等^[15]	2001年	林业调查	—	7 305.8	+1 356.5	+22.8
吴培强等^[14]	2010年	Landsat5/7	30	7 566	+1 616.7	+27.2
贾明明^[2]	2013年	Landsat7/8	30	8 861	+2 911.7	+48.9
但新球等^[3]	2013年	CBERS-CCD	19.8	10 665	+4 715.7	+79.3
Chen等^[4]	2015年	Landsat7/8,Sentinel-1	30	6 518.9	+569.6	+9.6
吕婷婷等^[16]	2015年	Landsat8	30	5 576.4	-372.9	-6.3

图4为本文结果与Chen等^[4]和吕婷婷等^[16]的分类结果的对比。

图4

图4 不同研究中红树林分类结果对比

Fig.4 Comparison in the results of mangrove inter-species classification for Leizhou Peninsula among different studies

可以看出基于空间分辨率为30 m的Landsat影像的分类结果对于红树林边缘的识别都不是非常准确,也无法区分红树林中宽度较小的潮沟; 而本研究基于空间分辨率为5.8 m的ZY-3影像进行红树林提取,可以准确地识别出红树林的边缘,对于细小的潮沟(宽度5~10 m)也可以很好地区分(图4(b))。在雷州南渡河河口的岛状红树林区域,3个研究的结果差异较大(图4(c))。通过实地调研发现,在该区域主要的红树树种为无瓣海桑,同时也分布有大量卤蕨和少量的白骨壤; 卤蕨的存在使该区域红树林分布非常不均匀,且斑块较小,所以基于中分辨率影响进行分类时可能存在误分的现象。本研究的不足之处是每个区域仅选用了一景影像,营仔镇的部分红树林正处于淹水状态(图4(d)),这造成了一些漏分,在后期进行了人工修正; 而另外2个研究在该区域的分类结果就较为完整。与另外2个研究一样,对于一些面积较小的条状红树林(宽度<10 m),本研究也无法较好地识别(图4(e))。

已有研究在进行小区域尺度红树林种间分类时,针对不同潮位和树种设置了不同的尺度参数^[6],这种基于先验知识,引入区位因素,考虑了不同红树林树种光谱、纹理特征的分类方法是未来红树林分类的发展趋势。此前的林业调查数据空间分辨率和地理坐标信息精度较低,不足以作为先验知识辅助遥感分类。本研究首次对整个雷州半岛区域进行红树林物种制图,为以后更细致的红树林树种空间分布制图提供了参考和依据。

4.2 雷州半岛现存红树林分布格局

雷州半岛红树林多分布于河口、内湾和岛屿的背风一侧,各地红树林物种分布差异不是很大,由低潮位向高潮位依次为白骨壤、桐花树、秋茄、红海榄、木榄,仅在雷州湾有大量引种的无瓣海桑,红树林呈现完全不同的分布格局。

这种分布格局主要是由于红树林物种演替造成的,红树林物种演替主要有4个阶段: ①先锋群落形成; ②典型群落形成; ③演替后期; ④红树林、半红树林向海岸林过渡^[17,18]。先锋树种(如白骨壤、桐花树、秋茄等)耐贫瘠、抗风浪,适应性强,可以聚集海泥和凋落物^[19]。先锋群落的形成减弱了海浪对于红树林内缘的冲击,加速了泥沙的淤积,形成了稳定的立地条件,积累了营养物质,对于胎生红树林植物(如红海榄)的生长非常有利。在后期,由于红树林群落根系密致,郁闭度高,限制了自身的更新,从而造成脱沼泽化和脱盐渍化,地下水位下降、盐度降低,适应红树林内缘生境的物种(如木榄、海漆、海莲等)逐渐占据优势。

基于物种演替的理论,不同种的红树植物生长在海滩的不同位置上。在雷州半岛的红树林中,白骨壤作为先锋树种,适应性极强,不仅可以生长在沙质的且坡度较大的沙滩,也可以生长于泥质的高潮线海滩,在整个雷州半岛的红树林中都处于相对优势或绝对优势的地位。而桐花树、秋茄等优势树种多分布于中潮线至高潮线间,木榄和红海榄多分布于高潮位的泥质海滩,很少生长在沙质海滩。分析不同红树树种的分布特点有助于更准确地进行红树林分类,土壤类型也可以作为先验知识为红树林种间分类提供参考依据。

4.3 高桥、雷州红树林物种分布格局分析

以高桥镇和雷州市为例分析天然和人工红树林的种群分布特征(图3(b)和(d))。高桥镇红树林是典型的天然林,混生现象普遍,从海洋到陆地依次分布有白骨壤、桐花树—秋茄、木榄—红海榄。其中木榄—红海榄混合群落主要分布在高桥镇红树林北部远离潮沟的红树林中心区,而桐花树—秋茄混合群落更倾向于分布在靠近潮沟的淹水区,白骨壤多分布于与潮沟、河流、海洋直接相连的区域。雷州市红树林呈现完全不同的分布格局,靠近陆地侧主要为人工种植的无瓣海桑林,靠近海侧主要为天然生长的白骨壤林,均呈条带状分布。

在不受到严重干扰的条件下,林分在经过漫长的物种演替之后,顶级群落在水平方向上的空间分布格局应为随机分布,这种现象在红树林中的表现应是处于同一生态位的不同红树树种充分混交。在高桥镇可以观察到很严重的混交现象,这正是该地区天然红树林受到较好保护,林分结构趋于成熟的表现。而雷州湾地区,物种较为单一,白骨壤和无瓣海桑之间有明显分界线,这种物种分布的突变正是人工造林造成的。同时也表明该地区的红树林物种演替时间较短,可见近年来的人工种植红树林取得了一定成效。但是这些外来红树植物占主导的人工林其生态系统服务价值和抗逆性如何,外来种是否存在入侵和扩张风险还需要更深入的研究。

5 结论

1)本研究基于我国ZY-3高空间分辨率(5.8 m)的遥感影像准确地反映了广东省湛江红树林国家级自然保护区红树林的分布状况,2014年保护区内现存红树林面积为5 949.3 hm²。近些年基于中等空间分辨率影像的分类研究普遍高估了红树林面积。

2)自然地理环境决定红树林的整体分布格局,天然林物种分布符合物种演替格局,不同树种占据不同生态位。湛江国家级红树林自然保护区内由海向陆分布的优势红树植物依次为白骨壤、桐花树、秋茄、木榄和红海榄,各小区间红树林物种及其分布格局差异不大。

3)本研究还发现近些年在雷州市和湛江市辖区的雷州湾地区人工种植的外来红树植物无瓣海桑林取得了很好的成效,其面积已占整个雷州半岛无瓣海桑林的近1/4,但物种结构单一,其生态系统服务价值及抗逆性需要更深入的研究。

志谢: 感谢本研究组其他研究生(特别是刘芳、王黎明、高宇等)参与部分野外调查; 感谢清华大学地球系统科学系的白玉琪在资源三号高分影像的购买以及宫鹏研究组师生在遥感影像信息提取等方面提供的帮助; 感谢湛江国家级红树林自然保护区管理局雷州、徐闻等片区管理人员(特别是吴育进站长)对我们野外工作提供的协助。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Chen L

, Wang W

, Zhang Y

, et al.

Recent progresses in mangrove conservation,restoration and research in China

[J]. Journal of Plant Ecology, 2009,2(2):45-54.

[2]

贾明明

1973—2013年中国红树林动态变化遥感分析

[D]. 北京:中国科学院大学, 2014.

Jia M

Remote Sensing Analysis of China’s Mangrove Forests Dynamics During 1973 to 2013

[D]. Beijing:University of Chinese Academy of Sciences, 2014.

[3]

但新球, 廖宝文, 吴照柏 , 等.

中国红树林湿地资源、保护现状和主要威胁

[J]. 生态环境学报, 2016,25(7):1237-1243.

Dan X

, Liao B

, Wu Z

, et al.

Resources,conservation status and main threats of mangrove wetlands in China

[J]. Ecology and Environmental Sciences, 2016,25(7):1237-1243.

[4]

Chen B

, Xiao X

, Li X

, et al.

A mangrove forest map of China in 2015:Analysis of time series Landsat 7/8 and Sentinel-1A imagery in Google Earth Engine cloud computing platform

[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2017,131:104-120.

[本文引用: 4]

[5]

Kuenzer

, Bluemel

, Gebhardt

, et al.

Remote sensing of mangrove ecosystems:A review

[J]. Remote Sensing, 2011,3(5):878-928.

[6]

唐焕丽, 刘凯, 朱远辉 , 等.

基于WorldView-2数据和支持向量机的红树林群落分类研究

[J]. 中山大学学报(自然科学版), 2015,54(4):102-111.

Magsci [本文引用: 3]

<p>利用遥感技术对红树林进行群落级识别在红树林的资源详查、利用和保护方面具有重要意义。基于WorldView-2卫星影像的光谱特征、植被指数及纹理特征信息，结合实地调查中红树林植物的生长区位信息，采用面向对象结合支持向量机(Support Vector Machine，SVM)的方法对珠海淇澳岛红树林自然保护区大围湾片区的红树林植物进行群落分类，对比分析单一尺度和多尺度两种方式的分类效果。结果表明，尽管红树林群落之间光谱反射特征相似度较高，但拥有8个光谱波段的WorldView-2数据在此分类中仍具有很好的应用潜力；多尺度分类结果总体精度达到84.2% (kappa系数0.794)，高于单一尺度分类结果的69.8% (Kappa系数为0.616)。</p>

Tang H

, Liu

, Zhu Y

, et al.

Mangrove community classification based on WorldView-2 image and SVM method

[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2015,54(4):102-111.

Magsci [本文引用: 3]

[7]

肖海燕, 曾辉, 昝启杰 , 等.

基于高光谱数据和专家决策法提取红树林群落类型信息

[J]. 遥感学报, 2007,11(4):531-537.

DOI:10.11834/jrs.20070473 Magsci [本文引用: 1]

高光谱遥感是进行地表植被观测的强有力工具,研究并验证有效的算法和数据支撑技术,对于合理利用高光谱数据进行地表植被监测与分析至关重要。在光谱特征分析和地面调查的基础上,基于决策树方法和高光谱分析方法的组合,以深圳市福田国家级自然保护区为例,利用高光谱数据进行红树林群落信息提取的实证研究。结果证实了Hymap数据对于红树林群落类型信息提取的数据支撑能力,以及相关方法用于红树林分类研究方面的有效性。

Xiao H

, Zeng

, Zan Q

, et al.

Decision tree model in extraction of mangrove community information using hyperspectral image data

[J]. Journal of Remote Sensing, 2007,11(4):531-537.

[8]

Wang

, Zhang

, Lin

, et al.

Textural-spectral feature-based species classification of mangroves in Mai Po Nature Reserve from WorldView-3 imagery

[J]. Remote Sensing, 2016,8(1):241-255.

[9]

Leempoel

, Satyaranayana

, Bourgeois

, et al.

Dynamics in mangroves assessed by high-resolution and multi-temporal satellite data:A case study in Zhanjiang Mangrove National Nature Reserve (ZMNNR),P.R.China

[J]. Biogeosciences, 2013,10(8):5681-5689.

DOI:10.3969/j.issn.1009-5470.2012.06.020 Magsci [本文引用: 1]

[10]

苏岫, 赵冬至, 王祥 , 等.

基于SPOT5的红树林遥感分类

[J]. 热带海洋学报, 2012,31(6):128-134.

以海南岛东寨港国家级红树林自然保护区为例, 实地测量了红树林等地物光谱, 获取了较为准确的红树林的光谱特征; 在采用最大似然分类法提纯红树林信息基础上, 结合不同红树种类的光谱特征及植被指数差异, 选定可分性阈值, 建立决策树分类规则, 对SPOT5图像进行种间分类, 并检验其分类精度。结果显示, 各红树种类的使用精度都达到80%以上, 且总体精度达到90%以上, 为红树林生态系统业务化遥感监测奠定基础。

, Zhao D

, Wang

, et al.

Remote sensing classification of mangrove based on SPOT5 image

[J]. Journal of Tropical Oceanography, 2012,31(6):128-134.

[11]

廖宝文, 张乔民 .

中国红树林的分布、面积和树种组成

[J], 湿地科学, 2014,12(4):435-440.

Liao B

, Zhang Q

Area,distribution and species composition of mangroves in China

[J]. Wetland Science, 2014,12(4):435-440.

[12]

赵玉灵

广东省海岸线与红树林现状遥感调查与保护建议

[J]. 国土资源遥感, 2017,29(s1):114-120.doi: 10.6046/gtzyyg.2017.s1.19.

Zhao Y

Remote sensing survey and proposal for protection of the shoreline and the mangrove wetland in Guangdong Province

[J]. Remote Sensing for Land and Recourses, 2017,29(s1):114-120.doi: 10.6046/gtzyyg.2017.s1.19.

[13]

刘静, 马克明, 曲来叶 .

广东湛江红树林国家级自然保护区优势乔木群落的物种组成及结构特征

[J]. 生态科学, 2016,35(3):1-7.

针对湛江红树林自然保护区的优势乔木群落, 根据优势种重要值大小对群落类型进行了划分, 进一步从立木、苗木和幼苗3 个层次对群落物种组成及结构特征进行了研究。结果显示: 4 科6 种红树植物组成11 个优势乔木群落。无瓣海桑群落分布最广, 平均胸径、高度和冠幅面积显著大于红海榄、秋茄、桐花树和白骨壤优势群落, 但无瓣海桑群落物种多度较低, 群落内无瓣海桑对秋茄有显著抑制作用; 白骨壤和秋茄优势乔木群落的多样性指数较高。红树林优势乔木群落林下层植被组成贫乏、结构简单, 以桐花树、秋茄和白骨壤为主; 林下苗木数量多于幼苗; 白骨壤幼苗占总量的67.1%。未来红树林恢复仍要重视本地红树物种, 建议加强白骨壤作为恢复物种的研究。

Liu

, Ma K

, Qu L

Species composition and community structure of dominant mangrove forests in Zhanjiang Mangrove National Nature Reserve,Guangdong Province

[J]. Ecological Science, 2016,35(3):1-7.

[14]

吴培强, 马毅, 李晓敏 , 等.

广东省红树林资源变化遥感监测

[J]. 海洋学研究, 2011,29(4):16-24.

Wu P

, Ma

, Li X

, et al.

Remote sensing monitoring of the mangrove forests resources of Guangdong Province

[J]. Journal of Marine Sciences, 2011,29(4):16-24.

[15]

韩维栋, 高秀梅, 卢昌义 , 等.

雷州半岛的红树林植物组成与群落生态

[J]. 广西植物, 2003,23(2):127-132.

Han W

, Gao X

, Lu C

, et al.

Mangrove flora and associations of Leizhou Peninsula

[J]. Guihaia, 2003,23(2):127-132.

[16]

吕婷婷, 周翔, 刘闯 , 等.东南亚地区红树林空间分布数据集(Mangrov_SEAsia_2015)[Z].全球变化科学研究数据出版系统, 2015.

Lyu T

, Zhou

, Liu

, et al. Data set of mangrove spatial distribution in Southeast Asia(Mangrov_SEAsia_2015)[Z].Global Change Research Date Publish and Repository, 2015.

[17]

吴培强

近20年来我国红树林资源变化遥感监测与分析

[D]. 国家海洋局第一海洋研究所, 2012.

Wu P

Remote Sensing Monitoring and Analysis of the Changes of Mangrove Forests Resources in China in the Past 20 Years[D].The First Institute of Oceanography,

SOA, 2012.

[18]

缪绅裕

广东湛江红树林保护区植物群落生态研究

[J]. 广州师院学报(自然科学版), 2000,21(3):65-69.

Miao S

Ecological study on the mangrove forest in Zhanjiang Nature Reserve,Guangdong

[J]. Journal of Guangzhou Normal University(Natural Science Edition), 2000,21(3):65-69.

[19]

梁士楚, 王伯荪 .

广西英罗港红树林区木榄群落土壤粒径分布的分形特征

[J]. 热带海洋学报, 2003,22(1):17-22.

Liang S

, Wang B

Fractal characteristics of soil particle-size distribution of Bruguiera gymnorrhiza community in mangrove area of Yingluo Bay,Guangxi Province

[J], Journal of Tropical Oceanography, 2003,22(1):17-22.