-
摘要:目的 探究新疆奇台荒漠类草地自然保护区植物群落空间分布特征。方法 基于高分辨率遥感影像进行植被斑块初步划分，结合实地样方调查获取植物群落相关参数，采用双向指示种分析法（two-way indicator species analysis， TWINSPAN）对植物样方进行数量分类，最后使用样方分类结果构建随机森林模型并进行精度验证，以建立奇台自然保护区优势植物群落空间分布格局。结果 奇台自然保护区植物群落由琵琶柴（Reaumuria soongorica）、梭梭（Haloxylon ammodendron）、膜果麻黄（Ephedra przewalskii）、短叶假木贼（Anabasis brevifolia）为优势种的灌木和半灌木组成，通过TWINSPAN数量分类将43个植物样方划分为9个群丛类型。其中，G6梭梭+琵琶柴群丛面积最大，G9窄颖赖草+盐节木+芦苇+大叶白麻群丛（Leymus angustus＋Halocnemum strobilaceum＋Phragmites australis+Poacynum pictum）的面积较小，但多样性指数最高；G1膜果麻黄+短叶假木贼群丛多样性指数、优势度指数和均匀度指数均最低。随机森林模型的总体精度达到86.05%，Kappa系数达到0.815 5。结论 奇台自然保护区植物群落可分为9个群丛，形成了以灌木和半灌木为主的优势植物群落。受保护区土壤类型和水资源条件等影响，各个群丛在空间上不连续，呈斑块状聚集分布。本研究将高分辨率遥感影像与实地调查相结合，最终以较高精度实现了奇台自然保护区植物群落空间分布格局的可视化，其方法在植被分类领域有广泛的应用前景。Abstract:Objectives To explore the characteristics of the spatial distribution of plant communities in the Qitai Desert Grassland Nature Reserve (QNR) in Xinjiang.Methods Using high-resolution remote sensing imagery, a preliminary delineation of vegetation patches was conducted. To obtain relevant plant community parameters, field quadrat surveys were conducted in conjunction with the TWINSPAN, which was employed for the quantitative classification of plant quadrats. Subsequently, the classification results were used to construct a Random Forest model, which was then validated for accuracy, aiming to establish the spatial distribution patterns of dominant plant communities in the QNR.Results The plant community in the QNR was composed of dominant species such as Reaumuria soongorica, Haloxylon ammodendron, Ephedra przewalskii, and Anabasis brevifolia. The TWINSPAN quantitative classification resulted in the division of 43 plant quadrats into 9 community types. Among these, the H. ammodendron + R. soongorica (G6) covered the largest area, whereas the Leymus angustus + Halocnemum strobilaceum + Phragmites australis + Poacynum pictum (G9) occupied a smaller area but exhibited the highest diversity. The E. przewalskii + A. brevifolia (G1) exhibited the lowest diversity index, dominance index, and evenness index. The accuracy of the Random Forest model reached 86.05%, with a Kappa coefficient of
0.8155 .Conclusions The plant communities in the QNR can be divided into 9 communities, forming dominant plant communities primarily consisting of shrubs and subshrubs. Influenced by factors such as soil type and water resource conditions within the reserve, these groups exhibit spatial discontinuity, appearing in a patchy distribution. This study combined high-resolution remote sensing imagery with field surveys, ultimately achieving a high-precision visualization of the spatial distribution patterns of plant communities in the QNR. The findings of this study have significant potential for broad application in vegetation classification. -
古北区草原是世界上同类景观中最大的生态区，覆盖欧亚大陆中纬度地区，域内的中亚大陆荒漠草原具有丰富的生物多样性和独特的荒漠生物群落[1−2]。其中，奇台荒漠类草地自然保护区（以下简称奇台自然保护区）位于准噶尔盆地东南缘，是新疆唯一的荒漠类草地自然保护区。从生态地理及植物区系分布来看，保护区处于西伯利亚、中亚、蒙古的交汇地带。自然环境几经变迁，造成了各个植物区系接触、混合、特化，因而过渡性明显，是多种古老植物、珍稀植物的集中分布区，具有极高的保护价值[3−4]。
植被分类是植物群落生态学研究中的重要内容[5−6]。在植物群落数量分类方法中，双向指示种分析法（two-way indicator species analysis，TWINSPAN）作为一种比较成熟的研究方法，已广泛应用于森林、草地、荒漠等植物群落的构成和分布研究[7−9]。在传统植被调查中，样方的设置是一个关键环节。为了尽可能覆盖研究区的植物群落类型，通常会增大样方数量，调查工作强度大，且调查结果难以反映植物群落空间分布格局。近年来，随着高分辨遥感影像在植被分类领域的广泛应用和机器学习算法不断成熟[10−12]，划分各植被类型的准确性大大提高[13−14]。随机森林是一种典型的用于分类的机器学习算法，通过重抽样方法从原始样本中抽取多个样本，并对每个样本构造决策树，最后综合多个决策树的结果对样本进行训练、分类并预测。此方法具有准确率高、可以防止过拟合等优势，现已成为植被分类领域的重要工具[15−17]。本研究以奇台自然保护区为研究对象，将高分辨率遥感影像和实地调查相结合，再运用双向指示种分析、随机森林等方法，以阐明奇台自然保护区的植物群落空间分布格局，为植物资源调查及物种多样性保护奠定充分的理论基础。
1. 研究区概况
奇台荒漠类草地自然保护区始建于1986年，2012年经新疆维吾尔自治区人民政府批准调整至奇台县以北，毗邻古尔班通古特沙漠（图1），总面积为49 300 hm2，地理坐标90.50°~90.86° E, 44.76°~45.07° N。保护区地貌类型构成简单，主要包括干燥剥蚀古生代基岩低山、干燥剥蚀中生代基岩丘陵、戈壁-细土平原和时令积水洼地等类型。土壤类型主要包括灰棕漠土、棕钙土、漠境盐土，在泉水溢出带分布有草甸土。地表水系匮乏，无常年地表径流，地下水主要源自北塔山山区降水形成的补给，气候干旱少雨，年降水量181 mm，蒸发量达到1 991.7 mm。年均温2.89 ℃左右，夏季最高气温达44 ℃，冬季最低气温为−37.5 ℃。保护区内生存着多种濒危动物，如蒙古野驴（Equus hemionus）、鹅喉羚（Gazella subgutturosa）、盘羊（Ovis ammon）及兔狲（Felis manul）等。植物以旱生植物为主，多为草本植物，灌木、半灌木次之。植物种类以禾本科、藜科、菊科等为主，能够形成大片群落的植物主要有梭梭（Haloxylon ammodendron）、膜果麻黄（Ephedra przewalskii）、琵琶柴（Reaumuria soongorica）、短叶假木贼（Anabasis brevifolia）等[3,18]。
![]()
图 1 奇台荒漠类草地自然保护区植被斑块类型Figure 1. Vegetation patch type map of Qitai Desert Grassland Nature Reserve2. 数据与方法
2.1 调查方法
基于奇台荒漠类草地自然保护区（2022年8月）遥感10 m精度Sentinel-2卫星定位数据（https://scihub.copernicus.eu/），采用ENVI 5.3 软件，将近两年8月奇台荒漠类草地自然保护区的Sentinel-2遥感影像2、3、4、8光谱合并为一个图层作为底图。之后通过ArcGIS 10.3 软件对奇台荒漠类草地自然保护区进行非监督分类（Arctoolbox-Spatial Analyst-多元分析工具-ISO聚类非监督分类），依据其自然地理要素与植被特征值等数据对保护区内植被斑块进行相关性聚类。其中，最小类大小值设置20，采样间隔设置10，输出类别数选择默认（图1）。实地调查工作于2023年8月进行，在每种斑块类型中选取8~10个10 m×10 m样方，采用五点取样法调查，记录植物种类、数量、高度、盖度、地径等参数。本研究共计调查43个10 m×10 m灌木大样方，215个草本小样方一般是1 m×1 m。
2.2 数据处理
2.2.1 植被TWINSPAN分类
通过Rstudio软件计算样方内各植物的相对密度、相对盖度、相对频度[见公式（1）、公式（2）、公式（3）]，综合评估各物种在各样方内的重要值[见公式（4）]。重要值（important value，IV）是反映植物在相应群落中的作用和地位的综合数值指标，设置IV> 10为优势种。基于重要值原始矩阵，采用TWINSPAN分析法对研究区域内的植被样方进行分类，分类后得到基于双向分类矩阵绘制的样方分类图。
RDi=(Di∑ni=1Di)×100%。 (1) RCi=(Ci∑ni=1Ci)×100%。 (2) RFi=(Fi∑ni=1Fi)×100%。 (3) 式中：RDi、RCi、RFi分别为种i在各样方中的相对密度、相对盖度和相对频度；Di、Ci、Fi种i在各样方中的平均密度、平均盖度和平均频度。
重要值计算公式（式中记VI）[19]如下：
VI=1/3(RDi+RCi+RFi)。 (4) 2.2.2 物种多样性分析
根据TWINSPAN植物群落斑块分类结果，计算各群落中植被Shannon-Wiener多样性指数、Pielou均匀度指数、Simpson多样性指数[20]。
Shannon-Wiener多样性指数被认为是测量群落物种多样性中最常见的指标，其公式为
H′=−∑(Pi⋅lnPi)。 (5) 式中：H′为Shannon-Wiener多样性指数；Pi为第i个物种的个体数占所有物种个体数的比例。
Pielou均匀度指数用来描述物种中的个体的相对丰富度或所占比例，其计算公式为
J=−H′/lnS。 (6) 式中：J为Pielou均匀度指数；S为物种数。
Simpson优势度指数是基于概率论提出来的反映丰富度和均匀度的综合指标，其计算公式为
D=1−∑P2i。 (7) 2.2.3 随机森林模型构建及精度评价
为评价奇台荒漠类草地自然保护区植被斑块分类结果，本研究综合TWINSPAN分类结果，对43个样方分层抽样，将75%的样方结果作为训练集进行随机森林模型构建，剩余25%的样方结果作为测试集进行模型精度验证。验证结果与分类结果对比分析, 由此得出混淆矩阵, 并计算Kappa系数来评价分类方法在植被分类中的精度（Kappa系数越接近1代表模型拟合程度越高）。
3. 结果与分析
3.1 植被TWINSPAN分类
通过实地调查获得奇台荒漠类草地自然保护区主要植被群落物种组成情况，如表1所示。结果显示，奇台荒漠类草地自然保护区灌木以琵琶柴、梭梭、膜果麻黄为主要优势种，半灌木以短叶假木贼为优势种，草本以猪毛菜属（Salsola spp.）植物为优势种，主要包括刺沙蓬（S. ruthenica）、浆果猪毛菜（S. foliosa）和木本猪毛菜（S. arbuscula）等。
表 1 奇台荒漠类草地自然保护区主要植被概况Table 1. Main vegetation in Qitai Desert Grassland Nature Reserve植物名称 拉丁名 平均高度/cm 平均盖度/% 平均重要值 生活型 琵琶柴 Reaumuria soongorica 24.76 16.70 34.67 灌木 梭梭 Haloxylon ammodendron 50.37 20.29 29.66 灌木 膜果麻黄 Ephedra przewalskii 10.00 10.12 10.85 灌木 短叶假木贼 Anabasis brevifolia 5.95 3.32 9.86 半灌木 猪毛菜属 Salsola spp. 24.94 8.25 3.46 草本 戈壁藜 Iljinia regeli 18.83 11.50 2.64 半灌木 窄颖赖草 Leymus angustus 20.55 9.73 1.99 草本 霸王 Sarcozygium xanthoxylon 40.00 20.00 1.40 灌木 盐节木 Halocnemum strobilaceum 16.33 53.33 1.05 半灌木 芦苇 Phragmites australis 19.11 8.11 0.98 草本 大叶白麻 Poacynum pictum 31.71 5.00 0.71 半灌木 黑果枸杞 Lycium ruthenicum 19.29 8.14 0.65 灌木 骆驼刺 Alhagi sparsifolia 11.38 4.75 0.51 草本 小果白刺 Nitraria sibirica 21.50 14.00 0.48 灌木 盐爪爪 Kalidium folianm 20.00 7.80 0.45 半灌木 蒿属 Artemisia spp. 15.00 4.00 0.36 草本 乳苣 Mulgedium tataricum 2.00 2.50 0.21 草本 木本补血草 Limonium suffruticosum 28.00 12.00 0.08 半灌木 按《中国植被》的分类原则，以重要值为依据，对奇台荒漠类草地保护区43个样方进行TWINSPAN分类（见图2），并根据群落的优势种命名，最终选择7级分类水平下的划分结果将调查样地划分成9类（见表2）。其中，以草本和半灌木为优势种的窄颖赖草+盐节木+芦苇+大叶白麻群丛（G9）包含的样方平均盖度最大，平均盖度最小的是膜果麻黄+短叶假木贼群丛（G1），包含样方数最多的是以灌木为主的梭梭+琵琶柴群丛（G6）。
![]()
图 2 奇台荒漠类草地自然保护区43个样点的TWINSPAN分类树Figure 2. TWINSPAN taxonomic tree of 43 sample points in Qitai Desert Grassland Nature Reserve表 2 奇台荒漠类草地自然保护区9个植物群落的群落特征及主要物种成分Table 2. Community characteristics and main species components of nine plant communities in Qitai Desert Grassland Nature Reserve群丛编号 样方编号 群丛类型 平均盖度/% G1 21, 22 膜果麻黄+短叶假木贼群丛
Ephedra przewalskii+Anabasis brevifolia7.0 G2 20, 36, 37 膜果麻黄+短叶假木贼+琵琶柴群丛
Ephedra przewalskii+Anabasis brevifolia+Reaumuria soongorica18.3 G3 13, 17, 18, 32 短叶假木贼+膜果麻黄+猪毛菜+戈壁藜群丛
Anabasis brevifolia+ Ephedra przewalskii-Salsola spp.- Iljinia regeli12.5 G4 29, 31, 38 梭梭+膜果麻黄+琵琶柴+霸王群丛
Haloxylon ammodendron+ Ephedra przewalskii+ Reaumuria soongorica+ Sarcozygium xanthoxylon18.3 G5 5, 27, 28 琵琶柴+梭梭+猪毛菜群丛
Reaumuria soongorica+Haloxylon ammodendron+Salsola spp.20.0 G6 1, 2, 3, 4, 6, 7, 9, 10, 11, 12,
16, 24, 25, 26, 30, 33, 35, 43梭梭+琵琶柴群丛
Haloxylon ammodendron+Reaumuria soongorica19.6 G7 8, 34, 42 琵琶柴群丛
Reaumuria soongorica16.0 G8 14, 15, 19, 23 短叶假木贼+琵琶柴+梭梭群丛
Anabasis brevifolia+Reaumuria soongorica+Haloxylon ammodendron11.5 G9 39, 40, 41 窄颖赖草+盐节木+芦苇+大叶白麻群丛
Leymus angustus+Halocnemum strobilaceum+Phragmites australis+Poacynum pictum48.3 3.2 植物群落多样性特征
物种多样性能有效表征生物群落和生态系统结构的复杂性，多样性指数、丰富度、均匀度是常规反映群落多样性水平的数值。通过TWINSPAN聚类所划分的9个植物群丛的物种多样性指数结果见表3。由表3可见，各群丛的Shannon-Wiener多样性指数表现为：G9 > G3 > G4 > G5 > G8 > G6 > G7 > G2 > G1，Simpson优势度指数表现为：G3 > G5 > G9 > G4 > G8 > G7 > G6 > G2 > G1，Pielou均匀度指数表现为G5 > G8 > G7 > G3 > G4 > G6 > G9 > G2 > G1。其中，G9窄颖赖草+盐节木+芦苇+大叶白麻群丛的多样性指数最高，说明G9群丛包含的物种最为丰富。G3短叶假木贼+膜果麻黄+猪毛菜+戈壁藜群丛优势度指数最高，G1膜果麻黄+短叶假木贼群丛多样性指数、优势度指数和均匀度指数均最低。物种在G5琵琶柴+梭梭+猪毛菜群丛分布比较均匀，指数为0.91。
表 3 不同植物群落多样性指数Table 3. Diversity index of different plant communities群丛编号 Shannon-Wiener Simpson Pielou G1 0.729 0.353 0.526 G2 1.100 0.485 0.529 G3 1.652 0.776 0.795 G4 1.518 0.728 0.780 G5 1.459 0.739 0.907 G6 1.186 0.634 0.737 G7 1.136 0.668 0.819 G8 1.331 0.708 0.827 G9 1.739 0.735 0.678 3.3 基于随机森林的植物群落划分
对奇台荒漠类草地自然保护区植被调查数据进行随机森林分类，获得保护区植物群丛分布图（图3）。采用混淆矩阵对分类结果精度进行评价，结果如表4所示。分类总体精度达到86.05%，Kappa系数达到0.815 5，表明基于随机森林的分类精度总体较好。各植被类型生产者精度和用户精度计算结果显示，大部分集中在70%~100%之间，说明错分误差较小。
![]()
图 3 基于随机森林模型的奇台荒漠类草地自然保护区植物群落分布Figure 3. Plant community distribution of Qitai Nature Reserve based on Random Forest Model表 4 基于随机森林模型划分的各植物群落面积及精度验证Table 4. The area and accuracy verification of each plant community based on the Random Forest Model群丛编号 生产者精度/% 用户精度/% 面积/hm2 占比/% G1 50.00 100.00 2 400 4.87 G2 66.67 100.00 563 1.14 G3 100.00 100.00 5 114 10.37 G4 66.67 100.00 643 1.30 G5 33.33 100.00 534 1.08 G6 100.00 85.71 27 711 56.21 G7 100.00 50.00 2 342 4.75 G8 100.00 100.00 9 394 19.05 G9 66.67 100.00 600 1.22 每种植被斑块类型的面积统计显示，G6梭梭+琵琶柴群丛面积27 711 hm2，占整体保护区面积的56.21%；其次是G8短叶假木贼+琵琶柴+梭梭群丛，面积为9 394 hm2，占保护区总面积的19.05%；面积最小的是G5琵琶柴+梭梭+猪毛菜群丛，仅占保护区总面积的1.08%。
4. 讨 论
遥感影像的分辨率决定着影像分类的质量。相较于Landsat系列图像的30 m精度，本研究在样方设置环节引入了分辨率更高的Sentinel-2图像进行植被分类，再结合非监督分类技术，增强了对奇台荒漠类草地自然保护区植被空间分布的分类精度，使其能够更细致地识别和划定植物群落。在此基础上，本研究初步将奇台荒漠类草地自然保护区的植被斑块划分为5类，并设置样方进行实地调查；之后利用双向指示种分析法对植被样方进行聚类，将奇台荒漠类草地自然保护区植物群落进一步细化为9个群丛。结果显示，各个群丛在空间上不连续，一些地理上相隔较远的样点被分成了相同的群丛，这可能与保护区复杂的地形条件、土壤类型和水资源情况有关。最后引入随机森林模型，利用已知的样方分类信息来训练分类器，实现了奇台荒漠类草地自然保护区植物群落空间格局可视化。
由于保护区内从北到南土壤类型逐渐多样化，植物群落的类型也由北向南逐渐丰富。保护区内主要有矿质元素丰富的灰棕漠土，以及隐域性的盐化草甸土，也有土体干燥、结皮下有多孔隙鳞片状层次的漠境盐土等。除此之外，保护区地表水资源匮乏且分布不均，主要集中于中东部和北部有孔隙水与裂隙水溢出的泉，其他区域无地表水系分布。多样化、差异性的地形和水资源分布形成了独特的植物群落，其中，G6梭梭+琵琶柴群丛面积最大，包含的样方数最多。实地调查发现这类群丛的土壤类型多为灰棕漠土，是保护区最常见的一种土地类型。其次是G8短叶假木贼+琵琶柴+梭梭群丛，在保护区内呈斑块状集中分布，土壤类型同样为灰棕漠土。G9窄颖赖草+盐节木+芦苇+大叶白麻群丛面积较小，该群丛的土壤类型主要为草甸土，以草本植物为主，对水的依赖性较强；而奇台荒漠类草地自然保护区又是典型的荒漠生境，因此G9群丛仅在季节性水源地周边呈窄域分布，且群丛内的植被盖度和物种多样性高。G1膜果麻黄+短叶假木贼群丛多样性指数、优势度指数和均匀度指数均最低，G1主要分布在保护区西南角的缓冲区和实验区，相较于中部核心区，地势差异大，植物生长状况差，该群丛内植被盖度也最低，与实际调查情况相符。本研究于8月展开实地调查，发现在奇台荒漠类草地自然保护区的夏季景观中以灌木为优势种，因为根系发达，抗旱能力强，使其在夏季与草本植物的种间竞争中处于优势地位[21]。张欢等[22]曾通过传统的样方法对奇台荒漠类草地自然保护区的植被类型进行调查，通过65个样方划分出15个群丛，本研究中主要群丛的优势种与其基本一致。此外，在同属于准噶尔盆地的卡拉麦里有蹄类自然保护区，也分布有以梭梭、琵琶柴等为优势种的植物群落[23]。
尽管目前有关植物群落划分的研究很多，但这些研究多止步于对植物群落特征的描述[24−25]，未能将研究结果以图像展示。本研究的一个显著特色在于结合高分辨率遥感影像与机器学习算法，实现了奇台荒漠类草地自然保护区优势植物群落空间分布格局可视化。这种将遥感技术与实地调查相结合的方法已在城市[26]、湿地[27]及森林[28]植被分类及制图中应用，相较于传统调查方法，均有效提高了植被分类精度及可视化程度。在后续的研究中，将进一步在不同季节开展大规模样方调查，以完成对奇台荒漠类草地自然保护区126种维管束野生植物的空间分布制图，为保护区物种多样性保护提供理论依据。
5. 结 论
奇台荒漠类草地自然保护区植物群落主要包括琵琶柴、梭梭、膜果麻黄、短叶假木贼为优势种的灌木和半灌木群落。本研究提出了一种基于遥感影像的植被空间分布调查新方法，遥感影像划分5种植被斑块类型的基础上，结合实地调查与双向指示种分析将奇台荒漠类草地自然保护区植物群落进一步划分为9个群丛，最后使用随机森林模型建立了9个群丛的奇台荒漠类草地自然保护区空间分布格局，分类精度总体较好。本套植被空间分布调查技术流程样方划分科学，又能通过实地调查对初步划分的斑块进行矫正和细化，具有广泛的应用前景。
-
![]()
图 1 奇台荒漠类草地自然保护区植被斑块类型
Figure 1. Vegetation patch type map of Qitai Desert Grassland Nature Reserve
![]()
图 2 奇台荒漠类草地自然保护区43个样点的TWINSPAN分类树
Figure 2. TWINSPAN taxonomic tree of 43 sample points in Qitai Desert Grassland Nature Reserve
![]()
图 3 基于随机森林模型的奇台荒漠类草地自然保护区植物群落分布
Figure 3. Plant community distribution of Qitai Nature Reserve based on Random Forest Model
表 1 奇台荒漠类草地自然保护区主要植被概况
Table 1 Main vegetation in Qitai Desert Grassland Nature Reserve
植物名称 拉丁名 平均高度/cm 平均盖度/% 平均重要值 生活型 琵琶柴 Reaumuria soongorica 24.76 16.70 34.67 灌木 梭梭 Haloxylon ammodendron 50.37 20.29 29.66 灌木 膜果麻黄 Ephedra przewalskii 10.00 10.12 10.85 灌木 短叶假木贼 Anabasis brevifolia 5.95 3.32 9.86 半灌木 猪毛菜属 Salsola spp. 24.94 8.25 3.46 草本 戈壁藜 Iljinia regeli 18.83 11.50 2.64 半灌木 窄颖赖草 Leymus angustus 20.55 9.73 1.99 草本 霸王 Sarcozygium xanthoxylon 40.00 20.00 1.40 灌木 盐节木 Halocnemum strobilaceum 16.33 53.33 1.05 半灌木 芦苇 Phragmites australis 19.11 8.11 0.98 草本 大叶白麻 Poacynum pictum 31.71 5.00 0.71 半灌木 黑果枸杞 Lycium ruthenicum 19.29 8.14 0.65 灌木 骆驼刺 Alhagi sparsifolia 11.38 4.75 0.51 草本 小果白刺 Nitraria sibirica 21.50 14.00 0.48 灌木 盐爪爪 Kalidium folianm 20.00 7.80 0.45 半灌木 蒿属 Artemisia spp. 15.00 4.00 0.36 草本 乳苣 Mulgedium tataricum 2.00 2.50 0.21 草本 木本补血草 Limonium suffruticosum 28.00 12.00 0.08 半灌木 
下载: 导出CSV
表 2 奇台荒漠类草地自然保护区9个植物群落的群落特征及主要物种成分
Table 2 Community characteristics and main species components of nine plant communities in Qitai Desert Grassland Nature Reserve
群丛编号 样方编号 群丛类型 平均盖度/% G1 21, 22 膜果麻黄+短叶假木贼群丛
Ephedra przewalskii+Anabasis brevifolia7.0 G2 20, 36, 37 膜果麻黄+短叶假木贼+琵琶柴群丛
Ephedra przewalskii+Anabasis brevifolia+Reaumuria soongorica18.3 G3 13, 17, 18, 32 短叶假木贼+膜果麻黄+猪毛菜+戈壁藜群丛
Anabasis brevifolia+ Ephedra przewalskii-Salsola spp.- Iljinia regeli12.5 G4 29, 31, 38 梭梭+膜果麻黄+琵琶柴+霸王群丛
Haloxylon ammodendron+ Ephedra przewalskii+ Reaumuria soongorica+ Sarcozygium xanthoxylon18.3 G5 5, 27, 28 琵琶柴+梭梭+猪毛菜群丛
Reaumuria soongorica+Haloxylon ammodendron+Salsola spp.20.0 G6 1, 2, 3, 4, 6, 7, 9, 10, 11, 12,
16, 24, 25, 26, 30, 33, 35, 43梭梭+琵琶柴群丛
Haloxylon ammodendron+Reaumuria soongorica19.6 G7 8, 34, 42 琵琶柴群丛
Reaumuria soongorica16.0 G8 14, 15, 19, 23 短叶假木贼+琵琶柴+梭梭群丛
Anabasis brevifolia+Reaumuria soongorica+Haloxylon ammodendron11.5 G9 39, 40, 41 窄颖赖草+盐节木+芦苇+大叶白麻群丛
Leymus angustus+Halocnemum strobilaceum+Phragmites australis+Poacynum pictum48.3
下载: 导出CSV
表 3 不同植物群落多样性指数
Table 3 Diversity index of different plant communities
群丛编号 Shannon-Wiener Simpson Pielou G1 0.729 0.353 0.526 G2 1.100 0.485 0.529 G3 1.652 0.776 0.795 G4 1.518 0.728 0.780 G5 1.459 0.739 0.907 G6 1.186 0.634 0.737 G7 1.136 0.668 0.819 G8 1.331 0.708 0.827 G9 1.739 0.735 0.678
下载: 导出CSV
表 4 基于随机森林模型划分的各植物群落面积及精度验证
Table 4 The area and accuracy verification of each plant community based on the Random Forest Model
群丛编号 生产者精度/% 用户精度/% 面积/hm2 占比/% G1 50.00 100.00 2 400 4.87 G2 66.67 100.00 563 1.14 G3 100.00 100.00 5 114 10.37 G4 66.67 100.00 643 1.30 G5 33.33 100.00 534 1.08 G6 100.00 85.71 27 711 56.21 G7 100.00 50.00 2 342 4.75 G8 100.00 100.00 9 394 19.05 G9 66.67 100.00 600 1.22
下载: 导出CSV
-
[1] BARBOLINI N, WOUTERSEN A, DUPONT-NIVET G, et al. Cenozoic evolution of the steppe-desert biome in Central Asia[J]. Science Advances, 2020, 6(41): eabb8227. DOI: 10.1126/sciadv.abb8227.
[2] HURKA H, FRIESEN N, BLATTNER F, et al. The Eurasian steppe belt: Status quo, origin and evolutionary history[J]. Turczaninowia, 2019, 22(3): 5−71. DOI: 10.14258/turczaninowia.22.3.1.
[3] 张欢, 张云玲, 张彦才, 等. 新疆奇台荒漠类草地自然保护区植物多样性与区系特征[J]. 石河子大学学报(自然科学版), 2021, 39(6): 727−732. DOI: 10.13880/j.cnki.65-1174/n.2021.22.036. ZHANG H, ZHANG Y L, ZHANG Y C, et al. Flora and diversity characteristics of plants in the Qitai desert grassland nature reserve in Xinjiang[J]. Journal of Shihezi University (Natural Science), 2021, 39(6): 727−732. DOI: 10.13880/j.cnki.65-1174/n.2021.22.036
[4] 张立运, 夏阳, 杨维康, 等. 新疆荒漠草地自然保护区初步评价[J]. 干旱区研究, 1998, 15(3): 23−29. DOI: 10.13866/j.azr.1998.03.005. ZHANG L Y, XIA Y, YANG W K, et al. A primary evaluation on Xinjiang Desert grassland reserve[J]. Arid Zone Research, 1998, 15(3): 23−29. DOI: 10.13866/j.azr.1998.03.005
[5] 宋永昌. 植被生态学[M]. 上海: 华东师范大学出版社, 2001: 23–24. SONG Y C. Vegetation ecology[M]. Shanghai: East China Normal University Press, 2001: 23–24.
[6] 刘璐, 刘志成, 杨瑞莹, 等. 永定河干涸段(卢梁段)河流廊道植物群落数量分类及多样性特征[J]. 生态学报, 2020, 40(24): 9129−9137. DOI: 10.5846/stxb202003050419. LIU L, LIU Z C, YANG R Y, et al. The quantitative classification and diversity pattern of plant communities in the river corridor of the dry section of Yongding River(Lu-Liang section)[J]. Acta Ecologica Sinica, 2020, 40(24): 9129−9137. DOI: 10.5846/stxb202003050419
[7] 郑东升, 刘琪璟. 环境因子对长白山自然保护区森林群落分布的影响[J]. 北京林业大学学报, 2023, 45(8): 57−64. DOI: 10.12171/j.1000-1522.20220086. ZHENG D S, LIU Q J. Effects of environmental factors on forest community distribution in Changbai Mountain Nature Reserve of northeastern China[J]. Journal of Beijing Forestry University, 2023, 45(8): 57−64. DOI: 10.12171/j.1000-1522.20220086
[8] 贾希洋, 马红彬, 周瑶, 等. 不同生态恢复措施下宁夏黄土丘陵区典型草原植物群落数量分类和演替[J]. 草业学报, 2018, 27(2): 15−25. DOI: 10.11686/cyxb2017159. JIA X Y, MA H B, ZHOU Y, et al. Floristic quantitative classification and successional characteristics of typical grassland under different ecological restoration methods in the Loess Hilly Region of Ningxia[J]. Acta Prataculturae Sinica, 2018, 27(2): 15−25. DOI: 10.11686/cyxb2017159
[9] 金玲, 陆颖, 马红彬, 等. 内蒙古鄂托克前旗荒漠草原植物群落的数量分类与排序[J]. 草业学报, 2022, 31(4): 12−21. DOI: 10.11686/cyxb2021007. JIN L, LU Y, MA H B, et al. Numerical classification and ordination of the desert steppe plant community in Etuokeqianqi, Inner Mongolia[J]. Acta Prataculturae Sinica, 2022, 31(4): 12−21. DOI: 10.11686/cyxb2021007
[10] SNEDDEN G A. Patterning emergent marsh vegetation assemblages in coastal Louisiana, USA, with unsupervised artificial neural networks[J]. Applied Vegetation Science, 2019, 22(2): 213−229. DOI: 10.1111/avsc.12425.
[11] 夏传花, 贺中华, 汪开花. 基于RS的贵州威宁草海湿地植被分类研究[J]. 贵州科学, 2021, 39(2): 69−75. DOI: 10.3969/j.issn.1003-6563.2021.02.013. XlA C H,HE Z H,WANG K H. RS-based vegetation classification of Caohai Wetland in Weining, Guizhou[J]. Guizhou Science, 2021, 39(2): 69−75. DOI: 10.3969/j.issn.1003-6563.2021.02.013
[12] 颜梅春. 高分辨率影像的植被分类方法对比研究[J]. 遥感学报, 2007, 11(2): 235−240. DOI: 10.3321/j.issn:1007-4619.2007.02.014. YAN M C. Research and contrast on several vegetation-classification methods of high-resolution satellite image data[J]. Journal of Remote Sensing, 2007, 11(2): 235−240. DOI: 10.3321/j.issn:1007-4619.2007.02.014
[13] HEMALATHA S, ANOUNCIA S M. Unsupervised segmentation of remote sensing images using FD based texture analysis model and ISODATA[J]. International Journal of Ambient Computing and Intelligence, 2017, 8(3): 58−75. DOI: 10.4018/ijaci.2017070104.
[14] BELGIU M, DRĂGUŢ L. Random forest in remote sensing: a review of applications and future directions[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016, 114: 24−31. DOI: 10.1016/j.isprsjprs.2016.01.011.
[15] 邓雅文, 蒋卫国, 王晓雅, 等. 基于随机森林算法和知识规则的国际湿地城市精细湿地分类——以常德市为例[J]. 遥感学报, 2023, 27(6): 1426−1440. DOI: 10.11834/jrs.20232293. DENG Y W, JIANG W G, WANG X Y, et al. Refined wetland classification of international wetland cities based on the random forest algorithm and knowledge-driven rules: a case study of Changde City, China[J]. National Remote Sensing Bulletin, 2023, 27(6): 1426−1440. DOI: 10.11834/jrs.20232293
[16] 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[J]. 遥感学报, 2022, 26(4): 672−682. DOI: 10.11834/jrs.20229303. ZHAO X Y, TIAN B, NIU Y, et al. Classification of coastal salt marsh based on sentinel-1 time series backscattering characteristics: the case of the Yangtze River Delta[J]. National Remote Sensing Bulletin, 2022, 26(4): 672−682. DOI: 10.11834/jrs.20229303
[17] MA T Y, HU Y, WANG J, et al. A novel vegetation index approach using sentinel-2 data and random forest algorithm for estimating forest stock volume in the Helan Mountains, Ningxia, China[J]. Remote Sensing, 2023, 15(7): 1853. DOI: 10.3390/rs15071853.
[18] 焦健. 论如何加强自然保护区的管理——以新疆奇台荒漠类草地自然保护区为例[J]. 环境与发展, 2020, 32(2): 193−194. DOI: 10.16647/j.cnki.cn15-1369/X.2020.02.110. JIAO J. On how to strengthen the management of nature reserves: taking Qitai Desert grassland nature reserve in Xinjiang as an example[J]. Environment and Development, 2020, 32(2): 193−194. DOI: 10.16647/j.cnki.cn15-1369/X.2020.02.110
[19] 董雪, 李永华, 辛智鸣, 等. 河西走廊西段荒漠戈壁灌木群落物种多样性的海拔格局[J]. 林业科学, 2021, 57(2): 168−178. DOI: 10.11707/j.1001-7488.20210217. DONG X, LI Y H, XIN Z M, et al. Patterns of altitudinal distribution of species diversity of Desert Gobi shrub communities in West Hexi Corridor of China[J]. Scientia Silvae Sinicae, 2021, 57(2): 168−178. DOI: 10.11707/j.1001-7488.20210217
[20] 李小锋, 惠婷婷, 李耀明, 等. 不同放牧管理方式对新疆山地草原植物群落特征的影响[J]. 干旱区研究, 2024, 41(1): 124−134. DOI: 10.13866/j.azr.2024.01.12. LI X F, HUI T T, LI Y M, et al. Effects of different grazing management strategies on plant diversity in the mountain grassland of Xinjiang, China[J]. Arid Zone Research, 2024, 41(1): 124−134. DOI: 10.13866/j.azr.2024.01.12
[21] 丁婧祎, 尹彩春, 韩逸, 等. 草原灌丛化对生态系统多功能性的影响[J]. 生态学报, 2023, 43(20): 8257−8267. DOI: 10.20103/j.stxb.202211233390. DING J Y, YIN C C, HAN Y, et al. Research progress and perspectives on the impact of shrub encroachment on ecosystem multifunctionality[J]. Acta Ecologica Sinica, 2023, 43(20): 8257−8267. DOI: 10.20103/j.stxb.202211233390
[22] 张欢, 张云玲, 张彦才, 等. 新疆奇台荒漠类草地自然保护区主要植物群落及其特征[J]. 植物生态学报, 2021, 45(8): 918−924. DOI: 10.17521/cjpe.2020.0333. ZHANG H, ZHANG Y L, ZHANG Y C, et al. Main plant communities and characteristics of Desert Grassland Nature Reserve in Qitai, Xinjiang, China[J]. Chinese Journal of Plant Ecology, 2021, 45(8): 918−924. DOI: 10.17521/cjpe.2020.0333
[23] 徐文轩, 杨维康, 张弛, 等. 准噶尔盆地东部卡拉麦里山有蹄类自然保护区主要植物群落及其特征[J]. 植物生态学报, 2016, 40(5): 502−507. DOI: 10.17521/cjpe.2015.0317. XU W X, YANG W K, ZHANG C, et al. Main plant communities and characteristics of Kalamaili Ungulate Nature Reserve in east Junggar Basin[J]. Chinese Journal of Plant Ecology, 2016, 40(5): 502−507. DOI: 10.17521/cjpe.2015.0317
[24] 贺国宝. 祁连山北坡植物群落空间分布格局与多样性研究[J]. 草业学报, 2021, 30(12): 194−201. DOI: 10.11686/cyxb2020463. HE G B. Distribution characteristics and plant community diversity on the north slopes of the Qilian Mountains[J]. Acta Prataculturae Sinica, 2021, 30(12): 194−201. DOI: 10.11686/cyxb2020463
[25] 刘星宏, 张青青, 徐海量, 等. 北疆盐碱地植物群落空间分布及物种多样性[J]. 生态学报, 2021, 41(4): 1501−1513. DOI: 10.5846/stxb201912112690. LIU X H, ZHANG Q Q, XU H L, et al. Spatial distribution and species diversity of saline-alkali plant communities in northern Xinjiang[J]. Acta Ecologica Sinica, 2021, 41(4): 1501−1513. DOI: 10.5846/stxb201912112690
[26] 林怡, 张文豪, 宇洁, 等. 基于无人机影像的城市植被精细分类[J]. 中国环境科学, 2022, 42(6): 2852−2861. DOI: 10.19674/j.cnki.issn1000-6923.20220416.006. LIN Y, ZHANG W H, YU J, et al. Fine classification of urban vegetation based on UAV images[J]. China Environmental Science, 2022, 42(6): 2852−2861. DOI: 10.19674/j.cnki.issn1000-6923.20220416.006
[27] 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[J]. 地理学报, 2021, 76(7): 1680−1692. DOI: 10.11821/dlxb202107008. LIU R Q, LI J L, SUN C, et al. Classification of Yancheng coastal wetland vegetation based on vegetation phenological characteristics derived from Sentinel-2 time-series[J]. Acta Geographica Sinica, 2021, 76(7): 1680−1692. DOI: 10.11821/dlxb202107008
[28] 刘月, 濮毅涵, 刘艳清, 等. 基于Landsat影像研究全球气候变化对武夷山国家公园垂直带谱上各植被群落的影响[J]. 生态科学, 2022, 41(5): 152−162. DOI: 10.14108/j.cnki.1008-8873.2022.05.019. LIU Y, PU Y H, LIU Y Q, et al. Study on the impact of global climate change on the communities of vegetation vertical zone spectrum in Wuyishan National Park based on Landsat imagery[J]. Ecological Science, 2022, 41(5): 152−162. DOI: 10.14108/j.cnki.1008-8873.2022.05.019
计量
- 文章访问数: 18
- HTML全文浏览量: 0
- PDF下载量: 9
邮件订阅
Rss