全 文 ：
摇 摇 摇 摇 摇 生 态 学 报
摇 摇 摇 摇 摇 摇 摇 (SHENGTAI XUEBAO)
摇 摇 第 32 卷 第 17 期摇 摇 2012 年 9 月摇 (半月刊)
目摇 摇 次
基于生物生态因子分析的长序榆保护策略 高建国,章摇 艺,吴玉环,等 (5287)…………………………………
闽江口芦苇沼泽湿地土壤产甲烷菌群落结构的垂直分布 佘晨兴,仝摇 川 (5299)………………………………
涡度相关观测的能量闭合状况及其对农田蒸散测定的影响 刘摇 渡,李摇 俊,于摇 强,等 (5309)………………
地下滴灌下土壤水势对毛白杨纸浆林生长及生理特性的影响 席本野,王摇 烨,邸摇 楠,等 (5318)……………
绿盲蝽危害对枣树叶片生化指标的影响 高摇 勇,门兴元,于摇 毅,等 (5330)……………………………………
湿地资源保护经济学分析———以北京野鸭湖湿地为例 王昌海,崔丽娟,马牧源,等 (5337)……………………
湿地保护区周边农户生态补偿意愿比较 王昌海,崔丽娟,毛旭锋,等 (5345)……………………………………
湿地翅碱蓬生物量遥感估算模型 傅摇 新,刘高焕,黄摇 翀,等 (5355)……………………………………………
增氮对青藏高原东缘典型高寒草甸土壤有机碳组成的影响 郑娇娇,方华军,程淑兰,等 (5363)………………
大兴安岭 2001—2010 年森林火灾碳排放的计量估算 胡海清,魏书精,孙摇 龙 (5373)…………………………
基于水分控制的切花百合生长预测模型 董永义,李摇 刚,安东升,等 (5387)……………………………………
极端干旱区增雨加速泡泡刺群落土壤碳排放 刘殿君,吴摇 波,李永华,等 (5396)………………………………
黄土丘陵区土壤有机碳固存对退耕还林草的时空响应 许明祥,王摇 征,张摇 金,等 (5405)……………………
小兴安岭 5 种林型土壤呼吸时空变异 史宝库,金光泽,汪兆洋 (5416)…………………………………………
疏勒河上游土壤磷和钾的分布及其影响因素 刘文杰,陈生云,胡凤祖,等 (5429)………………………………
COI1 参与茉莉酸调控拟南芥吲哚族芥子油苷生物合成过程 石摇 璐,李梦莎,王丽华,等 (5438)……………
Gash模型在黄土区人工刺槐林冠降雨截留研究中的应用 王艳萍,王摇 力,卫三平 (5445)……………………
三峡水库消落区不同海拔高度的植物群落多样性差异 刘维暐,王摇 杰,王摇 勇,等 (5454)……………………
基于 SPEI的北京低频干旱与气候指数关系 苏宏新,李广起 (5467)……………………………………………
山地枣树茎直径对不同生态因子的响应 赵摇 英,汪有科,韩立新,等 (5476)……………………………………
幼龄柠条细根的空间分布和季节动态 张摇 帆,陈建文,王孟本 (5484)…………………………………………
山西五鹿山白皮松群落乔灌层的种间分离 王丽丽,毕润成,闫摇 明,等 (5494)…………………………………
长期施肥对玉米生育期土壤微生物量碳氮及酶活性的影响 马晓霞,王莲莲,黎青慧,等 (5502)………………
基于归一化法的小麦干物质积累动态预测模型 刘摇 娟,熊淑萍,杨摇 阳,等 (5512)……………………………
上海环城林带景观美学评价及优化策略 张凯旋,凌焕然,达良俊 (5521)………………………………………
旅游风景区旅游交通系统碳足迹评估———以南岳衡山为例 窦银娣,刘云鹏,李伯华,等 (5532)………………
一种城市生态系统现状评价方法及其应用 石惠春,刘摇 伟,何摇 剑,等 (5542)…………………………………
黄海中南部细纹狮子鱼的生物学特征及资源分布的季节变化 周志鹏,金显仕,单秀娟,等 (5550)……………
蓝藻堆积和螺类牧食对苦草生长的影响 何摇 虎,何宇虹,姬娅婵,等 (5562)……………………………………
黑龙江省黄鼬冬季毛被分层结构及保温功能 柳摇 宇,张摇 伟 (5568)……………………………………………
虎纹蛙选择体温和热耐受性在个体发育过程中的变化 樊晓丽,雷焕宗,林植华 (5574)………………………
水丝蚓对太湖沉积物有机磷组成及垂向分布的影响 白秀玲,周云凯,张摇 雷 (5581)…………………………
专论与综述
城市绿地生态评价研究进展 毛齐正,罗上华,马克明,等 (5589)…………………………………………………
全球变化背景下生态学热点问题研究———第二届“国际青年生态学者论坛冶
万摇 云,许丽丽,耿其芳,等 (5601)
…………………………………
……………………………………………………………………………
研究简报
雅鲁藏布江高寒河谷流动沙地适生植物种筛选和恢复效果 沈渭寿,李海东,林乃峰,等 (5609)………………
学术信息与动态
生态系统服务时代的来临———第五届生态系统服务伙伴年会述评 吕一河,卫摇 伟,孙然好 (5619)…………
期刊基本参数:CN 11鄄2031 / Q*1981*m*16*334*zh*P* ￥ 70郾 00*1510*36*
室室室室室室室室室室室室室室
2012鄄09
封面图说: 带雏鸟的白枕鹤一家———白枕鹤是一种体型略小于丹顶鹤的优美的鹤。 体羽蓝灰色,腹部较深,背部较浅,脸颊两
侧红色,头和颈的后部及上背为白色,雌雄相似。 其虹膜暗褐色,嘴黄绿色,脚红色。 白枕鹤常常栖息于开阔平原芦
苇沼泽和水草沼泽地带,有时亦出现于农田和海湾地区,尤其是迁徙季节。 主要以植物种子、草根、嫩叶和鱼、蛙、软
体动物、昆虫等为食。 繁殖区在我国北方和西伯利亚东南部。 我国白枕鹤多在黑龙江、吉林、内蒙古繁殖,与丹顶鹤
的繁殖区几乎重叠,为国家一级保护动物。
彩图提供: 陈建伟教授摇 北京林业大学摇 E鄄mail: cites. chenjw@ 163. com
第 32 卷第 17 期
2012 年 9 月
生 态 学 报
ACTA ECOLOGICA SINICA
Vol. 32,No. 17
Sep. ,2012
http: / / www. ecologica. cn
基金项目:国家自然科学基金项目(41023010,41101196)
收稿日期:2012鄄01鄄11; 摇 摇 修订日期:2012鄄07鄄02
*通讯作者 Corresponding author. E鄄mail: liugh@ lreis. ac. cn
DOI: 10. 5846 / stxb201201110062
傅新,刘高焕,黄翀,刘庆生.湿地翅碱蓬生物量遥感估算模型.生态学报,2012,32(17):5355鄄5362.
Fu X,Liu G H, Huang C,Liu Q S. Remote sensing estimation models of Suaeda salsa biomass in the coastal wetland. Acta Ecologica Sinica,2012,32(17):
5355鄄5362.
湿地翅碱蓬生物量遥感估算模型
傅摇 新1,2,刘高焕1,*,黄摇 翀1,刘庆生1
(1. 中国科学院地理科学与资源研究所,资源与环境信息系统国家重点实验室,北京摇 100101;
2. 中国科学院研究生院,北京摇 100049)
摘要:以黄河三角洲 HJ鄄1A CCD遥感数据和滨海湿地翅碱蓬生物量实测数据为数据源,通过对比分析参数回归模型(单变量线
性和非线性回归模型,多元线性逐步回归模型)和人工神经网络模型(BP 网络、RBF 网络、GRNN 网络),构建黄河三角洲湿地
翅碱蓬生长初期的生物量湿重遥感估算最优模型。 研究表明:基于遥感信息变量能够建立生长初期翅碱蓬生物量湿重估算模
型。 尽管基于 RDVI、MSAVI和 PC2 的 3 个变量的多元线性回归模型的拟合效果较优,但是以 SAVI、MSAVI、RVI、DVI、RDVI和
PC2等 7 个遥感信息变量构建的 BP 神经网络模型的精度更高,平均相对误差为 12. 73% ,估算效果最优,能够满足较高精度的
生物量湿重估算需求。 翅碱蓬生长初期生物量湿重最优估算模型的建立,为滨海地区植被生物量监测、区域翅碱蓬生物量季节
动态模拟以及黄河三角洲生态系统功能评价提供技术支持与基础。
关键词:黄河三角洲; 滨海湿地; 翅碱蓬; 生物量; 遥感估算; 神经网络
Remote sensing estimation models of Suaeda salsa biomass in the coastal
wetland
FU Xin1,2,LIU Gaohuan1,*, HUANG Chong1,LIU Qingsheng1
1 State Key Laboratory of Resources and Environmental Information System,Institute of Geographic Sciences and Natural Resources Research,Chinese Academy
of Sciences, Beijing 100101,China
2 Graduate University of Chinese Academy of Sciences,Beijing 100049,China
Abstract: Vegetation biomass is one of the key issues for accurate estimation of wetland ecosystems. The seasonal dynamics
of vegetation biomass is vital for the study of ecosystem carbon fixation and the carbon cycle. Suaeda salsa is a common
plant found in the Yellow River Delta (YRD) that plays an important role in coastal wetland ecosystems. Because S. salsa
mainly grows in tidal flats, it is difficult to make long鄄term field observations, and so there are few systematic estimations of
S. salsa biomass.
In this paper, different models, including parametric models and artificial intelligence models, were tested and
analyzed for estimating fresh weight of S. salsa biomass based on remote sensing images from the Chinese environmental
satellite HJ鄄1A CCD and measured data. According to the spatial distribution of S. salsa cover type, coverage and growing
patterns, 20 plots of 90m伊90m were randomly selected for sampling. In each plot, 5 quadrats of 1m伊1m ( in the four
corners and center of the plot) were sampled and measured. The total biomass of each plot was calculated by the average
value of those 5 quadrats. Vegetation indices were then extracted and the components of K鄄L transform and K鄄T transform
were calculated from the preprocessed HJ鄄1A CCD images. The correlation between biomass fresh weight, dry weight and
remote sensing information variables were analyzed to determine the variables that significantly related to the biomass.
http: / / www. ecologica. cn
Finally, parameter and nonparametric models were built based on these significant variables.
The parameter models used in this study include univariate linear, nonlinear regression and stepwise regression
models. The non鄄parameter models used in this research are artificial neural network (ANN) models, including BP (Back
propagation) networks, RBF ( Radial Basis Function ) networks and GRNN ( General Regression Neural Network )
networks. The optimal model was determined by comparison of the mean relative error (MRE) of regression models and
ANN models. The major conclusions are: (1) there are significant correlations between several vegetation indices (RDVI,
DVI, RVI, SAVI, MSAVI), the second component of the K鄄L transformation and S. salsa fresh biomass. Although there
are no significant correlations between dry biomass of S. salsa and the remote sensing information variables, the trend of
correlation is generally consistent. (2) It is feasible to build S. salsa fresh biomass models of the initial growing season by
remote sensing information variables with regression models such as a univariate linear model of RDVI, a curve regression
model of SMAVI and a multivariate stepwise regression model. However, of all the regression models, the linear regression
model of three variables, RDVI, MSAVI and PC2, represents the best model for S. salsa fresh biomass. (3) The BP
network model is the optimal model for estimation of S. salsa fresh biomass. The MRE of BP network model is 12. 73% ,
which is 8. 11% lower than the traditional multivariate stepwise regression model.
Key Words: Yellow River Delta; coastal wetland; Suaeda salsa; biomass; remote sensing model; artificial neural network
(ANN)
植被生物量是生态阈值确定、固碳能力和生态功能评价的重要参数[1鄄2],早期生物量估算研究主要针对
林地和草地[3鄄4],对湿地生物量估算的研究相对较少。 湿地植被生物量及其季节动态性研究不仅是生态系统
功能研究的基础,也是生态系统固碳能力、碳循环乃至预测全球变化的重要依据[5]。 作为滨海湿地的典型植
被,翅碱蓬(Suaeda salsa)对滨海地区的碳循环具有巨大作用,同时还具有维持湿地生态系统正常演替、防风
固堤等多重重要功能。 由于翅碱蓬主要分布在潮滩上,受到潮汐等的影响,人类难以进入并进行长期的观测,
对其研究资料相对较少,难以定量估算翅碱蓬在碳循环和生物质能积累中的作用[1],因此准确快速的估计湿
地翅碱蓬生物量就成为一个研究热点。
目前有关湿地植被生物量的估算模型主要以回归模型为主,如李旭文等利用 Landsat TM 数据,建立了
DVI与太湖梅梁湖湾蓝藻生物量湿重之间的一元线性模型[6],李仁东等建立了鄱阳湖湿生植被生物量采样数
据与 ETM4 波段的一元线性相关模型[7]。 基于光学遥感的生物量估算多通过植被指数的回归反演,建立生物
量的回归模型[8]。 在湿地植被中,芦苇生物量及相关遥感研究起步较早[9鄄10],但是对湿地翅碱蓬的遥感研究
相对缺乏[11鄄12]。 目前有关翅碱蓬生物量的研究主要有通过采集的现场光谱数据建立遥感反演回归模型,通
过对采样数据的统计分析翅碱蓬生物量分配比重以及各器官生物量的季节变化等。 吴涛[12]等在研究中提出
现场的光谱采集条件要求盖度大于 50% ,而天然的翅碱蓬分布一般低于 50% 。 对于低盖度的区域,现场光谱
数据建立的反演模型并不适用,基于卫星遥感数据的生物量反演模型有待进一步研究。 毛培利[13]等研究了
不同生境下翅碱蓬根、茎、枝、叶和生殖器官的生物量分配比重特征,而不同生境下翅碱蓬生物量的空间分布
特征有待深入研究。 牟晓杰等[14]统计分析了黄河口滨海中潮滩和低潮滩翅碱蓬不同器官的生物量季节动
态,而大面积翅碱蓬生物量的季节变化及年际变化还需进一步研究。
本文在探讨翅碱蓬湿重、干重分别与植被指数、遥感数据各波段反射率、K鄄L和 K鄄T变换分量等的相关性
的研究基础之上,利用 HJ鄄1A CCD遥感数据和生物量实测数据进行翅碱蓬生物量遥感估算模型的研建,引入
神经网络技术,并与传统的回归模型进行比较,提出生长初期翅碱蓬生物量遥感估算的最优模型。
1摇 研究区概况
现代黄河三角洲(37毅30忆—38毅13忆N,118毅32忆—119毅18忆E),地处渤海湾南岸和莱州湾西岸,位于山东省东
营市境内的黄河入海口地区(图 1)。 1992 年,黄河三角洲国家级自然保护区成立,包括北部的刁口河自然保
6535 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
护区(图 1A)和南部的黄河口自然保护区(图 1B),总面积 153000 hm2,是以保护黄河口新生湿地生态系统和
珍稀濒危鸟类为主体的自然保护区。 该地区属于暖温带半湿润大陆性季风气候,四季分明,光照充足,冷热干
湿界限明显。 年均气温 12. 1 益,年均降水量 551. 6 mm,年均蒸发量 1962 mm。 总体地势平缓。 主要植被类
型有翅碱蓬群落、柽柳(Tam arix chinensis)群落、芦苇(Ph. ragm ites australis)群落、穗状狐尾藻(Myriophyllum
spicatum)群落、补血草(M yriophyllum spicatum)群落及罗布麻(Apocynum venetum)群落等,其中,翅碱蓬群落、
柽柳群落和芦苇群落分布广泛。
图 1摇 研究区位置
Fig. 1摇 Location of study area
2摇 资料与方法
2. 1摇 翅碱蓬生物样本采集与测量
2011 年 6 月中旬,在现代黄河三角洲自然保护区的一千二管理站和黄河口管理站区域的翅碱蓬湿地,按
照“由海向陆、覆被类型均一性[9]、植被长势和盖度的差异性[13]以及样地可达性冶的原则,共随机布设样地 20
个,为了减小影像校正误差与 GPS 定点误差的影响,样地大小设为 90 m伊90 m。 每个样地内,按规则正方形
的四个顶点和中心点的方式采集 5 个小样方,小样方大小为 1 m伊1 m,测得 5 个小样方的生物量,取其均值作
为该样地的生物量。 采集的主要指标有:样地的中心坐标值、植株高度、盖度和株数。 将收集好的植被个体,
去除其枯死部分后,当场用 1译的电子天平称重,统计其湿重。 而后将植被样品带回实验室,经清洗后于 105
益杀青,再在 80 益的恒温干燥箱内烘干至恒重,称其生物量干重。
7535摇 17 期 摇 摇 摇 傅新摇 等:湿地翅碱蓬生物量遥感估算模型 摇
http: / / www. ecologica. cn
2. 2摇 遥感数据处理
本文使用的遥感数据为中国资源卫星中心提供的 HJ鄄1A CCD数据,数据采集时间为 2010 年 6 月 14 日,
轨道号为 456 / 68,空间分辨率为 30 m,该图像在研究区内无云覆盖,质量较好。 影像的预处理包括几何校正、
大气校正、裁切等。 几何校正的误差控制在 0. 3 个像元内,以满足分析精度的要求。 为了消除大气影响,利用
6S模型和同步气象资料,进行了大气校正和反射率的反演。 影像数据经预处理后,进行信息提取,包括:各波
段的反射率,植被指数(NDVI、SAVI、 MSAVI、PVI、RVI、DVI、RDVI)以及 K鄄L和 K鄄T变换的各分量等。
2. 3摇 研究方法
2. 3. 1摇 植被指数计算
选取该环境星 CCD数据的光谱范围为 0. 63—0. 69 滋m 的红光波段(第三波段)和光谱范围为 0. 76—
0郾 90 滋m的近红外波段(第四波段)的反射率进行组合,提取植被指数。 相关的计算方法参照常用的植被指
数计算公式[14鄄15]。
2. 3. 2摇 相关性分析
相关性分析主要通过相关系数的计算和检验实现,其目的就是揭示变量之间关系的紧密程度[16]。 文中
分析翅碱蓬生物量干重和湿重分别与 4 个波段反射率、7 个植被指数、6 个遥感数据的变换分量间的相关性。
目的在于明确它们之间关系的紧密度,确定用于翅碱蓬生物量建模的遥感信息变量。
2. 3. 3摇 生物量建模
以相关性显著相关的遥感信息变量和实测的翅碱蓬生物量为基础,分别建立参数模型和非参数模型。 通
过模型精度的对比分析,从而选择最优的翅碱蓬生物量干湿重估算模型。 研究中建立的参数模型主要是线性
和非线性回归模型,非参数模型主要为神经网络模型,其中包括 BP(误差反向传播算法 Back propagation)网
络、RBF(径向函数 Radial Basis Function)网络、GRNN(广义回归网络 General Regression Neural Network)。
研究中建立的参数模型为回归模型。 以翅碱蓬生物量湿重为因变量,以与因变量相关性高且显著的遥感
信息变量为自变量,分别建立单变量线性回归模型、单变量非线性回归模型、多变量逐步回归模型,对比各模
型精度,选取最优的翅碱蓬生物量回归模型。
研究中建立的非参数模型为神经网络模型。 非参数模型是非显式的包含可估参数,并对未知变量进行估
算和预测。 人工神经网络是一种较好的非参数模型,正逐渐应用于基于遥感数据的生物物理参数的估
算[17鄄20]。 它具有的分布并行处理、非线性映射和自适应学习等特征,使其具有较高的计算效率和精确地逼近
复杂的非线性函数的能力。 BP、RBF和 GRNN是生态参数估算中常用的网络结构。 以相关性分析得到的遥
感信息变量为基础,构建 BP、RBF和 GRNN 3 种网络结构模拟翅碱蓬生物量干湿重,并利用 sim 仿真函数对
未参与训练的 4 组实测数据进行仿真,通过对比 3 种网络的精度,确定最优的神经网络模型。
3摇 结果与分析
3. 1摇 相关性分析
翅碱蓬生物量湿重与干重分别与多种植被指数、各波段反射率、K鄄L变换和 K鄄T变换分量的相关性分析,
主要是为了判断生物量的干湿重与遥感信息量的相关性,选取显著相关且相关系数高的遥感信息变量用于生
物量估算模型的构建。
翅碱蓬生物量的湿重和干重与各遥感信息变量的相关性分析结果表明(表 1),翅碱蓬湿重与多个植被指
数显著相关,在 0. 01 水平上,与 RDVI的相关系数最大,相关系数 R = -0. 796,DVI 次之,与 NDVI 和 SAVI 的
相关系数相同,均为 0. 782。 在 0. 05 水平上,与 PVI的相关系数为 0. 588。 翅碱蓬干重与各变量的相关性均
不显著,但是干湿重与各植被指数相关性的趋势总体一致。 植被指数是对植被状态信息的表达,与植被盖度、
生长活力及生物量等密切相关。 而作为湿地植被,生物量湿重更好的反映了湿地及湿地植被含水量的情况,
且各植被指数与翅碱蓬生物量湿重也呈现出显著相关。
8535 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
表 1摇 翅碱蓬生物量干湿重与植被指数的相关系数
Table 1摇 Correlation between biomass fresh weight, dry weight, and vegetation index
植被指数
Vegetation indices
归一化
植被指数
NDVI
土壤调节
植被指数
SAVI
修改型土壤
调节植被指数
MSAVI
比值
植被指数
RVI
差值
植被指数
DVI
重归一化
植被指数
RDVI
垂直
植被指数
PVI
湿重 Fresh weight 0. 782** 0. 782** 0. 775** 0. 787** 0. 795** -0. 796** 0. 588*
干重 Dry weight 0. 480 0. 480 0. 476 0. 483 0. 506 -0. 497 0. 326
摇 摇 **代表在 0. 01 的水平上相关显著,*代表在 0. 05 的水平上相关显著
通过翅碱蓬生物量干湿重与变换后的遥感信息分量的相关性分析可知(表 2),湿重与 K鄄L变换后的 PC2
分量的相关性最为显著,在 0. 05 水平上,相关系数为 0. 584。 总体上来看,干湿重与两种变换各分量相关性
的趋势总体上是一致的,就相关系数的大小而言,K鄄L 变换后各分量的关系是 PC2>PC3>PC1;K鄄T 变换后各
分量的关系是 TC3>TC1>TC2。
表 2摇 翅碱蓬生物量湿重和干重与 K鄄L和 K鄄T变换各分量的相关系数
Table 2摇 Correlation between biomass fresh weight, dry weight, and components of K鄄L and K鄄T transform
各分量
Each component
K鄄L变换
第一分量
PC1
K鄄L变换
第二分量
PC2
K鄄L变换
第三分量
PC3
K鄄T变换
第一分量
TC1
K鄄T变换
第二分量
TC2
K鄄T变换
第三分量
TC3
湿重 Fresh weight -0. 034 0. 584* 0. 460 -0. 221 0. 132 -0. 253
干重 Dry weight -0. 081 0. 397 0. 303 -0. 193 0. 014 -0. 238
摇 摇 *代表在 0. 05 的水平上相关显著
通过相关性分析可知,生长初期翅碱蓬生物量湿重与遥感信息变量的相关性显著。 可以参与生物量湿重
估算的遥感信息变量为 NDVI 、SAVI、 MSAVI、 RVI、 DVI、 RDVI和 PVI等 7 个植被指数和 K鄄L变换的第二分
量 PC2。 由于是生长初期,翅碱蓬平均高度为 12 cm,叶面积较小,反射率受到土壤背景的影响大,生物量干
湿重与各波段反射率未表现出显著的相关性。
3. 2摇 生物量湿重估算模型
3. 2. 1摇 参数回归模型
首先,建立单变量线性回归模型。 以相关性分析得出的显著相关的 8 个遥感信息变量为自变量,以翅碱
蓬生物量湿重为因变量,分别建立单变量线性回归模型。 通过单变量的线性回归模型 R2 的对比分析,说明了
翅碱蓬生物量湿重可以用多个单变量的回归模型表达,其中,RDVI 为自变量的生物量湿重估算模型的 R2 最
大,拟合效果最好(式 1)。 式 1 作为最优的单变量线性估算模型,R2 = 0. 634,F = 22. 522,P = 0. 000,具有统计
学意义。
Biomass= -503. 960RDVI+1100. 887 (1)
其次,建立单变量非线性回归模型。 以 8 个显著相关的遥感信息变量为自变量,以翅碱蓬生物量湿重为
因变量,建立单变量非线性回归模型。 选取的非线性回归模型有:对数模型、二次多项式、三次多项式、幂指数
模型、指数模型、生长曲线等。 对比所有单变量非线性模型,所有变量中 MSAVI 的三次多项式模型的模拟效
果最好(式 2)。 式 2 中,R2 =0. 673,F=7. 533,P=0. 005,因此,该模型是显著的,且具有统计学意义。
Biomass=3149. 791+24289. 651(MSAVI)+68903. 926(MSAVI) 2+67218. 989(MSAVI) 3 (2)
最后,建立多变量逐步回归模型。 将显著相关的 8 个变量作为自变量,运用逐步回归的方法,根据自变量
对模型影响的显著性大小,将其逐步引入到或剔除出回归模型,直到模型不再有可淘汰或可引入的变量为止。
最终得到 2—4个变量的方程,随着变量个数的增加,R2 呈上升趋势,但是第四个变量的增加,精度仅增加了
0. 06,并没有使模型精度显著提高,因此最终得到的最优模型为 3 个变量的方程(式 3)。 式 3 中,R2 = 0. 683,
F=7. 918,P=0. 004。
Biomass= -1233. 939-3864. 424(RDVI)-12822. 948(MSAVI)-55. 842(PC2) (3)
9535摇 17 期 摇 摇 摇 傅新摇 等:湿地翅碱蓬生物量遥感估算模型 摇
http: / / www. ecologica. cn
对比参数回归模型中所有的单变量线性和非线性回归模型以及多变量逐步回归模型可知, 3 个变量的多
变量逐步回归模型是参数回归模型中拟合效果最好的,R2 =0. 683。
3. 2. 2摇 神经网络模型
由于在 0. 01 水平上,NDVI和 SAVI的相关系数均为 0. 782,考虑到研究中样本数量的有限性,参考吴涛
等[9]对翅碱蓬生物量研究中 NDVI与翅碱蓬生物量的相关关系不高的结论,研究中,首先选取除 NDVI 之外
的 7 个遥感信息变量进入神经网络的训练预测。
为了提高结果的精确性,首先将要输入系统的变量进行归一化处理,仿真的输出结果反算还原。 训练数
据集为随机选取的 16 组数据,分别建立了生物量湿重的 BP、RBF和 GRNN神经网络模型。 经过反复试验,得
到每种方式的最佳结果。
为验证神经网络模型的估算精度,在网络训练完,将未参与训练的 4 组数据利用 sim 仿真函数进行预测,
并将预测值与真实值进行比较,比较结果如表 3 所示。 由表 3 可知,神经网络模型中,BP 的估算结果最优,其
次为 BPF。 拟合效果最优的 BP 算法中,隐藏层和输出层的传输函数分别为“ tansig冶和“purelin冶,训练函数为
trainlm,一个隐层,隐层的神经元为 10 个。
表 3摇 翅碱蓬生物量湿重实测值与各网络估算值的对比
Table 3摇 Comparison between biomass fresh weight and the estimated biomass with ANN
编号
Number
实测值
Measured values
误差反向传播算法
BP
预测值
predicted values
/ (g / m2)
相对误差
relative error
/ %
径向函数 RBF
预测值
predicted values
/ (g / m2)
相对误差
relative error
/ %
广义回归网络
GRNN
预测值
predicted values
/ (g / m2)
相对误差
relative error
/ %
1 566. 37 671. 38 18. 54 833. 70 47. 20 785. 86 38. 75
2 299. 56 270. 46 9. 71 411. 72 37. 44 363. 91 21. 48
3 225. 38 208. 079 7. 68 274. 67 21. 87 150. 86 33. 07
4 836. 04 710. 84 14. 98 918. 44 9. 86 440. 49 47. 31
3. 3摇 回归模型与神经网络模型的对比分析
为了得到最优的估算模型,选择最优的多变量线性回归模型、神经网络模型 BP、RBF和 GRNN进行对比
分析。 通过平均相对误差计算可知(表 4),多变量线性回归模型的平均相对误差为 20. 84% ,BP 神经网络模
型的平均相对误差为 12. 73% ,而 RBF和 GRNN的平均相对误差分别为 31. 13%和 35. 15% 。 可见,BP 神经
网络模型的估算效果最好,其次为多变量线性回归模型,而 RBF和 GRNN 两种网络模型的平均相对误差均大
于 30% 。
表 4摇 不同生物量估算模型平均相对误差的对比
Table 4摇 Comparison of mean relative error of different models
回归模型
Regression model
多变量逐步线性回归模型
Multivariate stepwise
linear regression model
神经网络模型
Artificial neural network model
误差反向传播算法
BP
径向函数
RBF
广义回归网络
GRNN
平均相对误差 / %
The average relative error 20. 84 12. 73 31. 13 35. 15
通过对比分析可知:由于神经网络模型具有很强的线性和非线性拟合能力,且具备独特的运行特征和计
算能力,使其在生物量估算方面能够获得较高的精度。 但是,并不是所有的神经网络模型的模拟效果都高于
传统的回归模型。 本研究表明,BP 神经网络模型是最优的翅碱蓬生物量湿重估算模型,多变量线性回归模型
的估算效果次之。
0635 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
4摇 结论
本文利用光学遥感影像在植被低覆盖区的反演比微波遥感适用的优势,以黄河三角洲滨海湿地生长初期
的翅碱蓬生物量为研究对象,首先分析翅碱蓬生物量干湿重与遥感信息变量的相关性,选取遥感信息变量,构
建多种翅碱蓬生物量湿重估算模型,最后对比分析翅碱蓬生物量湿重估算方法的精度,确定翅碱蓬生物量湿
重遥感估算的最优模型。 主要结论如下:
(1)生长初期的翅碱蓬生物量湿重与多个植被指数(RDVI、DVI、RVI、SAVI等)和 K鄄L变换第二分量等遥
感信息变量的相关性显著,干重与遥感信息变量相关性虽然不显著,但是相关性的趋势总体上与湿重的一致。
基于遥感信息变量,能够建立生长初期的翅碱蓬生物量湿重估算模型。
(2)翅碱蓬生长初期的生物量湿重估算模型可以通过回归模型来表达。 对比各回归模型,基于 RDVI、
MSAVI和 PC2 的 3 个变量的多元线性回归模型是构建的回归模型中拟合效果较好的。
(3)通过单变量的线性和非线性回归模型,多变量逐步回归模型和 BP、RBF、GRNN神经网络模型的对比
分析,BP 神经网络模型的估算效果最优。
References:
[ 1 ]摇 Cui B S, He Q, Zhao X S. Researches on the ecological thresholds of Suaeda salsa to the environmental gradients of water table depth and soil
salinity. Acta Ecologica Sinica, 2008, 28(4): 1408鄄1418.
[ 2 ] 摇 Liu G H, Ma K M, Fu B J, Guan W B, Kang Y X, Zhou J Y, Liu S L. Aboveground biomass of main shrubs in dry valley of Minjiang River. Acta
Ecologica Sinica, 2003, 23(9): 1757鄄1764.
[ 3 ] 摇 Roy P S, Ravan S A. Biomass estimation using satellite remote sensing data—An investigation on possible approaches for natural forest. Journal of
Biosciences, 1996, 21(4): 535鄄561.
[ 4 ] 摇 Shi P J, Li B, Li Z H, Hu T. A Research on the production estimation by remote sensing for Large Area Grassland. Acta Agrestia Sinica, 1994, 2
(1): 9鄄13.
[ 5 ] 摇 Li B, Yang C, Lin P. Ecology. Beijing: Higher Education Press, 2000: 244鄄249.
[ 6 ] 摇 Li X W, Ji G S, Yang J. Estimating cyanophyta biomass standing crops in Meiliang Gulf of Lake Taihu by satellite remote sensing. Remote Sensing
for Land and Resources, 1995, (2): 23鄄28.
[ 7 ] 摇 Li R D, Liu J Y. An estimation of wetland vegetation biomass in the Poyang Lake using Landsat ETM data. Acta Geographica Sinica, 2001, 56
(5): 532鄄540.
[ 8 ] 摇 Curran P J, Dungan J L, Cholz H L. Seasonal LAI in slash pine estimated with Landsat TM. Remote Sensing of Environment, 1992, 39(1):
3鄄13.
[ 9 ] 摇 Wu T G, Wu M, Yu M K, Xiao J H. Dynamics of biomass and N, P storage of Phragmites australis in Hangzhou Bay wetlands. China
Environmental Science, 2010, 30(10): 1408鄄1412.
[10] 摇 Niu T, Li X, Lin H J, Zhao Z, Dong D R. The construction of the remote sensing estimation models for reed biomass in the lower reaches of the
Tarim River. Remote Sensing for Land and Resources, 2011, (4): 42鄄45.
[11] 摇 Wu T, Zhao D Z, Kang J C, Zhang F S, Cheng L. Suaeda salsa dynamic remote monitoring and biomass remote sensing inversion in Shuangtaizi
River estuary. Ecology and Environmental Sciences, 2011, 20(1): 24鄄29.
[12] 摇 Wu T, Zhao D Z, Kang J C, Suo A N, Wei B Q, Ma Y J. Research on remote sensing inversion biomass method based on the Suaeda Salsa忆s
measured spectrum. Spectroscopy and Spectral Analysis, 2010, 30(5): 1336鄄1341.
[13] 摇 Mao P L, Chen W L, Liu Y H, Wang G M, Chen J C, Han G X, Zhang Z D, Yu J B, Liu F D. Biomass allocation in Suaeda salsa population in
different habitats of coastal zone. Ecology and Environmental Sciences, 2011, 20(8 / 9): 1214鄄1220.
[14] 摇 Mou X J, Sun Z G, Wang L L, Dong H F. Characteristics of nitrogen accumulation and allocation of Suaeda salsa in different growth conditions of
intertidal zone in Yellow River Estuary. Wetland Science, 2010, 8(1): 57鄄66.
[15] 摇 Zhao Y S, et al. The Principle and Method of Analysis of Remote Sensing Application. Beijing: Science Press, 2003: 372鄄382.
[16] 摇 Xue L H, Cao W X, Luo W H, Wang S H. Relationship between spectral vegetation indices and LAI in rice. Acta Phytoecologica Sinica, 2004,
28(1): 47鄄52.
[17] 摇 Xu J H. Mathematical Methods in Contemporary Geography. Beijing: Higher Education Press, 2004: 11鄄12.
[18] 摇 Wang S J, Guan D S. Remote sensing method of forest biomass estimation by artificial neural network models. Ecology and Environment, 2007, 16
1635摇 17 期 摇 摇 摇 傅新摇 等:湿地翅碱蓬生物量遥感估算模型 摇
http: / / www. ecologica. cn
(1): 108鄄111.
[19] 摇 Wang S H, Zhang M Z, Zhao P A, Chen J X. Modelling the spatial distribution of forest carbon stocks with artificial neural network based on TM
images and forest inventory data. Acta Ecologica Sinica, 2011, 31(4): 998鄄1008.
[20] 摇 Li S C, Wu S H, Dai E F. Assessing the fragility of ecosystem using artificial neural network model. Acta Ecologica Sinica, 2005, 25 (3):
621鄄626.
[21] 摇 Foody G M, Boyd D S, Cutler M E J. Predictive relations of tropical forest biomass from Landsat TM data and their transferability between regions.
Remote Sensing of Environment, 2003, 85(4): 463鄄474.
[22] 摇 Song J, Chen M, Feng G, Jia Y H, Wang B S, Zhang F S. Effect of salinity on growth, ion accumulation and the roles of ions in osmotic
adjustment of two populations of Suaeda salsa. Plant and Soil, 2009, 314(1 / 2): 133鄄141.
参考文献:
[ 1 ]摇 崔保山, 贺强, 赵欣胜. 水盐环境梯度下翅碱蓬 (Suaeda salsa) 的生态阈值. 生态学报, 2008, 28(4): 1408鄄1418.
[ 2 ] 摇 刘国华, 马克明, 傅伯杰, 关文彬, 康永祥, 周建云, 刘世梁. 岷江干旱河谷主要灌丛类型地上生物量研究. 生态学报, 2003, 23(9):
1757鄄1764.
[ 4 ] 摇 史培军, 李博, 李忠厚, 湖涛. 大面积草地遥感估产技术研究———以内蒙古锡林郭勒草原估产为例. 草地学报, 1994, 2(1): 9鄄13.
[ 5 ] 摇 李博, 杨持, 林鹏. 生态学. 北京: 高等教育出版社, 2000: 244鄄249.
[ 6 ] 摇 李旭文, 季耿善, 杨静. 太湖梅梁湖湾蓝藻生物量遥感估算. 国土资源遥感, 1995, (2): 23鄄28.
[ 7 ] 摇 李仁东, 刘纪远. 应用 Landsat ETM 数据估算鄱阳湖湿生植被生物量. 地理学报, 2001, 56(5): 532鄄540.
[ 9 ] 摇 吴统贵, 吴明, 虞木奎, 萧江华. 杭州湾滨海湿地芦苇生物量及 N、P 储量动态变化. 中国环境科学, 2010, 30(10): 1408鄄1412.
[10] 摇 牛婷, 李霞, 林海军, 赵钊, 董道瑞. 塔里木河下游芦苇生物量遥感估算模型研建. 国土资源遥感, 2011, (4): 42鄄45.
[11] 摇 吴涛, 赵冬至, 康建成, 张丰收, 程璐. 辽东湾双台子河口湿地翅碱蓬 (Suaeda salsa) 生物量遥感反演研究. 生态环境学报, 2011, 20
(1): 24鄄29.
[12] 摇 吴涛, 赵冬至,康建成,索安宁,卫宝泉,马玉娟. 基于现场光谱的翅碱蓬生物量遥感反演方法研究. 光谱学与光谱分析, 2010, 30(5):
1336鄄1341.
[13] 摇 毛培利, 成文连, 刘玉虹, 王光美, 陈景春, 韩广轩, 张志东, 于君宝, 刘福德. 滨海不同生境下盐地碱蓬生物量分配特征研究. 生态环
境学报, 2011, 20(8 / 9): 1214鄄1220.
[14] 摇 牟晓杰, 孙志高, 王玲玲, 董洪芳. 黄河口滨岸潮滩不同生境下翅碱蓬氮的累积与分配特征. 湿地科学, 2010, 8(1): 57鄄66.
[15] 摇 赵英时等. 遥感应用分析原理与方法. 北京: 科学出版社, 2003: 372鄄382.
[16] 摇 薛利红, 曹卫星, 罗卫红, 王绍华. 光谱植被指数与水稻叶面积指数相关性的研究. 植物生态学报, 2004, 28(1): 47鄄52.
[17] 摇 徐建华. 现代地理学中的数学方法. 北京: 高等教育出版社, 2004: 11鄄12.
[18] 摇 王淑君, 管东生. 神经网络模型森林生物量遥感估测方法的研究. 生态环境, 2007, 16(1): 108鄄111.
[19] 摇 汪少华, 张茂震, 赵平安, 陈金星. 基于 TM影像、森林资源清查数据和人工神经网络的森林碳空间分布模拟. 生态学报, 2011, 31(4):
998鄄1008.
[20] 摇 李双成, 吴绍洪, 戴尔阜. 生态系统响应气候变化脆弱性的人工神经网络模型评价. 生态学报, 2005, 25(3): 621鄄626.
2635 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
ACTA ECOLOGICA SINICA Vol. 32,No. 17 September,2012(Semimonthly)
CONTENTS
Conservation strategies for Ulmus elongata based on the analysis of biological and ecological factors
GAO Jianguo, ZHANG Yi, WU Yuhuan, et al (5287)
…………………………………
……………………………………………………………………………
Vertical distribution of methanogen community structures in Phragmites australis marsh soil in the Min River estuary
SHE Chenxing, TONG Chuan (5299)
…………………
………………………………………………………………………………………………
Energy balance closure and its effects on evapotranspiration measurements with the eddy covariance technique in a cropland
LIU Du, LI Jun, YU Qiang, TONG Xiaojuan, et al (5309)
…………
………………………………………………………………………
Effects of soil water potential on the growth and physiological characteristics of Populus tomentosa pulpwood plantation under
subsurface drip irrigation XI Benye, WANG Ye, DI Nan, et al (5318)…………………………………………………………
Physiological indices of leaves of jujube (Zizyphus jujuba) damaged by Apolygus lucorum
GAO Yong, MEN Xingyuan, YU Yi, et al (5330)
……………………………………………
…………………………………………………………………………………
Economic analysis of wetland resource protection: a case study of Beijing Wild Duck Lake
WANG Changhai, CUI Lijuan, MA Muyuan, et al (5337)
……………………………………………
…………………………………………………………………………
Comparative studies on the farmers忆 willingness to accept eco鄄compensation in wetlands nature reserve
WANG Changhai,CUI Lijuan,MAO Xufeng, et al (5345)
………………………………
…………………………………………………………………………
Remote sensing estimation models of Suaeda salsa biomass in the coastal wetland
FU Xin,LIU Gaohuan, HUANG Chong,LIU Qingsheng (5355)
……………………………………………………
……………………………………………………………………
Effects of N addition on soil organic carbon components in an alpine meadow on the eastern Qinghai鄄Tibetan Plateau
ZHENG Jiaojiao, FANG Huajun, CHENG Shulan, et al (5363)
………………
……………………………………………………………………
Estimating carbon emissions from forest fires during 2001 to 2010 in Daxing忆anling Mountain
HU Haiqing, WEI Shujing, SUN Long (5373)
…………………………………………
………………………………………………………………………………………
Predicting the effects of soil water potential on the growth of cut lily DONG Yongyi, LI Gang, AN Dongsheng, et al (5387)………
Rain enrichment鄄accelerated carbon emissions from soil in a Nitraria sphaerocarpa community in hyperarid region
LIU Dianjun, WU Bo, LI Yonghua, et al (5396)
……………………
…………………………………………………………………………………
Response of soil organic carbon sequestration to the “Grain for Green Project冶 in the hilly Loess Plateau region
XU Mingxiang, WANG Zheng, ZHANG Jin, et al (5405)
……………………
…………………………………………………………………………
Temporal and spatial variability in soil respiration in five temperate forests in Xiaoxing忆an Mountains, China
SHI Baoku,JIN Guangze,WANG Zhaoyang (5416)
…………………………
…………………………………………………………………………………
Distributions pattern of phosphorus, potassium and influencing factors in the upstream of Shule river basin
LIU Wenjie, CHEN Shengyun, HU Fengzu, et al (5429)
…………………………
…………………………………………………………………………
COI1 is involved in jasmonate鄄induced indolic glucosinolate biosynthesis in Arabidopsis thaliana
SHI Lu, LI Mengsha, WANG Lihua, et al (5438)
………………………………………
…………………………………………………………………………………
Modeling canopy rainfall interception of a replanted Robinia pseudoacacia forest in the Loess Plateau
WANG Yanping,WANG Li,WEI Sanping (5445)
…………………………………
…………………………………………………………………………………
The differences of plant community diversity among the different altitudes in the Water鄄Level鄄Fluctuating Zone of the Three
Gorges Reservoir LIU Weiwei, WANG Jie, WANG Yong, et al (5454)…………………………………………………………
Low鄄frequency drought variability based on SPEI in association with climate indices in Beijing SU Hongxin, LI Guangqi (5467)……
Response of upland jujube tree trunk diameter to different ecological factors
ZHAO Ying, WANG Youke, HAN Lixin,et al (5476)
……………………………………………………………
……………………………………………………………………………
The spatial distribution and seasonal dynamics of fine roots in a young Caragana korshinskii plantation
ZHANG Fan, CHEN Jianwen, WANG Mengben (5484)
………………………………
……………………………………………………………………………
Interspecific segregation of species in tree and shrub layers of the Pinus bungeana Zucc. ex Endl. community in the Wulu
Mountains, Shanxi Province, China WANG Lili, BI Runcheng, YAN Ming, et al (5494)………………………………………
Effects of long鄄term fertilization on soil microbial biomass carbon and nitrogen and enzyme activities during maize growing season
MA Xiaoxia, WANG Lianlian, LI Qinghui, et al (5502)
…
…………………………………………………………………………
A model to predict dry matter accumulation dynamics in wheat based on the normalized method
LIU Juan, XIONG Shuping, YANG Yang, et al (5512)
………………………………………
……………………………………………………………………………
Optimization strategies and an aesthetic evaluation of typical plant communities in the Shanghai Green Belt
ZHANG Kaixuan, LING Huanran, DA Liangjun (5521)
…………………………
……………………………………………………………………………
Carbon footprint evaluation research on the tourism transportation system at tourist attractions: a case study in Hengshan
DOU Yindi, LIU Yunpeng, LI Bohua, et al (5532)
……………
………………………………………………………………………………
An urban ecosystem assessment method and its application SHI Huichun, LIU Wei, HE Jian, et al (5542)…………………………
Seasonal variations in distribution and biological characteristics of snailfish Liparis tanakae in the central and southern Yellow Sea
ZHOU Zhipeng, JIN Xianshi, SHAN Xiujuan,et al (5550)
…
…………………………………………………………………………
Effects of cyanobacterial accumulation and snail grazing on the growth of vallisneria natans
HE Hu, HE Yuhong,JI Yachan,et al (5562)
……………………………………………
………………………………………………………………………………………
The structure and thermal insulation capability of Mustela sibirica manchurica winter pelage in Heilongjiang Province
LIU Yu,ZHANG Wei (5568)
………………
………………………………………………………………………………………………………
Ontogenetic shifts in selected body temperature and thermal tolerance of the tiger frog, Hoplobatrachus chinensis
FAN Xiaoli, LEI Huanzong, LIN Zhihua (5574)
……………………
……………………………………………………………………………………
The influence of tubificid worms bioturbation on organic phosphorus components and their vertical distribution in sediment of
Lake Taihu BAI Xiuling, ZHOU Yunkai, ZHANG Lei (5581)……………………………………………………………………
Review and Monograph
Research advances in ecological assessment of urban greenspace MAO Qizheng, LUO Shanghua, MA Keming, et al (5589)………
Ecological hot topics in global change on the 2nd International Young Ecologist Forum
WAN Yun, XU Lili, GENG Qifang,et al (5601)
…………………………………………………
……………………………………………………………………………………
Scientific Note
Screening trial for the suitable plant species growing on sand dunes in the alpine valley and its recovery status in the Yarlung
Zangbo River basin of Tibet, China SHEN Weishou, LI Haidong, LIN Naifeng, et al (5609)…………………………………
《生态学报》2013 年征订启事
《生态学报》是中国生态学学会主办的生态学专业性高级学术期刊,创刊于 1981 年。 主要报道生态学研
究原始创新性科研成果,特别欢迎能反映现代生态学发展方向的优秀综述性文章;研究简报;生态学新理论、
新方法、新技术介绍;新书评介和学术、科研动态及开放实验室介绍等。
《生态学报》为半月刊,大 16 开本,300 页,国内定价 90 元 /册,全年定价 2160 元。
国内邮发代号:82鄄7,国外邮发代号:M670
标准刊号:ISSN 1000鄄0933摇 摇 CN 11鄄2031 / Q
全国各地邮局均可订阅,也可直接与编辑部联系购买。 欢迎广大科技工作者、科研单位、高等院校、图书
馆等订阅。
通讯地址: 100085 北京海淀区双清路 18 号摇 电摇 摇 话: (010)62941099; 62843362
E鄄mail: shengtaixuebao@ rcees. ac. cn摇 网摇 摇 址: www. ecologica. cn
摇 摇 编辑部主任摇 孔红梅摇 摇 摇 执行编辑摇 刘天星摇 段摇 靖
生摇 态摇 学摇 报
(SHENGTAI摇 XUEBAO)
(半月刊摇 1981 年 3 月创刊)
第 32 卷摇 第 17 期摇 (2012 年 9 月)
ACTA ECOLOGICA SINICA
摇
(Semimonthly,Started in 1981)
摇
Vol郾 32摇 No郾 17 (September, 2012)
编摇 摇 辑摇 《生态学报》编辑部
地址:北京海淀区双清路 18 号
邮政编码:100085
电话:(010)62941099
www. ecologica. cn
shengtaixuebao@ rcees. ac. cn
主摇 摇 编摇 冯宗炜
主摇 摇 管摇 中国科学技术协会
主摇 摇 办摇 中国生态学学会
中国科学院生态环境研究中心
地址:北京海淀区双清路 18 号
邮政编码:100085
出摇 摇 版摇
摇 摇 摇 摇 摇 地址:北京东黄城根北街 16 号
邮政编码:1R00717
印摇 摇 刷摇 北京北林印刷厂
发 行摇
地址:东黄城根北街 16 号
邮政编码:100717
电话:(010)64034563
E鄄mail:journal@ cspg. net
订摇 摇 购摇 全国各地邮局
国外发行摇 中国国际图书贸易总公司
地址:北京 399 信箱
邮政编码:100044
广告经营
许 可 证摇 京海工商广字第 8013 号
Edited by摇 Editorial board of
ACTA ECOLOGICA SINICA
Add:18,Shuangqing Street,Haidian,Beijing 100085,China
Tel:(010)62941099
www. ecologica. cn
Shengtaixuebao@ rcees. ac. cn
Editor鄄in鄄chief摇 FENG Zong鄄Wei
Supervised by摇 China Association for Science and Technology
Sponsored by摇 Ecological Society of China
Research Center for Eco鄄environmental Sciences, CAS
Add:18,Shuangqing Street,Haidian,Beijing 100085,China
Published by摇 Science Press
Add:16 Donghuangchenggen North Street,
Beijing摇 100717,China
Printed by摇 Beijing Bei Lin Printing House,
Beijing 100083,China
Distributed by摇 Science Press
Add:16 Donghuangchenggen North
Street,Beijing 100717,China
Tel:(010)64034563
E鄄mail:journal@ cspg. net
Domestic 摇 摇 All Local Post Offices in China
Foreign 摇 摇 China International Book Trading
Corporation
Add:P. O. Box 399 Beijing 100044,China
摇 ISSN 1000鄄0933
CN 11鄄2031 / Q
国内外公开发行 国内邮发代号 82鄄7 国外发行代号 M670 定价 70郾 00 元摇