盐和污水胁迫下红树植物生化组分高光谱反演

Due to the coastal change, erosion and pollution, the growth of mangroves is often influenced by multiple environment stresses, continuously degrading the function of mangrove ecosystem. Hence, the real-time monitoring of health and environment stress of mangroves is of great importance. This proposed project aims to reveal the responding characteristics of canopy reflectance spectra of mangroves under artificially-controlled salinity and sewage stress, investigate the retrieval methodologies of biochemical components (chlorophyll, nitrogen, phosphorus and tannin) of mangroves at canopy scale, and to explore the feasibility of applying the canopy model at landscape scale. This project plans to mainly study the responses of canopy reflectance spectra of different species of mangroves to single and combined stress of salinity and sewage using orthogonal experiment analysis and principal component analysis; establish retrieval model of biochemical components of mangroves using statistical regression and machine learning model (random forest regression); investigate the effect of salinity, sewage and species on retrieval accuracy using partial correlation analysis; focus heavily on the mechanism of retrieving biochemical components of mangroves under environment stress; and to map biochemical components of mangroves at landscape scale. The research output of this project will provide important reference values for the protection, management and ecological restoration of mangroves, further, to some degree, it will supplement and improve the theory, technology and methodology of remotely retrieval of vegetation biochemical components.

因海岸线变迁、侵蚀和污染，红树林生长时常受多种环境因素（如盐和污水）的胁迫影响，生态系统结构和功能衰退。因此，红树林健康及环境胁迫状况的实时监测非常重要。本项目旨在人工控制的盐和污水胁迫下揭示不同种类红树植物冠层反射光谱的响应特征，研究冠层尺度红树植物生化组分（叶绿素、氮、磷、单宁）高光谱反演的方法，探索冠层尺度模型推广应用至景观尺度的可行性。本项目拟采用正交试验分析和主成分分析重点研究不同种类红树植物的冠层反射光谱对盐-污水的单一及复合胁迫的响应特征，并拟利用统计回归和机器学习模型（随机森林回归）构建红树植物生化组分反演模型，采用偏相关分析技术研究盐、污水和物种因素对反演精度的影响，重点阐明环境胁迫下红树植物生化组分反演机理，实现景观尺度红树植物生化组分空间制图。本项目研究成果将对红树林的保护、管理及生态恢复具有重要参考价值，一定程度上补充和完善植物生化组分遥感反演的理论、技术和方法。

因海岸线变迁、侵蚀和污染，红树林生长时常受多种环境因素（如盐和污水）的胁迫影响，生态系统结构和功能衰退。因此，红树林健康及环境胁迫状况的实时监测非常重要。本项目旨在人工控制的盐和铜胁迫下揭示不同种类红树植物冠层反射光谱的响应特征，研究冠层尺度红树植物生化组分（叶绿素、氮、磷、含水量、类黄酮含量、铜含量、氮平衡指数）高光谱反演的方法，探索冠层尺度模型推广应用至景观尺度的可行性。申请人按照原计划人工培养了200盆红树植物（四个物种：白骨壤、秋茄、桐花树、拉关木），并进行盐胁迫和铜胁迫处理，2018年开始，每年7月和12月，对人工培养的红树植物采集叶片样本和土壤样本，获取叶片光谱和生化组分，发现在不同环境胁迫下，不同物种红树植物的生长速率显著不同，除了受胁迫影响外，土壤环境对植物生长的影响最大。基于白骨壤、秋茄、木榄、桐花树的叶片尺度光谱数据，利用随机森林进行物种分类，研究发现连续小波变换能有效地提高4种优势红树植被的物种分类精度；不同样本子集划分和光谱特征选择方法显著地影响红树植被物种的分类精度。基于135个野外红树植物叶片和土壤样本，使用连续小波分析和随机森林回归构建红树植物生化组分的反演模型，分析9个生态环境因子对红树植物生化参数遥感反演的影响程度，研究发现土壤总碳、物种更显著影响反演精度，结合生态环境因子和叶片光谱的模型反演叶绿素与氮含量的精度比单一基于叶片光谱的精度高。另外，本研究获取了深圳福田红树林保护区的无人机高光谱和激光雷达数据，研究发现，无人机高光谱与激光点云耦合的模型并未提高生化组分的反演精度。截止目前，受该基金资助的论文共发表3篇，申请一项专利，2篇论文在审状态，建立一个实习基地，协助培养2个硕士和1个博士后。通过本项目的实施，可以进一步了解红树植物在盐-铜单一和复合胁迫下的生长状况，研究成果将对红树林的保护、管理及生态恢复具有重要参考价值，一定程度上补充和完善植物生化组分遥感反演的理论、技术和方法。