论文部分内容阅读
湿地被誉为“自然之肾”，是世界上最具生产力的生态系统之一，具有巨大的环境功能和生态效益。由于人类活动的影响，上个世纪全世界约50％的湿地已经消失，现存的湿地正在持续退化。湿地退化引发了严重的环境问题，然而国际社会从20世纪50年代起才逐渐意识到湿地对人类生存的意义，湿地生态系统保护迫在眉睫，湿地生态系统健康诊断是湿地生态系统保护的基础。湿地自身性质决定了其面积广阔、难以进入，且其健康状况与多种环境因子相关。遥感技术可大面积、重复获取湿地相关参数，使得大尺度、快速的湿地生态系统健康评价成为可能，而环境健康遥感诊断理论的问世，则把环境健康与遥感技术有机地结合到一起，成为环境健康研究最新的解决方案。本研究在环境健康遥感诊断的框架下，构建了一个符合湿地生态系统特点的湿地生态系统健康遥感诊断概念模型及一套完整的湿地生态系统健康遥感诊断指标体系，引入支持向量机(SupportVector Machine，SVM)方法，对不同区域不同类型的湿地生态系统案例地进行支持向量机建模研究，与层次分析法（Analytical Hierarchy Process，AHP）结果进行差异性比较并与前人研究成果对比，验证建模过程的科学性和可操作性，以及诊断结果的合理性。本研究的主要内容有以下几个方面: 首先，分析目前常用在生态系统评价中的概念模型的优缺点，在环境健康遥感诊断理论指导下，重点考虑湿地水、土壤和植被三要素的重要性，构建了一个符合湿地生态系统特点且能充分发挥遥感技术优势的湿地生态系统健康遥感诊断“要素-景观-社会”概念模型。 基于“要素-景观-社会”概念模型，通过400余篇的国内外文献调研、综合分析、筛选，构建了一套各种湿地类型通用的、科学性和可操作性强的湿地生态系统健康遥感诊断指标体系，共18个指标。 由于湿地生态系统健康遥感诊断需要建立一定的评价标准，接下来我们对湿地生态系统健康进行等级划分、内涵描述，确定了指标阈值化的参考标准，并基于大量的理论知识、文献调研和实践经验，综合分析并逐一确定各诊断指标与湿地生态系统健康级别之间的阈值关系。 得到各诊断指标与湿地生态系统健康的阈值关系后，本研究选择四川省若尔盖、青海省青海湖和山东省黄河三角洲湿地作为案例地，基于SVM建立湿地生态系统健康遥感诊断模型。本研究改进了AHP中指标相对重要性的确定方法，得到更为客观的指标权重，在此基础上，为各研究区分别构建训练样本，进行支持向量机回归(SVR)和支持向量机分类(SVC)建模。结果表明，径向基核函数(Radial Base Function，RBF)性能最好，ε-SVR算法优于v-SVR算法，回归相关系数在0.98以上;C-SVC算法优于v-SVC算法，分类正确率在93.5％以上。 将ε-SVR和C-SVC模型应用在三个研究区，并与AHP结果进行差异性分析，结果表明:AHP的评价结果高于SVR评价结果，两种方法得到结果具有较为一致的空间分布和变化趋势，存在显著正相关关系;支持向量机分类所得湿地生态系统健康等级最低，结果最消极;支持向量机方法所得结果比层次分析法的结果更符合研究区的实际情况。 从诊断过程的合理性论证、部分指标因子的验证及诊断结果的对比验证三方面对建模过程和模型诊断结果进行验证。结果表明本研究的建模过程科学合理，支持向量机方法较好地模拟了湿地生态系统各指标与健康之间高度复杂的非线性关系，借助Weka平台建模过程相对简单，时间效率高，得出的结论真实可靠，指标的计算结果和最终诊断结果的空间分布可以方便决策者快速找到重点保护和治理的对象及区域，在湿地生态系统健康遥感诊断中有较好的应用前景。 本研究的主要创新点如下: (1)构建了基于湿地水、土壤和植被三要素，符合湿地生态系统特点的湿地生态系统健康“要素-景观-社会”概念模型; (2)在环境健康遥感诊断框架下，基于“要素-景观-社会”概念模型，构建了适用于中国不同区域不同湿地类型的湿地生态系统健康遥感诊断指标体系; (3)研究各诊断指标对湿地生态系统健康影响的测度方法，阈值化刻画湿地系统健康各诊断指标与湿地生态系统健康之间的关系; (4)首次将支持向量机方法应用到湿地生态系统健康遥感诊断研究中。