论文部分内容阅读
湿地水生植物群落动态变化过程可以反映湿地生态系统健康程度及其生态服务功能。建立挺水植物群落时空扩散模型，定量分析挺水植物群落扩散与湿地环境变化之间的响应关系，探索湿地复杂非线性演化规律、剖析演化机制，可以为湿地可持续发展提供科学依据与决策支持。
本文以乌梁素海湿地为研究区，在遥感、地理信息系统的支持下，通过景观指数定量研究了1986～2008年湿地景观类型格局及动态变化特征，测算了挺水植物群落重心位置及其移动轨迹，分析了挺水植物扩散的影响因子。以地理元胞自动机（Geo-CA)为模型框架，分别基于空间统计学和人工智能方法构建了乌梁素海湿地挺水植物扩散时空动态模型，模拟了湿地挺水植物群落扩散过程。主要研究结论如下：
（1）基于多源遥感数据提取乌梁素海湿地类型信息，定量分析了湿地类型区景观指数变化，结果表明：1986～2008年间，乌梁素海湿地挺水植物面积由120.89km2上升至167.43km2，斑块个数由 1138个降至690个，斑块密度由1.2335个/km2降至0.7479个/km2，最大斑块面积比例由6.7002％升高至17.3879％，形状指数由36.2997下降至33.8494。挺水植物侵吞明水区和浅水沼泽区，成为湿地优势景观类型，斑块破碎度降低，边缘结构趋于简单。湿地挺水植物群落发展具有不平衡性，22年间挺水植物群落的重心偏移基本可分三个阶段：1986～1997年重心位置由（E108°50′55.35″，N 40°58′53.78″）移动至（E 108°50′25.26″，N 40°58′37.57″），向西南偏移了863.03m；1997～2000年重心由（E108°50′25.26″，N40°58′37.57″）移至（E108°50′35.33″，N40°58′28.32″），向东南偏移了369.76m；2000～2008年重心位置由（E108°50′50.12″，N40°58′39.11″）移动至（E108°50′35.33″，N40°58′28.32″），向东北偏移487.73m。
（2）在实测数据的基础上进行挺水植物群落扩散影响因子相关分析，通过逐步回归分析进一步确定了水深、TN是乌梁素海挺水植物扩散的主要影响因子，回归系数分别为-0.46和0.17。其中，水深超过1.5m挺水植物扩散停止，检测挺水植物体内N / P≤14，TN仍对乌梁素海挺水植物扩散起促进作用。通过地统计学插值方法模拟了乌梁素海不同时期水深、TN的时空分布。
（3）基于空间统计学原理，计算不同时期乌梁素海挺水植物扩散动态度（LC）变化，获取挺水植物扩散速度拐点，进而将乌梁素海挺水植物群落扩散分为：快速扩散期（1986～2002年）和滞缓期（2002～2008年），挺水植物扩散动态度分别为2.1％和 0.61％。建立动态度最优分段的 Logistic-CA模型模拟湿地挺水植物时空扩散过程，结果表明：1997、2002和2008年模拟总体精度分别为74.01％、72.29％和74.36％，Kappa系数分别为0.6222、0.6103和0.6370，实际MoranI系数分别为0.628、0.686和0.709，模拟结果的 MoranI系数分别为0.641、0.712和0.720。动态度校正后的逻辑回归 CA模型在精度、空间形态一致性定量检验及控制模拟精度下降方面均优于常规Logistic-CA模型。
（4）将案例推理（CBR）引入湿地挺水植物扩散Geo-CA模型，解决湿地挺水植物扩散模拟面积大、时间长、影响因素复杂、非线性转化规则难以获取等问题。
构建基于案例推理的乌梁素海挺水植物扩散元胞自动机模型（CBR-CA），依据地理特征和空间特征的相似度，搜索动态历史案例库中k 个最近邻，隐含获取 Geo-CA转化规则，模拟挺水植物群落扩散过程，结果表明：1997、2002和2008年模拟总体精度分别为76.41％、73.05％和75.91％，Kappa系数分别为0.6402、0.6382和0.6393，实际MoranI系数分别为0.628、0.686和0.709，模拟结果的Moran I系数分别为0.640、0.710和0.718。CBR-CA模型能适应湿地环境快速变化，并体现出复杂系统自适应特点。
（5）分别基于 LC-Logistic-CA 模型和CBR-CA模型预测了2015年乌梁素海湿地挺水植物扩散状况，预测结果显示：挺水植物面积分别为174.34km2和172.92km2，斑块个数分别为634个和646个，斑块密度分别为0.7287个/km2和0.7311个/km2，最大斑块所占景观面积的比例分别为18.0019％和17.9558％，形状指数分别为32.8392和33.1556，斑块破碎度降低，边缘结构趋于简单。