鹽沼是地表過濕或季節(jié)性積水、土壤鹽漬化并長有鹽生植物的地段。濱海鹽沼以草本植物為主，沿潮間帶延伸，可忍受高鹽條件和因漲潮引起的周期性淹水。鹽沼植被生產力高，可為許多物種提供繁殖、覓食和越冬的場所。鹽沼植被地上生物量（AGB）的估算為監(jiān)測鹽沼生態(tài)系統(tǒng)時空穩(wěn)定性、生產力和地上碳儲量提供了有用信息。然而，以往關于AGB的估算研究主要局限于站點水平，且通?；趩我恢脖活愋?。與野外地面調查方法相比，遙感（RS）衛(wèi)星成本低、速度快、范圍廣，在鹽沼植被結構和生物物理指標的空間估計方面更具優(yōu)勢。其中，UAV-LiDAR數據具有較高的時空分辨率，在濱海鹽沼三維結構監(jiān)測中具有很大潛力。然后目前，利用UAV-LiDAR數據估算鹽沼植被AGB的研究有限。

為了確定濱海鹽沼潮溝對植被群落空間分布及其生物量的影響， 來自復旦大學的研究團隊在上海崇明東灘濱海濕地（121°54′-121°55′E，31°27′-31°28′N）進行了研究，主要目的為：（1）探索UAV-LiDAR數據估算鹽沼植物AGB的潛力；（2）研究潮溝對鹽沼植物群落空間格局及其地上C儲量的影響。

作者于2019年9月基于DJI M600平臺，利用LR1601-IRIS LiDAR傳感器（北京理加聯(lián)合科技有限公司，北京依銳思）收集UAV-LiDAR數據。于2019年9月27日和28日獲取光學圖像數據。于2019年10月和2020年10月收集植被樣品，測量其高度和地上生物量，同時收集土壤樣品，測量其土壤含水量和土壤鹽分?；邴}沼植被群落所有樣本，利用線性回歸模型（多元線性回歸，MLR）和5個機器學習回歸模型，包括廣義線性模型（GLM）、梯度提升機（GBM）、人工神經網絡（ANN）、基于核正則化最小二乘（KRLS）和隨機森林回歸（RFR） 建立預測模型。通過R2和RMSE評估模型性能。

研究區(qū)和采樣點位置。

【結果】

濱海鹽沼植被AGB實測值和預測值之間的關系。（a）MLR；（b）KRLS；（c）ANN；（d）GBM；（e）RFR；（f）GLM

不同鹽沼群落AGB的空間分布、驗證和比較。（a）利用UAV-LiDAR數據和隨機森林模型進行鹽沼植被AGB制圖。（b）不同鹽沼群落AGB平均值。（c）AGB實測值和預測值的回歸擬合。（d）AGB預測值的密度分布曲線。

與潮溝不同距離的鹽沼AGB的比較。（a）代表整個植被群落AGB變化趨勢；（b-e）分別代表PA，IC，CS和SM的AGB變化趨勢。D1：0-50 m；D2：50-100 m；D3：100-150 m；D4：150-200 m。

【結論】

基于UAV平臺收集的高分辨率圖像和LiDAR數據，估算了鹽沼群落的空間分布和AGB。研究表明，通過改變土壤鹽分和水分條件，與潮溝的距離會對群落空間格局和鹽沼植被AGB具有重要影響。研究結果證實了UAV-LiDAR數據與隨機森林算法相耦合可簡便有效的檢測鹽沼AGB。綜上所述，該研究提供了一種估算鹽沼地上C儲量的有效方法，強調了精確估算在制定合理的科學測量進行濱海生態(tài)系統(tǒng)管理和保護中發(fā)揮重要作用。