遙感植被指數與植物多樣性的相關性及空間分布特征研究——以海口市主城區為例

何榮曉 雷金睿 楊帆

摘 要：植物多樣性監測是開展物種保護與植被景觀規劃的重要基礎，對實施生物多樣性的優先區域保護具有重要意義。該文以海口市主城區為例，利用Landsat 8遙感數據與樣方實測數據分析了植被指數與植物多樣性指數之間的相關性，根據相關性分析結果構建植物多樣性遙感監測數學模型，并篩選出最優模型用于監測研究區植物多樣性的空間分布狀況。結果表明：Shannon-Wiener多樣性指數、Simpson多樣性指數和Pielou均勻度指數與MSAVI植被指數相關系數最高，呈顯著相關性（P<0.01）。通過一元線性數學回歸模型得到的海口市植物多樣性空間分布特征與實際情況相符，植物多樣性水平較高的區域主要分布在火山口、東寨港和羊山濕地一帶，且具有明顯的空間自相關性。根據研究結果建議繼續實施嚴格的保護措施，加強生態修復與保護工程，提高植被覆蓋率和生物多樣性水平。

關鍵詞： 生物多樣性， 植被指數， 植被覆蓋率， 空間自相關， 遙感監測

中圖分類號：Q948.1

文獻標識碼：A

文章編號：1000-3142（2021）03-0351-11

收稿日期：2019-07-10

基金項目：海南省自然科學基金（318QN195）;海南大學科研啟動基金（KYQD[ZR]1839， KYQD[ZR]1821） [Supported by Hainan Natural Science Foundation （318QN195）; Research Start-up Fund of Hainan University （KYQD[ZR]1839， KYQD[ZR]1821）]。

作者簡介： 何榮曉（1987-），博士，講師，研究方向為園林植物景觀設計，（E-mail） rx.he@hainanu.edu.cn。

通信作者：雷金睿，碩士，助理研究員，研究方向為城市園林植物與景觀評價，（E-mail）raykingre@163.com。

Correlation and spatial distribution characteristics of remote sensing vegetation index and plant diversity—A case study of main urban area of Haikou City

HE Rongxiao1，2， LEI Jinrui3*， YANG Fan1，2

（ 1. College of Forestry， Hainan University， Haikou 570228， China; 2. Hainan Biological Key Laboratory for Germplasm Resources of Tropical Special Ornamental Plants， Haikou 570228， China; 3. Hainan Academy of Forestry/Haikou Wetland

Protection Engineering Technology Research and Development Center， Haikou 571100， China ）

Abstract：Plant diversity monitoring is an important basis for species conservation and vegetation landscape planning， and it is of great significance for the implementation of priority area protection for biodiversity. Taking the main urban area of Haikou City as an example， we analyzed the correlation between vegetation index and the plant diversity index by applying remote sensing data from Landsat 8 and measured data in site， and then built the mathematical model of remote sensing monitoring for plant diversity and screened out the optimal model that is used to monitoring the spatial distribution of plant diversity in the study region. The results were as follows： Shannon-Wiener diversity index， Simpson diversity index and Pielou evenness index had the highest correlation coefficient with MSAVI vegetation index， with significant correlation （P<0.01）. The spatial distribution of plant diversity in Haikou acquired from the unitary linear regression model was consistent with the actual situation. The areas with higher plant diversities were mainly distributed in the volcanic crater， Dongzhai harbor and Yangshan wetland， which had obvious spatial self-correlation. According to results obtained from this research， continual implementation of strict conservation measures， enhancement of ecological restoration and conservation projects， and improvement of vegetation coverage and biodiversity are recommended.

Key words： biodiversity， vegetation index， vegetation coverage， spatial self-correlation， remote sensing monitoring

生物多樣性是人類賴以生存的物質基礎。隨著全球范圍內物種和棲息地的喪失，生物多樣性破壞已嚴重威脅可持續發展和生態系統穩定性，成為生態學和地理學研究的熱點問題（陳亮和王緒高，2008;胡海德等，2012）。近年來，隨著遙感技術的快速發展，因其具備大尺度、長時間序列、多類型等優勢而被廣泛應用于土地利用變化（雷金睿等，2017）、生物量估測（張艷楠等，2012;王紫君等，2016）、環境監測（Koponen & Ullininen，2002;閆峰等，2006）、森林健康（Arekhi et al.，2017）等方面的研究，將遙感技術應用于生物多樣性監測領域也是目前國際生物多樣性研究的最新趨勢，同時也是研究難點（徐文婷和吳炳方，2005;程乾等，2016;郭慶華等，2018;郭慶華和劉瑾，2018）。通過遙感手段監測植物多樣性有多種方法，應用較多的是基于景觀指數對植物多樣性實施監測，它通過遙感影像生成土地覆蓋數據，進而計算出各種景觀指數。其理論基礎是景觀異質性與生物多樣性的正相關關系（Kerr et al.，2001;Gottschalk et al.，2005），如李祖政等（2018）利用Landsat ETM+ 遙感影像探討了徐州城市景觀格局變化對植物多樣性的影響。然而這種方法適合較大的空間尺度，單純使用這種方法得到的多樣性信息在精度上存在局限性（Griffiths & Lee，2000;Langford et al.，2006）。衛星遙感影像衍生出的植被指數有助于分析生物多樣性格局，這些影像是可更新且易獲取的，并且還可以獲得多個時空尺度上的影像信息（Duro et al.，2014）。有研究認為，歸一化植被指數（NDVI）與植物多樣性之間存在顯著正相關關系（Fairbanks & McGwire，2004;Cayuela et al，2006），可以解釋區域內物種豐富度或多樣性變化。這為間接監測大尺度生物多樣性提供了更為便捷的方式，用于評估區域和全球尺度的生物多樣性現狀和變化趨勢（Oindo & Skidmore，2002;Turner et al.，2003）。Fairbanks & McGwire（2004）的研究表明使用NDVI數據可以在區域尺度和長時間內對植物物種豐富度進行表征和監測。Arekhi et al.（2017）使用Landsat數據研究了土耳其Gnen大壩流域植被指數與α和β多樣性之間的相關性，研究表明NDVI有助于估計大面積植物的α多樣性。程乾等（2016）研究表明NDVI監測濕地植物多樣性的最佳空間尺度大小為152 m × 152 m，且與Simpson指數的相關性顯著。在空間尺度的研究方面，方彬等（2007）利用基于空間變異理論和半方差函數探討了植被指數用于生物多樣性監測的最佳研究尺度，根據模擬結果得出不同植被指數用于生物多樣性遙感監測的最佳尺度。國內外學者對于生物多樣性遙感監測在不同植被指數、不同空間尺度甚至不同地域類型都開展了相關研究，表明遙感技術在生物多樣性監測領域廣泛的應用前景，但在大范圍的實際應用中仍然處于探索階段。

海南島地處熱帶北緣及干濕熱帶氣候的過渡帶，島內地形復雜、氣候多樣、水熱充沛、植被類型多樣，保存了我國最大面積的熱帶雨林和豐富的生物多樣性資源（張路等，2011）。2010年，環保部印發的《中國生物多樣性保護戰略與行動計劃（2011—2030年）》中，海南島中南部被確定為我國生物多樣性保護優先區域。2014年，海南省印發《生物多樣性保護戰略與行動計劃（2014—2030年）》，將海南島北部生物多樣性保護優先區域（主要保護對象為海口火山巖地區植被生態系統）確定為全省4個生物多樣性保護優先區域之一。隨后，海口市于2015年在《生物多樣性保護戰略與行動計劃》中也將火山、海岸帶及近岸海域、紅樹林等列入生物多樣性保護優先區域，提出建立生物多樣性監測和評估體系。基于此，本研究以海口市主城區為例，將遙感技術應用于植物多樣性監測領域，是對區域生物多樣性監測與保護的有益探索，有助于快速開展生物多樣性本底調查和監測信息化建設，加強生物多樣性優先區域的保護。

1 研究區概況

海口市（110°10′—110°41′ E、19°32′—20°05′ N）位于海南島北部，屬熱帶海洋性季風氣候，為典型的熱帶濱海省會城市。海拔為0～222 m，年平均氣溫24.4 ℃，年平均降水量1 696.6 mm，平均相對濕度85%。區域內以濱海平原地貌為主，東部有海南

東寨港紅樹林自然保護區，西部有火山口世界地質公園，南部有羊山濕地，森林覆蓋率33.63%。現有植被主要以人工純林為主，如木麻黃（Casuarina equisetifolia）、馬占相思（Acacia mangium）、桉樹（Eucalyptus robusta）、橡膠樹（Hevea brasiliensis）、龍眼（Dimocarpus longan）、荔枝（Litchi chinensis）等。天然林相對較少，以熱帶地區常見的野生灌木草叢植物種群為主，以及分布于東部沿海一帶的東寨港紅樹林群落。本研究以海口市主城區為研究樣區，面積約520 km2（圖1）。

2 研究方法

2.1 植物多樣性調查

基于ArcGIS 10.3采用隨機抽樣方法在海口市主城區范圍內設置60個樣方，大小為30 m × 30 m。在2013年6—11月間，采用高精度GPS定位實地尋找隨機布設的樣方，對樣方內的調查記錄內容包括：土地利用類型、地面覆蓋情況;胸徑≥3 cm喬木的種類、株數、胸徑、樹高、干高、冠幅、健康狀況等;灌木的種類、蓋度、高度、健康狀況;草本的種類、面積、高度、健康狀況（何榮曉，2016）。但由于部分樣方落在建筑、水面或農田上，為避免影響相關性分析精度，剔除代表性不強、易引起偏差的樣方， 最后優選出48個樣方數據（圖1）。從中隨機抽取2/3的樣方數據（即32個樣方）用于建模，剩余的樣方用于模型驗證。

植物多樣性指數選取3種廣泛使用的α多樣性指數（劉魯霞，2019）。其計算公式如下。

（1）Shannon-Wiener多樣性指數：

H=-∑si=1（PilnPi）;

（2）Simpson多樣性指數：D=1-∑si=1（Pi）2;

（3）Pielou均勻度指數：J=Hln（S）。

式中：S為物種數;Pi為物種i的相對重要值。植物物種的相對重要值計算公式如下。

（1）喬木層：重要值IV=（相對密度+相對頻度+相對顯著度）/3;

（2）灌木層：重要值IV=（相對密度+相對頻度+相對蓋度）/3;

（3）草本層：重要值IV=（相對高度+相對頻度+相對蓋度）/3;

（4）相對重要值=該物種的重要值/該樣地內所有物種的重要值之和。

通過 R.3.2.2的 vegan 軟件包中的diversity函數完成植物物種多樣性指數計算（何榮曉，2016）。

植物綜合多樣性指數引用楊學軍等（1998）的多序穩定假說提出的時間-穩定系數C=ln（a+1）（a為植物進入穩定狀態的時間）來計算喬木層、灌木層、草本層權重，求和得到相應綜合指數。本研究中喬木層、灌木層、草本層的權重值分別取0.6、0.3和0.1（周彬等，2002;程乾等，2016）。

2.2 植被指數計算

選用海口市清晰少云、且與調查時間一致的Landsat 8 OLI-TIRS遙感影像 （數據來源于中國科學院計算機網絡信息中心地理空間數據云平臺（http：//www.gscloud.cn）），獲取時間為2013-10-26，云量為2.44%，軌道號為p124/r46。依托ENVI 5.1軟件平臺，遙感影像經幾何校正、輻射校正等預處理，誤差控制在0.5個像元，運用柵格計算器分別計算生成各類植被指數柵格圖，空間分辨率均為30 m。選取6種常用的植被指數進行處理分析（張艷楠等，2012;Arekhi et al.，2017）。計算公式如下。

（1）差值植被指數：DVI=NIR-R;

（2）增強型植被指數：

EVI=2.5×（NIR-R）NIR+6×R-7.5×B+1;

（3）修改型土壤調整植被指數：

MSAVI=2NIR+1-（2NIR+1）2-8（NIR-R）2;

（4）歸一化差異植被指數：NDVI=NIR-RNIR+R;

（5）比值植被指數：RVI= NIRR;

（6）轉換型植被指數：TVI= NDVI+0.5。

式中：NIR代表近紅外波段即OLI-5;R代表紅外波段即OLI-4;B代表藍色波段即OLI-2。

2.3 數據統計分析

根據前人對生物多樣性遙感監測最佳空間尺度的研究成果（方彬等，2007;Maliheh et al.，2017），本文DVI、IPVI、MSAVI、NDVI、RVI和TVI 5種植被指數采用3×3像元（即90 m × 90 m），EVI采用4×4像元（即120 m × 120 m），利用GIS空間分析工具分別對植被指數柵格圖進行鄰域均值統計分析。再通過樣方中心點坐標提取得到每個樣方所對應的植被指數值，導入SPSS 22.0進行植被指數與植物多樣性之間的Pearson相關性分析及回歸分析，并建立相應的估測數學模型。通過計算估測值與實測值之間的標準誤差（RMSE）、平均相對誤差（MRE）、平均絕對誤差（MAE）來分析研究區植物多樣性遙感估測精度（Pereira et al.，2010），進而采用最佳數學模型估測研究區植物多樣性，得到研究區植物多樣性的空間分布矢量數據。

為探索植物多樣性的空間關聯特征和聚集性，采用地統計學理論中的全局空間自相關Morans I統計量對研究區植物多樣性的空間分布特征進行表征。計算公式如下。

I =ni=1nj=1wij（xi-x）（xj-x）S2（ijwij）。

局部空間自相關指標常采用局部Morans I統計量進行度量，用以準確地把握局部空間要素的聚集性和分異特征（Anselin et al.，2006）。計算公式如下。

Ii =（xi-x）nj=1wij（xi-x）S2;

S2=1nni=1（xi-x）2。

式中：n是空間單元數量;xi和xj分別表示單元i和單元j的觀測值;wij是基于空間k鄰接關系建立的空間權重矩陣。空間自相關分析采用GeoDa 1.6.7軟件完成。

3 結果與分析

3.1 植物群落優勢種

從研究區各層次植物重要值排名前10位的物種來看（表1），喬木層以椰子、印度紫檀為主要優勢物種，重要值分別為10.51%和8.43%;灌木層優勢物種以黃金榕、龍船花為主，重要值分別為9.81%和8.40%;草本層則以細葉結縷草、結縷草等為主要優勢物種，重要值分別為13.71%和7.09%。從排名前10位優勢物種的重要值之和來看，灌木層主要物種的優勢程度要高于喬木層和草本層，其中除了鵝掌藤和福建茶為本地物種之外，其余的皆為栽培種。喬木層的本地物種種類較多，如椰子、秋楓、高山榕等，分布也較為廣泛。草本層中本地種主要是牛筋草、地毯草、海芋等，其中南美蟛蜞菊為熱帶惡性入侵植物。

3.2 植被指數與植物多樣性相關性分析

對植被指數與實際調查各樣點的植物多樣性指數的相關性分析見表2。由表2可知，Shannon-Wiener多樣性指數（H）、Simpson多樣性指數（D）、Pielou均勻度指數（J）與6種植被指數均呈顯著正相關（P<0.01）。其中，Shannon-Wiener多樣性指數、Simpson多樣性指數和Pielou均勻度指數與植被指數相關系數排前3位的分別是MSAVI、TVI、NDVI，均在0.550以上（表2），說明植物多樣性與植被指數之間存在較強相關性。因此，可以利用植被指數建立植物多樣性監測數學模型。

在相關性分析的基礎上，利用相關系數最高的植被指數與植物多樣性進行回歸分析，分別建立一元線性回歸模型（圖2）。其中Shannon-Wiener多樣性指數的線性回歸模型為y=1.827 5x+0.040 8，復相關系數為0.424 4;Simpson多樣性指數的線性回歸模型為

y=0.951 3x+0.052 8，復相關系數為0.446 7;Pielou均勻度指數的線性回歸模型為y=1.222 5x+0.189 5，復相關系數為0.331 0，均達到顯著水平（P<0.01），表明一元線性回歸模型具有統計學意義。

3.3 植物多樣性模型精度分析

由表3可知，16個樣地點的Shannon-Wiener多樣性指數、Simpson多樣性指數和Pielou均勻度指數估測值與實測值的均值差值分別為0.036、0.026、0.021，MRE分別為6.90%、5.10%、7.03%，復相關系數分別為0.887 1、0.881 6、0.478 1。結果表明，Shannon-Wiener多樣性指數和Simpson多樣性指數的擬合效果較好，Pielou均勻度指數相對較差，但均達到顯著水平（P<0.01）。因此，可以使用線性回歸模型估測研究區植物多樣性的空間分布。

3.4 植物多樣性空間分布

從圖3可以看出，Shannon-Wiener多樣性指數、Simpson多樣性指數和Pielou均勻度指數的空間分布較為一致。研究區主城區及南渡江入海口、西部長流開發區等區域，人口分布密集，植被覆蓋程度低（多為城市人工綠地），造成該區域的植物多樣性水平偏低。在研究區西南部、東部等區域，因有海口火山口次生林以及東寨港紅樹林等自然植被的連片分布，植被覆蓋程度很高，且生長旺盛，植物多樣性等級也最高。但在城鄉結合部的市區南部、南渡江以東區域零散分布有耕地、塊狀濕地等用地類型，自然與人工覆被鑲嵌分布其中，所以植物多樣性居于中等水平。另外，在城區中心的金牛嶺公園、 萬綠園等地也表現出較高的植物多樣性和均勻度。

3.5 植物多樣性空間自相關分析

從圖4可以看出，Moran散點主要分布在第一象限（HH）和第三象限（LL），第二象限（LH）和第四象限（HL）散點分布相對較少，全局Morans I指數為0.691 2，這說明研究區Shannon-Wiener多樣性指數具有很強的空間正相關性， 具有非常明顯的聚集性，在空間分布上并非完全隨機（圖4）。

從空間自相關分布圖（圖5）來看，直觀反映了Shannon-Wiener多樣性在空間聚集與分異的位置分布特征。Shannon-Wiener多樣性指數HH聚集主要分布在研究區西南部、東南部以及南部區域。LL聚集區主要出現在海口建成區以及西海岸開發區一帶。在城鄉結合部區域空間聚集性表現不顯著（NS）。而HL聚集和LH聚集類型則在研究區內呈零星分布。

4 討論

4.1 植物多樣性估測模型

本研究利用Landsat 8遙感數據與樣方實測數據分析了植被指數與植物多樣性指數之間的相關性，并估測植物多樣性的空間分布特征，結果表明Shannon-Wiener多樣性指數、Simpson多樣性指數和Pielou均勻度指數與MSAVI的相關系數最高，線性回歸模型擬合效果較好（P<0.01），具有統計學意義。梁大雙（2011）在對吉林蛟河地區的森林植物多樣性與植被指數之間的數學關系研究中得出，Shannon-Wiener多樣性指數與SAVI指數（土壤調整植被指數）的相關性最好，模型在一定程度上反映出森林植物多樣性狀況，這與本研究得出的結論一致。

不同的地表覆被會表現出不同的遙感光譜特征，目前利用這一特征在監測生物量、蓄積量等方面應用廣泛（張艷楠等，2012;王紫君等，2016），方法較為成熟，建立遙感觀測信息與地面實測數據的緊密聯系從而實現二者的互補和有效結合（郭慶華等，2018;郭慶華和劉瑾，2018），使大尺度空間監測成為可能。然而，建立遙感光譜與植物多樣性間的關系模型的方法目前仍然存在一些問題（梁大雙，2011）。引入多個空間指標因子可以明顯提高回歸模型的擬合精度，如李燕軍（2006）在植被指數與植物多樣性的一元回歸模型基礎上引入坡向數據構建多元回歸模型，顯著提高了回歸方程的擬合度。此外，高程對植物多樣性指數的估測也會產生一定的負向影響，即高程增加會導致多樣性的降低（梁大雙，2011）。但本研究區域首先選擇在海口市北部濱海平原區域，地勢平坦，高程相差很小，因此高程因子對本研究中的植物多樣性影響可忽略不計;其次，本研究中的遙感數據與樣方定位均通過空間糾正處理，匹配精度滿足研究需要，也為精確分析遙感植被指數和植物多樣性指數之間的相關性奠定了基礎。

4.2 植物多樣性空間分布對區域保護的啟示

長期以來，生物多樣性的空間分布大都是通過繁瑣的野外調查和分析獲取， 但這種途徑會消耗大量人力物力和時間，不利于規劃管理者及時掌握生物多樣性的時空分布和制定切實可行的生物多樣性保護策略（Fallah et al.，2012;Dalmayne et al.，2013）。在保護棲息地和大量物種時，監測植物多樣性已成為一個重要問題（Kiran & Mudaliar，2012）。本研究利用衛星遙感數據確定植物多樣性，結合地面調查數據構建監測模型，是一種獲取植物多樣性分布及其在大面積上的狀態的便捷方式，這與郭慶華等（2018）和Turner et al.（2003）的研究結果一致。這些數據是可更新的、標準化的和多尺度的，這在生物多樣性保護和植被景觀規劃的有效管理和決策中發揮著重要作用，使其在大尺度生物多樣性監測、制圖和評估方面具有極大優勢。

在研究區西南部區域靠近海口火山口地質公園，東部的紅樹林自然保護區均為植被覆蓋程度最高的區域，因此植物多樣性水平也隨之較高，這也反映出在保護地范圍內外植物多樣性水平的明顯差異。而在研究區南部的羊山濕地一帶，濕地植物茂密且物種多樣，表現出植物多樣性也相對較高。此外，在海口市主城區的金牛嶺公園、萬綠園、人民公園等城市綠地，由于自然植被的高度覆蓋也反映出較高的植物多樣性水平， 這與雷金睿等（2017）對海口城市公園植物物種多樣性分析的結果趨同。可見，利用估測模型得出研究區域的植物多樣性空間分布狀況與實際情況基本相符，監測結果可以反映海口市植物多樣性的空間分布狀況。

通過地統計學理論探討研究區植物多樣性空間自相關性，結果表現出顯著的正空間自相關關系，具有非常明顯的聚集性。根據空間聚類模式認為，在東寨港紅樹林自然保護區、火山口及其周邊區域（HH聚集）建議繼續實施嚴格的保護措施，禁止或限制建設擴張，維持高水平的植物多樣性。而在研究區南部的羊山濕地區域，應當限制耕地侵占、人為破壞干擾等方式損害羊山濕地多用途功能，繼續保持較高水平的植物多樣性，發揮濕地蓄水、凈化等多樣化的生態系統服務功能。上述區域的植被生態系統也是海口市生物多樣性行動計劃的優先保護區域，而在部分植物多樣性水平較低的區域（LL聚集）應考慮更多的生態修復工程或城市景觀綠化建設，提高植被覆蓋率。

5 結論與展望

本研究利用Landsat 8遙感影像與樣方實測數據研究了海口市植物多樣性的相關性及空間分布狀況，結果表明Shannon-Wiener多樣性指數、Simpson多樣性指數和Pielou均勻度指數與MSAVI、TVI、NDVI等3個植被指數的相關系數較高，均在0.550以上;以MSAVI與不同植物多樣性指數建立線性回歸模型，擬合效果較好，且均通過顯著性檢驗（P<0.01），說明回歸方程具有統計學意義。通過最優模型監測研究區植物多樣性結果與實際情況相符，表明本估測模型具有科學性與可靠性，證明利用遙感數據可快速有效地監測海口市植物多樣性水平。根據研究結果建議繼續實施嚴格的保護措施，加強城區的生態修復與保護工程，提高植被覆蓋率和生物多樣性水平。這對于植物多樣性遙感監測、區域保護發展和維護生態安全具有重要的實踐意義，是對海南島生物多樣性遙感監測與保護的有益探索。但應當注意的是，生態學和地理學的特征及現象常伴隨著復雜的尺度效應，如何更科學地確定植被指數的空間尺度還有待于進一步研究。此外，引入其他空間指標如高分辨率的遙感影像、土壤類型等，繼續提高植物多樣性遙感監測精度也應當是今后重點研究的方向之一。

參考文獻：

ANSELIN L， SYABRI I， KHO Y， 2006. GeoDa：An introduction to spatial data analysis [J]. Geogr Anal，38（1）： 5-22.

AREKHI M， YILMAZ OY， YILMAZ H， et al.， 2017. Can tree species diversity be assessed with Landsat data in a temperate forest？? [J]. Environ Monit Assess， 189：586.

CAYUELA L， BENAYAS JMR， JUSTEL A， et al.， 2006. Modelling tree diversity in a highly fragmented tropical montane landscape [J]. Glob Ecol Biogeogr， 15： 602-613.

CHEN L， WANG XG， 2008. Biodiversity and forest ecosystem health： Some key questions? [J]. Chin J Ecol， 27（5）： 816-820. [陳亮， 王緒高， 2008. 生物多樣性與森林生態系統健康的幾個關鍵問題 [J]. 生態學雜志， 27（5）： 816-820.]

CHENG Q， CHEN YF， LI SD， et al.， 2016. Research on plant species diversity in estuarine wetland of Hangzhou bay based on the GF-1 satellite and in situ data? [J].J Nat Resour， 31（11）：1938-1948. [程乾， 陳奕霏， 李順達， 等， 2016. 基于高分1號衛星和地面實測數據的杭州灣河口濕地植物物種多樣性研究 [J]. 自然資源學報， 31（11）：1938-1948.]

DALMAYNE J， MCKEL T， PRENTICE HC， et al.， 2013. Assessment of fine-scale plant species beta diversity using World View-2 satellite spectral dissimilarity [J]. Ecol Inform， 18： 1-9.

DURO DC， GIRARD J， KING DJ， et al.， 2014. Predicting species diversity in agricultural environments using landsat TM imagery [J]. Remote Sens Environ， 144： 214-225.

FAIRBANKS DHK， MCGWIRE KC， 2004. Patterns of floristic richness in vegetation communities of California： Regional scale analysis with multi-temporal NDVI [J]. Glob Ecol Biogeogr， 13： 221-235.

FALLAH C， MOZAFFAR SB， HASHEMI SA， 2012. Probability measurement to estimate forest tree diversity using IRS-p6 satellite images in Caspian broad leaved forests [J]. ARPN J Agr Biol Sci， 7： 238-243.

FANG B， CHEN B， ZHANG Y， 2007. Research on scale selection and mapping of inspecting biologic diversity using remote sensing [J]. Geogr Geo-Infor Sci， 23（6）：78-81. [方彬， 陳波， 張元， 2007. 生物多樣性遙感監測尺度選擇及制圖研究 [J]. 地理與地理信息科學， 23（6）：78-81.]

GOTTSCHALK T， HUETTMANN F， EHLERS M， 2005. Review article： Thirty years of analysing and modelling avian habitat relationships using satellite imagery data： A review [J]. Int J Remote Sens， 26： 2631-2656.

GRIFFITHS G， LEE J， 2000. Landscape pattern and species richness： Regional scale analysis from remote sensing [J]. Int J Remote Sens， 21： 2685-2704.

GUO QH， HU TY， JIANG YX， et al.， 2018. Advances in remote sensing application for biodiversity research? [J]. Biodivers Sci， 26（8）： 789-806. [郭慶華， 胡天宇， 姜媛茜， 等， 2018. 遙感在生物多樣性研究中的應用進展 [J]. 生物多樣性， 26（8）： 789-806.]

GUO QH， LIU J， 2018. Remote sensing has become an indispensable technology for biodiversity research protection and change monitoring? [J]. Biodivers Sci， 26（8）： 785-788. [郭慶華， 劉瑾， 2018. 遙感已經成為生物多樣性研究保護與變化監測不可或缺的技術手段 [J]. 生物多樣性， 26（8）： 785-788.]

HE RX， 2016. Impacts of urbanization on plant diversity： A case study of Haikou City? [D]. Haikou： Hainan University. [何榮曉， 2016. 城市化對植物多樣性的影響： 以海口市為例 [D]. 海口： 海南大學.]

HU HD， LI XY， DU YF， et al.， 2012. Research advances in biodiversity remote sensing monitoring? [J]. Chin J Ecol， 31（6）： 1591-1596. [胡海德， 李小玉， 杜宇飛， 等， 2012. 生物多樣性遙感監測方法研究進展 [J]. 生態學雜志， 31（6）： 1591-1596.]

KERR J T， SOUTHWOOD T， CIHLAR J， 2001. Remotely sensed habitat diversity predicts butterfly species richness and community similarity in Canada [J]. P Natl Acad Sci USA， 98： 11365.

KIRAN GS， MUDALIAR A， 2012. Remote sensing & geoinformatics technology in evaluation of forest tree diversity [J]. Asian J Plant Sci Res， 2： 237-242.

KOPONEN S， ULLININEN J， 2002. Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data? [J]. Remote Sens Environ， 79：51-59.

LANGFORD WT， GERGEL SE， DIETTERICH TG， et al.， 2006. Map misclassification can cause large errors in landscape pattern indices： Examples from habitat fragmentation [J]. Ecosystems， 9： 474-488.

LEI JR， CHEN ZZ， YANG Q， et al.， 2017. GIS-based gradient analysis of urban landscape pattern of Haikou? [J]. J NW For Univ， 32（3）： 205-210. [雷金睿， 陳宗鑄， 楊琦， 等， 2017. 基于GIS的海口市景觀格局梯度分析 [J]. 西北林學院學報， 32（3）： 205-210.]

LEI JR， SONG XQ， CHEN ZZ， 2017. Analysis on plant community diversity in Haikou City parks [J]. J SW For Univ， 37（1）：88-93. [雷金睿， 宋希強， 陳宗鑄， 2017. 海口城市公園植物群落多樣性研究 [J]. 西南林業大學學報， 37（1）：88-93.]

LI YJ， 2006. Vegetation index screening and remote sensing monitoring model of species diversity [D]. Lanzhou： Gansu Agricultural University. [李燕軍， 2006. 植被指數篩選與物種多樣性遙感監測模型研究 [D]. 蘭州： 甘肅農業大學.]

LI ZZ， YOU HM， WANG ZY， 2018. Multi-scale effects of urban landscape pattern on plant diversity in Xuzhou City， Jiangsu Province， China? [J]. Chin J Appl Ecol， 29（6）： 1813-1821. [李祖政， 尤海梅， 王梓懿， 2018. 徐州城市景觀格局對綠地植物多樣性的多尺度影響 [J]. 應用生態學報， 29（6）： 1813-1821.]

LIANG DS， 2011. Application research on remote sensing monitoring of forest plant diversity? [D]. Beijing： Beijing Forestry University.? [梁大雙， 2011. 森林植物多樣性遙感監測應用研究 [D]. 北京： 北京林業大學.]

LIU LX， PANG Y， REN HB， et al.， 2019. Predict tree species diversity from GF-2 satellite data in a subtropical forest of China? [J]. Sci Silv Sin， 55（2）：61-74. [劉魯霞， 龐勇， 任海保， 等， 2019. 基于高分2號遙感數據估測中亞熱帶天然林木本植物物種多樣性 [J]. 林業科學， 55（2）：61-74.]

MALIHEH A， OSMAN YY， HATICE Y， et al.， 2017. Can tree species diversity be assessed with Landsat data in a temperate forest？? [J]. Environ Monit Assess， 189： 586.

OINDO BO， SKIDMORE AK， 2002. Interannual variability of NDVI and species richness in Kenya [J]. Int J Remote Sens， 23： 285-298.

PEREIRA P， OLIVA M， BALTRENAITE E， 2010. Modelling extreme precipitation in hazardous mountainous areas. Contribution to landscape planning and environmental management [J]. J Environ Eng Landsc， 18： 329-342.

TURNER W， SPECTOR S， GARDINER N， et al.， 2003. Remote sensing for biodiversity science and conservation [J]. Trends in Ecol Evol， 18： 306-314.

WANG ZJ， SHEN GR， ZHU Y， et al.， 2016. Research on characteristics of biomass distribution in urban forests of Shanghai metropolis based on remote sensing and spatial analysis? [J]. Chin J? Plant Ecol， 40（4）： 385-394. [王紫君， 申廣榮， 朱赟， 等， 2016. 基于遙感和空間分析的上海城市森林生物量分布特征 [J]. 植物生態學報， 40（4）：385-394.]

XU WT， WU BF， 2005. Progress on measuring forest biodiversity with remote sensing technique [J]. Acta Ecol Sin， 25（5）： 1199-1204. [徐文婷， 吳炳方， 2005. 遙感用于森林生物多樣性監測的進展 [J]. 生態學報， 25（5）： 1199-1204.]

YAN F， LI MS， WANG YJ， et al.， 2006. Application of remote sensing technique tomonitor agricultural disasters? [J]. J Nat Disaster， 15（6）： 132-136. [閆峰， 李茂松， 王艷姣， 等， 2006. 遙感技術在農業災害監測中的應用 [J]. 自然災害學報， 15（6）： 132-136.]

YANG XJ， JIANG ZL， DAI GQ， et al.， 1998. The study on comparing the biodiversity of the main forest types in south province [J]. Chin J Ecol， 17（6）：14-17. [楊學軍， 姜志林， 戴國欽， 等， 1998. 蘇南主要森林類型的生物多樣性調查與比較研究 [J]. 生態學雜志， 17（6）：14-17.]

ZHANG L， OUYANG ZY， XIAO Y， et al.， 2011. Priority areas for biodiversity conservation in Hainan Island： Evaluation and systematic conservation planning? [J]. Chin J Appl Ecol， 22（8）： 2105-2112. [張路， 歐陽志云， 肖燚， 等， 2011. 海南島生物多樣性保護優先區評價與系統保護規劃 [J]. 應用生態學報， 22（8）： 2105-2112.]

ZHANG YN， NIU JM， ZHANG Q， et al.， 2012. A discussion on applications of vegetation index for estimating above ground biomass of typical steppe? [J]. Acta Pratac Sin， 21（1）： 229-238. [張艷楠， 牛建明， 張慶， 等， 2012. 植被指數在典型草原生物量遙感估測應用中的問題探討 [J]. 草業學報， 21（1）： 229-238.]

ZHOU B， ZHENG XX， ZHONG Y， et al.， 2002. Synthetic indices for stand species diversity? [J]. J Beijing For Univ， 24（2）：22-26. [周彬， 鄭小賢， 鐘艷， 等， 2002. 林分物種多樣性指標體系的研究 [J]. 北京林業大學學報，24（2）： 22-26.]

（責任編輯 何永艷）