河流入海口盐沼湿地底栖动物横断面分层采样的设计方法与流程

发明涉及一种河流入海口盐沼湿地底栖动物横断面分层采样的设计方法，属于盐沼湿地底栖动物调查监测技术领域。

背景技术：

长江口盐沼湿地是河口生态系统的重要组成部分，其与陆地、海洋生态系统的营养物质交换频繁、环境复杂多变，具有支持植被、提供动物栖息所，维持生物多样性的生态功能。长江口盐沼湿地大型底栖动物群落是指示河口潮间带生境变化最直接的指示因子，其物种丰度与分布能有效反映河口生态系统的健康状况。监测和掌握大型底栖动物群落变化，能为长江口湿地生物的保护、底栖环境质量的评价、受损生境的生态恢复提供科学依据。

反映大型底栖动物结构及分布的重要群落特征——物种丰度主要通过野外采样进行估算。然而，由于长江口盐沼湿地处于海陆交汇带，环境异质性程度高；大型底栖动物群落呈小尺度聚集分布，并且分布随生境发生变化。在此情况下，对其进行采样需要仔细的科学设计，否则估算结果将出现较大的偏差，底栖动物丰度常被低估。如何科学合理地设计采样方案，以及确定科学合理的采样间距、采样效力，是准确估测物种丰度的关键。

目前，对长江口盐沼湿地大型底栖动物常用的野外采样方法主要是横断面分层采样法：对于长江口盐沼湿地来说，因其环境分布有明显的梯度特点，盐度、高程、植被、底泥粒度沿着垂直海岸线的方向呈梯度分布，因此在横断面上，利用连续的、系统的横断面分层采样能代表每个梯度上样点，足够样点的横断面能反映区域样点的总体状况。一般，长江口盐沼湿地横断面分层采样常以高程或生境类型进行分层。然而，长江河口盐沼湿地存在采样特别困难的特点。例如，中潮带、低潮带底泥性质为淤泥质，易陷难走；涨潮期间，低潮带覆水面积大，使采样时间大为缩短；各级潮沟横跨盐沼湿地，横断面上大潮沟难以跨越；在生长季，植被生长茂盛浓密，难以穿行。受这些因素影响，实际上，在横断面上各个层级上进行系统采样无法实现。

目前，常规的横断面分层采样方法采用的都是较为简单的方案，即在横断面每个层级上简单采集3-5个重复样方，并且样方之间的间距为随机选取。这种方法下获取的样本量较少，并且由于采样效力低下，导致出现较大的采样偏差。另一方面，在采样过程中，由于随机样方之间间距的不确定性，对于小范围高度聚集的大型底栖动物种群的采集来说，获得的数据易出现大量零值数据或造成真实数据缺失，不确定性风险增高，无法反映真实情况。

如何能在不增加采样难度的情况下，以最少采样效力、最合适的采样间距反映最真实、最精确的物种丰度情况，是目前长江口盐沼湿地大型底栖动物分布及栖息地研究中需要应对的技术难题。

技术实现要素：

本发明需要解决的技术问题是：针对河流入海口盐沼湿地底栖动物横断面分层采样，如何能在不增加采样难度的情况下，以最少采样效力、最合适的采样间距反映最真实、最精确的物种丰度情况。

本发明的总体思路如下：

利用新型的统计方法及相关运算软件，可以利用有限的样本，经由多次重复抽样，重新建立起足以代表母体样本分布之新样本。例如，重采样法是从一个原始样本中进行有放回的重复采样，可用于对自身样本反复利用，获取不同的采样策略下子样本。蒙特·卡洛方法，也称统计模拟方法，是二十世纪四十年代中期由于科学技术的发展和电子计算机的发明，而被提出的一种以概率统计理论为指导的一类非常重要的数值计算方法。当所要求解的问题是某种事件出现的概率，或者是某个随机变量的期望值时，蒙特·卡洛方法可以通过某种″试验″的方法，得到这种事件出现的频率，或者这个随机变数的平均值，并用它们作为问题的解。也就是说，蒙特·卡洛方法能以不同采样策略下子样本中的已知概率分布为基础，利用其建立概率模型，按照这个模型所描绘的过程，建立不同采样策略下的物种丰度估计量，通过大量迭代次数(>100次)，模拟实验的结果，作为真实物种丰度的近似解。蒙特·卡洛模拟能实现利用少量的样本，进行量化的概率过程模拟，并得到精确的估计值，可以用于不同采样间距下物种丰度的比较和进行最优策略决策。甲骨文公司开发的水晶球软件(Crystal Ball)能够在Microsoft Excel平台上便捷地进行蒙特·卡洛模拟。物种积累曲线，用于描述随着抽样量的加大物种增加的状况。理论上，物种的数量随采样面积增加而增加，直至所有物种积聚，此时，物种积累曲线呈一条渐近线，渐近线所对应积累面积即为表示物种总数的最少采样面积。物种积累曲线是理解调查样地物种组成和确定最优采样效力的有效工具。利用EstimateS软件对抽样数据进行分析，绘制物种累积曲线，能确定包含95％物种总数的最优采样效力。

利用重采样、蒙特·卡洛方法以及物种积累曲线，能根据小样本进行统计模拟多种采样策略，例如不同的采样间隔、不同的采样效力及其组合下，何种采样策略精度最高、采样效力最小，从而优化目前已有的大型底栖动物采样设计方法。

本发明具体采用以下技术方案：

一种河流入海口盐沼湿地底栖动物横断面分层采样的设计方法，在已获得横断面各层级的总物种丰度实测值的基础上，进行以下步骤：

第一步：对横断面进行分层采样：根据影响大型底栖动物分布环境因子，对研究区域的横断面进行分层，所分层级需要代表河口盐沼湿地垂直梯度上的总体状况，对每个层级进行不同的间隔由小到大进行代表性采样，达到一定规模的样本量，所述不同的间隔均为最小设定间隔的整数倍；并同时设定单个采样点的采样面积；样本量的总采样积累面积需要达到3m²及以上；

第二步：对横断面内部层级不同间距进行重采样：利用重采样法进行二次采样，得到所需要的不同采样间距下的子样本；重采样获取的不同采样间距为重采样中设定的最小间距的整数倍；

第三步：对不同采样间距进行蒙特·卡洛模拟：根据重采样法，得到不同采样间距下的子样本，对其概率分布进行构造或描述概率过程，按照这个模型所描绘的过程，建立不同采样间距下的物种丰度估计量，通过100～200迭代次数，模拟实验的结果，估算模型中不同采样间距下物种丰度；

第四步：确定每一层级下的最优采样间距：通过计算蒙特·卡洛模拟所获得不同采样间距下的物种丰度估测值与所述实测值的偏差，从而确定每一种类型下何组采样间距为偏差绝对值最小的间距，即最优采样间距；

第五步：绘制物种累积曲线：根据第二步中重采样所得到不同采样间距下样本数量、个体数量、抽样次数的观测值，对各横断面层级的物种丰度进行估测，从而绘制物种累积曲线，确定不同生境类型，不同间隔分组下，最少需要多少面积能代表真实的物种丰度；

第六步：确定横断面分层采样的最优设计方案：将所述第四步所获取的不同偏差程度的采样间距，与所述第六步获取的最小采样面积(即最小采样效力)进行对照，从而确定横断面上不同层级中最佳采样间距以及最小采样效力。

进一步的，所述河流入海口为长江入海口。

进一步的，所述第一步中，对横断面进行分层采样的最小采样间隔为1m，不同的间隔由小到大的采样间隔均为1m的整数倍。

更进一步的，所述第二步中，选取的重采样间隔为5m以及5m的整数倍。

再进一步的，所述第二步中，选取的重采样间隔为5m，10m，20m。

进一步的，所述第三步中，根据重采样法，得到不同采样间距下的子样本，对其概率分布进行构造或描述概率过程，按照这个模型所描绘的过程，建立不同采样间距下子样本的物种丰度估计量Ssample：

Sobs为子样本的总物种数，t为子样本中样方数，Yi为子样本中i物种在样方中的出现频率；进行蒙特·卡洛模拟，通过100次迭代次数，模拟实验的结果，获取模型中不同采样间距下物种丰度。

进一步的，所述第四步中，通过计算蒙特·卡洛模拟所获得不同采样间距下的物种丰度估测值与实测值的偏差，从而确定每一种类型下何组间距为偏差绝对值最小的间距；偏差△＝(估测值-实测值)/实测值×100；偏差△为零代表物种丰度估计值和实测值之间没有偏差，偏差为负数代表模拟时物种丰度值被低估，偏差为正值代表模拟时物种丰度值被高估；通过不同间距下，物种丰度估测值与实测值的偏差比较，偏差绝对值越小的间距组为最优间距组。

进一步的，步骤五中，根据第二步中重采样所得到不同采样间距下样本数量、个体数量、抽样次数的观测值，对各横断面层级的物种丰度进行估测，从而绘制物种累积曲线，确定不同生境类型，不同间隔分组下，最少需要多少采样面积能代表真实的物种丰度。

进一步的，所述环境因子包括生境环境因子和高程环境因子。

本发明的有益效果在于：

1)只需进行一次实测，通过计算蒙特·卡洛模拟所获得不同采样间距下的物种丰度估测值与已获得实测值的偏差，从而确定每一种类型下何组采样间距为偏差最小的间距，即最优采样间距，大大简化测试的操作。

2)能在不增加采样难度、不大量增加采样样方的情况下，以最少采样效力、最合适的采样间距反映最真实、最精确的物种丰度情况。

3)本发明所采用的统计模拟方法，其相关软件的开发已经成熟，能在Microsoft Excel等常用办公软件平台上加载使用，且界面简单易懂，易于实际操作应用。

4)利用重采样、蒙特·卡洛方法以及物种积累曲线，能根据小样本进行统计模拟多种采样策略，例如不同的采样间隔、不同的采样效力及其组合下，何种采样策略精度最高、采样效力最小，从而优化目前已有的大型底栖动物采样设计方法。

附图说明

图1对横断面进行分层采样的示意图。

图2间距距离5m组的重采样过程示意图。

图3蒙特·卡洛模拟示例图。

图4物种丰度模拟估计值偏差图。

图5物种积累曲线示意图。

具体实施方式

下面结合附图和具体实施例对本发明进一步说明。

以长江口东滩盐沼湿地为例：

综合考虑监测长江口东滩盐沼湿地环境梯度特征，对其进行横断面分层，进行由小到大间隔连续性采样，达到一定的参考样本量。利用重采样法对多种不同采样间距策略进行二次采样，得到不同采样间距下的子样本，对其进行蒙特·卡洛模拟及精度分析，确定每一类型层次下，何组间距为最优间距，即选择偏差绝对值最小的采样间隔组为最优间隔；另一方面，根据重采样法所得到不同采样间距下样本数量、个体数量、抽样次数的观测值，利用Estimate S软件对各横断面层级的物种丰度进行估测，从而绘制物种累积曲线，从而确定横断面上不同层级中最佳采样间距及其最小采样效力。

下面，就具体方法表述如下：

长江口的盐沼湿地大型底栖动物横断面分层采样不是一次性的，而是需要定期或不定期的进行，本发明基于在通过横断面大量采样已获得物种丰度实测值，为简化优化今后继续进行的长期多次采样，在已获得横断面各层级的总物种丰度实测值的基础上，进行以下步骤：

一种基于统计模拟的长江河口盐沼湿地大型底栖动物横断面分层采样设计方法，其步骤是：

第一步：对横断面进行分层采样

受环境梯度相互作用影响，长江口东滩盐沼湿地在垂直于海岸线的横断面上有三类明显的生境类型：盐沼植被区、光滩区、潮沟区。因此，本发明选择生境和高程作为主要环境因子进行分层，用以代表河口盐沼湿地垂直梯度上的总体状况。沿着长江口盐沼湿地，垂直于海岸线的横断面，从高潮带到低潮带，对不同的生境(盐沼植被区、光滩、潮沟)进行分层采样。每一类生境从高潮带到低潮带有2-3条重复样线，对每条样线利用0.32×0.32×0.15(0.1m²)的样方框作进行连续采样，对不同的间隔(1,2,3,5,10,20,50,150,200,250m)由小到大进行代表性连续采样，每个间隔重复三个样方，总采样效力(总采样面积)达到3m²。这一采样方式能在下一步重采样过程中，能保证每一组采样间距策略下的子样本有充足的样本量，并且采样范围能涵盖大多大型底栖动物群落分布的聚集尺度。具体采样方式如图1所示。

第二步：对横断面内部层级不同间距进行重采样。

利用已有的样本量，对不同生境类型下1、5、10、20m间距采样进行重采样模拟，得到所需要的各种子样本。例如，所有原始样本中的样方都可视为间距为1m的采样策略下样本库，物理间距为5m的样方重采样作为5m间距样本组。大于20m间距的采样策略，以原有的样本量无法得到足够的子样本量，此处不考虑。重采样过程如图2所示：

第三步：对不同采样间距进行蒙特·卡洛模拟。

根据重采样法，得到不同采样间距下的子样本，对其概率分布进行构造或描述概率过程，按照这个模型所描绘的过程，建立不同采样间距下子样本的物种丰度估计量(S_sample)。

S_obs为子样本的总物种数，t为子样本中样方数，Y_i为子样本中i物种在样方中的出现频率。

利用Crystal Ball进行蒙特〃卡洛模拟，通过大量迭代次数(100次)，模拟实验的结果，估算模型中不同采样间距下物种丰度。

图3为蒙特〃卡洛模拟示例图。

第四步：确定每一层级下的最优采样间距

通过计算蒙特·卡洛模拟所获得不同采样间距下的物种丰度估测值与真实值的偏差，从而确定每一种类型下何组间距为最优间距。

偏差△＝(估测值-实测值)/实测值×100

偏差为零代表物种丰度估计值和真实值之间没有偏差，偏差为负数代表模拟时物种丰度值被低估，偏差为正值代表模拟时物种丰度值被高估。通过不同间距下，物种丰度估测值与真实值的偏差比较，偏差绝对值越小的间距组为最优间距组。

图4物种丰度模拟估计值偏差图，从图中可见，采样间距为10m及20m时的偏差较小，说明物种的分布范围较大。

第五步：绘制物种累积曲线。

根据第二步中重采样所得到不同采样间距下样本数量、个体数量、抽样次数的观测值，利用Estimate S软件对各横断面层级的物种丰度进行估测，从而绘制物种累积曲线，确定不同生境类型，不同间隔分组下，最少需要多少样方能代表真实的物种丰度。图5为在不同生境类型下，不同采样间距下的物种积累曲线。

第六步：确定横断面分层采样的最优设计方案

同时参见图4和图5，综合第四步及第五步中确定的最优采样间距以及最少采样效力：

从图4来看，采样间距10m和20m时，偏差情况差不多，因此仅根据图4的反应的情况，应当选取20m的采样间距，因为采样间距大设置的采样点也较少，便于简化试验操作；

从图5来看，确保纵坐标达到稳定的物种总数的前提下，采样间距10m时需要大约1.5㎡的采样面积(即样方)，而采样间距20m时，则需要更多的采样面积，反而增大了试验的工作量。因此，综合第四步及第五步获取的信息，选择采样间距10m以及采样面积1.5㎡作为采样参数，用采样面积除以单个样方框的面积0.1m²得出所需设置的样方框的数量15。从而确定了横断面上不同层级中最佳采样间距以及最小采样效力。