青藏高原草地生物量遥感动态监测

利用青海省2006年8月地面样点实测的生物量,结合相应月份的MODIS植被指数数据,提取与样点对应的EVI和NDVI值,建立生物量与两种植被指数之间的关系模型,并分析模型的精度。结果表明,1)EVI与草地地上生物量的相关性强于NDVI。2)在不同盖度下,植被指数与生物量的相关性随着盖度的增大而增强。3)利用最优模型反演不同草地类型的逐月生物量,并分析研究区2002-2008年不同草地类型生物量的年季动态变化,发现草地生产力水平越高,草地生物量的年季变化越剧烈,说明该种类型的草地受气候变化的影响越大;生产力水平越低的草地类型,则对气候变化的敏感度较低。     

基于MODIS植被指数的青海省玛多县草畜关系分析

为了研究青海玛多县草畜关系特征,对2008—2009年9个样地的实测地上生物量与MODIS(Moderate-resolution Imaging Spectroradiomete)归一化植被指数(NDVI)、增强型植被指数(EVI)分别基于线性、幂和指数函数建立回归模型,对理论地上生物量进行反演估算,并依据相关公式计算理论载畜量。结果表明:线性函数模型具有较好的模拟效果;2009年玛多县草地地上生物量显著高于2008年;玛多县基于NDVI的2008,2009年理论载畜量分别为40.93万、57.45万羊单位,基于EVI的理论载畜量分别为41.30万、59.03万羊单位;而玛多县2008,2009年年末的牲畜存栏数分别为33.11万、33.71万羊单位,可见玛多县这2年的理论载畜量尚有盈余。说明玛多县总体上正在由草畜关系极不平衡状态向逐渐草地恢复状态逐渐改变。     

基于MODIS的植被指数对估测塔里木河中下游植被盖度的适用性

以干旱荒漠区塔里木河中下游的植被为研究对象,采用长时间序列的MODIS数据构建研究区常用的4种植被指数[归一化植被指数(NDVI)、差值植被指数(DVI)、增强型植被指数(EVI)、比值植被指数(RVI)],并通过遥感方法和Image J软件获得研究区植被覆盖度,分析发现与实测的植被覆盖度有显著相关性。从Image J获得的植被覆盖度与4种植被指数的回归结果可以得出4种植被指数在研究区的适用性,从而优选出最适合此研究区的植被指数。结果表明,基于MODIS的4种植被指数与研究区实际植被覆盖度之间存在显著的正相关关系,各植被指数与研究区植被覆盖度的拟合程度由高到低依次是NDVIEVIRVIDVI,使用NDVI获取植被信息最为适宜。     

NDVI和EVI在高寒草地牧草鲜质量估算和植被动态监测中的比较

对2007-2009年126景MODIS影像的归一化植被指数(NDVI)和增强型植被指数(EVI)数据进行了比较研究,并结合11个高寒草地监测点的地上生物量鲜质量(AGB)数据,通过相关分析、回归分析等方法,分析了MODIS共4种植被指数(NDVI250,NDVI500,EVI250,EVI500)在估算高寒草地牧草鲜质量中的优劣,并确定了通过EVI250估算地上生物量鲜质量的回归方程。结果表明,EVI在高寒草地上均比NDVI小,但EVI比NDVI更稳定准确。应用植被指数产品EVI估算高寒草地牧草鲜质量优于NDVI,其中在EVI250、EVI500、NDVI250和NDVI5004种植被指数中,EVI250与地上生物量鲜质量的相关性最好,相关系数为0.904(P0.01),回归方程为yAGB=-244+1316xEVI250(R2=0.817,P0.01)。     

青藏高原草地植被指数时空变化特征

摘要:以位于青海和西藏两省内的青藏高原牧区为研究区域,利用新一代卫星遥感数据TERRA/MODIS,统计分析不同草地类型2002-2008年的植被指数(MODIS EVI)时空变化特征,并结合2006年8月地面实测数据,研究草地植被指数与草地覆盖度、草群高度的关系。结果表明,草地覆盖度和草群高度均与EVI呈高度正相关。各种草地类型的植被指数均呈先上升后下降的趋势,符合自然条件下植被的生长变化情况,植被特征相近的草地类型EVI差异较小,体现出不同草地类型地域上的连续性、过渡性和时空上的差异性。     

基于MODIS数据的伊犁地区草地地上生物量反演

为伊犁草地资源监测、保护及合理利用提供参考依据,利用新疆伊犁地区2012年7-8月野外草地地上生物量采样数据和同期的MODIS数据,分析了增强型植被指数(EVI)、归一化植被指数(NDVI)与实测草地地上生物量的一元线性、指数和二次多项式回归模型,并对各种回归模型进行分析比较.利用优选模型的反演结果分析了伊犁地区地上生物量的空间分布.结果表明:各植被指数都与实测生物量有较好的相关性,但以EVI指数建立的二次多项式回归模型(y = 14759x²-4758x + 1346,R²= 0.8402)较优,拟合模型平均估产精度达到 92.19%,可作为该区域草地地上生物量遥感反演模型;伊犁地区2012年平均产草量为1817 kg·hm^-2,总产草量达70.59×10⁸ kg,并且产草量随高程增加呈现先增加后减少的特征.     

基于UAV技术和MODIS遥感数据的高寒草地盖度动态变化监测研究—以黄河源东部地区为例

利用黄河源东部地区野外实测样地数据和MODIS卫星遥感资料,结合农业多光谱相机(agricultural digital camera,ADC)、普通数码相机(Canon)、无人机(unmanned aerial vehicle,UAV)等设备获取的高寒草地盖度数据,构建了基于MODIS NDVI、EVI的草地盖度反演模型,比较分析了不同草地盖度监测方法的精度,确立了黄河源区草地盖度遥感监测的最优反演模型,并分析了研究区近16年草地植被盖度的动态变化。结果表明,1) MODIS NDVI与基于UAV相片计算的草地盖度间的相关性优于MODIS EVI,而MODIS EVI与ADC和Canon照片计算的草地盖度之间的相关性则优于MODIS NDVI;2) 就Canon和ADC方法构建的草地盖度反演模型而言,前者精度远高于后者,普通数码相机方法更适宜于高寒草地植被盖度的估算;3) 对比分析两种植被指数与Canon相机、ADC和大疆(DJI)无人机航拍(航高30和100 m两种方法)相片计算的草地盖度之间的关系表明,MODIS NDVI对航高30 m UAV航拍相片计算的盖度数据的响应最敏感,基于UAV航高30 m的相片和NDVI构建的草地盖度反演模型最优;4) 黄河源东部地区2000-2015年间草地盖度稳定不变的区域达71.46%,多分布在东南部;呈增加趋势的区域占研究区草地面积的22.01%,由西向东、由北向南增加幅度呈减少趋势;盖度减少区域零星分布在黄河源北部和南部的部分地区,仅占研究区草地面积的6.53%。     

基于多源遥感数据的高寒草地生物量反演模型精度——以夏河县桑科草原试验区为例

基于MODIS、Landsat-8 OLI和HJ-1A/1B CCD卫星遥感资料,结合2013-2014年甘南州夏河县桑科草原试验区野外实测数据,建立了高寒草地地上生物量遥感反演模型,筛选出基于不同遥感资料植被指数的生物量最优反演模型,比较分析了生物量最优模型的空间效应。同时,分析了2000-2013年基于MODIS植被指数估算的试验区产草量的年际变化特征。结果表明,草地生物量最优反演模型为基于Landsat-8 OLI NDVI数据的对数模型(y=727.54lnx1+495.23,R2=0.772,RMSE=31.333 kg DM·hm-2);在30和250 m空间分辨率下,基于MODIS NDVI及EVI、Landsat-8 OLI NDVI和HJ-1A/1B CCD NDVI最优模型估算的生物量均高于实测生物量,其中Landsat-8 OLI NDVI数据估算的草地生物量与实测生物量值最接近;2000-2013年试验区草地总生物量整体上具有显著增加的趋势(R2=0.590 7,P0.001),平均增加速率达50.57 kg DM·hm-2·a-1。     

基于MODIS-NDVI的天山北坡中段草地动态估产模型研究

利用EOS/MODIS卫星遥感数据,以天山北坡中段山地草原带为典型研究区,进行草地生物量变化动态监测。运用植被指数最大合成法,分析了研究区草地植被指数的时空变化特征,以及植被指数NDVI与地上生物量的相关关系,建立了MODIS NDVI在山地草甸草原、山地草原和山地荒漠草原上不同季节的生物量动态估测模型。结果表明：3种草地类型的最优动态估产模型分别是一元线性回归模型、二次曲线回归模型、幂函数曲线模型,估产精度分别达到83.06%、90.85%、88.06%。     

三江源区植植被指数时空变化对水热条件的响应

摘要：研究基于三江源区18个站点2000-2009共10年的气温、降水数据和MODIS（NDVI、EVI）植被指数,重点探讨三江源区植被指数的年际变化和空间变化对水热条件变化的响应机制。结果表明,1）三江源区植被指数在2000-2009年间总体上呈上升趋势;2）近10年内的植被指数均值在18个台站间分布极不均衡;3）分年（多台站）数据分析显示,降水在多数年份表现出与植被指数显著正相关,而气温在所有年份与植被指数都无显著相关性;4）分台站（多年）数据分析显示,分别有7个和5个台站的NDVI或EVI与降水和气温呈显著相关关系。总体看来,三江源区植被指数的分布及其与水热条件的关系都存在明显的时空差异,同时,植被指数变化对降水的响应强于气温,降水是影响三江源区植被生长的主导因子。     

基于灵活的时空融合模型的植被覆盖度与植被指数关系

时空数据融合模型被广泛地应用于获取高时间、高空间分辨率的植被指数与植被覆盖度,但是其反演的精度常常受输入的低空间分辨率影像(如MODIS影像)的影响。本研究基于灵活的时空数据融合方法(FSDAF),深入分析了赛里木湖流域与石河子地区两种不同情景的MODIS影像组合对FSDAF模型植被覆盖度提取精度的影响,并研究了6种植被指数与植被覆盖度的线性与非线性关系。研究结果表明,FSDAF模拟影像的植被覆盖度精度取决于2个时期MODIS影像的变化率,影像变化小时取得的精度明显好于影像差异大的情况。而采用植被指数对植被覆盖度模拟时,NDVI与OSAVI的线性拟合效果较好,可以获取较理想的结果。试验表明,采用时空模型用于研究区植被覆盖反演能取得较好的效果,具有一定的应用推广价值。     

基于ADC和MODIS遥感数据的高寒草地地上生物量监测研究——以黄河源区为例

利用2015-2016年8月采集的黄河源区草地生物量数据和MODIS卫星遥感资料,结合农业多光谱相机(agricultural digital camera,ADC)获取的植被指数数据,比较分析3种_(ADC)植被指数(NDVI_(ADC)、SAVI_(ADC)和GNDVI_(ADC))与野外实测草地地上生物量(above-ground biomass,AGB)数据的相关性,筛选出适合构建草地AGB反演模型的_(ADC)植被指数;结合MODIS NDVI(记作NDVIMOD)构建草地地上生物量反演模型,采用留一法交叉验证方法评价各模型精度,确立适宜模拟研究区草地AGB的最优模型;并利用NDVI_(ADC)校正NDVI_(MOD),获得高分辨率、高精度的草地AGB遥感监测改进模型。结果表明,1)基于_(ADC)获取的3种植被指数中,NDVI_(ADC)与高寒草地地上生物量关系最为密切,其次为SAVI_(ADC),拟合效果最差的是GNDVI_(ADC);2)基于NDVI_(ADC)建立的草地AGB监测模型的精度(RMSEP介于383.55~393.18kg DW/hm2;r范围为0.65~0.66)远高于NDVI_(MOD)的模型精度(RMSEP介于421.08~427.00kg DW/hm~2;r范围为0.55~0.58),NDVI_(ADC)反演得到的草地AGB更接近于黄河源区草地实际生物量,且相较于NDVI_(ADC),NDVI_(MOD)的样本值整体偏高;3)在NDVI_(ADC)构建的4类模型中,线性和乘幂模型模拟研究区草地AGB的能力较好,但线性模型精度更高(y=3248.93×NDVI_(ADC)-305.59,RMSEP=383.55kg DW/hm~2,r=0.66),该模型为黄河源区草地生物量的估测提供了一个新型且易操作的方法;4)NDVI_(ADC)与NDVIMOD相关性较高,利用NDVI_(ADC)校正NDVI_(MOD)可以改进草地AGB遥感反演模型,优化模型为y=2455.54×NDVI_(MOD)-301.69。该模型可在大尺度范围内估测黄河源区的草地生物量,且模型精度接近于地表测量法的监测精度。     

复合植被指数在稀疏高寒草原植被盖度遥感反演中的应用

基于Landsat 8遥感影像数据,以西藏日喀则经南木林到申扎县的一条样带高寒草原作为研究对象,选择较为常用的归一化植被指数(normalized difference vegetation index,NDVI)、土壤调整植被指数(soil adjusted vegetation index,SAVI)、修改型土壤调整植被指数(modified soil adjusted vegetation index,MSAVI)以及对半干旱区低覆盖植被信息较为敏感的转换型土壤调整植被指数(transformational soil adjusted vegetation index,TSAVI),结合地表反射率改进运算的FCD模型(forest canopy density mapping model)裸土(bare soil index,BI)和阴影指数(shadow index,SI)构建适合低植被覆盖区域的复合植被指数(vegetation bare shadow index,VBSI);基于各植被指数构建像元二分模型,定量反演高寒草原植被盖度;并利用网格法实测的植被盖度分析反演精度。研究结果表明,8种植被指数所构建的像元二分模型对高寒草原植被盖度的反演精度以VBSI(TSAVI)最高,反演精度为85.66%;并证明了基于野外采集的土壤光谱曲线获取的TSAVI所构建的像元二分模型对高寒草原植被盖度信息的提取具有一定的实用性;改进运算的FCD模型裸土和阴影指数能较好地削弱土壤和阴影对植被信息的影响,所构建的复合植被指数对提取稀疏高寒草原植被盖度信息具有重要的实际意义。     

基于MODIS的南方草地NPP遥感估算与应用

草地NPP遥感模型的构建是实现大面积草地NPP估算的有效途径之一。以MODIS-NDVI数据为基础,以南方草山草坡为研究对象,结合野外实测数据,分析了草地NPP与NDVI之间的关系,同时构建了以NDVI为自变量以及水热条件为调节因子的南方草地NPP遥感估算模型,并通过不同年份独立的实测数据对模型进行了验证。结果表明,南方草地NPP与NDVI之间存在5种相关类型,均达到了极显著水平。NPP的模拟值和实测值之间具有很好的相关性和一致性,5种草地类型R²分别为0.902 2,0.826 6,0.871 2,0.887 7和0.875 5,均达到了极显著水平,均方根误差(RMSE)和相对均方根差(RRMSE)均较小。表明模型的模拟结果比较可靠,为南方草地NPP估算及草地资源管理提供了一种有效的方法。     

植被指数在典型草原生物量遥感估测应用中的问题探讨

遥感技术兴起于20世纪60年代初,随后被广泛应用于草地遥感估产研究,通过不同尺度数据之间建立植被指数—生物量函数关系来完成由点及面的转换。本研究选用了14种常用于草地估产的植被指数,对内蒙古锡林浩特市白音锡勒典型草原分别建立植被指数—干重、植被指数—鲜重的回归模型并对14种植被指数进行DCA分析发现,1)鲜重及干重应用在草地生物量遥感估测中均是可行的,但干重效果要优于鲜重,考虑到实验条件限制,鲜重具有更广泛的应用;2)DCA排序的第一、二轴分别代表土壤、大气的影响,且土壤是影响植被指数最主要的因子;DCA排序将14个植被指数分为4类,综合排除了土壤及大气影响的一类植被指数,也就是归一化差异植被指数及由其衍生的土壤调整植被指数、修改型土壤调整植被指数效果最好;3)经验数据显示:当生物量低于370 g/m²时,建立的估产模型都是一元线性的;当生物量在370~720 g/m²时,一元线性模型和指数模型的模拟效果都很好;当生物量高于720 g/m²时,估产模型都是指数的,因此,随着生物量范围的增大,模型逐渐由一元线性趋近于指数模型。     

基于STARFM的草地地上生物量遥感估测研究——以甘肃省夏河县桑科草原为例

遥感数据具有实时、动态、大范围等特点,在草地资源监测与管理研究中获得了广泛应用。然而,单一的遥感植被指数无法同时满足草地地上生物量观测中时空分辨率的需求。因此,本研究基于时间序列Landsat NDVI和MODIS NDVI数据,结合时空融合算法（spatial and temporal adaptive reflectance fusion model, STARFM）,生成了2000-2016年高时空分辨率的植被指数数据集（NDVI_STARFM,时间分辨率为16 d,空间分辨率为30 m）,并基于2013-2016年地面实测草地地上生物量数据,构建了夏河县桑科草原高寒草地地上生物量遥感反演模型,分析了2000-2016年研究区草地地上生物量生长状况和变化趋势。结果表明：1）基于NDVI_STARFM的最优估测模型为乘幂模型,其R²为0.58,均方根误差（root mean square error, RMSE）为795.62 kg·hm^-2,模型的表现能力次于Landsat NDVI最优估测模型（R²=0.76,RMSE=634.83 kg·hm^-2）,而优于MODIS NDVI最优估测模型（R²=0.24,RMSE=937.79 kg·hm^-2）;2）基于NDVI_STARFM最优估测模型对各样区草地地上生物量总产的估测精度优于MODIS NDVI而次于Landsat NDVI,总体精度达84.05%;3）2000-2016年来,夏河县研究区草地地上生物量总体呈现增加趋势,其中90%左右的区域年增量大于30 kg·hm^-2,草地地上生物量呈现减少趋势的区域仅占2.30%。