Deep neural network algorithm for estimating maize biomass based on simulated Sentinel 2A vegetation indices and leaf area index

Accurate estimation of biomass is necessary for evaluating crop growth and predicting crop yield.Biomass is also a key trait in increasing grain yield by crop breeding.The aims of this study were(i)to identify the best vegetation indices for estimating maize biomass,(ii)to investigate the relationship between biomass and leaf area index(LAI)at several growth stages,and(iii)to evaluate a biomass model using measured vegetation indices or simulated vegetation indices of Sentinel 2A and LAI using a deep neural network(DNN)algorithm.The results showed that biomass was associated with all vegetation indices.The three-band water index(TBWI)was the best vegetation index for estimating biomass and the corresponding R2,RMSE,and RRMSE were 0.76,2.84 t ha−1,and 38.22%respectively.LAI was highly correlated with biomass(R2=0.89,RMSE=2.27 t ha−1,and RRMSE=30.55%).Estimated biomass based on 15 hyperspectral vegetation indices was in a high agreement with measured biomass using the DNN algorithm(R2=0.83,RMSE=1.96 t ha−1,and RRMSE=26.43%).Biomass estimation accuracy was further increased when LAI was combined with the 15 vegetation indices(R2=0.91,RMSE=1.49 t ha−1,and RRMSE=20.05%).Relationships between the hyperspectral vegetation indices and biomass differed from relationships between simulated Sentinel 2A vegetation indices and biomass.Biomass estimation from the hyperspectral vegetation indices was more accurate than that from the simulated Sentinel 2A vegetation indices(R2=0.87,RMSE=1.84 t ha−1,and RRMSE=24.76%).The DNN algorithm was effective in improving the estimation accuracy of biomass.It provides a guideline for estimating biomass of maize using remote sensing technology and the DNN algorithm in this region.     

基于USLE模型的长株潭城市群生态绿心区水土流失研究

[目的]研究2018年长株潭(长沙市—株州市—湘潭市)城市群生态绿心区最佳植被覆盖和水土流失状况,为区域综合治理提供理论依据。[方法]运用GIS和RS技术,以长株潭区域降雨、土壤、地形、土地利用等数据为基础,采用归一化植被指数(NDVI)模型和USLE国际通用土壤流失方程为优选模型。[结果]长株潭绿心区总面积为52 287 hm~2,整体植被状况较好,高覆盖度(75%～100%)面积最大,占绿心区总面积一半以上,为26 598.40 hm~2;中低覆盖度(30%～40%)面积最小,占区域总面积的8.61%,为4 501.91 hm~2。长株潭城市群生态绿心区总侵蚀(不含微度)面积为3 654.24 hm~2,占总面积的6.99%。湘潭市侵蚀比重最高,为8.51%,长沙市次之,为6.67%,株洲市侵蚀总比例最小,为5.68%。工程建设用地在禁止开发区、限制开发区和控制建设区的侵蚀面积分别为963.92,310.74,735.11 hm~2。[结论]受人为因素、城市建设、产业分布等影响,长株潭城市群生态绿心区覆盖度空间呈现西部低,中东部高的格局,工程建设是造成绿心区土壤侵蚀的主要原因。     

典型喀斯特洼地植被恢复过程中土壤碳氮储量动态及其对极端内涝灾害的响应

西南喀斯特地区是我国主要的生态脆弱区之一,石漠化严重,旱涝灾害频发。植被恢复是提升脆弱生态系统土壤碳氮固持的有效方式,但该区不同植被恢复方式土壤碳氮动态监测的研究还很缺乏。本研究以典型喀斯特峰丛洼地为对象,选取人工林、牧草地、人工林+牧草地、撂荒地自然恢复4种最主要的植被恢复方式为研究对象,以耕地作为对照,对比分析退耕前(2004年)、退耕10年(2014年)和13年后(2017年)土壤碳氮储量动态变化特征。其中2004—2014年研究区未发生极端内涝灾害, 2014—2017年连续发生2次极端内涝灾害事件。研究结果表明,退耕10年后, 4种恢复方式下土壤有机碳(SOC)储量均显著增加,但退耕13年后,除撂荒地SOC持续增加外,其他3种恢复方式下SOC表现出下降趋势。植被恢复后土壤全氮(TN)储量提升相对缓慢,退耕10年仅牧草地显著增加,退耕13年后人工林+牧草和撂荒地TN增加,且撂荒地在退耕后呈持续增加趋势。相关性分析结果表明,土壤交换性Ca~(2+)与SOC、TN均呈显著正相关关系,且与2014年相比, 2017年不同植物恢复方式下土壤交换性Ca~(2+)均显著下降,这可能与研究区2015年和2016年连续内涝灾害有关。以上结果说明,不同恢复方式均能显著提升喀斯特地区土壤碳氮固持,并以自然恢复最佳,其生态系统能有效抵御极端气候灾害带来的负面影响。     

基于TM NDVI的库尔勒市域植被覆盖动态变化

以库尔勒市域为研究区,基于1990、1998、2006和2011共4期TM遥感影像提取归一化植被指数(NDVI),将NDVI结果输入到像元二分模型中计算得到研究区各时期植被覆盖度,然后根据研究需要将植被覆盖度划分为4个等级,最后计算覆盖度差值并结合各级覆盖度转移矩阵和土地利用情况分析了库尔勒市域植被覆盖度动态变化特征。结果表明,在1990、1998、2006和2011年间,库尔勒市域总体植被覆盖情况有所改善,植被恢复改善面积比退化面积多23.8%,其中东南部的扇形绿洲平原植被状况改善明显,北部和南部区域植被有所退化。     

3种遥感产品检测黄土高原森林变化及差异比较

基于Landsat Vegetation Continuous Fields（LVCF）、MODIS Vegetation Continuous Fields（MVCF）和MODIS Land Cover（MODLC）等遥感产品和森林清查数据（NFI）检测2000-2015年黄土高原森林分布及变化。结果表明:1）2000-2015年黄土高原森林覆盖度升高，基于LVCF和MVCF的全区森林覆盖度均值分别由2000年的7.8%和9.6%增加到2015年的9.7%和13.2%。2）遥感产品估算的森林分布空间格局和面积差异较大，基于LVCF、MVCF和MODLC估算的黄土高原森林面积在2000年分别为726.6×10⁴、604.7×10⁴ hm²和325.1×10⁴ hm²，2015年分别为926.2×10⁴、998.3×10⁴ hm²和400.1×10⁴ hm²。3）遥感产品估算的省级尺度上森林面积与NFI的不一致性因省份和年份而异，LVCF与NFI一致性整体略优于MVCF，MODLC与NFI差异最大且估算的森林面积远低于LVCF、MVCF和NFI。4）遥感产品检测的陕西和山西2省的森林面积增加值与NFI一致性高于宁夏；基于遥感产品估算的宁夏森林面积及增加幅度均远低于NFI。     

1988-2018年哈密绿洲植被覆盖度时空变化及其驱动力

[目的] 对近30 a来哈密绿洲植被覆盖度时空变化及驱动力进行分析，为该地区绿洲持续健康发展提供理论借鉴。[方法] 以1988，1998，2008及2018年4期影像为基础数据，利用像元二分模型计算了基于AFRI_SWIR2指数提取的植被覆盖度，利用动态度指数与植被覆盖度转移矩阵分析哈密绿洲植被覆盖度动态变化；再通过地理探测器对8个影响因子进行探测，探寻哈密绿洲植被覆盖度的驱动因子。[结果] 近30 a来哈密绿洲面积从1988年的214 km²增长到2018年的632.1 km²，增幅达195%，但绿洲内植被覆盖度等级却较低，同时哈密绿洲面积主要扩展的区域在西北部和东南部区域；哈密绿洲的发展阶段可分为3个阶段：1988-1998年为低强度稳定期，1998-2008年为极度扩张期，2008-2018年为高强度稳定期。[结论] 土地利用类型变化是造成哈密绿洲植被覆盖度变化的直接原因，同时在近30 a内，人为因素对哈密绿洲植被覆盖状况的影响远高于自然因素。     

基于GF-1数据的南京江北新区植被覆盖度遥感估算

以南京江北新区为研究区,选用GF-1 16 m分辨率的MFV4多光谱传感器数据,基于像元二分模型对研究区进行植被覆盖度遥感估算。结果表明,GF-1数据可以快速有效地反映地表植被的空间分布状况。对结果的分级统计显示,江北新区植被覆盖较高,生态环境良好,适宜打造绿色宜居区域。     

森林对降水的影响概述

森林能否增加降水,这是植树造林、美化环境等工作中必然要考虑的问题。文章总结了国内外相关文献,就森林对降水的影响做了阐述。综合现有研究结果来看,森林对降水有无影响目前还没有普遍性的结论;对于局地森林对降水的影响应持保守态度,既不能说"有",也不能说"无"。明确的结论必须结合当地地形、天气、气候条件做具体的研究分析后才能得出,这样的结论才更科学,更具指导意义。因此关于宁夏植树造林是否对宁夏的区域气候产生影响,以及有什么样的影响,目前还不清楚。另外一个主要问题就是森林的尺度,即多大面积的森林才会对区域降水产生影响,因为如果森林的面积很有限,对区域降水的影响是否也很有限等等,这些问题都需要进一步深入研究和探讨。     

黄河源区建植19年人工草地生物结皮CO2通量与叶绿素荧光参数的变化

为了解黄河源人工草地不同类型生物结皮和植被群落CO₂释放和固定的变化特征,并探讨二者的影响因子,本文通过调查黄河源建植19年人工草地不同类型生物结皮CO₂通量和植被土壤特征变化发现：藻和地衣结皮CO₂通量均显著小于苔藓结皮（10.58 μmol·m^-2·s^-1）（P<0.05）;苔藓结皮对应的植被群落CO₂通量（11.55 μmol·m^-2·s^-1）显著低于藻和地衣结皮（P<0.05）;藻和地衣结皮下的土壤CO₂通量显著大于苔藓结皮（约2倍,P<0.05）。苔藓结皮叶绿素初始荧光参数F₀（Minimal Fluorescence）和最大荧光参数F_m（Maximal Fluorescence）均最大;藻和苔藓结皮的PS Ⅱ最大光化学量子产量F_v/F_m（Optimal/Maximal Quantum Yield of PS Ⅱ）均高于地衣结皮。CO₂通量和叶绿素荧光参数的主要影响因子相似,均与禾本科高度、土壤铵态氮含量正相关,与pH负相关。因此,在研究草地碳平衡过程中应充分考虑生物结皮的贡献,同时需注意不同类型的生物结皮的CO₂通量和叶绿素荧光参数的差异变化。     

火烧后亚高山草甸恢复过程中物种组成和群落特征变化规律的研究

为了解火烧对植物群落结构和植被恢复速度的影响,本研究以甘肃省皇城羊场亚高山草甸为研究对象,于2017年5月进行了火烧试验,并分别在2017,2018及2019年的5月（返青期）、7月（生长期）和9月（生长末期）测量了该区域火烧样地和原生样地的植被覆盖度、群落多样性和裸地百分比等指标。结果表明：2019年5月后火烧样地与原生样地间植物群落多样性指数（Margalef指数、Shannon-Wiener指数、Simpson指数和Pielou指数）间差异不显著;火烧后引起的植物结构变化是短暂的,并随着时间的推移逐渐减少甚至消失,恢复时间大约16个月左右;同时火烧改变了物种组成,其中在火烧样地中甘肃马先蒿（Pedicularis kansuensis）和锐果鸢尾（Iris goniocarpa）逐渐消失,而鳞叶龙胆（Gentiana squarrosa）和火绒草（Leontopodium leontopodioides）逐渐出现。本研究说明春季火烧对亚高山草甸植物组成和结构有一定的调节作用,可作为亚高山草甸管理的有效措施。