基于随机森林的高寒湿地地区土地覆盖遥感分类方法

高寒湿地是青藏高原典型独特的生态系统,是全球气候变化的敏感地带和预警区。利用遥感技术快速、准确地分类提取高寒湿地的土地覆盖信息,对当地生态安全监测和保护具有重要意义。本文以若尔盖湿地国家级自然保护区为研究区,首先,以高分一号(GF-1)遥感影像为数据源,融合光谱特征、水体指数、地形特征、植被指数和纹理信息等26个变量进行随机森林(Random forest,RF)分类实验;然后,根据袋外数据(Out of bag,OOB)的特征变量重要性得分和精度评价结果,选出高寒湿地地区土地覆盖类型的最优分类方案和特征;最后,对特征变量进行降维,并基于相同的变量,采用极大似然法(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)、人工神经网络(Artificial neural network,ANN)和RF等方法进行分类,比较不同方法的优适性。结果表明:结合GF-1影像光谱、水体、植被、纹理特征和地形信息,使用26个变量的RF模型的分类精度最高,总体精度(Overall accuracy,OA)为90.07%,Kappa系数为0.86;通过RF模型的变量重要性分析可以有效选出重要的特征信息,在降低特征变量维度的同时,还能保证较高的分类精度; 4种分类方法中,RF算法是高寒湿地地区较合适的分类方法,OA比MLC基准方法高17.63个百分点,比SVM和ANN等机器学习算法分别高6.98、6.56个百分点。     

基于土地利用/覆盖的甘肃省景观生态风险时空变化特征

甘肃省景观类型丰富多样,在中国西部地区的生态安全中起关键性作用,也为当地发展提供着重要的物质基础和生态服务。由于气候变化和人类不合理活动的影响,甘肃省部分地区生态环境的安全与稳定遭到严峻挑战。本研究基于欧洲航空局全球土地利用/覆盖数据（CCI-LC）,利用动态度、转移矩阵方法分析了2005-2019年甘肃省土地利用/覆盖变化特征;通过构建景观生态风险指数并运用空间自相关分析法分析了景观生态风险的空间分布特征。结果显示：1)2005-2019年间,裸地面积减少最多,变化率1.88%,耕地次之,变化率2.31%;草地面积增加最多,变化率1.83%,建设用地次之,变化率191.08%。2）所有土地利用/覆盖类型中,建设用地的动态度最高且在整个研究时期内变化速率都保持在较高水平,综合动态度最大的时期为2010-2019年。3）土地利用/覆盖转移矩阵主要表现为耕地、林地、草地、裸地之间的转入与转出以及其他土地类型向建设用地的转入。4)2019年整体的生态风险值较2005年明显上升。其中低风险区和较低风险区面积最多,转化最频繁;中等风险区、较高风险区和高风险区面积虽然较少,但都存在不同程度的增长。...     

基于Sentinel-2数据的青海门源县天然草地生物量遥感反演研究

草地地上物生物量(AGB)是评价草地生产力的重要指标，精准反演天然草地的AGB，对草地长势监测和草畜平衡评估具有重要的意义。由于常用的遥感数据(如Landsat和MODIS等)受较低时间或空间分辨率引发的诸多问题的影响，因此探索具有更高时空分辨率及更多光谱波段的Sentinel-2卫星数据在县域尺度的草地植被监测状况具有极其重要的作用。利用Sentinel-2卫星遥感影像和青海门源县实测草地AGB数据，构建了基于随机森林(RF)、支持向量机(SVM)和人工神经网络(ANN)3种机器学习方法的草地生物量估算模型，研究了2019-2021年门源县天然草地生物量时空分布特征。结果表明：1)Sentinel-2卫星影像的3个原始波段(B2、B6、B11)和2种植被指数[反红边叶绿素指数(IRECI)和特定色素简单比值植被指数(PSSRa)]，是草地AGB敏感的特征变量。其中，红边波段(B5、B6、B7)对天然草地AGB遥感反演具有重要作用。2)基于RF算法的草地AGB估测模型是门源县天然草地生物量估测的最优模型(验证集R2为0.72,RMSE为622.616 kg·hm-2)，优于SVM模型(...     

基于随机森林的高寒草地地上生物量高光谱估算

草地地上生物量（Aboveground biomass,AGB）是衡量草地生产力的关键因素,准确测定草地AGB具有重要意义。高光谱因具有时效性强、不破坏草地等特点被广泛用于草地生理生态指标的测定。本研究提取和计算了海北试验站高寒草地冠层的原始光谱（Original spectrum,OR）反射率、一阶微分光谱（First derivative spectrum,FD）反射率、光谱位置面积参数（Spectral parameters of spectral position and area,PA）和植被指数（Vegetation indices,VI）4种不同类型的特征变量,使用连续投影算法（Successive projections algorithm,SPA）和递归特征消除算法（Recursive feature elimination,RFE）进行特征选择,采用随机森林算法（Random forest,RF）构建草地AGB估测模型。结果表明：在由4种特征变量分别构建的草地AGB估测模型中,基于VI的RF模型精度最高（测试集R²=0.70,RMSE=557.87 kg·ha^-1）,实测AGB与估测AGB的线性R²达到0.72;不同类型特征变量组合构建的草地AGB估测模型中,PA+VI组合的RF模型精度最高（R²=0.71,RMSE=548.97 kg·ha^-1）,实测AGB和估测AGB的线性R²达到0.73。     

天然草地牧草营养品质的高光谱遥感研究进展

天然草地牧草营养品质的优劣不仅影响家畜的生长发育,同时也影响畜产品的品质,对草牧业的发展具有至关重要的意义。高光谱遥感技术的飞速发展使深入研究天然草地牧草品质的动态变化成为可能。本研究综述了目前可利用的高光谱遥感数据以及天然草地牧草营养品质遥感反演的主要成果、常用方法和最新研究动态,分析了我国在天然草地牧草营养品质监测与评价方面尚存在数据获取困难、相关研究缺乏、软硬件性能不足等问题;在多种观测平台及相关技术不断革新背景下,探索星载、机载和地面高光谱数据的有机结合,强化高光谱遥感仪器性能,提高关键营养成分的反演精度是未来研究的重点。     

青藏高原东部高寒沼泽湿地动态变化及其驱动因素研究

20世纪中后期以来,在全球气候变化和人类活动的影响下,青藏高原湿地生态系统变的极其敏感和脆弱。运用遥感与地理信息系统技术,以Landsat TM/ETM+/OLI遥感影像为主要数据源,解译了青藏高原东部甘南和川西北地区1991、2000、2010和2016年4个时期的沼泽湿地;利用转移矩阵和湿地动态度,分析了沼泽湿地的空间变化、转移方向和变化速率;采用景观指数,分析了沼泽湿地景观格局变化;结合气象数据和相关统计资料并利用灰色关联度法,分析了沼泽湿地变化的驱动因素。结果表明: 1)研究区沼泽湿地主要分布在东北部,1991-2016年4个时期的面积分别为6739.89、6231.39、5849.59和5649.35 km²,处于持续减少的状态,26年间面积共减少了1090.54 km²。2)26年来,研究区沼泽湿地的动态度从-7.54%减小至-3.42%,面积变化速率持续减慢,高寒草地是沼泽湿地转出和转入的主要类型。3)沼泽湿地的斑块数量先增加后减少,斑块密度持续增大,反映了沼泽湿地的破碎程度增高;最大斑块指数先降低后小幅升高,斑块形状指数先升高后小幅下降,反映了沼泽湿地的优势度降低,景观形状趋于复杂化;分离度指数先增大后小幅减小,聚集度持续降低,反映了沼泽湿地从单独紧凑的状态趋向离散化发展。4)人为因素是影响青藏高原东部沼泽湿地面积变化的首要原因,其次受到气候因素的影响,各因子影响力大小依次是牧业生产总值>国民生产总值(GDP)>人口数量>温度>蒸发量。沼泽湿地面积与各因子呈明显的负相关关系,面积随牧业生产总值、GDP、人口数量、温度和蒸发量的增加而减小。     

甘南和川西北地区草地植被NDVI变化及其驱动因素研究

草地是甘南和川西北地区最主要的植被覆盖类型,约占研究区面积的43.91%。为探明该地区草地的生长状况变化及其驱动因素,基于MOD13A3数据,采用趋势分析、变异系数、偏相关分析和残差分析,对研究区草地归一化植被指数（Normalized Difference Vegetation Index,NDVI）时空动态变化和稳定性进行分析,并研究了气象因素和人类活动对草地NDVI变化的影响。结果表明：2000-2018年甘南和川西北地区草地生长期NDVI呈上升趋势的面积占比为74.17%,其中17.15%通过显著性验证;研究区草地NDVI整体较高（均值为0.7096）,在19年间全区和各类型草地NDVI均呈波动上升趋势,生长状况稳定,仅有6.08%的草地波动幅度较大;温度和降水对研究区草地NDVI的变化主要呈正向驱动,且NDVI与温度呈正相关的面积（70.19%）大于降水（62.63%）,人类活动在2000-2005年对草地NDVI呈负向影响,2006-2017年呈正向影响。     

基于机器学习的青藏高原天然草地盖度时空变化特征研究

草地盖度是评价草地生长状况的重要指标,构建高精度的盖度估测模型是开展天然草地动态监测的关键。本文利用2003—2018年实测数据和地形、土壤等55个指标,建立了4种草地盖度遥感估测模型,通过比较得到研究区草地盖度遥感估测最优模型,并分析了2001—2019年研究区草地盖度时空动态变化。结果表明：由最小绝对压缩变量筛选方法选出10个有较高重要性的变量。其中,比值植被指数与草地植被盖度间的相关性优于其他单因素模型与草地植被盖度间的相关性。在3种机器学习模型中,随机森林优于人工神经网络与支持向量机模型,其R²和均方根误差分别为0.68和12.75%。机器学习方法构建的草地盖度模型优于单因素模型,其R²可提高0.09~0.16,RMSE降低1.52%~2.81%;2001—2019年,研究区草地盖度整体上呈现出自西向东、自北向南增加的趋势,呈增加趋势的面积占比为55.4%,呈减少趋势的面积占比为44.6%。     

中国北方草地资源管理信息系统的设计与实现

北方草地不仅是我国重要的畜牧业生产基地,更是我国北方一道重要的生态屏障。为了掌握北方草地资源的整体状况、空间分布以及动态变化,本研究基于ArcGIS Server 10.0服务器、Microsoft SQL Server 2008数据库等环境,将Flex框架与WebGIS技术相结合,设计开发了中国北方草地资源管理信息系统,实现了在网页上快速浏览、查询、管理北方草地资源的功能,构建了一个全面、准确、高效的草地资源监测信息管理平台,为相关决策人员提供了科学、合理的决策依据,推动了我国数字草业的发展进程。     

基于Landsat 8和随机森林的青海门源天然草地地上生物量遥感估算

草地地上生物量（above-ground biomass, AGB）的遥感监测可快速且客观地对草地生长现状进行评估,对生态环境评价和草地资源利用有重要意义。为了提高遥感估算草地AGB的准确性,基于青海省门源县的地面实测数据,利用Landsat-8 OLI遥感数据计算出的植被指数分别构建了单因素回归模型和随机森林模型（random forest, RF）,确定了AGB遥感估测最佳模型,并反演得到了研究区2019-2021年草地AGB空间分布。结果表明：1）在29个植被指数构建的单因素回归模型中,与草地AGB相关性较高的5个植被指数为NDVI、RBNDVI、TVI、GNDVI、MSR,R²均达0.49以上。其中,NDVI模型的精度最高,验证集R²为0.50,均方根误差（root mean square error, RMSE）为702.89 kg·hm^-2。2）在RF模型中,变量筛选前R²=0.61,RMSE=621.14 kg·hm^-2;经过变量筛选后模型精度有小幅度提升,R²达0.62,RMSE基本不变;二者精度均优于单因素模型,相比传统单因素最优回归模型,R²提高0.12,RMSE降低了80.95 kg·hm^-2。3）门源县AGB空间分布特征为西北部较高,东南部相对较低;大体呈中部高,四周低的分布状况。2019-2021年全县天然草地总产草量介于4.2827万~8.9776 万t,平均单产介于1063.49~1484.82 kg·hm^-2;草地类型以高寒草甸为主,2019-2021年产草量为4.0825万~5.6653 万t,平均地上AGB介于1060.38~1471.94 kg·hm^-2;山地草甸平均AGB为1036.81~1637.43 kg·hm^-2;温性草原平均AGB介于1198.72~1786.63 kg·hm^-2。