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。     

基于CCI-LC数据的甘南和川西北地区土地覆盖类型时空动态分布及草地面积变化驱动力研究

土地覆盖变化是评价生态系统健康的关键,并对可持续发展有重要意义。遥感技术是实现快速动态监测大面积土地覆盖变化的有效方法。结合野外实测土地类型数据和Landsat 8 OLI影像,对欧空局全球土地覆盖产品(CCI-LC)在甘南和川西北地区分类精度评价的基础上,分析了研究区1992-2015年土地覆盖类型的时空动态变化特征,并从自然和人为两方面因素出发,研究了该地区草地面积变化的驱动力。结果表明:1)CCI-LC产品在甘南和川西北地区的总体精度为76.79%,在六大土地覆盖类型中(草地、林地、裸地、水体、永久冰雪和人类占用地),草地的用户精度最高(94.88%)。2)在1992-2015年,草地面积整体上呈减少趋势,且在1994-2001年发生了较大的变化,减少了6760.53 km²,动态度为-0.53%·年^-1。3)1992-2000年研究区主要发生草地、林地和人类占用地三者之间的相互转化,其中草地以转出为主;2000-2010年研究区土地覆盖类型的变化多样,草地仍以转出为主,但转出面积较上一时间段大幅度减少;2010-2015年间研究区地物类型的转换关系更加复杂,其中草地以转入为主,转入来源仅为林地和人类占用地。4)农业GDP和牧业GDP是甘南和川西北地区草地面积变化的主要驱动因素,且两者均与草地面积呈负相关关系。提供了一种宏观、快速、低成本分析长时间序列土地覆盖类型动态变化的遥感监测方法。     

Sentinel-2和GF-1影像结合提取苜蓿空间分布

及时准确地获取苜蓿空间分布信息有利于对草业生产发展和管理提供科学数据支撑。该研究基于GF-1/WFV和Sentinel-2遥感影像,以甘肃省金昌市作为研究区,构建了苜蓿的归一化植被指数（Normalized Difference Vegetation Index,NDVI）数据集,并结合苜蓿光谱反射率随生育期的变化规律,提出一种利用MATLAB寻峰函数（Findpeaks）提取苜蓿遥感特征的方法,通过确定最小峰值突出（Minimum Peak Prominence,MPP）值实现金昌市苜蓿空间分布信息的提取。研究结果表明,基于Sentinel-2遥感数据的识别苜蓿精度优于GF-1/WFV,识别精度和Kappa系数在85%和0.7以上,主要是由于Sentinel-2数据的NDVI时间序列曲线密度较GF-1/WFV大,可以更好地识别苜蓿刈割前后的关键时间点;寻谷法的苜蓿提取总体精度、Kappa系数、用户精度、制图精度指标均比寻峰法高,基于Sentinel-2影像的寻谷法苜蓿遥感识别总体精度为92.25%,Kappa系数为0.81,位置精度为86.44%;2019年金昌市苜蓿空间分布整体呈现从北到南逐渐增多的趋势,统计得到苜蓿种植面积为15 449.07 hm2,其中金川区的苜蓿面积为1 353.42 hm2,占金昌市苜蓿总面积的8.76%;永昌县的苜蓿面积为14 095.65 hm2,占总面积的91.24%。研究结果证实,基于Sentinel-2遥感数据的寻谷法可以有效识别苜蓿空间分布,对于实现草牧场精准化管理和草牧业生产信息精准监测具有重要意义。