天山北坡草地盖度高光谱遥感估算

以天山北坡乌鲁木齐县甘沟乡为研究区,利用美国SVC HR-768便携式光谱仪采集25块样方的高光谱数据,并测定对应样方中草地盖度,分析草地盖度与原始光谱、一阶微分光谱和高光谱特征变量之间的相关关系;采用回归统计的方法,基于高光谱位置变量、高光谱面积变量和高光谱植被指数变量构建草地盖度的估测模型,并进行模型精度评价。结果表明,研究区草地盖度与植被冠层光谱反射率相关性较强的波段范围为354-704、1 420-1 481和1 904-2 512nm;基于一阶微分光谱和高光谱植被指数构建的估测模型能更好地反演草地盖度。通过模型检验,确定基于560nm的光谱一阶微分模型y=-384.153x+72.096可作为草地盖度的最优估测模型,模型均方根误差为7.344%,估算精度为90.343%。     

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%。     

青海省草原鼠害区域草地生物量及盖度动态监测研究

本研究利用Terra/MODIS植被指数产品 MOD13A3以及2005-2006年青海省草地调查资料,建立了草地地上生物量和植被盖度遥感反演模型,模拟分析了青海省鼠害发生区域、危害区域和正常区域草地资源在2001-2010年期间的各月及年际生物量及植被盖度变化动态。结果表明,1)EVI指数函数模型为模拟生物量鲜重最优模型,而对数函数模型为植被盖度模拟最优模型,拟合精度分别为70.18%和77.43%;2)研究区不同草地类型鼠害发生区域、危害区域的地上生物量和植被盖度随着鼠害危害状况的加重而呈下降趋势,在盛草季表现最明显,这种趋势近10年基本保持不变。     

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。     

新疆荒漠草地生物量估算及影响因素研究

为探究新疆荒漠草地生物量反演模型及其影响因子,基于Terra/MODIS,NOAA CDR NDVI,SPOT/VGT等遥感产品数据及草地地上生物量实测数据,构建研究区荒漠草地地上生物量植被指数反演模型,分析新疆荒漠草地地上生物量时空分布规律,运用趋势分析法和相关性等方法,揭示了生物量演变趋势与气温、降水的关系。结果表明：建立的不同遥感数据源生物量模型中,指数函数反演模型精度最高,决定系数和估算精度分别为0.66和70.93%;基于2000—2019年归一化植被指数(Normalized difference vegetation index,NDVI)变化趋势发现,新疆荒漠草地以稳定和改善为主;研究区2000—2019年间荒漠草地地上生物量空间分布格局整体表现为北高南低的趋势,20年间荒漠草地平均地上生物量为38.92 g·m^-2;2000—2019年气温与降水均上升,年平均升温率和降水率达到了0.32℃·(10 a)^-1和2.18 mm·(10 a)^-1,50%以上的地区荒漠草地与气温、降水呈正相关关系,生物量与降水的相关性优于气温。研究结果可为新疆草地保护和改善、生态环境建设提供科学依据和技术支持。     

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%。     

基于高光谱数据的高寒草甸氮磷钾含量估测方法研究——以青海省贵南县及玛沁县高寒草甸为例

以青海省玛沁县和贵南县高寒草甸作为典型研究区,利用地物光谱仪采集了20块样地的高光谱数据,并测定了对应样地所有样方中牧草的养分含量,分析了牧草中氮磷钾素含量与冠层原始光谱反射率和一阶微分光谱反射率之间的相关关系;采用回归统计方法,基于光谱位置变量,光谱面积变量及植被指数变量构建了高寒草甸氮磷钾素的估测模型,并对模型进行了精度评价.结果表明,1)与原始光谱反射率曲线相比,一阶微分光谱反射率曲线能较好地反映牧草中N,P,K素所对应的敏感波段;2)高寒草甸牧草中N,P,K素含量与冠层高光谱相关性较强的波段大多分布在红光区域(680~760 nm);3)基于光谱位置变量构建的估测模型能更好地反演高寒草甸N,P,K素含量.其中,以光谱位置变量R'_708.88为自变量的对数模型对氮素含量估测效果较好,R²为0.67,估测精度达到83.56%;以光谱位置变量R'_704.85为自变量的对数模型对磷素含量估测效果较好,R²为0.55,估测精度达到92.15%;以光谱位置变量R'_697.36为自变量的对数模型对钾素含量估测效果较好,R²为0.86,估测精度达到82.44%.     

低覆盖草地叶面积指数遥感估算方法

有效估算低覆盖草地叶面积指数(LAI),对监测低覆盖草地生长状况、优化完善草地管理具有重要意义。以往针对草地叶面积指数的研究大多集中于中高覆盖度草地,对低覆盖草地的研究相对较少。利用谷歌地球引擎(GEE),基于Landsat-8卫星数据提取所需特征变量,通过特征变量与叶面积指数的相关性及其在模型中的重要性进行特征优选,确定模型最佳变量个数,以此构建机器学习模型,探寻适合在低覆盖区草地估算叶面积指数的方法。结果显示,基于相关性特征优选的梯度提升回归树模型(r-GBRT)在低覆盖草地估算叶面积指数的效果较好,测试集的R²为0.686,均方根误差(RMSE)为0.101。结果表明,基于特征优选构建的机器学习模型在低覆盖条件下估算草地叶面积指数方面具有较好的应用价值。     

碌曲县生长季草地植被覆盖度与生产力动态特征

针对碌曲县地形地貌复杂的特点,应用M ODIS产品数据与地面调查相结合,以该县2018年6-9月的数据为例,研究了不同类型草地主要生长季节的植被盖度和产量动态.结果 表明:NDVI像元二分模型和回归模型能够较好地反映草地的植被盖度和草产量,碌曲县主要草地类型为高寒草甸和山地草甸,面积为37.55万hm2,高寒草甸占比较大,为56.86％.碌曲县草地生长季植被平均盖度呈先上升后下降的趋势,并在7月达到峰值,为81.77％,9月最小,为49.45％;山地草甸和高寒草甸的平均盖度也是7月最大,分别为82.38％和81.33％;6-8月的草地平均盖度以I级为主,分别占全县草地面积的65.53％、93.32％和69.84％,9月以Ⅱ级为主,占比为58.74％.根据样地样方实测数据与相应点影像NDVI提取值,建立6-9月产量估测模型,各月全县和各草地类型的可食牧草干草平均产量呈现逐步增大的趋势,9月产量最高.     

应用高分卫星遥感数据评价紫花苜蓿人工草地返青状况

利用国产GF-2和GF-6高空间分辨率卫星遥感图像,以内蒙古阿鲁科尔沁旗为研究区,结合实地调查,评价苜蓿人工草地返青状况。结果表明:(1)依据样地观测数据,发现植被覆盖度与苜蓿植株高度、株数均呈现出极显著的正相关关系,为此提出了基于植被覆盖度的苜蓿人工草地返青状况评价指标;(2)建立了苜蓿人工草地返青期垂直植被指数(Perpendicular vegetation index,PVI)模型,实现了基于PVI反演植被覆盖度;(3)对2019年调查的喷灌圈内苜蓿人工草地返青状况进行了评价,返青状况好、中、差的面积分别是130.2hm²、475.7hm²和106.9hm²,中等及中等以上返青等级的面积占85.00%,表明2019年当地苜蓿人工草地返青状况总体良好。     

基于无人机大样方数据及国产卫星反演草地植被覆盖度方法研究

受开垦、采矿等人类活动影响,草原出现退化甚至沙化,监测其植被覆盖度对于揭示草地的分布状况与空间变化规律具有重要意义。本文以无人机大样方数据与国产高分一号（GF-1）数据作为数据源,结合野外同步数码相机获取的数据,应用支持向量机（Support vector machine,SVM）构建不同数据源之间的植被覆盖度反演模型（数码相片—无人机大样方数据植被覆盖度估算模型,无人机大样方数据—GF-1数据植被覆盖度估算模型）,探讨国产GF-1卫星结合无人机大样方估算草原植被覆盖度的方法。结果表明,基于SVM模型的GF-1数据结合无人机大样方计算的土壤调节植被指数（Soil-adjusted vegetation index,SAVI）具有较高的精度（判定系数R²=0.97,相对分析误差RPD=4.86,均方根误差RMSE=3.23）,因此基于无人机大样方数据结合GF-1数据可以准确、快速地反演草地覆盖度,利用这种方法可以估算整个草原的植被覆盖度。     

高分一号卫星影像特征及其在草地监测中的应用

为评价高分一号卫星数据的草地监测能力,在分析传感器波段设置、辐射分辨率和光谱响应系数等特征的基础上,以草地为研究对象,提取草地分布信息,计算不同植被指数,结合地面同步观测的草地光谱、地上生物量、覆盖度和叶面积指数等实测数据,通过R²和均方根误差筛选并建立最优估算模型。结果表明:波段设置与部分常用传感器保持了较好的一致性;空间分辨率的提高,增强了地物类型的识别能力,辐射分辨率的提高,增强了数据的层次性;光谱响应系数较好的涵盖了不同草地类型的光谱曲线特征;叶面积指数和生物量的最佳估算模型均为基于比值植被指数的三次多项式模型,覆盖度最佳估算模型为基于归一化植被指数的幂函数模型,并得到了较好的制图效果。     

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CASA模型和MODIS数据的甘南草地NPP时空动态变化研究

植被净初级生产力(net primary productivity, NPP)在全球气候变化及碳循环研究中扮演着重要的角色,精准快速的估算NPP对评估区域生态系统承载力以及合理利用自然资源具有重要的意义。利用2011-2014年甘南地面实测草地地上生物量(aboveground biomass, AGB)数据和根冠比系数计算的草地NPP数据,分别验证了MOD17A3 NPP产品和基于CASA(Carnegie-Ames-Stanford approach)模型估算的草地NPP的精度,分析了2000-2016年甘南地区草地NPP的时空动态变化。结果表明:基于CASA模型模拟的草地NPP精度整体上高于MOD17A3 NPP产品的精度,其均方根误差(root mean square error, RMSE)较MOD17A3 NPP小9.94 g C·m^-2;CASA模型分析的甘南地区草地NPP总体上呈现由西南向东北逐渐减少的趋势;对不同草地类型而言,沼泽类的平均NPP最高(469.07 g C·m^-2),温性草原类最低(324.18 g C·m^-2),而占研究区草地总面积比例较大的高寒草甸类和高寒灌丛草甸类草地的平均NPP分别为449.22和465.27 g C·m^-2;2000-2016年间,甘南地区大部分草地NPP稳定不变,其面积占研究区草地总面积的75.31%,NPP呈增加趋势的区域占草地面积的22.63%,而NPP呈减少趋势的区域占比最小,仅为2.06%。以上研究结果表明CASA模型在高寒地区草地NPP评估、草地资源合理利用与管理方面具有重要的应用价值。