基于MODIS逐日地表反射率数据的青南地区草地生长状况遥感监测研究

大范围草地生长状况遥感监测对研究草地变化动态和草地畜牧业的管理具有重要意义。利用2010-2013年的草地外业调查数据和EOS Terra MODIS每日地表反射率产品MOD09GA,采用空间分析方法分别计算了生长季(5-9月)草地NDVI_max, EVI_max, NDVI_mean和EVI_mean4种植被指数,探讨了这4种植被指数与草地地上生物量之间的遥感反演模型,分析了青南地区草地生长季多年NDVI平均值空间分布特征;根据所选的最优模型反演了青南牧区近10年(2004-2013年)的草地地上生物量,统计分析了地上生物量的空间变化特征。结果表明,青南地区多年NDVI平均值和草地地上生物量总体上均具有由西北向东南逐渐增加的空间分布特点。不同草地类型的生物量差异显著。近10年来山地草甸类的生物量最高,达1280 kg DW/hm²;其次为高寒草甸类、温性草原类、温性荒漠类和沼泽类,生物量介于244.9~902.4 kg DW/hm²;高寒草甸草原类、高寒荒漠类和高寒荒漠草原类生物量较小,在65 kg DW/hm²以下。海拔对生物量具有明显的影响,在3500 m以上地区的草地生物量随海拔的升高而减小。当海拔介于3500~4000 m,最大生物量达1358.8 kg DW/hm²;海拔介于4000~4500 m,生物量小于920 kg DW/hm²;海拔介于4500~5000 m,生物量为574.2 kg DW/hm²;海拔大于5500 m,生物量仅为94.4 kg DW/hm²。统计分析近10年间的NDVI变化趋势发现,三江源地区的黄河、长江和湄公河三大流域及各行政区的草地植被生长状况以轻度改善和改善为主,总体趋于良好。     

基于MODIS数据的青海省草地地上生物量估算及影响因素研究

利用EOS/MODIS植被指数产品（NDVI）、实测草地地上生物量和气象监测资料,结合实测资料和NDVI之间的关系建立了青海省草地地上生物量卫星遥感估算模型,并通过研究青海省气温和降水量变化特征分析了影响草地地上生物量的主要因素。结果表明：在草地生长季,生态监测站草地地上生物量与NDVI之间具有较好的正相关关系（P<0.01）。利用模型估算的青海省草地地上生物量在2003-2017年表现出弱的增加态势,2003年平均草地地上生物量最低,仅为2622 kg·hm^-2,2010年最大,达3252 kg·hm^-2; 2003-2017年,青海省草地地上生物量变化表现出明显的空间分布特征,从东南向西北逐渐递减;其中,青海省果洛州东南部、玉树州南部、黄南州东南部和海北州东南部草地地上生物量最高;西北部的柴达木盆地最低;2003-2017年青海省绝大多数地区草地地上生物量均呈现保持不变或者趋好的变化特征,其中曲麻莱、都兰以及甘德等地区部分草地地上生物量明显减少。气温升高热量条件充足的背景下,青海省草地受降水量增多带来的水分条件趋好的有利影响,对高寒地区草地植被的生长发育起到了促进作用,最终导致草地NDVI升高,地上生物量增加。     

天峻县草地地上生物量遥感监测模型

【目的】快速、准确和大范围地对天峻县草地地上生物量（Above-Ground Biomass,AGB ）进行监测。【方法】利用天峻县 Landsat 8 OLI 遥感图像数据和同期 43 处样点实测生物量数据,分别建立了归一化植被指数（Normalized Difference Vegetation Index,NDVI）、土壤调节植被指数（Soil-Adjusted Vegetation Index,SAVI）、修改型土壤调节植被指数（Modified Soil - Adjusted Vegetation - Index, MSAVI）、比值植被指数（Ratio Vegetation Index,RVI）与草地地上生物量的遥感统计模型,分析遥感植被指数与草地地上生物量之间的相关性。【结果】天峻县遥感植被指数与草地地上生物量之间存在较好的相关性,但不同的统计模型的拟合效果不同;由 4 个自变量建立的多元线性回归模型的比一元线性回归模型有更好的拟合效果;遥感植被指数与草地地上生物量建立的三次项回归模型在拟合精度上较一元线性和多元线性高,为 y=116. 12x³ –898. 48x² +1 672. 1x–1 003. 4。【结论】 RVI 与草地地上生物量三次项模型适用于监测天峻县地区的草地地上生物量。     

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.     

CIVCO地形校正模型对青藏高原地区积雪判别的有效性检验

积雪是地表覆盖的重要组成部分和最活跃的自然要素之一, 也是影响气候变化的重要因子。青藏高原作为我国稳定的季节性积雪分布区之一, 准确估计其积雪覆盖面积具有重要的水文、气候和经济意义。本研究以青藏高原为研究区, 针对MODIS(Moderate Resolution Imaging Spectyroradiometer)积雪产品中因受山体阴影处遮蔽而存在低估积雪覆盖面积的现象, 以Landsat5-TM数据作为“真值”参考影像, 利用MODIS标准积雪产品MOD10A1和地表反射率产品MOD09GA, 结合CIVCO地形校正模型, 通过改进MODIS积雪产品的积雪提取算法, 获取具有较高积雪识别率的山区积雪图像。结果表明, CIVCO模型校正后提取的积雪图, 总体分类精度为86.46%, 积雪分类精度为73.66%, Kappa系数为0.61, 优于MODIS标准积雪产品MOD10A1, 可见, 通过CIVCO地形校正模型的算法改进不仅有效地提高了山体阴影处的积雪识别精度, 同时降低了由于漏测所引起的误差。因此, 改进后的山区积雪图像提取算法更适合我国青藏高原地区的积雪识别, 对青藏高原的积雪监测研究具有重要的应用价值。     

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。     

锡林郭勒盟草地植被生物量遥感监测模型的研究

以锡林郭勒盟为研究区域,将遥感技术用于草地地上生物量估算,分析了遥感植被指数与草地地上生物量之间的相关关系,比较和分析了三种植被指数的应用范围,研究了草地地上生物量遥感监测的方法,并利用遥感植被指数建立了草地地上生物量估算模型.研究表明:锡林郭勒草地地上生物量估产的植被指数是NDVI,其估产模型是"S"曲线,回归模型Y=e5.983-0.479/x(R=0.828, R2=0.685).     

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数据与机器学习的青藏高原草地地上生物量研究

青藏高原位于我国西部,又被称为“世界第三极”,对我国和世界的生态以及气候变化影响显著。为了评估2000-2020年青藏高原草地地上生物量（aboveground biomass,AGB）的变化情况,本研究采用多种机器学习方法结合MCD43A4产品数据模拟了草地地上生物量,并对该区域草地地上生物量的时空特征进行分析。结果表明：1）构建的机器学习模型中,Rborist模型精度最高,基于筛选后变量的R2达到0.6484。“prec＿05”、“prec＿06”、“tp＿12”、“NDPI”、“prec＿04”、“tmax＿01”、“prec＿08”、“prec＿12”这8个变量与生物量相关;2）青藏高原东南部的生物量要高于西北部,呈现由东南向西北递减趋势;3)2000-2020年间青藏高原草地生物量稳步增长,整体向好发展。青藏高原61.38%的草地变化趋势不具有可持续性,4.67%的草地持续性轻微恶化,持续性明显恶化的区域占比1.19%,呈稳定或恢复趋势的区域占比32.76%。     

基于文献计量的草地生物量遥感监测研究进展

草地生物量是衡量草地生态系统生产力的重要指标,也是研究草地生态系统物质循环的重要基础.为了系统梳理草地生物量遥感监测研究进展,以Web of Science中1995–2020年的557篇相关文献作为数据源,运用CiteSpace软件从发表论文的国家、机构和学科分布,以及关键词共现、文献共被引、期刊共被引等角度分别进行可视化的计量分析.结果表明,草地生物量遥感监测发文量随时间推移总体呈增长趋势;发文量排名前3的国家为美国、中国和德国;中国科学院发文量最多,且远超过其他机构;发表论文的学科以生态学、环境科学和遥感科学为主;从期刊被引用看,《Ecology》、《Oecologia》和《Global Change Biology》为被引频次前3的期刊;关键词共现图谱显示植被、草原、气候变化、生态、地上生物量等为主要节点关键词;通过对热点关键词以及被引文献聚类结果分析,揭示新的遥感数据源和监测技术方法将会促进草地生物量遥感监测领域的迅速发展.     

偏最小二乘在遥感监测西藏草地生物量上的应用

在多年平均年最大归一化植被指数(NDVI)的基础上,结合西藏地区年降雨量、年积温等气象资料,利用偏最小二乘(partial least squares, PLS)回归方法对数据进行分析并建立西藏地区草地生物量与归一化植被指数、降雨量等解释变量的回归估测模型.并和一般最小二乘法(ordinary least squares, OLS)中的逐步回归法(Stepwise)相比较.结果表明:草地生物量与年最大NDVI值和年降雨量有很强的相关性,偏最小二乘回归在拟合及估测效果上均优于一般最小二乘的逐步回归法,回归方程的相关系数为0.89,取得了较为可靠的结果.偏最小二乘回归在解释变量多、样本个数少、变量间存在多重共线性时尤为有效,为遥感监测植被生物量时的数据处理提供了新的途径.     

基于最优模型选择的牧草地上生物量遥感估算研究

生物量快速精准监测对于草地资源的可持续开发和利用具有重要意义.以青海省海晏县草场为研究区,采用Sentinel-2影像结合地面实测数据进行牧草生物量估算研究并探究最优模型.构建21种典型植被指数与生物量的关系模型,包括单变量指数模型、多元线性模型和随机森林模型,并采用留一交叉验证决定系数和均方根误差进行模型精度检验和最...     

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(P...     

草地生产力遥感动力模拟模型

根据植物光合作用机理和太阳辐射在植冠层中的传输方程,推导光合作用产物与叶面积指数关系的解析式和叶面积指数与植被指数关系的解析式,通过复合函数求导得到光合作用产物与植被指数关系的解析式,建立草地生产力遥感动力模拟模型.利用1992-1994年的产草量资料和对应时相的NOAA/AVHRR资料建立草地生产力光谱监测模型和卫星遥感监测模型,验证结果表明,用卫星资料可以准确监测草地生产力.     

基于MODIS遥感影像的退牧还草工程监测研究

选取特克斯县为研究区域,以2003年8月和2009年8月的MODIS遥感影像为数据源,结合对应时期的地面调查数据,从植被盖度、植物类组成、地上生物量对特克斯县退牧还草工程的实施效果进行了分析,结果表明,2009年禁牧区和休牧区植被盖度分别比2003年高10～13和6～7个百分点,生物量分别比2003年高2.1%～22.8%和1.8%～13.3%.     

基于高分卫星遥感的天然草地牧草营养含量季节动态反演的研究

本试验选取了青海省海北地区的海晏县作为研究区域,按照返青期（4-6月）、盛草期（7-9月）、枯黄期（10-12月）和枯草期（1-3月）4个阶段,试图通过实地测量、实验室分析与高分遥感影像相结合,分别筛选与草地各营养指标含量相关性最优的植被指数,建立草地营养含量月际动态估测模型,旨在将高分卫星影像与地面高光谱数据相结合,初步探寻天然草地各营养指标含量的月际动态规律,对指导冷季补饲及实现草地资源最优配置具有重要意义。结果表明：结合高分遥感数据,针对不同月份分别筛选最佳反演模型,对各营养指标含量进行反演,以此分析草场各营养含量月际动态变化规律是可行的;牧草干物质、粗蛋白、钙和磷含量随着返青期-盛草期-枯黄期-枯草期的变化趋势,基本呈现先增后减型变化。4个阶段中,草场干物质和磷含量最大相差约6倍,粗蛋白含量最大相差约7倍,钙含量最大相差约17倍。     

基于MODIS-NDVI的通辽市植被遥感动态监测

利用2003—2017年MODIS-NDVI遥感资料,对内蒙古通辽市21世纪开始实施“三北”防护林、退耕还林还草、“双千万亩”综合治理等一系列生态建设工程以来,植被变化情况进行了动态监测评估。结果表明,受到全球气候变暖及植被生长季变长等因素的影响,通辽市植被总体呈增加趋势,植被指数（NDVI）年平均值从2003年的0.296 1上升至2017年的0.322 7;同时植被覆盖结构改善明显,低植被覆盖向中植被覆盖转变。2003—2017年,扎鲁特旗植被指数较为平稳,保持较高水平。从植被指数变化来看,开鲁县、科尔沁左翼中旗一带及科尔沁左翼后旗中东部地区改善较为明显。     

基于单时相MODIS数据的草地退化遥感监测研究

以草地NPP减少的相对百分数（由实际NPP和潜在NPP计算）为主要监测指标，提出了一个基于单时相MODIS数据的草地退化遥感监测方法。介绍了利用MODIS数据反演实际NPP的方法，并提出了一个根据实际NPP和草地类型分布图确定潜在NPP的方法。对2003年中国北方草地的监测结果表明，中国北方草地退化严重，退化程度的空间差异性较大，草地退化程度与草地类型密切相关。     

基于3S技术的若尔盖县草原沙化遥感监测研究

草原沙化是国内外关注的重大生态环境问题。本文利用遥感数据,在“3S”（RS,GIS,GPS）集成技术的支撑下,采用地面调查方法,建立遥感影像与地面数据的数学模型,对若尔盖县沙化草,-原开展遥感监测。利用不同地物在遥感影像上的色调与形态差异,建立草原解译标志与分级指标体系,获取沙化草原面积、分布和等级情况。本研究为进一步开展西川省草原沙化调查提供了技术支持,为治理草原沙化提供了科学参考。．