基于VRML的虚拟草地模型的建立

随着Internet的发展,以VRML为代表的基于WWW的虚拟现实建模技术正在日益受到广泛的重视。在对近10年西藏自治区山南地区草地资源的时空变化状况进行研究的基础上,基于VRML、遥感等技术构建了山南地区虚拟草地模型,以形象、直观的方式对山南地区草地退化过程进行了多维动态模拟,为进一步研究山南地区草地资源的时空变化规律及其机理提供了技术支持。     

基于MODIS数据的草地净初级生产力模型探讨

在光能利用率模型的基础上,考虑了温度和地面水气压差的影响,建立了基于MODIS数据的草地净初级生产力遥感估算模型.模型所需参数,除月平均日照百分率外,均由MODIS数据反演获得.利用2003年的1km分辨率的MODIS1B数据和全国586个气象站点的累年月平均日照百分率数据,计算了我国草地逐月净初级生产力(NPP),然后累加得到全年NPP,计算得我国草地年平均NPP为239.02gcm-2a-1,与实测数据较为接近.     

基于遥感技术的高寒草地覆盖度变化

摘要：本研究在像元二分法模型的基础上,利用改进归一化植被指数的植被覆盖度定量模型,采用MODIS卫星8天合成地表反射率数据产品（MOD09A1）,结合3S技术（GIS、RS、GPS）空间分析功能,以甘南州高寒草地为对象,分5个等级分别计算得到了甘南2000、2004和2008年的草地植被覆盖度,分析了甘南2000-2008年植被覆盖度变化的大致演变过程和趋势。结果表明,从2000-2008年,甘南植被覆盖度质量总体呈下降趋势,一级盖度植被退化比较严重,草地植被的演变情况主要由优等植被覆盖（一、二级）向低等植被覆盖（四、五级）演变。研究结果揭示了甘南州草地退化状况的动态趋势及严重程度,为相关政府和研究部门的草地管理决策提供了有效参考依据。     

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%。     

基于3S技术的甘南草地覆盖度动态变化研究

以像元二分法模型为基础,构建了基于改进归一化植被指数(NDVI)的植被覆盖度定量估算模型,并利用MODIS卫星遥感数据,基于3S技术(GIS,RS,GPS)空间分析功能,分级计算得到了甘南2002,2004,2006,2008年的草地植被覆盖度,分析了甘南2002-2008年植被覆盖度变化的空间动态演变过程和趋势。结果表明,2002-2008年,甘南植被覆盖度质量总体呈下降趋势,一级盖度植被的退化比较严重,草地植被的演变情况主要由优等植被覆盖(一、二级)向低等植被覆盖(四、五级)演变。研究结果揭示了甘南州草地退化状况日趋严重的事实,为相关研究和政府草地管理提供了有效依据。     

基于虚拟现实技术的网络虚拟化学实验室的设计实现

本文首先介绍了基于虚拟现实技术的网络虚拟化学实验室的体系结构,然后介绍了结合3ds Max软件和VRML语言实现虚拟试验场景的交互功能和动画效果的理论方法,为网络虚拟实验室的构建打下基础。     

基于CBERS和MODIS数据的草地资源监测评价研究

在编制《草地资源遥感调查大纲》、《草地资源区划界定操作细则》、《草地资源区划界定图形数据及制图要求》等系列规范、细则,以及包括基础地理信息、草地资源信息等多个方面的综合调查分类指标体系及数据字典的基础上,研究和探索了一整套利用CBERS数据建立草地资源遥感解译标志,采用人机交互的方式在GIS软件中对草地资源类型图进行更新,并以CBERS数据更新后的草地资源专业图件作为背景,应用EOS/MODIS数据实现草地植被的遥感动态监测与评价。     

基于MODIS数据的新疆草地物候提取方法及变化趋势分析

基于遥感手段监测植被物候涉及两个重要步骤,一是植被指数的重构方法,二是植被物候参数提取方法的选择。不同区域植被物候重构与提取方法的优劣尚无定论,有必要开展不同方法之间的对比分析,从而找到适合某区域最优的遥感提取方法。本研究基于非对称性高斯函数拟合法（asymmetric gaussian,A-G）、双逻辑斯蒂函数拟合法（double logistic,D-L）、Savitzky-Golay滤波法（S-G）和土地覆盖动态产品（MCD12Q2）4种方法反演了2001-2019年新疆地区草地的返青期（start of growing season,SOS）,通过4种方法提取结果对比,找到了适合提取新疆地区返青期的最优模型,并以此对新疆草地返青期时空变化进行研究。结果表明：1）A-G方法反演的新疆草地返青期的结果最佳。A-G和实测点的返青期相关性（R=0.879）较高,均方根误差较小（RMSE=16.395 d）。空间上,A-G方法提取的返青期标准差（<30 d）的面积比例最多,达到82.19%。2）近19年,新疆草地返青期主要集中在第60~140天,且具有自北向南逐渐推迟的明显地域差异。北部准噶尔盆地和伊犁河谷区域的草地返青时间最早,早于第80天,而阿尔泰山、天山中部及昆仑山等区域的草地返青时间最晚,晚于第140天。不同草地类型返青期存在明显的差异,高寒草甸与高寒草原的返青时间最晚,而温性荒漠返青时间最早。3）2001-2019年新疆草地返青期总体呈现微弱的推迟趋势,推迟的面积比例约为53.07%。其中,低地草甸、温性荒漠和高寒荒漠的返青期呈现推迟的变化趋势,而温性草原、高寒草原及高寒草甸的返青期表现为提前趋势。     

基于MODIS植被指数的甘南草地净初级生产力时空变化研究

利用甘南地区2006-2007年的外业实测样方草地干物质产量和MODIS植被指数数据,建立了草地地上部分干物质产量遥感反演模型,根据根冠比和干物质转碳率对2006-2008年甘南地区草地净初级生产力(NPP,net primary productivity)进行了估算,绘制了甘南草地NPP年累积量空间分布格局图和NPP月度变化动态图,对不同草地植被类型的NPP差异进行了评价。研究结果表明,2006-2008年甘南草地年NPP分别达637.04,599.98和566.59 g C/m²,其空间分布具有自西南向东北逐渐减少的趋势;年内不同草地类型的NPP均在7-8月达到最大累积量;NPP累积量最高的3种草地类型是沼泽、高寒灌丛草甸和高寒草甸,3年中最大月NPP的平均值分别达到1 137.28,553.76和527.66 g C/m²;2006-2008年甘南草地NPP持续下降,年草地NPP总量的减少速率为1.2 Tg/a,尤其是沼泽湿地的NPP下降明显,年平均减少速率达到了125.92 g C/m²。     

基于Miami模型分析青海省果洛州天然草地植被净初级生产力

利用青海省果洛州多年气象资料和Miami模型,计算和分析了果洛州天然草地植被净初级生产力。结果表明,班玛县天然草地植被净初级生产力最高。     

草地季节畜牧业SD仿真模型

在草原生产中，植物生产和动物生产之间存在着很大的矛盾，植物生产具有明显的季节性，而家畜对牧草的需要量相对稳定，任继同教授提出的草地季节畜牧业理论倡导有计划地淘汰家畜，有计划地利用牧草，以充分发挥暖季牧草生长的优势，使牧草尽可能多地转化为畜产品。系统动力学适宜于研究具有复杂反馈和动态特性的系统问题，被称为战略与决策的“实验室”。它从系统的微观结构入手，确定系统的反馈机制，进而模拟与分析系统的动态行为     

基于草原植被恢复费使用的草原生态建设

介绍了伊金霍洛旗在充分调研、科学规划基础上合理利用草原植被恢复费进行草原生态建设的主要做法,包括退化盐碱地补播、裸露地补播、退化羊草地切根复壮、芨芨草地火烧复壮和盐碱覆沙地建设人工草地等综合治理措施。     

呼伦贝尔草地天然牧草生物量预报模型研究

应用积分回归、模糊数学中隶属函数的统计方法，采用地理信息系统（GIS）进行了呼伦贝尔草地天然牧草生物量预报模型的研究，结果表明：基准单元预报模式模拟的拟合率较高，平均相对误差为5．06％，2004年和2005年牧草产草量试报相对误差分别为5．10％和7．32％，预报准确度较高；用牧草气候资源可利用系数建立的区域牧草产量模式中气象因子的选取与当地的草地第一生产力相关密切，牧草气候资源可利用系数地理分布与当地的牧草气候生产力基本一致。     

不同类型退耕地草被植物配置模式试验

草被植物作为退耕还林还草、恢复植被的先锋植物,已成为共识。试验探讨了在以生态效益为主,兼顾经济收益的基础上,不同类型的退耕地草被植物配置模式。结论为：在土肥较好的土地上种植皇草、串叶松香草等,既能有效地覆盖地面,又能得到较高的经济收入;在土肥差的土地上种植紫花首蓿、白三叶,以及白三叶和苇状羊茅、黑麦草、鸭茅的混播组合,能培肥改良土壤。稳定地恢复植被。     

甘加高山草原蝗虫预测模型的研制

利用在夏河县甘加高山草原１９８９ ～１９９４ 年共６ 年的系统调查资料,分别建立了狭翅雏蝗以及蝗虫混合种群的发生期和发生量与气象因子之间的回归预测模型。通过对历史资料进行检验,符合率均为１００ ％ ,预报值相对准确率平均达８７ ％ 以上。     

基于CENTURY模型的张掖草地土壤有机碳模拟及影响因素研究

研究草地土壤有机碳的时空分布及影响因素有利于推动区域生态系统碳汇管理,对实现“双碳”目标有重要意义。以张掖草地为研究对象,运用CENTURY模型模拟张掖草地土壤有机碳密度,采用结构方程模型分析各环境因子对草地土壤有机碳的作用路径及强度。结果表明：1970—2022年土壤总有机碳密度呈增长趋势,与缓性及惰性土壤有机碳的变化趋势较为一致;有机碳密度呈现东南高,西北低的空间分布格局;总有机碳密度的高值区主要是肃南县的东南部与民乐县,高台、临泽、甘州区相对较低;海拔、年降水量对土壤总有机碳密度存在正效应,而年均温度、土壤含水量、pH值是负效应。年均温度的直接效应最大,海拔通过影响降水、温度和pH值等间接影响土壤有机碳密度,降水量对土壤有机碳密度不仅有直接影响,还会通过影响土壤含水量、pH值等间接影响土壤有机碳密度。     

The Classification of Grassland Types Based on Object-Based Image Analysis with Multisource Data

The spatial distribution of different grassland types is important for effectively analyzing spatial patterns, obtaining key vegetation parameters using remote sensing (e.g., biomass, leaf area index, net primary production), and using and protecting grasslands. Existing classifications of grasslands by remote sensing are mostly divided according to the fractional vegetation cover or biomass, but classifications according to grassland types are scarce. In this study, we focused on the classification of different grassland types using remote sensing based on object-based image analysis (OBIA) with multitemporal images in combination with a 30-m digital elevation model (DEM) and the normalized difference vegetation index (NDVI). The grasslands were located in Hulunber, Inner Mongolia, and an autonomous region of China. The support vector machine (SVM) and random forest (RF) machine learning classifiers were selected for the classification. The results revealed the following: 1) It is feasible to generally extract different grassland types on the basis of OBIA with multisource data; the overall classification accuracy and Kappa value exceeded 90% and 0.9, respectively, using the SVM and RF machine learning classifiers, and the classification accuracy of the different grassland types ranged from 61.64% to 98.71%; 2) Multitemporal images and auxiliary data (DEM and NDVI) improved the separability of different grassland types. The information in the growing season was conducive for distinguishing temperate meadow steppe from temperate steppe and was favorable for extracting lowland meadow and swamp in the nongrowing season. The DEM and NDVI also effectively reduced the number of image segmentation objects and improved the segmentation effects; 3) Spectral and textural features were more important than geometric features in this study. A few main variables played a major role in the classification, while a large number of variables had either no significant effect or a negative effect on the classification results when the optimal feature subset was determined. This study provides a scientific basis and reference for the classification of various grassland types by remote sensing, including the data selection, image segmentation, feature selection, classifier selection, and parameter settings.