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(Firs...     

基于不同阶微分高光谱植被指数的牧区草场地上生物量估算

利用高光谱遥感技术能快速、无损、高效地获取草地地上生物量信息,对牧区牧草高效管理、草畜供求关系平衡以及放牧制度优化等方面具有重要意义。为了寻求估算生长旺盛期草地地上生物量最适宜的微分光谱阶数,本研究在内蒙古天然草场通过原位试验采集了高光谱反射率与地上生物量数据,对原始光谱反射率数据进行一至四阶微分处理,在全波段范围内挑选最佳波段构建简单比值植被指数(Simple ratio vegetation index, SRVI)、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)和增强型植被指数(Enhanced vegetation index, EVI) 4种高光谱植被指数,建立相应地上生物量估算模型并对比评价各模型精度。结果表明：对原始高光谱反射率进行微分处理,有助于提高敏感波段与地上生物量的相关性;红边波段与近红外波段是构建最佳植被指数的重要组成波段,占所有优选波段的82%;基于二阶微分光谱的最佳SRVI和NDVI模型精度最好,R     

祁连山东缘高寒草地植物群落叶绿素高光谱反演模型的建立

祁连山高寒草地是我国北方草地的重要组成部分,近年来退化较严重,导致其产量、质量下降.利用ASD地物光谱仪采集了祁连山东缘高寒草地植物群落光谱数据,并利用Person相关系数法、PCA主成分分析法和VIP变量投影重要性法等方法,筛选了与高寒草地植物群落叶绿素相关性较高的原始光谱波段与植被指数,通过多元逐步回归与多元线性回...     

利用高光谱技术进行草地地上生物量估测

简要介绍了高光谱遥感的概念及其特点,并阐述了高光谱遥感技术估测牧草地上生物量原理。在阐述植被指数在草地科学领域运用的同时,介绍了植被指数NDVI和RVI的特点,就NDVI和RVI在草地地上生物量估测中的运用做了初步的探讨,并分析了不同草地类型对植被指数及草地地上生物量的影响。其结果表明,不同草地类型中使用的植被指数及估产模型各异。     

利用高光谱技术进行草地地上生物量估测

简要介绍了高光谱遥感的概念及其特点,并阐述了高光谱遥感技术估测牧草地上生物量原理.在阐述植被指数在草地科学领域运用的同时,介绍了植被指数NDVI和RVI的特点,就NDVI和RVI在草地地上生物量估测中的运用做了初步的探讨,并分析了不同草地类型对植被指数及草地地上生物量的影响.其结果表明,不同草地类型中使用的植被指数及估产模型各异.     

新疆三种主要草地植被类型的高光谱反射特征研究

本研究利用便携式地物光谱仪,对新疆部分天然草地类型及植物进行了实地光谱测量,分析和比较了3种草地类型的光谱反射特征。结果表明,在可见光波段,干荒漠类草甸植被,除角果黎外,其冠层反射率要低于低地山地草甸和蒿属荒漠草地。而在近红外波段,角果黎、骆驼蓬、梭梭冠层光谱反射率明显高于低地山地草甸植被和部分蒿属荒漠草甸植被。同一类型草地中,由于植被类别间的差异以及叶片内部结构的不同,冠层光谱反射率差异较大。3类草地类型不同植被的红边特征参数表现为干荒漠类草甸的梭梭红边位置最高,低地山地草甸的博洛塔绢蒿红边位置最低;蒿属荒漠类草甸的骆驼蓬的红边斜率和红边面积最大,低地山地草甸的苔草红边斜率和红边面积最小。对6种代表性的植被指数分析得出,PRI、OSAVI、MCARI指数均表现为蒿属荒漠类草甸<低地山地草甸<干荒漠类草甸。NDVI植被指数则表现为低地山地草甸最大,而干荒漠类草甸最小。GNDVI指数表现为低地山地草甸最大,蒿属荒漠类草甸最小。总之,高光谱遥感对于草地植被的分类监测和遥感反演等具有重要的意义。     

高山草地的光谱反射特征及其估产模型

对祁连山东段高山草地中５种植物群落的光谱反射特征进行了测试研究。结果表明：１）草本植物和灌木种群的光谱反射率在可见光波段上无显著差异，但在近红外波段存在显著差异；２）土壤背景和测试仪器高度对群落的光谱反射产生显著影响；３）植物生长盛期，可用近红外波段的反射差异来区分草地植物群落的空间分布：４）草地植物群落的地上植物量与几种变换的植被指数呈显著或极显著的非线性相关。     

基于XGBoost算法的草甸地上生物量的高光谱遥感反演

准确、高效获取草甸地上生物量信息,对牧区农牧业生产、草地资源管理、牧草可持续利用具有重要意义。本研究基于实地采集的牧草冠层光谱反射率及同期获取的地上生物量数据,运用互信息法分别分析了微分光谱、优化植被指数与草甸地上生物量的相关性,进一步构建了极限梯度提升（XGBoost）算法与不同阶光谱植被指数数据集的草甸地上生物量模拟估算模型,并与多元线性回归（MLR）和随机森林（RF）算法建立的模型进行对比。结果表明：对光谱反射率进行一阶、二阶微分与光谱植被指数变换协同应用,有助于提高冠层光谱与地上生物量的相关性;基于原始光谱植被指数与XGBoost算法构建的草甸地上生物量模拟估算模型效果最佳,均方根误差（RMSE）为140.26 g·m^-2,平均绝对误差（MAE）为97.20 g·m^-2,Nash效率系数（NSE）为0.81,一致性指数（d）为0.94,其次为基于RF算法构建的模型,MLR算法构建的模型精度较差。研究认为XGBoost算法可适用于草甸地上生物量模拟估算模型的建立,为快速准确的牧草高光谱遥感监测提供了技术和方法,为区域性草地高精度大面积生产力估算奠定了基础。     

基于高光谱数据的高寒草地土壤有机碳预测模型研究

土壤退化是草地退化的更深层次指示,运用遥感手段大面积测定土壤有机碳进而评估草地土壤状况有助于对草地退化状态的正确认识。以甘南州高寒草地土壤为研究对象,使用ASD地物光谱仪,在室内条件下对土壤样品进行可见光/近红外光谱测量,分析8种光谱变换形式与土壤有机碳含量的相关性并选取特征波段,利用3种多元回归方法(逐步多元线性回归、主成分回归、偏最小二乘回归),通过验证样本的决定系数(R_v²)、均方根误差(RMSE)和剩余估计偏差(RPD)来评价模型,进而确定高寒草地土壤有机碳的最佳估测模型。结果表明,微分变换方法可以显著提高光谱特征与土壤有机碳含量的相关性,在所有变换形式中以光谱反射率的一阶微分与土壤有机碳含量相关性最好,最大相关系数绝对值为0.865;基于光谱反射率一阶微分变换形式的3种多元回归方法对土壤有机碳均有极好的预测能力,表明对于土壤有机碳的稳定监测来说光谱反射率的一阶微分是非常有效的变换形式;综合考虑基于所有光谱变换形式的3种多元回归方法的预测结果,偏最小二乘回归法具有高的R_v²和RPD,同时具有低的RMSE值,是研究区土壤有机碳估测的最优回归方法;基于光谱反射率对数的一阶微分变换形式所建立的偏最小二乘回归模型具有相对较高的预测集决定系数(R_v²=0.878)、最大剩余估计偏差(RPD=2.946)和最小均方根误差(RMSE=7.520),因此该模型为甘南高寒草地土壤有机碳的最优估测模型,最优模型的RPD大于2.5说明该模型有足够的稳定性可以应用于其他地区土壤有机碳的估测。     

多光谱相机估算藏北高寒草甸地上生物量

本研究利用2012年6―9月的藏北高寒草甸地上生物量和ADC便携式多光谱相机数据,建立了植被指数估算藏北高寒草甸地上生物量的模型。在分析了地上生物量与归一化植被指数(Normalized Difference Vegetation Indices,NDVI)、归一化绿波段差值植被指数(Green Normalized Difference Vegetation Indices,GNDVI)和土壤调节植被指数(Soil Adjusted Vegetation Indices,SAVI)相关关系的基础上,构建了地上生物量和各植被指数的7种(线性、对数、二次多项式、三次多项式、幂函数、增长、指数)模型,并对拟合效果比较好的模型进行了精度检验。结果表明,3个植被指数中NDVI的模拟效果最好,SAVI较好,GNDVI最差;所有模型中,以NDVI为自变量的线性模型和增长模型、以SAVI为自变量的线性模型和幂函数模型模拟和预测效果都很好。     

基于决策树方法的青藏高原温泉区域高寒草地植被分类研究

植被指数作为植被生长状态的最佳指示因子,已成为植被分类的重要手段之一。为了解青藏高原温泉区域高寒草地植被的分布状况,利用野外样方调查获得植被点数据,结合MODIS/EVI遥感影像数据及数字高程（DEM）数据,综合分析各种高寒草地植被类型的EVI时序曲线特征及其生长环境的高程、坡度和坡向等地形特征,建立知识库并采用决策树分类算法对该区域的高寒草地植被分类进行研究。结果表明,总体分类精度为72%,Kappa系数是0.6,决策树方法能有效地分类和识别具有相似EVI时序特征的高寒草地植被。     

基于ADC和MODIS遥感数据的高寒草地地上生物量监测研究——以黄河源区为例

利用2015-2016年8月采集的黄河源区草地生物量数据和MODIS卫星遥感资料,结合农业多光谱相机(agricultural digital camera,ADC)获取的植被指数数据,比较分析3种_(ADC)植被指数(NDVI_(ADC)、SAVI_(ADC)和GNDVI_(ADC))与野外实测草地地上生物量(above-ground biomass,AGB)数据的相关性,筛选出适合构建草地AGB反演模型的_(ADC)植被指数;结合MODIS NDVI(记作NDVIMOD)构建草地地上生物量反演模型,采用留一法交叉验证方法评价各模型精度,确立适宜模拟研究区草地AGB的最优模型;并利用NDVI_(ADC)校正NDVI_(MOD),获得高分辨率、高精度的草地AGB遥感监测改进模型。结果表明,1)基于_(ADC)获取的3种植被指数中,NDVI_(ADC)与高寒草地地上生物量关系最为密切,其次为SAVI_(ADC),拟合效果最差的是GNDVI_(ADC);2)基于NDVI_(ADC)建立的草地AGB监测模型的精度(RMSEP介于383.55~393.18kg DW/hm2;r范围为0.65~0.66)远高于NDVI_(MOD)的模型精度(RMSEP介于421.08~427.00kg DW/hm~2;r范围为0.55~0.58),NDVI_(ADC)反演得到的草地AGB更接近于黄河源区草地实际生物量,且相较于NDVI_(ADC),NDVI_(MOD)的样本值整体偏高;3)在NDVI_(ADC)构建的4类模型中,线性和乘幂模型模拟研究区草地AGB的能力较好,但线性模型精度更高(y=3248.93×NDVI_(ADC)-305.59,RMSEP=383.55kg DW/hm~2,r=0.66),该模型为黄河源区草地生物量的估测提供了一个新型且易操作的方法;4)NDVI_(ADC)与NDVIMOD相关性较高,利用NDVI_(ADC)校正NDVI_(MOD)可以改进草地AGB遥感反演模型,优化模型为y=2455.54×NDVI_(MOD)-301.69。该模型可在大尺度范围内估测黄河源区的草地生物量,且模型精度接近于地表测量法的监测精度。     

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。     

基于地上净初级生产力与地上生物量的若尔盖高原放牧强度遥感监测

若尔盖高原作为全国三大草原牧区之一,牧草资源丰富,但受放牧的影响,该地区的生态环境相继出现了湿地和草地的退化、土地沙化等现象.为准确、快速估测若尔盖区域尺度放牧情况,合理安排人类活动,为保护生态环境提供数据与理论支持,本研究利用MODIS-NDVI数据,结合地面实测数据及气象数据,分别模拟了地上生物量及净初级生产力(a...     

祁连山北坡草地生物量及其与气象因子的关系

摘要：利用祁连山北坡2004年5类草地生物量的调查数据和同期的气象资料,估算了草地生物量的大小,并探讨了草地生物量与气象因子的关系。结果表明,总体上,祁连山北坡草地生物量为490.4 g/m2,其中地上、地下生物量分别为42.1、448.3 g/m2,地下生物量约为地上生物量的10倍;植被盖度与生物量、0~20 cm土层土壤含水量均呈显著的正指数关系（P＜0.05）,说明生物量和表层土壤含水量随盖度的增加而增大;生物量与降水量、相对湿度呈正相关,与大气温度、土壤温度和干燥度呈负相关,但均没达到显著水平（P＞0.05）,而与土壤含水量呈显著正相关（P＜0.05）,表明土壤含水量是影响祁连山北坡草地生物量的重要因素。     

基于Landsat 8 OLI和MODIS数据的高寒草地盖度升尺度效应研究——以夏河县桑科草原试验区为例

基于Landsat 8OLI和MODIS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盖度数据,对草地盖度敏感的OLI波段及其组合指数进行了筛选,构建并确立了试验区基于MODIS植被指数的草地盖度反演模型,探讨了不同空间升尺度方式对草地盖度的空间效应。结果表明,1)OLI比值植被指数r(Band7/Band5)对草地盖度的响应最敏感,基于该指数的草地盖度最优反演模型为yoli=-270.064xoli+115.987(R2=0.833,P0.001);2)基于MODIS MEVI和Landsat 8OLI比值植被指数r(30m)反演的盖度重采样数据(250m)的对数模型为最优草地盖度评估模型(R~2=0.795,P0.001),其决定系数较MODIS MEVI与基于农业多光谱照相机(agricultural digital camera,ADC)的盖度数据建立的回归模型高(R~2=0.706),绝对误差和相对误差较低;3)基于OLI和MODIS植被指数的3种草地盖度回归模型(方法1~3)精度均优于直接使用MODIS植被指数建立的回归模型(方法4);方法3利用OLI比值指数r反演盖度(30m),将其升尺度至250m,再反演盖度构建的对数模型的精度最高(R~2=0.795),其次依次为方法2构建的模型(R2=0.760)、方法1构建的模型(R~2=0.730)和方法4构建的模型(R2=0.706)。     

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。     

基于MOD10A1和AMSR-E的北疆牧区积雪动态监测研究

准确监测牧区积雪覆盖范围,对有效防灾减灾和牧区畜牧业持续发展具有特别重要的意义。利用积雪产品和气象台站的观测资料,对比分析了北疆地区2002年11月1日－2005年3月31日三个积雪季的AMSR-E每日雪水当量产品及其与MOD10A1每日积雪分类产品合成的图像MODAE1的积雪识别精度。结果表明,1)AMSR-E每日雪水当量产品的积雪识别率为66.59%,总精度为69.49%;2)利用用户自定义的合成算法计算的合成图像MODAE1,结合了AMSR-E雪水当量产品不受天气影响和MOD10A1每日积雪产品较高空间分辨率的优点,积雪识别率达76.43%;3)雪深和土地覆盖对合成图像MODAE1的积雪识别率具有重要的影响。在雪深为1～40cm时,合成图像的积雪识别精度随雪深的增加而增大;在雪深为31～40cm时,积雪识别率可达90.19%;在雪深大于40cm时,积雪识别率开始下降。在牧区合成图像的积雪识别率可达77.6%,而在开阔的灌丛区积雪识别率略有下降,为72.7%。