智能手机原位牧草生物量估算

【目的】生物量是草地生态系统物质和能量基础,是最基本的生态参量。以往基于卫星和航空遥感定量反演草地生物量过于专业化,难以在牧民间推广。因此,本文提出一种用手机近距离拍摄的真彩色图像估算牧草生物量方法,构建牧草生物量估算模型,为牧民方便、快捷、无损地掌握牧场牧草长势提供理论依据和技术支撑。【方法】首先,利用手机超高分辨率真彩色图像,分别基于植被指数、纹理特征以及联合植被指数和纹理特征构建牧草生物量估算特征集合。其次,为防止过多的特征提取带来维度灾难,提出一种XGBoost与序列前向选择相结合的特征选择算法（XGB-SFS）,进行特征筛选及最优子集构建。最后,使用随机森林回归和留一法交叉验证对比不同特征集合构建模型的生物量估算效果,分析不同类型特征及XGB-SFS算法在牧草地上生物量（Above Ground Biomass,AGB）估算中的作用。【结果】（1）对比单类型特征构建的模型,基于空间纹理特征的估算模型（R²=0.76）要优于基于光谱植被指数估算模型（R²=0.73）,表明纹理特征在超高分辨率牧草AGB估算中具有一定作用;（2）对比特征选择后的模型,联合空谱多类型特征构建模型优于任何一种单类型特征模型（R²=0.83,RMSE=127.57 g·m^-2,MAE=81.25 g·m^-2）,表明使用多类型特征构建模型,可一定程度上提高牧草AGB估算精度。（3）对比特征选择前后构建的模型,特征选择后的模型估算AGB效果要明显好于未进行特征选择的模型,且筛选出的特征与牧草生物量之间都存在较高的相关性,表明XGB-SFS能够很好降低数据维度的同时提高牧草AGB估算精度。【结论】手机超高分辨率真彩色图像可以对牧草生物量进行准确估算,本文提出的XGB-SFS算法也能从众多特征中筛选出与牧草生物量相关性较高的特征并提高模型估算精度。与以往专业遥感定量反演草地生物量相比,本文方法具有面向大众、成本低廉、使用方便等优势,研究将手机现场采集的数据与遥感和机器学习方法相结合,可开辟新的视角,支持农业信息化发展。     

Sentinel-2A多特征变量反演针叶林地上生物量能力评估

  目的  森林生物量是衡量森林碳储量的关键因子,准确估算生物量对掌握森林现状和森林资源合理利用具有重要意义。欧空局发射Sentinel-2A数据因其丰富的光谱信息和较高的空间分辨率为生物量的反演和监测提供了新的机会。本文旨在评估基于Sentinel-2A的各类特征变量反演针叶林地上生物量的能力以及完成区域尺度的针叶林地上生物量定量估测。  方法  试验以内蒙古赤峰市喀喇沁旗旺业甸林场针叶林为研究对象,以Sentinel-2A为主要数据源,提取了10个波段反射率、20个植被指数和5个生物物理参数共3种类型变量,分别建立基于光谱反射率、植被指数、生物物理参数,以及融合3类变量的多元逐步回归生物量估算模型,同时每组均加入高程因子分析地形对估算精度的影响。  结果  （1）基于多种类型参数建立的模型估算效果最好,模型决定系数达到0.765,均方根误差为39.49 t/hm2;（2）在3组单类型变量模型中,基于植被指数的预测结果最好,说明相比于波段反射率和生物物理参数,植被指数对针叶林地上生物量的估算贡献更大;（3）无论基于何种类型参数建模,高程信息的加入都会提高针叶林地上生物量的估算精度。  结论  基于Sentinel-2A植被指数与地形特征的针叶林地上生物量反演模型较好,可用于区域生物量估算。该研究对区域性森林资源监测的实际应用具有指导意义。      

北方草地及农牧交错区草地植被碳储量及其影响因素

【目的】 草地生态系统在全球碳平衡中有重要的意义,草地植被碳库及其变化机制研究是植被生态学的重要命题。本文研究北方草地和农牧交错区草地植被碳密度及其空间格局,解析不同区域草地植被碳密度的关键影响因素,分析了气候、土壤、放牧等因素对地上地下植被碳库的相对贡献。【方法】 基于2002—2009年北方草地及农牧交错带草地植被调查数据,结合同期MODIS/NDVI遥感影像和1﹕100万草地类型图,建立了我国主要草地类型的生物量估算模型;整合野外考察数据和前人研究结果,探讨了研究区地上地下生物碳库及其空间格局;基于研究区255个县级行政单元,分析了不同类型草地植被碳库与气候要素、土壤要素及家畜承载量的关系,应用一般线性模型（GLM）解析了不同影响因素对草地碳密度的相对贡献。【结果】 （1）北方草地与农牧交错区草地地上平均生物碳密度为36.9 g C·m^-2,地下生物碳密度为362.9 g C·m^-2,地下生物碳密度高于地上10倍,均呈从东到西递减的趋势,频率分布图基本服从对数正态分布,不同草地类型的生物碳密度存在明显差异;（2）整个研究区及草原亚区、荒漠亚区、农牧交错亚区内,地上生物量与年降水量（MAP）呈极显著正相关、与年均气温（MAT）均呈极显著负相关,与土壤黏粒含量（Clay%）呈显著正相关、与土壤砂粒含量（Sand%）呈显著负相关,整个研究区家畜承载量与草地地上生物量之间呈极显著正相关;（3）一般线性模型（GLM）分析结果表明,年平均降水量（MAP）、年均气温（MAT）、土壤黏粒含量（Clay%）、放牧强度对地上生物量空间变异的解释率分别达到29.6%（P<0.001）、5.8%（P<0.001）、0.8%（P<0.05）、1.3%（P<0.001）;地下生物量的空间变异主要来自于年降水量（MAP）、年均气温（MAT）、土壤砂粒含量（Sand%）,对方差的解释率分别达到12.1%（P<0.001）、6.8%（P<0.001）、1.9%（P<0.005）,放牧强度没有明显贡献。【结论】 气候条件尤其是年降水量是草地生物量碳库的主要影响因素,但对地上生物量影响更为明显;土壤质地对植被生物碳库也有显著贡献,尤其对地下生物量的影响更加显著;放牧强度只能解释地上生物量变化的1.3%、对地下生物量没有显著贡献,这一发现意味着气候对生物量碳库的贡献远大于放牧影响。     

典型草地地上生物量遥感反演模型的建立

利用新疆阿勒泰地区富蕴县2011年9月野外典型草地地上生物量采样数据和同期接收的环境减灾卫星(HJ1A-CCD1)的遥感图像数据,分析了归一化植被指数(NDV)I、比值植被指数(RV)I与实测草地地上生物量的一元线性和非线性回归模型,并对不同回归模型进行分析比较。研究表明:植被指数NDVI与实测草地地上生物量之间存在较好的相关性;所建遥感植被指数与草地地上生物量的回归模型中,指数回归模型(y=3.716e26.758x,R2=0.815)最适合于监测草地地上生物量的遥感反演模型,并分析了该区域地上生物量的空间差异性。     

封育条件下草地光谱反射特征及地上生物量估测*

 2005年7月至2006年4月,对云南省马龙县封育草地和过牧草地的光谱反射率、草层高度、覆盖度和地上生物量进行了测定,分析了归一化植被指数（NDVI）及比值植被指数（RVI）与地上生物量之间的相关性。结果表明:过牧草地封育1年之后,其草层高度、覆盖度和地上生物量显著增加,光谱反射特征也相应地发生明显变化。450~850 nm范围内,两种草地不同季相条件下在各波段的光谱反射率差异均达到极显著水平（P＜0.01）,覆盖度及季节变化对近红外波段的影响明显大于可见光波段。旺盛生长期（7月）和枯黄期（11月）,封育草地具有植被反射型特征,而自由放牧草地表现为植被-土壤型;返青期（4月）两种草地均表现为土壤型。过牧草地地上生物量与两种植被指数之间无显著相关性。封育草地地上生物量与NDVI,RVI之间存在显著的（P＜0.05）非线性相关,旺盛生长期和返青期NDVI与地上生物量的相关性强于RVI,枯黄期RVI与地上生物量相关性强于NDVI。     

基于森林资源连清数据的泗阳县杨树生物量遥感估算模型

基于2005年江苏省森林资源连续清查数据,采用蓄积量——生物量换算因子连续函数法计算杨树林生物量,对生物量与LandsatTM数据各波段的比值B1/B3、B2/B4 、B2×B3/B4、B7/B5 、B7/B5、（B4＋ B5-B2）/（B4＋B5＋ B2）、B3/（B1＋B2 ＋B3 ＋B4 ＋B5 ＋B7）、B3/B4及植被指数NDVI、RVI、TNDVI进行相关性分析,筛选杨树生物量遥感估算模型的相应因子;并应用逐步回归技术建立估算杨树生物量遥感模型,估算出2005年泗阳县杨树林总面积为29 768.6 hm2,总生物量约为1 786 771.2 t,平均生物量约为60.0 t/hm2.结果表明,在森林资源连续清查的数据基础上,利用遥感影像在县级区域尺度上对杨树森林生物量进行有效估算是完全可行的,其方法具有时间分辨率高的特点,使生物量估算在较大的时间和空间尺度上具备操作的可能性.     

利用EOS/MODIS植被指数建立草地估产模型的研究

利用EOS/MODIS卫星遥感数据,将遥感技术用于草地牧草产量测量.以乌鲁木齐天山北坡密丛禾草、中生杂类草组成的草甸草原、密丛禾草、旱生杂类草组成的草原及小禾草、半灌木组成的荒漠草原为典型研究区,以2006年6～10月的地面测产数据和同步MODIS遥感数据为基础,分别建立了草地牧草估产模型.三种草地类型的遥感植被指数与牧草产量之间的相关性均为极显著水平,不同模型拟合效果不同,其结果表明,二次多项式估产模型的拟合度好于线性模型.     

施肥和刈割对那曲人工草地生产性能和品质的影响

以驯化筛选的垂穗披碱草（Elymus nutans）、麦宾草（E. tangutorum）和中亚早熟禾（Poa litwinowiana）为试验材料,采用裂区试验设计,设置垂穗披碱草单播（P）、麦宾草单播（M）、中亚早熟禾单播（Z）、垂穗披碱草+麦宾草混播（PM）、麦宾草+中亚早熟禾混播（MZ）、垂穗披碱草+中亚早熟禾混播（PZ）、垂穗披碱草+麦宾草+中亚早熟禾混播（PMZ）7个播种组合为主区,施肥、刈割处理为副区,探究施肥和刈割对多年生混播人工草地生产性能和品质的影响。结果表明：三种乡土草种两两混播和三种混播均能增加草地的地上生物量,且3种混播建植草地的生产力最高;施肥、刈割均可提升草地地上生物量,且施肥+刈割的组合效应最佳;増施磷酸二铵可明显增加草地植株的粗蛋白和全磷含量,降低中性洗涤纤维和酸性洗涤纤维含量。垂穗披碱草+麦宾草+中亚早熟禾的播种组合配合施肥+刈割管理措施的人工草地具有较高的生产性能,可为藏北高原建植多年生混播人工草地建植提供一定的参考价值。     

集成土壤-环境关系与机器学习的干旱区土壤属性数字制图

【目的】土壤属性的空间分布是影响农业生产力、土地管理和生态安全的重要因素。通过土壤环境耦合关系,在机器学习算法框架下,定量预测出干旱区土壤酸碱度（pH）、土壤盐分含量（Soil Salt Content,SSC)与土壤有机质（Soil Organic Matter, SOM）3种土壤属性的空间分布,为干旱区农业生产和生态安全提供科学依据。【方法】在渭干河—库车河绿洲干旱区于2017年7月设计采集典型表层（0—20 cm）土壤样品82个,依据土壤-环境之间的关系,集成DEM数据和Landsat 8数据提取出32种环境协变量,利用栅格重采样将提取出的32种变量重采样为90 m空间分辨率并转换为Grid格式参与建模。借助梯度提升决策树（Gradient Boosting Decision Tree,GBDT）模型依次对3类土壤属性的32种环境协变量进行重要性排序,并通过均方根误差（Root Mean Square Error,RMSE）界定出协变量重要性阈值点,从而筛选出参与3类土壤属性制图的环境协变量。进而运用随机森林（Random Forest, RF）、Bagging和Cubist 3种非线性模型建模,并引入多元线性回归模型（Multiple Linear Regression,MLR）进行对比分析,选出最优模型并绘制出90 m分辨率新疆渭干河-库车河绿洲干旱区pH、SSC与SOM 3种土壤属性图。【结果】梯度提升决策树能有效筛选出重要协变量,高程（Elevation）、剖面曲率（Profile Curvature）、差值植被指数（Difference Vegetation Index）、扩展增强型植被指数（Extended Normalized Difference Vegetation Index）、调整土壤亮度植被指数（Modified Soil Adjusted Vegetation Index）、盐分指数S1（Salinity Index S1）以及盐分指数S6 （Salinity Index S6） 7类环境变量均参与3类土壤属性建模,其中SSC遴选出参与建模协变量15种,pH和SOM则均为17种,且遥感指标在预测土壤属性图中起到强大的作用。机器学习3种算法的结果均优于MLR。通过3种非线性模型对比发现,随机森林在3种土壤属性中均表现最佳。在随机森林预测的3种土壤属性中,土壤pH验证集效果R ²=0.6779,RMSE =0.2182,ρ_c=0.6084;在SSC预测中,验证集R ²=0.7945,RMSE =3.1803,ρ_c=0.8377;在SOM预测中,验证集R ²=0.7472,RMSE =3.5456,ρ_c=0.7009。 【结论】GBDT所筛选出的重要性因子借助机器学习算法可以用于干旱区土壤属性制图,且随机森林模型均对3类土壤属性表现出最佳预测能力。依据所绘制的土壤属性图并结合土壤分类图厘清了3种制图属性的空间分布。     

南方3种类型草地地上生物量的光谱估测模型

基于地面光谱实测数据计算的光谱归一化植被指数(ASD-NDVI),结合同期的地上生物量数据,利用回归分析的方法构建南方草地地上鲜生物量的地面光谱估算模型。结果表明:南方草地地上生物量与ASD-NDVI之间呈正相关,可以用线性方程、对数方程、多项式方程、乘幂方程以及指数方程进行拟合,拟合结果均达到极显著相关水平,其中多项式方程的拟合效果最好(n=56,R2=0.931 1,P<0.01),因此利用多项式构建基于地面实测ASD-NDVI预测地上生物量的最优地面光谱模型。通过不同年份地面实测数据对模型进行验证,模拟值和实测值之间相关性很好,R2为0.907 5**(P<0.01),达到了极显著水平。说明在南方草地生长旺季利用光谱参数ASD-NDVI估算地上生物量可行。     

基于NDVI的西昌市紫茎泽兰入侵监测模型初探

[目的]为紫茎泽兰生物入侵的遥感监测提供参考。[方法]以ASTER影像数据为主信息源,结合西昌市紫茎泽兰样地调查,提取3种植被指数分别为归一化植被指数NDVI、垂直植被指数PVI和比值植被指数RVI,通过与紫茎泽兰表征因子盖度、高度和生物量进行相关分析,筛选敏感植被指数。在紫茎泽兰单个表征因子回归分析基础上,建立敏感植被指数与重要值的回归模型。[结果]3种植被指数中,NDVI最能反映紫茎泽兰表征因子的变化信息。NDVI与紫茎泽兰表征因子及IV显著正相关,对IV的复相关系数(R2=0.72)大于单个表征因子。基于NDVI与紫茎泽兰IV的线性模型模拟误差较小。[结论]利用NDVI与IV的线性模型对研究区紫茎泽兰入侵进行监测是较为可行的。     

棉花高光谱植被指数与LAI和地上鲜生物量的相关关系研究

通过测试棉花关键生育阶段350～2 500 nm波段的冠层高光谱数据,用近红外波段760～850 nm及红光波段650～670 nm的2个范围内的波段,组成了高光谱归一化植被指数(NDVI)和800和670 nm两个波段组成修改型二次土壤调节植被指数(MSAVI2),分别与棉花叶面积指数(LAI)和地上鲜生物量进行相关分析,结果表明,棉花NDVI和MSAVI2与LAI和地上鲜生物量两个参数均以幂指数相关关系为最佳(RNDVI-LAI=0.729 1·,RMSAVI2-LAI=0.743 6·,n=81;RNDVI-鲜生物量=0.742 6·,RMSAVI2-鲜生物量=0.791 1·,n=59), MSAVI2与LAI和地上鲜生物量的相关性均高于NDVI与LAI和地上鲜生物量的相关性,说明MSAVI2较NDVI能更好的消除土壤背景对反射光谱造成的影响,能较精确的提取反映棉花生长状况的叶面积指数和生物量信息.     

基于3S技术的东洞庭湖湿地植被的分布与适应性分析

利用2010年环境一号卫星影像提取东洞庭湖湿地植被分布图,依据同时期的MODIS13数据合成增强植被指数（EVI）年最大值图与年平均值图,结合东洞庭湖高程,讨论东洞庭湖湿地植被及其生物量空间分布,并从水文因素及植被生长特性等方面分析其原因,推论出芦苇与湖草等植被的最适宜生长区域.结果说明,东洞庭湖植被及其生物量分布与高程及水环境有很大的相关性,在高程30 m以上且远离水域区域,主要生长着对水分要求不高的防护林;芦苇适合生长在27 m高程以上且靠近水域的区域,湖草适合生长在高程为23~27 m间的区域.     

封育条件下草地光谱反射特征及地上生物量估测

2005年7月至2006年4月,对云南省马龙县封育草地和过牧草地的光谱反射率、草层高度、覆盖度和地上生物量进行了测定,分析了归一化植被指数(NDVI)及比值植被指数(RVI)与地上生物量之间的相关性。结果表明:过牧草地封育1年之后,其草层高度、覆盖度和地上生物量显著增加,光谱反射特征也相应地发生明显变化。450~850 nm范围内,两种草地不同季相条件下在各波段的光谱反射率差异均达到极显著水平(P<0.01),覆盖度及季节变化对近红外波段的影响明显大于可见光波段。旺盛生长期(7月)和枯黄期(11月),封育草地具有植被反射型特征,而自由放牧草地表现为植被-土壤型;返青期(4月)两种草地均表现为土壤型。过牧草地地上生物量与两种植被指数之间无显著相关性。封育草地地上生物量与NDVI,RVI之间存在显著的(P<0.05)非线性相关,旺盛生长期和返青期NDVI与地上生物量的相关性强于RVI,枯黄期RVI与地上生物量相关性强于NDVI。     

渭河流域长时间序列NPP估算及时空变化特征分析

植被净初级生产力（net primary production，NPP）是生态系统碳循环及能量流动的关键参数，也是生态系统可持续发展的重要生态指标，分析植被NPP的时空变化特征对于区域碳循环研究具有重要意义。利用MODIS反射率数据（MOD09A1）、MODIS NDVI数据（MOD13A3），基于CASA模型估算2001-2018年渭河流域植被NPP，分析植被NPP的时空变化特征，并探讨不同植被类型间NPP的差异性以及高程变化对植被NPP的影响。研究表明:1）2001-2018年，渭河流域植被NPP总体呈波动式增加趋势，年均NPP处于292.59~444.90 gC·m²，年际增加速率为6.23 gC·m²；流域植被NPP具有明显的空间异质性，表现为中东部的六盘山、子午岭和南部秦岭等地区较高，西部和北部的黄土高原地区较低。2）18 a来，除常绿针叶林外，其余植被类型NPP均呈增加趋势。不同植被类型的年均NPP的差异表现为落叶阔叶林（625.70 gC·m²）>常绿针叶林（390.16 gC·m²）>草地（368.49 gC·m²）>农田（344.65 gC·m²）>灌丛（340.17 gC·m²）。3）不同地形条件下植被NPP具有一定差异性，在900~1 300 m（农田、山地落叶小叶林），植被NPP最高；1 700~1 900 m及3 500 m以上区域（稀树灌木草原、灌木），植被NPP最低。     

高原鼠兔种群密度与草场植被群落结构的相关性

[目的]调查研究高原鼠兔种群密度与草场植被群落结构间的相互关系,为草原草场保护和鼠害防治提供科学依据.[方法]以青海省玉树藏族自治州隆宝滩国家级自然保护区的高寒草甸区为研究对象,对当地不同鼠兔种群密度区的植被群落结构进行分析,包括毒杂草/牧草比例、植被物种丰富度、生物量、盖度、物种多样性等.[结果]植被生物量和盖度与鼠兔种群密度均存在显著的线性相关,其相关系数(r)分别为0.1933和0.1919,线性方程分别为:y=12.686+0.216x和y=1.130+0.270x.高生物量和盖度的草场植被群落结构对高原鼠兔种群密度增加有一定的抑制作用,但适当的鼠兔种群密度对保持草场植被生物多样性和降低毒杂草比例有一定的积极作用.[结论]鼠害并不能直接导致草场退化和荒漠化,只是在过度放牧的草地上加剧了草场的退化速度而形成恶性循环,因此,对鼠兔种群密度进行实时监控,采取轮牧等方式适当控制放牧密度,是保护草原草场的有效措施.     

基于MODIS EVI的内蒙古草地多源信息综合分类研究

利用遥感数据与非遥感数据相结合的方法对内蒙古草地进行分类研究.以MODIS EVI(MODIS增强型植被指数)数据为基础,计算得到MODIS EVI月度数据,分剐取其一、二、三主成分作为分类的前3个参数;引入研究区域同期的气温、降水、生物温度及DEM(数字高程)数据,通过克里金插值、主成分变换、重采样等方法确定分类的第4、第5个参数.在此基础上,应用ISODATA技术对草地进行分类.结果表明,该分类结果能够提供比AVHRR NDVI(AVHRR归一化植被指数)和MODIS NDVI(MODIS归一化植被指数)更丰富的分类信息,可以清晰识别到5大草地类,对草甸草原、典型草原和荒漠草原可以进一步识别到草地亚类.因此,MODIS EVI数据与非遥感数据结合的多源信息综合分类能提高草地分类的精度.     

亚热带地区马尾松林碳储量的遥感估算——以长汀河田盆地为例

全球气候的变化已使得人类日益关注森林生态系统的碳储量变化.以福建省长汀县河田盆地为例,开展马尾松林碳储量估算模型的研究.通过2010年的野外样地调查获得了马尾松林的实测数据,并将其与同年的ALOS遥感影像对应样地的植被光谱信息进行比较.通过研究5种遥感植被指数与马尾松林碳储量之间的相关关系,从中选取了基于归一化植被指数(NDVI)的研究区最佳马尾松林碳储量反演模型.精度分析表明,该模型平均相对误差为-1.95％,均方根误差为3.01 t/hm2,因此可以有效地用于反演研究区的马尾松林碳储量.利用该模型反演出河田盆地2010年马尾松林的总碳储量为114.58×104 t,碳密度为34.92 t./hm2.