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.     

新疆伊犁地区草地植被地上生物量遥感反演

本文以伊犁地区146个草地样地调查数据为基础,结合遥感及气象数据,进行草地植被地上生物量与NDVI、EVI、海拔、年均降水、年均气温、积温、干燥度、湿润指数等因子的回归分析。并通过各因子对地上生物量影响权重参数分析和加权融合,运用ArcGIS软件,反演分析了新疆伊犁地区草地植被地上生物量的空间分布特征。结果表明,新疆伊犁地区草地平均产草量约为704.96 kg/hm²,与20世纪80年代全国草地调查数据相比,产草量有所下降。草地植被地上生物量与各项因子具有较好的相关性,反演结果与伊犁地区的地形、地貌、气候特征基本吻合,反映了伊犁地区草地植被的空间分布特征。地上生物量反演结果得到验证,预测值与实测值之间相关系数(R²)为0.8532;均方根误差(RMSE)为216.559 kg/hm²,偏离度为22.92%,可以为新疆伊犁地区草地资源合理利用与评价提供参考。     

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。     

基于机器学习算法的甘肃省草原地上生物量

为评估甘肃省草原地上生物量的变化情况,本研究采用甘肃省2005-2018年草原地上生物量实测数据以及植被指数和气象等参数,构建多种基于机器学习算法的甘肃省草原生物量反演模型,并对其预测精度进行对比和评价。结果表明：1)随机森林模型更适宜于甘肃省草原地上生物量遥感反演。基于筛选后的17个变量的Rborist随机森林模型的反演精度最高,R²为0.758。2)甘肃省草原地上生物量均值介于828.21～1 118.71 kg·hm^-2,近20年来呈逐年增加趋势,年均增加幅度为8.13 kg·hm^-2 (P <0.05)。3)甘肃省47.41%的草原呈恢复趋势,26%的草原保持稳定,而26.59%的草原呈不同程度的恶化趋势。     

基于机器学习算法的天祝藏族自治县草地地上生物量反演

使用机器学习算法快速、准确、大范围监测草地地上生物量（AGB）是目前研究热点,但不同机器学习算法因训练样本、超参数设置不同而存在较大差异。基于实测草地AGB和同期遥感数据、气象数据、地形数据,选择与草地AGB相关性较强的13个因子作为深度神经网络 （DNN）、随机森林算法（RF）、梯度提升回归树（GBRT）、支持向量机（SVR）、人工神经网络（ANN）和高斯过程回归（GPR）算法的输入变量,建立草地AGB预测模型并从模型预测精度、稳定性、样本敏感性等方面综合评价6种模型应用潜力,分析2020年天祝藏族自治县生长季（4-9月）内草地AGB时空变化特征及其对气候的响应。结果表明：1）DNN估算草地AGB的综合性能最佳,但稳定性较差,对样本敏感性较高;GPR综合性能次于DNN,稳定性和精度均较好;GBRT、RF模拟精度较高,稳定性差;SVR和ANN精度相对其他模型较差,SVR稳定性较高,ANN稳定性较差。2）天祝藏族自治县草地AGB集中在50~250 g·m^-2,不同月份草地AGB空间异质性较大,整体表现为从西北向东南呈下降趋势。3）山地草甸、高寒草甸和温性草原中的AGB变化与气温表现出较为明显的正相关关系。降水量对高寒草甸、温性草原和山地草甸的影响不明显,但对温性荒漠草原类的影响较大,AGB随降水量减少呈现减少态势。以上研究结果可为监测草地生物量的方法选择和参数设置提供一定技术支持和参考依据。     

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Sentinel-2和Landsat 8数据的天祝县草地地上生物量遥感反演

为精确获取区域草地地上生物量(Above-ground biomass,AGB),本研究利用Sentinel-2和Landsat 8数据,计算5种植被指数,与野外实测AGB建立草地AGB遥感估算模型,并用均方根误差、决定系数和平均相对误差等指标综合比较不同估算模型的反演精度.结果表明:5种植被指数与草地AGB均显著相关...     

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Sentinel-2数据的青海门源县天然草地生物量遥感反演研究

草地地上物生物量(AGB)是评价草地生产力的重要指标,精准反演天然草地的AGB,对草地长势监测和草畜平衡评估具有重要的意义。由于常用的遥感数据(如Landsat和MODIS等)受较低时间或空间分辨率引发的诸多问题的影响,因此探索具有更高时空分辨率及更多光谱波段的Sentinel-2卫星数据在县域尺度的草地植被监测状况具有极其重要的作用。利用Sentinel-2卫星遥感影像和青海门源县实测草地AGB数据,构建了基于随机森林(RF)、支持向量机(SVM)和人工神经网络(ANN)3种机器学习方法的草地生物量估算模型,研究了2019-2021年门源县天然草地生物量时空分布特征。结果表明：1)Sentinel-2卫星影像的3个原始波段(B2、B6、B11)和2种植被指数[反红边叶绿素指数(IRECI)和特定色素简单比值植被指数(PSSRa)],是草地AGB敏感的特征变量。其中,红边波段(B5、B6、B7)对天然草地AGB遥感反演具有重要作用。2)基于RF算法的草地AGB估测模型是门源县天然草地生物量估测的最优模型(验证集R2为0.72,RMSE为622.616 kg·hm-2),优于SVM模型(...     

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(aboveground net primary productivity,ANPP),并在此基础上分析了2010?2019年若尔盖高原放牧强度.结果表明:模拟放牧强度的模型效果较好,R2值为0.7813,达到极显著相关水平(P<0.05),且均方根误差(root mean square error,RMSE)较小,精度可达到70％以上,能将不同放牧程度的区域区分开;若尔盖高原2019年平均放牧强度为1.87 AU·hm?2,处于过度放牧状态,且整体放牧强度呈现出东南部偏高、西北部偏低的分布态势.在时间变化上,若尔盖高原2010?2019年放牧强度整体呈增加趋势,在2010?2014、2014?2019年分别出现先增加后减少的变化过程;地上净初级生产力和地上生物量的分布态势与放牧强度的大小具有一定的关联性.     

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...     

基于遥感和无人机数据的草地NDVI影响因子多尺度分析

为探索不同尺度草地植被的影响因子,本研究基于Landsat遥感影像和无人机多光谱影像等,在村落和地块2个尺度分析西藏草地归一化植被指数（Normalized Difference Vegetation Index,NDVI）的影响因子。结果表明：村落尺度的海拔、坡度、坡向、地表起伏度皆对NDVI有显著的非线性影响,解释比例为37.20%;方差分析表明,地形等因子相近的同类土地利用内部NDVI差异仍较大;运用无人机影像细分同种土地利用类型内部异质性,发现遥感影像中无法辨别的点状、线状地物（石堆、水渠、田间路等）对草地NDVI有一定影响;缓冲区分析表明,非硬化水渠和道路对NDVI的负面影响在1~3 m,硬化水渠和路面对草地的负面影响超过4 m。无人机获取高分辨率多光谱影像的便捷性可以推进更小尺度下人类活动强度以及景观破碎化对植被和生态系统功能影响研究的深入。     

基于红光和近红外反射光谱特征参数反演草地地上生物量

2013年6~10月测定东非狼尾草+白三叶混播草地冠层反射光谱和地上生物量;分析红光波段和近红外波段反射光谱特征参数与牧草鲜重及干物质之间的相关关系;构建并检验基于红光单波段和植被指数(NDVI、RVI、DVI)反演草地地上生物量回归模型。结果表明:红光波段反射率与草地地上生物量之间存在显著相关性;地上生物量的增加能够显著降低"红谷"反射率,显著升高近红外850.0nm处反射率;选用红光单波段反射率、红光波段构建的植被指数RVI或红光与近红外波段构建的植被指数NDVI,均能够精确反演草地鲜草产量和干物质产量;适宜估产的植被指数因季节和草地生物量的差异而不同,在6月11日,植被指数RVI反演模型估测的草地生物量与实测值的模拟效果最好,10月12日,植被指数NDVI反演模型估测的草地生物量与实测值的模拟效果最好。     

基于CNN和SVM的无人机多光谱遥感草地植物识别

为选择最佳的物候期、飞行高度和识别模型提高植物识别的精度,本研究以伊犁绢蒿(Seriphidium transiliense)荒漠草地主要植物伊犁绢蒿、角果藜(Ceratocarpus arenarius)以及裸地为识别对象,选择4月、6月、9月3个飞行时期,15m,30m,60m 3个飞行高度,通过无人机搭载多光谱相机采集草地群落多光谱数据,在分析光谱反射率差异的基础上,利用最佳指数因子(Optimum index factor,OIF)筛选特征波段,通过卷积神经网络(Convolutional neural network,CNN)和支持向量机(Support vector machines,SVM)建立识别模型。结果表明：地物反射率4月＞6月＞9月,15m＞30m＞60m;不同飞行高度下OIF值一致,但在月份间具有差异,4月敏感波段为Green,Red和NIR,6月和9月敏感波段为Red,Red edge,NIR;在识别精度上SVM＞CNN,4月＞9月＞6月,15m＞30m＞60m,裸地＞伊犁绢蒿＞角果藜。综合来看,采用SVM在4月、15m飞行高度下进行识别的总体精度最高,达到86.23%。     

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。     

甘南草地地上生物量的高光谱遥感估算研究

为了促进高光谱分辨率遥感技术在草地畜牧业动态监测和遥感估产中的应用,选择甘南草原为研究区,通过野外观测,测量了天然牧草的冠层高光谱和地上生物量数据,分析了4种主要草地类型的冠层光谱曲线特征,并分析了地上鲜生物量与冠层反射光谱和一阶微分光谱之间的相关关系,构建了光谱特征参数作为变量,建立了甘南草原牧草地上鲜生物量的高光谱估算模型,并对模型进行检验,结果表明：特征参数D723的对数回归模型,不仅相关系数较高,而且均方根和相对误差都较小,因此,估算精度较高,可作为甘南草地地上鲜生物量的最佳高光谱估算模型。     

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。     

基于机载激光雷达与高景一号数据的草原地上生物量反演研究

草原地上生物量(AGB)是草原调查监测中的重要指标,是草原生态保护和资源合理利用的依据,对草原可持续发展与科学管理具有重要意义。本研究以广西兴安县热性灌草丛为研究对象,结合机载激光雷达数据与高分辨率多光谱卫星影像,利用2021年采集的89个实地样方调查数据,对草原AGB进行了遥感反演研究。结果表明,草层高度信息是草原AGB建模的重要指标。增强型植被指数(EVI)、比值植被指数(RVI)、归一化植被指数(NDVI)中EVI与AGB的相关系数最高(0.666),高度指标中平均草层高度(CHM_mean)与AGB的相关系数最高(0.686),二者结合的指标中RVI×CHM_mean与AGB的相关系数最高(0.735)。模型精度验证结果显示,EVI模型中均方根误差(RMSE)最低,为292.047 g·m^-2,CHM_mean模型中RMSE最低,为245.084 g·m^-2,RVI×CHM_mean模型中RMSE最低为225.872 g·m^-2。结果...     

基于构件特征的内蒙古典型草原植物羊草个体地上生物量估算

生物量是评价草原生态系统生产力的重要指标,草原主要植物个体地上生物量估算模型的建立,可为采用非刈割方法获取较准确的草原地面数据资料提供新方法。通过分析内蒙古典型草原植物羊草的主要构件特征(叶片数、叶长宽积、茎粗、茎高和株高)与其个体地上生物量之间的关系,比较并筛选出能较好预测羊草个体生物量变化的构件指标,采用Minitab软件的回归分析方法,分别利用6月、7月和8月采集的90株和总体270株羊草植物样本,建立羊草不同生长阶段(生长初期、生长旺盛期和生长末期)以及总体样本的个体地上生物量估算方程,并对实测值与模拟值进行t检验分析。结果表明,叶长宽积和株高相对于其他构件信息能够更好地描述羊草个体地上生物量,方程Y=-0.193+0.009X₂+0.011X₅(X₂为叶长宽积,X₅为株高,P<0.01,R²=0.854)为最优羊草个体生物量估算模型。