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。     

基于无人机遥感的多特征组矿区草本植物地上生物量反演

植被地上生物量可作为评价矿山生态修复地生态功能的重要指标,为实现对修复地地上植被生物量快速、准确的预测,以安徽省铜陵市铜官山矿区草本植物地上生物量为研究对象,将无人机高分辨率多光谱影像作为数据源,提取了单波段光谱反射率、植被指数两种光谱特征以及各波段纹理特征变量,并利用高精度DEM (digital elevation model)生成地形特征,再先后使用灰色关联法和熵权法对光谱特征和纹理特征分别进行筛选,进而将筛选出的特征变量和地形特征变量分为光谱特征组和多特征组。采用反向传播神经网络(back propagation neural network,BPNN)、卷积神经网络(convolutional neural network, CNN)以及Elman神经网络3种机器学习算法分别构建基于光谱特征组和多特征组的生物量预测模型,比选精度较高的矿区草本植物地上生物量反演模型。结果表明,在光谱特征基础上引入纹理特征和地形特征后3种反演模型精度都有相应程度提高,其中,基于多特征组构建的BPNN模型表现出最优性能,其决定系数(R2)为0.841,均方根误差为11.813 g·m-2,并同时对...     

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.     

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...     

不同机器学习算法在草原草地生物量估算上的适应性研究

准确估算草地地上生物量(Aboveground biomass,AGB)对于科学调整草畜关系、保护生态环境和实现草地资源的可持续发展具有重要意义。本文以锡林郭勒盟不同草地类型为研究对象,基于遥感数据、气象数据和数字高程模型数据,利用支持向量机(Support vector machines,SVM)、BP神经网络(BP neural networks,BP)和随机森林(Random forest,RF)三种机器学习算法建立AGB估算模型,评估三种机器学习算法模型估算AGB的潜力。精度验证结果表明,在研究区内不区分草地类型整体建立估算模型时RF算法的回归精度最高(R=0.88,RMSE=0.10,MSE=0.01,MAE=0.07)。SVM算法建立的模型在草甸草原和荒漠草原回归精度较高,而RF算法回归能力在典型草原具有相对优势。不同特征变量对估算AGB的贡献分析结果表明,植被覆盖度(Fractional vegetation cover,FVC)、归一化植被指数(Normalized difference vegetation Index,NDVI)、增强植被指数(Enhanced vegetation index,EVI)和降水量(Precipitation,PRCP)四个变量对AGB估算结果的影响较大。本文研究结果为干旱/半干旱区草地地上生物量估算精度的提高和方法的选择提供科学建议。     

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MODIS的青藏高原牧草生长季草地生物量动态

摘要：草地生物量是评价青藏高原生态脆弱性和敏感性的重要指标,也是度量草地退化的重要指标。本研究利用MODIS植被指数NDVI和EVI资料及青藏高原三江源地区326个样方实测数据,构建并优化了研究区不同类型草地生物量的预测模型,估算了2002-2009年期间草地生物量年际和月际变化特征。结果表明,高寒草甸地上生物量适宜植被指数为NDVI,反演模型为,y=6.202 5x2-574.89x+14 586,高寒草原地上生物量适宜植被指数为EVI,反演模型为,y=0.165 5x1.773 2。高寒草甸和高寒草原生物量在2002-2009年表现为波动状态,但高寒草甸比高寒草原波动幅度大。高寒草甸和高寒草原生物量在6-8月间均持续增加,9月开始下降,但7月高寒草原生物量波动大于高寒草甸,8月高寒草原生物量波动小于高寒草甸,6月和9月两种草地类型生物量波动不明显。     

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...     

荒漠草原核心区水热分布格局与自然放牧对群落地上生物量的影响

以内蒙古苏尼特右旗为例,在不同水热空间上分布的放牧压力相近四户牧民的草场为研究对象,对内蒙古荒漠草原核心区不同水热空间分布格局下自然放牧对草原群落地上生物量影响进行分析.结果表明:荒漠草原不同水热分布区内部的植物群落地上生物量分布格局不同,离居民点越远植物群落生物量相对越高,居民点棚圈附近群落地上生物量和远离棚圈的牧场...     

基于Landsat 8 OLI影像的渭-库绿洲植被地上生物量估算

干旱区绿洲植被地上生物量估算研究可为绿洲生态系统稳定性评价与区域碳储量估算提供重要依据。以渭干河-库车河三角洲绿洲为研究区,利用ENVI 5.3软件对Landsat 8 OLI 影像数据进行预处理,提取反映植被地上生物量信息的植被指数和波段因子,并结合样地实测数据,采用常规统计模型、多元逐步回归和偏最小二乘回归方法建立研究区植被地上生物量最优估测模型,从而揭示该绿洲植被地上生物量的空间分布特征。结果表明：1）所选的20个遥感因子与实测植被地上生物量呈极显著正相关关系,相关系数为0.5~0.7（P<0.01）。2）乔木与灌木地上生物量最优估测模型均为多元逐步回归模型,草本与农作物地上生物量的估测模型以偏最小二乘回归模型为最优,模型验证决定系数均在0.6以上,均方根误差和平均绝对误差均较小。3）研究区植被地上生物量主要在280~1450 g·m^-2 分布,面积约为6973.82 km²,低水平地上生物量（ABG<65 g·m^-2）分布区域约占研究区总面积的15.02%。地上生物量由高到低依次为：农作物>乔木>灌木>草本。根据不同的植被类型,基于地物光谱特征构建的遥感估测模型可准确估算干旱区绿洲植被地上生物量,并对其空间分布特征进行遥感定量反演。     

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。     

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...     

基于机器学习的阿勒泰地区草地地下生物量估测与数字制图

为精准估算草地地下生物量,分析其水平及垂直空间格局,实现草地地下生物量(BGB)的数字制图。调查了2015年阿勒泰地区草地生长季节(6-8月)的生态要素和地下生物量。以地理位置、地形、气候、土壤和植被中的代表性信息为基础,基于机器学习算法估测研究区0～30 cm的草地地下生物量,并根据估测结果利用空间插值法得到地下生物量的空间分布格局,最终实现草地地下生物量的数字制图。结果表明:1)相比偏最小二乘回归(PLS)和随机森林模型(RF),支持向量机模型(SVM)在0～10 cm、10～20 cm和20～30 cm土层地下生物量的估测中表现出最高的精度,验证集数据的精度(R²)依次为0.77、0.67和0.69,相应的RMSE为245.56、98.81和63.58 g·m^-2。从空间插值的效果看,反距离权重插值(IDW)优于径向基函数插值(RBF)和张力样条插值(SPL)。2)进一步比较了不同估测模型与空间插值方法间的组合能力,结果显示,在阿勒泰地区的草地地下生物量研究中,SVM+IDW是可靠的估测模型和空间化方法的组合。在0～10 cm、10～2...     

东乌珠穆沁旗天然草地地上生物量与物种数的空间变化

为给东乌珠穆沁旗草地环境保护和草地畜牧业可持续发展提供数据支持和理论支撑,以东乌珠穆沁旗2020年调查数据为基础,采用地统计及拟合函数等研究方法,对东乌珠穆沁旗天然草地地上生物量与物种数的空间变化特点及相互关系进行了研究.结果表明,东乌珠穆沁旗草地物种数单位均值上的变异程度高于地上生物量,但空间异质性地上生物量略高于物...     

基于植被指数的三江源高寒草地植物分类与识别方法研究

随着生态健康检测与保护工作的实践以及研究问题的深入,传统的植物分类手段不能完全满足当前研究的需要。因此为研究快速分类识别草地植物的方法,本研究利用ASD (Analytical spectral devices)地物光谱仪,采集了三江源地区高寒草地常见的阿尔泰葶苈(Draba altaica)、高山风毛菊(Saussurea japonica)和车前状垂头菊(Cremanthodium ellisii)等36种植物的原始光谱数据,并选择了比值植被指数等16种高光谱植被指数,基于支持向量机(Support vector machines,SVM)等3种机器学习算法,构建高寒草地植物光谱分类识别模型。研究结果表明：高寒草地植物的原始光谱均符合绿色植物特征,但由于植物形态特征不同光谱差异主要集中在可见光波段;基于植被指数结合3种算法构建的分类模型,精度依次为随机森林(Random forest,RF)(99.4%)>SVM (93.2%)>K邻近算法KNN (88.0%),且模型的预测结果都出现了误判情况;相比SVM与KNN,RF为基于植被指数构建模型的最佳算法,同时能对所构建模型参数进行重要性分析,其中RGI和SAVI为提高RF分类模型精度的两个重要参数。