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     

伊犁绢蒿光谱反射率及反演精度对覆盖度变化的响应

为探究覆盖度变化对植物光谱反射率的影响,实现覆盖度和生物量的高精度反演,以伊犁绢蒿(Seriphidium transiliense)为对象,通过室内控制试验获取不同覆盖度下植物光谱反射率,采用最大归一法、一阶微分和二阶微分变换分析其反射率变化,利用归一化植被指数(NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)和土壤调节型植被指数(SAVI)共4种植被指数对覆盖度与生物量进行反演,探讨反演精度对覆盖度变化的响应。结果表明：伊犁绢蒿植物种群的冠层光谱反射率在可见光波段随覆盖度增加逐渐减小,在近红外波段逐渐增加,在680 nm处形成植物特有的红边效应,最大归一化和微分变换突出了植物的光谱特征;光谱反射率差值在可见光波段随覆盖度增加基本稳定;利用植被指数逐级反演覆盖度与生物量时,精度随覆盖度增加整体呈上升趋势;利用土地利用/覆盖变化(LUCC)分覆盖度反演时,提高了覆盖度大于20%的伊犁绢蒿种群的数量特征反演精度,且最佳指数为SAVI。     

光谱分析在草地地上生物量估测中的研究与应用

简要介绍了草地地上生物量估测的不同方法及其各自特点,阐述了反射光谱特征参数、植被指数与草地地上生物量之间的关系,分析了草地类型、季相条件以及植被覆盖度对植被指数、草地地上生物量估产模型的影响.     

低覆盖草地叶面积指数遥感估算方法

有效估算低覆盖草地叶面积指数(LAI),对监测低覆盖草地生长状况、优化完善草地管理具有重要意义。以往针对草地叶面积指数的研究大多集中于中高覆盖度草地,对低覆盖草地的研究相对较少。利用谷歌地球引擎(GEE),基于Landsat-8卫星数据提取所需特征变量,通过特征变量与叶面积指数的相关性及其在模型中的重要性进行特征优选,确定模型最佳变量个数,以此构建机器学习模型,探寻适合在低覆盖区草地估算叶面积指数的方法。结果显示,基于相关性特征优选的梯度提升回归树模型(r-GBRT)在低覆盖草地估算叶面积指数的效果较好,测试集的R²为0.686,均方根误差(RMSE)为0.101。结果表明,基于特征优选构建的机器学习模型在低覆盖条件下估算草地叶面积指数方面具有较好的应用价值。     

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(...     

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。     

基于高光谱影像的高寒牧区土地覆盖分类与草地生物量监测模型

利用环境减灾卫星HJ 1A高光谱图像数据,分析了研究区不同土地覆盖类型的波谱曲线特征,比较了监督分类和光谱角分类方法对高光谱影像的分类精度,研究了高寒牧区草地生物量超光谱遥感监测模型。结果表明,1）不同地物波谱曲线的吸收位置和吸收深度等波谱特征在可见光波段具有较大差异,在近红外波段吸收特征相似。在可见光波段,云和植被的吸收位置最少,都只有1处,但云的吸收深度小于植被;裸地吸收位置有5处;水域吸收位置最多,有6处。2）光谱角与监督分类均适于高光谱影像分类,但光谱角分类方法的总精度可达85.9%,远高于监督分类法。3）依据草地生物量与9种植被指数间的回归分析结果,选出了适合研究区草地植被生物量动态监测的两种植被指数,即归一化植被指数和比值植被指数。     

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。     

基于无人机大样方数据及国产卫星反演草地植被覆盖度方法研究

受开垦、采矿等人类活动影响,草原出现退化甚至沙化,监测其植被覆盖度对于揭示草地的分布状况与空间变化规律具有重要意义。本文以无人机大样方数据与国产高分一号（GF-1）数据作为数据源,结合野外同步数码相机获取的数据,应用支持向量机（Support vector machine,SVM）构建不同数据源之间的植被覆盖度反演模型（数码相片—无人机大样方数据植被覆盖度估算模型,无人机大样方数据—GF-1数据植被覆盖度估算模型）,探讨国产GF-1卫星结合无人机大样方估算草原植被覆盖度的方法。结果表明,基于SVM模型的GF-1数据结合无人机大样方计算的土壤调节植被指数（Soil-adjusted vegetation index,SAVI）具有较高的精度（判定系数R²=0.97,相对分析误差RPD=4.86,均方根误差RMSE=3.23）,因此基于无人机大样方数据结合GF-1数据可以准确、快速地反演草地覆盖度,利用这种方法可以估算整个草原的植被覆盖度。     

天山北坡草地盖度高光谱遥感估算

以天山北坡乌鲁木齐县甘沟乡为研究区,利用美国SVC HR-768便携式光谱仪采集25块样方的高光谱数据,并测定对应样方中草地盖度,分析草地盖度与原始光谱、一阶微分光谱和高光谱特征变量之间的相关关系;采用回归统计的方法,基于高光谱位置变量、高光谱面积变量和高光谱植被指数变量构建草地盖度的估测模型,并进行模型精度评价。结果表明,研究区草地盖度与植被冠层光谱反射率相关性较强的波段范围为354-704、1 420-1 481和1 904-2 512nm;基于一阶微分光谱和高光谱植被指数构建的估测模型能更好地反演草地盖度。通过模型检验,确定基于560nm的光谱一阶微分模型y=-384.153x+72.096可作为草地盖度的最优估测模型,模型均方根误差为7.344%,估算精度为90.343%。     

利用手持光谱设备估测羊草草地生物量

在河北省沽源县以羊草为主的坝上草原,在降水和刈割为控制因素的试验小区,测量了地上干生物量,并利用ACS-430手持式光谱仪采集光谱数据,计算了9种植被指数值。对生物量与植被指数进行相关性分析,建立以产量为因变量、植被指数为自变量的生物量估测模型。结果表明,各个植被指数与产量的相关性都很好（P〈0．01）,说明植被指数对草地覆盖度都很敏感。最后依据曲线模型的决定系数大小,认为归一化红边植被指数NDRE与产量建立的二次模型拟合效果最好（P〈0．01）,拟合方程为y=0．024＋2．249x-7．136x^2,R^2=0．675。     

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.     

基于光谱指数的伊犁绢蒿荒漠草地恢复状况的判定

为了从光谱角度探讨退化伊犁绢蒿封育的适宜年限,对未封育、封育2年、7年和10年的草地从群落数量指标、群落光谱特征及特征植物光谱进行研究。通过对植被数据与光谱数据进行回归分析,对比群落和特征植物光谱指数随封育年限的变化趋势,探讨植被高光谱对伊犁绢蒿荒漠草地恢复状况的响应及最佳封育年限判定的可行性。结果表明：随着封育年限的增加,草地的盖度、密度及生物量呈先增加后降低的趋势;对群落的数量指标、群落光谱指数及建群种光谱指数回归均指示在5年左右达到最大值,表明可以通过植物光谱来对草地恢复状况及封育最佳年限加以判定。     

植被指数在典型草原生物量遥感估测应用中的问题探讨

遥感技术兴起于20世纪60年代初,随后被广泛应用于草地遥感估产研究,通过不同尺度数据之间建立植被指数—生物量函数关系来完成由点及面的转换。本研究选用了14种常用于草地估产的植被指数,对内蒙古锡林浩特市白音锡勒典型草原分别建立植被指数—干重、植被指数—鲜重的回归模型并对14种植被指数进行DCA分析发现,1)鲜重及干重应用在草地生物量遥感估测中均是可行的,但干重效果要优于鲜重,考虑到实验条件限制,鲜重具有更广泛的应用;2)DCA排序的第一、二轴分别代表土壤、大气的影响,且土壤是影响植被指数最主要的因子;DCA排序将14个植被指数分为4类,综合排除了土壤及大气影响的一类植被指数,也就是归一化差异植被指数及由其衍生的土壤调整植被指数、修改型土壤调整植被指数效果最好;3)经验数据显示:当生物量低于370 g/m²时,建立的估产模型都是一元线性的;当生物量在370~720 g/m²时,一元线性模型和指数模型的模拟效果都很好;当生物量高于720 g/m²时,估产模型都是指数的,因此,随着生物量范围的增大,模型逐渐由一元线性趋近于指数模型。     

基于反射率及导数的草原植被冠层光合有效吸收分量高光谱反演

利用ASD便携式野外光谱仪和光量子仪实测了6种草原植被类型关键生育期的反射光谱数据和光合有效辐射值,利用可见光波段处反射率及近红外波段区处一阶导数分别与fPAR建立逐步回归方程,同时,将各波段反射率与各波段导数光谱建立逐步回归方程。结果表明:典型草原光合有效辐射分量与可见光反射率相关性好于近红外波段反射率,其中在405和470 nm波段相关性最好;fPAR与一阶导数相关关系在855和965 nm波段处较强。fPAR与405和470 nm反射率以及965 nm一阶导数的多波段逐步回归分析结果取得了较单波段和NDVI最优的估算效果,R²达0.939。利用高光谱数据进行fPAR估算时,需要综合考虑可见光和近红外波段信息,同时也要充分考虑反射率与反射率导数的方法。水分强吸收的光谱波段具有提高fPAR估算精度的潜力。     

应用高分卫星遥感数据评价紫花苜蓿人工草地返青状况

利用国产GF-2和GF-6高空间分辨率卫星遥感图像,以内蒙古阿鲁科尔沁旗为研究区,结合实地调查,评价苜蓿人工草地返青状况.结果表明:(1)依据样地观测数据,发现植被覆盖度与苜蓿植株高度、株数均呈现出极显著的正相关关系,为此提出了基于植被覆盖度的苜蓿人工草地返青状况评价指标;(2)建立了苜蓿人工草地返青期垂直植被指数(P...     

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Sentinel-2数据建立的AGB估算模型总体上优于Landsat 8的估算结果；7月最优反演模型为基于差值植被指数（Difference vegetation index，DVI）的二次多项式模型，精度达86％；8月最优反演模型为基于绿色归一化植被指数（Green normalized difference vegetative index，GNDVI）的指数模型，精度达84％；天祝县草地AGB的空间差异明显，不同草地类型平均AGB顺序为：山地草甸>高寒草甸>温性草原>温性荒漠草原。以上研究结果可为研究区草地AGB合理估算和放牧管理提供科学依据。