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)。     

藏北典型高寒草甸地上生物量的遥感估算模型

本研究利用2010和2011年6-9月高寒嵩草草甸群落地上生物量数据和同期的中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)影像数据,建立了西藏自治区拉萨当雄高寒草甸的地上生物量遥感估算模型。在探讨群落地上生物量与归一化植被指数(normalized difference vegetation indices,NDVI)、增强型植被指数(enhanced vegetation indices,EVI)以及地表水分指数(land surface water indices, LSWI)相关关系的基础上,构建了群落地上生物量与各指数的线性或非线性(包括对数函数、二次多项式、三次多项式、幂函数、增长曲线、指数函数)估算模型,并进行了模型验证。结果表明, 1)3个指数中EVI的模拟效果最好,NDVI次之,LSWI最差;2)所有模型中线性模型的模拟效果最好,EVI的线性模型为:y=174.225x,R²=0.975, P<0.001,NDVI的线性模型为:y=115.478x,R²=0.956, P<0.001;3)在预测效果方面,幂函数模型最好,线性模型次之,其平均误差分别仅为9.76%和10.8%,因此,两者都可以用于高寒草甸群落地上生物量的模拟。     

利用MODIS—NDVI进行草地生产力估测研究——以奇台县草地为例

利用2000年到2009年的MODIS影像,结合地面GPS精确定点调查,以奇台县草地为研究对象,建立天然草地牧草产量遥感模型,分析奇台县十年草地的生产力变化情况。结果表明:从2000年到2009年,奇台县的草地产量和盖度都有一定的提高,其中2003年、2007年和2009年草地产量有明显的提高,分别为1529.8千克/公顷、1755.5千克/公顷和1793.7千克/公顷,2008年由于奇台县降水量减少,盖度与产量有明显的下降。     

天然草原放牧干扰下植被地上生物量动态变化——以甘肃省夏河县山地草甸为例

模拟甘肃省夏河山地草甸草地家畜利用和放牧方式,在天然草原暖季放牧地进行可控的放牧研究,对无放牧、适度放牧压状态下的植被动态规律、采食量动态变化及植物补偿性生长等动态变化进行研究。研究表明,在暖季夏河山地草甸有、无放牧干扰的草地植被生长都呈现单峰最高生物量;平均总采食量呈现负指数增长模型,各拟合模型的实测值与拟合值之间均存在显著相关性。     

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。     

基于高光谱数据的高寒草甸氮磷钾含量估测方法研究——以青海省贵南县及玛沁县高寒草甸为例

以青海省玛沁县和贵南县高寒草甸作为典型研究区,利用地物光谱仪采集了20块样地的高光谱数据,并测定了对应样地所有样方中牧草的养分含量,分析了牧草中氮磷钾素含量与冠层原始光谱反射率和一阶微分光谱反射率之间的相关关系;采用回归统计方法,基于光谱位置变量,光谱面积变量及植被指数变量构建了高寒草甸氮磷钾素的估测模型,并对模型进行了精度评价.结果表明,1)与原始光谱反射率曲线相比,一阶微分光谱反射率曲线能较好地反映牧草中N,P,K素所对应的敏感波段;2)高寒草甸牧草中N,P,K素含量与冠层高光谱相关性较强的波段大多分布在红光区域(680~760 nm);3)基于光谱位置变量构建的估测模型能更好地反演高寒草甸N,P,K素含量.其中,以光谱位置变量R'_708.88为自变量的对数模型对氮素含量估测效果较好,R²为0.67,估测精度达到83.56%;以光谱位置变量R'_704.85为自变量的对数模型对磷素含量估测效果较好,R²为0.55,估测精度达到92.15%;以光谱位置变量R'_697.36为自变量的对数模型对钾素含量估测效果较好,R²为0.86,估测精度达到82.44%.     

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.     

天然草原生育期遥感估测方法研究——以锡林郭勒盟草原为例

研究利用2005年MODIS-NDVI数据集定义,提取内蒙古锡林郭勒盟草甸草原、典型草原、沙地草原和荒漠草原4种草地类的2个关键生育期,并与生育期地面观测资料对比,从而评价应用归一化植被值指数(NDVI)数据集识别草原生育期的能力.研究结果初步表明,利用NDVI的旬度变化可以准确鉴别出2个关键生育期,即返青期和最高生物量期.     

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...     

格姆滩高寒草甸不同草地植被地上生物量及物种多样性研究

研究了格姆滩高寒草甸不同草地植被地上生物量及物种多样性,结果表明：地上总生物量为藏嵩草沼泽化草甸〉山生柳灌丛草甸〉小嵩草草甸（P〈0.05）。藏嵩草沼泽化草甸由24种植物组成,隶属13科22属;小嵩草草甸由36种植物组成,隶属16科31属;山生柳灌丛草甸草层由42种植物组成,隶属13科31属。不同草地类型植物群落多样性指数、物种丰富度指数、均匀度指数、生态优势度指数均为山生柳灌丛草甸草层〉小嵩草草甸〉藏嵩草沼泽化草甸,植被盖度山生柳灌丛草甸草层〉藏嵩草沼泽化草甸〉小嵩草草甸。     

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。     

灌丛化草原小叶锦鸡儿灌丛地上生物量测量方法研究

灌丛化草原已经成为干旱半干旱区的一种重要植被景观类型，在我国以内蒙古草原的小叶锦鸡儿灌丛化现象最为典型。为探索小叶锦鸡儿灌丛地上生物量的最佳测量方法，本研究在锡林郭勒盟镶黄旗和正镶白旗内选取了17个典型样地，对比了“标准枝”和“标准样方”两种直接测量方法获取的地上生物量精度。同时，采用real-time kinematic(RTK)获取到的高度、不规则冠幅面积等4种直接易测因子和衍生的3种复合因子，研究了在无损条件下间接测量地上生物量的可能性，构建了用于研究区小叶锦鸡儿灌丛地上生物量的估测模型。研究结果表明：1）运用“标准枝”法（R=0.95,P<0.01）预测的生物量要比运用“标准样方”法（R=0.84,P<0.01）预测的生物量更精确且对灌丛的损害性更小。2）在易测因子相关性分析中，单因子冠幅、不规则冠幅面积、不规则冠幅周长之间关系紧密，相关性系数均大于0.98(P<0.01)，可用于小叶锦鸡儿地上生物量的预测；高度与其他单因子关系一般，相关性系数为0.67～0.72(P<0.05)，但是基于高度因子衍生表征体积的冠幅与高度乘积因子、冠幅周长与高度乘积因子、...     

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MODIS影像的湖泊动态变化遥感监测——以巴里坤湖为例

利用2005-2008年250 m×250 m的EOS/MODIS卫星资料,通过预处理、几何校正,在C++环境下,进行水体判识与面积计算,对巴里坤湖区面积进行了计算,得到了逐旬的遥感动态监测数据,结果表明：随着温度和降水的季节性改变,巴里坤湖面积呈现周期性变化,自11月下旬湖区进入结冰期直至次年3月中下旬逐步解冻,5-6月湖区面积出现第1次峰值,为融雪积水,7-8月也会出现一次峰值,为降水所致。     

基于HJ-1A卫星数据的高寒草地氮素评估-以青海省贵南县及玛沁县高寒草地为例

基于HJ-1A HSI卫星遥感资料,结合2014年青海省玛沁县、贵南县研究区高寒草地野外实测数据,建立了高寒草地氮素含量的估测模型,并对模型进行了精度评价,筛选出最优反演模型,分析了研究区高寒草地氮素的空间分布。结果表明,1)高寒草地HSI的原始光谱反射率、一阶导数光谱反射率及去包络线光谱反射率与地面实测氮素含量有一定的相关性,特别是吸收特征波段1(750.95~791.95 nm)和吸收特征波段3(889.03~921.30 nm)与氮素含量具有显著的相关性;2)基于吸收特征波段1构建的波段深度指数BD_767.99可以较好的估测研究区高寒草地氮素含量,利用此变量拟合的线性回归模型可以解释研究区高寒草地氮素含量变化的44%,模型估测精度可达81.6%;3)贵南研究区氮素含量的空间变异较大,整体而言,西北部和西南部地区氮素含量较高,东北部地区氮素含量较低;玛沁研究区氮素含量的空间变异较小,草地氮素含量水平整体较低。     

荒漠灌木生物量多尺度估测——以梭梭为例

灌木是荒漠生态系统重要的组成部分,其生物量估算与分配特征是研究荒漠生态系统结构、功能、物质和能量流动的重要指标。但目前关于荒漠灌木生物量的研究仍较缺乏。破坏性的生物量估测方法不适宜在生态系统脆弱的荒漠地区大面积使用,因此通过模型法对灌木生物量进行多尺度估测具有重要意义。本研究以准噶尔荒漠生态系统建群种——梭梭为例,选择多种植物外部形态特征参数,利用相关生长模型(幂函数),分别在单株、样方及区域尺度对梭梭的地上(AGB)和地下生物量(BGB)进行建模和估算。结果表明,以植冠体积(CH)为指标的估测模型(AGB=0.3628×CH^0.9605)能较好地反映梭梭单株地上生物量累计特征,而单株地下生物量可通过模型BGB=0.8737×AGB^0.9394得到。样方内梭梭总冠幅面积(TC)是估测样方(0.1 hm²)总生物量(TAGB=0.6757×TC^1.1343, TBGB=0.6384×TC^1.0959)的有效参数。在大尺度上(区域),利用梭梭相对盖度(RC)估测其生物量密度(DAGB=0.0921×RC^1.1343, DBGB=0.0796×RC^1.0959)具有良好效果,进而结合区域面积得到梭梭总生物量。研究表明,相对盖度的方法从生物量密度的角度解决了尺度转换问题,使用时没有尺度限制。未来还可以通过航拍、遥感等手段快速获取相关区域梭梭群落相对盖度,结合上述模型准确估测其地上、地下生物量。