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%.     

基于高分遥感数据校正的MODIS草地生物量监测模型精度评价

利用玛曲县尼玛镇研究区2009年8月30日的RapidEye影像和2011年8月27日的WorldView-2影像及同时段的MOD09GA产品,计算分析了基于高分影像的NDVI与基于MOD09GA的NDVI的相关关系,对基于MOD09GA NDVI的甘南州草地生物量模型进行了修正,并对修正后模型的估产精度进行了比较和评价。结果表明：基于MOD09GA NDVI（x）的甘南州草地生物量最优模型为指数模型（Y=1026.027e^1.466x）,其R²为0.571,高于其线性、乘幂、对数等模型;研究区内MOD09GA NDVI与依据RapidEye和WorldView-2计算的NDVI（分别记作N_r和N_w）之间均具有显著的线性相关关系,且后者略优于前者,回归方程分别为N_r=1.2713x-0.2183和N_w=0.9559x+0.0679;结合MOD09GA NDVI与WorldView-2NDVI回归方程对甘南州MOD09GA NDVI与草地生物量模型进行修正后,得到的生物量更接近实测值,在研究区内平均估产精度可达84.73%,比未修正的估算模型精度提高1.08%。说明利用高分遥感影像修正的MODIS估产模型具有更好的精度。     

草坪草叶绿素高光谱估测模型的建立及Pb2+胁迫下的反演研究

本研究以3种常用草坪草种为材料，通过盆栽试验测定了生长旺盛期草坪草冠层成像光谱数据和叶绿素相对含量（Soil and plant analyzer develotrnent，SPAD），通过Person相关系数分析了1/SPAD与19个植被指数的相关性，筛选与叶绿素相关性较高的植被指数进行主成分分析，建立了1/SPAD估测模型，并利用所建模型反演了Pb²⁺胁迫下3种草坪草SPAD的变化。结果表明：植被指数NDVI₆₇₀、VARI、PSRI、ARVI、RGI和GI与1/SPAD极显著相关，可作为主成分分析原始变量；主成分分析得到的2个主成分，可清楚的区分"红象"高羊茅与"肯塔基"早熟禾；多元逐步回归模型y_1/SPAD=-0.117Z₁+0.062Z₂+0.041（R²=0.763，RMSE=0.01），总体估测精度为0.9248，说明利用主成分分析进行草坪草叶绿素的估测效果较佳；最优模型反演发现，除低浓度Pb²⁺（500 mg·L^-1）胁迫显著促进了"红象"高羊茅叶绿素的合成外，3种草坪草的SPAD均随Pb²⁺浓度增加极显著下降。     

基于STARFM的草地地上生物量遥感估测研究——以甘肃省夏河县桑科草原为例

遥感数据具有实时、动态、大范围等特点,在草地资源监测与管理研究中获得了广泛应用。然而,单一的遥感植被指数无法同时满足草地地上生物量观测中时空分辨率的需求。因此,本研究基于时间序列Landsat NDVI和MODIS NDVI数据,结合时空融合算法（spatial and temporal adaptive reflectance fusion model, STARFM）,生成了2000-2016年高时空分辨率的植被指数数据集（NDVI_STARFM,时间分辨率为16 d,空间分辨率为30 m）,并基于2013-2016年地面实测草地地上生物量数据,构建了夏河县桑科草原高寒草地地上生物量遥感反演模型,分析了2000-2016年研究区草地地上生物量生长状况和变化趋势。结果表明：1）基于NDVI_STARFM的最优估测模型为乘幂模型,其R²为0.58,均方根误差（root mean square error, RMSE）为795.62 kg·hm^-2,模型的表现能力次于Landsat NDVI最优估测模型（R²=0.76,RMSE=634.83 kg·hm^-2）,而优于MODIS NDVI最优估测模型（R²=0.24,RMSE=937.79 kg·hm^-2）;2）基于NDVI_STARFM最优估测模型对各样区草地地上生物量总产的估测精度优于MODIS NDVI而次于Landsat NDVI,总体精度达84.05%;3）2000-2016年来,夏河县研究区草地地上生物量总体呈现增加趋势,其中90%左右的区域年增量大于30 kg·hm^-2,草地地上生物量呈现减少趋势的区域仅占2.30%。     

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。     

水氮互作对河西走廊紫花苜蓿品质的影响

通过研究不同灌溉量(W₁:117 mm;W₂:156 mm;W₃:192 mm)和施氮量(N₁:0 kg·hm^-2;N₂:40 kg·hm^-2;N₃:80 kg·hm^-2;N₄:120 kg·hm^-2)互作条件下河西走廊紫花苜蓿水分利用效率、品质和相对饲用价值的变化特征,旨在确定紫花苜蓿品质最优时的水氮配置模式。结果表明,水氮互作显著影响了紫花苜蓿水分利用效率、粗蛋白质含量、中性洗涤纤维含量和相对饲用价值(P<0.05),但对紫花苜蓿地上生物量、粗脂肪、粗灰分含量和酸性洗涤纤维含量影响不显著。紫花苜蓿水分利用效率、粗蛋白质含量、中性洗涤纤维含量和相对饲用价值随灌溉量和施氮量的增加均呈开口向下的抛物线,最大值出现的组合分别为W₂N₃和W₂N₂,说明只有水氮合理配置才能提高紫花苜蓿品质和相对饲用价值。     

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（First derivative spectrum,FD）反射率、光谱位置面积参数（Spectral parameters of spectral position and area,PA）和植被指数（Vegetation indices,VI）4种不同类型的特征变量,使用连续投影算法（Successive projections algorithm,SPA）和递归特征消除算法（Recursive feature elimination,RFE）进行特征选择,采用随机森林算法（Random forest,RF）构建草地AGB估测模型。结果表明：在由4种特征变量分别构建的草地AGB估测模型中,基于VI的RF模型精度最高（测试集R²=0.70,RMSE=557.87 kg·ha^-1）,实测AGB与估测AGB的线性R²达到0.72;不同类型特征变量组合构建的草地AGB估测模型中,PA+VI组合的RF模型精度最高（R²=0.71,RMSE=548.97 kg·ha^-1）,实测AGB和估测AGB的线性R²达到0.73。     

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。     

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...     

氮添加对内蒙古不同草原生物量及土壤碳氮变化特征的影响

以内蒙古草甸草原、典型草原、荒漠草原3种草原实验区草地植物群落为研究对象, 设置7种氮添加梯度, 分别为CK（0 g N·m^-2·a^-1）、N₁（5 g N·m^-2·a^-1）、N₂（10 g N·m^-2·a^-1）、N₃（15 g N·m^-2·a^-1）、N₄（20 g N·m^-2·a^-1）、N₅（25 g N·m^-2·a^-1）、N₆（30 g N·m^-2·a^-1）,应用单因素方差分析（One-way ANOVA）方法研究不同浓度梯度氮添加下不同草原类型区植被生物量、土壤碳氮差异及其影响因素。结果表明：1）氮添加并未对3种草原类型地下生物量产生显著影响（P>0.05）,但显著提高了草甸草原和荒漠草原地上生物量（P<0.05）,且本研究初步判断在N₃添加时接近饱和阈值, 整体上氮添加使内蒙古草原总生物量平均增加了29.66%,较干旱的荒漠草原对氮添加的响应较为明显。施氮肥使草甸草原的根冠比显著降低（P<0.05）,典型草原根冠比在N₃处理下显著增加（P<0.05）,但对荒漠草原影响不显著（P>0.05）。2）选择不同土层（0~10 cm、10~30 cm）分析氮添加对3种草地类型土壤有机碳、全氮含量的影响, 结果显示氮添加对草甸草原土壤碳氮含量没有显著影响（P>0.05）,对典型草原和荒漠草原土壤碳氮含量存在显著影响（P<0.05）,且0~10 cm土层对施氮的响应更明显。3）施氮条件下地上生物量与土壤C/N、年均降水显著相关（P<0.01）,地下生物量、总生物量均与土壤全氮含量、有机碳含量、土壤C/N、年均温、年均降水显著相关（P<0.01）。总的来说,不同类型的草地生态系统生物量及土壤碳氮含量对施肥的响应存在差异,这意味着草地恢复与管理过程中需要对养分的添加作用进行考虑。     

BP神经网络在环青海湖地区天然草地估产研究中的应用

为构建一种对不同草地类型与时期的天然草场高精度产草量估测模型,快速获取环青海湖区域月际产草量数据、减少数据处理和反复建模过程中的工作量,本试验基于高分卫星影像数据,以草地类型、植被指数及实测草场产草量为训练样本,构建了环青海湖地区天然牧草产草量神经网络预估模型。结果显示：以2-6-1为构架的人工神经网络模型,目标误差、学习次数设定为0.003,800时,产草量模型预测值与实测值呈高度相关（R²=0.743,RMSE=58.531 g·m^-2）,达到实际估产需求,证明本文人工神经网络模型对环青海湖区域天然牧草产草量估测的可行性与适用性。     

不同人工草地对青藏高原温性草原群落生物量组成及物种多样性的影响

青藏高原天然草地生产力较低,草畜矛盾长期尖锐。人工草地逐渐在该区域发展,但不同种植模式人工草地的影响和应用适宜性尚未得到准确的量化评估。以青海省天然草地(NP)为对照,选取相互毗邻的3种不同人工草地:单播垂穗披碱草人工草地(A₁)、单播燕麦人工草地(A₂)和混播燕麦、青稞和油菜的人工草地(A₃)设置实验样地,通过群落调查、刈割称重、根钻采样等方法,测定分析4种群落物种组成、生物量及物种多样性,探讨燕麦和垂穗披碱草两种牧草及单播和混播两种种植方式的差异性影响。结果表明:3种不同人工草地均显著减少有毒植物生物量(P<0.05),显著提高优质牧草占比(P<0.05),改善牧草质量。A₂地上生物量最高(1263.21 g·m^-2),为NP的9.77倍,显著高于其他3种草地(P<0.05)。本研究草地地下生物量占比高(73.22%~95.79%),3种人工种草对地下生物量改变不显著,对总生物量的影响也不显著。A₂、A₃的物种组成与NP迥异,A₂的Pielou均匀度指数显著低于NP和A₃(P<0.05),A₃的Shannon-Wiener指数显著低于NP(P<0.05);而A₁的Gleason指数、Shannon-Wiener指数和Pielou均匀度指数均较高,与NP差异不显著。基于结果,认为相比于天然草地,单播燕麦人工草地可以获得更高的地上生物量,但强烈改变群落物种组成,降低群落物种多样性;而种植垂穗披碱草地上生物量增幅不显著,但其群落物种多样性、均匀度均较高,有利于群落在不利条件下维持相对稳定的生产力。