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MODIS-NDVI的天山北坡中段草地动态估产模型研究

利用EOS/MODIS卫星遥感数据,以天山北坡中段山地草原带为典型研究区,进行草地生物量变化动态监测。运用植被指数最大合成法,分析了研究区草地植被指数的时空变化特征,以及植被指数NDVI与地上生物量的相关关系,建立了MODIS NDVI在山地草甸草原、山地草原和山地荒漠草原上不同季节的生物量动态估测模型。结果表明：3种草地类型的最优动态估产模型分别是一元线性回归模型、二次曲线回归模型、幂函数曲线模型,估产精度分别达到83.06%、90.85%、88.06%。     

锡林郭勒盟草地植被生物量遥感监测模型的研究

以锡林郭勒盟为研究区域,将遥感技术用于草地地上生物量估算,分析了遥感植被指数与草地地上生物量之间的相关关系,比较和分析了三种植被指数的应用范围,研究了草地地上生物量遥感监测的方法,并利用遥感植被指数建立了草地地上生物量估算模型.研究表明:锡林郭勒草地地上生物量估产的植被指数是NDVI,其估产模型是"S"曲线,回归模型Y=e5.983-0.479/x(R=0.828, R2=0.685).     

天峻县草地地上生物量遥感监测模型

【目的】快速、准确和大范围地对天峻县草地地上生物量（Above-Ground Biomass，AGB ）进行监测。【方法】利用天峻县 Landsat 8 OLI 遥感图像数据和同期 43 处样点实测生物量数据，分别建立了归一化植被指数（Normalized Difference Vegetation Index，NDVI）、土壤调节植被指数（Soil-Adjusted Vegetation Index，SAVI）、修改型土壤调节植被指数（Modified Soil - Adjusted Vegetation - Index， MSAVI）、比值植被指数（Ratio Vegetation Index，RVI）与草地地上生物量的遥感统计模型，分析遥感植被指数与草地地上生物量之间的相关性。【结果】天峻县遥感植被指数与草地地上生物量之间存在较好的相关性，但不同的统计模型的拟合效果不同；由 4 个自变量建立的多元线性回归模型的比一元线性回归模型有更好的拟合效果；遥感植被指数与草地地上生物量建立的三次项回归模型在拟合精度上较一元线性和多元线性高，为 y=116. 12x³ –898. 48x² +1 672. 1x–1 003. 4。【结论】 RVI 与草地地上生物量三次项模型适用于监测天峻县地区的草地地上生物量。     

鲜羊粪添加对中度盐碱退化羊草草地植被及土壤特征的影响

为了探究添加鲜羊粪对盐碱退化羊草草地的影响,以黑龙江省西部中度盐碱退化羊草草地为试验对象,分析不同鲜羊粪添加量对草地植物群落特征、土壤盐碱特性及土壤团聚体稳定性的影响。试验采用单因素随机区组设计,设置对照,羊粪添加量1.25 kg/m²、2.50 kg/m²、3.75 kg/m²、5.00 kg/m²共5个处理,羊粪添加处理持续60 d。结果表明：随着羊粪添加量的增加,植物群落高度和群落盖度呈显著上升趋势(P<0.05);施用羊粪2.50 kg/m²时,植被地上生物量显著高于其他处理(P<0.05),单位面积鲜重增长了92.64%,干重增长了62.11%;添加羊粪能够提高土壤含水量,显著降低土壤电导率,羊粪添加量为2.50 kg/m²和5.00 kg/m²时,0～10 cm土层土壤电导率显著低于其他处理(P<0.05);羊粪添加能够显著改善盐碱退化羊草草地的土壤团聚体组成(P<0.05),增加5～10 mm粒径...     

祁连山北坡天然草地地上生物量及其与土壤水分关系的比较研究

祁连山北坡天然草地植被以高寒草原、山地草甸、山地草甸草原、山地草原和山地荒漠草原等类型为主,对这5种天然草地地上生物量观测结果显示,地上生物量在5类草地植物群落间差异显著(P＜0.05),其季节动态规律均表现为单峰型,在8月下旬达生物量峰值。5种草地类型地上生物量以山地草甸(100.24 g/m²)最高,其他依次为山地草甸草原(71.24 g/m²)、山地草原(70.20 g/m²)、高寒草原(52.40 g/m²)和山地荒漠草原(20.44 g/m²);用Logistic方程模拟的地上生物量增长曲线表明5类草地群落地上生物量均未达到其环境最大容纳量。不同草地类型地上生物量与降水量、土壤平均含水量的累加值均呈正相关关系。在各种类型草地中,不同土层含水量对地上生物量的影响均不同,根系主要分布层内的含水量与地上生物量显著相关(P＜0.05)。     

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%。     

祁连山北坡天然草地地下生物量及其与环境因子的关系

祁连山北坡天然草地植被以高寒草原、山地草甸、山地草甸草原、山地草原和山地荒漠草原等类型为主,对这五类天然草地地下生物量及与环境因子关系的分析结果显示,五类草地的地下生物量除山地草原、山地草甸草原和高寒草原无显著差异外,其他各类草地间差异显著(P＜0.05),均呈“T”形分布,且随土层深度的加深呈指数形式递减;地下生物量季节变化在高寒草原表现为“W”型变化规律,其他各类草地均呈“N”型变化规律,且随土层深度的加深依次减小;地下净生产量大小依次为山地草甸(546.84 g/m²)＞山地草甸草原(410.76 g/m²)＞山地草原(358.12 g/m²)＞高寒草原(301.33 g/m²)＞山地荒漠草原(81.68 g/m²),地下生物量的周转值均在45%以上;五类草地地下生物量与水热因子的关系为负相关关系,但均没有达到显著相关水平(P＞0.05)(除山地荒漠草原外), 但在水热条件较好的7-8月份,五类草地地下生物量与水热因子的相关性(正相关或负相关)均达极显著水平(P＜0.01),而在其他月份,不同类型草地地下生物量对环境因子的响应存在较大差异。     

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。     

黄土高原不同地形封育草地的土壤呼吸日动态与影响因子分析

采用动态密闭气室红外CO₂分析法(IRGA)对黄土高原丘陵沟壑区不同地形的封育草地土壤呼吸速率日动态进行了测定,并分析了土壤呼吸与土壤温度、土壤水分、地下生物量和地形间的关系。研究结果显示,草地的土壤呼吸日动态呈单峰曲线,最小值为0.393~1.103 μmol/(m²·s),出现在凌晨;最大值为1.034～1.405 μmol/(m²·s),出现在14时左右,可以用正弦曲线拟合;而且不同样地间土壤呼吸速率与土壤温度间的关系均可用指数函数描述。土壤日均呼吸速率在不同地形的草地间存在差异,平坦草地为1.229 μmol/(m²·s),东北坡15°, 30° 和45° 草地分别为1.138, 1.033和0.890 μmol/(m²·s);西南坡15°, 30° 和45° 草地分别为1.036, 0.859和0.379 μmol/(m²·s);土壤呼吸速率随坡度的增大而减小,东北坡土壤呼吸速率小于西南坡,与不同样地间土壤水分和地下生物量的变化趋势一致,而且研究结果表明土壤呼吸的这种差异主要是受地形影响的土壤水分和地下生物量空间分布差异性决定的,而不同样地间土壤平均温度差异不显著(P>0.05)。     

典型草原植被生物量遥感监测模型——以锡林郭勒盟为例

以锡林郭勒盟典型草原为研究区域,将遥感技术用于草地牧草产量测量,分析了遥感植被指数与牧草产量之间的相关关系,比较和分析了3种植被指数的应用范围,研究了草地牧草产量遥感监测的方法,并利用遥感植被指数建立了草地牧草产量估产模型y=368.273x 2.973(R=0.908,R2=0.824),该模型通过2005年预测值与实测值的误差统计分析,2005年估产精度达到97%,研究还表明,锡林郭勒草地牧草产量估产的植被指数是归一化植被指数(NDVI).研究结果为今后开展大面积草地牧草产量估产和动态监测提供了有效途径.     

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。     

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。     

四川省天然草原生产力监测方法研究

采用定点监测与路线监测、地面调查与遥感监测相结合的方法,对四川全省范围内2006-2009年连续4年的地面调查数据进行统计分析;结合MODIS植被指数（EVI）进行相关性分析,按主要的草原类型（组）分别建立草原产量的估测模型。经过反复修正和验证,应用估产模型分组、分区域对2007-2009年3年的草原产量进行测算,全省3年平均可食鲜草单产为4 752 kg/hm2,总可食鲜草产量8.39×1010 kg,折合干草2.53×1010 kg,理论载畜量29.69×106羊单位。分析表明,采用该技术和估测模型进行草原监测,监测结果基本符合各地实际,适用于省、州级草原部门开展较大范围的草原监测工作。     

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。     

甘南草原不同退化草地植被和土壤微生物特性

为研究草地退化对植被和土壤微生物的影响,本试验以甘南州碌曲县高寒草地为研究对象,调查研究不同退化程度草地植被特征,并测定土壤微生物呼吸、土壤微生物量碳、土壤微生物代谢熵及土壤微生物群落结构变化。结果表明：随着草地退化程度的加重,高寒草地植物种类减少,优势植物种类发生变化,植被高度、盖度、植株数、鲜草产量下降;土壤基础呼吸和诱导呼吸、土壤微生物量碳及土壤代谢熵等指标均有不同程度的下降;土壤总磷脂脂肪酸（Phospholipid fatty acid,PLFA）、土壤细菌、放线菌含量减少,真菌含量增多,土壤微生物群落结构发生变化,压力指数增高;植被与土壤微生物各指数呈一定的相关性。本研究说明高寒草地退化过程中植被演替与土壤微生物变化密切相关。     

黄河源区高寒草甸群落高度遥感模拟与评价

草层高度是反映草地生长状况的重要指标之一,与草地地上生物量的监测及载畜力的评估具有紧密联系。目前,对我国天然草地群落高度的监测尚缺乏精确的遥感方法。本研究以黄河源区高寒草甸为研究区,分别基于MODIS植被指数、冠层高度模型以及草地冠层高光谱反射率,构建了高寒草甸草地群落高度的估算模型,并对模型精度进行了评价。结果表明,1)12种MODIS植被指数中,NDVI对草层高度的变化最为敏感,其4种回归模型的R~2均较低,介于0.203~0.241,NDVI指数模型(y=0.789e~(3.186x),R~2=0.241)的拟合效果最好,但反演误差较大(RMSE=4.2cm,CVRMSE=45.7%);2)冠层高度模型在黄河源地区高寒草甸试验区的反演精度较低(RMSE=5.8cm,CVRMSE=62.1%),实际应用误差较大;3)高寒草甸群落高度与519.4-583.17nm波段之间的冠层光谱反射率存在显著负相关关系(P0.05),基于光谱位置变量R′510.59的线性模型(y=~(-1)56.375x+20.384)相对最优(R~2=0.489,RMSE=3.5cm),较适合反演高寒草甸群落的草层高度。