新疆伊犁地区草地植被地上生物量遥感反演

本文以伊犁地区146个草地样地调查数据为基础,结合遥感及气象数据,进行草地植被地上生物量与NDVI、EVI、海拔、年均降水、年均气温、积温、干燥度、湿润指数等因子的回归分析。并通过各因子对地上生物量影响权重参数分析和加权融合,运用ArcGIS软件,反演分析了新疆伊犁地区草地植被地上生物量的空间分布特征。结果表明,新疆伊犁地区草地平均产草量约为704.96 kg/hm²,与20世纪80年代全国草地调查数据相比,产草量有所下降。草地植被地上生物量与各项因子具有较好的相关性,反演结果与伊犁地区的地形、地貌、气候特征基本吻合,反映了伊犁地区草地植被的空间分布特征。地上生物量反演结果得到验证,预测值与实测值之间相关系数(R²)为0.8532;均方根误差(RMSE)为216.559 kg/hm²,偏离度为22.92%,可以为新疆伊犁地区草地资源合理利用与评价提供参考。     

基于综合分段优势的植被覆盖度模型比较

基于Landsat 8 OLI遥感影像选取9种植被指数,与野外实测植被覆盖度进行相关性分析,采用分段方式选择敏感植被指数,构建回归模型及FCD模型(forest canopy density mapping model,FCD)对渭干河–库车河三角洲绿洲植被覆盖度进行反演.结果表明:1)根据实测数据计算不同植被指数在不同植被覆盖度范围内的变化比例,从而确定0.3和0.7作为研究区植被覆盖度的分段点;2)分段回归模型与综合分段优势的FCD模型建模精度均约为79％,但综合分段优势的FCD模型建模集R2较高,RMSE较小,其验证结果优于分段回归模型,验证集R2为0.832,RMSE为0.154,精度为82.018％.综合分段优势的FCD模型更适合用于研究区总体植被覆盖度反演,可为干旱区植被覆盖度定量监测与生态环境评价提供依据.     

基于综合分段优势的植被覆盖度模型比较

基于Landsat 8 OLI遥感影像选取9种植被指数,与野外实测植被覆盖度进行相关性分析,采用分段方式选择敏感植被指数,构建回归模型及FCD模型(forest canopy density mapping model,FCD)对渭干河–库车河三角洲绿洲植被覆盖度进行反演。结果表明:1)根据实测数据计算不同植被指数在不同植被覆盖度范围内的变化比例,从而确定0.3和0.7作为研究区植被覆盖度的分段点;2)分段回归模型与综合分段优势的FCD模型建模精度均约为79%,但综合分段优势的FCD模型建模集R2较高,RMSE较小,其验证结果优于分段回归模型,验证集R2为0.832,RMSE为0.154,精度为82.018%。综合分段优势的FCD模型更适合用于研究区总体植被覆盖度反演,可为干旱区植被覆盖度定量监测与生态环境评价提供依据。     

基于Landsat8 OLI遥感影像的延河流域土壤水分反演研究

在生态环境脆弱、水土流失严重的延河流域,土壤水分的遥感反演对该地区的土壤水分动态监测和生态恢复具有重要的意义。为掌握延河流域的土壤水分变化和分布状况,利用Landsat8 OLI影像数据获取的归一化植被指数（NDVI）和陆地表面温度（Ts）,构建Ts-NDVI特征空间,分析土壤水分空间分布变化。结合野外148个实测土壤水分数据,建立0~20 cm,20~40 cm,40~60 cm,60~80 cm和80~100 cm深度的土壤水分遥感反演回归模型,对比分析了5个深度土壤水分的空间变化特征,利用剩余30个样点数据进行精度验证。结果表明：延河流域微旱和干旱的分布范围广且多分布于西北地区,各地表覆盖类型的TVDI总体趋势为：低覆盖度 > 中覆盖度 > 高覆盖度。各土层深度的实测的土壤水分与TVDI的反演值具有较好的负相关性,其中20~40 cm土层的土壤水分与TVDI反演值的相关性较强,表明TVDI指数法适用于延河流域土壤水分反演。TVDI能更稳定反映和指示20~40 cm土层的土壤水分状况,但对于提取更深土层深度的土壤水分信息不能满足精度要求。     

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。     

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.     

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数据的青海省草地地上生物量估算及影响因素研究

利用EOS/MODIS植被指数产品（NDVI）、实测草地地上生物量和气象监测资料,结合实测资料和NDVI之间的关系建立了青海省草地地上生物量卫星遥感估算模型,并通过研究青海省气温和降水量变化特征分析了影响草地地上生物量的主要因素。结果表明：在草地生长季,生态监测站草地地上生物量与NDVI之间具有较好的正相关关系（P<0.01）。利用模型估算的青海省草地地上生物量在2003-2017年表现出弱的增加态势,2003年平均草地地上生物量最低,仅为2622 kg·hm^-2,2010年最大,达3252 kg·hm^-2; 2003-2017年,青海省草地地上生物量变化表现出明显的空间分布特征,从东南向西北逐渐递减;其中,青海省果洛州东南部、玉树州南部、黄南州东南部和海北州东南部草地地上生物量最高;西北部的柴达木盆地最低;2003-2017年青海省绝大多数地区草地地上生物量均呈现保持不变或者趋好的变化特征,其中曲麻莱、都兰以及甘德等地区部分草地地上生物量明显减少。气温升高热量条件充足的背景下,青海省草地受降水量增多带来的水分条件趋好的有利影响,对高寒地区草地植被的生长发育起到了促进作用,最终导致草地NDVI升高,地上生物量增加。     

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。     

基于遥感技术的甘南牧区草地植被状况多年动态

结合遥感技术的草地植被监测是区域植被变化研究的重要组成部分和研究热点,为了能够更好地监测甘南牧区多年的草地动态变化,本研究以甘南牧区的草地为研究对象,引入了垂直植被指数(Perpendicular Vegetation Index,PVI),探讨了其在甘南草地遥感监测中的适用性及其精度,并以草地植被盖度、草地面积和草地地上生物量为主要监测指标,对2001-2012年间甘南草地的变化做全面连续的研究,从草地的生态和资源属性两方面说明甘南草地的变化状况,期望为甘南牧区生态保护和畜牧生产提供帮助。结果表明,1)在运用MODIS数据对地表植被覆盖度进行估算时,使用归一化植被指数(Normalized Difference Vegetation Index,NDVI)的像元二分模型对植被覆盖度的模拟较垂直植被指数PVI更准确,其精度可达88.14%。2)盖度分级结果显示,植被盖度最大和最小分别为2010年的76.63%和2002年的73.21%,12年间的变异系数(Coefficient of Variability,CV)为1.25%,年际变化很小;3)对草地面积动态变化的研究结果表明,近12年平均草地面积占甘南州土地总面积的85.47%左右,且草地面积的年际变化较小。4)在高寒地区,垂直植被指数PVI的指数模型较NDVI能够更好地估算甘南州草地地上生物量,总体估产精度可达70.48%,且能很好地模拟整个生长季的生物量变化。     

关中地区几种苜蓿地上生物量初步研究

对5个苜蓿Medicago sativa品种的地上生物量形成规律进行了初步研究.结果表明:苜蓿生物量的增长速率不仅与本身生理特性有关,而且与环境密切相关;株高在分枝末期现蕾初期增长速度快.绝对生长速率与相对生长速率在分枝末期现蕾期都较大,此时的水分管理具有重要意义;不同苜蓿品种的群落结构大多为菱形;同化系统与非同化系统的比值随高度的增加而减少.     

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)。     

甘南州高寒天然草地生长状况遥感监测

以甘南州高寒天然草地为研究对象,利用2016−2019年草地地上生物量实测数据和MOD13Q1植被指数产品,构建了甘南州草地地上生物量遥感反演模型,分析了近20年(2000−2019年)甘南州高寒天然草地地上生物量的时空分布特征。结果表明：1) MODIS EVI植被指数适宜于甘南州高寒天然草地地上生物量变化监测研究,...