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。     

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.     

NDVI和EVI在高寒草地牧草鲜质量估算和植被动态监测中的比较

对2007-2009年126景MODIS影像的归一化植被指数(NDVI)和增强型植被指数(EVI)数据进行了比较研究,并结合11个高寒草地监测点的地上生物量鲜质量(AGB)数据,通过相关分析、回归分析等方法,分析了MODIS共4种植被指数(NDVI250,NDVI500,EVI250,EVI500)在估算高寒草地牧草鲜质量中的优劣,并确定了通过EVI250估算地上生物量鲜质量的回归方程。结果表明,EVI在高寒草地上均比NDVI小,但EVI比NDVI更稳定准确。应用植被指数产品EVI估算高寒草地牧草鲜质量优于NDVI,其中在EVI250、EVI500、NDVI250和NDVI5004种植被指数中,EVI250与地上生物量鲜质量的相关性最好,相关系数为0.904(P0.01),回归方程为yAGB=-244+1316xEVI250(R2=0.817,P0.01)。     

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     

内蒙古草地样带地上生物量变化

采用草地植被群落学调查方法,对内蒙古东北－西南草地样带典型区草地地上生物量变化进行了测量、计算和分析。研究表明,1）内蒙古东北―西南草地样带上草地背景点地上生物量在50～80 g·m-2;自东向西,随着区域植被类型由温性草甸草原向温性典型草原和温性荒漠草原演变,背景点草地地上生物量逐渐减小。2）受草地开垦、耕地撂荒、耕地退耕还林还草等土地利用活动的影响,包含全部物种的草地地上生物量与土地利用强度之间没有严格的对应关系;但是,可食牧草地上生物量以及可食牧草比率随土地利用强度的增加而逐步减少。3）在生态系统质量和功能评估中,单纯应用草地地上生物量指标存在很大的局限性,可食牧草地上生物量指标以及可食牧草比率指标在应用中更有意义。     

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).     

草地地上生物量估算模型研究进展

草地地上生物量监测是合理利用草地资源,掌握草原生态演替过程的重要依据。但是,实时观测草地地上生物量信息需要耗费大量的人力物力,亟需借助遥感、数学等工具进行间接观测。本文系统阐述了国内外主流的草地地上生物量估算方法,包括遥感统计模型、草地生长模型、作物生长模型、光能利用率模型和生态过程模型等模型,以及遥感与机理模型耦合模型,概述了当前主流模型的特点及其适用条件,总结了相关的研究策略。结合草地估产的现实需求,梳理了现有的农业遥感数据同化研究进展,展望了基于遥感数据同化方法的草地地上生物量估算思路,为草地生长模拟的大区域、高精度研究提供了新的思路。     

利用高光谱技术进行草地地上生物量估测

简要介绍了高光谱遥感的概念及其特点,并阐述了高光谱遥感技术估测牧草地上生物量原理。在阐述植被指数在草地科学领域运用的同时,介绍了植被指数NDVI和RVI的特点,就NDVI和RVI在草地地上生物量估测中的运用做了初步的探讨,并分析了不同草地类型对植被指数及草地地上生物量的影响。其结果表明,不同草地类型中使用的植被指数及估产模型各异。     

内蒙古不同利用方式温性草原植被光谱特征分析

人类对草地资源的利用方式和利用程度影响着草地的生长发育,进而影响草地的光谱特征.采集不同利用方式下内蒙古锡林郭勒盟温性草原地面高光谱数据并分析其光谱特征,可为温性草原植被类型遥感分类和草地退化遥感监测提供基础数据.结果表明:750～950 nm处反射率、730 nm处反射率的一阶导数、红边斜率、NDVI和EVI等特征值的组合可以将粟(Setaria italica)、大针茅(Stipa grandis)及羊草(Leymus chinensis)植被类型加以区分;且红边斜率、NDVI和EVI等特征值分别能对内蒙古温性草原围封和天然放牧2种利用方式下大针茅植被,以及打草前和打草后的羊草打草地进行区分.在内蒙古温性草原,NDVI与植被覆盖度和地上生物量的相关性较好,线性拟合R2分别为0.601和0.818,优于EVI的0.281和0.675,因此在估算该地区草地生物量和植被盖度时,应选择植被指数NDVI而非EVI,且用NDVI来估算地上生物量的可信度远高于植被盖度.     

Quantitative Estimation of Biomass of Alpine Grasslands Using Hyperspectral Remote Sensing

In order to promote the application of hyperspectral remote sensing in the quantification of grassland areas’ physiological and biochemical parameters, based on the spectral characteristics of ground measurements, the dry AGB and multisensor satellite remote sensing data, including such methods as correlation analysis, scaling up, and regression analysis, were used to establish a multiscale remote sensing inversion model for the alpine grassland biomass. The feasibility and effectiveness of the model were verified by the remote sensing estimation of a time-space sequence biomass of a plateau grassland in northern Tibet. The results showed that, in the ground spectral characteristic parameters of the grassland’s biomass, the original wave bands of 550, 680, 860, and 900 nm, as well as their combination form, had a good correlation with biomass. Also, the remote sensing biomass estimation model established on the basis of the two spectral characteristics (VI2 and Normalized Difference Vegetation Index [NDVI]) had a high inversion accuracy and was easy to realize, with a fitting R² of 0.869 and an F test value of 92.6. The biomass remote sensing estimate after scale transformation had a standard deviation of 53.9 kg/ha from the fitting model established by MODIS NDVI, and the estimation accuracy was 89%. Therefore, it displayed the ability to realize the estimation of large-scale and long-time sequence remote sensing biomass. The verification of the model’s accuracy, comparison of the existing research results of predecessors, and analysis of the regional development background demonstrated the effectiveness and feasibility of this method.     

基于高光谱数据的高寒草地土壤有机碳预测模型研究

土壤退化是草地退化的更深层次指示,运用遥感手段大面积测定土壤有机碳进而评估草地土壤状况有助于对草地退化状态的正确认识。以甘南州高寒草地土壤为研究对象,使用ASD地物光谱仪,在室内条件下对土壤样品进行可见光/近红外光谱测量,分析8种光谱变换形式与土壤有机碳含量的相关性并选取特征波段,利用3种多元回归方法(逐步多元线性回归、主成分回归、偏最小二乘回归),通过验证样本的决定系数(R_v²)、均方根误差(RMSE)和剩余估计偏差(RPD)来评价模型,进而确定高寒草地土壤有机碳的最佳估测模型。结果表明,微分变换方法可以显著提高光谱特征与土壤有机碳含量的相关性,在所有变换形式中以光谱反射率的一阶微分与土壤有机碳含量相关性最好,最大相关系数绝对值为0.865;基于光谱反射率一阶微分变换形式的3种多元回归方法对土壤有机碳均有极好的预测能力,表明对于土壤有机碳的稳定监测来说光谱反射率的一阶微分是非常有效的变换形式;综合考虑基于所有光谱变换形式的3种多元回归方法的预测结果,偏最小二乘回归法具有高的R_v²和RPD,同时具有低的RMSE值,是研究区土壤有机碳估测的最优回归方法;基于光谱反射率对数的一阶微分变换形式所建立的偏最小二乘回归模型具有相对较高的预测集决定系数(R_v²=0.878)、最大剩余估计偏差(RPD=2.946)和最小均方根误差(RMSE=7.520),因此该模型为甘南高寒草地土壤有机碳的最优估测模型,最优模型的RPD大于2.5说明该模型有足够的稳定性可以应用于其他地区土壤有机碳的估测。     

草层高度遥感监测研究进展

草层高度在草地退化和沙化评价、生物量遥感监测、牧区雪灾监测中都具有重要的作用和价值,然而草层高度精确监测和制图一直是草地遥感研究的难点。近年来随着多光谱遥感、激光雷达遥感技术、无人机技术和高光谱遥感技术的不断发展,为草层高度的高精度遥感监测提供了技术支撑。本文在综述草层高度遥感监测研究进展的基础上,归纳了草层高度遥感监测研究存在的问题及展望,以期为草层高度高精度遥感监测研究提供帮助。     

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%。     

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。     

新疆荒漠草地生物量估算及影响因素研究

为探究新疆荒漠草地生物量反演模型及其影响因子,基于Terra/MODIS,NOAA CDR NDVI,SPOT/VGT等遥感产品数据及草地地上生物量实测数据,构建研究区荒漠草地地上生物量植被指数反演模型,分析新疆荒漠草地地上生物量时空分布规律,运用趋势分析法和相关性等方法,揭示了生物量演变趋势与气温、降水的关系。结果表明：建立的不同遥感数据源生物量模型中,指数函数反演模型精度最高,决定系数和估算精度分别为0.66和70.93%;基于2000—2019年归一化植被指数(Normalized difference vegetation index,NDVI)变化趋势发现,新疆荒漠草地以稳定和改善为主;研究区2000—2019年间荒漠草地地上生物量空间分布格局整体表现为北高南低的趋势,20年间荒漠草地平均地上生物量为38.92 g·m^-2;2000—2019年气温与降水均上升,年平均升温率和降水率达到了0.32℃·(10 a)^-1和2.18 mm·(10 a)^-1,50%以上的地区荒漠草地与气温、降水呈正相关关系,生物量与降水的相关性优于气温。研究结果可为新疆草地保护和改善、生态环境建设提供科学依据和技术支持。     

基于MODIS植被指数的甘南草地净初级生产力时空变化研究

利用甘南地区2006-2007年的外业实测样方草地干物质产量和MODIS植被指数数据,建立了草地地上部分干物质产量遥感反演模型,根据根冠比和干物质转碳率对2006-2008年甘南地区草地净初级生产力(NPP,net primary productivity)进行了估算,绘制了甘南草地NPP年累积量空间分布格局图和NPP月度变化动态图,对不同草地植被类型的NPP差异进行了评价。研究结果表明,2006-2008年甘南草地年NPP分别达637.04,599.98和566.59 g C/m²,其空间分布具有自西南向东北逐渐减少的趋势;年内不同草地类型的NPP均在7-8月达到最大累积量;NPP累积量最高的3种草地类型是沼泽、高寒灌丛草甸和高寒草甸,3年中最大月NPP的平均值分别达到1 137.28,553.76和527.66 g C/m²;2006-2008年甘南草地NPP持续下降,年草地NPP总量的减少速率为1.2 Tg/a,尤其是沼泽湿地的NPP下降明显,年平均减少速率达到了125.92 g C/m²。