Landsat 8和机器学习估算蒙古高原草地地上生物量

草地地上生物量（Above-Ground Biomass,AGB）是反映草地植被利用状况的重要参数,其精准监测对于草地科学管理与合理利用具有重要意义。近年来,遥感技术因其能快速、准确获取大尺度草地光谱信息,已经被广泛应用于草地地上生物量的估算中。该研究以中国内蒙古呼伦贝尔市与其毗邻的蒙古国东方省草原区为研究区,利用Landsat 8数据计算的9种植被指数、气象数据和地面调查数据,比较分析6种机器学习算法构建的回归模型性能,重新构建优化的随机森林回归模型。结果表明,以光谱、降水量、气温为特征的优化后的随机森林回归模型性能更稳定,预测值与实测值之间决定系数为0.801,均方根误差为43.709 g/m2,相对均方根误差为23.077%。研究区域地上生物量呈中部较低,东西两侧较高的空间分布特征,最高可达357.2 g/m2,最低为33.01 g/m2,与该区域降水量与草地利用方式的空间异质性密切相关。该研究表明,基于Landsat 8数据结合气象数据构建的机器学习模型在草地生物量遥感反演中有较大潜力,地上生物量反演结果可以为草地资源合理利用与评价提供参考。     

基于GF-1影像的普达措国家公园森林地上生物量遥感估算

精确估算森林地上生物量有利于掌握森林资源碳储量的分布特征,该研究以普达措国家公园为研究区,基于国产高分一号（GF-1）全色多光谱（Panchromatic Multispectral Sensor,PMS）卫星影像和数字高程数据,提取波段信息、植被指数、纹理信息和地形因子,利用多元线性逐步回归、支持向量机、神经网络和随机森林模型,估算森林地上生物量。研究结果表明,基于GF-1影像构建的随机森林模型的精度效果最佳,决定系数为0.77,均方根误差为27.53 t/hm2;普达措国家公园森林地上生物量为7 085 614 t,平均生物量达136.01 t/hm2,表明公园内寒温性针叶林发育完好;海拔>3 500～4 000 m区域森林生物量平均值最高,为126.56 t/hm2,与生态保护目标分布范围相符;不同坡向生物量存在差异,阴坡和半阴坡平均生物量高出其他坡向20.48%,立地条件较优。研究结果证实基于GF-1优化的生物量经验模型具有对亚高山天然林地上生物量的估算潜力,对区域森林资源的有效科学管理和维护森林生态环境具有重要意义。     

草地生物量的高光谱遥感估算模型

为了推进高光谱遥感在草地生理生化参数定量化方面的研究与应用，从冠层尺度上估算草地生物量，该文选用美国ASD公司的ASD FieldSpec Pro FRTM光谱仪，对内蒙古自治区锡林郭勒盟的天然草地进行高光谱遥感地面观测。在进行天然草地地上生物量与原始光谱和高光谱特征变量相关分析的基础上，将观测数据分成两组：一组观测数据作为训练样本，运用单变量线性、非线性和逐步回归分析方法，建立生物量高光谱遥感估算模型；另一组观测数据作为检验样本，进行精度检验。结果表明：生物量与高光谱吸收特征参数变量的分析中，以840、1132、1579、1769和2012 nm等5个原始高光谱波段反射率为变量的逐步回归估算方程为最佳模型，模型标准差为0.404 kg/m²，估算精度为91.6%，说明可以利用高光谱反射率数据，从冠层上对草地生物量进行量化。     

基于遥感技术的森林生物量估算应用

利用遥感技术估算森林生物量是快速准确地获取森林生态系统生物量信息的重要途径.森林生物量的遥感估测精度受遥感数据、自变量选择及模型建立方法等多种因素的影响.其中遥感数据和自变量选择是影响遥感技术森林生物量估算的主要因素.分析了2个主要因子的特点及当前解决方法,并简要总结了遥感技术在森林生物量估算应用方面的发展趋势.     

基于多源遥感数据的草地生物量估算方法

为了寻求有效的草地生物量估算方法和精确估计荒漠草原草地生物量及其变化规律,该文探讨了利用全极化RADARSAT-2 C波段雷达数据和HJ1B图像及野外调查获得的样方生物量数据,估算荒漠草原人工柠条灌木林地上生物量的方法。在对柠条灌木林地上生物量和雷达后向散射系数及HJ1B图像归一化植被指数(normalized difference vegetation index,NDVI)进行相关分析的基础上,采用多元逐步回归分析从RADARSAT-2数据及HJ1B植被指数NDVI建立了人工柠条林生物量模型,用实测草地生物量值对模型进行验证,同时将光学和雷达图像进行融合和分类处理,在此基础上对草地生物量进行分布制图,并将其结果与HJ1B的NDVI模型生物量估算结果进行对比。结果表明:柠条林地上生物量与RADARSAT-2雷达后向散射系数之间存在较好的定量关系(决定系数R2=0.71,均方根误差(root mean square error,RMSE)=14.2 kg/hm2,P0.001),其估算生物量与实测生物量一致性较好,估算生物量精度优于HJ1B的NDVI指数估算结果(R2=0.27,RMSE=20.58 kg/hm2)。由此可见,利用光学图像HJ1B和雷达数据RADARSAT-2融合分类能进行地物有效识别,雷达遥感数据可以用于草地结构参数的定量研究。利用光学和微波协同遥感进行草地生态系统监测研究具有一定的应用潜力。     

塔河流域天然胡杨林不同林龄地上生物量及碳储量

[目的]探讨不同林龄单株胡杨地上部分生物量、林分的生物量及碳储量的分布特征,为进一步开展胡杨天然林生态系统碳循环、碳储量、固碳速率和潜力研究提供基础。[方法]以新疆维吾尔自治区轮台县天然胡杨林为研究对象,利用不同林龄下不同径阶的标准解析木样本数据,构建胡杨地上部分各器官的生物量回归模型,探讨不同林龄胡杨地上部分的生物量组成、分配以及各器官生物量随年龄的变化规律。[结果]随着林龄的增加,单株胡杨地上部分各器官生物量呈上升趋势,其中树干占主导地位。幼龄林、中龄林、近熟林、成熟林、过熟林的林分地上生物量分别为:4.91,7.95,19.47,61.95,47.64t/hm2,且随林龄的增加胡杨林地上部分生物量先增加后稍有降低;胡杨林地上部分不同器官平均含碳率从大到小依次为:树干(48.17%)树枝(47.75%)树皮(46.13%)树叶(44.90%),且随林龄的增加不同器官含碳率先增加后降低,但各器官之间含碳率差异不显著;塔河流域胡杨林碳储量随林龄先增加后降低,大小顺序为成熟林(30.38t/hm2)过熟林(23.26t/hm2)近熟林(9.30t/hm2)中龄林(3.69t/hm2)幼龄林(2.20t/hm2)。[结论]地上部分各器官碳储量按依次排列为:树干树枝树皮树叶,树干是胡杨林地上部分碳储量的主要器官。     

基于随机森林算法的冬小麦生物量遥感估算模型对比

为了寻求高效的冬小麦生物量估算方法,该研究获取了2014年陕西省杨凌区拔节期、抽穗期和灌浆期的冬小麦生物量和对应的RADARSAT-2全极化雷达、GF1-WFV多光谱数据,并利用随机森林算法（random forest,RF）将光谱、雷达后向散射、光学植被指数和雷达植被指数结合进行冬小麦生物量回归建模。将相关系数分析（correlation coefficient, r）、袋外数据（out-of-bag data,OOB）重要性和灰色关联分析(grey relational analysis, GRA)与随机森林算法（RF）进行整合,构建了3种冬小麦生物量估算模型：r-RF、OOB-RF和GRA-RF,并分别利用3种估算模型对冬小麦生物量进行了估算。结果表明：r-RF、OOB-RF和GRA-RF3种模型分别采用3、4、10组数据时,验证决定系数分别为0.70、0.70和0.65,平均绝对误差分别为0.162、0.164和0.172 kg/m2,均方根误差分别为0.218、0.221和0.236 kg/m2,r-RF和OOB-RF比GRA-RF对冬小麦生物量有更好而的预测能力。研究结果证实了随机森林算法对冬小麦生物量进行遥感估算的潜力。     

基于无人机数码影像的马铃薯生物量估算

株高和植被覆盖度（Vegetation Coverage, VC）是估算生物量的重要参数,而生物量的准确估算对农业生产具有重要作用。该研究获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的无人机和地面数码影像,并实测株高、地上生物量和地面控制点（Ground Control Point, GCP）的三维空间坐标。首先基于数字表面模型（Digital Surface Model, DSM）提取马铃薯株高,其次利用地面和无人机数码影像提取马铃薯VC实测值和估测值,然后将提取的株高、VC和二者乘积与选取的11种植被指数和生物量作相关性分析,挑选出相关性较好的前6种植被指数和3种农学参数,最后通过线性回归（Linear Regression,LR）、偏最小二乘回归（Partial Least Square Regression,PLSR）、随机森林（Random Forest,RF）算法和支持向量机（Support Vector Machine, SVM）估算生物量。结果表明,提取株高和实测株高拟合的决定系数为0.86,标准均方根误差为13.42%;提取VC值和实测VC值拟合的决定系数为0.84,标准均方根误差为15.76%;利用LR建模和验证精度由低到高依次为提取的株高、VC和二者乘积,每种变量的估算效果均从现蕾期到块茎增长期逐渐变好,从淀粉积累期到成熟期逐渐变差;每个生育期利用3种方法以不同变量估算生物量效果依次由低到高为植被指数、植被指数结合提取株高、植被指数结合提取VC、植被指数结合提取的株高和VC,其中PLSR模型效果优于RF和SVM模型。该研究为马铃薯长势快速监测提供参考。     

基于微波冠层散射模型的水稻生物量遥感估算

为寻求有效的水稻生物量估算方法,尝试开发了微波冠层散射模型。将实测的水稻结构参数作为输入变量,运行微波冠层散射的改进模型来模拟水稻冠层后向散射系数,结合遗传算法优化工具,从星载微波雷达遥感ALOS/PALSAR数据反演水稻的结构参数,进而对水稻生物量进行了空间制图。结果显示,模拟的水稻冠层后向散射系数误差在1 dB以内,估算的水稻生物量的误差小于200 g/m2。表明利用微波遥感机理模型反演水稻结构参数和估算水稻生物量具有应用潜力。     

棉花地上鲜生物量的高光谱估算模型研究

通过测试棉花6个生育时期350～2500 nm波段的冠层高光谱数据,采用连续统去除和波段深度归一化的分析方法,计算出棉花反射光谱550～750 nm波段深度参数(Dc);同时,将冠层反射光谱数据与棉花鲜生物量进行逐步回归分析,确定了近红外波段763 nm及红光波段670 nm是棉花鲜生物量的2个敏感波段,并组成了高光谱归一化植被指数(NDVI)和比值植被指数(RVI);基于Dc参数和NDVI、RVI植被指数,建立了棉花地上鲜生物量的5种单变量线性与非线性函数模型,分析表明,RVI的指数函数模型反演的棉花地上鲜生物量的估计值与实测值的相关系数最大(R=0.7289^**,RMSE=0.8776);5种函数模型方程,经检验均达到1%的极显著水平,其中,以指数函数、幂函数和双曲线函数构建的棉花鲜生物量估算模型精度相对较高;该研究采用高光谱植被参数和指数,实时、无损、动态、定量提取了棉花地上鲜生物量,为分析、模拟、评价、预测棉花群体大小,设计理想棉花群体及棉花高光谱遥感估产提供了科学的依据。     

无人机高光谱遥感估算冬小麦叶面积指数

为探讨利用低空无人机平台和高光谱影像对冬小麦叶面积指数进行遥感估算,该研究以拔节期冬小麦小区试验为基础,对原始冠层光谱进行一阶导数和连续统去除光谱变换,并在此基础上提取任意两波段组合的差值光谱指数（Difference Spectral Index,DSI）、比值光谱指数（Ratio Spectral Index,RSI）和归一化光谱指数（Normalized Spectral Index,NDSI）,以最优窄波段光谱指数进行叶面积指数估算模型的构建。结果表明,最优窄波段指数的构成波段主要位于红边区域,最优窄波段指数与叶面积指数均呈现非线性关系;光谱变换显著提升了光谱变量与叶面积指数的相关性,其中连续统去除光谱所获取的NDSI（738,822）光谱指数与叶面积指数的相关性最佳;窄波段光谱指数和随机森林回归算法的叶面积指数估算模型精度最高,其相对预测偏差为2.01,验证集的决定系数和均方根误差分别为0.77和0.27。基于随机森林回归算法的无人机高光谱叶面积指数估算模型能够准确地实现小区域的叶面积指数遥感填图,为后期作物长势、变量施肥等提供理论依据。     

Estimation of protein contents in winter wheat grain using satellite remote sensing

(Jpn. J. Soil Sci.Plant Nutr., 77, 317–320, 2006)     

高寒地区粳稻穗颈瘟的无人机高光谱遥感识别

水稻穗颈瘟作为稻瘟病的一种发病形式常以褐色斑点性状出现在水稻穗颈节部位,对稻穗颈瘟病害快速、无损的识别与分级评估一直是备受关注的研究课题。该研究以高寒地区粳稻大田试验为基础,利用无人机高光谱平台获取不同病害等级的水稻穗颈瘟冠层数据;分别以不同处理的光谱数据作为输入量,使用随机森林（Random Forest,RF）的方法进行建模,并结合水稻生理对各输入量的特征关联加以解释。结果表明：随着穗颈瘟病害等级的提升,水稻冠层反射率整体呈现下降的趋势;植被指数组合（Combination of Vegetation Indices,CVIs）作为输入量建立起来的预测模型具有最高的精度,预测集精度达到90%,Kappa系数为0.86,能够解释穗颈瘟所引起的植株整体生理参数综合变化过程。该研究结果可为无人机高光谱遥感实现穗颈瘟病定量遥感监测与预警分级提供支持。     

基于超分辨率重建和多模态数据融合的玉米表型性状监测

无人机遥感技术已逐渐成为获取作物表型参数的重要工具,如何在不降低测量精度的同时提高空间分辨率和测量通量受到表型研究人员的重视。该研究以玉米为研究对象,获取5个生育期无人机图像序列,结合小波变换与双三次插值对数码影像进行超分辨率重建,提取原始影像和重建影像的冠层结构、光谱等参数。基于单一参数和多模态数据构建地上生物量估算模型。结果表明：重建影像质量较高、失真较小,其峰值信噪比为21.5,结构相似性为0.81。航高60 m的重建影像地面采样距离与30 m的原始影像相近,但每分钟可多获取0.2 hm2地块的图像。多模态数据融合在一定程度上克服冠层饱和问题,相对于单一参数获得更高的生物量估测精度,拟合的决定系数为0.83,单一参数拟合的决定系数为0.095～0.750。在采用更高飞行高度条件下,结合超分辨率重建和多模态数据融合估算生物量的精度没有降低、反而略有提高,满足更高测量通量的需求,为解码基因型与表型关联的策略提供依据。     

基于GF-1卫星数据的农作物种植面积遥感抽样调查方法

GF-1号卫星是中国2013年4月26日发射的一颗高分辨率遥感卫星,为解决该新型卫星数据在农作物对地抽样遥感调查中的应用技术方法问题,该文针对GF-1号卫星数据的特点,研究了基于GF-1号卫星16m WFV传感器和2m/8m PMS传感器卫星数据的农作物种植面积遥感抽样调查方法。根据研究区物候历,选择农作物识别关键期的16m WFV传感器数据进行多时相农作物种植面积的中分辨率遥感提取;在中分辨率农作物面积遥感分类图基础上,计算研究区域的MORAN I指数,确定格网抽样单元的大小,进行多目标农作物的MPPS(multivariate probability proportional to size)抽样;对抽样单元采用2m/8 m PMS传感器卫星数据进行高分辨率农作物面积制图;最后根据MPPS抽样方法进行总体农作物种植面积的推断,并计算CV值,评价抽样精度。以江苏省东台市为研究区对GF-1号卫星数据进行了应用研究。研究结果表明,GF-1号卫星数据完全可以应用于县级农作物种植面积的提取,农作物种植面积提取精度优于90%。     

基于遥感的中国草地生产力初步计算

草地生产力研究对于评估草地生态系统食物供给具有重要意义.在基于MODIS的2001年l km中国陆地生态系统土地覆盖类型产品和植被净初级生产力(NPP)产品,运用各种草地生产力计算模型,初步计算了当年中国各草地生产力指标.计算得到:2001年,中国草地生态系统产干草1.44亿t,理论载畜量为1.08亿个羊单位,潜在食物供给为羊肉308.92万t.结果表明,基于遥感的草地生产力计算方法机理性较强,现势性好,可在较短时间内获取大范围年度草地生产力指标,其计算结果较为符合中国草地生产力的实际分布情况.     

基于CBERS-1卫星图像的新疆棉花遥感监测技术体系

新疆是我国重要的产棉区。全面、快速、客观地监测棉花种植面积的年际波动情况，可为生产管理部门提供重要的决策依据。该项目是CBRES-1应用示范项目之一，目的是研究其应用潜力。该研究建立了基于CBERS-1卫星图像的新疆棉花种植面积遥感监测运行系统的技术体系，实现了新疆棉花种植面积的遥感监测，并为应用中巴资源一号卫星CCD数据监测我国其它大宗农作物的种植面积提供示范，为后续卫星在农业领域的大规模应用打下基础。     

无人机多光谱遥感反演不同深度土壤盐分

快速、精准获取作物覆盖下的土壤盐分信息,可以提高区域土壤盐渍化治理的有效性。该研究在内蒙古河套灌区沙壕渠灌域内试验地获取无人机多光谱遥感图像数据,并同步采集不同深度的土壤盐分数据。通过遥感图像数据提取光谱反射率并计算传统光谱指数,在此基础上引入红边波段建立新的光谱指数,同时使用Elastic-net算法（ENET）对光谱变量进行筛选,并将筛选后的光谱变量分为原始光谱变量组和改进光谱变量组;运用BP神经网络（Back Propagation Neural Networks,BPNN）、支持向量机（Support Vector Machine,SVM）和极限学习机（Extreme Learning Machine,ELM）3种机器学习方法,构建作物覆盖下不同土壤深度的土壤盐分反演模型,并基于最佳反演模型绘制试验区不同深度土壤盐分反演图。结果表明,使用ENET变量选择方法可以有效筛选出最优光谱变量,且基于改进光谱变量组构建的反演模型精度均高于原始光谱变量组;ELM模型反演效果优于SVM模型和BPNN模型,其验证集的决定系数为0.783,均方根误差为0.141,一致性相关系数为0.875;研究区域内,作物覆盖下的土壤盐分最佳反演深度为10～20 cm;在不同土壤深度下,基于改进光谱变量组构建的最佳反演模型绘制的土壤盐分反演图可以较为真实地反映试验区内的盐渍化程度,这说明引入红边波段构建光谱指数可以用于土壤盐分的反演。该研究为无人机多光谱遥感监测农田土壤盐渍化以及农田盐渍化治理提供了一种新途径。