不同植被指数和无人机航高对草地盖度估测精度的影响

搭载高清数码相机的无人机在草地资源调查等方面具有成本低廉、机动性高、观察范围大等突出优势,拥有广阔的发展前景。本研究使用小型无人机(unmanned aerial vehicle, UAV)、手机相机等设备获取草地盖度数据,选用植被因子指数(vegetative index, VEG)、超绿指数(excess gree...     

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%。     

基于高光谱影像的高寒牧区土地覆盖分类与草地生物量监测模型

利用环境减灾卫星HJ 1A高光谱图像数据,分析了研究区不同土地覆盖类型的波谱曲线特征,比较了监督分类和光谱角分类方法对高光谱影像的分类精度,研究了高寒牧区草地生物量超光谱遥感监测模型。结果表明,1）不同地物波谱曲线的吸收位置和吸收深度等波谱特征在可见光波段具有较大差异,在近红外波段吸收特征相似。在可见光波段,云和植被的吸收位置最少,都只有1处,但云的吸收深度小于植被;裸地吸收位置有5处;水域吸收位置最多,有6处。2）光谱角与监督分类均适于高光谱影像分类,但光谱角分类方法的总精度可达85.9%,远高于监督分类法。3）依据草地生物量与9种植被指数间的回归分析结果,选出了适合研究区草地植被生物量动态监测的两种植被指数,即归一化植被指数和比值植被指数。     

青藏高原退化草地的恢复潜势研究

近年来青藏高原高寒草地生态系统整体上呈现改善的状态,但仍有部分草地存在不同程度的退化,对青藏高原草地现状及恢复潜势进行评估对于青藏高原退化草地恢复政策的制定具有重要意义。基于2001-2019年气象数据与MODIS遥感影像,选用CASA模型和Thornthwaite Memorial模型分别计算了青藏高原现实净初级生产力（actual net primary productivity,NPP）和潜在净初级生产力（potential net primary productivity,PNPP）,并以其差值评估草地恢复潜势,主要结论如下：1）2001-2019年青藏高原NPP呈现东南部高,西北部低的分布特征;青藏高原草地持续恢复区域占40.98%,持续稳定区域占12.72%,而持续退化区域仅占3.47%,青藏高原草地整体以可持续的恢复状态为主。2）2001-2019年青藏高原潜在净初级生产力最大值（maximum potential net primary productivity,PNPP_m）呈现明显东南与西南部高,北部偏低的空间分布格局。各草地类型PNPP_m多在1000 g C·m^-2左右。3）2001-2019年青藏高原草地恢复潜势呈现西南与东南部较高,北部偏低的分布情况。由此可见日喀则地区、阿里南部地区、阿坝藏族羌族自治州以及甘南藏族自治州等地的草地具有较高的恢复价值,在这些地区开展草地恢复的前景更好。研究结果为青藏高原退化草地恢复政策的制定提供科学与理论支撑,对指导青藏高原草地保护与生态系统恢复具有重要意义。     

青海省天然草地的收益分析及分类经营

近年来由于气候变化和长期的不合理利用,日益加剧的草地退化威胁着青海省草地生态系统的健康。草地分类经营从区域全局的角度协调了草地利用和保护之间的矛盾,为有效遏止草地退化、实现草地资源的可持续利用提供了一个全新的思路。本研究在估算和分析青海省草地生态和经济两大收益的基础上,提出用收益差异指数(BDI)划分草地分类经营区,将青海省草地分为保护性草地和生产性草地两大类。其中保护性草地面积为2.841 44×107hm2,占草地总面积的46.27%;生产性草地的面积为3.299 04×107hm2,占草地总面积的53.73%。     

牧区积雪光学与微波遥感研究进展

在总结国内外积雪监测常用卫星资料甚高分辨率扫描辐射仪(AVHRR)、多光谱扫描仪(MSS)、专题绘图仪(TM)、中分辨率成像光谱仪(MODIS)、多通道微波辐射计(SMMR)、微波成像专用传感器(SSM/I)、改进型微波辐射扫描仪(AMSR/AMSR-E)、合成孔径雷达(SAR)和FY系列传感器优缺点的基础上,系统研究了牧区积雪可见光遥感研究进展以及微波积雪深度反演、积雪分类决策树遥感研究进展,提出了积雪监测中存在的一些问题及未来发展趋势和研究重点,为进一步做好牧区积雪监测提供科学依据。     

基于CASA模型的甘南地区草地净初级生产力时空动态遥感模拟

植被净初级生产力(net primary productivity,NPP)及其对气候变化的响应研究是全球变化的核心内容之一。基于地理信息系统和卫星遥感应用技术,利用CASA模型估算了2001-2008年甘南草地NPP,在模型验证的基础上,分析了甘南草地NPP空间分布格局和时间分布特征。结果表明,1)2001-2008年甘南草地多年平均NPP为483.41 g C/(m²·a),大体呈现由西南向东北逐渐减少的趋势,单位面积多年平均NPP在海拔3 000~3 500 m最高,达到497.07 g C/(m²·a);2)甘南草地植被生长季节变化明显,主要生长期集中在第177~240天;3)甘南草地NPP呈现增加趋势,增长趋势最明显的草地类型是低平地草甸类,而沼泽的变幅最小,通过与8年间温度和降水的分析可以看出,影响甘南草地NPP变化的主要驱动力是降水量。     

甘肃榆中县常见草本植物检索系统的设计与实现

草本植物物种的鉴别和分类是草地资源调查和相关学科科研教学的重要组成,对于传统植物鉴别和信息查询方式而言,其过程费时费力且较为繁琐,难以满足使用需求.随着计算机技术的不断发展与运用,为植物图像数据库构建、分类、检索工作提供了新的手段和方法.基于Access平台,建立了甘肃省榆中县常见草本植物图像数据的资源信息数据库,包括...     

基于AlexNet的栽培苜蓿病害识别

苜蓿病害的准确快速识别是栽培苜蓿草地病害防治的关键。苜蓿病害鉴别对专业知识和识别工具及检测环境要求较高，传统的苜蓿病害识别往往需要采用显微观察等手段对叶片病害部位进行镜检，存在时效性差、成本高，难以实现大范围多点位的快速识别等弊端。近年来在图像识别领域的计算机视觉和深度学习得到快速发展，为苜蓿病害智能化识别提供了新途径。本研究利用13种常见苜蓿病害图像数据集，基于改进的AlexNet深度学习卷积神经网络，经过300次迭代训练，构建了苜蓿病害识别模型，并对比分析了不同图像输入分辨率的苜蓿病害识别精度。结果表明：13种苜蓿病害最优模型识别总体精度达到72%，最优图像输入尺寸为512像素×512像素；剔除识别精度过低的苜蓿病害样本图片后，褐斑病、霜霉病、炭疽病、黑茎叶斑病和小光壳叶斑病5类苜蓿病害的识别总体精度提高到92%，最优输入尺寸为1200像素×1200像素。这2种模型均能够实现对苜蓿主要病害的快速识别，研究结果可以为苜蓿病害智能检测系统的研发提供图像识别方面的技术支持。     

基于ＭＯＤＩＳ数据的青海省积雪覆盖范围监测算法探索

 以青海省作为研究区,利用ＭＯＤＩＳ每日地表反射率产品ＭＯＤ０９ＧＡ 和逐日雪被合成产品ＭＯＤ１０Ａ１,通过调整ＮＤＳＩ阈值,合成积雪分类图像,根据气象台站实测雪深数据,评价积雪分类精度,探索研究了适合该地区的ＮＤＳＩ阈值。研究结果表明,１）ＮＳＩＤＣ 发布的全球ＭＯＤＩＳ积雪产品ＭＯＤ１０Ａ１在青海高原的积雪分类精度较低,在晴空下雪深大于３ｃｍ 的积雪分类精度为８６．０１％。２）研究区适合的ＮＤＳＩ阈值为０．３７。在晴空下雪深大于３ｃｍ 时,合成雪被图像的积雪分类精度可达９０．３７％,总精度９９．５１％,多测误差０．２２％,漏测误差９．６３％。３）同ＭＯＤＩＳ逐日雪被产品ＭＯＤ１０Ａ１进行雪深分段精度比较,发现整体上自定义雪被图像的积雪分类精度较高,合成图像更符合青海高原积雪空间分布的真实情况。