甘肃省草原产草量动态监测模型

利用MODIS数据和地面实测资料,研究了甘肃省不同草原区的最适草原生物量遥感估算模型,并反演了甘肃省2005-2009年的草原产草量,分析了其空间分布特征。结果表明,不同草原区适合的植被指数和反演模型类型存异,其中河西走廊高平原荒漠草原区适合的植被指数是RVI、模型类型为对数模型,甘南高原草甸草原区适合的植被指数是EVI、模型类型为指数模型,而黄土高原温性草原区适合的植被指数是NDVI、模型类型为二次多项式模型。甘肃省2009年草原总产鲜草3 718.30万t,整体呈现东北低、西南高的空间变化过程,形成3个高产中心,分别是甘南高原、祁连山北麓中东段和陇南南部。与1985年相比,2005年草原明显减产(相对变化率V=19.34%),但2005-2009年间甘肃省草原产草量有总体上升的趋势。     

青藏高原冰川融化蓄水量近30年减少1／10

国土资源部中国地质调查局通过4年的遥感监测发现，近30年来青藏高原的冰川大幅度融化，总面积已经减少了1／10以上。如果据此推算，预计到2050年冰川面积将减少到现有面积的72％，到2090年将减少到一半。冰川融化使青藏高原的雪线迅速上升，最大上升距离达350m，荒漠化程度不断加重，重度沙漠化土地面积30年来增长了317％。     

我国西北地区东部时间序列NDVI数据集重建方法比较研究

高质量、长时序归一化植被指数(NDVI)数据集不仅是连续监测陆地表面特征的基础,也是研究气候与陆地生态系统变化的重要参数。本研究以生态环境较为脆弱的西北地区东部为例,借助多种时间序列重建方法对LTDR NDVI数据集中的噪声进行拟合重建,并结合农业气象资料和高质量NDVI数据,对不同重建方法的拟合结果开展适用性评价分析,结果表明,1)下垫面类型是影响重建方法拟合效果的重要因素。根据不同植被类型或作物生长特点,每种重建方法对其噪声消除能力有所不同;2)在年均NDVI较高(NDVI≥0.3),且NDVI曲线具有明显季节变化的草地、林地以及牧草等作物种植区域内,经过D-L拟合重建的NDVI具有较高的保真能力和适应性;3)在年均NDVI较低(NDVI<0.3),且植被季节生长变化不明显或NDVI曲线不呈季节对称性变化的稀疏植被区,以及以冬小麦为典型作物种植的区域内,经过S-G滤波重建的NDVI数据表现出相对较好的保真能力和适应性。     

基于单时相MODIS数据的草地退化遥感监测研究

以草地NPP减少的相对百分数（由实际NPP和潜在NPP计算）为主要监测指标，提出了一个基于单时相MODIS数据的草地退化遥感监测方法。介绍了利用MODIS数据反演实际NPP的方法，并提出了一个根据实际NPP和草地类型分布图确定潜在NPP的方法。对2003年中国北方草地的监测结果表明，中国北方草地退化严重，退化程度的空间差异性较大，草地退化程度与草地类型密切相关。     

干旱对锡林郭勒草原生态环境的影响及对策

本文以生态学理论、气象学理论为基础，总结了内蒙古自治区锡林郭勒草原旱灾发生规律，旱灾对锡林郭勒草原生态环境的影响，减轻旱灾的对策及建议。     

托里县天然草地资源及动态监测点布置方法

天然草地资源动态监测是一项重要的草地保护及管理依据的重要监测手段,监测点位的布置方法的科学性以及代表性尤为重要。     

低覆盖草地叶面积指数遥感估算方法

有效估算低覆盖草地叶面积指数(LAI),对监测低覆盖草地生长状况、优化完善草地管理具有重要意义。以往针对草地叶面积指数的研究大多集中于中高覆盖度草地,对低覆盖草地的研究相对较少。利用谷歌地球引擎(GEE),基于Landsat-8卫星数据提取所需特征变量,通过特征变量与叶面积指数的相关性及其在模型中的重要性进行特征优选,确定模型最佳变量个数,以此构建机器学习模型,探寻适合在低覆盖区草地估算叶面积指数的方法。结果显示,基于相关性特征优选的梯度提升回归树模型(r-GBRT)在低覆盖草地估算叶面积指数的效果较好,测试集的R²为0.686,均方根误差(RMSE)为0.101。结果表明,基于特征优选构建的机器学习模型在低覆盖条件下估算草地叶面积指数方面具有较好的应用价值。     

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。     

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。