基于Landsat 8 OLI数据的砒砂岩区生物量遥感估算

为了评价砒砂岩区植被生长状况和地上生物量的空间分布特征,采用Landsat 8 OLI和同期实测生物量数据对砒砂岩区生物量估算方法进行了研究。结果表明:(1)NDVI,RVI,SAVI,MSAVI与地上生物量(Above ground biomass,AGB)的相关性显著,其中MSAVI和AGB的相关性最高(R²=0.4416),SAVI次之(R²=0.3923),NDVI(R²=0.1375)和RVI(R²=0.1306)相对最低,NDVI和RVI在荒漠生态系统生物量遥感估算中并不是效果最佳的植被指数;(2)高斯低通3×3滤波核滤波的MSAVI与AGB的相关性(R²=0.4757)高于未滤波处理图像,滤波后建立的AGB-MSAVI_GLPF3估算模型平均相对误差MRE为13.41%,模型具有较高的估算精度;(3)遥感估算2019年砒砂岩研究区总AGB为9.2×10⁵t,其中AGB低值区的面积占比为13.03%,AGB中值区面积占比为47.56%,AGB高值区面积占比为39.41%。荒漠生态系统AGB与MSAVI的相关性显著,基于高斯低通滤波建立起的AGB-MSAVI_GLPF3模型可以较好地实现砒砂岩区AGB遥感估算。     

阿勒泰地区不同草地类型植被特征

天然草原是新疆阿勒泰地区畜牧业生产赖以生存的主要物质基础之一,也是阿勒泰地区最大的生态屏障。为了弄清阿勒泰地区不同草地类型的植被特征,以及将阿勒泰地区草地生物量空间分布以遥感图形式来展现,利用阿勒泰地区162个草地监测样地(365个草地样方)生物量及其他植被因子监测数据,分析了阿勒泰地区9个草地类型的植被组成、海拔高度、植被高度、盖度、生物量;同时,借助ArcGIS软件制作了2014年的生物量分布图。结果显示:(1)不同草地类型的海拔高度大小排列为:高寒草甸山地草甸温性草甸草原温性草原温性荒漠化草原温性草原化荒漠温性荒漠沼泽低地草甸;(2)植被盖度排序为:沼泽低地草甸山地草甸高寒草甸温性草甸草原温性荒漠草原温性草原温性荒漠温性草原化荒漠;(3)地表生物量排序为:沼泽低地草甸温性草甸草原山地草甸温性草原高寒草甸温性草原化荒漠温性荒漠;(4)植被高度排序为:沼泽低地草甸温性草甸草原山地草甸温性草原温性草原化荒漠温性荒漠草原高寒草甸温性荒漠;(5)实测生物量与归一化植被指数NDVI的关系可用幂函数来模拟:y=7695.807x~(1.327)(R~2=0.421,p0.05);(6)阿勒泰草原生物量在空间上呈现自南向北增加的分布特征,这与该区水分自南向北递增的趋势一致。依据行政区划富蕴、福海、吉木乃县以南地表植被地上生物量水平较低,越向古尔班通古特沙漠方向生物量值越低。     

基于MODIS数据的松嫩草原产草量遥感估算模型与空间反演

根据NASA/MODIS遥感数据获得NDVI、RVI、MSAVI和EVI 4种植被指数,结合草原产草量地面实测数据,利用统计分析方法建立松嫩草原产草量遥感估算模型,并进行产草量空间反演和验证,为该区草原产草量合理估算和草原资源管理提供科学依据。相关分析结果表明,前期和同期的4种植被指数均与草原产草量显著相关,其中NDVI相关性最高,EVI相关性最低;松嫩草原产草量最优模拟模型为基于NDVI的S曲线模型,模拟精度达78%。利用该模型反演得到2009年松嫩草原平均鲜草单产为5 717 kg/hm2,折合干草单产1 687 kg/hm2,鲜草总产量为1 885万t,干草总产量为589万t。其中,黑龙江省部分的鲜草总产量为1 356万t,折合干草424万t;吉林省部分的鲜草和干草总产量分别为531万t和166万t。利用植被指数预报未来16 d草原产草量效果较好,其中基于NDVI的幂指数模型预报精度为74%。研究表明,基于植被指数进行松嫩草原产草量研究是可行的。     

基于植被指数估算天山牧区不同利用类型草地总产草量

针对天山牧区草地面积广、生长环境差异大等特点,选用MODIS/MOD13Q1数据,生成归一化植被指数、增强植被指数、土壤调节植被指数和差值植被指数4种从不同角度反映牧草长势的植被指数,对4个不同牧草利用类型分区分别建立了4种指数及其组合与总产草量的4类回归方程。利用留一交叉检验法评价各模型精度,最终获得适合不同草地利用类型的产草量遥感估算模型。结果表明:4种植被指数都可用于产草量估算,不同植被指数估算模型的拟合精度有区域差异性。当采用SAVI和二次多项式拟合时,RMSE最大值出现在I区,为5 857 kg/hm2,当采用NDVI和二次多项式拟合时,最小值出现在III区,仅为616.487 kg/hm2。值得注意的是采用差值植被指数、土壤调节植被指数估算产草量需考虑植被覆盖状况。其次,多个植被指数组合有信息互补的优势,采用线性回归模型估产时,多个植被指数组合精度高于单一植被指数。该研究可为天山地区草地总产草量遥感估算提供有意义的借鉴。     

基于Sentinel-2多光谱数据的棉花叶面积指数估算

棉花叶面积指数(leaf are index, LAI)的快速、准确获取对棉花长势监测、发育期诊断、面积提取以及产量估算等遥感监测具有重要意义。该研究利用2017年和2018年的Sentinel-2多光谱卫星数据及大面积田间试验观测获取的棉花不同发育期LAI实测数据,构建了基于单波段反射率及各类植被指数的棉花不同发育期及全发育期LAI估算模型,并采用留一验证(LOOCV, leave-one-out cross validation)和交叉验证对模型精度进行了检验。结果表明:1)对于单波段反射率,基于中心波长为842 nm波宽为145 nm的B8近红外波段对不同发育期LAI估算精度最优均方根误差(RMSE, root mean square error, RMSE=0.378);2)对于各类植被指数,花蕾期(20170616)和花铃期(20170802)时增强植被指数(EVI, enhanced vegetation index,)表现最佳(RMSE分别为0.352和0.367),开花期(20180623)时校正土壤调节植被指数(MSAVI2, modified soil adjusted vegetation index 2,)估算精度最高(RMSE=0.323);3)单波段反射率和各类植被指数对全发育期LAI的估算均要优于对单个发育期LAI的估算,其中基于IRECI指数的(invertedred-edge chlorophyllindex)全发育期LAI估算模型精度最佳,LOOCV检验RMSE=0.425,交叉检验RMSE=0.368;将基于IRECI的全发育期LAI估算模型应用到单个发育期LAI估算并与各单个发育期LAI估算模型精度对比,发现交叉验证RMSE平均值仅比LOOCV验证RMSE平均值高0.07,反映了全发育期LAI估算模型良好的普适性。该研究为农作物LAI估算提供了新的数据选择,完善了Sentinel-2卫星数据在LAI估算中的应用领域。     

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。     

用多辐射校正水平遥感数据提取植被叶面积指数的精度分析

选用南京市SPOT5 HRG图像的地物反射率(PAC)、表观反射率(TOA)、星上辐射率(SR)和灰度值(DN)影像,提取了2种植被指数(VI),即归一化植被指数(NDVI)和比值植被指数(RVI),与地面实测的植被叶面积指数(LAI)进行了相关分析,并建立了157个LAI-VI关系模型。结果显示:LAI与VI呈显著的正相关关系(r=0.303~0.927,p0.01),对应不同植被的优选模型自变量包括了3个辐射校正水平的2种植被指数,可见基于不同辐射校正水平的植被指数在LAI遥感反演中具有一定的应用潜力。这些优选模型为:阔叶林:LAI=-3.345+5.378RVISR+7.329NDVISR(R2=0.818,RMSE=0.527),针阔混交林:LAI=1.696+17.076NDVIDN+137.684(NDVIDN)2-288.240(NDVIDN)3(R2=0.919,RMSE=0.440),灌木:LAI=-0.065+19.112NDVISR-113.820(NDVISR)2+184.207(NDVISR)3(R2=0.900,RMSE=0.448),草地:LAI=-5.905+6.446RVISR+9.477NDVISR(R2=0.944,RMSE=0.378),植被总体:LAI=-1.615+7.199NDVIDN+2.640NDVISR+2.105RVIPAC(R2=0.801,RMSE=0.668)。研究表明,基于不同植被类型、不同辐射校正水平影像的LAI遥感估算有利于充分挖掘遥感影像信息,进而提高LAI估算的精度。     

北方风沙区放牧和封育对水土保持植被效益的影响分析

为了从宏观层面科学认识北方风沙区放牧和封育对草地水土保持生态效益的影响,搜集并筛选了大量文献,从中采集相关数据,采用荟萃分析方法,研究了典型草原和荒漠草原放牧强度、放牧年限和封育年限对植被地上生物量和植被盖度的影响。结果表明:(1)无论是荒漠草原还是典型草原,随着放牧强度增加,植被相对地上生物量和植被盖度均明显下降;(2)放牧年限对植被地上生物量的影响极显著,长期的放牧会使草原植被地上生物量显著降低;(3)随着封育年限的增加,荒漠草原与典型草原的植被地上生物量和植被盖度都明显增加。综上,放牧和封育都是影响北方风沙区植被生态效益的重要因素,应重点关注其对植被水土保持效益的影响,以实现对该区域的水土保持生态效益进行综合分析,为该区做好水土保持工作提供技术支撑。     

围栏封育对荒漠草原灌丛草地土壤优先流的影响研究

为探究围封对灌丛草地土壤优先流的影响,以宁夏吴忠市盐池县典型荒漠草原区为研究区,通过野外入渗染色试验、图像处理分析等方法,对围封荒漠草原灌丛草地土壤优先流的影响进行评价。结果表明:(1)围栏封育与放牧管理样地土壤水分入渗特征存在差异,在围栏封育样地,草地、天然柠条林地、人工柠条林地的入渗染色图像分别在0—125,0—115,0—105 cm呈现均匀分布,而在125—240,115—150,105—140 cm呈现染色分支,在放牧管理样地,草地、天然柠条林地、人工柠条林地入渗染色图像分别在0—80,0—70,0—80 cm呈现均匀分布,围栏封育导致土壤优先流发生深度更大;(2)土壤剖面染色面积比表现为围栏封育草地＞围栏封育天然柠条林地＞围栏封育人工柠条林地＞放牧管理人工柠条林地＞放牧管理天然柠条林地＞放牧管理草地,土壤染色深度表现为围栏封育草地＞围栏封育天然柠条林地＞放牧管理草地＞放牧管理天然柠条林地＞围栏封育人工柠条林地＞放牧管理人工柠条林地,围栏封育管理会导致土壤剖面染色面积比及染色深度增大;(3)土壤优先流变异系数表现为放牧管理天然柠条林地＞放牧管理人工柠条林地＞围栏封育天然柠条林地＞放牧管理草地＞围栏封育人工柠条林地＞围栏封育草地,放牧管理导致土壤优先流程度增加,而围栏封育降低灌木林地及草地的优先流程度。因此,在荒漠草原等干旱半干旱地区,围栏封育可作为提升土壤水分均匀入渗深度、降低优先流发生程度、提高土壤水分利用效率的重要管理方式。     

基于线性光谱混合模型的荒漠草地覆盖度估测

为了解决草地混合像元对草地植被覆盖度监测的影响,该研究以Landsat TM为数据源,探讨线性光谱混合模型进行混合像元分解的关键问题,分析混合光谱模型获得的不同组分分量与植被覆盖度之间的关系,以期建立适合天山北坡荒漠草地覆盖度监测模型。结果表明:通过光谱混合模型获得植被、沙丘以及盐碱化土壤3个基本组分,其中植被组分与覆盖度拟合效果较好(R2=0.62),与植被指数法估测草地覆盖度相比,决定系数R2均高于比值植被指数、归一化植被指数、土壤调节植被指数及修正土壤调整植被指数MSAVI。通过对所获模型精度检验,均方根误差RMSE为1.28,结果较为理想。因此,利用线性光谱混合模型解析混合像元估测天山北坡荒漠草地覆盖度具有可行性。     

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，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33.0 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。     

基于无人机和卫星遥感的胡杨林地上生物量估算

基于光谱信息的森林地上生物量遥感模型多存在精度不高的问题,如何更准确地获取森林地上生物量是遥感领域的研究热点.该研究以位于塔里木河下游的河岸胡杨林为例,探讨在无人机摄影测量技术支持下,使用高分辨率卫星遥感技术,通过面向对象影像分析和回归分析等技术,获取区域尺度下胡杨冠幅、树高和密度等森林结构参数,在此基础上,通过生长方...     

基于HJ卫星数据与面向对象分类的土地利用/覆盖信息提取

土地利用/覆盖信息是区域气候与环境研究的基础,是土地资源规划与管理、合理开发与保护的信息保障。为此,该文选取长株潭城市群核心区为试验区,以时间序列HJ卫星影像为数据源,首先构建了时间序列归一化植被指数(normalized difference vegetation index,NDVI)、时间序列光谱第一主成分(first principal component,PC1)数据集,通过J-M(Jeffries-Matusita)距离变量可分离性分析结合地表覆盖的物候特征,确定最佳时序HJ组合数据;其次,采用面向对象的随机森林算法对研究区土地利用/覆盖信息进行分类,并对分类结果进行精度评价与比较分析。研究结果表明:采用时间序列HJ组合数据与面向对象的分类方法,提取城市土地利用/覆盖信息的总体精度和Kappa系数分别达到91.55%和0.90,其中水田、水浇地、旱地、林地、建设用地的生产者精度均达到90%及以上;相对于时间序列基于像元分类、单时相面向对象的分类方法,该文提出的土地利用/覆盖信息提取方法的总体分类精度和Kappa系数分别提高了2.26%、0.02和6.82%、0.08,有效提高了区域土地利用/覆盖信息提取的精度,为大范围土地利用/覆盖精细化分类提供了有效的途径。     

基于综合干旱指数的毛乌素沙地腹部土壤水分反演及分布

为了克服单一干旱监测指数在复杂覆盖类型的适用性问题,以复杂覆盖类型的毛乌素沙地腹部乌审旗为例,在传统归一化干旱指数(normalized difference drought index,NDDI)、土壤湿度监测指数(soil moisture monitoring index,SMMI)、温度植被干旱指数(temperature vegetation drought index,TVDI)3个单一干旱监测指数的基础上,通过层次分析法确定各指数的权重,结合野外不同覆盖类型实测的土壤含水率数据,分别进行回归分析,建立多指数综合干旱监测模型,基于此模型分析研究区表层土壤水分的空间分布。结果表明:3个单一干旱指数在一定程度上均能客观反映旱情特征,与表层土壤含水率呈现不同程度的负相关,温度植被干旱指数相关性最好为0.604。引入结合多指数的综合干旱监测指数模型,在8月、9月草地和沙地与表层土壤含水率指数模型的决定系数R2均在0.7以上,高于基于单一指数模型的拟合精度。基于该模型,研究区研究区表层土壤含水率整体较低,体积含水率不高于0.15 cm~3/cm~3的面积分别占96.47%(8月)和94.8%(9月)。总体上从东到西,由北到南土壤含水率逐渐降低,与实测表层土壤样本的描述性统计结果有较好的空间一致性。     

黑河中上游典型地区草地植被退化遥感动态监测

选择黑河中上游草地植被的典型区域,利用卫星遥感、GIS以及GPS定位测量技术,结合实地调查和采样测定,构造基于地面实测数据的草地植被退化指数,建立草地植被退化的遥感监测模型,并利用研究期2003年TM影像GPS定位点所对应的灰度数据,对1986年TM影像进行辐射特征标准化处理,监测草地植被退化的时空变化规律,旨在探讨通过TM影像数据结合野外样方数据,简单而快速评价草地植被退化的定量方法。结果表明：利用卫星遥感数据和地面草地样方实测数据,分析草地植被退化地面评价指标与遥感评价指标之间的关系,建立草地植被退化的遥感评价模型,能够较为快速、准确地监测和评价区域尺度的草地植被退化。研究区1986年轻度、中度和重度退化的面积分别为499.86、772.67和916.74 km2,2003年轻度、中度和重度退化的面积分别为322.23、815.20和1 015.84 km2。从草地植被的变化幅度、变化趋势和变化强度方面对比分析1986年和2003年的草地植被退化情况表明草地植被退化过程是一种慢速的渐变过程,重度退化、中度退化的比例较高而且呈增长趋势,总体态势仍旧呈现退化加剧、局部改善、整体恶化的变化格局。草场退化呈现由草原草场向荒漠化草原草场再向荒漠化草场演替的趋势。     

半干旱区环境因子对柠条灌木林结构的影响

以半干旱区宁夏固原17a生柠条灌木林为研究对象,分析了不同地形、整地方式及降雨量对柠条生长形态的影响,并对影响柠条单株形态组成的指标进行了主成分分析。研究结果表明：(1)不同坡位对柠条的株高、根深、生物量影响显,而对柠条的分枝数没有明显影响;不同整地方式对柠条的株高、分枝、根深及单株生物量均影响显。(2)降雨量对柠条形态组成影响深刻,柠条的株高、分枝、单株生物量与年度累积降雨量之间呈“S”型曲线,说明柠条形态建成与降雨量有极大的相关性;根系的生长与降雨量之间则呈指数规律增长。(3)柠条各生长指标间存在着紧密的联系。株高、分枝、株生物量是描述柠条地上部形态结构特征的指标组合;根深则是描述柠条地下形态结构的指标。     

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。     

基于时序NDVI图谱库提高土地覆盖分类精度的方法

为提高MODIS土地覆盖产品的分类精度,该文以河南省为试验区,首先将MODIS土地覆盖产品(MCD12Q1)分为高精度区域和低精度区域,然后通过构建时序NDVI图谱库并利用图谱曲线相似性测定方法,改进MCD12Q1低精度区域的分类精度。结果表明:1)时序NDVI是土地覆盖的重要分类特征,二者之间具有较强的关联性。2)利用时序NDVI图谱库能够明显提高MODIS土地覆盖产品的分类精度,改进后的MCD12Q1的总体分类精度分别由72.76%(比较评价)、64.52%(样本评价)提高到83.05%和81.72%。3)不同土地覆盖类别精度提高的程度不同,林地、草地、耕地、人工地表以及水体的生产者精度分别提高35.36%、29.51%、2.98%、6.96%和6.11%。4)对于判定时序NDVI曲线相似度的2种具体方法而言,最小距离法(minimum distance,MD)总体上优于光谱角度匹配法(spectral angle mapper,SAM)。综上,保留现有土地覆盖产品中分类精度较高的部分,基于时序NDVI图谱库改进分类精度较低的部分,是提高现有土地覆盖产品分类精度的有效方法。