联合光学和合成孔径雷达数据的太平湖森林地上生物量反演研究

光学和合成孔径雷达（SAR）多源传感器数据融合对提高森林地上生物量（AGB）提取精度具有重要意义。以太平湖森林为研究对象,以Sentinel-1 SAR数据和Sentinel-2光学数据为数据源,利用随机森林回归算法系统性地评估光学和SAR数据对AGB反演的互补优势和策略选择。采用Sentinel-2光学数据的AGB反演精度（R²=0.63,RMSE=37.05 mg/hm²,sMAPE=0.56）优于采用Sentinel-1 SAR数据的AGB反演精度（R²=0.37,RMSE=52.25 mg/hm²,sMAPE=0.65）,联合两者数据的AGB估算精度最高（R²=0.69,RMSE=34.17 mg/hm²,sMAPE=0.55）;基于不同策略构建的AGB估计模型当中,植被指数（RVI、NDVI和红边相关的NDVIre）和纹理变量（NDVIre_Mea）的重要性高于光谱波段和后向散射系数。联合Sentinel-1和Sentinel-2数据的光谱波段、植被指数、纹理信息和后向散射系数,能够有效的缓和遥感信息饱和性问题和提高AGB反演精度。     

黄土高原煤矿区复垦农田土壤有机质含量的高光谱预测

【目的】针对黄土高原丘陵地多、地形复杂、有机质含量低、采样困难以及因采煤活动引起大面积土地损毁等问题,在土地复垦与综合整治过程中,为快速定量监测与评估复垦农田土壤质量提供一种新的方法。【方法】以山西省襄垣县复垦农田土壤为研究对象,选取由北向南土地损毁中间条带状区域采集样品152个,进行室内土壤农化分析、光谱测定,运用ParLes 3.1软件对光谱曲线进行多元散射校正（multipication scatter correction,MSC）、基线偏移（baseline offset correction,BOC）和Savitzky-Golay filter平滑去噪预处理。对土壤原始光谱反射率（raw spectral reflectance,R）作一阶微分（first order differential reflectance,D（R））和倒数的对数变换（inverse-lg reflectance ,lg（1/R））,分析3种不同变换形式的光谱数据与土壤有机质含量的相关性,相关系数通过P=0.01水平显著性检验来确定显著性波段的范围。基于全波段（400-2400 nm）和显著性波段利用偏最小二乘回归（partial least squares regression,PLSR）分析方法建立该区域土壤有机质含量高光谱预测模型,通过模型精度评价指标：决定系数（coefficient of determination,R²）、均方根误差（root mean square error,RMSE）和相对预测偏差（residual prediction deviation,PRD）确定最优模型。【结果】通过P=0.01水平显著性检验的波段范围为：R的400-1 800、1880-2 400 nm;D（R）的420-790、1 020-1 040、2 150-2 200 nm;lg（1/R）的400-1 830、1 860-2 400 nm。光谱与有机质含量的相关系数绝对值最大的波段是R的800 nm;D（R）的600 nm;lg（1/R）的760 nm。进行D（R）变换,光谱曲线的吸收特征更加明显,相关系数在可见光（400-800 nm）波段范围内有所增加,其最大值由0.72提高到了0.82;基于显著性波段的PLSR建模效果优于全波段,其中lg（1/R）变换的预测精度为最佳,具有很好的预测能力,其校正模型的R²和RMSE分别为0.95、7.64,预测模型的R²、RMSE和RPD分别为0.85、3.00、2.56;基于全波段的R-PLSR和lg（1/R）-PLSR模型具有较好的预测能力,其预测模型的R²、RMSE和RPD分别为0.79、3.64、2.10和0.79、3.53、2.17,而D（R）-PLSR模型只能进行粗略估测,其预测模型的R²、RMSE和RPD分别为0.61、5.43、1.41。综合分析全波段和显著性波段3种光谱数据的预测精度,发现基于显著性波段的R-PLSR、D（R）-PLSR、lg（1/R）-PLSR模型均取得了显著的预测效果。【结论】研究区土壤光谱反射率与土壤有机质含量具有高度的相关性,应用偏最小二乘回归分析方法可以很好地建立土壤有机质含量反演模型。     

基于热暗点植被指数的马尾松林叶面积指数反演分析

为了减少单一角度卫星遥感与传统植被指数在LAI反演过程中的误差，提升马尾松林LAI反演精度，以福建省龙岩市长汀县河田镇马尾松林为研究对象，获取多角度无人机影像和马尾松林LAI实测数据。根据研究区不同波段热暗点指数、植被指数与实测LAI的相关关系，优化热暗点植被指数构建马尾松林LAI反演模型。结果表明，基于红光波段反射率计算的热暗点比值指数HDRI-r（R²=0.398）是研究区马尾松林LAI反演的重要辅助参数；将HDRI-r引入表征研究区冠层结构的传统植被指数NDVI、GNDVI、RVI、MSAVI、NRI、SIPI、VARI，构建的热暗点植被指数NHDRI与实测马尾松林LAI相关性最高，R²为0.406 5；引入热暗点信息的植被指数（NHDRI、GNHDRI、RHDRI、MSAHDRI、NRHDRI、SIPHDRI、VAHDRI）与实测LAI的拟合R²均>0.37，相较于对应的传统植被指数，R²分别提高了82%、333%、295%、161%、1 409%、380%、192%，热暗点信息与传统植被指数的结合能够缓解植被冠层光饱和现象，有效提高马尾松林LAI反演精度；研究区马尾松林LAI范围为0.11~4.28 m²/m²，总体水平偏低，与当地马尾松林以枝叶稀疏、矮小的“老头松”为主的实际情况相符。     

基于颜色参数和BP神经网络的紫叶李叶片花青素含量估算

目前对植物叶片花青素含量的测定主要是湿化学法和高效液相色谱法(high performance liquid chromatography,HPLC),为简化测定方法,降低成本和提高精度,提出一种利用数码相机获取照片提取的颜色参数构建模型无损估测植物叶片花青素含量的方法。试验测定166份紫叶李叶片的花青素含量及其RGB特征值,对15种颜色参数进行皮尔逊相关分析,构建逐步多元线性回归（stepwise multiple linear regression,SMLR）、一元线性回归（single linear regression,SLR）和BP神经网络（BP neural network,BPNN）估算模型;同时对模型进行验证和比较。结果表明,1）BP神经网络模型建模集的R²、RMSE和MAE分别为0.883、0.412、0.323,验证集的R²、RMSE和MAE分别为0.796、0.462和0.353,相关系数均达到极显著水平;一元线性回归模型中,参数G-B与花青素含量的线性相关性最强,相关系数为-0.820,达到极显著水平;逐步多元线性回归模型的相关系数均达极显著水平,其中建模集的R²、RMSE和MAE分别为0.724、0.630、0.459,验证集的R²、RMSE和MAE分别为0.643、0.616和0.509。2）颜色参数与花青素含量之间具有明显的相关性,利用数码相机获取的颜色特征值估测紫叶李叶片花青素含量具有可行性;3）3种模型中,BP神经网络模型的估测效果最好,能有效地估测紫叶李叶片花青素含量,其次为逐步多元线性回归,一元线性回归模型的预测效果相对较差。     

基于优化BP神经网络的香格里拉高山松蓄积量模型研究

以香格里拉县高山松为研究对象,以Landsat TM 8影像和DEM（30M）数据为信息源,结合森林资源二类调查数据和地面样地实测数据,借助MATLAB平台,在前期进行基于遗传算法（GA）和粒子群算法（PSO）优化BP神经网络模型基础上,采用决定系数（R²）、均方根误差（RMSE）及预测精度（P）3个指标对优化后的BP神经网络模型及进行评价,并建立了研究区高山松蓄积量估测模型。结果表明,遗传算法效率（耗时1.9 h）低于粒子群算法（耗时1.4 h）;采用遗传算法优化后的BP神经网络模型R²、RMSE及P分别为0.636、4.216 m³、81.748%,均优于粒子群算法。通过遗传算法优化后的BP神经网络模型估测香格里拉高山松蓄积量总量为13 317 879.7 m³。     

基于关联分析的新陆早棉花品种农艺和纤维品质性状优异等位基因挖掘

【目的】寻找与新陆早棉花品种农艺和纤维品质性状相关联的分子标记,鉴别与这些性状相关的优异等位变异及携带优异等位变异基因的典型载体材料,为新陆早棉花品种分子设计育种奠定基础。【方法】利用筛选出分布于26条染色体且多态性高的75对SSR标记对51份新陆早棉花品种进行多态性扫描;采用R语言编程软件对多环境的表型性状绘制boxplot图;在对供试材料进行群体结构和连锁不平衡分析的基础上,利用TASSEL软件中MLM（mixed linear model）方法进行分子标记与15个性状的关联分析;依据计算的表型效应值,鉴别和统计优异等位变异的位点及典型材料。【结果】通过群体遗传结构分析将51份新陆早棉花品种划分为4个亚群结构。针对15个表现型性状的BLUP（best linear unbiased prediction）结果进行统计和分析,鉴别出极显著和显著相关的性状。分析结果显示,在4种环境条件下,棉花5个性状（果枝始节高、果枝始节数、衣分、纤维上半部长度和短纤维率）变化趋势稳定,10个性状（株高、果枝数、叶枝数、有效铃数、单铃籽棉重、单铃皮棉重、马克隆值、比强度、纤维整齐度和纤维伸长率）较稳定。通过关联分析,获得与农艺性状相关的等位变异位点117个（P＜0.05）,其中对9个农艺性状贡献率（R²）最大的等位变异位点分别为：BNL3650b（株高,R²=11.78;果枝始节高,R²=20.80;果枝始节数,R²=11.54）、NAU3995c（果枝数,R²=14.86）、BNL119b（叶枝数,R²=9.7）、NAU3995d（有效铃数,R²=14.98）、BNL3255a （单铃籽棉重,R²=11.11）、NAU1071a（单铃皮棉重,R²=10.15）和BNL663a（衣分,R²=12.42）。与纤维品质相关的等位变异位点55个（P＜0.05）,其中分别对6个纤维品质性状贡献率最大的等位变异位点为：NAU1103b（纤维上半部长度,R²=6.4）、NAU1071a（纤维比强度,R²=7.57）、BNL3140b（马克隆值,R²=12.06）、BNL3650b(纤维整齐度,R²=13.47)、BNL1421a（短纤维率,R²=13.04）和BNL2960b（纤维伸长率,R²=11.67）。共检测到39个与农艺（29个）和纤维品质（10个）性状相关的位点（P＜0.01）,对表型变异解释率范围为6.45%-20.8%,平均值为11.14%,同时检测到与2个以上性状相关联的位点47个。携带优异等位变异基因的典型材料共计17份。通过与已经报道的棉花农艺和纤维品质性状相关的QTL（quantitative trait loci）比较,检测的27个QTL在前人研究中已经报道,其中BNL3650（纤维整齐度）、BNL3033（马克隆值）、NAU3254（纤维伸长率）、GH132（衣分）、TMB1618（比强度）、BNL1421（比强度和纤维整齐度）和BNL119（纤维伸长率）7个QTL具有相同的关联性状。【结论】51份原种新陆早棉花品种的群体遗传结构简单,连锁不平衡水平低,表型性状在2种环境条件下变化趋势较稳定。基于SSR的关联分析,发掘了一些与农艺和纤维品质相关的优异等位变异基因及典型材料。     

基于RapidEye的人工林生物量遥感反演模型性能对比

利用2012年RapidEye高空间分辨率遥感影像并结合野外样方数据,采用多种建模技术进行生物量的反演和制图。先依据RapidEye光谱数据发展出包括NDVI、RVI等多种植被指数、光谱特征图像及纹理特征,再通过相关分析筛选建模所需因变量,采用支持向量机、BP神经网络和随机森林算法建立森林生物量估测模型并进行精度验证。结果表明,基于支持向量机的建模R²为0.687,验证R²为0.641,平均相对误差为0.306;基于BP神经网的建模R²为0.552,验证R²为0.358,平均相对误差为0.525;基于随机森林的建模R²为0.850,验证R²为0.324,平均相对误差为0.468。采用支持向量机算法所制作的空间意义明确的森林生物量分布图,为制定合理的森林经营措施提供有益指导。     

基于无人机多光谱影像的云南松林蓄积量估测模型

【目的】无人机多光谱遥感影像较可见光影像具有更丰富的光谱信息,在森林蓄积量估测中具有较大潜力。以无人机载多光谱遥感影像为主要数据源,探索森林蓄积量的遥感估测模型,以克服传统地面调查工作量大、耗时长、成本高等弊端。【方法】以滇中地区典型天然云南松Pinus yunnanensis纯林为研究对象,利用无人机多光谱影像提取单波段反射率、各类植被指数、纹理特征等,计算各特征变量的标准地均值;筛选与云南松林蓄积量相关性显著的特征变量,采用多元线性、随机森林、支持向量机建立云南松林蓄积量估测模型,以决定系数(R²)、平均绝对误差(E_MA)、均方根误差(E₍RMS()、平均相对误差(E_MR)评价模型精度。【结果】(1) 3种模型中,随机森林的精度最高(R²=0.89,E_MA=4.69m³·hm^-2, E_RMS=5.45m³·hm^-2, E_MR     

基于地形与竞争因子的青冈栎次生林树高哑变量模型研究

考虑不同地形和林木竞争对青冈栎树高与胸径关系的影响，构建青冈栎树高与胸径的哑变量模型，为青冈栎次生林的树高预测和可持续经营提供理论依据。以16个青冈栎次生林固定样地为研究对象，通过确定系数（R²）、赤池信息量准则（AIC）、均方根误差（RMSE）和平均预估误差（MPE）4个评价指标，从11个基础模型中筛选出最优的基础模型。利用F统计检验分析了不同坡向和坡度对青冈栎树高与胸径关系的影响，同时对Hegyi简单竞争指标进行了改进。基于坡向、坡度和竞争强度3个哑变量，构建青冈栎树高与胸径的哑变量模型。结果表明，对数模型M2为最优基础模型，其确定系数（R²=0.686）最大，均方根误差（RMSE=1.380）和平均预估误差（MPE=1.242）最小；不同坡向和坡度下，模型的F统计值均大于F临界值；Hegyi改进指标与树高、胸径的相关系数达到-0.452、-0.418，相比Hegyi简单竞争指标有明显提高；基础模型中引入坡向、坡度和竞争强度哑变量后，模型的拟合精度均显著提高，R²提高了0.035，RMSE减少了0.077，MPE减少了0.070%。从林木的水平和垂直空间上构建青冈栎林木竞争指标更加准确，坡向、坡度和林木竞争对青冈栎树高与胸径关系存在显著影响。综合考虑地形与林木竞争的哑变量模型拟合精度更高，能为青冈栎树高生长的预测提供参考。     

福建将乐灌木生物量模型研究

以实测数据为基础,采用模型法分析了福建将乐林场粗叶榕、檵木、厚叶冬青、建润楠4种灌木生物量与地径（D）、株高（H）、冠幅（C）、植冠面积（A）、DH、D²H的相关性。结果表明,以DH、D²H为参数构建的w=a+b(DH)+c(DH)²+d(DH)³和W=a+b(D²H)+c(D²H)²+d(D²H)³模型方程能更好地描述灌木的生物量与各形态因子的相关关系;同时,拟合灌木层混合生物量模型,其整株生物量模型为W_总=35.4+4.19×10^-2(DH)+2.03×10^-3(DH)²+1.08×10^-6(DH)³(R=0.921,SEE=0.921)。     

西藏色季拉山急尖长苞冷杉林粗木质残体储量与倒木分解研究

粗木质残体是森林生态系统重要的组成部分,在生态系统的结构组成和功能发挥中扮演着重要角色。采用典型样地法对色季拉山急尖长苞冷杉（Abies geoegei var.smithii）原始林下的粗木质残体进行调查,估算林内粗木质残体的储量,并比较不同腐烂等级及不同类型粗木质残体储量的大小,分析南坡与北坡2种不同环境下倒木分解速率的差异。结果表明,色季拉山南北坡急尖长苞冷杉的粗木质残体的储量分别为84.245 t·hm^-2和60.363 t·hm^-2,两者储量在不同类型的分布上均表现为倒木>枯立木>树桩>大枯枝;在不同腐烂等级分布上,南坡粗木质残体储量表现为Ⅰ级>Ⅳ级>Ⅱ级>Ⅲ级>Ⅴ级,北坡粗木质残体储量表现为Ⅰ级>Ⅱ级>Ⅲ级>Ⅳ级>Ⅴ级。色季拉山南北坡急尖长苞冷杉林倒木的分解均符合单指数衰减模型,南北坡的分解常数分别为0.014 a^-1(R²=0.870 3)、0.02 a^-1(R²=0.846 5)。南坡倒木分解50%和95%所需时间分别为29 a和193 a,北坡分解50%和95%所需时间分别为41 a和156 a,两者分解均呈现先快后慢的趋势。     

基于分层贝叶斯方法的高山松单木生物量模型

以香格里拉市典型森林生态系统高山松林为对象,在前期进行Ⅰ区和Ⅱ区共115株高山松单木地上生物量实测基础上,以异速生长方程为单木生物量基础模型,并采用分层贝叶斯方法、非线性混合模型法、贝叶斯方法和非线性最小二乘法进行异速生长参数拟合,运用决定系数(R²)、估测精度(E)、均方根误差(RMSE)等指标对模型参数拟合效果进行评价。结果表明:1)从拟合精度看,4种方法的模型拟合效果均较好,R²均达到了0.98以上。但分层贝叶斯方法估计结果更优,其R²=0.985 6,E=84.76%和R_MSE=39.75 kg;2)通过对比不同方法的差异发现,加入了区域随机效应的分层贝叶斯方法和非线性混合模型法的拟合效果均优于未加入区域随机效应的贝叶斯方法和非线性最小二乘法。分层贝叶斯方法在拟合高山松单木生物量模型中具有更大优势,模型拟合效果最好。加入了随机效应的分层贝叶斯方法和非线性混合模型法可以提高单木生物量模型的估计精度,采用分层贝叶斯方法进行高山松单木生物量模型参数估测,为大尺度样本数据模型参数估测方法提供新思路。     

广东省枫香单木干材生物量生长模型的研建

枫香（Liquidambar formosana）是我国闽北林区重要的乡土树种,生长迅速、适应性强,在观赏、药用、用材等方面都有着重要作用。单木模型是林分模型的基础,通过建立单木生物量生长模型,在时间维度上分析林木生物量生长的动态变化,以期为全面评价森林的固碳能力提供科学依据。采用典型抽样的方法,从广东省9个地区的一类样地附近抽取枫香样木40株（天然起源25株,人工起源15株）,破坏性实测各组分的生物量并进行树干解析得到样木的生物量生长数据。基于逻辑斯蒂（Logistic）、坎派兹（Gompertz）和理查德（Richards）3种基础生长方程,利用哑变量的方法,建立分起源和立地等级的枫香干材生物量生长模型,以决定系数R²、均方根误差RMSE、总相对误差TRE和平均预估误差MPE 4个指标来评价各模型,进而分析枫香干材生物量的生长过程。结果表明,Richards方程在基础模型中效果最佳（R²=0.61,RMSE=50 kg）;与Richards方程相比,哑变量模型R²提高了11%,RMSE降低了7.95 kg;起源与立地等级对枫香干材生物量均产生了较大影响,在天然起源的高立地等级条件下,枫香干材理论最大连年生长量和平均生长量分别在其生长的第23年和第38年到达。     

基于Landsat 8遥感影像的地上生物量模型反演研究

以吉林省延边朝鲜族自治州汪清县的主要针叶纯林树种为研究对象,结合Landsat 8 OLI数据和地面调查数据,通过提取半径为15 m圆形样地林分尺度下的遥感特征变量实现对地上生物量的估算。首先提取128块样地内的34个遥感特征,其次采用随机森林特征重要性分析遥感特征的贡献率,再利用BP神经网络算法的2种训练算法、SVM支持向量机的3种核函数构建地上生物量模型,最后利用32个测试样本评价模型的估算精度。结果表明,BP神经网络的L-M训练算法和贝叶斯正则化训练算法的R²分别为0.602 9、0.672 1,RMSE分别为5.096 9、4.263 7,MAE分别为4.166 9、3.211 8;SVM支持向量机的线性核函数、RBF核函数、多项式核函数的R²分别为0.585 8、0.561 9、0.487 7,RMSE分别为5.859 4、5.600 9、5.763 7,MAE分别为4.24、3.89、4.176。以贝叶斯正则化训练算法构建地上生物量模型的估测精度最佳;BP神经网络算法比SVM向量机更适用于本研究;同一种机器学习算法不同的训练函数存在差异性。     

施氮量对低谷蛋白水稻籽粒品质及蛋白质组分的影响

为探明施氮量对低谷蛋白水稻功能成分的影响,以低谷蛋白水稻D105为材料,在大田栽培条件下,设置0、90、135、180、225 kg·hm^-2 5个施氮处理(N0-N4),研究不同氮肥水平对籽粒蛋白质组分含量动态变化及加工品质的影响,并分析了各组分蛋白比例变化。结果表明,灌浆结实期D105籽粒总蛋白含量及各组分蛋白含量随着施氮量的增加而增加,成熟期(花后35 d)籽粒清蛋白和醇溶蛋白在各施肥处理下差异均不显著,而球蛋白和谷蛋白则表现出不同的差异性,说明不同的施氮量对清蛋白和醇溶蛋白的影响较小,对球蛋白和谷蛋白的影响较大,但不改变各组分蛋白的比例;在N2(135 kg·hm^-2)-N3(180 kg·hm^-2)处理下,稻米的加工品质和食味品质表现良好,在N4(225 kg·hm^-2)处理时,稻米综合品质降低。综上,实现低谷蛋白水稻D105优质的适宜施氮范围为N2-N3,建立谷蛋白相对于总蛋白的比例与施氮量的线性方程y=6E-05x²-0.02x+39.672 (R²=0.999 1),计算得出最适宜施氮量为166.67 kg·hm^-2。