阿勒泰地区雪灾遥感监测模型与评价方法

利用我国新疆阿勒泰地区1996～1997年两次雪灾期问的NOAA卫星数据及地面气象台站观测资料,建立了积雪深度遥感反演模型;利用线性混合光谱分解原理,研究了基于像元的积雪覆盖率及积雪空间分类算法;提出评价积雪对草地畜牧业危害程度的两种基于格网数据结构的定量化指数．结果表明,通过积雪深度反演模型和线性混合光谱分解方法可计算基于像元的积雪深度和覆盖率,提高积雪分类的精度．建立的基于格网单元的积雪危害指数模型可系统地表达积雪区的雪情、草情、畜情和气象因子的空间分布状况,综合反映积雪对草地畜牧业的危害程度。     

基于多端元光谱分解的干旱区植被覆盖度遥感反演

植被覆盖度是评价陆地生态系统状况与土地荒漠化程度的重要指标.利用环境一号(HJ-1)小卫星上搭载的新型高光谱传感器HSI获取的数据,通过纯净像元指数和端元平均均方根误差相结合的方法提取合适的端元光谱,然后基于多端元混合像元分解(MESMA)模型,反演了新疆石河子地区的植被覆盖度(FVC).通过与线性光谱分解(LSMA)模型反演结果以及地面样方数据进行比较,对HJ-1/HSI数据反演结果进行精度评价与光谱验证.结果表明:MESMA模型能对不同的像元选取不同端元组合,更接近实际情况,比LSMA模型能更好地提取植被覆盖度信息;与LSMA模型相比,MESMA模型反演的FVC值与地面实测数据的相关系数从0.766提高到0.838,均方根误差从0.375减少到0.196.     

基于实测光谱混合像元分解的苹果园地遥感提取技术

以山东省栖霞市为研究区,对苹果花期的TM影像进行混合像元分解,提取苹果园地信息.基于实测地物光谱端元,利用小波变换对线性分解模型进行改进,采用实测端元改进后线性分解模型、实测端元线性分解模型、TM影像端元线性分解模型分别提取研究区苹果园地信息,并以ALOS数据进行精度评价.结果表明:经过精确的大气及地形校正后,可以利用实测光谱端元进行混合像元分解,面积精度＞97％,对丰度图像的归一化植被指数(NDVI)值与ALOS数据的平均NDVI值进行回归分析,R2＞0.8;利用小波变换对线性分解模型进行改进,可在一定程度上提高分解精度.     

基于地-空遥感耦合的冬小麦叶片氮积累量估算

利用不同冬小麦生态区同步的SPOT-5多光谱遥感影像、地面光谱数据和植株取样数据,提出一种基于波谱响应函数拟合和混合像元分解的纯净像元光谱提取方法,并对比分析了纯净像元光谱、模拟像元光谱和实测像元光谱与冬小麦叶片氮积累量（LNA）的定量关系.结果表明： 模拟像元光谱对叶片氮积累量的反演效果较好,纯净像元光谱反演效果次之,实测像元光谱最差;但基于模拟像元光谱的LNA监测模型不能直接外推至空间尺度.模型检验结果表明,基于纯净像元光谱的LNA监测模型在2个小麦生态区均具有较好的精度和稳定性,该方法综合利用了地-空遥感的优点,可以推广应用到其他不同空间分辨率和光谱分辨率的遥感数据,从而为区域性冬小麦氮素营养状况的遥感监测提供技术依据.     

基于几何光学模型的毛竹林郁闭度无人机遥感定量反演

基于几何光学模型,探讨无人机遥感数据在毛竹林郁闭度定量反演中的应用,并分析了无约束和全约束两种混合像元分解对反演结果的影响.结果表明:利用无人机遥感数据与几何光学模型在一定程度上能够实现毛竹林郁闭度的估算,但不同混合像元分解方法反演精度差异较大;相对于无约束混合像元分解而言,全约束混合像元分解反演得到的郁闭度精度高,其反演郁闭度与野外实测数据的相关系数达显著水平,决定系数R2为0.63,且均方根误差也很小,为0.04左右,能够较真实地反映毛竹林的实际情况.     

基于MODIS混合像元分解的湖南省森林碳密度反演

随着遥感技术的快速发展,基于遥感影像和地面样地的方法成为目前森林碳密度估算的常用手段.然而由于混合像元的存在严重制约了区域森林碳密度反演精度的提高,特别是MODIS这种低空间分辨率影像.本研究以MODIS影像和固定样地为数据源,开展森林碳密度的反演研究.首先利用不带约束、带约束的线性分解和非线性分解3种方法进行混合像元分解,导出不同土地利用/覆盖类型的丰度图;然后采用结合和未结合丰度图的序列高斯协同模拟算法对湖南省森林碳密度进行反演.结果表明： 3种混合像元分解模型中,带约束线性分解估计的地物丰度精度最高（平均均方根误差0.002）,明显优于不带约束线性分解和非线性分解模型;通过将混合像元分解模型和序列高斯协同模拟算法结合,森林碳密度反演精度从74.1%提高到81.5%,均方根误差从7.26减小到5.18;2009年湖南省森林碳密度的平均值为30.06 t·hm^-2,变化范围介于0.00～67.35 t·hm^-2之间.这表明混合像元分解在提高区域和全球尺度森林碳密度反演精度方面显示出巨大的潜力.     

雪灾对草地畜牧业影响的评价模型及方法研究--以新疆阿勒泰地区为例

根据草地畜牧业的特点,建立了以草地、家畜、饲料储备和牧区人文经济为主体的四类三级雪灾评价指标体系。通过格栅获取法和模糊Borda数分析法,确定了指标体系各因素的权重,建立了雪灾对草地畜牧业影响的定量评价和雪灾损失计算模型。提出了以载畜量、受灾面积、积雪与牧草高度之比和气候为变量因子的不同等级雪灾损失指数模型。用模糊评价和德尔菲法相结合的方法,综合评价了雪灾对草地畜牧业的影响。结果表明：雪灾对草地畜牧业的有利影响度为0．481,不利影响度为6．8。以新疆阿勒泰地区为例,估算了该区2000年雪灾对草地畜牧业影响的综合评价值和损失率,取得了较好的效果。     

基于遥感和GIS的土地利用分类方法及其在土地退化程度分析中的应用——以陕西横山雷龙湾地区为例

基于陕西省横山县雷龙湾地区的遥感ETM＋影像,分别采用最大似然法和光谱角制图分类（SAM）方法进行了该区的土地利用类型分类。其中,光谱角制图分类利用最小噪声分离（MNF）及像元纯净指数（PPI）方法提取研究区的地类终端端元,在此基础上绘制土地利用类型图。最大似然法对水体及耕地的分类精度较高,而其它地类精度稍差,沙地有较大漏分;而基于像元纯净指数的光谱角制图法分类对沙地、水体分类效果较好,对建筑用地和非建筑用地区分度较高,但林地和草地有一定混分。根据研究区反照率影像、NDVI以及湿度图像构造了一个土地退化程度指数模型,并选择一定的系数对研究区的土地退化程度进行了分类,利用GIS软件成图输出。利用光谱角制图分类的纯净像元样本进行比较分析,发现土地退化程度指数与土地利用的相关性较强,表明该方法可以较好地反映当地的土地退化程度情况。     

干旱区荒漠稀疏植被覆盖度提取及尺度扩展效应

选择线性混合像元分解模型、亚像元模型、最大三波段梯度差法模型以及修正的三波段梯度差法的2个变异模型来提取植被覆盖度,结合地面实测数据,探讨了提取干旱区荒漠稀疏植被覆盖度信息的适宜模型,并以简单平均法模拟了不同尺度的覆盖度影像,通过尺度上推检验了模型在MODIS尺度上的反演效应.结果表明：线性混合像元分解模型反演覆盖度的精度高于其他模型,适于稀疏植被地区,但端元的正确选取较难,从而影响其运用;亚像元分解模型是一个通用模型,植被分类图越精细,通过亚像元分解模型得到的覆盖度精度越高,但这也同时意味着该模型需要测定大量的输入参数;最大三波段梯度差法的算法简单、易于操作,其在农田等中高植被覆盖区及裸土区的预测值与实测值接近,但对干旱区稀疏植被的估计精度偏低;修正后的三波段最大梯度差法模型在稀疏植被覆盖区的预测值与实测值基本一致,在不同尺度上反演的覆盖度信息与实测值的一致性较好.该方法可有效提取干旱区低覆盖度植被信息.     

灌丛化草原灌木和草本植物光谱特征差异及灌木盖度反演——以内蒙古镶黄旗为例

灌丛化草原已成为我国干旱、半干旱地区一种重要的植被类型,但目前有关灌丛化草原灌木和草本植物光谱特征以及灌木盖度的遥感反演研究鲜有报道。相比传统的野外调查方法,基于遥感影像的灌木盖度反演为实现长时间、大范围灌丛化草原灌木盖度监测提供了可能。该研究综合利用灌木和草本植物光谱特征差异以及季相差异,以内蒙古镶黄旗灌丛化草原区为例,通过线性模型和多端元混合光谱分解模型,实现了利用中分辨率Landsat卫星影像的灌木盖度反演。对镶黄旗优势灌木和草本植物群落的光谱特征分析表明,小叶锦鸡儿(Caragana microphylla)灌木群落的红边斜率、归一化植被指数和改进红边归一化植被指数值均高于以羊草(Leymus chinensis)、克氏针茅(Stipa krylovii)为优势种的草本植物群落,并且其红边位置有"红移"趋势。两种模型反演所得镶黄旗灌丛化草原区灌木盖度平均值均为13%,绝大多数区域灌木盖度低于25%。相比基于盛夏时节影像的多端元混合光谱分解模型,利用灌木和草本植物季相特征差异建立的基于初秋时节影像的线性模型更适合灌丛化草原灌木盖度的遥感反演。     

北方牧区草地资源分类经营机制与可持续发展

草地是畜牧业生产和生态保护的重要资源.在短期经济利益的驱动下造成北方牧区草地大面积退化和荒漠化、生产力下降、自我恢复能力降低、水土流失加剧和涵养功能减弱,对牧区经济发展、社会稳定和生态安全构成了威胁,严重影响着草地畜牧业的可持续发展.以新疆阿勒泰为例,依据草地资源的生产经济性能、生态服务价值重要性和季节放牧利用特征,构建了基于GIS 技术的草地生产力指数、草地生态服务价值指数和草地资源分类经营的功能分区模型,建立以主导功能和时空格局为主的草地资源分类经营调控机制,将阿勒泰牧区的草地从空间上划分为经济功能区、混合功能区和生态功能区.结果表明:(1)经济功能区,以获取最大的经济效益为目的,面积约648.69万hm2,占总可利用草地面积的65.8%,主要分布在平原荒漠;(2)生态功能区,以生态保护和社会效益为目的,面积约136.4万hm2,占总可利用草地面积的13.9%,主要分布在平原荒漠草原、山地草原、高寒草甸;(3)混合功能区,在适度利用条件下,生态效益与经济效益并重,面积约200.1万hm2,占总可利用草地面积的20.3%,主要分布在山地草原化荒漠、山地草甸草原、平地草甸、山地荒漠草原、山地草甸和高寒草原.通过对草地资源的分类经营,将畜牧业生产重心转向经济功能区,转移生态功能区的放牧家畜,减轻混合功能区的放牧压力,形成草地资源在功能、系统、时序和空间的耦合结构,实现牧区草地资源利用的可持续发展.     

基于土壤异质背景的玉米秸秆覆盖度遥感反演

玉米秸秆覆盖还田是东北平原当前大力推广的一种保护性耕作方式。区域作物秸秆覆盖度(CRC)的遥感估算可大范围快速获取耕地秸秆覆盖还田信息,对于政府监测和推广秸秆覆盖还田工作有重要作用。本研究以吉林省梨树县为研究区,基于Sentinel-2A卫星影像,选取归一化耕作指数(NDTI)、归一化秸秆指数(NDRI)、简单耕作指数(STI)和归一化差值指数(NDI7)4种光谱指数,建立光谱指数与玉米秸秆覆盖度的线性回归模型,进行秸秆覆盖度反演。结果表明: 研究区土壤背景空间异质性较强,对光谱指数回归模型影响显著,采用土壤质地分类(分区)分别建立回归模型的方法可提高反演精度。土壤背景空间异质性会增大模型估算误差;4种光谱指数与玉米秸秆覆盖度均有较强相关性,其中,NDTI和STI模型表现更好;基于NDTI和STI的分区线性回归模型验证R²为0.84、RMSE为13.3%,优于不分区的模型(R²为0.75,RMSE为16.5%),有效提升了反演精度。     

基于遥感估算方法的干旱区植被覆盖度适应性评价

与浓密植被覆盖区相比,半干旱、干旱地区因植被覆盖较少、空间分布零散的特点,致使利用遥感手段提取植被覆盖度(vegetation fractional coverage,VFC)的精度较低。针对上述问题,本文首先分别讨论了回归模型法、像元二分法和混合像元分解法3种典型的VFC提取方法在干旱区VFC反演应用中的适应性及限制性因素;然后通过分析干旱区纯土壤端元植被指数值(NDVIs)对植被覆盖度的敏感性,将基于地面光谱测量的NDVIs应用于传统方法进行改进,以新疆大黄山典型干旱区为例,使用Landsat-8 OLI数据,进行植被覆盖度反演实验,最后使用实测VFC数据对反演结果进行精度验证。验证结果表明:基于混合像元分解理论的全约束最小二乘法在干旱区植被覆盖度的反演精度最高,反演值与实测值间的相关性(R~2)达到0.989,其次为改进的像元二分法(R~2=0.848)和回归模型法(R~2=0.827)。     

植被叶片及冠层层次含水量估算模型的建立

利用LOPEX'93数据库中7个鲜叶片含水量(Cw)和光谱反射率实测数据,基于光谱指数法,在叶片层次,用47个随机样本建立Cw与不同光谱指数的统计模型,并用另外20个样本验证.结果表明,Cw的两种表征形式相对含水量FMC和等价水深EWT在提取叶片Cw时差异较大,EWT与各光谱指数的相关性较FMC高,但FMC对叶片Cw的反演精度高于EWT.而反演精度更高的是基于最优子集回归建立的光谱指数线性模型.Ratio₉₇₅是叶片层次提取Cw的普适光谱指数.冠层层次,利用PROSPECT+SAILH耦合模型,模拟在不同叶面积指数LAI和Cw下的冠层光谱.为了剔除背景影响,更好地提取冠层Cw,提出用近红外和短波红外波段反射率构造土壤可调节水分指数(SAWI),该指数与其他光谱指数的比值能明显地剔除土壤背景影响,更准确地提取冠层Cw.Ratio₉₇₅的改进型光谱指数(Ratio₉₇₅-0.9)/(SAWI+0.2)能用来提取叶面积指数LAI从0.3到8.0,Cw从0.0001cm到0.07cm的冠层Cw,研究表明精度较高.     

多尺度遥感数据协同的干旱地区植被覆盖度提取

纯植被像元获取是植被覆盖信息遥感反演的必要环节。干旱地区植被分布零散稀疏,使用中、低分辨率遥感数据提取植被覆盖度时,难以获取纯植被像元,致使植被覆盖度提取精度较低。针对上述问题,本文提出一种基于多尺度遥感数据协同的干旱区植被覆盖度反演方法。该方法利用空间分辨率较高的Landsat-8 OLI数据确定纯植被像元,考虑到不同传感器之间的光谱差异,使用实测地物光谱数据进行光谱转换,代替中等分辨率MODIS数据的纯植被像元,应用于像元二分模型,选择典型的干旱区新疆阜康市为研究区,进行植被覆盖度反演实验,最后使用无人机航拍影像对反演结果进行精度验证。结果表明,植被覆盖度反演结果精度较高,与实测值间存在较高的相关性(R2=0.75),均方根误差较低(RMSE=0.10)。该方法能够有效提高干旱区植被覆盖度反演精度,可为利用中低分辨率数据研究干旱地区生态环境变化提供一种新思路。     

基于机器学习算法的草地地上生物量估测——以祁连山草地为例

草地地上生物量（Aboveground Biomass,AGB）是指导畜牧业生产管理的重要指标,是草畜平衡综合分析的基础。目前,有关祁连山草地AGB反演的研究较少,且多源数据间的尺度差异问题并未得到很好的解决。为了解祁连山草地AGB的空间分布状况,利用Sentinel-2多光谱数据、无人机（Unmanned Aerial Vehicle,UAV）数据以及2021年植被生长期实测草地AGB数据实现了空天地一体化监测,通过决策树回归（Decision Tree Regression,DTR）、随机森林回归（Random Forest Regression,RFR）、梯度提升决策回归树（Gradient Boosting Regression Tree,GBRT）以及极致梯度提升（eXtreme Gradient Boosting,XGBoost）共4种算法反演草地AGB的适用性分析,利用最优模型反演了祁连山草地的AGB空间分布状况。结果表明：研究区内多种植被指数所表现出的特性有所差异。祁连山地区AGB在空间分布上呈现出由西北向东南递增的趋势,平均AGB为925.43kg/hm²。6种植被指数与实测AGB之间均表现为显著正相关,适合作为祁连山草地AGB遥感反演的指标;XGBoost模型较其它模型具有最高的R²值（0.78）和精度（74.75%）、最低的均方根误差（RMSE,99.74 kg/hm²）和平均绝对误差（MAE,71.60 kg/hm²）,模型反演效果最好;UAV数据能够提供更加详细的空间细节特征,减小Sentinel-2数据和实地采样数据间的尺度差异;因此,基于6种植被指数与祁连山草地AGB间的相关性,构建XGBoost模型反演研究区草地AGB空间分布状况是具有实践意义的。研究结果将为指导祁连山草地畜牧业的发展和维护草地生态系统的平衡提供一定的参考价值与数据支撑。     

青海省牧草产量的遥感估算及其时空分布规律

以青海省为例,基于植被指数(NDVI)和地面实测资料建立了不同草地类型的牧草产量遥感估算模型,并利用地面实测资料对模型精度进行了检验。结果表明,所有模型拟合结果良好(R2≥0.67),精度较高,能够对牧草产量进行动态监测;基于建立的牧草产量遥感估算模型,反演了青海省2004年5~8月基于像元尺度的月牧草产量分布图,并对牧草产量的空间分布特征、时间演变规律进行了详细分析。研究表明,青海省牧草产量空间分布主要与草地类型密切相关,同时也与其地貌、土壤和气候特征有关,而牧草产量的年内季节变化则主要与牧草生长及气候变化规律有关。     

基于高光谱混合像元分解的干旱地区稀疏植被覆盖度估测

以Hyperion高光谱影像为数据源,选取流沙、假戈壁(影像端元)及荒漠植被(实测光谱端元)3种端元,利用非受限及全受限的混合像元分解对甘肃省民勤绿洲-荒漠过渡带的稀疏植被覆盖度进行了估测.结果表明:全受限混合像元分解得到的荒漠植被分量准确地代表了地表真实稀疏植被覆盖情况,两者之间的偏差不超过5%、均方根误差RMSE为3.0681;而非受限的混合像元分解结果则明显小于地面实测植被覆盖度,两者之间虽具有一定相关性,但相关性不高(R2=0.5855);与McGwire等的相关研究相比,全受限混合像元分解对稀疏植被覆盖度的估测具有更高的精度及可靠性,具有广阔的应用前景.     

基于不同空间尺度遥感影像估算森林叶面积指数的差异

地面测量点对遥感像元的代表性如何,怎样获取像元的相对真值,多大的空间分辨率可以真实地反映森林区域的叶面积指数(LAI),这些都是定量遥感中的重要问题.本研究计算LAI-2200和TRAC两种冠层分析仪测量的空间范围,并结合GF-2(4.1 m)、Sentinel-2(10 m)、Landsat-8(30 m)3种不同空间分辨率遥感影像,找到各尺度下像元的相对真值,在保持真值观测面积和遥感获取面积一致的条件下,基于一元指数和多元回归模型,对比分析不同空间分辨率影像对估算森林LAI的影响,并对3种影像模型进行30和100 m尺度下的检验以及各自数据集的空间代表性评价,比较得出最适合表达研究区域森林LAI的尺度.结果表明:对于森林来说,高分辨率并不一定能充分反映森林LAI.基于3种分辨率影像的统计模型都能很好地估测森林LAI,其中,基于Sentinel-2的反演精度最高,基于GF-2的反演精度最低.30和100 m尺度下的检验结果表明,基于GF-2反演模型高估了森林LAI,基于Landsat-8的反演模型低估了森林LAI,基于Sentinel-2分辨率的统计模型可以很好地估测研究区域森林LAI.     

辐射传输模型多尺度反演植被理化参数研究进展

植被是生态系统最重要的组成成分之一,许多与植被有关的物质能量交换过程都与植被的理化参数密切相关,因此定量估算植被的理化参数含量对监测植被生长状况、森林火灾预警以及研究全球碳氮循环过程等都具有重要意义.在众多定量反演植被理化参数的方法中,基于数学、物理学以及生物学的基本理论建立起来的辐射传输模型受到越来越多的关注.辐射传输模型描述了植被与入射辐射之间的相互作用过程和特征,相对于传统的经验/半经验方法,辐射传输模型物理意义明确,具有稳定性和可移植性强的特点.在分析国内外最新相关研究的基础上,首先从植被叶片、冠层和像元3个不同的尺度阐述反演植被理化参数的辐射传输模型.叶片尺度上主要介绍PROSPECT模型和LIBERTY模型;冠层尺度上主要介绍SAIL冠层辐射传输模型以及PROSPECT与SAIL耦合的PROSAIL叶片-冠层辐射传输模型;像元尺度的植被理化参数反演目前主要采用冠层尺度的辐射传输模型.其次,分析尺度变化下植被理化参数遥感反演所面临的主要问题,如不同尺度下模型参数敏感性的变化、辐射传输模型的选取以及混合像元的影响等.最后,总结展望植被理化参数反演多模型与多种数据源相互结合的研究趋势,以及将来具有高空间分辨率的高光谱遥感卫星升空后所带来的发展前景.