基于植被指数的典型草原区生物量模型——以内蒙古锡林浩特市为例

利用遥感估测地上生物量是国内外生态学与地理学的研究热点。但基于植被指数的生物量回归模型结果差异较大,究竟哪种植被指数与哪种模型更适合典型草原的生物量反演,是现代草地遥感急需解决的问题之一。该文基于TM影像数据的不同植被指数(VI)差异性,分别选取了RVI(比值植被指数)、NDVI(归一化差异植被指数)、SAVI(土壤调节植被指数)、MASVI(修改型土壤调整植被指数)和RSR(简化比率植被指数)5种植被指数,与同期的内蒙古典型草原区地面实测地上生物量做相关分析,分别建立了5种植被指数与地上生物量的线性及3种非线性(对数、二次多项式、三次多项式)回归模型。研究结果表明:对于中国北方典型草原区而言,地上生物量与5种植被指数(RVI、NDVI、SAVI、MSAVI和RSR)均呈现出显著相关,但地上生物量与后4种植被指数是正相关,与RVI为负相关;利用5种植被指数(RVI、NDVI、SAVI、MSAVI和RSR)监测草地植被生物量的复相关系数均大于0.6,充分说明利用植被指数检测典型草原生物量是一种简单可行的方法;NDVI建立的生物量回归模型,其复相关系数大于其它4类植被指数(RVI、SAVI、MSAVI和RSR),说明NDVI-生物量模型优于植被指数RVI、SAVI、MSAVI和RSR 模型,其模拟地表生物量的效果好;对于TM影像来说,植被生物量的线性模型与3种非线性模型(三次多项式生物量模型、二次多项式生物量模型、对数模型)都表现出较好的模拟效果,都通过了0.01的显著性检验,而且该研究的结果显示出三次多项式生物量回归模型最优,其次是二次多项式生物量模型,再次是线性模型,相对较差的是对数模型。通过NDVI-生物量三次多项式回归模型模拟锡林浩特草原的生物量,可以看出整个研究区的地上生物量基本上是东高西低、东南高西北低的趋势,这与研究区的地形、气候及土地利用等多种因素有关。     

基于高光谱遥感的小麦叶干重和叶面积指数监测

生物量和叶面积指数(LAI)是描述作物长势的重要参数, 叶干重和LAI的实时动态监测对小麦(Triticum aestivum)生长诊断和管理调控具有重要意义。为分析多种高光谱参数估算小麦叶干重和LAI的效果, 建立小麦叶干重和LAI的定量监测模型, 该研究连续3年采用不同小麦品种进行不同施氮水平的大田试验, 于小麦不同生育期采集田间冠层高光谱数据并测定叶片叶干重和LAI。试验结果显示, 小麦叶干重和LAI随施氮水平的提高而增加, 随生育进程呈单峰动态变化模式。小麦叶干重和LAI与光谱反射率间相关性较好的区域主要位于红光波段(590~710 nm, r<-0.60)和近红外波段(745~1 130 nm, r>0.69)。对于不同试验条件下的叶干重和LAI, 可以使用统一的光谱参数进行定量反演, 其中基于RVI (810, 560)、FD755、GM1、SARVI (MSS)和TC3等光谱参数的方程拟合效果较好。经不同年际独立试验数据的检验表明, 以参数RVI (810, 560)、GM1、SARVI (MSS)、PSSRb、(R_750-800/R_695-740) -1、VOG2和MSR705为变量建立的叶干重和LAI监测模型均给出较好的检验结果。因此, 利用关键特征光谱参数可以有效地评价小麦叶片生长状况, 尤其是光谱参数RVI (810, 560)、GM1和SARVI (MSS)可以对不同条件下小麦叶干重和LAI进行准确可靠的监测。     

祁连山区青海云杉林冠层叶面积指数的反演方法

叶面积指数(Leaf area index, LAI)是陆地生态系统的一个十分重要的结构参数。随着空间精细化模型的发展和基于过程的分布式模拟技术的应用, 对LAI的区域估算显得越来越重要, 但目前尚缺乏有效的估算手段。该项研究以青海云杉(Picea crassifolia)林为研究对象, 利用LAI-2000冠层分析仪、鱼眼镜头法和经验公式法对林冠层LAI进行了测定, 观测值分别为1.03~3.70、0.48~2.26和2.27~8.20, 显然, 仪器测定值偏低。针对针叶的集聚效应导致仪器测定值偏低的现象, 利用跟踪辐射与冠层结构测量仪(TRAC)测定的青海云杉林聚集系数计算调整系数, 对鱼眼镜头法获取的LAI值进行订正。根据高分辨率的遥感数据反演青海云杉林的植被指数与LAI的关系, 最后获得了较合理的该地区林冠层LAI的空间分布图。     

利用遥感技术实现作物模拟模型区域应用的研究进展

作物模拟模型从单点发展到区域应用时,模型中一些宏观资料的获取和参数的区域化方面出现困难,利用遥感技术将实现作物模拟模型的区域应用．文中综述了近年来遥感反演作物模型所需的地表生物物理参数的方法、利用遥感信息直接获取生物量的途径和遥感信息与作物模拟模型之间时空匹配问题等方面的研究概况,重点介绍了利用遥感技术实现作物模拟模型区域应用的3种解决方案(强迫型、调控型和验证型)及其研究进展,并讨论了目前存在的问题和今后研究的方向．     

基于物候相机归一化植被指数估算高寒草地植物地上生物量的季节动态

准确评估地上生物量对优化草地资源管理和理解草地碳、水和能量平衡具有重要意义。该文通过近地遥感归一化植被指数(NDVI)构建最优经验模型, 对青藏高原高寒草地地上生物量进行估算。该文利用2018-2019年5-9月野外实测的地上生物量和植物冠层光谱仪(RapidSCAN)测定的NDVI_RS数据, 构建了生长季不同时期地上生物量的估算模型; 并结合2018年NetCam物候相机测定的NDVI_Cam时间序列数据, 实现地上生物量季节动态的模拟。主要结果: (1) NDVI_Cam、NDVI_RS与地上生物量具有相似的单峰型季节变化格局, 但NDVI峰值出现的时间(7月)较地上生物量(8月)更早; (2)基于NDVI的生物量估算最优经验模型在5、7和9月是幂函数, 在6和8月是二次多项式, 估算精度为0.29-0.77; (3)基于NDVI_Cam时间序列数据, 生长季不同时期建模(R² = 0.91)较单一时期(9月)建模(R² = 0.49)对地上生物量季节动态的估算更为准确。这些结果表明, 近地遥感是估算高寒草地植物地上生物量的有效手段, 开展季节性植物生长调查将有助于准确评估草地资源。     

利用直接法和间接法测定针阔混交林叶面积指数的季节动态

利用光学仪器法能够快速、高效地测定森林生态系统的叶面积指数(leaf area index, LAI)。然而, 评估该方法测定针阔混交林LAI季节动态准确性的研究较少。该研究基于凋落物法测定了小兴安岭地区阔叶红松(Pinus koraiensis)林LAI的季节动态, 其结果可代表真实的LAI。参考真实的LAI, 对半球摄影法(digital hemispherical photography, DHP)和LAI-2000植物冠层分析仪测定的有效叶面积指数(effective LAI, L_e)进行了评估。首先对DHP测定LAI过程中采用的不合理曝光模式(自动曝光)进行了系统校正。同时, 测定了光学仪器法估测LAI的主要影响因素(包括木质比例(woody-to-total area ratio, α)、集聚指数(clumping index, Ω_E)和针簇比(needle-to-shoot area ratio, γ_E))的季节变化。结果表明: 3种不同方法测定的LAI均表现为单峰型的季节变化, 8月初达到峰值。从5月至11月, DHP测定的L_e比真实的LAI低估50%-59%, 平均低估55%; 而LAI-2000植物冠层分析仪测定的L_e比真实的LAI低估19%-35%, 平均低估27%。DHP测定的L_e 经过自动曝光, α、Ω_E和γ_E校正后, 精度明显提高, 但仍比真实的LAI低估6%-15%, 平均低估9%; 相对而言, LAI-2000植物冠层分析仪测定的L_e经过α、Ω_E和γ_E校正后, 精度明显提高, 各时期与真实的LAI的差异均小于9%。研究结果表明, 考虑木质部和集聚效应对光学仪器法的影响后, DHP和LAI-2000植物冠层分析仪均能相对准确地测定针阔混交林LAI的季节动态, 其中, DHP的测定精度高于85%, 而LAI-2000植物冠层分析仪的测定精度高于91%。     

基于光合产物动态分配的玉米生物量模拟

光合产物分配是作物生长发育及生物量形成的关键环节,也是作物生长模拟的重要内容.本研究依据光合产物分配机理,结合玉米不同生长阶段的光合产物分配特点,构建了玉米光合产物分配模型.与WOFOST模型的CO₂同化模块相结合,实现了对玉米各器官生物量动态的逐日模拟.利用锦州农田生态系统野外观测站5年的春玉米大田试验资料对模拟效果进行了验证.结果表明: 模型能解释总生物量变化的95.4%;对营养器官生物量变化的解释率达87.0%;对叶、根、茎生物量变化的解释率分别达85.3%,67.9%和76.5%;对穗生物量变化的解释率达87.5%.模型可实现玉米各器官的生物量动态的准确模拟.     

WOFOST模型在内蒙古河套灌区模拟玉米生长全程的适应性

在河套灌区引入成熟的作物模型并进行适应性验证,可为进一步开展玉米生长监测及估产提供依据和基础。本文利用河套灌区巴彦淖尔农业气象试验站2012年玉米观测数据,结合当地气象、土壤资料对荷兰瓦赫宁根大学开发的WOFOST模型进行参数校准,并利用2013年玉米观测数据和2001—2011年农业气象观测资料对模型的区域适用性进行验证,获得了玉米的基本作物参数,包括各发育阶段比叶面积、最大CO2同化率、单叶光能利用率等。结果表明:通过校准作物参数,WOFOST模型可以较好地模拟LAI扩展、生物量的动态积累过程,LAI、各器官生物量及最终产量的模拟值与实测值吻合较好;独立样本检验中,模型模拟LAI的绝对偏差平均值为0.75,叶生物量、茎生物量、贮存器官生物量、地上部总生物量、产量的归一化均方根误差分别为33%、26%、17%、18%和13%;模拟2001—2011年玉米产量的归一化均方根误差为7.5%。参数校准后的模型对LAI、各器官生物量、产量的模拟结果较为符合实际,WOFOST模型能够适用于河套地区玉米生产过程生理、生态因子诊断、评估等。     

塔里木河下游河岸带植被的空间结构特征

揭示我国内陆河流域下游河岸带植被的空间结构特征, 对于了解我国西北干旱区荒漠河岸带植被的空间分布规律、指导荒漠化治理和内陆河水资源管理具有重要意义。该研究基于野外大范围植被调查数据支持下的遥感监督分类方法, 利用Landsat-8 OLI遥感数字图像, 辨识了塔里木河下游柽柳(Tamarix spp.)灌丛、胡杨(Populus euphratica)疏林和芦苇(Phragmites australis)草地3类主要的河岸带植被, 并利用建立的叶面积指数(LAI)遥感反演经验模型反演了研究区柽柳灌丛和胡杨疏林的叶面积指数, 旨在从区域尺度和总体趋势上分析荒漠河岸带植被的空间结构和分布特征。结果表明: 在有详细地物资料的基础上, 遥感监督分类可以作为一种干旱区荒漠河岸带植被分类的有效方法; 遥感分类结果显示塔里木河下游胡杨疏林分布面积约336.4 km², 柽柳灌丛约为405.3 km², 胡杨疏林总体更靠近河道, 柽柳灌丛分布范围更广; 河岸带植被LAI整体很低, 柽柳灌丛和胡杨疏林平均LAI值分别为0.253和0.252, LAI小于0.5的植被对应面积分别占柽柳灌丛和胡杨疏林总面积的92.4%和90.1%, 表明了塔里木河下游荒漠河岸植被空间上稀疏分布的特征; 统计结果显示, 河岸带植被结构存在巨大的空间变异性, 其中胡杨疏林比柽柳灌丛的空间变异性更大; 河岸带植被LAI随距河道距离呈现显著负指数分布规律, 在离河道1 km范围内LAI随离河道距离快速下降, 而1 km外区域叶面积指数普遍低于0.1, 表明植被主要分布在河道两侧1 km范围内。整体稀疏的空间分布、显著的空间变异性, 以及由LAI体现的植被盖度随距河道距离的负指数下降规律是荒漠河岸带植被空间结构的3个基本特征。     

中国陆地植被净初级生产力遥感估算

该文在综合分析已有光能利用率模型的基础上,构建了一个净初级生产力(NPP)遥感估算模型,该模型体现了3方面的特色:1)将植被覆盖分类引入模型,并考虑植被覆盖分类精度对NPP估算的影响,由它们共同决定不同植被覆盖类型的归一化植被指数(NDVI)最大值;2)根据误差最小的原则,利用中国的NPP实测数据,模拟出各植被类型的最大光能利用率,使之更符合中国的实际情况;3)根据区域蒸散模型来模拟水分胁迫因子,与土壤水分子模型相比,这在一定程度上对有关参数实行了简化,使其实际的可操作性得到加强。模拟结果表明,1989~1993年中国陆地植被NPP平均值为3.12 Pg C (1 Pg=10¹⁵ g),NPP模拟值与观测值比较接近,690个实测点的平均相对误差为4.5%;进一步与其它模型模拟结果以及前人研究结果的比较表明,该文所构建的NPP遥感估算模型具有一定的可靠性,说明在区域及全球尺度上,利用地理信息系统技术将遥感数据和各种观测数据集成在一起,并对NPP模型进行参数校正,基本上可以实现全球范围不同生态系统NPP的动态监测。     

基于多源遥感数据的大豆叶面积指数估测精度对比

近年来遥感技术的革新促使遥感源越来越丰富.为分析多源遥感数据的叶面积指数(LAI)估测精度,本文以大豆为研究对象,利用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合地面实测LAI构建经验回归模型,比较3类遥感数据(地面高光谱数据、无人机多光谱影像以及高分一号WFV影像)对大豆LAI的估测能力,并从传感器几何位置和光谱响应特性以及像元空间分辨率三方面分析讨论了3类遥感数据的LAI反演差异.结果表明： 地面高光谱数据模型和无人机多光谱数据模型都可以准确预测大豆LAI(在α=0.01显著水平下,R²均>0.69,RMSE均<0.40);地面高光谱RVI对数模型的LAI预测能力优于无人机多光谱NDVI线性模型,但两者差异不大(E_A相差0.3%,R²相差0.04,RMSE相差0.006);高分一号WFV数据模型对研究区内大豆LAI的预测效果不理想(R²<0.30,RMSE>0.70).针对星、机、地三类遥感信息源,地面高光谱数据在反演LAI方面较传统多光谱数据有优势但不突出;16 m空间分辨率的高分一号WFV影像无法满足田块尺度作物长势监测的需求;在保证获得高精度大豆LAI预测值和高工作效率的前提条件下,基于无人机遥感的农情信息获取技术不失为一种最佳试验方案.在当今可用遥感信息源越来越多的情况下,农业无人机遥感信息可成为指导田块精细尺度作物管理的重要依据,为精准农业研究提供更科学准确的信息.     

基于数据同化的哈佛森林地区水、碳通量模拟

模型模拟和站点观测是陆地生态系统水、碳循环研究最主要的两种手段,但各有优势和不足,若二者相互结合,则能更准确地反映生态系统水、碳通量的动态变化.数据同化为模型与观测结合提供了一条有效的途径.本文采用哈佛森林环境监测站相关数据,利用集合卡曼滤波同化算法,将实测叶面积指数(LAI)和遥感LAI同化进入Biome BGC模型中,对该地区水、碳通量进行模拟.结果表明：与未同化模拟相比,将1998、1999和2006年实测LAI数据同化后,模型模拟碳通量(NEE)与通量观测NEE的决定系数(R²)平均提升8.4%;蒸散发(ET)的R²平均提升10.6%;NEE的绝对误差和(SAE)和均方根误差(RMSE)平均下降17.7%和21.2%,ET的SAE和RMSE平均下降26.8%和28.3%.将2000-2004年MODIS LAI 产品与模型同化后,NEE、ET模拟值与观测值间的R²分别提升7.8%和4.7%;NEE的SAE和 RMSE分别下降21.9%和26.3%,ET的SAE和 RMSE分别下降24.5%和25.5%.无论实测LAI还是遥感观测LAI,同化进入模型都能不同程度地提高水碳通量的模拟精度.     

基于遥感与模型耦合的冬小麦生长预测

遥感的空间性、实时性与作物生长模型的过程性、机理性优势互补,将两者有效耦合已成为提高作物生长监测预测能力的重要手段之一。提出了一种基于地空遥感信息与生长模型耦合的冬小麦预测方法,该方法基于初始化/参数化策略,以不同生育时期的小麦叶面积指数(LAI)和叶片氮积累量(LNA)为信息融合点将地面光谱数据(ASD)及HJ-1 A/B CCD、Landsat-5 TM数据与冬小麦生长模型(WheatGrow)耦合,反演得到区域尺度生长模型运行时难以准确获取的部分管理措施参数(播种期、播种量和施氮量),在此基础上实现了对冬小麦生长的有效预测。实例分析结果表明,LNA较LAI对模型更敏感,以之作为耦合点的反演效果较好。另外,抽穗期是遥感信息与生长模型耦合的最佳时机,对播种期、播种量和施氮量反演的RMSE值分别达到5.32 d、14.81 kg/hm²、14.11 kg/hm²。生长模型与遥感耦合后的模拟结果很好地描述了冬小麦长势和生产力指标的时空分布状况,长势指标的模拟相对误差小于0.25,籽粒产量模拟的相对误差小于0.1。因此研究结果可为区域尺度冬小麦生长的监测预测提供重要理论依据。     

林地叶面积指数遥感估算方法适用分析

叶面积指数是与森林冠层能量和CO2交换密切相关的一个重要植被结构参数,为了探讨估算林地叶面积指数LAI的遥感适用方法和提高精度的途径,利用TRAC仪器测定北京城区森林样地的LAI,从Landsat TM遥感图像计算NDVI、SR、RSR、SAVI植被指数,分别建立估算LAI的单植被指数统计模型、多植被指数组合的改进BP神经网络,获取最有效描述LAI与植被指数非线性关系的方法并应用到TM图像估算北京城区LAI。结果表明,单植被指数非线性统计模型估算LAI的精度高于线性统计模型;多植被指数组合神经网络中,以NDVI、RSR、SAVI组合估算LAI的精度最高,估算值与观测值线性回归方程的R2最高,为0.827,而RMSE最低,为0.189,神经网络解决了多植被指数组合统计模型非线性回归方程的系数较多、较难确定的问题,可较为有效的应用于遥感图像林地LAI的估算。     

基于WOFOST作物生长模型的冬小麦干旱影响评估技术

为了反映作物与干旱的相互关系,人为再现干旱灾害对作物产量的影响程度,选择华北地区冬小麦干旱灾害为研究对象,对作物生长模型WOFOST在区域上进行适应性进行分析、检验的基础上,然后利用区域作物模型实现干旱灾害对作物影响定量分析和动态评估。以减产率和气象条件作为灾害严重程度划分的标准,利用数值模拟试验,确定导致减产的主要气象因子及其量值,对研究区干旱灾害进行影响评估,包括典型灾害年份影响评估和年代际灾害影响评估,并给出了评估结果。     

基于更新和同化策略相结合的遥感信息与水稻生长模型耦合技术的研究

将遥感与作物模型耦合有利于提高作物模型在区域尺度应用时的精度。基于集合平方根滤波算法(Ensemble Square RootFilter,EnSRF)和粒子群优化算法(Particle Swarm Optimization,PSO),以叶面积指数(Leaf Area Index,LAI)和叶片氮积累量(Leaf Nitrogen Accumulation,LNA)共同作为同化耦合点和过程更新点,将同化与更新策略相结合,研究建立了基于遥感信息与水稻生长模型(RiceGrow)耦合的水稻生长与产量预测技术。结果表明,将更新和同化策略结合后,利用RiceGrow模型模拟的水稻生长指标和产量结果更接近于实测值。其中LAI、LNA和产量与实测值间的RMSE分别为0.94、0.47 g/m2和320.15 kg/hm2;RiceGrow模型直接模拟LAI、LNA和产量的RMSE为1.25、1.24 g/m2和516.83 kg/hm2;而单纯基于同化策略模拟LAI、LNA和产量的RMSE为1.01、0.59 g/m2和335.70 kg/hm2。此外,基于该技术的模型区域尺度预测结果能较好地描述水稻生长和产量的时空分布状况,生长指标及区域总产量的模拟相对误差均小于20%。显示基于更新和同化策略相结合的遥感与模型耦合技术具有较高的预测精度,从而为区域尺度作物生长和产量预测提供了技术支撑。     

华北地区油松林生态系统对气候变化和CO2浓度升高的响应——基于BIOME-BGC模型和树木年轮的模拟

应用BIOME-BGC模型和树木年轮数据模拟1952-2008年华北地区典型油松林生态系统净初级生产力（NPP）动态,探究了树木径向生长和NPP对区域气候变暖的响应以及未来气候情景下油松林生态系统NPP动态变化.结果表明：1952-2008年,研究区油松林生态系统NPP波动于244.12～645.31 g C·m^-2·a^-1,平均值为418.6 g C·m^-2·a^-1.5-6月的平均温度和上年8月至当年7月的降水是限制该地区油松径向生长和油松林生态系统NPP的主要因子.研究期间,随着区域暖干化趋势的加强,树木径向生长和生态系统NPP均呈下降趋势.未来气候情景下,NPP对温度和降水的单独和复合变化的响应为正向.CO₂浓度升高有利于油松林生态系统NPP的增加,CO₂的施肥效应使NPP增加16.1%.在生态系统和区域水平,树木年轮是一种理想的指示生态系统动态变化的代用资料,可以检验和校正包括BIOME-BGC模型在内的各种生态系统过程模型.     

基于辐射和温度热效应的温室水果黄瓜叶面积模型

依据温室黄瓜(Cucumis sativus)叶片生长与温度和辐射的关系,构建了适合我国种植技术的黄瓜叶面积模拟模型,并利用不同品种、播期的试验资料对模型进行了检验。结果表明,该模型比传统的积温法和比叶面积法更准确地模拟温室水果黄瓜的叶面积。该模型对黄瓜叶面积指数的模拟结果与1∶1直线之间的决定系数R²和回归估计标准误差RMSE分别为0.879 2和0.398 0,比用积温法和比叶面积法模拟叶面积指数的精度分别提高了37%和74%。