基于多源遥感数据的荒漠植被覆盖度估测

以塔里木河下游为靶区,根据地面调查和不同分辨率的多源遥感数据,逐级建立荒漠植被覆盖度遥感估测模型,并对不同模型、不同估测方法的估测精度进行比较.结果表明: 随着遥感数据空间分辨率的提高,植被覆盖度遥感估测模型精度增加;基于高分辨率、中高分辨率及中低分辨率遥感数据建立的植被覆盖度模型的估测精度分别为89.5%、87.0%和84.6%;遥感模型法的估测精度高于植被指数法.不同分辨率遥感数据估测荒漠植被覆盖度的精度变化规律,实现了荒漠植被覆盖度估测的高、中、低分辨率遥感数据参数及尺度的定量转换,可为研究区生态恢复遥感综合监测方案的制定和实施提供直接依据.     

内蒙古锡林郭勒盟草原产草量动态遥感估算

草原产草量的监测是草地资源空间动态研究的重要衡量指标,是草地资源合理利用和载畜平衡监测的重要依据.基于371个样地调查数据和2005～2009年的MODIS-NDVI遥感数据,建立地面样方的产草量与遥感数据的关系模型,模拟分析了内蒙古锡林郭勒盟草原产草量的时空分布.结果表明：（1）建立的各模型方程均有较好的相关关系,其中幂函数的相关关系最优,通过预留样方数据的验证,模型精度为78%,幂函数模型作为遥感估测应用可行;（2）锡林郭勒盟草原的产草量5年平均为3455万吨,折合干草总量为1112万吨,平均单产为567.23kg/hm2,草原产草量的空间分布呈东高西低的格局;（3）2005～2009年,锡林郭勒盟草原产草量有明显的波动,干草变化范围为800～1400万吨,变异系数为20.42%;（4）不同草地类型的产草量及其年际间变化存在较大的差异,荒漠类草原产草量低,年际间变化较大;草甸类草原产草量高,年际间变化相对较小.草原产草量的时空变化还与降水量、气温等主要气候因素关系密切,特别是受降水量的时空变化影响显著.研究结果可以为中国草地资源的保护及合理利用提供参考依据.     

基于RS和GIS的毛乌素沙地植被盖度定量估测

选取毛乌素沙地东北部的伊金霍洛旗为研究区域,以少量野外定位调查数据与其对应的遥感信息和GIS信息为基础,利用岭估计分析方法,对植被盖度估测模型及其影响因子进行系统研究.结果表明,植被盖度除受NDVI影响外,还与其他遥感信息紧密相关,岭估计方法明显地改善了最小二乘估计的缺陷,克服了变量间由于存在复共线性关系对求解待定参数所造成的不利影响,提高了估测精度.建立了以像元为单位的植被盖度估测模型,其模型检验精度达98.7%.此外,还建立了区域性植被盖度地理信息系统,实现了研究区域内任意一点(像元)或任意土地单元植被盖度的查询、更新及自动制图.     

西藏自治区草地地上生物量遥感反演研究

草地地上生物量（Aboveground Biomass,AGB）是反映草地生态系统功能和质量的关键指标,大尺度地准确估算草地AGB对草地生态系统经营管理至关重要。研究以MODIS影像为数据源,提取反射率、植被指数和植被产品三种不同类型的特征变量,结合野外实测样地草地AGB数据,构建以多元线性逐步回归为代表的参数模型以及随机森林、支持向量机和kNN等非参数模型进行西藏自治区草地AGB估测及空间分布制图。结果表明：（1）多元线性逐步回归、随机森林、支持向量机和kNN模型在加入植被产品特征变量后,RMSE分别降低了15.8%、13.5%、4.1%和17.3%,表明植被产品作为建模变量用于草地AGB估测可有效提高模型精度;（2）三种组合变量构建的草地AGB估测模型中,反射率、植被指数、植被产品组合构建的模型效果最佳,其中kNN模型估测精度最高,R²达到0.60,RMSE和MAE分别为0.43、0.34 t/hm²;（3）草地AGB空间分布呈现出西北地区较低、中部地区较高且分布形态较破碎和东部地区较高的变化特征;（4）利用MODIS植被产品结合kNN模型的预测值与草地实测的AGB空间分布趋势基本一致。综上,MODIS植被产品结合kNN模型可作为大尺度区域草地AGB遥感估测的有效参考。     

北京百花山旅游活动与植被环境的关系

通过实地取样并选取植被景观特征指标,分析百花山旅游植被景观特征与环境因子的关系。结果表明,自然因子对植被景观特征的影响较小,但各植被景观特征值大都与其有一定的相关性。在人文因子中,游径宽度和伴人种比值与生态效应值形成显著负相关,说明植被景观受人为活动影响较大。由此可见,山岳型景区开展生态旅游时必须加强生态旅游的规划和管理,尽可能减少人为因素对植被景观的影响。     

芦芽山生态旅游植被景观特征与地理因子的相关分析

自然保护区是生态旅游的好去处。植被景观不仅仅是其重要的风景,而且更是协调其生态平衡的杠杆所在。通过取样调查,采用一系列植被景观特征指标,分析了芦山旅游植被景观特征与地理因子的关系。结果表明;芦牙山旅游植被景观特征的评价几乎不受自然环境的影响,而受人为活动影响较大。相对于自然地理因子而言,人文地理因子（即旅游活动）对植被景观具有更为显著的影响。此外,阴生种比值作为植被生态环境质量评价的指标,在本研究区域具有一定的非适用性。     

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.     

植被指数的地形效应研究进展

植被指数是定性、定量评估绿色植被的关键指标,已经广泛应用于地表植被的监测.森林多分布在地形复杂山区,利用植被指数进行森林植被信息反演时地形对其影响较大.本文从几何光学模型原理分析了冠层反射率的地形效应,分析比较完全比值型植被指数(简单比值植被指数SR、归一化植被指数NDVI和湿度调整植被指数MAVI)、非完全比值型植被指数(增强型植被指数EVI和土壤调整植被指数SAVI)、非比值型植被指数(减化比值植被指数RSR、修正归一化植被指数MNDVI和绿度植被指数GVI),以及地形调节植被指数TAVI对地形的响应,试图为复杂地形山区选取植被指数提供参考.最后分析了植被指数地形效应研究的不足并对未来发展进行展望.     

基于带宽优选地理加权回归模型的深圳市植被碳储量反演

植被碳储量估测是自然资源监测的重要内容,遥感技术结合地面样地进行反演可以获得区域范围内植被碳储量的空间连续分布,弥补了传统人工抽样调查估测的不足。然而,现有的参数和非参数遥感估测模型大多忽略了样地数据的变异与空间自相关关系。研究以Landsat 8 OLI影像为数据源提取遥感变量,结合植被碳储量实测调查数据,利用最小信息准则(AICc)、最大空间自相关距离(MSAD)和交叉验证(CV)分别确定最优带宽,组合Gaussian、Bi-square和Exponential核函数构建地理加权回归(GWR)模型估算深圳市植被碳储量,并与多元线性回归(MLR)进行比较,选择最优模型绘制深圳市植被碳储量空间分布图。研究结果表明,GWR模型整体精度优于MLR模型,GWR模型的决定系数(R~2)均高于MLR模型,且均方根误差(RMSE)和平均绝对误差(MAE)显著降低。带宽和核函数的选择对GWR模型估测结果产生了显著影响。以CV确定带宽、Exponential为核函数组合构建的GWR模型效果最佳,其R~2为0.697,RMSE为10.437 Mg C/hm~2,相比其它模型精度上升了13.87%—32....     

采用偏最小二乘回归方法估测森林郁闭度

以遥感数据与森林资源一类清查数据为基础,探讨了用Bootstrap方法筛选最优郁闭度估测变量,用偏最小二乘回归方法建立模型估测森林郁闭度的可行性.结果表明：无论是用所有变量构造的模型还是用所选最优变量构造的模型,郁闭度估测的相对偏差在5%左右.筛选出的最优变量与其他地区的研究结论差异很大,说明除了筛选方法,地带性植被和地形地貌的不同也会造成估测郁闭度最优变量的差异.     

高寒草地生物量变化对归一化物候指数的响应

准确评价草地地上生物量(Above-ground biomass, AGB)对草地资源的可持续利用和保护具有重要意义。以甘南为典型研究区,利用2019—2021年Sentinel-2地表反射率和野外实测地上生物量数据,借助GEE(Google Earth Engine)平台和数理统计方法评价了9种植被指数对高寒草地AGB的估算精度,构建了高寒草地地上生物量反演模型,在此基础上分析了2019—2021年甘南州草地产量的时空动态变化。结果表明：在所有植被指数中,归一化物候指数(Normalized difference phenology index, NDPI)与草地AGB的R²值最高(0.72),其次为归一化植被指数(normalized difference vegetation index, NDVI)(R²=0.68),拟合效果最差的为增强型植被指数(enhanced vegetation index, EVI)(R²=0.37)和差值植被指数(different vegetation index, DVI)(R<...     

天然草地植被覆盖度的高光谱遥感估算模型

利用ASD FieldSpec Pro FR^TM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,并计算天然草地植被覆盖度;选择25个高光谱特征变量与天然草地植被覆盖度进行相关性分析.结果表明,共有17个变量通过极显著性检验,尤以红边波长范围内一阶微分波段值总和(SDr)的相关系数0.781为最高在此基础上将观测数据分成两组:一组观测数据作为训练样本(n=49),运用单变量线性、非线性和逐步回归方法,建立植被覆盖度高光谱遥感估算模型;另一组观测数据作为检验样本(n=32),进行精度检验分析结果显示,采用逐步回归分析方法,运用冠层原始反射率数据估算草地植被覆盖度的效果并不理想;而以红边波长范围内一阶微分波段值的总和(SDr)为变量的线性回归方程是最佳估算模型,模型标准差为10.4%,估算精度为83.99%.     

Comparison of Vegetation Indices and Red-edge Parameters for Estimating Grassland Cover from Canopy Reflectance Data

There has been a great deal of Interests in the estimation of grassland biophysical parameters such as percentage of vegetation cover （PVC）, aboveground biomass, and leaf-area index with remote sensing data at the canopy scale. In this paper, the percentage of vegetation cover was estimated from vegetation indices using Moderate Resolution Imaging Spectroradiometer （MODIS） data and red-edge parameters through the first derivative spectrum from in situ hypserspectral reflectance data. Hyperspectral reflectance measurements were made on grasslands in Inner Mongolia, China, using an Analytical Spectral Devices spectroradiometer. Vegetation indices such as the difference, simple ratio, normalized difference, renormalized difference, soil-adjusted and modified soil-adjusted vegetation indices （DVI, RVI, NDVI, RDVI, SAVI L=0.5 end MSAVI2） were calculated from the hyperspectral reflectance of various vegetation covers. The percentage of vegetation cover was estimated using an unsupervised spectral-contextual classifier automatically. Relationships between percentage of vegetation cover and various vegetation indices and red-edge parameters were compared using a linear and second-order polynomial regression. Our analysis indicated that MSAVI2 and RVI yielded more accurate estimations for a wide range of vegetation cover than other vegetation indices and red-edge parameters for the linear and second-order polynomial regression, respectively.     

Estimation of aboveground biomass using in situ hyperspectral measurements in five major grassland ecosystems on the Tibetan Plateau

Aims There are numerous grassland ecosystem types on the Tibetan Plateau. These include the alpine meadow and steppe and degraded alpine meadow and steppe. This study aimed at developing a method to estimate aboveground biomass (AGB) for these grasslands from hyperspectral data and to explore the feasibility of applying air/satellite-borne remote sensing techniques to AGB estimation at larger scales.Methods We carried out a field survey to collect hyperspectral reflectance and AGB for five major grassland ecosystems on the Tibetan Plateau and calculated seven narrow-band vegetation indices and the vegetation index based on universal pattern decomposition (VIUPD) from the spectra to estimate AGB. First, we investigated correlations between AGB and each of these vegetation indices to identify the best estimator of AGB for each ecosystem type. Next, we estimated AGB for the five pooled ecosystem types by developing models containing dummy variables. At last, we compared the predictions of simple regression models and the models containing dummy variables to seek an ecosystem type-independent model to improve prediction of AGB for these various grassland ecosystems from hyperspectral measurements.Important findings When we considered each ecosystem type separately, all eight vegetation indices provided good estimates of AGB, with the best predictor of AGB varying among different ecosystems. When AGB of all the five ecosystems was estimated together using a simple linear model, VIUPD showed the lowest prediction error among the eight vegetation indices. The regression models containing dummy variables predicted AGB with higher accuracy than the simple models, which could be attributed to the dummy variables accounting for the effects of ecosystem type on the relationship between AGB and vegetation index (VI). These results suggest that VIUPD is the best predictor of AGB among simple regression models. Moreover, both VIUPD and the soil-adjusted VI could provide accurate estimates of AGB with dummy variables integrated in regression models. Therefore, ground-based hyperspectral measurements are useful for estimating AGB, which indicates the potential of applying satellite/airborne remote sensing techniques to AGB estimation of these grasslands on the Tibetan Plateau.     

内蒙古草原植被近地面反射波谱特征与地上生物量相关关系的研究

在1994～2001年7～8月期间,对内蒙古草原的15个草地群落类型进行了反射波谱与生物学参数的测量,在1996、2001年分别对其中的7个群落开展了反射波谱与生物学参数季节变化研究,利用Duncan方差分析、主分量分析方法在3个空间尺度上讨论了不同群落类型波谱特征的差异性与可区分性。在大尺度上,草甸草原、典型草原和荒漠草原的植被反射波谱特征之间存在显著的差异,它们之间的平均鉴别错误概率小于20%,在中小尺度上,典型草原中不同群落之间波谱特征差异程度较高,平均鉴别错误概率在15%左右,而在草甸草原和荒漠草原中,不同群落之间波谱特征的差异性较小。相关分析结果指出,空间尺度和群落类型决定了地上生物量与植被指数之间相关性的大小、相关形式以及植被指数的类型,随着尺度的增大,生物量与植被指数的相关性趋于下降,在盖度较高的草原群落中,直线型的估产模型相关性最高,估测精度大于90%,而在覆盖度低于30%～40%的荒漠草原群落中, 非线性估产模型相关性最高,估测精度只有85%。对典型草原和荒漠草原估产模型的季节动态分析表明, 在6月中旬至9月中旬期间的估产模型之间没有显著差异,可以利用一个共同的估产模型来监测草地生物量季节动态。     

复杂地形草地植被碳储量遥感估算研究进展

草地生态系统是我国最大的陆地生态系统，其植被碳储量的准确评估对维护国家生态安全和指导畜牧发展有重要作用。植被生物量和草地面积是草地植被碳储量估算的关键，随着遥感技术的发展，两者估算精度和效率显著提高，先后发展出多种草地生物量遥感估算模型和土地覆被产品，并已在平坦地区取的较好估算结果。然而，复杂地形区迥异于平地的几何形态和水热分布所产生的不均一的生态系统结构和功能，给草地生物量和草地面积的遥感估算带来诸多困难，影响对草地植被碳储量的准确判定。本文在回顾国内外草地植被碳储量遥感估算方法与所需关键参数的基础上，对遥感估算复杂地形草地植被碳储量过程中所面临“遥感影像地形效应的去除和尺度选择”、“植被指数与地形指标的选取”、“过程模型植被生长参数的率定”、“草地面积估算”以及“气象数据与复杂地形上微气候的匹配”等问题进行了总结并提出相应的解决思路，以期为草地植被碳储量遥感估算模型的合理构建以及估算精度的提高提供参考。     

基于随机森林回归的草场植被盖度反演模型研究——以新疆阿勒泰地区布尔津县为例

作为草地资源大国,我国正面临严峻的草场退化形势。掌握草场植被盖度的历史演变趋势,是草场退化驱动力识别及风险评估的基础。目前已有研究多以参数回归方法估算植被盖度,但并未充分考虑其苛刻的使用条件。利用Landsat系列卫星遥感影像及地面植被盖度监测资料建立非参数回归——随机森林回归模型,并与传统线性回归方法进行比较,在此基础上应用随机森林回归模型估算近10年来布尔津县草场植被盖度的变化趋势,并对结果的不确定性进行分析。结果显示:传统的线性回归方法很难满足其基本的统计学假设条件,而随机森林模型不但无需进行假设条件检验,而且预测的准确性也优于以往普遍应用的线性模型。基于Landsat ETM+标准数据得到的反演结果较之TM和OLI数据普遍偏小,地表反射率数据虽然可以大幅降低传感器不同对反演结果所造成的影响,但结果仍存在约±10%的不确定性。涉及的草场类型众多,为了提高反演精度,后续研究需要分别计算其植被指数,并尽量减低传感器差异带来的不确定性。     

中国天然草地植被生长气象条件评价模型

应用模糊数学方法,构造了影响中国天然草地植被生长的光、温、水函数;通过光、温、水评价结果之间的"与"运算,建立了天然草地植被生长气象条件综合评价模型;采用积分方法,反映草地植被任意时段气象条件的时间累积影响效应;通过气象条件指数的年际对比,评价草地植被生长气象条件的优劣;最后,利用上述模型计算了2005年和2006年中国天然草地植被月、季以及主要生长期气象条件指数,并进行了对比分析、应用和效果检验。结果表明,2年不同时间尺度的气象条件指数对比结果能够客观地反映2006年中国天然草地植被生长气象条件的优劣分布,与实际产草量、株高的对比结果基本一致,应用效果较好。     

A Novel Moisture Adjusted Vegetation Index (MAVI) to Reduce Background Reflectance and Topographical Effects on LAI Retrieval

A new moisture adjusted vegetation index (MAVI) is proposed using the red, near infrared, and shortwave infrared (SWIR) reflectance in band-ratio form in this paper. The effectiveness of MAVI in retrieving leaf area index (LAI) is investigated using Landsat-5 data and field LAI measurements in two forest and two grassland areas. The ability of MAVI to retrieve forest LAI under different background conditions is further evaluated using canopy reflectance of Jack Pine and Black Spruce forests simulated by the 4-Scale model. Compared with several commonly used two-band vegetation index, such as normalized difference vegetation index, soil adjusted vegetation index, modified soil adjusted vegetation index, optimized soil adjusted vegetation index, MAVI is a better predictor of LAI, on average, which can explain 70% of variations of LAI in the four study areas. Similar to other SWIR-related three-band vegetation index, such as modified normalized difference vegetation index (MNDVI) and reduced simple ratio (RSR), MAVI is able to reduce the background reflectance effects on forest canopy LAI retrieval. MAVI is more suitable for retrieving LAI than RSR and MNDVI, because it avoids the difficulty in properly determining the maximum and minimum SWIR values required in RSR and MNDVI, which improves the robustness of MAVI in retrieving LAI of different land cover types. Moreover, MAVI is expressed as ratios between different spectral bands, greatly reducing the noise caused by topographical variations, which makes it more suitable for applications in mountainous area.