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<...     

黄河三角洲自然保护区湿地植被生物量空间分布及其影响因素

以黄河三角洲自然保护区为研究区域,以野外实测湿地植被地上生物量数据、Landsat-8影像数据和土壤各因子检测数据为数据源,通过分析各遥感因子与实测植被生物量的相关关系,建立生物量模型,进行生物量的定量反演。通过研究生物量与土壤、水环境因子的关系,筛选影响生物量的关键因子,进而分析生物量的空间分布规律。结果表明:湿地植被地上生物量的干重与各遥感因子的相关性较高;以NDVI、EVI、MSAVI、DVI、RVI、Band1、Band2、Band3、Band4、Band6共10个因子作为自变量建立的反演模型最优;反演计算的生物量干重分为5个等级区,最低的1级区和最高的5级区面积较小,为82.23、72.16 km2,分别占研究区湿地植被总面积的13.35%、11.71%。生物量干重适中的2、3、4级区所占面积较大,为211.99、136.39、113.29 km2,分别占研究区湿地植被总面积的34.41%、22.14%、18.39%;在各环境因子中水深对芦苇生物量干重影响最大,土壤含水率对碱蓬生物量干重影响最大,水、盐条件是导致优势种植被生物量干重出现空间分异的主导因素;植被生物量干重呈现由陆向海减小,由黄河河道两岸向外递减的趋势。     

鄱阳湖自然保护区湿地植被生物量空间分布规律

探明区域湿地植被生物量的空间分布规律及其变化趋势,对于更好地保护候鸟生境、制定合理的湿地保护政策具有重要的意义。以鄱阳湖国家级自然保护区为研究对象,基于2000—2011年研究区MODIS植被指数产品和同期的植被生物量调查资料,建立了湿地植被生物量的遥感估算模型。在此基础上利用GIS空间分析方法,系统分析了保护区近10年来湿地植被生物量的空间分布规律及其季节变化特征。研究结果表明:(1)MODIS增强型植被指数的乘幂模型可以较好地模拟研究区湿地植被生物量的鲜重,拟合模型总体精度达到91.7%。(2)多年平均生物量呈现"岛屿型"空间分布模式:各子湖泊及洼地中心处,表现为水生植被群落为主的低生物量区(285 g/m2);湖心水体外围14—15m的高程区域,分布着以苔草群落为主的中生物量区(285—830 g/m2);高程位于16—18m的河口三角洲及天然堤坝区域,表现为以蒿、荻和芦苇群落为主的高生物量区。(3)保护区植被群落分布具有特定的季相变化特征,高、中、低生物量区在不同的月份呈现出不同的空间生消和演进规律,鄱阳湖水位的周期性涨落是影响其变化的一个重要扰动因子。     

基于环境卫星数据的黄河湿地植被生物量反演研究

回归模型拟合植被指数与生物量的定量关系是植被生物量反演的重要研究方法之一.研究在此基础上,基于环境卫星遥感数据和同步野外实地采样数据,以郑州黄河湿地自然保护区为试验区,比较MLRM(多元线性回归模型)与SCRM(一元曲线回归模型)反演植被生物量的能力,并估算研究区植被生物量,生成研究区生物量分布图.结果表明,文中所建立的MLRM在研究区具有较好的反演精度和预测能力.其模型显著性检验为极显著,相关系数为0.9791,模型拟合精度达到29.8 g/m2,其模型预测结果系统误差为49.9g/m2,均方根误差为67.2 g/m2,预测决定系数为0.8742,比传统的一元回归模型具有更高的精度和可靠性.估算研究区域2010年8月湿生植被生物量约为6.849199 t/hm2,相对误差为4.73％.     

三峡大老岭自然保护区森林生态系统10年(2000-2010年)质量变化

为了解湖北三峡大老岭自然保护区森林生态系统质量状况,利用多种遥感卫星影像资料并结合野外调查数据,对该保护区10年间(2000-2010年)的森林生态系统中植物地上生物量(AGB)、叶面积指数(LAI)、净初级生产力(NPP)的年际变化进行了比较研究。结果显示:(1)大老岭自然保护区10年间AGB总体呈下降趋势,但下降幅度很小,说明大老岭自然保护区森林生态系统植被结构状态比较稳定,但整个森林生态系统的结构稳定性不够,应创新管理机制,减少人为干扰;(2)年均LAI以中等(1.6~2.2)和较高等级(2.2~2.8)所占比例较大,年均LAI为1.6~2.8的植被面积占该区植被总面积的90%以上并呈增加趋势,说明该保护区内植被长势较好、生活力旺盛;(3)10年间NPP年总量具有缓慢增加的趋势,即从4.99×1010 gC(2000年)增加到5.07×1010 gC(2010年),说明自然保护区内森林生态系统林分类型多样,异质性较强,整个森林生态系统生产能力较高。本研究结果表明大老岭自然保护区森林生态系统质量总体较好,也从侧面反映出建立自然保护区进行植被保护所取得的效果。     

基于植被指数的北京军都山荆条灌丛生物量反演研究

基于环境卫星数据提取10种植被指数,辅以资源三号卫星数据提取的高精度数字高程模型(DEM)等数据,结合实地野外采样数据,以北京军都山为试验区采用最小二乘回归模型拟合植被指数与荆条灌丛冠层生物量的定量关系,并利用拟合结果对研究区灌从冠层生物量进行了反演估算,生成研究区荆条及其伴生灌丛生物量空间分布图。结果表明,文中所建立的多元线性回归模型在研究区具有较好的反演精度和预测能力。其模型显著性为显著(α0.01),相关系数为0.856,标准误差为58.5g/m~2;预测标准误差为98.1 g/m~2,决定系数为0.865。通过对研究区荆条灌丛的冠层生物量进行遥感估算,提出了一种利用遥感技术监测灌木群落生物量的新思路。     

滨海湿地植被地上生物量遥感反演

盐沼植被生物量是滨海湿地生态系统碳循环研究的重要参数,是湿地生态系统健康评价、资源可持续利用的关键指标,开展盐沼植被地上生物量监测方法研究具有重要意义。目前,遥感技术在湿地生物量监测领域已经得到广泛应用,但反演方法仍以统计模型为主,模型构建需要实测数据支撑,时空拓展性不强。选择江苏盐城丹顶鹤保护区为研究区,基于冠层辐射(PROSAIL)传输模型,通过局部和全局敏感性分析,对模型参数本地化,构建了互花米草地上生物量半经验反演模型,应用于Landsat 8 OLI遥感影像,获得了互花米草地上生物量的时空分布。研究结果表明,利用PROSAIL模型模拟互花米草冠层反射率,叶面积指数(LAI)、叶片干物质含量(Cm)、叶倾角分布参数(LIDF)、等效水厚度(Cw)、叶绿素含量(Cab)、叶片结构参数(N)为高敏感性参数,类胡萝卜素含量(Car)、土壤参数(P_soil)为低敏感性参数;利用不同时刻的遥感影像反演了地上生物量,遥感反演结果与实测数据对比,拟合度R²为0.83,均方根误差(RMSE)为0.43kg/m²,平均相对误差(MRE)为15.7%,精度较高,模型具有较好的时空普适性。研究发展了盐沼植被地上生物量遥感反演方法,解决了以往过于依赖现场实测数据构建反演模型的局限性,该方法可以为研究滨海湿地生态系统碳循环以及准确估算其碳汇潜力提供技术支持。     

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。     

松嫩平原西部盐碱沼泽生境干扰后的芦苇种群生长响应

松嫩平原西部盐碱沼泽位于半干旱半湿润区。由于自然因素和人类活动干扰, 盐碱沼泽大面积退化, 芦苇种群生境发生改变。为此在松嫩平原西部盐碱沼泽区选择四种不同干扰形成的芦苇生境(湿地、退耕、干旱、稻田退水), 并通过调查营养生长期和有性生殖期的芦苇种群高度、盖度、密度、生物量、叶面积等生长指标, 分析不同干扰生境下的芦苇种群的响应特征。研究结果表明,承接稻田退水水位为30—60 cm的芦苇种群生物量最大(2660 g·m-2), 水位为20—40 cm的湿地芦苇种群最高(2.5 m), 干旱芦苇的密度最大(681株·m-2)。芦苇通过减小叶面积、增加密度和减少有性生殖投入, 来适应干旱条件; 通过调节株高、茎粗以及生殖分配来积极响应水淹条件; 从种群特征来看, 补水足以恢复芦苇种群的高度和生物量, 但稻田退水含有的营养会显著提升芦苇生产力。     

基于MODIS数据的草地生物量估算模型比较

准确估算草地生物量对合理规划区域畜牧业、评估草地植被的生态效益有重要意义.目前,在常用的遥感估算模型中,采用的植被指数和模型函数形式多样.本文根据野外生物量调查结果和MODIS数据,分别采用归一化植被指数(NDVI)、增强植被指数(EVI)和修正的土壤调节植被指数(MSAVI)建立了内蒙古科尔沁左翼后旗草地地上生物量和地上地下总生物量估测的3种(线性、乘幂和指数)模型,并进行了比较.结果表明:3种模型能够对草地生物量进行较好的模拟,其中指数模型效果最佳;3个植被指数(NDVI,EVI和MSAVI)与草地生物量均有较高的相关性,可用于该草地产量估测,其中MSAVI对地上生物量拟合效果最好(R2=0.900);NDVI和EVI的线性模型对总生物量的模拟明显好于对地上生物量的模拟.     

土地利用/覆被变化扎龙湿地蒸散发量及生态需水量的遥感估算

地表蒸散发量是影响湿地水热平衡的主要因素,也是水分损失的主要途径,对湿地生态需水量的合理确定和水资源的有效管理具有重要意义。借助遥感和GIS技术,利用2002、2010、2016年34景Landsat影像,基于时序NDVI数据对湿地下垫面物候特征的定量表征,准确获取了扎龙湿地保护区3个时期土地利用/覆被的动态变化信息。选用物理基础较好且应用广泛的SEBAL模型,估算了湿地的瞬时蒸散发量,并结合站点气象数据,实现了湿地蒸散发量在时间尺度上的扩展,分别得到日、月、年尺度的湿地蒸散发量,深入探究了扎龙湿地蒸散发的时空分布特征;最后从湿地湖泡需水量、植物需水量及生物栖息地需水量3个方面,定量估算出扎龙湿地3个时期的现状生态需水量。研究发现：扎龙湿地的土地覆被类型主要以芦苇沼泽、草地和耕地为主,其中芦苇沼泽分布占绝对优势,且2002-2016年持续增加了205.82 km²;草地、耕地呈持续减少态势,分别减少了119.35 km²和95.96km²,表明2002-2016年扎龙湿地生态系统呈恢复态势;湿地保护区蒸散发量年内均大致呈单峰型分布,符合夏季 > 春季 > 秋季 > 冬季的规律,在年际上呈现明显的递增趋势,年蒸散发量由2002年的518.87mm增加到2016年的625.98mm,增加了20.64%。为满足湿地内的生态消耗,总体上2002-2016年湿地的生态需水量也相应的增加,保护区适宜生态需水量的变动范围为5.40亿-7.08亿m³,可以维持湿地湖泊、植被、动植物栖息地的健康态势。维持核心区健康状态的最小生态需水量变化范围为2.71亿-3.32亿m³。随着遥感数据时空分辨率的提高,基于蒸散发量反演的湿地生态需水量估算将更加实用和准确,为湿地保护区制定科学合理的补水方案提供有效的技术支撑。     

迁地麋鹿对野鸭湖植被的保护性生物控制

利用食草动物来管理自然保护地的植被平衡具有很大的应用潜力，一方面可提升动物的生态价值，另一方面通过控制取食规模，改变植被的生物多样性，达到对自然保护地生态平衡管理的目的。基于此于2021年6月5日引入4头麋鹿(2雄2雌),对野鸭湖自然保护区的“芦苇优势群落”采取保护性的生物控制研究，从项目的实施来看：1)单纯收割不能控制芦苇的生长扩张；对芦苇区系植物多样性的影响有限，未改变芦苇区系结构；2)麋鹿引入该区域后，通过取食、游泳、躺卧和踩踏等活动有效控制了芦苇和香蒲的过度扩张；1年后芦苇和香蒲面积下降了21.96%,为三棱水葱、水蓼等提供了生长空间，逐渐形成了仍以芦苇和香蒲为主且更多样的湿地环境；3)增加滩涂和开阔水面等景观，使多样性指数进一步提升，未改变周边区系湿地生态结构；4)麋鹿迁入可降低野鸭湖“脆弱物种”芦苇区系的丰富度，由引入前的(r=3.67)下降到引入后的(r=1.97);麋鹿迁入提升了野鸭湖植被区系物种多样性，芦苇区系的多样性指数由引进前的(r=0.90)上升到引进后的(r=2.11);麋鹿引入的第一年结果显示，整个引入区域的植被多样性指数由r=0.51上升到r=0.91。麋...     

盘锦湿地净初级生产力时空分布特征

主要采用中巴地球资源卫星(CBERS)、合成孔径雷达(SAR)和数字高程模型(DEM)数据,通过主成分变换融合算法、分类回归树CART算法和混合像元分解模型结合神经网络算法,进行了盘锦湿地土地覆盖类型分类。充分考虑湿地生态系统的典型特征,将盐分胁迫因子作为估算湿地耐盐植被净初级生产力(NPP)的环境影响因子之一,构建了基于光能利用率和遥感数据的湿地植被净初级生产力模型。分析了盘锦湿地植被NPP的时空分布特征,并研究了盘锦湿地植被NPP对气温和降水的响应特征。结果表明:2009年盘锦市植被净初级生产力介于0—1175 gC·m-·2a-1之间,平均值为553 gC·m-·2a-1。盘锦市植被NPP空间分布规律呈东北向西南逐渐递增的趋势。在湿地植被分类类型中,芦苇的单位面积平均NPP最高,达到1016 gC·m-·2a-1。2004—2009年盘锦植被单位面积平均NPP值在缓慢上升,湿地已呈现缓慢恢复的趋势。总体上气温对盘锦湿地主要植被类型芦苇月平均NPP的影响要强于降水。2004—2009年降水对盘锦地区植被年平均NPP的影响强于气温。     

Spatio-Temporal Variation in Vegetation Biomass and Its Relationships with Climate Factors in the Xilingol Grasslands,Northern China

Knowledge about grassland biomass and its dynamics is critical for studying regional carbon cycles and for the sustainable use of grassland resources. In this study, we investigated the spatio-temporal variation of biomass in the Xilingol grasslands of northern China. Field-based biomass samples and MODIS time series data sets were used to establish two empirical models based on the relationship of the normalized difference vegetation index (NDVI) with above-ground biomass (AGB) as well as that of AGB with below-ground biomass (BGB). We further explored the climatic controls of these variations. Our results showed that the biomass averaged 99.01 Tg (1 Tg=10¹² g) over a total area of 19.6×10⁴ km² and fluctuated with no significant trend from 2001 to 2012. The mean biomass density was 505.4 g/m², with 62.6 g/m² in AGB and 442.8 g/m² in BGB, which generally decreased from northeast to southwest and exhibited a large spatial heterogeneity. The year-to-year AGB pattern was generally consistent with the inter-annual variation in the growing season precipitation (GSP), showing a robust positive correlation (R²=0.82, P<0.001), but an opposite coupled pattern was observed with the growing season temperature (GST) (R²=0.61, P=0.003). Climatic factors also affected the spatial distribution of AGB, which increased progressively with the GSP gradient (R²=0.76, P<0.0001) but decreased with an increasing GST (R²=0.70, P<0.0001). An improved moisture index that combined the effects of GST and GSP explained more variation in AGB than did precipitation alone (R²=0.81, P<0.0001). The relationship between AGB and GSP could be fit by a power function. This increasing slope of the GSP–AGB relationships along the GSP gradient may be partly explained by the GST–GSP spatial pattern in Xilingol. Our findings suggest that the relationships between climatic factors and AGB may be scale-dependent and that multi-scale studies and sufficient long-term field data are needed to examine the relationships between AGB and climatic factors.     

白洋淀湿地区土壤有机碳密度及储量的空间分布特征

湿地生态系统碳储量是陆地生态系统碳循环的重要组成部分,提供重要的生态系统服务功能。白洋淀湿地是国家重要生态湿地和华北平原最大的淡水湿地,同时是雄安新区的核心水系,湿地区土壤碳储量的估算研究将为湿地生态系统服务评估和湿地生态恢复提供数据支撑。研究通过对白洋淀湿地7种不同地类的105个土壤剖面进行分层取样,揭示了其湿地土壤有机碳密度及储量的空间分布特征,结果表明：（1）白洋淀湿地区土壤有机碳含量整体偏低,在各层土壤中,淹水芦苇湿地的有机碳含量均显著高于其他植被类型,约为其他类型土壤碳含量的3倍左右。（2）在各植被类型中土壤有机碳含量均以表层（0-20 cm）最高,其分配比例均集中在30%左右,随着土壤剖面深度的增加,湿地土壤的有机碳含量逐渐减少。（3）不同植被类型土壤有机碳含量与土壤有机碳密度的差异显著,具体表现为：乔木园地 < 旱地 < 常绿针叶林 < 落叶阔叶林 < 水田 < 台田芦苇 < 淹水芦苇。（4）根据估算,白洋淀湿地区的土壤有机碳储量约为5816.77×10³Mg。随着雄安新区环境治理工作的推进,白洋淀湿地区生态系统固碳将呈现持续向好态势,结合生态恢复和土地布局优化,尽量减少雄安新区建设中土地流转带来的碳排放影响,对提高区域生态效益具有重要意义。     

Estimation of Wheat Agronomic Parameters using New Spectral Indices

Crop agronomic parameters (leaf area index (LAI), nitrogen (N) uptake, total chlorophyll (Chl) content ) are very important for the prediction of crop growth. The objective of this experiment was to investigate whether the wheat LAI, N uptake, and total Chl content could be accurately predicted using spectral indices collected at different stages of wheat growth. Firstly, the product of the optimized soil-adjusted vegetation index and wheat biomass dry weight (OSAVI×BDW) were used to estimate LAI, N uptake, and total Chl content; secondly, BDW was replaced by spectral indices to establish new spectral indices (OSAVI×OSAVI, OSAVI×SIPI, OSAVI×CI_{red edge}, OSAVI×CI_{green mode} and OSAVI×EVI2); finally, we used the new spectral indices for estimating LAI, N uptake, and total Chl content. The results showed that the new spectral indices could be used to accurately estimate LAI, N uptake, and total Chl content. The highest R² and the lowest RMSEs were 0.711 and 0.78 (OSAVI×EVI2), 0.785 and 3.98 g/m² (OSAVI×CI_{red edge}) and 0.846 and 0.65 g/m² (OSAVI×CI_{red edge}) for LAI, nitrogen uptake and total Chl content, respectively. The new spectral indices performed better than the OSAVI alone, and the problems of a lack of sensitivity at earlier growth stages and saturation at later growth stages, which are typically associated with the OSAVI, were improved. The overall results indicated that this new spectral indices provided the best approximation for the estimation of agronomic indices for all growth stages of wheat.