地形对植被生物量遥感反演的影响——以广州市为例

目前植被生物量遥感反演研究中的地形校正主要是校正地形变化对地表反射率的影响,较少考虑地形起伏引起的像元面积与实际地表面积的差异,而这种差异将导致植被生物量估算结果的偏差.在生物量遥感反演的基础上,结合地表面积计算模型和物质守恒定律,建立了生物量地形校正模型,定量分析和讨论了地形起伏对广州市植被类型面积提取和生物量准确估算的影响.结果表明:地形校正前后全市针叶林、阔叶林、草地、灌木林和园地面积分别增加6.18％、3.70％、2.86％、1.92％和1.29％;在综合分析区域生物量遥感反演中的各种不确定性的基础上,建立的各植被类型的生物量模型均具有较高精度,相关系数均接近或者超过0.9,可以满足生物量反演的要求;全市植被生物量呈现出东、北高,西、南低的分布格局,像元实际代表的林地(阔叶林和针叶林)平均生物量为61.86t/hm2,高于珠三角区域生物量平均值,但与亚热带林的顶级群落生物量水平有较大差距,林地生物量还有较大的增长空间;经过校正地形变化引起的像元面积和实际地表面积差异对生物量提取结果的影响后,植被总生物量比校正前增加了5.82％,5种植被类型的总生物量有不同程度的增加,阔叶林、针叶林、草地、灌木林和园地分别增加了7.74％,4.76％、3.34％、2.50％和1.58％.与其它的表面积计算模型相比,利用的像元地表面积模型具有较高的精度,可以满足生物量遥感估算中地形校正的需要.     

黄河源园区高寒草地碳储量估算及其影响因素

高寒草地碳储量及其影响因素研究是认识青藏高原草地生态系统乃至陆地生态系统碳循环和气候变化的关键之一。利用2021年8月上旬地面调查数据与同期高分6号遥感数据建立回归关系,在反演研究区植被地上、地下生物量碳密度和0—40cm土壤层有机碳密度基础上,估算了黄河源园区高寒草地有机碳储量,并通过路径分析探讨了土壤理化性质对碳密度的影响驱动机制。结果表明：(1)2021年黄河源园区地上生物量、地下生物量、0—40cm土壤层碳密度分别为37.65g/m²、1305.28g/m²、4769.11g/m²;总碳储量为100.44Tg(1Tg=10¹²g),植被层和土壤层碳储量分别分为22.06Tg、78.38Tg,占总碳密度的21.96%、78.04%。(2)黄河源园区高寒草甸和高寒草原两种草地类型地上生物量碳密度分别为41.27g/m²、30.76g/m²;地下生物量碳密度分别为1661.41g/m²、618.74g/m²;0...     

黄土高原地区生态系统碳储量空间分布及其影响因素

准确估算生态系统碳储量,探明其空间分布及其影响因素对区域生态管理具有重要意义,但黄土高原地区碳储量现状、空间格局及其驱动因素尚不清楚。选择黄土高原地区森林（包括乔木林和灌木林）,草地和农田生态系统为对象,基于大量实测样点通过克里金插值和地统计方法,评估了三种生态系统地上生物量碳密度、地下生物量碳密度和0-100 cm土壤有机碳密度空间分布,并通过路径分析探讨了各碳库的主要影响因素。结果表明：黄土高原地区约占全国总面积的6.7%,其生态系统总碳储量约为2.29 Pg,仅占我国生态系统碳储量的2.3%。生态系统各碳库中,地上生物量碳储量、地下生物量碳储量、土壤有机碳储量分别为0.44、0.32和1.52 Pg;森林、草地、农田（仅指土壤）生态系统碳储量分别为0.98、1.09和0.21 Pg。气候（年均温度、年均降水）、海拔、坡度、土壤质地（砂粒、粉粒、粘粒含量）、植被覆盖状况（用NDVI表示）等因子可解释地上生物量碳密度、地下生物量碳密度、农田土壤有机碳密度空间变异的12%、8%和32%,其中,年均降水、海拔、粘粒含量是黄土高原地区生态系统碳储量空间格局的主要影响因素。本研究表明,由于黄土高原地区独特的气候、地形和土壤条件,其生态系统虽然具有较大的碳储量,但是低于我国生态系统碳储量的平均水平。     

基于地面观测的陆地生态系统碳储量多源数据整合方法

陆地生态系统有机碳储量通常指一定面积的植被、土壤和凋落物的有机碳存储量总和。准确评估陆地生态系统碳储量现状和变化,对于揭示全球变化对陆地生态系统碳库的影响、指导政府决策者制定气候应对策略和评估现有措施的有效性等具有重要意义。地面观测数据是生态系统碳储量及其变化评估的重要数据源之一,但目前除少数生态站开展了长期地面数据观测外,绝大多数地面观测数据呈现出多源化、相互不匹配、时间不连续等特点;因此,迫切需要发展科学、规范化的多源数据整合方法,将这些多源、分散的地面观测数据整编形成长期系统的地面动态观测数据集,提高数据资源价值。从陆地生态系统碳储量组分及其基本算法着手,系统梳理了植被和土壤碳储量估算中植被不同器官生物量和碳含量、土壤碳含量、土壤容重等关键参数的观测现状,并详细介绍了这些关键参数的科学推导方法。此外,也进一步讨论了多源地面观测碳储量数据整合的方法,并展望了该方法体系未来的发展方向,期待能为后续相关研究提供可借鉴的规范性方法。     

青藏高原高寒草甸生态系统碳增汇潜力

为了揭示青藏高原高寒草甸生态系统植被变化对碳储量的影响,以原生矮嵩草草甸、退化草甸、人工草地以及农田为研究对象,对比分析了该4种不同土地格局下生态系统的有机碳现状.以原生矮嵩草草甸土壤碳储量为基准对不同类型高寒生态系统的碳增汇潜力进行了估算.结果表明:不同类型生态系统的碳储量和碳增汇潜力有很大差异,在0-40cm土层中,(1)原生草甸碳储量最高,达到17098 g C/m2,退化草甸、人工草地和农田的有机碳汇增加潜力分别为:5637、3823、1567 g C/m2.(2)对于退化草甸和人工草地,土壤有机碳含量和密度明显低于原生草甸和农田.(3)地下生物量碳储量主要集中在0-20cm,且原生草甸地下生物量的碳储量比其他3个植被类型高3.6-5倍.总体上,青藏高原草地生态系统存在巨大的碳增汇潜力.     

宁夏典型温性天然草地固碳特征

本文研究了宁夏草甸草原、温性草原、草原化荒漠和荒漠草原4种温性典型天然草地生态系统碳储量及其构成特征。结果表明: 草甸草原、温性草原、草原化荒漠和荒漠草原植被总生物量分别为1178.91、481.22、292.80和209.09 g·m^-2。其中,地下根系生物量是构成草甸草原和温性草原植被总生物量的主体,分别占总生物量的73.1%和56.6%;地上植被生物量是构成草原化荒漠和荒漠草原植被总生物量的主体,分别占总生物量的50.3%和47.6%;枯落物生物量占比较低,分别仅为8.5%、8.0%、6.4%和16.2%。草甸草原、温性草原、草原化荒漠和荒漠草原4种天然草地生态系统碳储量分别为13.90、5.94、2.69和2.37 kg·m^-2,其中植被碳储量分别为470.26、192.23、117.17、83.36 g·m^-2,0～40 cm土层土壤有机碳储量分别为13.43、5.75、2.58和2.29 kg·m^-2,土壤有机碳储量是构成宁夏典型天然草地碳储量的主体,分别占到了生态系统碳储量的96.6%、96.8%、95.6%和96.5%。4种草地类型植被总生物量、植被碳储量、土壤有机碳储量和生态系统碳储量均表现为:草甸草原＞温性草原＞草原化荒漠＞荒漠草原。     

遥感技术支持下的植被生产力与生物量研究进展

目前广泛应用于植被生产力与生物量估算的遥感模型主要有经验模型、物理模型、半经验模型和综合模型 ,它们的应用受到诸如大气、背景、地形、植被覆盖率与结构等因素的影响。遥感技术的迅速发展及其它技术的应用 ,包括热红外、微波和激光遥感仪器以及多角度、高光谱和高分辨率技术等 ,正逐步消除或降低影响因素 ,进一步提高植被生产力与生物量估算的范围和精度     

湿地生态系统碳储量估算方法综述

湿地生态系统碳储量测算一直是湿地研究领域的难点。目前仅能粗略估算湿地生态系统碳储量,很难做到精确计算。本文对湿地生态系统各组成部分碳储量估算方法进行分析,指出湿地生态系统碳储量估算应当充分融合水域和陆域各碳储存库的估算方法。另外,对影响湿地生态系统碳储量估算精度的各种因素进行了总结,认为湿地面积、碳密度以及水体、土壤和沉积物的深度是影响区域尺度碳储量估算精度的主要因素。     

海岛陆地生态系统固碳估算方法

陆地生态系统在调节全球碳平衡和减缓全球气候变化中起着重要作用。海岛作为一种特殊的生态系统,生物群落和环境与大陆基本相似。虽然海岛生态结构相对简单,物种的丰富程度比大陆低,但对全球碳循环也有一定的影响。在海岛陆地生态系统中,森林和灌草的种属相对较少,且不同纬度的海岛森林植被种属差异明显,可采用典型样地清查和生物量模型估算相结合的方法估算乔木层和灌草层的碳储量。采用模型估算固碳潜力时,根据海岛生态环境的特殊性,综合考虑岛陆面积、季节、风向、坡度、坡向、海拔、平均温度、降雨量、土壤理化性质等参数对其碳储量估算的影响。海岛植被生物多样性影响其土壤碳储存的生态服务功能,利用多元统计分析方法,建立岛陆植物物种丰度与土壤碳储量的空间回归模型,明确植物多样性的改变对岛陆土壤固碳能力的影响。此外,从土壤固碳的角度而言,海岛土壤-植物-微生物间相互作用是其重要的研究方向。利用现代分子生物学技术,研究海岛陆地生态系统的土壤-植物-微生物相互作用关系,有利于海岛土壤固碳潜力估算精度的提高。     

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。     

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....     

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％.     

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.     

Biomass estimation using satellite remote sensing data—An investigation on possible approaches for natural forest

Vegetation type and its biomass are considered important components affecting biosphere-atmosphere interactions. The measurements of biomass per unit area and productivity have been set as one of the goals for International Geosphere-Biosphere Programme (IGBP). Ground assessment of biomass, however, has been found insufficient to present spatial extent of the biomass. The present study suggests approaches for using satellite remote sensing data for regional biomass mapping in Madhav National Park (MP). The stratified random sampling in the homogeneous vegetation strata mapped using satellite remote sensing has been effectively utilized to extrapolate the sample point biomass observations in the first approach. In the second approach attempt has been to develop empirical models with satellite measured spectral response and biomass. The results indicate that there is significant relationships with spectral responses. These relationships have seasonal dependency in varying phonological conditions. The relationships are strongest in visible bands and middle infrared bands. However, spectral biomass models developed using middle infrared bands would be more reliable as compared to the visible bands as the later spectral regions are less sensitive to atmospheric changes It was observed that brightness and wetness parameters show very strong relationship with the biomass values. Multiple regression equations using brightness and wetness isolates have been used to predict biomass values. The model used has correlation coefficient of 0.77. Per cent error between observed and predicted biomass was 10.5%. The biomass estimated for the entire national park using stratified and spectral response modelling approaches were compared and showed similarity with the difference of only 4.69%. The results indicate that satellite remote sensing data provide capability of biomass estimation     

基于TM遥感影像的陕北黄土区结构化植被因子指数提取

根据结构化植被因子指数的概念,以TM影像为信息源,探讨了利用遥感技术提取陕北黄土区结构化植被因子指数（C_s）的途径与方法.结果表明：在陕北黄土区,C_s能更好地描述植被群落的水土保持效益,其与绿度植被指数（归一化植被指数NDVI、修正土壤调整植被指数MSAVI）和黄度植被指（归一化差异衰败指数NDSVI、归一化耕作指数NDTI）等单一的遥感植被指数虽然均存在良好的相关关系,但用绿度与黄度植被指数相结合可综合反映植被的水土保持功能,能较好地克服单一指数在描述植被控制水土流失中的不足;MSAVI、NDTI分别是基于遥感影像提取C_s较为理想的绿度和黄度植被指数;根据群落结构化植被因子指数与遥感植被指数的关系推算区域尺度上的结构化植被因子指数是可行的,但由于不同地区植物物候期的差异,要使该方法在其他地区适用,仍需开展相应的率定和验证工作.     

地形校正对森林生物量遥感估测的影响

基于常用的4种地形校正模型（Cosine模型、C模型、C+SCS模型、Minnaert模型）,以IDL语言为二次开发平台,对黑龙江省帽儿山地区2007年7月21日TM图像进行地形校正,从视觉差异、图像的定量统计特征两方面评价了4种地形校正模型的修正效果,并比较了地形校正后几种遥感因子与森林生物量的相关性,建立了森林生物量的遥感反演模型,分析了不同地形校正模型对森林生物量反演的影响.结果表明：由于K-T变换采用线性变换方式,地形校正后遥感数据与森林生物量的相关性出现了较大波动,应根据地表信息调整变换参数,因此该变换方式不适合与地形校正结合使用;植被指数的信息量在地形校正后明显提高,其与森林生物量的相关性显著增强;4种地形校正模型中,Cosine校正过度,不宜采用,C模型和C+SCS模型通过引入半经验参数,较好地消除了地形效应,Minnaert模型校正后降低了森林生物量估测的误差,有效地提高了遥感反演模型的精度.     

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。     

草原露天煤矿区植被对地下水位埋深变化的响应

草原采矿活动疏排地下水导致区域地下水位下降,植被退化严重。明确草原采矿活动影响区域地下水位埋深的强度和范围,确定影响植被生长的地下水位埋深阈值,对草原矿区生态环境保护有着重要意义。以呼伦贝尔草原伊敏露天煤矿为例,利用遥感方法,建立采矿前后区域地下水埋深变化与NDVI的定量响应关系;通过样方调查,确定研究区植被群落随地下水位埋深变化的演替模式,分析草原矿区地下水位变化对草原植被类型、物种丰富度、植被覆盖度、地上生物量和综合优势比的影响;结合两种方法,确定维持研究区植被正常生长的地下水位埋深阈值。其结果如下：从柴达敏诺尔湖至采坑边缘,地下水位埋深从0 m逐渐下降至60 m,植被群落演替为盐化草地→典型草原→退化典型草原→退化草甸草原→盐化草甸草原;研究区最适宜植被生长的地下水位埋深约为1 m;1-30 m为维持研究区植被正常生长的阈值地下水位埋深。最后根据以上结论,将研究区划分为地下水开发的一级敏感区、二级敏感区和三级敏感区,针对不同敏感区提出了不同的地下水开发政策,以防止采矿活动疏排地下水引起草原退化。     

低空无人机遥感在草原监测评价中的应用进展

低空域无人机遥感技术具有高时效性、高分辨率、低成本、易操控等优势，作为地面与高空遥感（航天与航空遥感）间测量尺度空缺的有益补充，低空无人机遥感扩展了样地样方空间尺度，提高了中、小尺度遥感观测信息的精细化程度，实现了草原生境信息的快速采集、处理与分析应用，是草原"星-空-地"一体化监测的重要组成。针对草原监测评价，总结了国内外低空无人机遥感在草原基况调查（草原草层高度监测、草原植被覆盖度监测与草原地上生物量估算）、草原动态监测（草原植被长势监测、草原产草量估测与草畜平衡监测）和草原应急管理（草原火灾、雪灾与生物灾害监测）中的应用。结合大数据、人工智能、云计算与物联网等新型技术，分析了低空无人机遥感在草原生态监测领域存在的不足和未来的发展方向，以期为低空无人机遥感关于草原监测评价与智慧草原的后续研究提供参考。