沙地油蒿群落覆盖度的遥感定理化研究

鄂尔多斯地区荒化与沙地植被覆盖度有紧密的关系。用ＮＯＡＡ卫星数据对沙地植被覆盖度进行动态监测可以以为认识该地区的荒漠化动态变化及过程提供丰富的信息。通过分析沙地反射机理,建立了沙地油蒿（Ａｒｔｅｍｓｉａ ｏｒｄｏｓｉｃａ）群落盖度与修一的土壤调节植被指数（ＭＳＡＶＩ）之间的模型。然而,卫星地该关系模型之前,必须进行处理。本文首先用裸沙土壤线法校正大气影响,然后,用ＭＳＡＶＩ消除土壤背景影响。     

基于NOAA／AVHRR数据的中国主要植被类型NDVI变化规律研究

在遥感（ＲＳ）、地理信息系统（ＧＩＳ）、全球定位系统（ＧＰＳ）———３Ｓ支持下,利用连续时间序列的１ｋｍ×１ｋｍ分辨率的ＮＯＡＡＡＶＨＲＲ数字影像,通过主分量分析和非监督分类,对中国植被进行了宏观分类。在多种基础图件的支持下,结合归一化植被指数（ＮＤＶＩ）年内季节变化规律,分出３５个植被类型,９个植被型组。通过重建不同植被类型ＮＤＶＩ特征值１０年的时间变化序列,划分出４个内部各类型ＮＤＶＩ变化过程具有相对一致性的区域（二级区域）,明显的呈现从东南到西北的带状分布。再逐级归并,产生两个变化的一级区域。区域的界线基本与我国三大自然区域的东部季风区西北部的界线相吻合。进而从ＮＤＶＩ动态变化的角度进行了区划,包括２个一级区域,９个二级区域,进一步阐明了中国植被ＮＤＶＩ动态变化的区域差异。     

基于NDVI的中国天然森林植被净第一性生产力模型

根据叶面积指数、归一化植被指数（ＮＤＶＩ）建立了中国森林植被净第一性生产力（ＮＰＰ）模型：ＮＰＰ＝－０．６３９４－６７．０６４ｌｎ（１－ＮＤＶＩ）经我国１３组森林植被生产力数据的验证表明,该模型的预测结果与实测值相符较好。通过与Ｃｈｉｋｕｏ模型和综合模型（周广胜等,１９９６）预测结果的比较,该模型在总体上优于Ｃｈｉｋｕｇｏ模型和综合模型。表明基于ＮＤＶＩ的净第一生产力模型对我国森林植被有良好的适应     

基于遥感图像不同辐射校正水平的植被覆盖度估算模型

选用南京市SPOT 5 HRG图像的地物反射率(PAC)、表观反射率(TOA)和灰度值（DN）影像，提取了4种植被指数（VI），即归一化植被指数（NDVI）、转换植被指数（TVI）、土壤调节植被指数（SAVI）和修正的土壤调节植被指数（MSAVI），与地面实测的植被覆盖度进行了回归分析，并建立了36个VI-VFC关系模型.结果表明：在所有模型中，基于PAC级影像提取的NDVI和TVI的3次多项式模型最优；其次为基于DN级影像提取的SAVI和MSAVI的3次多项式模型，在VFC>0.8时其精度略高于前两种模型.这4个模型在植被中等密集区域（VFC＝0.4～0.8）的精度高于植被稀疏区域（VFC=0～0.4）.所建模型可通过中间模型的联结，进行推广使用.在基于VI-VFC关系建模过程中，基于遥感影像不同辐射校正水平提取植被指数，有利于充分挖掘遥感影像信息，进而提高VFC估算的精度.     

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.     

AVHRR NDVI与气候因子的相关分析

对中国１６０个气象站１０ａ的连续ＡＶＨＲＲ ＮＤＶＩ数据、气象观测数据进行相关分析,并结合植被覆盖类型资料深入探讨了ＡＶＨＲＲ ＮＤＶＩ／气温和ＡＶＨＲＲ ＮＤＶＩ／降水相关系数的地区差异及其随植被类型变化规律。研究结果表明,对中国的大部分地区,气温对植被的影响超过降水。就自然植被而言,其对降水的敏感性趋势为草本植被大于灌木植被,灌木植被大于乔木植被。就农作物而言,降水影响取决于耕作制度、作物种类     

GIS和RS支持下广东省植被吸收PAR的估算及其时空分布

在ＧＩＳ和ＲＳ支持下,利用地面气象数据和ＤＯＡＡ－ＡＶＨＲＲＮＤＶＩ数据估计了广东省植被在１９９２－０４～１９９３－０３间吸收的ＰＡＲ,并分析了其时空分布特征以及不同类型植被对ＰＡＲ的吸收特征,结果表明,在此期间,广东省植被年ＡＰＡＲ介于０～１５７５ＭＪ／ｍ＾２ａ之间,其最大ＮＰＰ不及全球最高值的一半,并且,广东省年ＡＰＡＲ的时空变化显著,这主要与植被自身性质和太阳辐射的时空变化有关,即使是常绿阔     

中国东北样带对全球变化响应的动态模拟——一个遥感信息驱动的区域植被…

对中国东北样带植被生物量的时空变化进行了计算机模拟。模型以１２种植被类型的绿色和非绿色生物量以及３层土壤水分为其状态变量。模拟绿色生物量被转成ＡＶＨＲＲ归一化植被指数（ＮＤＶＩ）,并与１９８６￣１９９０年观测到的植被指数进行了比较。大气ＣＯ２浓度、气温和降水被用作样带对全球变化响应研究的３个基本驱动变量。模型中还包括了降水和气温改变对日照百分率、相对湿度、辐射及土壤水分和植物生长的影响。ＣＯ２取当     

植被指数的抗大气影响探讨

提出一个应用方便的标准化差值植被指数（ＮＤＶＩ）的大气纠正方法。在大气阻抗植被指数（ＡＲＶＩ）的基础上,运用大气下向光谱的同步实例值以及大气辐射传输方程,得到纠正ＮＤＶＩ的关键参数γ↑。改进了ＡＲＶＩ的γ↑始终等于１ 的计算方法。同时也不必采用５ｓ模型进行预处理。所得新的抗大气影响植被指数（ＩＡＶＩ）为：ρｎｉｒ－ 〔ρｒ－ γ↑（ρｂ－ ρｒ）〕ρｎｉｒ＋ 〔ρｒ＋ γ↑（ρｂ－ ρｒ）〕。式中的γ↑值的变化范围可从０．６５ 到１．２１ 之间。对于混浊大气γ↑值随观测角变化更大。还提供了一组根据气象资料计算γ↑值的近似公式。根据应用表明ＩＡＶＩ比ＮＤＶＩ有明显的抗大气影响效果     

GIS支持下的青石山小流域农业生态信息系统(QWAEIS)及其应用研究

应用地理信息系统（ＧＩＳ）,建立了青石山小流域农业生态信息系统（ＱＷＡＥＩＳ）,该系统综合了土壤、土地利用、水资源及地形地貌等空间信息和气候、人口、农业生产等基本信息。该系统能对小流域农业生态信息进行有效地分析和管理,应用此系统,进行了小流域的土地适宜性评价,获得土地适宜性评价结果,为小流域规划提供了空间定位信息。     

利用水稻冠层光谱特征诊断土壤氮素营养状况

 系统测定了不同秸秆还田和氮肥处理下水稻（Oryza sativa）关键生育期 的冠层反射光谱及土壤速效氮 含量,并对两者之间的关系进行了详尽的分析。结果表明: 土壤速效氮含量在整个水稻生育期内均与可 见光波段反射率呈负相关,与近红外波段反射率呈正相关。归一化及比值植被指数与土壤速效氮含量有更好的相关性,分蘖期要优于其它生育时期,以870、1 220 nm波段与560和710 nm波段的组合最佳,但两者的关系易受土壤等背景的干扰。而转换型土壤调节植被指数TSAVI能较好地消除分蘖期土壤背景的影响,两生态点可用统一的方程来拟合,用该研究中所筛选出的最佳波段组合计算出的TSAVI的表现更好,尤其是870 nm波段和710 nm波段的组合,决定系数（R²）由0.46提高到0.60。抽穗期和灌浆期由1 220和760 nm计算的比值指数R(1 220, 760)和新土壤调节植被指数SAVI(1 220,760)与土壤速效氮含量的关系则不受生态点的影响,可用统一回归方程来拟合。这说明水稻冠层反射光谱可以用来评价稻田土壤肥力状况,但仍需进一步研究。     

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.     

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.     

烟草叶面积指数的高光谱估算模型

叶面积指数(1eaf area index,LAI)是重要的生物物理参数,亦是各种生态模型、生产力模型以及碳循环研究等的重要生物物理参量,因此具有重要的研究意义。为了探索不同高光谱模型监测烟草叶面积指数LAI的精度,在烟草伸根期,旺长期和成熟期采用ASD Fieldspec HH光谱仪测定了不同水氮条件下烟草冠层的高光谱反射率和叶面积指数数据。选用四个常用的植被指数RVI (ratio vegetation index)、NDVI (normalized difference vegetation index)、MTVI2（Modified second triangular vegetation index）、MSAVI（Modified Soil-adjusted vegetation index）和PCA (principal component analysis)、neural network (NN)三种方法对烟草LAI进行了估算,比较分析了三种方法的估算结果。研究结果表明,植被指数法,主成分分析,神经网络方法LAI都取得了较为理想的结果,其中植被指数法可以较为精确反演烟草LAI,验证模型确定性系数在0.76～0.85之间,主成分分析方法和神经网络方法精度较高,分别为0.938和0.889。主成分分析方法验证模型的稳定性更好,其验证模型的RMSE为0.172,低于四个植被指数和神经网络。MTVI2和MSAVI能较好地去除土壤、大气等条件影响,反演精度高于RVI和NDVI。与基于植被指数建立的模型相比,主成分分析和神经网络可以更好的提高LAI的反演精度。     

Exploring the influence of soil types underneath the canopy in winter wheat leaf area index remote estimating

Aims Remote sensing is an effective and nondestructive way to retrieve leaf area index (LAI) from plot, regional and global range. Soil background is one of the confounding factors limiting remotely estimating LAI. And soil type contains a large proportion of soil background information, which can influence the optical properties of vegetation canopy and soil. However, our knowledge on the effects stemmed from soil types underneath the canopy on LAI remote estimating have been in shortage. Thus, this study aims to explore the influences of soil types underneath the canopy on winter wheat LAI remote estimating. Methods We analyzed the sensitivity variation of eight spectral indices, named normalized difference vegetation index (NDVI), modified soil-adjusted vegetation index (MSAVI), modified chlorophyll absorption ratio index 2 (MCARI₂), red edge inflection point (REIP), red edge amplitude (Dr), red edge area (SDr), red edge symmetry (RES), normalized difference spectral index (NDSI), to LAI in different soil types, and then we identified some spectral intervals or parameters that were insensitive to soil type variations underneath the canopy. We also compared the accuracy of two commonly used regression models, partial least squares regression (PLSR) and random forest regression (RFR), in estimating LAI for different soil types. We also explored the problems arising from applying the regression model developed in single soil type area to complex soil types area in retrieving LAI. Important findings This paper demonstrates the effects of soil types underneath the canopy on LAI retrieving. 1) The sensitivity of spectral indices to LAI is significantly different due to the soil type variation, but REIP has the least effects from soil type variation among the eight spectral indices. Meanwhile, the band selection algorithm of lambda-by-lambda not only chooses the most sensitive spectral interval for LAI, but also provides a feasible way to construct the spectral index that exhibits strong resistances to the effects of soil types underneath the canopy. 2) The accuracy of LAI estimation by regression models differs under soil type considered or not. So we suggest that in small scale researches, especially in a field scale, the ability of regression models in explaining variables is the priority consideration, while the PLSR is superior to RFR in this respect. Under the premise of unknown priori knowledge of land surfaces, the RFR is more suitable for retrieving LAI than PLSR, but land surface priori knowledge is still necessary. These findings provide the theoretical basis and methods for developing remotely sensing estimating LAI models adapted to various land surfaces. Further analysis is needed in applying the findings in more crop types, cultivars and growth stages.     

晋西北黄土区人工林土壤水分动态的定量研究

本文根据１９８８－１９９０年在定位观测资料,对晋西北黄土丘陵区河北杨林、刺槐林和柠条藻木林的土壤水分动态规律进行了定量分析。依次就水分分布分层、水分剖面特征、水分季节动态、水分循环模式与水分循环水分等问题进行了探讨。本文采用的新的分析途径和方法将有助于对黄土区不同植被类型土壤水分生态研究的进一步深化。     

黄土丘陵区小流域土地利用和植被恢复对土壤质量的影响

土壤质量的维护和提高是全球生物圈可持续发展的重要因素之一．对黄土丘陵小流域持续利用25年后的荒草地、山杏林地、农地、油松林地、灌木林地和撂荒地土壤性状的研究结果表明,不同土地利用方式和植被恢复类型对土壤质量有很大影响;植被恢复重建和农地撂荒将增加土壤有机质含量,提高土壤质量;粗放的农业耕作措施将降低土壤质量并引起土壤退化;灌丛有明显的肥力岛屿作用;撂荒在一定程度上可以培肥土壤。随着“西部大开发”、“退耕还林还草”和生态重建工程的开展,在半干旱黄土丘陵沟壑区,建植灌木、种植牧草、农地撂荒和自然恢复是较好的生态重建和植被恢复方式。     

基于多角度植被指数的马尾松林LAI反演方法

CHRIS/PROBA是目前具有最高空间分辨率（17 m×17 m）的星载多角度高光谱数据，该款数据在反演植被垂直结构参数，如树高、叶面积指数（leaf area index，LAI）等方面具有重要的应用前景。基于四尺度几何光学模型得到马尾松（Pinus massoniana Lamb.）冠层的归一化差分植被指数（normalized difference vegetation index，NDVI）各向异性分布规律，利用CHRIS红光特征波段和近红外特征波段构建一种新型多角度植被指数（normalized hotspot-dark-spot difference vegetation index，NHDVI），并将其应用于CHRIS数据对马尾松林的LAI遥感估算上。结果显示：（1）相比归一化差分植被指数（NDVI）与土壤调节植被指数（soil adjusted vegetation index，SAVI）而言，NHDVI能很好地融合光谱信息与角度信息，与地面实测LAI的决定系数达到0.7278；（2）利用NHDVI-LAI统计回归模型方法来反演LAI值，将得到的LAI值与地面实测值进行相关性分析，结果拟合优度达到0.8272，均方根误差RMSE为0.1232。与传统植被指数相比，包含角度信息的多角度植被指数对LAI的反演在精度上有较大提升，同时比基于辐射传输模型的反演方法更简易、实用。     

Effect of land use conversion on soil organic carbon sequestration in the loess hilly area, loess plateau of China

Changes in land use may alter land cover, which results in carbon stock changes in biomass as well as in the soil. In China’s loess plateau, vegetation restoration has been conducted since 1950s to control soil erosion and improve the ecosystem, with significant investment of money and manpower. Despite these efforts, soil erosion has still been severe. To reduce soil erosion and improve land quality, China initiated another state-funded project, Grain-for-Green, in 1999 in the loess plateau. However, it is not clear how effective this newly initiated project will be. In this study, we evaluated the effect of land-use conversion on soil organic carbon (SOC) and the potential effect of the current project on SOC sequestration in the Anjiapo catchment area of the loess hilly area of the loess plateau in China. This evaluation is based on SOC measurements in cropland versus in other converted land use types. We found that SOC sequestration mainly occurred in the surface soil after land use conversion took place. Land use conversion from cropland to shrubland or wild grassland (i.e. undisturbed land) was better for SOC sequestration than tree plantation in the semi-arid loess hilly area. By using the land use change in the study area as a scenario, the potential contribution of land use change on SOC sequestration due to the Grain-for-Green project was estimated. It was found that this project in the loess plateau of China would be helpful for SOC sequestration if successfully implemented.     

陕北黄土高原植被基本特征及其对土壤性质的影响

 本文论述了陕北黄土高原植被的性质,并以土壤分析数据说明植被破坏不仅影响土壤的机械侵蚀,而且使土壤的有机质、氮、磷、含水量等一些重要数值降低,一般程度不等的降低幅度为2一7倍之间;另外,恢复植被不仅能保持水土,防止侵蚀,更重要的是使土壤性质因素向良好方向发展,提高土壤肥力。