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。     

联合GF-6和Sentinel-2红边波段的森林地上生物量反演

光谱反射率能反映地物差异,是森林地上生物量（Aboveground Biomass,AGB）遥感反演的理论基础。红边波段处于近红外与红光波段交界处快速变化的区域,能对植被冠层结构和叶绿素含量的微小变化做出快速反应,对植被生长状况较敏感。研究以GF-6和Sentinel-2多光谱影像作为数据源,结合野外调查AGB数据,构建落叶松和樟子松AGB线性和非线性估测模型,通过比较模型精度选择最优模型进行森林AGB反演和空间分布制图。结果表明：GF-6和Sentinel-2影像红边波段反射率与落叶松、樟子松AGB均呈显著相关（P<0.05）,红边波段对AGB估测较敏感。多变量估测模型整体估测效果优于单变量模型,所有模型中多元线性回归模型取得了最优的决定系数（落叶松R²=0.66,樟子松R²=0.65）和最低的均方根误差（落叶松RMSE=31.45 t/hm²,樟子松RMSE=54.77 t/hm²）。相比单个数据源,联合GF-6和Sentinel-2影像构建的多元线性回归模型估测效果得到了显著提升,模型RMSE对于落叶松和樟子松AGB估测分别最大降低了22.9%和11.2%。增加红边波段进行AGB估测能显著提高模型估测精度,三组数据源分别加入红边波段信息后进行建模,模型RMSE得到了显著降低。GF-6拥有800 km观测幅宽和高效的重访周期,可以快速地提供大尺度时间序列数据,在森林地上生物量反演和动态监测方面有着很大潜力。     

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<...     

基于高分辨率遥感影像的北亚热带森林生物量反演

以北亚热带湖北省太子山林场为研究对象,基于高空间分辨率GF-2与SPOT-6卫星影像,提取不同窗口大小下的纹理信息与光谱信息,利用随机森林回归算法,并结合野外实测106块样地的生物量数据,建立不同影像下的太子山林场森林生物量反演模型。结果显示：（1） GF-2和SPOT-6虽然空间分辨率有差异,但是从其不同波段反射率的相关系数（0.75、0.78、0.73、0.61）发现,两种影像的波段反射率具有较高的相关性,说明两者的辐射性能相近;（2）通过分析不同纹理特征对生物量模型的影响,发现均值和对比度纹理参数对生物量反演具有很好的效果。（3）高分辨率的遥感数据在生物量反演中具有较好的表现,且GF-2生物量模型精度（R²=0.88,RMSE=27.11 Mg/hm²）与SPOT-6生物量模型的精度（R²=0.89,RMSE=23.93 Mg/hm²）相近。（4）两种影像对不同森林类型的生物量预测值不存在显著差异,都适合对不同林分类型的生物量进行预测。     

南方红壤典型水土流失区马尾松林地上林木碳储量的遥感监测——以长汀县河田镇为例

森林碳储量动态变化对揭示区域水土流失治理成效具有重要指示意义。以长汀县河田镇为例,2017年随机设置34个马尾松林样本作为建模集,分别与同期Landsat影像的原始波段、植被指数及主成分因子进行回归分析,构建马尾松（（Pinus massoniana））林地上林木碳储量的最佳反演模型,基于伪不变特征原理的线性归一化法实现该模型在2003、2010年影像上的适用性校正转换,实现研究区2003、2010、2017年马尾松林地上林木碳储量的反演及时空分异特征的研究。结果表明：研究区2017年马尾松林地上林木碳储量最佳遥感反演模型是以绿色植被指数（GNDVI）为自变量构建的指数模型：C₂₀₁₇=0.006e^{14.357GNDVI₂₀₁₇},该模型拟合的决定系数为0.57,平均相对精度为82.19%;2003年、2010年马尾松林地上林木碳储量遥感估测模型为：C₂₀₀₃=0.006e^{（16.4086GNDVI₂₀₀₃+1.1428）}、C₂₀₁₀=0.006e^{（15.1677GNDVI₂₀₁₀+1.5821）},两期校正模型的决定系数均在0.85以上;2003、2010及2017年碳储量分别为8.24 t/hm²、11.34t/hm²、16.14 t/hm²,整体呈上升趋势;地上林木碳储量随海拔、坡度的升高而增加,向阳坡地上林木碳储量高于背阴坡;碳储量增长率随海拔、坡度的升高而降低,背阴坡碳储量增长率高于向阳坡。     

气候变化与人类活动对内蒙古东部草地净初级生产力的影响

内蒙古东部草地是该区域的主体生态系统类型,属于脆弱的生态系统,对气候和人类活动反应敏感。基于土地覆被数据和改进CACS模型,估算得到的草地NPP,分析2000-2015年内蒙古东部草地和NPP时空格局与年际动态。进而,定义相对退化指数（RDI）,确定草地生产力变化过程中人类活动因素的贡献率,分析内蒙古东部地区2000-2015年RDI空间格局与年际动态。同时,分析16年间NPP和气候因子相关关系。结果表明：1）2000-2015年间,损失草地面积4743.80 km²,新增草地面积2705.57 km²。2）2000-2015年内蒙古东部地区草地植被平均NPP位于166.56-248.14 gC m^-2 a^-1之间,NPP在波动中呈现明显的上升趋势（3.65 gC m^-2 a^-1/a,R²=0.47）。3）2000-2015年RDI在16.64%-30.54%之间波动,RDI值呈缓慢下降趋势,表明人类活动对草地植被净初级生产力的干扰程度在下降。4）草地NPP变化主要是因为草地本身生产力下降。整体来看相关草地保护工作取得了阶段性进展,草地生境质量得到有效缓解,草地生态环境得到转变。     

1982-2010年中国草地净初级生产力时空动态及其与气候因子的关系

植被净初级生产力（NPP）及其与气候变化的响应研究是全球变化的核心内容之一。论文基于长时间序列遥感数据和气象数据,通过光能利用率模型（Carnegie-Ames-Stanford approach, CASA模型）模拟了1982-2010 年中国草地NPP,进而分析其时空变化特征及其与气候水热因子的相关性。结果表明：（1）1982-2010年中国草地年平均NPP为282.0 gC m^-2a^-1,年总NPP的多年平均值为988.3 TgC;空间分布上呈现东南部高西北部低的特征。（2）近30年中国草地NPP增加速率为0.6 gC m^-2a^-1,呈增加趋势的面积占中国草地总面积的67.2%;总体上,中国草地NPP呈极显著和显著增加的比例（35.8%、8.0%）大于呈极显著和显著减少的比例（5.8%、4.8%）;NPP明显增加的区域主要包括青藏高原西部、阿拉善高原、新疆西部;明显降低的区域主要分布在内蒙古地区;不同年代际和不同草地类型的NPP变化趋势差异明显。（3）草地NPP与降水量的相关性高于与温度的相关性。不同草地类型NPP对气温、降水量的响应程度不同,其中温性荒漠草原 、温性草原、温性草甸草原的NPP与降水量均达到显著正相关（P<0.05）。     

基于Sentinel-2A影像干旱区棉花叶片SPAD数字制图

植被叶片叶绿素是农业遥感反演的重要参数,叶绿素含量的变化与植被生长环境的胁迫程度、生理变化密切相关,故将植被叶绿素进行实时、动态监测对农业生产极为重要。然而,传统经验模型及叶绿素精准测量存在困难。基于高分辨率的Sentinel-2A数据,在机器学习框架下,利用光谱信息、最适光谱指数和基于PROSAIL辐射传输模型的生物协变量构建3种建模方案（方案1：光谱信息和最适光谱指数联合,方案2：光谱信息和物理模型生物协变量联合,方案3：光谱信息、最适光谱指数和物理模型生物协变量联合）。最终基于优选出的建模方案进行棉花叶片叶绿素相对含量的空间数字制图。结果表明：（1）红边波段参与的最适光谱指数比值植被指数（RVI）与棉花叶片SPAD值相关性最高r=0.767,P^**=0.195;（2）将构建的17个变量进行重要性分析可知,构建的最适光谱指数比值植被指数（RVI）与物理模型生物协变量LAI-Cab对估算模型的精度贡献率较大;（3）建模方案构建植被指数时红边波段被确定为最优波段,在增加精度方面起到决定性作用;通过模型评价标准来分析3种方案可知,预测精度大小顺序为模型方案3 > 模型方案1 > 模型方案2,其中方案3的决定系数R²最高为0.826,即估算模型方案3对棉花叶片SPAD值具有最好的预测能力,可以为干旱区农作物的生理参数反演提供新的思路,为农业安全监测,合理水肥配置提供科学数据支持。     

2000-2015年宁夏草地净初级生产力时空特征及其气候响应

草地是宁夏陆地生态系统的重要组成部分,估算其净初级生产力（NPP）对宁夏草地可持续利用与管理至关重要。采用MODIS数据和CASA模型对2000-2015年间宁夏草地生态系统NPP进行了估算,通过一元线性回归趋势分析、Hurst指数等方法研究草地NPP的时空变化规律及未来演变趋势,并分析草地NPP与气象因子的相关性。结果表明：（1）基于CASA模型的宁夏草地NPP模拟精度高,其估算值与实测多年草地NPP均值具有良好的线性关系（R=0.93,P < 0.01）,与MOD17产品的草地NPP空间分布基本一致。（2）近16 a宁夏草地年均NPP为148.28 g C m^-2 a^-1,且存在波动上升的趋势,其线性增长率为3.84 g C m^-2 a^-1（P < 0.01）。（3）宁夏草地NPP整体处于上升趋势,草地NPP增长的草地面积达98%,且其增率自南向北递减;宁夏草地NPP的Hurst指数在0.27-0.81之间,均值为0.53,大部分草地的NPP变化趋势具有较强同向持续性。（4）在年时间尺度上,宁夏草地NPP主要受降水量的影响,与气温的相关性较弱;在月时间尺度上,生长季草地NPP与月总降水量的相关性高,且不存在时间滞后响应现象,而与月均温的响应则存在1个月的时间滞后性,宁夏大面积分布的干草原与荒漠草原NPP对气温响应滞后是导致这一现象发生的主要原因。     

内蒙古放牧草地土壤碳固持速率和潜力

放牧是典型草地最重要的利用方式,弄清放牧对草地碳固速率的影响,将为我国内蒙古地区草地碳汇管理提供重要的科学依据。通过在平坦草地和斜坡草地设置相同的放牧梯度实验 (放牧强度0、1.5、3.0、4.5、6.0、7.5、9.0 羊/hm²),探讨了放牧和地形对草地土壤碳固持速率的影响。实验结果表明:轻度放牧草地表现为碳固持,重度放草地表现为碳流失;对放牧草地而言,存在碳源/碳汇的转化阈值(或放牧强度),且坡地阈值低于平地。为了实现草地碳增汇目的,平坦草地的放牧强度应低于 4.5羊/hm²(放牧期6-9月),斜坡草地应低于3 羊/hm²。地形因素(平地VS斜坡)使准确评估放牧草地土壤的碳固持速率变得更加复杂。总之,内蒙古地区放牧草地具有较大的碳固持潜力,通过控制放牧强度是实现其碳固持潜力的重要途径之一。     

北部湾茅尾海无瓣海桑红树林地上生物量反演——基于XGBoost机器学习算法

无瓣海桑是广西从自治区外引进的外来红树林树种,采用定量化算法精确估算无瓣海桑地上生物量对红树林生态修复以及海洋蓝碳监测提供经验和方法。论文以广西茅尾海自然保护区无瓣海桑红树林为研究对象,以野外实测无瓣海桑红树林地上生物量数据和Sentinel-1/2卫星提取的后向散射数据、波段数据、植被指数数据和纹理指数数据为数据源,通过分析各遥感因子与实测红树林地上生物量之间的重要性关系,采用极端梯度提升(XGBoost)机器学习算法对比了不同的变量组合对模型精度的影响,最后基于优选的变量组合反演了无瓣海桑红树林的地上生物量。结果表明：(1)研究区无瓣海桑红树林实测树高范围为1.55—13.58m,平均值为8.37m,胸径范围为0.7—41cm,平均值为15.62cm;(2)通过XGBoost算法优选的21个特征变量组合模型拟合效果较好,其模型在测试阶段R²=0.7237,RMSE=21.70Mg/hm²。XGBoost算法反演研究区无瓣海桑地上生物量介于19.14—138.46Mg/hm²之间,平均值为51.92Mg/hm^...     

祁连山区典型草地生态系统土壤抗冲性影响因子

为探索祁连山区典型草地生态系统土壤抗冲性的影响因子及其效应,采用野外实地放水冲刷法,以一定体积的冲刷水流含沙量为指标,对土壤抗冲性进行了研究,并调查了海拔、坡度、植被高度、植被覆盖度、地上生物量、根系密度、生物多样性、土壤质地等因子,利用通径分析研究了各因子与土壤抗冲性的关系。结果表明:(1)土壤抗冲性与海拔、植被覆盖度、根系密度和土壤砂粒体积分数呈极显著正相关(P0.01),而与坡度和土壤粉粒体积分数呈极显著负相关(P0.01),与地上生物量和物种丰富度呈显著正相关(P0.05),与植被高度不具备显著相关性;(2)通径分析结果显示,植被覆盖度和根系密度是影响祁连山区典型草地生态系统土壤抗冲性的主导因素,植被覆盖度对土壤抗冲性的影响主要表现为强烈的直接作用(0.660),而根系密度对土壤抗冲性的直接作用相对较小(0.286),有较大一部分影响表现为间接作用(0.174);(3)径流含沙量随植被覆盖度和根系密度的增加明显减少,植被覆盖度与径流含沙量间的关系可用指数或对数形式表达,根系密度与径流含沙量间的关系可用指数形式表达。研究显示,在祁连山区典型草地生态系统,与海拔、坡度、地上生物量、植物多样性、土壤质地等因素相比,植被覆盖度和根系密度对土壤抗冲性的影响作用更突出,提高植被覆盖度与根系密度能够有效增强土壤抗冲性。该研究可为祁连山区的土壤侵蚀规律研究及效益评价提供依据。     

The spatial pattern of grassland aboveground biomass on Xizang Plateau and its climatic controls

Aims Grassland is the most widely distributed vegetation type on the Xizang Plateau. Accurate remote sensing estimation of the grassland aboveground biomass (AGB) in this region is influenced by the types of vegetation indexes (VIs) used, the grain size (resolution) of the remote sensing data and the targeted ecosystem features. This study attempts to answer the following questions: (i) Which VI can most accurately reflect the grassland AGB distribution on the Xizang Plateau? (ii) How does the grain size of remote sensing imagery affect AGB reflection? (iii) What is the spatial distribution pattern of the grassland AGB on the plateau and its relationship with the climate?Methods We investigated 90 sample sites and measured site-specific AGBs using the harvest method for three grassland types (alpine meadow, alpine steppe and desert steppe). For each sample site, four VIs, namely, Normalized Difference VI (NDVI), Enhanced VI, Normalized Difference Water Index (NDWI) and Modified Soil-Adjusted VI (MSAVI) were extracted from the Moderate Resolution Imaging Spectroradiometer (MODIS) products with grain sizes of 250 m and 1 km. Linear regression models were employed to identify the best estimator of the AGB for the entire grassland and the three individual grassland types. Paired Wilcoxon tests were applied to assess the grain size effect on the AGB estimation. General linear models were used to quantify the relationships between the spatial distribution of the grassland AGB and climatic factors.Important findings The results showed that the best estimator for the entire grassland AGB on the Xizang Plateau was MSAVI at a 250 m grain size (MSAVI 250 m). For each individual grassland type, the best estimator was MSAVI at a grain size of 250 m for alpine meadow, NDWI at a grain size of 1 km for alpine steppe and NDVI at a grain size of 1 km for desert steppe. The explanation ability of each VI for the grassland AGB did not significantly differ for the two grain sizes. Based on the best fit model (AGB =^-10.80 + 139.13 MSAVI 250 m), the spatial pattern of the grassland AGB on the plateau was characterized. The AGB varied from 1 to 136g m ?2. Approximately 59% of total spatial variation in the AGB for the entire grassland was explained by the combination of the mean annual precipitation (MAP) and mean annual temperature. The explanatory power of MAP was weaker for each individual grassland type than that for the entire grassland. This study illustrated the high efficiency of the VIs derived from MODIS data in the grassland AGB estimation on the Xizang Plateau due to the vegetation homogeneity within a 1×1 km pixel in this region. Furthermore, MAP is a primary driver on the spatial variation of AGB at a regional scale.     

祁连山不同类型草地的土壤理化性质与植被特征

祁连山草地生态系统在维护我国西部生态安全方面起着举足轻重的作用。为了解祁连山不同类型草地土壤水分、养分等理化性质与植被分布特征,及土壤理化性质与植被特征的相关关系,于祁连山选取7种类型的草地,测定土壤水分含量、养分含量、容重、颗粒组成和植被特征,计算土壤颗粒的分形维数、0～40 cm土层土壤有机碳、全氮和全磷储量、植物多样性指数。结果表明: 祁连山不同类型草地的土壤理化性质与植被特征差异显著,高寒草甸相比于其他类型草地具有较高的土壤水分、养分和黏粒含量,及较低的容重和砂粒含量;0～40 cm土层土壤有机碳、全氮、全磷储量变化范围分别为3084～45247、164～2358、100～319 g·m^-2,整体表现为有机碳和全氮含量高、全磷含量低;土壤全磷储量与植物多样性指数呈显著正相关关系,表明土壤全磷含量是祁连山草地植物多样性的关键影响因素。相比其他草地类型,高寒草甸具有较好的植被状况和土壤水分、养分条件。     

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.     

呼伦贝尔草原区CO2源、汇及时空分布模拟研究

近年来,随着全球气候变化和人为影响加剧,半干旱草地生态系统的碳循环受到剧烈影响。半干旱草原区域CO_2模拟研究主要集中于已有观测资料的地区,然而,观测资料缺乏的草原区CO_2通量模拟却鲜少有人研究。因此选择缺通量资料的呼伦贝尔草原地区为主要研究对象,并将VPRM模型应用于缺资料地区,模拟了该区域内2016年的NEE时空分布。结果表明:(1)在特旱年的气候条件下2016年全年都表现为微弱的碳源(全年NEE值为47.27 gC/m~2),且其变化趋势与降水和气温在年内变化趋势相近。(2)空间上,根据趋势来看NEE在空间分布由草原区向草甸区、森林区逐渐降低。基于植被分布情况,不同植被类型的区域碳排放顺序为:克氏针茅草原和大针茅草原羊草草原杂草草甸草原(以线叶菊等为主)。(3)干旱胁迫是该地区表现为碳源的主要原因之一,而且降水与NEE表现出极显著的二次函数关系(R~2=0.938,P0.001),说明了干旱气候条件下,随着月降水量的增加,草原生态系统出现碳源向碳汇转移的趋势。(4)地上生物量(AGB)与GPP和Reco表现出了极显著的正相关关系(R~2分别为0.89和0.9,P0.01),与NEE表现出了极显著的负相关关系(R~2=0.68,P0.01),说明了草原的地上生物量增加能有效地降低二氧化碳排放。     

森林生物量遥感降尺度研究

森林生物量是评价全球碳氧平衡、气候变化的重要指标。目前已有基于星载激光雷达数据的全球森林生物量产品,但空间分辨率较低,不能很好地满足小区域森林调查和动态监测的需要。针对这一现状,以美国马里兰州两个森林分布状况不同的区域为研究区,基于CMS(Carbon Monitoring System)30 m分辨率和GEOCARBON 1 km分辨率森林地上生物量产品以及TM等数据源,通过升尺度模拟低分辨率生物量数据和直接使用低分辨率产品两种方式,分别尝试建立了多光谱地表参数和低分辨率森林地上生物量之间的统计关系,以此作为降尺度模型实现了森林地上生物量空间分辨率从1 km到30 m的转换,并对降尺度结果进行精度评价和误差分析。结果表明:模拟数据降尺度后的30 m分辨率森林地上生物量空间分布和CMS森林地上生物量分布状况大致相同,RMSE=59.2—65.5 Mg/hm~2,相关系数约为0.7;其降尺度结果优于GEOCARBON产品直接降尺度结果RMSE=75.3—79.9 Mg/hm~2;相较于线性模型,非线性模型能更好地呈现森林地上生物量和地表参数间的关系;总体上,降尺度生物量呈现高值区低估,低值区高估的现象。