基于最佳波段判别的湿地植物叶片全氮反演研究

利用高光谱遥感技术定量估测湿地植被叶片全氮含量,对于监测和诊断湿地植被的生理状况及生长趋势具有重要意义。但叶片氮素遥感诊断研究多存在反演模型过拟合、入选波段与生化参量间因果关系不明确和入选变量间"多重共线性"等局限。以芦苇(Phragmites australis)和香蒲(Typha angustifolia)叶片全氮含量作为研究对象,通过谱带分区,分区最佳波段选取和偏最小二乘回归相结合的方法构建芦苇和香蒲叶片全氮含量反演模型,并利用交叉验证决定系数(R2cv)和均方根误差(RMSEcv)对模型精度进行检验,尝试克服传统反演方法中的不足。结果表明,不同湿地植物类型相比,利用芦苇反射光谱建立的预测模型精度都高于香蒲。不同回归模型相比,一阶导数光谱-偏最小二乘回归模型(FDS-PLSR)精度远高于原始光谱-偏最小二乘回归模型(OS-PLSR)。芦苇最佳模型交叉验证决定系数(R2cv)达到了0.84,方根误差(RMSEcv)为0.10,香蒲最佳模型交叉验证的决定系数(R2cv)达到了0.66,方根误差(RMSEcv)为0.13,是构建湿地植物芦苇和香蒲光谱与叶片全氮含量关系的最佳模型。在不降低湿地植物叶片氮含量反演精度的基础上,有效地避免了传统地物高光谱模型反演中的局限性,是无损害遥感探测方面的有益尝试。     

遥感反演植被理化参数的光谱和空间尺度效应

植被理化参数是生态系统中碳和养分等物质循环与能量交换的重要指标,利用遥感技术反演是获取区域及全球植被理化参数的重要手段,但光谱和空间尺度效应的存在,限制了源自不同遥感传感器植被理化参数产品的统一应用。阐述了遥感反演植被理化参数光谱尺度效应的概念及其产生原因,主要从光谱波段位置和波段宽度两方面对国内外相关研究进行了介绍和评述。同时,从遥感反演植被理化参数的空间尺度效应产生原因、空间异质性描述方法和空间尺度转换方法等方面对其国内外研究现状进行了归纳和评述。最后,总结了遥感反演植被理化参数光谱和空间尺度效应研究的不足之处和发展趋势,并指出光谱和空间耦合效应的研究将是一大趋势,而在生态学等领域形成的尺度效应研究的理论和方法也值得借鉴参考。     

湿地植被地上生物量遥感估算方法研究进展

湿地植被生物量是衡量湿地生态系统健康状况的重要指标,其估算方法研究一直是湿地领域的研究热点。传统的植被地上生物量测算主要依靠样方调查,对于复杂湿地生态系统存在一定的局限,而随着遥感估算方法的发展,湿地植被生物量的研究实现了长期、动态且大尺度的监测。本文在查阅和分析国内外相关文献的基础上,以遥感数据为主要数据源,阐述了基于光学、合成孔径雷达(SAR)、激光雷达(Lidar)以及多源协同遥感数据反演湿地植物地上生物量的理论基础及计算原理,总结了其研究进展,分析了其适用性,继而从湿地植被生物量监测类型的拓展、多源遥感数据的融合、遥感数据的同化以及遥感机理模型发展等方面出发,对植物生物量研究的发展趋势进行了深入探讨。     

湿地土壤全氮和全磷含量高光谱模型研究

氮磷是湿地生态系统土壤中的重要营养元素,其对湿地植被生长、湿地生态系统生产力、区域富营养化变化、湿地环境生态净化功能等具有重要的影响作用。研究氮磷营养物质在湿地土壤中的分布变化特征,对湿地生态系统评估、恢复和管理具有重要的意义。以中国高纬度地区面积最大的滨海芦苇湿地——盘锦湿地为研究区,采用不同建模方法(再抽样多元逐步回归模型bootstrap SMLR和再抽样偏最小二乘回归模型bootstrap PLSR)和光谱变换技术(包络线去除CR、光谱一阶微分FD和光谱倒数的对数LR),分别建立了湿地土壤全氮和全磷含量的估算模型。基于湿地土壤实测光谱,模拟高光谱Hyperion数据和多光谱TM数据,在此基础上进行湿地土壤营养元素含量估算。对比所建反演模型的估算精度,探讨高光谱遥感技术对湿地土壤营养元素组分的估算能力和适用性。研究结果表明:bootstrap PLSR相比于bootstrap SMLR建模方法,其对研究区湿地土壤全氮和全磷含量的估算获得了较高精度;对盘锦湿地土壤全氮含量的估算,最高估算精度产生于CR光谱变换技术结合bootstrap PLSR建模;对湿地土壤全磷含量的估算,最高估算精度产生于原光谱数据结合bootstrap PLSR建模;模拟高光谱数据Hyperion对湿地土壤全氮和全磷含量的估算精度均高于模拟多光谱数据TM,模拟Hyperion的估算精度更接近于实测光谱的估算精度。     

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。     

多尺度遥感数据协同的干旱地区植被覆盖度提取

纯植被像元获取是植被覆盖信息遥感反演的必要环节。干旱地区植被分布零散稀疏,使用中、低分辨率遥感数据提取植被覆盖度时,难以获取纯植被像元,致使植被覆盖度提取精度较低。针对上述问题,本文提出一种基于多尺度遥感数据协同的干旱区植被覆盖度反演方法。该方法利用空间分辨率较高的Landsat-8 OLI数据确定纯植被像元,考虑到不同传感器之间的光谱差异,使用实测地物光谱数据进行光谱转换,代替中等分辨率MODIS数据的纯植被像元,应用于像元二分模型,选择典型的干旱区新疆阜康市为研究区,进行植被覆盖度反演实验,最后使用无人机航拍影像对反演结果进行精度验证。结果表明,植被覆盖度反演结果精度较高,与实测值间存在较高的相关性(R2=0.75),均方根误差较低(RMSE=0.10)。该方法能够有效提高干旱区植被覆盖度反演精度,可为利用中低分辨率数据研究干旱地区生态环境变化提供一种新思路。     

植被含水量高光谱遥感监测研究进展

植被含水量是陆地植被重要的生物物理特征, 其定量遥感反演有助于植被干旱胁迫的实时监测与诊断评估。该文系统综述了国内外利用高光谱遥感评估植被水分状况的4个常见植被水分指标——冠层含水量、叶片等量水厚度、活体可燃物湿度和相对含水量的概念及其遥感估算方法研究进展, 评述了植被含水量高光谱遥感估算各类方法的优缺点, 探讨了植被含水量高光谱遥感估算目前存在的问题, 并提出进一步的研究任务, 即服务于植被干旱胁迫的高光谱遥感监测、预警与评估。     

Research progress on monitoring vegetation water content by using hyperspectral remote sensing

植被含水量是陆地植被重要的生物物理特征, 其定量遥感反演有助于植被干旱胁迫的实时监测与诊断评估。该文系统综述了国内外利用高光谱遥感评估植被水分状况的4个常见植被水分指标——冠层含水量、叶片等量水厚度、活体可燃物湿度和相对含水量的概念及其遥感估算方法研究进展, 评述了植被含水量高光谱遥感估算各类方法的优缺点, 探讨了植被含水量高光谱遥感估算目前存在的问题, 并提出进一步的研究任务, 即服务于植被干旱胁迫的高光谱遥感监测、预警与评估。     

灌丛化草原灌木和草本植物光谱特征差异及灌木盖度反演——以内蒙古镶黄旗为例

灌丛化草原已成为我国干旱、半干旱地区一种重要的植被类型,但目前有关灌丛化草原灌木和草本植物光谱特征以及灌木盖度的遥感反演研究鲜有报道。相比传统的野外调查方法,基于遥感影像的灌木盖度反演为实现长时间、大范围灌丛化草原灌木盖度监测提供了可能。该研究综合利用灌木和草本植物光谱特征差异以及季相差异,以内蒙古镶黄旗灌丛化草原区为例,通过线性模型和多端元混合光谱分解模型,实现了利用中分辨率Landsat卫星影像的灌木盖度反演。对镶黄旗优势灌木和草本植物群落的光谱特征分析表明,小叶锦鸡儿(Caragana microphylla)灌木群落的红边斜率、归一化植被指数和改进红边归一化植被指数值均高于以羊草(Leymus chinensis)、克氏针茅(Stipa krylovii)为优势种的草本植物群落,并且其红边位置有"红移"趋势。两种模型反演所得镶黄旗灌丛化草原区灌木盖度平均值均为13%,绝大多数区域灌木盖度低于25%。相比基于盛夏时节影像的多端元混合光谱分解模型,利用灌木和草本植物季相特征差异建立的基于初秋时节影像的线性模型更适合灌丛化草原灌木盖度的遥感反演。     

日光诱导叶绿素荧光遥感及其在陆地生态系统监测中的应用

日光诱导叶绿素荧光(SIF)是近十年来迅速发展的新型植被遥感技术, 可以弥补以“绿度”为基础的植被指数等传统光学遥感观测的不足, 为大尺度植被光合作用监测提供了新方法。随着塔基、无人机、机载和星载SIF观测技术的快速发展以及SIF机理研究的推进, SIF遥感为陆地生态系统生理生化参数和生产力反演、非生物胁迫早期探测、光合物候提取和植被蒸腾作用监测等研究提供了重要技术支撑。该文首先系统阐述了SIF遥感的基本原理、观测技术和反演算法, 进而回顾了SIF遥感在陆地生态系统监测中的应用现状, 最后对天空地一体化SIF观测、SIF机理研究、新兴生态学应用等领域进行展望。     

新一代遥感技术助力生态系统生态学研究

随着气候变化和人类活动的加剧, 生态系统正处于剧烈变化中, 生态学家需要从更大的时空尺度去理解生态系统过程和变化规律, 应对全球变化带来的威胁和挑战。传统地面调查方法主要获取的是样方尺度、离散的数据, 难以满足大尺度生态系统研究对数据时空连续性的要求。相比于传统地面调查方法, 遥感技术具有实时获取、重复监测以及多时空尺度的特点, 弥补了传统地面调查方法空间观测尺度有限的缺点。遥感通过分析电磁波信息从而识别地物属性和特征, 反演生态系统组成、能量流动和物质循环过程中的关键要素, 已逐渐成为生态学研究中必不可少的数据来源。近年来, 随着激光雷达、日光诱导叶绿素荧光等新型遥感技术以及无人机、背包等近地面遥感平台的发展, 个人化、定制化的近地面遥感观测逐渐成熟, 新一代遥感技术正在推动遥感信息“二维向三维”的转变, 为传统样地观测与卫星遥感之间搭建了尺度推绎桥梁, 这也给生态系统生态学带来了新的机遇, 推动生态系统生态学向多尺度、多过程、多学科、多途径发展。因此, 该文从生态系统生态学角度出发, 重点关注陆地生态系统中生物组分, 并分别从生态系统类型、结构、功能和生物多样性等方面, 结合作者在实际研究工作中的主要成果和该领域国际前沿动态, 阐述遥感技术在生态系统生态学中的研究现状并指出我国生态系统遥感监测领域发展方向及亟待解决的问题。     

Measuring and monitoring restored ecosystems: can remote sensing be applied to the ecological recovery wheel to inform restoration success?

The commencement of the United Nations Decade on Ecosystem Restoration has highlighted the urgent need to improve restoration science and fast-track ecological outcomes. The application of remote sensing for monitoring purposes has increased over the past two decades providing a variety of image datasets and derived products suitable to map and measure ecosystem properties (e.g. vegetation species, community composition, and structural dimensions such as height and cover). However, the operational use of remote sensing data and derived products for ecosystem restoration monitoring in research, industry, and government has been relatively limited and underutilized. In this paper, we use the Society for Ecological Restoration (SER) ecological recovery wheel (ERW) to assess the current capacity of drone-airborne-satellite remote sensing datasets to measure each of the SER's recommended attributes and sub-attributes for terrestrial restoration projects. Based on our combined expertise in the areas of ecological monitoring and remote sensing, a total of 11 out of 18 sub-attributes received the highest feasibility score and show strong potential for remote sensing assessments; while sub-attributes such as gene flows, all trophic levels and chemical and physical substrates have a reduced capacity for monitoring. We argue that in the coming decade, ecologists can combine remote sensing with the ERW to monitor restoration recovery and reference ecosystems for improved restoration outcomes at the local, regional, and landscape scales. The ERW approach can be adapted as a monitoring framework for projects to utilize the benefits of remote sensing and inform management through scalable, operational, and meaningful outcomes.     

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％.     

Remote sensing for lake research and monitoring – Recent advances

Lakes are important ecosystems providing various ecosystem services. Stressors such as eutrophication or climate change, however, threaten their ecological functions. National and international legislations address these threats and claim consistent, long-term monitoring schemes. Remote sensing data and products provide synoptic, spatio-temporal views and their integration can lead to a better understanding of lake ecology and water quality. Remote sensing therefore gains increasing awareness for analysing water bodies. Various empirical and semi-analytical algorithms exist to derive remote sensing indicators as proxies for climate change or ecological response variables. Nevertheless, most monitoring networks lack an integration of remote sensing data. This review article therefore provides a comprehensive overview how remote sensing can support lake research and monitoring. We focus on remote sensing indicators of lake properties, i.e. water transparency (suspended particulate matter, coloured dissolved organic matter, Secchi disc depth, diffuse attenuation coefficient, turbidity), biota (phytoplankton, cyanobacteria, submerged and emerged aquatic vegetation), bathymetry, water temperature (surface temperature) and ice phenology (ice cover, ice-on, ice-out). After a brief background introducing principles of lake remote sensing we give a review on available sensors and methods. We categorise case studies on remote sensing indicators with respect to lake properties and processes. We discuss existing challenges and benefits of integrating remote sensing into lake monitoring and ecological research including data availability, ready-to-use tools and accuracies.     

森林碳计量方法研究进展

森林是陆地生态系统的主体,不仅是巨大的碳库而且对减缓气候变暖具有积极作用。科学有效的森林碳计量方法,有助于加深对全球碳循环过程的理解。然而,由于森林生态系统结构复杂,对森林碳计量的估算结果普遍存在精度低、不确定性高的问题。近年来,国内外发展了大量对森林碳计量进行估算的方法,主要有基于样地清查的森林植被和土壤碳估算、基于生长收获的经验模型估算、基于定量遥感雷达观测的遥感估测、基于多尺度森林生态系统网络的通量观测和陆地生态系统过程模型模拟等方法。在实际的森林碳计量中,根据不同的森林类型特征和数据获取情况,往往采取不同的碳计量方法,甚至不止一种。以生态过程模型模拟、遥感反演和数据同化技术为主要手段,基于碳通量观测数据、控制实验数据和遥感影像数据,发展多学科、多过程、多尺度的综合联网观测,充分认识森林碳循环过程中碳源/汇的时空分布特征,开展区域、洲际乃至全球尺度碳循环及其对全球变化和人类活动响应的系统性、集成性研究,以便建立高效、可靠的碳计量体系是未来林业碳计量的发展趋势。随着世界各国温室气体排放清单的编制,中国迫切需要科学的方法体系计量森林碳源/汇,提升我国在生态环境问题上的国际发言权和主导权,同时对我国森林可持续经营、生态环境保护以及美丽中国建设提供建议与支持。分析了各类森林碳计量方法的主要特征、优缺点,同时探讨了目前的森林碳计量方法存在的问题和未来的发展趋势,为不同时空尺度下森林碳计量提供参考。     

广西中南部耕地土壤有机质和全氮变化的遥感监测

以1981年、2011年土壤数据为基础,以AVHRR和MODIS遥感影像为数据源,通过研究广西中南部土壤有机质、全氮及其变化与归一化差异植被指数(NDVI)、植被覆盖度、植被净初级生产力(NPP)等遥感因子之间的耦合关系,建立表层土壤有机质、全氮含量变化的遥感监测模型。研究表明:近30年来,研究区土壤有机质、全氮变化均呈极显著上升趋势,分别增加了5.43g/kg和0.21g/kg;1981—2011年间,NDVI、植被覆盖度和NPP 3个遥感因子变化趋势一致,均呈现缓慢上升趋势,且遥感因子变化与有机质、全氮变化均具有显著正相关关系;利用逐步线性回归方法,建立土壤有机质、全氮变化的遥感监测模型,分别能够解释有机质、全氮变化的16.9%和20.3%;根据所建模型对研究区耕地土壤有机质、全氮变化可进行空间预测制图。结果表明,研究区内耕地土壤表层有机质、全氮分别上升了6.65g/kg和0.31g/kg,验证结果显示遥感模型能够反映出不同区域土壤有机质和全氮长期变化的空间特征。     

应用遥感技术评价植被生化物质含量的研究进展

植物叶片中的各种生化物质 (包括叶绿素、叶黄素、类胡萝卜素等色素 ,N、P、K等营养物质 ,纤维素、半纤维素、木质素、蛋白质、淀粉、糖和油等 )都直接或间接地参与生物地球化学循环。为进一步理解生态系统功能 ,必须对不同时间、不同空间的这些参数进行调查。遥感技术为获取多时相、大范围数据提供了极大的方便 ,在地表植被生化特征测定方面发挥着重要的作用。 2 0世纪 80年代以来 ,世界各国相继推出了机载和星载高光谱传感器 ,高光谱遥感技术为植被生化物质的遥感开辟了新局面。本文从植被光谱特征出发 ,总结了目前生化参数遥感中的植被指数、导数光谱、红边位移分析和连续统去除等基本光谱处理方法 ,重点介绍了统计回归模型和光学 -几何模型在植被生化物质含量遥测中的应用。对现有利用遥感技术研究植被生化物质含量的研究进行了综合评述 ,并讨论了其局限性及未来的发展趋势     

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.     

土壤水分遥感监测研究进展

土壤水分是陆地表面参数化的一个关键变量。土壤水分含量随时空的转换而变化,在地-气界面间物质、能量交换中起着重要的作用,是农作物生长发育的基本条件和农作物产量预报的重要参数。遥感技术具有大面积同步观测,时效性、经济性强的特点,为大面积动态监测土壤水分提供了可能。总结了近年来国内外遥感监测土壤水分理论、方法的发展和应用,介绍了目前几种比较成熟和广泛应用的土壤水分遥感监测方法与模型,对比分析了各种监测方法的优缺点,指出了土壤水分遥感监测方法存在的不足,指明了今后发展的方向,展望了土壤水分遥感监测方法的发展趋势。