内蒙古武川县农田退耕还草对大型土壤动物群落的影响

用手拣法采集大型土壤动物,应用个体数、类群数、多样性指数等指标分析了内蒙古武川县农田退耕还草管理下大型土壤动物群落的变化.共捕获大型土壤动物49类1479只,隶属于3纲、7目、41科;农田退耕后大型土壤动物的类群数、个体数和生物量均有增加趋势;Margalef丰富度指数(D_Ma)和密度-类群指数(DG)显示,农田退耕还草后大型土壤动物群落多样性明显增加,但由于退耕时间短,Shannon-Wiener多样性指数(H′)和Pielou均匀度指数(E)并不比农田高;不同动物类群对退耕还草的响应不同.退耕后采用紫花苜蓿或紫花苜蓿+蒿属植物的人工种植管理方式较为合适.     

玉龙雪山地区地表三维温度场时空变化分析

玉龙雪山属于海洋型冰川,对全球气候变化敏感,具有重要的生态研究价值。为了获取玉龙雪山地区的地表温度变化情况,提出了一种基于地表三维温度场的定量分析方法。首先,采用高分辨率立体测绘卫星影像构建数字表面模型,作为三维底图参考,并利用多时序热红外卫星影像数据反演地表温度场模型,提供地表温度变化依据;然后,在统一参考坐标系下将数字表面模型和多时序地表温度场模型套合,准确地分析地表温度时空变化情况。试验利用1987年至2018年间同一季节的Landsat卫星遥感影像反演地表温度,结合资源三号卫星立体影像构建的数字表面模型,并采用四阶温度区间分析多时序范围内玉龙雪山地区的地表温度变化情况。试验结果表明玉龙雪山低温区和次低温区面积逐渐减小,减小速度分别为2.096 km²/a和2.662 km²/a,中温区和暖温区面积逐渐增大,增大速度分别为2.902 km²/a和1.703km²/a,玉龙雪山地区的地表温度呈现整体上升的趋势,为全球生态环境变化提供参考。     

森林生态系统生物物理参数遥感反演研究进展

论述了利用遥感技术反演推算森林生态系统主要生物物理参数：叶面积指数、吸收光合有效辐射、净第一性生产力和生物量的技术、方法和模型及各个参量之间的相互关系研究进展,阐述了各研究方法、模型的特点、优势及局限性。特别论述了净第一性生产力的森林冠层光合作用理论模型基础、微波遥感估算森林生物量的应用优势和理论模型,展示了遥感技术在森林生态学研究中广阔的应用前景,同时也指出现有研究中各生物物理参数的定量遥感估算还有待进一步深入研究。     

基于GOCI影像的湖泊悬浮物浓度分类反演

悬浮物直接影响到光在水体中的传播,进而影响着水生生态环境,最终决定了湖泊的初级生产力。传统的遥感反演估算模型大多是针对某一湖区进行统一建模,忽视了不同区域水体光学性质的复杂差异性,并且传统的传感器时间分辨率和空间分辨率受到一定限制。针对太湖、巢湖、滇池、洞庭湖4个湖区利用两步聚类法将高光谱模拟到GOCI影像上的波段进行分类,将水体类型分为三类,第一类水体为悬浮物主导的水体,第二类水体为悬浮物和叶绿素a共同主导的水体,第三类水体为叶绿素a主导的水体。针对不同类型水体的光学特征,分别构建了悬浮物浓度反演模型,结果表明第一类水体可以利用B7/B4,第二和第三类水体可以利用B7/(B8+B4)作为波段组合因子对悬浮物浓度进行模型构建。精度验证结果表明,分类建模后第一类和第三类水体悬浮物浓度估算精度都得到了较明显提高,第一类水体RMSE降低了9.19mg/L,MAPE降低了3%,第三类水体RMSE降低了5.63 mg/L,MAPE降低了13.97%,第二类水体精度稍有降低。最后将反演模型应用于2013年5月13日的GOCI影像,可知整体而言太湖西南部地区悬浮物浓度较高,东北部地区悬浮物浓度较低,并且从9:00到15:00,太湖南部悬浮物浓度较高的区域在逐渐缩小。     

花期苹果树冠氮素营养状况的卫星遥感反演

以山东栖霞为研究区,基于TM和ALOS影像获取花期苹果树的冠层反演反射率,结合实测反射率,构建并筛选氮素敏感光谱指数,以敏感光谱指数为自变量,建立氮素反演模型,利用精度最高模型进行空间反演.结果表明： 光谱指数与氮素营养相关性为：冠层＞叶＞花,敏感指数构成以绿、红、近红外波段为主;反演模型精度为：支持向量机回归＞逐步回归＞单变量回归;基于不同影像的反演结果近似,叶N含量均以3～4等(27～33 g·kg^-1)为主,冠N指标均以2～4等(TM: 38～47 g·kg^-1; ALOS: 32～41 g·kg^-1)为主;基于不同影像的空间布局亦类似,研究区北部和南部的营养水平高于中部,叶N和冠N高等级区域位于西北部的苏家店镇和松山街道、东北部的臧家庄镇和亭口镇、南部的蛇窝泊镇等,与苹果生产重点镇布局一致.此研究为果树营养状况的宏观数据获取提供了可行方法,也可为其他类似遥感反演提供借鉴.     

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％.     

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....     

山丘区苹果树花期冠层反射率的定量遥感反演

采用山东省栖霞市苹果树花期不同分辨率的TM和ALOS影像,充分考虑坡向系数和冠层花叶比,通过地形辐射校正获取地表反演反射率,再经混合像元分解获取苹果树冠层的反演反射率,将30个果园样方的反演结果与同时段实测反射率及表观反射率进行比较,分析反演效果和精度.结果表明:地形辐射校正有效减弱了地形和大气的影响,恢复了阴影处地物,地表反演反射率影像的解析力大幅提高;无论是TM还是ALOS影像,冠层反演反射率的绝对误差和相对误差均最小,所有波段的相对误差表现出一致性,且样方间变化趋势与实测值最一致,说明混合像元分解是必要的.反演方法应用于不同分辨率影像,表现出相似的反射率变化特点,高分辨率图像更具优势,但受波段限制,可与中分辨率影像结合使用.     

一种青海湖流域消除植被光谱对土壤光谱影响的土壤有机质含量遥感估算方法

基于遥感技术手段快速测定区域尺度土壤有机质含量(SOM), 对气候、陆地生态系统和农业等领域具有重要的作用和意义。但现有的多光谱遥感影像因其波段宽度较窄, 包含的土壤有机质信息有限, 导致其估算结果的可靠性与精度较低。为此, 以青海湖流域为实证试验区, 将2016 年9 月底(此时, 青海湖流域牧草等植被停止生长, 土壤有机质积累达到全年最高)地面采集并测定的土壤有机质含量数据与同时期MODIS 黑空BRDF/Albedo 产品的宽、窄波段进行了对比与检验。发现: BRDF/Albedo 宽波段的相关性(近红外、短波波段相关系数分别为0.704 和 0.670)高于窄波段相关性(第2, 5, 6 波段的相关系数分别是0.583、0.631 和0.625), 证实了宽波段含有更加丰富、完整的土壤有机质含量信息。为了进一步提高SOM 估算的精度, 基于梯形方法构建了宽波段近红外反照率/植被覆盖度梯形特征空间,从宽波段近红外反照率(包含植被、土壤混合光谱)中成功分离出裸土反照率, 并分别构建了SOM 遥感估算模型。经验证,消除了植被对土壤光谱影响的裸土反照率模型精度(均方根误差为16.87、平均绝对百分比误差为30.0%, 希尔不等系数为0.22)高于宽波段近红外反照率模型精度(均方根误差为20.12、平均绝对百分比误差为31.0%, 希尔不等系数为0.27)。该方法简单易操作, 不仅有助于提高表层土壤有机质含量遥感估算的精度, 也可为土壤其他属性如N, P等元素含量的遥感估算提供了新思路。     

基于激光雷达数据的森林表层土壤机质空间格局反演

森林土壤是陆地生态系统的主要碳库,其有机质含量是估算碳储量的基础数据,也是评价土壤碳汇功能的重要指标.利用2009年8月采集的凉水自然保护区激光雷达(LiDAR)数据和55块固定样地土壤有机质含量数据,结合偏最小二乘算法,反演森林表层土壤有机质的空间格局,提取并筛选出与土壤有机质分布相关的变量,分析并确定变量(强度、点数、高程、坡度和坡向)值与土壤有机质含量的相关关系,建立土壤有机质含量的预测模型并检验.结果表明:研究区域表层土壤有机质含量与强度、点数和高程3变量呈极显著相关(r分别为0.765、0.423和0.475);基于此3变量的预测模型对研究区域表层土壤有机质含量的预测结果可靠(精度83.3％,R2=0.725,RMSE=1.955).研究区林缘和郁闭度较小林分的表层土壤有机质含量＜100 g·kg-1;大部分区域表层土壤有机质含量为I00～ 150 g·kg-1,少部分区域为150 ～318.4 g· kg-1.