利用聚类算法监测森林乔木物种多样性

该研究基于机载激光雷达(LiDAR)和高光谱数据, 从森林物种叶片的生理化学源头探寻生化特征与光谱特征的内在关联, 探讨生化多样性、光谱多样性与物种多样性之间的响应机制, 选择最优植被指数并结合最优结构参数, 通过聚类方法构建森林物种多样性遥感估算模型, 在古田山自然保护区开展森林乔木物种多样性监测。研究结果表明: (1)从16种叶片生化组分中, 筛选出叶绿素a、叶绿素b、类胡萝卜素、叶片含水量、比叶面积、纤维素、木质素、氮、磷和碳可通过偏最小二乘法用叶片光谱有效模拟(R² = 0.60-0.79, p < 0.01), 并选择有效的植被指数: 转换型吸收反射指数/优化型土壤调整指数(TCARI/OSAVI)、类胡萝卜素反射指数(CRI)、水波段指数(WBI)、比值植被指数(RVI)、生理反射指数(PRI)和冠层叶绿素浓度指数(CCCI)表征相应的最优生化组分; (2)基于机载LiDAR数据利用结合形态学冠层控制的分水岭算法获得高精度单木分离结果(R ² = 0.77, RMSE = 16.48), 同时采用逐步回归方法从常用的森林结构参数中选取树高和偏度作为最优结构参数(R ² = 0.32, p < 0.01); (3)基于6个最优植被指数和2个最优结构参数, 以20 m × 20 m为窗口通过自适应模糊C均值方法进行聚类, 实现了研究区森林乔木物种丰富度(Richness, R ²= 0.56, RMSE = 1.81)和多样性指数Shannon-Wiener (R ² = 0.83, RMSE = 0.22)与Simpson (R ² = 0.85, RMSE = 0.09)的成图。该研究在冠层尺度上获取了与物种多样性相关的生化、光谱和结构参数, 将单木个体作为最小单元, 利用聚类算法直接估算物种类别差异, 无需判定具体的树种属性, 是利用遥感数据进行区域尺度森林物种多样性监测与成图的实践, 可为亚热带地区常绿阔叶林的物种多样性监测提供借鉴。     

中国陆地植被净初级生产力估算模型优化与分析——基于中国生态系统研究网络数据

该研究基于中国生态系统研究网络(CERN)数据对传统CASA模型进行优化,对比两叶模型与优化CASA模型在站点尺度和像元尺度对于8个典型生态站点的植被净初级生产力(NPP)估算精度,选择在像元尺度表现更好的优化CASA模型,结合中国土地覆被数据(ChinaCover)开展2000—2019年中国陆地植被NPP监测与分析。研究结果表明：(1)基于FY2D PAR的优化方案能够有效避免空间插值导致的不确定性问题,显著提高了PAR估算精度;(2)在站点尺度上,两叶模型用于估算典型森林、草地生态系统的NPP表现更好,而在像元尺度上优化CASA模型估算精度更高;(3)在全国尺度上,优化了最大光能利用率、水分胁迫系数以及光合有效辐射计算方法的CASA模型能够较好地模拟中国陆地植被NPP,近20年中国陆地植被NPP变化范围为2.703—2.882 PgC/a,在空间上呈西北低东南高的格局,在时间上呈现波动中缓慢增加的趋势。     

20世纪90年代以来中国西南地区土地覆被变化

西南地区是我国重要的生态安全屏障区,也是气候敏感区和生态脆弱区。20世纪90年代以来,西南地区土地覆被发生了巨大变化,对生态环境和生态系统服务功能产生重大影响。基于全国30 m土地覆被数据集,分析了近20 a来西南地区土地覆被格局、变化及驱动因素。同时,基于MODIS-NDVI数据,利用像元二分模型估算了2000—2010年250 m分辨率年最大植被覆盖度,对森林、灌丛和草地的植被覆盖度变化进行分析。结果表明:1)2010年西南地区土地覆被以森林和草地为主,分别占总面积的29.08%和24.11%。2)1990—2010年西南地区森林、湿地和人工表面分别增加1.39%、5.86%和48.57%,灌丛、耕地和裸露地分别减少2.12%、2.88%和0.64%,变化的区域主要集中在生态建设重点区、城市圈、地震灾区、三峡库区、三江源区、青藏高原东南部和云南南部。3)2000—2010年西南地区森林、灌丛和草地植被覆盖度呈增加趋势的面积分别占26.54%、32.53%和28.87%,但汶川地震重灾区、横断山区、云南南部等地的森林及灌丛植被覆盖度下降,青藏高原东南部、川西高原草地退化。近20 a来,尽管气候变化对西南地区的土地覆被有一定影响,但人类活动仍然是导致其变化及时空差异的主要原因。