柽柳灌丛关键物候参数多种植被指数遥感提取的适用性——基于CO2通量观测和Sentinel-2数据

本研究以额济纳绿洲四道桥超级站为研究区,结合2018—2019年涡度通量、气象数据和2017—2020年Sentinel-2遥感影像,分析通量塔总初级生产力(GPP)与环境因子的关系,评估12种遥感植被指数对柽柳灌丛长势模拟和关键物候参数提取的适用性。采用7参数双逻辑斯蒂函数(DL-7)+全局模型函数(GMF)拟合GPP和各植被指数生长曲线,并逐年提取生长季始期(SOS)、生长季峰期(POS)和生长季末期(EOS)3种关键物候参数。结果表明: 有效积温(GDD)和土壤含水量是影响柽柳灌丛物候动态的主要环境因子。与2018年相比,2019年由于气温较低,SOS前的积温累积速率较慢,柽柳灌丛需要更长时间的热量积累来进入生长季,从而导致2019年SOS比2018年晚。在SOS与POS之间,2018和2019年水热条件相似,但2019年POS比2018年晚8 d,可能是2019年SOS较晚所致。POS以后,2019年较高的GDD和较低的土壤含水量使柽柳灌丛遭受水分胁迫,导致其生长季后期时间缩短。标准化的Sentinel-2植被指数与10:00—14:00 GPP均值的线性回归结果表明,宽波段植被指数中的增强型植被指数和窄波段植被指数中的叶绿素红边指数、倒红边叶绿素指数、红边归一化植被指数(NDVI705)能够较好地反映与柽柳灌丛GPP具有较高的一致性。柽柳灌丛SOS和EOS的遥感提取结果表明,Sentinel-2窄波段植被指数比宽波段植被指数的准确性更高,尤其是修正叶绿素吸收反射率指数提取SOS最准确,MERIS陆地叶绿素指数提取EOS最准确;Sentinel-2宽波段植被指数提取POS的准确性更高,尤其是两波段增强型植被指数和植被近红外反射率指数最准确。综合所有物候参数来看,NDVI705综合表现最佳。     

内蒙古植被枯黄期变化及其与气候和植被生产力的关系

基于2001—2018年MODIS NDVI数据,采用累计归一化植被指数(NDVI)的Logistic曲线曲率极值法,识别内蒙古植被枯黄期及其时空变化特征,并在生态区尺度上分析枯黄期对气候因子和NDVI的响应特征。结果表明: 研究期间,内蒙古植被平均枯黄期主要集中在第260～280天。森林生态区枯黄期为第270～280天,从南向北推迟;草原生态区枯黄期最早,介于第257～273天,从东北向西南逐渐推迟;荒漠生态区枯黄期为第270～283天,东北向西南呈推迟态势。2001—2018年间,3个生态区植被枯黄期均呈不显著推迟趋势。植被生产力从东北向西南逐渐降低,在时间上呈增加趋势的面积大于呈减小趋势的面积。全内蒙古和各生态区植被枯黄期受季前2～3个月降水量的正面影响较大,与季前平均温度、最高温度和最低温度均呈正相关关系。全内蒙古和各生态区,8和9月植被生产力的增加(或减少)将推迟(或提前)植被枯黄期,而6和7月植被生产力的增加(或减少)将提前(或推迟)草原和荒漠生态区植被枯黄期。     

2001—2017年蒙古高原不同植被返青期变化及其对气候变化的响应

利用2001-2017年MODIS NDVI数据和气象观测数据,在NDVI数据进行S-G和HANTS平滑的基础上,采用累计NDVI的Logistic曲线曲率极值法、Logistic曲线曲率变化率法和动态阈值法等3种返青期识别方法研究了蒙古高原植被返青期,并在植被类型尺度上分析了返青期对气候变化的响应特征.结果表明:在研究区内,虽然S-G方法略优于HANTS方法,但两者均对返青期识别的影响较小,总体上累计NDVI的Logistic曲线曲率极值法较适用于蒙古高原植被返青期识别;蒙古高原平均返青期在124 d左右,其中,西南部和肯特山脉地区返青期最早,杭爱山脉和大兴安岭西侧返青期最晚,总体上呈微弱的提前趋势(-0.04 d·a^-1);从变化趋势的空间差异看,杭爱山脉地区呈明显的推迟趋势,而在大兴安岭、肯特山脉、大湖盆地和内蒙古中西部呈明显的提前趋势;除森林植被外(-0.67 d·a^-1),其他植被类型返青期变化不明显;蒙古高原植被返青期与返青期前特别是3月份的温度呈负相关,而与上一年秋冬季的降水呈正相关.     

基于高光谱特征的雅氏落叶松尺蠖虫口密度估算

【目的】多年来,蒙古高原典型落叶松害虫雅氏落叶松尺蠖Eeannis jacobsoni发生频繁,使森林生态系统遭到严重破坏。虫口密度可直接描述森林虫害严重程度,进而及时、快速获得害虫虫口密度信息显得极为重要。本研究旨在依据雅氏落叶松尺蠖暴发区的落叶松光谱实测数据和虫口密度数据,构建基于高光谱特征的虫口密度估算方法。【方法】以蒙古国后杭爱省和肯特省4个地点雅氏落叶松尺蠖暴发区为试验区。首先从这4个试验区选取不同程度受害的110株西伯利亚落叶松Larix sibirica样本树,调查虫口密度和测量冠层光谱反射率;其次通过光谱反射率数据获得微分光谱反射率(differential spectral reflectance, DSR)和计算改进型光谱指数(modified spectral index, MSI);再次运用多项式曲线拟合法,分析DSR和MSI对虫口密度的敏感性;然后借助连续投影算法(successive projection algorithm, SPA)提取敏感DSR和MSI;最后利用敏感DSR和MSI,结合多项式回归(polynomial regression, PR)和支持向量机回归(support vector machine regression, SVMR)算法,建立雅氏落叶松尺蠖虫口密度估算模型,并评定了其精度。【结果】DSR的敏感波段主要在黄边和红边波段内,其中572 nm的敏感性最显著(R²=0.5821,P<0.001),MSI的最敏感指数为TVI(R²=0.5386,P<0.001);TVI(R²_CV=0.6323,RMSE_CV=0.1513)比DSR₅₇₂(R²_CV=0.5581,RMSE_CV=0.1649)估算精度高,而多个DSR(R²=0.7309,RMSE_CV =0.1347)比多个MSI(R²_CV=0.6537,RMSE_CV=0.1453)更有估算潜力,其中SVMR模型性能始终优于PR模型,说明SVMR更加适用于虫口密度估算。【结论】MSI和DSR可作为虫口密度估算的敏感指标,多项式曲线拟合法能够挖掘MSI和DSR对虫口密度的敏感性;SPA是虫口密度敏感光谱特征提取的一种有效方法,其提取的DSR敏感指标和MSI敏感指数充分捕捉了针叶叶绿素吸收特征、水分吸收特征以及针叶细胞受损引起的反射特征。该研究不仅为利用航空航天遥感监测森林害虫虫口密度提供实验理论基础,而且为森林虫害遥感监测拓展了新途径。