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^...     

中国陆地生态系统碳源/汇整合分析

国家尺度陆地生态系统碳收支及其循环过程的研究对于提升地球系统科学与全球变化科学的科技创新能力、提高我国参与应对全球气候变化国际行动和维护国家利益的话语权、保障国家生态安全和改进生态系统管理都具有重要意义。近年来,我国已经在气候变化与陆地生态系统碳循环领域开展了大量的研究工作,主要包括国家清查、生态系统模型模拟、大气反演等手段。然而,由于大尺度陆地生态系统碳源/汇的估算存在很大的不确定性,目前尚未形成国家尺度的陆地生态系统碳源/汇的整合分析。通过搜集已发表的关于中国陆地生态系统及其组分碳源/汇的59篇文献,整合国家清查、生态系统模型模拟、大气反演3种研究手段,分析中国陆地生态系统碳源/汇大小以及时间尺度上的动态变化。结果表明,在1960s-2010s期间中国陆地生态系统碳汇整体呈上升趋势,平均为（0.213±0.030）Pg C/a,其中森林、草地、农田和灌木生态系统碳汇分别为（0.101±0.023）Pg C/a、（0.032±0.007）Pg C/a、（0.043±0.010）Pg C/a和（0.028±0.010）Pg C/a。森林生态系统中的植被碳汇远大于土壤碳汇,然而这种格局在草地和农田生态系统却相反,而且1960s-2010s期间中国主要植被类型的生态系统碳汇总体上随时间呈增加趋势。融合多源数据（地面观测、激光雷达、卫星遥感等）、多尺度数据（样地尺度、站点尺度、区域尺度）以及多手段数据（联网观测、森林清查、模型模拟）,有助于全面准确地评估中国陆地生态系统碳源/汇及其对气候变化的响应。     

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。     

迁飞昆虫生物学参数反演及种类辨识分析

虫害严重威胁着我国的粮食安全,迁飞昆虫中有许多是农业害虫,其远距离迁飞是导致虫害异地暴发的重要原因.昆虫雷达是观测昆虫迁飞最有效的工具,在迁飞昆虫的监测和预警中发挥着越来越重要的作用,但传统昆虫雷达不能准确获取昆虫的各项生物学参数,因此无法实现昆虫种类的精确识别.随着雷达技术的创新和发展,通过昆虫雷达获得较为准确的昆虫生物学参数成为可能,为基于昆虫雷达实现迁飞昆虫个体种类辨识提供了依据.本文综述了从雷达回波中提取多频和极化散射参量,然后基于不同的电磁散射反演昆虫生物学参数的方法,并对比分析了基于不同方法的昆虫体重、体长、体宽和振翅频率的反演精度.最后基于生物学参数,采用5种机器学习算法以高精度实现了 23种迁飞昆虫的种类辨识,并分析了昆虫生物学参数的测量误差对迁飞昆虫种类辨识精度的影响,初步验证了利用雷达实现高精度迁飞昆虫种类辨识的可行性.     

阿克苏河流域土壤湿度反演与监测研究

以新疆阿克苏河流域为研究区,以GF-1 WFV和Landsat8 OLI两种高分辨率遥感影像为数据源,结合102个不同深度层的土壤湿度实测数据,选择垂直干旱指数(PDI)、改进型垂直干旱指数(MPDI)和植被调整垂直干旱指数(VAPDI),对土壤湿度指数反演的效果进行比较和验证。结果表明,两种数据源下的PDI、MPDI、VAPDI与土壤湿度实测含水量的决定系数较高,尤其是0—10 cm的相关性最强,平均决定系数达到0.68,说明基于光学遥感影像近红外和红光波段反射率构建的反演指数对近地表层土壤湿度信息更敏感,但对地下较深层次的土壤湿度反演精度略低;MPDI和VAPDI能够在一定程度上克服混合像元对土壤湿度光谱信息的影响,反演的精度要比PDI高,尤其是高植被覆盖度区,采用垂直植被指数(PVI)修正的VAPDI反演精度最佳;基于两种遥感数据源的土壤湿度空间异质性基本一致,但空间分辨率较高的GF-1 WFV模拟的土壤湿度空间分异更加精细和明显。研究结果可为"一带一路"背景下干旱半干旱地区大范围和动态监测土壤湿度、开展定量节水灌溉等提供理论基础和实践参考。     

高光谱技术——生态学领域研究的新方法

高光谱技术是一种新的地物探测技术,该技术以其敏锐的地物光谱特征探测能力为精准识别地物属性提供了强有力的手段,在生态系统过程与属性研究中具有广阔的应用前景。该文以可见光-近红外光谱分析技术为例概述了高光谱技术的原理、特点与优势,以及高光谱技术分析的流程;总结并归纳了其在土壤、植物生理、农产品品质检测、凋落物分解方面的研究应用,指出高光谱技术与遥感成像技术结合在生态监测研究中的优势;归纳了高光谱技术应用中面临的问题,并希望高光谱技术在生态学领域研究中得到更广泛的应用。     

基于光谱参数对小白菜叶片镉含量的高光谱估算

为实现利用高光谱技术快速、准确、无损地检测叶类蔬菜叶片重金属镉污染情况,通过采用室内盆栽试验,检测了小白菜在6个不同的镉浓度梯度0 mg/kg(CK)、0.5 mg/kg(T1)、1 mg/kg(T2)、5 mg/kg(T3)、10 mg/kg(T4)和20 mg/kg(T5)下的叶片高光谱反射率及其镉含量。利用相关分析和逐步回归的统计方法对叶片原光谱、一阶导数光谱和光谱参数与镉含量进行统计分析,确定了反演叶片镉含量的敏感光谱参数,并建立了估算叶片镉含量的参数模型。结果表明:(1)在540 nm附近和红外区域,叶片光谱反射率随着处理浓度的增加呈下降趋势。T1组叶片光谱与对照组的光谱没有明显的变化差异;(2)原光谱与镉含量的敏感波段主要在690—1300 nm,相关系数最高的波段是782 nm。一阶微分光谱与镉含量的敏感波段在黄边、红外、近红外和远红外范围均有分布;(3)反映植物色素、水含量和细胞结构的参数MCARI(叶绿素吸收反射修正指数Modified Chlorophyll Absorption Reflectance Index),SDy(黄边面积Yellow Edge Area),WI(水质指数Water Index),DCWI(病态水分胁迫指数Disease Water Stress Index),SDr(红边面积Red Edge Area)和Dr(红边幅值The Amplitude of the Red Edge)可分别作为反演镉含量的敏感光谱参数,其倒数回归模型能够较好地反演镉污染下小白菜叶片的镉含量;(4)镉胁迫处理15 d时,建立的SDr的倒数模型估算处理30 d时小白菜叶片镉含量的效果最优。研究表明红边面积参数可以用于估算小白菜叶片的镉含量,可为评价小白菜的食用安全提供科学方法。     

三种回归分析方法在Hyperion影像LAI反演中的比较

借助GPS进行地面精确定位,利用LAI-2000冠层分析仅在攸县黄丰桥林场开展130个样地(60m×60m)的叶面积指数(Leaf Area Index,LAI)测量.采用FLAASH模块对Hyperion数据进行大气校正并与地面同步冠层观测数据进行拟合,通过研究地面实测LAI与Hyperion影像波段及其衍生的系列植被指数(NDVI、RVI等)的相关性,筛选出估算叶面积指数的植被指数因子.应用曲线估计、逐步回归及偏最小二乘三种回归分析技术分别建立叶面积指数的最优估算模型.结果表明:参与建模的因子中,比值植被指数(RVI)与LAI的相关性最大,敏感性最高,其次是SARVI0.1,NDVI705,NDVI,SARVI0.1,SARVI0.25;曲线估计、逐步回归分析和偏最小二乘回归三种分析方法所建的6个回归模型中,偏最小二乘回归的拟合效果最好,预测值与实测值的决定系数R2为0.84、曲线估计的拟合效果最低,预测值与实测值的决定系数R2为0.64;建模精度分析表明,选用5-6个自变量因子进行LAI建模是可靠的,以6个植被因子建立的偏最小二乘回归模型预测精度最高.     

不同灌溉量夏玉米叶绿素含量的高光谱特征及其反演

植物叶绿素含量直接影响其光合作用，并与植物的光谱特征密切相关。以夏玉米为研究对象，采用人工控水方法研究了夏玉米七叶期不同灌溉量下冠层叶绿素含量特征及其与光谱特征之间的关系。结果表明：灌溉量越少，夏玉米叶片叶绿素含量越低，冠层光谱反射率越高，绿峰位置"红移"，而红边位置"蓝移"。叶绿素含量与光谱特征参数、植被光谱指数之间存在极显著相关关系，据此建立了冠层叶绿素含量高光谱估算模型，且基于植被指数模型较基于单一光谱特征参数模型模拟效果更好。研究结果可为夏玉米叶绿素含量的快速无损测定以及夏玉米干旱监测提供依据。     

遥感技术在鸟类生态学研究中的应用

获取鸟类活动及生境信息是鸟类生态学研究的基础, 而遥感技术弥补了传统野外调查方法的缺陷, 提供了获取多种信息的新途径。应用遥感技术的鸟类生态学研究热点从最初的种群行为观察, 到栖息地选择, 再到生境适宜性、破碎化及人为干扰探究等, 随着技术的不断发展也在扩展和变化。不同波段或组合下的遥感技术各有所长。光学遥感应用广泛, 尤其是信息量较大的红外波段图像和作为野外鸟巢及物种活动监测常用工具的红外相机; 多光谱图像常用于栖息地制图以及地物识别, 高空间分辨率的数据甚至可对鸟类种群进行直接计数; 高光谱数据则可对光谱特征相似的地物进行更为精确的区分和反演; 激光雷达遥感主要用于栖息地植被结构的三维探测, 为了解鸟类栖息地选择提供更好的依据。微波遥感在飞鸟探测上应用颇多, 近年来多极化数据在复杂栖息地精确制图上也具有优势, 但成本较高、解译复杂且推广度较低。在实际应用中, 遥感数据时空尺度的选择会影响研究结果, 部分遥感反演参数也缺乏生态学意义。多源遥感数据的结合应用能够提升制图分类的精度, 实现数据的时空分辨率互补, 优化鸟类生态研究所需参数。未来的遥感技术在鸟类生态学中的应用应致力于提供更加明确的光谱信息、相对简便的解译方法, 以及更为合理的多源数据组合方式等。