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MODIS数据的草地生物量估算模型比较

准确估算草地生物量对合理规划区域畜牧业、评估草地植被的生态效益有重要意义.目前,在常用的遥感估算模型中,采用的植被指数和模型函数形式多样.本文根据野外生物量调查结果和MODIS数据,分别采用归一化植被指数(NDVI)、增强植被指数(EVI)和修正的土壤调节植被指数(MSAVI)建立了内蒙古科尔沁左翼后旗草地地上生物量和地上地下总生物量估测的3种(线性、乘幂和指数)模型,并进行了比较.结果表明:3种模型能够对草地生物量进行较好的模拟,其中指数模型效果最佳;3个植被指数(NDVI,EVI和MSAVI)与草地生物量均有较高的相关性,可用于该草地产量估测,其中MSAVI对地上生物量拟合效果最好(R2=0.900);NDVI和EVI的线性模型对总生物量的模拟明显好于对地上生物量的模拟.     

基于植被指数的北京军都山荆条灌丛生物量反演研究

基于环境卫星数据提取10种植被指数,辅以资源三号卫星数据提取的高精度数字高程模型(DEM)等数据,结合实地野外采样数据,以北京军都山为试验区采用最小二乘回归模型拟合植被指数与荆条灌丛冠层生物量的定量关系,并利用拟合结果对研究区灌从冠层生物量进行了反演估算,生成研究区荆条及其伴生灌丛生物量空间分布图。结果表明,文中所建立的多元线性回归模型在研究区具有较好的反演精度和预测能力。其模型显著性为显著(α0.01),相关系数为0.856,标准误差为58.5g/m~2;预测标准误差为98.1 g/m~2,决定系数为0.865。通过对研究区荆条灌丛的冠层生物量进行遥感估算,提出了一种利用遥感技术监测灌木群落生物量的新思路。     

基于植被指数的典型草原区生物量模型——以内蒙古锡林浩特市为例

利用遥感估测地上生物量是国内外生态学与地理学的研究热点。但基于植被指数的生物量回归模型结果差异较大,究竟哪种植被指数与哪种模型更适合典型草原的生物量反演,是现代草地遥感急需解决的问题之一。该文基于TM影像数据的不同植被指数(VI)差异性,分别选取了RVI(比值植被指数)、NDVI(归一化差异植被指数)、SAVI(土壤调节植被指数)、MASVI(修改型土壤调整植被指数)和RSR(简化比率植被指数)5种植被指数,与同期的内蒙古典型草原区地面实测地上生物量做相关分析,分别建立了5种植被指数与地上生物量的线性及3种非线性(对数、二次多项式、三次多项式)回归模型。研究结果表明:对于中国北方典型草原区而言,地上生物量与5种植被指数(RVI、NDVI、SAVI、MSAVI和RSR)均呈现出显著相关,但地上生物量与后4种植被指数是正相关,与RVI为负相关;利用5种植被指数(RVI、NDVI、SAVI、MSAVI和RSR)监测草地植被生物量的复相关系数均大于0.6,充分说明利用植被指数检测典型草原生物量是一种简单可行的方法;NDVI建立的生物量回归模型,其复相关系数大于其它4类植被指数(RVI、SAVI、MSAVI和RSR),说明NDVI-生物量模型优于植被指数RVI、SAVI、MSAVI和RSR 模型,其模拟地表生物量的效果好;对于TM影像来说,植被生物量的线性模型与3种非线性模型(三次多项式生物量模型、二次多项式生物量模型、对数模型)都表现出较好的模拟效果,都通过了0.01的显著性检验,而且该研究的结果显示出三次多项式生物量回归模型最优,其次是二次多项式生物量模型,再次是线性模型,相对较差的是对数模型。通过NDVI-生物量三次多项式回归模型模拟锡林浩特草原的生物量,可以看出整个研究区的地上生物量基本上是东高西低、东南高西北低的趋势,这与研究区的地形、气候及土地利用等多种因素有关。     

基于MODIS数据的松嫩平原西部芦苇湿地地上生物量遥感估算

芦苇作为湿地生态系统中重要的群落类型,其地上生物量是衡量湿地生态系统质量的关键指标。应用面向对象的土地覆盖分类技术,基于多季相Landsat8 OLI遥感数据,提取松嫩平原西部芦苇湿地分布信息;依托野外实测芦苇地上生物量数据(AGB)和同期MODIS数据源的NDVI、EVI、RVI、MSAVI和WDVI 5种光谱植被指数,探讨不同光谱植被指数对芦苇AGB的敏感性,进而构建松嫩平原西部芦苇AGB遥感估算最优模型,并进行芦苇AGB遥感反演及空间格局分析。结果表明:2014年松嫩平原西部地区芦苇总面积为1653 km~2,其中扎龙湿地自然保护区内芦苇分布面积最大(1178km~2),占区域芦苇总面积的71.3%;所选取的5种植被指数均与芦苇AGB呈极显著正相关(P0.01),基于EVI构建的指数曲线模型为松嫩平原西部芦苇AGB反演的最优模型(R2=0.55)。研究区芦苇平均AGB为372.1g/m~2,AGB总量为6.14×105t,其中扎龙湿地自然保护区内芦苇AGB总量为4.38×105t;各保护区芦苇平均AGB由大到小依次为:向海保护区(469.7 g/m~2)大布苏保护区(454.1 g/m~2)莫莫格保护区(373.0 g/m~2)扎龙保护区(372.4 g/m~2)查干湖保护区(369.8 g/m~2);松嫩平原西部芦苇AGB总体呈现南高北低的分布格局,将为湿地生态系统管理与保护及芦苇资源的合理利用提供科学依据。     

西双版纳橡胶林的生物量及其模型

利用30株不同年龄和径阶的橡胶树样木数据,建立了以胸径(D)和胸径的平方乘以树高(D2H)为自变量的生物量回归模型.根据所建立的生物量回归模型,推算了15个1000 m2不同林龄橡胶林的生物量,并分析了其组成和分配特征及不同林龄生物量的变化趋势.林分的总生物量随林龄而增加,7、13、19、25和47年生橡胶林生物量分别为23.98、66.90、150.37、171.12和250.21 t·hm-2.生物量的器官分配以干材所占的比例最大,占50%以上,并随林龄而递增;枝生物量所占比例也随着林龄的增加而增大;叶和根的生物量所占比例则随林龄呈下降趋势.橡胶林生物量远低于本地区的热带季节雨林和石灰山季雨林,但高于本地区的热带次生林及其他热带地区年龄相近的人工林.     

九寨沟大熊猫主食竹生物量模型初步研究

2009年4月、7月和2011年4月在九寨沟国家级自然保护区内随机抽样,测量记录大熊猫主食竹华西箭竹Fargesianitida各样品的形态指标和生物量,通过相关回归的方法建立九寨沟大熊猫主食竹的生物量模型。研究表明,高度对地上生物量的估计贡献最大,其次是叶数,分节数和基径也有显著贡献。引入叶数、分节数等指标的模型拟合结果优于只采用高度和基径的模型。以地上生物量为自变量的幂回归方程模型估计地下生物量的拟合效果相对最佳。     

基于高分辨率遥感影像的森林地上生物量估算

以南京市紫金山林区为研究区,利用e-Cognition面向对象分类方法,基于光谱和空间信息融合后的IKONOS影像提取单木树冠阳性冠幅(PoCA, Positive crown area)信息,并结合野外实测的样方生物量数据,分别建立了针叶林和阔叶林地上生物量 (AGB, Aboveground Biomass)的遥感估算模型,并利用实测森林生物量数据对模型进行了验证。结果表明,基于遥感影像提取的PoCA与实测AGB存在较好的非线性相关关系,所建针叶林AGB估算模型的可靠性优于阔叶林模型。对建模样本而言,估算的针叶林和阔叶林AGB与观测数据比较的R2分别为0.62 (P<0.01,n=9) 和0.56(P<0.01,n=16)。验证表明,所建AGB估算模型的可靠性较好,估算的针叶林和阔叶林AGB与观测数据比较的R2分别为0.55(P<0.01,n=6) 和0.52(P<0.01,n=10),但当AGB较低时,模型结果偏高,AGB较低时,模型结果偏低。研究说明通过高分辨率遥感数据的融合、提取树冠信息进行生物量估算是可行性的。     

三江平原湿地植被叶面积指数遥感估算模型

利用中巴资源卫星CBERS-02影像提取的归一化植被指数(NDVI)和同期野外实测的叶面积指数(LAI)数据,分析了三江平原洪河自然保护区草甸、沼泽植被、灌丛和岛状林4种湿地植被及样本总体的NDVI与LAI之间的相关关系,建立了NDVI与不同湿地植被类型叶面积指数间的线性和非线性回归模型,并制作完成洪河自然保护区LAI空间分布图.结果表明,整个研究区样本总体的LAI估算效果不太理想,其NDVI与LAI的相关性仅为0.523;将研究区分为草甸、沼泽、灌丛和岛状林4种湿地植被类型,NDVI与各植被型LAI的相关性和估算效果均有很大程度的提高,所建立的LAI遥感反演模型以三次曲线回归方程拟合精度最高,R2分别达到0.723、0.588、0.837、0.720.以上结果表明,结合地面实测数据并基于遥感植被分类的基础上,CBERS-02遥感影像可用于较大区域内湿地植被生理参数的反演研究.     

人工神经网络与相容性生物量模型预测单木地上生物量的比较

森林生物量是林业生产经营和森林资源监测的重要指标,为探索高效低偏的单木生物量估测方法,引入人工神经网络.本研究采用黑龙江省东折棱河林场的101株长白落叶松地上生物量数据,基于不同变量(胸径、树高、冠幅)组合建立了4个聚合模型体系(AMS),采用加权回归消除模型的异方差.然后,基于最优的变量组合建立人工神经网络(ANN)...     

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.     

降水量和温度对植被覆盖指数影响的空间非平稳性特征——以新疆伊犁河谷地区为例

多变量空间相关分析多基于时间序列数据,对数据时长与统计要求严格,空间非平稳性特征分析可以利用单期数据分析多变量之间的相关性。通过空间变系数回归模型分析了2006年和2011年的新疆伊犁地区降水量和温度对植被覆盖度指数影响的空间变化特征,利用局部线性地理加权回归(GWR)方法估计得到了回归系数曲面,揭示出变量间相互影响的空间异质性,同时利用线性回归最小二乘估计进行了对比。结果表明:(1)空间变系数回归模型可以用于变量间的空间相关分析;(2)局部线性GWR估计方法明显优于线性回归最小二乘估计;(3)拟合结果表明,伊犁地区降水量和温度对植被覆盖指数的影响具有显著的空间非平稳性特征;(4)模型估计误差是降水、气温之外的地形、地貌及人类活动等多种因素造成的,需进一步研究。方法可为具有空间非平稳性特征变量间空间相关性分析以及植被覆盖指数的空间模拟分布提供思路和方法。     

基于遥感的植被覆盖变化景观分析——以北京海淀区为例

提出了基于土地利用分类的植被覆盖度计算的亚象元模型,针对不同的植被覆盖类型,综合利用“等密度模型“和“变密度模型“计算植被覆盖度,使其能有效地从遥感数据中提取植被覆盖信息。在GIS的支持下,应用该模型对北京海淀区1975年、1991年和1999年5月份植被覆盖度进行计算,并着重对其景观变化过程进行了分析。研究结果表明：1975至1999年来,海淀区植被覆盖整体表现为增加趋势,但空间格局分布不均衡,全植被覆盖区和高植被覆盖区过分集中在西北部狭长地带,东南部则多为低植被覆盖区,反映出北京海淀区土地利用的结构特征。     

A Clinical Prediction Model to Distinguish Maturity-Onset Diabetes of the Young From Type 1 and Type 2 Diabetes in the Chinese Population

ObjectiveGenetic detection for the diagnosis of maturity-onset diabetes of the young (MODY) in China has low sensitivity and specificity. Better gene detection is urgently needed to distinguish testing subjects. We proposed to use numerous and weighted clinical traits as key indicators for reasonable genetic testing to predict the probability of MODY in the Chinese population.MethodsWe created a prediction model based on data from 306 patients, including 140 patients with MODY, 84 patients with type 1 diabetes (T1D), and 82 patients with type 2 diabetes (T2D). This model was evaluated using receiver operating characteristic curves.ResultsCompared with patients with T1D, patients with MODY had higher C-peptide levels and negative antibodies, and most patients with MODY had a family history of diabetes. Different from T2D, MODY was characterized by lower body mass index and younger diagnostic age. A clinical prediction model was established to define the comprehensive probability of MODY by a weighted consolidation of the most distinguishing features, and the model showed excellent discrimination (areas under the curve of 0.916 in MODY vs T1D and 0.942 in MODY vs T2D). Further, high-sensitivity C-reactive protein, glycated hemoglobin A1c, 2-h postprandial glucose, and triglyceride were used as indicators for glucokinase-MODY, while triglyceride, high-sensitivity C-reactive protein, and hepatocellular adenoma were used as indicators for hepatocyte nuclear factor 1-α MODY.ConclusionWe developed a practical prediction model that could predict the probability of MODY and provide information to identify glucokinase-MODY and hepatocyte nuclear factor 1-α MODY. These results provide an advanced and more reasonable process to identify the most appropriate patients for genetic testing.