基于激光雷达数据的森林表层土壤有机质空间格局反演

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100~150 g·kg^-1,少部分区域为150~318.4 g·kg^-1.     

基于多光谱遥感影像的表层土壤有机质空间格局反演

利用多光谱LandSat TM遥感影像反演辽宁省阜新镇表层土壤有机质的空间格局,筛选出与土壤有机质分布相关的TM波段,分析并确定表层土壤有机质含量与TM1、TM2、TM3、TM4、TM5、TM6、TM7波段亮度值(digital number,DN)的相关关系,建立了土壤有机质含量的光谱预测模型.结果表明:研究区表层土壤有机质含量与TM4、TM5波段DN值呈极显著的负相关关系(r分别为-0.617和-0.623,P0.001),与TM3、TM5波段DN值之间满足负二次多项式回归关系(R2=0.9134,P0.001);基于TM3、TM5波段DN值的回归模型对研究区表层土壤有机质含量的预测结果可靠(R2=0.9151,P0.001).研究区表层土壤有机质含量10g·kg-1的农田主要分布在山地边缘地带,而平坦地区农田表层土壤有机质含量一般10g·kg-1,部分达到15～20g·kg-1.     

利用机载激光雷达技术估测东北林区典型针叶林的蓄积量

为了推广激光雷达技术在森林蓄积量估测计量方面的应用,本研究以东北林区云冷杉林、落叶松林、红松林和樟子松林4种典型针叶林为对象,基于机载激光雷达获取的点云数据提取特征变量,结合800块地面样地数据,采用逐步回归方法和偏最小二乘方法,建立4种针叶林的蓄积量模型.结果 表明:偏最小二乘法建立的模型精度优于逐步回归方法(ΔR2...     

基于机载激光雷达的小兴安岭温带森林组分生物量反演

使用小兴安岭温带森林机载遥感-地面观测同步试验获取的机载激光雷达(light detection and ranging, Lidar)点云数据和地面实测样地数据, 估测了典型森林类型的树叶、树枝、树干、地上、树根和总生物量等组分的生物量。从激光雷达数据中提取了两组变量(树冠高度变量组和植被密度变量组)作为自变量, 并采用逐步回归方法进行自变量选择。结果表明: 激光雷达数据得到的变量与森林各组分生物量有很强的相关性; 对于针叶林、阔叶林和针阔叶混交林三种不同森林类型生物量的估测结果是: 针叶林优于阔叶林, 阔叶林优于针阔叶混交林; 不区分森林类型的各组分生物量估测与地面实测值显著相关, 模型决定系数在0.6以上; 区分森林类型进行建模可以进一步提高生物量的估测精度。     

中国土壤呼吸温度敏感性空间格局的反演

土壤呼吸的温度敏感性（Q10）是模拟全球变暖与生态系统碳释放之间反馈强度的重要参数．虽然实验研究表明Q10值具有明显的空间异质性,但由于其空间分布格局的定量数据的缺乏,目前绝大多数生物地球化学模型将其简化成一个常数,并以此来预测未来的气候变化,这在一定程度上增大了模型预测的不确定性．本研究基于土壤有机碳的实测数据,并结合碳循环过程模型（CASA模型）,利用反演分析方法估算了8km空间分辨率下中国土壤呼吸温度敏感性的空间分布．结果表明,Q10值具有明显的空间异质性,且与实验方法估算的Q10值具有一致性;不同土壤类型的Q10值在1．09～2．38之间变化,其中火山灰土的Q10值最大,冷棕钙土的值最小;Q10值的空间分布与降水及土壤有机碳含量的关系密切．研究表明,该方法能有效反演Q10值的空间分布,从而有助于揭示碳循环规律并降低未来大气CO2浓度及气候变化预测的不确定性．     

多分散性动态光散射数据反演研究

动态光散射数据反演属于第一类Fredholm积分方程的求解,存在着极大的困难.利用最小二乘法和奇异值分解法对不同分布的多分散性动态光散射模拟数据进行了反演计算.数值测试的结果表明,非负最小二乘法对分布形式较为敏感,奇异值分解法能反演双峰的分布,对窄峰的反演不及非负最小二乘法.     

喀斯特峰丛洼地不同森林表层土壤有机质的空间变异及成因

基于动态监测样地(200 m×40 m)的网格(10 m×10 m)取样,以农作区为对照,用地统计学方法研究了喀斯特峰丛洼地人工林、次生林和原生林3类典型森林生态系统表层土壤(0—15 cm)有机质的空间变异,通过主成分分析和相关分析,探讨了其生态学过程和机制。结果表明:喀斯特峰丛洼地土壤有机质很高,沿着农作区-人工林-次生林-原生林的恢复梯度,土壤有机质显著提高,变异系数逐步增大;农作区和3类森林土壤表层有机质均具有良好的空间自相关性;农作区试验半变异函数C0/(C0+C)值为26.5%,呈中等程度的空间相关性;3类森林的C0/(C0+C)值为9.0%—22.6%,呈强烈的空间相关性;农作区和人工林土壤有机质呈单峰分布,次生林呈凹型分布,原生林呈凸型分布;不同森林的主导因子不同,农作区的主导因子为主要土壤养分,人工林为地形和物种多样性,次生林为森林结构和物种多样性,原生林为地形和物种多样性,且同一因子在不同森林与土壤表层有机质的正负作用关系和相关程度也不同。因此,农作区和3类森林应根据其土壤表层有机质的空间变异及主要影响因子制定相应的固碳措施。     

基于Hyperion影像植被光谱的土壤重金属含量空间分布反演——以青海省玉树县为例

本研究主要探讨了利用Hyperion影像植被光谱估算土壤重金属含量的可行性.以野外采集的三江源区玉树县48个表层土壤样品As、Pb、Zn、Cd实验室测定含量值,以及从两景Hyperion影像提取的48个土壤样本点相应的176个植被光谱反射率波段及构建的5种植被指数为数据源,利用偏最小二乘回归方法(PLSR)建立土壤各重金属含量与上述两套Hyperion影像上提取的变量之间的估算模型.模型分别为176个植被光谱反射率波段与土壤各重金属含量间的估算模型(植被光谱反射率模型),和以5种植被指数作为自变量,与土壤各重金属含量建立的估算模型(综合植被指数模型).运用验证样本的4种重金属元素实测含量值的标准差与均方根误差的比值(RPD)作为检验标准,As、Pb两种模型RPD均小于1.4,不具备粗略估算能力;Zn、Cd两种模型RPD分别为1.53、1.46与1.46、1.42,均具备粗略估算能力.根据上述结果将Zn的光谱反射率估算模型与Hyperion影像相结合反演得到土壤重金属Zn含量的空间分布,Zn含量在214国道、308省道和乡镇附近偏高,主要受到较强的人类活动影响.表明运用Hyperion高光谱影像植被光谱反射率可以间接估算土壤Zn、Cd元素含量.     

基于无人机的冬小麦拔节期表层土壤有机质含量遥感反演

快速监测大面积分布的盐渍化麦田土壤有机质含量,可为推进盐渍土改良和促进碳循环研究提供数据支撑。通过野外采样与获取无人机遥感影像,分别基于裸土和植被情况,采用多元线性回归(MLR)、偏最小二乘回归(PLSR)和支持向量机回归(SVR)3种方法,建立区域有机质含量遥感模型,并进行检验和对比,确定最优的土壤有机质含量反演模型;最后基于最优模型进行研究区表层土壤有机质的反演,并与插值结果进行比较。结果表明: 经5×5的中值滤波处理后的光谱与土壤表层有机质对应最优;3种模型中,SVR模型的预测精度最高,PLSR次之,MLR效果最差。对比两种变量的建模效果,基于植被的SVR建模效果最好,其建模决定系数(R²)、均方根误差(RMSE)分别为0.89、0.20,验证R²、RMSE分别为0.82、0.24;基于裸土的建模效果不理想,最优的也是SVR模型,其建模R²、RMSE分别为0.63、0.26,验证R²、RMSE分别为0.61、0.25。根据最优模型反演得到该区域有机质含量为17.51～22.53 g·kg^-1,平均值为19.51 g·kg^-1,与实地调查结果较为一致;插值结果与反演结果相比,精度受到限制。综上,基于无人机多光谱可以对盐渍土冬小麦拔节期土壤有机质含量进行快速、大范围精准估测。     

基于Sentinel-2数据的草地植物功能多样性遥感反演及其与生产力的关系

生物多样性与生态系统功能的关系是当前生态学研究的焦点和难点。植物功能多样性是影响生态系统功能的重要指标, 开展植物功能多样性的研究对了解生物多样性与生态系统功能之间的关系有着重要意义。传统的草地植物功能多样性研究多以实地调查为主, 不仅费时费力, 而且由于受到时空的限制, 很难拓展到大尺度的研究中。遥感技术的发展为评估草地功能多样性提供了一种经济、有效的手段。该研究选取内蒙古自治区锡林郭勒盟乌拉盖管理区草甸草原为研究区, 利用Sentinel-2卫星影像和野外实测数据, 选取了波段及植被指数等46个特征变量, 探讨了逐步回归、偏最小二乘法(PLSR)和随机森林(RFR)等3种不同方法对草地植物功能丰富度(FRic)、功能均匀度(FEve)和功能离散度(FDiv)的反演精度, 并基于PLSR反演草地地上生物量, 进一步分析了研究区功能多样性与生产力的关系。研究结果表明: (1)波段B11、优化型土壤调节植被指数(OSAVI)、水波段指数(WBI)对FRic解释度最高; 波段B6、B10、B12、类胡萝卜素反射指数1 (CRI1)、双峰光学指数(D)、归一化差值指数45 (NDI45)等6个特征变量对FEve解释度最高; 波段B5、B9、B10、B11、加权差分植被指数(WDVI)、凸包面积等对FDiv解释度最高; (2)基于十折重复交叉验证, 利用逐步回归估算的FRic和FEve反演精度远高于其他两种回归方法, R²分别为0.52和0.44; 而利用PLSR方法估算的FDiv反演精度最高(R² = 0.61); (3)群落地上生物量反演精度为R² = 0.61; FRic与地上生产力的关系最好(R² = 0.40), 其次为FDiv (R² = 0.28)和FEve (R² = 0.27)。研究发现, 基于Sentinel-2卫星影像能较好地反演草地功能多样性和生产力, 为下一步能在大尺度上进行草地功能多样性估算及其与生产力关系研究提供了参考和依据。     

川渝地区空气质量时空分布格局及影响因素

川渝地区尤其是四川盆地已成为我国空气污染最严重的地区之一,基于2018—2019年川渝地区128个城市站和71个县级站空气质量监测及自然与社会经济数据,采用全局和局部莫兰指数分析了川渝地区空气质量指数(AQI)和不同空气质量分指数(IAQI)的时空格局,并采用偏最小二乘回归(PLSR)从较为宏观的尺度综合分析了川渝地区空气污染的主要驱动因素。研究结果表明：(1)川渝地区空气质量整体为良,主要污染物为O₃,其次为PM₁₀和PM_2.5。盆地区与高原区的主要污染物分别为PM_2.5和O₃;(2)AQI及PM_2.5、PM₁₀、NO₂呈“U”型变化,春冬季最高,夏秋季最低;O₃则在内部两区域都大致呈倒“U”型变化,但峰值分布时间与持续时长明显不同;SO₂和CO年内无明显变化;(3)各污染物具有明显的空间聚集性特征,AQI及PM₁₀、PM_2.5     

集成高分辨率UAV影像与激光雷达点云的亚热带森林林分特征反演

该研究集成高分辨率无人机(UAV)影像和激光雷达(LiDAR)点云数据估算亚热带天然次生林林分基本特征变量。首先, 基于LiDAR点云和反距离加权插值法构建林下高精度数字高程模型(DEM); 然后利用UAV影像对序列构建植被冠层上层三维点云, 并借助DEM进行高度信息归一化, 提取高度和冠层点云密度相关的特征变量; 最后, 构建预测模型并估算Lorey’s高、林分密度、胸高断面积、蓄积量。结果表明: 联合提取的特征变量与Lorey’s高的敏感性最高, 蓄积量次之, 林分密度和胸高断面积最低; 利用UAV灵活快速的手段获取森林冠层信息, 辅以高精度LiDAR数据获取的地形信息, 两者互补实现一种可重复的快速、廉价和灵活的林分特征的反演方式。     

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.     

基于机载高光谱影像的植被冠层叶绿素反演

利用黑龙江省伊春市带领区凉水国家级自然保护区机载高光谱数据,提取了红边面积、三角形植被指数、归一化植被指数等15个光谱参数,结合坡度、坡向、海拔、郁闭度和植被总盖度5个地理参数,并利用叶绿素计SPAD-502对研究区植被冠层叶绿素相对含量进行同步测量,分析了叶片光谱反射率、反射率的一阶导数及其他变形分别与SPAD值的相关性,采用基于核变换的偏最小二乘原理建立了叶绿素相对含量的估测模型,用该模型对研究区植被冠层叶绿素相对含量进行定量估算.结果表明:当分段数为3、提取的主成分数为10时,所建模型的效果较好,模型决定系数达到0.855,平均绝对百分误差为9.6％,预测精度为89.7％.     

天山雪岭云杉林生物量估测及空间格局分析

雪岭云杉林是新疆天山山脉重要的水源涵养林,精确估算雪岭云杉林生物量及准确表征空间格局特征对其生态系统的生物生产力和生态服务功能的评估具有重要作用。结合Landsat 8 OLI遥感数据和66块天山雪岭云杉林样地调查数据,选择包括各波段灰度值、不同波段灰度值之间的线性和非线性组合(包括5种植被指数)以及环境因子在内的42个自变量,分别采用多元逐步回归分析法、偏最小二乘法和主成分分析法建立天山雪岭云杉林生物量估测模型。结果表明:多元逐步回归法采用3个自变量所建模型平均拟合精度为69.07%,绝对误差为64.50 t/hm²,平均相对误差为10.89%,样地生物量实测值与预测值相关系数为0.465;偏最小二乘回归法采用11个自变量所建模型平均拟合精度为74.36%,绝对误差为144.94 t/hm²,平均相对误差为28.78%,相关系数为0.717;主成分分析方法提取3个主成分,所建模型平均拟合精度为71.22%,相关系数为0.730;因此偏最小二乘法要优于主成分分析法和多元逐步回归法。天山雪岭云杉林生物量随经纬度的增加而降低,整体呈现西部高,中东...     

基于TM影像的表层土壤有机碳空间格局

土壤有机碳是土壤肥力的核心指标之一,理解其空间分布格局对促进精准农业的发展和科学施肥具有重要意义.本研究旨在检验TM影像结合地面采样数据分析黑龙江省黑土分布区表层土壤有机碳空间分布格局的可行性.结果表明:1)表层土壤有机碳浓度与TM5波段呈显著正相关(r=0.553,P＜0.01),与TM4、TM5波段影像像素值之间满足二次多项式回归关系(R2=0.6791,P＜0.05);2)回归模型对表层土壤有机碳空间分布格局具有较好的预测效果(R2=0.7097,P＜0.05);3)海拔高于200 m的地区表层土壤有机碳浓度显著高于海拔低于200 m的地区(P＜0.05).     

聚类分析视角下的中国省域碳排放时空格局及驱动因素分析

中国碳排放的时空格局对全球气候治理极为重要,其驱动机制是"减排"的关键所在。对中国省域碳排放时空特征和驱动模式进行聚类研究,揭示不同省域的模式相似性与差异性,对于各省域的 "双碳"目标达成和路径安排具有重要影响和现实支撑。研究采用1997-2019年碳排放量及社会经济数据,从聚类分析角度探讨了中国省域碳排放的趋势及驱动模式,基于偏最小二乘法(PLS)模型的归因结果,识别不同省域碳排放的驱动因素的贡献度和敏感性,进一步探寻省域减排方案。研究表明:①研究期内中国碳排放以499.25mt/a的速率上升,呈低位平缓波动-大幅上升-高位缓慢波动的趋势变化,省域碳排放呈北高南低、东高西低格局。②省域碳排放模式具有差异性,北京、天津等为低起点低速发展类,趋势呈扁平"S"型;吉林、新疆等为低起点高速发展类,呈上升"S"型;河南、广东等为中起点高速发展类,呈扩张"S"型。山东、山西为高起点超高速发展类,呈指数"S"型。③中国省域碳排放驱动因子的贡献度和敏感性存在空间差异。经济发展、产业结构、城市化水平与能源消耗等对碳排放的贡献度较高,其中地区GDP、人均GDP、第二产业占比GDP、年底非农人口比例、地区能源消耗总量等是碳排放的主要贡献因子。碳排放对产业结构、科技发展、环境规制的敏感性较强。④中国省域碳排放驱动模式的分异性较为明显,同类驱动模式省域多在地理空间范围内形成"集聚"现象。因此,不同省域政府减排策略的落实应考虑其碳排放的发展规模及驱动机制的差异,实现地区发展和减排 "两手抓"的同时利用地区优势,资源互通、交流合作,加强省域间碳排放的"共治",进一步促进高质量发展。     

基于最佳波段判别的湿地植物叶片全氮反演研究

利用高光谱遥感技术定量估测湿地植被叶片全氮含量,对于监测和诊断湿地植被的生理状况及生长趋势具有重要意义。但叶片氮素遥感诊断研究多存在反演模型过拟合、入选波段与生化参量间因果关系不明确和入选变量间"多重共线性"等局限。以芦苇(Phragmites australis)和香蒲(Typha angustifolia)叶片全氮含量作为研究对象,通过谱带分区,分区最佳波段选取和偏最小二乘回归相结合的方法构建芦苇和香蒲叶片全氮含量反演模型,并利用交叉验证决定系数(R2cv)和均方根误差(RMSEcv)对模型精度进行检验,尝试克服传统反演方法中的不足。结果表明,不同湿地植物类型相比,利用芦苇反射光谱建立的预测模型精度都高于香蒲。不同回归模型相比,一阶导数光谱-偏最小二乘回归模型(FDS-PLSR)精度远高于原始光谱-偏最小二乘回归模型(OS-PLSR)。芦苇最佳模型交叉验证决定系数(R2cv)达到了0.84,方根误差(RMSEcv)为0.10,香蒲最佳模型交叉验证的决定系数(R2cv)达到了0.66,方根误差(RMSEcv)为0.13,是构建湿地植物芦苇和香蒲光谱与叶片全氮含量关系的最佳模型。在不降低湿地植物叶片氮含量反演精度的基础上,有效地避免了传统地物高光谱模型反演中的局限性,是无损害遥感探测方面的有益尝试。     

不同质地盐渍化土壤水盐含量的高光谱反演

为了方便快捷地同步监测盐渍化土壤的水、盐含量,本文以新疆典型盐渍化灌区为研究对象,基于高光谱技术、运用便携式光谱仪获取不同质地的土壤水盐含量光谱曲线,采用一阶微分、二阶微分、连续统去除的数据处理方法对土壤原始光谱进行变换.结果表明: 对原始光谱数据的变换有利于土壤属性指纹波段的提取,不同质地水盐含量的变换方法并不相同,在壤土中质量含水量为0%和10%时的水盐光谱曲线使用连续统去除方法、15%含水量使用一阶微分、19%含水量使用二阶微分,砂土中0%含水量使用连续统去除方法、10%、15%和19%含水量水盐光谱曲线使用二阶微分处理后,有利于特征波段的提取;对筛选出的变换数据采用偏最小二乘回归方法构建水盐反演模型,壤土盐度小于6.38 mS·cm^-1、砂土小于5.94 mS·cm^-1时,模型建立的建模数据集决定系数(R_cal²)、内部交叉验证(R_cv²)和外部检验数据集决定系数(R_val²)均大于0.65(P<0.05);壤土水分含量小于16%、砂土小于12%时模型反演精度较高.研究结果可为盐渍化土壤水盐含量同步监测提供阈值参考.