基于多植被指数组合的冬小麦地上干生物量高光谱估测

为了探究多种植被指数组合与偏最小二乘回归(PLSR)结合对于提高冬小麦地上干生物量估测精度的影响,本研究以氮运筹试验为基础,比较分析了18种植被指数与冬小麦地上干生物量的相关性,筛选出相关性较好的植被指数,建立多种植被指数组合的PLSR模型,并对模型进行评价比较。结果表明:除叶绿素归一化植被指数(NPCI)外各植被指数均与冬小麦地上干生物量有良好的相关性,中分辨率陆地叶绿素成像指数(MTCI)、绿色归一化植被指数(GNDVI)、改进红边比值植被指数(MSR705)和特征色素简单比值指数c(PSSRc)4个植被指数相关系数绝对值均达到0.800以上;多植被指数组合构建的PLSR模型中,以PSSRc、MSR705和MTCI 3个植被指数建立的复合式模型建模集(R2=0.719,RMSE=0.316)和验证集(R2=0.696,RMSE=0.346)表现最佳。因此,多种植被指数组合与偏最小二乘回归(PLSR)结合能有效提高冬小麦地上干生物量的估测精度,为更好地实现冬小麦地上干生物量高光谱遥感估测提供有效技术途径。     

黄土高原春小麦地上鲜生物量高光谱遥感估算模型

通过田间小区试验,测定了4个春小麦品种(定西24号、陇春8139、高原602和定西38号)在不同生育期和不同种植密度下冠层光谱反射率及其对应的地上鲜生物量,分析了春小麦地上鲜生物量随生育期的变化以及地上鲜生物量与冠层反射光谱和一阶微分光谱之间的相关关系,采用相关系数较大的特征波段及其组合构建光谱特征参数以其作为变量,建立了春小麦地上生物量的高光谱估算模型,并对模型进行检验。结果表明：以参数F₇₈₀和D₇₁₉为变量的对数形式y=3.9498ln F₇₈₀+7.0596和乘幂形式y=512.99D₇₁₉^1.0174估算水平最高,前者均方根误差(RMSE)为0.2173,相对误差(RE)为10.45%,预测值与实测值相关系数为0.854;后者RMSE为0.2188,RE为9.96%,预测值与实测值相关系数为0.853。因此,上述两个模型可作为陇中黄土高原地区春小麦地上鲜生物量的最佳估算模型。     

平稳小波变换在冬小麦SPAD高光谱监测中的应用

在2010与2011年度冬小麦生长季通过大田小区试验,利用ASD便携式野外光谱仪和SPAD 502叶绿素计实测冬小麦冠层的高光谱反射率与SPAD值.分析不同SPAD值下的冬小麦冠层光谱特征,建立了基于归一化植被指数（NDVI）与比值植被指数（RVI）、小波能量系数的不同生育期冬小麦SPAD估算模型.结果表明： 随着SPAD值的增大,“绿峰”与“红谷”特征愈加明显.在冬小麦返青期、拔节期、抽穗期、灌浆期NDVI估算SPAD的效果较好,估算模型的R²分别为0.7957、0.8096、0.7557、0.5033.小波能量系数回归模型可以提高冬小麦SPAD的估算精度,在返青期、拔节期、抽穗期、灌浆期以高频、低频小波能量系数为自变量的冬小麦SPAD估算模型的R²分别达到0.9168、0.9154、0.8802、0.9087.     

星载大光斑LiDAR与HJ-1A高光谱数据联合估测区域森林地上生物量

以吉林省汪清林业局经营区为研究区,利用HJ-1A/HSI高光谱数据和ICESat-GLAS波形数据,估测区域森林地上生物量。从平滑后的GLAS波形数据中提取波形长度W和地形坡度参数TS,建立GLAS森林最大树高估测模型;从GLAS波形数据中提取能量参数I(植被回波能量Ev和回波总能量E之比),建立GLAS森林郁闭度估测模型;利用GLAS估测的森林最大树高和森林郁闭度联合建立森林地上生物量模型。由于GLAS呈离散条带状分布,无法实现区域估测,因此研究将GLAS波形数据与HJ-1A/HSI高光谱数据联合,基于支持向量回归机算法实现森林地上生物量区域估测,得到研究区森林地上生物量分布图。研究结果显示,基于W和TS建立的GLAS森林最大树高估测模型的adj.R~2=0.78,RMSE=2.51m,模型验证的adj.R~2=0.85,RMSE=1.67m。地形坡度参数TS能够有效的降低地形坡度的影响;当林下植被高度为2m时,得到的基于参数I建立的GLAS森林郁闭度估测模型效果最好,模型的adj.R~2=0.64,RMSE=0.13,模型验证的adj.R~2=0.65,RMSE=0.12。利用森林最大树高和森林郁闭度建立的森林地上生物量模型的adj.R~2=0.62,RMSE=10.88 t/hm~2,模型验证的adj.R~2=0.60,RMSE=11.52 t/hm~2。基于支持向量回归机算法,利用HJ-1A/HSI和GLAS数据建立的森林地上生物量SVR模型,生成了森林地上生物量分布图,利用野外数据对得到的分布图进行验证,验证结果显示森林地上生物量估测值与实测值存在很强的线性关系(adj.R~2=0.62,RMSE=11.11 t/hm~2),能够满足林业应用的需要。因此联合ICESat-GLAS波形数据与HJ-1A高光谱数据,能够提高区域森林地上生物量的估测精度。     

利用冠层光谱估测烟草叶面积指数和地上生物量

综合多种烟草类型、品种及肥料处理因素,分析了17种光谱参数与烟草叶面积指数（LAI）、地上鲜生物重（AFW）、地上干生物重（ADW）的关系,建立逐步回归模型对烟草LAI、AFW、ADW进行估测并结合相关分析筛选出相应的特征变量。结果表明：5个回归方程的复确定系数R^2、回归系数相伴概率均达到显著水平。包含17个光谱参量的逐步回归方程筛选出的第一自变量均为Rg／Rr,相关分析及散点图分析亦得出Rg／Rr与LAI、AFW、ADW相关系数分别为0．759、0．611、0．647,R^2为0．576、0．3727、0．4184,均达到极显著水平,证明烟草LAI、AFW、ADW的特征变量为Rg／Rr。仅采用8种植被指数建立模型,证明利用比值植被指数（RVI）估测LAI、ADW亦是可行的。经过统计检验,建立的模型估测效果均较好,估测值与实测值的相关性均达到显著水平,其中包含特征变量Rg／Rr的回归模型估测效果优于RVI构建的模型。表明采用高分辨率光谱或宽波段光谱提取光谱变量可对烟草LAI、AFW、ADW进行监测,并可根据数据条件选择有效的估测模型,为烟草遥感数据分析提供方法。     

羊草草原地上生物量的预测

采用数量化理论对羊草草原地上生物量进行了预测 ,建立了 2个数学预测模型。检验结果表明 ,地上生物量预测值与实测值的相关性显著 ,地上生物量的鲜重和干重的复相关系数分别达到了 0 97和 0 95。在影响羊草草原地上生物量的生态因素和植被特征因素中 ,按其对生物量形成的贡献大小 (以得分范围衡量 ) ,贡献最大的为测定生物量时前一个月的降雨量 ,其次为土壤全氮含量 ,再次为测定生物量时前一个月≥ 1 0℃的积温 ,小于这三个生态因子影响大小的因素依次为草群总盖度、草群平均高度和羊草种群生长状况。所建模型不但包含了生态因素对地上生物量的影响 ,而且也包含了植被特征因素对地上生物量的影响 ,为准确预测草地生物量提供了一条新途径     

不同时间草地火烧后群落地上生物量结构的变化

不同时间草地火烧后,群落地上生物量结构发生不同程度的变化,最明显的是火烧地各层没有立枯体组分,未烧地立枯体随季节推迟逐渐转向下层．火烧地茎矮化,各层段叶生物量皆高于未烧地,未烧地各层段茎叶比例高于火烧地．火烧地的光线通透系数高于未烧地．     

开敞度调控对次生林林冠下红松径高生长量和地上生物量的影响

以同处于演替层15年生(龄级Ⅰ)和22年生(龄级Ⅱ)的人工红松-天然阔叶混交林为对象,对林下栽植红松个体的开敞度(K)进行调整(K=1.0,1.5,2.0),研究调整后4年间林下红松直径和树高生长量及第4年的红松生物量状况.结果表明:2个龄级红松地径/胸径和树高定期生长量和地上部生物量均以K=1.0处理最大;随时间的延伸,K=1.5和K=2.0处理对年生长量的促进效果不断增强,接近或超过K=1.0处理.龄级Ⅰ的K=1.0处理的树干生物量比例显著高于其他处理和对照,而龄级Ⅱ各处理的差异不明显;龄级Ⅰ各处理的枝叶生物量比值均显著高于对照,而龄级Ⅱ则差异不显著;两个龄级不同年龄针叶的比例及分布状态不同.开敞度为1.0 ～2.0时有利于次生林林冠下栽植的15 ～22年生红松的生长发育.     

高寒草原不同植物群落地上-地下生物量碳分布格局

高寒草原具有独特的自然生境和生物资源,对高寒草原开展系统研究对于减缓气候变化与草原恢复具有重要实践意义。以往研究主要针对高寒草原生物量碳开展整体评估,缺乏对不同群落类型间的定量比较。本文分析了高寒草原10种主要典型植物群落地上-地下生物量碳分布格局以及对总生物量碳的贡献差异。结果表明:高寒草原面积为167.33×10⁶hm²,总生物量碳为1.53 Pg(1 Pg=10¹⁵g),其中地上生物量碳0.19 Pg,地下生物量碳1.34 Pg;紫花针茅、青藏苔草和紫花针茅-小蒿草群落面积大,生物量碳密度高,为高寒草原贡献了69.3%的生物量碳。高寒草原平均生物量碳密度为690.80 g C·m^-2,其中紫花针茅群落(196.14 g C·m^-2)和蔷薇群落(177.93 g C·m^-2)具有最高的地上生物量碳密度(AGC);蔷薇(1491.18 g C·m^-2)和紫花针茅-小蒿草群落(1306.51 g C·m^-2)则具...     

不同海拔梯度高寒草地地上生物量与环境因子关系

以新疆天山南坡的巴音布鲁克高寒草地为研究对象,沿海拔每升高100m设置1块样地,共9个样地,研究了海拔梯度变化条件下高寒草地地上生物量与环境因子的关系.研究表明:紫花针茅、羊茅群落分布在海拔2460～2760m,地上生物量为52.2～75.9g.m-2,线叶嵩草 紫花针茅群落分布在海拔2860m,地上生物量为53.2g.m-2,线叶嵩草、天山羽衣草、细果苔草群落分布在海拔2960～3260m,地上生物量为62.1～107.4g.m-2;7—8月平均相对湿度对群落总的地上生物量影响较大;海拔与禾本科的地上生物量呈显著负相关,与莎草科呈显著正相关;7—8月平均气温是决定禾本科和莎草科功能群地上生物量的主导因子,回归方程分别为Y=13.467X-97.284和Y=171.699-15.331X;海拔与平均气温和pH值呈极显著负相关(P<0.01),与平均相对湿度呈极显著正相关(P<0.01),与速效N含量和土壤含水量呈显著正相关(P<0.05).     

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)...     

冬小麦叶片SPAD值高光谱估测的预处理方法

为选择合适的光谱预处理方法,提高叶片SPAD值的预测精度,本研究分析冬小麦不同叶位叶片SPAD值与光谱的响应关系,对原始光谱数据进行归一化处理(NC)、多元散射校正(MSC)和基线校正(BC)及组合处理,并结合连续投影算法(SPA)和逐步多元线性回归(SMLR)构建SPAD值光谱估测模型。结果表明:增加施氮量能提高冬小麦不同叶位叶片的SPAD值,生育前期顶二叶在近红外光谱区域反射率最大,生育后期则为顶一叶最大;单一光谱预处理中基于NC处理的光谱预测模型最好(R2=0.770、RMSE=1.483),MSC处理降低了模型预测效果,组合预处理中,以BC+NC建模效果最好,R2和RMSE分别为0.755和1.540;部分预处理在一定程度上可以消减噪音,但不当的预处理方法会降低模型的预测能力;预处理方法并不是越多越好,顺序不同预测模型精度不同。     

基于不同预测变量的天然椴树可加性地上生物量模型构建

森林生物量是森林生态系统的最基本数量特征,生物量数据是研究许多林业问题和生态问题的基础,因此,准确测定生物量对于计算碳储量以及研究气候变化、森林健康、森林生产力、养分循环等十分重要.目前,测算森林生物量常用的方法为生物量模型估算法.本研究基于小兴安岭地区和张广才岭地区97株实测生物量数据,建立了3个天然椴树立木可加性生物量模型系统(基于胸径的一元可加性生物量模型系统、基于胸径和树高的二元可加性生物量模型系统、基于最优变量的最优可加性生物量模型系统),采用非线性似乎不相关回归法进行参数估计,用加权方法解决模型的异方差问题,并采用“刀切法”进行模型检验.结果表明: 3种可加性生物量模型系统均能较好地对椴树各部分生物量进行拟合和预测(调整后确定系数R_a²>0.84,平均预测误差百分比MPE<8.5%,平均绝对误差MAE<16.3 kg,平均百分标准误差MPSE<28.5%),其中,树干和地上生物量的拟合效果优于树叶、树枝和树冠;在引入树高和树冠因子后,提高了模型的拟合效果和预测能力(R_a²提高0.01～0.04,MAE降低0.01～4.55 kg),缩小了预测值置信区间的范围,树干、树叶和地上生物量提高较多,树枝和树冠提高较少.总体来看,最优生物量模型系统效果最好,其次为二元生物量模型系统,再次是一元生物量模型系统,添加树高和树冠因子进行生物量模型的构建十分必要.     

不同干扰方式对疏叶骆驼刺形态特征及地上生物量的影响

以塔克拉玛干沙漠南缘策勒绿洲为研究区,研究了春季砍伐、秋季砍伐和春季火烧等干扰处理对绿洲-沙漠过渡带的自然植被疏叶骆驼刺形态特征及地上生物量的影响.结果表明:春季火烧降低了疏叶骆驼刺的株高、冠幅和生物量,不利于疏叶骆驼刺植被的恢复和再生;不同时间砍伐对疏叶骆驼刺植被恢复和再生的影响差异较大.春季砍伐使疏叶骆驼刺株高、冠幅和生物量降低,叶片生物量、刺的长度和直径增加.秋季砍伐使疏叶骆驼刺株高和冠幅降低,但分枝数量和生物量增加.秋季适度的砍伐有利于塔克拉玛干沙漠南缘疏叶骆驼刺的保护.     

西藏高原高寒草地群落植物多样性和地上生物量监测方法的比较研究

以西藏高原高寒草地3种植被类型(高寒草甸、高寒草原和高寒荒漠草原)为研究对象,分别采用样线法、样方法和巢式样方法进行实地调查,记录每条样线上或每个样方内出现的所有物种,并分物种刈割样方内地上部分,通过统计分析比较不同高寒草地群落植物多样性和地上生物量监测方法,以阐明西藏高原高寒草地不同植被类型的最小取样面积和最少样方数或样线长度。结果显示:(1)就物种丰富度而言,400m样线法观测到的高寒草甸、高寒草原和高寒荒漠草原的所有物种数分别占3种方法调查到的总物种数的55%、71%和50%;8m2巢式样方法调查到高寒草甸、高寒草原的总物种数占所有3种方法观测的物种总数的57.5%和57%,而8m2的巢式样方对高寒荒漠草原的调查监测到的物种数最多,其中2m2观测到的物种数就达到所有可能出现物种的83%;20个样方法监测到高寒草甸和高寒草原的物种数最多,占3种方法观测到总物种数的78%和86%,所以对物种丰富度的调查高寒草甸和高寒典型草原至少需要20个样方,高寒荒漠草原需要最小面积不少于2m2的2个样方。(2)就地上生物量而言,由地上生物量与物种数之间的变异关系得出最小样方数为7~11个,而由地上生物量的变异系数可知,在变异系数小于等于5%的前提下,高寒草甸的最小取样面积不小于0.25m2,高寒典型草原和高寒荒漠草原的最小取样面积不少于1m2。研究表明,对于生产力的监测方法而言,高寒草甸采用10个0.5m×0.5m的样方,而高寒草原和高寒荒漠草原采用10个1m×1m的样方为宜;而对于物种丰富度的监测方法而言,高寒草甸以20个0.5m×0.5m的样方和高寒草原20个1m×1m的样方为宜,高寒荒漠草原采用2个不小于2m2样方面积为宜。     

不同土地利用类型下土壤有机碳含量的高光谱反演

不同土地利用类型下土壤光谱信息存在差异,了解不同土地利用类型下合适的建模方法可以高效准确地进行土壤有机碳含量反演。本研究以江西省奉新县中北部林地、耕地和园地3种土地利用类型共248个土壤样本为对象,首先对土壤原始光谱反射率曲线使用Savitzky-Golay(SG)滤波去噪并进行10 nm重采样减少数据冗余,之后采用偏最小二乘回归(PLSR)、基于网格搜索法的支持向量机回归(GRID-SVR)和基于粒子群算法的支持向量机回归(PSO-SVR)3种方法分别构建土壤有机碳含量的反演模型。结果表明: 构建单一土地利用类型反演模型时,PLSR方法在林地、耕地和园地的相对分析误差(RPD)分别为1.536、1.315和1.493,采用GRID-SVR方法时,其RPD分别提升0.150、0.183和0.502。采用PSO-SVR方法时精度最高,相较GRID-SVR方法,其林地、耕地和园地的RPD分别提高20.8%、10.0%和2.7%,林地和园地的RPD分别为2.036和2.049,可以极好地预测土壤有机碳含量,耕地的RPD为1.647,可以对土壤有机碳含量进行粗略估测。PSO-SVR方法对不同土地利用类型土壤有机碳反演效果最优,林地和园地土壤有机碳含量的反演精度相近且高于耕地。研究区不同土地利用类型对土壤有机碳含量的反演结果存在一定的影响,今后可以考虑在反演土壤有机碳时分不同土地利用类型进行建模。     

小叶锦鸡儿灌丛地上生物量的预测模式

研究绿色植物地上部分的现存量(Standing crop)主要有三种方法(Chapman,1976:李文华,1978),一种是直接收获法,象收获农作物和牧草那样,全部刈割后称重,第二种是标准地或样方内全收获法,用以推算出单位面积或整体的生物量;第三种是采用数学模拟的方法,根据一定的实测数据建立起生物量总量或各组分(象树木的干、枝、叶)与简单易测的     

植被含水量高光谱遥感监测研究进展

植被含水量是陆地植被重要的生物物理特征, 其定量遥感反演有助于植被干旱胁迫的实时监测与诊断评估。该文系统综述了国内外利用高光谱遥感评估植被水分状况的4个常见植被水分指标——冠层含水量、叶片等量水厚度、活体可燃物湿度和相对含水量的概念及其遥感估算方法研究进展, 评述了植被含水量高光谱遥感估算各类方法的优缺点, 探讨了植被含水量高光谱遥感估算目前存在的问题, 并提出进一步的研究任务, 即服务于植被干旱胁迫的高光谱遥感监测、预警与评估。     

小麦叶片色素含量的高光谱监测

连续两年采用不同小麦品种在不同施氮水平下进行大田试验,建立了小麦叶片色素含量的光谱定量监测模型.结果表明,叶片色素含量随着施氮水平的增加而提高,品种间存在差异,叶绿素(Chl) a+b相对含量随生育时期的变化较Chl b和类胡萝卜素(Car)更为明显.群体叶片色素含量的敏感波段主要存在于可见光区,其中,红边区域表现显著.红边位置参数REP_LE和REP_IG与叶绿素关系较为密切,REP_LE的表现较好.以REP_LE为变量对Chl a、Chl b和Chl a+b进行方程拟合,决定系数R²分别为0.835、0.841和0.840;对Car含量进行方程拟合,其R²显著下降,且光谱参数间差异较小.经独立数据的检验表明,红边位置的估算结果较好,以REP_IG为变量对Chl b进行预测,模型测试的R²和RE分别为0.632和18.2%;以REP_LE为变量对Chl a、Chl a+b和Car含量进行预测,R²分别为0.805、0.744和0.588,RE分别为9.0%、9.7%和14.6%.表明红边位置与叶片色素含量关系密切且表现稳定,利用REP_LE可以对小麦叶片Chl a和Chl a+b含量进行可靠的监测.     

不同类型海桑-秋茄人工林地上生物量及营养元素积累与分布

海桑(6年生)与秋茄(11年生)人工混交林和海桑、秋茄人工纯林共3种类型(类型Ⅰ、Ⅱ、Ⅲ)地上总生物量分别为38.530、20.012和29.405t·hm^-2,其中类型Ⅰ乔木层占41.0%,灌木层占59.0%,类型Ⅱ乔木层占93.3%,灌木层占6.7%,类型Ⅲ灌木层占100%;生物量年均净积累量分别为4.701、3.380和2.673t·hm^-2·a-1.3种类型10种营养元素总积累量差异明显,分别为765.570、343.925、555.886kg·hm^-2,其中类型Ⅰ乔木层占41.8%,灌木层占58.2%,类型Ⅱ乔木层占92.3%,灌木层占7.7%,类型Ⅲ灌木层占100%;生产单位净积累干物质对营养元素吸收量及营养元素归还率因林分类型各异,类型Ⅰ、Ⅱ、Ⅲ每生产1t净积累干物质净吸收10种营养元素的总量分别为39.860、36.834和18.904kg,而营养元素归还率则分别为61.3%、40.4%和72.2%.