西藏自治区草地地上生物量遥感反演研究

草地地上生物量（Aboveground Biomass,AGB）是反映草地生态系统功能和质量的关键指标,大尺度地准确估算草地AGB对草地生态系统经营管理至关重要。研究以MODIS影像为数据源,提取反射率、植被指数和植被产品三种不同类型的特征变量,结合野外实测样地草地AGB数据,构建以多元线性逐步回归为代表的参数模型以及随机森林、支持向量机和kNN等非参数模型进行西藏自治区草地AGB估测及空间分布制图。结果表明：（1）多元线性逐步回归、随机森林、支持向量机和kNN模型在加入植被产品特征变量后,RMSE分别降低了15.8%、13.5%、4.1%和17.3%,表明植被产品作为建模变量用于草地AGB估测可有效提高模型精度;（2）三种组合变量构建的草地AGB估测模型中,反射率、植被指数、植被产品组合构建的模型效果最佳,其中kNN模型估测精度最高,R²达到0.60,RMSE和MAE分别为0.43、0.34 t/hm²;（3）草地AGB空间分布呈现出西北地区较低、中部地区较高且分布形态较破碎和东部地区较高的变化特征;（4）利用MODIS植被产品结合kNN模型的预测值与草地实测的AGB空间分布趋势基本一致。综上,MODIS植被产品结合kNN模型可作为大尺度区域草地AGB遥感估测的有效参考。     

近20年防风固沙重点生态功能区植被动态分析

植被是影响防风固沙生态功能的关键指标,也是检验防风固沙区生态保护成效的重要依据。由2010年国务院《全国主体功能区规划》划定的防风固沙类国家重点生态功能区、国家重点生态功能区转移支付县域综合确定研究范围。基于2000-2019年中分辨率成像光谱仪（MODIS）的叶面积指数（LAI）产品,从生态区和像元两个尺度分析近20年防风固沙重点生态功能区植被的时空变化趋势,并进一步探索气候因子对LAI的影响,以期揭示我国北方风沙区生态系统防风固沙功能的现状,为今后生态保护提供支撑。研究结果表明,2000-2019年间,研究区LAI年平均值呈现东高西低的空间格局,随着时间推移有显著增加趋势,平均增幅为0.03 m² m^-2（10a）^-1（P<0.01）。在生态区尺度,LAI在8个生态功能区均表现出不同程度的增长,且2010-2019年间LAI的增长速率高于2000-2009年的,其中,科尔沁草原生态功能区在20年间呈现最为显著的增加趋势,区域平均增幅为0.1154 m² m^-2（10a）^-1（P<0.01）。在像元尺度,近20年LAI显著增长（P<0.05）的区域面积占整个研究区植被面积的41.6%,其中,83.7%的LAI增长区域为草地,11.2%为耕地。增长区域主要集中在研究区东部,呈片状分布,研究区西部的LAI也有一定程度的增长,增长区域呈带状分布。2010-2019年LAI增长的区域面积为7.7%,明显大于2000-2009年LAI增长的区域面积。气候因子对研究区植被的影响为：研究区东部降水的增加对当地植被生长有正向的促进作用,而温度的影响则在整个研究区都较弱。除自然因素外,人为因素（防风固沙政策实施、农业技术进步等）对防风固沙功能区植被状况的改善也至关重要。研究区LAI的显著增加表明我国北方防风固沙屏障的生态功能在近20年有一定程度的提高。     

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。     

基于高分辨率遥感影像的北亚热带森林生物量反演

以北亚热带湖北省太子山林场为研究对象,基于高空间分辨率GF-2与SPOT-6卫星影像,提取不同窗口大小下的纹理信息与光谱信息,利用随机森林回归算法,并结合野外实测106块样地的生物量数据,建立不同影像下的太子山林场森林生物量反演模型。结果显示：（1） GF-2和SPOT-6虽然空间分辨率有差异,但是从其不同波段反射率的相关系数（0.75、0.78、0.73、0.61）发现,两种影像的波段反射率具有较高的相关性,说明两者的辐射性能相近;（2）通过分析不同纹理特征对生物量模型的影响,发现均值和对比度纹理参数对生物量反演具有很好的效果。（3）高分辨率的遥感数据在生物量反演中具有较好的表现,且GF-2生物量模型精度（R²=0.88,RMSE=27.11 Mg/hm²）与SPOT-6生物量模型的精度（R²=0.89,RMSE=23.93 Mg/hm²）相近。（4）两种影像对不同森林类型的生物量预测值不存在显著差异,都适合对不同林分类型的生物量进行预测。     

深圳市前海桂湾公园土壤蒸发及植被蒸腾模拟

蒸散发（ET）是连接水文循环和地表能量平衡的重要组成部分,准确的估算土壤蒸发（LE_s）和植被蒸腾（LE_v）对城市水资源分配和管理具有重要意义。针对城市林地蒸散发双源模型的缺失,本研究基于MOD16模型提出了应用于城市林地区域改进的MOD16双源模型。改进的MOD16双源模型更加准确的描述城市林地区域复杂下垫面的能量分配过程。结合高时空分辨率的Sentinel-2遥感卫星影像,对2020年深圳市前海桂湾公园20个无云日的LE_s和LE_v进行反演研究。用Shuttleworth-Wallace （S-W）模型和双作物系数法（FAO dual-K_c）验证模型性能,同时分析改进的MOD16模型对输入变量的敏感度,结果表明：改进的MOD16模型与S-W模型和FAO dual-K_c之间的均方根误差（RMSE）分别为21.39 W/m²和20.41 W/m²,平均绝对误差（MAE）分别为18.81 W/m²和19.05 W/m²,R²分别为0.801和0.634。改进的MOD16模型可以应用在城市林地LE_s和LE_v估算中。桂湾公园地区总蒸散月均值在85-165 W/m²之间。研究区域的LE_s和LE_v呈现出明显的季节变化,春夏季蒸散量升高,秋冬季蒸散量降低,LE_s的变化范围为0-50 W/m²,LE_v的变化范围为0-120 W/m²。LE_v高值在研究区呈现零散分布,多集中在前海桂湾沿岸,LE_s高值集中在研究区的西北、东北和东南部。敏感性分析结果表明,改进后的MOD16模型对植被覆盖、太阳辐射和湿度更敏感。其中,LE_v模拟结果受净辐射和植被覆盖影响最大,LE_s的模拟结果受湿度和植被覆盖的影响最大。因此,应用改进的MOD16模型时需要优先确保这些参数的准确输入。修正后的MOD16模型极大地提高了高分辨率、小尺度区域城市林地LE_s和LE_v模拟的准确性,为准确获取植被耗水量信息从而科学指导城市林地灌溉、解决城市水资源分配与管理提供有力工具。     

基于多端元光谱混合分析方法的大兴安岭火后植被盖度恢复研究

火干扰是北方针叶林结构、功能及动态的主要调节因子之一。研究火后植被恢复对理解火干扰和生态系统的交互作用具有重要意义。火烧迹地通常由植被与基质混合组成,在中低分辨率（ > 10 m）遥感影像中表现为混合像元,因此研究亚像元尺度上植被的恢复是精确量化植被恢复的关键。本研究以2000年大兴安岭呼中自然保护区中8700 hm²火烧迹地为研究区,以两期（2014年6月1日和2010年6月22日）中分辨率Landsat ETM+影像（30 m）为基础数据,比较多端元光谱混合分析（Multiple Endmember Spectral Mixture Analysis,MESMA）和归一化植被指数（Normalized Difference Vegetation Index,NDVI）获得的植被盖度,以高分辨率（2 m）WorldView-2影像（2014年7月1日）为验证数据,对两种方法计算的植被盖度精度进行比较。结果表明,MESMA方法获得的植被盖度（R²=0.691）与传统的NDVI获得的植被盖度（R²=0.700）精度无统计差异,中烈度下获得的植被覆盖精度高于低、高火烧烈度。为验证同一端元能否运用到不同时相的Landsat影像中,本研究将从2014年影像中获取的最佳端元运用到2010年影像中获得植被盖度图,结果表明2014年与2010年得到的RMSE（均方根误差）均值分别为0.0015和0.0065,说明最佳端元可用于不同时相的影像分解。本研究表明MESMA方法可有效监测北方针叶林中火后植被盖度恢复,并可运用于时间序列遥感影像监测植被恢复动态。     

2000-2020年青海湖流域植被降水利用效率时空变化

植被降水利用效率(PUE)是评价植被生产力对降水量时空动态响应特征的重要指标。以年净初级生产力(NPP)数据、年降水量数据为基础,利用地理信息系统(GIS)和遥感(RS)技术,计算并研究了2000-2020年青海湖流域植被降水利用效率时空分布格局及其地形效应,结合年均气温、年均地表温湿度、年生长季光合有效辐射吸收系数和年植被覆盖度等数据,探讨了PUE与各因子间的相关关系。结果表明:(1)青海湖流域单位像元(1 km²)PUE平均值在0.4-0.7 gC m^-2 mm^-1间变化,平均为0.54 gC m^-2 mm^-1,且在年际间无显著变化趋势(R²=0.05, P≥0.05)。在空间上,青海湖流域多年PUE平均值环湖呈现不均匀分布,除青海湖东岸外,PUE值随湖面距离增大呈减小趋势;其高值区主要集中分布在青海湖西岸和南岸的半环区;年PUE变化趋势的斜率值为-0.05-0.04 gC m^-2 mm^-1 a^-1,其中显著变化的区域占流域面积的29.63%。(2)青海湖流域多年PUE平均值在海拔效应和坡度坡向两种不同微地形效应下表现出明显的差异。海拔每升高50 m,PUE值将减少0.02 gC m^-2 mm^-1;随坡度增加,PUE值呈降低趋势,平坡至险坡(>45°)的变化范围为0.3-0.61 gC m^-2 mm^-1;不同坡向PUE值表现为由东北坡向西南坡递减,范围为0.52-0.56 gC m^-2 mm^-1。(3)在空间上,青海湖流域PUE值与地表温度、光合有效辐射吸收系数、植被覆盖度和叶面积指数相关性较为明显。沿海拔梯度,空气温度和地表温度与PUE呈极显著正相关(R²=0.94, P<0.01; R²=0.98, P<0.01),光合有效辐射吸收系数、植被覆盖度和叶面积指数与PUE显著正相关(R²=0.89, P<0.05; R²=0.90, P<0.05; R²=0.86, P<0.05),地表土壤湿度与PUE无显著相关性(R²=0.16, P≥0.05)。评估了青海湖流域植被降水利用效率的特征及其与各因子间的相关关系,明确了植被对降水的利用能力及其耗水特性,可为青海湖流域植被保护和国家公园建设提供理论参考。     

滨海湿地植被地上生物量遥感反演

盐沼植被生物量是滨海湿地生态系统碳循环研究的重要参数,是湿地生态系统健康评价、资源可持续利用的关键指标,开展盐沼植被地上生物量监测方法研究具有重要意义。目前,遥感技术在湿地生物量监测领域已经得到广泛应用,但反演方法仍以统计模型为主,模型构建需要实测数据支撑,时空拓展性不强。选择江苏盐城丹顶鹤保护区为研究区,基于冠层辐射(PROSAIL)传输模型,通过局部和全局敏感性分析,对模型参数本地化,构建了互花米草地上生物量半经验反演模型,应用于Landsat 8 OLI遥感影像,获得了互花米草地上生物量的时空分布。研究结果表明,利用PROSAIL模型模拟互花米草冠层反射率,叶面积指数(LAI)、叶片干物质含量(Cm)、叶倾角分布参数(LIDF)、等效水厚度(Cw)、叶绿素含量(Cab)、叶片结构参数(N)为高敏感性参数,类胡萝卜素含量(Car)、土壤参数(P_soil)为低敏感性参数;利用不同时刻的遥感影像反演了地上生物量,遥感反演结果与实测数据对比,拟合度R²为0.83,均方根误差(RMSE)为0.43kg/m²,平均相对误差(MRE)为15.7%,精度较高,模型具有较好的时空普适性。研究发展了盐沼植被地上生物量遥感反演方法,解决了以往过于依赖现场实测数据构建反演模型的局限性,该方法可以为研究滨海湿地生态系统碳循环以及准确估算其碳汇潜力提供技术支持。     

基于高光谱数据的互花米草叶片功能性状反演

互花米草成功入侵的关键是其生长繁殖能力以及对环境的适应能力,叶片含水率、相对叶绿素含量、碳氮比、总氮、总磷以及比叶面积等叶片功能性状反应的是互花米草对资源的利用能力以及环境的适应能力。以江苏盐城滨海湿地为研究对象,进行互花米草叶片功能性状与高光谱数据的关系研究。通过对原始光谱数据以及一阶微分转换光谱数据进行主成分分析提取新的主成分变量作为自变量分别建立不同性状的逐步回归、BP神经网络、支持向量机、随机森林4种预测模型,通过比较构建模型的R²以及RMSE选择最优模型,进而基于相关性分析得到的敏感波段构建最优模型,验证其准确性和适用性。研究结果发现：（1）一阶微分数据的建模效果优于原始光谱数据;（2）通过对不同功能性状的预测建模,发现4种模型的预测效果排序为：随机森林>支持向量机>BP神经网络>逐步回归,其中随机森林模型的准确性高、稳定性强,明显优于其他3种模型,而逐步回归模型的效果最差,不适用于互花米草叶片功能性状的高光谱建模;（3）通过对相关性分析得到的敏感波段建立随机森林模型,建模R²均大于0.90,验证R²介于0.73-0.95之间,进一步证实了随机森林模型的准确性和稳定性。研究结果表明,高光谱数据可以作为快速监测互花米草生长状况的有力手段,而随机森林模型可以作为高精度模型实现对互花米草不同叶片功能性状的估测。     

昭苏县土壤含水量高光谱建模预测及其与植被生产力的关系

土壤是生态系统中不可或缺的组成部分,同时也是植物生长与发育的依托。土壤含水量直接影响土壤-植被生态系统中的水分和养分循环,从而决定植物的生长状态。因此,植被的生长状况与土壤含水量之间存在密切的关联。为了深入了解这种关系,本研究选取昭苏县3种优质牧草(冷蒿草、牛筋草和高羊茅)的地面实测高光谱数据作为研究对象,运用倒数、导数、对数等14种光谱变换方法,通过相关性分析找出与土壤含水量高度相关的特征波段,进行植被高光谱的土壤含水量建模预测,目的是要筛选敏感波长和最佳的反演模型。同时,利用CASA模型计算草地实际净初级生产力(ANPP),以分析土壤含水量与植被生产力的关联程度。结果表明:(1)昭苏县3种优质牧草在可见光波段光谱反射特征相似,而近红外波段差异较大,并且除25%-30%土壤含水量区间外,随着土壤水分增加,植被光谱反射率呈现明显下降趋势。(2)经过14种光谱变换后,昭苏县3种优质牧草的光谱反射率与土壤含水量间的相关性得到提高,尤其在R″、(1/R)''、(log R)''、(log 1/R)''、(R^1/2)″ 等光谱变换形式下,相关性较高,且特征波段数量较多。(3)在(1/R)''、(1/R)″、(log 1/R)″、(R^1/2)″等8种高光谱变换形式中,(R^1/2)″和(log 1/R)″变换下土壤含水量估算模型精度较好。(4)在过去20年间,昭苏县草地ANPP呈明显下降趋势,草地退化主要集中在平原地带,而植被生产力的减少是多因素作用的结果,土壤含水量只是一个微弱的影响因子。总之,本研究为土壤含水量反演及其与植被生产力关系研究中提供新思路,为土地可持续利用和管理策略的指定提供重要参考。     

基于MODIS时间序列反射率数据的雷竹林LAI反演

本文以雷竹林为研究对象,基于MODIS地表反射率数据构建了归一化植被指数(NDVI)、比值植被指数(SR)、Gitelson绿色植被指数(GI)、增强型植被指数(EVI)和土壤调整植被指数(SAVI)5种植被指数,并将其与MODIS 7个波段原始反射率数据作为遥感变量,采用逐步回归和相关分析两种方法进行变量筛选,结合LAI实测数据构建了逐步回归和BP神经网络两种模型,对雷竹林生态系统观测站点2014年1月-2017年3月LAI时间系列数据进行反演,并将反演结果与同时期MOD15A2 LAI产品进行对比分析.结果表明: SR为唯一入选逐步回归模型的变量;b₁、b₂、b₃和b₇以及5种植被指数与LAI之间的相关性均达到显著水平,可作为BP神经网络模型的输入变量.使用BP神经网络反演得到的LAI与实测LAI之间的相关性显著,R²为0.71,RMSE为0.34,RMSE_r为13.6%,其R²比逐步回归模型提高了10.9%,RMSE降低了5.6%,RMSE_r降低了12.3%,与MODIS LAI相比,其R²提高了54.5%,RMSE降低了79.3%,RMSE_r降低了79.1%.结合MODIS时间序列反射率和BP神经网络模型能够精确地反演雷竹林LAI,为实现基于遥感技术快速监测区域雷竹林LAI提供可行的方法.     

基于数字相机、ASTER和MODIS影像综合测量植被盖度

选择我国北方温带典型草原作为研究对象,基于Bottom-up方法,采用地表实测和多尺度遥感综合测量的方法,建立基于地表实测与多尺度遥感数据综合测量的两阶段植被盖度经验模型。此外,还将该模型与常用的亚像元分解模型相比较,结果表明:1)两阶段经验模型可以较好地实现将地面数据扩展到中尺度空间范围,从而完成数据空间尺度的转换,提高大区域草地植被盖度的测量精度;2)MODIS遥感影像数据,结合地面数据和ASTER遥感影像数据可以较好地在区域范围内对北方典型草原的植被盖度进行估测;3)目前常用的亚像元分解模型,应用于中空间分辨率的MODIS影像,估测北方温度典型草原植被盖度的精度不够理想。     

新疆喀纳斯国家自然保护区植被叶面积指数观测与遥感估算

叶面积指数(Leaf Area Index,LAI)是重要的植被结构参数,调控着植被与大气之间的物质与能量交换,在生态环境脆弱的我国西北部开展植被LAI的研究对阐明该地区植被对气候变化和人类活动的响应特征具有重要的科学意义.利用LAI-2200和TRAC仪器观测了新疆喀纳斯国家级自然保护区森林和草地的有效叶面积指数(LAIe)和真实LAI,构建了其遥感估算模型,生成了研究区LAIe和LAI的空间分布图.在此基础上,分析了LAI随地形因子(海拔、坡度、坡向)的变化特征,探讨了将其应用于估算研究区森林生物量密度的可行性,并评估了研究区MODIS LAI产品的精度.结果表明:研究区阔叶林、针阔混交林、针叶林、草地LAIe的平均值分别为4.40、3.18、2.57、1.76,LAI的平均值分别为4.76、3.93、3.27、2.30.LAIe和LAI的高值主要集中分布在湖泊和河流附近;植被LAI随海拔、坡度和坡向的变化表现出明显的垂直地带性的特点.LAI随海拔和坡度的增加呈现先增加后减小的变化趋势,坡向对针叶林和草地LAI的影响明显,但对阔叶林和针阔混交林LAI的影响较弱;森林生物量密度(BD)随LAI增加而线性增加(BD=44.396LAI-25.946,R2=0.83),研究区森林生物量密度平均值为120.3 t/hm2,估算的总生物量为5.0×l06 t;MODIS LAI产品与利用TM数据生成的LAI之间具有一定的相似性(森林R2=0.42,草地R2=0.53),但森林和草地的MODIS LAI产品分别比利用TM数据生成的LAI偏低16.5％和24.4％.     

基于中高分辨率遥感的植被覆盖度时相变换方法

植被覆盖度是衡量地表植被状况、指示生态环境变化的一个重要指标,也是许多学科的重要参数。传统的测量方法难以获取时间连续的面状数据,且耗时、耗力,很难大范围推广。遥感估算方法虽然可以弥补传统方法的不足,但由于云覆盖等天气条件的影响,获得同一时相覆盖整个研究区的遥感影像非常困难,时相的差异必然导致研究结果产生误差。针对植被覆盖度这一重要生态参数,结合低分辨率遥感数据的时间优势和中高分辨率遥感数据的空间优势,提出一种时相变换方法,将源于中高分辨率影像的植被覆盖度变换到研究需要的时相上。首先,利用像元二分模型计算MODIS尺度的时间序列植被覆盖度,并利用已经获得的SPOT影像计算其获取时相上的植被覆盖度;其次,利用土地利用图划分植被覆盖类型,并利用MODIS数据和土地利用数据之间的空间对应关系制作MODIS像元内各类植被覆盖的面积百分比数据;再次,利用面积百分比数据提取各类植被覆盖的纯像元,结合MODIS植被覆盖度时间序列,从而提取各类植被覆盖纯像元的植被覆盖度时间序列曲线;最后利用像元分解的方法提取MODIS像元内各类植被覆盖组分的植被覆盖度的变化规律,将其应用到该组分对应位置上SPOT像元的植被覆盖度上,从而将其变换到所需要的时相上。在密云水库上游进行试验,将覆盖研究区的10景SPOT5多光谱影像计算的植被覆盖度统一变换到7月上旬,结果显示:视觉效果上明显好转,且空间上连续一致;变换前后植被覆盖度的统计量对比结果也符合植被生长规律;利用外业样点数据与对应位置的植被覆盖度变换结果进行回归分析,结果发现各植被覆盖类型的R2均在0.8左右,表明变换结果与实测值非常接近,时相变换的效果较好,从而可以很好地促进相关研究精度的提高。     

华南地区亚热带树木叶面积指数的高光谱反演研究

为构建树种叶面积指数的估算模型,以NDVI、RVI、FREP、CIGreen、CIRed-edge、MSAVI2为高光谱特征变量,通过统计分析,确定反演树种叶面积指数的最佳光谱特征变量,构建华南农业大学校园内50种亚热带树木的叶片反射率和叶面积指数(LAI)模型。结果表明,6种高光谱特征变量与树种叶面积指数间都具有极显著相关性,其中红边位置反射率(FREP)和比值植被指数(RVI)与LAI的拟合方程的R2都大于0.8,决定系数分别为0.820和0.811。经过精度验证,FREP估算的均方根误差(RMSE)只有0.13,该回归模型为估测亚热带典型树种的叶片LAI最佳模型。从高光谱遥感的角度结合亚热带植被的群落结构特点来看,建立的红边位置光谱反射率与叶面积指数的回归模型普遍具有较高的拟合度,所以利用高光谱特征变量反演亚热带树木叶片的叶面积指数等植被参数的应用前景较好。     

岷江上游植被冠层降水截留的空间模拟

 通过对岷江上游实地踏查和定位观测研究,结合MODIS遥感数据,利用“3S”技术对岷江上游植被冠层降水截留进行了空间模拟。研究结果表明：岷江上游植被叶面积指数（LAI）与增强性植被指数（EVI）以二项式关系拟合效果较好。由于归一化植被指数（NDVI）存在的饱和问题,研究采用EVI反演LAI,统计结果表明：岷江上游LAI值在0～2之间的占28.57%,在2～4.5之间的占63.06%,大于4.5的占8.37%,其中LAI最大值为7.394;从冠层最大降水截留模拟结果来看: 植被较好的地区,如卧龙、米亚罗的植被冠层最大降水截留量较大,而干旱河谷、上游高山草甸等地的植被冠层最大降水截留量相对较低;附加冠层降水截留与降雨量呈线性相关,模型验证时以此为基础,模型模拟的结果较为理想。     

Inconsistencies of interannual variability and trends in long‐term satellite leaf area index products

Understanding the long‐term performance of global satellite leaf area index (LAI) products is important for global change research. However, few effort has been devoted to evaluating the long‐term time‐series consistencies of LAI products. This study compared four long‐term LAI products (GLASS, GLOBMAP, LAI3g, and TCDR) in terms of trends, interannual variabilities, and uncertainty variations from 1982 through 2011. This study also used four ancillary LAI products (GEOV1, MERIS, MODIS C5, and MODIS C6) from 2003 through 2011 to help clarify the performances of the four long‐term LAI products. In general, there were marked discrepancies between the four long‐term LAI products. During the pre‐MODIS period (1982–1999), both linear trends and interannual variabilities of global mean LAI followed the order GLASS>LAI3g>TCDR>GLOBMAP. The GLASS linear trend and interannual variability were almost 4.5 times those of GLOBMAP. During the overlap period (2003–2011), GLASS and GLOBMAP exhibited a decreasing trend, TCDR no trend, and LAI3g an increasing trend. GEOV1, MERIS, and MODIS C6 also exhibited an increasing trend, but to a much smaller extent than that from LAI3g. During both periods, the R² of detrended anomalies between the four long‐term LAI products was smaller than 0.4 for most regions. Interannual variabilities of the four long‐term LAI products were considerably different over the two periods, and the differences followed the order GLASS>LAI3g>TCDR>GLOBMAP. Uncertainty variations quantified by a collocation error model followed the same order. Our results indicate that the four long‐term LAI products were neither intraconsistent over time nor interconsistent with each other. These inconsistencies may be due to NOAA satellite orbit changes and MODIS sensor degradation. Caution should be used in the interpretation of global changes derived from the four long‐term LAI products.     

林地叶面积指数遥感估算方法适用分析

叶面积指数是与森林冠层能量和CO2交换密切相关的一个重要植被结构参数,为了探讨估算林地叶面积指数LAI的遥感适用方法和提高精度的途径,利用TRAC仪器测定北京城区森林样地的LAI,从Landsat TM遥感图像计算NDVI、SR、RSR、SAVI植被指数,分别建立估算LAI的单植被指数统计模型、多植被指数组合的改进BP神经网络,获取最有效描述LAI与植被指数非线性关系的方法并应用到TM图像估算北京城区LAI。结果表明,单植被指数非线性统计模型估算LAI的精度高于线性统计模型;多植被指数组合神经网络中,以NDVI、RSR、SAVI组合估算LAI的精度最高,估算值与观测值线性回归方程的R2最高,为0.827,而RMSE最低,为0.189,神经网络解决了多植被指数组合统计模型非线性回归方程的系数较多、较难确定的问题,可较为有效的应用于遥感图像林地LAI的估算。     

京津冀地区城市化对植被覆盖度及景观格局的影响

定量研究了2000—2010年,京津冀地区植被覆盖度及其景观格局的动态变化,揭示了城市化进程对植被景观的干扰过程及生态质量的影响。结果表明:(1)2000—2010年,城市化进程显著是京津冀城市群土地变化的一大特点,人工表面面积从2000年的1.79×10~4km~2增加至2.16×10~4km~2,增幅高达21.16%;(2)京津冀平均植被覆盖度呈增加趋势但不显著(P=0.46),存在明显的时空动态差异。在覆盖度结构上形成了以中低和中植被覆盖度为主导的格局;(3)从景观空间格局变化来看,中低、高覆盖度区域植被景观更加破碎,而低、中等覆盖度区域的植被面积增加,景观破碎度减小;尤其是低植被覆盖度为主的城市区域,景观格局变化幅度大,表现为绿地面积有所增加,景观破碎化程度降低,生态质量有所改善;(4)在整个研究区范围,城市化对区域植被覆盖度存在负面影响,表现为城市化程度与区域平均植被覆盖度存在负相关(P=0.08);但是在低植被覆盖度的区域(主要为城市区域),城市化程度与植被覆盖面积呈显著正相关(P0.001),表明城市区域在城市化进程中植被覆盖面积有所提高,生态质量有所改善,与城市化过程中,日益重视城市绿地的建设有关。