基于不同卫星光谱模拟的土壤电导率估算研究

土壤电导率 (Electrical conductivity, EC)是评价土壤盐渍化的重要指标。通过实测新疆艾比湖湿地自然保护区土壤EC及可见光—近红外光谱数据，利用波谱响应技术模拟Landsat 8 OLI、Sentinel 2、Sentinel 3卫星的宽波段数据。构建宽波段模拟数据及其5种预处理后的三维光谱指数 (Three-dimensional spectral index, TDSI)，采用梯度提升回归树算法 (Gradient boosting regression tree, GBRT) 建立3种卫星土壤EC估算模型，并比对加入TDSI后模型精度的变化。结果表明：在不同土壤EC条件下，3种卫星具有相似的光谱趋势，均在红、近红外波段附近反射率较高；TDSI与土壤EC相关性基本均在0.4以上，最大程度保留了与土壤EC敏感度高的红、绿、蓝、近红外、短波红外波段信息；GBRT对于土壤EC估算能力表现突出，3种卫星对土壤EC的最佳预测精度R²分别为0.831、0.847、0.903，在加入TDSI后，R²分别提高至0.835、0.857、0.935，综合分析发现，Sentinel 3对土壤EC估算效果最佳 (R²=0.935，均方根误差RMSE=2.986 mS·cm^-1，赤池信息准则AIC=57.500)。通过利用波谱响应技术结合TDSI深度挖掘波段间的协同信息，采用GBRT验证了不同卫星对土壤R²的估算效果，二者相结合可以有效提升模型预测精度，为干旱区土壤盐渍化定量监测与防控提供有利指导。     

基于减小叶片水分影响的湿地芦苇氮浓度高光谱反演研究

以盘锦双台河口湿地国家级自然保护区作为研究区,采用基于bootstrap的偏最小二乘回归模型（PLSR）,分别构建不同光谱变换技术（包括光谱水分影响减小技术WR、包络线去除CR、光谱一阶微分FD、光谱倒数的对数LR）和原光谱数据（R）的芦苇叶片氮浓度预测模型。使用变量投影重要性指标VIP,计算了各光谱波段在估算芦苇叶片氮浓度时的重要性。研究结果表明,WR光谱变换技术的芦苇叶片氮浓度估算精度最高（R²=0.87,均方根误差=0.57）,该方法可以有效减小叶片水分的影响,增强鲜叶片光谱中细微的氮吸收特征。     

青海湖高寒湿地生态系统CO2通量和水汽通量间的耦合关系

利用涡度相关技术对青海湖高寒湿地生态系统不同时间尺度CO₂通量和水汽通量间的耦合关系进行了研究。结果显示：不同天气条件下青海湖高寒湿地生态系统30 min净CO₂交换量（NEE）与水汽通量间均显示了极显著负相关关系（P<0.0001）;30 min总生态系统生产力（GEP）与水汽通量呈极显著线性正相关关系（P<0.0001）;阴天水汽通量参与生态系统净CO₂交换和生态系统总碳吸收的比例最高。月均30 min NEE与水汽通量呈极显著线性负相关（R²=0.71,P<0.0001）。从植物返青期、生长期至枯草期,月均30 min的GEP与水汽通量不仅呈极显著线性正相关（P<0.0001）,且在生长期和枯黄期阶段表现出极显著一元二次多项式关系（P<0.0001）。在日尺度上,NEE日总量与日蒸散量呈极显著一元二次多项式负相关关系（R²=0.58,P<0.0001）;GEP日总量与日蒸散量呈极显著指数正相关（R²=0.42,P<0.0001）。在月尺度上,NEE月总量与月蒸散量呈极显著线性负相关（R²=0.60,P<0.0001）,两者还表现为极显著一元二次多项式负相关关系（R²=0.63,P<0.0001）。GEP月总量与月蒸散量呈极显著线性正相关（R²=0.51,P<0.0001）,且表现出极显著指数正相关关系（R²=0.64,P<0.0001）。     

新疆焉耆盆地LAI反演及空间分布特征

叶面积指数（LAI）是生态系统物质和能量循环过程的重要结构参数。研究植被LAI对监测估算生态环境极其脆弱的内陆干旱区具有理论和实践价值。使用LAI-2000植物冠层分析仪观测焉耆盆地植被LAI,并结合Landsat OLI的NDVI、SAVI、NDMI、NBR、NBR2、MSAVI和EVI等植被指数数据建立了LAI的反演模型,探求焉耆盆地LAI的空间分布特征及规律。结果表明：（1）各植被指数与观测的LAI均有明显的相关性。其中,SAVI与LAI的对数函数模型更好地模拟出研究区的LAI（R²=0.84）;通过LAI-SAVI模型反演研究区LAI的空间分布,估算精度可达89%（R²=0.82,RMSE=0.23）;（2）博斯腾湖小湖湿地、博斯腾湖大湖西北端的黄水沟入湖沼泽区以及焉耆盆地北部冲洪积扇平原绿洲区的LAI值较高,达3.85;焉耆盆地山区和平原区之间的过渡带和博斯腾湖南部的沙漠区LAI较低;（3）焉耆盆地LAI以博斯腾湖为中心环状分布,LAI随着研究区域与湖、河流距离的增加而逐渐降低的趋势。     

基于无人机遥感的高寒草原沙化模型及等级划分

高寒草原是青藏高原草地生态系统的主要组成，在防风固沙、野生动物保育等方面具有重要作用。近年来，在全球气候变化和人为干扰加剧的背景下，高寒草原沙化加剧，基于时空尺度监测范围及程度是防治高寒草地沙化的前提。以青海三江源区玛多县的高寒草原为研究区，结合大疆“精灵3”和“经纬M100”旋翼无人机和地面调查，探讨基于无人机遥测的植被指数在草地沙化调查方面的适宜性，以此为基础制定了高寒草原沙化模型及等级划分标准。结果显示：（1）通过对VDVI（Visible-Band Difference Vegetation Index）、ENDVI（Enhanced Normalized Difference Vegetation Index）和NGRDI（Normalized Green-Red Difference Index）指数与草地沙化指数GDI（Grassland Desertification Index）的相关分析，选取出高寒草地沙化研究最优植被指数为VDVI（R=0.9055）；（2）GDI与VDVI的关系模型为VDVI=0.3024GDI²-0.0335GDI+0.0119（R²=0.9326）。模型相对误差为1.779%（RMSE=0.165，R²=0.7447），拟合精度较高；（3）基于无人机遥感植被指数的聚类分析，将研究区高寒草原沙化划分为5个等级，即无明显沙化（VDVI>0.2247）、轻度沙化（0.1493 < VDVI < 0.2246）、中度沙化（0.0924 < VDVI < 0.1492）、重度沙化（0.0692 < VDVI < 0.0923）和极度沙化（VDVI<0.0692）。     

基于无人机遥感的南岭山地树冠与树干性状关联研究

以南岭山地不同海拔高度的冠层树种为研究对象,通过无人机遥感手段获取冠幅、冠周长和冠面积（CA）等树冠性状,探讨其与基径（BD）、胸径（DBH）、2米径（D2）和4米径（D4）等树干性状间的关联性,并构建了冠面积与树干性状间的回归方程。结果表明：南岭山地树冠性状与树干性状的典型变量显著相关（R=0.89,P<0.01）,并且这种相关性随海拔的升高（600 m到1 600 m）总体呈“M”型变化。其中,冠面积与树干性状间的相关性最高,可作为单一自变量反演树干性状,具体方程为：DBH=0.35CA+14.88（R²=0.67）,BD=0.41CA+17.89（R²=0.82）,D2=0.33CA+14.14（R²=0.84）,D4=0.35CA+11.3（R²=0.86）。文章构建的冠面积与树干性状间的回归方程,可作为南岭山地森林生物量遥感反演的基础,也可用于指导南岭森林生态系统的长期监测。     

黄河三角洲滨海地区植物生长季大气氮沉降动态

利用SCJ-302型降水降尘自动采样器在植物生长季对黄河三角洲滨海湿地的大气氮沉降进行监测,对沉降物中水溶性离子、干、湿沉降氮输入量、铵态氮和硝态氮在总沉降量中的贡献率及月变化动态等分析表明：黄河三角洲植物生长季,大气干、湿沉降中SO₄^2-和NO₃^-占阴离子总量的92%以上,和Na⁺和Ca²⁺占阳离子总量的80%以上,总N沉降量约为2 264.24 mg/m²,且69%集中在降雨量较丰沛的6-8月。其中干沉降氮贡献率约为32.02%,主要集中在春季。N的湿沉降量与降雨量呈显著正线性相关（R²=0.82）,在降雨量丰沛的8月,达到最大值675.64 mg/m²。该地区大气干沉降的氮素形态以硝态氮为主,约占氮素输入量的57.21%,湿沉降中以铵态氮为主,约占氮素输入量的56.51%。植物生长季中,大气沉降中的硝态氮与铵态氮含量对表层10 cm土壤的月平均贡献率分别为约31.38%和20.50%,可见大气氮沉降是黄河三角洲滨海区域土壤主要氮素来源之一。     

基于TM影像的荒漠绿洲交错带土壤有机质含量反演模型

选取Landsat TM影像的光谱反射率（R）、反射率之倒数（1/R）、反射率倒数之对数（lg（1/R））、反射率一阶导数（FDR）、波段深度（D）等5种光谱指标,分别建立了奇台县土壤有机质（SOM）含量的反演模型,并利用F检验来验证模型的显著性。结果表明：用各光谱指标建立的土壤各层和不同深度SOM含量的反演模型精度值由低到高的顺序均为lg（1/R）<R<1/R<FDR<D,以D反演SOM含量的模型效果最好,且对10～20 cm的SOM含量的反演精度最高,适用于对研究区SOM含量的反演,FDR的反演效果次之,1/R和R的模型精度一般,而lg（1/R）的模型精度最差;各层拟合模型的反演精准度由低到高的顺序为50～60 cm <40～50 cm <30～40 cm <20～30 cm <0～10 cm <10～20 cm,不同深度反演模型的优劣为0～60 cm <0～50 cm <0～40 cm <0～30 cm <0～10 cm <0～20 cm。     

科尔沁沙地中南部34种植物叶功能性状及其相互关系

以科尔沁沙地中南部34种主要植物为研究对象,分别测定叶片鲜重(FW)、干重(DW)、干物质含量(LDMC)、面积(LA)和比叶面积(SLA),比较不同生活型(一二年生草本、多年生草本、灌木)和功能型(C₃、C₄植物)的叶片性状的差异性,探讨沙地植物叶片性状相互之间的内在联系及其对环境的适应性。结果表明:一二年生草本的LDMC(0.23 g·g^-1)显著小于多年生草本(0.31 g·g^-1)和灌木(0.32 g·g^-1);而一二年生草本的SLA(22.14 m²·kg^-1)显著大于多年生草本(17.18 m²·kg^-1)和灌木(13.41 m²·kg^-1)。一二年生和多年生C₄植物的LDMC显著大于C₃植物;多年生C₄植物SLA显著大于C₃植物;C₃植物的LDMC表现为一二年生草本<多年生<灌木。沙地植物的叶鲜重、叶干重和叶面积三者间极显著正相关,植物叶干重与SLA显著负相关;C₄植物和多年生植物叶干重与SLA显著负相关。沙地不同生活型、功能型植物叶片的功能性状差异明显,沙地灌木和多年生植物能够较强的适应干旱环境,一二年生草本则具有较强的保持体内营养和获取土壤资源的能力。     

荒漠绿洲湿地水分来源及植物水分利用策略

水分是干旱区不同景观界面间的水分循环过程与水力联系的主体,维持着干旱区湿地生态系统的结构与功能。为量化水分来源及其对植物水分的贡献率,以河岸灌木湿地和草地盐沼湿地为研究对象,通过测定降水、径流、地下水、土壤水和植物水中δD、δ¹⁸O组成,利用多源线性混合模型分析水分来源对荒漠植物水分利用的贡献率。结果表明：（1） 黑河流域荒漠绿洲湿地年均降水量104.6 mm,约占蒸散量（604.47 mm）的17.03%,具有明显的季节性分布特征。地下水位与土壤含水量的波动取决于河流距离,离河道较近的河岸灌木湿地地下水深度及土壤含水量随季节波动较小,而离河道较远的草地盐沼湿地则变化很大。（2） 当地大气降水线δD=6.33δ¹⁸O+4.04 （R²=0.931）,斜率和截距均略小于全球大气降水线则符合黑河流域湿地整体降水少而蒸散量大的特点。黑河径流δD和δ¹⁸O均值分别为-43.80‰±12.09‰和-8.65‰±23.33‰,地下水为-50.98‰±13.18‰和-9.74‰±25.49‰,土壤水为 -42.07‰±6.89‰和-7.22‰±2.49‰,植物水为-51.84‰±14.46‰和-8.50‰±24.13‰。（3） 地表蒸发是荒漠绿洲湿地土壤氢、氧同位素富集的主要原因。地下水和河水分别是草地盐沼湿地与河岸灌木湿地的主要水分来源,贡献率分别约为61%和50%,表明湿地植物相比于干旱区脉冲式降水更依赖较为稳定的水源。（4） 植物根系深度和毛细根分布是决定荒漠绿洲湿地植物水分利用策略的重要因素。     

中国森林叶片功能属性的纬度格局及其影响因素

为了探究森林植物叶片功能属性的地理格局及其影响因素,在2013年7-8月期间系统调查了中国东部南北样带9个森林生态系统的847种植物的叶片面积（LA）、叶片厚度（LT）、比叶面积（SLA）和叶片干物质含量（LDMC）,并结合群落结构计算了各属性的群落加权平均值（LA_CWM、SLA_CWM、LT_CWM和LDMC_CWM）。结果显示：847种植物的LA、LT、SLA和LDMC的平均值（±标准误）分别为2860.01±135.37 mm²、0.17±0.003 mm、20.15±0.43 m² kg^-1和 316.73±3.81 mg g^-1。SLA和LDMC表现出了明显的纬度格局,随着纬度增加,SLA逐渐增加,LDMC降低;然而,LA和LT沿纬度的变化趋势不明显（R² = 0.02 ~ 0.06）。不同植物类型之间叶片属性的差异是影响LA、LT、SLA和LDMC空间变化的主要因素;叶片功能属性的群落加权值表现出了更加明显的纬度分布格局（R² = 0.46 ~ 0.71）,这主要受到了气候因素和土壤N含量的影响。本文结果完善了中国区域森林生态系统叶片功能属性地理分布的数据库,同时强调了在研究植物属性空间格局时,考虑群落结构在尺度扩展中的重要性。     

大连市大气污染物质量浓度与气溶胶光学厚度的相关性分析

分别对2015年6~12月和2016年6~12月大连地区的大气污染物PM2.5、PM10、SO₂、NO₂、CO和O₃的浓度数据进行数据统计分析,基于ENVI软件平台利用MODIS数据反演大连地区的气溶胶光学厚度,通过回归建模研究气溶胶光学厚度与大连地区10个地面监测站点的大气污染物PM2.5、PM10、SO₂、NO₂、CO和O₃的浓度数据的相关性。回归建模以气溶胶光学厚度（AOD）为自变量,以大气污染物PM2.5、PM10、SO₂、NO₂、CO和O₃为因变量,在SPSS软件中分别选取线性、对数、三次、乘幂、指数5种函数类型进行研究,通过对比回归模型的拟合优度R²,选择最优拟合模型,探讨利用遥感数据反演气溶胶光学厚度监测大气污染的相关性。结果表明：气溶胶光学厚度与NO₂、PM2.5和PM10的最优拟合模型均为三次模型,其拟合优度R²分别是0.685、0.801和0.845;与O₃和SO₂的最优拟合模型为指数模型,其R²为0.367和0.482;与CO的最优拟合模型为对数模型,其拟合优度R²为0.810。该结果为分析大气气溶胶污染来源以及治理提供了数据。     

基于离子光谱特征波段反射率的土壤碱化指标反演模型

以新疆奇台地区碱化土壤为研究对象,通过分析碱化土壤实测光谱反射率曲线与八大离子、pH、碱化指标相互间的相关关系,建立基于离子光谱特征波段反射率的各碱化指标一元及多元光谱反演模型,并对其精度进行验证。结果显示:Na^+、CO_3^2-、HCO_3^-含量与光谱反射率正相关,最高点的相关系数分别为0.710、0.798、0.749,而Ca²⁺、Mg²⁺含量与光谱反射率负相关,相关系数最高均不超过-0.370,反映出前3类离子含量与光谱反射率关系更为密切。SAR(钠吸附比)和ESP(碱化度)与Na+相关系数同为0.954,TA(总碱度)、RSC(残余碳酸钠)、pH与CO_3^2-的相关系数分别为0.946、0.949和0.953,总体上Na^+和CO_3^2-含量对各碱化指标的影响更大。各碱化指标与土壤光谱反射率的相关性TA>RSC>ESP>pH>SAR;其中TA与光谱反射率的相关系数达到0.863。碱化指标TA的离子光谱特征波段反射率反演模型精度最好,其R^2为0.703,比利用实测光谱反射率建立的pH反演模型的R^2高约14%,说明前者精度更高,能更好地反映研究区内土壤的碱化程度。利用离子光谱特征波段反射率实现对土壤碱化的预测会成为今后研究的重点。     

MODIS和Landsat时空融合影像在土壤盐渍化监测中的适用性研究——以渭干河—库车河三角洲绿洲为例

土壤盐渍化的遥感监测依赖于高时空分辨率影像,但受经费预算、卫星回访周期及天气的影响,高时空分辨率的遥感影像较难获取,这就限制了根据采样时间来获取对应时期遥感影像进行土壤盐渍化监测反演的应用。为此,提出融合MODIS和Landsat影像生成高时空分辨率影像来提取土壤盐渍化信息,为时空影像进行土壤盐渍化监测研究提供数据参考。以渭干河—库车河绿洲为研究区,利用增强型时空自适应融合率反射模型（Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）和灵活的时空融合模型（Flexible spatiotemporal data fusion,FSDAF）,对MODIS和Landsat影像进行时空融合,并基于融合影像数据构建了关于土壤电导率（EC）的随机森林（RF）预测模型,对比分析时空融合影像应用于土壤盐渍化遥感监测的适用性。结果表明：ESTARFM融合影像的特征波段反射率与Landsat验证影像对应波段反射率一致性决定系数R²（Red）=0.8066、R²（SWIR2）=0.8444;FSDAF融合影像的特征波段与Landsat验证影像对应波段反射率一致性决定系数R²（Red）=0.6999、R²（SWIR2）=0.7493;基于ESTARFM融合影像构建的EC值预测模型精度最高,R²=0.9268,基于FSDAF融合影像构建的EC值预测模型精度良好,R²=0.8987,基于验证影像构建的EC值预测模型R²=0.9103; ESTARFM模型的融合精度高于FSDAF模型,并且基于融合影像构建的EC值预测模型效果良好。     

黑土区土壤有机质和全氮含量遥感反演研究

以东北典型黑土区耕地为研究区,以Sentinel-2A（全球环境与安全监测计划的第二颗卫星,于2015年6月23日发射）影像作为数据源,构建光谱指数,分别采用多元逐步线性回归（Multiple Stepwise Linear Regression, MSLR）和随机森林（Random Forest, RF）算法建立土壤有机质（SOM）和土壤全氮（STN）预测模型,并采用十折交叉验证方法评估模型的性能。研究对比分析了不同气候、土壤类型和地形下土壤有机质和全氮的空间分布差异。研究表明：① 海伦示范区的SOM和STN含量最高,其年均温最低,高程最高,年降水量多,SOM含量升高,其年均温最低,年降水量多,STN含量升高;② 与基于多元逐步线性回归算法建立的SOM和STN预测模型相比,随机森林算法建立的SOM和STN预测模型,有着更高的精度和稳定性;③ 运用RF算法建立的SOM反演模型的R²为0.96,均方根误差为5.49 g/kg,STN反演模型的R²为0.95,均方根误差为0.27 g/kg; ④ 不同示范区统一建立SOM和STN预测模型,有助于提高预测精度,实现跨区域建模与制图。     

科尔沁沙地优势固沙灌木的生物量预测模型

灌木生物量预测模型对于快速估算固沙灌木林生产力具有重要作用。以科尔沁沙地3种常见的固沙灌木小叶锦鸡儿（Caragana microphylla）、差不嘎蒿（Artemisia halondendron）、黄柳（Salix gordejevii）为对象,基于对灌木地上、根系和整株生物量及高度、冠幅等的测定,建立3种灌木地上、根系和总生物量的估算模型,通过决定系数（R²）、估计值的标准误（SEE）和回归检验显著水平（P<0.05）筛选最优的生物量预测模型。结果表明：小叶锦鸡儿和黄柳生物量的最佳估算变量为冠幅体积,而差不嘎蒿的最佳预测变量为冠幅面积。幂函数回归模型具有最大的R²和较小的SEE,说明相对生长方程是估算小叶锦鸡儿、黄柳、差不嘎蒿灌木生物量较理想的模型。通过实测值检验,3种灌木幂函数模型预测生物量的预估精度在93%以上,具有较好的预测精度。