三江源区毒杂草型退化草地植被光谱特征分析

毒草型退化草地具有群落演替特点,通过高光谱遥感技术反演毒杂草分布与退化草地群落结构能对该类退化草地进行有效监测,而光谱特征分析是毒杂草与优良牧草遥感识别的基础。本文选取了三江源区毒草型退化草地的8种典型毒杂草和4种优良牧草的地面实测高光谱数据作为研究样本,经过SG平滑、包络线去除、导数变换和光谱参量化对毒杂草种和优良牧草种的光谱特征进行了分析,并通过马氏距离法提取其特征识别波段。结果表明：① 8种典型毒杂草和4种优良牧草的 “近红外峰值”差异较大,其中鹅绒萎陵菜的“近红外峰值”达到60.07%,而最小者早熟禾仅为17.53%;② 经包络线去除处理后,植被光谱曲线中吸收谷和反射峰光谱差异更加明显,且可减少环境背景对植被光谱的影响,如沼泽草甸的鹅绒委陵菜和驴蹄草,其“绿峰幅值”分别为6.46%和6.89%,经处理后其“绿峰指数”分别为0.2866和0.3671,而在2种环境下生长的同一草种（狼毒草1和狼毒草2）的峰谷特征差异不明显;③ 基于马氏距离法提取的毒杂草与优良牧草的敏感识别波段主要分布在680~750 nm和900~1000 nm波长范围内,以醉马草与矮嵩草为例,其基于反射率的敏感识别波段为713.1~737.1 nm和934.6~965.6 nm。该研究可为利用高光谱遥感进行大面积毒杂草草种识别和植被群落生长监测提供重要科学依据,对于三江源区毒杂草的监测防治和畜牧业的可持续发展具有重要意义。     

三江源生态工程实施以来草地恢复态势及现状分析

三江源生态保护与建设工程实施以来,区域生态环境发生了明显的改善。为了正确认识该地区草地退化恢复的程度及其空间分布特征,本文通过对比分析2004年和2012年2期遥感影像,利用人工解译的手段获取了工程实施后三江源地区退化草地变化态势数据集,并在此基础上分析了退化草地的恢复态势,以及草地退化现状的空间格局特征。结果表明：① 2004-2012年三江源生态工程实施以后,该地区草地退化呈现不同程度的减缓态势,而且局部地区草地状况明显好转;② 三江源地区各县草地退化趋势基本得到控制,退化草地变化以轻微好转和明显好转为主,退化发生和退化加剧现象仅发生在极少数县;③ 2012年三江源退化草地面积比2004年降低了5.78%,其中中度退化草地的面积减少最显著,下降了5.35%。黄河源和长江源草地退化的形势依然比较严峻,玛多县、曲麻莱县、称多县北部和治多县东南部草地退化最明显。三江源生态工程自实施以来,草地恢复态势及现状分析对归纳总结三江源生态保护与建设一期工程的成功经验和基本教训,以及合理指导二期工程的实施具有重要的科学意义。     

草地退化杂类草入侵遥感监测方法研究进展

近年来,受全球气候变暖及日趋频繁的人类活动的共同影响,我国草地生态系统出现了不同程度的退化,成为草地生态学界的研究热点。本文较系统总结了草地退化、杂类草入侵遥感监测方法的应用进展,指出了常规草地退化遥感监测方法的不足,并展望了今后的发展方向。研究发现草地退化在群落尺度上往往表现为优质牧草种类减少,杂类草种类增加。在草地退化过程中,杂类草侵入,往往导致植被覆盖度增加,因而传统的基于植被覆盖度、生产力和产草量下降的草地退化遥感监测方法,无法反映草地退化在植被种群方面的变化特征,尤其是杂类草入侵的草地退化过程。而目前基于高光谱数据的草地退化杂类草入侵监测方法,结合地面光谱测定和对退化草地物种特征微弱光谱差异的定量分析,能有效识别群落中杂类草种类,并反演出占群落的面积比例、高度和盖度等,可为草地退化监测及其治理提供群落演替过程及其态势的重要指标,为草地退化监测提供新的遥感技术方法。     

三江源南部草地退化时空特征分析

本文利用三江源南部1977年MSS、1990年TM和2004年TM三期遥感影像,结合1∶10万地形图、1∶100万草地图、1∶100万植被图和野外考察等资料,分析该区草地退化的时空变化特征和规律。结果表明:该区草地总体呈轻度退化,即为轻度破碎化退化、轻度覆盖度下降、轻度破碎化和轻度覆盖度下降复合型退化,共占研究区退化总面积的84.3%;轻度退化草地主要散布在唐古拉山东北部区域,中度退化草地多数分布于河流、居民点周围,草地轻度沙化/盐化退化主要发生在湖盆周围、河岸附近、滩地等区域。草地退化面积随海拔高度升高近似于正态分布,退化面积集中4 400～5 300m左右。1977～1990年和1990～2004年前后两期草地退化面积占研究区草地面积12.6%和18.9%,指示着草地状况的恶化。同时,对前后两个时段比较发现,草地退化发生以破碎化为先导,随后发生覆盖度持续降低。沼泽和沼泽化草甸的变化反映了区内气候的趋干化。另外,受气候条件等因素的影响,前期草地和沼泽变化有转好迹象。     

四川草原MODIS数据的产草量估算

四川草原是我国5大牧区之一,其可利用的天然草地占全省草原总面积的85%,准确掌握草原产草量信息对草原管理和当地经济发展具有重要意义。本研究利用2011年7月MODIS不同分辨率(250m、500m、1km)NDVI、EVI产品和同期地面调查数据(共181个采样点),对四川草原4种主要草地类型(即高寒草甸草地、高寒灌木草地、高寒沼泽草地和山地疏林草地)产草量鲜重分类型建立估产模型。研究发现,NDVI对该地区4种主要草地类型产草量的拟合效果普遍优于EVI;相对于500m和1km的遥感数据,250m的遥感数据拟合效果较好;分草地类型建立模型的效果优于对全体样本建立模型;该地区除高寒沼泽草地用幂函数模型拟合效果较好外,其余均用指数模型进行建模效果较好;对该地区各草地类型建立的最优估产模型,精度均在70%以上,回归判定系数R2在0.75以上;利用最优模型对2011年四川省草原进行估产,总体估产精度约为90%。     

基于光谱时间序列拟合的中国南方水稻遥感识别方法研究

多云多雾现象是农作物遥感分类经常遇到的问题,影响分类精度。为解决此类问题,本文提出一种基于时间序列GF-1号遥感影像识别水稻方法。利用多时相时间序列的GF-1号遥感影像提取中稻、晚稻的近红外波段（NIR）反射率、红光（R）波段反射率、归一化植被指数（NDVI）特征;拟合光谱和植被指数时间序列特征曲线;分析多时相影像离散近红外波段 、红光波段、NDVI值落在拟合中稻、晚稻近红外波段、红光波段、NDVI时间序列曲线两侧的敏感性区域的比例,该区域也可以视为水稻作物识别特征的目标特征区域,只有达到一定的比例才能视为某类水稻作物。在此情形下,需要综合3种情况进行集中投票决定其最终分类结果。研究表明：该方法可以在多云雾地区对中稻和晚稻精确识别,中稻和晚稻用户精度可达95.97%和95.95%,总体精度为95.76%,kappa系数为0.9335。实验结果表明了NIR、R、NDVI时间序列曲线拟合的有效性,以及拟合曲线目标特征区域设置的合理性。     

潮滩表层沉积物含水量的高光谱预测模型与反演分析

潮滩土壤含水量具有变化频率快、空间变化大的特征,是影响潮滩地表反射率的重要因素。潮滩土壤含水量的精确提取,可为潮滩特征地物信息遥感反演提供基础。本文利用江苏大丰王港潮滩4种典型沉积物、449组不同含水量对应的实测光谱曲线数据进行特征分析,构建高光谱预测模型,实现了潮滩沉积物含水量的遥感反演。研究结果表明:(1)在短波红外波段,沉积物含水量与反射率之间存在良好的分段线性相关关系,分段点对应的含水量分别为42%和62%;(2)1165nm、1336nm、1568nm和1780nm特征波段反射率,对含水量变化具有良好响应,由特征波段组合计算得到的差值水指数DWI、比值水指数RWI和归一化水指数NDWI与含水量呈显著线性相关,可有效改善单波段反射率与含水量之间的分段线性关系;(3)3个水指数中,DWI反演的含水量精度优于RWI和NDWI,且对不同含水量大小均有良好适应性,而RWI和NDWI更适合含水量变化范围中等的情况;(4)对于粉砂、砂质粉砂、粉砂质砂和砂4种沉积物类型,DWI1336,1780验证组模拟含水量与实测含水量的相关系数,分别为0.891、0.915、0.920和0.905,均方根误差分别为9.87%、3.56%、4.24%和2.98%,表明由DWI构建的高光谱遥感反演模型,可有效实现潮滩表层含水量的时空变化预测。     

铅污染水稻的冠层高光谱特征研究

本研究通过铅污染土壤中的水稻盆钵栽培试验,考察了水稻对土壤重金属铅的吸收以及铅对水稻生长的胁迫,并借助地面高光谱辐射仪器获取多个生育期（苗期、分蘖前期、分蘖盛期、拔节期和孕穗期）的水稻冠层高光谱反射数据。在进行光谱测量的同时测定了水稻植株体内的铅含量与冠层叶片叶绿素含量。分析结果表明:铅污染胁迫下水稻冠层叶片叶绿素含量与叶绿素a、b组成变化明显,可见光区间520nm～560nm和630nm～690nm处是铅污染水稻对冠层反射高光谱敏感的特征波段。通过模拟高光谱分辨率遥感传感器MODIS的相应波段（第4通道:545nm～564nm、第1通道附近:620nm～670nm）以及考虑叶绿素的荧光特征（760nm）,本研究分别选择敏感波段中的552nm,672nm与760nm构造了复合归一化污染指数CNDPI（Compos-ite Normalized Difference Pollution Index）,分析发现CNDPI能够明显地区分不同铅污染水平的水稻。在分蘖前期采用适当的冠层光谱反射率形式（敏感波段、CNDPI）可以实现水稻铅污染的遥感监测。     

星载高光谱Hyperion数据在海滩涂调查应用中的分析

以江苏苏北地区为研究区,较系统地分析了目前世界上星载传感器中光谱分辨率最高的EO-1卫星Hyperion数据的基本特点和处理方法,研究了将图像的灰度值转变为辐射能量值和反射率的方法和步骤,并选取了15类典型地物,进行了样本采集、辐射亮度和反射率反演,最后对典型地物的光谱曲线进行综合分析研究,并概括了苏北沿海滩涂典型地物的基本光谱特征。     

传感器波段设置对植被遥感参数反演的影响研究

植被是陆地生态系统的基本组成部分,遥感观测的植被冠层反射特性与植被参数之间的响应关系是植被遥感的基础,也是遥感传感器设计的关键.利用Sobol算法和PROSAIL模型,对叶绿素含量和叶面积指数等植被参数进行全局敏感性分析,研究植被参数在典型遥感波段(蓝、绿、红、红边和近红外)的响应敏感性,并对比了由传感器的中心波长和波段宽度差异造成的影响.结果表明,在480～680nm可见光波段,冠层反射率对叶绿素含量变化的总敏感度达81.3％,且在宽波段的传感器中更敏感;在720～735nm红边波段,太阳天顶角的总敏感度可达7.2％,且在宽波段的传感器更敏感;在790～960nm近红外波段,干物质含量的总敏感度达60.5％,且在窄波段的传感器中略敏感.研究结果对无人机遥感应用等领域提供理论依据,对传感器的选择具有参考价值.     

南方红壤侵蚀区长汀县不同生态恢复年限下芒萁叶绿素含量的高光谱估算模型

芒萁是南方红壤侵蚀区生态恢复重要的地带性草本植物,对生态系统修复具有重要作用,监测其叶绿素含量能有效诊断生长健康状况。本文以福建省长汀县朱溪流域6个不同生态恢复年限下的芒萁叶片高光谱反射数据以及实测叶绿素含量为数据源,借助高光谱遥感技术分析不同恢复年限芒萁叶片原始光谱特征,筛选出光谱敏感波段并构建光谱指数,基于相关性分析,建立芒萁叶绿素单变量以及多元逐步回归模型,并确定最佳估算模型。结果表明：高光谱指数建立的单变量估算模型中,改进红边归一化植被指数（mNDVI₇₀₅）、叶面叶绿素指数（LCI）、红边指数（Vog）、比值光谱指数（RVI_603/407）、NDVI[603,407]高光谱指数建立的二次模型精度高,建模决定系数R²均超过了0.8,其中以高光谱指数为自变量建立的多元回归模型拟合R²值（0.886）最高。综合建模精度和模型验证精度,LCI指数构建的单变量模型以及基于高光谱指数的多元回归模型是估算芒萁叶片叶绿素含量最佳模型。本研究建立的叶绿素高光谱估算模型对快速、无损地监测水保植物芒萁生长具有重要意义。     

土壤有机质含量估测及其影响因素的光谱分析

 土壤颗粒大小差异使土壤反射光谱产生相应变化,影响土壤有机质含量等属性的光谱预测精度。本研究准备了颗粒粒径分别为2、0.25和0.15mm的土样,测定土壤有机质(Soil Organic Matter,SOM)含量,并于室内模拟条件下测定其反射光谱。通过分析不同粒径土样的原始(Raw)、多次散射校正(Multiple scattering correction, Msc)、一阶微分(First derivative, Fd)、连续统去除(Continuum removal, Cr)光谱与SOM含量之间的关系,筛选出与SOM含量相关性最强的Fd光谱单波段(2250nm, r=0.82, P<0.01),并建立线性回归模型;利用全波段光谱反射率,以偏最小二乘回归(Partial least square regression, PLSR)方法,确立2mm土样Msc处理光谱的PLSR模型为最优模型(RPD=3.56、R²=0.90、RMSEP=1.96g/kg)。土壤颗粒粒径对土壤光谱反射率变化有明显影响,但二者之间并非简单的线性关系,可能存在一个转折点;单变量(单波段光谱反射率)线性回归模型的预测能力,明显低于全波段反射光谱(Msc处理)-PLSR模型;土样样本容量对SOM含量预测精度有显著影响。因此,根据样本容量大小,选择合适的土壤颗粒粒径与光谱预处理方法组合可以提高预测精度。     

湛江港海域叶绿素a浓度的高光谱遥感反演

基于表观光学法研究冬季湛江港海域高光谱遥感叶绿素a浓度的反演模型构建,结果表明,该海域单波段遥感反射率与叶绿素a浓度相关性低,波段比值和遥感反射率的一阶微分法可提高叶绿素a浓度反演精度。665nm处的遥感反射率一阶微分值与叶绿素a浓度相关性良好,相关系数可达0.84。一阶微分相关系数大于0.8的波段大部分处于叶绿素a红光强烈吸收区域,对于富营养化的湛江港海域采用一阶微分方法构建叶绿素a浓度的遥感反演模型具有合理性。     

黑河流域植被类型分布模拟分析

针对黑河流域植被类型空间分布的垂直地带性特征,本文基于支持向量机算法构建黑河流域植被类型空间分布的模拟分析模型,并运用Kappa系数和混淆矩阵检验方法对模拟精度进行检验。验证结果显示,模型总体精度（OA）值为75.54%,Kappa系数值为0.66,表明了该方法在植被分布模拟上具有较好的结果,适用于区域尺度下植被类型分布的空间模拟。模拟结果表明,该方法对半灌木-矮半灌木荒漠和温带禾草-杂类草草甸草原类型的模拟精度最高,分别为（90.20%和90.02%）;分布面积最大的植被类型（如半灌木-矮半灌木荒漠,灌木荒漠、嵩草-杂类草高寒草甸等）相比于其他面积较小的植被类型具有显著优异的模拟结果;人工经济作物、荒漠植被类型以及草原草甸等植被类型对于所选环境因子的敏感性更强,而灌丛类型和乔木类型的模拟结果在不同类型间的波动较大;空间分布上,环境要素差异性明显、植被类型丰富的上游地区具有更好的模拟结果,优于地势平坦、气候差异性小的黑河中下游地段,但模拟结果在景观形态上具有更高的破碎度。     

玉米叶面积指数的CHRIS/PROBA数据反演分析

叶面积指数(LAI)是衡量植被生态状况和估算作物产量的一个重要指标。LAI的反演是定量遥感研究的重要内容。传统的经验统计反演方法基于单一观测角度的遥感数据进行,忽略了地物反射率的方向性。若在反演中加入多观测角度的信息,则有可能提升LAI反演的精度。以2008年甘肃省张掖市玉米实验区为研究区,利用欧空局的CHRIS/PROBA多角度高光谱数据对比分析了传统植被指数NDVI、RVI、EVI的变化规律及其反演玉米叶面积指数LAI的精度,并根据NDVI随观测角度的变化规律,构造出新型多角度归一化植被指数MNDVI,分别对实测叶面积指数进行线性回归并利用实测数据对估算LAI进行精度验证,结果表明：新型MNDVI指数相比于传统NDVI、RVI、EVI对LAI的反演精度有了显著提升,估算模型决定系数R²达到0.716,精度验证均方根误差为0.127,平均减小了33.3%。     

基于偏振植被指数的植被-土壤混合像元室内实验研究

混合像元是遥感影像中普遍存在的一种现象,对其组成和各成分比例的反演一直是遥感研究中的重难点,而国内利用偏振植被指数对混合像元的研究几乎没有涉及。本次研究通过对不同面积比例的植被-土壤混合像元偏振反射高光谱特征进行分析,讨论不同条件下的植被-土壤混合像元偏振高光谱特性,并利用偏振反射比计算了12种0°偏振态下的偏振植被指数,分别构建了植被指数与植被面积比例以及光谱特征参数与植被面积比例的数学模型。结果表明,混合像元中植被面积比例和偏振角均对其偏振高光谱有一定的影响;865 nm的偏振反射比与植被占像元面积比例的相关性最好,采用多项式进行拟合时,其决定系数达到0.99,适合进行植被占像元面积比例的反演;偏振光谱“红边”处的一阶微分值与植被像元比例存在良好的线性相关,R²=0.974;植被面积比例与植被指数和光谱特征参数呈现良好的相关关系,其中P-DVI和光谱吸收指数（SAI）与植被面积比例的拟合效果最好,决定系数分别为0.99以及0.94,适合进行植被-土壤混合像元中植被面积比例的反演。     

青海湖流域植被盖度时空变化研究

高寒区植被变化一直是气候和生态学领域关注的热点问题。本研究基于MODIS NDVI数据计算的植被覆盖度数据和高分辨率气象数据,分析了青海湖流域2001-2017年植被覆盖度分布格局及动态变化,探讨了其对气候变化、人类活动和冻土退化的响应。结果表明：① 近十几年青海湖流域植被覆盖度整体表现为增加趋势,不同植被类型增幅存在差异性,草地增幅最大,达到6.1%/10a,其它植被类型增幅在2%~3%/10a之间;② 流域局部地区仍存在植被退化现象,研究期植被退化面积表现为先增加后减小的变化趋势。2006-2011年重度退化区集中在青海湖东岸,2011-2017年重度退化区集中在流域的西北部,这些区域是青海湖流域荒漠分布区,植被覆盖度较低,是今后生态恢复需重点关注的区域;③ 气候变化是流域植被覆盖度变化的主导因素,气候变化对青海湖流域主要植被类型覆盖度变化的贡献率为84.21%,对草原、草甸和灌丛植被覆盖度变化的贡献率分别为81.84%、87.47%和75.96%;④ 人类活动对流域主要植被类型覆盖度变化的贡献率为15.79%,对草原、草甸和灌丛植被覆盖度变化的贡献率分别为18.16%、12.53%和24.04%,环青海湖地区人类活动对植被恢复有促进效应,在青海湖流域北部部分地区人类活动的破坏力度仍大于建设力度;⑤ 冻土退化对青海湖流域草甸和灌丛植被覆盖度变化影响很小,主要影响草原植被覆盖度变化,冻土退化造成草原植被覆盖度增长速率减小了1.2%/10a。     

基于随机森林算法的草原地上生物量遥感估算方法研究

草原是我国面积最大的陆地生态系统,生物量是反映生态系统质量和功能的关键指标,准确地掌握草原生物量对草原资源合理利用、生态修复、畜牧业高质量发展都具有重要的意义和作用。本研究以内蒙古锡林郭勒盟为研究区,利用高分一号遥感卫星影像,结合216个野外样本数据,采用随机森林算法（Random Forest,RF）对草原地上生物量（Aboveground Biomass,AGB）遥感估算进行了适用性分析与应用。在运用随机森林算法的过程中,进行了K-折交叉验证、多元共线性诊断、偏效应等一系列分析,完成了随机森林模型的构建,同时,将建模结果与其它模型进行了对比,最终实现了锡林郭勒盟草原AGB的反演估算。结果表明：① 随机森林算法能够较好地规避生物量建模中自变量多元共线性的问题;② 随机森林模型在草原AGB估算中较其它模型具有更好的适用性,模型精度达85%,RMSE为202.13 kg/hm²;③ 应用构建的随机森林算法估算了研究区2017年草原AGB,从结果来看,其空间分布上呈现为自东向西逐渐递减的趋势;从草地类型上看,山地草甸类AGB单产最高,温性草原类总产量最高。研究结果将对草原生态系统监测评估和草原宏观管理具有一定的参考价值。     

黑臭水体水面阴影提取的自适应阈值算法研究

黑臭水体水面阴影对水面光谱信息产生干扰,严重地影响了利用高空间分辨率遥感数据进行水质状况监测的精度,因此,在数据预处理中必须进行阴影剔除。本研究基于无人机高光谱遥感数据,通过分析各种波段组合下黑臭水体水面的阴影像元和水体像元的光谱特征空间,选择以492、666和792 nm处的反射率建立黑臭水体的河面阴影指数（RSSI）,并利用最大类间方差法（OTSU）自动确定划分本影、半影以及水体的阈值。利用南京金川河和龙江河的无人机高光谱遥感影像对算法进行测试,结果表明：RSSI阴影指数能突出显示阴影与水体的差异;OTSU自适应确定的阈值能较好地区分本影、半影和水体,阴影的总体识别精度达到85%以上。该算法能够有效地识别黑臭水体水面阴影,为后续开展水体的定性、定量遥感监测提供数据预处理的技术支持。     

线性光谱混合模型影响因子不确定性定量研究

线性光谱混合模型(Linear Spectral Mixing Model,LSMM)是一种像元分解模型,由于其简单和易操作性的特点,在目前亚像元研究中应用颇为广泛。其分离精度受多种因素的影响,但目前对该模型的研究多集中在对模型本身的线性假设评价及端元光谱选取方法上,而忽略了模型应用的环境条件(大气反射、散射、地形起伏等)对模型分解精度的影响等。本文以线性光谱模型提取植被分量为例,探讨环境大气条件、地形因素对模型精度影响的不确定性。研究将数据处理为四个层次,即原始的ASTER数据,利用MODTRAN进行大气校正的数据,经C-地形校正的数据,同时进行了大气校正和地形校正的数据。然后在四个层次上依次提取植被丰度,并将其和NDVI进行线性回归分析,检验植被丰度的分离精度,从而量化大气、地形等因子对LSMM的影响程度。研究结果表明:大气条件、地形因素都会制约LSMM分离精度的提高,特别在有地形起伏的中小空间尺度范围内,地形因子对线性光谱混合模型的影响远大于大气影响。