毛乌素沙地油蒿(Artemisia ordosica)生长及生物量分配对沙漠化的响应

植物的资源分配模式可以反映植物对环境的生态适应策略.本研究以毛乌素沙地优势半灌木油蒿(Artemisia ordosica)为研究对象,通过样地调查法,系统分析了不同沙漠化程度(潜在、轻度、中度、重度)下油蒿营养、生殖器官的生长特征和生物量分配规律.结果 表明:(1)随着沙漠化程度的加剧,单位面积油蒿种群密度及地上生物...     

基于Google Earth Engine与机器学习的省级尺度零散分布草地生物量估算

大区域草地地上生物量估算对草地资源利用管理及全球碳循环研究具有重要意义。为高效快速地估算大区域零散分布草地地上生物量，本文选取安徽省为研究区，在谷歌地球云引擎（Google Earth Engine）平台的支撑下，通过机器学习方法建立Landsat 8 OLI及其他辅助数据与地面实测草地地上生物量之间的联系，开展了草地零散分布地区省级尺度草地地上生物量高分辨率估算，并与传统的基于归一化植被指数（NDVI）回归模型进行了比较。研究结果表明，综合利用光谱与地形因子的机器学习方法，估算零散化分布草地地上生物量的精度可以达到65%以上，其中分类回归树（CART）模型R²=0.57，预测精度为68.60%，支持向量机（SVM）模型R²=0.59，预测精度为75.74%，而使用NDVI的回归分析产生的误差较大，R²=0.37，预测精度为57.51%，因此机器学习方法相对于传统基于NDVI的回归分析具有明显优势。另外，谷歌地球云引擎平台数据来源广泛、获取方便，可以高效地实现海量影像数据的预处理及计算分析，大大提升了工作效率，与地面调查数据的结合可实现更大区域乃至全国尺度上的零散分布草地地上生物量高分辨率遥感估算。