青海湖流域草地产草量与MODIS植被指数的相关性分析

借鉴国内外基于遥感手段监测植被的方法,利用MODIS-NDVI遥感影像数据,探讨如何对草地变化进行监测。提取青海湖流域典型草原遥感影像植被指数,并与野外调查获得的79个样方生物量数据进行对比分析,建立了多个回归模型用于研究植被指数与草地产草量的相关关系。结果表明,植被指数与草地产草量之间存在较好的相关性,但是不同的回归模型与草地产草量相关性程度存在一定的差别,非线性回归模型优于一元线性回归模型,该方法的提出有助于监测青海湖流域草地变化情况。     

阜康绿洲生态系统生物量空间格局分析

 利用阜康绿洲平原地区于2003年8月,在野外实测的53个样方植物的生物量干重数据与同期陆地卫星MODIS影像的第1,2通道250 m遥感数据,通过分析植被指数NDVI与绿洲植被生物量的相关关系,进而建立该遥感植被指数与植被生物量的一元线性和非线性回归模型。研究表明:植被指数NDVI与绿洲生态系统植被生物量之间存在较好的相关性;所建遥感植被指数与绿洲植被生物量的回归模型中,三次方程为所得到的非线性回归模型中最适合用于阜康绿洲生态系统植物生物量和生长的监测;并利用该模型进行分析同年4~9月研究区内植物生物量的时空间分布,并得出阜康绿洲生态系统植物生物量的时空分布特征。总体格局是:绿洲内部农业生态系统的生物量时空特征变化是十分的明显,生物量的增长从5月底至8月;且于7月、8月生物量达到旺盛时期;随后开始呈下降趋势;荒漠植物群落生物量时空特征有一定程度的变化但表现不明显,且荒漠植物生物量的变化在时空上是非同步性。这都是由于在整个生长季节内不同植物群落的生长发育表现不同的时间,和荒漠植物在时间上表现出不同物候导致的。同时分析了绿洲生态系统植物生物量的时空分布特征及相关影响生物量的多种因素。     

北方农牧交错带草原产草量遥感监测模型

及时准确地了解草原产草量的时空配置状况,对于科学合理地利用、管理草地,保证畜牧业生产持续稳定发展、改善生态环境等具有重要的意义。本文利用2005年的MODIS数据和同期野外实测的668个样方产草量数据,分析了5种植被指数和草地生物量之间的相关关系。研究表明:(1)分区模型优于不分区模型,在分区基础上建模更能反映产草量的实际情况;(2)通过线性、非线性模型和BP神经网络模型的对比,得出BP神经网络模型在拟合精度上优于线性和非线性模型,是最适宜监测北方农牧交错带草原产草量的模型;(3)5种植被指数中,NDVI和SAVI与草地生物量之间的拟合精度最高,是研究区最适宜使用的植被指数。     

广州市湿地植被碳汇功能研究

采用样地调查、模型构建和成果参照等方法,以广州市湿地植被为研究对象,选取样地实测湿地植物地上生物量,并分析湿地植物有机碳含量;选用2013年广州市Landsat 8 OLI遥感影像数据,得到波段反射率和植被指数(NDVI、RVI、DVI和MSAVI)数据,利用ENVI 5.0、SPSS 22和Arc View 3.3等软件,通过差异性检验、相关分析、一元线性回归、曲线回归和模型拟合度检验等步骤,建立湿地植被地上生物量模型,并估算植被地上生物量;选取湿地植物根冠比,估算湿地植被地下生物量,进而估算植被总生物量和碳储量。结果表明,2013年广州市湿地植被总面积为23 557.08 hm2,覆盖率为3.17%;湿地植被平均有机碳质量分数为44.97%;以RVI为自变量的三次曲线模型能较好地拟合湿地植被地上生物量;2013年广州市湿地植被总生物量为786 392.93 t,总碳储量为353 640.9 t碳,碳密度为15.01 t/hm2碳,碳汇量为1 296 683.31 t二氧化碳,碳汇价值为21 071.1×104元。     

热带森林植被生物量与遥感地学数据之间的相关性分析

以我国云南省西双版纳的热带森林为例,对热带森林植被生物量与遥感地学数据之间的相关性进行了分析。首先,利用森林资源连续清查的林业固定样地数据计算出各样地的森林植被生物量,并建立其GIS数据库。然后,对遥感图像进行几何校正,并对遥感图像进行主成分变换、缨帽变换以及植被指数的计算来产生其派生数据。其次,将样地数据、遥感数据及其派生数据,地形和气象数据转换到统一的坐标系和投影下,并将其内插为30米分辨率的格网数据。最后,进行样地森林植被生物量与其遥感地学数据之间的相关性分析。该分析表明,森林植被的生物量与年降雨量和第二主成分在0·01的水平上相关显著,而与中红外植被指数、LANDSATTM5、缨帽变换的亮度、湿度以及第一主成分在0·05的水平上相关显著。其中,与年降雨量的相关性最高,达到0·308;其次是与第二主成分,达到-0·231;再次是与中红外植被指数和LANDSATTM5,其相关系数分别为0·203和-0·201。     

湿地植被地上生物量遥感估算模型研究——以洪河湿地自然保护区为例

以洪河湿地自然保护区的TM图像和29个实测样地生物量数据为数据源,采用单变量线性和非线性回归、多元线性逐步回归及人工神经网络(BP网络、RBF网络)技术,构建了研究区内典型湿地植被(草甸和沼泽)的地上生物量干重和湿重的遥感估算模型,并对比得到最优模型。主要结论有:(1)RBF神经网络模型及多元非线性模型是研究区内湿地植被地上生物量遥感估算的最优模型,生物量干重估算值的平均相对误差为2.795%,生物量湿重估算值的平均相对误差为3.399%。(2)比较2004年8月、2006年8月和2008年8月研究区内草甸和沼泽总生物量可得,总生物量干重呈上升趋势,而总生物量湿重呈下降趋势。(3)研究区内生物量极高值和极低值分布较少,且主要集中于混合像元分布的地方,如岛状林、灌丛的周边地区或是沼泽内含水较多的地区。     

矿区植被物化参数高光谱遥感估算研究

基于高光谱遥感数据Hyperion和植物冠层反射光谱,应用指数法、回归统计法和基于光谱位置变量的方法对矿区植被生物量和叶绿素浓度(SPAD)进行估算.结果表明:植被指数R752/R548与植物鲜重相关性最高,相关系数为0.88;选用植物像元光谱,基于植被指数R752/R548,利用三次函数法构建植物鲜重估算模型精度较高,多重判定系数R2达0.883;植被指数DVI[752,640]与植物干重相关性最高,相关系数为0.42;基于植被指数DVI[752,640],应用线性回归法构建植被干重估算模型精度较低,多重判定系数R2为0.177;基于四点内插法提取的红边位置与叶绿素浓度显著相关,相关系数为0.433;Datt(1)和Datt(2)植被指数与叶绿素浓度存在显著相关,相关系数分别为0.871和0.868;基于红边位置(REP)、Datt(1)和Datt(2)植被指数构建植物叶绿素浓度估算模型精度较高,多重判定系数R2分别为0.814、0.805和0.781.应用高光谱遥感技术可有效地检测矿区受损生态环境下的植被,为矿区植物生态修复工程提供本底资料.     

热带森林植被生物量遥感估算探讨

该文以我国云南省西双版纳的热带森林植被为例,对热带森林植被生物量的遥感地学估算进行初步探讨。研究表明,只用LANDSAT TM的波段数据建立生物量的回归估算模型时,其模型的复相关系数只有0．118,而利用其主成分或植被指数建立回归估算模型时,其模型的复相关系数不仅没有提高,反而在一定程度上有所降低。原始波段与其主成分结合能提高估算模型的复相关系数,其效果比原始波段与植被指数结合的效果要好。模型中如果考虑气象因子中的年平均降雨量,能在很大程度上提高其复相关系数。在此基础上引入地形因子,未能显著提高模型的复相关系数。有气象因子参与建立的遥感气象模型和遥感地学模型在0．01水平上回归显著。     

基于ETM+影像的草地退化评价模型研究——以西藏自治区那曲县为例

在实地调查和样方测定基础上,选用建群种植株高度、草地植被盖度和草地生物量作为草地退化地面评价体系中的单一评价指标,并通过加权综合三个单一评价指标,构建草地退化地面综合评价指标;在分析退化草地光谱特征的基础上,从ETM+影像的波段数据中派生出草地退化的遥感评价指标。通过相关分析的方法,选出最能反映草地退化趋势、最适于用于线性拟合的地面评价指标（地面综合评价指标）和遥感评价指标（TM4/TM5）,采用线性回归技术构建草地退化遥感评价模型,并通过计算确定系数（R2）、均方根差（RMSE）和相对误差对模型精度做出评价。确定主要草地类型的不同退化等级标准,完成草地退化图的编制。通过分析草地退化地面评价指标与遥感评价指标之间的关系,探讨了西藏北部草地退化的遥感评价模型,为科学、快速评价草地退化提供一种新思路。     

国产高分一号数据估算草地植被覆盖度方法研究——以呼伦贝尔草原露天煤矿区为例

为了探讨与分析国产高分一号(GF-1)数据在北方露天煤矿区草地植被覆盖度估测中的精度及适用性,该文基于GF-1与SPOT6多光谱影像数据,以多个植被指数为自变量,利用像元二分模型、偏最小二乘(PLS)回归、支持向量机(SVM)回归3种模型对区内植被覆盖度进行估算,结合野外同步实地植被样方数据,对比分析不同估算模型的精度及适宜性,并通过蒙特卡洛模拟多尺度交叉建模的误差传播,分析空间分辨率不同对植被覆盖度估测的精度影响。结果表明:GF-1数据基于增强型植被指数的SVM回归模型(R~2=0.8149,RPD=2.336,RMSE=8.694%)与SPOT6数据基于归一化植被指数的SVM回归模型(R~2=0.8755,RPD=2.870,RMSE=7.032%)估算效果较好。不同分辨率数据交叉传递过程中SVM回归模型的精度高于PLS回归模型。因此,基于GF-1数据构建的SVM回归模型可以高精度地估算区域草地植被覆盖度。     

基于MODIS的青海草地产草量变化遥感分析

青海省属于全国四大牧区之一,及时监测草地植被长势、准确估算牧草产量对青海牧区可持续发展与生态保护具有重要意义。草地产草量遥感估算主要基于植被指数与地面实测数据的统计关系,但是估算涉及植被指数、统计模型和建模指标等因素,不同组合建立的估算模型的精度不同。本文基于青海省MODIS数据与地面实测产草量数据,选择了6种植被指数（NDVI、EVI、RVI、DVI、RDVI、MSAVI）、5种统计模型（简单线性模型、二次多项式模型、幂函数模型、指数函数模型、对数函数模型）以及3种建模指标（植被指数年度最大值VI_max、植被指数生长季累积值VI_season-cum、植被指数年度累积值VI_annual-cum）,研究不同组合下估算模型的精度差异,并从中选出最优产草量估算模型,用于估算青海省2015年和2016年的产草量。结果表明：（1）6种植被指数中,基于NDVI的产草量估算精度最高;非线性模型的估算精度高于线性模型,尤其是指数模型,适用于大多数草地类型产草量的估算;基于NDVI年度最大值的估算模型对大多数草地类型都具有最高的决定系数（R²）。（2）从干重来看,高产草量区（>1 200 kg·hm^-2）主要位于青海东部的高寒草原,中等产草量区（600~1 200 kg·hm^-2）位于青海南部和东部的高寒草原和禾草草原,低产草量区（<600 kg·hm^-2）位于青海西部和北部的高寒草甸、高寒草原、高寒荒漠和盐生草甸。（3）与2015年相比,2016年青海省干草总产量减少31.60×10⁴ t,减幅为1.36%。其中,禾草草原和高寒草甸的减产幅度最大,而荒漠草原和盐生草甸的产量则有所增加。本文可为草地产草量遥感估算的研究和实践提供参考。     

Wetland vegetation biomass estimation and mapping from Landsat ETM data: a case study of poyang lake

Poyang Lake is the largest freshwater lake in China. This paper conducted a digital and rapid investigation of the lake’s wetland vegetation biomass using Landsat ETM data acquired on April 16, 2000. First, utilizing the false color composite derived from the ETM data as one of the main references, the authors designed a reasonable sampling route for field measurement of the biomass, and carried it out on April 18–28, 2000. Then after both the sampling data and the ETM data were geometrically corrected to an equal-area projection of Albers, linear relationships among the sampling data and some transformed data derived from the ETM data and the ETM 4 were calculated. The results show that the sampling data is best relative to the band 4 data with a high correlation coefficient of 0.86, followed by the DVI and NDVI data with 0.83 and 0.80 respectively. Therefore, a linear regression model, which was based on the field data and band 4 data, was used to estimate the total biomass of entire Poyang Lake, and then the map of the biomass distribution was compiled.     

Wetland vegetation biomass estimation and mapping from Landsat ETM data:a case study of Poyang Lake

Poyang Lake is the largest freshwater lake in China. This paper conducted a digital and rapid investigation of the lake’s wetland vegetation biomass using Landsat ETM data acquired on April 16, 2000. First, utilizing the false color composite derived from the ETM data as one of the main references, the authors designed a reasonable sampling route for field measurement of the biomass, and carried it out on April 18-28, 2000. Then after both the sampling data and the ETM data were geometrically corrected to an equal-area projection of Albers, linear relationships among the sampling data and some transformed data derived from the ETM data and the ETM 4 were calculated. The results show that the sampling data is best relative to the band 4 data with a high correlation coefficient of 0.86, followed by the DVI and NDVI data with 0.83 and 0.80 respectively. Therefore, a linear regression model, which was based on the field data and band 4 data, was used to estimate the total biomass of entire Poyang Lake, and then the map of the biomass distribution was compiled.     

洪河自然保护区乌拉苔草生物量高光谱遥感估算模型

尝试用不同方法构建洪河自然保护区湿地植被乌拉苔草(Carex meyeriana)的高光谱植被指数,建立水上鲜/干生物量高光谱估算模型,并比较了不同模型的反演精度。通过实测不同覆盖度和水深状况下乌拉苔草的冠层高光谱反射率与水上生物量的数据,采用高光谱可见光—近红外波段及其微分光谱波段(350~1 050 nm)逐波段构建FNDVI、FRVI、FDVI、FDNDVI、FDRVI、FDDVI植被指数,分别找出与水上鲜生物量和干生物量具有最佳相关性波段组合的植被指数,建立乌拉苔草水上生物量的最佳估算模型,并对比分析了反射率光谱植被指数(FNDVI、FRVI、FDVI)模型和微分光谱植被指数(FDNDVI、FDRVI、FDDVI)模型的反演精度。结果显示,微分光谱与乌拉苔草水上生物量的相关性比反射率光谱好;微分光谱植被指数与乌拉苔草水上生物量的相关性比反射率光谱植被指数好,尤其以微分光谱植被指数FDRVI与FDNDVI建立的二次函数模型反演乌拉苔草的水上鲜生物量和干生物量的效果最好,精度分别达74.9%、71.4%,其均方根误差分别为0.074 4和0.026 2,通过了p<0.01极显著验证。这表明,采用微分光谱植被指数FDRVI、FDNDVI对乌拉苔草水上鲜生物量和干生物量的估算可以取得较高的预测精度。     

基于植被盖度和高度的不同退化程度高寒草地地上生物量估算

由于气候变化和不合理的人类活动,20世纪80年代以来青藏高原高寒草地发生严重退化。地上生物量是评价草地退化的直观指标。通常采用植被盖度和高度来估算草地地上生物量,但草地退化后,植被盖度和高度与地上生物量之间的关系是否会发生变化目前还不清楚,这影响着退化草地生物量估算的精度。通过多元回归分析研究了青藏高原中部和东北部高寒草甸、高寒草原在不同退化程度下植被盖度和高度与地上生物量的关系。结果表明：（1）高寒草甸与高寒草原地上生物量整体上及不同退化阶段都没有显著差异（P>0.05）。（2）随着退化程度的加剧植被盖度和高度对地上生物量的影响也发生改变,体现在未退化阶段地上生物量主要受植被高度影响,退化后主要受植被盖度影响。（3）无论是高寒草甸还是高寒草原分退化程度的回归模型估算结果都较不分退化程度模型估算的生物量更接近实测值。我们建议在退化高寒草地研究中采用盖度和高度估算生物量时,根据退化阶段采用不同的估算模型。     

近15 a来黄河源地区玛多县草地植被退化的遥感动态监测

 依据草地退化国家标准和黄河源区草地退化的实际情况,选取草地覆盖度、植株高度、地上生物量、牧草可食率、土壤有机质5个重要指标建立黄河源区玛多县草地植被退化监测和评价指标体系。利用遥感影像和GIS技术,结合实地调查和采样测定,对5个评价指标在遥感影像上进行反演,并进行图层的加权叠加,得出玛多县草地退化的时空特征。结果表明：玛多县草地在1994年已经出现了较为严重的退化现象,退化草地的空间分布格局已经基本形成,并且草地的退化过程一直在继续。2009年草地退化空间特征显示在气候变化较为敏感区域、河道两侧、鼠害严重以及靠近居民点等区域草地退化较为严重。通过对4期草地退化情况进行对比分析,发现1994-2001年间玛多草地植被退化情况最严重,重度退化面积高达1 355 943.30 hm2,占草地面积的86.53%。2001-2006年间和2006-2009年间重度退化、较大退化和中度退化草地的面积都下降较大,同时退化的速度已经有了较大缓和,黄河源头地区草地生态系统得到初步恢复     

Temporal Variations in Growth and Aboveground Biomass of Phragmites australis and EVI Analysis in Jiaozhou Bay Coastal Salt Marshes,China

To better ascertain leaf, stem and flower traits, and analyze aboveground allocation during the vegetation period, three sampling vegetation transects were settled and reed samples were collected at intervals to determine morphological parameters and dry and wet weights in Jiaozhou Bay wetland. Remote sensing data were also combined to evaluate regional biomass through EVI regression models. Results show that growth dynamics of leaves and stems changed during the vegetation period. Stem length increased rapidly and peaked in September (194.40 ± 23.89 cm), whereas leaf width peaked in July. There was a significantly negative correlation between stem length and stem diameter with a value of -0.785. Stem biomass was higher than that of leaves, and the maximum value of aboveground biomass was 27.17 ± 3.56 g. F/C exhibited a tendency to increase and values ranged from 0.37-0.76. The aboveground biomass of sample plots reached a peak of 2356 ± 457 g/m² in September. EVI was 0.05-0.5; EVI and biomass had a better fitting effect using the power-exponent model compared with other models and its function was y = 4219.30 x^0.88 (R² = 0.7810). R² of the other three models ranked as linear function > polynomial function > exponent function, with the values being 0.7769, 0.7623 and 0.6963, respectively. EVI can be used to estimate vegetation biomass, and effectively solved the problems of the destructive effect to sample plots resulting from traditional harvest methods.