青海湖环湖地区草地植被生物量遥感监测模型

利用青海湖环湖地区2000年陆地卫星TM遥感图像数据和同期野外实测的34处样方产草量数据,分析了遥感植被指数与草地植被生物量之间的相关关系,进而分别建立了遥感植被指数与草地植被生物量的一元线性回归模型和非线性回归模型。研究表明,遥感植被指数与草地生物量之间存在较好的相关性,但不同遥感植被指数与草地植被生物量相关性程度存在一定差别。此外,所建遥感植被指数与草地植被生物量的非线性回归模型在拟合精度上优于一元线性回归模型,且由三次方程得到的非线性回归模型最适用于监测青海湖环湖地区的草地植被生物量。     

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。     

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。     

利用MODIS影像和气候数据模拟青藏高原草地地上生物量（英文）

精确量化高寒区域的草地地上生物量在精确量化全球碳循环方面起着非常重要的作用。本研究利用月尺度的归一化植被指数、增强型植被指数、平均空气温度、≥5℃积温、总降水、降水积温比模拟了青藏高原高寒草地地上生物量。本研究对比分析了三种多重逐步回归模型,即地上生物量与归一化植被指数和增强型植被指数的逐步回归模型,地上生物量与空气温度、积温、降水和降水积温比的逐步回归模型,地上生物量与归一化植被指数、增强型植被指数、空气温度、积温、降水和降水积温比的逐步回归模型。结果表明,在高寒草甸,归一化植被指数模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为31.05 g m~(-2)和44.12 g m~(-2);在高寒草原,归一化植被指数模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为95.43 g m~(-2)和131.58 g m~(-2)。在高寒草原,积温模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为33.61g m~(-2)和48.04 g m~(-2)。在高寒草甸,植被指数和气象数据模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为28.09 g m~(-2)和42.71 g m~(-2);在高寒草原,植被指数和气象数据模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为35.86 g m~(-2)和47.94 g m~(-2)。因此,植被指数和气候数据同时参与的逐步回归模型比植被指数或气候数据单独参与的逐步回归模型的精度高;不同高寒草地类型的回归模型精度不同。     

基于趋势外推法和BP神经网络的四平市汽车保有量预测

基于趋势外推法和BP神经网络模型对四平市2015年和2020年的汽车保有量进行预测.结果表明,结合趋势外推法对汽车保有量的影响因子进行单独预测,可以提高各影响因子的预测精度,弥补BP神经网络在影响因子预测中数据拟合度不高、外推性不强的缺陷,进而保证BP神经网络汽车保有量预测的准确度.利用BP神经网络良好的非线性映射能力,可以较好地拟合汽车保有量与影响因子之间的非线性映射关系,是一种可行的汽车保有量预测方法.但是神经网络预测模型与经典计算方法相比并非优越,只有当常规方法解决不了或效果不佳时ANN方法才能显示出其优越性.     

基于遗传支持向量机的城市扩张非线性组合模型

在分析当前城市扩张模拟模型优缺点的基础上,利用支持向量机能有效表达、拟合复杂非线性系统的功能,将多个单项城市扩张模型进行非线性组合,有机融合各单项模型优点,最后构建支持向量机的城市空间扩张非线性组合模拟模型。利用遗传算法优化支持向量机的参数,减小参数设置不合理对支持向量机建模精度引起的影响,有效提高支持向量机模型精度。通过分析组合模型误差和各参与组合的单项模型之间的关系,总结出提高支持向量机的城市扩张非线性组合模型精度的方法是：① 提高参与组合的各单项模型精度;② 增加单项模型之间的差异性。以长沙市为例,分别构建多元回归、GM(1,8)、BP网络和LS-SVM单项城市空间扩张模拟模型,并在此基础上建立线性组合城市扩张模型和遗传支持向量机非线性组合城市扩张模型。通过各模型精度对比分析证明,遗传支持向量机的城市扩张非线性组合模型精度远优于各单项模型,并且优于线性组合模型,是一种有效的城市扩张新模型。     

基于BP神经网络的盐渍土盐分遥感反演模型研究

采用遥感技术和BP神经网络技术,结合野外实测的盐渍土光谱特征和实验室化验的土壤含盐数据,对盐渍土盐分的遥感反演进行了模型的设计与编程实现.BP神经网络模型的预测精度在62.5%,明显高于传统统计模型的预测精度,表明BP神经网络能较好地模拟土壤含盐量与光谱数据之间的关系,可用于建立土壤盐分遥感反演模型.     

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。     

青藏高原东缘高寒草甸地上生物量的估测模型

探索简单、快捷的获得草地单个物种及群落地上生物量资料的方法,可以为合理保护和利用草地资源提供重要技术支持。在传统的直接收获法测定草地地上生物量的基础上,结合物种的种群特点,利用与生物量密切相关的高度、盖度、密度等植被生态参数,建立了青藏高原东缘高寒草甸各植物种的最适地上生物量估测模型。其中禾叶嵩草、垂穗披碱草、高山韭等物种生物量最适模型为幂函数方程,其他物种最适模型除却长毛风毛菊是二次项方程外均为线性方程。这些模型拟合精度较高,经检验,单个物种生物量估测值与实际观测值之间的相关系数均0.9,且大部分平均相对误差10%。对于草地群落地上总生物量,估测值与实际观测值相关系数为0.965,各样方的相对误差大都10%,平均相对误差为5.672%,说明利用这些模型估算青藏高原东缘高寒草甸地上生物量切实可行。     

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。     

草原植被长势遥感监测研究进展

草原植被长势监测是草原监测的重要领域, 它能从宏观上揭示草原的生长状况及其动态变化, 从而为草原科学管理提供快速、准确的参考依据。目前长势监测主要利用遥感的方法, 即选择归一化植被指数NDVI作为反映植被生长状况的指标, 方法有同期对比法、植被生长过程曲线法、直接监测法。本文在总结草原长势监测进展与方法的同时, 指出了其中存在的问题--监测中过分依赖NDVI、不区分草原类型而使用同一种方法进行监测;对未来发展方向做了展望--监测中选用适宜植被指数、监测方法, 分区域、分类型的监测长势, 提高监测精度, 将长势监测与草原产草量、生产力结合, 为牧民生产提供指导。     

退耕还林(草)背景下中国北方农牧交错带土地利用及碳储量变化

为明析退耕还林(草)背景下生态环境较为脆弱的北方农牧交错带土地利用及碳储量变化,基于该区2000、2010、2018年土地利用数据,通过动态度、土地转移矩阵,景观指数等指标从土地利用变化的数量、速率以及空间格局特征加以分析,同时基于In VEST模型定量估算了该区近20年来的碳储量变化.结果表明:(1)北方农牧交错带土...     

近15a新疆不同类型植被NDVI时空动态变化及对气候变化的响应

为了研究新疆不同类型植被对气候变化的响应,以地带性划分的植被类型作为研究对象,1998-2012年为时间尺度,利用GIS的空间分析方法结合数学统计方法,分析了新疆各地带植被覆盖变化的时空分布特征;并采用"多元回归+残差插值"的方法,模拟了气温和降水量的空间分布;利用SPOT VGT/NDVI数据以及气候数据(气温和降水量数据),分析了5个不同地带植被的动态变化、年际变化和生长季内各月变化及其对气候变化的响应。结果表明:(1)新疆各地带植被覆盖度存在着显著差异,其中,温带北部草原地带高植被区和浓密植被区的范围较广,植被覆盖度较高,而高寒荒漠地带的极低植被区占该地带面积的一半以上,且植被覆盖度最低。(2)新疆各地带植被覆盖在近15 a间呈波动增加的趋势,5个地带的植被覆盖均有所改善,其中,高寒荒漠地带和暖温带半灌木、灌木地带的植被覆盖改善较为明显,其余3个地带均有少部分地区出现轻微改善现象。(3)温带半灌木、矮乔木荒漠地带,暖温带半灌木、灌木荒漠地带和温带半灌木、灌木荒漠地带4~10月的平均气温呈上升趋势,而温带北部草原地带、高寒荒漠地带对应的平均气温则出现下降趋势。5个地带的降水量在该时段内均表现为下降趋势。(4)基于年际尺度,新疆各地带植被NDVI与气温、降水量的相关性均不显著;基于月尺度,各地带植被NDVI受降水量的影响比气温大。同时,仅有暖温带半灌木、灌木荒漠地带植被NDVI与气温存在1个月的滞后性,其余4个地带对气温和降水均不存在滞后性。     

天山北坡中东段天然草地光谱植被指数特征

据１９９２－１９９４年天山北坡中东段各种主要天然草地类型混合牧草群落光谱观测资料,牧草产量资料分析发现,天然草地牧草产量与光谱被指数都具有季节变化特征,呈现出低到高,再由高到低的变化规律;天然草地光谱植被指数可以较了地反映牧草产量的年际变化和不同类型天然草地的产量差异,由于降水等自然条件的影响,牧草产量的年份,光谱植被指数也高,牧草产量低的年份,光谱植被指数也低。     

在全数字方式下对宁夏草地覆盖的遥感宏观研究

以TM影象为信息源,在全数字方式下运用遥感技术与地理信息系统技术结合建立了宁夏草地覆盖的TM影象数据库、图形数据库和属性数据库。通过分析得出全区现有草地面积2 481 345 hm²,占全区面积的47.92%,其中高覆盖度草地占3.93%,中覆盖度草地占43.45%,低覆盖度草地占52.62%。     

长江口水域多光谱遥感水深反演模型研究

利用Landsat-7 ETM 遥感影像反射率和实测水深值之间的相关性可以探测水深。该文介绍单波段、双波段比值和多波段3种线性回归模型以及动量BP人工神经网络水深反演模型。选择长江口北港河道上段作为研究区,利用上述模型,分两种情况进行水深反演:一是以河道全部历史样本建模;二是将河道按自然水深划分为浅水区和深水区分别建模。结果表明:神经网络模型预测精度高于线性回归模型;水深分区后线性回归和神经网络模型预测误差均有所减小。     

基于PCA和BP神经网络的径流预测

径流预测为流域水资源的合理开发利用与统筹配置提供依据。运用多元线性回归、主成分回归、BP神经网络及主成分分析和BP神经网络相结合的方法,对新疆呼图壁河流域石门水文站2009-2011年各月径流量进行预测,并采用相关系数、确定性系数及均方根误差对各模型预测精度进行比较。结果表明：（1）神经网络等智能算法具有高速寻优的能力,对短时间尺度的月径流量的预测结果较好;（2）主成分回归等常规算法能充分反映出某地区径流的年际的稳定性,对全年径流总量的模拟精度较高;（3）主成分分析和BP神经网络相结合的方法,提高了神经网络的收敛速度,同时降低了局部极值的影响,优于简单的BP神经网络,适用于呼图壁河月径流量预测。