基于GEE的香格里拉草地分类及其生物量遥感估算

草地类型划分及其生物量估测对于草地管理与保护具有重要意义。香格里拉草地资源丰富,类型多样,属同纬度高海拔草地的典型代表。为了提升高原复杂地形下草地资源信息的质量,以香格里拉市为研究区,基于谷歌地球引擎(GEE)云平台和Sentinel-2遥感影像,结合光谱、植被指数、纹理和地形特征构建了33个原始特征,并使用递归特征消除(RFE)和特征重要性得分进行特征优化,采用随机森林(RF)、支持向量机(SVM)、分类回归树(CART)和梯度提升决策树(GBDT)4种算法对研究区草地进行提取与分类,最后基于地面样地数据对地上生物量(AGB)进行反演。结果表明:1)RFE算法将特征数压缩到了21个,且海拔特征对草地类型的划分具有最高的重要性。2)RF算法的分类精度最高,总体精度(OA)为91.41%,Kappa系数为88.18%。3)香格里拉草地可分为5种类型,草地总面积为3265.77 km^(2),面积最大的类型为亚高山草甸,其面积为2230.03 km^(2),占草地总面积的68.28%;其次为高寒草甸,约占草地总面积的18.42%。4)建立了地上生物量与差异植被指数(DVI)的二次多项式预测模型,R2为0.783,均方根误差(RMSE)为154.72 g·m^(-2)。5)香格里拉草地总AGB为152.15万t,亚高山草甸AGB为102.41万t,占总AGB的67.31%;其次高寒草甸为27.37万t,占总AGB的17.99%。本研究利用遥感技术与机器学习,成功实现了香格里拉地区草地类型的划分及其生物量的估算。这些成果不仅为高原草地的管理和保护提供了科学依据,还为类似生态系统的研究提供了有效的方法论。

基于GF-5B VIMI数据和SEBS模型的区域蒸散发遥感估算研究

蒸散发是全球水循环的关键部分,对水循环和能量平衡有显著影响。然而现有的蒸散发数据显示出其在时空分辨率上的局限性。为了解决这一问题,文章采用了结合“高分五号”B卫星全谱段光谱成像仪(GF-5B VIMI)高分辨率数据与SEBS模型的新方法。选择重庆市大渡口区作为研究区域,利用GF-5B VIMI影像数据和ERA5-land气候再分析数据集,对该区域的日蒸散发量进行估算,并分析其时空分布特征及不同下垫面的蒸散量。同时,探讨了蒸散发量与归一化植被指数NDVI之间的相关性。实验结果表明,SEBS模型估算结果与涡度相关仪观测数据具有良好的一致性,表现在决定系数R^(2)为0.764,均方根误差RMSE为0.348 mm/d。不同土地利用类型的日蒸散量中,水体蒸散量最大,裸地最小。日蒸散量与归一化植被指数之间的拟合相关系数R为0.908,决定系数R^(2)为0.824,这进一步验证了模型的有效性和适用性。该方法有效提高蒸散发的时空分辨率并为水资源的高效利用提供重要科学依据。

天然林资源保护区植被覆盖度遥感估算及变化分析

天然林资源作为地球生态系统的重要组成部分,对于维持生物多样性、调节气候和保持水土平衡等方面发挥着关键作用。贵州省黔西南地区作为中国西南部的一个重要生态区域,其天然林资源的保护与监测尤为关键。遥感技术作为一种高效的地表监测手段,为天然林资源的保护和管理提供了新的视角和工具。文章旨在通过遥感技术对黔西南地区的天然林植被覆盖度进行精确估算和变化分析,提出植被覆盖度优化建议,以期提升该区域的生态保护工作成效。

基于高分一号卫星数据的冬小麦叶片SPAD值遥感估算

以陕西省关中地区冬小麦不同生育期冠层高光谱反射率为数据源,模拟国产高分辨率卫星高分一号(GF-1)的光谱反射率,提取18种对叶绿素敏感的宽波段光谱指数,构建了基于遥感光谱指数的冬小麦叶片叶绿素相对含量(SPAD)遥感监测模型,并利用返青期的GF-1卫星数据对研究区的冬小麦叶片SPAD值进行了估算和验证。结果表明:返青期、孕穗期和全生育期SPAD值均与TGI指数相关性最高,相关系数分别为-0.742、-0.740和-0.483。拔节期和灌浆期SPAD值分别与SIPI指数和GNDVI指数相关性最高,相关系数分别为0.788和0.745。GNDVI、GRVI和TGI植被指数在各个生育期都和冬小麦叶片SPAD含量在0.01水平下呈显著相关。基于此3类植被指数构建的冬小麦叶片SPAD值回归模型精度较高,其中基于随机森林回归算法的估算模型效果最优,各类模型均在冬小麦拔节期的预测效果最佳。GF-1号卫星数据结合SPAD-RFR模型对研究区冬小麦叶片SPAD的估算结果最为理想,可用于大面积空间尺度的冬小麦叶片SPAD值遥感监测。

6种地形校正方法对雷竹林地上生物量遥感估算的影响

结合野外调查数据和Landsat5TM影像,分析6种地形校正方法(Teillet-回归,Cosine,C,SCS,SCS+C和Minnaert)对雷竹林地上生物量遥感估算的影响。结果表明:1)除Cosine和SCS方法存在校正过度现象,其余4种地形校正方法均具有良好的校正效果;2)6种地形校正方法均可提高TM4,TM5与地上生物量的相关性,且RVI,NDVI和SAVI这3种植被指数与生物量之间的相关性也得到改善;3)与原始影像相比,6种地形校正后的遥感数据都能不同程度地提高雷竹林生物量估算精度,以Teillet-回归校正后所建雷竹林地上部分生物量估算模型精度最高,相关系数从0.441提高到0.687,RMSE降低17%左右;4)尽管Cosine校正最大程度地提高了TM4,TM5与地上生物量的相关关系,但Cosine方法存在校正过度问题,Cosine校正后雷竹林地上生物量遥感估算模型精度反而略低于Teillet-回归校正;5)虽然地形校正可提高植被指数与雷竹林地上生物量之间的相关性,但所选5种植被指数均未入选雷竹林地上生物量遥感估算模型的变量,这与雷竹林较高的密度有关。

辽东湾海冰资源量的遥感估算方法研究

文中提出了一种简单易行的海冰资源量遥感估算方法 ,包括提取海冰的结冰范围和反演冰厚分布。根据这种方法 ,利用 2 0 0 0年 1月 3 0日辽东湾NOAA AVHRR资料 ,进行了海冰资源量遥感估算的尝试 ,得到了当天的海冰厚度分布图和海冰资源总量的数据 ,进而讨论了估算结果的合理性。得出的主要结论是 :①NOAA AVHRR资料的第一通道数据可以用于进行海陆分离和冰水分离 ;②基于反照率与海冰厚度指数关系的冰厚反演公式 ,可以用于海冰厚度的遥感估算 ;③得到的海冰资源量遥感估算结果 ,基本上符合辽东湾海冰分布的实际情况 。

农作物种植面积遥感估算的影响因素研究

针对不同的农作物种植结构区,研究影响遥感影像分类各因素与农作物种植面积估算精度的定性和定量关系是十分必要的。以Rapid Eye影像提取的早稻种植信息为研究对象,从农作物的种植成数、种植破碎度和地块形状指数3个角度进行了不同空间分辨率下各因素对农作物面积监测的影响研究。结果表明:随着农作物种植成数的降低,种植结构越来越破碎,种植地块趋于狭长分布,各分辨率下农作物面积估算精度均呈递减趋势;要达到85%以上的面积估算精度,当作物种植成数在50%以上时,可选取高于150 m分辨率的遥感数据;当作物种植较为破碎时,需要在提高影像空间分辨率的同时融入其他技术手段;当作物种植地块为狭长分布时,提高影像的空间分辨率并不能保证面积估算精度,必须通过其他技术手段达到精度要求;并最终得到了4种影响因素对面积估算精度的定量评估模型。研究结果为解决不同农作物种植结构区遥感数据的选择、面积估算精度的提高,以及在特定研究区和数据源条件下可达到的面积估算水平等问题提供了理论基础。

湿地翅碱蓬生物量遥感估算模型

以黄河三角洲HJ-1A CCD遥感数据和滨海湿地翅碱蓬生物量实测数据为数据源,通过对比分析参数回归模型(单变量线性和非线性回归模型,多元线性逐步回归模型)和人工神经网络模型(BP网络、RBF网络、GRNN网络),构建黄河三角洲湿地翅碱蓬生长初期的生物量湿重遥感估算最优模型。研究表明:基于遥感信息变量能够建立生长初期翅碱蓬生物量湿重估算模型。尽管基于RDVI、MSAVI和PC2的3个变量的多元线性回归模型的拟合效果较优,但是以SAVI、MSAVI、RVI、DVI、RDVI和PC2等7个遥感信息变量构建的BP神经网络模型的精度更高,平均相对误差为12.73%,估算效果最优,能够满足较高精度的生物量湿重估算需求。翅碱蓬生长初期生物量湿重最优估算模型的建立,为滨海地区植被生物量监测、区域翅碱蓬生物量季节动态模拟以及黄河三角洲生态系统功能评价提供技术支持与基础。

新疆喀纳斯国家自然保护区植被叶面积指数观测与遥感估算

叶面积指数(Leaf Area Index,LAI)是重要的植被结构参数,调控着植被与大气之间的物质与能量交换,在生态环境脆弱的我国西北部开展植被LAI的研究对阐明该地区植被对气候变化和人类活动的响应特征具有重要的科学意义。利用LAI-2200和TRAC仪器观测了新疆喀纳斯国家级自然保护区森林和草地的有效叶面积指数(LAIe)和真实LAI,构建了其遥感估算模型,生成了研究区LAIe和LAI的空间分布图。在此基础上,分析了LAI随地形因子(海拔、坡度、坡向)的变化特征,探讨了将其应用于估算研究区森林生物量密度的可行性,并评估了研究区MODIS LAI产品的精度。结果表明:研究区阔叶林、针阔混交林、针叶林、草地LAIe的平均值分别为4.40、3.18、2.57、1.76,LAI的平均值分别为4.76、3.93、3.27、2.30。LAIe和LAI的高值主要集中分布在湖泊和河流附近;植被LAI随海拔、坡度和坡向的变化表现出明显的垂直地带性的特点。LAI随海拔和坡度的增加呈现先增加后减小的变化趋势,坡向对针叶林和草地LAI的影响明显,但对阔叶林和针阔混交林LAI的影响较弱;森林生物量密度(BD)随LAI增加而线性增加(BD=44.396LAI-25.946,R2=0.83),研究区森林生物量密度平均值为120.3 t/hm2,估算的总生物量为5.0×106t;MODIS LAI产品与利用TM数据生成的LAI之间具有一定的相似性(森林R2=0.42,草地R2=0.53),但森林和草地的MODIS LAI产品分别比利用TM数据生成的LAI偏低16.5%和24.4%。

基于NDVI的新疆荒漠地区植被覆盖度遥感估算经验模型研究

新疆荒漠地区植被覆盖度遥感估算模型十分缺乏,给荒漠化监测等相关工作带来很大不便,开展植被覆盖度遥感估算经验模型研究,对于促进和完善相关地区的生态监测及研究工作具有积极的现实意义。通过对阜康市北部沙漠南缘和克拉玛依市中部平原荒漠进行无人机航拍,利用无人机遥感提取(光合)植被信息,并将无人机航拍影像的植被覆盖度统计单元与高分辨率卫星影像像元在空间上直接相对应,获取在高分辨率卫星影像像元尺度上的植被盖度,然后通过植被覆盖度和空间上与其相对应的源自高分辨率卫星影像的NDVI数据的拟合关系,建立基于源自高分二号影像的NDVI的阜康北部沙漠植被覆盖度遥感估算线性模型以及基于源自ZY1-02C影像的NDVI的克拉玛依平原荒漠植被覆盖度遥感估算二次多项式模型。研究中所采用的无人机遥感与卫星遥感相结合、植被覆盖度统计单元与卫星像元在空间上直接对应的方法,可避免以往相关工作中常以点位测量数据代表卫星像元数据所带来的不确定性。由于所用卫星影像的NDVI数据稳定性相对不足等原因,所建立的遥感估算模型的估算精度尚相对偏低,有待于今后进一步的工作加以改进。

棉花叶面积指数的遥感估算模型研究

【目的】棉花叶面积指数是反映作物生物量的重要参数,本文旨在运用遥感数据对这一参数进行估算,为叶面积指数的获取提供更方便快捷的估算模型。【方法】采用美国ASD公司FieldSpec?手持便携式光谱分析仪所获取的棉花冠层光谱反射率和从中等分辨率的遥感图像提取的植被指数,利用相关分析和回归分析方法,找出叶面积指数的最佳估算时相期和最佳遥感估算模型。【结果】棉花的整个生育期内,叶面积指数在时间曲线上呈现出波动变化,在始铃期棉花的叶面积指数达到峰值,据此规律通过提取该时期的遥感数据,得出棉花叶面积指数的遥感估算模型。【结论】棉花叶面积指数的最佳估算时相是盛花期和结铃期,各品种棉花叶面积指数的遥感估算模型通过精度检验,拟合R2与检验R2均达到了极显著水平。

荒漠草原牧草生物量的遥感估算及空间分布

应用2005年5-10月份EOS/MODIS资料，采用光能利用率算法，估算了中国西北荒漠绿洲区域NPP，并结合地上生物量观测资料，建立了基于NPP的地上生物量估算模型，同时分析了生物量和NPP时空分布特征。结果表明，2005年牧草生长期内NPP的变化基本是6、7月份最大，其它月份较小，5-6月份是牧草叶面积变化比较大的时期，也是NPP变化比较显著的时期;生物量模型估算得到的44个样本的生物量误差基本都小于20%，说明模型能够反映牧草的实际生长状况;不同荒漠牧草对光的利用能力和对CO2同化能力有很大差异，骆驼刺、红砂、黑果枸杞是荒漠牧草生物量较大的牧草类型;牧草类型、牧草盖度以及平均高度是造成不同牧草产量相差较大的重要原因。

遥感估算降水在西藏高原中的应用研究

采用遥感估算降水模型RFE 2.0(Rainfall Estimation Algorithm Version 2)模拟了2009年西藏高原的区域降水,并结合该地区气象站降水观测资料分别从日、月、年尺度上评价了该模型在西藏高原降水估算中的适用性,最后通过系数校正分析了2009年8月西藏高原降水量和年降水量的分布格局。结果表明,RFE2.0模型日降水量模拟值与观测值的相关系数在0.40以上的测站占46%,变化趋势较一致,但在日降水量较小时(接近零)模拟结果不稳定,在降水量较大时(>15mm)模拟结果一般会偏低;月平均降水量模拟结果与观测结果的相关系数在0.80以上的测站占62%,模拟结果较好地反映了观测结果的变化趋势,但个别月份的模拟结果会出现偏差。雨季降水量的模拟结果明显好于干季,为进一步提高模拟精度,确定雨季校正系数为1.133,干季校正系数为1.265;年尺度上降水量的模拟值与观测值的相关系数为0.368(P=0.026)。整体来看,遥感估算降水模型(RFE2.0)模拟的西藏高原降水结果较好,可为西藏高原降水模拟提供借鉴和参考。

荒漠草原牧草净生产力的遥感估算及其可行性研究

应用2005年5～10月份EOS／MODIS资料，采用光能利用率估算方法，对中国西北荒漠绿洲区甘肃省安西县荒漠草原区的月净第一生产力、年净第一生产力进行估算，并结合地面观测，分析了不同牧草类型NPP的时间变化和空间分布特征。结果表明，安西县荒漠草原区2005年牧草生长期内NPP的变化基本是6、7月份最大，其它月份较小，5～6月份是牧草叶面积变化比较大的时期，也是NPP变化比较显著的时期；荒漠牧草对光的利用能力和对CO2同化能力有很大差异，白刺、红砂、黑果枸杞是荒漠草场净生产力相对比较大的牧草类型；荒漠牧草区年净第一生产力的空间分布有很大的差异，禁牧区牧草的年NPP相对非禁牧区的NPP较大，这一结论与地面观测结果相一致，NPP估算值平均误差为12．6％。

色季拉山区鲁朗河流域植被覆盖度遥感估算研究

以TM遥感影像为数据源,运用ERDAS9.0和ARCGIS9.0软件,采用TGDVI植被指数结合像元二分法模型测算色季拉山区鲁朗河流域1987、1999和2008年3个时期的植被覆盖度,并在此基础上,求得研究区不同植被覆盖等级的变化转移矩阵,揭示该区域21a来植被覆盖等级时空变化的过程和趋势,为研究区域提供大、中尺度植被覆盖度时空变化的基础数据。

呼伦贝尔草原植被覆盖度地面实测与遥感估算研究

以内蒙古呼伦贝尔草原为研究区,共选择放牧区和非放牧区的47个观测样地,利用数码相机获取草地冠层照片,利用HLS彩色变换与RGB结合法及其他方法分别提取植被覆盖度。结果表明:本文发展的HLS彩色变换与RGB结合法提取的植被覆盖度的平均精度达85.85%,仅次于最大似然监督分类法。基于本文方法提取的实测点草地植被覆盖度与Landsat-5 TM影像计算的6种植被指数均有较好的正相关关系,其中与减小的比值植被指数(RSR)的相关性最高,从而建立了植被覆盖度遥感估算模型。遥感估算的研究区植被覆盖度空间差异明显,大部分草地植被覆盖度在0.7～0.9之间,而放牧区的草地植被覆盖度大多在0.5～0.7之间。

农作物种植面积遥感估算优化研究——抽样单元

及时且准确地获取农作物种植面积信息,对于粮食产量的估算和预测是至关重要的,同时也对我国制定科学合理的粮食政策、经济计划和管理措施,确保国家粮食安全具有重要意义.抽样技术与遥感技术的结合为获取农作物种植面积提供了行之有效的解决思路.本文系统梳理了农作物种植面积遥感估算的抽样设计中抽样单元大小和形状的优化方法,并以浙江省平湖市为例探讨了抽样单元大小和形状对估算结果的影响.研究表明:1)现行的抽样单元最优尺寸计算方法可分为平均地块法、成本控制法和考虑空间相关性的统计分析方法3大类,但由于每种优化方法判断准则和指标构建存在差异,造成最优化尺寸存在不同,在实际应用中需要根据需求选择适宜的抽样单元最优尺寸确定方法;2)在浙江省平湖市的实例分析中,通过对规则抽样单元和不规则抽样单元估算结果的CV、RRMSE和变差的对比,看出在平湖市使用规则抽样单元比不规则抽样单元更有优势,而对于抽样单元最优尺寸的确定,由于每种方法的判断准则和指标不同结论并不一致.

NDVI相似性分区下天山地区草地总产草量遥感估算

山区草地总产草量遥感估算是定量评价区域牧业生产力的有效手段。常规总产草量地面观测数据准确性较高,但无法覆盖整个天山山区,且耗时耗力。针对此问题,以新疆天山山区为研究区,选取MODIS/MOD13Q1 250m植被指数(normalized difference vegetation index,NDVI)产品数据,以县(市)为单元,基于巴氏距离定量评价研究区植被指数分布区域相似性以得到有效遥感建模分区,在此分区基础上,结合草地总产草量实测数据,建立研究区植被指数-草地总产草量遥感估算模型。结果显示,1)基于各县(市)2009-2015年7月底至8月初植被生长期多年NDVI均值直方图计算巴氏距离,以巴氏距离d>0.5为阈值,研究区被划分为7个遥感建模区;2)各分区内NDVI-草地总产草量数据拟合方程形式不同,有线性、指数、幂指数和多项式回归方程几种形式。总体来看,各分区NDVI-草地总产草量拟合相关系数在0.784~0.836。交叉检验除天山北坡西段-伊犁河谷草原畜牧业区RMSE值在2 951kg·hm-2外,其他分区RMSE值均在266~928kg·hm-2,原因在于伊犁河谷草原畜牧业区实测草地总产量在10 000~30 000kg·hm-2的样点居多,区域草地总产量较其他区域多。

黑龙江省区小兴安岭森林生态系统碳密度遥感估算

以黑龙江省区域小兴安岭地区遥感影像和130块2005年小兴安岭二类调查数据及土壤数据为基础,选择各个波段的灰度值、不同波段灰度值之间的线性和非线性波段组合、纹理信息以及非生物因子栅格化后所形成的辅助波段等为自变量,选择与碳密度相关性显著的自变量,采用郁闭度碳密度联立方程组模型,对黑龙江省区域小兴安岭森林生态系统的碳密度进行估算、精度评价。结果表明：黑龙江省区域小兴安岭的南部和中部地区,森林碳密度主要集中在200~250 t·hm-2;北部地区大部在250~300 t·hm-2。黑龙江省区域小兴安岭森林生态系统碳密度,具有从西向东、从南向北,逐步升高的趋势。模型平均拟合精度85.1%,均方根误差=31.27 t·hm-2;平均检验精度84.7%,均方根误差=33.61 t·hm-2。

基于TRMM卫星资料的渤海降水遥感估算研究

降水是全球能量平衡和水分循环中的关键要素,但海洋区域实时、准确的降水观测资料难以获取,因此,遥感卫星资料在海洋降水及全球能量和水分循环研究领域具有十分重要的应用前景。本文基于1998-2012年6个气象站点（岛屿或海岸带）的实测降水资料,评估TRMM（Tropical Rainfall Meas-uring Mission）V7版本3B42、3B43两个降水产品对渤海降水量的估算精度,在此基础上,分析并揭示渤海区域年、季和月降水量的时空特征。结果表明：在日尺度,3B42产品对渤海降水量的估算效果总体较差,而在月、年尺度,3B42、3B43产品与实测降水量比较接近,而且,3B43产品的估算精度稍高；总体上, TRMM表现出低估降水的特点,且当实测月降水量大于300 mm时,这种特征尤为显著；1998-2012年,渤海年降水量表现出明显的年际丰枯变化特征,多年均值为631.6 mm；夏季降水量占年降水总量的62.0%,7月是降水量最丰富的月份；空间上,渤海中南部降水量相对较高,而近岸区域降水量相对较低；受大气环流等因素的影响,夏季降水量重心向西北方向偏移,冬季则向东南方向偏移。