不同机器学习算法在草原草地生物量估算上的适应性研究

准确估算草地地上生物量(Aboveground biomass,AGB)对于科学调整草畜关系、保护生态环境和实现草地资源的可持续发展具有重要意义。本文以锡林郭勒盟不同草地类型为研究对象,基于遥感数据、气象数据和数字高程模型数据,利用支持向量机(Support vector machines,SVM)、BP神经网络(BP neural networks,BP)和随机森林(Random forest,RF)三种机器学习算法建立AGB估算模型,评估三种机器学习算法模型估算AGB的潜力。精度验证结果表明,在研究区内不区分草地类型整体建立估算模型时RF算法的回归精度最高(R=0.88,RMSE=0.10,MSE=0.01,MAE=0.07)。SVM算法建立的模型在草甸草原和荒漠草原回归精度较高,而RF算法回归能力在典型草原具有相对优势。不同特征变量对估算AGB的贡献分析结果表明,植被覆盖度(Fractional vegetation cover,FVC)、归一化植被指数(Normalized difference vegetation Index,NDVI)、增强植被指数(Enhanced vegetation index,EVI)和降水量(Precipitation,PRCP)四个变量对AGB估算结果的影响较大。本文研究结果为干旱/半干旱区草地地上生物量估算精度的提高和方法的选择提供科学建议。

黄河上游宁蒙大型灌区生态系统水分利用效率变化及其影响因素

水分利用效率(WUE)是评估生态系统植被固碳量与水消耗关系的关键指标。宁蒙灌区位于黄河上游的西北干旱区,主要依赖黄河水灌溉,研究该灌区WUE变化及其影响因素,对提升水分利用效率具有重要意义。文中利用遥感、气象和植被等多源数据,分析了1989-2018年宁蒙灌区土地覆盖变化,并估算了灌区生态系统三种水分利用效率WUEG(总初级生产力(GPP)/蒸散发(ET))、WUEN(净初级生产力(NPP)/ET)和IWUE(GPP与饱和水汽压差(VPD)的乘积/ET),采用微分方程量化分析等方法,研究了WUE变化特征、差异及其受控因子和影响因素。结果表明:近30年宁蒙灌区荒漠面积减少了75.73%,不透水层面积则增加了239.80%,农田和草地互有转化,但总体上农田面积增加了21.39%而草地面积减少了18.14%;宁蒙灌区WUE的多年均值中较大值出现在灌区中心,灌区边缘WUE多年均值较小;农田和草地WUE在年际尺度上呈增加趋势,空间尺度上也呈显著上升趋势;WUEG受GPP控制区域及WUEN受NPP控制区域远大于两者受ET控制区域,而IWUE受GPP*VPD和ET控制区域面积较为接近;土壤含水量与WUE显著正相关,且WUE对土壤含水量的敏感性最强,温度与WUE显著负相关,VPD与不同类型WUE的相关性在农田和草地上表现不同。