基于无人机高光谱影像的NDVI估算植被盖度精度分析

研究波段参数对NDVI估算植被生物物理参数的影响,对于提高NDVI在植被覆盖变化监测中的应用精度具有重要意义。采用无人机载Resonon Pika XC2高光谱仪获取的人工草地高光谱影像,分析红光和近红外波段位置移动与宽度变化对NDVI的影响,评估NDVI对植被盖度的敏感性和植被盖度估算精度。结果表明:波段位置固定时红光和近红外波段宽度扩展对NDVI及其敏感性影响不大,窄波段NDVI估算植被盖度的精度优于宽波段。红光和近红外波段位置向长波方向移动时对NDVI及其敏感性有不同程度的影响,随着敏感性增强NDVI抗扰动性降低,估算植被盖度的精度有所下降。窄波段NDVI的灵敏度系数及其与植被盖度线性拟合的R^(2)波动剧烈,植被盖度估算的位置稳定性较差。10 nm NDVI在不同位置处取得了较高的盖度估算精度,R^(2)最大值为0.83。4种主流卫星影像计算的宽波段NDVI对于高植被覆盖区盖度反演具有良好的适用性,但与窄波段10 nm NDVI相比其盖度反演精度仍然有一定程度的衰减。研究结果可为NDVI精确反演植被参数提供科学参考和依据。

无人机RGB影像在高寒草地狼毒入侵监测及盖度估算中的应用

有毒植物入侵对草地生态系统和生物多样性的影响日益严重,无人机遥感为毒草防治提供了快速高效的监测方法。以青藏高原危害最严重的有毒植物狼毒为研究对象,探讨基于无人机影像的高精度狼毒遥感识别及盖度估算方法。在盛花期获取典型狼毒入侵草甸的无人机RGB正射影像,结合植被指数、色彩变换和纹理滤波方法提取狼毒识别特征,通过ReliefF-VIF/Pearson二次降维筛选出6项最优特征,基于RF、SVM和ANN三种机器学习算法构建狼毒识别模型。结果表明,与原始RGB波段相比,优选特征使狼毒识别精度有效提高4%~7%。三种分类方法的分类总精度和狼毒分类精度均大于81%,基于优选特征的RF和SVM模型的分类总精度和狼毒分类精度达到91%以上,狼毒识别效果最佳。随着统计单元的增大,利用无人机RGB影像分类结果估算狼毒盖度的精度明显下降但稳定性逐渐增加,斑块尺度50~60 cm是狼毒盖度估算的最优尺度。

退化高寒草甸狼毒群落分类特征及其环境影响因子

狼毒的入侵扩散对青藏高原高寒草甸生态系统的影响和当地畜牧业健康发展的制约日益严重。基于祁连山中段典型样地的群落调查、土壤采样和高精度地形测量数据,采用双向指示种分析(TWINSPAN)、除趋势对应分析(DCA)和冗余分析(RDA)在微观尺度上探讨了退化高寒草甸狼毒群落的分类特征及其对环境因子的响应关系。结果表明:1)TWINSPAN分类将退化草甸狼毒群落划分为3种群丛类型,即Ⅰ)狼毒+紫花针茅+线叶嵩草+披针叶黄华群丛;Ⅱ)狼毒+紫花针茅+委陵菜+美丽风毛菊群丛;Ⅲ)紫花针茅+草玉梅+狼毒+早熟禾群丛。2)RDA分析显示土壤全磷、全钾含量是影响退化草甸狼毒群落分布的主要环境因子,其次是坡向。土壤养分对于狼毒群落空间格局的形成发挥着重要作用,覆盖度高的狼毒群丛对低磷、低钾的土壤环境更敏感。3)随着入侵程度加重,狼毒群丛Ⅲ、Ⅱ、Ⅰ的物种优势度发生明显更替,禾本科植物(早熟禾、紫花针茅)重要值减小(4.10、3.12、2.10),豆科植物(异叶米口袋、花苜蓿)重要值先增后减(0.28、0.57、0.25),莎草科植物(线叶嵩草、矮生嵩草)重要值增加(0.23、1.18、2.19)、毒杂草(狼毒、草玉梅、披针叶黄华、乳白香青、青海刺参等)重要值明显上升(6.10、5.14、10.08),群落Ⅰ和Ⅱ中狼毒替代紫花针茅成为最重要的建群种,狼毒覆盖度呈规律地梯度增加(5.5%、11.0%、29.7%)。本研究反映了狼毒型退化草甸逆向演替过程中的群落构成和环境因子变化特征,可为草地资源管理、退化草甸修复及狼毒综合治理提供参考和依据。

退化高寒草甸主要物种花与叶片的光谱识别方法

近年来,青藏高原高寒草甸呈现不同程度的退化趋势,研究草地植物光谱特征识别方法对退化草甸遥感调查与监测具有重要意义。该文基于青海省祁连县青阳沟典型区主要植物花和叶片的实测光谱,综合采用Kruskal-Wallis检验、分类与回归树算法CART和J-M距离算法提取退化高寒草甸主要物种花和叶片的最优光谱识别波段,分析层次降维方法在草地植被遥感中的应用潜力。得到以下结论:①研究区退化草甸主要物种花与叶片的反射光谱在380~1300 nm波段存在明显差异,在1300~2500 nm波段反射光谱变化趋于一致。②Kruskal-Wallis和Dunn事后检验、CART算法和J-M光谱距离3个层次的光谱降维效率分别为66.0%、33.1%和77.3%,总体降维效率达到94.8%,能够有效提取退化草甸主要物种花与叶片光谱识别的最优敏感波段。③退化草甸主要物种花与叶片之间均具有一定的光谱可分性。其中,白花-黄花、白花-绿叶、黄花-紫花3个类对具有最佳的光谱可分性,J-M距离值>1.9;白花-紫花、黄花-绿叶、紫花-绿叶3个类对具有一定的光谱可分性和潜在的应用价值,J-M距离值在1.0~1.9之间。花与叶片之间的光谱识别特征波长与色素的敏感波段密切相关,该研究可为草地植被遥感分类提供优化的波段参考依据。