基于遥感数据和机器学习算法的草地地上生物量估算研究

草地生态系统作为自然生态系统的重要组成部分,为畜牧经济发展提供了重要的牧草资源,对调节气候变化和维持生态系统平衡等起着非常重要的作用。草地地上生物量(aboveground biomass,AGB)是草地植被生理状态的重要指标,它的大小体现着草地初级生产力水平,是衡量草地生态系统中能量循环和物质流动的重要指标,在陆地生态系统的碳循环中起着重要的作用。近几十年来,伴随畜牧业经济快速发展和全球气候变暖,草地生态系统的稳定性降低,生态环境发生退化,草地地上生物量和固碳能力势必受到影响。大尺度、动态化、高精度的草地地上生物量监测对草地碳储量核算和畜牧业可持续发展具有重要意义,而遥感技术凭借高时空探测能力恰好为其提供了解决思路。机器学习算法凭借其优越性、高效性、稳健和精确性已被广泛应用于各个研究领域,使用机器学习算法快速、准确、大范围监测草地地上生物量是目前的研究热点。因此,构建准确的草地地上生物量估算模型,精确估算草地地上生物量及分析其空间分布特征能够有效地衡量草地生态系统的稳定性和维持草地生态资源的可持续发展利用,为该区域草地资源的可持续利用和科学管理提供依据,对该地区的生态安全保护和畜牧业可持续发展具有重要意义。本研究以青海省兴海县草地为研究区,基于野外实测的草地地上生物量数据,结合高空间分辨率的遥感数据、气候数据、地形数据和土壤数据等,利用随机森林(random forest,RF)和极端梯度提升决策树(extreme gradient boosting,XGBoost)方法构建兴海县草地地上生物量估算模型,采用决定系数R^(2)和均方根误差(Root Mean Square Error,RMSE)两个精度验证指标评价两种草地地上生物量估算模型的精度,实现草地地上生物量高精度模拟和制图,并分析其空间分布格局特征。结果表明:基于XGBoost模型的草地地上生物量估算精度(R^(2)=0.75,RMSE=44.64)高于RF的模拟精度(R^(2)=0.72,RMSE=46.36),并且XGBoost模型估算的草地地上生物量与实测的草地地上生物量值更接近。基于两种机器学习模型估算的草地地上生物量数据制作空间分布图,其空间特征与实测草地地上生物量的空间分布相似,草地地上生物量高值区位于研究区的东部,西部地区草地地上生物量值最低,但是模型模拟能更好地揭示草地地上生物量分布的空间异质性。在空间分布特征上,XGBoost模型估算的草地地上生物量空间变异细节更加详细,尤其在研究区东部。本研究基于两种机器学习算法实现草地地上生物量的高精度(30 m空间分辨率)估算和数字制图,并分析其空间分布格局,可为草地生态环境监测和草地资源可持续利用提供科学依据,对于维持生态系统平衡和预测未来气候变化对草地生态系统的影响具有十分重要的理论和实践意义。

土壤重金属含量高光谱反演

土壤重金属含量估算对于区域土壤质量评估和土壤污染修复具有重要的科学意义,也是保障粮食安全的重要支撑。为估算重庆市耕地中土壤重金属铜(Cu)、锌(Zn)、铬(Cr)、镍(Ni)、铅(Pb)的含量,探讨利用土壤光谱进行重金属含量反演的可行性,基于土壤样品的室内测试高光谱数据和重金属含量,首先进行土壤重金属统计特征和赋存关系分析,然后对原始光谱数据分别进行一阶微分(FD)、二阶微分(SD)、倒数对数(LR)及去包络线(CR)变换,分析土壤重金属含量与光谱变量之间的相关性,从而确定土壤光谱特征波段;利用偏最小二乘回归(Partial Least Square Regression,PLSR)和支持向量机(Support Vector Machine,SVM)进行重金属含量的反演建模,对建模集和验证集进行模型精度和稳定性分析;根据模型精度对比分析,确定不同重金属反演的最佳光谱变换和模型组合。结果表明,土壤重金属元素与Fe、Mn元素、土壤有机质之间存在显著正相关关系(P<0.05);土壤光谱与重金属元素间存在显著相关的波长主要包括445、530、1 002、1 414、1 913、2 218、2 320nm;PLSR建模与LR变量组合模拟结果的精度较高,但是总体上该模型对5种重金属含量的建模精度都较低,尤其对于含量比较低的Cr、Ni和Pb元素,不具备估算能力;而SVM模拟精度整体优于PLSR,且基于CR光谱变换的SVM模型对5种重金属元素的反演精度最高(r M2介于0.68—0.86之间),SVM模型更加具有稳定性。土壤光谱可为本研究区土壤重金属含量估算提供重要手段,也可为西南地区土壤重金属含量监测及土壤环境评价提供参考。

复杂地形下直升机目视航图的GIS实现研究综述

随着我国经济发展水平的提高和低空空域的改革推进,低空飞行尤其直升机应急救援在应急救援体系中扮演极其重要的角色。地理信息系统(GIS)作为具有强大的空间分析与数据处理功能的平台,已被广泛应用于应急救援这一领域中。该文通过直升机目视航图制作和应用相关研究的文献阅读,总结目视航图的GIS实现方法和关键因素,并针对性地分析复杂地形下直升机数字化目视航图的GIS制作和应用,认为最优路径航迹规划和自动导航是提高复杂地形下直升机应急救援能力的重要保障。

土壤有机碳含量高光谱建模研究——以青藏高原三江源区为例

土壤有机碳(SOC)是陆地生态系统碳循环的重要组成部分,也是评价区域土壤质量、土地退化程度和作物产量的重要指标。高寒生态系统土壤有机碳含量估算,对于高寒地区土壤碳库核算和土壤质量评价等都具有重要意义。本研究以青藏高原三江源区作为研究区,基于野外采集的272个土壤样本的SOC和土壤光谱室内测试数据,首先对原始光谱数据进行一阶微分(FD)、二阶微分(SD)、倒数对数(RL)、去包络线(CR)和多元散射校正(MSC)等多种数学变换;然后基于8种光谱变换数据与SOC含量的相关性分析提取特征波段,利用多元线性回归(MLR)、偏最小二乘回归(PLSR)、支持向量机(SVM)和随机森林(RF)4种方法,分别构建SOC含量的高光谱反演模型;对各种模型的模拟精度和稳定性进行评价,明确SOC含量反演的最佳光谱变换和模型组合模式。结果表明:三江源区SOC含量较高,且不同植被类型和不同土壤类型的SOC含量差异较大;总体上,单一数学变换形式中基于一阶微分(FD)变换构建的反演模型的模拟精度最高(尤其是FD-RF组合模型,其验证集R^(2)=0.86,RMSE=8.40,RPD=2.64);多种数学变换组合相较于单一的数学变换,其模拟精度得到进一步提高(如CRFD-RF组合,R^(2)=0.87,RMSE=8.03,RPD=2.76);4种模拟模型中,随机森林总体模拟精度最高,并且CRFD-RF组合模型的模拟精度最高,MSCFD-RF次之。本研究可为利用高光谱遥感进行高寒地区土壤有机碳含量反演和动态监测提供理论依据。