基于无人机高光谱数据的小麦生物量估测

高光谱因其通道多、数据量大、信息丰富等特点,在小麦农学参数估测方面被广泛应用。对小麦生物量和植被指数进行相关性分析,结果表明17种植被指数中在拔节期、孕穗期和全生育期与生物量达到显著相关水平的植被指数各有16种;拔节期DVI和RDVI指数相关性最高,r均为0.784;孕穗期GNDVI指数相关性最高,r为0.766;全生育期WI指数相关性最高,r为-0.799;与开花期生物量达到显著相关的植被指数有8种,WBI指数相关性最高,r为-0.642。分别利用各时期与生物量达到显著相关的植被指数构建生物量PLSR估测模型,模型的验证R2和建模R2均是全生育期最高,分别为0.85和0.93,其次是孕穗期、拔节期、开花期。建模RMSE最低的是孕穗期,为461.74 kg/hm^(2),验证RMSE最低的是拔节期为354.92 kg/hm^(2)。建模和验证R2提升最大的是全生育期,提升了0.11;RMSE下降最多的同样是全生育期,下降了298.93 kg/hm^(2)。总体来看,利用全生育期数据构建生物量估测模型精度最优。该研究所构建的小麦生物量预测模型可为田间作物长势监测以及农业管理决策提供有效参考。

塔里木河下游柽柳灌丛地上生物量估测

根据划分的柽柳灌丛大、中、小等级,在塔里木河下游英苏至喀尔达依区段进行地表采样、称重,采用统计相关法对柽柳年龄及地径关系进行分析,构建柽柳直立枝与单丛地上生物量估测模型,对模型精度进行检验,筛选最佳模型,并对模型估测值与实测值进行卡方检验。结果表明:(1)输水后柽柳新萌直立枝地径随年龄增加而增大,但输水前柽柳萌生直立枝的地径随年龄增加未呈现规律性变化。在地下水条件非一致性的干旱荒漠区,柽柳地径大小不能作为判断其年龄的依据。(2)根据柽柳标准枝和灌丛因子实测数据,用一元线性函数、幂函数、指数函数、对数函数4种函数进行柽柳直立枝生物量估测模型拟合结果表明,幂函数w=2.007(d2 h)0.837估测模型最优,其总体估测精度达89.92%。(3)以冠幅面积单变量、冠幅周长与丛高双变量构建的柽柳单丛生物量估测模型的精度分别为78.95%和80.09%。(4)以全收获法实测数据为真值对估测模型进行精度检验,柽柳冠幅面积为自变量模型的估测精度为80.54%,柽柳冠幅周长和丛高估测模型的精度为66.85%。(5)对柽柳单株及单丛生物量模型估测值与实测值进行卡方检验结果表明两者之间无显著差异。研究认为,由于柽柳冠幅在高分辨遥感数据上容易获取,柽柳冠幅面积估测模型在传统生物量估测和遥感生物量估测都具有实用价值。

生物量估测模型中遥感信息与植被光合参数的关系研究

本文通过对建立估测植被生物量遥感模型中所涉及的遥感信息参数与植被光合参数的关系分析，从理论和实验中阐明了反映植物长势的归一化植被指数（ＮＤＶＩ）和反映植物光合面积的叶面积指数（ＬＡＩ）、光合有效辐射（ＰＡＲ）及吸收光合有效辐射（ＡＰＡＲ）的相互关系，对在实际中建立更为机理的生物量遥感模型提供可供进一步参考的依据。

封育条件下草地光谱反射特征及地上生物量估测

2005年7月至2006年4月，对云南省马龙县封育草地和过牧草地的光谱反射率、草层高度、覆盖度和地上生物量进行了测定，分析了归一化植被指数（NDVI）及比值植被指数（RVI）与地上生物量之间的相关性。结果表明：过牧草地封育1年之后，其草层高度、覆盖度和地上生物量显著增加，光谱反射特征也相应地发生明显变化。450～850nm范围内，两种草地不同季相条件下在各波段的光谱反射率差异均达到极显著水平（P〈0．01），覆盖度及季节变化对近红外波段的影响明显大于可见光波段。旺盛生长期（7月）和枯黄期（11月），封育草地具有植被反射型特征，而自由放牧草地表现为植被一土壤型；返青期（4月）两种草地均表现为土壤型。过牧草地地上生物量与两种植被指数之间无显著相关性。封育草地地上生物量与NDVI，RVI之间存在显著的（P〈0．05）非线性相关，旺盛生长期和返青期NDVI与地上生物量的相关性强于RVI，枯黄期RVI与地上生物量相关性强于NDVI。

生物量估测中的遥感技术

论述了森林生物量的概念和发展历史,介绍了常规森林生物量的估算方法,并进一步较为详尽地分析了广泛应用于生物量估算的遥感模型以及它们的影响因素。最后对应用遥感技术估测森林生物量的发展趋势作了论述。

基于IFOA-LSSVM算法的机载LiDAR森林生物量估测

利用LiDAR数据的三维结构信息,提取样地级点云变量并进行优化,通过与获取的地面调查数据相结合,构建基于果蝇算法优化最小二乘支持向量机的生物量估测模型。利用反向学习初始化、三维搜索与自适应更新步长改进果蝇优化算法;将该算法优化最小二乘支持向量机LSSVM参数(σ,γ);建立基于IFOA-LSSVM的森林生物量估测模型。IFOA-LSSVM模型估测生物量的均方根误差值只有67.2195 t/ha。崖柏型、铁杉型、云杉型IFOA-LSSVM模型估测生物量的均方根误差值分别为55.2787 t/ha、63.6967 t/ha、36.0813 t/ha;估测值与实测值的相关系数平方为96.68%、93.71%、91.28%。基于IFOA-LSSVM模型的生物量估测误差和拟合程度均优于FOA-LSSVM。IFOA-LSSVM估测模型具有泛化能力强、收敛速度快、寻优精度高的特点。

基于无人机冠层高光谱的滴灌棉田地上部生物量估测

为了快速获取棉花长势信息为棉田精准水肥管理提供决策支持,以新疆石河子滴灌棉花为研究对象,利用无人机搭载高光谱成像光谱仪采集了滴灌棉花7个生长日期的光谱信息,地面同步采集样本,共收集了176个样本,构建了30个光谱反射率模型,并筛选出了一种基于无人机冠层高光谱遥感的棉花地上部生物量高效无损监测模型。研究结果表明:滴灌棉花地上部生物量与反射率在0.01水平上显著相关,估算滴灌棉花地上部生物量的最优模型为基于连续投影算法的偏最小二乘法的光谱反射率模型,该模型的校正决定系数为0.7061,均方根误差为0.0198,验正决定系数为0.7168,均方根误差为0.0275,可作为无人机遥感快速、无损估测滴灌棉花地上部生物量的技术手段。本研究旨在为开发实时监测的多光谱仪器提供了理论支持。

我国森林生物量估测方法研究进展

在分析和研究大量国内外有关文献的基础上,介绍了森林生物量估算方法、各种估算方法的综合比较,以及各种估测方法在乔木及灌草层的实际应用,并对我国森林生物量研究中存在的不足进行了探讨,最后展望了我国森林生物量估测方法的发展趋势。

海南岛林下灌木层和草本层生物量估测方法的研究

该研究通过在海南岛建立140个不同森林类型的样地,分别调查乔木层、灌木层和草本层的生物量,使用线性函数、对数函数、多项式函数、幂函数、指数函数5种函数来研究灌木层与乔木层生物量、草本层与乔木层生物量的关系。结果表明:灌木层与乔木层生物量的最适模型为多项式模型:Y=5.4457-0.0264*X+0.00005*X*X(R2=0.437);草本层与乔木层生物量相关性较小,5种模型的相关系数均小于0.1,海南林下草本层的生物量的估算可以使用其平均数参数0.45t/hm2。

1980-2021年新疆云杉生物量估测模型及参数数据集

云杉是新疆山地森林的优势树种,精准估测新疆云杉生物量对评估新疆森林生态系统结构、功能、质量和效益具有重要作用。本研究通过构造检索式在中国知网、Web of Science、全国标准信息公共服务平台收集新疆云杉生物量估测模型的相关文献,通过文献整理并使用CiteSpace软件绘制可视化图谱,构建了新疆云杉生物量估测模型及参数数据集,生物量估测模型包括基于测树因子的生物量估测模型和基于遥感、机器学习算法的生物量估测模型。其中,基于测树因子的生物量估测模型共有13种,拟合公式101个,适用于云杉各器官、地上等部分生物量的估测;基于遥感、机器学习算法的生物量估测模型共有3种,拟合公式12个,适用于云杉林生物量的估测。本数据集可以为新疆云杉生物量估测的研究提供模型数据支持。

基于机器学习算法的森林生物量多源遥感估测

为进一步探索不同空间分辨率影像在10 m×10 m样地尺度下森林生物量估测性能及协同机器学习算法(RF、SVM、DT、GBM、k-NN、Stacking)的估测效果,利用光学遥感GF2(高分二号卫星)、sentinel 2A、Landsat 8 OLI、SUM(整合3种遥感数据源)影像及辅助变量DEM高程数据、环境因子、林分因子(森林类型、优势树种),在Boruta算法变量选择下用机器学习算法对元谋地区乔木林森林生物量(地上+地下)进行遥感估测,并比较4种影像下的估测精度。研究表明:(1)基于Boruta算法分别对3种影像及整合3种影像条件下进行变量选择,单一影像中sentinel 2A的植被指数PEIP、Landsat 8 OLI的纹理因子b2_ME_9×9、GF2的GNDVI分别为3种影像下的最高得分变量,多源融合估测森林生物量中GF2的GNDVI为最佳得分变量;(2)基于Boruta算法选择的变量构建RF、SVM、DT、GBM、k-NN算法以及对5个模型的Stacking集成算法,SUM的Stacking集成算法的估测效果最优,模型决定系数(R2)为0.73,均方根误差(RMSE)为28.46 t·hm^(-2),集成算法下的SUM的估测性能优于sentinel 2A、Landsat 8 OLI,GF2优于sentinel 2A,sentinel 2A的估测性能优于Landsat 8 OLI。研究结果说明在生物量遥感估测中高分辨率影像具有较好的估测效果,同时多源遥感协同估测、集成算法均可提高森林生物量遥感估测精度,可为森林生物量遥感估测提供参考和借鉴。

塔里木河下游胡杨(Populus euphratica)地上生物量估测

根据塔里木河下游英苏至喀尔达依区段距离河流50～300m的80个胡杨(Populus euphratica)一级枝生物量实测数据,采用数理统计方法构建胡杨一级枝和树冠生物量估测模型,在精度检验基础上筛选出最佳模型,并对其估测值与实测值进行卡方检验。结果表明:使用以胡杨一级枝条的基部直径(D)和枝条长度(L)派生因子D2 L为自变量估测生物量(Sb)的模型Sb=125.546(D2 L)0.654最优,使用以冠幅面积(A)为自变量估测树冠生物量(Sc)的模型Sc=0.016A2+2.291A+11.084最优,在离河300m内,两模型平均估测精度分别为93.75%和87.01%;在离河600～1 500m进行估测时需根据修正因子进行修正,修正后平均估测精度分别为86.04%和84.32%。根据全收获法得到的胡杨树干平均材积密度(748.43kg.m-3)和样地每木检尺数据,使用树干材积计算式和树冠生物量估测模型,计算胡杨平均标准木的树干和树冠生物量,从而得到样地胡杨地上生物量数据。这一研究将为塔里木河流域胡杨生物量的遥感估测和胡杨林碳汇功能研究提供直接依据。

毛乌素沙地沙柳生物量估测模型研究

以内蒙古鄂尔多斯毛乌素沙地优势灌从沙柳(Salix psammophila)为研究对象,利用其易测指标株高(H)和冠幅直径(D)作为变量,结合实地获取的沙柳地上生物量与地下根系生物量,进行回归分析构建沙柳生物量模型.通过综合对比分析各预测模型的判定系数(R2)、F检验和平均估算误差(AEE)等指标,筛选出沙柳最佳生物量估测模型.沙柳生物量的最优模型为:地上生物量WA=0.326(HD)1.831,地下(根系)生物量WR=0.343(HD)1.497,总生物量WT=0.72(HD)1.660.模型的建立为毛乌素沙地沙柳群落生物量的测定提供了一种简便、实用的方法.

基于幂律分布的森林燃烧生物量卫星遥感估测方法

【目的】利用长时间序列卫星遥感数据产品按森林类型建立大区域燃烧生物量估测模型,并按年生成不同森林类型的燃烧生物量,为我国年林火碳排放估测提供一种新的技术手段。【方法】采用覆盖我国陆地区域的2001—2014年MODIS火产品数据(MOD14A2),按3种森林类型分析该数据产品中的火灾辐射率(FRP)分布特性,并按森林类型构建基于幂律分布的燃烧生物量估测模型,对我国2001—2014年各年林火消耗的森林生物总量进行估测;利用对数形式的概率分布函数线性回归拟合方法求解模型幂参数m;选取每年10场左右的典型森林火灾建立回归方程,修正每年的火灾持续时间d,并以年为单位估测我国不同森林类型因燃烧消耗掉的生物量;同时,利用林火排放物计算模型结合MODIS火烧迹地数据集(MCD45A1),对估测的燃烧生物量进行对比分析。【结果】阔叶林、针叶林和灌木林的FRP数据均呈幂律分布规律,在2001—2014年14年中,林火导致全国的阔叶林年消耗总生物量在0.94~1.37 Mt之间、针叶林在0.80~1.92 Mt之间、灌木林在0.37~0.53 Mt之间。通过与林火排放物计算模型对比分析发现,这2种方法的估测结果在某些年份差异显著,甚至林火排放物计算模型估测的某些年份森林燃烧生物量超过本文研究方法估测的14年总结果。相比国家统计局公布的森林火灾发生次数和森林过火面积,本文研究方法估测的结果和年际变化更符合我国森林火灾发生规律。【结论】基于长时间序列的MODIS火产品数据表明,我国阔叶林、针叶林和灌木林燃烧释放的能量具有幂律分布特性;基于该分布特性,构建按森林类型估测全国森林因燃烧消耗的年森林生物总量模型,并估测出逐年森林因燃烧消耗的森林生物总量,通过与林火排放物计算模型估测的全国同年林火消耗掉的森林生物总量进行对比,该方法比林火排放物计算模型的估测结果更准确。

库布齐沙漠人工灌木林生物量的遥感估测模型构建

以库布齐沙漠沙柳(Salix psammophila)、柠条锦鸡儿(Caragana korshinskii)、沙棘(Hippophae rhamnoides)、杨柴(Corethrodendron fruticosum var.mongolicum)4种主要人工灌木林为研究对象,设置柠条锦鸡儿样地69块、沙棘样地53块、沙柳样地59块、杨柴样地39块,对每个样地选取1株标准株进行样品收集,计算全株生物量(含地下生物量)及样地生物量;以样地人工灌木林全株生物量为评价指标,以2017年陆地卫星8号携带的运营性陆地成像仪(Landsat 8 OLI)卫星遥感影像数据的遥感影响因素6个波段反射值(蓝光波段(B_(2))、绿光波段(B_(3))、红光波段(B_(4))、近红外波段(B_(5))、短波红外波段1(B_(6))、短波红外波段2(B_(7))),依据样地调查数据计算的植被影响因素5个植被指数(归一化植被指数(I_(V,ND))、增强型植被指数(I_(V,E))、比值植被指数(I_(V,R))、土壤调整植被指数(I_(V,SA))、修正的土壤调节植被指数(I_(V,MSA)))为影响因素,应用逐步回归法,构建库布齐沙漠4种人工灌木林生物量(W)的遥感估测模型,探索提升估测库布齐沙漠人工灌木林生物量及生态系统碳储量精度的方法。结果表明:与柠条锦鸡儿林生物量相关性较高的遥感影响因素为B_(2)波段反射值(ε_(B2))、B_(6)波段反射值(ε_(B6)),与沙棘林生物量相关性较高的遥感影响因素为I_(V,R)、I_(V,MSA),与沙柳林生物量相关性较高的遥感影响因素为I_(V,ND)、I_(V,SA),与杨柴林生物量相关性较高的遥感影响因素为B_(6)波段反射值(ε_(B6))。经相关分析,筛选出与生物量相关性较高的影响因素,应用逐步回归法,建立了柠条锦鸡儿、沙棘、沙柳、杨柴4种灌木林生物量的遥感估测模型;柠条锦鸡儿林生物量的遥感估测模型为多元线性回归方程,沙棘、沙柳和杨柴均为一元归线回性模型。柠条锦鸡儿林生物量的遥感估测最优模型为W_(NT)=4.364-0.008ε_(B2)+0.002ε_(B6),决定系数(R^(2))为0.49,预估精度为72.1%;沙棘林生物量的遥感估测最优模型为W_(SJ)=-3.368+8.027 I_(V,MSA),R^(2)为0.51,预估精度为62.5%;沙柳林生物量的遥感估测最优模型为W_(SL)=-10.803+23.853 I_(V,SA),R^(2)为0.47,预估精度为76.5%;杨柴林生物量的遥感估测最优模型为W_(YC)=1.643-0.0003ε_(B6),R^(2)为0.41,预估精度为72.2%。

基于STARFM的草地地上生物量遥感估测研究——以甘肃省夏河县桑科草原为例

遥感数据具有实时、动态、大范围等特点,在草地资源监测与管理研究中获得了广泛应用。然而,单一的遥感植被指数无法同时满足草地地上生物量观测中时空分辨率的需求。因此,本研究基于时间序列Landsat NDVI和MODIS NDVI数据,结合时空融合算法(spatial and temporal adaptive reflectance fusion model,STARFM),生成了2000-2016年高时空分辨率的植被指数数据集(NDVI_(STARFM),时间分辨率为16 d,空间分辨率为30 m,并基于2013-2016年地面实测草地地上生物量数据,构建了夏河县桑科草原高寒草地地上生物量遥感反演模型,分析了2000-2016年研究区草地地上生物量生长状况和变化趋势。结果表明:1)基于NDVI_(STARFM)的最优估测模型为乘幂模型,其R^(2)为0.58,均方根误差(root mean square error,RMSE)为795.62 kg·hm^(-2),模型的表现能力次于Landsat NDVI最优估测模型(R^(2)=0.76,RMSE=634.83 kg·hm^(-2)),而优于MODIS NDVI最优估测模型(R^(2)=0.24,RMSE=937.79 kg·hm^(-2));2)基于NDVI_(STARFM)最优估测模型对各样区草地地上生物量总产的估测精度优于MODIS NDVI而次于Landsat NDVI,总体精度达84.05%;3)2000-2016年来,夏河县研究区草地地上生物量总体呈现增加趋势,其中90%左右的区域年增量大于30 kg·hm^(-2),草地地上生物量呈现减少趋势的区域仅占2.30%。

用蓄积量估测森林生物量的初步尝试

用收获法测定林分生物量是一个极其繁重的工作。鉴于蓄积量和生物量二指标出自同一林分,而且受林龄、密度、立地和经营活动的影响基本趋于一致。因此,可用蓄积量来估测生物量。文中以杉木为例研究出了两者的回归关系式,并指出这种关系相当稳定,公式有通用性。

应用激光雷达估测森林生物量的研究进展

激光雷达相比传统被动遥感技术具有较强的穿透性,有利于森林垂直结构分布信息的获取,被广泛应用于林业研究中森林计测参数的估算。展望了激光雷达在森林生物量估测中的应用研究,主要以多源遥感数据协同估测森林生物量为研究思路,结合应用多源数据探索复杂地向条件下对森林生物量的高精度估测,以及探索不同算法对生物量估测的精度影响和相应适用条件。研究了以森林生物量估测为重,从三种不同搭载平台出发,结合相关研究总结近年来地基激光雷达、机载激光雷达、星载激光雷达三种雷达数据在生物量估测中的研究进展,旨在总结研究成果,展望未来生物量估测研究中模型构建、生物量估测研究方向及数据源的选择,并以此提出了参考性意见。

基于混合效应模型的迪庆云冷杉林地上生物量遥感估测

【目的】确定云冷杉林生物量光学遥感估测饱和值,探索提高生物量遥感估测精度。【方法】以云南省迪庆藏族自治州云冷杉林为研究对象,根据森林资源二类调查数据,结合同时期Landsat 8 OLI遥感影像,利用随机选取的小班样本数据提取遥感因子反射率统计值,并与生物量进行曲线拟合,求解云冷杉林生物量饱和值,建立云冷杉生物量回归估测模型、BP神经网络模型。同时基于回归模型构建考虑区域、龄组效应的单水平和嵌套两水平(区域+龄组)混合效应模型,反演研究区云冷杉林地上生物量。【结果】利用幂函数拟合得到迪庆藏族自治州云冷杉林生物量饱和值为233 t·hm^(-2);最优回归估测模型调整决定系数(Ra2)为0.606,高于BP神经网络模型的Ra2(0.542),各个效应水平混合模型的拟合精度与独立性检验指标均优于回归模型。考虑两水平的混合效应模型有最优的拟合精度,而考虑龄组效应水平的混合模型有最优的独立性检验指标。混合效应模型在低生物量段(<100 t·hm^(-2))和高生物量段(>233 t·hm^(-2))均显著降低了回归模型和BP神经网络模型的估测平均残差。【结论】混合效应模型有更宽的估测范围,在一定程度上减小低值高估与数据饱和造成的高值低估影响,提高了预估精度。

我国南亚热带灌丛群落特征及生物量的定量计算

以广东省11个县区的灌丛为研究对象,基于18个调查点植被群落调查方法获取的数据,分析了广东省灌丛群落的分布、结构、种群的数量特征并明确了生物量计算方法。研究结果如下:1)从区域分布来看,广东省灌丛群落分布广泛,粤北地区灌丛分布面积占广东省灌丛总面积的50%以上。2)广东省灌丛群落主要由灌木层、草本层及层间植物构成,灌木层和层间植物分层不明显。3)从群落组成来看,广东省灌丛群落植物种类组成丰富,但灌丛群落均匀性偏低,具有较高丰富度的种类仅占很少部分,其中,桃金娘Rhodomyrtus tomentosa、岗松Baeckea frutescens、檵木Loropetalum chinense、火棘Pyracantha fortuneana等在群落中占有明显的优势。4)建立了广东省7种灌木优势种的生物量估测模型,回归方程均达到统计上极显著水平(P<0.01);其中,C V(树冠投影体积)和D2H(D基径,H高度)作为自变量,是估测灌丛总生物量的最优指标。研究结果为准确估算广东省灌丛生态系统碳储量及植被保护、土地利用提供了科学依据。