基于多源遥感数据的草地生物量反演

面向青海省黄南藏族自治州河南蒙古族自治县(河南县)开展实验。基于2018年5—8月的Landsat8、GF-1、GF-4遥感数据建立时空连续性的NDVI时间序列;将NDVI时间序列与人工采样草地生物量进行时空匹配,用于构建NDVI时间序列与草地生物量的经验模型;基于地理学第一定律,将基于点拟合的经验模型推广到面,实现在稀疏地面观测样本条件下的大区域、高精度草原生物量反演。提出的方法高效地构建了时空匹配的星基NDVI与时空分布稀疏的人工草地样方生物量的时间序列对,解决了当前遥感反演方法过度依赖稀疏的地面观测采样数据的问题,提升了反演的成功率和模型的泛化能力。基于提出的方法在试验区展开实验,决定系数(R^(2))平均为0.75,优于植被指数法(R^(2)取值0.3~0.5);均方根误差(RMSE)为1.10 kg/km^(2),优于植被指数法(RMSE取值10~60 kg/km^(2))。

基于MODIS植被指数的甘南草地生物量

利用2006-2008年MODIS植被指数和同期野外调查数据,建立草地地上部分干物质产量遥感监测模型。根据七种草地类型多年平均根冠比对2006-2008年甘南草地生物量(地上+地下部分)进行了估算,比较了不同时间尺度下的模拟效果,绘制了甘南草地生物量空间分布图,分析了不同地区、海拔高度和草地类型的草地生物量特征,探讨了甘南地区草地生物量的年际变化。结果表明:2006-2008年甘南草地生物量分别为3.784×10^(13),3.527×10^(13),3.26×10^(13) g,其空间分布具有自西向东逐渐减少的趋势;在没有消除噪音的情况下,用月作为时间尺度的模拟效果较好;甘南草地生物量在3000～4000 m处的产量最高,占草地总产量的84.69%;2006-2008年甘南草地生物量呈减少趋势,年均减少速率为97.91 g/(m^2·a)。

青藏高原多年冻土区典型高寒草地生物量对气候变化的响应

多年冻土区冻土生态系统对气候变化极其敏感,利用在长江黄河源区实测的高寒草甸和高寒草原植被生物量数据以及青藏高原降水、气温以及地温等的空间分布规律,建立了长江黄河源区高寒草甸与高寒草原等主要高寒生态系统地上与地下现存生物量对气候要素变化的多元回归模型.预测分析表明:如果未来10 a气温增加0.44℃.(10a)-1,在降水量不变的情况下,高寒草甸和高寒草原地上生物量分别递减2.7%和2.4%,如果同时降水量小幅度增加8 mm.(10a)-1,则地上生物量可基本保持现状水平略有减少;在气温增加2.2℃.(10a)-1,在降水量不变的情况下,高寒草甸和高寒草原地上生物量年分别平均减少达6.8%和4.6%,如果同期降水量增加12 mm.(10a)-1,高寒草甸地上生物量可基本维持现状水平略有增加,而高寒草原地上生物量则递增5.2%.高寒草原植被地上生物量对气候增暖的响应幅度显著小于高寒草甸,而对降水增加的响应程度大于高寒草甸.明确高寒草地植被生物量随气候变化的演变趋势,对于青藏高原生态环境保护和研究气候变化对青藏高原生态系统碳循环和河源区水循环的影响具有重要意义.

天山北坡草地生物量分布特征及影响因子

以天山北坡草地为研究对象, 通过调查采样对不同类型草地的生物量水平进行估算, 揭示其空间分布特征以及生物量在地上与地下的分配规律, 并对生物量与环境因子间的关系做了探究。结果表明, 研究区各类型草地总生物量由大到小依次为温性山地草甸、温性草甸草原、高寒草甸、低地盐化草甸、温性草原、温性荒漠草原、温性草原化荒漠、温性荒漠;同一类型草地, 地上和地下生物量空间变异程度不同;不同类型草地, 低地盐化草甸的地上生物量与其他草地差异显著（P〈0.05）, 温性山地草甸与温性荒漠的地下生物量和总生物量差异均显著（P〈0.05）;各类草地根冠比为3.2～20.0;草地地上生物量与年降水量和人类利用程度具有显著相关性, 地下生物量则与年降水量、年均温、地形具有极显著相关性（P〈0.01）。

利用EOS/MODIS数据估算西藏藏北高原地表草地生物量

植被生物量作为一个重要的植被状态参数,其估算不仅对研究陆地生态系统植被生产量、碳循环、营养分配等方面具有重要意义,植被生物量的大小直接影响人类对地表植被的利用特点,而且影响其他的生物物理参量。各种不同空间分辨率、时间分辨率和波谱分辨率遥感数据的出现,使得实时监测大范围的植被生长成为可能。文中根据2004年8月至9月草地植被地面观测资料结合同期的EOS/MODIS卫星遥感数据建立了西藏藏北高原草地植被地上生物量、绿色干物质获得量与EOS/MODIS归一化植被指数(NDVI)、增强植被指数(EVI)之间的关系,并与影响草地植被空间分布的主要气候和高程要素之间的关系进行了分析。结果表明:在藏北高原NDVI较EVI能有效地估算草地地上生物量和绿色干物质获得量;藏北高原草地地上生物量与绿色干物质获得量的空间分布特征是从东南部到西北部逐渐减少,东南部部分地区每平方公顷的草地地上生物量在2000 kg以上,到西北部地区减少到200 kg以下。影响草地地上生物量空间分布的主要气候要素是降水,两者的相关系数为0.64,其次为温度,相关系数为0.44;草地植被地上生物量的空间分布与高程呈反比,即海拔越高的地段生物量越低。

鼠害对草地生物量的危害损失分析

利用中国畜牧业统计资料,结合全国草地覆盖遥感数据,采用生态能学方法,分析了2000—2010年中国草地鼠害发生的空间分布特征与变化趋势,评估了鼠害对草地生态系统生物量的危害损失。结果表明:2000—2010年,中国草地鼠害的发生面积、发生程度和造成的损失总体呈上升趋势;11年间全国由于鼠害造成草地生物量的损失年均约1.181 54×10~7 t,年份间鼠害差异大,2006年草地生物量损失最大,为2.537 23×10~7 t;区域草地鼠害损失大小排序为西南、西北、华北、东北,西藏自治区鼠害最严重,年均草地生物量损失占全国总量的38.09%。

水氮添加对内蒙古多伦县退耕还草地生物量、生产力及其分配的影响

以内蒙古多伦县退耕还草地为研究对象,调查了施肥[N10：10 g（N）·m-2·a-1]和加水（180 mm·a-1）对其植被生物量、生产力和分配方式的影响,并与围封草地作比较。结果发现：1）施肥使退耕还草地地上生物量增加近1倍;加水使退耕还草地地上生物量提高17%~37%,但未达到统计显著性;2）无论施肥还是加水都没有显著影响退耕还草地地下生物量,加水使其地下净初级生产力（BNPP）提高35%~90%;3）施肥降低了退耕还草地根冠比和地下、地上净初级生产力比（BNPP/ANPP）,而降水增加对两个指标无显著影响;4）施肥使退耕还草地禾草类植物比例增加,生物量均匀度降低;加水处理后,退耕还草地的杂类草生物量提高128%,而优势种猪毛蒿（Artemisia scoparia）和蒙古冰草（Agropyron mongolicum）的地上生物量对加水处理不敏感;5）水肥处理后,退耕还草地总生产力、根冠比和生物量远小于围封草地。表明水氮添加对退耕还草地生物量的影响主要在地上部分,且与物种组成有关。

我国草地生物量研究概述

通过对我国草地生物量研究文献的综述,基本全面系统地反映了我国草地生物量研究的历史进程,以及在各种天然及人工草地群落生物量研究中所取得的成果,并对研究方法的合理适宜性作了评述,讨论了不同草地类型、不同优势种组分、不同利用方式、不同栽培管理模式及各种环境条件对生物量的影响。

模拟降水和氮沉降增加对草地生物量影响的研究进展

研究降水和氮沉降增加对草地生态系统生物量的作用机制及其适应特征,有助于深刻理解气候变化对草地生态系统生产力和各项服务功能的影响,对草地生态系统的可持续发展具有重要意义。本文综述了模拟降水和氮沉降增加对草地植物生物量的改变及其可能的机制分析,探讨了植物对环境的适应特征,并在此基础上提出了未来气候变化条件下草地生态系统所面临的挑战和当前研究中主要存在的问题。

基于Google Earth Engine与机器学习的省级尺度零散分布草地生物量估算

大区域草地地上生物量估算对草地资源利用管理及全球碳循环研究具有重要意义。为高效快速地估算大区域零散分布草地地上生物量,本文选取安徽省为研究区,在谷歌地球云引擎(Google Earth Engine)平台的支撑下,通过机器学习方法建立Landsat8 OLI及其他辅助数据与地面实测草地地上生物量之间的联系,开展了草地零散分布地区省级尺度草地地上生物量高分辨率估算,并与传统的基于归一化植被指数(NDVI)回归模型进行了比较。研究结果表明,综合利用光谱与地形因子的机器学习方法,估算零散化分布草地地上生物量的精度可以达到65%以上,其中分类回归树(CART)模型R^2=0.57,预测精度为68.60%,支持向量机(SVM)模型R^2=0.59,预测精度为75.74%,而使用NDVI的回归分析产生的误差较大,R^2=0.37,预测精度为57.51%,因此机器学习方法相对于传统基于NDVI的回归分析具有明显优势。另外,谷歌地球云引擎平台数据来源广泛、获取方便,可以高效地实现海量影像数据的预处理及计算分析,大大提升了工作效率,与地面调查数据的结合可实现更大区域乃至全国尺度上的零散分布草地地上生物量高分辨率遥感估算。

新疆富蕴地区草地生物量与物种多样性及VOR指数的关系

为了解草地生物量对物种多样性和草地生态系统健康的影响,以2020年新疆富蕴地区草地群落为研究对象,通过计算物种多样性指数Margalef丰富度指数、Simpson优势度指数、Shannon-Wiener多样性指数和Alatalo均匀度指数)、VOR评价指数并结合草地生物量来探讨三者之间关系。结果表明:1)富蕴地区神钟山林区和沙库尔布拉克林区地上生物量存在显著差异(P<0.05),沙库尔布拉克林区和其他林区Margalef丰富度指数和Shannon-Wiener多样性指数存在显著差异(P<0.05),喀依尔特林区和沙库尔布拉克林区的Simpson优势度指数和Alatalo均匀度指数存在显著差异(P<0.05)。2)各林区VOR指数评价中沙库尔布拉克林区处于不健康水平。3)富蕴地区草地物种多样性和VOR指数随着地上生物量的增加呈现出先增大后降低的趋势,表现出典型的单峰关系,主要与草地生产力、物种间共生、竞争有关。

气候变化对青海海北地区天然草地生物量及生态环境的响应

利用海北地区近40年的气温、降水资料和近年来的天然牧草资料,分析了海北地区气温、降水变化特征及其变化对天然牧草生物量和草地生态环境的影响。结果表明:海北地区的温度增暖趋势20世纪90年代最明显,各地温度变化的倾向率均为正;降水量的递增在80年代达最高值,90年代有所回落;气象因子对草地生物量和生态环境的影响温度大于降水;降水对生态环境的影响主要表现在降水量的年际波动和年内各季节分布的差异上。

草地生物灾害防治中存在的问题及对策

以内蒙古锡林郭勒盟为例,提出了我国目前草地生物灾害(鼠、虫、病)防治中存在的主要问题及相应的对策。应加强科普宣传、草地管理、生物防治,综合治理草地鼠、虫害;加强对草原生物灾害防治技术的系统研究;加快基础设施建设步伐,尽快建立完善的、全国性的草地生物灾害监测预警体系;加大经费投入力度。

青藏高原地区物候数据集、地表覆盖种类图和青海湖环湖地区草地生物量数据集

青藏高原高山植被类型丰富、覆盖范围大,因此成为了研究高山植被空间分布和物候变化的热点区域。以MODIS地表反射率产品为主要数据源,辅以Landsat数据、气象数据、野外实测数据等补充数据,得到了高原植被物候数据集、地表覆盖种类图与青海湖环湖地区草地生物量数据集。主要研究方法和成果如下:①基于由MODIS地表反射率产品计算得到的NDVI时间序列,结合非对称高斯函数,利用阈值法提取物候参数,得到2000~2010年高原植被物候数据集,较从AVHRR GIMMS提取的物候参数具有更丰富的时空信息。②基于从样本数据中提取的植被物候和生物物理参数,利用支持向量机方法对MODIS影像实现青藏高原地区地表覆盖分类,得到2010年青藏高原地表覆盖种类图,分类精度为93%,较已出版的全国植被地图精度更高,且高山草甸与高山草原两种地类的分界线也更清晰和平滑。③基于MODIS和Landsat TM影像,利用STARFM数据融合算法及支持向量机非参数草地生物量估算模型,生成2000~2015年青海湖环湖地区草地生物量数据集,估算精度为82%。3组数据集可作为青藏高原地区植被研究的基础数据集,为相关科研工作提供参考依据。

禁牧和休牧对草地生物多样性的影响及其推进措施

通过分析放牧、禁牧和休牧对草地生物多样性的影响,针对性地提出了实施禁牧和休牧制度的推进措施,以保持草地生态的平衡。

应用生物毒素防治高原鼢鼠对草地生物量的影响

在高寒地区应用0.2%的毒饵生物毒素采用插洞投饵法进行投饵防治高原鼢鼠,防效达到80.47%;防治高原鼢鼠第二年草地地上总生物量、可食牧草、豆科牧草生物量处理组和对照组差异不显著(P>0.05);禾本科牧草、莎草科牧草生物量处理组较对照组达到显著水平(P<0.05);不可食牧草生物量处理组与对照组间达到了极显著水平(P<0.01)。

气候变化对海北州天然草地生物量及生态环境的影响

利用海北州近40a的气温、降水资料和近年来的天然牧草资料,分析了海北州气温、降水变化特征以及其变化对天然牧草生物量和草地生态环境的影响。结果表明:海北州温度增暖趋势上世纪90年代最为明显,各地温度变化的气候倾向率均为正;降水量的递增在80年代达最高值,90年代有所回落;气候变化对草地生物量和生态环境的影响温度大于降水,降水量对生态环境的影响主要表现在降水量的年际波动和年内各季节分布的差异上。

天然针茅草地生物量与营养动态的研究

天然针茅草地是形成我国中温型草原亚带的重要群系。 6年定位研究表明 ,牧草生物产量与降水、气温呈正相关 ;降水受到欧亚大气环流和西部环流指数的制约。牧草粗蛋白质、粗脂肪、钙、磷含量呈“双峰”型的季节动态 ,是由于降水影响牧草生长发育节律所致。针茅草地均属NC -A营养型 ,适宜发展皮、肉、乳。

草地生物量的研究进展

不同区域草地地上生物量和地下生物量的空间分布以及研究方法已被深入揭示.草地生物量随海拔梯度、水热条件、植被特征的变化形成不同的分布状态.草地生物量的研究方法大致分为传统研究方法(直接获取法)和新形势下的研究方法,包括遥感法、估算法、模型法.通过对上述研究方法的比较,表明了采用遥感法耦合估算法和模型法,能够更精准地确定不同区域草地地上及地下生物量的空间分布.

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。