为了提高无人机遥感对冬小麦叶面积指数(leaf area index,LAI)反演模型的精度与泛化能力,该研究利用无人机搭载多光谱相机获取不同氮素处理和不同复种方式的冬小麦生长实测数据,结合PROSAIL辐射传输模型生成包含机理信息的模拟数据,基...为了提高无人机遥感对冬小麦叶面积指数(leaf area index,LAI)反演模型的精度与泛化能力,该研究利用无人机搭载多光谱相机获取不同氮素处理和不同复种方式的冬小麦生长实测数据,结合PROSAIL辐射传输模型生成包含机理信息的模拟数据,基于不同组合方式建立了5种LAI反演混合数据集,结合多种机器学习方法,以期构建经验与机理相结合的LAI高精度反演模型。由于LAI反演受近红外波段(near infrared,NIR)反射率影响大,该研究筛选7种与NIR波段相关的植被指数提取冬小麦光谱特征,构建与混合数据集LAI的相关系数矩阵,进一步探究不同光谱特征对冬小麦LAI的影响程度。在此基础上,采用具有代表性和普适性的4种机器学习方法,即贝叶斯岭回归模型、线性回归模型、弹性网络模型和支持向量回归模型,构建不同冬小麦LAI反演模型,用以评估基于半经验半机理数据反演冬小麦LAI的可行性,进一步探索其对不同氮素水平和复种方式的冬小麦长势评估能力。结果表明:1)筛选的与NIR波段相关的植被指数与冬小麦LAI之间存在较强的相关性,其中归一化差异植被指数、增强植被指数、归一化差异红边指数、比值植被指数、红边叶绿素植被指数、土壤调节植被指数与LAI呈正相关,结构不敏感色素植被指数与LAI呈负相关;2)辐射传输模型中体现了冬小麦LAI影响太阳光线传播的机理,结果表明,与实测数据混合建立的模型,具有较强的鲁棒性和泛化能力。相比于其他3种模型,支持向量回归模型在各种数据组合下均取得了较好的LAI预测性能,在C1、C2、C3、C4这4种训练-测试组合的训练集中R^(2)依次为0.86、0.87、0.88、0.91,RMSE依次为0.47、0.45、0.45、0.41;在测试集的R^(2)依次为0.85、0.19、0.89、0.87,RMSE依次为0.45、1.31、0.49、0.50;3)使用支持向量机生成试验区LAI反演图,对4种氮素水平和2种复种方式的冬小麦长势评估,结果表明,适当的施加氮素处理能提高冬小麦LAI值,麦-豆复种方式下的冬小麦LAI值普遍高于麦-玉复种的LAI值。该研究为冬小麦LAI的反演提供了一种有效的方法,并为高效评估冬小麦长势研究提供了参考。展开更多
生态过程模型已经被广泛用于模拟总初级生产力(Gross Primary Productivity,GPP)和蒸散发(Evapotranspiration,ET)。本研究使用BEPS(Biosphere-atmosphere Exchange Process Simulator)模型两个不同时间尺度的版本,即日步长(BEPS-Daily...生态过程模型已经被广泛用于模拟总初级生产力(Gross Primary Productivity,GPP)和蒸散发(Evapotranspiration,ET)。本研究使用BEPS(Biosphere-atmosphere Exchange Process Simulator)模型两个不同时间尺度的版本,即日步长(BEPS-Daily)和小时步长(BEPS-Hourly),比较两种模型模拟结果的差异,并分析误差来源。结果表明:1)叶面积指数(Leaf Area Index,LAI)是驱动陆地生态系统模型的重要植被结构参数。BEPS-Daily模拟的阳叶LAI会大于BEPS-Hourly,而模拟的阴叶LAI会更小;2)植被的气孔控制着CO 2和水汽的交换,气孔导度表征气孔对环境因子的响应程度。BEPS-Daily计算的气孔导度对环境因子的敏感度高于BEPS-Hourly。因此,当受到辐射、气温以及土壤水分等环境因子的限制时,BEPS-Daily模型计算得到的气孔导度会出现低估的情况,这会导致BEPS-Daily模拟的GPP和蒸腾也出现了低估的模拟值;3)总体来说,两模型的模拟精度差别不大,BEPS-Hourly的模拟精度略高,而BEPS-Daily则具备更高的运算效率,因此,在应用中可根据实际需求选择模型。展开更多
Vapor pressure deficit(VPD)plays a crucial role in determining plant physiological functions and exerts a substantial influence on vegetation,second only to carbon dioxide(CO_(2)).As a robust indicator of atmospheric ...Vapor pressure deficit(VPD)plays a crucial role in determining plant physiological functions and exerts a substantial influence on vegetation,second only to carbon dioxide(CO_(2)).As a robust indicator of atmospheric water demand,VPD has implications for global water resources,and its significance extends to the structure and functioning of ecosystems.However,the influence of VPD on vegetation growth under climate change remains unclear in China.This study employed empirical equations to estimate the VPD in China from 2000 to 2020 based on meteorological reanalysis data of the Climatic Research Unit(CRU)Time-Series version 4.06(TS4.06)and European Centre for Medium-Range Weather Forecasts(ECMWF)Reanalysis 5(ERA-5).Vegetation growth status was characterized using three vegetation indices,namely gross primary productivity(GPP),leaf area index(LAI),and near-infrared reflectance of vegetation(NIRv).The spatiotemporal dynamics of VPD and vegetation indices were analyzed using the Theil-Sen median trend analysis and Mann-Kendall test.Furthermore,the influence of VPD on vegetation growth and its relative contribution were assessed using a multiple linear regression model.The results indicated an overall negative correlation between VPD and vegetation indices.Three VPD intervals for the correlations between VPD and vegetation indices were identified:a significant positive correlation at VPD below 4.820 hPa,a significant negative correlation at VPD within 4.820–9.000 hPa,and a notable weakening of negative correlation at VPD above 9.000 hPa.VPD exhibited a pronounced negative impact on vegetation growth,surpassing those of temperature,precipitation,and solar radiation in absolute magnitude.CO_(2) contributed most positively to vegetation growth,with VPD offsetting approximately 30.00%of the positive effect of CO_(2).As the rise of VPD decelerated,its relative contribution to vegetation growth diminished.Additionally,the intensification of spatial variations in temperature and precipitation accentuated the spatial heterogeneity in the impact of VPD on vegetation growth in China.This research provides a theoretical foundation for addressing climate change in China,especially regarding the challenges posed by increasing VPD.展开更多
【目的】研究融合无人机遥感影像多光谱信息和纹理特征估算马铃薯Solanum tuberosum叶面积指数(Leaf area index,LAI)方法,提高马铃薯LAI反演精度。【方法】利用大疆P4M无人机采集2021年2-4月南方冬种马铃薯幼苗期、现蕾期、块茎膨大期...【目的】研究融合无人机遥感影像多光谱信息和纹理特征估算马铃薯Solanum tuberosum叶面积指数(Leaf area index,LAI)方法,提高马铃薯LAI反演精度。【方法】利用大疆P4M无人机采集2021年2-4月南方冬种马铃薯幼苗期、现蕾期、块茎膨大期多光谱影像,用LAI-2000冠层分析仪实测LAI数据。提取影像光谱、纹理等信息,分析植被指数、纹理特征与LAI的相关性,基于R^(2)_(adj)的全子集分析优选特征变量。采用主成分分析,融合光谱和纹理特征,用PCA-MLR(Principal component analysis-multiple linear regression)模型估算马铃薯LAI。【结果】从幼苗期到块茎膨大期,PCA-MLR估算模型优于T-MLR(Texture multiple linear regression)和VIMLR(Vegetation index multiple linear regression)模型,R2分别为0.73、0.59和0.66。【结论】本研究提出一种估算马铃薯LAI的PCA-MLR方法,为马铃薯的长势监测和田间管理提供数据支持。展开更多
《巴黎协定》提出全球暖化程度在21世纪末相对工业革命前控制在2℃以内的目标。青藏高原高寒植被对全球变暖非常敏感,在2℃温升这个边界增温条件下研究高原植被对气候变化的响应关系到高原生态安全问题,有重大现实意义。本文基于CMIP5...《巴黎协定》提出全球暖化程度在21世纪末相对工业革命前控制在2℃以内的目标。青藏高原高寒植被对全球变暖非常敏感,在2℃温升这个边界增温条件下研究高原植被对气候变化的响应关系到高原生态安全问题,有重大现实意义。本文基于CMIP5多模式模拟预测结果研究了高原植被对2℃温升的响应,并探讨了高原植被对于气候因子变化的敏感性,得到主要结论如下:在全球2℃温升背景下,高原植被叶面积指数(Leaf Area Index, LAI)较历史参考期显著增加,高原变绿,其中高原中部LAI和植被碳存储增加最为显著,三江源是植被LAI增加较快的区域。增温后裸地面积迅速减少,植被覆盖率总体增加,大部分地区草地呈增加趋势,森林减少趋势变缓,说明在2℃温升期高原植被有所改善。在全球2℃温升背景下,高原植被覆盖率表现出对温度和降水率等气候因子更强的依赖性和敏感性,在增暖环境中,气温仍是影响高原植被生态系统变化的主控因子。展开更多
文摘为了提高无人机遥感对冬小麦叶面积指数(leaf area index,LAI)反演模型的精度与泛化能力,该研究利用无人机搭载多光谱相机获取不同氮素处理和不同复种方式的冬小麦生长实测数据,结合PROSAIL辐射传输模型生成包含机理信息的模拟数据,基于不同组合方式建立了5种LAI反演混合数据集,结合多种机器学习方法,以期构建经验与机理相结合的LAI高精度反演模型。由于LAI反演受近红外波段(near infrared,NIR)反射率影响大,该研究筛选7种与NIR波段相关的植被指数提取冬小麦光谱特征,构建与混合数据集LAI的相关系数矩阵,进一步探究不同光谱特征对冬小麦LAI的影响程度。在此基础上,采用具有代表性和普适性的4种机器学习方法,即贝叶斯岭回归模型、线性回归模型、弹性网络模型和支持向量回归模型,构建不同冬小麦LAI反演模型,用以评估基于半经验半机理数据反演冬小麦LAI的可行性,进一步探索其对不同氮素水平和复种方式的冬小麦长势评估能力。结果表明:1)筛选的与NIR波段相关的植被指数与冬小麦LAI之间存在较强的相关性,其中归一化差异植被指数、增强植被指数、归一化差异红边指数、比值植被指数、红边叶绿素植被指数、土壤调节植被指数与LAI呈正相关,结构不敏感色素植被指数与LAI呈负相关;2)辐射传输模型中体现了冬小麦LAI影响太阳光线传播的机理,结果表明,与实测数据混合建立的模型,具有较强的鲁棒性和泛化能力。相比于其他3种模型,支持向量回归模型在各种数据组合下均取得了较好的LAI预测性能,在C1、C2、C3、C4这4种训练-测试组合的训练集中R^(2)依次为0.86、0.87、0.88、0.91,RMSE依次为0.47、0.45、0.45、0.41;在测试集的R^(2)依次为0.85、0.19、0.89、0.87,RMSE依次为0.45、1.31、0.49、0.50;3)使用支持向量机生成试验区LAI反演图,对4种氮素水平和2种复种方式的冬小麦长势评估,结果表明,适当的施加氮素处理能提高冬小麦LAI值,麦-豆复种方式下的冬小麦LAI值普遍高于麦-玉复种的LAI值。该研究为冬小麦LAI的反演提供了一种有效的方法,并为高效评估冬小麦长势研究提供了参考。
文摘生态过程模型已经被广泛用于模拟总初级生产力(Gross Primary Productivity,GPP)和蒸散发(Evapotranspiration,ET)。本研究使用BEPS(Biosphere-atmosphere Exchange Process Simulator)模型两个不同时间尺度的版本,即日步长(BEPS-Daily)和小时步长(BEPS-Hourly),比较两种模型模拟结果的差异,并分析误差来源。结果表明:1)叶面积指数(Leaf Area Index,LAI)是驱动陆地生态系统模型的重要植被结构参数。BEPS-Daily模拟的阳叶LAI会大于BEPS-Hourly,而模拟的阴叶LAI会更小;2)植被的气孔控制着CO 2和水汽的交换,气孔导度表征气孔对环境因子的响应程度。BEPS-Daily计算的气孔导度对环境因子的敏感度高于BEPS-Hourly。因此,当受到辐射、气温以及土壤水分等环境因子的限制时,BEPS-Daily模型计算得到的气孔导度会出现低估的情况,这会导致BEPS-Daily模拟的GPP和蒸腾也出现了低估的模拟值;3)总体来说,两模型的模拟精度差别不大,BEPS-Hourly的模拟精度略高,而BEPS-Daily则具备更高的运算效率,因此,在应用中可根据实际需求选择模型。
文摘台风是影响我国陆地生态系统结构和功能的主要自然灾害之一,尤其对东南沿海地区植被具有明显的干扰效应。为深入了解台风对我国沿海地区植被的影响及其响应,基于MODIS增强型植被指数(Enhanced Vegetation Index,EVI)和叶面积指数(Leaf Area Index,LAI),分析了2001—2019年间不同等级的台风对植被EVI和LAI的影响,评估台风登陆时植被的抵抗力及台风过后植被的恢复力。结果表明:(1)2001—2019年间,共有70个台风登陆我国东南沿海地区,其中,台风(TY)、强台风(STY)与超强台风(SuperTY)的数量分别为35、26和9个。我国台湾省的台风登陆次数最多,为26个,其次为广东省(20个);(2)在整个研究区范围内,台风(TY)、强台风(STY)与超强台风(SuperTY)登陆后的EVI净变化率分别为4.88%、-7.48%、-1.85%,LAI净变化率分别为22.28%、-65.70%、-17.60%;(3)在经历台风干扰后,沿海地区大部分植被可在3个月之内得到恢复,其中浙江省与广东省植被的恢复时间较长,海南省与台湾省植被的恢复时间较短。研究结果对我国沿海地区森林经营管理和生态环境保护具有重要意义。
基金This research was supported by the National Natural Science Foundation of China(42161058).
文摘Vapor pressure deficit(VPD)plays a crucial role in determining plant physiological functions and exerts a substantial influence on vegetation,second only to carbon dioxide(CO_(2)).As a robust indicator of atmospheric water demand,VPD has implications for global water resources,and its significance extends to the structure and functioning of ecosystems.However,the influence of VPD on vegetation growth under climate change remains unclear in China.This study employed empirical equations to estimate the VPD in China from 2000 to 2020 based on meteorological reanalysis data of the Climatic Research Unit(CRU)Time-Series version 4.06(TS4.06)and European Centre for Medium-Range Weather Forecasts(ECMWF)Reanalysis 5(ERA-5).Vegetation growth status was characterized using three vegetation indices,namely gross primary productivity(GPP),leaf area index(LAI),and near-infrared reflectance of vegetation(NIRv).The spatiotemporal dynamics of VPD and vegetation indices were analyzed using the Theil-Sen median trend analysis and Mann-Kendall test.Furthermore,the influence of VPD on vegetation growth and its relative contribution were assessed using a multiple linear regression model.The results indicated an overall negative correlation between VPD and vegetation indices.Three VPD intervals for the correlations between VPD and vegetation indices were identified:a significant positive correlation at VPD below 4.820 hPa,a significant negative correlation at VPD within 4.820–9.000 hPa,and a notable weakening of negative correlation at VPD above 9.000 hPa.VPD exhibited a pronounced negative impact on vegetation growth,surpassing those of temperature,precipitation,and solar radiation in absolute magnitude.CO_(2) contributed most positively to vegetation growth,with VPD offsetting approximately 30.00%of the positive effect of CO_(2).As the rise of VPD decelerated,its relative contribution to vegetation growth diminished.Additionally,the intensification of spatial variations in temperature and precipitation accentuated the spatial heterogeneity in the impact of VPD on vegetation growth in China.This research provides a theoretical foundation for addressing climate change in China,especially regarding the challenges posed by increasing VPD.
文摘【目的】研究融合无人机遥感影像多光谱信息和纹理特征估算马铃薯Solanum tuberosum叶面积指数(Leaf area index,LAI)方法,提高马铃薯LAI反演精度。【方法】利用大疆P4M无人机采集2021年2-4月南方冬种马铃薯幼苗期、现蕾期、块茎膨大期多光谱影像,用LAI-2000冠层分析仪实测LAI数据。提取影像光谱、纹理等信息,分析植被指数、纹理特征与LAI的相关性,基于R^(2)_(adj)的全子集分析优选特征变量。采用主成分分析,融合光谱和纹理特征,用PCA-MLR(Principal component analysis-multiple linear regression)模型估算马铃薯LAI。【结果】从幼苗期到块茎膨大期,PCA-MLR估算模型优于T-MLR(Texture multiple linear regression)和VIMLR(Vegetation index multiple linear regression)模型,R2分别为0.73、0.59和0.66。【结论】本研究提出一种估算马铃薯LAI的PCA-MLR方法,为马铃薯的长势监测和田间管理提供数据支持。
文摘《巴黎协定》提出全球暖化程度在21世纪末相对工业革命前控制在2℃以内的目标。青藏高原高寒植被对全球变暖非常敏感,在2℃温升这个边界增温条件下研究高原植被对气候变化的响应关系到高原生态安全问题,有重大现实意义。本文基于CMIP5多模式模拟预测结果研究了高原植被对2℃温升的响应,并探讨了高原植被对于气候因子变化的敏感性,得到主要结论如下:在全球2℃温升背景下,高原植被叶面积指数(Leaf Area Index, LAI)较历史参考期显著增加,高原变绿,其中高原中部LAI和植被碳存储增加最为显著,三江源是植被LAI增加较快的区域。增温后裸地面积迅速减少,植被覆盖率总体增加,大部分地区草地呈增加趋势,森林减少趋势变缓,说明在2℃温升期高原植被有所改善。在全球2℃温升背景下,高原植被覆盖率表现出对温度和降水率等气候因子更强的依赖性和敏感性,在增暖环境中,气温仍是影响高原植被生态系统变化的主控因子。