植被净初级生产力的遥感模型在武汉地区的应用

卫星遥感成为观测和估算地面植被净初级生产力的一种极其有利的工具|其原因不仅仅在于它将人们从繁重的地面实验中解放出来|同时也因为它能够实现对大范围区域的植被净初级生产力进行实时监测。为了更加充分有效地利用卫星数据获取植被信息|我们在模式分解方法的基础上|建立了一种新的植被指数(VIPD)。根据地面实验建立的相应光合成曲线估算模型|估算武汉地区地域性植被净初级生产力（NPP）研究该地区植被生长年间变化状况。并通过和不同方法估算结果及地面调查结果进行比较|检验模型对该地区的适用情况|为该地区植被NPP长期监测研究提供可靠依据。     

植被净初级生产力的遥感模型在武汉地区的应用

卫星遥感成为观测和估算地面植被净初级生产力的一种极其有利的工具,其原因不仅仅在于它将人们从繁重的地面实验中解放出来,同时也因为它能够实现对大范围区域的植被净初级生产力进行实时监测。为了更加充分有效地利用卫星数据获取植被信息,我们在模式分解方法的基础上,建立了一种新的植被指数(VIPD)。根据地面实验建立的相应光合成曲线估算模型,估算武汉地区地域性植被净初级生产力（NPP）,研究该地区植被生长年间变化状况。并通过和不同方法估算结果及地面调查结果进行比较,检验模型对该地区的适用情况,为该地区植被NPP长期监测研究提供可靠依据。     

于桥水库蓝藻水华遥感长时序监测研究

针对水库富营养化给供水安全带来的严重威胁,利用2008~2017年Landsat时间序列卫星数据,基于归一化差值植被指数（NDVI）与实测水质参数的相关分析结果,运用阈值法动态提取了于桥水库的水华分布范围和程度。通过与自然和人为因子的协同分析,认为气温、降水和人类活动等共同驱动引发了水华爆发,其中人为干预的生态修复工程可抑制或减缓水华爆发,并有效改善水质状况。时间分辨率更高的气象因子数据和卫星遥感数据将更有助于对中小型饮用水水面蓝藻水华驱动力的分析,推动准实时遥感监测预警技术应用。     

HJ-1星北京地区植被净初级生产力估算研究

本文基于HJ-1/CCD遥感影像,以一级土地利用分类的六种地物类型为研究对象,采用面积加权平均的方法对六种分类中耕地、林地、草地的最大光能利用率进行修订,采用CASA模型对北京地区2009年NPP进行估算,结果表明北京地区NPP在7、8月份最高,且分布总趋势为北部高,南部低;西部高,东部低,估算结果与实测值比较接近,相关系数在0.8左。通过本文方法所得估算结果不但合理而且可靠。     

基于多时相遥感数据的徐州市植被净初级生产力估算及相关性分析

以遥感数据和气象数据为主要数据源,应用改进的光能利用率模型估算徐州市2006、2008和2010年3年间6月份的植被净初级生产力(Net Primary Productivity,NPP),研究了该区域6月份NPP的时空变化及其与气象因子的相关性。结果表明：时间上,受气候和环境等因素综合变化的影响,研究区域6月份NPP呈逐年下降趋势;空间上,NPP的分布表现为在林地、草地和农田相对集中的区域偏高,且不同植被类型6月份的NPP大小关系在不同年份可能不同,其中在2006和2008年为农田>草地>林地,而2010年为农田>林地>草地。通过分析与气象因子的相关性和偏相关性,限制NPP的主要气象因子不是固定不变的,其中2006和2008年,限制NPP的主要气象因子为太阳辐射,而2010年为降雨量和温度。不同植被类型下NPP与气象因子相关性和偏相关性差异反映了不同类型植被生长对光、热、水条件要求的差异。
     

稀土矿开采导致的植被净初级生产力损失遥感评估——以江西省赣州市为例

稀土矿的无序开采既造成了稀土资源的浪费,也导致了矿区及其周边生态环境的恶化。以江西省赣州市为例,建立了一套适用于稀土矿开采导致的植被净初级生产力(NPP)损失遥感评估方法,该方法充分利用了高、中、低3种分辨率遥感数据的优势,涵盖了基准参考区选择、植被受损范围界定、低分辨率植被NPP数据降尺度等关键技术环节。将该方法应用于研究区2013年的植被NPP损失评估,结果表明:1截止2013年,赣州市稀土开采造成的植被直接破坏面积为31.74km~2,间接受损面积为44.48km~2。随着距矿区的距离增大,植被间接受损面积呈指数下降(R~2=0.96,P0.01);2 2013年,赣州市稀土开采导致的植被NPP总损失量为3.87×10~(10) gC,其中直接损失占总损失的77.81%,间接损失占总损失的22.89%,说明在稀土矿开采导致的生态破坏评估中,间接受损量不容忽视。文章构建的植被NPP损失评估方法可为其他类似矿区的生态破坏评估提供解决思路,研究结果可为稀土矿区生态评估、稀土定价以及矿区的生态环境管理提供依据。     

以“胡焕庸线”为界的中国东西部净初级生产力变化分析

推动区域均衡协调与可持续发展是我国的重大战略之一,植被净初级生产力（NPP）对生态环境是否可持续发展起着重要作用。以“胡焕庸线”为界把我国分为东、西部,从像元尺度和县级行政单元研究分析我国NPP、人口以及人均NPP时空变化,尤其是东、西部的区域差异。结果表明：我国人口增长较快,从1982年的10.05亿增长到2017年的13.95亿,以“胡焕庸线”为界的西部占比由5.91%增长到6.42%;我国NPP整体呈现增长的趋势,总量由1982年的2.69 Pg C增长到2015年的3.24 Pg C,增长率为16.60 Tg C/a,其中东部增长率12.30 Tg C/a是西部（4.30 Tg C/a）的近3倍;西部人均NPP远大于东部与全国,1982、2000、2010、2017年西部与全国人均NPP持续处于下降的状态,但下降速率略有放缓,东部人均NPP则在2017年首次出现增长。据此可知我国整体生态环境处于恢复的状态,但不同区域之间差异较大,因此在相关政策制定方面应该充分考虑区域差异性,以实现我国生态环境的区域协调发展。     

中亚地区植被净初级生产力时空动态及其与气候因子关系

植被净初级生产力(Net Primary Productivity,NPP)及其对气候变化的响应是全球变化的核心研究内容之一,研究中亚地区NPP的时空格局变化对理解植被—环境的作用机理以及应对全球变化具有重要的意义。基于MOD17A3数据集、气象数据结合GIS分析方法研究中亚地区2000~2014年的植被NPP时空动态特征及其与气候因子的关系。结果表明：①中亚地区空间上NPP的变化范围在0~874 gC/m²·a之间,平均值为151.90 gC/m²·a,NPP年总量平均值为482.41TgC (1 Tg=10¹² g),NPP平均值与总量均呈现出下降趋势;②中亚地区NPP的高值区主要分布在高纬度地区和东南部高山地区,中部和南部荒漠区则为NPP的低值区;③中亚地区2000~2014年间NPP在空间上总体呈现下降趋势,达到显著下降的区域总体面积的39.89%。NPP呈下降趋势的区域主要集中在哈萨克斯坦的大部分区域,不同分区内以典型草原区最为显著;④中亚地区NPP受降水量的影响作用高于气温,荒漠草原区、典型草原区以及荒漠区主要受到降水量的控制,高山草甸区与高山林地区则受到降水和气温的共同作用。     

路域植被叶面积指数变化遥感监测

基于辐射传输模型PROSAIL,以多时相TM影像为数据源,定量反演高等级公路两侧植被的叶面积指数,并以叶面积指数变化对路域植被生长状况进行了动态监测.试验区研究结果表明:随着高速公路的开通运营,路域两侧植被的叶面积指数总体呈下降趋势,植被生长状况整体变差.研究结果为指导路域植被的生态恢复与保护提供了可靠的基础资料.     

2001年～2010年重庆地区植被NPP时空变化特征及其与气候因子的关系

以2001年～2010年MOD17A3的年均NPP数据为基础,利用GIS技术定量分析了重庆地区植被NPP的时空变化特征及与气候因子的相关性,结果表明:2001年～2010年重庆地区植被NPP整体呈微弱上升趋势,植被覆盖略有增加,且总体分布呈现从南到北递减的趋势;重庆地区植被NPP增加幅度由南到北递减且整体变化幅度较小,仅部分区县变化幅度较大.不同的植被类型的NPP存在差异,其NPP大小顺序为:常绿阔叶林＞草地＞农田植被＞混生林＞常绿针叶林＞落叶阔叶林＞落叶针叶林＞灌丛.就气候因子与植被NPP的相关性而言,NPP与气温的相关性不明显,NPP与降水的相关显著性存在空间差异.     

祁连山区植被净初级生产力的空间变化特征分析

基于MODIS数据分析了2000~2010年祁连山区植被净初级生产力(Net Primary Productivity,NPP)的空间变化特征。结果显示:祁连山区植被NPP并不高,多年平均植被NPP仅为121.95gC/(m2·a),自东向西植被NPP逐渐减少。不同植被类型其NPP具有明显差异,大体上为:常绿阔叶林平原草地常绿针叶林典型草地农田高寒草甸草地荒漠草地落叶针叶林。祁连山区植被NPP变化在区域间也存在差异。植被NPP呈增长趋势的地区主要分布在青海年南山、拉脊山、达坂山和青海湖及其西侧,约占47.30%;乌鞘岭东部及以东的地区(约占1.97%)植被NPP呈减少趋势。降水是祁连山区植被NPP变化的主要因素,气温对植被NPP的影响并不明显,不合理的人类活动可能是造成部分区域植被NPP减少的重要原因。     

植被水分遥感监测研究综述

植被水的监测对于森林火险预警、农业旱情评估、农作物生长监测都有着重要作用.本文通过跟踪国内外在这一领域所取得的主要成果,简要介绍基于叶绿素和植被状态的遥感监测模型、直接反演植被水法和微波遥感方法,并分析了这些方法的优缺点及适用情况.     

基于高时空分辨率融合影像的红树林总初级生产力遥感估算

红树林是热带与亚热带地区潮间带具备高植被生产力和高储碳量的滨海湿地植被类型,在维系全球碳平衡过程中扮演着重要的角色。目前通量站点尺度的红树林生产力研究已取得了一定的进展,然而由于受到遥感影像时空分辨率和红树林斑块分布的限制,区域尺度红树林总初级生产力（Gross Primary Production,GPP）估算仍少有涉及。基于影像融合算法获得的高时空分辨率植被指数数据集,结合红树林通量观测数据开展光能利用率模型的参数估计和模型验证研究,实现了区域尺度的红树林GPP估算,获取了一套2012年广东省高桥红树林GPP高时空分辨率数据集。数据验证得到的决定系数R² = 0.64,较现有的MOD17A2和GLASS产品GPP估算精度提高了48.9%。实验结果显示：高桥红树林最大光能利用率为3.07 g C MJ^-1,研究区内全年GPP均值为1 915.4 g C m^-2 a^-1。红树林季节平均GPP夏、秋季大于春、冬季。该方法和估算数据可为区域尺度红树林生产力研究和红树林保护提供高精度数据支持。     

基于遥感的海南本岛植被覆盖度时空变化及其地形效应研究北大核心CSCD

植被覆盖在维持生态系统结构稳定和防治水土流失等方面发挥着重要的作用,海南自1988年建省以来迅速发展,导致海南岛植被覆盖也产生了巨大的变化.为揭示海南本岛地形因子对植被覆盖度的影响以及为海南本岛进一步制定合理的生态环保策略提供依据,基于1988、1998、2008、2017和2020年Landsat-TM/OLI多光谱影像,以海南本岛为研究区域,采用归一化植被指数和像元二分模型进行植被覆盖度提取,通过线性趋势分析海南本岛近30a植被覆盖变化特征.并结合30 m_DEM获取的海、坡度和坡向数据,来进一步探讨海南本岛植被覆盖度在不同地形因子条件下的空间分布特征.结果表明:①1988～2020年海南岛平均植被覆盖度介于0.58～0.88之间,整体呈先下降后上升趋势;②海南岛高植被覆盖主要分布于海南岛中部、西南部和东南部地区,低植被覆盖主要出现在居住区、沿海地区等人为干扰因素较高的地区;③海南岛各等级植被覆盖均随海拔的增加而不断降低,在海拔小于100 m的区域分布面积最大;坡度为0～5°时植被覆盖面积达到最大值,随着坡度的增加,植被覆盖面积呈减少趋势;各等级植被覆盖在阴坡和阳坡的分布面积变化差异不大,主要以高植被覆盖类型为主.     

森林火灾后生态变化遥感监测评价模型的构建方法研究

通过攀西林区云南松林的一系列旧火攻迹地的更新恢复和生态变化的遥感调查，对各生态因子的空发布特征分布特征及生态变化的影响规律进行分析，确定了评价因子及其评价标准，利用遥感信息，以及地形、土壤、林分和林木受害程度等要素的８个因子的模糊综合评判结果和火烧年限等为变量，通过多组数据的多元统计分析，建成森林火灾后生态变化遥感监测评价模型，经野外调查结果验证分析，达到了预期的攻关目标。     

不同叶面积指数遥感数据模拟中国总初级生产力的时空差异

陆地生态系统总初级生产力（GPP）反映了植物吸收固定大气中CO₂的能力,是碳循环过程中的重要环节。光能利用率（LUE）模型被广泛应用于GPP模拟。叶面积指数（LAI）数据是LUE模型的重要输入数据,不同的LAI数据差异较大,从而导致GPP模拟存在很大差异。利用3种常用的卫星遥感LAI数据（MCD15、GLASS和GlobMap）和气象数据模拟中国2003~2017年的GPP,比较了3种LAI数据在中国区域的时空差异,分析不同LAI数据模拟的中国GPP的时空差异。研究结果表明：3种LAI数据在中国区域的年平均值和LAI变化趋势的空间分布格局存在明显差异,森林区域的差异较大;2003~2017年间,中国区域3种LAI年平均值均呈显著增加趋势（p<0.01）,但不同LAI数据年平均值的年际变化差异明显;站点尺度GLASS LAI模拟的GPP与观测值相关性较好;不同LAI数据模拟的中国GPP总量多年平均值差异明显,最大值为7.46 Pg C a^-1 （GLASS）,最小值为6.39 Pg C a^-1 （GlobMap）;3种LAI数据模拟的中国GPP总量在2003~2017年呈显著增加趋势（p<0.05）,但不同的LAI数据模拟的中国GPP年总量的年际变化差异明显;不同LAI数据模拟的年均GPP和GPP变化趋势的空间分布格局存在明显差异,森林和农田区域的差异较大。研究结果有助于评估由于LAI数据造成的区域GPP模拟结果的不确定性。     

基于遥感和GIS的西安市土地利用时空变化研究

利用2000和2007年两期TM遥感影像,通过最大似然法、地理信息系统空间分析方法以及数理统计方法,借助Erdas Imagine 9.0、ArcGIS 9.2和Matlab软件平台,计算出西安市土地利用类型的动态转移矩阵;构建了土地利用程度变化指数、土地利用变化类型的多度和重要度指数等区域土地利用变化的指数模型,定量分析西安市土地利用时空变化。揭示了西安市土地利用差异以及土地利用空间变化的主要类型、分布特征和区域方向,阐明了西安市土地利用变化的区域特点,为土地可持续利用提供有效的决策支持。     

数据驱动的植被总初级生产力估算方法研究

植被总初级生产力（Gross Primary Production,GPP）是指在单位时间和单位面积上,绿色植物通过光合作用固定二氧化碳所产生的全部有机物同化量,对GPP的准确估算有助于碳循环的研究。为了提高GPP的估算精度,将机器学习技术与遥感技术相结合,首先利用GEE平台下的遥感数据以及中国陆地生态系统通量观测研究网络的通量塔实测GPP数据,建立数据集。然后使用随机森林作为估算模型,建模后根据数据特点对模型调参。最后获得模型的预测结果,决定系数R²为0.87,均方根误差RMSE的值为1.132 gC·m^-2·d^-1。这说明随机森林模型可以较为精确地估算GPP。结果发现,以大数据以及人工智能为代表的计算机技术飞速发展,将为遥感技术注入新的活力,使遥感技术走向更加成熟的发展应用阶段。     

基于时序定量遥感的冬小麦长势监测与估产研究

遥感技术是高效、客观监测农作物生长状态的重要手段,对农业生产管理具有重要意义。以安徽龙亢农场为研究区,收集了中高分辨率多源卫星遥感数据并进行了定量化处理,构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型,生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律,分析了不同品种冬小麦的长势情况,发现高产量小麦在越冬期长势显著优于低产量小麦。在此基础上,构建了基于归一化植被指数（NDVI）的冬小麦估产模型,结果表明：利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算,据此绘制了龙亢农场2017年冬小麦产量遥感估算地图,产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测,为区域范围内农作物长势监测提供了一种有效途径。     

基于时序定量遥感的冬小麦长势监测与估产研究

遥感技术是高效、客观监测农作物生长状态的重要手段，对农业生产管理具有重要意义。以安徽龙亢农场为研究区，收集了中高分辨率多源卫星遥感数据并进行了定量化处理，构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型，生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律，分析了不同品种冬小麦的长势情况，发现高产量小麦在越冬期长势显著优于低产量小麦。在此基础上，构建了基于归一化植被指数（NDVI）的冬小麦估产模型，结果表明：利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算，据此绘制了龙亢农场2017年冬小麦产量遥感估算地图，产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测，为区域范围内农作物长势监测提供了一种有效途径。