基于光学与SAR因子的森林生物量多元回归估算——以福建省为例

基于福建省Landsat-8 OLI影像,利用混合像元分解模型从实测样地数据中筛选出"纯净"的植被像元,并将筛选出的样地分为针叶林、阔叶林和混交林3种植被类型,依次提取3种不同植被类型"纯净"植被像元的树高、林龄、坡度属性信息以及对应的光学NDVI、RVI植被因子和合成孔径雷达(SAR)HH、HV极化后向散射因子,分别构成不同植被类型的"含光学特征多元因子"(NDVI、RVI、树高、林龄、坡度)和"含SAR特征多元因子"(HH、HV、树高、林龄、坡度),开展对比研究。采用含光学特征的多元因子回归模型先估测不同植被类型的森林叶生物量,然后根据叶生物量与地上生物量的关系间接估测森林地上生物量。同时,采用含SAR特征的多元因子回归模型直接估测森林的地上生物量。最后,对比分析这两组多元回归模型的估测精度。结果表明:不同植被类型的含光学特征多元回归模型的验证精度(针叶林:R~2为0.483,RMSE为29.522 t/hm~2;阔叶林:R~2为0.470,RMSE为21.632 t/hm~2;混交林:R~2为0.351,RSME为25.253 t/hm~2)比含SAR特征多元回归模型的验证精度(针叶林:R~2为0.319,RMSE为28.352 t/hm~2;阔叶林:R~2为0.353,RMSE为18.991t/hm~2;混交林:R~2为0.281,RMSE为26.637 t/hm~2)略高,说明在福建省森林生物量估算中采用含光学特征的多元回归模型(先估测叶生物量进而间接估测地上生物量)比利用含SAR特征的多元回归模型(直接估测地上生物量)更具优势。     

基于GF-1遥感数据的若尔盖高寒沼泽湿地地上生物量与土壤有机碳密度估算

随着我国遥感技术迅速的发展,国产系列卫星数据越来越多的应用到各个行业中.在湿地遥感监测方面,湿地生物量和碳储量的遥感估算研究是研究人员非常关注的研究问题,我国自主研制的高分(GF)系列卫星为湿地生态系统的资源监测提供新的途径和方法.提出了基于GF-1卫星的若尔盖高寒沼泽湿地地上生物量与土壤有机碳密度估算方法,通过选取G...     

基于无人机影像可见光植被指数的若尔盖草地地上生物量估算研究

地上生物量是衡量草地长势及生态系统服务功能的重要参数,对于草地生态系统碳收支、资源可持续开发等研究具有重要意义。研究基于若尔盖高原典型样带的无人机可见光影像和地面实测样本,建立生物量与多种可见光植被指数的指数回归模型,对比不同植被指数模型的生物量估算精度的差异。结果表明:可见光植被指数能够有效区分草地和其他覆盖类型,生物量与植被指数具有较好的相关关系。但基于不同波段建立的植被指数对生物量的估算精度存在差异,其中利用红、绿波段建立的植被指数NGRDI模型对生物量具有最高的模拟精度(R~2=0.856)和预测精度(验证样本ABE=94g/m~2,RMSE=124g/m~2)。研究获取了高空间分辨率的草地地上生物量,相关成果可为若尔盖高原碳收支、卫星遥感产品真实性检验、生态模型、资源可持续利用等研究提供方法与数据支撑。     

基于无人机与卫星遥感的草原地上生物量反演研究

草原生物量是评价草原生态系统功能的重要参数。为了快速、准确、有效地估算草原地上生物量,以呼伦贝尔草原为研究区,基于无人机多光谱影像和卫星遥感(Sentinel-2)影像,选择GNDVI、LCI、NDRE、NDVI、OSAVI、EVI等6个植被指数,结合实测地上生物量数据,建立植被指数回归模型,并采用留一法交叉验证进行精度评价。结果表明：基于无人机多光谱影像的LCI-生物量回归模型(RRMSE为18%,测量值与预测值R²为0.70)和NDRE-生物量模型(RRMSE为18%,测量值与预测值R²达到0.71)精度高于其他植被指数回归模型;基于无人机多光谱影像的生物量—植被指数模型(RRMSE均低于22%)模拟精度均优于基于Sentinel-2影像的生物量—植被指数模型(RRMSE均高于25%),可以更精确地反演草原地上生物量,研究结果可为草原生物量精准反演提供科学方法和依据。     

洪河湿地植被地上生物量遥感反演研究

在对洪河湿地植被地上生物量实地采样调查的基础上,利用准同步的TM数据建立了洪河湿地地上生物量遥感反演模型。主要研究了洪河湿地植被地上生物量的空间分布情况,并结合研究区的DEM分析生物量空间分布特征和高程的相关关系。并分析了不同生物量范围内,生物量与高程之间相关性存在差异的原因。研究表明:多元回归模型与其他模型相比拟合精度最高,决定系数为0.813,是洪河湿地地上生物量估算的精度最优模型;经估算得到2007年洪河湿地地上生物量主要集中分布于600~1 200 g/m²之间,总生物量为2.4856×10⁸g,平均生物量为934.7105 g/m²。通过生物量与DEM的相关分析得到,在生物量值为0~600 g/m²的低生物量分布区域,生物量与高程之间存在较好的相关性,相关系数为0.79839;在生物量为600~1 200 g/m²和1 200 g/m²以上范围内,生物量与高程值之间相关性较弱。     

基于SPOT5遥感影像丰宁县植被地上生物量估测研究

利用SPOT5遥感影像数据和同期获得的野外调查样地数据,基于按植被类型分类估测的方法,研究了河北省丰宁满族自治县植被地上生物量的遥感估测技术。研究结果显示,SPOT5影像的4个波段反射率和中红外植被指数(VI3)结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.540,说明中红外波段信息提高森林生物量的估测精度有一定作用;通过分析样地生物量与多种植被指数的相关性发现,基于比值植被指数(RVI)的指数回归模型是灌丛生物量估测的最佳模型,估测的R2值达0.711,基于归一化植被指数(NDVI)的简单线性回归模型为估测草地生物量的最佳模型,R2值达0.790。利用2008年的全覆盖SPOT5影像,获得了丰宁县2008年植被地上生物量分布图,除农田植被外,全县地上生物总量为3.706×107 t,单位面积生物量平均为51.223t/hm2,其中,森林植被总生物量为3.578×107 t,灌丛植被总生物量为1.048×106 t,草地植被总生物量为2.277×105 t。     

山丹县草地地上生物量遥感估算模型

选择黑河流域草地植被的典型区域-山丹县作为研究区, 利用2003 年8 月野外实测50 个样方的草地地上生物量数据和同期的陆地卫星TM 影像数据, 分析了植被指数与草地地上生物量的相关关系, 进而建立基于遥感植被指数DV I 的草地地上生物量估算模型。结果表明: 在草地地上生物量和TM 影像植被指数之间关系微弱、直接利用TM 影像数据建立估算模型不可行的情况下,用地面实测的草地植被反射光谱数据对遥感影像数据进行校正, 能够弥补传统的“点-面”建模方法的不足, 获得比较理想的估算模型; 植被指数DVI 与草地地上生物量之间存在较好的相关性, 其估算模型为Y = 2477X - 77. 598 (R 2= 0. 7589) , 经实测数据验证, 总体精度达到80% 以上, 基本上能够满足中尺度的草地地上生物量估算。     

基于HJ星高光谱数据红边参数的冬小麦叶面积指数反演

针对我国HJ-1A星搭载的高光谱成像仪(HSI)数据,探索基于HJ星高光谱影像的LAI反演研究,本文利用inverted Gaussian模型提取红谷位置、红边位置、红边振幅以及红边斜率4个红边参数,结合2009年4月、5月两期同步地面观测LAI数据,经过回归分析构建了反演叶面积指数的最优红边参数模型.结果表明红边位置、红边斜率和红边振幅与叶面积指数都达到了极显著相关,R2分别为0.5592,0.7796和0.8107说明HJ星高光谱影像数据在叶面积指数反演方面有很大的应用潜力.     

基于无人机影像的滩涂入侵种互花米草植被信息提取与覆盖度研究

以福建三沙湾为试验区,以地面光谱和低空无人机获取的可见光影像与ADC多光谱影像为数据源对入侵种互花米草植被信息和覆盖度进行研究。构建了基于可见光波段的改进型土壤调整植被指数V-MSAVI用于可见光影像植被信息提取,以NDVI指数模型对ADC多光谱影像进行了植被覆盖度估算。结果表明,V-MSAVI指数具有较好的适用性;在互花米草覆盖度方面以40%~60%和60%~80%中高等级分布为主。精度检验表明,基于V-MSAVI植被指数提取得到的互花米草总体精度为89%,Kappa系数为0.77;植被覆盖度的估算值与真实值之间的均方根误差(RMSE)为0.06,决定系数R~2为0.92。     

基于Landsat 8 OLI数据的黄土高原植被含水量的估算模型研究

植被含水量(VWC)能够指示植被的水分状况,对植被生长、火灾、旱灾以及生态环境安全监测等具有重要意义,也是微波遥感估算土壤水分的重要参数之一。光谱指数法是估算植被含水量最常用的方法之一。结合地面观测及Landsat 8OLI传感器遥感影像,对平凉地区的植被含水量进行了遥感估算模型研究,结果表明:(1)平凉地区叶片含水量(FMC)与植被光谱指数没有相关关系,而等效水深(EWT)则与各植被光谱指数具有显著的相关关系(均超过95%显著性水平),其中RVI2与EWT的相关关系最显著且最稳定;(2)利用RVI2对研究区EWT进行遥感估算,其均方根误差(RMSE)为0.183,平均相对误差为8.9%,平均相对误差绝对值为26.4%;(3)研究区内大部分农田的植被含水量为0.6~0.9kg/m~2,少数农田的植被含水量达到1kg/m~2以上,这与实际考查基本一致,基本能够反映研究区内农田EWT的空间变化特征。     

基于雷达后向散射特性进行湿地植被识别与分类的方法研究

选择东北地区典型内陆沼泽湿地——三江平原洪河自然保护区作为研究区,结合SAR的极化特性,分析了多时相ENVISAT ASAR不同极化下洪河湿地保护区不同地物植被类型的散射特性,利用长波L波段PAL-SAR数据对植被的可穿透性及水分的敏感性,结合与光学影像TM融合后进行神经元网络分类的方法,应用决策树方法进行了多波段、多时相SAR合成湿地植被识别试验。本文将两种方法相结合,分两步完整识别出沼泽、灌丛、岛状林、草甸、开阔水体及少量农田。     

基于NDVI的人工植被碳储量估算

人工植被是吸收CO²维护生态系统健康的重要生物成分,干旱区人工碳汇林在CO²减排方面具有重要的作用。应用2009年8月TM数据,提取克拉玛依人工减排林生态景观格局信息,并应用NDVI指数估算植被碳密度。通过测定乔木层及草本层生物量,估算出人工植被乔木层及草本层碳密度。结果表明,克拉玛依人工减排林乔木层的平均碳密度值为37.04 mg/hm²,1 m×1 m样方内草本层平均碳密度为59.65 g/m²,地上植被碳密度约为37.64 mg/hm²,植被层碳储量为250 915.5 mg;随着植被的生长发育及生物量累积效应的发挥,人工植被的碳汇功能还将进一步增大。     

基于植被指数的若尔盖高原湿地光合有效辐射吸收比例估算研究

植被光合有效辐射吸收比例（FPAR）是湿地生态系统碳收支和气候变化的关键参量,直接反映湿地植被生长发育状况。基于植被指数的经验统计方法简单高效,被广泛运用于草原、森林及作物等植被FPAR的模拟,却较少用于湿地,缺乏不同植被指数对湿地FPAR估算适应性的系统研究。研究对比了14种常见的植被指数,选出最优植被指数用于反演若尔盖高原湿地生长季FPAR。结果表明：常见的植被指数中,MSAVI指数动态考虑了土壤信息,能较好地适应湿地植被FPAR的估算,误差和R²均优于其他植被指数。若尔盖高原湿地生长季FPAR取值在0.22—0.80之间,整体分布较为均匀,泥炭湿地、湿草甸及沼泽湿地平均FPAR分别为0.46、0.63和0.58;生长季期间若尔盖高原不同类型湿地FPAR随时间呈现先增加后降低趋势。     

基于ENVISat ASAR影像的湿地植被冠层下淹水范围提取以扎龙保护区为例

以扎龙自然保护区湿地为例,结合ENVISat ASAR多极化(HH/HV)雷达影像与传统的光学影像Landsat TM (band1~5,7),分析雷达影像后向散射系数与Landsat TM影像不同波段反射率在淹水植被、非淹水植被、明水面和裸土不同地表覆被类型的差异。选择训练样本,采用分类回归树(Classification and Regression Tree,CART)模型,分别对两种影像进行分类,可视化表达湿地植被淹水范围空间分布情况。基于实测的植被冠层下淹水范围与非淹水范围样本点对两种数据源的分类结果进行精度验证。结果表明:HH/HV极化影像中,植被覆盖下水体的后向散射系数与其他地表覆被类型有明显区别,分类结果总精度为79.49%,Kappa系数为0.70,湿地植被淹水范围提取精度较高。而TM影像分类结果中,由于部分地区植被覆盖水体,淹水植被分类误差较高。将雷达影像引入沼泽湿地研究,提高了植被淹水范围提取效果,为有效分析湿地生态水文过程提供基础,对湿地水资源合理利用及生物多样性保护具有重要意义。     

基于光学与SAR因子的森林生物量多元回归估算

基于福建省Landsat-8 OLI影像,利用混合像元分解模型从实测样地数据中筛选出“纯净”的植被像元,并将筛选出的样地分为针叶林、阔叶林和混交林3种植被类型,依次提取3种不同植被类型“纯净”植被像元的树高、林龄、坡度属性信息以及对应的光学NDVI、RVI植被因子和合成孔径雷达（SAR）HH、HV极化后向散射因子,分别构成不同植被类型的“含光学特征多元因子”（NDVI、RVI、树高、林龄、坡度）和“含SAR特征多元因子”（HH、HV、树高、林龄、坡度）,开展对比研究。采用含光学特征的多元因子回归模型先估测不同植被类型的森林叶生物量,然后根据叶生物量与地上生物量的关系间接估测森林地上生物量。同时,采用含SAR特征的多元因子回归模型直接估测森林的地上生物量。最后,对比分析这两组多元回归模型的估测精度。结果表明：不同植被类型的含光学特征多元回归模型的验证精度（针叶林：R²为0.483,RMSE为29.522 t/hm²;阔叶林：R²为0.470,RMSE为21.632 t/hm²;混交林：R²为0.351,RSME为25.253 t/hm²）比含SAR特征多元回归模型的验证精度（针叶林：R²为0.319,RMSE为28.352 t/hm²;阔叶林：R²为0.353,RMSE为18.991t/hm²;混交林：R²为0.281,RMSE为26.637 t/hm²）略高,说明在福建省森林生物量估算中采用含光学特征的多元回归模型（先估测叶生物量进而间接估测地上生物量）比利用含SAR特征的多元回归模型（直接估测地上生物量）更具优势。     

基于光学与SAR因子的森林生物量多元回归估算

基于福建省Landsat-8 OLI影像，利用混合像元分解模型从实测样地数据中筛选出“纯净”的植被像元，并将筛选出的样地分为针叶林、阔叶林和混交林3种植被类型，依次提取3种不同植被类型“纯净”植被像元的树高、林龄、坡度属性信息以及对应的光学NDVI、RVI植被因子和合成孔径雷达（SAR）HH、HV极化后向散射因子，分别构成不同植被类型的“含光学特征多元因子”（NDVI、RVI、树高、林龄、坡度）和“含SAR特征多元因子”（HH、HV、树高、林龄、坡度），开展对比研究。采用含光学特征的多元因子回归模型先估测不同植被类型的森林叶生物量，然后根据叶生物量与地上生物量的关系间接估测森林地上生物量。同时，采用含SAR特征的多元因子回归模型直接估测森林的地上生物量。最后，对比分析这两组多元回归模型的估测精度。结果表明：不同植被类型的含光学特征多元回归模型的验证精度（针叶林：R²为0.483，RMSE为29.522 t/hm²；阔叶林：R²为0.470，RMSE为21.632 t/hm²；混交林：R²为0.351，RSME为25.253 t/hm²）比含SAR特征多元回归模型的验证精度（针叶林：R²为0.319，RMSE为28.352 t/hm²；阔叶林：R²为0.353，RMSE为18.991t/hm²；混交林：R²为0.281，RMSE为26.637 t/hm²）略高，说明在福建省森林生物量估算中采用含光学特征的多元回归模型（先估测叶生物量进而间接估测地上生物量）比利用含SAR特征的多元回归模型（直接估测地上生物量）更具优势。     

三峡库区植被生物量遥感估算方法研究

利用遥感手段估算三峡库区植被的生物量,综合野外观测数据,分析了Landsat TM数据的光谱信息与植被生物量的关系,通过相关性分析表明Landsat TM多光谱数据能较好地反映该地区的植被生物量水平。然后,利用Landsat TM数据分别建立了针对三峡库区的阔叶林、针叶林、针阔混交林、灌木林和草本植被5种主要植被类型的生物量遥感估算模型,并利用所得模型计算了该区域2002年植被的地上生物量总量为1.05×10⁸ Mg。
     

基于Landsat TM 数据的若尔盖县LUCC 时空特征研究

若尔盖县是世界著名若尔盖湿地的主要组成部分, 是青藏高原高寒生态系统的典型代表。基于1989 年、1997 年和2004 年3 期Landsat TM 影像的土地利用ö土地覆被分类结果, 运用地理信息系统空间分析方法和数理统计学方法, 深入分析了四川省若尔盖县近15 年来各土地利用/覆被类型尤其是草地和沼泽的数量和空间变化特征。结果表明: ①研究区主要土地利用与土地覆被类型为草地、沼泽、林地和裸地, 其中草地与沼泽面积逐步减少, 而裸地面积成倍增长。②通过建立研究区LU CC 幅度、LU CC 数量和空间变化模型以及趋势与状态指数模型, 很好的表现了研究区LU CC 的时空特征。从整个区域来看, 前期综合LU CC 趋势和状态指数为0. 37, 处于准平衡状态;后期小于前期, 为0. 23, 处于平衡状态, 整个时段其指数为0. 35, 为准平衡状态, 呈现双向转换态势。③定位分析了研究区LU CC 情况, 发现区域草地和沼泽退化相当严重, 而且前后两期退化区在空间上有所转移。     

基于高光谱植被指数的加工番茄生长状况监测研究

利用ASD地物非成像高光谱仪,获取2个加工番茄品种4水平施氮量和3种配置种植方式6个关键生育时期冠层的反射光谱数据,通过计算得到归一化植被指数(NDVI)、比值植被指数(RVI)、修改型二次土壤调节植被指数(MSAVI2)和红边归一化植被指数(RENDVI),并分别与其冠层叶绿素密度(CH.D)、叶面积指数(LAI)、地上鲜生物量(AFBM)和地上干生物量(ADBM)进行相关分析,经检验,相关系数均达到1%的极显著水平。其中RENDVI与CH.D的线性相关模型,RVI与LAI的幂指数函数模型的相关性最好(RRENDVI-CH.D=0.8034**,RRVI-LAI=0.8703**,n=54,α=1%),用上述2个相关模型方程分别估算加工番茄CH.D和LAI,实测值与估测值之间均呈极显著的线性相关关系(R实测CH.D-估测CH.D=0.8113**,R实测LAI-估测LAI=0.8546**,n=54,α=1%),估算精度分别为85.5%和86.3%。试验结果表明,用高光谱植被指数,可以对加工番茄冠层CH.D、LAI、AFBM和ADBM进行遥感估算,实现对加工番茄生长状况的实时、无损、非接触和定量的高光谱监测研究。     

基于决策树方法的淡水沼泽湿地信息提取——以三江平原东北部为例

湿地是生态系统的重要组成部分,及时、准确地获得湿地基础信息,对湿地的动态监测、保护与可持续利用及其它领域的研究具有重要意义。以三江平原东北部沼泽湿地为例,利用分类回归树(Classification and Regression Tree,CART)算法从训练样本数据集中挖掘分类规则,集成遥感影像的光谱特征、纹理特征和地学辅助数据建立研究区湿地信息提取的决策树模型。用实测的GPS样本点对分类结果进行精度验证,并与最大似然监督分类方法(Maximum Likelihood Classification,MLC)进行对比。结果表明,基于CART的决策树分类结果的总精度和Kappa系数分别为82.65%和0.7935,分类精度较MLC监督分类方法有明显提高,是内陆淡水沼泽湿地信息提取的有效手段。