叶面积指数(leaf area index,LAI)是表征植被冠层结构和光合面积的重要参数。实时动态的植被LAI监测对于诊断植被生长状况及趋势具有重要作用。本研究旨在通过对高光谱数据的数学变换与特征分析,构建东洞庭湖苔草LAI的最佳估算模型。通过分析52组苔草样本640~780 nm波段范围内的反射率、一阶微分及倒数的对数的光谱特征,选择特征波段,运用多元逐步线性回归法与偏最小二乘回归法建立估算模型。研究发现特征波段为707～758 nm,以上3种光谱数据的多元逐步线性回归模型决定系数分别为0.526、0.815、0.565,均方根误差分别为0.320、0.269、0.273,3者偏最小二乘回...

湿地植被的精细识别与分类是林业遥感中一个亟待解决的难点。本研究以东洞庭湖自然保护区为研究区,以苔草、芦蒿、辣蓼、杨柳和芦苇为研究对象开展高光谱数据观测。采用数据平滑、导数变换、对数变换和归一化变换等方式对高光谱数据进行预处理,再运用PCA算法分别对其进行降维运算,随后采用马氏距离、朴素贝叶斯、Knn、径向基内核支持向量机和随机森林等分类方法对降维后的数据进行分类。结果表明:1)不同预处理方式经过PCA降维后能保持自身特有的特征;2)降维后的累计方差贡献率与分类精度不存在必然联系,主成分个数能对分类精度产生影响;3)不同的分类方法对降维后的数据灵敏度不同,随机森林和径向基内核支持向量机保持较高的稳定性。

高光谱识别是采用大量比较窄的波段对目标物进行同时观测,以实现对目标物更好的观测效果。以东洞庭湖为研究对象,对典型湿地植被苔草、芦苇、芦蒿、辣蓼和旱柳开展野外高光谱观测的基础上,开展数据变换和分类识别。在对数据进行剔除、滤波和重采样后,对高光谱数据进行导数运算、对数运算、对数的导数运算、归一化运算和归一化后导数运算,以突出植被的光谱特征差异。采用主成分分析方法,对高光谱数据进行降维。并运用BP(Back Propagation)神经网络、马氏距离(Mahalanobis)分类法、贝叶斯(Bayes)分类法、费希尔(Fisher)分类法、光谱角度制图法(Spectral Angle Mapper,...

【目的】洞庭湖生态系统价值是洞庭湖区、湖南省及长江中下游经济社会的重要保障，研究目的在于加强洞庭湖生态系统的保护和修复，科学开发和利用其服务功能，为促进区域经济社会稳健发展提供参考依据。【方法】采用净初级生产力标准来测量生态系统服务价值，运用经典柯布·道格拉斯生产函数，通过协整与误差修正模型分析了1978—2020年洞庭湖生态系统服务对洞庭湖区（湖南省）经济增长的影响，并评估出净初级生产力的边际价格。【结果】洞庭湖生态系统服务对区域经济增长具有明显正向驱动作用，得出净初级生产力每提高1%促进真实GDP增长0.026 9%；在洞庭湖生态系统服务的作用下，区域经济增长以每年2.2%的速度熨平系统运行中短期的非均衡状态并向经济增长的长期均衡状态迭进，通过协整模型的计量得出洞庭湖区生态系统服务净初级生产力平均边际价格为347.5元/10~6 kgC（以1978年价格为基准），结果显示边际价格主要受到洞庭湖区生态系统服务的弹性影响。【结论】洞庭湖生态系统服务对促进区域经济增长的平稳运行具有明显保障和调整作用。本研究中得到的洞庭湖生态系统服务价值对洞庭湖区及湖南省经济增长的测量数值是一个最低值，同样，得到的净初级生产力的边际价格也是一个最低值，在真实的国民经济社会的生产、生活中，实际值将大于本研究得出的计量值。

【目的】探索植被指数（VI）及其波段选择、回归建模方法、训练样本选取三方面因素对基于统计模型的水稻叶面积指数（LAI）高光谱遥感估算的影响，构建县域水稻LAI估算模型，并在四川省凉山彝族自治州昭觉县开展实证应用。【方法】本文基于不同样本量的３套训练数据，分别对增强型植被指数（EVI）、修正三角植被指数2（MTVI2）、归一化差值植被指数（NDVI）和修正比值植被指数（MSR）开展波段选择。在此基础上，以1种VI作为LAI的特征参量，试用指数回归（ER）和人工神经网络（ANN），构建LAI估算模型。计算LAI估算值和实测值之间的决定系数（R~(2)）和均方根误差（RMSE），开展估算精度验证。【结果】①基于EVI或MTVI2的LAI估算精度优于NDVI和MSR。以ANN模型为例，基于优选波段的EVI和MTVI2得到的R~(2)分别为0.638和0.681，RMSE分别为0.554和0.519；而NDVI和MSR得到的R~(2)分别为0.567和0.560，RMSE分别为0.606和0.611。②基于各VI优选波段组合的LAI估算精度（平均R~(2)为0.574，平均RMSE为0.598）优于默认波段组合（平均R~(2)为0.424，平均RMSE为0.694）。③ANN模型的表现优于ER模型。在基于默认波段、优选波段的LAI估算试验中，ANN模型得到的平均R~(2)比ER模型分别提高了40.27%和14.03%；平均RMSE分别降低了11.32%和8.11%。④就本项目试验而言，训练样本量对基于ANN模型的LAI估测精度的影响不显著。例如，当训练样本量低至24时，基于EVI构建的ANN模型的测试精度（R~(2)=0.660， RMSE=0.537），仍然优于ER模型（R~(2)=0.597， RMSE=0.585）。【结论】VI及其波段选择与回归建模方法对LAI高光谱遥感估算均有明显影响。针对特定区域的目标作物，尝试利用任意可能的波段组合来计算多种VI，遴选与实测LAI相关系数最大的VI及其波段组合，有益于提高基于VI的LAI高光谱遥感估算精度。同时，即使基于小样本训练数据，机器学习算法仍有可能得出优于参数回归的结果。

利用多时相Landsat TM/ETM+影像,采用决策树分类法解译水域、泥沙滩地、草洲3种湿地类型,结合数字高程模型和相关水文信息,通过矩阵转移和贝塞尔曲线插值的方法,对低水位条件下东洞庭湖湿地草洲的时空变化特征进行分析。结果如下:(1)1989~2011年,草洲面积增加305.06km2,泥滩地面积减少274.28km2,水域面积呈波动状态;(2)草洲的主要扩张区域为长洲、新生洲、飘尾洲沿湖盆边缘部分、牛头洲大面积区域、武光洲-柴下洲、中洲-团洲部分;(3)草洲面积按高程分布呈先增后减特征,草洲覆盖的优势区域与非优势区域的高程分界点逐渐降低,水域和泥滩地分布的优势区域高程范围缓慢下移。草洲植...

针对湿地资源监测的需要,以东洞庭湖湿地为研究对象,开展基于ENVISAT ASAR数据的湿地植被遥感监测研究。湿地遥感影像分类是湿地遥感研究的一大难题,通过分析雷达影像的后向散射系数发现,由多时相的同极化、交叉极化波段合成的雷达影像对湿地地物的区分能力最强。研究表明:将基于原图像的灰度级共生矩阵所提取的Contrast纹理特征与滤波后图像的灰度特征组合用于分类,以此实现相干斑噪声的抑制,同时减少地物固有结构信息的损失,实验结果证明该方法可以提高湿地分类精度,其总体精度达到87.59%,Kappa值为0.822 8,将东洞庭湖湿地划分为水体、芦苇(荻)滩地、草滩地(苔草、虉草等)、森林滩地(杨树...

水位是湖泊湿地水文情势和生态系统健康的关键指标,如何确定适宜生态水位阈值是确保湖泊湿地健康的关键。以东洞庭湖城陵矶站和鹿角站突变前水位过程(1959～1978年逐日水位资料)为基准期,采用RVA法、年内展布法和数理统计的方法建立了东洞庭湖适宜生态水位过程。结果表明:(1)RVA法计算逐月生态水位阈值的波动范围均值是2.18 m,而年内展布法计算逐月生态水位阈值的波动范围均值是5.12 m,水位波动较大,对于东洞庭湖适宜生态水位来说,RVA法计算生态水位的波动范围更有利于维持湿地植物群落健康和生物多样性;(2)受湖底高程影响,鹿角站的高低水位发生时间会比城陵矶站提前15 d左右,而高低水位的历时和波动范围以及动植物敏感期(3～6月)的平均水位变化速率并未有显著差别;(3)水位变异后(2003～2016年),东洞庭湖水位大部时间处于生态水位阈值内,只需要对不满足生态水位的消落期采取调整措施,鹿角站和城陵矶站年均水位差距减少0.46 m,洞庭湖的水动力系统减弱,给洞庭湖生态健康带来了消极的负面影响。研究可为东洞庭湖生态水位和三峡及上游电站联合调度提供依据。

在遥感和地理信息系统的支持下,对东洞庭湖1989和2001年两个时段的TM(ETM)卫星影像进行了遥感解译。应用景观生态学的理论和方法,对不同景观类型的斑块和面积大小、形状特征进行分析,计算了湿地景观多样性、优势度、均匀度、破碎度及斑块分形维数。定量分析和研究了1989~2001年东洞庭湖湿地景观的动态变化,结果表明,由于泥沙淤积,东洞庭湖湿地的面积正在日益缩小,湿地景观多样性和均匀度下降,景观优势度和破碎化程度增加,说明东洞庭湖部分湿地景观逐渐从以小斑块、多种景观类型共同控制的景观格局向大斑块、类型较单一的景观格局演变。

环境因子与湿地候鸟之间的关系是湿地候鸟保护的重要信息。以东洞庭湖自然保护区为典型区域,利用相关性分析和冗余分析研究越冬候鸟与环境因子的关系。文中将湿地候鸟分为5类,并选取5种环境因子。结果表明:东洞庭湖冬季湿地候鸟数量呈现波动上升的趋势,可能与东洞庭湖湿地实施的保护措施,鸟类对栖息地的选择以及适应性有关;东洞庭湖冬季湿地候鸟的多样性指数基本保持不变,可能是不同种类的候鸟有相似的栖息地选择;较高水位和NDVI为湿地候鸟提供适宜的生存环境,并与湿地候鸟数量正相关;较高的气温和日照时数使水温升高,越冬的鱼类数量

叶绿素是草地进行光合作用最重要的色素,与氮素、蛋白质、水分等其他植被生化参数均有着密切关系,是草地光合能力及生理状况的良好指示剂。利用高光谱数据建模分析是实现大面积草地叶绿素含量估算的一种重要手段。本文将基于高光谱分析估算草地叶绿素含量的方法总结为:基于红边位置及光谱指数的经验模型和辐射传输模型两类。经验模型通过建立叶绿素含量与红边位置、光谱指数之间统计关系来估算叶绿素含量,参数简单,实用性较强;但光谱指数构造形式多样且与草地叶绿素含量关系复杂,在一定程度上影响了叶绿素的估算精度。辐射传输模型以叶绿素含量与辐射能量的作用过程作为其理论基础,模型中参数较多且对估算尺度敏感,有待于进一步完善。目前草地叶绿素估算的研究相对薄弱,专门用于估算的模型较少。未来的工作一方面应致力于发展和改进适宜于草地的光谱指数,同时确定合适的辐射传输模型参数以改进模型对草地的监测效果;另一方面,如何由叶片尺度拓展到冠层尺度进而拓展到像元尺度,从而更好地实现大面积草地叶绿素含量估算,是一项既具有重要意义又有挑战性的工作。

分别采用光谱指数法和偏最小二乘法(PLS)构建了橡胶树叶片氮素含量高光谱估算模型。结果表明,光谱指数模型中,基于NDSI(R1025,R736)建立的二次多项式模型最佳,调整R2达到0.792。基于不同Savitzky-Golay(SG)平滑模式预处理结果建立的PLS模型,估算精度差异明显,最优的SG平滑模式为零阶导数、53点平滑点数、二次多项式。利用测试集对光谱指数模型和PLS模型进行验证,结果显示,均方根误差RMSE分别为1.772和1.432 g/kg,相对分析误差RPD分别为2.598和3.215,平均相对误差ARE分别为5.189%和4.057%,PLS模型具有较高的估算精度。

２０１５年７月１１—１７日期间，通过使用回声探测仪（Ｓｉｍｒａｄ公司ＥＹ６０型，２００ ｋ Ｈｚ换能器）对东洞庭湖的鱼类资源进行了探测评估。结果表明，调查航段的鱼类平均目标强度（目标鱼类对声波的反射能力）为（－５１．２４±５．６６）ｄ Ｂ，平均体长约为１２ ｃｍ，体长范围为２～１２５．８ ｃｍ，不同区域间的鱼类目标强度（即鱼类大小）差异性显著。所有调查航段中鱼类密度１．２２３～１ ５３４．２ ｆ／１ ０００ ｍ３之间，均密度为１８６．３ ｆ／１ ０００ ｍ３，不同区域间鱼类密度差异性显著，中部湖区（ｃＥｃ航段）鱼类密度较高。应用资源密度体积法估算东洞庭湖鱼类资源量约为２．３６×１０８ｆ，其中目．．．

利用高光谱遥感技术能够高效，无损，快速的获取草地地上生物量，对草地畜牧业的高效管理，动态监测及草畜供求关系平衡等方面具有重要意义。为了探求估算生长期针茅群落地上生物量最适宜的光谱变量与植被指数，本研究在内蒙古锡林郭勒盟镶黄旗牧场获取光谱反射率与地上生物量数据，通过原始高光谱数据以及一阶微分，植被指数，绿峰与红谷等变量，运用回归模型建立相应地上生物量估算模型并对比评价模型精度。结果表明：克氏针茅（Stipa krylovii）群落在7-8月的牧草生长过程中，生物量逐渐增加，8-9月牧草枯黄明显，生物量明显下降。对原始高光谱进行微分处理有助于提高敏感波段与地上生物量的相关性；在高光谱变量中，利用红边斜率（Dr）构建的线性模型精度最佳，R²为0.94，均方根误差（RMSE）为1.97g/m²，平均相对误差（MAE）为1.97g/m²。在植被指数中，利用土壤调整植被指数（SAVI）构建的多项式模型精度最佳，R²为0.92，RMSE为1.15g/m²，MAE为1.39g/m²。本研究能够为用不同高光谱变量估算针茅群落地上生物量提供科学依据，为快速精准的牧区天然草场遥感监测提供方法和技术支持。

近年来洞庭湖湿地季节性缺水、工程性缺水、水质型缺水问题日渐突出,直接威胁到洞庭湖湿地生态系统的健康.分析认为,目前洞庭湖湿地生态系统健康状态等级为中等并有向差等级演化的趋势,必须确保最小生态需水量.采用水量平衡法可以初步估算其最小生态需水量为2.68×108m3,而且将呈逐年上升的趋势.