目前中分辨率成像光谱仪(MODIS)传感器处于超期服役阶段,可见光红外成像辐射仪(VIIRS)传感器是MODIS传感器的继承和发展。本研究以甘南地区为例,选用MODIS的4种植被数据产品和VIIRS的两种植被数据产品提供的增强型植被指数(EVI)和归一化植被指数(NDVI),对比分析了MODIS与VIIRS在草地地上生物量估测方面的差异。主要结论如下:1)与VIIRS相比较,基于MODIS的甘南地区草地地上生物量反演模型的精度更高,MODIS MOD13A1产品更适合甘南地区草地地上生物量的估算。2)甘南地区草地地上生物量较大的区域(> 3 000 kg·hm-2)主要分布于玛曲县、碌曲县和合作市,草地地上生物量较小的区域(<1 500 kg·hm-2)主要分布于夏河县和迭部县。西部地区的草地地上生物量较高,东部地区的非草地区域比较多,且生物量较低。3)生物量增加幅度较大的区域主要分布于夏河县北部、玛曲县西北部以及碌曲县中部,生物量减少幅度较大的区域主要分布于玛曲县东南部和碌曲县南部。

以甘南州为研究区,采用Canon数码相机和小型无人机搭载相机在不同大小样方上获取草地植被覆盖度数码照片,结合2015年5月-10月的Terra/MODIS植被指数产品MOD13Q1,分析了增强型植被指数(EVI)和归一化植被指数(NDVI)与草地植被覆盖度之间的相关性,建立了研究区草地植被覆盖度的回归模型,并对模型进行了精度评价,筛选出甘南州草地植被覆盖度最优遥感反演模型,并对草地生长季时期覆盖度时空上的动态特征进行分析。结果表明,1)利用小型无人机搭载相机获取草地大样方植被数码照片的方法能用于地面草地覆

为探讨亚高山草甸地上生物量和植被指数的关系,更好服务于草地生态建设,论文利用2008年7月覆盖若尔盖地区的TM影像,分别建立了7种植被指数(NDVI、RVI、DVI、SAVI、MSAVI、PVI、GVI)与地上生物量的线性和4种非线性(二次多项式、三次多项式、对数、幂函数)回归模型。研究结果表明植被指数(NDVI、DVI、SAVI、MSAVI、PVI、GVI)与地上生物量模型表现出三次多项式回归模型最优,再次是二次多项式模型、线性模型,相对较差的是指数模型;而基于RVI的地上生物量模型表现为指数模型最优,其次为三次多项式模型、二次多项式模型、线性模型。分析表明,基于RVI的地上生物量幂函数模型...

草地类型划分及其生物量估测对于草地管理与保护具有重要意义。香格里拉草地资源丰富，类型多样，属同纬度高海拔草地的典型代表。为了提升高原复杂地形下草地资源信息的质量，以香格里拉市为研究区，基于谷歌地球引擎（Google Earth Engine，GEE）云平台和Sentinel-2遥感影像，结合光谱、植被指数、纹理和地形特征构建了33个原始特征，并使用递归特征消除（Recursive Feature Elimination，RFE）和特征重要性得分进行特征优化，采用随机森林（Random Forest，RF）、支持向量机（Support Vector Machine，SVM）、分类回归树（Classification And Regression Trees，CART）和梯度提升决策树（Gradient Boosting Decision Tree，GBDT）4种算法对研究区域草地进行提取与分类，最后基于地面样地数据对地上生物量（Aboveground Biomass，AGB）进行反演。研究结果表明：1）RFE算法将特征数压缩到了21个，且海拔特征对草地类型的划分具有最高的重要性；2）RF算法的分类精度最高，总体精度（Overall Accuracy，OA）为91.41%，Kappa系数为88.18%；3）将香格里拉草地可分为5种类型，草地总面积为3265.77 km~(2)，面积最大的类型为亚高山草甸，其面积为2230.03 km~(2)，占草地总面积68.28%，其次为高寒草甸，约占草地总面积18.42%；4）建立了地上生物量与差异植被指数（Difference Vegetation Index，DVI）的二次多项式预测模型，R~(2)为0.783，均方根误差（Root Mean Square Error，RMSE）为154.72 g·m~(-2)；5）香格里拉草地总AGB为152.15万吨，亚高山草甸AGB为102.41万吨，占总AGB的67.31%，其次高寒草甸为27.37万吨，占总的17.99%。

受人为和气候变化的影响，草地退化、沙化的现象愈发严重，对草地的监测和保护亦变得愈发重要。生物量是评价草地生态状况的重要指标之一，草地生物量的估算对草地资源管理、生态修复与保护都有着重要的意义。随着遥感技术的发展与植被机理模型的广泛应用，针对草地生物量的估算方法也不断发展，主要分为遥感反演和植被机理模型估算两种方法。本文系统地阐述了遥感反演中的经验回归方法和辐射传输模型，还有基于植被机理的作物生长模型和草地生长模型。此外，本文还介绍了在农业估产领域已经被广泛应用的数据同化技术，分析了在草地生物量同化估算过程中，遥感数据与机理模型存在的互补优势，提出了目前存在的问题和未来发展需求：在简化模型的同时，保证估算的稳定性和准确性并兼顾植被的机理性是未来草地生物量估算的研究重点。

以盐城湿地自然保护区核心区的ETM+图像数据和同期野外实测的31个样方地上生物量干重、湿重数据为数据源,分析了15个遥感信息变量与湿地植被地上生物量干重、湿重的相关关系,并选择在0.01水平上显著相关的8个遥感变量建立一元线性回归模型、一元曲线回归模型以及多元逐步回归模型,并对比得出最优模型,进而计算出整个研究区的地上生物量。研究得出:①与研究区湿地植被地上生物量干重和湿重相关性最大的都是ETM+4波段,干重的相关系数为0.833,湿重的相关系数为0.796;②研究区植被地上生物量干重和湿重的遥感估算模型都是一元三次函数模型,且干重模型的拟合精度要优于湿重模型;③得到研究区地上生物量干重总重量...

土壤氮素是土壤肥力的重要指标之一,在粮食生产和质量上扮演着极其重要的角色。土壤氮素监测不仅是农业生产的研究热点,也是全球气候变化问题研究的热点之一,而遥感技术为土壤氮素监测提供了一种快速无损的、新的技术手段。本研究利用TM影像通过NDVI变换反演植被覆盖度,同时结合地面实测数据,分析影像植被覆盖度与实测植被覆盖度的关系,及二者在反演土壤氮素含量时的差异;并建立影像植被覆盖度与土壤全氮含量的估算模型;结果表明:影像植被覆盖度与实测植被覆盖度的相关性极显著,通过比较实测植被覆盖度与土壤全氮、碱解氮的关系,发现实测植被覆盖度与土壤全氮含量相关性极显著,而与土壤碱解氮含量相关性不显著。

【目的】基于浙江省中分辨率成像光谱仪(MODIS)时间序列数据，对浙江省竹林地上生物量进行估算，为竹林碳汇遥感监测提供参考。【方法】以MODIS叶面积指数(LAI)、增强型植被指数(EVI)和比值指数(RVI)时间序列数据为变量，利用随机森林模型筛选变量，采用支持向量回归(SVR)模型估算研究区竹林地上生物量。【结果】随机森林模型共筛选出43个对竹林地上生物量影响最大的变量；基于43个变量，采用radial核函数构建的SVR模型预测能力最强，模型训练精度和测试精度分别为0.76和0.72，均方根误差分别为5.15和8.03 Mg·hm~(-2)。浙江省全省竹林地上生物量均值为7.85 Mg·hm~(-2)，总地上生物量为3.31×10~7 Mg；浙江省竹林地上生物量在各市具有明显的差异性，其中，湖州市、杭州市、金华市、绍兴市和宁波市的竹林地上生物量均值均大于全省均值，湖州市竹林地上生物量均值最大，为13.56Mg·hm~(-2)，舟山市地上生物量均值最小，为5.72 Mg·hm~(-2)。【结论】耦合了MODIS LAI、EVI、RVI时间序列数据的SVR模型可实现浙江省竹林地上生物量较高精度的估算。图3表1参31

植被盖度是反映植被基本情况的客观指标和重要参数。本研究在对比8种常用的可见光植被指数计算草地盖度精度的基础上，发现这些植被指数对荒漠草地的植被盖度估测效果较差，因此提出一种适用于荒漠草地植被盖度估测的荒漠植被指数(DVI)，并评价了不同植被指数对不同草地类型的植被盖度估测效果，分析了不同草地类型阈值取值的变化情况。结果表明：1)所选植被指数对草甸草地和典型草地的盖度估测效果均较好，精度较高(准确率>90%,F1得分> 0.9)。草甸草地中超绿指数(Ex G)的盖度估测效果最好(准确率> 93%,F1得分> 0.95)，典型草地中各植被指数无明显差异，但对荒漠草地植被盖度估测效果较差，精度较低(F1得分≤0.6)。2) DVI对荒漠草地植被盖度估测精度较高(准确度> 93%,F1得分达到0.71)，能够有效弥补上述植被指数的缺陷。3)绿叶指数(GLI)和植被颜色指数(CIVE)的阈值对草地类型敏感性最弱；Ex G、超绿超红差分指数(Ex GR)、植被因子指数(VEG)、Woebbecke指数(WI)等植被指数的阈值对草甸草地和典型草地的敏感性较弱，但对荒漠草地的敏感性较强；组合指数(COM)和Lab指数(Lab)对草地类型的敏感性最强。

【目的】阐明水稻顶部4张叶片蛋白氮含量和反射光谱特征的变化规律及其相互关系,建立快速、准确诊断水稻功能叶片蛋白氮含量的方法。【方法】通过3年不同施氮水平和不同品种类型的大田试验,分生育期同步测定顶部4张叶片的光谱反射率及蛋白氮含量,系统分析叶片蛋白氮含量与多种高光谱参数的定量关系。【结果】水稻叶片蛋白氮含量和光谱反射率在不同施氮水平、不同生育期及不同叶位间均存在明显差异,叶片蛋白氮含量的敏感波段主要存在于可见光绿光区530～580nm及红边区域695～715nm,其中红边区域表现最为显著。红边区域700nm附近波段与近红外短波段的比值组合(SRs)可以有效地估算水稻上部功能叶片的蛋白氮含量,其...

草地非生长季植被是牲畜在冬春季节的主要饲料来源,研究非生长季植被对估算当地牧场载畜量有重要意义。本文以甘南州为研究区,通过小型无人机搭载相机获得60 m×60 m的草地非生长季植被数码照片,通过监督分类得到样地非生长季植被覆盖度数据。利用MODIS/Terra+Aqua双向反射分布函数和半球反射率产品MCD43A4,以及Landsat8 OLI影像数据,分别计算土壤耕作指数(soil tillage index,STI)、干枯燃料指数(dead fuel index,DFI)、归一化差异耕作指数(normalized difference tillage index,NDTI)等9种植被指数,通过分析不同植被指数与非生长季植被覆盖度之间的相关性,建立草地非生长季植被覆盖度回归模型,通过评价模型的精度来对比不同数据源估算草地非生长季植被覆盖度的能力,并筛选出甘南州草地非生长季植被覆盖度的最优反演模型,分析其空间分布特征。结果表明:1) Landsat8 OLI数据比MODIS数据更适合于甘南地区的草地非生长季植被覆盖度的反演;2)草地非生长季植被覆盖度估测的最优指数是NDTI,其线性模型为y=1 432.074x–166.855 (R2=0.407),是草地非生长季植被覆盖度最优反演模型;3)甘南州2018年4月–5月草地植被覆盖度总体西部高、东部低,大部分地区覆盖度介于20%～50%,仅有夏河北部、合作中部以及玛曲东南部少部分区域覆盖度小于20%,玛曲西北部覆盖度大于60%。本研究结果可为甘南州季节载畜量计算提供依据。

【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。

以ＷｏｒｌｄｖｉｅＷ－２遥感影像作为数据源，对东洞庭湖湿地核心区域进行了ｌＡｉ估算研究。首先对典型的植被指数与叶面积指数（ｖｉ－ｌＡｉ）的相关性进行了分析；然后选择了７个与ｌＡｉ之间存在显著相关性的植被指数（Ｎｄｖｉ、ｒｖｉ、ｄｖｉ、ＳＡｖｉ、ＭＳＡｖｉ、ｅｖｉ、ｒｄｖｉ）作为ｖｉ－ｌＡｉ的模型因子，采用多回归模型与ｌＡｉ实测数据进行拟合分析，筛选出这回归模型的最优因子；然后利用实测数据作为检验样本，最终确立了以Ｎｄｖｉ为模型变量的指数模型是用于ｌＡｉ估测的最优模型，精度达到了７４．３４％。结果表明：本研究采用的多植被指数比较建立的湿地植被ｖｉ－ｌＡｉ反演模型，是可以比较准确获取湿地区域叶面积．．．

本研究以赤峰地区为例,利用2001-2017年MODIS的16d合成植被指数(NDVI)数据和同期逐日气温、降水量资料,分析了内蒙古农牧交错区天然草地NDVI时空变化及其对气候因子的响应。结果表明,近17年来,研究区天然草地NDVI逐年呈显著增加趋势(P<0.01),相关系数分别为0.730、0.724、0.789、0.782,5月和9月降水量与NDVI呈显著正相关关系(P0.05)。

为了探讨乡土牧草补播对退化草地植被恢复的作用,在宁夏盐池县设置了以放牧地(FM)为对照,以蒙古冰草(Agropyron mongolicum)单播(M)、牛枝子(Lespedeza potaninii)单播(N)、蒙古冰草+牛枝子混播(MN)、蒙古冰草+沙打旺(Astragalus adsurgens)混播(MS)和蒙古冰草+草木樨状黄芪(Astragalus melilotoides)混播(MX)为补播模式,研究不同补播措施对荒漠草地土壤持水性及地上地下生物量的影响。结果表明:1)不同处理间土壤持水性的综合排序为M> MS> MN> MX> N> FM。2)所有补播处理的地下生物量均高于放牧草地,且单播牧草的地下生物量M高于N;而处理间地上生物量表现为MS> MX、M、MN> N> FM的趋势。3)冗余分析(RDA)结果表明,植被地下、地上生物量和表征土壤持水性的指标间显著相关(P <0.05)。本研究结果表明蒙古冰草由于具有较高的地下生物量,单播或与豆科混播均可以显著改善土壤持水性,进而利于植被的恢复,故而在未来草地补播中应因地制宜采用根系生物量大的牧草进行单播或与其他牧草混播。