自20世纪70年代开始,归一化植被指数(NDVI)在天然草地地上生物量估测研究中得到了广泛应用.然而,NDVI对高密度植被生物量遥感估测存在饱和现象,使草地生物量遥感估测有较大的不确定性.以青藏高原东缘高寒草甸为例,基于比值植被指数(RVI)探讨了 NDVI的饱和性,并评估了 NDVI饱和性对高寒草甸地上生物量时空动态变化分析的影响.结果表明:(1)虽然基于中分辨率成像光谱仪(MODIS)NDVI构建的草地地上生物量估测模型精度较基于RVI构建的估测模型高,但模型对高寒草地地上生物量(生物量大于2314.627 kg/hm2)灵敏度较RVI估测模型低,即NDVI阈值大于0.73时,估测模型呈现饱和现象(低估了草地地上生物量);(2)结合RVI和NDVI的相关关系,对饱和部分NDVI遥感植被指数进行校正,校正后最优地上生物量遥感估测模型为线性模型(y=5908.5x-2198.9,R=0.6190,RMSE=902.41 kg/hm2),较调整前RMSE降低了 11.72 kg/hm2;(3)就NDVI饱和性空间分布而言,从全年6月—9月初(全年第161-257天)饱和性呈现先自东南向西北延伸,后自西北向东南消退的变化趋势,平均低估值介于158.45-293.92 kg/hm2之间,最大低估值出现在8月初(全年第225天),超过600 kg/hm2;(4)此外,NDVI饱和性对草地地上生物量年际动态变化趋势分析具有较大的影响,去除饱和性影响后草地地上生物量基本不变的区域减小了 21.44％,而年际变化小于-10 kg/hm2和大于30 kg/hm2的区域分别增加了 8.48％和16.19％.研究探讨了 NDVI饱和性对草地地上生物量遥感估测的影响,以期为精确评估高寒草地地上生物量提供理论依据,同时也为高寒草地资源可持续发展提供科学依据.

及时准确评估草地产草量对草地资源的科学管理和可持续发展具有重要意义.青藏高原自然环境特殊,气候差异显著,地形复杂,仅依靠遥感信息准确监测草地地上生物量(Aboveground Biomass,AGB)变化有较大限制.基于青藏高原草地AGB野外实测数据与Landsat遥感影像,探索了植被指数表征草地AGB信息的有效性,评估了气象和地形信息对准确估算草地AGB的影响,综合利用气象、地形和遥感信息,在新一代地球科学数据和分析应用平台(Google Earth Engine)上构建了梯度增强回归树草地AGB估算模型,绘制了青藏高原多年草地AGB空间分布图.结果表明:(1)基于单因素遥感因子的线性回归模型仅能解释 8%—40%的草地AGB变化情况,其中绿色归一化植被指数(Green Normalized Difference Vegetation Index,GNDVI)对草地AGB解释能力较强(40%).(2)基于遥感因子构建的梯度增强回归树模型测试集R2为0.57.分别添加气象、地形信息,模型对草地AGB的估测准确性有所提升,测试R2为 0.62 和 0.63.(3)基于气象、地形和遥感因子的多因素估测模型能够提高草地AGB估测精度,经递归特征消除法优选后,基于 13 个特征变量的梯度增强回归树模型拟合效果最好(训练数据集R2 =0.79,RMSE=43.42 g/m2,P＜0.01;测试数据集R2=0.66,RMSE=53.64 g/m2,P＜0.01),可以解释66%草地AGB变化情况.(4)2010 年青藏高原平均AGB为 94.58 g/m2,2015 年 93.63 g/m2,2020 年 100.78 g/m2.青藏高原西北部草地AGB较低,东南部草地AGB较高,整体呈现自西北向东南逐渐增加的分布格局.研究结果为准确估算青藏高原草地产草量和碳储量等研究提供重要参考.

草地地上生物量(Aboveground Biomass,AGB)是反映草地生态系统功能和质量的关键指标,大尺度地准确估算草地AGB对草地生态系统经营管理至关重要.研究以MODIS影像为数据源,提取反射率、植被指数和植被产品三种不同类型的特征变量,结合野外实测样地草地AGB数据,构建以多元线性逐步回归为代表的参数模型以及随机森林、支持向量机和kNN等非参数模型进行西藏自治区草地AGB估测及空间分布制图.结果表明:(1)多元线性逐步回归、随机森林、支持向量机和kNN模型在加入植被产品特征变量后,RMSE分别降低了 15.8％、13.5％、4.1％和17.3％,表明植被产品作为建模变量用于草地AGB估测可有效提高模型精度;(2)三种组合变量构建的草地AGB估测模型中,反射率、植被指数、植被产品组合构建的模型效果最佳,其中kNN模型估测精度最高,R2达到0.60,RMSE和MAE分别为0.43、0.34 t/hm2;(3)草地AGB空间分布呈现出西北地区较低、中部地区较高且分布形态较破碎和东部地区较高的变化特征;(4)利用MODIS植被产品结合kNN模型的预测值与草地实测的AGB空间分布趋势基本一致.综上,MODIS植被产品结合kNN模型可作为大尺度区域草地AGB遥感估测的有效参考.

森林郁闭度(FCC)是评价森林资源和生物多样性的重要参数,利用多源遥感协同手段以较小成本高精度实现区域FCC反演是当前研究热点.本研究以星载激光雷达ICESat-2/ATLAS为主要信息源,结合54块实测样地数据,采用贝叶斯优化(BO)算法改进后的随机森林(RF)、K-最近邻值法(KNN)、梯度回归(GBRT)模型获取光斑尺度ATLAS光斑内FCC,协同多源遥感影像Sentinel-1/2及地形因子基于BO算法优化后的全连接深度神经网络模型(DNN)进行区域尺度的滇西北香格里拉市FCC遥感估测.结果表明:在提取的50个ATLAS激光雷达光斑参数指标中,经RF特征变量优选后,6个特征参数(乔木冠层百分比、冠层顶光子相对高度的标准差、冠层高度最小值、区段内98％冠层高度值与冠层高度中位数的差值、冠层顶部光子数、表观反射率)贡献率较大,可作为光斑尺度遥感估测模型变量.在BO-RF、BO-KNN、BO-GBRT模型中,以BO-GBRT模型估测的FCC结果最优,留一交叉验证的决定系数(R2)为0.65、均方根误差(RMSE)为0.10、绝对残差均值(RS)为0.079,预测精度(P)为0.792,可作为研究区有林地74808个ATLAS光斑的FCC估测模型.以有林地ATLAS光斑尺度FCC值作为区域尺度BO-DNN模型的大样本数据,联合多源遥感因子进行研究区FCC估测,十折交叉验证的BO-DNN模型验证精度为R2=0.47、RMSE=0.22、P=0.558.使用BO-DNN模型估测及普通克里格(OK)插值的研究区FCC均值分别为0.46、0.52,主要分布在0.3～0.6,分别占比77.8％、81.4％.直接通过OK插值方法获取FCC效率较高(R2=0.26),但预测精度明显低于BO-DNN模型(R2=0.49).FCC高值区域在研究区由西北向东南贯穿分布,北部地区和东南部分别为FCC高值、低值主要分布区.基于ICESat-2/ATLAS高密集光斑进行山地FCC估测具有一定优势,以光斑尺度的小样本数据估测结果可作为区域尺度深度学习模型的大样本数据,能为光斑尺度上推至区域尺度低成本、高精度估测FCC提供一种参考.

生物量是衡量挺水植物生长状况的重要参数,对湿地生态系统健康评价具有重要意义.利用无人机影像生成运动重建结构SfM(Structure from Motion,SfM)数据,结合野外实测生物量构建定量反演模型,并根据反演模型对生物量进行空间制图,最后分析了挺水植物类型对生物量空间分布的影响.结果表明,文中基于SfM数据建立的逐步线性回归模型(Stepwise Linear (SWL) regression model)具有较好的反演精度及估测能力.其模型显著性为显著(P＜0.01),决定系数为0.86,相对均方根误差为6.1％.挺水植物类型对生物量空间分布影响显著(P＜0.05).通过对研究区挺水植物的生物量进行估算,为利用无人机遥感监测挺水植物生物量提供了新思路.

氧化铁是土壤中铁元素的主要存在形式,亚热带土壤中高含量的氧化铁形成了该区域重要的土壤附色成分针铁矿和赤铁矿等矿物,使得土壤颜色明显区别于其他气候带.以亚热带典型地区珠江三角洲为例,分析不同光谱形式与土壤氧化铁含量的相关性,提取特征光谱波段建立土壤氧化铁的反演模型.结果表明:土壤氧化铁含量与反射光谱之间呈负相关,且敏感波段主要位于404、574、784、854和1204 nm等可见近红外区域.微分处理后的光谱与土壤氧化铁的相关性明显提高.在相关性显著波段的基础上采用逐步多元线性回归以及主成分分析剔除共线性波段,最后选择特征光谱波段作为反演模型的输入参数.比较反演模型的结果,得出该地区土壤氧化铁含量的最佳反演模型为BP人工神经网络(RMSEC=0.22,RMSEP=0.81,R2=0.93,RPD=12.20),该模型具有非常好的稳定性,适用于快速估测土壤中氧化铁含量,并且能够为测度土壤氧化铁的空间分布提供研究基础.

大兴安岭是我国重点森林火灾区,准确预测该地区的森林可燃物含水率对于提高该地区林火发生预测的准确性意义重大.本研究采集典型林型的枯落物的光谱和含水率实测数据,通过一阶导数和去包络线的光谱分析方法识别森林枯落物含水率敏感波段.通过相关系数法从原始光谱、去包络线光谱、一阶导数光谱、去包络线之后的一阶导数光谱中筛选与枯落物含水率高度相关的波段作为含水率反演模型的备选自变量.利用逐步回归分析建立枯落物含水率反演模型,并对模型进行精度评价.结果表明,去包络线之后的一阶导数光谱对枯落物含水率变化存在显著响应,敏感波段位于398～668、768～1068、1098、1278、1388～1438、1458 ～ 1538、1868 ～ 1898、1988～2088、2198～2208、2228 ～ 2238 nm(P＜0.05).相关系数极值为-0.653、0.610,分别在波长2008、1888 nm处.通过多元逐步回归构建大兴安岭地区9种典型林型枯落物光谱和含水率的预测模型,模型决定系数R2=0.537,平均相对误差为0.303,均方根误差为0.499.本研究结果将为利用遥感技术快速测定森林枯落物含水率提供参考.

为了探究多种植被指数组合与偏最小二乘回归(PLSR)结合对于提高冬小麦地上干生物量估测精度的影响,本研究以氮运筹试验为基础,比较分析了18种植被指数与冬小麦地上干生物量的相关性,筛选出相关性较好的植被指数,建立多种植被指数组合的PLSR模型,并对模型进行评价比较.结果表明:除叶绿素归一化植被指数(NPCI)外各植被指数均与冬小麦地上干生物量有良好的相关性,中分辨率陆地叶绿素成像指数(MTCI)、绿色归一化植被指数(GNDVI)、改进红边比值植被指数(MSR705)和特征色素简单比值指数c(PSSRc)4个植被指数相关系数绝对值均达到0.800以上;多植被指数组合构建的PLSR模型中,以PSSRc、MSR705和MTCI 3个植被指数建立的复合式模型建模集(R2=0.719,RMSE=0.316)和验证集(R2=0.696,RMSE=0.346)表现最佳.因此,多种植被指数组合与偏最小二乘回归(PLSR)结合能有效提高冬小麦地上干生物量的估测精度,为更好地实现冬小麦地上干生物量高光谱遥感估测提供有效技术途径.

植物群落高度是反映植物群落特征的重要指标,植物群落高度的测定能给植物群落多样性分析、生物量估算、功能形状研究提供重要的数据基础.传统的森林调查主要由生态调查工作者通过目测或者利用激光测高仪对每个个体进行逐一测定,因此劳动强度大,耗时费力,并且难以进行大面积的植物群落高度调查.近年来,随着无人机(Unmanned Aerial Vehicle,UAV)技术的飞速发展,催生了无人机低空摄影测量和遥感技术,该技术已被应用于农作物植株高度测定和生物量估测等.然而针对植被类型多样、树木种类繁多且地形复杂的山区如何精确的获取植物群落高度仍然是一个较大挑战.以缓坡地形的云南大学呈贡校区为研究区,选取校区内人工种植的雪松(Cedrus deodara(Roxb.)G.Don)林为研究对象,利用无人机搭载可见光相机平台获取研究区近地面航空影像,利用高分辨的影像匹配加密获得的点云数据生成数字表面模型(Digital Surface Model,DSM).依据点云分类提取非植物类点,消除少数因植被与非植被相接的边缘模糊而错分类的部分,内插后生成数字地面模型(Digital Terrain Model,DTM).将DSM和DTM叠加相减得到树木高度变化模型(Canopy Height Model,CHM),即获得研究区各个雪松的高度.然后利用激光测距仪测定研究样地内100棵雪松的高度,将此测定的树高与无人机航测技术生成的CHM模型测定的树高值进行精度检验.结果表明无人机测定的树高值与激光测距仪测定的树高值线性拟合度较高,r2值在0.904以上.此方法基于无人机影像生成空间模型,提取树高,受外界环境因素影响较小,且成本较传统测树方法低廉,可广泛运用于各种植物群落的调查研究当中,有极好的应用前景.

为构建树种叶面积指数的估算模型,以NDVI、RVI、FREP、CIGreen、CIRed-edge、MSAVI2为高光谱特征变量,通过统计分析,确定反演树种叶面积指数的最佳光谱特征变量,构建华南农业大学校园内50种亚热带树木的叶片反射率和叶面积指数(LAI)模型.结果表明,6种高光谱特征变量与树种叶面积指数间都具有极显著相关性,其中红边位置反射率(FREP)和比值植被指数(RVI)与LAI的拟合方程的R2都大于0.8,决定系数分别为0.820和0.811.经过精度验证,FREP估算的均方根误差(RMSE)只有0.13,该回归模型为估测亚热带典型树种的叶片LAI最佳模型.从高光谱遥感的角度结合亚热带植被的群落结构特点来看,建立的红边位置光谱反射率与叶面积指数的回归模型普遍具有较高的拟合度,所以利用高光谱特征变量反演亚热带树木叶片的叶面积指数等植被参数的应用前景较好.