共查询到19条相似文献，搜索用时 406 毫秒
1.
典型草原植被生物量遥感监测模型——以锡林郭勒盟为例 总被引：2，自引：0，他引：2
以锡林郭勒盟典型草原为研究区域,将遥感技术用于草地牧草产量测量,分析了遥感植被指数与牧草产量之间的相关关系,比较和分析了3种植被指数的应用范围,研究了草地牧草产量遥感监测的方法,并利用遥感植被指数建立了草地牧草产量估产模型y=368.273x 2.973(R=0.908,R2=0.824),该模型通过2005年预测值与实测值的误差统计分析,2005年估产精度达到97%,研究还表明,锡林郭勒草地牧草产量估产的植被指数是归一化植被指数(NDVI).研究结果为今后开展大面积草地牧草产量估产和动态监测提供了有效途径. 相似文献
2.
3.
4.
5.
基于MODIS-NDVI的天山北坡中段草地动态估产模型研究 总被引：5，自引：2，他引：3
利用EOS/MODIS卫星遥感数据,以天山北坡中段山地草原带为典型研究区,进行草地生物量变化动态监测。运用植被指数最大合成法,分析了研究区草地植被指数的时空变化特征,以及植被指数NDVI与地上生物量的相关关系,建立了MODIS NDVI在山地草甸草原、山地草原和山地荒漠草原上不同季节的生物量动态估测模型。结果表明：3种草地类型的最优动态估产模型分别是一元线性回归模型、二次曲线回归模型、幂函数曲线模型,估产精度分别达到83.06%、90.85%、88.06%。 相似文献
6.
植被指数在典型草原生物量遥感估测应用中的问题探讨 总被引：5，自引：0，他引：5
遥感技术兴起于20世纪60年代初,随后被广泛应用于草地遥感估产研究,通过不同尺度数据之间建立植被指数—生物量函数关系来完成由点及面的转换。本研究选用了14种常用于草地估产的植被指数,对内蒙古锡林浩特市白音锡勒典型草原分别建立植被指数—干重、植被指数—鲜重的回归模型并对14种植被指数进行DCA分析发现,1)鲜重及干重应用在草地生物量遥感估测中均是可行的,但干重效果要优于鲜重,考虑到实验条件限制,鲜重具有更广泛的应用;2)DCA排序的第一、二轴分别代表土壤、大气的影响,且土壤是影响植被指数最主要的因子;DCA排序将14个植被指数分为4类,综合排除了土壤及大气影响的一类植被指数,也就是归一化差异植被指数及由其衍生的土壤调整植被指数、修改型土壤调整植被指数效果最好;3)经验数据显示:当生物量低于370 g/m2时,建立的估产模型都是一元线性的;当生物量在370~720 g/m2时,一元线性模型和指数模型的模拟效果都很好;当生物量高于720 g/m2时,估产模型都是指数的,因此,随着生物量范围的增大,模型逐渐由一元线性趋近于指数模型。 相似文献
7.
以甘南州高寒天然草地为研究对象,利用2016-2019年草地地上生物量实测数据和MOD13Q1植被指数产品,构建了甘南州草地地上生物量遥感反演模型,分析了近20年(2000-2019年)甘南州高寒天然草地地上生物量的时空分布特征.结果表明:1)MODIS EVI植被指数适宜于甘南州高寒天然草地地上生物量变化监测研究,模型决定系数R2=0.5249,均方根误差RMSE=527.9 kg·hm-2;2)20年间甘南州高寒草甸和山地草甸的地上生物量均呈增加趋势,而沼泽类草地地上生物量呈减少趋势;3)近20年来甘南州草地呈现出整体恢复、局部恶化的趋势,全州66.04％的草地呈稳定或恢复趋势,33.96％的草地地上生物量呈减少趋势,其中18.08％的草地呈持续性恶化趋势.研究结果为甘南州草地植被动态监测和高寒草地退化修复提供了数据支持. 相似文献
8.
9.
草地地上生物量监测是合理利用草地资源,掌握草原生态演替过程的重要依据。但是,实时观测草地地上生物量信息需要耗费大量的人力物力,亟需借助遥感、数学等工具进行间接观测。本文系统阐述了国内外主流的草地地上生物量估算方法,包括遥感统计模型、草地生长模型、作物生长模型、光能利用率模型和生态过程模型等模型,以及遥感与机理模型耦合模型,概述了当前主流模型的特点及其适用条件,总结了相关的研究策略。结合草地估产的现实需求,梳理了现有的农业遥感数据同化研究进展,展望了基于遥感数据同化方法的草地地上生物量估算思路,为草地生长模拟的大区域、高精度研究提供了新的思路。 相似文献
10.
【目的】快速、准确和大范围地对天峻县草地地上生物量（Above-Ground Biomass，AGB ）进行监测。【方法】利用天峻县 Landsat 8 OLI 遥感图像数据和同期 43 处样点实测生物量数据，分别建立了归一化植被指数（Normalized Difference Vegetation Index，NDVI）、土壤调节植被指数（Soil-Adjusted Vegetation Index，SAVI）、修改型土壤调节植被指数（Modified Soil - Adjusted Vegetation - Index， MSAVI）、比值植被指数（Ratio Vegetation Index，RVI）与草地地上生物量的遥感统计模型，分析遥感植被指数与草地地上生物量之间的相关性。【结果】天峻县遥感植被指数与草地地上生物量之间存在较好的相关性，但不同的统计模型的拟合效果不同；由 4 个自变量建立的多元线性回归模型的比一元线性回归模型有更好的拟合效果；遥感植被指数与草地地上生物量建立的三次项回归模型在拟合精度上较一元线性和多元线性高，为 y=116. 12x3 –898. 48x2 +1 672. 1x–1 003. 4。【结论】 RVI 与草地地上生物量三次项模型适用于监测天峻县地区的草地地上生物量。 相似文献
11.
基于Landsat 8 OLI影像的渭-库绿洲植被地上生物量估算 总被引：1，自引：0，他引：1
干旱区绿洲植被地上生物量估算研究可为绿洲生态系统稳定性评价与区域碳储量估算提供重要依据。以渭干河-库车河三角洲绿洲为研究区，利用ENVI 5.3软件对Landsat 8 OLI 影像数据进行预处理，提取反映植被地上生物量信息的植被指数和波段因子，并结合样地实测数据，采用常规统计模型、多元逐步回归和偏最小二乘回归方法建立研究区植被地上生物量最优估测模型，从而揭示该绿洲植被地上生物量的空间分布特征。结果表明：1）所选的20个遥感因子与实测植被地上生物量呈极显著正相关关系，相关系数为0.5~0.7（P<0.01）。2）乔木与灌木地上生物量最优估测模型均为多元逐步回归模型，草本与农作物地上生物量的估测模型以偏最小二乘回归模型为最优，模型验证决定系数均在0.6以上，均方根误差和平均绝对误差均较小。3）研究区植被地上生物量主要在280~1450 g·m-2 分布，面积约为6973.82 km2，低水平地上生物量（ABG<65 g·m-2）分布区域约占研究区总面积的15.02%。地上生物量由高到低依次为：农作物>乔木>灌木>草本。根据不同的植被类型，基于地物光谱特征构建的遥感估测模型可准确估算干旱区绿洲植被地上生物量，并对其空间分布特征进行遥感定量反演。 相似文献
12.
13.
利用高光谱遥感技术能快速、无损、高效地获取草地地上生物量信息,对牧区牧草高效管理、草畜供求关系平衡以及放牧制度优化等方面具有重要意义。为了寻求估算生长旺盛期草地地上生物量最适宜的微分光谱阶数,本研究在内蒙古天然草场通过原位试验采集了高光谱反射率与地上生物量数据,对原始光谱反射率数据进行一至四阶微分处理,在全波段范围内挑选最佳波段构建简单比值植被指数(Simple ratio vegetation index, SRVI)、归一化植被指数(Normalized difference vegetation index, NDVI)、土壤调节植被指数(Soil adjusted vegetation index, SAVI)和增强型植被指数(Enhanced vegetation index, EVI) 4种高光谱植被指数,建立相应地上生物量估算模型并对比评价各模型精度。结果表明：对原始高光谱反射率进行微分处理,有助于提高敏感波段与地上生物量的相关性;红边波段与近红外波段是构建最佳植被指数的重要组成波段,占所有优选波段的82%;基于二阶微分光谱的最佳SRVI和NDVI模型精度最好,R 相似文献
14.
草层高度是反映草地生长状况的重要指标之一,与草地地上生物量的监测及载畜力的评估具有紧密联系。目前,对我国天然草地群落高度的监测尚缺乏精确的遥感方法。本研究以黄河源区高寒草甸为研究区,分别基于MODIS植被指数、冠层高度模型以及草地冠层高光谱反射率,构建了高寒草甸草地群落高度的估算模型,并对模型精度进行了评价。结果表明,1)12种MODIS植被指数中,NDVI对草层高度的变化最为敏感,其4种回归模型的R~2均较低,介于0.203~0.241,NDVI指数模型(y=0.789e~(3.186x),R~2=0.241)的拟合效果最好,但反演误差较大(RMSE=4.2cm,CVRMSE=45.7%);2)冠层高度模型在黄河源地区高寒草甸试验区的反演精度较低(RMSE=5.8cm,CVRMSE=62.1%),实际应用误差较大;3)高寒草甸群落高度与519.4-583.17nm波段之间的冠层光谱反射率存在显著负相关关系(P0.05),基于光谱位置变量R′510.59的线性模型(y=~(-1)56.375x+20.384)相对最优(R~2=0.489,RMSE=3.5cm),较适合反演高寒草甸群落的草层高度。 相似文献
15.
准确、高效获取草甸地上生物量信息,对牧区农牧业生产、草地资源管理、牧草可持续利用具有重要意义。本研究基于实地采集的牧草冠层光谱反射率及同期获取的地上生物量数据,运用互信息法分别分析了微分光谱、优化植被指数与草甸地上生物量的相关性,进一步构建了极限梯度提升（XGBoost）算法与不同阶光谱植被指数数据集的草甸地上生物量模拟估算模型,并与多元线性回归（MLR）和随机森林（RF）算法建立的模型进行对比。结果表明：对光谱反射率进行一阶、二阶微分与光谱植被指数变换协同应用,有助于提高冠层光谱与地上生物量的相关性;基于原始光谱植被指数与XGBoost算法构建的草甸地上生物量模拟估算模型效果最佳,均方根误差（RMSE）为140.26 g·m-2,平均绝对误差（MAE）为97.20 g·m-2,Nash效率系数（NSE）为0.81,一致性指数（d）为0.94,其次为基于RF算法构建的模型,MLR算法构建的模型精度较差。研究认为XGBoost算法可适用于草甸地上生物量模拟估算模型的建立,为快速准确的牧草高光谱遥感监测提供了技术和方法,为区域性草地高精度大面积生产力估算奠定了基础。 相似文献
16.
为建立基于指示植物的滇西北地区草地退化遥感评价技术体系,将有毒植物大狼毒（Euphorbia jolkinii）作为草地退化的指示植物,筛选并构建了反映草地群落中大狼毒组分信息的植被指数。结果表明：部分特殊样地有可能放大GPS定位偏差对植被指数与地面调查指标相关性研究的不利影响,最好予以剔除。现有的植被指数与大狼毒调查指标的相关性略低于其与总体调查指标的相关性,不适合作为大狼毒的遥感监测指标。采用Landsat 5卫星第5波段影像校正后的植被指数与大狼毒调查指标的相关性增加,而与总体调查指标的相关性降低,在弱化样地总体群落信息、突出大狼毒组分信息方面GNDVIc表现最佳,较适用于草地群落中大狼毒组分的遥感监测。 相似文献
17.
内蒙古草原荒漠化遥感监测分析 总被引：3，自引：0，他引：3
利用1988年以来的遥感资料,计算了不同时期的NDVI,同时基于遥感影像和光谱特征直接提取了土地退化指标,分析了内蒙古自治区植被覆盖宏观变化和荒漠化的情况.结果表明:历史上水草丰美的锡林郭勒、呼伦贝尔草原的植被指数呈下降趋势,尤其是呼伦贝尔沙地植被指数下降幅度明显;近年来一些大的沙尘源地如浑善达克沙地、毛乌素沙地的植被呈持续好转状态;对内蒙古生态环境的保护任重而道远,在加紧治理一些风沙源地的同时,要加强对草原的保护与管理,在稳定生态的同时逐步提高农牧民的生产生活水平. 相似文献
18.
高分一号卫星影像特征及其在草地监测中的应用 总被引：1，自引：0，他引：1
为评价高分一号卫星数据的草地监测能力,在分析传感器波段设置、辐射分辨率和光谱响应系数等特征的基础上,以草地为研究对象,提取草地分布信息,计算不同植被指数,结合地面同步观测的草地光谱、地上生物量、覆盖度和叶面积指数等实测数据,通过R2和均方根误差筛选并建立最优估算模型。结果表明:波段设置与部分常用传感器保持了较好的一致性;空间分辨率的提高,增强了地物类型的识别能力,辐射分辨率的提高,增强了数据的层次性;光谱响应系数较好的涵盖了不同草地类型的光谱曲线特征;叶面积指数和生物量的最佳估算模型均为基于比值植被指数的三次多项式模型,覆盖度最佳估算模型为基于归一化植被指数的幂函数模型,并得到了较好的制图效果。 相似文献
19.
基于Landsat 8 OLI遥感影像选取9种植被指数,与野外实测植被覆盖度进行相关性分析,采用分段方式选择敏感植被指数,构建回归模型及FCD模型(forest canopy density mapping model,FCD)对渭干河–库车河三角洲绿洲植被覆盖度进行反演。结果表明:1)根据实测数据计算不同植被指数在不同植被覆盖度范围内的变化比例,从而确定0.3和0.7作为研究区植被覆盖度的分段点;2)分段回归模型与综合分段优势的FCD模型建模精度均约为79%,但综合分段优势的FCD模型建模集R2较高,RMSE较小,其验证结果优于分段回归模型,验证集R2为0.832,RMSE为0.154,精度为82.018%。综合分段优势的FCD模型更适合用于研究区总体植被覆盖度反演,可为干旱区植被覆盖度定量监测与生态环境评价提供依据。 相似文献