本文選題：云南省 + MODIS數(shù)據(jù)�。� 參考：《中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)》2017年04期

【摘要】：準(zhǔn)確估算草地生物量,對(duì)全球氣候變化背景下的陸地生態(tài)系統(tǒng)碳循環(huán)研究具有重要意義。過去幾十年,草地生物量估算研究大多集中在北方,而南方草地具有類型繁多和分布零散等特征,對(duì)其生物量進(jìn)行評(píng)估的報(bào)道較少。本文以云南省為例,應(yīng)用2012—2014年草地生物量野外調(diào)查資料和同期MODIS遙感數(shù)據(jù),建立草地地上生物量(AGB)遙感估算模型;再引入草地植被群落特征(高度和蓋度)信息對(duì)統(tǒng)計(jì)模型進(jìn)行優(yōu)化,并進(jìn)行生物量空間反演。結(jié)果表明:優(yōu)化后模型的估算精度由原來的35.0%提升為43.7%;反演得到云南省3年年均AGB的總量介于1 026.86萬~1 408.54萬t,平均為1 221.11萬t;從空間分布上看,云南省草地AGB密度總體上呈現(xiàn)西部高東部低、南部高北部低的格局。本研究首次將遙感植被指數(shù)數(shù)據(jù)與實(shí)測(cè)植被群落特征參數(shù)結(jié)合,使估算精度比傳統(tǒng)的純粹光學(xué)遙感模擬方法顯著提升24.9%,但精確估算大面積的草地AGB,需要進(jìn)一步探索如何將激光雷達(dá)數(shù)據(jù)或遙感立體影像中提取的植被特征信息應(yīng)用于草地AGB估算研究。
[Abstract]:Accurate estimation of grassland biomass is of great significance to the study of terrestrial ecosystem carbon cycle in the context of global climate change. In the past few decades, the research on biomass estimation of grassland is mostly concentrated in the north, while the grassland in the south has the characteristics of various types and scattered distribution, so there are few reports to estimate the biomass of grassland. Taking Yunnan Province as an example, a remote sensing estimation model of grassland aboveground biomass is established by using field survey data of grassland biomass from 2012 to 2014 and MODIS remote sensing data of the same period. Then the statistical model was optimized by introducing the information of grassland vegetation community characteristics (height and coverage) and the biomass spatial inversion was carried out. The results show that the estimation accuracy of the optimized model is improved from 35.0% to 43.7%, and the average annual AGB of Yunnan Province for 3 years is between 10.2686 million ~ 14.08 million t, with an average of 12.2111 million t, from the point of view of spatial distribution, the estimated accuracy of the optimized model is increased from 35.0% to 43.7%. The AGB density of grassland in Yunnan Province showed a pattern of high in the west and low in the north and high in the south. In this study, remote sensing vegetation index data were first combined with measured vegetation community characteristic parameters. The accuracy of estimation is 24. 9% higher than that of traditional simulation method of pure optical remote sensing. However, it is necessary to estimate accurately the AGBs of large areas of grassland. It is necessary to further explore how to extract vegetation feature information from lidar data or remote sensing stereoscopic images. It is used in the study of grassland AGB estimation.
【作者單位】： 北京大學(xué)深圳研究生院城市規(guī)劃與設(shè)計(jì)學(xué)院;云南省草原監(jiān)督管理站;北京大學(xué)城市與環(huán)境學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(41401096) 云南草地生態(tài)紅線研究課題資助~~
【分類號(hào)】：S812

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉利利;盛建東;程軍回;劉耘華;李瑞霞;趙丹;;新疆不同草地類型植物物種特征與水熱因子的關(guān)系研究[J];草業(yè)學(xué)報(bào);2016年05期

2 田艷林;劉賢趙;毛德華;王宗明;李延峰;高長(zhǎng)春;;基于MODIS數(shù)據(jù)的松嫩平原西部蘆葦濕地地上生物量遙感估算[J];生態(tài)學(xué)報(bào);2016年24期

3 張彩琴;張軍;李茜若;;草地植被生物量動(dòng)態(tài)研究視角與研究方法評(píng)述[J];生態(tài)學(xué)雜志;2015年04期

4 趙明偉;岳天祥;孫曉芳;趙娜;;基于草地綜合順序分類系統(tǒng)(IOCSG)的中國(guó)北方草地地上生物量高精度模擬[J];生態(tài)學(xué)報(bào);2014年17期

5 孫成明;劉濤;田婷;郭斗斗;王力堅(jiān);陳瑛瑛;李菲;李建龍;;基于MODIS的南方草地NPP遙感估算與應(yīng)用[J];草業(yè)學(xué)報(bào);2013年05期

6 張鵬莉;陳俊;崔樹娟;程積民;;禁牧條件下不同類型草地群落結(jié)構(gòu)特征[J];生態(tài)學(xué)報(bào);2013年02期

7 孫成明;劉濤;田婷;郭斗斗;王力堅(jiān);陳瑛瑛;李菲;李建龍;;南方3種類型草地地上生物量的光譜估測(cè)模型[J];揚(yáng)州大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版);2012年04期

8 段旭;陶云;;云南近50年來的氣候變化[J];熱帶氣象學(xué)報(bào);2012年02期

9 陳生云;劉文杰;葉柏生;楊國(guó)靖;宜樹華;王發(fā)剛;秦翔;任賈文;秦大河;;疏勒河上游地區(qū)植被物種多樣性和生物量及其與環(huán)境因子的關(guān)系[J];草業(yè)學(xué)報(bào);2011年03期

10 高陽;程積民;劉偉;;黃土高原地區(qū)不同類型天然草地群落學(xué)特征[J];草業(yè)科學(xué);2011年06期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 謝平;龍懷玉;張楊珠;張認(rèn)連;;云南省四季潛在蒸散量時(shí)空演變的主導(dǎo)氣象因子分析[J];水土保持研究;2017年02期

2 姚興成;曲恬甜;常文靜;尹俊;李永進(jìn);孫振中;曾輝;;基于MODIS數(shù)據(jù)和植被特征估算草地生物量[J];中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào);2017年04期

3 邱麗麗;浦戎戎;陳躍;李冬梅;;滇中地區(qū)近50a降水變化特征及突變[J];綿陽師范學(xué)院學(xué)報(bào);2017年02期

4 趙明偉;江嶺;王春;孫京祿;;基于HASM的黃土侵蝕地形重建方法研究[J];地理與地理信息科學(xué);2017年01期

5 張韻婕;劉慶生;劉高煥;黃，

本文編號(hào)：1982456