【摘要】：利用2015-2016年8月采集的黃河源區(qū)草地生物量數(shù)據(jù)和MODIS衛(wèi)星遙感資料,結合農(nóng)業(yè)多光譜相機(agricultural digital camera,ADC)獲取的植被指數(shù)數(shù)據(jù),比較分析3種_(ADC)植被指數(shù)(NDVI_(ADC)、SAVI_(ADC)和GNDVI_(ADC))與野外實測草地地上生物量(above-ground biomass,AGB)數(shù)據(jù)的相關性,篩選出適合構建草地AGB反演模型的_(ADC)植被指數(shù);結合MODIS NDVI(記作NDVIMOD)構建草地地上生物量反演模型,采用留一法交叉驗證方法評價各模型精度,確立適宜模擬研究區(qū)草地AGB的最優(yōu)模型;并利用NDVI_(ADC)校正NDVI_(MOD),獲得高分辨率、高精度的草地AGB遙感監(jiān)測改進模型。結果表明,1)基于_(ADC)獲取的3種植被指數(shù)中,NDVI_(ADC)與高寒草地地上生物量關系最為密切,其次為SAVI_(ADC),擬合效果最差的是GNDVI_(ADC);2)基于NDVI_(ADC)建立的草地AGB監(jiān)測模型的精度(RMSEP介于383.55~393.18kg DW/hm2;r范圍為0.65~0.66)遠高于NDVI_(MOD)的模型精度(RMSEP介于421.08~427.00kg DW/hm~2;r范圍為0.55~0.58),NDVI_(ADC)反演得到的草地AGB更接近于黃河源區(qū)草地實際生物量,且相較于NDVI_(ADC),NDVI_(MOD)的樣本值整體偏高;3)在NDVI_(ADC)構建的4類模型中,線性和乘冪模型模擬研究區(qū)草地AGB的能力較好,但線性模型精度更高(y=3248.93×NDVI_(ADC)-305.59,RMSEP=383.55kg DW/hm~2,r=0.66),該模型為黃河源區(qū)草地生物量的估測提供了一個新型且易操作的方法;4)NDVI_(ADC)與NDVIMOD相關性較高,利用NDVI_(ADC)校正NDVI_(MOD)可以改進草地AGB遙感反演模型,優(yōu)化模型為y=2455.54×NDVI_(MOD)-301.69。該模型可在大尺度范圍內(nèi)估測黃河源區(qū)的草地生物量,且模型精度接近于地表測量法的監(jiān)測精度。
[Abstract]:Based on the grassland biomass data and MODIS satellite remote sensing data collected from the source region of the Yellow River from 2015 to 2016, the vegetation index data obtained from the agricultural multispectral camera (agricultural digital camera,ADC) were used. The correlation between three _ (ADC) vegetation indices (NDVI_ (ADC), SAVI_ (ADC) and GNDVI_ (ADC) and field measured grassland aboveground biomass (above-ground biomass,AGB) data was compared and analyzed. The _ (ADC) vegetation index suitable for constructing grassland AGB inversion model was selected. Based on MODIS NDVI (NDVIMOD), the model of grassland aboveground biomass inversion was constructed, and the precision of each model was evaluated by the method of cross-validation, and the optimal model for simulating grassland AGB in the study area was established. The improved model of grassland AGB remote sensing monitoring with high resolution and high precision was obtained by using NDVI_ (ADC) correction NDVI_ (MOD),. The results showed that: 1) among the three cropping cover indices obtained based on _ (ADC), NDVI_ (ADC) was most closely related to the aboveground biomass of alpine grassland, followed by GNDVI_ (ADC);, which was the worst fitting result of SAVI_ (ADC),. 2) the precision of grassland AGB monitoring model based on NDVI_ (ADC) (RMSEP is 0.65 ~ 0.66 in 383.55~393.18kg DW/hm2;r range) is much higher than that of NDVI_ (MOD) (RMSEP is between 421.08~427.00kg DW/hm~2;). The range of r is 0.55 ~ 0.58), the AGB obtained from NDVI_ (ADC) inversion is closer to the actual biomass of grassland in the source region of the Yellow River, and the sample value is higher than that of NDVI_ (ADC), NDVI_ (MOD). 3) among the four kinds of models constructed by NDVI_ (ADC), the linear and power models have better ability to simulate the grassland AGB in the study area, but the accuracy of the linear model is higher (YY 3248.93 脳 NDVI_ (ADC) -305.59 DW/hm~2,r=0.66). The model provides a new and easy to operate method for estimating grassland biomass in the source region of the Yellow River. 4) there is a high correlation between NDVI_ (ADC) and NDVIMOD. Using NDVI_ (ADC) correction NDVI_ (MOD) can improve the remote sensing inversion model of grassland AGB. The optimized model is yong 2455.54 脳 NDVI_ (MOD) -301.69. The model can estimate the grassland biomass in the source area of the Yellow River on a large scale, and the accuracy of the model is close to that of the surface survey method.
【作者單位】： 草地農(nóng)業(yè)生態(tài)系統(tǒng)國家重點實驗室 蘭州大學草地農(nóng)業(yè)科技學院;
【基金】：國家自然科學基金項目(31672484,31372367,41401472) 中國氣象局氣候變化專項項目(CCSF201603) 長江學者創(chuàng)新團隊發(fā)展計劃(IRT13019)資助
【分類號】：S812

【相似文獻】

相關期刊論文 前10條

1 劉正恩,王昱生,潘介正,葛劍平;羊草草原地上生物量的預測[J];生態(tài)學雜志;2004年04期

2 安尼瓦爾·買買提;楊元合;郭兆迪;方精云;;新疆草地植被的地上生物量[J];北京大學學報(自然科學版);2006年04期

3 吳建付;陳功;楊紅麗;申亞楠;龍光強;;利用高光譜技術進行草地地上生物量估測[J];草業(yè)與畜牧;2009年04期

4 趙景學;陳曉鵬;曲廣鵬;多吉頓珠;尚占環(huán);;藏北高寒植被地上生物量與土壤環(huán)境因子的關系[J];中國草地學報;2011年01期

5 張志;田昕;陳爾學;何祺勝;;森林地上生物量估測方法研究綜述[J];北京林業(yè)大學學報;2011年05期

6 溫美佳;賈光林;宋經(jīng)元;謝彩香;劉美子;鄭司浩;辛天怡;;若爾蓋白河牧場地上生物量與遙感植被指數(shù)關系研究[J];世界科學技術(中醫(yī)藥現(xiàn)代化);2012年01期

7 李萍;朱清科;劉中奇;趙薈;鄺高明;王晶;;半干旱黃土區(qū)地上生物量對立地因子的響應[J];中國水土保持科學;2012年02期

8 張小琪;盛建東;武紅旗;谷海斌;龔雙鳳;;典型草地地上生物量遙感反演模型的建立[J];農(nóng)業(yè)網(wǎng)絡信息;2013年04期

9 唐天云;胡庭興;陳光升;羅龍海;武衛(wèi)國;劉闖;;川西地區(qū)蜜桔林不同遮蔭度對3種禾草生物特性和地上生物量的作用[J];草業(yè)科學;2008年08期

10 張凱;郭鈮;王潤元;王小平;王靜;;甘南草地地上生物量的高光譜遙感估算研究[J];草業(yè)科學;2009年11期

相關會議論文 前7條

1 王梓;馬履一;;滴灌灌溉施肥下一年生歐美107楊地上生物量水肥耦合效應[A];第九屆中國林業(yè)青年學術年會論文摘要集[C];2010年

2 劉文輝;周青平;顏紅波;梁國玲;;青海扁莖早熟禾種群地上生物量積累動態(tài)[A];2012第二屆中國草業(yè)大會論文集[C];2012年

3 何峰;李向林;萬里強;王國良;;壩上羊草草原不同時期生長比較研究[A];中國草學會飼料生產(chǎn)委員會2007年會暨第十四次學術研討會論文集[C];2007年

4 王小平;郭鈮;張凱;王靜;;甘南牧區(qū)草地地上生物量的高光譜遙感估算模型[A];第七屆全國優(yōu)秀青年氣象科技工作者學術研討會論文集[C];2010年

5 龐勇;黃克標;李增元;舒清態(tài);;大湄公河次區(qū)域森林地上生物量遙感反演[A];發(fā)揮資源科技優(yōu)勢 保障西部創(chuàng)新發(fā)展——中國自然資源學會2011年學術年會論文集（上冊）[C];2011年

6 黃春燕;王登偉;陳冠文;袁杰;祁亞琴;陳燕;;基于高光譜植被指數(shù)的棉花地上生物量估算模型研究[A];中國科協(xié)2005年學術年會“新疆現(xiàn)代農(nóng)業(yè)論壇”論文專集[C];2005年

7 王小平;郭鈮;張凱;王靜;;甘南牧區(qū)草地地上生物量的高光譜遙感估算模型[A];第27屆中國氣象學會年會干旱半干旱區(qū)地氣相互作用分會場論文集[C];2010年

相關博士學位論文 前6條

1 吳迪;基于GLAS和MISR數(shù)據(jù)的森林冠層高度和地上生物量遙感估算研究[D];東北林業(yè)大學;2015年

2 邱賽;ICESat-GLAS波形與HJ-1A高光譜影像聯(lián)合反演森林地上生物量的研究[D];東北林業(yè)大學;2016年

3 凌成星;Worldview-2八波段影像支持下的濕地信息提取與地上生物量估算研究[D];中國林業(yè)科學研究院;2013年

4 宋彥濤;松嫩草地植物功能生態(tài)學研究[D];東北師范大學;2012年

5 何丹;改良措施對天然草原植被及土壤的影響[D];中國農(nóng)業(yè)科學院;2009年

6 王梓;歐美107楊苗木精準灌溉施肥制度研究[D];北京林業(yè)大學;2011年

相關碩士學位論文 前10條

1 陳麗佳;鹽池縣草地退化及地上生物量遙感反演研究[D];寧夏大學;2015年

2 陸宗宇;在區(qū)域尺度上林齡、氣候與森林地上生物量關系的研究[D];華北電力大學;2015年

3 王晨;外界因素對皖南毛竹地上生物量以及竹筍生長特性的影響[D];安徽農(nóng)業(yè)大學;2014年

4 周鑫;北疆草地地上生物量遙感監(jiān)測模型對比分析[D];新疆農(nóng)業(yè)大學;2015年

5 符佩斌;紅原高寒草地沙化進程中植物群落及土壤理化性狀特征研究[D];四川農(nóng)業(yè)大學;2015年

6 張穎;基于高分辨率遙感和極化雷達數(shù)據(jù)的大興安嶺地區(qū)森林地上生物量估測[D];北京林業(yè)大學;2016年

7 尚珂;基于支持向量機回歸的草地地上生物量遙感估測研究[D];西南林業(yè)大學;2015年

8 魏志成;不同類型草地地上生物量空間分布格局的研究[D];西北農(nóng)林科技大學;2016年

9 何游云;無人機遙感估測林木地上生物量的研究[D];北京林業(yè)大學;2016年

10 郭云;基于多源數(shù)據(jù)的山區(qū)森林地上生物量反演及動態(tài)模擬[D];福州大學;2014年

，

本文編號：2400670