【摘要】：草地地上生物量(Above Ground Biomass,AGB)是區(qū)域碳循環(huán)分析和草地生態(tài)系統(tǒng)健康評價、草地資源可持續(xù)開發(fā)利用的關鍵指標。在青藏高原地區(qū),受特殊氣候和復雜地形條件的影響,生態(tài)環(huán)境極其脆弱,草地生物量能夠反映高原地區(qū)草地生態(tài)系統(tǒng)和植被物種的動態(tài)變化情況,是全球氣候變化研究的重要指標之一。因此,構建高精度的草地生物量估測模型對草地資源管理、草畜平衡分析、草地生長狀況評估和生態(tài)環(huán)境保護均具有重要的意義。許多學者針對青藏高原地區(qū)的草地生物量估測已開展了大量的研究。然而,現(xiàn)有草地生物量估測模型差異較大,適合高寒草地生物量估測的反演方法尚缺乏系統(tǒng)全面的研究。因此,本研究以青藏高原東緣的甘南地區(qū)作為典型研究區(qū),利用與草地生物量有顯著相關性的地理位置、地形、植被生物物理指標、氣象、土壤和遙感植被指數(shù)等因子,分別構建了草地生物量單因素參數(shù)模型、多因素參數(shù)模型和非參數(shù)模型,利用10-fold交叉驗證的方法系統(tǒng)比較了各種模型的精度和穩(wěn)定性。在此基礎上,分析了2000-2016年研究區(qū)草地生物量的時空動態(tài)變化特征。研究結果表明:1)對MOD13Q1植被指數(shù)數(shù)據(jù)的濾波去噪處理是降低基于MODIS數(shù)據(jù)高寒草甸草地AGB反演誤差的關鍵之一�；贕aussian函數(shù)、Double-Logistic曲線和Savitzky-Golay三種方法進行濾波處理后的EVI比MOD13Q1 EVI最優(yōu)AGB估測模型的精度高,其測試集的R~2增加0.001~0.009,RMSE減少0.72 kg/ha~1.33kg/ha;基于以上三種方法進行濾波處理后的NDVI比MOD13Q1 NDVI最優(yōu)AGB估測模型的精度高,其測試集的R~2增加0.057~0.068,RMSE減小19 kg/ha~34.21kg/ha。2)在地理位置、地形、植被生物物理指標、土壤和氣象等14種因子中,經(jīng)度(X)、緯度(Y)、海拔(DEM)、坡位(TPI)、草層高度(H)、草地蓋度(C)、氣溫(T)、降水(P)和底層土壤粘粒含量(Clay2)等9種因子和草地生物量之間具有顯著的相關性。在所有單因子最優(yōu)估測模型中,基于草地蓋度的指數(shù)模型精度最高,其測試集的R~2和RMSE分別為0.39和859.368 kg/ha;其它因子最優(yōu)估測模型的精度由高到低依次為H、P、T、Y、DEM、X、TPI和Clay2。總體來看,9個單因子AGB參數(shù)模型的估測精度較低,存在較大的不確定性,僅能解釋生長季草地生物量變化的1.5%~36.3%。3)與單因素AGB模型相比,構建草地生物量多因素參數(shù)模型和非參數(shù)模型是提高草地生物量監(jiān)測精度的重要途徑。在6大類因素中,基于植被生物物理指標H和C構建的最優(yōu)估測模型在參數(shù)和非參數(shù)兩類模型中的精度均最高,其次依次為氣象(T、P)、地理位置(X、Y)和地形(DEM、TPI)等因素構建的最優(yōu)草地生物量估測模型;并且以上4類因素所構建的非參數(shù)模型精度較參數(shù)模型高,其測試集的R~2增加0.07~0.1,RMSE減小1.41kg/ha~80.65kg/ha。在基于各因素組合的參數(shù)和非參數(shù)模型中,不同組合模型的精度隨著構建模型時自變量的減少,兩類模型的精度均呈現(xiàn)逐漸遞減的趨勢。在相同組合中,非參數(shù)模型精度均高于參數(shù)模型,其測試集的R~2增加0.04~0.12,RMSE減小74.91 kg/ha~138.34kg/ha。4)構建多因素參數(shù)和非參數(shù)模型是改進草地生物量估測模型穩(wěn)定性的關鍵。在參數(shù)和非參數(shù)2類模型中,隨著參與構建模型因素數(shù)量的增加,模型的穩(wěn)定性也呈現(xiàn)增加趨勢。在所有模型中,基于X、Y、DEM、TPI、H、C、T、P、Clay2、EVI_(SG)等10種因子的最優(yōu)非參數(shù)模型穩(wěn)定性最高,其RMSE的標準偏差較最優(yōu)單因素模型減少51.643 kg/ha~61.286 kg/ha,較最優(yōu)多因素參數(shù)模型減少37.508kg/ha~61.286 kg/ha。5)2000-2016年甘南地區(qū)草地生物量總體呈現(xiàn)增加趨勢,年均增加量約為12.463kg/ha。從草地生物量變化趨勢的空間分布特征來看,研究區(qū)大多數(shù)區(qū)域的草地生物量變化趨勢處于穩(wěn)定和增加的狀態(tài),其中保持穩(wěn)定區(qū)域占整個研究區(qū)草地面積的78.53%,增加趨勢的區(qū)域占整個研究區(qū)草地面積的20.50%,而生物量呈減少趨勢的區(qū)域僅占0.98%。從草地類型來看,除低平地草甸類草地生物量有輕微減小趨勢外,其它各類型的草地生物量變化主要處于穩(wěn)定和增加趨勢的狀態(tài),其中保持穩(wěn)定的區(qū)域面積占各種草地類型的面積比例介于76.81%~97.64%,呈現(xiàn)增加趨勢的比例介于12.55%~23.02%,而具有減小趨勢的比例僅為0.17%~6.43%。
【學位授予單位】：蘭州大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：S812

【相似文獻】

相關期刊論文 前10條

1 付剛;孫維;李少偉;張晶;余成群;沈振西;;利用MODIS影像和氣候數(shù)據(jù)模擬青藏高原草地地上生物量（英文）[J];Journal of Resources and Ecology;2017年01期

2 謝堂民;單貴蓮;陳功;;光譜分析在草地地上生物量估測中的研究與應用[J];草業(yè)與畜牧;2013年03期

3 仲延凱;包青海;;人工羊草草地干、鮮地上生物量比的研究[J];內(nèi)蒙古大學學報(自然科學版);1990年03期

4 王貴滿;于貴義;蘇合;;不同類型天然草場地上生物量和營養(yǎng)動態(tài)的研究[J];中國草原;1987年06期

5 劉速,劉曉云;人工草地葉面積指教與地上生物量關系的初步研究[J];干旱區(qū)研究;1989年03期

6 王義鳳;大針茅草原地上生物量形成的規(guī)律與特點[J];植物生態(tài)學與地植物學學報;1989年04期

7 A.K.Das;P.S.Ramakrishnan;李愛平;;不同年齡卡西亞松地上生物量及養(yǎng)分含量的研究[J];內(nèi)蒙古林業(yè)科技;1989年02期

8 秦潔;韓國棟;喬江;武倩;靳宇曦;;內(nèi)蒙古不同草地類型中羊草地上生物量對放牧強度的響應[J];中國草地學報;2016年04期

9 陳全;周忠發(fā);魏小島;;喀斯特山區(qū)草地地上生物量遙感估測[J];湖北農(nóng)業(yè)科學;2014年09期

10 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

相關會議論文 前10條

1 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

2 郝匕臺;;不同始牧時間處理對典型草原地上生物量的影響[A];2017中國草學會年會論文集[C];2017年

3 何吉成;羅天祥;孔高強;劉新圣;;藏東南色齊拉山林線植被地上生物量的研究[A];青藏高原資源·環(huán)境·生態(tài)建設學術研討會暨中國青藏高原研究會2007學術年會論文摘要匯編[C];2007年

4 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

5 楊淑霞;馮琦勝;孟寶平;高金龍;葛靜;梁天剛;;三江源地區(qū)高寒草地地上生物量時空動態(tài)變化研究[A];2017中國草學會年會論文集[C];2017年

6 何紅艷;郭志華;趙憲文;;遙感在森林地上生物量估算中的現(xiàn)狀及展望[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

7 閆寶龍;王占文;王悅驊;康靜;宋曉輝;王忠武;韓國棟;;降雨對荒漠草原不同載畜率植物群落恢復的影響[A];2017中國草學會年會論文集[C];2017年

8 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

9 紅梅;陳有君;李艷龍;李建國;;不同放牧強度對土壤含水量及地上生物量的影響[A];內(nèi)蒙古農(nóng)業(yè)科技土壤肥料專輯[C];2001年

10 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10條

1 李飛;氣候與林齡對中國幾種典型森林地上生物量的影響[D];華北電力大學(北京);2015年

2 孟寶平;基于UAV和機器學習方法的甘南地區(qū)高寒草地地上生物量遙感估測研究[D];蘭州大學;2018年

3 傅黎;密云庫區(qū)森林地上生物量遙感估算與驗證方法研究[D];中國科學院大學(中國科學院遙感與數(shù)字地球研究所);2017年

4 趙菡;江西省主要樹種不同立地等級的地上生物量與不確定性估計[D];中國林業(yè)科學研究院;2017年

5 傅煜;區(qū)域尺度森林地上生物量的不確定性度量研究[D];中國林業(yè)科學研究院;2015年

6 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

7 穆喜云;森林地上生物量遙感估測方法研究[D];內(nèi)蒙古農(nóng)業(yè)大學;2015年

8 葉靜蕓;旱區(qū)植被遙感信息提取與反演[D];中國林業(yè)科學研究院;2017年

9 王瑞利;基于多模型的森林—草原交錯帶碳動態(tài)模擬研究[D];內(nèi)蒙古農(nóng)業(yè)大學;2017年

10 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

相關碩士學位論文 前10條

1 郭威星;烏拉特中旗荒漠草原優(yōu)勢灌叢地上生物量分析及預測模型[D];內(nèi)蒙古農(nóng)業(yè)大學;2019年

2 姬陽光;降水改變、施氮和增溫對青藏高原高寒草甸植物群落結構的影響[D];南京農(nóng)業(yè)大學;2017年

3 鄭揚;刈割頻度對黃土高原兩種草地類型植物生產(chǎn)力和化學計量的影響[D];蘭州大學;2019年

4 楊爍;不同類型草地地上生物量的估測[D];西北農(nóng)林科技大學;2019年

5 孫長虹;額濟納旗植被地上生物量對地下水埋深與氣候變化的響應研究[D];西北大學;2018年

6 張振;烏桕入侵和原產(chǎn)地種群根系生態(tài)學比較[D];河南大學;2018年

7 賈昭;黃土丘陵區(qū)退耕草地群落蓋度與物種組成及地上生物量關系研究[D];西北農(nóng)林科技大學;2018年

8 蘆偉;古田山中亞熱帶常綠闊葉林地上生物量空間格局及其影響因子[D];浙江師范大學;2018年

9 汪W，

本文編號：2606230