旱区植被遥感信息提取与反演

发布时间：2017-12-15 23:27

  本文关键词：旱区植被遥感信息提取与反演

  更多相关文章： 旱区 地上生物量 植被覆盖度 荒漠植被 稀疏植被

【摘要】：在旱区,植被覆盖度和地上生物量等植被信息是植被生长状况评价与荒漠化监测的重要指标。遥感技术为植被信息提取提供了多波段及多时相的数据源。但是,由于旱区大部分地区分布的荒漠植被非常稀疏,传感器探测植被光谱信息的敏感度降低,因此,通用遥感模型在提取干旱区荒漠植被信息时失去其普适性;同时,受传感器分辨率限制,中低分辨率遥感影像像元中常混合有多种类型地表信息,混合像元问题导致荒漠植被信息提取困难,使稀疏荒漠植被覆盖度和地上生物量的反演存在很大的不确定性。针对这一问题,本文提出了一套适用于旱区荒漠植被的遥感信息提取与反演方法,以我国半干旱区、干旱区以及极干旱区为研究区,基于野外调查数据和多源遥感数据,采用回归模型方法对多个典型区以及不同类型旱区的植被地上生物量和覆盖度进行了反演与估算。主要研究结果与结论如下:(1)荒漠植被遥感信息提取与反演方法分为以下4个步骤:1)采用异速生长方程对地面样方内植被地上生物量进行估算;2)从高、中、低分辨率的遥感数据中提取与稀疏植被高度相关的遥感特征参数;3)对地面样方数据与遥感数据进行时间以及空间上的配准,采用线性、非线性回归模型方法构建各个典型研究区以及不同类型旱区荒漠植被的地上生物量与覆盖度估算模型;4)选取最优回归模型对影像覆盖范围的植被地上生物量与覆盖度进行估算,并利用高分辨率植被地上生物量和覆盖度估算结果对中低分辨率数据估算结果进行校正。(2)在毛乌素沙地、乌兰布和东北缘荒漠—绿洲过渡带和库姆塔格沙漠典型研究区,以高分辨率数据为遥感数据源,从中提取植被指数、纹理指数等遥感特征参数,基于地面样方数据建立回归模型。研究结果表明:基于高分辨率数据构建的荒漠植被地上生物量回归模型的R2均在0.8以上,构建与预测数据集的比值接近于1,估算效果较好。在库姆塔格沙漠研究区的阿尔金山戈壁荒漠研究区,采用分割法将地面样方分割为不同尺寸小样方,可以有效提高稀疏荒漠植被地上生物量模型的估算精度(R2???=0.98,RMSErel????????????=10.98%)。(3)在毛乌素沙地、青海共和盆地、乌兰布和沙漠东北缘荒漠—绿洲过渡带、民勤和库姆塔格沙漠典型研究区,以中分辨率数据为遥感数据源,基于地面样方数据建立回归模型。研究结果表明:半干旱区荒漠植被地上生物量最优回归模型的R2在0.8左右,RMSErel在28—50%之间;干旱区荒漠植被地上生物量最优回归模型的R2在0.5左右,RMSErel在51—65%之间;极干旱区荒漠植被最优地上生物量最优回归模型的R2???在0.4左右,RMSErel????????????在70%左右。(4)在毛乌素沙地和库姆塔格沙漠的阿尔金山前戈壁荒漠研究区,采用高分辨率数据作为地面数据与中分辨率数据之间的转换媒介,对中分辨率植被地上生物量数据进行校正,显著提高了植被地上生物量估算精度,并且在极干旱区效果更为显著。(5)将毛乌素沙地和共和盆地研究区的中分辨率地上生物量数据作为半干旱区低分辨率数据与地面样方数据之间的转换媒介,将民勤研究区的中分辨率地上生物量数据作为干旱区低分辨率数据与地面样方数据之间的转换媒介,将阿尔金山前戈壁荒漠地上生物量数据作为极干旱区低分辨率数据与地面样方数据之间的转换媒介,对旱区荒漠植被地上生物量进行了估算,提高了旱区地上生物量估算精度,对旱区2000-2016年的植被地上生物量和覆盖度的时空动态进行了初步分析。
【学位授予单位】：中国林业科学研究院
【学位级别】：博士
【学位授予年份】：2017
【分类号】：Q948

【相似文献】

中国期刊全文数据库 前10条

1 仲延凯;包青海;;人工羊草草地干、鲜地上生物量比的研究[J];内蒙古大学学报(自然科学版);1990年03期

2 刘正恩,王昱生,潘介正,葛剑平;羊草草原地上生物量的预测[J];生态学杂志;2004年04期

3 安尼瓦尔·买买提;杨元合;郭兆迪;方精云;;新疆草地植被的地上生物量[J];北京大学学报(自然科学版);2006年04期

4 李萍;朱清科;刘中奇;赵荟;邝高明;王晶;;半干旱黄土区地上生物量对立地因子的响应[J];中国水土保持科学;2012年02期

5 刘晓云,张佃民,王国福,严成;碱茅草地上生物量的分布和利用评价[J];干旱区研究;1992年03期

6 王猛;李贵才;王军邦;;典型草原通量塔通量贡献区地上生物量和叶面积指数的时空变异[J];应用生态学报;2011年03期

7 孙小艳;常学礼;张宁;韩艳;;不同取样单元对干旱区绿洲小麦地上生物量光谱估算模型的影响[J];中国沙漠;2012年02期

8 汤旭光;刘殿伟;王宗明;贾明明;董张玉;刘婧怡;徐文明;;森林地上生物量遥感估算研究进展[J];生态学杂志;2012年05期

9 倪健;赤松稀疏幼林下灌木和草木层地上生物量的初步研究[J];华东师范大学学报(自然科学版);1994年04期

10 仲延凯，包青海，，孙维;白音锡勒牧场地区天然割草地干、鲜地上生物量研究──Ⅱ不同轮割群落与种群干、鲜地上生物量的比值[J];内蒙古大学学报(自然科学版);1996年01期

中国重要会议论文全文数据库 前10条

1 王梓;马履一;;滴灌灌溉施肥下一年生欧美107杨地上生物量水肥耦合效应[A];第九届中国林业青年学术年会论文摘要集[C];2010年

2 魏胜林;刘竞男;吴李君;余增亮;;离子束改良植被和新材料联用固沙技术[A];2004中国植物生理生态学学术研讨会论文摘要汇编[C];2004年

3 郑卓;;中国南部地区第四纪植被与气候变化的主要特点[A];中国古生物学会第九届全国会员代表大会暨中国古生物学会第二十三次学术年会论文摘要集[C];2005年

4 郭艳芬;刘志红;谢明元;;基于知识与监督分类的青南高原植被信息提取[A];中国气象学会2008年年会卫星遥感应用技术与处理方法分会场论文集[C];2008年

5 刘文辉;周青平;颜红波;梁国玲;;青海扁茎早熟禾种群地上生物量积累动态[A];2012第二届中国草业大会论文集[C];2012年

6 何峰;李向林;万里强;王国良;;坝上羊草草原不同时期生长比较研究[A];中国草学会饲料生产委员会2007年会暨第十四次学术研讨会论文集[C];2007年

7 赵常明;陈伟烈;;神农架植被及其生物多样性基本特征[A];生物多样性保护与区域可持续发展——第四届全国生物多样性保护与持续利用研讨会论文集[C];2000年

8 王小平;郭铌;张凯;王静;;甘南牧区草地地上生物量的高光谱遥感估算模型[A];第七届全国优秀青年气象科技工作者学术研讨会论文集[C];2010年

9 庞勇;黄克标;李增元;舒清态;;大湄公河次区域森林地上生物量遥感反演[A];发挥资源科技优势 保障西部创新发展——中国自然资源学会2011年学术年会论文集（上册）[C];2011年

10 黄春燕;王登伟;陈冠文;袁杰;祁亚琴;陈燕;;基于高光谱植被指数的棉花地上生物量估算模型研究[A];中国科协2005年学术年会“新疆现代农业论坛”论文专集[C];2005年

中国重要报纸全文数据库 前2条

1 新华社记者 王大霖 孙彬;新疆策勒向沙漠要回绿色家园[N];新华每日电讯;2001年

2 本报记者　 徐蕴海;让城市冲破“绿色沙漠”[N];苏州日报;2006年

中国博士学位论文全文数据库 前10条

1 叶静芸;旱区植被遥感信息提取与反演[D];中国林业科学研究院;2017年

2 吴迪;基于GLAS和MISR数据的森林冠层高度和地上生物量遥感估算研究[D];东北林业大学;2015年

3 邱赛;ICESat-GLAS波形与HJ-1A高光谱影像联合反演森林地上生物量的研究[D];东北林业大学;2016年

4 傅黎;密云库区森林地上生物量遥感估算与验证方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年

5 刘昕;植被屏障对畜禽场排放颗粒物源的拦截效率与机理研究[D];吉林大学;2017年

6 张苏;冠层和叶片尺度植被参数的高光谱遥感反演研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年

7 刘士余;降雨与植被变化对赣西北大坑小流域水文特征的影响研究[D];北京林业大学;2008年

8 赵菡;江西省主要树种不同立地等级的地上生物量与不确定性估计[D];中国林业科学研究院;2017年

9 李朝生;鄂尔多斯高原北部沙区植被—环境关系与生态建设对策[D];中国林业科学研究院;2005年

10 高伟;基于特征知识库的遥感信息提取技术研究[D];中国地质大学;2010年

中国硕士学位论文全文数据库 前10条

1 陈丽佳;盐池县草地退化及地上生物量遥感反演研究[D];宁夏大学;2015年

2 陆宗宇;在区域尺度上林龄、气候与森林地上生物量关系的研究[D];华北电力大学;2015年

3 王晨;外界因素对皖南毛竹地上生物量以及竹笋生长特性的影响[D];安徽农业大学;2014年

4 周鑫;北疆草地地上生物量遥感监测模型对比分析[D];新疆农业大学;2015年

5 张颖;基于高分辨率遥感和极化雷达数据的大兴安岭地区森林地上生物量估测[D];北京林业大学;2016年

6 尚珂;基于支持向量机回归的草地地上生物量遥感估测研究[D];西南林业大学;2015年

7 魏志成;不同类型草地地上生物量空间分布格局的研究[D];西北农林科技大学;2016年

8 何游云;无人机遥感估测林木地上生物量的研究[D];北京林业大学;2016年

9 郭云;基于多源数据的山区森林地上生物量反演及动态模拟[D];福州大学;2014年

10 孙健;基于多源遥感数据反演黑石顶森林地上生物量[D];中山大学;2016年

本文编号：1293836