甘南地区高寒草地草层高度的遥感估测研究
发布时间：2022-01-17 16:57
草层高度是评价草地退化状况的关键指标,也是准确估测地上生物量和牧区雪灾预警的重要参数。青藏高原高寒草地生态系统不仅是牧区经济赖以发展的生产资料,也是反馈全球气候变化的感应器。因此,对青藏高原高寒草地的草层高度进行动态监测具有重要的科学意义和实用价值。目前已有部分学者通过构建统计模型的方法对天然草地的草层高度进行了预测,但是由于天然草地类型复杂、统计模型的可复制性较差,导致天然草地草层高度的反演精度参差不齐,差异明显。青藏高原高寒草地时空分布的差异性较大,对草层高度的精准反演还存在较大的难度。因此,本研究以青藏高原东部的甘南地区作为典型研究区,基于MODIS数据、生态环境因素和地面高光谱遥感数据,利用RF、SVM、ANN、XGBoost和Cubist机器学习算法分别构建了草层高度反演模型,并对2006-2018年甘南地区草层高度的时空动态变化进行了分析。研究结果如下:（1）基于MODIS数据构建的6种植被指数中,NDVI和OSAVI均对草层高度较为敏感（r均为0.39）,但两者仅能反映草层高度变化的15%。草层高度与MODIS的红光波段（B1）和中红外波段（B7）的反射率具有较高的负相关...
【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
研究区地理位置
兰州大学硕士学位论文甘南地区高寒草地草层高度的遥感估测研究7400~800mm，受季风带影响，降水量的分配表现为“南多北少”。全州年日照时间介于1800~2600h，每年大于10℃的温度仅能持续2个月，夏季时间较短，6~8月份雨热同期，是一年之中植被的生长季。甘南州热量较低，适合草本植物和灌木的生长，无法满足大多数农作物的生长需求。2.1.3植被类型甘南州高寒草地的面积约为2.8万km2，占全州总面积的62.2%，是甘南州最主要的植被类型，其中可利用的草地面积约为2.5万km2，占草地总面积的96.2%。图2-2展示了甘南州高寒草地的主要类型以及分布情况，可以看出甘南州的高寒草地主要分布在夏河等牧业县，而舟曲县、迭部县、临潭县和卓尼县的草地面积较校全州草地类型主要有3种：高寒草甸、山地草甸和沼泽，其中高寒草甸的面积最大，约为1.8万km2，占草地总面积的62.4%，其次为山地草甸，占草地总面积的36.1%，面积约为1.0万km2，沼泽草地面积最小，约为407.6km2，仅占草地总面积的1.5%，主要分布在玛曲县的东南区域。甘南州高寒草地的植物种约有917种（马琳雅，2013），优势种主要有矮嵩草（Kobresiahumilis）、垂穗披碱草（Elymusnutans）、蒲公英（Taraxacummongolicum）等。图2-2研究区草地类型
兰州大学硕士学位论文甘南地区高寒草地草层高度的遥感估测研究82.2数据收集2.2.1地面实测数据甘南地区草地生长季的地面实测数据包括两部分：2006-2019年调查的草层高度数据、2017-2019年采集的地面高光谱数据。根据甘南州高寒草地的分布特征，选择草地长势均一、代表性较好的地区随机设置调查样地（图2-3），样地大小至少为500m×500m，间隔在5km以上。在每个样地中以“5点法”或者“3点法”布置大小为0.5m×0.5m的样方，沿样方的两条对角线均匀选取至少10株植物，测量其自然株高，同时记录每个样方的草地类型、盖度、优势种、经度、纬度等信息，将测量的植株高度的平均值作为整个样地的平均草层高度。利用美国ASD公司生产的便携式FieldSpec3地物光谱仪对高寒草地的光谱数据进行采集。该仪器的光谱范围为350~2500nm，光谱间隔为1nm。光谱采集尽量选择在少云或者无云、光照条件良好的时间段进行，采集数据前先进行白板校准和暗电流消除处理，采集冠层反射率时将探头垂直放置在距离地面约1m的上方，探头的视场角为25°。在每个样方中沿单条对角线均匀采集3组光谱数据，每组采集10条光谱，将3组数据平均后得到该样方的高光谱反射率曲线。图2-32006-2019年甘南地区草地调查样地分布图
【参考文献】：
期刊论文
[1]近红外光谱LASSO特征选择方法及其聚类分析应用研究[J]. 李鱼强,潘天红,李浩然,邹小波. 光谱学与光谱分析. 2019(12)
[2]草层高度遥感监测研究进展[J]. 冯琦胜,殷建鹏,杨淑霞,梁天刚. 草业科学. 2018(05)
[3]陆表定量遥感反演方法的发展新动态[J]. 梁顺林,程洁,贾坤,江波,刘强,刘素红,肖志强,谢先红,姚云军,袁文平,张晓通,赵祥. 遥感学报. 2016(05)
[4]结合机载LiDAR和LANDSAT ETM+数据的温带森林郁闭度估测[J]. 张瑞英,庞勇,李增元,包玉海. 植物生态学报. 2016(02)
[5]高山草地植物群落数量特征沿海拔梯度变化及其影响因素[J]. 崔海军,王根绪,杨燕,杨阳. 生态学杂志. 2015(11)
[6]星地多源数据的区域土壤有机质数字制图[J]. 周银,刘丽雅,卢艳丽,马自强,夏芳,史舟. 遥感学报. 2015(06)
[7]川西北草地沙化对土壤颗粒组成和土壤磷钾养分的影响[J]. 舒向阳,胡玉福,蒋双龙,蒲琴,袁铖铭,彭佳佳. 干旱区资源与环境. 2015(08)
[8]高维数据回归分析中基于LASSO的自变量选择[J]. 张秀秀,王慧,田双双,乔楠,闫丽娜,王彤. 中国卫生统计. 2013(06)
[9]祁连山北坡天然草地不同尺度地上生物量空间格局对地形的响应[J]. 侯兆疆,赵成章,董小刚,李钰,张茜,马小丽. 生态学杂志. 2014(01)
[10]随机森林理论浅析[J]. 董师师,黄哲学. 集成技术. 2013(01)
博士论文
[1]基于机载激光雷达的森林参数反演研究[D]. 郝红科.西北农林科技大学 2019
[2]基于多尺度高光谱成像的大豆养分检测方法研究[D]. 张亚坤.东北农业大学 2018
[3]基于UAV和机器学习方法的甘南地区高寒草地地上生物量遥感估测研究[D]. 孟宝平.兰州大学 2018
[4]草地类型及其品质参数的遥感反演方法研究[D]. 马维维.中国科学院研究生院(上海技术物理研究所) 2015
[5]基于决策优化策略的认知引擎关键技术的研究[D]. 许慧颖.北京邮电大学 2015
[6]支持向量机算法及其应用研究[D]. 张国云.湖南大学 2006
硕士论文
[1]基于XGBoost算法的多因子量化选股方案策划[D]. 李想.上海师范大学 2017
[2]近13年甘南州草地生态系统健康动态评价[D]. 赵玉婷.兰州大学 2016
[3]基于Landsat8-OLI的香格里拉高山松林生物量遥感估测模型研究[D]. 孙雪莲.西南林业大学 2016
[4]基于低空光谱成像遥感技术的油菜冠层SPAD检测研究[D]. 肖宇钊.浙江大学 2016
[5]BP神经网络的改进研究及应用[D]. 马海志.东北农业大学 2015
[6]基于土壤可见—近红外光谱库的土壤全氮预测建模研究[D]. 王乾龙.浙江大学 2015
[7]基于遗传模拟退火算法的航班着陆调度问题[D]. 崔雪源.华中师范大学 2015
[8]甘南州草地植被覆盖度与物候期时空变化动态特征[D]. 马琳雅.兰州大学 2013
[9]BP神经网络的优化与研究[D]. 吕琼帅.郑州大学 2011
[10]基于贪婪算法的线性规划在货位优化中的应用[D]. 吴璟.上海交通大学 2011
本文编号：3595095
【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
研究区地理位置
兰州大学硕士学位论文甘南地区高寒草地草层高度的遥感估测研究7400~800mm，受季风带影响，降水量的分配表现为“南多北少”。全州年日照时间介于1800~2600h，每年大于10℃的温度仅能持续2个月，夏季时间较短，6~8月份雨热同期，是一年之中植被的生长季。甘南州热量较低，适合草本植物和灌木的生长，无法满足大多数农作物的生长需求。2.1.3植被类型甘南州高寒草地的面积约为2.8万km2，占全州总面积的62.2%，是甘南州最主要的植被类型，其中可利用的草地面积约为2.5万km2，占草地总面积的96.2%。图2-2展示了甘南州高寒草地的主要类型以及分布情况，可以看出甘南州的高寒草地主要分布在夏河等牧业县，而舟曲县、迭部县、临潭县和卓尼县的草地面积较校全州草地类型主要有3种：高寒草甸、山地草甸和沼泽，其中高寒草甸的面积最大，约为1.8万km2，占草地总面积的62.4%，其次为山地草甸，占草地总面积的36.1%，面积约为1.0万km2，沼泽草地面积最小，约为407.6km2，仅占草地总面积的1.5%，主要分布在玛曲县的东南区域。甘南州高寒草地的植物种约有917种（马琳雅，2013），优势种主要有矮嵩草（Kobresiahumilis）、垂穗披碱草（Elymusnutans）、蒲公英（Taraxacummongolicum）等。图2-2研究区草地类型
兰州大学硕士学位论文甘南地区高寒草地草层高度的遥感估测研究82.2数据收集2.2.1地面实测数据甘南地区草地生长季的地面实测数据包括两部分：2006-2019年调查的草层高度数据、2017-2019年采集的地面高光谱数据。根据甘南州高寒草地的分布特征，选择草地长势均一、代表性较好的地区随机设置调查样地（图2-3），样地大小至少为500m×500m，间隔在5km以上。在每个样地中以“5点法”或者“3点法”布置大小为0.5m×0.5m的样方，沿样方的两条对角线均匀选取至少10株植物，测量其自然株高，同时记录每个样方的草地类型、盖度、优势种、经度、纬度等信息，将测量的植株高度的平均值作为整个样地的平均草层高度。利用美国ASD公司生产的便携式FieldSpec3地物光谱仪对高寒草地的光谱数据进行采集。该仪器的光谱范围为350~2500nm，光谱间隔为1nm。光谱采集尽量选择在少云或者无云、光照条件良好的时间段进行，采集数据前先进行白板校准和暗电流消除处理，采集冠层反射率时将探头垂直放置在距离地面约1m的上方，探头的视场角为25°。在每个样方中沿单条对角线均匀采集3组光谱数据，每组采集10条光谱，将3组数据平均后得到该样方的高光谱反射率曲线。图2-32006-2019年甘南地区草地调查样地分布图
【参考文献】：
期刊论文
[1]近红外光谱LASSO特征选择方法及其聚类分析应用研究[J]. 李鱼强,潘天红,李浩然,邹小波. 光谱学与光谱分析. 2019(12)
[2]草层高度遥感监测研究进展[J]. 冯琦胜,殷建鹏,杨淑霞,梁天刚. 草业科学. 2018(05)
[3]陆表定量遥感反演方法的发展新动态[J]. 梁顺林,程洁,贾坤,江波,刘强,刘素红,肖志强,谢先红,姚云军,袁文平,张晓通,赵祥. 遥感学报. 2016(05)
[4]结合机载LiDAR和LANDSAT ETM+数据的温带森林郁闭度估测[J]. 张瑞英,庞勇,李增元,包玉海. 植物生态学报. 2016(02)
[5]高山草地植物群落数量特征沿海拔梯度变化及其影响因素[J]. 崔海军,王根绪,杨燕,杨阳. 生态学杂志. 2015(11)
[6]星地多源数据的区域土壤有机质数字制图[J]. 周银,刘丽雅,卢艳丽,马自强,夏芳,史舟. 遥感学报. 2015(06)
[7]川西北草地沙化对土壤颗粒组成和土壤磷钾养分的影响[J]. 舒向阳,胡玉福,蒋双龙,蒲琴,袁铖铭,彭佳佳. 干旱区资源与环境. 2015(08)
[8]高维数据回归分析中基于LASSO的自变量选择[J]. 张秀秀,王慧,田双双,乔楠,闫丽娜,王彤. 中国卫生统计. 2013(06)
[9]祁连山北坡天然草地不同尺度地上生物量空间格局对地形的响应[J]. 侯兆疆,赵成章,董小刚,李钰,张茜,马小丽. 生态学杂志. 2014(01)
[10]随机森林理论浅析[J]. 董师师,黄哲学. 集成技术. 2013(01)
博士论文
[1]基于机载激光雷达的森林参数反演研究[D]. 郝红科.西北农林科技大学 2019
[2]基于多尺度高光谱成像的大豆养分检测方法研究[D]. 张亚坤.东北农业大学 2018
[3]基于UAV和机器学习方法的甘南地区高寒草地地上生物量遥感估测研究[D]. 孟宝平.兰州大学 2018
[4]草地类型及其品质参数的遥感反演方法研究[D]. 马维维.中国科学院研究生院(上海技术物理研究所) 2015
[5]基于决策优化策略的认知引擎关键技术的研究[D]. 许慧颖.北京邮电大学 2015
[6]支持向量机算法及其应用研究[D]. 张国云.湖南大学 2006
硕士论文
[1]基于XGBoost算法的多因子量化选股方案策划[D]. 李想.上海师范大学 2017
[2]近13年甘南州草地生态系统健康动态评价[D]. 赵玉婷.兰州大学 2016
[3]基于Landsat8-OLI的香格里拉高山松林生物量遥感估测模型研究[D]. 孙雪莲.西南林业大学 2016
[4]基于低空光谱成像遥感技术的油菜冠层SPAD检测研究[D]. 肖宇钊.浙江大学 2016
[5]BP神经网络的改进研究及应用[D]. 马海志.东北农业大学 2015
[6]基于土壤可见—近红外光谱库的土壤全氮预测建模研究[D]. 王乾龙.浙江大学 2015
[7]基于遗传模拟退火算法的航班着陆调度问题[D]. 崔雪源.华中师范大学 2015
[8]甘南州草地植被覆盖度与物候期时空变化动态特征[D]. 马琳雅.兰州大学 2013
[9]BP神经网络的优化与研究[D]. 吕琼帅.郑州大学 2011
[10]基于贪婪算法的线性规划在货位优化中的应用[D]. 吴璟.上海交通大学 2011
本文编号：3595095
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3595095.html
