基于多因素的天然草地地上生物量高精度反演方法研究

Accurately estimate the aboveground biomass (AGB) which plays an important role in the dynamic monitoring and evaluation of grassland resources and ecological environment. The problem of existing AGB monitoring method is insufficient accuracy. Aim at the problems of traditional inversion method in using the single remote sensing index and the low spatial matching issue for ground samples and satellite remote sensing data. This research selected the Gannan prefecture as a typical case study area, with the unmanned aerial vehicle (UAV) technology to improve traditional ground sampling method, while adding shortwave infrared remote sensing data, emphatically analyzed the correlation between the grassland AGB and the grassland vegetation biophysical parameters, natural environment factors and the remote sensing indexes, determine the key influence factor of grassland AGB. On this basis, combining with machine learning method to establish the high precision inversion model based on multiple factors, in order to improve the existing monitoring method of grassland AGB. This project can supply scientific basis for sustainable utilization and ecological restoration of grassland.

准确估算草地地上生物量对草地资源和生态环境的动态监测和评价具有重要意义。现有草地地上生物量遥感监测方法的反演精度不够理想。针对传统反演方法存在的反演指标单一、地面样方和卫星遥感资料空间匹配性差等问题。拟申请项目以甘南州作为典型试验区，借助无人机技术改进传统地面采样方法的同时，加入短波红外波段遥感数据，着重分析草地地上生物量与草地植被生物物理指标、自然环境因子和遥感指数等的相关性，确定草地地上生物量的关键影响因子。在此基础上，结合机器学习方法构建基于多因素的草地地上生物量反演模型，发展草地地上生物量反演新方法。以期改进现有的草地生物量遥感监测方法，为草地的可持续利用和生态恢复提供科学基础。

地上生物量（Above-ground biomass，AGB）是草地生态系统碳循环研究的重要指标，也是草地生态系统健康评价和优化管理的关键参数。准确估算草地地上生物量对草地资源和生态环境的可持续利用和保护具有非常重要的现实意义。传统反演方法由于反演指标单一、地面样方采样数据和卫星遥感数据的空间匹配性差等问题，反演精度不够理想。本研究以甘南高原作为典型研究区，综合运用多光谱遥感、数理统计分析方法和机器学习算法等技术手段，重点开展了与不同空间分辨率遥感数据相匹配的草地覆盖度无人机（Unmanned aerial vehicle，UAV）采样最佳飞行高度、遥感光谱数据和自然环境因子与草地地上生物量的关系及草地地上生物量多因素监测模型等方面的研究。主要结论如下：1）提出了与Sentinel-2和MODIS数据相匹配的草地覆盖度无人机采样最佳飞行高度；2）构建了草地地上生物量多因素监测指标体系；3）提出了一种基于多种环境因素（地形、气候等）和遥感数据的草地地上生物量监测方法；4）提出了一种可以提高机器学习算法空间预测能力的草地地上生物量的监测方法。发表相关学术论文8篇，其中SCI论文4篇。这些研究成果，可为草地资源动态监测和畜牧业的可持续发展提供科学基础。