新疆大学生态与环境学院张仁平研究团队提出一种基于多源数据估算中国干旱区草地枯黄期地上生物量反演模型

第一作者：周佳慧，新疆大学生态与环境科学学院2022级硕士研究生，主要从事草原定量遥感研究。

通讯作者：张仁平，新疆大学生态与环境科学学院教授，主要从事草原定量遥感研究；生态灾害评价；植被参数遥感反演研究；碳汇评估及研究。通讯作者邮箱:zhrp@xju.edu.cn

草地枯黄期地上生物量（Aboveground Biomass，AGB）是草地生态系统的重要指标，是草原火灾发生、发展的物质基础，也是草原火灾风险评价和预警模型的重要指标，其精度和时效性对草原火灾预警具有重要影响。草地枯黄期AGB也是评估秋季草原承载力的关键参数。及时、准确、大范围地估算枯黄期草地AGB，建立适宜的预测模型并分析其时空动态变化规律，对于确定草地合理承载力和保障草地生态系统安全等方面至关重要。利用遥感技术手段反演生物量已被广泛应用到草地监测中，但在反演草地枯黄期AGB的研究中尚不多见。干旱区草地植被稀少，且枯黄期草地多呈现偏黄色，卫星遥感传感器探测植被光谱信息过程中极易出现背景信息对目标信号的“污染”，导致卫星遥感影像上获取的植被光谱信息极其微弱。因此利用遥感方法反演草地枯黄期AGB仍是植被遥感面临的一个重大挑战。

基于此，新疆大学生态与环境学院张仁平研究团队利用2000-2021年研究区356个草地枯黄期AGB样地数据、遥感数据和环境数据，采用Gram-Schmidt Pan Sharpenin（GS）融合方法、多变量筛选方法和机器学习算法（RF、SVM和BP_ANN）构建草地枯黄期AGB模型，利用最优模型分析2000-2021年干旱区草地枯黄期AGB的时空格局变化。主要目标如下：（1）分析图像融合方法对于枯黄期草地AGB估算模型的影响（2）建立一个适用于干旱区的最佳枯黄期草地AGB估算模型（3）探究22年间干旱区枯黄期草地AGB年最大值的空间分布和年际变化。

图1 研究区域示意图

主要获得如下研究结论：

（1）通过GS融合技术，实测AGB与植被指数之间的相关性平均提高了0.11。

（2）与草地AGB相关的四大类因子中，植被指数与草地AGB的相关性最高（0.13≤|R|≤0.63），其次是地理地形因素（0.06≤|R|≤0.43）、气象因素（0.03≤|R|≤0.19）和土壤因素（0.08≤|R|≤0.18）。这一结果表明，草地AGB与不同因素的相关性有所差异，整体上基于单一变量的草地AGB反演模型的精度较差。

（3） Boruta是针对本研究草地AGB反演模型变量筛选的最优算法。利用变量筛选方法能够减少模型输入变量的数量，有效地提高模型的计算效率和整体性能。

（4）RF是针对本研究枯黄期草地AGB反演模型的最佳机器学习算法。综合考虑准确性、稳定性和计算效率等多方面因素，由Boruta算法选择的变量构建的RF模型是最优草地AGB模型（R2和RMSE分别为0.71和519.74 kg/ha）。

（5）2000-2021年间，研究区枯黄期年均最大AGB为1413.85 kg/ha，草地AGB较高的地区主要集中在研究区的东北部和西南部，中部和东部的草地AGB相对较低。在过去的22年间，研究区草地AGB增加的面积（79.97%）远大于AGB减少的草地面积（20.03%）。

图2 技术流程图

图3 基于RF-Boruta模型的实测草地AGB与预测草地AGB散点图

图4 2000 - 2021年研究区枯黄草地AGB反演结果

图5 2000 - 2021年研究区平均年枯黄草地AGB变化趋势

该项研究由新疆大学，新疆林业科学研究院，新疆维吾尔自治区林业和草原防火局等科研院所和高校共同完成，相关研究成果于2024年2月5日以“基于多源数据估算中国干旱区草地枯黄期地上生物量”为题在线发表在《总体环境科学》。该项研究得到碳排放测量和反演生态环境模型开发项目，森林草原火灾危险性动态评价与预测项目和国家自然科学基金项目等资助。

原文链接 ↓

https://doi.org/10.1016/j.scitotenv.2024.170602