基于植被指数的典型草原区生物量模型——以内蒙古锡林浩特市为例

被引:63
作者
李素英
李晓兵
莺歌
符娜
机构
[1] 北京师范大学资源学院,北京师范大学环境演变与自然灾害教育部重点实验室
关键词
植被指数; 典型草原; 地上生物量; 回归模型;
D O I
暂无
中图分类号
S812 [草地学、草原学];
学科分类号
090503 ; 0909 ;
摘要
利用遥感估测地上生物量是国内外生态学与地理学的研究热点。但基于植被指数的生物量回归模型结果差异较大,究竟哪种植被指数与哪种模型更适合典型草原的生物量反演,是现代草地遥感急需解决的问题之一。该文基于TM影像数据的不同植被指数(VI)差异性,分别选取了RVI(比值植被指数)、NDVI(归一化差异植被指数)、SAVI(土壤调节植被指数)、MASVI(修改型土壤调整植被指数)和RSR(简化比率植被指数)5种植被指数,与同期的内蒙古典型草原区地面实测地上生物量做相关分析,分别建立了5种植被指数与地上生物量的线性及3种非线性(对数、二次多项式、三次多项式)回归模型。研究结果表明对于中国北方典型草原区而言,地上生物量与5种植被指数(RVI、NDVI、SAVI、MSAVI和RSR)均呈现出显著相关,但地上生物量与后4种植被指数是正相关,与RVI为负相关;利用5种植被指数(RVI、NDVI、SAVI、MSAVI和RSR)监测草地植被生物量的复相关系数均大于0.6,充分说明利用植被指数检测典型草原生物量是一种简单可行的方法;NDVI建立的生物量回归模型,其复相关系数大于其它4类植被指数(RVI、SAVI、MSAVI和RSR),说明NDVI_生物量模型优于植被指数RVI、SAVI、MSAVI和RSR模型,其模拟地表生物量的效果好;对于TM影像来说,植被生物量的线性模型与3种非线性模型(三次多项式生物量模型、二次多项式生物量模型、对数模型)都表现出较好的模拟效果,都通过了0.01的显著性检验,而且该研究的结果显示出三次多项式生物量回归模型最优,其次是二次多项式生物量模型,再次是线性模型,相对较差的是对数模型。通过NDVI_生物量三次多项式回归模型模拟锡林浩特草原的生物量,可以看出整个研究区的地上生物量基本上是东高西低、东南高西北低的趋势,这与研究区的地形、气候及土地利用等多种因素有关。
引用
收藏
页码:23 / 31
页数:9
相关论文
共 14 条
  • [1] Retrieval of leaf area indexfor a coniferous forestbyinverting a forest reflectance model. Miina R. Remote Sensing of Envi-ronment . 2005
  • [2] Improved monitoring of vegetation dynamics at very high lati-tudes:a new method using MODISNDVI. Pieter SA,Clement A,Kjell AH,Bernt J,Andrew KS. Remote Sensing ofEnvironment . 2006
  • [3] Use ofNOAA-AVHRRNDVIimages for the estimation of dynamic fireriskin Mediterranean areas. Fabio M,Stefano R,Lorenzo B,Gaetano Z. Remote SensingofEnvironment . 2003
  • [4] Estimation of sugarbeet productivity fromreflection in the red and infrared spectralbands. Steven MD,Biscoe PV,Jaggard KW. International Journal ofRemote Sensing . 1983
  • [5] A modified soiladjusted vegetation index. Qi J,Chehbouni A,Huete AR,Kerr Y. Remote Sensing of Environment . 1994
  • [6] Im-provements of the MODISterrestrial gross and net primary produc-tion global data set. Zhao MS,Faith AH,Ramakrishna RN,Steven W. Remote SensingofEnvironment . 2005
  • [7] Monitoringvegetation systems in the Great Plains with ERTS. Rouse JW,Haas RH,Schell JA,Deering DW. Proceedings of Third Earth Resources Tech-nology Satellite—1Symposium.NASA SP-351 . 1974
  • [8] Surface lidar remotesensing of basal area and biomass in deciduous forests of easternMaryland. Lefsky MA,Harding D,Cohen WB. Remote SensingofEnvironment . 1999
  • [9] Pasture landcover in eastern Australia fromNOAA-AVHRRNDVIand classi-fied Landsat TM. Michael JH,Peter JV,Peter E,GrahamED. Remote SensingofEnvironment . 1999
  • [10] Land cover assessmentwith MODIS imagery in southern African Miombo ecosystems. Fernando S,Gong P,Manuel F. Remote SensingofEnvironment . 2005