草地地上生物量高精度曲面建模

被引：5

作者：

孙晓芳 ^{[1
,2
,3
]}

岳天祥 ^{[1
]}

王情 ^{[4
]}

机构：

[1] 中国科学院地理科学与资源研究所

[2] 中国科学院大学

[3] 曲阜师范大学

[4] 清华大学

来源：

遥感学报 | 2013年 / 17卷 / 05期

基金：

国家杰出青年科学基金;

关键词：

高精度曲面建模; 草地地上生物量; 空间格局; 遥感; 均一化植被指数;

D O I：

暂无

中图分类号：

S812 [草地学、草原学]; S127 [遥感技术在农业上的应用];

学科分类号：

090503 ; 0909 ; 082804 ;

摘要：

草地生物量的大区域精确估算对全球变化研究和草地资源的合理利用具有重要作用。为提高草地生物量的空间模拟精度,发展了草地地上生物量的高精度曲面建模方法 HASM-GB(High Accuracy Surface Modeling for Grassland Biomass),基于内蒙古草地地上生物量野外调查资料和同时期的遥感影像数据,采用HASM-GB方法对内蒙古自治区草原地上生物量空间分布进行了模拟。通过野外实测数据采用修正的Jackknifing方法对HASM-GB方法模拟结果进行了验证,结果表明模拟结果与实测数据之间具有较低的均方根误差(28.03 g/m2)和较好的相关性,相关系数为0.62。将HASM-GB方法与遥感生物量回归模型、普通克里金和回归克里金3种方法进行了精度对比,结果表明与其他3种方法相比,HASM-GB方法的模拟结果具有相对较低的平均误差、平均绝对误差、均方根误差和与测定值较高的相关系数。通过对地上生物量空间分布格局模拟结果的分析可知,由于植被指数—生物量回归模型属于非空间方法,其模拟精度很大程度上取决于主、辅变量间的相关性水平,易受植被指数数据误差的影响。普通克里金不能考虑辅助变量的作用。HASM-GB方法能够充分考虑生物量采样点和辅助变量的空间变异信息和邻域样本的空间结构特征从而提高模拟精度,其对草地地上生物量的曲面模拟能力高于回归克里金。结果表明HASM-GB可以作为模拟草地地上生物量空间分布相对有效的方法。

引用

页码：1060 / 1076

页数：17

共 37 条

[21] Integrating remote sensing and spatial statistics to model herbaceous biomass distribution in a tropical savanna [J].

Mutanga, O. ;

Rugege, D. .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2006, 27 (16) :3499-3514

[22]

Surface modelling:High accuracy and high speed methods .2 Yue T X. CRC Press . 2011

[23] 高精度曲面建模与误差分析 [J].

岳天祥 ;

杜正平 ;

刘纪远 .

自然科学进展, 2004, (03) :62-68

[24]

Vegetation and soil carbon storage in China[J]. LI Kerang, WANG Shaoqiang & CAO Mingkui Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China;Department of Geography, Maryland University, College Park,MD 20742, USA Correspondence should be addressed to Li Kerang.Science in China(Series D:Earth Sciences). 2004(01)

[25] Influence of slope and aspect on long-term vegetation change in British chalk grasslands [J].

Bennie, J ;

Hill, MO ;

Baxter, R ;

Huntley, B .

JOURNAL OF ECOLOGY, 2006, 94 (02) :355-368

[26] Improvements of the MODIS terrestrial gross and net primary production global data set [J].

Zhao, MS ;

Heinsch, FA ;

Nemani, RR ;

Running, SW .

REMOTE SENSING OF ENVIRONMENT, 2005, 95 (02) :164-176

[27] Mapping fire scars in a southern African savannah using Landsat imagery [J].

Hudak, AT ;

Brockett, BH .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2004, 25 (16) :3231-3243

[28]

Integrating imaging spectroscopy and neural networks to map grass quality in the Kruger National Park, South Africa[J] . O Mutanga,A.K Skidmore.Remote Sensing of Environment . 2004 (1)

[29] Estimating net primary productivity of grasslands from field biomass measurements in temperate northern China [J].

Ni, J .

PLANT ECOLOGY, 2004, 174 (02) :217-234

[30] Spatial prediction of soil particle-size fractions as compositional data [J].

Odeh, IOA ;

Todd, AJ ;

Triantafilis, J .

SOIL SCIENCE, 2003, 168 (07) :501-515

← 1 2 3 4 →