基于Sentinel-2和Landsat 8数据的天祝县草地地上生物量遥感反演

doi:10.11733/j.issn.1007-0435.2021.09.020

草地学报 ›› 2021, Vol. 29 ›› Issue (9): 2023-2030.DOI: 10.11733/j.issn.1007-0435.2021.09.020

基于Sentinel-2和Landsat 8数据的天祝县草地地上生物量遥感反演

黄家兴¹, 吴静¹, 李纯斌¹, 秦格霞¹, 钱娟冰², 李怀海¹

1. 甘肃农业大学资源与环境学院, 甘肃兰州 730070;
2. 甘肃省基础地理信息中心, 甘肃兰州 730070

收稿日期:2021-03-01 修回日期:2021-04-28 出版日期:2021-09-15 发布日期:2021-10-14
通讯作者: 吴静,E-mail:wujing@gsau.edu.cn
作者简介:黄家兴(1995-),男,汉族,山东青岛人,硕士研究生,主要从事生态遥感研究,E-mail:2287592330@qq.com
基金资助:
国家自然科学基金（31760693）；甘肃农业大学学科建设基金项目（GSAU-XKJS-2018-011）资助

Remote Sensing Retrieval of grassland Above-Ground Biomass in Tianzhu County based on Sentinel-2 and Landsat 8 Data

HUANG Jia-xing¹, WU Jing¹, LI Chun-bin¹, QIN Ge-xia¹, QIAN Juan-bing², LI Huai-hai¹

1. College of Resources and Environmental Sciences, Gansu Agricultural University, Lanzhou, Gansu Province 730070, China;
2. Gansu Basic Geographic Information Center, Lanzhou, Gansu Province 730070, China

Received:2021-03-01 Revised:2021-04-28 Online:2021-09-15 Published:2021-10-14

摘要/Abstract

摘要： 为精确获取区域草地地上生物量（Above-ground biomass，AGB），本研究利用Sentinel-2和Landsat 8数据，计算5种植被指数，与野外实测AGB建立草地AGB遥感估算模型，并用均方根误差、决定系数和平均相对误差等指标综合比较不同估算模型的反演精度。结果表明：5种植被指数与草地AGB均显著相关；基于Sentinel-2数据建立的AGB估算模型总体上优于Landsat 8的估算结果；7月最优反演模型为基于差值植被指数（Difference vegetation index，DVI）的二次多项式模型，精度达86％；8月最优反演模型为基于绿色归一化植被指数（Green normalized difference vegetative index，GNDVI）的指数模型，精度达84％；天祝县草地AGB的空间差异明显，不同草地类型平均AGB顺序为：山地草甸>高寒草甸>温性草原>温性荒漠草原。以上研究结果可为研究区草地AGB合理估算和放牧管理提供科学依据。

关键词: Landsat 8, Sentinel-2, 植被指数, 地上生物量, 草地, 天祝县

Abstract: Accurately obtain the above-ground biomass of grassland (Above-ground biomass, AGB) in the region is important to grassland management. In this paper, Sentinel-2 and Landsat 8 data were used to calculate 5 vegetation indices, and then the grassland AGB remote sensing estimation models were built with the measured AGB in the field. Statistical indicators, such as the root mean square error (RMSE), the R-squared (R²) and the mean relative error (MRE), were used to comprehensively compare the accuracy of different estimation model. The results showed that:the 5 vegetation indices and the grassland AGB were significantly correlated. The optimal inversion model for the grassland AGB in Tianzhu County in July was a quadratic polynomial model based on DVI (Difference vegetation index) with the accuracy of 86%;the best inversion model in August was an exponential model based on GNDVI (Green normalized difference vegetation index) with the accuracy of 84%. The spatial difference of grassland AGB in Tianzhu County was obvious, and the average AGB order of different grassland types was:mountain meadow > alpine meadow > temperate grassland > temperate desert grassland. The above research results can provide a scientific basis for reasonable estimation of grassland AGB and grazing management in study area.

Key words: Landsat 8, Sentinel-2, Vegetation index, Above-ground biomass, Grassland, Tianzhu county

中图分类号:

S812.5

黄家兴, 吴静, 李纯斌, 秦格霞, 钱娟冰, 李怀海. 基于Sentinel-2和Landsat 8数据的天祝县草地地上生物量遥感反演[J]. 草地学报, 2021, 29(9): 2023-2030.

HUANG Jia-xing, WU Jing, LI Chun-bin, QIN Ge-xia, QIAN Juan-bing, LI Huai-hai. Remote Sensing Retrieval of grassland Above-Ground Biomass in Tianzhu County based on Sentinel-2 and Landsat 8 Data[J]. Acta Agrestia Sinica, 2021, 29(9): 2023-2030.

0
/ / 推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://manu40.magtech.com.cn/Jweb_cdxb/CN/10.11733/j.issn.1007-0435.2021.09.020

https://manu40.magtech.com.cn/Jweb_cdxb/CN/Y2021/V29/I9/2023

参考文献

[1] 王新欣, 朱进忠, 范燕敏, 等. 基于MODIS NDVI的天山北坡终端草地动态估产模型研究[J]. 草业科学, 2009, 26(27):24-27
[2] 张峰, 赵天启, 乔荠, 等. 刈割留茬高度对大针茅草原生产力及可持续利用的影响[J]. 草地学报, 2021, 29(7):1491-1498
[3] 张雅, 尹小君, 王伟强, 等. 基于Landsat 8 OLI遥感影像的天山北坡草地地上生物量估算[J]. 遥感技术与应用, 2017, 32(6):1012-1021
[4] 国家气候中心. 第二次气候变化国家评估报告编写委员会[M]. 北京:科技出版社, 2011:11-22
[5] 孟宝平, 陈思宇, 崔霞, 等. 基于多源遥感数据的高寒草地生物量反演模型精度-以夏河县桑科草原实验区为例[J]. 草业科学, 2015, 32(11):1730-1739
[6] XIE Y C, SHA Z Y, YU M, et al. A comparison of two models with Landsat data for estimating above ground grassland biomass in Inner Mongolia, China[J]. Ecological Modelling, 2009, 220(15):1810-1818
[7] 梁天刚, 崔霞, 冯琦胜, 等. 2001-2008年甘南牧区草地地上生物量与载畜量遥感动态监测[J]. 草业学报, 2009, 18(6):12-22
[8] 胡远宁, 冯琦胜, 陈思宇, 等. 基于高分遥感数据校正的MODIS草地生物量监测模型精度评价[J]. 草地学报, 2014, 22(4):706-712
[9] 邢文渊, 石玉, 镨拉提, 等. 基于ENVI的巴里坤草地动态变化信息提取及分析[J]. 沙漠与绿洲气象, 2014, 8(1):61-65
[10] ZHAO S, ZHANG S, LIU J, et al. Application of machine learning in intelligent fish aquaculture:A review[J]. Aquaculture, 2021, 540:99-115
[11] 孟宝平. 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]. 兰州:兰州大学, 2018:154-155
[12] 张旭琛, 朱华忠, 钟华平, 等. 新疆伊犁地区草地植被地上生物量遥感反演[J]. 草业学报, 2015, 24(6):25-34
[13] 刘炀炀. 基于GEE的林火识别与火后植被恢复评估研究[D]. 北京:北京林业大学, 2020:68-69
[14] WU C F, SHEN H H, SHEN A H, et al. Comparison of machine-learning methods for above-ground biomass estimation based on Landsat imagery[J]. Journal of Applied Remote Sensing, 2016, 10(3):10-35
[15] 郭超凡, 陈泽威, 张志高. 基于最优模型选择的牧草地上生物量遥感估算研究[J]. 草地学报, 2021, 29(5):946-955
[16] 徐晗泽宇. 赣南柑橘果园扩张及其对景观影响的遥感研究[D]. 南昌:江西师范大学, 2018:61-63
[17] 修晓敏. 基于Google Earth Engine的30 m空间分辨率中国干旱地区草地生物量估算[D]. 贵州:贵州师范大学, 2019:1-15
[18] 张慧玲, 高啟贤. 天祝抓喜草原不同牦牛放牧强度对牧草生长的影响[J]. 中国牛业科学, 2019, 45(5):37-39
[19] 祈红霞, 石红梅, 杨勤, 等. 草原牧区牦牛舍饲育肥实验[J]. 中国牛业科学, 2015, 41(6):46-48
[20] 李子雁. 中国北方温带草原养分含量、生物量及多样性对土壤酸碱变化的响应[D]. 杨陵:西北农林科技大学, 2019:68-69
[21] 徐念旭. 植被冠层阴影的指数构建及其覆盖度遥感计算方法研究[D]. 南京:南京大学, 2018:20-35
[22] BRUZZONE O, EASDALE M. Rhythm of change of trend-cycles of vegetation dynamics as an early warning indicator for land management[J]. Ecological Indicators, 2021, 126:107663
[23] FU G, SUN W, LI S W, et al. Modeling Aboveground Biomass Using MODIS Images and Climatic Data in Grasslands on the Tibetan Plateau[J]. Journal of Resources and Ecology, 2017, 8(1):42-49
[24] 张慧敏, 王建光, 王明玖, 等. 不同修剪高度下草坪草叶片生理及形态指标与土壤含水量回归分析[J]. 中国草地学报, 2021, 43(4):45-52
[25] 冯琦胜, 高新华, 黄晓东, 等. 2001-2010年青藏高原草地生长状况遥感动态监测[J]. 兰州大学学报(自然科学版), 2011, 47(4):75-90
[26] 于惠, 吴玉锋, 金毅, 等. 基于MODIS SWIR数据的干旱区草地地上生物量反演及时空变化研究[J]. 遥感技术与应用, 2017, 32(3):524-530
[27] 陈黔, 李晓松, 修晓敏, 等. 基于Google Earth Engine与机器学习的大尺度30 m分辨率沙地灌木覆盖度估算[J]. 生态学报, 2019, 39(11):4056-4069
[28] 马超, 石云, 李梦华, 等. 基于NDVI的黄土丘陵沟壑区草地生物量模型研究——以宁夏彭阳县为例[J]. 宁夏工程技术, 2017, 16(1):19-23

基于Sentinel-2和Landsat 8数据的天祝县草地地上生物量遥感反演

Remote Sensing Retrieval of grassland Above-Ground Biomass in Tianzhu County based on Sentinel-2 and Landsat 8 Data

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	金艳霞, 陈哲, 周华坤, 付京晶. 草地生态系统中植被冠层截留的研究进展[J]. 草地学报, 2021, 29(S1): 1-9.
[2]	黄小涛, 姚步青, 马真, 周华坤. 青海高原草地净初级生产力和降水利用效率时空特征[J]. 草地学报, 2021, 29(S1): 19-26.
[3]	杨冲, 王文颖, 刘攀, 周华坤, 索南吉, 刘艳方, 关晋宏. 三江源区不同高寒草地植物矿物元素含量特征及分析[J]. 草地学报, 2021, 29(S1): 52-61.
[4]	赵梦凡, 周秉荣, 赵彤, 周华坤, 校瑞香, 颜亮东, 李璠. 青海省草地植被干旱评估及驱动力分析研究[J]. 草地学报, 2021, 29(S1): 93-103.
[5]	秦海蓉, 陈长成, 胡月明, 王立亚, 肖武, 赵之重, 胡永强, 赵理, 马秉云, 霍俊领, 王福成. 青海省高寒草地土壤侵蚀强度及其空间分布特点[J]. 草地学报, 2021, 29(S1): 104-112.
[6]	姚喜喜, 王立亚, 严振英, 李泉林, 王有彬, 马秉云, 雷延民, 周睿, 谢久祥. 青藏高原典型草地牧草营养品质和消化率特征及其相关性[J]. 草地学报, 2021, 29(S1): 113-120.
[7]	晏和飘, 李文龙, 梁天刚, 周华坤, 曹亚鹏, 廖元成. 青藏高原退化高寒草地恢复对不同措施响应的Meta分析[J]. 草地学报, 2021, 29(S1): 190-198.
[8]	张中华, 马丽, 周秉荣, 宋明华, 徐文华, 邓艳芳, 王芳, 佘延娣, 张骞, 姚步青, 马真, 周华坤. 高寒草甸优势种功能多样性对增温和模拟放牧的响应[J]. 草地学报, 2021, 29(S1): 225-232.
[9]	赵树栋, 李建宏. 高原早熟禾根际促生菌分离筛选及特性研究[J]. 草地学报, 2021, 29(9): 1885-1891.
[10]	左郎, 王树森, 马迎梅, 温苏雅勒图, 白刚, 郁鑫明. 火炬树浸提液对两种草坪草种子萌发的影响[J]. 草地学报, 2021, 29(9): 1927-1933.
[11]	王晓芬, 吴玉鑫, 肖海龙, 张格非, 陈建纲, 张德罡. 三江源退化高寒草原植物种间亲和性和土壤团聚体特征[J]. 草地学报, 2021, 29(9): 2001-2009.
[12]	肖云飞, 陈文业, 王斌杰, 谈嫣蓉, 邴丹珲, 朱丽, 刘鸿源. 祁连山国家级自然保护区土地利用时空变化及与气候因子关系研究[J]. 草地学报, 2021, 29(9): 2049-2057.
[13]	高宏元, 侯蒙京, 葛静, 包旭莹, 李元春, 刘洁, 冯琦胜, 梁天刚, 贺金生, 钱大文. 基于随机森林的高寒草地地上生物量高光谱估算[J]. 草地学报, 2021, 29(8): 1757-1768.
[14]	王明涛, 方江平, 包赛很那, 苗彦军, 王向涛, 赵玉红, 谢文栋, 仓木德吉. 藏北燕麦草地持续利用与撂荒对高寒草甸土壤特征的影响[J]. 草地学报, 2021, 29(8): 1801-1808.
[15]	汪鹏斌, 宋美娟, 童永尚, 王玉霞, 徐长林, 李珍, 鱼小军. 保护播种对高寒区刈割型混播草地产草量及品质的影响[J]. 草地学报, 2021, 29(8): 1818-1827.