论文部分内容阅读
草地资源作为一种重要的可再生资源，对人类的生产活动有着重要的影响。我国拥有丰富的草地资源，合理利用草地资源，有助于畜牧业的可持续发展，民族团结以及国家的稳定。然而随着农业、工业、畜牧业的发展，人口不断增加，以及全球气候变暖的影响，草地资源面临越来越多的问题。因此，实时准确获取草地的生长状况信息，并且利用这些信息对草地资源进行科学管理，对于草地资源的保护，畜牧业的可持续发展都具有重要的意义。传统的观测手段主要为实地观测，花费大量的人力物力。遥感数据具有实时、动态、大范围等的特点，但是单一的遥感数据源无法同时满足高精度实时观测的高时间分辨率和高空间分辨率的需要。因此，本研究引入数据融合技术生成高时相中空间分辨率的遥感数据，并结合地面实测数据建立参数以及非参数模型，最终构建青海湖环湖地区草地生物量估算最优模型，生成2000-2015年生长季30米8天的生物量时序数据集。基于生物量数据集，分析了青海湖环湖地区草地的生长状况和变化趋势。主要发现如下: (1)针对青海湖地区实际情况，从融合输入参数方案选择、输入数据选取以及融合窗口改进三方面建立了最优融合算法，并生成环青海湖地区植被指数(NDVI)序列集(8天，30m，2000-2015)。融合方案的构建直接关系到融合植被指数的生成，进而影响生物量模型构建的精度。研究从输入数据选择，融合植被指数获取方案，融合算法窗口改进等方面，构建了青海湖流域最佳融合植被指数NDVI生成方案（共3个方案），即:基于STARFM算法，MODIS数据采用MCD43A4 NDVI数据;TM数据根据获取情况采用一年内、间隔一年、间隔两年的方案;结合30m土地覆盖分类数据，对不同植被类型数据采用不同窗口大小进行融合，其中耕地采用350m窗口，林地采用950m窗口，草地及其他用地类型采用750m窗口。基于以上方案，生成了融合NDVI生长季（5-9月）的时间序列集(2000-2015)，该数据集具有相对较高的空间分辨率(30m)与时间分别率（8天），相对于MODIS数据能更详细的描述植被生长的空间细节，相对于TM数据时间分辨率得到了提高，更利于草地生长动态变化监测的需要。 (2)基于实测生物量数据与融合植被指数数据，建立参数化模型及非参数化模型并进行精度比较，实验发现，该地区支持向量机模型(SVM)拥有更高的精度，基于该模型建立了青海湖地区过去16年的30m生物量数据集。根据青海湖地区最优数据融合方案生成的融合植被指数数据集，并结合3年累积的291个实地采样点数据建立青海湖环湖地区生物量估算模型（参数模型和非参数模型一共6个）;选择支持向量机模型为最优生物量估算模型(r=0.85，RMSE=74.45g/m2);最终生成共16年（2000-2015年）的30m、8天生物量数据。基于融合植被指数建立的生物量估算模型不仅可以保持基于MODIS植被指数建立的生物量估算模型的精度(r=0.85，RMSE=73.20g/m2)，并且能够将生物量的空间分辨率提高到30m，时间分辨率提高到8天。 (3)对青海湖地区草地生物量信息进行分析，发现在过去16年里，该地区草地环境发生了较大的变化。其中，在青海湖湖南岸以及北部山麓地区草地退化较为显，生物量显著降低的区域占全区的8.5％。而在流域中部地区则呈现增长的趋势，生物量显著增加的区域占全区的24.5％。青海湖流域植被的变化一方面与该地区的气候变化有关;另一方面，对草地资源的不合理利用也是该地区草地资源退化的重要原因;此外，青海湖流域近些年作为旅游的热点地区，游客数量激增，旅游业的发展也是导致局部地区草地退化的因素。