内蒙古退耕还林工程区林冠覆盖率卫星遥感监测

doi:10.13474/j.cnki.11-2246.2024.0624

测绘通报 ›› 2024, Vol. 0 ›› Issue (6): 139-145.doi: 10.13474/j.cnki.11-2246.2024.0624

• 技术交流 • 上一篇

内蒙古退耕还林工程区林冠覆盖率卫星遥感监测

格根塔娜¹, 王天璨^2,3, 王建和¹, 沈通², 月亮高可⁴

1. 内蒙古自治区林业与草原工作总站, 内蒙古呼和浩特 010010;
2. 中国科学院空天信息创新研究院, 北京 100094;
3. 中国科学院大学, 北京 100101;
4. 重庆交通大学, 重庆 404100

收稿日期:2023-11-21 发布日期:2024-06-27
通讯作者: 王天璨。E-mail:wangtiancan22@mails.ucas.ac.cn
作者简介:格根塔娜(1982—),女,硕士,高级工程师,主要从事退耕还林工程发展研究工作。E-mail:nmgtghl@126.com
基金资助:
能力培育项目-MFST-蒙古高原土地退化零增长决策支持系统与示范应用

Satellite remote sensing monitoring of canopy cover of conversion of farmland to forestland project area in the Inner Mongolia

WANG Tiancan¹, WANG Jianhe^2,3, SHEN Tong¹, YUE Lianggaoke²

1. Forestry and Grassland Work Station of Inner Mongolia, Hohhot 010010, China;
2. Aerospace Information Research Institute, Beijing 100094, China;
3. University of Chinese Academy of Sciences, Beijing 100101, China;
4. Chongqing Jiaotong University, Chongqing 404100, China

Received:2023-11-21 Published:2024-06-27

摘要/Abstract

摘要： 内蒙古新一轮退耕还林还草工程于2015年启动,是内蒙古生态环境建设恢复的重大举措。本文利用2022年生长季Sentinel-2A影像及地形数据,结合实地测量数据,基于GEE平台采用梯度提升树回归模型(GBRT),对内蒙古新一轮退耕还林工程区林冠覆盖率进行反演分析。结果表明,模型验证决定系数(R²)为0.87,均方根误差(RMSE)为0.079,平均绝对误差(MAE)为0.062。内蒙古新一轮退耕还林工程区林冠覆盖率均值为0.147,其分布存在明显的空间差异,受植被配置类型、种植年份和地理环境等因素影响,总体从西向东逐渐递增。利用Sentinel-2A影像和地形数据可以有效地估测退耕还林工程区林冠覆盖率,对低林冠覆盖率区域的反演提供参考。

关键词: 退耕还林, 林冠覆盖率, 梯度提升树, 内蒙古

Abstract: The new period of returning farmland to forestland and grassland project is launched in 2015, which is amajor measure to restore the ecological environment of the Inner Mongolia. Using the Sentinel-2A images and terrain data in the 2022 growing season, combined with field measurement data, and based on the GEE platform, the gradient boostingreg ression tree(GBRT) is used to invert the canopy cover of the new period of farmland to forestland project area in the Inner Mongolia. The results show that the model verification coefficient of determination (R²) is 0.87,the root mean square error (RMSE) is 0.079 and the mean absolute error (MAE) is 0.062. The average canopy cover in the new period of returning farmland to forestland project areas in Inner Mongolia is 0.147. There are obvious spatial differences in its distribution, which is affected by factors such as vegetation configuration type, planting year, and geographical environment. It generally increases gradually from west to east. Sentinel-2A images and terrain data can be used to effectively estimate canopy cover in the conversion of farmland to forestland project area, providing a reference for the inversion of low canopy cover areas.

Key words: conversion of farmland to forestland, canopy cover, gradient boosting regression tree, Inner Mongolia

中图分类号:

P237

格根塔娜, 王天璨, 王建和, 沈通, 月亮高可. 内蒙古退耕还林工程区林冠覆盖率卫星遥感监测[J]. 测绘通报, 2024, 0(6): 139-145.

WANG Tiancan, WANG Jianhe, SHEN Tong, YUE Lianggaoke. Satellite remote sensing monitoring of canopy cover of conversion of farmland to forestland project area in the Inner Mongolia[J]. Bulletin of Surveying and Mapping, 2024, 0(6): 139-145.

参考文献

[1] 王兵,牛香,郭珂.国家退耕还林工程生态监测体系区划布局研究[J].陆地生态系统与保护学报,2022,2(1): 57-72.
[2] 王鹏杰,田昕,陈树新,等.基于多源遥感数据及几何光学模型的森林郁闭度估测[J].遥感技术与应用,2023,38(2): 383-392.
[3] 王强,斯琴毕力格,肖海涛,等.森林郁闭度测定方法探讨与展望[J].内蒙古林业调查设计,2014,37(1): 82-83.
[4] 魏娟,刘献伦.FAO全球森林资源评估山东遥感样地数据处理与判读结果分析[J].山东林业科技,2011,41(3): 69-70.
[5] 李骁尧,黄华国.应用随机辐射传输模型反演云南松林分郁闭度[J].遥感学报,2020,24(6): 752-765.
[6] 宁凯.基于SAR影像反演山区森林郁闭度的方法研究[D].成都: 西南交通大学,2014.
[7] 孙艳玲,郭鹏,延晓冬,等.内蒙古植被覆盖变化及其与气候、人类活动的关系[J].自然资源学报,2010,25(3): 407-414.
[8] 陈效逑,王恒.1982—2003年内蒙古植被带和植被覆盖度的时空变化[J].地理学报,2009,64(1): 84-94.
[9] 穆少杰,李建龙,陈奕兆,等.2001—2010年内蒙古植被覆盖度时空变化特征[J].地理学报,2012,67(9): 1255-1268.
[10] 张裕凤,贾永强.农用地分等与定级估价研究: 以呼和浩特市清水河县为例[J].干旱区资源与环境,2005,19(4): 183-187.
[11] 晨光,张凤荣,张佰林.农牧交错区农村居民点土地利用形态演变: 以内蒙古自治区阿鲁科尔沁旗为例[J].地理科学进展,2015,34(10): 1316-1323.
[12] 李永宁,张宾兰,秦淑英,等.郁闭度及其测定方法研究与应用[J].世界林业研究,2008,21(1): 40-46.
[13] GORELICK N,HANCHER M,DIXON M,et al.Google Earth Engine: planetary-scale geospatial analysis for everyone[J].Remote Sensing of Environment,2017,202: 18-27.
[14] 胡丛慧.基于GEE和Landsat 8 OLI影像的土地覆被分类研究[J].科学技术创新,2021(35): 58-60.
[15] 郝斌飞,韩旭军,马明国,等.Google Earth Engine在地球科学与环境科学中的应用研究进展[J].遥感技术与应用,2018,33(4): 600-611.
[16] PARKER J,KENYON R V,TROXEL D E.Comparison of interpolating methods for image resampling[J].IEEE Transactions on Medical Imaging,1983,2(1): 31-39.
[17] 张亦然,刘廷玺,童新,等.基于多源遥感和机器学习方法的科尔沁沙地植被覆盖度反演[J].中国沙漠,2022,42(3): 187-195.
[18] KAUFMAN Y J,TANRE D.Atmospherically resistant vegetation index(ARVI) for EOS-MODIS[J].IEEE Transactions on Geoscience and Remote Sensing,1992,30(2): 261-270.
[19] 潘红丽,李迈和,蔡小虎,等.海拔梯度上的植物生长与生理生态特性[J].生态环境学报,2009,18(2): 722-730.
[20] 张素梅,王宗明,张柏,等.利用地形和遥感数据预测土壤养分空间分布[J].农业工程学报,2010,26(5): 188-194.
[21] 李宏达.基于梯度提升树和随机森林的Sentinel-2多季相数据土地覆被分类研究[D].西宁: 青海师范大学,2021.
[22] FRIEDMAN J H.Greedy function approximation: a gradient boosting machine[J].The Annals of Statistics,2001,29(5): 1189-1232.
[23] 魏治越,李浩,舒清态,等.基于星载激光雷达ICESat-2/ATLAS数据的森林郁闭度估测研究[J/OL].西南林业大学学报(自然科学):1-8[2023-10-25].https://kns-cnki-net.webvpn.las.ac.cn/kcms/detail/53.1218.s.20230502.1424.002.html.
[24] LIU Bao,GAO Lei,LI Baoan,et al.Nonparametric machine learning for mapping forest cover and exploring influential factors[J].Landscape Ecology,2020,35(7): 1683-1699.
[25] WANG Z,KE Y,LU D,et al.Estimating fractional cover of salt marsh vegetation species in coastal wetlands in the Yellow River Delta,China using ensemble learning model[J].Frontiers in Marine Science,2022,9:1077907.
[26] RIDGEWAY G.Generalized Boosted Models: a guide to the gbm package[J].Computer Science,Mathmatics,2006:12781809.
[27] 李保安.基于机器学习的森林覆盖率建模方法研究[D].东营: 中国石油大学(华东),2019.
[28] 郭铌.植被指数及其研究进展[J].干旱气象,2003,21(4): 71-75.
[29] 宋小宁,赵英时.应用MODIS卫星数据提取植被—温度—水分综合指数的研究[J].地理与地理信息科学,2004,20(2): 13-17.

内蒙古退耕还林工程区林冠覆盖率卫星遥感监测

Satellite remote sensing monitoring of canopy cover of conversion of farmland to forestland project area in the Inner Mongolia

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 1

编辑推荐

Metrics

本文评价