基于生理性状的草地物种多样性遥感监测方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41801230
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    24.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0113.遥感科学
  • 结题年份:
    2021
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2021-12-31

项目摘要

Monitoring biodiversity is essential for the conservation and management of grassland resources. With the combination of UAV-based imaging spectroscopy and field-measured leaf traits and spectral data, this study will firstly explore the relationships among the spectral, physiological and taxonomic diversity on grassland ecosystem from the perspective of biological and biophysical foundation. The optimal physiological traits will be selected and then be used to develop a grassland species diversity prediction model for grassland species diversity regional mapping. This research may support future work on regional species diversity mapping with integrating the remote sensing technology and ecological theory.
面向草地生物多样性区域监测需求,结合地面调查和无人机高光谱遥感监测,从光谱变异的生物物理和生物化学基础出发,探讨草地物种多样性、生理性状多样性和光谱多样性三者间的关联性,选取可用于遥感监测的最优生理性状组合,构建基于生理性状的草地物种多样性遥感监测模型,促使遥感技术方法与生态学理论的有机融合,以期望为开展区域尺度草地物种多样性的遥感监测提供新的方法。

结项摘要

生物多样性监测对于评估全球陆地生态系统保护和生态系统服务至关重要。然而,目前国内外有关植物多样性的遥感监测多以森林为研究对象,草地个体小、小尺度内物种多样且立体结构难以分离,导致草地植物多样性遥感监测相比森林生态系统更为困难。无人机,结合地面调查,辅以高光谱传感器,可实现对高空间、高光谱和高时间分辨率的草地多样性监测,为实现小尺度研究到大尺度监测的无缝链接提供了强有力的技术手段。本项目基于内蒙古单一栽培平台,开展了草地物种光谱多样性、功能性状多样性和物种多样性之间的关系研究,研究发现(1)不同物种的功能性状不同,进而导致光谱的多样性,且常以属或科聚合;(2)草地物种的光谱多样性从可见光-近红外-短波红外,逐渐增加;(3)随着物种丰富度的增加,光谱多样性和功能性状多样性成非线性增加,最终达到饱和;(4)基于高光谱和光谱反演的功能性状对草地多样性的反演精度分别为R2 = 0.73和0.66。本项目进一步探索了基于比较了基于面积和基于质量的叶片性状反演精度,进而探究不同物种的性状特征(叶绿素a、叶绿素b、类胡萝卜素、碳、氮、单位面积叶质量等)以及功能多样性与生态系统生产力之间的联系。研究发现基于面积的叶片性状反演精度明显优于基于质量,且遥感反演的功能性状的种间及种内变异(CV)是地上生物量的重要预测指标,尤其是与植物光合作用有关的色素和氮;另外研究也发现,功能丰富度与AGB显著相关,而功能FDiv与群落生物量无显著关系。在此研究基础上,本项目也提出了一个草地植物多样性天空地一体化遥感监测框架,以促进遥感技术在草地生物多样性监测与评估的应用。本项目揭示了基于无人机高光谱影像开展功能性状遥感反演,生物多样性监测以及评估生态系统生产力的潜力,加强对生物多样性对生态系统功能影响的理解,并为区域和全球范围内的草原生物多样性保护提供科技支撑。

项目成果

期刊论文数量(5)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(2)
基于低空无人机的草原灌丛遥感辨识方法
  • DOI:
    10.13284/j.cnki.rddl.003147
  • 发表时间:
    2019
  • 期刊:
    热带地理
  • 影响因子:
    --
  • 作者:
    张顺;赵玉金;白永飞;杨龙;孙中宇
  • 通讯作者:
    孙中宇
Hyperspectral retrieval of leaf physiological traits and their links to ecosystem productivity in grassland monocultures
草地单一栽培叶片生理性状的高光谱检索及其与生态系统生产力的联系
  • DOI:
    10.1016/j.ecolind.2020.107267
  • 发表时间:
    2021-03
  • 期刊:
    Ecological Indicators
  • 影响因子:
    6.9
  • 作者:
    Zhao Yujin;Sun Yihan;Lu Xiaoming;Zhao Xuezhen;Yang Long;Sun Zhongyu;Bai Yongfei
  • 通讯作者:
    Bai Yongfei
UAV-based individual shrub aboveground biomass estimation calibrated against terrestrial LiDAR in a shrub-encroached grassland
基于无人机的个体灌木地上生物量估算,在灌木侵占的草地上根据地面激光雷达进行校准
  • DOI:
    10.1016/j.jag.2021.102358
  • 发表时间:
    2021
  • 期刊:
    International Journal of Applied Earth Observation and Geoinformation
  • 影响因子:
    7.5
  • 作者:
    Zhao Yujin;Liu Xiaoliang;Wang Yang;Zheng Zhaoju;Zheng Shuxia;Zhao Dan;Bai Yongfei
  • 通讯作者:
    Bai Yongfei
The Potential of Mapping Grassland Plant Diversity with the Links among Spectral Diversity, Functional Trait Diversity, and Species Diversity
通过光谱多样性、功能性状多样性和物种多样性之间的联系绘制草原植物多样性图的潜力
  • DOI:
    10.3390/rs13153034
  • 发表时间:
    2021-08
  • 期刊:
    Remote Sensing
  • 影响因子:
    5
  • 作者:
    Zhao Yujin;Sun Yihan;Chen Wenhe;Zhao Yanping;Liu Xiaoliang;Bai Yongfei
  • 通讯作者:
    Bai Yongfei
地基激光雷达灌丛化草原小叶锦鸡儿生物量估算
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    遥感学报
  • 影响因子:
    --
  • 作者:
    刘晓亮;隋立春;白永飞;赵旦;赵玉金;刘艳书;翟秋萍
  • 通讯作者:
    翟秋萍

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

机载激光雷达森林冠层高度模型凹坑去除方法
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    农业工程学报
  • 影响因子:
    --
  • 作者:
    赵旦;吴炳方;赵玉金;朱建军
  • 通讯作者:
    朱建军
基于遥感的区域尺度森林地上生物量估算研究
  • DOI:
    10.13203/j.whugis20140709
  • 发表时间:
    2015
  • 期刊:
    武汉大学学报(信息科学版)
  • 影响因子:
    --
  • 作者:
    段祝庚;赵旦;曾源;赵玉金;吴炳方;朱建军
  • 通讯作者:
    朱建军
机载激光雷达及高光谱的森林乔木物种多样性遥感监测
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    遥感学报
  • 影响因子:
    --
  • 作者:
    董文雪;曾源;赵玉金;赵旦;郑朝菊;衣海燕
  • 通讯作者:
    衣海燕
利用聚类算法监测森林乔木物种多样性
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    植物生态学报
  • 影响因子:
    --
  • 作者:
    衣海燕;曾源;赵玉金;郑朝菊;熊杰;赵旦
  • 通讯作者:
    赵旦

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码