高原地区LST空间分异特征及影响因素研究——以桑珠孜区为例

揭示高原地区地表温度(land surface temperature,LST)空间分异特征及影响因素对当地气候变化研究的意义重大。现有研究主要分析了LST与单因子的关系,但以高原地区为研究区,结合多方面因子进行LST空间分异特征与影响因素定量分析的研究还相对较少。文中以西藏自治区日喀则市桑珠孜区为例,利用Landsat8遥感数据,采用辐射传输方程算法和普适性单通道算法反演研究区LST;应用地理探测器模型中的因子探测器与交互探测器分别定量探测出单因子与多因子共同作用时对LST的影响程度。研究结果表明,可量化因子中,LST随坡向度数的增加呈现出先增加后降低再增加的趋势,其他因子与LST间均呈明显的负相关关系,但下降速度存在差异;海拔是影响高原地区LST空间分布与分异特征的最主要因素,其后依次为归一化植被指数(normalized difference vegetation index,NDVI)、坡向、归一化水汽指数(normalized difference moisture index,NDMI)、土壤类型、坡度与年均降水量;高原地区LST的空间分布与分异特征的形成是多种因子共同作用的结果,所有因子在交互作用下均具有协同增强作用,海拔与坡向、海拔与NDMI以及海拔与NDVI的影响最为显著。     

基于随机森林算法的地表温度降尺度研究

地表温度(land surface temperature,LST)是地面能量平衡等模型中的重要参数之一。高时间分辨率的遥感LST可通过降尺度处理实现空间分辨率的提高,这对详细的LST时空分布监测具有重要意义。以北京市为研究区,选择Landsat8 OLI/TIRS数据,通过改进的单窗(improved mono-window,IMW)算法反演LST作为验证数据,在计算归一化差值植被指数(normalized difference vegetation index,NDVI)和归一化差值建筑指数(normalized difference built-up index,NDBI)等多种遥感指数并模拟至1 000 m空间分辨率的基础上,联合空间分辨率为1 000 m的MODIS/LST产品,利用随机森林(random forest,RF)模型实现LST(100 m空间分辨率)降尺度,并与多因子回归方法和基于植被指数的LST锐化算法(TsHARP)2种常用降尺度方法进行对比。实验结果表明:以模拟Landsat/LST作为降尺度数据源,RF方法降尺度LST的均方根误差(root-mean-square,RMSE)为2.01 K,与多因子回归方法和TsHARP算法相比,精度分别提高了0.16 K和0.44 K;针对MODIS/LST降尺度时,RF方法的RMSE为2.29 K,与多因子回归方法和TsHARP算法相比,精度分别提高了0.42 K和0.50 K;针对不同地表类型,RF算法降尺度效果不同,其中高植被覆盖区表现最优,RMSE为1.81 K;城镇表面因其空间异质性,RMSE则达到了2.75 K。     

基于机载MASTER数据的果园叶面积指数遥感反演

叶面积指数(leaf area index,LAI)是描述植被冠层结构的重要参数,准确获取果树的LAI对果树长势监测和果树估产均有重要作用。以美国加州中部的果园为研究区,基于沿太阳主平面飞行成像的机载MODIS/ASTER模拟传感器(MODIS/ASTER airborne simulator,MASTER)数据,利用实测LAI数据与归一化差值植被指数(normalized difference vegetation index,NDVI)、归一化差值红外指数(normalized difference infrared index,NDII)和归一化差值水体指数(normalized difference water index,NDWI)分别建立回归模型,并选取NDWI进行研究区LAI的反演。结果表明:由于地物的二向性反射,垂直太阳主平面飞行获取的遥感数据具有明显的亮度梯度现象,而沿太阳主平面飞行获取的遥感数据几乎不受亮度梯度的影响;NDVI在高植被覆盖区容易达到饱和,而NDWI比NDVI和NDII具有更高的拟合度和更小的均方根误差,更加适合研究区LAI的遥感反演;该研究结果可以丰富LAI反演理论,也可以为研究LAI尺度问题提供理论和数据支持。     

基于决策树方法的Landsat8 OLI影像红树林信息自动提取

基于广西山口国家红树林生态自然保护区的Landsat 8 OLI影像数据,选用广泛应用于植被液态水含量反演的归一化差值湿度指数(normalized difference moisture index,NDMI)和修正的归一化差值池塘指数(modified normalized difference pond index,MNDPI)作为分类特征,运用决策树方法进行红树林信息的自动提取。研究结果表明:红树林独特的滨海湿地生境特点,使其光谱同时包含植被和湿地信息;MNDPI和NDMI可分别反映可见光-近红外波段反射率同短波红外波段反射光谱的反差,可成功应用于湿地植被信息的提取,能有效地将红树林同其他地物相区分;采用Landsat8 OLI遥感数据,并结合NDMI和MNDPI分类特征构建的决策树模型可有效地提取红树林信息,其错分率和漏分率都较低,分别为5.34%和1.69%。     

南京市地表参数变化与热岛效应时空分析

利用南京市1989年TM和2001年、2010年ETM+卫星遥感数据,提取了3个时期的归一化植被指数(normalized difference vegetation index,NDVI)、改进的归一化水体指数(modified normalized difference water index,MNDWI)、归一化建筑指数(normalized difference build-up index,NDBI)和归一化不透水面指数(normalized difference impervious surface index,NDISI)等地表参数;利用热红外波段遥感数据反演地表温度,并从时间维对比分析了3个时期各个参数的变化和产生的原因;利用回归分析方法探讨了上述地表参数变化与城市地表温度之间的关系,即地表温度与NDISI和NDBI呈正相关,与NDVI呈负相关。进一步分析表明,南京市最近20 a来不透水面和建筑面积大幅增大,植被覆盖范围减少,城市热岛效应加剧,不透水面、建筑指数与地表温度的变化趋势和城市扩张趋势一致。该研究成果对于揭示南京市热岛效应、优化土地配置和推进生态城市建设具有一定的参考意义。     

兰西城市群热环境格局多尺度研究

从不同空间尺度研究城市热环境的变化格局,可为城市人居环境建设提供科学参考。采用MODIS和Landsat TM/OLI/TIRS遥感影像反演地表温度(land surface temperature,LST),分别从宏观和微观尺度探索了兰西城市群热场的空间格局特征,分析了城市热岛效应在昼夜、季节和年份等不同时间尺度上的分布格局及变化特征。研究结果表明,大尺度下兰西城市群未存在明显的城市热岛效应,但中心城区内热岛效应的空间格局发生了较大变化,热场的空间格局及演变与城市空间扩展布局相一致;兰州中心城区热岛比例指数呈现先增加后减小的变化趋势,西宁—海东中心城区热岛比例指数则呈现持续增长的态势;河谷地段的LST低于周围黄土丘陵,主要受植被覆盖、太阳辐射时间和接收量的影响;LST与归一化差值植被指数(normalized difference vegetation index,NDVI)呈负相关关系,与归一化差值建筑用地指数(normalized difference building index,NDBI)呈正相关关系。     

不同土地利用类型的城市热环境效应研究——以广州市为例

利用2005年Landsat TM遥感卫星数据,对广州市不同土地利用类型与城市热环境之间的关系进行研究,发现不同土地利用类型对地表温度(LST)的影响具有明显的差异。草地、林地及耕地的LST与归一化植被覆盖指数(NDVI)呈现明显的负相关,水域的LST与归一化水体指数(MNDWI)之间呈现明显负相关,而城镇建设用地指数(NDBI)、未利用土地指数(NDBaI)则与LST呈现明显正相关。最后建立了LST与各土地利用类型表征指数及DEM之间的多元线性回归方程,可用来指示一个地区不同地表覆盖及地形差异导致的地表温度分布,为城市热环境的评价和分析提供依据。     

基于物候信息的山东省冬小麦长势遥感监测

作物长势监测是农情监测的核心内容之一,处在不同生育期的作物长势存在显著差异。为了提高大范围作物长势遥感监测的精度,利用2001―2015年间获取的MOD09A1数据,以山东省冬小麦为研究对象,在逐年提取冬小麦抽穗期基础上,探讨研究区近15 a间冬小麦抽穗期长势时空格局。研究表明,与归一化差值植被指数(normalized difference vegetation index,NDVI)相比,基于增强型植被指数(enhanced vegetation index,EVI)提取的冬小麦抽穗期与地面观测数据有更好的一致性。研究区冬小麦抽穗期主要集中在4月中、下旬,并从南向北、自西向东逐渐推迟;与NDVI,EVI和归一化差值红外指数(normalized difference infrared index,NDII)相比,产品改进–NDVI(product improve–NDVI,PI_NDVI)更能反映冬小麦的实际长势。基于该指数监测冬小麦长势,2001―2015年间山东省冬小麦抽穗期长势整体呈上升趋势;但年际间波动较大,相同年份不同区域的冬小麦长势存在明显差异;而大部分区域长势状况比较一致,与多年平均状况持平。研究结果与已有的相关研究较为一致,基于遥感进行大范围和长时间作物长势监测的思路可以为以后研究提供一定的参考。     

大气校正前后山地流域NDVI变化特征对比

大气校正是遥感影像处理的重要环节,探究大气校正前后归一化植被指数(normalized difference vegetation index,NDVI)特征及其地形梯度特征具有一定理论意义。以贵州省境内包溪河流域为例,基于Landsat8遥感影像和FLAASH大气校正,探究NDVI分等级和分地形变化特征。得出以下结论:①未进行大气校正所得NDVI在空间上总体被低估;②未经大气校正所得NDVI不能反映各阶段趋势和比例关系,存在严重偏差,NDVI 0. 6时绝对误差超过20%;③大气校正与否影响各海拔NDVI变化趋势和数值高低,NDVINAC在海拔900 m以下时绝对误差上升,其后波动下降;④大气校正与否对各坡度NDVI趋势和数值均有影响,随坡度上升,NDVINAC绝对误差先上升后下降,坡度在[50°,55°)时绝对误差最大;⑤大气校正与否对各坡向NDVI趋势均有影响,NDVINAC西坡绝对误差最大,东坡最小。     

基于MODIS数据和BFAST方法的植被变化监测

植被是联结土壤、大气和水分的自然"纽带",在全球气候变化研究中具有"指示器"的作用。对归一化植被指数(normalized difference vegetation index,NDVI)时间序列分析,可以为相关部门的工作和决策提供更好的支持。使用MODIS NDVI数据结合BFAST(breaks for additive seasonal and trend)方法实现对老哈河流域及周边地区的植被变化监测,并确定其NDVI时间序列出现突变点的时间节点。结合气象数据以及数据本身的质量作为影响因子,分析出现突变点的主要原因。研究结果表明,降水量、相对湿度、温度、日照时数、流域蒸发量与NDVI变化趋势呈正相关,风速与NDVI变化趋势相关性很小。降水量对NDVI变化的影响具有滞后性,滞后时间与降水量大小有关。     

利用多源数据确定季节性咸水湖湿地自然边界的方法

以宁夏盐池为例,探讨了利用面向对象的高分影像、数字高程模型(digital elevation model,DEM)等多源数据确定季节性咸水湖湿地自然边界的方法。以高分遥感影像、激光探测与测量(light detection and ranging,LiDAR)数据插值生成的高空间分辨率DEM、地理国情普查数据、第二次全国湿地资源调查数据为数据源,选取LBV变换特征、归一化差分植被指数(normalized difference vegetation index,NDVI)、高程值、坡度等特征,构建决策规则模型,获得季节性咸水湖湿地自然边界,并分析了不同高空间分辨率的DEM对边界提取结果的影响。实验结果表明,与无DEM数据参与提取的结果相比,合适的高空间分辨率DEM参与季节性咸水湖湿地自然边界提取,能有效提高其边界定位精度。     

光谱指数趋势面的城市地表温度降尺度转换

针对城市及周边区域建造区和自然地表交织分布的特点,探讨了利用归一化植被指数(NDVI)和归一化建造指数(NDBI)构造趋势面的地表温度(LST)降尺度方法,以北京市市区及周边较平坦区域为例实现了LST自960 m向120 m的降尺度转换。分析了LST空间分布特征及NDVI、NDBI对地物的指示性特征;以北京市四至六环为界分析NDVI、NDBI趋势面对地表温度的拟合程度及各自的适用区域;在120 m、240 m、480 m和960 m 4个尺度上评价了NDVI、NDBI和NDVI+NDBI趋势面对LST的拟合程度和趋势面转换函数的尺度效应;对NDVI、NDBI和NDVI NDBI等3种方法的降尺度结果分覆盖类型、分区域对比评价。实验结果表明结合两种光谱指数的NDVI NDBI方法降尺度转换精度有所改善,改善程度取决于地表覆盖类型组合。     

基于Landsat数据地表特征参数与地表温度关系

以成都市为研究区,定量分析了各地表特征参数与地表温度之间的线性关系。通过对地表温度与归一化植被指数(NDVI)、归一化建筑指数(NDBI)、归一化水汽指数(NDMI)进行局部区域逐像元分析和总体区域统计分析,结果表明NDVI,NDMI,NDBI与地表温度间都存在明显的线性关系,可用于说明地表温度的动态变化,在3月份,NDMI与地温的相关性更优于NDVI。对传统城市热现象研究中,NDMI与NDBI能够用来以NDVI作为分析地表温度随季节而变化的互补的度量标准。     

光学遥感植被指数与SAR遥感参数的相关性及其主要影响因素研究

建立合成孔径雷达(synthetic aperture Radar,SAR)数据和光学植被指数的定量关系有助于融合这两种数据源,提高山区森林遥感的时序监测能力。为此,以内蒙古大兴安岭根河林区为例,首先分析了归一化植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI)、绿度植被指数(greenness vegetation index,GVI)和归一化水分指数(normalized difference water index,NDWI)与C波段雷达数据的相关性,接着对比了不同森林干扰下NDVI,NDWI与X,C,L波段雷达数据的相关性差异。结果表明:①极化比(polarization ratio,PR)和干涉相干系数与各植被指数呈显著负相关,PR与NDVI,EVI,GVI线性趋势好(R~2=0. 40～0. 49),VH的干涉相干系数与各植被指数线性趋势好(R~2=0. 43～0. 51);②地表类型会影响VH与NDVI线性回归结果,在植被密集的灌草、火烧迹地和森林内线性趋势好(R~2=0. 64～0. 76);③不同森林干扰下相关性存在差异:在火烧迹地内NDVI与X波段HH和C波段PR呈显著负相关,NDWI与C波段VH呈显著正相关;在未受干扰林地内NDVI和NDWI与C波段PR呈显著正相关;在采伐迹地内L波段PR与NDVI呈显著负相关,L波段VV和VH的PR与NDWI呈显著负相关。     

基于空间自回归模型的广州市NDVI和NDBI与气温关系研究

为了探索城镇化地区热岛的时空变化特征,采用2015年覆盖广州市的1 km空间分辨率MOD13A3月合成归一化植被指数(normalized difference vegetation index,NDVI)数据、用Landsat8 OLI提取的归一化建筑指数(normalized difference build-up index,NDBI)数据以及不同季节的气象站点近地表气温数据,运用相关性分析方法,研究近地表气温与NDVI和NDBI的相互关系;在此基础上,应用空间自回归方法构建不同季节的近地表气温与NDVI和NDBI的空间自回归模型,定量分析广州地区近地表气温与NDVI和NDBI的空间关系,并与普通回归模型进行比较分析。结果表明,不同季节的NDVI与近地表气温呈负相关,NDBI与近地表气温呈正相关;与普通线性回归模型相比,空间滞后模型与空间误差模型的拟合效果最优;通过比较分析相关系数(R~2)值、赤池信息量准则(Akaike information criterion,AIC)值及回归模型残差的莫兰指数(Moran index,Moran’s I),发现空间滞后模型的拟合效果略优于空间误差模型;从春季到秋季,NDVI对近地表气温的影响大于NDBI对近地表气温的影响;在空间滞后模型中,显著的、正的空间自回归系数表明,气象站点的近地表气温受到相邻气象站点的近地表气温的显著正影响。     

林火烈度遥感评估指数适应性分析

科学合理地定量评估林火烈度,对揭示林火干扰下森林生态系统的变化,以及植被的恢复与管理具有重要意义。以美国科罗拉多大峡谷国家公园北缘的Poplar Fire为实验区,利用Landsat5 TM影像,结合实地调查的综合火烧指数(composite burn index,CBI),分析评价了归一化差值植被指数(normalized difference vegetation index,NDVI),归一化火烧指数(normalized burn ration,NBR),差分归一化植被指数(differenced normalized difference vegetation index,ΔNDVI)和差分归一化火烧指数(differenced normalized burn ration,ΔNBR)4种遥感指数对林火烈度评估的适应性。结果表明,4种遥感指数对识别不同等级林火烈度存在一定的差异。在未过火区和轻度火灾区,单一遥感指数的精度略高于差分遥感指数,其中NBR的提取精度最高,分别达到了66.7%和80%;在中度火灾区和重度火灾区,差分遥感指数的精度高于单一遥感指数,ΔNBR的提取精度最高,分别达到了100%和90%。总体上,基于差分遥感指数的林火烈度制图精度总体高于单一遥感指数,其中ΔNBR的总体制图精度最高,达到了86.2%。因此,ΔNBR是林火烈度分析与评估的适宜遥感指数。     

基于MODIS的城市大气颗粒物污染指数研究

遥感特征指数法是一种简单、高效的信息提取方法。根据气溶胶散射或吸收引起的卫星不同波段间表观反射率变化,构建了基于MODIS的城市大气颗粒物污染指数,结合石家庄市各环境空气质量站实测颗粒物浓度数据,分析差值植被指数(difference vegetation index,DVI)、归一化灰霾指数(normalized difference haze index,NDHI)、归一化建筑指数(normalized difference built-up index,NDBI)和差值建筑指数(difference built-up index,DBI)与PM10之间的相关关系。结果表明,除NDHI外,DVI,NDBI和DBI与大气颗粒物质量浓度均呈现负相关关系,DBI与PM10之间线性相关关系较为明显,综合多种大气颗粒物污染指数构建的大气颗粒物质量浓度估算模型,可以用来简便、快速地指示城市大气颗粒物污染状况。     

基于阈值比值法的森林冰雪冻害遥感评估——以湖南省为例

冰雪冻灾是森林生态系统的主要生态干扰之一,对森林结构及生态系统功能有重要影响,快速准确评估森林资源受损程度,对灾后森林修复和森林生态系统管理有重要意义。根据2001—2007年归一化植被指数(normalized difference vegetation index,NDVI)数据提取灾前植被NDVI参考值和植被正常生长变化范围,利用灾后同时段NDVI数据,提取湖南省2008年森林冰雪受灾范围。在图像阈值法基础上,提出阈值比值法,评估森林冰雪受灾区域森林资源受损程度。与图像阈值法相比,阈值比值法评估结果与人工调查数据更加接近,标准误差为0. 95,不足图像阈值法的1/3。阈值比值法评估结果显示,全省森林资源受损严重,森林重度受灾率高达53. 69%,森林中度受灾率达27. 50%,森林轻度受灾率仅为18. 81%。与海拔、坡向等地形因子叠加分析,发现高海拔森林受损程度比低海拔森林严重,800 m以上的森林重度受损率高达58. 91%,处于阴坡的森林受损程度比阳坡森林严重。     

LandsatTM与HJCCD影像植被指数的交互比较

为了论证Landsat TM与HJ CCD影像植被指数间的相关关系,首先将多对同日过境的环境与灾害监测预报小卫星(HJ 1A/1B)CCD1/CCD2影像及Landsat TM影像的灰度值转换成表观反射率,然后针对不同的土地利用类型影像,通过回归分析建立二者归一化植被指数(normalized difference vegetation index,NDVI)之间的定量关系,计算二者的转换方程,分析二者间的差异。结果表明,HJ CCD及Landsat TM影像的植被指数之间具有显著的线性正相关关系,转换方程的转换精度较高。     

基于地形调节植被指数估算长汀县植被覆盖度

植被覆盖度遥感估算最常用的方法是基于植被指数构建模型,但大部分的植被指数没有考虑地形的影响。以福建省长汀县作为研究区,引入能消除地形影响的地形调节植被指数(topography adjusted vegetation index,TAVI),利用像元二分模型估算植被覆盖度,旨在研究TAVI对植被覆盖度估算结果的影响,并与基于归一化差值植被指数(normalized difference vegetation index,NDVI)估算的结果进行比较。根据目视效果和统计指标的分析表明:基于TAVI估算的植被覆盖度精度高于基于NDVI的估算结果,并能有效降低阴坡阳坡间的差异,提高阴坡区域植被覆盖度的估算精度。