典型植被指数识别火烧迹地潜力分析

植被指数法是利用卫星遥感影像识别火烧迹地的常用方法之一。植被因受火的干扰会形成火烧迹地,其光谱特征易与裸地、水体、道路、阴影和耕地等地物光谱混淆,使用遥感影像采用合适的植被指数提高过火区遥感监测精度仍是亟待解决的问题。以四川省2014年和内蒙古自治区2017年发生的4次森林火灾形成的火烧迹地作为研究区,利用高分一号16 m宽幅(GF-1 WFV)数据和Landsat8数据的波谱特性,选取归一化植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI)、全球环境监测植被指数(global environment monitoring index,GEMI)、过火区识别指数(burned area index,BAI)和归一化火烧指数(normalized burn ration,NBR)等5种典型植被指数,通过构建不同植被指数的分离指数M来定量评价这些植被指数识别火烧迹地的潜力。研究结果表明,基于近红外—短波红外波段的NBR和基于可见光—近红外波段的BAI对过火区的分离性较好,NDVI的分离性次之,EVI和GEMI的分离效果较差;基于GF-1 WFV和Landsat8数据采用BAI和NBR指数对内蒙古鄂伦春自治旗火烧迹地进行了识别(其中GF-1 WFV数据只用于BAI识别),并利用高分二号(GF-2)数据进行了精度验证,两者火烧迹地识别总体精度均大于87%,Kappa系数均大于0. 7。     

利用综合变化检测方法进行土地覆盖变化制图

在全球环境变化研究中,对土地利用和土地覆盖的描述、量化和监测尤为重要。为此,基于综合变化检测算法(comprehensive change detection method,CCDM),计算2011—2016年Landsat影像(P033/R033)的土地类型变化。CCDM整合了2种基于光谱的变化检测方法,即多指标综合变化分析(multi-index integrated change analysis,MⅡCA)模型和分区(Zone)变化检测模型。通过计算变化向量(change vector,CV)、最大相对变化向量(relative change vector maximum,RCVMAX)、差分归一化燃烧率(differenced normalized burn ratio,d NBR)和差分归一化植被指数(differenced normalized difference vegetation index,d NDVI)等4个光谱指标和时间(t)提取2期Landsat影像的变化。此外,根据前期和当前土地覆盖的变化趋势和MⅡCA与Zone结果的变化,对CCDM结果的准确性进行了评价。评价结果表明:非变化类的准确率为96%,变化类的准确率为40%,总体精度为68%。CCDM方法简单、容易实现、应用广泛,能捕捉不同景观中各种自然和人为干扰引起的潜在土地覆盖变化,可为国家土地覆盖更新和土地变化检测提供技术支持。     

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。     

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。     

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。     

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Landsat OLI影像的典型湿地芦苇植被光能利用率遥感反演方法初探

大尺度植被光能利用率(light use efficiency,LUE)的快速准确获取一直是限制植被生产力估算及相关研究的难题。当前LUE的研究存在取值不准、方法复杂、精度不高等问题,而遥感数据时间连续、空间尺度大、易获取的优势为LUE的准确估算提供了可能。以东北地区典型的芦苇湿地为研究对象,利用多时相遥感影像Landsat OLI(operational land imager)与植被指数,通过分析LUE、植被指数与植被叶绿素含量之间的关系,探讨利用遥感植被指数实现湿地植被LUE准确估算的可行性。结果表明:除增强植被指数(enhanced vegetation index,EVI)外,其余植被指数均有较强的芦苇湿地表征能力。LUE与叶绿素及植被指数之间存在密切关系,其中归一化植被指数(normalized difference vegetation index,NDVI)对LUE的敏感性最高(P 0.01;R~2=0.62),是本研究中表征芦苇LUE的最佳指数。研究验证了以叶绿素作为中间变量,借助遥感植被指数实现LUE便捷高效反演的理论假设,可为大尺度湿地植被生产力及碳循环等研究提供方法参考和思路借鉴。     

GPS反射信号信噪比与NDVI相关性研究

归一化植被指数（normalized difference vegetation index，NDVI）作为重要的植被生长状况植被指数，对其进行有效实时监测具有重要科学意义。选择4个大陆板块边界观测网（plate boundary observatory，PBO）观测站的GPS信噪比观测值，提取反射信号信噪比并计算归一化振幅，通过与MODIS（moderate resolution imaging spectroradiometer）NDVI产品时序频谱特征的相关性分析，建立GPS反射信号植被指数线性反演模型和BP神经网络反演模型。分析发现:GPS反射信号信噪比归一化振幅与NDVI指数存在显著年周期性和季候特性，NDVI线性反演模型相关系数均约为0.7，均方根误差处于0.05~0.09之间，BP神经网络反演模型相关系数提高了约5%。利用GPS反射信号反演NDVI变化趋势具有可行性，为获取高时间分辨率、低成本的NDVI指数提供了一种新思路。