岷江上游典型流域植被覆盖度的遥感模型及反演

本文在对岷江上游典型流域研究区实地踏勘和定位观测的基础上,综合利用Aster和ETM遥感数据、地面实测数据和常规观测数据等资料,研究了植被指数与植被覆盖度之间的相关性,确定了岷江上游典型流域植被覆盖度模型。以遥感图像中单个像元作为测算单位,对植被指数NDVI进行了计算,并对岷江上游毛儿盖地区植被覆盖度进行了反演。利用研究区实测数据、生态环境本底遥感调查数据和水文气象数据,对上述模型反演结果进行验证和精度分析。结果表明,模型反演结果精度较高,能较真实的反应研究区植被覆盖度实际状况。     

基于OLI影像植被覆盖度估算探索

选取Landsat8获取的4幅OLI遥感影像,在ENVI5.1遥感图像处理软件中,对影像进行辐射定标、FLAASH大气校正、图像镶嵌等一系列预处理后,利用基于NDVI的像元二分模型,推算出植被覆盖度(FVC)。依据FVC的不同进行密度切割、分层设色,得到该区域的植被覆盖度图。该获取大区域植被覆盖度图的工作方案简单易行,为遥感影像实现区域植被覆盖度动态研究提供了参考。     

八步沙林场防沙治沙区植被覆盖度时空演变分析

以古浪县八步沙林场防沙治沙区域及其周边乡镇为研究区,基于Landsat影像,利用植被覆盖度遥感估算方法提取了1991-2019年研究区的植被覆盖度数据,并对区域内植被覆盖度变化的总体趋势、时空演变特征、影响因素等进行了深入分析.结果 表明:①1991-2019年区域内植被覆盖度明显向好发展,极低植被覆盖度区域逐年减少,...     

基于MODIS数据的黄河源区植被覆盖度反演研究

以黄河源区高寒草地为研究对象,采用无人机航拍技术获取了样地实测的植被覆盖度;结合2001-2018年MOD13A1数据提取常用植被指数,分别采用像元二分模型法和回归模型法对研究区植被覆盖度进行了反演,并对其精度进行了验证;采用最小二乘法分析了黄河源区2001年以来植被覆盖度的变化趋势.结果表明,修正的土壤调节植被指数结合回归模型的反演精度较高;黄河源区多年平均植被覆盖度为57.89％,植被覆盖度处于30％以内、30％～60％、60％以上3个区间的面积分别占源区总面积的13.1％、27.25％和49.65％;2001-2018年黄河源区植被覆盖度略呈增长趋势.     

晋城市植被覆盖时空变化与地形效应耦合

植被作为生态系统的基础,是生态循环系统中重要的研究对象,位于黄土丘陵南部的晋城盆地,由于其特殊的地形地貌特征,植被对环境变化极为敏感.基于2006—2015年MOD13的NDVI植被数据和DEM数据,本文选取山西省晋城市作为研究区,获取植被覆盖度的时间序列数据、晋城行政区县界矢量数据,对其数据进行趋势分析和稳定性分析,运用转移矩阵对晋城市植被覆盖的时空变化特征及其与地形因子耦合.结果表明:1)晋城市2006—2015年的植被覆盖度是轻微增长的,其中以高植被覆盖度分布为主,主要围绕在陵川、泽州、阳城和沁水的周边;2)依据晋城市植被覆盖度的标准差,可以得出晋城市植被覆盖度的离散程度低、变化小、稳定性高;3)在不同的地形因子下,相比于坡向,高程和坡度对植被覆盖度的影响更为明显.     

中国北方地区植被覆盖度遥感估算及其变化分析

为了分析中国北方地区2000年之后植被覆盖度的时空分布及其变化,利用MODIS光谱反射率数据计算归一化植被指数,采用像元二分模型对中国北方地区2000—2012年植被覆盖度进行定量估算,分析研究区13 a间植被覆盖度的时空变化特征。研究结果表明:植被覆盖度年内变化特征体现在最大植被覆盖度一般出现在7和8月份,与中国北方地区植被的生长季相一致;整个中国北方地区年最大植被覆盖度呈现缓慢增长的趋势,其增长速率为每年0.2%;年最大植被覆盖度变化的空间分布具有较大差异,其中东北、华北和黄土高原等三北防护林工程建设区的年最大植被覆盖度有较明显的增长。     

胜利矿区植被覆盖度时序变化的空间异质性监测

通过对胜利矿区的地理位置、气候条件等背景的分析，本文为实现获取时序性植被覆盖度的空间异质性的目的，使用ENVI、GIS、Matlab等软件，基于胜利矿区1985—2017年的Landsat TM/ETM+/OLI遥感数据计算NDVI，利用像元二分模型计算植被覆盖度，得到研究区植被覆盖度均值的时序变化情况。采用转移矩阵法和Sen+Mann-Kendall法对研究区域内不同等级的植被覆盖转移情况及变化趋势情况进行分析。研究表明：胜利矿区植被覆盖度均值波动较大，呈轻微下降趋势。在监测时段内68.36%的高植被覆盖区域植被发生了退化，只有3.2%左右的极低植被覆盖区域得到了良好的改善。此外，研究区植被覆盖度受到结构性因子和随机性因子的影响，空间异质性明显，灌溉区由于人为干涉，植被生长良好，极低植被覆盖面积维持在3%以下，植被覆盖显著下降区域主要集中在露天采坑、排土场等矿业景观区。     

基于植被覆盖度的植被变化分析

植被覆盖度是衡量地表植被状况的一个最重要的指标,也是影响土壤侵蚀与水土流失的主要因子,对于区域环境变化和监测研究具有重要意义。为了有效地从遥感资料中提取植被覆盖度,以像元线性分解模型两个重要参数为基础,建立基于归一化植被指数(NDVI)进行估算植被覆盖度的模型。最后以杭州地区为实验样区,利用MODIS影像数据对覆盖度进行估算,并对样区的植被变化进行分析。     

草原矿区长时序植被覆盖度变化趋势对比分析

呼伦贝尔草原区生态脆弱，在人类活动和气候等因素影响下草原生态变化备受关注。本文以宝日希勒矿区及周边为研究区，应用1985-2015年Landsat年度最大合成NDVI数据，采用像元二分模型反演植被覆盖度；分别利用一元线性回归法和Sen+Mann-Kendall法对研究区植被覆盖度趋势和空间差异进行了对比分析。结果表明：两种方法得到的植被变化趋势基本一致，Sen+Mann-Kendall方法相较于一元线性回归法对植被覆盖度改善和退化反应更为敏感。研究结果有助于科学评价长时序煤炭开发活动对地表生态的影响并为长时序植被变化监测提供方法参考。     

长江三峡地区资源遥感图像处理中的几个技术难题

本文对长江三峡地区资源遥感图像处理中的三个技术难题进行了讨论并提出了解决办法：（１）跨两高斯投影带的卫星遥感图像的几何校正，采用分两个子区校正的办法，提出一个简便而有效的确定子区范围的方法；（２）同类异谱问题采用类型细分的方法来解决，类型细分时考虑阴阳坡、作物季相及植被覆盖度等影响因素；（３）同谱异类带来的错分类，可引进地理控制系统对其校正，从而提高了成图精度。     

Inversion of Vegetation Components Based on the Spectral Mixture Analysis Using Hyperion Data

Hyper spectral remote sensing is widely used to identify ground objects as a result of the advantages of ground radiation intensity characteristics and spectral position characteristics, in which inversion of vegetation components is the difficult point and hotspot. In this study, Huma county of Heilongjiang Province was selected as the study area, the canopy spectra of four types of typical vegetation were measured in situ firstly, including mongolian oak, cotton grass, lespedeza and white birch. Then, on the basis of analyzing the canopy spectral characteristics and their parameterization, the spectral differences of different vegetations were located, and the parameterization method of characteristics identification was determined. Finally, Hyperion data were used to calculate the canopy albedos based on the bidirectional reflectance model of vegetation canopies, and to map the vegetation components in the study area by use of linear spectral mixture model. The results showed that inversion of vegetation components in high vegetation-covered area was accurate using the canopy albedos and liner spectral mixture model, and was identical with the field sampling, which validated the feasibility of canopy albedos and liner spectral mixture model for the inversion of vegetation components.     

不同植被指数在基于TVDI方法反演土壤水分中的应用

研究增强型植被指数基于Landsat-8数据反演土壤水分的可行性及适用性,分析研究区土壤水分总体分布,提高该地区应对干旱灾害的能力。基于温度植被干旱指数方法,以淮河流域上游地区作为研究区,基于2017年2月的Landsat-8影像,分别计算了地表温度、归一化植被指数、增强型植被指数,基于TVDI构建了两种土壤水分反演模型。研究比较了:1) EVI在TM数据中的应用特点;2)研究区土壤含水率的空间分布特征;3)两种模型反演结果的差异。结果表明:1)基于TM数据计算的EVI总体明显低于NDVI,但不同时间段的结果并不总是低于NDVI;2)基于EVI的模型结果精度低于基于NDVI模型结果。3)两种模型结果与植被覆盖度、地表温度的关系均为负相关,其中,基于EVI的模型结果与地表温度的负相关程度极高,即基于EVI的模型结果受植被影响较小,受温度影响程度高。     

基于HJ-1A-B卫星影像的污水灌区植被指数研究

污水灌区植被指数的研究对污水排放、生态保护等方面具有指导意义。利用山东省龙口市2008-2010年21个时相的中国环境与灾害监测预报小卫星(HJ-1A-B)CCD影像数据,选取易于比较的典型污水灌区和清水灌区,提取NDVI平均值,得到3年同期的数据,进行横向和纵向的量化比较。结果表明,NDVI能够动态监测植被变化,污水灌区与清水灌区内的植被指数随时间的变化趋势基本一致,但污水灌区内的植被指数呈现逐年递减的变化趋势;生活污水灌区内的植被表现出早熟现象,工业废水灌区内的植被指数是所有研究区内最低的。     

基于Landsat影像的木里煤田矿区植被覆盖提取及时空变化分析

木里煤田地处青藏高原典型生态环境脆弱地带的大通河源头,本文以Landsat影像为数据源,基于归一化植被指数像元二分模型估算木里煤田矿区1990-2016年植被覆盖度,监测其动态变化及时空发展规律。研究发现,1990-2016年矿区裸土及低植被覆盖面积增加156.60 km^2,中植被覆盖面积增加153.37 km^2,高植被覆盖面积减少309.99 km^2。动态监测结果表明,1990-2016年木里煤田植被覆盖呈现严重退化趋势,退化最明显区域出现在矿区周边;时空格局变化分析结果表明,矿区植被覆盖等级逐渐向低植被覆盖等级转变,植被覆盖区域面积逐渐缩小。通过监测木里煤田矿区植被覆盖动态变化并分析其时空变化特征,为研究区生态环境修复,土地复垦等工作提供相关数据参考及技术支撑。     

植被调节下的干旱区不透水面覆盖率遥感估算方法

基于DMSP/OLS夜间灯光数据的居住区指数模型（HSI）广泛应用于区域尺度城市不透水面扩张监测。但是,在干旱区由于受到裸岩、沙漠、戈壁等低植被覆盖区干扰,HSI算法的精度和适应性受到了一定的影响。为解决这一问题,本文利用植被覆盖度作为调节系数,对灯光数据与植被指数进行动态调整,构建了适用于干旱区的城市植被调节不透水指数（VAISI）;然后采用SVR模型,通过机器学习的方法构建了城市不透率参考数据与VAISI之间的非线性关系模型,实现对干旱区区域尺度不透水面覆盖率估算;最后,对模型估算结果进行了精度验证和比较分析。试验结果表明：在干旱区,VAISI解决了由于灯光溢出问题及城市周边裸土等低植被覆盖等因素导致的城市周边裸土像元不透率估算过高问题,一定程度上提高了城市内部不透水面空间分布信息的表达能力,有效克服了非灯光区估算结果高于背景值的现象。平均相关系数R由0.69提升到0.79,RMSE由0.17降至0.14。     

GF-2支持下的干旱区稀疏植被区植被覆盖度估算

现有像元二分模型MODIS植被覆盖度模型因其形式简单、适用性较强的特点被广泛应用于区域植被覆盖度（FVC）的估算。然而，研究表明在沙漠和低植被覆盖的西部干旱区，从250 m的影像上很难精准地获取NDVI_veg（全植被覆盖植被指数）和NDVI_soil（全裸土区植被指数）参数。利用常用的直方图累计法获取模型所需参数NDVI_veg和NDVI_soil，估算结果存在普遍高估现象。为此，本文首先引入同期获取的GF-2号卫星数据，从GF-2号影像上提取植被覆盖像元；然后，利用Pixel Aggregate方法重采样至250 m分辨率，获取250 m空间分辨率下纯植被和纯裸土像元；最后，将纯植被和纯裸土像元各自空间位置相对应的MODIS NDVI数据最大值作为模型所需NDVI_veg和NDVI_soil参数，实现研究区内植被覆盖度的估算。试验通过与线性回归法、多项式回归法和直方图累计像元二分模型法估算结果进行精度对比，结果表明：利用GF-2影像辅助的像元二分模型，精准地获取了低植被覆盖区NDVI_veg和NDVI_soil模型参数，提高了干旱区植被覆盖度的估算精度，并有效地抑制了受稀疏植被影响NDVI在干旱区普遍偏高问题导致的FVC高估的现象。     

陕北黄土高原植被覆盖度动态变化分析研究

以Landsat TM归一化植被指数(NDVI)为数据源,运用像元二分模型提取陕北黄土高原1990、2000、2010年夏季的植被覆盖度,分析陕北黄土高原植被覆盖度的空间变化情况。结果显示:研究区植被覆盖度呈波动上升趋势。不同等级植被覆盖度在数量和空间位置上的转移较为活跃。大于等于60%的植被覆盖度和小于等于40%的植被覆盖度在空间上呈西南—东北两个方向扩张的分布趋势。受气候和人为等因素的影响,陕北黄土高原植被改善良好。     

Discrimination of tropical vegetation types using SPOT multispectral data

Vegetation types were discriminated using SPOT multispectral data on Miti'aro, a tropical oceanic island in the Cook Islands, Polynesia. Vegetation categories included undisturbed and disturbed forest on limestone, scrub, marsh, and other forest vegetation (including secondary upland forest and agroforestry). Most category pairs had high separability as measured by Jeffries‐Matusita distance and Euclidean distance for training site data. However, there was some class overlap as illustrated by unsuperaised clustering and assigning spectral clusters to vegetation classes using a reference map. Cloud cover was a problem encountered in optical imaging of this maritime tropical study area.     

Mapping burns and natural reforestation using thematic Mapper data

Remote sensing techniques are specially suitable to detect and to map areas affected by forest fires. In this work, Landsat 5 Thematic Mapper (TM) data has been used to study a number of forest fires that occurred in the province of Valencia (Spain) and to monitor the vegetation regeneration over burnt areas.

A reference area (non‐burnt forest) was established to assess the change produced by fire. The radiance in the thermal band (10.4–12.5 μm) and the normalized difference in reflectance between near 1R (0.76–0.90 μm) and middle IR (2.08–2.35 μm) were the most suitable parameters to map burnt areas. This index can also be used for monitoring vegetation regeneration in burnt areas. About a month after the fire, the burns show temperatures of 5–6 °C higher than those found in the reference area, and the vegetation index shows negative values whereas the reference area values remain positive. The differences between the burns and the reference area for the vegetation index decrease with time as vegetation regenerates.