基于MODIS影像的山西省植被指数分析

以MODIS遥感影像为数据源,利用ENVI遥感影像处理软件,笔者对山西省2005年9月和2006年9月两期MODIS影像的植被指数进行计算,建立了两期植被指数密度分割模型,以获得全省植被覆盖的整体状况,通过对两期植被指数影像图进行动态链接、叠加以及结合相减比较,可以看出两年间全省的植被覆盖空间变化情况。结果表明:全省较低植被覆盖区不多,高植被地区主要分布在中部以南地区,中低植被覆盖集中在中部以北地区。两年的植被指数比较结果表明,全省中等植被覆盖区有所增加,但高植被覆盖区增加不明显。     

基于MODIS影像的山西省植被指数分析

以MODIS遥感影像为数据源,利用ENVI遥感影像处理软件,笔者对山西省2005年9月和2006年9月两期MODIS影像的植被指数进行计算,建立了两期植被指数密度分割模型,以获得全省植被覆盖的整体状况,通过对两期植被指数影像图进行动态链接、叠加以及结合相减比较,可以看出两年间全省的植被覆盖空间变化情况。结果表明：全省较低植被覆盖区不多,高植被地区主要分布在中部以南地区,中低植被覆盖集中在中部以北地区。两年的植被指数比较结果表明,全省中等植被覆盖区有所增加,但高植被覆盖区增加不明显。     

利用TM影像Band1与Band7提取水体信息

本文以北京地区TM影像为例,通过研究水体与其他地物在各个波段光谱特征的差异,对比分析常用的水体信息提取方法—NDWI和MNDWI,提出一种新的水体信息提取方法。该方法利用TM波段1和波段7归一化的比值-(Band1-Band7)/(Band1+Band7)提取水体信息。实验证明:该方法除了可以与NDWI和MNDWI一样提取植被区的水体以外,在城区水体提取中具有显著的优势。     

基于Landsat影像的NDVI与RVI反演结果实验与分析

为研究归一化植被指数(NDVI)和比值植被指数(RVI)的特点,选取德阳市旌阳区作为实验区,以2007年、2014年和2018年的Landsat影像为数据源,反演得到实验区NDVI和RVI的分布状况.结果表明,二者均能较客观地反映地表植被覆盖的整体情况;通过剖面分析发现,当NDVI值在0.5左右时,RVI反映的地表植被覆盖状况变化非常显著,当NDVI值在0.2左右时,部分RVI反映的地表植被覆盖状况与实际存在一定的差异,个别低植被覆盖区域RVI值在1附近.     

基于ASTER与TM数据的黑河流域中游旱区典型区域植被覆盖度研究

以2000、2001和2008年黑河流域ASTER与TM影像为主要数据源,综合RS和GIS技术,通过在ENVI平台编写IDL程序,并利用6S模型进行大气校正,反演得到归一化植被指数(NDVI)。在此基础上定性了分析该区域植被覆盖度空间分布格局,定量研究了2001~2008年植被覆盖度的变化情况,并对其成因进行了探讨;同时对比ASTER和TM传感器进行植被覆盖度反演结果,并结合研究区域土地覆盖调查数据资料,说明ASTER传感器较TM传感器在局部土地利用调查方面更具有优势。     

利用不同植被指数估算植被覆盖度的比较研究

选用蔬菜地和草地2种植被类型,利用ASD光谱仪实测二者在不同覆盖度下的光谱响应,分析了归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、修正植被指数(MVI)、修改型土壤调节植被指数(MSAVI)以及全球环境监测植被指数(GEMI)等6种植被指数所用的最佳波段及其组合,进而研究了利用像元二分模型估算植被覆盖度时的不同植被指数的表现.结果表明,与蔬菜地植被指数相关系数较高的波段组合为620 ～ 740 nm谱段和780 ～ 900 nm谱段内波段的组合,与草地植被指数相关系数较高的波段组合为620 ～750 nm谱段和760 ～900 nm谱段内波段的组合,相关系数均达0.8以上;在高光谱数据构建的植被指数和模拟卫星数据构建的植被指数中,用DVI和MSAVI估算植被覆盖度,平均总体精度分别达到83.7％和79.5％,与其他4种植被指数相比,这2种指数更适合于利用像元二分模型进行植被覆盖度的估算.     

基于ASTER遥感影像的亚热带植被覆盖度信息提取

根据植被指数估算植被覆盖度的原理,以混合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模型是研究区域植被覆盖度的一种重要方法.本文以广州市花都区为实验区,利用ASTER高光谱影像对此方法进行验证性分析,实验结果表明:用该方法提取ASTER影像的植被覆盖度具有较好的可行性.     

基于IDL语言的植被指数UNVI软件插件

植被指数是地球陆表植被覆盖度和植被活力的指示因子,对环境监测、植被理化参量估算等应用研究有重要的意义。基于植被的反射光谱特征,通过遥感数据波段的组合,可以计算得到遥感植被指数。传统的植被指数如NDVI、EVI等仅利用有限波段信息的线性或非线性组合构建而成,没有充分利用遥感传感器所提供的多波段遥感信息,通用归一化植被指数UNVI(Universal Normalized Vegetation Index)充分利用了遥感传感器提供的多波段植被光谱信息,因此在反演植被叶绿素、生物量等植被理化参量上较其他传统植被指数更具优势。为方便UNVI指数的计算,本文基于IDL语言开发了UNVI软件插件,可直接作为ENVI商业遥感软件进行调用,并可满足多个传感器的UNVI计算需求。为了验证UNVI的应用效果,以植被总初级生产力GPP(Gross Primary Productivity)估算为例,比较了不同植被指数估算GPP的效果,结果表明:基于UNVI估算的GPP与通量站点获得的GPP具有较高的相关性(相关系数R2为0.79),验证了UNVI在GPP估算方面的优势。本文提供的UNVI软件插件可为遥感研究和应用人员提供便捷的计算工具。     

基于无人机数据的植被指数空间尺度效应研究

利用cm级空间分辨率的无人机高光谱图像研究了NDVI、PRI等14种植被指数随空间尺度升高的变化规律,并分析了不同植被覆盖度(FVC)下植被指数的空间尺度效应,比较了各植被指数空间尺度效应的强弱。得到的结论如下:(1)随着空间尺度升高,不同植被指数的变化趋势和幅度并不一致;(2)cm级的空间分辨率下,由于植被类内光谱差异和冠层阴影的影响,植被指数在植被覆盖度大于等于0.5的中高植被覆盖下受空间尺度效应的影响更大;(3)由相对简单的比值形式构成的植被指数如NDVI、SR等,具有抵抗空间尺度效应的能力,增加计算公式的复杂性会降低这种能力;(4)对色素和冠层水分敏感的窄波段容易受到空间尺度效应的影响,进而使得由这些窄波段构成的植被指数对空间尺度变化更为敏感。     

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。     

普格县植被覆盖度遥感动态监测分析

以四川省普格县为研究区，选择2000年、2006年Landsat TM数据和1：50000地形图作为基本信息源，对遥感数据进行辐射校正、几何校正、图像裁剪处理后，计算出两期图像的归一化植被指数（NDVI），对植被覆盖度进行估算。根据结果经过对比分析表明普格县六年间植被覆盖度主要呈增高趋势，总体上认为研究区植被覆盖度变化和人类活动有不可分割的密切关系，近几年来的长江上游水土保持和退耕还林等生态建设工程在该地区已经取得一定成效。     

中国西部地区基于经验模型的土壤水分反演

地表土壤水分含量的时空分布信息是十分重要的,常常作为水文模型、气候模型、生态模型的输入参数,同时,也是干旱预报、农作物估产等工作的重要指标。被动微波遥感是监测土壤含水量最有效的手段之一。相比红外与可见光,它具有波长长,穿透能力强的优势。相比主动微波雷达,被动微波辐射计具有监测面积大、周期短,受粗糙度影响小,对土壤水分更为敏感,算法更为成熟的优势。目前,已研究出许多反演土壤水分的方法.本课题的主要内容是借助AMSR-E土壤水分影像数据、MODIS归一化植被指数(NDVI)影像数据和MODIS分类影像数据,利用ENVI软件进行遥感图像数据处理,运用统计分析方法建立NDVI与土壤水分的经验模型,研究中国西部地区稀疏植被覆盖区土壤水分的反演。     

黑龙江省呼玛至十八站公路路域生存环境质量评估

针对建设绿色公路不可避免地对路域生存环境质量造成影响的问题,本文选用Landsat 8卫星影像、ASTER GDEM 30 m分辨率的DEM数据、2020版30 m全球地表覆盖数据,利用ENVI 5.3和ArcGIS 10.2平台协同操作,从公路的路域植被覆盖度变化、土壤侵蚀度、生存环境适宜性3个角度分析对生存环境质量的影响。研究结果表明,公路建设前后路域植被覆盖度超75%区域从2 673.8 km²降至2 389.82 km²,植被覆盖度为45%~75%的区域从997.31 km²降至767.19 km²;土壤侵蚀程度以中度侵蚀和高度侵蚀为主,中度侵蚀和高度侵蚀总计面积3 927.99 km²,占比达79.04%;生存环境适宜性方面,公路左侧呼玛河流域及附近最高,公路右侧的林区大面积图斑块次之。     

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。     

影像不同空间尺度对鲁甸植被分析的影响

针对植被指数和植被覆盖度与遥感影像空间尺度的关系对高分辨率影像在植被分析中的运用具有重要影响的问题,该文提出一种确定最佳分辨率的方法。以云南鲁甸县茨院乡为研究区,先对原始影像(Worldview-2)进行重采样处理,生成一系列低分辨率影像;计算13组数据的NDVI并利用像元二分模型反演出植被覆盖度;运用信息熵理论和按照局部方差的思路等两种方法,定量分析该区植被分析的最佳分辨率。实验结果表明,随着空间分辨率的降低,NDVI值域区间呈现收敛趋势;植被覆盖度分级图斑斑块数量急剧减少,而所占面积比则保持相对平稳;信息熵中的信息量也随之减少。分析结果认为,该区进行基于Worldview-2影像植被分析的最佳空间分辨率为12m。     

基于光谱混合分解的流域不透水面提取及其动态分析——以于桥水库为例

不透水面不仅是城市非点源污染的主要来源,还是流域生态环境变化的主要因素之一。不透水面的数量、位置、几何形状、分布格局以及透水率与不透水率的比值,均影响着流域的水文环境,因此成为研究热点。本文以天津于桥水库流域为例,综合遥感(RS)与地理信息系统(GIS)技术,从流域尺度上研究1984~2013年间不透水面覆盖度的变化。在ENVI 5.1软件支持下,利用遥感影像获取1984,1994,2004和2013年4个时相的不透水面信息。采用修正后的归一化水体指数剔除水体信息,排除水体对不透水面提取精度的影响。运用线性光谱混合分析法(Linear Spectral Mixture Analysis,LSMA),提取流域不透水面覆盖度。结果表明:流域内不透水面覆盖度大多集中在1~5级,植被覆盖程度较高。近30年间不透水面比例逐年增加,2013年比1984年增加了2.802%,呈线性增长。中等分辨率的遥感影像适合流域尺度的不透水面提取的结果可作为流域水文及规划管理的重要基础性数据。     

基于Landsat-8 OLI影像的植被信息提取方法研究

植被是地理环境的重要组成部分,在城市生态环境系统中扮演着非常重要的角色。本文以池州市2014年OLI遥感影像为基础,结合30 m空间分辨率的DEM数据,在ENVI 5.1和ArcGIS 10.2软件的支撑下,对该区植被信息进行提取。通过对比原始波段组合、主成分分量组合和衍生波段组合的分类精度,确定植被信息提取的最佳波段组合,并对植被提取结果进行精度验证。结果表明:考虑NDVI、绿度指数和第一主成分的衍生波段组合植被提取精度最高,与该区已知的土地利用类型中的植被覆盖度进行比较,精度达到89.16%。这说明该波段组合方案对于Landsat-8影像提取植被信息效果较好,可以为其他地区植被信息的提取提供参考。     

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。