南方丘陵区植被覆盖度遥感估算的地形效应评估

植被覆盖变化是生态环境领域的核心研究内容之一,但其估算精度常受到地形效应、土壤背景、大气效应等各种因素影响。以Landsat 8 OLI为遥感数据源,基于像元二分模型,分别利用归一化差值植被指数(NDVI)、经Cosine-C校正的归一化差值植被指数(NDVI)和归一化差值山地植被指数(NDMVI)建立植被覆盖度估算模型,以评估南方丘陵区植被覆盖度的地形效应。结果表明,3种植被覆盖度估算模型均能削弱地形效应,但消除或抑制地形效应影响的能力不同。比较而言,基于NDMVI指数构建的植被覆盖度估算模型的地形效应最小,更适合地形复杂区域的植被覆盖度遥感估算;基于Cosine-C校正的NDVI植被指数构建的植被覆盖度估算模型的地形效应次之,但存在一定的过度校正现象;基于NDVI植被指数构建的植被覆盖度估算模型的地形效应最大,尤其当坡度≥10°时,阴坡植被覆盖度比阳坡明显偏低。     

植被覆盖度遥感估算方法研究进展

植被覆盖度是重要的生态环境参数之一,遥感影像能够反映不同空间尺度的植被覆盖信息及其变化趋势,故遥感监测是获取区域植被覆盖度参数的一个重要手段.植被指数是反映地表植被覆盖、生物量等的间接指标,基于植被指数的植被覆盖度遥感估算方法有经验模型法、植被指数法、像元分解模型法及FCD模型制图法(Forest Canopy Density Mapping Model)等,基于决策树分类法和人工神经网络分类法的植被覆盖度遥感估算方法也有了一定的进展.本文综合分析讨论了目前常用的于遥感影像的植被覆盖度常用估算方法,对比分析了它们的优缺点,并对遥感植被覆盖度研究进行了展望.     

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。     

线性/非线性光谱混合模型估算白刺灌丛植被覆盖度

及时监测干旱与半干旱区光合/非光合植被覆盖度时空变化,可以为指导荒漠化防治工程及植被衰退机制研究提供重要信息。本文以甘肃民勤典型植被白刺灌丛为研究对象,通过地面控制性光谱实验获取混合光谱、端元光谱与丰度信息,开展线性与非线性光谱混合模型(包括核函数非线性和双线性混合模型)估算光合和非光合植被覆盖度的对比研究,采用全限制最小二乘法进行模型解混,分别获取各样本数据中各类端元丰度及其精度信息,通过模型分解的均方根误差(RMSE)与地面验证精度确定用于光合和非光合植被覆盖度估算的最佳光谱混合模型,其中参考端元丰度采用神经网络(NNC)分类算法对数字影像进行分类获取。结果表明:(1)引入阴影端元的四端元模型相对于传统的三端元模型(光合/非光合植被与裸土)能有效提高光谱解混的精度,并提高光合和非光合植被覆盖度估算精度;(2)对白刺灌丛来说,光合植被、非光合植被、裸土及阴影间多重散射混合效应存在,但混合效应不够显著;考虑非线性参数的核函数非线性光谱混合模型表现略低于线性光谱混合模型,因此非线性光谱混合模型在估算白刺灌丛光合和非光合植被覆盖度时相对于线性光谱混合模型没有明显优势;(3)基于光合/非光合植被、裸土与阴影四端元的线性光谱混合模型可以实现白刺灌丛光合和非光合植被覆盖度的准确估算,光合植被覆盖度估算RMSE为0.11 77,非光合植被覆盖度估算RMSE为0.0835。     

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.     

草原植被覆盖度遥感估算模型的适用性比较

植被覆盖度及其变化对区域生态系统的稳定性具有直接影响，且这种影响在草原地区更加明显。为探寻草原植被覆盖度的最佳遥感估算方法，本文对像元二分模型、Carlson模型和Baret模型的估算精度和适用性进行了比较，优化了Baret模型的参数，以提高其在草原地区的估算精度。内蒙古呼伦贝尔地区的草地计算结果表明：像元二分模型有高估植被覆盖度的现象；Carlson模型在低植被覆盖区低估了植被覆盖度，而在高植被覆盖区高估了植被覆盖度；Baret模型在草原地区的估算精度最高。对Baret模型进行参数优化后，其在高植被覆盖度区域的估算精度提升了4.9%。     

基于多源空间数据与空地协同的植被覆盖度估算——以东亚干草草原为例

植被覆盖度是植物生长状态的综合体现,是研究全球变化与植被变化的重要指标。本文基于多源空间数据和地面数据的协同,估算了东亚干草草原木本和草本覆盖度。估算结果表明,多源数据和地面测量数据相融合的方法提高了估算精度;模型对木本覆盖度的估算更稳健;估算结果改善了对草原地区木本覆盖的低估。估算模型有效地反映了草原低矮分散的木本植物,为分析草原大尺度植被覆盖度的格局和动态提供了参考。     

基于TM数据的植被覆盖度反演

本文首先对TM影像进行了几何纠正、辐射校正、大气校正;然后根据混合像元的结构特征,利用TM数据从植被指数(NDVI)中采用“等密度模型”和“非密度模型”提取了宜昌南部地区的植被覆盖度。在用“非密度模型”反演植被覆盖度的过程中,叶面积指数(LAI)是一个必要的参数,本文提出了一种改进的借助可见光波段和近红外波段反射值来提取叶面积指数(LAI)的方法。通过和MODIS数据反演结果比较表明:“非密度模型”的估算精度要高于“等密度模型”;利用“等密度模型”和“非密度模型”反演植被覆盖度是可行。     

榆林市植被覆盖度动态变化监测

植被覆盖度是用来评价生态环境状况的重要指标,在进行沙漠化治理的同时,对植被覆盖度进行动态的变化检测可以帮助我们了解到沙漠化治理的成效.以榆林市毛乌素沙漠为研究对象,在像元二分模型的基础上利用归一化植被指数(Normalized Differential Vegetation Index,NDVI)估算毛乌素沙漠2015、2017及2020年的植被覆盖度,并计算植被覆盖面积;分析整理数据,总结植被覆盖度变化趋势,结果显示,2015—2020年,榆林市毛乌素沙漠的植被覆盖度呈上升趋势,植被覆盖面积有所增加.     

博尔塔拉蒙古自治州植被覆盖度估算

针对传统植被覆盖度估算方法只能估算高密度覆盖的绿色光合植被的问题,该文提出了一种可进行绿色光合植被、非绿色光合植被和裸地覆盖度估算的方法,选取博尔塔拉蒙古自治州2010年和2016年的Landsat TM/OLI影像,通过构建NDVI-DFI特征空间提取端元特征值,运用像元三分模型估算,并与像元二分模型估算结果和实地采样估算结果对比。结果表明:像元三分模型估算与实际情况相符,且精度较好。2016年博州地区植被覆盖度较2010年增长显著,生态环境得到明显改善。像元三分模型能够较好地估算光合/非光合植被覆盖度,提高遥感获取植被信息的能力,为科学评估生态环境质量提供参考。     

像元分解模型的植被覆盖度遥感估算

为了提高植被覆盖度遥感估算方法的精度,该文针对置信度方法和空间克里金插值方法各自存在的问题,基于线性像元二分模型,分别采用置信度方法和空间克里金插值方法计算推导,确定像元二分模型中两个重要参数NDVIveg和NDVIsoil,实现估算植被覆盖度,并对两种方法进行对比分析,同时提出方法中存在的问题以及模型的优化改进方向。     

阜新地区植被覆盖度变化提取及分析

植被覆盖度是反应地区生态环境的重要指标,利用1995,2007年的两期TM遥感数据,以归一化植被指数(NDVI)像元二分法为植被覆盖度估算模型,计算阜新地区不同时期的植被覆盖度并得出阜新地区植被覆盖度等级图以及阜新地区植被覆盖度变化等级图。得出如下结论:1995年到2007年阜新地区植被覆盖度退化面积为64.817%,好转面积为6.547%,基本无变化区域为28.636%,阜新地区植被覆盖度退化严重。     

基于像元二分模型的地表植被覆盖度估算模块化设计与实现

地表植被覆盖度是的一种应用广泛的定量遥感产品,在水文、生态、区域变化等方面都具有重要的意义。像元二分模型是应用最多的一种遥感估算地表覆盖度的方法。目前,用遥感的方法进行地表植被覆盖度估算没有完整、系统的工具,用户只能逐步进行操作,效率低下,鉴于上述情况,本文运用IDL交互式数据语言,基于ENVI二次开发了一个植被覆盖度估算程序,取得了一定的成效,对遥感定量产品的生产、应用具有一定意义。     

基于ASTER GED产品的地表发射率估算

地表发射率是地表温度反演的重要输入参数,为了解决现有地表发射率估算方法在裸露地表精度较差的问题,本文基于最新的ASTER全球地表发射率产品(ASTER GED)和基于植被覆盖度的方法(VCM),提出了一个改进的地表发射率估算方法。首先,利用ASTER GED产品求解裸土发射率,然后,利用ASTER波谱库中的植被发射率和植被覆盖度结合VCM方法计算地表发射率。利用张掖地区2012年11景ASTER TES算法反演的地表发射率产品和实测地表发射率数据进行了验证,同时利用一景Landsat 8 TIRS数据分析了对地表温度反演精度的影响。结果表明该方法估算的地表发射率整体精度较高,可以有效改进裸露地表的发射率估算精度,用于支持利用多种热红外传感器数据生产高精度的地表温度产品。     

基于NDVI的兰州市城关区植被覆盖度变化研究

基于遥感和地理信息系统技术,利用2000年Landsat5 TM和2015年Landsat8 OLI两期遥感影像,提取兰州市城关区不同时期的归一化植被指数(NDVI),运用像元二分模型估算了植被覆盖度(FVC),分析了2000~2015年城关区的植被覆盖状况及动态变化情况。结果表明,15 a间城关区低植被覆盖度(0FVC≤15%)和中植被覆盖度(15%FVC≤40%)分别增加9%和15%,中高植被覆盖度(40%FVC≤70%)和高植被覆盖度(70%FVC≤100%)分别减少17%和9%;植被覆盖度增加面积约10 km~2,减少面积约21 km~2。     

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.     

路域植被覆盖度非密度模型方法探讨

针对传统的"两流近似模型"法存在易受干扰、估算复杂、精度较低等不足的问题,文章将改进的PRO-4SAIL2物理模型反演的叶面积指数引入植被覆盖度信息提取,与常用的"两流近似模型"法相比,物理模型反演法的物理意义明确、计算简捷。最后将两种方式得到的植被覆盖度与融合的高分辨率IKONOS影像为匹配基准比较,结果表明,基于PRO-4SAIL2物理模型法得出的植被覆盖度精度更高,提高了路域植被覆盖度反演的准确性,可应用于路域植被覆盖度非密度模型中。     

南水北调中线水源区植被覆盖度遥感监测分析

南水北调中线工程是我国大规模跨流域调水工程的一部分,开展该区域植被覆盖度变化的研究与分析,对于保护该区域的生态环境及水质具有重要意义。该文以2000年和2009年两期遥感图像为本底数据,利用基于NDVI的像元二分模型对南水北调中线水源区的植被覆盖度进行了估算,并分析了该区植被覆盖度的时空变化特征。结果表明:2000年该水源区植被覆盖度的平均值为67.5%,2009年的平均值达到72%,植被覆盖度总体呈增长趋势;植被覆盖度增幅的空间特征表现为水源区中部地区高,东西部地区相对较低;在不同植被类型中,落叶针叶林的覆盖度平均值增幅最大,草地覆盖度增幅最小;位于水源区的大多数县(市)的植被覆盖度在近十年来都有不同程度的增加,其中柞水县的植被覆盖度平均值增长幅度最大,这与国家实施退耕还林、封山育林、基本农田建设等政策有关。     

应用Landsat8数据改进FCD模型方法

植被覆盖度是衡量地表植被状况的重要指标,在水文、气象和生态等方面的研究中具有重要作用。以Landsat8为数据源,采用Gram-Schmidt变换的光谱锐化融合方法提高热红外波段的空间分辨率,计算热量指数,对传统FCD模型(forest canopy density mapping model)进行改进,根据4种指数的关系计算植被覆盖度。通过与传统FCD模型方法计算结果比较,改进后的植被覆盖度计算方法具有更高的精度。