热带森林植被生物量与遥感地学数据之间的相关性分析

以我国云南省西双版纳的热带森林为例,对热带森林植被生物量与遥感地学数据之间的相关性进行了分析。首先,利用森林资源连续清查的林业固定样地数据计算出各样地的森林植被生物量,并建立其GIS数据库。然后,对遥感图像进行几何校正,并对遥感图像进行主成分变换、缨帽变换以及植被指数的计算来产生其派生数据。其次,将样地数据、遥感数据及其派生数据,地形和气象数据转换到统一的坐标系和投影下,并将其内插为30米分辨率的格网数据。最后,进行样地森林植被生物量与其遥感地学数据之间的相关性分析。该分析表明,森林植被的生物量与年降雨量和第二主成分在0·01的水平上相关显著,而与中红外植被指数、LANDSATTM5、缨帽变换的亮度、湿度以及第一主成分在0·05的水平上相关显著。其中,与年降雨量的相关性最高,达到0·308;其次是与第二主成分,达到-0·231;再次是与中红外植被指数和LANDSATTM5,其相关系数分别为0·203和-0·201。     

青海湖环湖地区草地植被生物量遥感监测模型

利用青海湖环湖地区2000年陆地卫星TM遥感图像数据和同期野外实测的34处样方产草量数据,分析了遥感植被指数与草地植被生物量之间的相关关系,进而分别建立了遥感植被指数与草地植被生物量的一元线性回归模型和非线性回归模型。研究表明,遥感植被指数与草地生物量之间存在较好的相关性,但不同遥感植被指数与草地植被生物量相关性程度存在一定差别。此外,所建遥感植被指数与草地植被生物量的非线性回归模型在拟合精度上优于一元线性回归模型,且由三次方程得到的非线性回归模型最适用于监测青海湖环湖地区的草地植被生物量。     

基于主成分分析法的戈壁地表砾石粒径遥感估测模型研究

戈壁地表砾石粒径与遥感多光谱数据、植被指数及地学因子存在相关关系,但这些因子间可能存在着多重相关性,如利用这些因子直接建模估测戈壁地表砾石粒径,则可能出现病态模型。利用主成分分析法筛选因子,既可保留多个相关因子的主要信息,又可避免因子间共线性的问题,达到降维、简化模型的效果。因此,本文以新疆哈密市境内山前洪积扇戈壁地表砾石为研究对象,以2010年Landsat TM遥感影像及30 m分辨率DEM为基本数据源,采用主成分分析法,从选择的43个遥感及地学因子（主要包括影像各波段信息、DEM、NDVI、 GEMI,影像经K-T变换得到SBI、GVI、WVI三个分量,通过纹理分析得到的各个波段的均值、方差、信息熵、相关性及对比度等纹理因子,以及利用DEM提取的粗糙度等）中,筛选提取其主成分。结果表明,第一主成分至第五主成分的累计贡献率达98.0%,以前5个主成分作为自变量,借助SPSS软件中的多元回归分析功能,建立戈壁地表砾石粒径估测的回归模型,模型经方差分析及相关性检验,达到显著相关水平。基于建立的估测模型,进行了戈壁地表砾石粒径估测,经验证,实测值与估算值紧密相关。研究可帮助我们了解戈壁的特征,为戈壁区改造利用,认识沙粒迁移、沙漠扩展提供技术支持。     

基于高光谱与多光谱植被指数的洪河沼泽植被叶面积指数估算模型对比研究

以洪河国家级自然保护区为研究区,2009年8月中旬,在研究区野外实测沼泽植物冠层的光谱反射率和叶面积指数(LAI),将地面实测的植物高光谱反射率以Landsat-5 TM波段范围为基准进行波谱重采样,以重采样后的光谱反射率计算多光谱植被指数,用几种常见的高光谱和多光谱植被指数建立估算沼泽植被叶面积指数的统计回归模型,对比这些模型的精度,选出最优模型.研究结果表明,用各植被指数建立的估算沼泽植被叶面积指数的回归模型分别为二次函数、对数函数或指数函数;各模型对沼泽植被叶面积指数的反演精度差别较大;在全波段高光谱植被指数中,用全波段归一化植被指数H-FNDVI(R930,R515)构建的估算沼泽植被叶面积指数的模型最佳;在常规高光谱植被指数中,用修正简单比率H-MSR构建的估算沼泽植被叶面积指数的模型最佳;在多光谱植被指数中,用多光谱归一化植被指数M-NDVI构建的估算沼泽植被叶面积指数的模型最佳.对比发现,由多光谱数据提取的植被指数构建的模型对研究区LAI的估算效果不太理想,而从实测高光谱数据提取的窄波段特有植被指数构建的估算沼泽植被叶面积指数模型表现出较明显的优势,表明窄波段植被指数更适合用来监测沼泽植被叶面积指数.     

耦合光谱、纹理信息的森林蓄积量估算研究

本研究以Landsat 8为遥感数据源,以样地调查数据和森林资源二调数据为辅助数据对西藏林芝县的森林蓄积量进行反演研究。研究通过多元回归分析构建了林芝县森林蓄积的估算模型。为验证纹理信息的加入能否提高森林蓄积量遥感反演的精度,研究通过灰度共生矩阵提取了Landsat 8的纹理特征。在分析了森林蓄积量与遥感影像各波段、植被指数、纹理特征以及地形因子之间的相关关系后,分别以(1)光谱和地形因子、(2)纹理信息、(3)光谱因子、地形特征和纹理特征结合为自变量构建森林蓄积量的遥感估测回归模型。实验结果表明:传统的森林蓄积量反演方法得到的精度最低,而基于光谱因子、地形特征和纹理特征结合的森林蓄积量估测模型得到结果的精度最高,达到80.24%,均方根误差RMSE为1.018。研究结果证明随着纹理信息的引入,原本仅基于光谱和地形因子的森林蓄积量反演复相关系数从0.5843提高到0.7075,反演精度提高了10.06%,这说明纹理信息对森林蓄积的反演精度有提高的作用。本研究构建的基于光谱因子、地形特征和纹理特征结合的回归模型对研究区内的森林蓄积量反演具有可靠性,对于森林资源的监测和管理具有重要的意义。     

广州市湿地植被碳汇功能研究

采用样地调查、模型构建和成果参照等方法,以广州市湿地植被为研究对象,选取样地实测湿地植物地上生物量,并分析湿地植物有机碳含量;选用2013年广州市Landsat 8 OLI遥感影像数据,得到波段反射率和植被指数(NDVI、RVI、DVI和MSAVI)数据,利用ENVI 5.0、SPSS 22和Arc View 3.3等软件,通过差异性检验、相关分析、一元线性回归、曲线回归和模型拟合度检验等步骤,建立湿地植被地上生物量模型,并估算植被地上生物量;选取湿地植物根冠比,估算湿地植被地下生物量,进而估算植被总生物量和碳储量。结果表明,2013年广州市湿地植被总面积为23 557.08 hm2,覆盖率为3.17%;湿地植被平均有机碳质量分数为44.97%;以RVI为自变量的三次曲线模型能较好地拟合湿地植被地上生物量;2013年广州市湿地植被总生物量为786 392.93 t,总碳储量为353 640.9 t碳,碳密度为15.01 t/hm2碳,碳汇量为1 296 683.31 t二氧化碳,碳汇价值为21 071.1×104元。     

洪河自然保护区乌拉苔草生物量高光谱遥感估算模型

尝试用不同方法构建洪河自然保护区湿地植被乌拉苔草(Carex meyeriana)的高光谱植被指数,建立水上鲜/干生物量高光谱估算模型,并比较了不同模型的反演精度。通过实测不同覆盖度和水深状况下乌拉苔草的冠层高光谱反射率与水上生物量的数据,采用高光谱可见光—近红外波段及其微分光谱波段(350~1 050 nm)逐波段构建FNDVI、FRVI、FDVI、FDNDVI、FDRVI、FDDVI植被指数,分别找出与水上鲜生物量和干生物量具有最佳相关性波段组合的植被指数,建立乌拉苔草水上生物量的最佳估算模型,并对比分析了反射率光谱植被指数(FNDVI、FRVI、FDVI)模型和微分光谱植被指数(FDNDVI、FDRVI、FDDVI)模型的反演精度。结果显示,微分光谱与乌拉苔草水上生物量的相关性比反射率光谱好;微分光谱植被指数与乌拉苔草水上生物量的相关性比反射率光谱植被指数好,尤其以微分光谱植被指数FDRVI与FDNDVI建立的二次函数模型反演乌拉苔草的水上鲜生物量和干生物量的效果最好,精度分别达74.9%、71.4%,其均方根误差分别为0.074 4和0.026 2,通过了p<0.01极显著验证。这表明,采用微分光谱植被指数FDRVI、FDNDVI对乌拉苔草水上鲜生物量和干生物量的估算可以取得较高的预测精度。     

矿区植被物化参数高光谱遥感估算研究

基于高光谱遥感数据Hyperion和植物冠层反射光谱,应用指数法、回归统计法和基于光谱位置变量的方法对矿区植被生物量和叶绿素浓度(SPAD)进行估算.结果表明:植被指数R752/R548与植物鲜重相关性最高,相关系数为0.88;选用植物像元光谱,基于植被指数R752/R548,利用三次函数法构建植物鲜重估算模型精度较高,多重判定系数R2达0.883;植被指数DVI[752,640]与植物干重相关性最高,相关系数为0.42;基于植被指数DVI[752,640],应用线性回归法构建植被干重估算模型精度较低,多重判定系数R2为0.177;基于四点内插法提取的红边位置与叶绿素浓度显著相关,相关系数为0.433;Datt(1)和Datt(2)植被指数与叶绿素浓度存在显著相关,相关系数分别为0.871和0.868;基于红边位置(REP)、Datt(1)和Datt(2)植被指数构建植物叶绿素浓度估算模型精度较高,多重判定系数R2分别为0.814、0.805和0.781.应用高光谱遥感技术可有效地检测矿区受损生态环境下的植被,为矿区植物生态修复工程提供本底资料.     

阜康绿洲生态系统生物量空间格局分析

 利用阜康绿洲平原地区于2003年8月,在野外实测的53个样方植物的生物量干重数据与同期陆地卫星MODIS影像的第1,2通道250 m遥感数据,通过分析植被指数NDVI与绿洲植被生物量的相关关系,进而建立该遥感植被指数与植被生物量的一元线性和非线性回归模型。研究表明:植被指数NDVI与绿洲生态系统植被生物量之间存在较好的相关性;所建遥感植被指数与绿洲植被生物量的回归模型中,三次方程为所得到的非线性回归模型中最适合用于阜康绿洲生态系统植物生物量和生长的监测;并利用该模型进行分析同年4~9月研究区内植物生物量的时空间分布,并得出阜康绿洲生态系统植物生物量的时空分布特征。总体格局是:绿洲内部农业生态系统的生物量时空特征变化是十分的明显,生物量的增长从5月底至8月;且于7月、8月生物量达到旺盛时期;随后开始呈下降趋势;荒漠植物群落生物量时空特征有一定程度的变化但表现不明显,且荒漠植物生物量的变化在时空上是非同步性。这都是由于在整个生长季节内不同植物群落的生长发育表现不同的时间,和荒漠植物在时间上表现出不同物候导致的。同时分析了绿洲生态系统植物生物量的时空分布特征及相关影响生物量的多种因素。     

应用Landsat ETM数据估算鄱阳湖湿生植被生物量

利用2000年的Landsat ETM数据,首次采用全数字化遥感定量方法对鄱阳湖湿生植被的生物量及其分布进行调查研究.首先,用该时相卫星数据制作假彩色合成图象,以该图象为主要依据之一,设计了野外生物量采样路线与样点,并在地形图和GPS的帮助下,实时地开展了湿生植被生物量的野外实地采样.然后,在室内将采样点坐标和Landsat ETM图象坐标进行几何纠正和匹配,将坐标统一转换为等积圆锥投影.再逐个坐标点比较采样数据与ETM4波段数据和NDVI、DVI和第一主成分数据之间的线性相关关系.统计分析的结果表明,采样数据与ETM 4波段数据有最好的正相关,其相关系数达到0.86.采样数据与DVI、NDVI数据的相关系数分别为0.83、0.80.采样数据与第一主成分数据之间的相关关系不显著,仅0.40.基于这一比较,建立了采样数据与ETM 4波段数据的线性相关模型.据此,用ETM 4波段计算出鄱阳湖4月份湿生植被的总生物量为3.8×109 kg,并编制了整个湖泊生物量的分布图.     

基于水稻特征波段的决策树分类研究

针对种植结构复杂、地形复杂的水稻种植面积遥感提取精度不高现象,结合多时相遥感影像中反映水稻物候规律的特征波段,以南京江宁丘陵山区为例,选择典型水稻物候期时相的TM数据,基于多特征波段构建决策树分类提取水稻种植面积。结果表明:纹理、植被指数、湿度因子、坡度因子等多特征参与决策树分类能够提高总体精度;在具有两期物候数据时提取精度和效率较好,而加入了地形特征的水稻抽穗期数据比水稻灌浆期数据获取效果略好。因此,利用合理的作物物候期数据和该遥感影像的特征波段可有效提高分类精度,为地块破碎区作物种植面积提取提供有效手段。     

基于冠层反射和植被指数的华东地区叶面指数反演

1 IntroductionLeaf A rea Index (LA I), defined as half the all-sided leaf or needle surface per unit groundsurface (Chen and Black,1992),is an im portantparam eter to quantify leaf density and m onitorvegetation change.A tthe sam e tim e,LA I is also an i…     

Leaf area index retrieval based on canopy reflectance and vegetation index in eastern China

The aim of this paper is to investigate the feasibility of using Landsat TM data to retrieve leaf area index (LAI). To get a LAI retrieval model based ground reflectance and vegetation index, detailed field data were collected in the study area of eastern China, dominated by bamboo, tea plant and greengage. Plant canopy reflectance of Landsat TM wavelength bands has been inversed using software of 6S. LAI is an important ecological parameter. In this paper, atmospheric corrected Landsat TM imagery was utilized to calculate different vegetation indices (VI), such as simple ratio vegetation index (SR), shortwave infrared modified simple ratio (MSR), and normalized difference vegetation index (NDVI). Data of 53 samples of LAI were measured by LAI-2000 (LI-COR) in the study area. LAI was modeled based on different reflectances of bands and different vegetation indices from Landsat TM and LAI samples data. There are certainly correlations between LAI and the reflectance of Tm3, TM4, TM5 and TM7. The best model through analyzing the results is LAI = 1.2097*MSR + 0.4741 using the method of regression analysis. The result shows that the correlation coefficient R2 is 0.5157, and average accuracy is 85.75%. However, whether the model of this paper is suitable for application in subtropics needs to be verified in the future.     

汉江流域NDVI与水热指数时空变化及相关性分析

文章提出水热指数的概念和计算模型,运用经验正交函数和奇异值分解法对汉江流域1999-2010年的归一化植被指数及38个气象站点的气温和降水资料进行分析。结果表明:①汉江流域植被覆盖具有明显的空间差异,地形和农耕活动是最主要原因。②水热指数的空间分布也具有明显的规律,气温的纬度差异和雨带季节推移是根本原因;大地貌单元和季风气候是重要原因。其时间系数具有明显的冬夏差异,冬半年时间系数的绝对值及变率均较夏半年小,即水热组合冬半年差异小,夏半年差异大。③NDVI与水热指数之间呈现出高度正相关,但人类通过各种方式改变着地表覆盖和水热组合,使得两者之间的高度正相关在局部地区受到影响。     

黄河源区遥感数据的大气校正及其效果分析

利用6S模型结合暗目标法确定TM过境时的最优气象能见度,分别使用MODIS气溶胶产品(MOD04)、最优气象能见度作为TM的气溶胶光学厚度,对黄河源区的Landsat TM数据进行大气校正。以同步野外实测地面数据为标准,比较了两种气溶胶参数输入方法的校正结果,并从光谱曲线、植被指数、草地生物量的估算三方面探讨了大气校正的效果,两种气溶胶参数输入方法均可以对遥感图像进行有效的大气校正,消除因散射增加的辐射能量,同时补偿因吸收而损失的辐射能量。经过大气校正后的TM光谱更接近真实地表光谱,更有助于地物真实光谱信息的提取,同时对与该地区相似气候条件下影像的大气校正有借鉴意义。     

高原草地退化遥感监测对象的地学属性分析--以西藏自治区那曲县为例

本文通过分析那曲县草地退化遥感监测对象的空间分布特征、波谱响应特征和时相特征三个地学属性,得出以下结论:(1)那曲县的自然景观单元分异程度比较低;(2)退化草地植被在TM5、6波段具有高反射值,LAND-SAT TM信息源中具有对草地植被退化敏感的波段TM7,TM5和TM3;(3)高原植被返青比较晚,生长期短,7、8月份是牧草生长旺季。并根据地学属性分析结论选择7月下旬的LANDSAT TM图像作为草地退化动态监测的主要遥感信息源。     

以HJ-1卫星遥感数据估算高寒草地植被净第一性生产力的潜力评估——以若尔盖草地为例

基于HJ-1卫星数据、数字高程数据、气象数据和地面实测数据,利用改进后的CASA模型估算了2010年若尔盖草地的植被净第一性生产力（NPP）,以评价该卫星数据在高寒草地NPP估算中的应用潜力。结果表明：（1）利用改进后的CASA模型模拟草地生物量,通过与实测地上生物量比较,两者的相关程度较高,R2=0.8726。模拟精度达80%,因此可以作为估产模型实际应用;（2）利用改进后的CASA模型模拟草地NPP,模拟结果比其他研究结果略大,但更适合于若尔盖草地;（3）HJ-1卫星数据为高寒草地NPP的估算提供了高时间和高空间分辨率的数据源。     

地形位指数模型改进及其在植被覆盖评价中的应用

地形作为影响植被覆盖的重要因素,对植被恢复评价以及生态修复规划意义重大。地形位作为测度地形因子综合效应的指标,具有单一地形因子难以比拟的优势。然而,现有地形位指数算法以整个研究区为参照,未考虑空间异质性,难以反映植被生长的局部环境特征。基于地理学第三定律对地理环境相似的强调,融合“空间位置邻近”和“环境特征相似”,对传统地形位模型进行改进：① 引入局部窗口算法,以突出局部地形特征;② 在不同生境因子组合下测算地形位指数,以排除环境差异对地形位作用的干扰。案例研究表明,新模型有效提升了地形位指数对植被覆盖水平的解释力度;当考虑生境因子组合,且采用最优窗口时,局部窗口地形位指数与植被覆盖度之间的相关性最高。此外,通过观察不同生境组合下的地形位指数发现,在高热少水阴坡和高热少水阳坡条件下,植被覆盖度与局部窗口地形位指数具有更高相关性;可见,越是水资源相对匮乏区域,植被覆盖对局部窗口地形位的响应越敏感。本文有望为植被恢复评价与规划提供新的指标。