基于光谱混合分析的干旱荒漠区植被遥感信息提取研究——以古尔班通古特沙漠西缘为例

干旱荒漠区植被的盖度和空间分布特征是评判该区生态环境状况及荒漠化程度的重要指标。以Landsat TM影像为数据源,利用归一化植被指数（NDVI）和线性光谱混合分析模型（LSMM）两种方法对研究区——古尔班通古特沙漠西缘进行分析。在运用LSMM过程中,通过多种方法选择出最佳端元,并利用实测数据对混合像元分解结果进行验证。结果表明:①NDVI提取植被的方法受到很多限制,不适合在干旱荒漠区应用;②基于最小法非受限光谱混合分解结果较为理想,植被、盐碱地、裸沙和黑色砂粒等4种端元地物被选取出来;③LSMM提取的植被分量与实测植被盖度显著相关,线性相关系数为0.858,表明干旱荒漠区的植被盖度可以通过遥感影像提取的植被分量间接得到。     

新疆荒漠稀疏植被覆盖度信息遥感提取方法比较

植被覆盖度信息是荒漠生态环境表征的重要指标之一。荒漠区地表植被稀疏,在遥感光谱信息中表现较弱,通用的植被覆盖度遥感提取方法应用于干旱荒漠区存在一定的局限性,为了探寻一种满足大尺度荒漠地区的植被覆盖度信息的提取方法,必须对比和分析现有的遥感方法在干旱荒漠区的应用效果。以新疆荒漠区为例,利用MODIS遥感影像和野外植被覆盖度实测数据,对常用的6种遥感植被覆盖度提取方法（改进的三波段梯度差法、像元二分法、线型混合像元分解法、归一化植被指数法、增强型植被指数法和修正型土壤调整植被指数法）的结果进行精度验证和对比分析。结果表明：MODIS影像上较难提取纯荒漠植被像元,用农作物的像元值代替会降低像元二分法和线性混合像元分解模型的模拟精度;植被指数法对地面实测数据依赖性较大,模拟的精度差异很大,仅考虑红光和近红外的归一化植被指数法模拟精度最低,而综合考虑土壤和大气因素的增强型植被指数法的模拟结果精度最高;改进的三波段最大梯度差法虽然模拟精度稍次之（R²=0.74;RMSE=13.46）,但依据光谱的物理特性,能显著地反映南、北疆荒漠植被覆盖度的差异,是目前大尺度的荒漠区覆盖植被信息提取较为适宜的方法之一。     

一种基于光谱归一化的丘陵地区植被覆盖度反演方法

由于影像空间分辨率的限制,利用遥感影像反演植被覆盖度时,像元内通常存在植被与其他地物混合的现象。此外,受到物理属性、地形、阴影等因素的影响,植被内部存在较大的光谱差异。混合像元的存在,以及植被内部光谱变化较大都将导致植被覆盖度反演精度降低。本研究基于Sentinel 2A遥感影像,提出了一种基于光谱归一化的光谱混合分析方法,以期解决植被内的光谱差异以及与其他地物的混合问题。首先,对端元矩阵与遥感影像进行归一化预处理,以减弱植被内的光谱变化;然后,采用全约束最小二乘法(FCLSU)、部分约束最小二乘法(CLSU)、扩展线性混合模型(ELMM)三种混合像元分解算法来定量分析植被与其他地物的混合状态。在验证解混算法精度时,采用无人机高分影像分类结果作为植被覆盖度参考影像,并对归一化前后的精度进行对比。光谱归一化前,ELMM和CLSU的R和RMSE都接近0.903和0.353,FCLSU的R和RMSE为0.869和0.434。光谱归一化后,三种算法的R和RMSE都接近0.91和0.2。试验结果表明:端元和影像进行归一化后,降低了光谱变异性,三种算法的解混精度在整体上提高较大,且对四川丘陵地区的植被覆盖度的反演结果接近真实值。     

基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究

以民勤绿洲为研究区,以GF-1遥感影像为数据源,采用面向对象的分类方法,结合分层技术,对影像逐级进行分类,以获取植被信息。根据归一化植被指数（NDVI）阈值区分植被与非植被,分割尺度为10;使用归一化水体指数（NDWI）阈值提取非植被中的水体,分割尺度为35;利用野外采样点获取的训练样本,将植被进一步分为耕地、林地和草地,分割尺度为25。总体分类精度达到83.02%,Kappa系数为0.745 1,比较基于象元的监督分类,其总体分类精度为69.37%,Kappa系数为0.497 0,表明面向对象的分类方法在干旱区绿洲植被信息的提取上较传统的基于象元的分类方法更有优势,分类精度更高。     

干旱区稀疏芦苇盖度遥感信息提取

选择对角线法、之字型法、随机采用法及全采样法提取干旱区稀疏芦苇覆盖度,对比分析不同采样方法获取参数的精度,同时结合遥感影像,采用线性混合像元分解模型、亚像元变密度分解模型、三波段最大梯度差模型提取样地覆盖度信息,与地面实测覆盖度参量信息进行对比分析,探讨适宜的干旱区植被盖度野外监测方法及遥感模型。研究表明:对角线法及之字型法所获取参数可以满足样地总体植被覆盖度参数精度要求;地面验证结果表明:2006年线性混合像元分解模型所提取的覆盖度精度最高,为19.72%,与地面实测值20%最为接近,证明该模型可有效提取干旱区低覆盖度植被信息,但端元的正确选取较难,从而影响其运用;亚像元分解模型预测值为22.30%,高于实际覆盖度值,绝对误差为11.5%;而三波段最大梯度差法模型与实测值相差最大,绝对误差达到了-75%,说明该模型对于极端干旱区稀疏植被敏感度低。     

青海省都兰县察汗乌苏绿洲植被覆盖度变化研究

为研究青海省都兰县察汗乌苏绿洲植被覆盖度变化,利用归一化植被指数NDVI提取察汗乌苏绿洲不同时期的植被覆盖度等级图,定量分析评价植被覆盖度的多年变化。结果表明,近16 a来,察汗乌苏绿洲植被覆盖度总体呈现波动增长趋势,2001—2006年期间各植被覆盖等级变化幅度明显高于1990—2001年期间的变化幅度,1990—2001年植被整体向好的方向发展,有50 017.50 hm2的极低覆盖度植被转变为更高覆盖度植被,2001—2006年增加了6 026.85 hm2的极低覆盖度植被,并有4 048.47 hm2的高覆盖度植被减少,说明仍存在局部退化。影响都兰县察汗乌苏绿洲植被覆盖度变化的主要因子是生态工程措施、气候因素和水资源因素。研究结果可以为该区域植被恢复和荒漠化防治提供理论支撑。     

ASTER影像提取植被信息的NDVI与SAVI法比较——以广州花都区为例

基于ASTER遥感影像,使用IDL语言编写归一化差异植被指数(NDVI)和土壤调整植被指数(SAVI)的计算公式,对遥感影像进行处理,分别对两种方法处理后的遥感影像采用K-Means分类,经过分类后处理,提取植被信息.NDVI整体上较好地反映了不同土地覆被信息;而SAVI对于各种地类的值域较宽,反映绿色植被内部差异信息较明显,可为不同植被类型的信息提取提供方法参考.     

基于RS的近30年滹沱河流域植被覆盖度动态变化研究

以滹沱河流域1984年、2001年和2014年3期遥感影像为数据源,基于像元二分模型,利用归一化植被指数(NDVI)反演流域植被覆盖度信息,分析了滹沱河流域近30年来植被覆盖度时空演变特征及其变化原因。滹沱河流域近30年来植被覆盖度总体呈增加趋势,其中高植被覆盖度区面积比例增幅最明显,增加了1.1倍。空间分布上,受气候和人类活动双重因素影响,流域不同区域植被覆盖度变化差异较显著,上中游植被总体以改善为主,海拔相对较低的区域则表现为退化,尤其是下游植被覆盖度持续下降,植被退化面积占该区的71.52%。     

塔里木南缘绿洲"冷岛"效应及与植被覆盖相关分析——以于田绿洲为例

温度是生态系统中极其重要的因子。在中小尺度区域的热量资源和热场分布,对绿洲冷岛效应进行研究,评价绿洲的生态环境状况。通过利用TM/ETM遥感影像和利用Sobrino普适性单通道算法定量,反演了塔里木南缘于田绿洲1989年,1999年,2002年三个时期的陆地表面温度,通过植被覆盖度遥感估算模型提取了植被覆盖度。尝试将绿洲冷岛作为绿洲状况的评价因子,分析了温度场时空变化,在归一化地表温度-植被覆盖度二维散点图计算的基础上,对温度与植被覆盖的相关性进行分析。结果表明:(1)于田绿洲的冷岛效应有逐年减弱的趋势,主要表现为绿洲中心相对温度的升高;(2)将地表植被覆盖作为影响绿洲温度场变化的动因,结果显示,于田绿洲地表温度状况与植被覆盖状况有明显的负相关关系,相关系数在-0.48～0.78之间。地表温度对植被覆盖程度的变化十分显著。文章指出,冷岛效应对绿洲发展具有重要意义,可以将绿洲冷岛效应作为绿洲生态环境状况评价的一个重要指标。     

基于多尺度空间ANN - CA模型的遥感影像超分辨率制图方法研究

为获取遥感影像混合像元中各组分的空间分布状况,提出一种新的遥感影像超分辨率制图方法,用于继混合像元分解之后的亚像元定位。将元胞自动机理论移植到不同空间尺度的演化上,建立基于神经网络的多尺度元胞自动机模型(ANN-CA),并利用该模型提取北京市海淀区城镇用地超分辨率信息。结果表明,该方法能有效表达图像像元之间的空间自相关性。     

河西地区绿洲NDVI的演变特征及与气候因子的关系分析

选取NOAA和NASAPathfinder AVHRR陆面资料中的1982-2000年中国区域的NDVI逐月数据,进行河西地区植被覆盖状况分析,探讨河西绿洲植被的演变规律,分析研究河西地区NDVI的年际变化特征,发现近20年来额济纳绿洲是明显退化的;临泽和民勤是明显的正值,金塔绿洲也为正值,但值较小。从时间段上来说,1982-1984年,NDVI处于相对高值段,各绿洲有所发展;1985-1989年是NDVI的低值段,绿洲退化;1990-1995是NDVI的高值段,绿洲的发展很明显;1996年开始,NDVI有所下降,绿洲有所退化。对1982-2000年河西绿洲的降水、气温、地温、及各内陆河的径流资料与河西绿洲中部临泽、民勤、金塔、额济纳旗四个绿洲的NDVI作了相关分析,研究了河西中部地区绿洲发展和气候变化及水资源的关系,发现河西中部地区绿洲NDVI与前期3、4月份的气温、降水、内陆河径流的关系较好,与5月份地气温差的相关关系较好。     

TVDI用于干旱区农业旱情监测的适宜性

基于地表温度/植被指数(T_s/VI)特征空间建立的温度植被干旱指数(TVDI)受诸多因素的影响,其中一个重要的影响因素是植被指数,该指数在高、低植被覆盖时的敏感性不同,从而导致TVDI对旱情监测的准确度不同.针对这一问题,以新疆塔里木盆地北缘渭干河-库车河三角洲绿洲为研究区,选择2011年4月、8月两景TM影像,利用归一化植被指数(NDVI)和比值植被指数(RVI)分别建立T_s/VI特征空间,线性拟合特征空间的上、下边界,计算得到两种温度植被干旱指数(TVDI-NDVI、TVDI-RVI).用TVDI与同期野外实测的土壤含水量数据进行回归分析.结果表明:(1)植被指数、地表温度、土壤水分之间有显著互动关系,以不同植被指数计算得到的两种TVDI与表层土壤水分相关性较好,均能够反映区域土壤干旱状况;(2)由于植被指数对植被探测的敏感性,在4月低植被覆盖时,TVDI-NDVI与表层土壤水分的相关性较高,为0.4299,8月高植被覆盖时,TVDI-RVI与表层土壤水分的相关性较高,达到0.5791;(3)在低植被覆盖区域,NDVI较RVI敏感,而在高植被覆盖区域,RVI敏感性较高.RVI适用于高植被覆盖时反演土壤湿度,NDVI则更适用于中、低植被覆盖时.     

30年来呼伦贝尔地区草地植被对气候变化的响应(英文)

Global warming has led to significant vegetation changes especially in the past 20 years. Hulun Buir Grassland in Inner Mongolia, one of the world’s three prairies, is undergoing a process of prominent warming and drying. It is essential to investigate the effects of climatic change (temperature and precipitation) on vegetation dynamics for a better understanding of climatic change. NDVI (Normalized Difference Vegetation Index), reflecting characteristics of plant growth, vegetation coverage and biomass, is used as an indicator to monitor vegetation changes. GIMMS NDVI from 1981 to 2006 and MODIS NDVI from 2000 to 2009 were adopted and integrated in this study to extract the time series characteristics of vegetation changes in Hulun Buir Grassland. The responses of vegetation coverage to climatic change on the yearly, seasonal and monthly scales were analyzed combined with temperature and precipitation data of seven meteorological sites. In the past 30 years, vegetation coverage was more correlated with climatic factors, and the correlations were dependent on the time scales. On an inter-annual scale, vegetation change was better correlated with precipitation, suggesting that rainfall was the main factor for driving vegetation changes. On a seasonal-interannual scale, correlations between vegetation coverage change and climatic factors showed that the sensitivity of vegetation growth to the aqueous and thermal condition changes was different in different seasons. The sensitivity of vegetation growth to temperature in summers was higher than in the other seasons, while its sensitivity to rainfall in both summers and autumns was higher, especially in summers. On a monthly-interannual scale, correlations between vegetation coverage change and climatic factors during growth seasons showed that the response of vegetation changes to temperature in both April and May was stronger. This indicates that the temperature effect occurs in the early stage of vegetation growth. Correlations between vegetation growth and precipitation of the month before the current month, were better from May to August, showing a hysteresis response of vegetation growth to rainfall. Grasses get green and begin to grow in April, and the impacts of temperature on grass growth are obvious. The increase of NDVI in April may be due to climatic warming that leads to an advanced growth season. In summary, relationships between monthly-interannual variations of vegetation coverage and climatic factors represent the temporal rhythm controls of temperature and precipitation on grass growth largely.     

近30 年来呼伦贝尔地区草地植被变化对气候变化的响应

基于1981-2006 年的GIMMS NDVI数据和2000-2009 年的MODIS NDVI数据反演呼伦贝尔地区草地变化,结合1981-2009 年该地区7 个气象站点的气温和降水数据,分别从年际变化、季节变化和月变化角度分析该地区草地变化对气候变化的响应。结果表明,从年际变化来看,降水是驱动草地植被年际变化的主要因素;从季节变化来看,草地植被生长在不同季节对水热条件变化的敏感性不同,春季草地植被生长对气温变化的敏感性较降水变化高,夏季和秋季草地植被的生长对降水变化的敏感性则高于对气温变化的敏感性,其中以夏季最为显著;从月变化来看,4 月和5 月草地植被变化受气温变化影响较明显;5-8 月与前一月降水变化关系密切,说明植被生长对降水变化具有一定的滞后性;4 月正值草本植物萌芽期,而4 月份草地生长与年气温变化关系最为密切,一定程度上说明4 月份表征植被生长的NDVI值增加可能是由于气候变暖引起的草地植被生长季提前产生的。综上所述,通过植被与气候要素月变化的关系可以具体地揭示气温和降水对草地植被生长的季节韵律控制。     

30年来呼伦贝尔地区草地植被对气候变化的响应(英文)

Global warming has led to significant vegetation changes especially in the past 20 years. Hulun Buir Grassland in Inner Mongolia, one of the world’s three prairies, is undergoing a process of prominent warming and drying. It is essential to investigate the effects of climatic change (temperature and precipitation) on vegetation dynamics for a better understanding of climatic change. NDVI (Normalized Difference Vegetation Index), reflecting characteristics of plant growth, vegetation coverage and biomass, is...     

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。     

基于NDVI的新疆荒漠地区植被覆盖度遥感估算经验模型研究

新疆荒漠地区植被覆盖度遥感估算模型十分缺乏，给荒漠化监测等相关工作带来很大不便，开展植被覆盖度遥感估算经验模型研究，对于促进和完善相关地区的生态监测及研究工作具有积极的现实意义。通过对阜康市北部沙漠南缘和克拉玛依市中部平原荒漠进行无人机航拍，利用无人机遥感提取（光合）植被信息，并将无人机航拍影像的植被覆盖度统计单元与高分辨率卫星影像像元在空间上直接相对应，获取在高分辨率卫星影像像元尺度上的植被盖度，然后通过植被覆盖度和空间上与其相对应的源自高分辨率卫星影像的NDVI数据的拟合关系，建立基于源自高分二号影像的NDVI的阜康北部沙漠植被覆盖度遥感估算线性模型以及基于源自ZY1-02C影像的NDVI的克拉玛依平原荒漠植被覆盖度遥感估算二次多项式模型。研究中所采用的无人机遥感与卫星遥感相结合、植被覆盖度统计单元与卫星像元在空间上直接对应的方法，可避免以往相关工作中常以点位测量数据代表卫星像元数据所带来的不确定性。由于所用卫星影像的NDVI数据稳定性相对不足等原因，所建立的遥感估算模型的估算精度尚相对偏低，有待于今后进一步的工作加以改进。     

干旱区典型绿洲地表温度与植被覆盖度相关性研究

 绿洲空间热环境的研究是深入了解绿洲-沙漠间,以及绿洲内部物质能量流动机理的重要手段。利用TM/ETM+遥感影像反演了于田地区地表温度以及植被覆盖度,在统计地表温度-植被覆盖度二维散点图的基础上,研究不同结构区域下绿洲地表温度与植被覆盖度的相关关系。结果表明:①于田地区地表温度与植被覆盖度呈显著负相关关系,相关系数在-0.79158和-0.48816范围之间。②从1991年到2002年,于田绿洲内部区域地表温度与植被覆盖度散点图上各点分布由密集到分散,表明原有相对整体的植被覆盖地块被打散,成为多种土地类型交错的破碎化地块。③外部荒漠带及绿洲与荒漠交错带区域地表温度与植被覆盖度散点图上各点分布由分散到集中,表明绿洲外部荒漠化程度的逐年加剧,导致了绿洲外围植被覆盖有所降低,植被物种单一,植被多样性也呈现下降趋势。