国产高分一号数据估算草地植被覆盖度方法研究——以呼伦贝尔草原露天煤矿区为例

为了探讨与分析国产高分一号(GF-1)数据在北方露天煤矿区草地植被覆盖度估测中的精度及适用性,该文基于GF-1与SPOT6多光谱影像数据,以多个植被指数为自变量,利用像元二分模型、偏最小二乘(PLS)回归、支持向量机(SVM)回归3种模型对区内植被覆盖度进行估算,结合野外同步实地植被样方数据,对比分析不同估算模型的精度及适宜性,并通过蒙特卡洛模拟多尺度交叉建模的误差传播,分析空间分辨率不同对植被覆盖度估测的精度影响。结果表明:GF-1数据基于增强型植被指数的SVM回归模型(R~2=0.8149,RPD=2.336,RMSE=8.694%)与SPOT6数据基于归一化植被指数的SVM回归模型(R~2=0.8755,RPD=2.870,RMSE=7.032%)估算效果较好。不同分辨率数据交叉传递过程中SVM回归模型的精度高于PLS回归模型。因此,基于GF-1数据构建的SVM回归模型可以高精度地估算区域草地植被覆盖度。     

基于高光谱数据的戈壁地表砾石粒径反演研究

戈壁地表砾石粒径组成特征反映戈壁形成过程信息,且在很大程度上决定戈壁改造利用的难易,是开展戈壁研究的基础和前提。结合高光谱数据的微分变换,遴选出砾石粒径的敏感波段与反演方程,进行戈壁地表砾石粒径反演研究。结果表明：微分变换后的砾石光谱反射率与粒径有较好相关性,相关性最好的波段为908nm、983nm和985nm。其中,对数倒数微分变换之后的反射率与粒径成正相关（R² =0.61）,而一阶微分、平方根微分、对数微分3种变换形式之后的反射率与粒径呈负相关,相关系数分别为-0.633、-0.646、-0.649。将一阶微分变换后的光谱数据与粒径进行回归分析,发现一元三次回归模型具有较好的拟合精度,其中对数微分在回归分析中表现最好（R² =0.851）,经过验证得出对数微分预测精度（75.27%）高于其他4种微分形式的精度,表明砾石光谱的对数微分变换之后的908nm波段可应用于戈壁地表砾石粒径的反演。     

绿洲植被覆盖度遥感信息提取——以敦煌绿洲为例

以敦煌绿洲为研究区,利用Landsat TM遥感数据,通过归一化植被指数(NDVI)和混合像元分解两种方法,提取了敦煌绿洲的植被覆盖度信息。在基于NDVI提取植被覆盖度时,选取了基于NDVI的像元二分模型; 在混合像元分解过程中,对遥感影像进行波段反射率归一化处理和最小噪声变换(MNF),确定了3个类型端元:植被、不透水表面/土壤、水体/阴影; 最后利用高分辨率遥感影像验证对比了两种提取方法的精度。结果表明:混合像元分解更能准确地提取敦煌地区植被覆盖度信息,其线性相关系数为0.8915,均方根误差为0.0882,而且提取结果更符合实际情况,可以为敦煌植被状况监测及生态环境保护提供科学建议。     

不同取样单元对干旱区绿洲小麦地上生物量光谱估算模型的影响

为了更好地了解小麦高光谱特征与其地上生物量的关系,采用美国ASD公司手持便携式野外光谱仪（ASD Fieldspec HandHeld）在甘肃河西绿洲进行了小麦高光谱遥感地面观测。运用单变量线性和非线性回归分析方法,以不同绿洲为取样单元,建立4种NDVI-小麦地上生物量（ANPP）的地面光谱模型。研究结果表明,各模型均达到极显著检验水平（小样区:α=0.01,n=20;大样区:α=0.01,n=34）,通过对各个模型进行误差分析,确定基于同一绿洲和不同绿洲单元构建的最优光谱模型均为指数函数模型。其中,张掖绿洲、酒泉绿洲和河西绿洲模型分别为ANPP=0.1567e12.568NDVI(R2=0.8123)、ANPP=0.4082e11.108NDVI(R2=0.8321) 和ANPP=17.255e5.4326NDVI(R2=0.7369)。基于同一绿洲（小样区）构建的小麦光谱生物量预测模型在不同绿洲之间可以通用,但不能用于河西绿洲小麦估产;河西绿洲小麦估产要借助不同绿洲小样区构建的小麦光谱生物量模型进行预测。     

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.     

水分胁迫条件下棉花生理变化及其高光谱响应分析

利用ASD地物光谱仪,测定水分胁迫条件下棉花不同生育时期内叶片的光谱反射率,应用微分技术处理棉花的反射光谱,并结合棉花叶面积指数(LAI)、叶绿素(a b)含量(Chlt)、叶片全氮(TN)含量等生物参数进行分析,研究棉花水分胁迫情况下的高光谱特征,结果表明,一阶微分光谱720nm波段的数值与LAI的正相关(R=0．7656);750nm处一阶微分值与叶绿素含量呈显著正相关关系(R=0．7774);微分光谱690nm～740nm数值积分面积与TN含量呈正相关(R=0．7669),采用比值反射率对反射光谱1300nm～1500nm波段范围内最小值与棉花叶片的含水量作相关分析,达到极显著水平(R^2=0．8298),验证了一阶微分光谱数据与棉花的生理参数有很好的相关性,可见光和近红外波段光谱反射率能够反映出棉花生长发育的动态特征;证明了棉花的花铃期是高光谱遥感对棉花长势和生理参数定量诊断的最佳时期。本研究通过建立一系列线性光谱模型对棉花生理参数进行估测,为基于高光谱数据的棉花生长模型和棉花长势的遥感监测提供了理论依据。     

基于半监督模糊识别的土壤含水量高光谱估测模型研究

快速估测土壤含水量对发展精准农业具有重要意义。为提高土壤含水量光谱估测精度,该文基于山东省泰安市周边的94个棕壤样本光谱与含水量实测数据,首先对原始光谱进行对数倒数一阶微分变换,利用最大相关性原则选择特征因子,然后利用半监督模糊识别模型建立土壤含水量光谱估测模型。实验结果表明:以波段655 nm、1 235 nm、1 497 nm、1 677 nm、2 059 nm的对数倒数的一阶微分变换数据作为特征因子,所建土壤含水量光谱估测模型的精度较高,其中18个检验样本的平均相对误差为4.406%,模型的决定系数R~2=0.977;半监督模糊识别模型充分利用了训练样本的确定性及不确定性信息,可有效用于土壤含水量估测。     

扎龙湿地克钦湖富营养化状态的高光谱遥感评价

通过分析扎龙湿地克钦湖水体高光谱反射率与水质参数的相关关系,采用单波段、波段比值等算法分别选取特征波长建立水质参数的高光谱定量模型,并且结合修正营养状态指数(TSIM)和综合营养状态指数法,对水体的富营养化程度进行了监测和评价。结果表明,单波段归一化反射率对叶绿素a估测模型效果较为理想;利用高光谱一阶微分反射率,诊断各水质参数的敏感波段,建立线性模型,确定了TN、TP、SD、CODMn的敏感波段分别为733 nm、765 nm、782 nm、680 nm。单因素水质参数评价水体富营养化水平具有一定的局限性。综合考虑多个水质指标,对水质的富营养化程度进行了评价,结果显示,克钦湖水体呈现出中营养化状态,需要采取一定的措施,防范于未然。     

基于偏最小二乘法的玉米FPAR高光谱反演模型研究

以ASD FR便携式光谱仪与LI-191SA光量子仪对吉林中西部的玉米田进行多次观测,采集到123组有效数据,基于偏最小二乘法(PLS)对玉米FPAR进行高光谱反演。对可见光与近红外光谱(400～1 500nm)进行分析并建立反演模型,对FPAR预测效果进行验证,验证模型的R2为0.785,RMSE为0.117;同时进行了玉米FPAR与光谱反射率、反射率一阶导数之间的关系分析及植被指数与玉米FPAR之间的回归分析。研究结果表明,PLS方法建立的模型可有效地从玉米高光谱反射率数据反演出FPAR含量,反演结果精度较植被指数高。     

基于高光谱的民勤土壤盐分定量分析

土壤盐渍化是重要的生态环境问题,严重影响着干旱、半干旱区的农牧业及经济发展。高光谱遥感技术能够提供地物的连续光谱信息,易于分析细微差别,在定量研究土壤盐分含量方面具有较大优势。民勤县位于甘肃省石羊河流域下游,水力资源匮乏,盐渍化问题十分严峻。本研究基于实验室光谱数据,通过建立模型定量分析土壤盐分含量。首先对原始数据进行连续统去除（cn）预处理,然后分别建立了土壤盐分含量的高光谱指数模型（NDSI）、偏最小二乘回归模型（PLS）、间隔偏最小二乘法模型（iPLS）和反向间隔偏最小二乘法模型（BiPLS）,考察各种模型对土壤盐分的预测能力。对比分析发现,使用全部波段信息建模的PLS模型优于仅使用两个波段信息的NDSI模型,而iPLS和BiPLS模型通过选择特征波段进行建模,结果均好于全谱PLS模型。其中,BiPLS模型波段选择的能力优于iPLS模型,得出的模型结果最好,预测相对偏差RPD达到2.02,决定系数R²和模拟值与预测值线性回归的斜率分别为0.76和0.92,模型可以近似地预测土壤盐分含量。结果说明特征波段选择方法能够从大量数据中提取有效信息,简化模型,并获取比NDSI模型和全谱PLS模型更优的预测结果。这些研究对于使用高光谱数据定量分析土壤盐渍化有一定的意义。     

2001-2010年甘肃省植被覆盖的时空变化

基于长时间序列MODIS影像数据,通过并行计算方法获得甘肃省2001-2010年NDVI序列,利用均值法、最大值合成法、线性回归、Moran’s I指数分析方法,研究甘肃省10年间植被覆盖程度的动态变化、NDVI空间格局以及各生态区NDVI变化趋势。结果表明：甘肃省植被分布差异明显,从南到北,植被覆盖逐渐减少,省内植被覆盖总体呈增长趋势,各生态区植被覆盖差异较大,少数生态区内植被退化,整个甘肃省以及各生态区域内都呈现NDVI聚集的空间格局。     

基于SPOT VEGETATION数据的中国西北植被覆盖变化分析

 基于遥感和地理信息系统的技术,利用SPOT-VEGETATION NDVI(Normalized Difference Vegetation Index)数据对我国西部地区植被覆盖的情况进行了动态监测。采用MVC（Maximum Value Composites）、一元线性回归趋势分析和变化幅度百分比等方法分析西部地区植被变化特征,并结合西北五省土地利用类型图,分析不同植被类型的年最大化NDVI(MNDVI)变化趋势及特点。其结果是:近7 a来植被覆盖存在普遍退化的趋势,且2000-2001与2001-2002年度的变化幅度较大。在局部区域植被有改善的趋势, 但总的改善幅度小于退化幅度。分析结果表明, 植被改善的区域主要分布在陕西和宁夏的大部分地区以及新疆西北部和西南部地区。大部分地区植被退化。而且不同植被的MNDVI在相同的年份表现出相似的变化特点和趋势。     

Linear regression relationships between NDVI, vegetation and rainfall in Etosha National Park, Namibia

Estimations of 10-day interval green vegetation cover and biomass, 10-day interval cumulative rainfall, as well as annual rainfall are compared with 10-day interval and rainy season NDVI and MVC using linear regression analysis. Raw data were smoothed by averaging and removing dry season outliers. Results indicate that the ability of NDVI and MVC to predict green vegetation cover, cumulative rainfall and annual rainfall is poorer for raw data than for averaged, outlier-removed data. It is recommended that the standard error of the raw data predictions are used to indicate the fundamental error in these relationships, and that the equations of the averaged, outlier-removed data are used to indicate the fundamental strength of NDVI or MVC in predicting vegetation or rainfall. The practical use of integrated rainy season MVC images are discussed.     

近15a新疆不同类型植被NDVI时空动态变化及对气候变化的响应

为了研究新疆不同类型植被对气候变化的响应,以地带性划分的植被类型作为研究对象,1998-2012年为时间尺度,利用GIS的空间分析方法结合数学统计方法,分析了新疆各地带植被覆盖变化的时空分布特征;并采用"多元回归+残差插值"的方法,模拟了气温和降水量的空间分布;利用SPOT VGT/NDVI数据以及气候数据(气温和降水量数据),分析了5个不同地带植被的动态变化、年际变化和生长季内各月变化及其对气候变化的响应。结果表明:(1)新疆各地带植被覆盖度存在着显著差异,其中,温带北部草原地带高植被区和浓密植被区的范围较广,植被覆盖度较高,而高寒荒漠地带的极低植被区占该地带面积的一半以上,且植被覆盖度最低。(2)新疆各地带植被覆盖在近15 a间呈波动增加的趋势,5个地带的植被覆盖均有所改善,其中,高寒荒漠地带和暖温带半灌木、灌木地带的植被覆盖改善较为明显,其余3个地带均有少部分地区出现轻微改善现象。(3)温带半灌木、矮乔木荒漠地带,暖温带半灌木、灌木荒漠地带和温带半灌木、灌木荒漠地带4~10月的平均气温呈上升趋势,而温带北部草原地带、高寒荒漠地带对应的平均气温则出现下降趋势。5个地带的降水量在该时段内均表现为下降趋势。(4)基于年际尺度,新疆各地带植被NDVI与气温、降水量的相关性均不显著;基于月尺度,各地带植被NDVI受降水量的影响比气温大。同时,仅有暖温带半灌木、灌木荒漠地带植被NDVI与气温存在1个月的滞后性,其余4个地带对气温和降水均不存在滞后性。     

1981-2010年气候变化和人类活动对内蒙古地区植被动态影响的定量研究

基于GIMMS NDVI以及MODIS NDVI数据,分析内蒙古地区1981-2010年的植被变化趋势,并结合气候、社会经济数据,以旗县为单位定量分析气候变化和人类活动对植被变化的影响,结果表明：①1981-2010年间,内蒙古地区植被变化具有典型的空间异质性,其中植被显著增加区域主要集中在西南部的阿拉善盟、鄂尔多斯市以及东部通辽市等地区,显著减少区域主要集中在北部的锡林郭勒盟以及东北部的呼伦贝尔市的部分地区;②对于植被显著增加区域,人类活动作用的影响面积最大,其次为气候因素,气候与人类活动的耦合作用也对植被增加有一定显著影响;内蒙古西部降雨量的增加、围封禁牧政策的实施以及农作物播种面积的增加为驱动植被增加的主要因素;③对于植被显著减少区域,人类活动的作用略大于气候因素;内蒙古中东部地区降雨减少以及近10年来部分旗县风速的增加是导致植被显著减少的重要气候因素;虽然人工造林、农作物播种面积会增加局部植被盖度,但在县域尺度不足以抵消干旱对植被生长的不利影响,反而会导致区域植被退化。     

藏西南高原植被覆盖时空变化及其与气候因素和人类活动的关系

研究基于MODIS-NDVI数据和气象数据,利用趋势分析、相关分析及残差分析等方法,分析了2000―2020年藏西南高原植被NDVI在不同时段的时空变化特征及气候因素和人类活动对植被NDVI的影响,结果表明：近20 a来藏西南高原植被NDVI呈增加趋势,不同时段植被NDVI增长速率存在显著差异,主要表现为秋季>生长季>夏季>全年>春季>冬季;不同时段植被NDVI的分布格局虽存在差异,但高原东部植被覆盖度明显高于西部地区;高原大部分区域植被状态基本稳定,局部明显改善,部分区域有所退化;年际尺度上,气温和降水的增加导致植被NDVI升高,季节尺度上,春季、秋季和冬季气温升高导致植被NDVI升高,降水的增加导致植被NDVI下降,夏季和生长季气温升高导致植被NDVI下降,降水升高导致植被NDVI增加;人类活动对高原大部分区域呈正面影响,局部地区呈负面影响,集中分布在半农半牧和纯牧业县区。     

Detection of foreclosure-related landscape management changes using Landsat

The volume of properties affected by foreclosure over the past decade suggests the potential for dramatic change in vegetation cover due to changes in management. Yet, the specific pathology of each foreclosure, the temporal asynchrony among foreclosures, and differences in the area available for vegetation growth across properties presents challenges to observing and measuring change. This paper develops and tests a difference in deviations approach that compares the parcel NDVI to a neighborhood norm before and after foreclosure. The difference in deviations approach addresses the challenges of separating parcel-level change corresponding to foreclosure and identifies changes on both small and large parcels. The method relies on a time series of Landsat Normalized Difference Vegetation Index (NDVI) data, individual home foreclosure records and property tax assessment data for Maricopa County, Arizona from 2002 to 2012. To establish the level of difference associated with observable landscape change, we use a probit regression model, coding Google Earth images for properties across the range of observed deviations of difference. The basic assumption underlying the approach is that if foreclosure coincides with a change in management, it will lead to changes in vegetation structure and thus, NDVI values. We estimate that 13% of home foreclosures in Maricopa County over the period from 2002 to 2012 resulted in declines in vegetation whereas 6.5% resulted in vegetation increases. Future uses of this method for understanding landscape management in residential landscapes are discussed.     

Vegetation greenness modeling in response to climate change for Northeast Thailand

In Northeast Thailand, the climate change has resulted in erratic rainfall and tem- perature patterns. The region has experienced both periods of drought and seasonal floods with the increasing severity. This study investigated the seasonal variation of vegetation greenness based on the Normalized Difference Vegetation Index （NDVI） in major land cover types in the region. An assessment of the relationship between climate patterns and vegeta- tion conditions observed from NDVI was made. NDVI data were collected from year 2001 to 2009 using multi-temporal Terra MODIS Vegetation Indices Product （MOD13Q1）. NDVI pro- files were developed to measure vegetation dynamics and variation according to land cover types. Meteorological information, i.e. rainfall and temperature, for a 30 year time span from 1980 to 2009 was analyzed for their patterns. Furthermore, the data taken from the period of 2001-2009, were digitally encoded into GIS database and the spatial patterns of monthly rainfall and temperature maps were generated based on kriging technique. The results showed a decreasing trend in NDVI values for both deciduous and evergreen forests. The highest productivity and biomass were observed in dry evergreen forests and the lowest in paddy fields. Temperature was found to be increasing slightly from 1980 to 2009 while no significant trends in rainfall amounts were observed. In dry evergreen forest, NDVI was not correlated with rainfall but was significant negatively correlated with temperature. These re- sults indicated that the overall productivity in dry evergreen forest was affected by increasing temperatures. A vegetation greenness model was developed from correlations between NDVI and meteorological data using linear regression. The model could be used to observe the change in vegetation greenness and dynamics affected by temperature and rainfall.     

洞庭湖流域植被动态变化的小波多分辨率分析

将离散小波多分辨率分析（MRA）应用于归一化植被指数（NDVI）时间序列研究,分解NDVI原数据序列成不同时间尺度的子序列,从而进行植被动态变化分析。针对洞庭湖流域的NDVI时间序列进行多尺度分解,挖掘这些数据中潜在的植被季节性和年际变化,对其进行评估,并结合土地覆盖变化与降水趋势变化分析引起该变化的可能原因。结果表明：小波多分辨率分析能提取洞庭湖流域植被动态的相关信息,如NDVI的年际成分均值、最低值、植被年内变化的振幅、NDVI最大值出现的月份和土地覆盖变化的趋势及幅度,这些信息有效刻画了流域植被动态变化特征。此外,将土地覆盖变化分析结果与降水数据相结合进行分析,发现流域植被覆盖的变化与降水变化有明显的关联性,其中西部地区和西北部地区植被动态变化对降水响应最为明显。但是有些地区降水没有明显减少趋势,而植被覆盖却存在减少趋势,则可能与该地地势较高、城镇化建设等其他因素相关。