距平植被指数在1992年特大干旱监测中的应用

本文重点阐述ＮＯＡＡ极轨气象卫星距平植被指数的处理技术及算法，以及在１９９２年干旱监测中的应用。距平植被指数是以归一化植被指数（ＮＤＶＩ）多年旬、月平均值作为背景，然后用当年旬、月的ＮＤＶＩ值减去背景值。植被指数的距平值不仅反映了植被年际间的变化，而且也指示了天气对植被的影响。用这个量监测农作物是否遭到旱灾威胁比只用ＮＤＶＩ的瞬时值优越。研究结果表明当月的距平植被指数与当月降水量距平百分率相一致。     

基于ＴＶＤＩ的天山新疆段土壤湿度时空分布及影响因素分析

利用遥感数据反演土壤湿度对农作物干旱、生态系统保护及能量循环有重要的指导作用。文中以天山新疆 段为研究区,利用ＭＯＤＩＳ地表温度（Ｔｓ）数据和归一化植被指数（ＮＤＶＩ）数据构建Ｔｓ－ＮＤＶＩ特征空间,并建立温度 植被干旱指数（ＴＶＤＩ）模型,探究天山新疆段土壤湿度的时空分布格局,进一步分析土地利用类型和高程对ＴＶＤＩ的 影响。结果表明,构建的Ｔｓ－ＮＤＶＩ特征空间,其散点符合三角形关系,ＴＶＤＩ与土壤相对湿度数据呈负相关关系,该 地区,除了水体外,永久性冰川雪地土壤湿度最高,沙地最低;高程越高ＴＶＤＩ越小,土壤湿度越高。总体而言,ＴＶＤＩ 应用在天山新疆段可以较好地反映该区域的土壤湿度状况,研究结果可为天山新疆段土壤湿度动态监测和水资源 提供理论依据和实践参考。     

基于植被指数模型的淡水湖泊湿地景观信息提取

高邮湖湿地是江苏省重要湿地之一,对生态、环境控制、调节气候和保护生物多样性具有重要意义。采用2007年的LandsatTM影像作为遥感信息源,选择影像的光谱特征和比值植被指数(RVI)、差值植被指数(DVI)、归一化植被指数(NDVI)、归一化差异绿度指数(NDGI)、土壤调节植被指数(SAVI)和最佳土壤调节植被指数(OSAVI)6种植被指数做了光谱特征分析,从而确定出最佳指数模型,并基于决策树方法,实现研究区景观信息的遥感分类。研究结果表明,决策树分类法易于综合多种特征进行遥感影像分类,植被指数参与到决策树分类中能够提高分类的总体精度,其总体精度达到79.58%,Kappa系数为0.721 0,分类结果理想且人工参与灵活。     

基于ENVI的遥感影像分类

传统的遥感影像是依据地物的波谱信息来进行分类的。这往往会产生"同物异谱,异物同谱"的问题,使得分类精度和效果不理想。因此本文采用基于专家知识的决策树C4.5法,利用地物的波谱信息、归一化植被指数、主成分分析等特征构建决策树,与监督分类中的支持向量机法、最小距离法去比较。实验结果表明,几种分类方法中,决策树法分类法的分类规则易于理解,准确率较好,所需分类时间短,总体分类效果最为理想,验证了决策树法在遥感影像分类领域的优势。     

沂蒙山区金银花种植的遥感动态监测

沂蒙山区山东省平邑县是“中国金银花之乡”,金银花种植面积监测对于当地种植规划和管理具有重要意义。根据金银花花期,遴选2013-2018年5月至6月Landsat-8 OLI影像12景,在野外调查的基础上构建了两层决策树分类模型。决策树分类后,对结果进行形态学滤波。然后分别基于决策树和支持向量机分类模型提取金银花种植面积,并进行了对比分析,前者提取的结果与官方面积数据基本一致。精度评价显示6个时相的总体分类精度与Kappa系数均较高。结果表明：利用遥感影像监测金银花种植面积动态变化是有效的,可以为规模化种植的监测与管理提供科学参考。     

用多角度POLDER数据验证互易原理在遥感像元尺度的适用性

利用ＡＤＥＯＳ－ＰＯＬＤＥＲ多角度遥感数据,从统计意义出发,对光照与观测角度互易的观察对进行考察,发现在ＰＯＬＤＥＲ数据中存在不可忽略的不互易现象,以文中定义的不开易度来衡量,可见光波段不互易度可达１．０,红外波段不互易度可达０．３。两个方向上计算ＮＤＶＩ的偏差可达０．２。分析了不互易度与ＮＤＶＩ和海拔的相关性,发现不互易性与地表的复杂程度有一定的相关性,并提出地物光谱反射弱的数据不互易度大的假设     

多时相遥感影像的甘蔗种植范围提取

针对利用遥感技术提取农作物种植范围容易混淆其他植被类型的难题，提出一种基于生长关键物候期原理的农作物种植范围提取方法。该方法利用目标农作物在时间序列归一化植被指数(NDVI)上的数值变化确定其关键物候期，采用关键物候期植被指数的差值作为主要提取指标，统计分析各类型样本图斑指标特征值，确定用于提取目标农作物种植范围的指标阈值，采用决策树分类方法提取出种植范围。该文以我国南方甘蔗种植区为研究对象，结果表明：该方法充分利用了农作物生长规律特征，增强了目标农作物与其他地表覆盖类型的可分性，单纯自动化提取结果精度达87.53%,能够满足总体掌握农作物种植范围的需要，可为农作物种植范围提取提供参考。     

基于GF1-NDVI时序影像对春小麦进行提取研究

利用传统方法对农作物种类、分布和种植面积等调查,需要耗费大量的人力、物力和财力。该研究以西宁市为研究区域,采用高分一号影像,对西宁市春小麦进行分类和提取模型设计。在全生育期波谱特征曲线分析基础上,提取春小麦的NDVI(归一化植被指数)曲线特征。采用基于NDVI阈值的决策分类技术,进行作物识别与提取。最后设计精度自检方案,通过混淆矩阵得出其总体精度达到93.8%,kappa系数为0.875。其用户精度和制图精度分别为93.7%和94.9%。从分类精度可以看出,利用中高分辨率遥感卫星影像,在作物NDVI时间序列变换规律分析的基础上,可以准确的进行大面积农作物的分类与提取。在全国农作物面积与农作物种类等资源调查中具有非常大的应用潜能。     

基于OLI数据与决策树法的去山体阴影水体信息提取研究

研究山区地表水体信息OLI遥感数据去阴影自动提取方法,设计基于数字高程模型与指数提取的决策树分类方法,提高水体自动识别的精度。该方法选取改进的归一化水体指数、归一化植被指数、比值植被指数、主成分分析前3个分量以及波段之间的组合运算,并结合DEM构建决策树分类规则。综合采用单波段阈值、谱间关系、植被指数和水体指数阈值完成山体水体的去阴影识别研究,与计算机自动识别分类方法比较,其精度明显提高。结果表明,决策树分类方法在精度上明显高于常用的计算机自动分类方法,可以很好地被利用于OLI遥感数据水体信息的海量、大范围提取。     

农作物种植面积遥感估算的影响因素研究

针对不同的农作物种植结构区,研究影响遥感影像分类各因素与农作物种植面积估算精度的定性和定量关系是十分必要的。以Rapid Eye影像提取的早稻种植信息为研究对象,从农作物的种植成数、种植破碎度和地块形状指数3个角度进行了不同空间分辨率下各因素对农作物面积监测的影响研究。结果表明:随着农作物种植成数的降低,种植结构越来越破碎,种植地块趋于狭长分布,各分辨率下农作物面积估算精度均呈递减趋势;要达到85%以上的面积估算精度,当作物种植成数在50%以上时,可选取高于150 m分辨率的遥感数据;当作物种植较为破碎时,需要在提高影像空间分辨率的同时融入其他技术手段;当作物种植地块为狭长分布时,提高影像的空间分辨率并不能保证面积估算精度,必须通过其他技术手段达到精度要求;并最终得到了4种影响因素对面积估算精度的定量评估模型。研究结果为解决不同农作物种植结构区遥感数据的选择、面积估算精度的提高,以及在特定研究区和数据源条件下可达到的面积估算水平等问题提供了理论基础。     

遥感图像的神经网络分类法

神经网络的研究已有近35a的历史,各种模型相继出现,应用领域越来越广,近年来,神经网络的研究在国内外遥感界也越来越受到重视。笔者结合国家“八五”攻关项目“太湖地区水稻遥感估产”的要求,运用半线性前馈神经网络对TM图像进行分类作了研究,并以无锡县的华庄、羊尖两个乡作为试验区,用1991年7月23日的TM资料提取了两个乡的水稻种植面积,并与采用传统的Bayes分类法作的分类结果进行了比较,取得了满意的效果。     

利用NOAA－AVHRR资料提取水体信息的初步研究

本文讨论了应用ＮＯＡＡ－ＡＶＨＲＲ资料来提取水体信息的方法。采用ＡＶＨＲＲ一、二通道（下面简写为ＣＨ１、ＣＨ２）获得的地面反射率数据构成的归一化植被指数（ＮＤＶＩ）来识别水体，并初步提出了应用模糊数学的方法提取混合像元中的水体面积信息的技术思路。     

用多角度遥感观测和BRDF模型对植物状况诊断评估(英文)

用遥感技术进行植物评估可与光谱植被指数联系起来，如规一化差分植被指数ＮＤＶＩ。ＮＤＶＩ值的变化一般被认为是植被数量和密度的变化，但直接与植物生长状况有关的植物光谱特性也会导致光谱植被指数的变化。因此，低植被指数可能由于低密度或肥料不足二者之一或共同造成。这会限制植被指数作为监测手段的使用。二向反射分布函数ＢＲＤＦ模型把植物密度和光学特性区别对待，因而它有助于植物状况的客观评估。在这项研究中，我们测量了两个冬小麦冠层多角度光谱反射：一个氮肥充足，一个贫乏。这些测量随后用于ＢＲＤＦ的反演，来估计光学特性和植物密度。结果表明，同时获得这两种参数是可行的。因此，用ＢＲＤＦ和多角度遥感测量手段进行氮肥养料有关的植物状况诊断分析是可能的。结果也显示出这种方法中如反演和计算时间所带来的一些局限性。     

植被结构及太阳／观测角度对NDVI的影响

在文献［１］中作者建立了计算多组分植被方向反射系数（ＢＲＦ）的综合解析模型。本文采用该模型研究植被空间结构对常用的归一化植被指数（ＮＤＶＩ）的影响，文中讨论了ＮＤＶＩ与叶（或植被其它组分）角分布（ＬＡＤ）、植被组分（如叶片）的特征尺度和它们在空间的散布方式，以及非叶器官面积在总面积中所占比例间的依赖关系，同时给出了ＮＤＶＩ随太阳／观测角度的变化情况。结果表明即使在叶面积指数（ＬＡＩ）固定不变时，冠层结构及植被组分光学性质的空间非均匀性对ＮＤＶＩ的大小及角分布也有十分显著的影响。通常ＮＤＷ随角度的变化是很大的，如果植被不同组分的光学性质差异很大，且事先不知道它们的空间散布方式时，那么利用ＤＮＶＩ就无法准确地估算出ＬＡＩ。但是对于组分随机分布的植被，利用远离“热点”区域的光谱资料可以使冠层其它结构参数的影响减至最小。     

决策树算法在西藏遥感影像分类中的应用研究

将决策树算法引入到遥感影像分类中,以提高分类的精度。首先对影像进行预处理,然后利用C5.0算法在分析地物光谱特征、纹理特征、归一化植被指数的基础上,自动提取分类规则,构建决策树,实现地物的自动分类。为验证该算法的有效性,选取西藏某地区TM影像作为实验数据,与监督分类的精度进行对比,实验结果表明,决策树分类方法能取得较好的分类效果。     

基于GIS的中国东北植被综合分类研究

ＮＯＡＡ／ＡＶＨＲＲ由于运行周期短、覆盖范围大、成本低、波段宽等特点,目前正越来越广泛地受到人们的普遍关注。在大尺度、中尺度植被遥感上,ＮＯＡＡ／ＡＶＨＲＲ具有陆地卫星无法比拟的优势,但在另一方面,ＮＯＡＡＡＶＨＲＲ也存在分辨率低、数据变形较大和几何畸变较严重等问题。这样,在应用ＮＯＡＡＡＶＨＲＲ数据进行大区域植被制图时,植被分类的精度仍待提高。本文从理论上探讨了将地理信息系统提供的地理数据与遥感数据复合的可行性;尝试在ＧＩＳ环境下,将气温、降水、高程３个影响区域植被覆盖的主要指标,按一定的地面网格系统和数学模式进行量化,生成数字地学影像,并使之与经过优化、压缩处理的ＮＯＡＡＡＶＨＲＲ数据进行复合,对复合后的综合影像进行监督分类。分类结果显示,与传统的应用最大似然分类方法对单一遥感图像分类相比,该综合分类方法分类精度提高了１８．３％,该研究方法改变了遥感影像的单一信息结构;丰富了图像的信息含量;完成了地理数据的数字传输、处理、存储及影像化显示。     

尺度变化对冬小麦种植面积遥感测量区域精度影响的研究

不同尺度遥感数据源的选取将直接影响到作物种植面积测量的精度,研究尺度因子在农作物面积遥感测量中的作用,尺度与面积测量精度的定性和定量关系是非常必要的.为此,本文利用SPOT5卫星数据,以尺度变化对农作物种植面积遥感测量精度影响的分析为主线,运用空间统计分析方法和多种精度评价指标,从不同空间分辨率、不同空间范围、不同农作物百分比等角度系统分析了农作物种植面积遥感测量中的尺度效应问题.为基于多尺度遥感数据复合的农作物种植面积测量业务化运行中的数据选择和精度保证问题提供理论与实验基础.     

西北旱区遥感影像分类的支持向量机法

针对较大范围、不同时相、不同气候和地貌类型的遥感影像的土地利用现状分类问题,提出了一种结合标准植被指数和纹理特征的支持向量机法。此方法改进了陕西延安、甘肃嘉峪关和青海果洛的遥感影像分类,有效地解决了最大似然法和BP神经网络法的缺陷造成的分类精度不高的问题。分类结果表明:与最大似然法和BP神经网络法相比,结合标准植被指数和纹理特征的支持向量机法的分类总精度最高(97.75%),Kappa系数为0.9691。该方法可为西北旱区遥感影像解译和土地资源可持续发展战略提供方法支撑。     

基于决策树分类的大屯矿区地物信息提取及矿区污染分析

本文在对国内外遥感图像分类方法充分研究分析的基础上,选择决策树分类法对大屯矿区的Landsat 8遥感图像进行分类研究。选取样本提取并分析研究区典型地类光谱特征曲线,依据光谱曲线特征和归一化植被指数建立了土地利用分类决策树模型,通过反复试验和修正,筛选出适宜大屯矿区地物分类的决策树最优阈值,对研究区进行分类和精度评价,最后通过分类结果对研究区的水体污染状况进行简要分析。     

面向对象的复杂地形下冬小麦多时相遥感分类提取研究

河南省各地地形地貌差异较大,如何准确地获取不同地形冬小麦种植面积对农业调查来说是关键问题。本文选取河南省鹤壁市淇县作为典型的复杂地形区,选取Sentinel-2影像作为数据源进行多植被指数及红边指数计算,采用面向对象分类方法进行多尺度分割并计算分割对象的光谱特征、纹理特征、指数特征等信息,然后对淇县进行冬小麦种植多时相遥感分类,分析不同时相冬小麦解译面积与精度,最终得到最优精度冬小麦种植面积。结果表明：淇县东部平原地区冬小麦大量种植,西部山区小麦种植多以点状分布于山谷与河滩地等。采用预留样本点对解译结果进行精度验证,整体验证精度在95%以上;其中平原地区冬小麦分类精度在97%左右,西部山区冬小麦分类精度为95%。结合数字高程数据及不同时期植被指数进行分析,结果显示鹤壁淇县冬小麦空间分布与其生长周期、空间分布特性高度吻合。