基于遥感的某市城市圈森林碳储量估算与空间分布特征

森林生态系统碳储量占有整个陆地生态系统碳储量约50%,利用遥感数据进行森林碳储量估算对加快实现“碳达峰”和“碳中和”具有重要意义。本研究利用Landsat 8 OLI遥感影像和DEM数据提取植被指数和地形因子,转换净初级生产力数据为生物量数据,并利用多元逐步回归分析法建立武汉城市圈森林植被碳储量遥感估算模型。根据统计数据和估算模型得出,武汉城市圈碳储量空间分布表现为东北部和南部山脉区域的碳储量和碳密度较高,而中东部武汉市和黄石市中心区域相对较低,且植被碳密度主要集中在中海拔地区。     

草原露天煤矿区32年土地利用/覆盖及碳储量遥感变化监测

草原露天煤矿区资源开采、开垦等人类活动导致土地利用变化及生态系统碳储量不断变化,利用遥感技术可实现准确、快速监测。本文基于1984—2016年共9期的Landsat多时相遥感影像,以内蒙古草原大型露天煤矿区为研究区,利用面向对象决策树方法得到研究区的土地利用信息,进一步利用土地转移矩阵和景观格局指数分析,基于2016年分类结果进行变化监测,高覆盖草地斑块占景观面积比例减少,景观形状指数增加;随着1999年排土场的生态复垦,近年来复垦与采矿区扩增速率基本保持一致;通过年平均温度与降水量建立碳密度估算模型,得到总体固碳-261.07×103t,表现为碳排放。总的来看碳储量出现降低现象,与草地面积转化为农田、采矿区等碳储量较少的土地类型有关,排土场复垦对减缓土地碳储量减少有一定作用。本研究表明:遥感技术可用于受采矿等人类活动影响造成的矿区土地利用/覆盖与碳储量变化特征实时、动态监测与分析,为采取合理的环境保护措施提供了一定的理论依据。     

InVEST模型的藏东南地区1990—2020年碳储量时空格局及演化研究

针对多维度土地利用变化对生态系统碳储量的影响关系，该文基于1990—2020年藏东南地区土地利用数据，利用InVEST模型估算藏东南地区碳储量及其空间分布特征，并分析土地利用变化对碳储量变化的影响。结果表明，藏东南地区土地利用类型以草地(占比46%)和林地(占比37%)为主；近30年藏东南地区碳储量整体呈现波动增加趋势，共增加1.39%,林地、草地和永久冰川及积雪土地利用类型的转化是藏东南地区碳储量时空演变的主要贡献者。林地增加是碳储量增加的主要原因，藏东南地区适宜林地生长的区位为中海拔缓坡中坡且地形位指数在0.02～1.25区域。此研究可为提升区域碳汇能力，进行合理生态修复提供参考。     

高光谱吸收特征参数反演草地光合有效辐射吸收率

在植被光合有效辐射吸收率(FAPAR)遥感估算中被广泛采用的植被指数法,其估算精度往往受到"红波段吸收峰"峰值点光谱反射率易饱和特征的影响。考虑到高光谱吸收特征参数能较好地诠释地物光谱吸收特征的细节信息,基于微分法与包络线去除法研发"高光谱曲线特征吸收峰自动识别法"识别对FAPAR敏感的特征吸收峰,再结合连续统去除法以及光谱吸收指数(SAI)提取FAPAR的高光谱吸收特征参数,构建估算天然草地冠层水平FAPAR的高光谱吸收特征参数模型。结果表明:(1)天然草地冠层FAPAR与高光谱吸收特征参数具有很好的相关性,其中,"红波段吸收峰"SAI对FAPAR变化最为敏感,在植被覆盖度较高时,其饱和性相比"红波段吸收峰"峰值点反射率与归一化植被(NDVI)值有较大的提升。(2)以"红波段吸收峰"SAI为变量的对数方程为FAPAR的最佳估算模型,在植被覆盖度处于中与高时,其FAPAR预测精度比NDVI模型有不同程度的提高。研究采用的高光谱吸收特征参数一定程度上弥补了部分植被指数因饱和问题在估算FAPAR时的不足,可作为植被FAPAR反演的新参数,适用于中、高覆盖度的天然草地FAPAR监测。     

基于RS/GIS的城市植被生态价值分析与评价

根据济南市历下区TM遥感影像获取了历下区植被归一化指数(NDVI),利用单窗算法提取了地表温度;通过对比NDVI分布与温度分布分析了植被对城市热岛效应的缓解作用。采用改进的CASA模型提取了植被第一性净生产力(NPP),进而获得了植被的固碳释氧能力,分析了城市植被的固碳释氧价值。采用影子替代法对植被生态价值进行定量化,从而可对济南市历下区植被分布进行科学规划,以提高城市整体的人居适宜性。结果显示,城市植被生态价值非常可观,热岛缓解价值最大可达249 021元/hm~2,植被固碳和释氧价值最大分别为15 818.2元/hm~2和18 645.2元/hm~2。     

草地植被净第一性生产力及固碳释氧量的估算

草地植被净第一性生产力表征了草地生态系统的物质量,是评价草地生态系统物质生产能力的重要指标。本文基于ERDAS和ArcMap软件平台,由1990、2000和2007年ETM+影像数据提取出NDVI值,结合相应时段的气候数据,对陕北农牧交错带草地生态系统净第一性生产力及固碳释氧量进行测算,研究并分析了1990-2007年间其NPP及固碳释氧量的时空变化特征。     

融合多源遥感数据的高分辨率城市植被覆盖度估算

准确获取城市植被覆盖定量信息对城市生态环境评价,城市规划及可持续城市发展具有重要意义。遥感技术的发展为获取区域及全球植被覆盖信息提供了有效手段,目前基于单传感器、单时相遥感数据的城市植被覆盖度估算方法得到较为广泛的应用。然而,由于城市地表覆盖的复杂性、植被类型的多样性,在一定程度上影响了城市植被覆盖信息提取的精度。为此,本文提出一种基于多源遥感数据与时间混合分析的城市植被覆盖度估算方法。首先,通过时空融合、植被物候特征分析获得最佳时序的GF-1 NDVI数据;其次,基于时间序列的GF-1 NDVI及Landsat 8 SWIR1、SWIR2数据,采用时间混合分析方法以长沙市为例估算城市植被覆盖度。实验研究表明,基于多源遥感数据与时间混合分析方法获得了较高精度的城市植被覆盖度估算（RMSE为0.2485,SE为0.1377,MAE为0.1889）,相对于单时相光谱混合分析、传统的像元二分法,本文提出的方法更为稳定,在低、中、高不同植被覆盖区均能获得较高的估算精度,为城市植被覆盖度定量估算提供了有效方法。     

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.     

面向桉树和车桑子精准识别的高光谱特征变换方法比较分析

相对于遥感影像,高光谱遥感影像具有光谱信息,为精准识别植被提供了新的技术支持.对高分五号(GF-5)高光谱数据进行光谱变换,结合植被指数,分析各种光谱变换方法对植被的识别能力.首先提取研究区主要的两种植被端元光谱,对实验区进行分类,依据植被分布位置,确定这两种植被分别为桉树和车桑子;然后对植被的反射率光谱进行一阶、二阶微分,连续统去除和对数变换处理;最后基于4种光谱变换及反射率光谱计算两种植被的11种植被指数,依据两种植被对应植被指数的J-M距离,判断不同光谱曲线对植被的识别能力.结果表明,5种光谱曲线对植被识别能力由强到弱依次为二阶微分、一阶微分、连续统去除、原始光谱、对数变换.     

深圳市绿地固碳能力演变探讨

基于深圳市2000、2004、2008、2012年的土地利用调查数据提取深圳市各行政区的绿地信息,利用City Green模型中的固碳模块计算了深圳市各行政区2000~2012年的绿地碳储量和年固碳量,对深圳市绿地固碳能力进行了评价。结果表明,2000~2008年深圳市绿地总面积呈现逐年减少的趋势,共减少89.69?km2。2012年出现少量反弹,增加4.19?km2;深圳市绿地固碳能力基本与绿地格局一致。研究结果反映出绿地面积和绿地结构组成是影响绿地固碳能力的主要因素,本结果能够有效指导城市规划和绿地建设。     

基于TM数据的雅鲁藏布江源区草地植被盖度估测

为了查明雅鲁藏布江源区的草地植被盖度,采用Landsat5 TM数据,以其派生数据NDVI,RVI,VI3,PVI,DVI,MSAVI,SAVI,TM4/TM5为主要分析因子,结合野外植被样地调查数据,选取相关性最高的因子与植被盖度实测值建立回归模型,然后利用该模型反演源区的植被盖度。研究结果表明:①和其他几种遥感评价指标相比,TM4/TM5的比值与草地植被盖度的相关性最高,与草地植被盖度实测值的变化趋势一致,在光谱特征上增强了不同退化程度草地植被的光谱反射值差异,最适宜用于草地植被盖度建模;②雅鲁藏布江源区植被盖度的10个分级中,植被盖度为10%～20%的分布地区最多,面积达到4 322.15 km2,占全部草地面积的49.27%;其次是植被盖度为0～10%和20%～30%的地区,面积分别达到2 238.53 km2和1 397.87 km2,分别占全部草地面积的25.52%和15.94%;植被盖度高于50%的草地面积为195.96 km2,仅占源区草地总面积的2.23%;③植被盖度大于50%的高覆盖度植被区主要分布于4 426～4 800 m高程范围内,面积达到186.25 km2,占整个源区高覆盖度草地面积的95.04%,这与源区的水分分布条件相关。     

基于无人机重建点云与影像的城市植被分类

针对以往无人机遥感用于城市植被分类时多利用影像光谱、纹理和形状等特征,影像重建点云数据未能充分利用的问题,提出一种综合影像重建点云与光谱信息的城市植被分类方法。首先,基于运动恢复结构(structure from motion,SFM)、多视图聚簇(cluster multi view stereo,CMVS)和基于面片模型的密集匹配(patch based multi view stereo,PMVS)算法重建研究区密集点云;然后,经滤波、插值生成研究区数字高程模型(digital elevation model,DEM)和归一化数字表面模型(normalized digital surface model,n DSM),同时结合影像光谱信息对不同高度的城市植被进行分类提取;最后,采用面向对象的影像分析方法,根据n DSM信息与归一化绿红差异指数(normalized greenred difference index,NGRDI)及可见光波段差异植被指数(visible-band difference vegetation index,VDVI)等光谱信息,分别建立了水生植被、草地、灌木、小乔木和乔木等不同植被的分类规则。实验结果表明综合利用影像重建点云得到的n DSM信息与影像光谱信息提取不同高度的植被是可行的,总体分类精度达到92. 08%。该方法可为城市植被分类与制图提供理论支持和应用参考。     

综合典型地表组成的城市地表温度估算

针对单一的地表物质组成并不能充分反映城市地表热环境特点这一问题,该文基于热混合影像,利用线性光谱分解方法获取地表组成信息,然后利用光谱分解热混合、线性回归、决策树方法估算地表温度。结果表明:只研究单一地表组成对地表温度的影响,有可能扩大其环境效应;决策树模型在不同规则下能更好地模拟地表温度的空间异质性;光谱分解热混合模型只需要两组数据即可估算出不同地表覆盖下的地表温度,且估算精度较其他模型高;光谱分解热混合模型和多元回归模型结合4种地表组成监测其对地表温度的影响,决策树方法通过不透水面、水体、植被预测地表温度,前两者估算精度比后者高,因此综合考虑城市典型地表组成能更好反映其对地表温度的作用。     

基于无人机高光谱影像的NDVI估算植被盖度精度分析

研究波段参数对NDVI估算植被生物物理参数的影响,对于提高NDVI在植被覆盖变化监测中的应用精度具有重要意义。采用无人机载Resonon Pika XC2高光谱仪获取的人工草地高光谱影像,分析红光和近红外波段位置移动与宽度变化对NDVI的影响,评估NDVI对植被盖度的敏感性和植被盖度估算精度。结果表明:波段位置固定时红光和近红外波段宽度扩展对NDVI及其敏感性影响不大,窄波段NDVI估算植被盖度的精度优于宽波段。红光和近红外波段位置向长波方向移动时对NDVI及其敏感性有不同程度的影响,随着敏感性增强NDVI抗扰动性降低,估算植被盖度的精度有所下降。窄波段NDVI的灵敏度系数及其与植被盖度线性拟合的R2波动剧烈,植被盖度估算的位置稳定性较差。10 nm NDVI在不同位置处取得了较高的盖度估算精度,R2最大值为0.83。4种主流卫星影像计算的宽波段NDVI对于高植被覆盖区盖度反演具有良好的适用性,但与窄波段10 nm NDVI相比其盖度反演精度仍然有一定程度的衰减。研究结果可为NDVI精确反演植被参数提供科学参考和依据。     

影像分割的城市不透水面信息提取

针对线性光谱混合分解在端元选取中的不足,该文提出了结合影像分割的线性光谱混合分解不透水面估算模型。选取植被、高反射率、低反射率、土壤4种端元,利用线性光谱混合分解和结合影像分割的线性光谱混合分解两种模型,以2010年的TM5遥感影像为数据源对哈尔滨市主城区的不透水面进行估算,并对两种模型进行了对比分析。研究结果表明:线性光谱混合分解和结合影像分割的线性光谱混合分解的平均绝对误差分别为19.84%和14.76%,说明结合影像分割的线性光谱混合分解模型比线性光谱混合分解方法的估算精度高。     

基于光谱吸收深度分析的冬小麦生物量估算模型的建立

准确的估算作物的生物量,对作物长势监测具有重要的意义。利用高光谱仪获取的冬小麦高光谱实测数据,通过植被参数分析、植被光谱吸收特征挖掘,构建了冬小麦生物量的高光谱估算模型。结果表明,基于光谱深度分析与偏最小二乘方法建立的估算模型的R2值为0.86,RMSE为0.0397kg/m~2,较基于植被参数的生物量估算模型,模型精度得到了大幅的提高。本研究证实了利用光谱深度技术可以准确地挖掘光谱数据的"红谷"波段与生物量之间的关系,从而实现冬小麦生物量估算精度的提高。     

基于遥感与碳循环过程模型估算土壤有机碳储量

土壤有机碳含量的估算是当前全球碳循环研究的热点之一,但不同学者之间的估算值差异较大。从估算方法看,主要有基于土壤剖面的直接估算法和基于生态系统碳循环过程模型的间接估算法,这两种方法各有优缺点。直接估算法由于只反映了不同土壤或植被类型的土壤有机碳含量平均值的差异,因而空间分辨率较低。而间接估算法由于参数的简化,影响了土壤有机碳估算的空间精度。作者将遥感的高时空分辨率特征、反映生态系统碳循环动态变化的过程模型、实际测量的土壤有机碳结合起来,以求提高土壤有机碳估算的空间分辨率。考虑到受温度、水分的影响,土壤呼吸与土壤有机碳含量的关系并不好,而土壤基础呼吸由于剔除了温度和水分的影响,从而使其与土壤有机碳的关系非常密切,其测定系数R^2可达0.78。采用了结合遥感和碳循环过程的CASA模型及Van＇t Hoff土壤呼吸模型,首先估算了8km分辨率的土壤基础呼吸的空间分布,在此基础上结合实测的土壤有机碳估算了8km分辨率的土壤有机碳的空间分布。     

结合高光谱和高空间分辨率影像提取城市固体废弃物堆

城市固体废弃物给城市的环境及居民的生活质量造成了严重的影响。利用遥感手段提取城市固废堆具有及时和高效的特点,因此具有十分重要的意义。然而,由于固废堆组成成分复杂、分布不规律,仅仅利用高分辨率影像进行提取十分困难。本文结合高光谱影像和高分辨率影像提取了城市固废堆,采用多尺度的研究方法,在对高光谱和高分辨率影像预处理的基础上,首先在高光谱影像上进行了粗提取,然后将粗略结果映射到高分辨率影像上,进行了精确提取。以北京市地区作为研究区域,使用数据包括获取时间接近的Quick Bird影像和Hyperion高光谱影像,利用提出的方法进行固废提取试验,并将最终的试验结果与目视判读结果进行对比,固废堆的识别率为82.35%,准确率为74.81%。同时,该方法与已有的固废提取试验对比结果有显著提高。这一结果表明,本文提出的结合高光谱影像和高分辨率影像提取城市固废堆方法具有可行性。     

无人机多光谱影像的天然草地生物量估算

地上草地生物量是衡量天然草地生态系统的重要指标,是草地资源合理利用和载畜平衡监测的重要依据。为了快速、准确、有效地估算天然草地地上生物量,掌握其变化规律,以天山北坡天然牧场为研究区,分析其地上生物量的时空分布特征。根据研究区阴坡与阳坡不同的草地类型和植被种类,利用多旋翼无人机获取的高分辨率多光谱影像(含近红外波段),结合地面实测数据,在进行天然草地地上生物量与植被指数相关性分析的基础上,运用回归分析方法,建立生物量和多种植被指数的估算模型。结果表明:考虑地形因子(阴阳坡)之后,植被地上生物量与各植被指数的相关性系数显著提高;不同坡向,同一植被指数拟合精度差异较大;同一坡向,各个植被指数的敏感性也有所不同。总体上,比值植被指数(RVI)与阴阳坡草地生物量拟合效果最好,模型精度均达到75%以上。利用植被指数建立的生物量估算方法结果与实际相符,可为天然草地生态系统检测和草地资源合理利用提供方法和依据。     

高分辨率影像的植被分类方法对比研究

高分辨率影像的纹理信息可解决用光谱分类面临的“同物异谱”和“同谱异物”问题,更精确地分辨地物的细微变化,但将纹理作为主要信息进行植被分类的研究较少。本文以南京市钟山景区为例,利用IKONOS影像数据的纹理信息进行植被分类,并将结果与用光谱信息、植被指数信息的分类结果比较。共使用了4个灰度共生矩阵纹理量：CON（对比）、COR（相关）、HOM（同质）和MCON（改进的对比）分析各类植被的纹理表征设阈值分割;用3个植被指数：NDVI（归一化指数）、MSAVI（改进的土壤调节指数）和SAVI（土壤调节指数）（L取0.5和5）选择发现SAVI5最能区分。对纹理和指数信息均设各类型的阈值进行分割提取;基于光谱信息分别用最小距离监督分类和ISODATA非监督分类。研究中先进行数据恢复,再分别用三种信息将试验区植被分为6类：草地、竹林、常绿针叶林、常绿阔叶林、混交林和园地,最后将三种方法4个结果进行比较。精度评价的结论是：纹理信息分类的精度最高,植被指数次之,光谱信息中的非监督分类最低,纹理反映地物光谱及差异信息,可作为最佳方法用于植被分类。