基于ERDAS平台的NDVI植被覆盖变化检测

介绍了利用ERDAS IMAGINE软件对多时相遥感影像进行地表植被覆盖变化检测的方法及过程,采用归一化植被指数差值法,得到包含多时相遥感影像变化信息的差异图像,依据差异图像的灰度直方图分布情况,结合经验公式设置变化阈值来分离变化信息和非变化信息。     

城镇扩张遥感动态监测的方法研究

利用遥感技术动态监测城镇扩展己成为一个重要的研究领域和应用方向。本论文基于多源多时相遥感影像和地形数据,以福建漳州市区为示范区,探讨城镇建筑用地扩张遥感动态监测的方法。作者认为基于ASTER影像,综合利用非监督分类、多时相植被指数、城镇建筑用地的地形分布等知识建立分类决策规则,可以有效提取城镇建筑用地信息,准确度不低于90%。同时提出利用城镇建筑用地时空分布知识、多时相植被指数知识,改进TM三指数城镇建筑用地提取方法的思路,最终提取的城镇建筑用地信息满足城镇建筑用地动态变化分析的精度要求。     

利用图像差值法在动态遥感监测中应用探讨

遥感影像在土地动态监测应用上具有准确性和高效性,节约动态监测成本,提高作业效率,实时、快速、高效、准确、可行地反映土地利用现状。基于遥感数据多时相、高分辨率的特点,本文主要探讨利用图像差值法快速、准确发现土地利用变化信息。     

热带森林植被的动态变化遥感监测

本文讨论了以热带森林植被为主体的再生资源的面积动态变化监测。研究中包括两个部分。首先,我们利用多时相遥感图像对大面积的西双版纳州进行地类判读,系统地分析了森林植被的动态变化。其次,利用Landsat MSS和TM数据对自然保护区的动态变化进行了包含无监督分类和归一化差值植被指数分析的数字图像处理,变化分类也相当符合实际。总的实验结果表明,这种监测方法是很有效的,可在再生资源监测中特别是在森林植被监测中加以推广应用。     

基于多时相遥感图像灰度差值法的地表变化检测

为快速利用多时相遥感数据实现地表信息的变化检测,探讨了使用多时相遥感图像的灰度差值法来进行地表变化检测.计算差值图像的均值和标准差,建立其数学关系,确定变化阈值;通过差值运算后处理方法获得变化信息,并结合地表信息的光谱反射特性,进行城市地表信息的变化检测.     

遥感技术在农田保护动态监测中的应用研究

以甘肃省张掖市农田保护区为例,在比较分析多时相影像叠舍方法、图像代数变化检测算法、多时相图像主成份分析法和分类后比较法等几种目前常用的变化检测方法的基础上,提出重点农田保护遥感动态监测的一般思路和方法,并利用ERDAS系统中的空间建模工具,建立起基于图像代数变化检测算法一差值法的动态遥感变化检测模型。实验表明该模型用于检测耕地的变化简单且有效,能够满足重点农田保护动态监测精度的基本要求,对遥感技术在农田保护动态监测中的应用有着一定的现实意义。     

马尾松毛虫危害区植被指数时序变化特征研究

本文介绍了利用虫害年度的多时相NOAA-AVHRR图像数据计算监测区归一化差植被指数（NDVI）,结合收集到的监测区的马尾松毛虫害历史资料来进行森林病虫害监测和预报的研究成果。从统计编制的分区NDVI时间序列变化曲线的对比来看,虫害区与非虫害区NDVI曲线具有一定的时序变化特征,对监测虫害有一定作用,也显示了NOAA-AVHRR资料在森林病虫害监测预报方面有一定应用前景。     

一种基于TM影像的不透水面信息提取方法

针对TM影像不透水面提取的研究,通过综合分析被广泛应用于提取不透水面的归一化差异不透水面指数法和归一化差异植被指数法,从而提出一种改进的快速提取不透水面的方法--实验指数组合法,即通过将植被指数取反减去水体指数。以高分影像ZY3和可提供经纬度信息的Google Earth作为参考,将归一化差值不透水面指数、归一化差值植被指数和实验指数组合法得到的提取结果分别进行评价,获得了图像的分类精度,对比可知实验组合指数法的精度高于其他两种指数结果,其精度为88.16%。     

一种NDVI时间序列离散Fourier重建方法

时间序列重建是多时相遥感变化监测研究的基础.多时相遥感数据由于气象、轨道周期等原因,很难达到严格意义的同时相.不同时相的特征信息不具有可比性.以一矿区归一化差值植被指数为例,采用2004-2007年SPOT II/IV数据,通过大气校正,波段运算,获得7个时相的包括伪不变特征区和矿业扰动区8个实验工作面的NDVI最大值...     

基于KICA的多时相遥感图像变化检测

针对PCA变化检测方法的精度较低和ICA方法的线性局限性问题,提出了基于核独立成分分析(KICA)的多时相遥感图像变化检测方法。首先,将每一时相的图像转化为列向量,并把这些列向量组成矩阵;然后,通过核函数将矩阵映射到高维特征空间中,再在该空间中利用ICA方法分离出相互独立的图像分量;接着通过FCM算法分割表征变化信息的图像分量,并采用区域生长算法获得完整的变化信息;最后,分别利用本文方法与差值法、PCA方法和ICA方法对多时相遥感图像进行变化检测,并对检测结果进行定性分析和定量比较。结果表明,该方法能更好地分离出多时相遥感图像的变化信息,具有更高检测精度。     

Forest cover classification using Landsat ETM+ data and time series MODIS NDVI data

Forest cover plays a key role in climate change by influencing the carbon stocks, the hydrological cycle and the energy balance. Forest cover information can be determined from fine-resolution data, such as Landsat Enhanced Thematic Mapper Plus (ETM+). However, forest cover classification with fine-resolution data usually uses only one temporal data because successive data acquirement is difficult. It may achieve mis-classification result without involving vegetation growth information, because different vegetation types may have the similar spectral features in the fine-resolution data. To overcome these issues, a forest cover classification method using Landsat ETM+ data appending with time series Moderate-resolution Imaging Spectroradiometer (MODIS) Normalized Difference Vegetation Index (NDVI) data was proposed. The objective was to investigate the potential of temporal features extracted from coarse-resolution time series vegetation index data on improving the forest cover classification accuracy using fine-resolution remote sensing data. This method firstly fused Landsat ETM+ NDVI and MODIS NDVI data to obtain time series fine-resolution NDVI data, and then the temporal features were extracted from the fused NDVI data. Finally, temporal features combined with Landsat ETM+ spectral data was used to improve forest cover classification accuracy using supervised classifier. The study in North China region confirmed that time series NDVI features had significant effects on improving forest cover classification accuracy of fine resolution remote sensing data. The NDVI features extracted from time series fused NDVI data could improve the overall classification accuracy approximately 5% from 88.99% to 93.88% compared to only using single Landsat ETM+ data.     

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。     

遥感植被指数对多时相AVHRR数据主成分分析的影响

对中国全年36个旬NOAA－AVHRR的1km覆盖数据进行两步处理：分别采用比值植被指数RVI、归一化植被指数NDVI、土壤调整植被指数SAVI和修改型土壤调整植被指数MSAVI最大值合成方法从每3旬数据合成每月数据；对每一种处理后的原始数据计算四种植被指数，并对这16种数据进行了主成分变换，分析不同处理方式对主分量积累方差和各主分量所分映生物学规律的影响。     

Vegetation recovery monitoring over the waste dump in Haizhou opencast coalmine area,China, during 1975–2000 using NDVI and VF index

Vegetation condition monitoring has been done from 1975 to 2000 in the waste dump of Haizhou opencast coalmine area, China, using remote sensing techniques with the objective of improving our understanding of the temporal and spatial variation of vegetation recovery in the mining dump. Four historical vegetation indexes (NDVI, VF, soil brightness and vegetation greenness) from two Landsat 2 MSS images and two Landsat 5 TM images are extracted and analyzed. For the purpose of comparison and analysis two improved techniques such as normalization grading of change slope and image segmentation were used in this study. Based on the results obtained through the above analysis two conclusions are derived: (1) vegetation recovery in the study area is in an improved condition, (2) two remote sensing based vegetation indexes such as VF and NDVI are the optimal parameters to monitor vegetation condition, which could be used as the indicators of land reclamation progress in the mining area.     

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。     

一种利用多时相TM影像分析地表植被变化的新方法：——以敦煌地区绿洲植 …

变化分析是多时相遥感影像的主要应用领域。以敦煌绿洲为例,探讨一种应用多时相ＴＭ影像进行地表植被变化分析的新方法。结果证明,用不同时相的ＮＤＶＩ影像进行彩色合成可以直观地反映地表植被的变化,而利用色彩变换得到的各分量可以对变化特点进行定量分析。其中色度反映变化类型,饱和度反映变化强度,而亮度图像则反映地表植被多年来的总体长势。除了直观和定量的特性之外,该方法还可以用于其它类型的变化分析,具有可扩展性     

一种利用多时相TM影像分析地表植被变化的新方法--以敦煌地区绿洲植被变化分析为例

变化分析是多时相遥感影像的主要应用领域。以郭煌绿洲为例 ,探讨一种应用多时相TM影像进行地表植被变化分析的新方法。结果证明 ,用不同时相的NDVI影像进行彩色合成可以直观地反映地表植被的变化 ,而利用色彩变换得到的各分量可以对变化特点进行定量分析。其中色度反映变化类型 ,饱和度反映变化强度 ,而亮度图像则反映地表植被多年来的总体长势。除了直观和定量的特性之外 ,该方法还可以用于其它类型的变化分析 ,具有可扩展性     

用基于知识的决策树方法分层提取矿区土地类型——以湖北大冶为例

以湖北大冶为研究区,采用多时相陆地卫星遥感图像,通过不同波段组合,以及ironoxide指数和归一化差异植被指数(NDVI)等,详细分析了各地表地物光谱特征和空间特征,建立了研究区分类知识库表,采用决策二叉树法进行分类,得到了高精度分类结果图。基于不同时相分类结果的变化检测,通过对研究区水体污染、矿区复垦、耕地变化等分析,认为从1986～2002年,研究区水质虽有一定改善,但矿区植被退化严重,耕地大量减少,停产矿区复垦仅为20%,为合理保护矿区生态环境和科学管理采矿企业提供了有用资料。     

Soil salinity and vegetation cover change detection from multi-temporal remotely sensed imagery in Al Hassa Oasis in Saudi Arabia

Detecting soil salinity changes and its impact on vegetation cover are necessary to understand the relationships between these changes in vegetation cover. This study aims to determine the changes in soil salinity and vegetation cover in Al Hassa Oasis over the past 28 years and investigates whether the salinity change causing the change in vegetation cover. Landsat time series data of years 1985, 2000 and 2013 were used to generate Normalized Difference Vegetation Index (NDVI) and Soil Salinity Index (SI) images, which were then used in image differencing to identify vegetation and salinity change/no-change for two periods. Soil salinity during 2000–2013 exhibits much higher increase compared to 1985–2000, while the vegetation cover declined to 6.31% for the same period. Additionally, highly significant (p < 0.0001) negative relationships found between the NDVI and SI differencing images, confirmed the potential long-term linkage between the changes in soil salinity and vegetation cover.