植被指数时序数据距离测度方法评价

利用MODIS增强型植被指数(EVI)时序数据,基于中国陆地生态系统55种植被类型上的468个测试点和一个测试区进行了实验,综合比较欧氏距离、光谱信息离散度、光谱角余弦、核光谱角余弦、相关系数、光谱角余弦-欧氏距离6种距离测度方法对遥感植被指数时序数据聚类精度的影响,结果表明:相关系数方法的聚类精度最差;光谱角余弦-欧氏距离方法充分利用了植被指数时序数据的曲线幅度和形状特征,在这6种距离测度方法中表现出了最优的聚类效果;只对光谱亮度敏感的欧氏距离方法或只对曲线形状敏感的光谱角余弦方法,无论是在区分地物类型方面,还是在区域应用上,表现效果均较差;核光谱角余弦虽然在点数据测试上表现较差,但在区域应用上却有较好的表现;光谱信息离散度无论是在点数据测试上还是在区域应用上均表现出了较为适中的效果。     

运用NDVI-Albedo特征空间提取石漠化信息

石漠化是西南喀斯特地貌地区面临的最主要生态环境问题之一,对石漠化进行监测是其防治的一项重要工作。本文以威宁西部典型的石漠化研究区斗古乡为例,基于Landsat 8 OLI遥感数据,计算了研究区归一化植被指数(NDVI)和地表反照率(Albedo),通过NDVI-Albedo特征空间构建石漠化差值指数(RSDDI),对石漠化信息进行提取并对其进行精度验证。研究表明:基于NDVI-Albedo特征空间法构建的石漠化差值指数能够较为准确且便捷地对石漠化信息进行提取与分级,在中度石漠化及重度石漠化的制图精度均达到89%以上,提取效果较好,有利于西南喀斯特地貌地区对石漠化的定量评估与监测。     

WorldView-2纹理的森林地上生物量反演

使用高空间分辨率卫星WorldView-2的多光谱遥感影像,构建植被指数和纹理因子等遥感因子与森林地上生物量的关系方程,并计算模型估测精度和均方根误差,探索高分辨率数据的光谱与纹理信息在温带森林地上生物量估测应用中的潜力。以黑龙江省凉水自然保护区温带天然林及天然次生林为研究对象,通过灰度共生矩阵(GLCM)、灰度差分向量(GLDV)及和差直方图(SADH)对高分辨率遥感影像进行纹理信息提取,并利用外业调查的74个样地地上生物量与遥感因子建立参数估计模型。提取的遥感因子包括6种植被指数(比值植被指数RVI、差值植被指数DVI、规一化植被指数NDVI、增强植被指数EVI、土壤调节植被指数SAVI和修正的土壤调节植被指数MSAVI)以及3类纹理因子(GLCM、GLDV和SADH)。为避免特征变量个数较多对估测模型造成过拟合,利用随机森林算法对提取的遥感因子进行特征选择,将最优的特征变量输入模型参与建模估测。采用支持向量回归(SVR)进行生物量建模及验证,结果显示选入模型的和差直方图均值(sadh_mean)、灰度共生矩阵方差(glcm_var)和差值植被指数(DVI)等遥感因子对森林地上生物量有较好的解释效果;植被指数+纹理因子组合的模型获得较精确的AGB估算结果(R2=0.85,RMSE=42.30 t/ha),单独使用植被指数的模型精度则较低(R~2=0.69,RMSE=61.13 t/ha)。     

特征提取和决策树法土地利用遥感分类

文章以安徽省淮南市为例,采用2005年Landsat-5 TM多光谱数据,分析地物谱间关系,选择改进归一化差异水体指数(MNDWI)、归一化植被指数(NDVI)、归一化建筑指数(NDBI)、TM4+ TM5、TM4+ TM5+TM7、DEM高程和坡度等特征值,构建决策树分类规则,完成研究区土地利用遥感分类.结果表明:MNDWI和TM4+TM5特征值能较好地区分水体与非水体;NDVI和NDBI可完成非水体区域植被与非植被信息分类;DEM和TM数据6波段和值可完成建筑用地、裸地和沙(旱)地分类;DEM和TM4+ TM5+ TM7能较好地解决耕地和园地混淆问题.决策树法分类总精度和Kappa系数分别为90.29％和0.87,相比较于最大似然分类法和基于特征提取波段的最大似然分类法,精度均有所提高.     

基于北京一号CCD数据的植被指数特性分析

植被指数是遥感领域用来表征地表植被覆盖及生长状况简单而有效的度量参数,在环境、生态、农业等领域都有广泛的应用。但由于植被指数繁多,在选择和应用植被指数时往往很随意或盲目。本文以北京一号覆盖永安市的CCD多光谱数据为例,基于光谱、方差和多重分析方法,对13种植被指数特性进行分析。结果表明:RGNDI、RGRI、MSAVI、TNDVI、NDGI可以较好区分农田和浓密林地;RGNDI、NDGI、RGRI可以有效地消除阴影的影响,却易与水体混淆;在不考虑阴影的情况下,NDVI、RVI、RDVI、GRNDVI比RGNDI、NDGI、RGRI可以更好区分不同覆盖程度的植被。     

基于缨帽变换影像融合的遥感影像植被信息提取

充分结合缨帽变换、遥感影像融合以及归一化植被指数(NDVI)的优点,提出了一种基于缨帽变换的遥感影像融合与NDVI相结合的植被信息提取方法,并与传统的NDVI方法进行了对比。实验表明,该方法很好地改善了遥感影像植被信息的提取精度,特别是提取道路两旁的行道树以及居民小区中的绿地信息,效果更好。     

石漠化遥感评价因子提取研究

通过地面光谱试验,验证了植被指数和线性光谱分解方法提取石漠化遥感评价因子的有效性,并基于光谱吸收特征发展了石漠化综合指数(karst rocky desertification synthesis indices,KRDSI).结果表明,植被指数能够比较有效地提取绿色植被盖度,土壤背景对基于植被指数的喀斯特地区绿色植被...     

玉米大豆生长中后期遥感辨识的指示性特征研究

玉米和大豆是两种主要的粮食作物,及时准确地监测两者的种植面积对于产量预测和市场价格的制定具有重要的意义。利用遥感技术探究在生长季中后期能有效区分玉米和大豆的指示性特征集,为在不同实验区进行推广应用和提前玉米和大豆种植面积信息发布的时间提供技术支撑。文章以玉米和大豆为研究对象,以黑龙江和安徽省两个典型种植区为实验区,以高分一号影像为数据源,计算多种植被指数特征和两种纹理特征,同时利用特征优选方法评价特征间的相对重要性,并结合随机森林分类算法分析特征个数对精度的影响,得到不同试验区区分两者的最佳特征子集。随后根据不同实验区最佳特征子集的共同点和差异,遴选出对玉米和大豆中后期区分的遥感指示性识别特征集,并设计实验方案验证其有效性和稳定性。实验表明：在玉米和大豆生长中后期存在具有高效辨识两者的遥感特征集,能有效和稳定地增强两者的遥感识别能力;在不同实验区,基于特征优选方法可以选择出区分玉米和大豆的最佳分类特征子集,得到两者最优的识别效果,比仅仅使用原始波段特征的分类精度提升了近10个百分点,总体分类精度能够平均达到97%,Kappa系数0.96,玉米和大豆的单类分类精度平均超过95%;在不同的种植区,利用玉米和大豆的指示性特征集可以得到几乎与优选出的最佳特征子集同样的分类精度和制图效果,且具有稳定性和有效性,较最佳特征集更具推广使用意义。指示性特征集包含6种：植被指数中的比值植被指数（RVI）,差值植被指数（DVI）,转换型植被指数（TVI）,改进型叶绿素吸收比率指数（MCARI）和灰度共生矩阵（GLCM）纹理特征中的二阶矩（the Second Moment）和熵（Entropy）。     

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。     

几种TM影像的水体自动提取方法比较

本文对几种常用的TM影像水体方法进行论述,并提出了两种水体自动提取方法,一种是将TM2+TM3>TM4+TM5的谱间关系法与IHS彩色空间构建模型相结合提取水体;另一种是基于卫星图像数据的LBV变换与归一化植被指数NDVI的遥感影像水体信息自动提取的方法。并通过实验比较几种方法的优点和缺点,IHS彩色空间构建模型的方法可以有效地提高细小水体提取的精度,LBV变换与NDVI相结合的方法可以准确地区分水体与低密度覆盖的水植混合区。     

不同健康状况松针反射光谱特征分析

为利用高分辨率遥感影像实现大面积的枯死松树监测,本研究通过测量不同程度的枯死和健康松针的光谱曲线,结合GF-2遥感影像的波段范围分析其光谱特征与敏感波段,并借助28种光谱指数探究区分健康松树与枯死松树的适宜光谱指数。结果表明:近红外波段(欧氏距离为118.16)是识别枯死松树的最敏感波段。文中使用的28种光谱指数除R_(gre)-R_(blue)、R_(blue)/R_(nir)+R_(gre)、R_(blue)/R_(nir)+R_(red)、R_(blue)/R_(gre)、(R_(blue)-R_(gre))/(R_(gre)+R_(blue))和R_(blue)/R_(red)+R_(gre)这6种光谱指数外,其余22种光谱指数的J-M距离均超过1.90,表现出很好的光谱可分性。研究结果可为构建适用于GF-2遥感影像进行枯死松树监测的植被指数提供理论基础。     

结合SIFT特征点和泊松融合的无人机遥感影像拼接技术

针对无人机遥感影像拼接技术的研究,本文提出了一种结合尺度不变的SIFT特征点和重叠过渡泊松融合的无人机遥感影像无缝拼接方法.该方法首先采用SIFT算法对影像进行特征点提取,根据特征描述符间的欧氏距离对特征点进行粗匹配;然后使用随机采样一致性(RANSAC)算法剔除误匹配点对,为防止计算出的单适应矩阵线性结构不稳定,引入...     

基于Landsat 8的泰山地区植被指数与地形因子关系分析

主要研究了基于Landsat 8遥感数据的泰山地区植被指数与地形因子之间的关系。基于Landsat 8 OLI遥感数据,综合运用遥感图像处理技术和地理信息系统空间分析技术,提取泰山地区2014年7月的归一化植被指数;再利用数字高程模型(DEM)提取该地区的地形因子(海拔、坡度以及坡向);进而使用叠合分析法,分析了泰山地区植被指数与地形因子之间的关系。研究结果表明:泰山地区总体上植被指数(NDVI)值较好;植被指数随海拔的升高而增加;坡向对NDVI值影响明显,东北坡植被指数最高。数据分析的结果对于泰山地区生态环境的监测保护与可持续发展都有积极意义。     

基于RS与GIS技术的泸定县植被空间分布分析

以四川省泸定县为分析研究区域,综合运用遥感图像处理技术与GIS空间分析技术,用ETM+遥感影像获取归一化植被指数(NDVI)信息并反演植被覆盖度,用地形图等高线生成数字高程模型(DEM)并提取地形因子。借助叠合分析法,讨论植被覆盖度与海拔高度、坡度、坡度变率、坡向、坡向变率5种地形因子的空间关系,得到泸定县关于地形因子的各等级植被空间分布特征。分析对地植物学中高山峡谷地区植被的地形格局分布规律研究与生态环境的评价与改良都具有重要的参考价值。     

基于随机森林的GF-2影像土地利用分类研究

高分二号卫星是我国自主研制的第一颗亚米级遥感卫星。其影像因信息丰富、纹理清晰等特点,被广泛应用于土地利用分类研究中。随机森林是一个包含多个决策树的分类器,是遥感影像土地利用分类方面的一种有效方法。针对单纯的随机森林方法在土地分类中存在的错分的情况。本文基于灰度共生矩阵提取影像纹理信息,同时利用影像的归一化差分植被指数(Normalized Difference Vegetation Index,NDVI),将影像的归一化差分植被指数和纹理信息相结合,采用随机森林的方法进行土地利用分类并得到了较高的分类精度。实验证明了该方法对高分辨率卫星遥感影像的土地利用分类具有较好的效果。     

基于地表定量参数的沙漠化遥感监测方法

利用野外沙漠化调查的定位数据和ETM+ 遥感数据，在实验分析的基础上，探讨了沙漠化程度与地表参数之间的定量关系，即沙漠化与植被指数（NDVI）、地表辐射温度（LST）之间的关系，提出了综合反映沙漠化土地生物物理特征的遥感监测指数——沙漠化遥感监测差值指数（DDI），为沙漠化遥感监测提供有效的定量化方法。     

草地蝗虫发生遥感监测的一种新算法

草地蝗虫发生的遥感指标分析是建立草地蝗虫发生预报模型的基础。以Landsat-5 TM为遥感信息源，根据草地蝗虫发生的遥感机理，提出了一种基于比值的草地蝗虫发生监测的遥感新算法，即R／G=(TM4 TM7)／TM6。在青海湖地区，结合草地蝗虫发生的野外样点数据，应用此新算法以及常用的标准植被指数[归一化植被指数(NDVI)和土壤调节植被指数(SAVI)]，分别进行了此3种指标对草地蝗虫发生的差异显著性检验。结果表明，在草地蝗虫密度≥5头／m^2时，常规的标准算法(NDVI，SAVI)优于新算法(RIG)；而在草地蝗虫密度≥15头／m^2和≥25头／m^2时，RIG优于NDVI和SAVI，可用于草地蝗虫发生的遥感监测。     

特征分量的城市建筑物面向对象提取方法

针对城市建筑物提取精度易受裸土、道路等干扰的问题,该文以陇西某区ADS100影像为例,构建出一种基于特征分量的城市建筑物面向对象提取模型。首先,建立亮度特征分量、(NIR-B)/(NIR+B)特征分量、归一化植被指数(NDVI)特征分量进行信息增强;其次,将以上分量进行波段重组;最后,分割重组后的多波段新影像,创立相应的规则集,实现目标城市建筑物提取。实验表明,该方法既能有效消除裸土、硬化道路的影响,又能较为准确地检测出ADS100影像中的建筑物信息。     

石漠化程度遥感信息提取方法研究

岩溶石漠化是中国西南地区的一种严重的生态环境问题。近年来有进一步恶化的趋势。本文以贵州省普定县典型研究区IKONOS遥感数据为例,给出了一种利用多光谱遥感数据定量提取岩溶石漠化程度信息的算法。在多维光谱的向量空间分析的基础上,提出了“植被线”的概念,并定义“石漠化几何指数”（GRI）为多维向量空间中不同程度的石漠化像元到“植被线”的归一化距离。作者认为使用这种方法提取石漠化程度,可以避免人工解译的主观性强,工作量大的缺点。使提取到的石漠化程度结果客观稳定。     

典型植被指数识别火烧迹地潜力分析

植被指数法是利用卫星遥感影像识别火烧迹地的常用方法之一。植被因受火的干扰会形成火烧迹地,其光谱特征易与裸地、水体、道路、阴影和耕地等地物光谱混淆,使用遥感影像采用合适的植被指数提高过火区遥感监测精度仍是亟待解决的问题。以四川省2014年和内蒙古自治区2017年发生的4次森林火灾形成的火烧迹地作为研究区,利用高分一号16 m宽幅(GF-1 WFV)数据和Landsat8数据的波谱特性,选取归一化植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI)、全球环境监测植被指数(global environment monitoring index,GEMI)、过火区识别指数(burned area index,BAI)和归一化火烧指数(normalized burn ration,NBR)等5种典型植被指数,通过构建不同植被指数的分离指数M来定量评价这些植被指数识别火烧迹地的潜力。研究结果表明,基于近红外—短波红外波段的NBR和基于可见光—近红外波段的BAI对过火区的分离性较好,NDVI的分离性次之,EVI和GEMI的分离效果较差;基于GF-1 WFV和Landsat8数据采用BAI和NBR指数对内蒙古鄂伦春自治旗火烧迹地进行了识别(其中GF-1 WFV数据只用于BAI识别),并利用高分二号(GF-2)数据进行了精度验证,两者火烧迹地识别总体精度均大于87%,Kappa系数均大于0. 7。