泰山地区近三十年植被覆盖变化与地形因子分析

针对在人类活动影响下,泰山地区植被覆盖面积变化情况,以陆地卫星(Landsat TM/OLI)遥感影像为研究基础影像,采用遥感图像处理平台(ENVI)和ArcGIS软件,对泰山地区1985、1995、2003、2008、2013、2018年的6期遥感影像,通过归一化指数(NDVI)对遥感影像植被信息进行反演,通过地形因子提取实现对高程、坡度、坡向信息的提取与绿色植物覆盖的综合分析.研究发现:泰山地区植被面积由西北向中南递减,周边农村区域植被覆盖大于中心城区;伴随海拔增高,植被面积呈倒"U"变化,多在100～500 m高程范围内;植被多分布在坡度较缓,向阳区域.     

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。     

高原地区LST空间分异特征及影响因素研究——以桑珠孜区为例

揭示高原地区地表温度(land surface temperature,LST)空间分异特征及影响因素对当地气候变化研究的意义重大。现有研究主要分析了LST与单因子的关系,但以高原地区为研究区,结合多方面因子进行LST空间分异特征与影响因素定量分析的研究还相对较少。文中以西藏自治区日喀则市桑珠孜区为例,利用Landsat8遥感数据,采用辐射传输方程算法和普适性单通道算法反演研究区LST;应用地理探测器模型中的因子探测器与交互探测器分别定量探测出单因子与多因子共同作用时对LST的影响程度。研究结果表明,可量化因子中,LST随坡向度数的增加呈现出先增加后降低再增加的趋势,其他因子与LST间均呈明显的负相关关系,但下降速度存在差异;海拔是影响高原地区LST空间分布与分异特征的最主要因素,其后依次为归一化植被指数(normalized difference vegetation index,NDVI)、坡向、归一化水汽指数(normalized difference moisture index,NDMI)、土壤类型、坡度与年均降水量;高原地区LST的空间分布与分异特征的形成是多种因子共同作用的结果,所有因子在交互作用下均具有协同增强作用,海拔与坡向、海拔与NDMI以及海拔与NDVI的影响最为显著。     

大气校正前后山地流域NDVI变化特征对比

大气校正是遥感影像处理的重要环节,探究大气校正前后归一化植被指数(normalized difference vegetation index,NDVI)特征及其地形梯度特征具有一定理论意义。以贵州省境内包溪河流域为例,基于Landsat8遥感影像和FLAASH大气校正,探究NDVI分等级和分地形变化特征。得出以下结论:①未进行大气校正所得NDVI在空间上总体被低估;②未经大气校正所得NDVI不能反映各阶段趋势和比例关系,存在严重偏差,NDVI 0. 6时绝对误差超过20%;③大气校正与否影响各海拔NDVI变化趋势和数值高低,NDVINAC在海拔900 m以下时绝对误差上升,其后波动下降;④大气校正与否对各坡度NDVI趋势和数值均有影响,随坡度上升,NDVINAC绝对误差先上升后下降,坡度在[50°,55°)时绝对误差最大;⑤大气校正与否对各坡向NDVI趋势均有影响,NDVINAC西坡绝对误差最大,东坡最小。     

南方丘陵区植被覆盖度遥感估算的地形效应评估

植被覆盖变化是生态环境领域的核心研究内容之一,但其估算精度常受到地形效应、土壤背景、大气效应等各种因素影响。以Landsat 8 OLI为遥感数据源,基于像元二分模型,分别利用归一化差值植被指数(NDVI)、经Cosine-C校正的归一化差值植被指数(NDVI)和归一化差值山地植被指数(NDMVI)建立植被覆盖度估算模型,以评估南方丘陵区植被覆盖度的地形效应。结果表明,3种植被覆盖度估算模型均能削弱地形效应,但消除或抑制地形效应影响的能力不同。比较而言,基于NDMVI指数构建的植被覆盖度估算模型的地形效应最小,更适合地形复杂区域的植被覆盖度遥感估算;基于Cosine-C校正的NDVI植被指数构建的植被覆盖度估算模型的地形效应次之,但存在一定的过度校正现象;基于NDVI植被指数构建的植被覆盖度估算模型的地形效应最大,尤其当坡度≥10°时,阴坡植被覆盖度比阳坡明显偏低。     

GF-1WFV与Landsat8OLI的NDVI交互比较与定量关系研究

为弥补、修正构建Landsat 8归一化植被指数(normalized differential vegetation index,NDVI)长时间序列中因云层覆盖、影像质量与重访周期导致的数据缺失问题,交互比较高分一号(GF-1)与Landsat 8两类传感器的植被探测能力,并对其植被指数的定量关系进行研究,探讨以GF-1局部镶嵌或全局替换Landsat 8缺失数据构建时序NDVI的可行性。结果显示,Landsat 8与GF-1具有NDVI差异性,具体表现为Landsat 8探测地物信号更强,而GF-1获取地物信息量更多;相同空间分辨率(30 m)下两传感器NDVI数据呈现高度线性相关,经方程转换后,GF-1的NDVI拟合数据与Landsat 8的NDVI关系增强;同时,两传感器的NDVI数据存在区域差异性,且拟合数据可以有效减少差异程度。实验表明,此方法可实现Landsat 8高分辨率时序NDVI的构建,具有一定应用价值。     

绿色空间生态服务与地形因子的相关性分析

绿色空间生态服务(green space ecosystem services,GSES)与地形因子(坡度、海拔、坡向)有密切的关系,研究其关系对区域生态服务功能的修复、完善和可持续发展具有重要意义。通过奉化市绿色空间地类的划分和生态服务的计算模型获得GSES的价值。利用GIS技术提取坡度、海拔、坡向3个地形因子,同时分别获得每个因子对应的GSES值,最后选择Spearman相关分析模型对GSES价值与地形因子值进行检验。结果显示,奉化市GSES价值在空间上呈现出东北部、东南部GSES价值最低,西部、南部GSES价值较高的格局;GSES价值与地形因子的相关性强度表现为:坡度海拔坡向。同时由于海拔、坡度和坡向的变化导致温度、水分和太阳辐射在地表发生变化,并致使生态服务空间格局随海拔、坡度和坡向的变化呈现一定的规律性。     

基于植被分区的多特征遥感智能分类

为了有效地提取大范围地形复杂区域的土地利用/土地覆盖遥感信息,以位居青藏高原与黄土高原过渡地带的青海东部地区为研究区,研究基于蚁群智能优化算法(ant colony intelligent optimization algorithm,ACIOA)的土地利用/土地覆盖遥感智能分类。首先选用TM图像、DEM、坡度和坡向数据作为分类的特征波段;然后利用归一化植被指数NDVI对实验区数据进行植被分区;最后利用ACIOA算法进行分类规则挖掘,并依据分类规则进行土地利用/覆盖信息的提取。研究表明,基于植被分区的多特征蚁群智能分类的总体精度为88.85%,Kappa=0.86,优于传统的遥感图像分类方法,为大范围地形复杂区域的土地利用/土地覆盖遥感信息提取提供了有效的方法。     

秦岭地区NDVI与地形因子的相关性分析

秦岭山区地形因子是影响植被分布的重要因素。选取2001、2009和2017年MODIS陆地产品MOD13Q1数据和DEM数据,从DEM中提取地形因子,高程、坡度和坡向,与MODIS的NDVI数据结合,分析了地形对秦岭地区植被空间分布影响。研究结果表明:(1)NDVI随着高程的增大而逐渐增大,在高程1800 m左右时达到最大值,随后又随着高程的增大而减小;(2)NDVI在坡度0°～5°间逐渐增大,在5°～40°呈稳定趋势,从40°开始缓慢减小,60°达到乔木能够生长的坡面倾角临界值,当坡面倾角大于60°时植被指数开始快速减小;(3)受太阳辐射的影响,坡向在NW 270°～360°,SE 240°～270°之间的植被长势较好,其余坡向上长势一般。     

基于地理探测器的合肥市热岛效应影响因素分析

地表温度是城市热岛效应的重要指标.本文利用合肥市2018年4月10日的Landsat-8 OLI影像数据,经过预处理后,采用大气校正法反演地表辐射温度,并提取研究区域的归一化差分植被指数(NDVI)、归一化差分水体指数(NDWI).通过地理探测器模型,探测地表温度和海拔、NDVI、NDWI等因子之间的影响关系.结果表明...     

地形效应校正的遥感地热异常提取

在山地复杂地形条件下,利用热红外遥感获得的地表温度分布显著受到地形的影响,真实的地热异常信息往往难以识别,热红外遥感应用于山区地热勘探受到极大限制。以广东龙川地热勘查区为研究区,初步探讨了山地环境中如何抑制地形效应,以有效提取地热异常。首先,基于Landsat ETM+遥感数据反演地表温度,分析坡向和坡度两个地形因子与地表温度的关系;然后,在此基础上,将研究区的地表温度按坡向分成3个子区(阳坡、过渡坡和阴坡),根据阳坡地表温度与坡向的线性拟合关系将其校正到水平坡度上;最后,结合地质构造分布和地表覆被情况,在3个子区识别了4处地热异常,并与已知地热点进行比较验证。结果表明:坡向分区和阳坡坡度校正能够有效抑制地形效应,提高遥感地热异常识别精度,为山区地热资源的预测评价提供新思路。     

青藏高原植被覆盖度与地形相关性分析

提取青藏高原海拔高度、坡向,用分级分类的方法综合分析了青藏高原植被覆盖度和地形的相关性,利用30 m ASTER GDEM数据、Landsat影像数据及植被类型等资料,结合ERDAS和ArcGIS 9.3软件对青藏高原DEM进行处理,计算NDVI,研究得出的主要结论如下:1青藏高原海拔高度在4 500 m处的NDVI最高;5 500 m之后的NDVI逐渐降低,海拔与植被覆盖度呈负相关;2青藏高原北坡、西北坡和东北坡的NDVI较高,南坡的NDVI较低,阳坡的NDVI较高,阴坡的NDVI较低。     

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。     

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。     

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。     

东亚飞蝗灾害的遥感监测实验

通过对蝗虫栖息、生长和繁殖的生境进行野外实际调研和数据采集,利用TM图像数据提取蝗虫生存的芦苇样地的归一化植被指数(NDVI)、抗大气植被指数(ARVI),综合分析遥感数据与实测数据之间的相关关系,找出探测蝗灾的光谱特征域在遥感图像上对应的位置,提出监测和预测蝗灾的遥感方法.     

双台河口国际重要湿地芦苇地上生物量遥感估算

基于多时相的Landsat8 OLI卫星遥感数据,采用面向对象的分类方法,提取双台河口国际重要湿地芦苇分布信息。通过对归一化植被指数(normalized difference vegetation index,NDVI)等6个植被指数与野外实测芦苇地上生物量数据间的统计分析,比较不同植被指数对芦苇地上生物量的敏感性,构建双台河口国际重要湿地芦苇地上生物量遥感反演模型;应用该模型对芦苇地上生物量进行遥感反演以及空间格局分析。结果表明:双台河口国际重要湿地芦苇分布面积为4.39×104hm2,约占该研究区总面积32.96%;选取的6个植被指数均与芦苇地上生物量显著相关(p0.05),其中,以NDVI为变量的幂指数形式的估算模型为芦苇地上生物量遥感估算最优模型,模拟精度为79%,决策系数为0.76;双台河口国际重要湿地芦苇地上生物量呈东高西低和北高南低的分布格局,其平均地上生物量为4 785.5 g/m2,总地上生物量为2.06×106t;本研究结果可为双台河口国际重要湿地生态系统管理和生物多样性保护提供数据支持与科学指导。     

夏季川西高原地表温度的空间特征和影响因素——以西昌市大部分区域为例

揭示地表温度(land surface temperature,LST)的空间特征及其影响因素对环境变化研究具有重要意义。现有研究主要分析了单因子与LST的关系,但对向阳面和背阳面背景下多因子与LST的关系尚不清楚。研究中将区域划分为向阳面和背阳面,基于遥感数据提取土地利用信息并应用大气校正法进行LST反演,采用相关分析、主成分分析和逐步回归分析法构建LST与多因子(归一化湿度指数(normalized difference moisture index,NDMI)、归一化植被指数(normalized difference vegetation index,NDVI)、坡度(slope)、坡向(aspect)和数字高程模型(digital elevation model,DEM))的回归方程,研究了向阳面和背阳面背景下各因子对LST的影响程度。结果表明:相同海拔、土地利用的LST均表现为向阳面高于背阳面,LST随海拔升高而降低,不同土地利用的LST均不相同;向阳和背阳面LST的主要影响因素均为NDMI和DEM,向阳面NDMI影响程度最大,背阳面却相反;其余影响因子影响程度均较低,向阳面NDVI和背阳面Slope影响程度最大。因此,向阳和背阳面导致夏季川西高原LST空间格局变化,且其影响因子的影响程度和主次顺序差异明显。     

黑河流域叶面积指数的遥感估算

研究利用Landsat7ETM⁺遥感数据获取黑河流域植被叶面积指数(LAI)空间分布的可行性。该研究是基于黑河流域分布式水文模型的一个重要输入项———LAI空间分布数据的需要而产生的。文章在详尽的野外观测数据基础上,分别探究实测LAI与同时相ETM⁺3、4、5、7波段反射率及相关植被指数(SR、NDVI、ARVI、RSR、SAV I、PVI、GESAVI)的相关关系,率定最佳的LAI遥感反演及其空间分布方案。研究发现,针对特定的自然条件,将研究区分为植被覆盖度小的稀疏立地和覆盖度大的密集立地,分别采用土壤调节植被指数(SAVI)和大气阻抗植被指数(ARVI)进行2种林地的LAI估算最为可靠,在此基础上,提出黑河地区LAI估算及其空间分布的遥感制图方案。     

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)。