利用高光谱混合像元分解估测喀斯特地区植被覆盖度

以Hyperion高光谱影像为数据源,以植被、裸土、裸岩作为喀斯特地区典型地物,利用纯净像元指数方法从影像中提取这3类地物的端元,然后利用匹配滤波(MF)和混合调谐匹配滤波(MTMF)混合像元分解的方法对喀斯特地区的植被覆盖度进行了估测。结果表明:MTMF方法反演得到的喀斯特地区植被丰度与实测植被覆盖度之间的最大偏差为0.15,确定系数R2为0.78,均方根误差RMSE为9.18,MTMF植被覆盖度提取的结果明显优于MF,故MTMF方法反演得到的喀斯特地区植被丰度准确地代表了地表真实植被覆盖情况。研究表明,MTMF方法对喀斯特地区植被覆盖度的估测具有更高的精度及可靠性,具有广阔的应用前景。     

利用R-Shiny架构的植被物候参数分析系统设计与实现

植被物候作为反映植被与气候变化关系的重要参量,具有重要的研究意义。本文基于R语言分布式架构Shiny构建了植被物候参数分析系统,可实现站点分布可视化、感兴趣区(Region of Interest,ROI)选取与绘制、植被指数计算与可视化、数据过滤、生长曲线轨迹拟合与物候参数提取等功能模块。用户可提取不同植被类型数码相机时间序列的植被指数,并用max方法进行平滑与去噪处理,然后选择合适的方法组合拟合植被群落季相变化轨迹,最终提取较为精确的关键物候参数。林地数据系统测试结果表明:1)相对绿度指数GI比其他相对植被指数和单波段的亮度值振幅明显,其时间序列可表征植被实际生长轨迹; 2)不同拟合方法与提取方法的组合效果不同,如klosterman与klosterman方法组合适合林地类型的植被物候参数提取,用户可综合均方根误差与季节群相变化轨迹结果,筛选出适合所选植被物候数据的拟合与物候参数提取方法组合。     

利用经验模态分解的近地面植被指数时序数据重构研究

NDVI遥感产品可以较好地反映植被的生长情况,已被广泛应用于植被物候的遥感分析。本文利用PhenoCam物候相机观测网络林地站点的近地面多光谱数码相机照片,通过近红外和红光波段组合提取近似NDVI的时序数据,并在景观尺度上采用经验模态分解方法(EMD,Empirical Mode Decomposition)实现一定容差范围内NDVI时序数据的重构。结果表明:EMD方法能够有效地减少NDVI时序数据噪声干扰,经验证,趋势项残差的趋势较为明确。实验基于重构结果进行植被物候分析,得到的物候分布特征与植被实际生长反映的变化特征基本一致。     

南水北调中线水源区植被覆盖度遥感监测分析

南水北调中线工程是我国大规模跨流域调水工程的一部分,开展该区域植被覆盖度变化的研究与分析,对于保护该区域的生态环境及水质具有重要意义。该文以2000年和2009年两期遥感图像为本底数据,利用基于NDVI的像元二分模型对南水北调中线水源区的植被覆盖度进行了估算,并分析了该区植被覆盖度的时空变化特征。结果表明:2000年该水源区植被覆盖度的平均值为67.5%,2009年的平均值达到72%,植被覆盖度总体呈增长趋势;植被覆盖度增幅的空间特征表现为水源区中部地区高,东西部地区相对较低;在不同植被类型中,落叶针叶林的覆盖度平均值增幅最大,草地覆盖度增幅最小;位于水源区的大多数县(市)的植被覆盖度在近十年来都有不同程度的增加,其中柞水县的植被覆盖度平均值增长幅度最大,这与国家实施退耕还林、封山育林、基本农田建设等政策有关。     

基于MOD13Q1数据的大湄公河次区域植被覆盖时空变化分析

基于MOD13Q1-NDVI数据,采用最大值合成法提取2000—2017年的月植被指数,分别从月平均NDVI和年平均NDVI两个角度分析了大湄公河次区域植被覆盖的时空变化特征.结果表明:2000年以来,大湄公河次区域年平均NDVI总体上呈波动增长;但不同时段植被覆盖度变化不同,2000—2005年植被覆盖度总体略有降低...     

超贫磁铁矿区植被覆盖度变化的遥感监测

超贫磁铁矿的开发会对地表产生剧烈的扰动。为监测2001年以来长河矿区植被盖度的变化情况,本文分别采用2001年和2015年的Landsat TM和OLI影像数据,基于归一化植被指数(Normalized Difference Vegetation Index,NDVI)的像元二分模型对该地区的植被盖度进行定量估算,并分析其时空变化特征。结果显示:2001—2015年间,高级植被覆盖度区域面积减少了29.4 km~2,低级和中低级植被覆盖度区域面积增加了17.9 km~2;在变化幅度上,植被覆盖度中、大幅度增加区的面积为1.9 km~2,而中、大幅度减少区面积为25.6 km~2。空间特征分析表明,研究区内植被覆盖度变化较大的区域均与采矿活动区有紧密联系。     

使用基函数理论的单色相机多通道光谱重构

提出并实现了一套完整的基于基函数理论的单色相机多通道光谱重构系统。该系统对数码响应值进行了线性校正,提高了光谱重构精度。实验重构光谱的最小均方根误差可以达到0.006 87,色差最小可达到0.02,平均色差只有2.25。     

路域植被覆盖度非密度模型方法探讨

针对传统的"两流近似模型"法存在易受干扰、估算复杂、精度较低等不足的问题,文章将改进的PRO-4SAIL2物理模型反演的叶面积指数引入植被覆盖度信息提取,与常用的"两流近似模型"法相比,物理模型反演法的物理意义明确、计算简捷。最后将两种方式得到的植被覆盖度与融合的高分辨率IKONOS影像为匹配基准比较,结果表明,基于PRO-4SAIL2物理模型法得出的植被覆盖度精度更高,提高了路域植被覆盖度反演的准确性,可应用于路域植被覆盖度非密度模型中。     

基于MODIS数据的黄河源区植被覆盖度反演研究

以黄河源区高寒草地为研究对象,采用无人机航拍技术获取了样地实测的植被覆盖度;结合2001-2018年MOD13A1数据提取常用植被指数,分别采用像元二分模型法和回归模型法对研究区植被覆盖度进行了反演,并对其精度进行了验证;采用最小二乘法分析了黄河源区2001年以来植被覆盖度的变化趋势.结果表明,修正的土壤调节植被指数结合回归模型的反演精度较高;黄河源区多年平均植被覆盖度为57.89％,植被覆盖度处于30％以内、30％～60％、60％以上3个区间的面积分别占源区总面积的13.1％、27.25％和49.65％;2001-2018年黄河源区植被覆盖度略呈增长趋势.     

五拼数码相机参数标定

根据数码相机的特点,介绍了相机标定的内容。对五拼数码航空相机采用分步标定的方式获得了相机参数,先采用基于10参数模型的自检校光束法平差完成单个相机标定,再通过旋转矩阵变换法进行组合相机的相对位置标定。通过试验,得到了高精度的相机参数。     

线性/非线性光谱混合模型估算白刺灌丛植被覆盖度

及时监测干旱与半干旱区光合/非光合植被覆盖度时空变化,可以为指导荒漠化防治工程及植被衰退机制研究提供重要信息。本文以甘肃民勤典型植被白刺灌丛为研究对象,通过地面控制性光谱实验获取混合光谱、端元光谱与丰度信息,开展线性与非线性光谱混合模型(包括核函数非线性和双线性混合模型)估算光合和非光合植被覆盖度的对比研究,采用全限制最小二乘法进行模型解混,分别获取各样本数据中各类端元丰度及其精度信息,通过模型分解的均方根误差(RMSE)与地面验证精度确定用于光合和非光合植被覆盖度估算的最佳光谱混合模型,其中参考端元丰度采用神经网络(NNC)分类算法对数字影像进行分类获取。结果表明:(1)引入阴影端元的四端元模型相对于传统的三端元模型(光合/非光合植被与裸土)能有效提高光谱解混的精度,并提高光合和非光合植被覆盖度估算精度;(2)对白刺灌丛来说,光合植被、非光合植被、裸土及阴影间多重散射混合效应存在,但混合效应不够显著;考虑非线性参数的核函数非线性光谱混合模型表现略低于线性光谱混合模型,因此非线性光谱混合模型在估算白刺灌丛光合和非光合植被覆盖度时相对于线性光谱混合模型没有明显优势;(3)基于光合/非光合植被、裸土与阴影四端元的线性光谱混合模型可以实现白刺灌丛光合和非光合植被覆盖度的准确估算,光合植被覆盖度估算RMSE为0.11 77,非光合植被覆盖度估算RMSE为0.0835。     

八步沙林场防沙治沙区植被覆盖度时空演变分析

以古浪县八步沙林场防沙治沙区域及其周边乡镇为研究区,基于Landsat影像,利用植被覆盖度遥感估算方法提取了1991-2019年研究区的植被覆盖度数据,并对区域内植被覆盖度变化的总体趋势、时空演变特征、影响因素等进行了深入分析.结果 表明:①1991-2019年区域内植被覆盖度明显向好发展,极低植被覆盖度区域逐年减少,...     

基于NDVI和LSMM的干旱区植被信息提取研究——以新疆吐鲁番市为例

植被是干旱区生态建设重要的组成部分,而植被覆盖度是生态环境变化的重要指示,是评价生态系统健康的前提条件。本文在遥感等技术的支持下,以landsatTM影像为数据源,选用归一化植被指数(NDVI)和线性光谱混合分析模型(LSMM)两种方法进行分析比较,提取吐鲁番市近20年植被覆盖度,并对该地区植被覆盖度的演变特征进行分析。结果表明:①LSMM方法能较好地提取干旱区植被信息,指标简单且分类精度较高。②NDVI方法提取植被时,受到很多限制,在干旱区不宜采用。     

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。     

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。     

基于植被覆盖度的植被变化分析

植被覆盖度是衡量地表植被状况的一个最重要的指标,也是影响土壤侵蚀与水土流失的主要因子,对于区域环境变化和监测研究具有重要意义。为了有效地从遥感资料中提取植被覆盖度,以像元线性分解模型两个重要参数为基础,建立基于归一化植被指数(NDVI)进行估算植被覆盖度的模型。最后以杭州地区为实验样区,利用MODIS影像数据对覆盖度进行估算,并对样区的植被变化进行分析。     

基于NDVI的兰州市城关区植被覆盖度变化研究

基于遥感和地理信息系统技术,利用2000年Landsat5 TM和2015年Landsat8 OLI两期遥感影像,提取兰州市城关区不同时期的归一化植被指数(NDVI),运用像元二分模型估算了植被覆盖度(FVC),分析了2000~2015年城关区的植被覆盖状况及动态变化情况。结果表明,15 a间城关区低植被覆盖度(0FVC≤15%)和中植被覆盖度(15%FVC≤40%)分别增加9%和15%,中高植被覆盖度(40%FVC≤70%)和高植被覆盖度(70%FVC≤100%)分别减少17%和9%;植被覆盖度增加面积约10 km~2,减少面积约21 km~2。     

基于ASTER遥感影像的亚热带植被覆盖度信息提取

根据植被指数估算植被覆盖度的原理,以混合像元线性分解模型两个重要参数为基础,建立基于归一化植被指数(NDVI)进行估算植被覆盖度模型是研究区域植被覆盖度的一种重要方法.本文以广州市花都区为实验区,利用ASTER高光谱影像对此方法进行验证性分析,实验结果表明:用该方法提取ASTER影像的植被覆盖度具有较好的可行性.     

相机与激光跟踪仪相对位姿标定方法的研究

在空间目标的六自由度精密测量中,激光跟踪仪测量技术与视觉测量技术的联合应用越来越多,为解决相机坐标系与激光跟踪仪位姿模型的标定问题,研究一种利用罗德里格矩阵标定相机坐标系与激光跟踪仪坐标系相对位姿的方法。首先,分别用激光跟踪仪与相机测量出公共靶点坐标和拍摄含有靶点的照片,再用标志中心提取算法和单张相片空间后方交会算法解算出靶点在相机坐标系下坐标,最后利用罗德里格矩阵进行坐标系转换,即可标定出相对位姿。实验结果表明:标定模型X轴平均误差和均方根误差分别为0.005 7mm和0.006 2mm;Y轴平均误差和均方根误差分别为0.003 2mm和0.003 5mm;模型的标定精度和稳定可靠程度基本满足测量需要。     

结合Sentinel-2光谱与纹理信息的冬小麦作物茬覆盖度估算

作物茬覆盖度的估算对于探究农业耕作方式对周围环境的影响具有十分重要的意义。目前,基于多光谱影像的作物茬指数是作物茬覆盖度估算的常用方法。然而,在作物茬高覆盖区域,指数法容易出现“饱和”现象。已有研究结果表明结合影像的光谱与纹理信息有助于改善指数法的“饱和”问题。Sentinel-2作为一颗多光谱卫星,空间分辨率可达10 m,与Landsat OLI相比,具有更丰富的纹理信息。因此,探究Sentinel-2光谱与纹理信息相结合在作物茬覆盖度估算上的潜力具有重要意义。本文以山东省禹城市为研究区,分析了Sentinel-2各波段反射率、归一化差值指数以及不同窗口大小下灰度共生矩阵统计量等遥感因子与野外实测作物茬覆盖度的相关性,并利用最优子集法对遥感因子进行筛选,构建作物茬覆盖度的最优估算模型。同时,使用留一法交叉验证对模型进行评价。结果表明在单因子分析中,归一化差异耕作指数NDTI（Normalized Difference Residue Index）与作物茬覆盖度的相关性最好,相关系数达0.735。使用NDTI、5×5窗口下Sentinel-2 8A波段的相关性统计量以及12波段的方差统计量构建的多元方程是作物茬覆盖度估算的最优模型,相关系数为0.869,均方根误差为11%。与仅使用光谱信息的最优模型相比,相关系数提高了0.094,均方根误差下降了3.5%。可见,结合Sentinel-2的纹理信息有助于提高作物茬覆盖度的估算精度。