基于多时相环境一号卫星CCD数据的植被覆盖信息快速提取研究——以长白山地区为例

选取长白山地区为研究区,利用2009年14期环境一号卫星CCD数据,运用非监督分类方法提取了长白山地区2009年植被覆盖信息,对提取结果进行了精度验证并与单期TM数据提取结果进行了对比分析.研究表明,多时相环境一号卫星CCD数据能够快速准确地提取植被覆盖信息,总体精度为84.67％,Kappa系数为0.82,总体精度和单个植被类型精度均高于单时相TM数据;多时相环境一号卫星CCD数据能区分出常绿针叶林和落叶针叶林,且分类结果景观破碎度较低;长白山地区以针阔混交林为主,占区域总面积的40.84％,植被呈明显的垂直地带性分布.     

基于Landsat8影像时间序列NDVI的作物种植结构提取

为提高内蒙古平原灌区作物种植结构遥感监测精度和效率,提出一种基于时序NDVI曲线的作物种植结构提取方法。以内蒙古土默特右旗平原区为研究区域,以2015年覆盖作物生育期的多时相Landsat影像为数据源,根据不同地物其NDVI值范围不同,将研究区地表分为植被覆盖地表,无植被覆盖地表和水体3类。在植被覆盖区域内,根据林地和荒草地时序NDVI曲线特征,提取林地和荒草地,其余区域即为农田。根据小麦、玉米、葵花和西葫芦的时间序列NDVI曲线特征差异构建分类决策树模型,在农田区域内提取上述作物的空间种植分布信息。研究区各类地物及作物遥感提取面积与实际统计面积接近,土地利用分类总体精度达到85.71%,作物分类总体精度达到82.69%。研究结果表明该方法提取作物种植信息的精度较高,能够实现区域作物种植信息的高效准确监测。     

基于 NDVI 物候特征的华南地区冬种马铃薯遥感提取方法

马铃薯是华南地区的特色冬种农作物,其地块的“早稻―晚稻―冬种马铃薯”三季种植模式具有特有的植被指数时间序列曲线特征。利用这一特征,提出一种基于 NDVI 时间序列数据和 SAM 的冬种马铃薯种植面积提取方法。以广东省惠州市稔平半岛为研究区,冬种马铃薯面积为研究对象,采用 2011 年 HJ-1 A/B CCD 遥感数据为主要数据,计算每一景影像的 NDVI 后以时间为坐标轴排列成 NDVI 时间序列数据集,在此提取冬种马铃薯种植区的 NDVI 时间序列参考曲线,使用光谱角度匹配（SAM）方法,计算每个像元的 NDVI 时间序列曲线与 NDVI时间序列参考曲线的光谱夹角值,根据 Rule 图像的统计参数确定夹角阈值,达到快速有效地在遥感影像上提取冬种马铃薯对应像元的目的。结果表明：研究区总体提取精度为 82.70%,重点种植区域提取精度为 93.75%,可见基于 NDVI 物候特征的 SAM 方法能够有效提取研究区冬种马铃薯的种植面积。     

三江源区湖泊和沼泽遥感影像分类研究

为了进一步了解三江源区的湿地分布现状,尝试利用MODIS 16天合成的归一化植被指数(NDVI)数据,采用决策树分类方法对三江源区湿地的遥感影像进行了分类研究.在数据预处理时,采用中值滤波和主成分变换结合的方法有效地去除了MODIS数据的噪声;在决策树构建过程中,结合DEM数据有效地提取出湖泊;利用象元NDVI时序变化曲线规律,采用先控制曲线形状、再控制拐点阚值的方法对沼泽进行分类.通过精度验证,湖泊的分类精度达到了96.5%,总的分类精度达到了84.2%,Kappa系数为0.78.利用MODIS NDVI时间序列数据和决策树方法能够满足大范围区域湖泊和沼泽遥感影像分类要求.     

基于MODIS NDVI时序数列的柴达木盆地土地覆盖分类研究

以2003年柴达木盆地的MODIS卫星遥感影像为基础数据,结合野外实地考察资料,综合分析了2003年柴达木盆地的植被指数时间变化与空间分布特征,提取了该年度该区域各主要土地覆盖类型NDVI的时序数列曲线,采用NDVI时序数列变化曲线形状匹配方法对柴达木盆地进行了土地覆盖类型分类.在此基础上使用了将以月为单位的变化曲线转换为十二维空间中的单位向量,比较向量夹角以决定其相似度的先进算法,取得了良好的分类效果,获得了2003年柴达木盆地比较精确的土地覆盖分类图.提出了利用MODIS卫星遥感影像进行土地覆盖分类的新方法.     

辅以NDVI/DEM的面向对象木薯提取方法研究——以广西壮族自治区武鸣县为例

木薯作为重要的非粮能源作物,因其种植分散、与易混淆作物缺乏生长时相差,从而导致其种植分布信息难以正确获取,一直是困扰木薯乙醇资源正确评估的技术问题。该研究以广西壮族自治区武鸣县为研究区,应用高分辨率RapidEye影像数据,探讨利用面向对象分类方法合理提取木薯种植面积及其空间分布信息。研究表明,将归一化植被指数(NDVI)和数字高程数据(DEM)应用于遥感影像的多尺度分割,并结合基于隶属度函数和阈值的面向对象分类方法,提取木薯种植面积的精度达85%,分类精度(以Kappa系数表示)为0.9。相比最大似然监督分类方法和未辅以NDVI/DEM的面向对象分类方法,该方法的总精度分别提高了5%和12%,Kappa系数分别提高了0.2和0.3。因此,NDVI和DEM数据参与影像分割的面向对象的信息提取方法,可以有效地提高遥感图像分类的精度,并为提取种植分散、与相关植被时相差异小的作物的空间分布提供了有效的技术借鉴。     

基于NDVI的新疆荒漠地区植被覆盖度遥感估算经验模型研究

新疆荒漠地区植被覆盖度遥感估算模型十分缺乏,给荒漠化监测等相关工作带来很大不便,开展植被覆盖度遥感估算经验模型研究,对于促进和完善相关地区的生态监测及研究工作具有积极的现实意义。通过对阜康市北部沙漠南缘和克拉玛依市中部平原荒漠进行无人机航拍,利用无人机遥感提取(光合)植被信息,并将无人机航拍影像的植被覆盖度统计单元与高分辨率卫星影像像元在空间上直接相对应,获取在高分辨率卫星影像像元尺度上的植被盖度,然后通过植被覆盖度和空间上与其相对应的源自高分辨率卫星影像的NDVI数据的拟合关系,建立基于源自高分二号影像的NDVI的阜康北部沙漠植被覆盖度遥感估算线性模型以及基于源自ZY1-02C影像的NDVI的克拉玛依平原荒漠植被覆盖度遥感估算二次多项式模型。研究中所采用的无人机遥感与卫星遥感相结合、植被覆盖度统计单元与卫星像元在空间上直接对应的方法,可避免以往相关工作中常以点位测量数据代表卫星像元数据所带来的不确定性。由于所用卫星影像的NDVI数据稳定性相对不足等原因,所建立的遥感估算模型的估算精度尚相对偏低,有待于今后进一步的工作加以改进。     

联合主被动遥感的植被覆盖度反演——以白洋淀–大清河流域山区为例（英文）

由于光学遥感穿透性差,不能穿透林冠层识别林下植被,基于单一光学遥感提取的植被覆盖度,难以反映林下植被信息,从而无法为土壤侵蚀评价提供有效植被覆盖因子。针对此问题,本文以白洋淀–大清河流域为研究对象,结合实测数据,探究不同光子点分类下光子计数ICESat-2/ATLAS植被覆盖度采样的能力,并实现了研究区内星地协同植被覆盖度采样。在此基础上,联合Sentinel-2和Sentinel-1以及DEM等多源数据,基于随机森林回归模型方法实现植被覆盖度反演,并与传统常用的NDVI像元二分法提取结果进行对比。结果表明：相比于传统的NDVI像元二分法提取的反演结果,利用本研究中构建的随机森林回归模型估算的植被覆盖度精度更高,一定程度上可以对茂密森林的林下植被进行监测,避免了光学遥感存在的林下植被信号缺失的问题。在0.05、0.1和0.15不同的植被覆盖度误差容忍范围内,精度分别提升–4.1%、5.3%和9.4%,分别达到55.6%、71.1%和94.3%。     

绿洲植被覆盖度遥感信息提取——以敦煌绿洲为例

以敦煌绿洲为研究区,利用Landsat TM遥感数据,通过归一化植被指数(NDVI)和混合像元分解两种方法,提取了敦煌绿洲的植被覆盖度信息。在基于NDVI提取植被覆盖度时,选取了基于NDVI的像元二分模型; 在混合像元分解过程中,对遥感影像进行波段反射率归一化处理和最小噪声变换(MNF),确定了3个类型端元:植被、不透水表面/土壤、水体/阴影; 最后利用高分辨率遥感影像验证对比了两种提取方法的精度。结果表明:混合像元分解更能准确地提取敦煌地区植被覆盖度信息,其线性相关系数为0.8915,均方根误差为0.0882,而且提取结果更符合实际情况,可以为敦煌植被状况监测及生态环境保护提供科学建议。     

应用国产高分一号卫星数据提取风蚀荒漠化遥感信息方法研究

基于国产高分一号卫星数据,建立荒漠化遥感信息产品指标体系,利用风蚀荒漠化影响因子对荒漠化遥感信息进行分级提取。该方法以国产高分一号影像数据为风蚀荒漠化分类特征波段,利用面向对象方法,分离非荒漠化信息、建立风蚀荒漠化分类提取方法,并进行风蚀荒漠化提取方法精度评价。本文介绍了在民勤地区应用国产高分一号卫星遥感数据提取风蚀荒漠化分级信息的实例。