岷江上游典型流域植被覆盖度的遥感模型及反演

本文在对岷江上游典型流域研究区实地踏勘和定位观测的基础上,综合利用Aster和ETM遥感数据、地面实测数据和常规观测数据等资料,研究了植被指数与植被覆盖度之间的相关性,确定了岷江上游典型流域植被覆盖度模型。以遥感图像中单个像元作为测算单位,对植被指数NDVI进行了计算,并对岷江上游毛儿盖地区植被覆盖度进行了反演。利用研究区实测数据、生态环境本底遥感调查数据和水文气象数据,对上述模型反演结果进行验证和精度分析。结果表明,模型反演结果精度较高,能较真实的反应研究区植被覆盖度实际状况。     

2000～2016年石羊河北部植被覆盖度动态变化特征

基于MODIS归一化植被指数产品(MOD13Q1),以石羊河流域北部盆地防沙治沙区为研究对象,统计该区域2000～2016年间植被覆盖度,并结合温度、降水数据分析研究区植被覆盖度时空变化特征。结果表明:①2000～2016年,研究区平均植被覆盖度从16.30%增长到20.79%,高盖度植被面积增加明显,劣覆盖度植被面积减少。②从不同土地利用类型来看,虽然各地类的平均植被覆盖度的变化趋势是逐渐增加,但种植土地的植被覆盖度增加速度要明显高于非种植土地。③研究区降水、气温与植被覆盖度变化相关性较低,表明研究区植被覆盖度的恢复与一些植被恢复工程的实施有关。     

植被覆盖度与温度关系的MODIS高光谱研究

针对我国局部区域的植被覆盖度与气候变化研究仍然较少的现状,该文以四川盆地为例,利用MODIS高光谱数据,以植被覆盖度作为监测植被动态变化指标,根据皮尔逊相关系数分析植被覆盖度与气候的相关性,总结2003—2010年四川盆地植被覆盖度动态变化趋势,研究温度变化对植被覆盖度的影响。研究表明:植被覆盖度与温度为极强正相关,除地震等特殊情况,两者变化趋势相似,夏高冬低。     

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.     

中国北方地区植被覆盖度遥感估算及其变化分析

为了分析中国北方地区2000年之后植被覆盖度的时空分布及其变化,利用MODIS光谱反射率数据计算归一化植被指数,采用像元二分模型对中国北方地区2000—2012年植被覆盖度进行定量估算,分析研究区13 a间植被覆盖度的时空变化特征。研究结果表明:植被覆盖度年内变化特征体现在最大植被覆盖度一般出现在7和8月份,与中国北方地区植被的生长季相一致;整个中国北方地区年最大植被覆盖度呈现缓慢增长的趋势,其增长速率为每年0.2%;年最大植被覆盖度变化的空间分布具有较大差异,其中东北、华北和黄土高原等三北防护林工程建设区的年最大植被覆盖度有较明显的增长。     

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-2支持下的干旱区稀疏植被区植被覆盖度估算

现有像元二分模型MODIS植被覆盖度模型因其形式简单、适用性较强的特点被广泛应用于区域植被覆盖度（FVC）的估算。然而,研究表明在沙漠和低植被覆盖的西部干旱区,从250 m的影像上很难精准地获取NDVI_veg（全植被覆盖植被指数）和NDVI_soil（全裸土区植被指数）参数。利用常用的直方图累计法获取模型所需参数NDVI_veg和NDVI_soil,估算结果存在普遍高估现象。为此,本文首先引入同期获取的GF-2号卫星数据,从GF-2号影像上提取植被覆盖像元;然后,利用Pixel Aggregate方法重采样至250 m分辨率,获取250 m空间分辨率下纯植被和纯裸土像元;最后,将纯植被和纯裸土像元各自空间位置相对应的MODIS NDVI数据最大值作为模型所需NDVI_veg和NDVI_soil参数,实现研究区内植被覆盖度的估算。试验通过与线性回归法、多项式回归法和直方图累计像元二分模型法估算结果进行精度对比,结果表明：利用GF-2影像辅助的像元二分模型,精准地获取了低植被覆盖区NDVI_veg和NDVI_soil模型参数,提高了干旱区植被覆盖度的估算精度,并有效地抑制了受稀疏植被影响NDVI在干旱区普遍偏高问题导致的FVC高估的现象。     

河南省植被覆盖度时空变化及其原因分析

基于河南省2010—2019年MODIS NDVI数据,利用像元二分模型估算植被覆盖度,利用一元线性回归获取变化趋势,并利用Pearson相关系数法探究河南省的植被指数和植被覆盖度的时空变化原因,可为河南省生态现状、生态环境建设规划和布局提供参考。结果表明：(1)2010—2019年河南省年度最大NDVI均值存在波动,呈微弱下降趋势;(2)河南省较高和中等植被覆盖度占比较大,且存在中等植被覆盖度向高植被覆盖度和低或无植被覆盖度的转换,社会因素是中等分化到低或无植被覆盖度的主要因素;(3)不同类型植被对降水变化的敏感性存在差异,森林、降水丰富地区和以灌溉为主的农业区受降水变化影响较弱,城镇、乡村和以降水为主的农业区受降水影响较强。     

叶尔羌河流域植被指数与地貌状况耦合度研究

针对叶尔羌河流域这一生态脆弱区,基于像元二分法利用MODIS NDVI数据计算该研究区典型正常年份2016年6—9月生长季植被指数(植被覆盖度),分析探讨了该流域植被覆盖度与土地利用/覆盖状况及高程、坡度、坡向等地貌状况主要要素之间的耦合关联关系。结果表明:叶尔羌河下游地区地形起伏较小,植被覆盖状况和土地利用/覆盖类型均具有明显的地带状与分层分布特征,植被覆盖度仅与距离水源地的远近相关性显著,与高程、坡度等其他地貌因子无明显相关性;而叶尔羌河中上游地区植被覆盖状况复杂,植被覆盖度与高程、坡度和坡向三因子总体耦合度较高。高程对植被覆盖状况的影响尤为显著,具有明显的垂直地带性;同时,随着高程增加,坡度对植被覆盖度的影响则表现出一定的垂直周期地带变化特性,以及随着坡向的变化植被覆盖度呈现出由阴坡、半阴坡较高(4 000m以下地区)按"顺时针"向阳坡、半阳坡较高(4 000m以上地区)逐渐转移。     

利用不同植被指数估算植被覆盖度的比较研究

选用蔬菜地和草地2种植被类型,利用ASD光谱仪实测二者在不同覆盖度下的光谱响应,分析了归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、修正植被指数(MVI)、修改型土壤调节植被指数(MSAVI)以及全球环境监测植被指数(GEMI)等6种植被指数所用的最佳波段及其组合,进而研究了利用像元二分模型估算植被覆盖度时的不同植被指数的表现.结果表明,与蔬菜地植被指数相关系数较高的波段组合为620 ～ 740 nm谱段和780 ～ 900 nm谱段内波段的组合,与草地植被指数相关系数较高的波段组合为620 ～750 nm谱段和760 ～900 nm谱段内波段的组合,相关系数均达0.8以上;在高光谱数据构建的植被指数和模拟卫星数据构建的植被指数中,用DVI和MSAVI估算植被覆盖度,平均总体精度分别达到83.7％和79.5％,与其他4种植被指数相比,这2种指数更适合于利用像元二分模型进行植被覆盖度的估算.     

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CHRIS数据的HDVI植被指数的植被覆盖度估算研究

选取江西省余干县的一景CHRIS/PROBA影像5个观测角度(±55°、0°和±36°)的反射率,在CHRIS数据处理后得到的NDVI基础上得到HDVI,并与野外实测的草地、灌木、针叶林、针阔林和阔叶林的VFC建立相关性分析,以及对于模型拟合度的决定系数R2的影响因素进行分析。结果表明,在±55°下,针阔林的多项式拟合度最高,植被类型模型的拟合度均值也最高。其次是灌木拟合度较高。最差的是针叶林指数模型,植被类型的整体拟合度最不理想。在±36°下,针阔林多项式拟合度最高,植被类型的整体拟合度也最高,其次是阔叶林拟合度较高。最差的是针叶林的指数模型,植被类型的整体拟合度也是最不理想的。     

Scrutinising MODIS and GIMMS Vegetation Indices for Extracting Growth Rhythm of Natural Vegetation in India

Satellite derived vegetation vigour has been successfully used for various environmental modeling since 1972. However, extraction of reliable annual growth information about natural vegetation (i.e., phenology) has been of recent interest due to their important role in many global models and free availability of time-series satellite data. In this study, usability of Moderate Resolution Imaging Spectro-radiometer (MODIS) and Global Inventory Modelling and Mapping Studies (GIMMS) based products in extracting phenology information about evergreen, semi-evergreen, moist deciduous and dry deciduous vegetation in India was explored. The MODIS NDVI and EVI time-series data (MOD13C1: 5.6 km spatial resolution with 16 day temporal resolution—2001 to 2010) and GIMMS NDVI time-series data(8 km spatial resolution with 15 day temporal resolution—2000 to 2006) were used. These three differently derived vegetation indices were analysed to extract and understand the vegetative growth rhythm over different regions of India. Algorithm was developed to derive onset of greenness and end of senescence automatically. The comparative analysis about differences in the results from these products was carried out. Due to dominant noise in the values of NDVI from GIMMS and MODIS during monsoon period the phenology rhythm were wrongly depicted, especially for evergreen and semi-evergreen vegetation in India. Hence, care is needed before using these data sets for understanding vegetative dynamics, biomass cestimation and carbon studies. MODIS EVI based results were truthful and comparable to ground reality. The study reveals spatio-temporal patterns of phenology, rate of greening, rate of senescence, and differences in results from these three products.     

利用无人机技术进行社区植被覆盖率调查

无人机遥感与传统遥感方法相比具有成本低、周期短、分辨率高等优势,适合小区域内地理信息的快速获取与更新。本文提出一种基于无人机的社区植被覆盖率调查方案,使用无人机获取社区范围内的航拍影像生成正射影像图,再基于可见光波段差异植被指数VDVI提取植被像素。为了解决拼接影像的VDVI直方图缺少双峰特征而导致的阈值选择困难,引入OTSU(大律法)来确定植被与非植被的分割阈值。为了解决偏绿建筑导致的伪植被现象,提出一种使用蓝红波段阈值来剔除偏绿建筑的方法。通过江阴市江锋社区的航飞数据进行实验证明,本文所提出的社区植被覆盖率调查方案具有生产周期短且准确率高的优点。     

The Vegetation Outlook (VegOut): A New Method for Predicting Vegetation Seasonal Greenness

The vegetation outlook (VegOut) is a geospatial tool for predicting general vegetation condition patterns across large areas. VegOut predicts a standardized seasonal greenness (SSG) measure, which represents a general indicator of relative vegetation health. VegOut predicts SSG values at multiple time steps (two to six weeks into the future) based on the analysis of "historical patterns" (i.e., patterns at each 1 km grid cell and time of the year) of satellite, climate, and oceanic data over an 18-year period (1989 to 2006). The model underlying VegOut capitalizes on historical climate-vegetation interactions and ocean-climate teleconnections (such as El Niño and the Southern Oscillation, ENSO) expressed over the 18-year data record and also considers several environmental characteristics (e.g., land use/cover type and soils) that influence vegetation's response to weather conditions to produce 1 km maps that depict future general vegetation conditions. VegOut provides regionallevel vegetation monitoring capabilities with local-scale information (e.g., county to sub-county level) that can complement more traditional remote sensing-based approaches that monitor "current" vegetation conditions. In this paper, the VegOut approach is discussed and a case study over the central United States for selected periods of the 2008 growing season is presented to demonstrate the potential of this new tool for assessing and predicting vegetation conditions.     

连续植被的热辐射方向性

正确认识非同温混合像元热辐射方向性规律是利用多角度遥感数据反演像元组分温度的前提。论文基于局地热平衡条件和组分有效发射率概念探讨了连续植被的热辐射方向性模型。模型表明同温下的热辐射方向性只决定于连续植被体系总有效发射率的方向性，它是各组分有效发射率的和，决定于植被叶面和土壤表面的发射率、冠层结构参数。在非同温状况下，组分温度通过组分有效发射率调节体系的辐射亮度方向变化。模型解释了热辐射中孔穴效应问题。并通过蒙特卡罗逆向模拟从微观探讨了热辐射方向性与植被叶面和土壤表面的发射率、冠层结构参数的关系，并对孔穴效应引起体系发射率的增量和辐射亮度的增量进行了模拟分析。结果表明，对于球面型连续植被，叶面和土壤表面发射率值分别取0.98和0.94时，垂直方向上孔穴效应使体系的总有效发射率有0.01-0.025幅度的增值。当连续植被处于20℃同温状况时，孔穴效应引起的辐射亮度增量基本上都在0.8℃以上，最高可达到1.3℃。     

植被生化组分的遥感反演方法研究

从反演物理模型提取植被生化组分含量的角度 ,分别在叶片和冠层水平探讨了反演生化参量的方法。在叶片水平 ,利用实验室测量光谱数据 ,较为准确地提取了水分和叶绿素含量 ,通过比较真实光谱数据与利用模型和真实参数模拟的光谱数据 ,得出如下结论 :模型能否准确描述某个参数的作用是能否真正准确反演该参数的关键。在模拟的冠层水平 ,基于多阶段反演思想 ,采用了分步反演策略 ,最终较为准确地反演了生化参数。     

基于高光谱的湿地植被分类研究

光谱特征的选择对于湿地植被的识别精度和效率有直接的影响。本文以萨克拉门托-圣华金三角洲为研究区,基于Hy Map航空高光谱遥感影像数据,分析湿地植被的一阶微分和二阶微分光谱特征。在上述分析的基础上基于均值置信区间的波段选择法对一阶微分、二阶微分进行波段选择,根据获取的有效特征波段构建特征集,利用C5决策树分类算法产生规则集,并对实验区的湿地植被进行了分类研究。结果表明:湿地植被的一阶微分、二阶微分能够突出不同湿地植被光谱曲线在不同波段的增速不同,利用均值置信区间的波段选择法能够对特征波段起到降维效果,根据降维后的特征波段采用C5决策树分类算法,可以实现湿地植被在物种水平上的识别,并达到较好的分类精度。     

利用GPS-R遥感技术反演植被生物量

为了验证利用GPS-R遥感技术反演植被生物量的可行性,分析了GPS反射信号反演植被生物量的原理与方法,通过试验利用干涉复合场数据（ICF）计算出信号反射率,利用已有文献拟合出的信号反射率与植被生物量之间的关系求出生物量,并与遥感技术结果进行了对比。试验结果表明：利用GPS-R遥感技术反演植被生物量是可行的,但是精度还需依靠时间反演模型;GNSS-R反演植被生物量对分析调查区域植被生长和碳排放情况具有重要意义。