极干旱区稀疏荒漠植被地上生物量遥感估算

以库姆塔格沙漠南部阿尔金山北麓山前戈壁区为研究区,借助无人机影像数据准确提取植被覆盖区;采用高空间分辨率WorldView-3数据的估算结果对中空间分辨率Landsat-OLI数据的估算结果进行修正;选取红光反射率波段(RED)、近红外反射率波段(NIR)、比值植被指数(RVI)、归一化植被指数(NDVI)和修正土壤调...     

ASTER影像提取植被信息的NDVI与SAVI法比较——以广州花都区为例

基于ASTER遥感影像,使用IDL语言编写归一化差异植被指数(NDVI)和土壤调整植被指数(SAVI)的计算公式,对遥感影像进行处理,分别对两种方法处理后的遥感影像采用K-Means分类,经过分类后处理,提取植被信息.NDVI整体上较好地反映了不同土地覆被信息;而SAVI对于各种地类的值域较宽,反映绿色植被内部差异信息较明显,可为不同植被类型的信息提取提供方法参考.     

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。     

太行山区遥感卫星反演降雨产品降尺度研究

高时空分辨率降雨数据的获取对陆地水循环研究至关重要。遥感卫星反演降水产品虽然能有效再现降雨的空间格局,但存在空间分辨率较低的问题。以植被指数NDVI(Normalized Difference Vegetation Index)和海拔高度为自变量,通过构建太行山区GPM降水(Global Precipitation Measurement Mission)的时滞地理加权回归模型,得到了2014—2016年研究区1 km分辨率GPM降水数据。研究结果表明：利用植被指数和海拔高度构建的时滞地理加权回归模型能够有效地对太行山月尺度GPM降雨数据进行尺度下延,在提高GPM数据空间分辨率的同时保留了原始数据的观测精度。考虑NDVI的时滞性提高了地理加权回归模型的降尺度效果,相对于多元线性回归模型和不考虑NDVI时滞效应的地理加权回归模型,时滞地理加权回归模型的降尺度结果与站点实测数据的确定性系数更高,RMSE更低。冬季降雨与第二年春季植被NDVI的关系较为密切,虽然采用第二年春季的NDVI作为解释变量构建降尺度模型能有效地提高冬季降雨的降尺度效果,但基于植被指数和海拔高度构建的时滞地理加权回归模型更加适用于植被生长季GPM降雨数据的降尺度研究。     

近10年重庆市归一化植被指数变化分析

运用1 km分辨率经过Savitzky-Golay滤波技术平滑处理的SPOT/VGT数据,通过对1998~2007年的归一化植被指数(NDVI)时间序列数据、NDVI与气象因子的关系、10 a来NDVI变化率的空间分布以及NDVI与海拔高度的关系等进行分析,研究重庆市植被变化及空间分布情况。结果表明,重庆市NDVI年变化相对稳定,在空间上变化较大,东北及东南部分地区植被退化,而西部地区NDVI变化率增加,表明植被覆盖有所增多。另外引起NDVI时空变化的原因中,温度远大于降水量,海拔高度也与NDVI有较好的相关性。     

基于EOS/MODIS数据的NDVI与EVI比较研究

作为NOAA/AVHRR 归一化植被指数(NDVI) 的延续和发展, EOS/MODIS 归一化植被指 数(NDVI) 和增强植被指数( EVI) 在许多领域得到广泛应用。应用数理统计和地统计学方法对二 者进行的对比研究表明: NDVI 在植被生长旺盛期容易达到饱和, 而EVI 则能克服这一现象, 比 较真实地反映植被的生长变化过程; 相同空间分辨率下, EVI 取值范围、标准差与变异系数均高 于NDVI, NDVI 数据比较均一, 其空间相关性高于EVI, EVI 更能反映研究区域内植被空间差异。 关键词:MODIS; 归一化植被指数(NDVI) ; 增强植被指数( EVI) ; 对比     

基于像元级RS影像数据融合方法应用评价

遥感信息融合（Fusion）是目前遥感应用领域的一个热点问题。高分辨率的全色影像与多光谱彩色低分辨率的遥感数据叠加，可以最大限度地利用不同分辨率、不同光谱信息和不同时相分辨率的遥感信息。融合中对同一地区长江流域秭归段的TM4、3、2多光谱和TM8高分辨率的遥感影像采用了IHS变换、分辨率（主成分分析）融合方法进行了数据融合，并对不同的融合方法所得到的融合影像进行目视和统计特征的分析与评价。     

阜康绿洲生态系统生物量空间格局分析

 利用阜康绿洲平原地区于2003年8月,在野外实测的53个样方植物的生物量干重数据与同期陆地卫星MODIS影像的第1,2通道250 m遥感数据,通过分析植被指数NDVI与绿洲植被生物量的相关关系,进而建立该遥感植被指数与植被生物量的一元线性和非线性回归模型。研究表明:植被指数NDVI与绿洲生态系统植被生物量之间存在较好的相关性;所建遥感植被指数与绿洲植被生物量的回归模型中,三次方程为所得到的非线性回归模型中最适合用于阜康绿洲生态系统植物生物量和生长的监测;并利用该模型进行分析同年4~9月研究区内植物生物量的时空间分布,并得出阜康绿洲生态系统植物生物量的时空分布特征。总体格局是:绿洲内部农业生态系统的生物量时空特征变化是十分的明显,生物量的增长从5月底至8月;且于7月、8月生物量达到旺盛时期;随后开始呈下降趋势;荒漠植物群落生物量时空特征有一定程度的变化但表现不明显,且荒漠植物生物量的变化在时空上是非同步性。这都是由于在整个生长季节内不同植物群落的生长发育表现不同的时间,和荒漠植物在时间上表现出不同物候导致的。同时分析了绿洲生态系统植物生物量的时空分布特征及相关影响生物量的多种因素。     

塔里木河中游绿洲盐漠带典型盐生植物光谱指数分析

盐生植物对于维持干旱区绿洲生态系统平衡起着核心作用。该文以渭干河-库车河三角洲绿洲盐漠带典型盐生植物为研究对象,利用Field Spec Pro FR便携式地物波谱仪,对2010年10月盐生植物的野外光谱数据进行采集并取相应土样。首先,采用光谱学分析方法分析光谱特征变化,并对土壤理化特性(含盐量、TDS、电导率、pH值)进行室内测定分析,获得盐生植物光谱特征数据和土壤理化特性数据。其次,利用实测光谱数据对盐生植物高光谱植被指数NDVI705、VOG1、ARI1和CRI1进行反演,用高光谱影像和TM影像分别对VOG1和NDVI705进行反演,并与土壤理化特性进行相关性分析。研究表明:高光谱植被指数NDVI705、VOG1、ARI1与土壤理化特性之间相关性均较低(0.266R0.449),但CRI1与含盐量、TDS的相关性较高(R=0.668);用高光谱影像反演的VOG1与电导率的相关性较高(R=0.536),用TM影像反演的NDVI705与TDS相关性较高(R=0.695)。通过精度验证,发现高光谱反演数据(VOG1)比TM反演数据(NDVI705)精确,说明遥感数据空间分辨率的不同影响了反演植被光谱指数的精度。该研究不仅可为干旱地区盐生植物的遥感识别奠定基础,而且对维持绿洲生态系统稳定提供一定的科学依据。     

青海湖流域草地产草量与MODIS植被指数的相关性分析

借鉴国内外基于遥感手段监测植被的方法,利用MODIS-NDVI遥感影像数据,探讨如何对草地变化进行监测。提取青海湖流域典型草原遥感影像植被指数,并与野外调查获得的79个样方生物量数据进行对比分析,建立了多个回归模型用于研究植被指数与草地产草量的相关关系。结果表明,植被指数与草地产草量之间存在较好的相关性,但是不同的回归模型与草地产草量相关性程度存在一定的差别,非线性回归模型优于一元线性回归模型,该方法的提出有助于监测青海湖流域草地变化情况。     

MODIS和Landsat时空融合影像在土壤盐渍化监测中的适用性研究——以渭干河—库车河三角洲绿洲为例

土壤盐渍化的遥感监测依赖于高时空分辨率影像,但受经费预算、卫星回访周期及天气的影响,高时空分辨率的遥感影像较难获取,这就限制了根据采样时间来获取对应时期遥感影像进行土壤盐渍化监测反演的应用。为此,提出融合MODIS和Landsat影像生成高时空分辨率影像来提取土壤盐渍化信息,为时空影像进行土壤盐渍化监测研究提供数据参考。以渭干河—库车河绿洲为研究区,利用增强型时空自适应融合率反射模型（Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）和灵活的时空融合模型（Flexible spatiotemporal data fusion,FSDAF）,对MODIS和Landsat影像进行时空融合,并基于融合影像数据构建了关于土壤电导率（EC）的随机森林（RF）预测模型,对比分析时空融合影像应用于土壤盐渍化遥感监测的适用性。结果表明：ESTARFM融合影像的特征波段反射率与Landsat验证影像对应波段反射率一致性决定系数R²（Red）=0.8066、R²（SWIR2）=0.8444;FSDAF融合影像的特征波段与Landsat验证影像对应波段反射率一致性决定系数R²（Red）=0.6999、R²（SWIR2）=0.7493;基于ESTARFM融合影像构建的EC值预测模型精度最高,R²=0.9268,基于FSDAF融合影像构建的EC值预测模型精度良好,R²=0.8987,基于验证影像构建的EC值预测模型R²=0.9103; ESTARFM模型的融合精度高于FSDAF模型,并且基于融合影像构建的EC值预测模型效果良好。     

翅碱蓬高光谱植被指数对土壤化学性质的响应

植被覆盖区土壤化学性质遥感监测一直是一个难点,往往只能通过生物地球化学的方法,利用上覆植被信息间接地反映。该研究通过野外采样分析的17个翅碱蓬(Suaeda salsa)光谱数据和其下土壤样品的理化分析配对数据,探讨土壤化学性质与翅碱蓬高光谱植被指数间的关系。结果表明:上覆翅碱蓬高光谱植被指数与土壤有机质、全氮、速效钾之间均无显著相关,高光谱植被指数(NDNI)可用于初步反映土壤全磷的含量变化,NDVI705可用于初步反映土壤pH值的变化,而高光谱植被指数(MSI)可以很好地反映土壤盐分含量的变化。在此基础上,建立了土壤全盐量与19个高光谱植被指数的偏最小二乘回归模型,这为翅碱蓬覆盖区域土壤盐渍化遥感监测提供了一种方法。     

塔里木河干流植被遥感监测时空多尺度协同分析方法

利用遥感植被指数、典型植被样方和地面观测信息进行塔里木河干流植被监测是目前的主要方法。由于塔里木河干流具有流域下垫面均匀性差,自然植被随机分布的特点,使得现有研究方法局限在特定的时间和空间尺度,很难使用地面的观测数据和不同尺度的遥感数据进行植被生长状态的协同分析。针对这些问题,本文提出了利用不同分辨率遥感数据和地面观测数据进行多尺度协同分析的方法MSSA(Multiple Scale Synergy Analysis)。该方法包括以下几个步骤:①通过低空间分辨率的遥感数据构建时间序列的塔里木河干流植被指数分布图像,在分析图像特征的基础上划分塔里木河遥感监测单元;②对监测单元内部不同组分的时间和空间状态参数进行量化与率定;③根据几何光学模型原理和植被随机分布特性,采用线性混合模型模拟单元植被指数;④根据模拟结果和遥感数据的对比分析,获得地面植被参量的可靠估计。该方法将地面组分的状态参量和遥感数据通过模拟模型相关联,实现了不同时空尺度遥感数据以及地面样方或者点观测数据的协同分析,为塔里木河干流植被监测进行长期、细致的研究建立了海量数据综合分析的方法体系。     

利用离散傅立叶变换分析拉萨地区植被季节变化特征

离散傅立叶变换可以将基于遥感植被指数的植被季节变化用时间的频率域来表示,是定量分析植被季节变化和获取相关参数的有力工具.根据1985～1999年NOAA AVHRR 全球植被指数(GVI)数据,将该方法应用于分析西藏拉萨地区植被随季节的变化特征.分析表明,属于温带半干旱季风气候区的拉萨地区NDVI傅立叶变换的0次谐波即平均值表征了该地区总体植被生产力,而基波(1次谐波)能够获取绝大部分植被随季节的变化特征,其解释方差(explained variance)达97.57%;基波和2次谐波几乎接近于原始NDVI值.这一方法同样可以应用于时间序列变化的其他遥感数据,是分析土地覆盖和土地覆盖类型在一定时间段内动态变化规律的有力工具.     

黄河中游砒砂岩地区长川流域植被盖度及其动态分析

应用遥感监测并结合地面实测数据,分析黄河中游砒砂岩地区典型流域——内蒙古长川流域植被盖度及其变化特征。经野外实测数据进行检验植被盖度遥感监测的精度发现,以遥感手段通过植被盖度与归一化植被指数(NDVI)之间关系来估算长川流域植被盖度的精度达到81.3%。长川流域上游地区(北部)植被盖度相对较高,达到40%~70%;沟道两侧也有相对较高的植被盖度,也达到了30%~60%;一般梁峁地植被盖度较低,只有5%~15%。从1983年开始实施的小流域第一期水土流失重点治理和1993年至1997年期间实施的小流域第二期第一阶段水土流失重点治理的效果明显,使得长川流域植被盖度在该期间内大幅度增高。     

基于Sentinel-2遥感时间序列植被物候特征的盐城滨海湿地植被分类

滨海湿地是具有重要功能的特殊海陆过渡带生态系统,精准获取滨海湿地植被时空分布信息具有重要意义。传统的湿地遥感观测研究集中于高空间、高光谱分辨率影像分类,往往受限于数据成本和覆盖范围,仅适用于小区域湿地监测。Sentinel-2A/B卫星影像时空分辨率高且免费共享,为大区域滨海湿地动态监测提供了可能。本文采用2018年Sentinel-2影像,提出像元级SAVI时间序列及双Logistic植被物候特征拟合重构模型,采用随机森林算法进行盐城滨海湿地植被分类,探讨Sentinel-2遥感时间序列植被物候特征分类方法的适用性。结果显示,分类总体精度达87.61%,Kappa系数为0.8358,分类结果与湿地实况相吻合,比常规单一时相分类精度总体提高19.57%。植被判别物候特征参数可为影像数据缺失或不足的滨海湿地分类提供不同植被的判别依据。研究表明,基于像元级时间序列植被物候特征的分类方法能实现植被群落混生带的精准分类以及对“异物同谱”植被的有效区分,对大区域滨海湿地植被分类具有很好的适用性,有效提高了滨海湿地植被分类精度。     

1982-2009 年珠穆朗玛峰自然保护区植被指数变化

植被指数是指示植被变化的重要指标, 本研究基于1982-2009 年珠穆朗玛峰自然保护区(简称珠峰地区)植被指数(NDVI)时间序列数据、土地覆被和野外调查等数据, 采用时序变化趋势和空间分析法, 对珠穆朗玛峰地区植被的时空变化过程及保护区成效进行了定量分析。研究表明:①珠峰地区NDVI分布的总特征是南部和北部高, 中部低。②1982-2009 年珠峰地区NDVI年际变化趋势和空间异质性十分明显:1982-1997 年, 珠峰地区NDVI总体上呈显著上升趋势, 北部地区增幅较大;1998-2009 年, NDVI总体下降(56.96%的NDVI呈下降趋势), 其中, 珠峰地区中部和北部的NDVI下降最为明显, 而南部核心保护区森林和灌丛的NDVI则呈显著上升趋势, 且变化幅度较大。③长时间序列植被指数变化的过程和空间差异性推断:1998 年以来, 天然林保护等生态工程促使珠峰地区保护效果更加明显。     

青藏铁路(格拉段)修建对沿线植被生态系统及其弹性的影响

青藏铁路穿越区生态脆弱,铁路修建会对沿线区域植被造成破坏。为客观评价铁路修建对沿线植被生态系统的影响,基于1995-2014年覆盖青藏铁路沿线10 km范围的212景Landsat TM/ETM+影像,利用Fmask算法结合STARFM模型去除云、阴影及条带,得到30 m NDVI数据,最后通过一元线性回归和序贯t检验,对10 km区域的NDVI时空演变、稳态转变以及各植被生态系统弹性特征进行分析。结果表明:(1)20年间,青藏铁路沿线10 km范围内NDVI"稳中有升",与青藏高原NDVI变化相符,空间上呈"南高北低"的分布特征;北部区域NDVI变化相对稳定,NDVI下降区域集中在那曲—当雄。(2)将沿线10 km范围划分为7个缓冲区,发现铁路修建及附属设施占地对植被的破坏作用最明显,集中在青藏铁路两侧100 m内,并对青藏铁路沿线1 km范围内的植被生长有抑制作用,作用程度与铁路距离成反比。(3)城市及周边、河谷和牧区等人类活动较多的区域NDVI稳态转变最剧烈;各生态系统弹性大小依次为:裸地荒漠高山植被草原草甸灌丛湿地农田。湿地是最易受外界干扰而改变的类型,是保护的重点类型,而荒漠和裸地生态系统弹性最高,最不易改变,也是生态恢复的难点。     

利用 GIS地理统计模块预测海南岛植被指数季节性变化趋势

虽然采用遥感图像提取的植被指数在空间上能较好的反映作物的状况,但其不能预测植被指数在空间上的变化范围,如果能从整体上了解不同市县在不同季节的平均植被指数值,就可以对该区域整体植被状态进行量化分析,也就可以从大范围内进行植被指数的预测分析.利用地理信息系统(GIS)和地统计学相结合的地理统计分析模块(ArcGIS Geostatistical Analyst),根据MODIS遥感数据提取的每季度不同市县平均NDVI植被指数,采用Kriging插值的方法分析了海南岛归一化植被指数(NDVI)季节性变化趋势,并     

K-T变换在监测小麦地表参数中的应用

利用K-T变换提取TM和MODIS遥感影像的绿度、湿度分量,在不同的分辨率尺度下监测小麦覆盖地表参数:土壤湿度(Ms)、等效水厚度(EWT)和叶面积指数(LAI),并与NDVI(归一化植被指数)、NDWI(归一化水分指数)和EVI(增强植被指数)监测结果比较.湿度分量监测Ms效果更好,TM和MODIS遥感影像反演精度分别为6.08%、7.37%(RMSE),相关系数R2分别为0.49、0.31,基于绿度和湿度分量建立土壤湿度多元线性回归反演模型,利用TM影像反演土壤湿度RMSE为4.91%,反演土壤湿度和实测土壤湿度R2达0.63;绿度分量监测EWT效果更好,TM和MODIS遥感影像反演精度分别为0.37 kg/m2、0.43 kg/m2,R2分别为0.51、0.28;绿度分量反演LAI精度更好,TM和MODIS遥感影像反演精度分别为0.66、0.83,R2分别为0.64、0.35.