新疆荒漠稀疏植被覆盖度信息遥感提取方法比较

植被覆盖度信息是荒漠生态环境表征的重要指标之一。荒漠区地表植被稀疏,在遥感光谱信息中表现较弱,通用的植被覆盖度遥感提取方法应用于干旱荒漠区存在一定的局限性,为了探寻一种满足大尺度荒漠地区的植被覆盖度信息的提取方法,必须对比和分析现有的遥感方法在干旱荒漠区的应用效果。以新疆荒漠区为例,利用MODIS遥感影像和野外植被覆盖度实测数据,对常用的6种遥感植被覆盖度提取方法（改进的三波段梯度差法、像元二分法、线型混合像元分解法、归一化植被指数法、增强型植被指数法和修正型土壤调整植被指数法）的结果进行精度验证和对比分析。结果表明：MODIS影像上较难提取纯荒漠植被像元,用农作物的像元值代替会降低像元二分法和线性混合像元分解模型的模拟精度;植被指数法对地面实测数据依赖性较大,模拟的精度差异很大,仅考虑红光和近红外的归一化植被指数法模拟精度最低,而综合考虑土壤和大气因素的增强型植被指数法的模拟结果精度最高;改进的三波段最大梯度差法虽然模拟精度稍次之（R²=0.74;RMSE=13.46）,但依据光谱的物理特性,能显著地反映南、北疆荒漠植被覆盖度的差异,是目前大尺度的荒漠区覆盖植被信息提取较为适宜的方法之一。     

基于支撑向量回归的二端元混合像元分解

针对遥感影像混合像元光谱复杂,其非线性特征,传统LSMM分解模型难以进行有效的混合像元分解的不足。通过基于SVR的二端元混合像元分解的研究,从真实遥感影像上获取典型的植被、非植被光谱信息,构造二端元混合光谱库,进行SVR模型的混合像元分解。当样本量为6%时,交叉验证获得最佳模型参数（C=1024.0和g=4.0）,进一步对全部混合像元进行混合像元分解。实验结果表明：SVR分解结果RMSE为5.95,R²为0.958,优于LSMM方法（RMSE=7.71,R²=0.932）,且在各个不同真值丰度下具有更好的稳定性,证明该方法对于非线性混合光谱具有很好的学习和推广能力。此外,该方法的精度不随训练样本量的增加呈明显变化,体现出SVR在有限样本情况下能够保证高效率的训练能力。     

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。     

基于线性光谱分离技术的西藏乃东县土地覆被变化监测

青藏高原是全球气候变化研究关注的热点地区,也是中国生态保护的重点区域,其土地覆被变化研究对优化土地利用结构、改善土地覆被状况和生态环境具有重要意义。线性光谱分离技术是利用遥感手段监测土地覆被变化的有效方法。本文选取西藏乃东县为研究区,利用1988、2000和2010年三期Landsat TM、ETM遥感影像,采用线性光谱分离技术,定量提取了研究区三期影像中单个像元的植被、裸土、裸岩覆被率比例,同时将植被分量与NDVI结果进行对比分析。结果表明：①研究区山峦重叠,沟谷纵横,地表破碎,混合像元比例高,线性光谱分离技术可以很好地处理复杂地物的土地覆被变化;②1988-2010年间,研究区裸土面积下降幅度较大,植被覆盖率及裸岩覆盖率有所上升,说明本区植被得到一定的恢复,但同时石漠化也在进一步加剧;③通过对线性光谱分离的植被分量与NDVI结果比较,发现线性光谱分离技术对青藏高原土地覆被识别具有较好的适用性。     

像元分解法提取积雪边界线

利用NOAA16-AVHRR的多光谱数据进行像元分解提取积雪边界线。首先对遥感数据进行主成分分析，提取含99％信息量的前两个主分量，对其进行散点图分析，获取终元。进行多光谱混合像元分解，提取积雪盖度参数，并依据积雪盖度提取积雪边界线。同时比较了最大似然分类提取的积雪边界线，发现分类积雪边界线变化较大，而盖度积雪边界线比较稳定，主要原因是像元分解提取的积雪边界线物理意义明确。     

一种基于光谱归一化的丘陵地区植被覆盖度反演方法

由于影像空间分辨率的限制,利用遥感影像反演植被覆盖度时,像元内通常存在植被与其他地物混合的现象。此外,受到物理属性、地形、阴影等因素的影响,植被内部存在较大的光谱差异。混合像元的存在,以及植被内部光谱变化较大都将导致植被覆盖度反演精度降低。本研究基于Sentinel 2A遥感影像,提出了一种基于光谱归一化的光谱混合分析方法,以期解决植被内的光谱差异以及与其他地物的混合问题。首先,对端元矩阵与遥感影像进行归一化预处理,以减弱植被内的光谱变化;然后,采用全约束最小二乘法(FCLSU)、部分约束最小二乘法(CLSU)、扩展线性混合模型(ELMM)三种混合像元分解算法来定量分析植被与其他地物的混合状态。在验证解混算法精度时,采用无人机高分影像分类结果作为植被覆盖度参考影像,并对归一化前后的精度进行对比。光谱归一化前,ELMM和CLSU的R和RMSE都接近0.903和0.353,FCLSU的R和RMSE为0.869和0.434。光谱归一化后,三种算法的R和RMSE都接近0.91和0.2。试验结果表明:端元和影像进行归一化后,降低了光谱变异性,三种算法的解混精度在整体上提高较大,且对四川丘陵地区的植被覆盖度的反演结果接近真实值。     

干旱区稀疏芦苇盖度遥感信息提取

选择对角线法、之字型法、随机采用法及全采样法提取干旱区稀疏芦苇覆盖度,对比分析不同采样方法获取参数的精度,同时结合遥感影像,采用线性混合像元分解模型、亚像元变密度分解模型、三波段最大梯度差模型提取样地覆盖度信息,与地面实测覆盖度参量信息进行对比分析,探讨适宜的干旱区植被盖度野外监测方法及遥感模型。研究表明:对角线法及之字型法所获取参数可以满足样地总体植被覆盖度参数精度要求;地面验证结果表明:2006年线性混合像元分解模型所提取的覆盖度精度最高,为19.72%,与地面实测值20%最为接近,证明该模型可有效提取干旱区低覆盖度植被信息,但端元的正确选取较难,从而影响其运用;亚像元分解模型预测值为22.30%,高于实际覆盖度值,绝对误差为11.5%;而三波段最大梯度差法模型与实测值相差最大,绝对误差达到了-75%,说明该模型对于极端干旱区稀疏植被敏感度低。     

分层分类和多指标结合的西北农牧交错带植被信息提取

参照《中国植被》中的植被分类体系,结合野外考察结果,建立了适合中国西北农牧交错带的植被分类体系。以覆盖研究区的多幅Landsat影像为基础,按“分层分类,逐层验证”的思路,实现了对研究区植被信息的提取。提取时,先利用完全约束的最小二乘模型对遥感影像进行混合像元分解方法,将整个研究区划分为植被区和非植被区;在植被区,基于光谱特征、纹理特征和地形特征,构建CART决策树,获得了乔木林、灌丛和草原等7种主要植被型组;在植被型组内,基于不同植被类型NDVI的季节差异特征,构建NDVI差值比值指数 (NDVI_DR),将乔木林和灌丛区分为常绿和落叶植被型,使用温度植被干旱指数(TVDI),将草原进一步区分为荒漠草原、典型草原和草甸草原3种类型,从而得到各个植被型的空间分布范围。经验证,最终分类的总体精度能达到79.51%,kappa系数为0.773。采用的分类方法充分利用了遥感数据既有的光谱信息和纹理信息,同时辅以地形信息。实践结果表明,分层分类和多种指标相结合的方法可以有效实现对影像跨幅的、以复杂镶嵌结构为主要特征的农牧交错带植被信息提取,精度较高,技术可行。     

基于NDVI与偏最小二乘回归的荒漠化地区植被覆盖度高光谱遥感估测

以星载高光谱影像Hyperion为数据源,系统比较了NDVI与偏最小二乘回归（PLS）估测荒漠化地区植被覆盖度的能力,模型的建立（n=46）与独立检验所用样本（n=10）均为地面实测数据。研究结果表明,基于星载高光谱数据的NDVI与PLS模型可以有效地估测荒漠化地区植被覆盖度。相比于宽波段NDVI（RMSEP=10.5618）及基于803.3/671.02 nm计算的标准高光谱NDVI（RMSEP=8.3863）,选择特定高光谱波段（823.65/701.55 nm）构建的NDVI预测植被覆盖度的误差明显较低（RMSEP=6.5189）。基于高光谱所有波段原始反射率、一阶导数及包络线去除光谱的PLS回归模型表现,要明显优于仅利用两个波段信息的NDVI,其中基于原始反射率的PLS回归模型表现最佳,RMSEP为4.4998,约为因变量平均值的23%。     

基于改进线性光谱解混和 SCS-CN 模型的广州主城区降雨产流模拟

城市降雨产流特征的定量研究对于城市雨水资源开发利用、科学规划和管理具有十分重要的意义。以广州市主城区为研究对象,提出一种改进的线性光谱解混方法提取遥感影像的不透水面、植被和土壤盖度,并结合SCS-CN 产流模型进行城区降雨径流模拟。首先利用线性光谱解混方法提取 2015-10-18 Landsat 8 OLI 遥感影像的不透水面、植被和土壤盖度;然后利用归一化建筑物指数和归一化植被指数进一步优化解混结果;最后结合优化的不透水面、植被和土壤盖度计算合成的 CN 值,并应用 SCS-CN 产流模型分析研究区在不同降雨重现期的降雨产流分布特征。结果表明：改进的线性光谱解混方法能较好地提高不透水面、植被和土壤盖度的提取精度;不透水面盖度越高的区域,CN 值越高;CN 值对地表径流深模拟有显著的影响;在不同重现期降雨条件下,研究区地表径流深空间分布格局差异显著;总体上,降雨量越大,不透水面盖度越高,形成的地表径流深越深,内涝发生的可能性越大。     

干旱地区植被指数(VI)的适宜性研究

以位于典型干旱区的甘肃河西地区石羊河下游的民勤绿洲为例,对NDVI、SAVI、MSAVI和GEMI等4种VI(植被指数)受土壤背景光谱影响的程度和探测低盖度植被的能力进行了对比研究。通过分析VI提取植被信息时植被土壤噪音比的变化发现,植被覆盖较低条件下VI提取植被信息总体受土壤背景光谱影响程度较低,相比而言,GEMI提取植被信息中受土壤背景影响最小,其他3种VI的区别不太明显。通过分析不同VI随植被覆盖度增加的反映速率变化及不同覆盖条件下不同VI的取值范围的变化发现,NDVI探测低盖度植被的能力最强,GEMI次之。GEMI可能是干旱地区植被探测较适宜的植被指数。     

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。     

基于混合像元分类的城市地表覆盖时空演变格局研究

基于可能性理论和中心点聚类方法的原理,提出可能性C中心点(PCRMDD)聚类方法.运用该法对上海市中心城区Landsat ETM+遥感影像进行混合像元分类,并自动获取地物端元盖度分布图及影像端元光谱,解混精度的检验结果表明该方法能在噪声环境下获得精度较高的分类结果和端元光谱信息.根据各时期研究区域的地表覆盖分类结果,应用GIS空间分析功能,进一步探讨在城市化过程中上海中心城区土地利用时空演变格局,揭示城市用地空间扩展模式.     

茶树冠层光谱特征及混合像元模拟研究

准确提取端元并确定像元中端元组分和丰度是提高遥感分类精度的基础和前提。本研究根据福建省多数茶园特点,从对地观测角度将茶园分为垄前冠面、垄后冠面、沟中阴影面和沟中光照面4种端元,并测定各类端元光谱特征。根据光线入射方向和地形参数计算茶园中任意端元组合面的丰度,利用几何光学模型进行组分光谱混合模拟,最后把模拟结果与实测结果相比较。研究结果发现,模拟和实测的光谱曲线很接近,光谱的反射峰、吸收谷位置基本吻合,总体精度在85%以上,说明采用组分合成法模拟茶园光谱是可行的。     

基于光谱特征拟合的高光谱遥感影像植被覆盖度提取

植被光谱中可见光部分的吸收谷主要由叶绿素强烈吸收引起,不同植被覆盖度下光谱吸收谷的深度和形状不同,因而可以通过比较光谱吸收谷的深度和形状来提取植被覆盖度。该文采用基于光谱吸收特征匹配的光谱特征拟合SFF方法从高光谱遥感影像中提取植被覆盖度,参考光谱采用ASD光谱仪在影像覆盖地区采集的植被光谱,通过将参考光谱与像元光谱连续统去除处理后进行SFF匹配,完成植被覆盖度的提取并生成植被覆盖度图。研究结果与植被指数、光谱夹角映射方法及实地调查资料之间存在较高一致性。     

遥感影像混合像元分解中的端元选择方法综述

端元选择是进行遥感影像混合像元分解的首要步骤,也是最关键的步骤,其直接影响混合像元分解的精度。该文对遥感影像混合像元分解中端元产生的特定背景、当前存在的端元选择途径和端元选择方法进行综述,并通过对当前端元选择方法的分析,提出了选择或构造端元选择方法应遵循的几个原则。     

利用MOD13Q1产品监测肯尼亚2001-2010年荒漠化动态

使用MODIS MOD13Q1-NDVI数据,通过NDVI累计计算,得到肯尼亚2001年和2010年植被生长状况较好时期的NDVI影像.基于像元二分模型,估算植被盖度.利用植被盖度进行荒漠化评价.结果表明,肯尼亚近10年来生态环境总体趋于改善,荒漠化发展态势并不明显,但荒漠化问题仍然严重.不同程度的荒漠化土地变化趋势不尽相同,轻度荒漠化和重度荒漠化转出面积大于转入面积,呈现减少趋势,非荒漠化和中度荒漠化变化相反,各省区的荒漠化土地变化趋势也不相同.在小范围地区内,使用Landsat-5 TM影像进行验证,发现与MODIS数据评价结果相似,但更能详尽的描述重点区域的荒漠化问题.     

极端干旱区荒漠稀疏河岸林遥感分类研究

研究以位于极端干旱区的塔里木河干流中下游地区为例,基于Landsat TM影像,结合决策树分类、几何光学模型与光谱角匹配,解决混合像元信息分解,实现干旱区稀疏荒漠河岸林类别识别。首先从遥感视角的角度,将地物分解为目标和背景,提出塔里木河干流荒漠河岸林植被分类系统;其次以多变量决策树法将非荒漠植被信息剔除,采用几何光学模型模拟各类荒漠植被的像元光谱,最后以光谱角匹配的方法将荒漠植被进一步进行分解,得到塔里木河干流中下游地区典型研究区的植被分类专题图,分类精度结果表明:基于混合像元分解与几何光学模型的分类方法总精度达到了79.43%,Kappa系数为0.718,表明分类质量良好。     

一种基于TVDI模型的煤田温度异常区面积提取方法研究

选用Landsat 8 资料构建了地表温度（Ts）与归一化植被指数（NDVI）的Ts-NDVI特征空间,计算了温度植被干旱指数（TVDI）。利用MODIS温度产品数据和实地野外采样数据进行精度验证确定煤田火区TVDI阈值。通过对遥感影像的地表热异常信息进行定性与定量分析继而对煤田温度异常区边界信息进行挖掘。结果表明：（1）利用野外实测土壤相对含水量进行验证,反演值与实测值的相关系数R²=0.66,表明干旱指数的反演精度较高,相关性较好。（2）TVDI模型对温度呈现出较高的敏感性,二维散点图集中在1∶1 线上,对NDVI的敏感性较低,有利于识别温度异常区。（3）利用MVC最大合成法,建立TVDI-MVC作为精度验证数据,火区面积为5.03 km²,其中TVDI-SC提取火区精度最大为98.50%,TVDI-SW2提取火区精度最小为88.98%。可见煤田温度异常区范围较广,潜在的灾情恶化较严重。     

科尔沁沙地几种固沙植物光谱-生物量模型构建与分析

在控制背景反射噪音、植被盖度和水分含量的条件下,利用ASD光谱仪对科尔沁沙地4种主要固沙植物杨树(Populus spp.)、黄柳(Salix gordejevii)、小叶锦鸡儿(Caragana microphylla)、樟子松(Pinus sylvestris)光谱反射特征和地面光谱生物量模型构建进行了研究.结果表明:科尔沁沙地4种主要固沙植物光谱反射曲线的趋势基本一致,但是在620～670 nm与841～876 nm波长范围内存在差别,其中在波长620～670 nm最易识别的植物为小叶锦鸡儿,其次是黄柳、杨树,在波长841～876 nm范围最易识别的植物为樟子松、杨树.不同植物的NDVI与盖度和生物量的关系密切,模型拟合精度较高.相对而言,NDVI-盖度模型优于NDVI-生物量模型.不同植物种构建的NDVI盖度模型计算结果相差较小,而NDVI生物量模型的计算结果相差较大.在区域植被生产力遥感监测中,植被样方选择要考虑优势植物种影响,数据采样要涵盖研究区主要植物种.