基于混合像元分解理论的路域植被等量水厚度遥感反演

为削弱混合像元对植被参数反演的影响,提出了基于混合像元分解理论反演路域植被等量水厚度的方法。利用PRO4SAIL模型正演获得的高光谱窄波段数据,模拟Landsat 8遥感影像宽波段植被冠层光谱数据,并进行等量水厚度的敏感植被指数的筛选;对覆盖研究区域的Landsat 8遥感影像进行线性混合像元分解,获取更加精确的植被冠层光谱反射率;同时,利用支持向量机构建等量水厚度估测模型,实现对路域植被等量水厚度的遥感反演。研究结果表明,利用混合像元分解后得到的植被冠层光谱参与模型反演得到的路域植被等量水厚度更加符合实际情况,为遥感影像反演植被参数提供了有效数据。     

基于雷达植被指数的水土流失区植被覆盖度估测

植被覆盖度是描述水土流失程度的重要指标。像元二分模型假设一个像元代表的信息来自土壤和植被2部分,植被信息占整个像元面积的百分比为植被覆盖度。对Radarsat-2数据进行极化分解,得到反映植被疏密程度的雷达植被指数,结合像元二分模型估测植被覆盖度。将基于雷达植被指数的像元二分模型应用于水土流失重点治理区域——福建省长汀县河田镇,并以高分辨率光学影像World View-2计算的植被覆盖度作为参考,结合无人机高分影像和实地考察资料对结果进行精度验证。结果表明,估测结果与验证数据具有较好的相关性(R20.8),表明该模型可以用于植被覆盖度的估测;完全基于雷达数据估测植被覆盖度的算法,克服了南方多云雨地区数据不易获取的困难,有助于对水土流失的连续监测。     

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.     

多季相混合像元部分分解特征的不透水面分类

针对利用光谱混合分解提取不透水面特征通常受到端元类型和数量的限制,同时植被变化会影响估计精度的问题,该文提出 了一种综合季相和植被变化信息的不透水面提取框架.基于混合像元部分分解算法——混合调谐匹配滤波(MTMF),设计了多季相组合MTMF(SCMTMF)特征和多季相叠加MTMF(SSMTMF)两种策略,构造了不透水面的多季相MTMF特征,将不透水特征与多季相植被指数结合利用支持向量机实现对不透水面的精确分类.结果表明,利用多季相特征得到的不透水面提取效果相较于单季相有较明显的改善,该文所提出的策略有利于提高不透水面的估计精度.     

南方典型植被遥感丰度信息提取

针对遥感影像在南方丘陵地区典型植被丰度信息提取中存在的大量混合像元问题,为进一步提高线性解混精度,通过计算像元EVI值,构建了Landsat 8时间序列影像南方典型植被（端元）和混合像元的EVI时间序列曲线,分析了不同生育期内各种地物类型的植被指数变化曲线,发现不同地物在植被指数时间序列中具有各自独立的波动规律。选取多个端元及其EVI时间序列曲线,利用光谱匹配方法对匹配EVI时间序列曲线和多个端元进行了匹配,达到利用不同端元组合进行光谱解混的目的。试验结果表明,与传统方法相比,阔叶林解混精度有明显提高,针叶林解混精度也有所提高。该研究成果可以为南方丘陵地区植被环境的研究提供有力支撑。     

基于TM数据的植被覆盖度反演

本文首先对TM影像进行了几何纠正、辐射校正、大气校正;然后根据混合像元的结构特征,利用TM数据从植被指数(NDVI)中采用“等密度模型”和“非密度模型”提取了宜昌南部地区的植被覆盖度。在用“非密度模型”反演植被覆盖度的过程中,叶面积指数(LAI)是一个必要的参数,本文提出了一种改进的借助可见光波段和近红外波段反射值来提取叶面积指数(LAI)的方法。通过和MODIS数据反演结果比较表明:“非密度模型”的估算精度要高于“等密度模型”;利用“等密度模型”和“非密度模型”反演植被覆盖度是可行。     

基于NDVI的植被覆盖度变化的研究与分析——以河北省张家口市为例

为分析河北省张家口市在经过三北防护林三期建设后林地覆盖度变化情况,通过利用张家口2006,2010年两景同期TM影像数据,使用ERDAS软件首先提取植被指数(NDVI),根据像元二分法利用ERDAS的建模工具Spatial Modeler计算出该地区植被覆盖度,利用非监督分类方法对植被覆盖度进行分类、赋色,最后得出张家口市2006—2010年的植被覆盖度分类图,结果表明四年间该市植被覆盖面积增加698.44 km2,与第二次国家林业调查数据基本相符,说明利用遥感反演的方法能够快速、准确地获取该地区的植被覆盖度信息,以及利用NDVI监测植被覆盖度变化方法的可行性。     

最小二乘混合像元分解的端元丰度信息提取研究

针对无约束最小二乘混合像元分解算法提取地物端元丰度出现的局限性问题,通过野外实地采集的地物光谱数据建立研究区典型的地物波谱库,以Landsat OLI影像作为主要数据源,在经过Gram-Schmidt(GS)影像融合的基础上,利用纯净像元指数(PPI)及基于几何顶点的端元提取技术提取研究区典型地物端元,最后通过完全约束的最小二乘混合像元分解算法完成对研究区典型地物端元丰度的提取。结果较好地解决了无约束最小二乘混合像元分解算法提取的端元丰度信息出现负值的情况,并且提高了典型地物丰度信息提取的精度。完全约束最小二乘混合像元分解算法的RMSE误差均控制在0.174 913左右,在很大程度上提高了混合像元分解精度及实用性。     

基于光谱相似性的高度异质性喀斯特区域植被盖度提取

利用地物分布的光谱异质性与均匀性信息,提出一种基于光谱相似性的高度异质性条件下喀斯特植被盖度提取方法。研究表明,利用NDVI植被指数方法提取植被盖度时均容易低估喀斯特区域的植被盖度信息,利用像元二分模型则容易高估整个区域的植被盖度信息;而基于光谱相似性对图像进行分块后再提取植被盖度,降低了高度异质性景观对喀斯特植被盖度信息提取的影响,提高了喀斯特地区植被盖度提取的精度。     

基于Worldview Ⅱ影像的某区域植被覆盖度估算

植被覆盖度是衡量地表植被覆盖的一个重要指标。根据Worldview II影像计算归一化植被指数,利用像元二分模型得到某区域的植被覆盖度图,为水土流失监测评价提供重要的基础数据。     

博尔塔拉蒙古自治州植被覆盖度估算

针对传统植被覆盖度估算方法只能估算高密度覆盖的绿色光合植被的问题,该文提出了一种可进行绿色光合植被、非绿色光合植被和裸地覆盖度估算的方法,选取博尔塔拉蒙古自治州2010年和2016年的LandsatTM/OLI影像,通过构建NDVI-DFI特征空间提取端元特征值,运用像元三分模型估算,并与像元二分模型估算结果和实地采样估算结果对比。结果表明:像元三分模型估算与实际情况相符,且精度较好。2016年博州地区植被覆盖度较2010年增长显著,生态环境得到明显改善。像元三分模型能够较好地估算光合/非光合植被覆盖度,提高遥感获取植被信息的能力,为科学评估生态环境质量提供参考。     

高分辨率图像辅助提取高光谱图像端元

现有的端元提取算法大多是基于凸面单形体假设,对于非单一地物类型,利用这些端元进行丰度反演将会影响混合像元分解精度。本文提出一种利用高分辨率图像判断高光谱像元内是否为同一类型地物的方法。首先,利用图像分割程序对高分辨率图像进行分割,得到光谱均一的斑块矢量图,并叠加到高光谱图像上;然后,通过空间关系分析找出斑块内的高光谱像元,称其为准端元;最后,利用端元提取算法在这些准端元中进行端元提取。实验结果表明,该方法将端元提取结果的误差降低了20%左右。     

一种基于模糊混合像元分解的高光谱影像分类方法

高光谱遥感影像较低的空间分辨率使得混合像元大量存在于影像中,不仅影响了基于高光谱影像的地物要素识别能力,而且还降低了高光谱影像的分类精度。本文提出了一种基于模糊混合像元分解的高光谱影像分类方法。该方法主要利用约束能量最小化法设计的FIR线性滤波器,使得影像通过滤波器后输出与每类地物类别相关的"丰度图",其维数等于类别数;最后利用类中心匹配分类法实现高光谱影像的分类。实验结果表明,提出的分类方法与直接利用类中心匹配分类法相比,提高了影像的分类精度。     

高光谱遥感数据藻类信息提取方法研究

以Sacramento-San Joaquin三角洲水域为研究区,利用2007年覆盖研究区的64个航带的HyMap数据,分别用混合调谐匹配滤波(MTMF)和决策树进行藻类信息的分类提取,在此基础上均采用Kappa系数作为标准进行精度评价。结果表明:混合调谐匹配波(MTMF)分析方法对藻类进行分类的结果,Kappa系数是0.634;用基于指数的决策树方法对藻类进行分类的结果,Kappa系数是0.613,两种结果都具有高度的一致性。这说明这两种方法在提取水生物种方面比价有效。     

子像元NDVI时间序列曲线生成研究

获取具有时态特性的NDVI曲线是进行土地利用与植被覆盖变化分析的必要步骤,为有效地利用多源遥感影像数据,本文基于尺度下降理论,利用具有不同时间分辨率的高、低空间分辨率遥感影像,采用线性光谱混合模型反向分解低空间分辨率混合像元,计算其子像元级地物反射率,生成具有高时态特性的子像元级NDVI时间序列曲线,使利用有限的遥感数据资源进行较精细的动态植被生物量变化分析成为可能。通过真实影像数据实验分析,其结果验证了该方法的有效性。     

基于GF-6的植被覆盖度遥感估测研究

GF-6号卫星是近年来投入运行的国产卫星,其遥感影像的空间分辨率、时空分辨率较高,但基于该卫星数据的应用研究并不多见.本次研究以GF-6号卫星WFV数据为数据源,基于归一化植被指数和像元二分模型对甘肃民勤典型干旱地区的植被覆盖度进行遥感估测,利用置信度法获取像元二分模型的关键参数对植被覆盖度遥感提取结果的影响进行分析....     

利用TRMM／TMI资料提取地表层湿度信息试验

模拟分析了地表层湿度反演过程中地表及大气各种因素(卫星扫描角、地表粗糙度、地表植被覆盖和大气)对反演结果的影响情况;应用正演模拟技术得到了利用TMI低频10GHz通道微波极化比反演地表层湿度信息时,斜率和截距随像元植被覆盖度可调的反演方程;确定了反演方程中斜率、截距系数随像元植被覆盖度变化的对数关系和线性关系;反演技术中综合应用了多种途径获取到的被动微波像元中动态的植被覆盖信息;尝试了将这些因子用于地表层湿度反演的可行性;对于反演结果,研究工作中利用地表HUBEX外场观测资料进行了对比分析,得到了空间分布特征和时间演变趋势比较一致的对比分析结果。     

不同分辨率影像反演植被覆盖度的参数确定与尺度效应分析

选择新疆古尔通班古特沙漠南缘的石河子地区作为研究区,针对统计回归模型需要大量实测数据,而像元二分模型(dimidiate pixel model,DPM)参数难以确定的缺点,提出了利用统计回归的结果反推像元二分模型参数来建立研究区遥感反演植被覆盖度的方法。运用该方法研究了利用TM和MODIS遥感影像数据分别反演植被覆盖度的参数化方案;同时,还研究了采用不同遥感数据源和不同反演模型时研究区植被覆盖度信息提取中存在的尺度效应。     

采用IDL小波工具优化高光谱影像光谱特征匹配分类

光谱特征匹配分类是常用的高光谱影像分类、识别地物的方法,针对高光谱影像提取植被盖度存在的问题,文章根据高光谱遥感影像处理的方法,采用EO-1卫星在广州市过境的Hyperion高光谱影像,以＂广州南肺＂万亩果园作为试验区,经过大气纠正——最小噪声分离变换（MNF）——最纯净像元指数计算（PPI）——提取植被的端元,以此作为研究区识别植被的参考样本,进行光谱特征匹配提取植被盖度。其中提出利用连续小波变换对参考端元的波谱曲线降噪的方法,旨在优化光谱特征匹配,以提高识别植被的精度。实验结果表明,这种辅助匹配的方法能有效提高识别植被的精度。     

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。