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。     

普格县植被覆盖度遥感动态监测分析

以四川省普格县为研究区,选择2000年、2006年Landsat TM数据和1：50000地形图作为基本信息源,对遥感数据进行辐射校正、几何校正、图像裁剪处理后,计算出两期图像的归一化植被指数（NDVI）,对植被覆盖度进行估算。根据结果经过对比分析表明普格县六年间植被覆盖度主要呈增高趋势,总体上认为研究区植被覆盖度变化和人类活动有不可分割的密切关系,近几年来的长江上游水土保持和退耕还林等生态建设工程在该地区已经取得一定成效。     

基于多源遥感数据的植被覆盖度反演方法比较研究

采用GF-1号、ZY-3号以及Landsat-8卫星数据,利用回归模型和像元二分模型,通过对建立的四类植被指数NDVI、MSAVI、MVI和RVI,结合野外调查数据,提出NSD的概念来评价模型及方法的精度。实测数据与各类遥感影像的4种植被指数间均存在着显著的相关关系;通过NSD精度验证,说明空间分辨率较低的遥感数据,在一定程度上提高了反演精度;在4类植被指数中,RVI与MSAVI对于三类数据反演精度较高,且MSAVI对于较低分辨率遥感数据可能具有更好的消除土壤背景影响的作用。     

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.     

榆林市植被覆盖度动态变化监测

植被覆盖度是用来评价生态环境状况的重要指标,在进行沙漠化治理的同时,对植被覆盖度进行动态的变化检测可以帮助我们了解到沙漠化治理的成效.以榆林市毛乌素沙漠为研究对象,在像元二分模型的基础上利用归一化植被指数(Normalized Differential Vegetation Index,NDVI)估算毛乌素沙漠2015...     

基于地形调节植被指数估算长汀县植被覆盖度

植被覆盖度遥感估算最常用的方法是基于植被指数构建模型,但大部分的植被指数没有考虑地形的影响。以福建省长汀县作为研究区,引入能消除地形影响的地形调节植被指数(topography adjusted vegetation index,TAVI),利用像元二分模型估算植被覆盖度,旨在研究TAVI对植被覆盖度估算结果的影响,并与基于归一化差值植被指数(normalized difference vegetation index,NDVI)估算的结果进行比较。根据目视效果和统计指标的分析表明:基于TAVI估算的植被覆盖度精度高于基于NDVI的估算结果,并能有效降低阴坡阳坡间的差异,提高阴坡区域植被覆盖度的估算精度。     

基于MODIS的干旱区植被覆盖度反演及植被指数优选

为进一步掌握塔里木河下游输水后的生态恢复程度,以输水河畔的植被覆盖度为研究对象,采用MODIS数据构建研究区多种植被指数;结合现场实测植被覆盖度,给出离散坐标下实测植被覆盖度与各种植被指数间的二维散点图,据此得出二者相关方程,反演区域植被覆盖度.结果表明,基于MODIS数据构建的NDVI、MSAVI、SAVI和EVI等...     

近20年成都市植被覆盖度动态变化检测及原因分析

利用1992年、2001年和2009年的TM遥感数据,采用归一化差值植被指数(NDVI)和像元二分法模型得到成都市植被覆盖度变化灰度图及变化等级图,从而客观、定量地得出了近20a来植被覆盖度的变化状况,对于成都市制订调节气候、恢复植被、预防自然灾害等城市发展规划具有实际意义.数据分析结果表明,1992-2009年间,成...     

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.     

植被覆盖度遥感估算方法研究进展

植被覆盖度是重要的生态环境参数之一,遥感影像能够反映不同空间尺度的植被覆盖信息及其变化趋势,故遥感监测是获取区域植被覆盖度参数的一个重要手段.植被指数是反映地表植被覆盖、生物量等的间接指标,基于植被指数的植被覆盖度遥感估算方法有经验模型法、植被指数法、像元分解模型法及FCD模型制图法(Forest Canopy Density Mapping Model)等,基于决策树分类法和人工神经网络分类法的植被覆盖度遥感估算方法也有了一定的进展.本文综合分析讨论了目前常用的于遥感影像的植被覆盖度常用估算方法,对比分析了它们的优缺点,并对遥感植被覆盖度研究进行了展望.     

基于机载MASTER数据的果园叶面积指数遥感反演

叶面积指数(leaf area index,LAI)是描述植被冠层结构的重要参数,准确获取果树的LAI对果树长势监测和果树估产均有重要作用。以美国加州中部的果园为研究区,基于沿太阳主平面飞行成像的机载MODIS/ASTER模拟传感器(MODIS/ASTER airborne simulator,MASTER)数据,利用实测LAI数据与归一化差值植被指数(normalized difference vegetation index,NDVI)、归一化差值红外指数(normalized difference infrared index,NDII)和归一化差值水体指数(normalized difference water index,NDWI)分别建立回归模型,并选取NDWI进行研究区LAI的反演。结果表明:由于地物的二向性反射,垂直太阳主平面飞行获取的遥感数据具有明显的亮度梯度现象,而沿太阳主平面飞行获取的遥感数据几乎不受亮度梯度的影响;NDVI在高植被覆盖区容易达到饱和,而NDWI比NDVI和NDII具有更高的拟合度和更小的均方根误差,更加适合研究区LAI的遥感反演;该研究结果可以丰富LAI反演理论,也可以为研究LAI尺度问题提供理论和数据支持。     

中国西部地区基于经验模型的土壤水分反演

地表土壤水分含量的时空分布信息是十分重要的,常常作为水文模型、气候模型、生态模型的输入参数,同时,也是干旱预报、农作物估产等工作的重要指标。被动微波遥感是监测土壤含水量最有效的手段之一。相比红外与可见光,它具有波长长,穿透能力强的优势。相比主动微波雷达,被动微波辐射计具有监测面积大、周期短,受粗糙度影响小,对土壤水分更为敏感,算法更为成熟的优势。目前,已研究出许多反演土壤水分的方法.本课题的主要内容是借助AMSR-E土壤水分影像数据、MODIS归一化植被指数(NDVI)影像数据和MODIS分类影像数据,利用ENVI软件进行遥感图像数据处理,运用统计分析方法建立NDVI与土壤水分的经验模型,研究中国西部地区稀疏植被覆盖区土壤水分的反演。     

基于生态参数的岩溶峰丛区石灰岩基岩表面溶蚀率遥感反演

为了探索岩溶峰丛区生态参数与石灰岩基岩表面溶蚀率的相关性,用相关生态参数反演土层下石灰岩基岩表面的溶蚀率,从而间接估算其变形。选择桂林丫吉村岩溶峰丛区为研究区,以Landsat5 TM多光谱数据为信息源,提取归一化差值植被指数(normalized difference vegetation index,NDVI)、地面温度及土壤湿度等遥感参数;运用SPSS统计软件对这3种参数分别与石灰岩溶蚀率进行了相关分析,确定其相关系数分别为-0.91,0.85及0.93;在此基础上,通过逐步回归分析,建立了运用NDVI估算植被覆盖下石灰岩表面溶蚀率的遥感反演模型。结果表明:NDVI与石灰岩溶蚀率相关性最大,所以植被信息是石灰岩表层基岩溶蚀的主要间接标志;溶蚀率与NDVI指数存在线性关系,因此只要已知研究区其他地区的NDVI指数,即可估算出该地区的石灰岩基岩表面溶蚀率。     

小麦倒伏的光谱特征及遥感监测

小麦倒伏后茎秆和叶片在探测视场中的比例及植株组分的受光条件发生了变化,其冠层光谱特性也随之发生改变,所以利用遥感监测倒伏是可能的。首先,分析了叶片和茎秆组分的光谱特点,解释了倒伏后冠层光谱的变化特点,即光谱反射率随倒伏角度的增加而增加。其次,利用倒伏后冠层光谱反射率在可见光波段的相对增幅高于近红外波段的特点,利用实测数据分析和建立了归一化差异植被指数NDVI随倒伏角度的增加而降低的规律及模型。最后,采用2003年4月7日和5月9日倒伏发生前后的2景LandsatETM卫星影像,利用倒伏前后的NDVI值的变化,成功监测了小麦倒伏的发生程度。     

城市地表典型遥感参数与热岛效应时空分析研究——以桂林市为例

利用桂林市1991年和2013年的卫星遥感影像数据,分别提取两个时期的归一化建筑指数(NDBI)、归一化植被指数(NDVI)和改进的归一化差异水体指数(MNDWI)3个地表典型参数,并利用回归分析方法,分析了3个地表典型参数与利用Landsat卫星(热红外波段)反演的地表温度(LST)的相关关系。研究结果表明:桂林市中、高、极高温区3个温度类别的变化趋势与桂林市城市扩张趋势基本一致;NDBI与LST成显著的正相关关系,而NDVI、MNDWI则与LST成负相关关系,且各参数对地表温度响应的程度各有差异。该研究成果对于揭示桂林市热岛效应现状、缓解热岛效应及推进桂林市生态城市建设具有一定的参考意义。     

基于MODIS数据的湖北省油菜种植分布信息提取

MODIS归一化差值植被指数(MODIS-normalized difference vegetation index,MODIS-NDVI)时间序列产品能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源。为研究基于MODIS数据的油菜种植分布信息提取技术,选取湖北省为研究区,利用2008—2013年75个时相的MODIS-NDVI时序数据,结合农作物物候和地面调查样本等辅助资料,通过建立油菜种植面积提取模型,采用多次阈值比较方法提取了2009—2013年湖北省油菜种植分布信息,与统计数据比较,总体提取精度为85%左右。最后利用环境小卫星HJ-1A CCD数据进行精度验证,证明了MODIS-NDVI时序数据及本文方法在油菜种植面积提取中的可靠性,对掌握油菜种植面积和产量信息、加强农业生产管理、调整农业结构及辅助政府有关部门制定科学合理的农业政策具有重要意义。     

基于TM图像的“增强的指数型建筑用地指数”研究

以Landsat TM/ETM+图像为数据源,研究城镇和农村建筑用地信息的提取方法.首先利用TM7,4,2波段创建归一化差值裸地与建筑用地指数(normalized difference bareness and built- up index,NDBBI);然后根据裸地在裸土指数(bare doil index,BSI)图像上的亮度值最高、在改进型归一化差值水体指数(modified normalized difference water index,MNDWI)图像的亮度值最低的特征,提出了增强型裸土指数(enhanced baresoilindex,EBSI);最后选用NDBBI,EBSI,MNDWI和SAVI( soil adjustment vegetation index,SAVI)4个指数,构建一种新型的建筑用地指数,称为“增强的指数型建筑用地指数”( enhanced index - based built - up index,EIBI),可快速地提取建筑用地信息.实验结果表明,用EIBI提取的建筑用地信息客观,人为干预少,可信度高,提取精度可达90％以上,适合于同时提取城市和农村建筑用地信息.     

Estimating fractional vegetation cover and the vegetation index of bare soil and highly dense vegetation with a physically based method

Normalized difference vegetation index (NDVI) of highly dense vegetation (NDVI_v) and bare soil (NDVI_s), identified as the key parameters for Fractional Vegetation Cover (FVC) estimation, are usually obtained with empirical statistical methods However, it is often difficult to obtain reasonable values of NDVI_v and NDVI_s at a coarse resolution (e.g., 1 km), or in arid, semiarid, and evergreen areas. The uncertainty of estimated NDVI_s and NDVI_v can cause substantial errors in FVC estimations when a simple linear mixture model is used. To address this problem, this paper proposes a physically based method. The leaf area index (LAI) and directional NDVI are introduced in a gap fraction model and a linear mixture model for FVC estimation to calculate NDVI_v and NDVI_s. The model incorporates the Moderate Resolution Imaging Spectroradiometer (MODIS) Bidirectional Reflectance Distribution Function (BRDF) model parameters product (MCD43B1) and LAI product, which are convenient to acquire. Two types of evaluation experiments are designed 1) with data simulated by a canopy radiative transfer model and 2) with satellite observations. The root-mean-square deviation (RMSD) for simulated data is less than 0.117, depending on the type of noise added on the data. In the real data experiment, the RMSD for cropland is 0.127, for grassland is 0.075, and for forest is 0.107. The experimental areas respectively lack fully vegetated and non-vegetated pixels at 1 km resolution. Consequently, a relatively large uncertainty is found while using the statistical methods and the RMSD ranges from 0.110 to 0.363 based on the real data. The proposed method is convenient to produce NDVI_v and NDVI_s maps for FVC estimation on regional and global scales.     

Modelling high arctic percent vegetation cover using field digital images and high resolution satellite data

In this study, digital images collected at a study site in the Canadian High Arctic were processed and classified to examine the spatial-temporal patterns of percent vegetation cover (PVC). To obtain the PVC of different plant functional groups (i.e., forbs, graminoids/sedges and mosses), field near infrared-green-blue (NGB) digital images were classified using an object-based image analysis (OBIA) approach. The PVC analyses comparing different vegetation types confirmed: (i) the polar semi-desert exhibited the lowest PVC with a large proportion of bare soil/rock cover; (ii) the mesic tundra cover consisted of approximately 60% mosses; and (iii) the wet sedge consisted almost exclusively of graminoids and sedges. As expected, the PVC and green normalized difference vegetation index (GNDVI; (R_NIR − R_Green)/(R_NIR + R_Green)), derived from field NGB digital images, increased during the summer growing season for each vegetation type: i.e., ∼5% (0.01) for polar semi-desert; ∼10% (0.04) for mesic tundra; and ∼12% (0.03) for wet sedge respectively. PVC derived from field images was found to be strongly correlated with WorldView-2 derived normalized difference spectral indices (NDSI; (R_x − R_y)/(R_x + R_y)), where R_x is the reflectance of the red edge (724.1 nm) or near infrared (832.9 nm and 949.3 nm) bands; R_y is the reflectance of the yellow (607.7 nm) or red (658.8 nm) bands with R²’s ranging from 0.74 to 0.81. NDSIs that incorporated the yellow band (607.7 nm) performed slightly better than the NDSIs without, indicating that this band may be more useful for investigating Arctic vegetation that often includes large proportions of senescent vegetation throughout the growing season.