分层信息提取法在县域土地 利用/覆被遥感中的应用

高精度地获取县(或县级市)域土地利用/覆被的定性、定量信息对于维护生态环境和保障我国农村经济的可持续发展具有重要意义。针对2003年冬季所获得的江苏省新沂市的TM图像特点,选择分层信息提取法提取土地利用/覆被信息。首先对图像进行基于最大似然法的监督分类,观察分类结果,提取误分、错分比例最小的未利用地类型,然后采用光谱分析法提取出水体范围、监督分类和目视解译相结合法提取出城镇建设用地和农村居民点、归一化植被指数提取出林地,最后提取出耕地。信息提取结果与同期土地利用图相比较,整个新沂市域范围内土地利用/覆被类型分类的面积精度达到96.17%,空间精度达到88.38%,表明这种方法提取遥感图像土地利用/覆被信息是可行的。     

基于TIC的多时相遥感影像相对辐射归化处理

采用不变点群法(temporally invariant cluster,TIC),由两时相影像的NDVI点密度图确定两个TIC中心并建立辐射归化处理方程,对影像的NDVI进行相对辐射归化处理。与其它辐射归化处理方法相比,该方法简单、有效且精度高,对轻微的植被物候变化敏感且影像不变特征点较少时也能进行辐射归化处理,可有效应用于土地利用/覆盖、植被物候及景观等变化监测。     

青海湖地区植被覆盖及其与气温降水变化的关系

使用1981年到2003年月NDVI(归一化植被指数）资料,计算了青海湖地区植被覆盖度,分析了该地区植被覆盖度的历史演变,发现其值在增大,尤其是从1996到2003年,青海湖地区的植被覆盖度都为正距平,NDVI年平均增长率为1.07×10-3。四季的植被覆盖度均为增加趋势,夏季增加最多。月平均温度与月植被覆盖度、春夏季降水与夏秋季植被覆盖度显著正相关。因此,热量条件和春夏季降水是影响青海湖地区植被生长的关键性因素。     

内蒙古西鄂尔多斯国家自然保护区植被的遥感分布特征及变化探测

西鄂尔多斯自然保护区位于荒漠、半荒漠地带的中国北方生态环境脆弱带上,保护区内的植物从第三纪演化至今仍带有荒漠特有种群标记,对研究环境演化、生物多样性、全球变化等都具有重大的学术价值和诊断意义,受到国内外生物学、生态学、地理学等学科研究者的极大的关注。利用传统的研究方法和样方统计方法不仅费时、费工,而且进展缓慢,另外,很难实现对保护区植物分布规律与生境的全面了解与监测。我们利用Landsat-5、7卫星提供的1987年9月的TM和1999年8月的ETM数据,两景不同时相的数据间隔12年,分辨率为30m;1∶25万的DEM数据;地面样方统计数据等。用遥感技术对西鄂尔多斯珍稀濒危植物群落进行分布规律和变化探测的研究,可以快速、大范围、准确、实时获取资源环境状况及其变化数据,建立三维立体景观虚拟现实图,再结合野外实地考察样方统计数据的综合分析,揭示了间隔12年植被分布规律和植被覆盖动态变化情况。为合理利用这些植被资源,对受损荒漠生态系统的恢复提供了依据,同时,对于保护和改善我国荒漠地区的生活环境和探索荒漠地区可持续发展也具有重要的意义。     

土地覆被的气候预测模型

在全国挑选了东北、华北、华中、西南、华南、西北、新疆和西藏8个试验区,采用人工神经网络和逐步回归方法,应用温度、降水对植被指数进行预报(气候因子超前土地覆盖特征量24个月).试报结果表明:在对植被指数的预报上,人工神经网络优于逐步回归.同时尝试性的将神经网络预报方法与逐步回归方法结合起来作预报,即应用逐步回归挑选出来的预报因子作为神经网络的外部输入精选因子,进行神经网络模拟预报.研究表明,对神经网络的预报因子进行精选,可事先排除一些干扰信息,对提高神经网络的预报准确率有所帮助.     

面向桉树和车桑子精准识别的高光谱特征变换方法比较分析

相对于遥感影像,高光谱遥感影像具有光谱信息,为精准识别植被提供了新的技术支持.对高分五号(GF-5)高光谱数据进行光谱变换,结合植被指数,分析各种光谱变换方法对植被的识别能力.首先提取研究区主要的两种植被端元光谱,对实验区进行分类,依据植被分布位置,确定这两种植被分别为桉树和车桑子;然后对植被的反射率光谱进行一阶、二阶...     

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.     

青海湖布哈河流域树轮宽度指数与NDVI植被指数的关系

利用来自青海湖流域乌兰和天峻的树轮指数和1982-2003年逐月标准化植被指数(NDVI)数据及气候数据, 在分析树轮指数及草地NDVI与气候因子关系的基础上, 探讨了树轮宽度指数序列与青海湖布哈河流域草地NDVI之间的关系.结果表明: 树轮宽度指数及草地NDVI主要受6-8月份的水热条件的影响, 温度与同期树轮宽度指数及草地NDVI具有较高的正相关, 而降水的影响存在滞后性.树木年轮指数序列与6-8月草地NDVI有显著的相关关系, 与8月份的NDVI相关性最强.树轮指数与草地NDVI间的显著相关性为研究该地区草地过去的动态变化提供了基础, 利用乌兰和天峻的两条树轮指数重建了8月份NDVI的千年变化.     

定量评估我国西北干旱区土地利用变化对植被指数的影响

在全球变化的背景下,定量区分人类活动和气候波动对干旱区植被的影响具有重要意义。采用多种统计学方法,分析了我国西北干旱区1990-2010年土地利用/覆被变化（LUCC）和1982-2010年归一化植被指数（NDVI）的时空变化特征,并定量评估了LUCC对NDVI变化的影响。结果表明：1990-2010年,西北干旱区耕地增加量最多,高达13 476 km²,其次是林地和水域,各地类增加的面积主要来自草地（12 590 km²）和未利用地（6 025 km²）。各土地类型变化速度快慢依次为：耕地 > 建设用地 > 水域 > 林地 > 草地 > 未利用地。2000-2010年,研究区土地利用程度综合指数（0.79）明显高于1990-2000年（0.23）,表明近年来人类活动对土地利用变化的影响程度显著增强。1982-2010年,西北干旱区NDVI呈增加态势,但近年来（2002-2010年）NDVI略有下降。其中,1990-2000年,LUCC对西北干旱区NDVI总变化的贡献率较低,仅为2.9%;而1990-2010,LUCC的贡献率为26.7%,表明气候变化对植被指数变化的贡献率高达73.3%。     

基于多时相Landsat影像的中亚地区植被覆盖遥感监测

针对中亚地区的强生态脆弱性、高敏感性特征,有必要开展广域、长期的植被覆盖监测以匹配“绿色丝绸之路”的可持续发展目标。鉴于此,联合Landsat 5和Landsat 8卫星数据集,利用Google Earth Engine（GEE）地理空间数据云计算平台,估算了中亚地区1993—2018年间共12期的植被覆盖度。结果表明：（1）中亚地区植被覆盖总体水平较低,但也具有较为显著的空间异质性。（2）中亚地区1993—2018年间多数区域植被覆盖趋势较为稳定,哈萨克斯坦丘陵、费尔干纳盆地等区域植被覆盖度呈增加趋势,乌拉尔河流域和锡尔河流域等区域植被覆盖趋势为负。（3）植被覆盖度时序特征上,中亚地区1993—2018年间总体植被覆盖度累积增加3%,其中吉尔吉斯斯坦和塔吉克斯坦植被覆盖分别增加3.96%和5.86%。（4）裸土区呈退缩趋势,面积总计减少25.9×10⁴ km²,低植被覆盖区、中植被覆盖区和高植被覆盖区范围在呈现出的振荡式增加。研究结合遥感大数据和地理云计算对中亚地区进行区域尺度的植被覆盖动态监测,能对中亚地区生态评估和演替分析提供技术支持和定量数据。