基于作物植被指数和温度的产量估算模型研究

该文利用冬小麦返青初期至抽穗初期的累积植被指数和孕穗-灌浆阶段的温度累积值为模型因子，建立冬小麦产量估算模型，在建模过程中，分析了模型变量与产量的关系并对变量获取方法进行了适当改进，简化了变量的获取途径，为模型的业务化应用奠定了基础。     

基于作物植被指数和温度的产量估算模型研究

该文利用冬小麦返青初期至抽穗初期的累积植被指数和孕穗—灌浆阶段的温度累积值为模型因子 ,建立冬小麦产量估算模型 ,在建模过程中 ,分析了模型变量与产量的关系并对变量获取方法进行了适当改进 ,简化了变量的获取途径 ,为模型的业务化应用奠定了基础。     

藏东南三江并流核心区植被时空动态变化及其气候驱动力分析

植被生长状况及其分布对气候等影响因子的响应是当前生态学研究的热点之一。基于2000—2016年MODIS NDVI数据和气象数据,用Sen+Mann-Kendall等方法分析了藏东南三江并流核心区植被的时空变化及其与气候因子的关系。研究结果表明：① 该区植被覆盖整体趋于稳定,呈缓慢增加趋势,不同植被类型覆盖空间异质性明显。② 植被变化趋势结果显示植被覆盖变化以稳定不变和改善趋势为主,区域总体呈稳中向好态势。③ 相关分析表明植被NDVI增加主要与气候暖化有关,与降水量相关性较小。此外,人类活动对植被影响的双重性表现为：大多地区植被改善受生态工程和围栏禁牧政策影响,局部地区植被退化则与城镇化进程加快有关。研究结果揭示气温是影响植被格局的主要气候因子,了解影响植被变化及其驱动因素的空间变异性可为山地植被生态环境保护建设提供一定的科学依据。     

基于MODIS影像的山西省植被指数分析

以MODIS遥感影像为数据源,利用ENVI遥感影像处理软件,笔者对山西省2005年9月和2006年9月两期MODIS影像的植被指数进行计算,建立了两期植被指数密度分割模型,以获得全省植被覆盖的整体状况,通过对两期植被指数影像图进行动态链接、叠加以及结合相减比较,可以看出两年间全省的植被覆盖空间变化情况。结果表明:全省较低植被覆盖区不多,高植被地区主要分布在中部以南地区,中低植被覆盖集中在中部以北地区。两年的植被指数比较结果表明,全省中等植被覆盖区有所增加,但高植被覆盖区增加不明显。     

基于MODIS影像的山西省植被指数分析

以MODIS遥感影像为数据源,利用ENVI遥感影像处理软件,笔者对山西省2005年9月和2006年9月两期MODIS影像的植被指数进行计算,建立了两期植被指数密度分割模型,以获得全省植被覆盖的整体状况,通过对两期植被指数影像图进行动态链接、叠加以及结合相减比较,可以看出两年间全省的植被覆盖空间变化情况。结果表明：全省较低植被覆盖区不多,高植被地区主要分布在中部以南地区,中低植被覆盖集中在中部以北地区。两年的植被指数比较结果表明,全省中等植被覆盖区有所增加,但高植被覆盖区增加不明显。     

基于多种植被指数TVDI京津冀地区干旱监测

以京津冀为研究区,基于MODIS数据产品获取NDVI、EVI、MSAVI及LST,利用DEM对LST进行修正,建立不同植被指数的Ⅵ-Ts特征空间,选取干湿边拟合效果好的植被指数建立TVDI,获取研究区2018年植被生长季(4—10月)干旱情况,利用同步气象站点降水数据进行相关性分析,使用同期气象公报进行结果验证。结果表明：1)利用MSAVI构建的特征空间总体拟合效果优于其他两种植被;TVDI_M与同期气象站点降水数据呈显著负相关,均通过P<0.05显著检验。2)空间上,旱情主要发生在张家口和东南平原地区;时间上,旱情表现为先加剧后缓解。综上,TVDI_M模型可靠性及精度较高,可用于京津冀地区干旱监测预警。     

基于SPOT-4/VEGETATION数据的中国植被覆盖动态变化研究

植被动态变化对全球能量循环和物质循环具有重要的影响,对植被覆盖变化的研究在全球变化研究中具有重要的意义。为了阐明近8年来中国植被覆盖的整体状况,利用SPOT4-VEGETATION/NDVI时间序列数据,以各个像元的线形回归的相关系数及其显著性水平为植被覆盖活动的指标,对我国1998~2005年8年间的植被覆盖状况及其年际变化进行研究分析。     

马尾松LAI与植被指数的相关性研究

以福建省永安市区为研究区,计算IRS-P6(LISS-Ⅲ)多光谱数据的DVI、EVI2、MSAVI、NDVI、RDVI、RVI及TNDVI等7种植被指数,并与使用LAI-2000测量的马尾松叶面积指数(LAI)建立相关关系,分析植被指数对马尾松LAI的影响。从决定系数(R2)和标准误差两个方面对基于不同植被指数的LAI反演模型进行定量分析,反演模型包括线性模型、二次曲线模型、幂函数曲线模型和指数曲线模型4种。结果表明,马尾松LAI与植被指数呈指数曲线相关或幂函数曲线相关。反演马尾松LAI,最佳的统计模型是指数曲线模型和幂函数曲线模型,较佳植被指数为TNDVI、NDVI和RVI,其指数曲线模型和幂函数曲线模型拟合的R2均高于0.76,且验证结果R2均高于0.84,但RVI指数反演的模型标准误差相对较大。总体而言,TNDVI和NDVI的指数曲线和幂函数曲线模型对马尾松LAI具有较好的预测性。     

基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究

以山东禹城为研究区,利用我国自主研发的环境星数据,计算了4种植被指数,即归一化植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)及增强型植被指数(EVI);结合同步观测数据,将植被指数与实测叶面积指数(LAI)进行回归分析,比较各种植被指数模型对冬小麦LAI的估测精度。结果表明,4种植被指数与LAI均具有较高的相关性,其中,比值植被指数(RVI)对LAI反演精度最高,即LAI=2.967 lnRVI-1.201是估算冬小麦LAI的最优模型。使用2009年5月冬小麦LAI观测数据对模型进行验证,平均相对误差为19%。     

基于植被覆盖度的石漠化遥感信息提取方法研究

以云南隆林各族自治县为研究区,利用中巴02B星多光谱遥感数据,在前人研究基础上,提出了基于植被覆盖度的石漠化遥感信息提取方法。实验表明,该方法在剔除阴影、水体、裸地及耕地等影响因素,结合土地利用现状的基础上,无需估算叶面积指数等需要复杂推导的参数就可以有效、准确地提取研究区石漠化分布状况。