最佳小波包基的矿区植被及红边位置提取

小波包变换能同时对植被光谱信息的低频和高频分量进行分解,并能克服小波变换时间分辨率高而频率分辨率低的缺陷从而具有能够探测植被细微变化的优势。实验利用Hyperion高光谱影像对云南省普朗铜矿区植被像元的光谱进行最佳小波包基参量获取与植被信息识别,并在此基础上提出一种提取重金属污染下植被红边位置的最佳小波包基系数应用模型。研究结果表明基于最佳小波包基参量的植被信息识别及基于最佳小波包基系数的重金属污染探测具有可行性与一定优越性。     

复杂植被山区滑坡蠕变与植被覆盖度关系研究

针对目前复杂植被山区滑坡蠕变监测受植被覆盖影响较大、不同植被覆盖度下滑坡蠕变关系研究缺乏等问题,该文联合Sentinel-1和ALOS PALSAR-2数据集,分别利用SBAS-InSAR和D-InSAR两轨差分技术,获取研究区2019年7月—2020年8月的雷达视线向形变时间序列,分析了复杂植被山区滑坡蠕变与植被覆盖度的内在关系。结果表明：(1)不同植被覆盖度等级对平寨水库库岸山区滑坡蠕变的影响具有显著差异,在低、中高和高植被覆盖度等级时诱发坡体沉降,在中植被覆盖度等级时抑制滑坡蠕变;(2)平寨水库库岸山区的滑坡蠕变体主要集中在库区NW-SE方向,分布与三岔河流域的流向相近;(3)联合多源数据对复杂植被山区滑坡蠕变进行组合探测能够有效克服时间、空间去相干影响,使滑坡蠕变体监测结果更为可靠。研究结果揭示了滑坡蠕变与植被覆盖的内在联系,可以为区域尺度防灾减灾事业提供科学支持。     

面向植被均质单元的生物量多尺度估算研究

针对以往植被地上生物量(以下简称“生物量”)多尺度估算方法在数据收集、尺度转化、结果呈现等方面的局限,该文提出了面向植被均质单元的生物量多尺度估算方法：(1)定义了具有实际景观意义的植被均质单元,作为植被生物量估算的基本单元;(2)基于多源数据提取直接反映和间接影响植被生物量的多源因子,利用多尺度分割技术构建多尺度下的植被均质单元;(3)通过随机森林回归模型实现植被生物量多尺度估算。结果表明,该方法可避免多尺度下的数据获取,仅基于一套数据实现了研究区植被生物量多尺度估算,产生了较好的建模和估算精度。该方法不仅可量化生物量大小,还可描绘生物量均质区域,具有尺度变换便捷、灵活等优势。     

一种知识约束下的多目标土壤空间抽样优化模型

土壤空间抽样优化需要综合考虑抽样精度、成本、代表性以及样点数量与空间布局等多目标,属于典型的NP-Hard空间优化决策问题。先验知识的应用以及多目标的博弈能够有效地提高抽样精度和效率。通过研究土壤空间抽样先验知识及其空间分层技术,以及土壤空间抽样方案与粒子群算法映射关系,建立了基于知识约束下多目标粒子群算法的土壤空间抽样优化模型。模型以最小克里金方差和最大熵为抽样目标,以分层最小样本量、空间阻隔和可达性为约束条件,结合目标规划法进行多目标帕累托优化方案求解,并以陕西省横山县为实验区验证了模型的有效性。实验结果表明,该模型相比传统方法具有较高的收敛效率和抽样精度,先验知识与目标规划法的应用显著提升了抽样方案代表性,能够为土壤空间抽样以及土壤质量监测网络构建提供新的技术支撑。     

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。     

基于植被分区的多特征遥感智能分类

为了有效地提取大范围地形复杂区域的土地利用/土地覆盖遥感信息,以位居青藏高原与黄土高原过渡地带的青海东部地区为研究区,研究基于蚁群智能优化算法(ant colony intelligent optimization algorithm,ACIOA)的土地利用/土地覆盖遥感智能分类。首先选用TM图像、DEM、坡度和坡向数据作为分类的特征波段;然后利用归一化植被指数NDVI对实验区数据进行植被分区;最后利用ACIOA算法进行分类规则挖掘,并依据分类规则进行土地利用/覆盖信息的提取。研究表明,基于植被分区的多特征蚁群智能分类的总体精度为88.85%,Kappa=0.86,优于传统的遥感图像分类方法,为大范围地形复杂区域的土地利用/土地覆盖遥感信息提取提供了有效的方法。     

植被覆盖区土壤水分反演研究——以北京市为例

以北京市为研究区域,联合使用光学遥感数据和雷达数据,对植被覆盖区地表土壤水分进行反演研究。在利用同期光学数据提取出归一化水分指数(normalized differential water index,NDWI)之后,利用water-cloud模型去除植被层在土壤水分后向散射中的贡献,然后考虑到地表粗糙度,在构建后向散射数据库的基础上分别利用HH和HV极化方式的后向散射系数构建土壤水分反演模型,并对反演结果进行对比研究。结果表明,采用HH极化方式反演土壤水分的均方根误差为0.044,相对误差为15.5%;采用HV极化方式反演土壤水分的均方根误差为0.057,相对误差为20.3%;相比而言,HH极化的反演效果更好。     

植被对潮沟发育影响的遥感研究——以崇明东滩为例

根据现场测量,通过高分辨率航空图像提取崇明东滩潮沟的空间形态、植被类型及植被盖度指数。结合多时相卫星图像及海洋数值模式,利用水边线法及宽深比法反演潮沟沟底高程并构建了研究区潮沟三维地形,分析了植被对潮沟发育的影响。结果表明:1潮沟反演的均方根误差为0.545 m,且高潮滩反演精度高于低潮滩地区;2从低潮滩到高潮滩的潮沟深度先增大再减小,主要原因是高潮滩水动力条件较弱,加之植被根系的固滩作用,下蚀作用较弱,潮沟深度较浅,低潮滩由于水域开阔,水动力条件较弱,无植被覆盖侧蚀作用增强,潮沟变宽变浅;3潮沟深度空间分布表现出南深北浅的特征,崇明东滩潮沟密度与植被盖度呈现明显的负相关(r=0.560 4,p0.02),在高盖度植被覆盖的潮滩地区潮沟大多不发育,潮沟密度较低。潮沟长度与植被类型表现出较强的相关关系,在互花米草-芦苇群落为优势的区域潮沟长度普遍比以海三棱藨草群落为优势的区域长。     

土壤有机质含量区间值高光谱估测

考虑影响因素的复杂性,提出土壤有机质含量区间值高光谱估测的思想。根据在陕西省横山县采集的84个土壤样本数据,采用14种光谱反射率变换方法及因子互乘变换筛选反演因子,采用模糊识别方法进行土壤有机质含量估测。结果表明,原始光谱反射率(R)及其平方(R2)、平方根(R1/2)、倒数(1/R)、自然对数(ln R)的一阶微分、二阶微分及其互乘变换与有机质含量的相关性明显增强,模型优化系数可调节类别判别的准确度,12个检验样本的准确度为91.67%。这表明提出的土壤有机质含量区间值高光谱估测模型是有效的。     

利用QuickBird红外波段影像交替式植被信息增强的方法

由于大气的影响和传感器本身的原因,可见光遥感影像往往不能很好地反映植被信息。考虑到植被在近红外波段具有较强反射的特性,提出一种利用Quick Bird近红外波段与Photo Shop图像处理软件的交替式植被信息增强方法。结果表明,运用该方法处理的影像植被光谱特征复原度较高,视觉效果好,能反映出不同植被的光谱特征差异。