若尔盖县土地沙化遥感监测

针对沙化严重的若尔盖县地区,选取若尔盖县麦溪乡为研究区,基于2009年和2014年两期遥感影像数据,采用植被盖度转换法对研究区草地沙化信息进行提取,并根据国情普查数据检验2014期沙地提取精度。结果表明,麦溪乡沙化类型以露沙地为主,两期监测中露沙地均超过地区沙化总面积的80%;2014年沙化面积为31597.35hm~2,比2009年增加了1266.91hm~2,流动沙地、固定沙地面积在减小,而半固定沙地和露沙地面积有所增加,沙地有此消彼长之态势。     

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。     

大米草室内叶片光谱特征参数与叶绿素浓度关系研究

本文通过分析大米草叶片反射光谱特征,并提取红边位置、红边斜率和红边面积三个红边参数以及叶面叶绿素指数(LCI)、水分指数(WI)、三角植被指数(TVI)、结构相关色素指数(SIPI)四个高光谱植被指数,利用线性、对数、倒数、二次函数和三次函数曲线模拟算法得到大米草叶片叶绿素a浓度的高光谱估算模型。研究结果表明:叶绿素a浓度与红边斜率和红边面积在0.01水平上显著负相关,与LCI、WI和TVI在0.01水平上显著正相关。基于红边斜率、红边面积、TVI三个参数,选用倒数法构建叶绿素a浓度的估算模型精度明显高于其他算法。基于LCI和WI参数,应用三次函数法构建的叶绿素a浓度的高光谱检测模型精度明显高于其他算法。比较R2和模型估算误差,利用WI水分指数应用三次函数构建叶绿素a浓度的高光谱检测模型精度在所有模型中最高。因此,利用叶片光谱技术可以较高精度地估算叶绿素a浓度。     

一种利用NDVI辅助提取植被信息的改进方法

为提高遥感影像中不同覆盖度植被信息由栅格到矢量的转化效率和准确度,改进了常用的NDVI辅助提取植被信息方法,即根据NDVI与植被覆盖度之间的关系自动提取不同覆盖度的植被信息.为检验该方法的效果,利用试验区一组TM影像进行植被信息的提取试验.结果表明,该方法与常用方法相比能有效地增强不同覆盖度植被边缘信息,提高了植被边缘信息栅格矢量化的效率和准确度.     

基于MODIS的区域动态干旱监测方法

以辽宁省2009年夏季的干旱情况为例,利用多时相、多光谱的MODIS数据信息,结合地面实测气象信息与水文信息对旱情监测进行了研究,根据具体区域的实际情况,动态选择遥感指数及模型参数,实现了利用遥感数据对大范围区域的动态干旱监测。     

不同植被水分指数对小麦水分状况监测效果对比

通过对比不同水分指数对冬小麦水分状况的监测效果,选择出不同时期的最优水分指数,为遥感监测作物水分提供理论依据。利用冬小麦一个完整生长季内不同时期的5次水分胁迫下光谱与水分状况实测数据,计算出NDVI、NDWI、GVMI(全球植被水分指数)、PWI(植被水分指数)及WI(水分指数)这5个常用水分指数的数值,并与EWT(等效水厚度)、FMC(相对水分含量)进行相关性分析。经过综合分析与比较,发现在小麦生长前期,FMC比EWT更适合反演水分状况,而小麦生长后期,则EWT比FMC更为适合。不同时期小麦水分监测的最优指数不同,而且随着小麦的生长,光谱指数对水分状况监测效果呈现先升后降的趋势。在实际应用中,应当根据小麦生长的不同时期,选择不同的指数来监测小麦的水分状况。     

基于RS与GIS技术的泸定县植被空间分布分析

以四川省泸定县为分析研究区域,综合运用遥感图像处理技术与GIS空间分析技术,用ETM+遥感影像获取归一化植被指数(NDVI)信息并反演植被覆盖度,用地形图等高线生成数字高程模型(DEM)并提取地形因子。借助叠合分析法,讨论植被覆盖度与海拔高度、坡度、坡度变率、坡向、坡向变率5种地形因子的空间关系,得到泸定县关于地形因子的各等级植被空间分布特征。分析对地植物学中高山峡谷地区植被的地形格局分布规律研究与生态环境的评价与改良都具有重要的参考价值。     

九寨沟的湖泊植被

九寨沟湖泊植被的特点是;湖泊植物区系属北温带植物区系的一部分;植物群落类型仅有挺水和沉水两大群落类型,群落生态系列极不完整;湖泊植被大体仍保持着自然性和原始性;植物群落生存的水深较大(种子植物可生长在水深6.0米处,轮藻群落可在水深11.0米的湖床上发育),本文对九寨沟13个湖泊植物群落的组成、结构进行了描述。     

基于ASTER GED产品的地表发射率估算

地表发射率是地表温度反演的重要输入参数,为了解决现有地表发射率估算方法在裸露地表精度较差的问题,本文基于最新的ASTER全球地表发射率产品(ASTER GED)和基于植被覆盖度的方法(VCM),提出了一个改进的地表发射率估算方法。首先,利用ASTER GED产品求解裸土发射率,然后,利用ASTER波谱库中的植被发射率和植被覆盖度结合VCM方法计算地表发射率。利用张掖地区2012年11景ASTER TES算法反演的地表发射率产品和实测地表发射率数据进行了验证,同时利用一景Landsat 8 TIRS数据分析了对地表温度反演精度的影响。结果表明该方法估算的地表发射率整体精度较高,可以有效改进裸露地表的发射率估算精度,用于支持利用多种热红外传感器数据生产高精度的地表温度产品。     

线性/非线性光谱混合模型估算白刺灌丛植被覆盖度

及时监测干旱与半干旱区光合/非光合植被覆盖度时空变化,可以为指导荒漠化防治工程及植被衰退机制研究提供重要信息。本文以甘肃民勤典型植被白刺灌丛为研究对象,通过地面控制性光谱实验获取混合光谱、端元光谱与丰度信息,开展线性与非线性光谱混合模型(包括核函数非线性和双线性混合模型)估算光合和非光合植被覆盖度的对比研究,采用全限制最小二乘法进行模型解混,分别获取各样本数据中各类端元丰度及其精度信息,通过模型分解的均方根误差(RMSE)与地面验证精度确定用于光合和非光合植被覆盖度估算的最佳光谱混合模型,其中参考端元丰度采用神经网络(NNC)分类算法对数字影像进行分类获取。结果表明:(1)引入阴影端元的四端元模型相对于传统的三端元模型(光合/非光合植被与裸土)能有效提高光谱解混的精度,并提高光合和非光合植被覆盖度估算精度;(2)对白刺灌丛来说,光合植被、非光合植被、裸土及阴影间多重散射混合效应存在,但混合效应不够显著;考虑非线性参数的核函数非线性光谱混合模型表现略低于线性光谱混合模型,因此非线性光谱混合模型在估算白刺灌丛光合和非光合植被覆盖度时相对于线性光谱混合模型没有明显优势;(3)基于光合/非光合植被、裸土与阴影四端元的线性光谱混合模型可以实现白刺灌丛光合和非光合植被覆盖度的准确估算,光合植被覆盖度估算RMSE为0.11 77,非光合植被覆盖度估算RMSE为0.0835。