基于遥感的重庆市植被覆盖格局变化研究

利用1988年、2007年Landsat5 TM和2000年SPOT2影像,以Erdas和ArcGIS软件为主要工具,对重庆市植被覆盖变化进行研究．首先提取重庆市的归一化植被指数（NDVI）,再利用等密度模型将植被指数转化为植被覆盖度,并按照相关标准进一步划分植被覆盖等级结构;其次从面积和植被覆盖景观格局指数中的区域多样性指数、优势度和均匀度等方面进行植被覆盖变化的空间格局分析．结果表明：①随着城市的迅速扩张,城市植被覆盖度急剧下降,形势严峻;②在植被等级结构中,2级和5级一直呈现增长趋势,1、3、4级呈现先增长后下降的趋势,且低植被覆盖有向高植被覆盖等级转移的趋势;③在市区,由于土地利用类型调整和旧城改造等原因,植被覆盖呈下降趋势,短期内可能进一步持续下去．     

基于像元二分模型的植被覆盖度遥感信息提取

植被覆盖度是衡量地表植被覆盖的一个重要指标,在许多方面作为重要参数输入。本文利用Landsat-7卫星提供的1999年ETM+遥感影像和Landsat-5卫星提供的2007年TM遥感影像,以定西市安定区为研究区域,对遥感影像进行了归一化植被指数(NDVI)的提取,并根据像元二分模型原理计算出研究区的植被覆盖度。从结果中可看出研究区西南部植被覆盖有所增加,东北部植被覆盖有所退化。     

基于像元二分模型的植被慰盖度遥感信息提取

植被覆盖度是衡量地表植被覆盖的一个重要指标,在许多方面作为重要参数输入。本文利用Landsat-7卫星提供的1999年ETM＋遥感影像和Landsat-5卫星提供的2007年TM遥感影像,以定西市安定区为研究区域,对遥感影像进行了归一化植被指数（NDVI）的提取,并根据像元二分模型原理计算出研究区的植被覆盖度。从结果中可看出研究区西南部植被覆盖有所增加,东北部植被覆盖有所退化。     

基于RS和GIS的正安县水土流失空间分布研究

以正安县为研究区域,以2017年遥感影像、降雨量数据、DEM数据为基础,采用GIS与RS技术,得到正安县的植被覆盖度、坡度、土地利用等影响因子确定出土壤侵蚀强度,并对正安县在不同坡度、高程、植被覆盖度与土地利用下的水土流失特征进行分析。     

基于经验线性法的Hyperion影像大气校正

选取影像覆盖区域的地物分别作为亮目标和暗目标,选取非影像覆盖区域的同名地物为目标物,基于经验线性(ELC)法对Hyperion影像进行大气校正.结果表明,包含大部分植被信息的混合像元中绿色植被光谱特征清晰可见,植被绿色反射峰、近红外波段反射平台以及短波红外小反射峰等现象十分明显.运用该方法对缺乏实时资料的卫星影像进行大气校正具有一定的适用性.     

基于NDVI的干旱区绿洲植被覆盖度动态变化分析——以新疆阿克苏地区为例

本文以新疆阿克苏地区1991年、2001年和2016年TM/ETM+/OLI遥感影像为数据源,基于归一化植被指数NDVI应用像元二分模型对植被覆盖度进行了估算,得到三期植被覆盖度等级分布图,并通过转移矩阵,对研究区植被覆盖的时空变化特征进行了分析.结果表明,近25年来,阿克苏地区植被覆盖度总体呈现增长趋势,植被覆盖度60%以上的高植被覆盖区域面积显著增加,面积占比由1991年的7%上升至2016年的12.33%,而其他植被覆盖等级区域的面积均呈减少趋势.自然因素尤其是气候变化在一定程度上有利于研究区植被覆盖的增加,但短期内植被覆盖变化的主导因素还是人类活动的干扰.     

2000～2015年班玛县植被覆盖度变化分析

基于美国Landsat TM卫星遥感影像数据,通过Arc GIS10.0与ENVI5.1软件,提取并分析了班玛县不同时期的植被覆盖度动态变化总体特征。分析结果表明:2000年、2007年、2015年的平均植被覆盖度依次为75.17%,74.23%,70.04%,植被覆盖度fc>0.65的区域面积占总面积的比例达到65%以上,植被覆盖总体情况良好;植被覆盖变化面积转移矩阵表明,中高等、高等植被覆盖度区域转出面积远远大于转入面积,近15年来植被覆盖度呈现出下降趋势,自然生态环境退化程度明显;班玛县植被覆盖度减少区面积占比16.18%,比重较大,植被覆盖不稳定并呈现退化趋势,自然生态环境亟待保护。     

基于Landsat-8影像数据的北京植被覆盖度时空特征与地形因子的关系

以北京市为研究区,通过像元二分法模型,基于Landsat-8影像,反演北京市2014年4月、2021年4月的植被覆盖度;并根据DEM数据,计算研究区的坡度、高程数据,将植被覆盖度与坡度、坡向、高程进行空间叠加分析,研究植被覆盖度时空特征与地形因子的关系.研究结果表明,北京市坡度较小的区域以中低植被覆盖区为主,随着坡度的...     

一种利用可见光波段无人机遥感的林下植被覆盖识别方法

利用可见光无人机遥感数据,通过分析不同地物在像元和对象尺度上的光谱信息,建立一种利用归一化红绿差异指数NGRDI特征并结合面向对象思想的林下植被覆盖识别方法,并对试验区和验证区开展方法应用与适应性分析. 分析结果表明：NGRDI在像元尺度可以很好地区分乔木、 草地和裸土,在对象尺度也能较好地区分林下有植被覆盖区域和林下无植被覆盖区域,同时该指数能较好地消除地形因素等影响. 试验区林下植被识别的总体精度为85.9%,Kappa系数为0.78;验证区林下无植被覆盖区域和林下有植被覆盖区域提取的正确率分别为82.9%和95.1%. 故利用可见光无人机影像的NGRDI指数进行林下植被覆盖识别方法是可行的.     

西南山区不同岩性背景下植被覆盖特征分析——以盘县为例

以Landsat数据为数据源,利用地理信息系统技术,提取盘县1990、2001、2015年的归一化山地植被指数(NDMVI),采用像元二分模型对植被覆盖度进行估算,分析盘县植被覆盖时空分异特征以及岩性对其的影响。研究表明:盘县以高植被覆盖为主,生态环境较好;岩性对植被的覆盖程度及其变化存在一定的影响,纯碳酸盐岩、夹层碳酸盐岩、互层碳酸盐岩分布区植被覆盖情况比非碳酸盐岩分布区差,纯碳酸盐岩、间层碳酸盐岩对植被覆盖变化较敏感,纯碳酸盐岩和间层碳酸盐岩分布区生态环境较脆弱,易受到外界干扰,非碳酸盐岩分布区生态环境较稳定,不易受到外界的干扰。     

Classification of vegetation in North Tibet Plateau based on MODIS time-series data

Based on the 16d-composite MODIS （moderate resolution imaging spectroradiometer）-NDVI（normalized difference vegetation index） time-series data in 2004, vegetation in North Tibet Plateau was classified and seasonal variations on the pixels selected from different vegetation type were analyzed. The Savitzky-Golay filtering algorithm was applied to perform a filtration processing for MODIS-NDVI time-series data. The processed time-series curves can reflect a real variation trend of vegetation growth. The NDVI time-series curves of coniferous forest, high-cold meadow, high-cold meadow steppe and high-cold steppe all appear a mono-peak model during vegetation growth with the maximum peak occurring in August. A decision-tree classification model was established according to either NDVI time-series data or land surface temperature data. And then, both classifying and processing for vegetations were carried out through the model based on NDVI time-series curves. An accuracy test illustrates that classification results are of high accuracy and credibility and the model is conducive for studying a climate variation and estimating a vegetation production at regional even global scale.     

基于最小二乘支持向量机和高分辨率遥感影像的大尺度区域岩性划分

基于大尺度区域分割的理念,提取高分辨率遥感图像中与岩性相关的纹理、形状、光谱信息,利用最小二乘支持向量机(LS-SVM)在非线性预测中的优势,对研究区地质岩性进行识别。首先对高分辨率图像中与岩性相关的光谱、纹理、形状、高程等特征信息进行样本选取,选取过程中以图像的纹理为主要特征信息,同时以J-M距离、转换分类度为依据选取最优特征空间,采用因子分析变换降维对特征空间进行压缩,实现特征信息最优化;然后对已知样本进行训练,建立分类模型,评价模型精度;最后利用模型对研究区进行岩性划分,并进行分类后处理。研究结果表明:基于LS-SVM的分类方法在利用高分辨率遥感图像岩性识别中表现良好,为地质岩性分类提供了一种新的方法和手段;加入纹理等信息后的LS-SVM分类模型更加利于岩性的判别。     

植被高光谱遥感分类方法研究

结合具体的OMISI高光谱遥感数据，对各种常用植被高光谱遥感分类方法进行分类训练，通过比较分类性能，得到各种方法在植被高光谱分类中的若干应用规律和分类过程中选择最优分类方法的一些技巧。在此基础上，提出将传统分类方法与基于光谱特征匹配的分类方法相结合对高光谱图像进行分类的方法。     

基于遥感的东营市植被覆盖动态变化研究

以东营地区1995年和2010年两期TM影像为数据源,通过计算归一化植被指数,并利用混合像元二分模型计算植被覆盖度,其植被覆盖变化从低到高分为5个等级．植被覆盖度变化结果如下：从1995年一2010年东营地区植被中高和高覆盖度类型面积增加,其面积变化率分别为483．2％和168．35％,极低和低植被覆盖度类型面积减少,其面积变化率分别为61．01％和51．11％．从空间上看,东营地区整体植被覆盖度都有所增加,而北部沿海、中部城区的植被覆盖度有所下降,这与东营市近年来重视植被保护和城市化加速有密切的关系．     

海南生态环境现状评价与变化分析

遥感和地理信息系统技术的发展为研究区域生态环境变化提供了有效手段,以1987年海南植被类型分布图、1988年河南省土壤侵蚀图和1998年的TM遥感资料为信息源,综合GIS参与监督分类及目视判读的方法,以GIS为工具提取生态因子信息并按景观生态类型进行了评价和分析对比,并以海南西部部分地区为例,进行了海南西部地区土地沙化／土地退化研究,表明海南生态环境质量由中部向外依次降低,森林生态环境好,部分园林和农田生态环境质量较差,土地沙化／土地退化在向着恢复逆转的方向发展。     

复杂地形下植被指数对地表温度的响应

以地形复杂的湖北省松滋市部分区域为研究区,基于2018年Landsat 8数字影像和ASTGTM2的DEM数字高程数据,在深入研究各种植被指数的基础上,选用地形效应较小的归一化差值山地植被指数(NDMVI),构建决策树模型获得研究区的土地覆盖分类结果,同时将该植被指数应用于大气校正法的地表温度反演,最后分析不同地形条件下植被指数与地表温度的相关性。研究结果表明:NDMVI的决策树分类具有较高的精度;基于NDMVI的地表温度反演方法具有可行性,结果准确性高;陡坡、丘陵、平原等地形下NDMVI植被指数均与地表温度呈负相关性,且相关性显著。     

基于核Fisher判别的复杂储层岩性识别研究

复杂储层中多种岩性均可作为储层,不同岩性的物性特征差异较大,分岩性解释复杂储层物性是求准物性较为有效的一种方法,但是不同岩性的测井特征相近,常规线性分类方法识别效果不理想,因为复杂储层的岩石识别中非线性分类特征占较大比例。针对这一问题,本文将Fisher判别分析(FDA)做核推广,形成核Fisher判别分析(KFDA),进一步利用Fisher判别中未提取的非线性信息,通过升维获得更多的非线性分类特征,然后再通过降维来提取利于岩性分类的特征。文章通过实验对核Fisher在数据预处理、关键参数的选取等方面进行了详细介绍,并将核Fisher方法与其它分类方法进行比较,验证了核Fisher方法的岩性识别能力,而对于不同岩性间的差异相似关系,造成岩性识别精度低的情况,提出了分级核Fisher判别分析的思路,研究证明利用分级核Fisher判别分析的思路可进一步提高岩性的识别精度。     

可视化数据挖掘在碎屑岩储层研究中的应用

针对储层研究过程中碎屑岩数据爆炸而知识缺乏的问题,引入数据挖掘思想,结合地理信息系统及Excel二次开发工具,应用Clementine软件对数据进行提取与处理,实现了数据挖掘过程的可视化.借助数据挖掘工具进行砂岩三角形图解的自动化投点和岩性识别,从而实现数据挖掘结果的可视化.     

城镇化背景下的南方红壤丘陵区土地覆盖演变——以衡阳盆地为例

土地利用与覆盖（LULC）变化是生态环境演变的主要驱动力。南方丘陵区人口密集,但生态环境脆弱,20世纪90年代快速的城镇化进程产生了急剧环境变化。以衡阳盆地为研究区,以1990年、2000年两个时期的TM遥感影像为主要数据源,采用面向对象分类技术提取植被和建设用地信息,通过反演植被覆盖度,对植被覆盖度进行分级处理,获得了研究区植被覆盖等级分布图,最后,通过对比1990年和2000年建设用地和植被覆盖等级图获得了研究区建设用地和植被覆盖演变信息。研究结果表明：10年内研究区建设用地发生了显著扩展,扩展区域主要集中在衡阳市区周边,扩展区总面积为237.34km2;植被恢复区主要位于研究区北部区域,植被退化区位于研究区西端以及衡南县、祁东县和常宁市等3县市交界的湘江河谷地带以及南部的山区;城镇扩展区内植被退化严重,植被退化面积达到166.84 km2,占城镇扩展面积的比例为70.30%。     

融合植被指数的3 D-2D-CNN高光谱图像植被分类方法

对于基于高光谱图像的植被分类,利用三维卷积神经网络和空谱结合可以取得良好的效果。但存在计算代价大、参数过多容易过拟合等问题。基于此,设计了一种三维卷积与二维卷积相结合的深度网络,通过数据分块的思想减小了计算量;并提出了一种融合植被指数的特征提取方法,改善了现阶段因高光谱图像样本数量少、光谱层间信息相关度高,造成的容易过拟合的问题。在植物园数据集、IP数据集和PU数据集上的实验结果表明该算法以较低的计算复杂度取得了出色的分类效果,具有较好的应用价值。