Landsat8数据植被覆盖度遥感反演模型研究

植被覆盖度遥感反演模型是定量的描述一定区域内植被的覆盖情况.本文主要利用Landsat8影像资源,采用优化土壤调节植被指数,依托像元二分模型建立植被覆盖度估算模型.同时利用均方根误差函数对其估算模型进行验证,直观地反应估算模型的精度.     

黄河源区高寒草地植被覆盖度反演模型精度评价

植被覆盖度是许多气候、水文、生态等模型的重要输入参数,其估算精度的提高对相应模型的改进及模拟精度的提高具有重要的现实意义。本研究以黄河源为研究区域,基于大量与卫星遥感像元空间尺度匹配的实测植被覆盖度数据,评估了回归模型法、像元分解法、神经网络算法三种常用植被覆盖度遥感估算方法的反演精度。结果表明:回归模型法中基于归一化植被指数(NDVI)的反演精度高于其他植被指数;像元二分法中,变量因子(L)的加入不能显著提高反演精度;反向传播(BP)神经网络算法应用植被指数替换卫星遥感反射率数据作为驱动数据,反演精度显著提高。因此,通过比较和优化可以提高植被覆盖度的反演精度,但每类反演方法的最高反演精度差异不显著。     

结合植被覆盖度指数的土地覆盖分类方法研究

基于Landsat 8 OLI反射率数据,结合定量遥感反演植被覆盖度（fractional vegetation cover, FVC）提取的植被物候特征数据,对比了神经网络、支持向量机和随机森林3种土地覆盖分类方法．结果表明:随机森林分类方法具有较好的结果,反射率结合植被特征数据的分类方法的总体精度为85.52%,Kappa系数为0.8212,比仅用反射率的土地覆盖分类总体精度提高了3.45百分点,Kappa系数提高0.0429;植被覆盖度提取的植被特征数据能有效改善耕地、草地和裸地的制图精度和用户精度,对林地与水体的用户精度分别提高了7.79百分点与1.81百分点,灌木与人造地表的制图精度分别提升了7.69百分点与0.59百分点．整体来看,结合植被覆盖度及其派生植被特征进行土地覆盖信息的提取,在简单易行的同时,为提高分类精度提供了有效支持．      

基于Hyperion高光谱遥感影像的植被覆盖度提取研究

基于Hyperion高光谱影像,对提取植被覆盖度的传统像元二分法进行了改进,提出通过地物分类来提高植被覆盖度提取精度的算法.该算法先对研究区进行分类,在较高分类精度的基础上,结合不同地物的NDVI频率累积图和实际情况得到各类地物的植被覆盖度,最后得到研究区域的整体植被覆盖度.结果表明,经支持向量机分类的总体精度为83.2%,Kappa系数为0.710;相同NDVI值,林地的植被覆盖度农田的植被覆盖度草地的植被覆盖度,实验结果与实际基本相符;改进的像元二分算法改善了传统像元二分法中存在的水体、裸地非植被覆盖区得到非0的植被覆盖度和高植被覆盖地区检测灵敏度下降等问题,丰富了传统像元二分法的细节信息,得到更符合实际的植被覆盖度.     

基于无人机与机器学习的黄河源高寒草地植被覆盖度反演技术

针对高原高寒地区大面积草地植被覆盖度调查与实验过程中地面测量效率低下,遥感数据质量不佳、数量源受限与反演结果不确定等问题,在黄河源地区利用低空无人机(unmanned aerial vehicle, UAV)遥感技术、统计建模与机器学习方法,开展基于可见光影像的高寒草地植被覆盖度反演与验证。结果表明:基于可见光构建的过绿指数与植被覆盖度的相关系数达0.676,比归一化差异指数高出近5.2%,具有较高的可靠性;利用过绿指数建立的高寒草地植被覆盖度统计模型中,对数模型和Gamma模型精度较高,但具有显著的地域差异性;直接利用低空无人机遥感波段值建立的机器学习模型精度显著优于各个统计模型,获得的均方根误差、估算精度、相对偏差和决定系数比统计模型中表现最优的对数模型分别提高2.68%、3.75%、7.35%和13.91%,且无需计算植被指数,在成本、效率和精度等方面具有较大的优势。     

基于HCS方法融合高时空遥感数据的玉米种植面积提取

目的提出一种利用高空间分辨率Landsat8 OLI全色影像和高时间分辨率MODIS影像进行融合的方法,构建出高时空分辨率遥感数据,提供一种监测农作物种植面积新思路,为农业生产信息化奠定科学的理论依据.方法以沈阳市法库县为例,基于色彩超球面锐化(HCS)方法,利用多光谱Landsat8 OLI全色影像数据与MODIS-NDVI时间序列数据相结合的手段,对其进行预处理后,根据该地区的物候数据和具有可信度的样本数据进行面积估算,并统计出玉米种植面积的制图精度和用户精度;对Landsat8 OLI全色影像数据和MODIS-NDVI时间序列数据进行融合处理,再利用马氏距离分类法对高时空分辨率遥感数据进行玉米种植面积提取.结果融合后的高时空遥感数据对玉米种植面积的识别效果较好,制图精度和用户精度分别达到89.62%、99.71%.结论 HCS方法适用于高时间数据和高空间数据的融合,融合后的影像保持了原有的光谱特征及空间细节纹理.     

基于MODIS-Landsat时空融合的陕北黄土高原植被覆盖变化研究

陕北黄土高原地形复杂,水土流失现象较为严重,精确监测植被的时空变化对于该区域的生态环境建设具有重要意义。文中基于ESTARFM时空分辨率融合模型,利用MODIS和Landsat数据获取2008—2016年6～8月陕北黄土高原的Landsat NDVI时序数据,分析陕北黄土高原植被覆盖的时空变化情况及对气候因子的响应。结论:①运用ESTARFM融合模型得到的Landsat NDVI数据与真实Landsat NDVI数据在植被信息的表达方面具有较高的相关性,融合结果可以应用于后续植被覆盖度的估算。②2008—2016年陕北黄土高原地区植被覆盖呈现较为明显的增加趋势;空间分布上呈现由东南向西北逐渐递减的特点,植被覆盖等级结构好转;研究区78%的地区植被改善效果良好;各土地利用类型植被覆盖度均呈波动增加趋势。③整体上植被覆盖度与同期气温和降水的相关性呈现较为明显的空间分异,其中植被覆盖度对降水因子的响应更为敏感。ESTARFM算法综合了高空间分辨率数据的空间细节表达力和高时间分辨率数据的快速时序变化能力,为陕北黄土高原高精度的植被动态监测研究提供了有效依据。     

基于Landsat8影像的植被覆盖度遥感估算方法比较

植被覆盖度在生态环境中扮演着非常重要的角色,遥感影像可以反映不同空间尺度的植被覆盖信息及其变化的趋势,因此,遥感监测是获取区域植被覆盖度参数的重要的手段。在前人研究基础上,本文结合现有数据,选择Landsat8数据作为植被覆盖度估算的研究数据,通过像素的二元模型和线性像素的混合模型估算铜川地区的植被覆盖度, Geoland2植被覆盖率数据集用于验证两种模型的估算结果。     

基于Landsat 8数据反演地表发射率的几种不同算法对比分析

为了分析研究不同地表发射率反演算法的精度和适用性,文中选取西安市的遥感影像Landsat 8为基础数据,运用ENVI,ArcGIS等软件,首先对Landsat 8数据进行预处理,提取西安市的NDVI影像;然后,建立决策树模型得到西安市地表分类影像,并基于像元二分模型反演得到植被覆盖度,基于NDVI得到4种不同算法的地表发射率;最后,以精度0. 01的MODIS LSE产品为标准数据,从像元尺度上对比分析了4种算法的精度,并依据回归决策树方法的分类结果,对比分析了不同算法在各类地表覆盖类型上的发射率反演差异。结果表明:在像元尺度上,植被指数混合模型法与NDVI~(TEM)改进算法精度较高且较为接近;从不同下垫面的反演差异来看,在植被区域4种算法之间的差异较小,而对于水体区域,4种算法之间的差异较大;从反演方法的适用性而言,植被指数混合模型法与NDVI~(TEM)改进算法较为适合本研究区。     

基于混合像元分解的OLI影像草原植被覆盖区遥感岩矿信息提取研究

在植被覆盖区,植被与部分矿物存在相似的反射光谱特征,运用常规的遥感信息提取方法难以有效地提取岩矿及蚀变信息.基于Landsat8 OLI数据,以白云鄂博西南草原覆盖区为研究区,通过线性混合像元分解法从混合像元光谱中减去植被类型终端单元的反射率值及其强度,达到抑制植被干扰的目的,实现岩石、土壤光谱重建.对比植被抑制前后OLI数据植被相关统计信息,并采用主成分分析法进一步提取研究区植被抑制前后的羟基异常信息,结合野外验证表明:在中低密度草原覆盖区,运用线性混合像元分解法可有效抑制植被干扰,抑制干扰后提取的遥感蚀变信息更为客观.     

基于高分六号数据的东海县植被覆盖度分析

为了对中国连云港市东海县地区植被进行植被覆盖度的研究及分析,以高分六号(GF-6)卫星数据为原始数据源,在归一化植被指数(normalized vegetation index, NDVI)和像元二分模型分析方法的传统研究基础上,进一步通过不同置信度法来获取像元二分模型数据中所对应的纯土壤像元(S_soil)值和纯植被像元(S_veg)值,从而对植被覆盖度进行遥感估测分析。结果表明：植被覆盖度的估测结果对置信度的取值非常敏感,在选取置信度时,应结合数据源的卫星特征、影像特征、地域特征等合理选择,置信度应控制在2%～10%;高分六号卫星影像能较好的估测出植被覆盖度,东海县植被覆盖等级主要呈西高东低的空间状态,这也为后续高分六号卫星在林业应用方面提供价值参考。     

基于MODIS数据的水体超分辨率制图——以丹江口水库为例

遥感数据是提取水体信息的常用数据,实际应用中,中、高分辨率空间数据能够以较高精度提取水体信息,但由于时间分辨率较低,难以有效监测水体的动态变化过程.以MODIS(Moderate-resolution Imaging Spectroradiometer)为代表的低空间分辨率遥感数据时间分辨率高,在全球大范围快速提取水体及水体动态变化监测中具有重要意义,但是受其空间分辨率较低的限制,提取的水体信息精度不高.针对该问题,该文提出了一种针对MODIS数据的水体超分辨率制图方法.该方法首先利用MODIS数据MOD09Q1产品的1、2波段,通过线性混合像元分解,得到水体丰度图;然后利用MODIS数据MOD09A1产品的2、4波段,计算得到水体归一化指数,对水体丰度图进行后处理以减少混合像元分解误差;最后以修正后的水体丰度图为输入,建立超分辨率制图模型,从而得到最终的高空间分辨率水体分布图.将上述方法应用于丹江口水库,并与利用Landsat-8/OLI数据提取的水体分布图进行对比,结果表明,相对于传统像元尺度的水体制图结果而言,通过超分辨率制图得到的水体制图结果精度更高,不仅能够更好的保留水体空间分布特征,提取的水体面积也更加准确.基于MODIS数据利用超分辨率制图方法对丹江口水库进行水体提取,完成了2014年12个月丹江口水体面积变化图.超分辨率制图可以获得具有Landsat空间分辨率和MODIS时间分辨率的水体制图结果,实现对丹江口水库的高时空分辨率的水域变化监测.     

基于MODIS时序数据的汶川地震灾区植被覆盖变化监测

本文以MODIS数据为基础,构建了基于归一化植被指数(NDVI)的植被覆盖估算像元二分模型,分别计算汶川地震灾区2008~2015年共8个时相的植被覆盖度,以此为基础定量分析了汶川地震对植被的破坏程度,地震后植被逐年恢复状况.结果表明:地震灾区平均植被覆盖度在震后显著降低,其降低程度与地震烈度呈正相关,截至2015年,灾区平均植被覆盖度恢复至地震前水平.不同烈度区植被覆盖变化速率和构成具有差异性,总体表现为烈度9°区恢复速度最快,7°区恢复速度最慢,不同等级植被覆盖度的空间格局发生了显著变化.研究结果对发展遥感植被覆盖监测理论,汶川地震灾区生态环境恢复、灾害评价与水土保持等具有重要理论和现实意义.     

喀斯特高原区多源遥感数据时空融合模型适用性分析

喀斯特石漠化综合治理防治措施已落实到小流域等较小空间单元内,迫切需要高时空分辨率植被覆盖度等数据支撑相关研究。由于技术和预算的限制,单一传感器难以获取同时满足高空间、高时间分辨率的数据,时空融合技术是目前解决遥感数据缺失和"时空矛盾"的重要方法之一。以Landsat8 OLI数据与MODIS数据为数据源,以喀斯特高原20 km×20 km区域为实验区,采用时空自适应反射融合模型(spatial and temporal adaptive rcflectance fusion model,STARFM)、增强型时空自适应反射融合模型(enhanced spatial and temporal adaptive rcflectance fusion model,ESTARFM)、灵活的时空数据融合模型(flexible spatiotemporal data fusion,FSDAF)模型三种模型融合生成高时空分辨率数据,分析三种模型在喀斯特高原区的应用能力。结果表明:STARFM、ESTARFM、FSDAF三种模型的融合影像与真实影像的R均高于0.6,ESTARFM模型的融合影像与真实影像的相关性最高,空间细节最为清晰,层次性更明显;ESTARFM模型在地表破碎,异质性较高的喀斯特高原区具有较好的适用能力。     

基于多源遥感数据的甘蔗霜冻监测评估

利用Landsat 8 OLI遥感数据提取云南耿马县甘蔗集中种植区,结合中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)历史数据和野外调查数据制定甘蔗霜冻分级指标,通过多时相甘蔗归一化植被指数(normalized difference vegetation index,NDVI)变化差异对2013年底耿马县甘蔗霜冻进行灾后监测评估。结果表明:利用Landsat 8较高分辨率及光谱可分性强的优势,结合非监督分类、监督分类以及归一化植被指数阈值剔除法可迅速有效地提取甘蔗集中种植区。甘蔗全生育期MODIS NDVI变化曲线表明,正常年份12月甘蔗NDVI平均下降0.03±0.01,结合野外调查制定的分级指标可对甘蔗霜冻进行有效评估,评估结果在空间分布上与实况相符合,面积统计结果误差小于6%。     

联合LiDAR和多光谱数据森林地上生物量反演研究

【目的】森林地上生物量的准确估测对于实时掌握全球碳储量变化及应对气候变化有着重要的意义。组合多种遥感数据特征优选,分类建模反演森林地上生物量,是提高森林地上生物量精度的有效方法。【方法】以根河市大兴安岭生态观测站寒温带天然林为研究对象,以机载激光雷达(LiDAR)、Landsat8 OLI两种遥感数据源结合55块地面调查数据,采用偏最小二乘算法优化筛选变量,再以线性多元逐步回归和快速迭代特征选择的最近邻算法(KNN-FIFS)构建模型,在两种数据源的不同组合方式下进行森林地上生物量反演。【结果】①基于线性多元逐步回归模型下的单一LiDAR数据反演精度决定系数(R²)为 0.76,均方根误差(RMSE)为 21.78 t/hm²;单一Landsat8 OLI数据的反演精度R²为 0.24,RMSE为39.27 t/hm²;LiDAR和Landsat8 OLI联合反演精度R² 为 0.84,RMSE为18.16 t/hm²;②基于KNN-FIFS模型下的单一LiDAR数据反演精度R²为 0.74,RMSE为23.83 t/hm²;单一Landsat8 OLI数据的反演精度R²为0.60,RMSE为 29.63 t/hm²;LiDAR和Landsat8 OLI联合反演精度R²为0.80,RMSE为21.15 t/hm²。【结论】①特征优选支持下的3种组合方式中,LiDAR和Landsat8 OLI两种数据的组合在两种模型中反演精度均最高,其中线性多元逐步回归模型的反演精度最高,说明LiDAR和Landsat8 OLI数据组合,激光雷达与光学数据优势特征互补,协同反演可有效提高森林地上生物量的反演精度;②单一数据源反演森林地上生物量精度中,LiDAR数据比Landsat8 OLI数据在两种模型反演精度中均较高,这与LiDAR数据空间分辨高、可获得垂直结构特征参数有关。     

基于多源遥感数据的甘蔗霜冻监测评估方法

利用Landsat 8 OLI遥感数据提取云南耿马县甘蔗集中种植区,结合中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)历史数据和野外调查数据制定甘蔗霜冻分级指标,通过多时相甘蔗归一化植被指数(normalized difference vegetation index,NDVI)变化差异对2013年底耿马县甘蔗霜冻进行灾后监测评估。结果表明:利用Landsat 8较高分辨率及光谱可分性强的优势,结合非监督分类、监督分类以及归一化植被指数阈值剔除法可迅速有效地提取甘蔗集中种植区。甘蔗全生育期MODIS NDVI变化曲线表明,正常年份12月甘蔗NDVI平均下降0.03±0.01,结合野外调查制定的分级指标可对甘蔗霜冻进行有效评估,评估结果在空间分布上与实况相符合,面积统计结果误差小于6%。     

基于空地协同采样的植被覆盖度随机森林估算方法

基于无人机高光谱影像, 建立地形复杂地区植被覆盖度的非参数随机森林回归估算模型。为获得构建随机森林模型所需的足够数量的训练样本, 利用低空无人机搭载的光学相机, 在从地面难以到达的山地、水域和植被茂密区, 通过垂直拍摄获得厘米分辨率的航拍影像, 作为对地面样方采样的补充。首先计算地面数码相机照片和无人机可见光影像的红绿蓝植被指数(red-green-blue vegetation index, RGBVI), 然后使用大津分割法提取样方的植被覆盖信息, 得到构建模型所需的训练样本。在此基础上, 基于2018年8月16—18日在内蒙古自治区察右中旗油娄沟矿区获取的GaiaSky-mini2无人机高光谱影像数据, 利用递归特征消除算法优选参与随机森林回归的特征变量集, 利用空地协同获取的训练样本构建植被覆盖度的随机森林回归估算模型。该模型在测试集上的确定系数R2为0.923, 均方根误差为0.087, 优于常用的像元二分模型, 可用于矿区植被动态信息的精细化监测。     

赛罕乌拉国家级自然保护区植被覆盖度时空变化分析

为了揭示赛罕乌拉国家级自然保护区的植被变化规律。基于Landsat归一化植被指数(NDVI)遥感数据,利用像元二分模型对赛罕乌拉国家级自然保护区植被覆盖度进行估算,研究2002—2013年植被覆盖度的时空变化格局。研究结果表明:2002—2013年赛罕乌拉国家级自然保护区植被覆盖度状况良好、总体情况稳定,多年平均植被覆盖度为88%,植被覆盖度类型以高植被覆盖度为主,其次是中植被覆盖度;在2002—2008年和2008—2013年两个时期,赛罕乌拉国家级自然保护区植被覆盖度呈现出由低到高的转移趋势,植被状况变好;赛罕乌拉国家级自然保护区的植被覆盖度与气候变化有一定的相关性,但政策等人为因素是影响植被变化的主要因素。     

基于3S技术的玛曲县草地植被覆盖度变化及其驱动力

利用GIS空间统计分析、多元统计分析方法和改进的遥感二分像元估算模型估算了玛曲县高寒草地植被覆盖度。结果显示:玛曲县2000,2002,2004,2006,2008年的平均植被覆盖度依次为66.17%,56.41%,57.34%,77.38%,58.93%。玛曲县高寒草地植被覆盖度总体呈下降趋势,优等植被的退化比较严重。草地植被的演变情况主要由优等植被覆盖向劣等植被覆盖演变,进一步证实了玛曲县草地呈退化趋势。并对导致玛曲县高寒草地植被覆盖度变化的因素进行PCA分析,结果显示人为因素是导致玛曲县植被覆盖度变化的主要因素,进一步说明人类活动对玛曲高寒草地生态环境变化影响巨大。