北疆地区不同草地类型MODIS植被指数变化动态及其与气候因子的关系

利用新一代卫星遥感数据TERRA/MODIS,结合地面20个气象台站提供的数据,以北疆地区为研究区域,分析了温性草原、低地草甸、山地草甸、温性草甸草原、温性荒漠草原和温性荒漠6种代表性草地植被指数的时空变化特征.以2004,2005年4～10月的月度变化为例,研究了不同草地类型在各个生长阶段植被指数的变化和草地的生长状况.研究结果表明,EVI对植被变化的敏感性要强于NDVI的,但是在植被生长状况较好的草地,NDVI比EVI更稳定.植被盖度比较好的草地类型(如温性草甸草原、山地草甸)的植被指数与温度和降水都表现出很强的相关性,但植被稀疏的草地(如温性荒漠、温性荒漠草原)的植被指数与温度的相关性比较弱,与降水的关系更弱.     

基于微波植被指数的甘南草地生物量动态监测

利用2003-2007年AMSR-E每日亮温产品计算了甘南州每日微波植被指数,结合Terra/MODIS植被指数产品比较分析了两种植被指数之间的关系.在此基础上,建立了基于微波植被指数的生物量监测模型,并对其精度进行了评价.结果表明:基于升轨6.925,10.650 GHz亮温数据的微波植被指数与MODIS增强型植被指数EVI之间有良好的相关性,其,rR2和RMSEP值分别为0.69,0.54和0.044.基于微波植被指数的草地生物量干重监测模型能反映甘南草地生物量的基本变化规律.由西向东、由北向南生物量逐渐增加,生长季内(5-10月)生物量产量峰值出现在7,8月份,不同草地类型生长季内的干物质产量由高向低依次为暖性草丛类、沼泽类、高寒灌丛草甸类、温性草甸草原类、高寒草甸类、温性草原类,低平地草甸最低.     

基于MOD09GA产品的草地生物量遥感估算模型

利用忖南州2006-2008年的草地地上生物量外业实测数据和EOS Terra卫星中分辨率成像光谱仪MODIS每日地表反射率产品MOD09GA,提取了年实测点上的7个通道的光谱反射率值,计算了17种植被指数,综合研究了植被指数与生物量之间的相关性及草地地上生物量遥感反演模型,采用植被指数最大合成算法,计算了2005-2007年各旬、月及年最大植被指数及草地地上生物量密度时空变化动态特征.研究表明适宜甘南州草地地上生物量估产的植被指数EVI,其估产模型是乘幂模型(y=13583x<1.6652>,R=0.798),模型平均测产精度达76.72%.甘南州草地地上生物量密度除了2005年在7月上旬达到最大值外,其他年份均在7月下旬达到最大值.从月度变化可以看出,除了2005年温性草甸草原、2006年低平地草甸、2007年暖性草丛的月生物量密度分别在6,9,6月达到最大值外,甘南州不同类型草地基本上在7月达到最大值.2006年和2007年甘南草地地上生物量密度的年变化比较相近,但2005年的草地地上生物量密度与其他两年相比差异较大,且多高于三年的平均值.     

基于MODIS植被指数的甘南草地生物量

利用2006-2008年MODIS植被指数和同期野外调查数据,建立草地地上部分干物质产量遥感监测模型.根据七种草地类型多年平均根冠比对2006-2008年甘南草地生物量(地上+地下部分)进行了估算,比较了不同时间尺度下的模拟效果,绘制了甘南草地生物量空间分布图,分析了不同地区、海拔高度和草地类型的草地生物量特征,探讨了甘南地区草地生物量的年际变化.结果表明:2006-2008年甘南草地生物量分别为3.784×1013,3.527×1013,3.26×1013g,其空间分布具有白西向东逐渐减少的趋势;在没有消除噪音的情况下,用月作为时间尺度的模拟效果较好;甘南草地生物量在3000～4000m处的产量最高,占草地总产量的84.69%;2006-2008年甘南草地生物量呈减少趋势,年均减少速率为97.91 g/(m2·a).     

基于MODIS数据的祁连山南坡土壤水分反演研究

利用2015年7月MODIS影像数据,结合野外实测数据,对比不同土壤深度下不同反演模型的估算精度.选用植被供水指数、植被缺水指数、温度植被干旱指数与实测土壤含水量数据进行回归分析.结果表明:在祁连山南坡植被生长季中,MODIS数据估算土壤水分的最佳深度为0-10cm.温度植被干旱指数在估算精度上最高.在此基础上建立了基于温度植被干旱指数的土壤水分监测模型.     

TRMM/PR在青藏高原土壤水分变化研究中的应用

针对热带降雨观测计划(TRMM)上搭载的降雨雷达(PR)参数情况发展了基于积分方程模型与一阶植被散射模型的青藏高原地区的土壤水分变化反演模型.利用AVHRR/NDVI产品以及PR数据,用上述模型对青藏高原3个试验区1998年4～9月的土壤水分变化情况进行了反演,结果显示模型反演结果与实测结果吻合较好,3个站点的均方根误差分别为0.045,0.069和0.056.     

基于MODIS反演数据的河套地区荒漠化研究

基于2001—2013年MODIS遥感反演数据,通过对土地覆盖类型、叶面积指数(LAI)、归一化植被指数(NDVI)和增强植被指数(EVI)4个方面的分析,研究河套地区的荒漠化情况及其季节变化特点。结果表明,2001—2013年,河套地区整体植被覆盖转好,其中,耕地面积从2001年的4218 km2增大到2013年的20470km2,LAI平均值从2003年的0.130~0.335增大到2013年的0.182~0.405,平均NDVI和EVI逐年总体增大,分别从2001年的0.142和0.095增大到2013年的0.193和0.116,而且,单位面积上的植被生长质量也在加强。此外,归一化植被指数季节分布特点显示,河套地区北部巴彦淖尔盟2013年左右开始大面积种植一年两季粮食作物。但是,研究结果表明河套地区植被覆盖指数仍较低,北部和西南部荒漠化情况加剧,若不采取有效措施,极易出现"沙进人退"的生态环境问题。     

基于MODIS数据的海洋叶绿素反演算法研究

海洋叶绿素的反演在海洋-大气系统的碳循环、赤潮灾害监测等方面具有重要意义。选择南海乐东县作为研究区,基于MODIS 250 m分辨率数据,将MODIS水色产品数据集和南海实测数据集作为实测值数据集分别建立二波段比值、植被指数NDVI以及逐步回归模型,反演研究区的叶绿素浓度。结果显示,基于南海实测数据集建立的反演模型精度普遍较高,R~2值都达到0.7以上,其中逐步回归模型精度最高,R~2值达到0.778 3。反演结果表明,在实测值支持下,MODIS高分辨率数据在叶绿素反演方面能够达到较好的反演效果,同时也提高了在MODIS数据使用方面的空间反演精度,证明MODIS高分辨率数据在海洋叶绿素反演方面能得到较好的应用。     

1982—2010年全国草地生长时空变化

基于遥感技术,利用1982—2010年间NOAA-AVHRR卫星获得的归一化植被指数(normalizeddifference vegetation index,NDVI)数据对全国29年来的草地生长动态变化及其与温度、降水的相关关系进行分析。结果表明:29年来,全国草地生长季NDVI总体上呈显著增加趋势(R2=0.25,p<0.01),尤其是在1982—1999年间(R2=0.60,p<0.01),而自20世纪90年代末开始失速。值得注意的是,最近十几年(1999—2010年)草地生长季NDVI变化趋势的大小和方向基本上取决于起始年份的选择,因而这一阶段草地生长的总体趋势不显著。不同地区、不同时段生长季NDVI变化趋势的空间分布存在较大差异。草地生长在1982—1999年间呈广泛(约占85%)增加趋势,在1999—2010年间出现较大范围(约占50%)的逆转,尤以干旱、半干旱地区的草地植被生长下降趋势最明显。水热组合状况是影响这一变化的主要原因。生长季平均NDVI与气候因子之间的相关关系分析表明,全国大部分地区草地生长变化主要受降水驱动,对于部分高寒和湿润、半湿润地区的草地,生长季NDVI与温度关系密切,温度上升对该地区草地生长有利。     

1982-2010年全国草地生长时空变化

基于遥感技术,利用1982-2010年间NOAA-AVHRR卫星获得的归一化植被指数(normalized difference vegetation index,NDVI)数据对全国29年来的草地生长动态变化及其与温度、降水的相关关系进行分析.结果表明:29年来,全国草地生长季NDVI总体上呈显著增加趋势(R2=0.25,p＜0.01),尤其是在1982-1999年间(R2=0.60,p＜0.01),而自20世纪90年代末开始失速.值得注意的是,最近十几年(1999-2010年)草地生长季NDVI变化趋势的大小和方向基本上取决于起始年份的选择,因而这一阶段草地生长的总体趋势不显著.不同地区、不同时段生长季NDVI变化趋势的空间分布存在较大差异.草地生长在1982-1999年间呈广泛(约占85％)增加趋势,在1999-2010年间出现较大范围(约占50％)的逆转,尤以干旱、半干旱地区的草地植被生长下降趋势最明显.水热组合状况是影响这一变化的主要原因.生长季平均NDVI与气候因子之间的相关关系分析表明,全国大部分地区草地生长变化主要受降水驱动,对于部分高寒和湿润、半湿润地区的草地,生长季NDVI与温度关系密切,温度上升对该地区草地生长有利.     

青藏高原干热条件下混凝土强度研究

利用青藏高原环境模拟试验室，通过干热养护与标准养护对比试验，对青藏高原干热条件下粉煤灰掺量对混凝土强度的影响进行了试验研究.实验结果表明：C60混凝土粉煤灰掺量以25%为宜，C30混凝土粉煤灰掺量为33%为宜；并提出了相关建议.     

Relationships between tree-ring width index and NDVI of grassland in Delingha

The responses of terrestrial ecosystem to and their impacts on global climate change are key issues in global change research. More studies on vegetationmonitoring and land cover change have been performed by using remote sensing data recently, which bene…     

三江源中东部地区1990-2008草地覆盖度变化遥感估算与分析

以中国三江源称多、玛多、玉树、曲麻莱、治多、杂多、囊谦、达日等县部分地区为草地变化研究区,利用20世纪90年代初期、2008年两个时期TM影像,结合实地测量盖度、地面光谱信息以及GPS技术,建立了监测草地植被变化的重要指标——植被盖度的定量反演模型。将两期影像进行比较,监测研究区草地植被变化的时空变化规律。将模型预测的植被盖度与2008年实地调查的结果进行相关性检验与精度验证,相关性达到0.84,平均精度为80.18%。用光谱分解分析法得到的盖度分布结果与本文结果做精度验证,精度为77.46%。分析研究结果,较符合已有研究成果和草地保护区建设规律,表明了方法的有效性。两个时期三江源部分县的草地监测结果表明:该研究区部分地区草地是退化的,但也有部分地区草地正在恢复。研究区0.16%严重退化,11.40%中度退化,31.89%轻度退化,56.55%处于不同程度的草地恢复中。草地恢复区与轻度退化区位于三江源自然保护区内,国家自然保护区建设起到了一定效果。     

青海云杉林叶面积指数空间分布模拟——以祁连山区排露沟流域为例

以祁连山区排露沟流域为研究区,利用高分辨率的遥感数据获取多种植被指数,并与观测的叶面积指数进行回归分析,发现叶面积指数LAI与归一化植被指数NDVI的相天性最好(R2=0.3766),且以LAI与NDVI的关系建立的模犁精度最高(RMSE=0.381).通过t检验,证明NDVI模型明显优于其他植被指数模型,因此把它选为最佳模型,模拟整个研究区青海云杉林叶面积指数的空间分布,为小流域分布式生态水文模型提供重要的参数.     

基MODIS影像对NDVI和EVI的分类研究

从MODIS影像中划出一块无云区域作为研究对象,求出该研究区的NDVI和EVI,运用K-均值分类法分别对2种植被指数进行非监督分类．通过对2种植被指数分类结果进行比较得出：2种植被指数的分类结果在总体上是一致的,但是在局部区域,NDVI对于水体的分辨能力优于EVI,而EVI对植被则有更强的分辨能力．2种植被指数分类结果精度评价总精度为70．00％,Kappa系数为0．585．     

基于环境减灾卫星遥感信息估测呼伦贝尔草原叶面积指数(英文)

国产环境减灾小卫星星座的HJ-1A和HJ-1B星于2008年发射升空,其具有的高时间分辨率和中高空间分辨率的特点,使它们可在资源环境监测中发挥巨大作用.文章探讨了利用环境减灾卫星遥感影像数据估测中国重要牧草基地呼伦贝尔草原叶面积指数的可行性.为实现此目的,2009年夏季获得呼伦贝尔草原区遥感影像三景和对应地面采样点草地叶面积指数信息,利用8个常用光谱指数分别建立了叶面指数的反演模型.结果表明:各光谱指数均与叶面积指数具有较好的定量关系.其中,增强光谱指数(Enhanced Vegetation Index,EVI)的结果最好,模型的交叉检验决定系数为0.50,均方根误差为0.34.环境减灾卫星可为草原监测和管理提供重要数据支撑.     

基于DART模型的盐地碱蓬植被指数饱和问题分析

植被指数饱和问题直接影响植被参数的遥感估算精度.基于DART模型定量分析盐地碱蓬群落植被指数对LAI的响应,讨论不同植被指数的饱和问题,研究发现：1) 盐地碱蓬LAI与株数之间呈显著线性相关,R2为0.99,RMSE为0.008.2) TSAVI抗饱和性最好,NDVI及RVI次之,EVI、SAVI一般,PVI、MVI及MSAVI最差.3) RVI、NDVI及TSAVI敏感度最优,且LAI〈0.68时,SRVI〉SNDVI〉STSAVI;0.68≤LAI〈2时,SNDVI〉SRVI〉STSAVI;LAI≥2时,TSAVI最优,RVI和NDVI出现饱和现象;EVI、SAVI对LAI敏感性一般;剩余3种植被指数对LAI的敏感性弱.对于辽河口滨海湿地典型植被盐地碱蓬,结合实测LAI数据,初步分析认为TSAVI、NDVI及RVI可以作为较强适用性植被指数来进行相关研究,能够区分不同LAI下的盐地碱蓬群落.