重庆市沙坪坝区植被覆盖度的遥感估算

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。根据像元二分模型原理和归一化植被指数，利用归一化植被指数（NDVI）定量估算植被覆盖度的模型可以求得研究区域的植被覆盖度。本文根据该模型对重庆市沙坪坝区进行了植被覆盖度的遥感估算，结果表明，该方法简单易行。     

基于山地植被指数估算临县植被覆盖度

植被覆盖度是生态环境监测的重要指标,而复杂地形因素影响对山地植被遥感信息的准确提取.以山西省临县为研究区,采用归一化植被指数(NDVI)和归一化差值山地植被指数(NDMVI)分别估算临县2011年7月和2016年4、7、9、12月的植被覆盖度,在对比分析植被指数地形敏感性的基础上,分析黄土丘陵区复杂地形条件下NDMVI对植被覆盖度的估算效果,并对临县近年来植被覆盖度的变化情况进行分析.结果表明:2016年4月使用NDMVI覆盖度估算模型的地形敏感度最弱,估算植被覆盖度的效果最好.从2011年至2016年临县植被覆盖度整体呈现增加的趋势,中高度(50%～70%)、高度(70%～100%)植被覆盖度区面积增加约20%.在空间上,临县中部黄土丘陵沟壑区、西部黄河沿岸丘陵基岩裸露区植被也有了明显的改善,植被覆盖度由中低度、中度覆盖区转为中高度和高度覆盖区,植被覆盖度改善明显.归一化差值山地植被指数(NDMVI)更适合于山地区域植被覆盖度估算.     

利用植被指数(Ⅵ)提取遥感影像荒漠林覆盖度信息的差异性研究

本研究针对荒漠林在遥感影像中的表现特征,选用归一化植被指数(NDVI)、重归一化植被指数(RDVI)和土壤调节植被指数(SAVI),比较分析通过遥感影像灰度图的判读和植被指数分析荒漠林的覆盖度。结果表明:3种植被指数在探测干旱区稀疏植被覆盖度的能力方面存在差异。RDVI探测稀疏植被覆盖度的能力明显劣于NDVI和SAVI。NDVI和SAVI表现基本一致;由于土壤因素的影响,在估测稀疏植被覆盖度方面,NDVI的能力较SAVI强。     

渭河流域关中段近30年植被动态变化分析

选取渭河流域关中段1980、1990、2000、2005、2007年5期MSS/TM/ETM影像数据,计算提取流域不同时期的归一化植被指数(NDVI),并根据像元二分模型估算关中段流域1980—2007年的植被覆盖度分布,将计算得到的植被覆盖度进行分级处理,获得渭河流域关中段植被覆盖度分级图,系统研究了渭河关中段近30 a来的NDVI和植被覆盖的时空变化特征,详细地分析了不同时期、不同区域植被在其生长周期内的长势情况,以及植被生长状况在空间上的差异性,系统研究了渭河流域关中段近30 a的植被动态变化.结果表明:该区域NDVI和植被覆盖度近30 a总体上呈增长趋势,仅1990—2000年期间有所下降.     

基于Worldview-2数据的东洞庭湖湿地区域植被覆盖度估算研究

利用Worldview-2卫星数据八波段多光谱数据特点,分析与近红外波段重叠并具有更高信息量的近红外2新波段特征构建植被指数(VI)的关系。以湖南东洞庭湖湿地区域为研究区,建立近红外2新波段参与的归一化植被指数(NDVI)植被覆盖度估算模型。通过与实测样点结果比较发现:近红外2波段参与改良后的NDVI法的估算结果与实测值验证结果更加匹配,精度达到87.8%;原始近红外波段参与的NDVI法的估算结果精度最低。研究表明运用Worldview-2数据,并采用改良后的NDVI法可以大区域、准确、快速的进行植被覆盖度估算。     

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.     

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。     

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。     

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.     

乌鲁木齐市主城区绿量的遥感估算

对2008年8月覆盖乌鲁木齐市主城区的IKONOS遥感影像进行预处理提取植被信息,再用代表性样地法采集主城区乔木树种的样点数据计算主城区绿量,选定归一化植被指数(NDVI)、土壤调节植被指数(SAVI)、修正土壤调节指数(MSAVI)和比值植被指数(RVI)做为自变量,以实测样本数据作为应变量,采用多元回归分析法建立基于遥感影像的乌鲁木齐市绿量遥感估算模型:Y=449.6NDVI+285.82SAVI-161.51,R=0.67,绿量与植被指数之间存在一定的相关关系(F=15.4872F0.05=6.07),模型有一定的可行性。     

宁化县地形及土壤特征对植被覆盖度的影响

为研究地形及土壤特征对植被覆盖度的影响,以宁化县2009年Landsat遥感影像和1：50万地形图为数据源,利用3S平台及归一化植被指数（NDVI）提取宁化县植被覆盖度,对植被覆盖度进行分类,通过GIS生成高程、坡度和坡向三个地形因子,并将植被覆盖度与三个地形因子和土壤类型分别进行空间叠加分析．结果表明,宁化县的植被覆盖度与其高程、坡度及土壤之间存在较大的关联,而坡向对其影响甚微．     

云南大理苍山保护区植被覆盖度动态变化遥感监测与分析

大理苍山物种多样性丰富但生态系统相对脆弱,评估苍山植被覆盖度为改善苍山生态环境和物种多样性具有重要意义。利用ENVI遥感软件对大理苍山自然保护区的4期遥感图像进行处理,提取归一化植被指数(normalized difference vegetation index, NDVI),利用像素二分模型对大理苍山自然保护区的植被覆盖度进行估算,对植被覆盖度的变化原因进行综合分析。结果表明:2001—2005年植被覆盖度从0.32上升到0.38,上升了0.06;2005—2009年植被覆盖度由0.38下降到0.35,下降了0.03;2009—2011年,植被覆盖度由0.35上升到0.45,上升了0.1。可见综合分析植被覆盖度的年际变化对大理苍山的植被保护和维护生物多样性具有重要的应用参考价值。     

基于Landsat8植被覆盖度反演及应用——以宜黄县为例

植被覆盖度是反映地表植被状况和衡量生态坏境的重要标志之一。利用2016年宜黄县域范围的Landsat8 OLI影像,在对研究区域进行土地利用分类时,采取最大似然法和基于CART算法进行监督分类和决策树分类。通过比较两者的统计数据,得出基于CART算法的决策树分类精度要更高。然后利用决策树分类所得的土地利用图采用归一化植被指数(NDVI)和改进的像元二分模型反演出宜黄县植被覆盖度,最后通过宜黄县实际植被覆盖率与反演结果进行对比,并对其定性分析。     

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,本文以高分六号(GF-6)卫星数据为原始数据源，在归一化植被指数(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(Ssoil)值和纯植被像元(Sveg)值，从而对植被覆盖度进行遥感估测分析。结果表明：（1）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%之间；（2）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。     

基于无人机可见光波段对荒漠植被覆盖度提取的研究——以沙坡头地区为例

以腾格里沙漠东南缘沙坡头地区为研究区域,采用无人机(Phantom 3A)拍摄获取指定范围可见光影像,通过ENVI软件分析照片的红、绿、蓝信息进行植被指数的提取和植被覆盖度的计算,主要分析了可见光波段差异植被指数、归一化绿化差异指数、归一化绿蓝差异指数、过绿指数、红绿比值指数与研究区荒漠植被覆盖度回归模型,探究最优反演模型,目的是验证在相同区域、相同时间拍摄的无人机影像的植被覆盖度.计算出来的植被覆盖度和无人机航片的处理方法进行比对,验证反演模型的正确性.结果表明:通过无人机可见光波段提取的植被指数结果中可见光波段差异植被指数的提取精度最好,能很好地将植被与非植被区分,为荒漠植被覆盖度和植被指数的反演模型的验证提供了依据,节约了实地测量带来的时间和人力成本.对比研究植被指数和荒漠植被覆盖度的线性、对数、三次、乘幂、增长及指数的回归模型结果,最优的荒漠植被覆盖度的反演模型是可见光波段差异植被指数的三次模型,为y=-200.06x3+706.763x2-430.779x+17.916,能很好地监测荒漠植被覆盖度的动态变化,为今后荒漠生态系统的防护和管理提供较好的技术支持.     

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。     

山东省植被覆盖度变化的气象驱动力分析

基于遥感和GIS技术获取2000—2010年的归一化植被指数(NDVI)数据,对与植被生长有关的气象影响因子进行相关性分析。结果表明,山东省植被覆盖度变化与夏季平均气温主要为负相关关系,与夏季降水量具有较显著的正相关关系,不同地区的气象因素对植被覆盖度的影响具有较大差异。     

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.     

山区低太阳高度角TM图像大气校正比较研究

以香格里拉地区2006年的美国陆地卫星TM遥感影像和森林资源二类调查数据为基础,运用FLAASH和6S模型对低太阳高度角下的TM影像进行校正探讨,旨在找出较合适的大气校正方法.从植被反射率和归一化植被指数两方面对两种模型进行评价.结果表明:通过对比原图像和两种模型校正后的影像的表光反射率,两种模型都能够减弱大气对图像造成的影响.其中6S模型得到的归一化植被指数信息量最大,说明6S比FLAASH模型更适合山区低太阳高度角TM影像的大气校正,在以后的相似研究中可以优先考虑.