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.     

基于ENVI的祁连山哈溪林区植被覆盖度信息提取研究

应用landsat TM5影像,进行了影像辐射校正、大气校正和监督分类等预处理。在对像元二分模型2个重要参数推导的基础上,用NDVI归一化植被指数植被覆盖度定量估算模型,对研究区植被覆盖度进行了估算。用GPS实地调查表明,应用NDVI归一化植被指数可以快速获得大范围植被覆盖度信息,为区域植被覆盖度估算提供了便捷的途径。     

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。     

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.     

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RS技术的闽江流域植被覆盖度时空变化分析

本文以闽江流域为研究对象,以RS为技术手段,借助ERDAS、ArcGIS、EXCEL等处理软件,采用植被指数法,根据像元二分原理,建立用VBIS复合植被指数估算植被覆盖度的模型,生成闽江流域植被覆盖度分级图,并对其格局变化进行分析与评价,揭示出闽江流域植被覆盖的时空变化规律.     

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.     

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.     

基于遥感和GIS技术的祖厉河流域植被覆盖动态变化监测

利用祖厉河流域1987,1993,2003年的TM图像和2000年的ETM+图像共四期数据提取归一化植被指数(NDVI),运用混合像元模型(MPM)及NDVI反演植被覆盖度,并划分为4个不同的盖度等级.根据盖度等级的空间分布特征,比较分析了祖厉河流域植被覆盖变化情况.结果表明:整个祖厉河流域植被覆盖在1987-2000年逐步退化,到2000年起开始逐步恢复,经历了从逐步退化到逐步恢复的过程,植被的变化和土地利用方式紧密相关.基于遥感技术进行祖厉河流域植被覆盖度动态变化分析的研究思路和方法.为祖厉河流域生态环境保护提供参考依据.     

引入地形特征的田块尺度玉米遥感估产与空间格局分析

田块尺度作物估产引入地形特征提升精度与产量空间格局分析对规模经营具有重要意义。以黑龙江省规模化种植的春玉米为研究对象,测定无人机(unmanned aerial vehicle, UAV)高精度地形与变量测产数据,基于多时期SPOT-6影像提取7种植被指数;采用最小二乘法,构建不同时期植被指数与春玉米实测产量的经验统计模型,确定遥感估产最佳时期和最优植被指数;提取6种地形因子,使用多元逐步回归评价引入地形因子的遥感估产模型,应用空间统计分析探索产量空间分布格局。结果表明:春玉米灌浆期是遥感估产的最佳时期,决定系数R~2达到0.6以上的植被指数共6种,比值植被指数(ratio vegetation index, RVI)为最优植被指数,其余依次为修正比值植被指数(modified simple ratio, MSR)、无蓝色波段增强型植被指数(enhanced vegetation index without a blue band, EVI2)、归一化植被指数(normalized difference vegetation index, NDVI)、次生修正土壤调节植被指数(modified secondary soil adjusted vegetation index, MSAVI2)、绿度归一化植被指数(green normalized difference vegetation index, GNDVI);最佳估产模型引入地形辅助信息后R~2提升5.6%,达到0.79,均方根误差(root mean squared error, RMSE)为347.03 kg/hm~2;高海拔与高坡度区域产量均值最低为7 502.64 kg/hm~2,中海拔与低坡度区域产量均值最高为9 157.63 kg/hm~2。优化后的遥感估产模型可以快速评估作物产量,确定春玉米最佳生长区域,为规模化农业精细管理、土地整治与作物种植结构调整提供科学依据。     

NDVI/NDWI/DEM决策树方法在东莞ALOS影像土地利用分类中的应用

以东莞市2008年的ALOS影像为数据源,通过目视判读选取8类目标地物,并采用最大似然法进行土地利用分类,发现分类精度不高(80%).其主要原因是ALOS数据的有效波段较少,且研究区植被、水体密布,多类目标地物难以区分.针对该问题,结合东莞市的地形地貌特点,引入植被指数NDVI、水体指数NDWI和DEM数据,利用决策树方法进行土地利用分类,使分类精度有较大提高(90%),可有效地解决了因ALOS数据有效波段数较少而产生的分类精度低的问题.本研究表明,在我国南方亚热带地区基于植被指数、水体指数和DEM的改进型决策树分类是一种非常好的ALOS数据土地利用分类方法.     

BP神经网络辅助的GNSS反射信号NDVI反演

归一化植被指数(normalized difference vegetation index,NDVI)是一种能反映地表植被生长情况和覆盖度的重要指标,针对如何确定研究区域归一化植被指数变化趋势的问题,提出一种BP神经网络辅助的GNSS卫星反射信号NDVI反演方法。从PBO观测网P037和P39站点信噪比观测数据提取的振幅参数作为输入值,归一化植被指数作为输出值,构建BP神经网络辅助的GNSS卫星反射信号植被指数反演模型,并与线性回归模型进行对比,实验结果显示:P037和P039站点振幅线性回归的相关系数为0. 700 3和0. 775 6,均方根误差为0. 062 2和0. 076 0,BP模型的相关系数为0. 802 3和0. 839 4,均方根误差为0. 033 6和0. 045 9,表明BP神经网络辅助的GNSS卫星反射信号反演模型获取的归一化植被指数优于线性回归模型,为获取准实时、低成本和高时间分辨率的NDVI提供了新的思路,证明了该方法的可行性。     

基于低空遥感的消费级相机油菜苗期长势监测最优波段选取

无人机遥感作为卫星和航空遥感平台的有力补充,在低空遥感观测领域发挥越来越重要的作用.对于农作物长势监测而言,选择合适的光谱波段有利于更加准确地反映作物长势情况.该研究借助水稻—油菜氮素养分试验,针对其油菜季开展基于无人机遥感的消费级相机油菜苗期长势监测最优波段选取问题研究.试验采用经红外改造后的消费级相机,逐次搭配lp680、lp720、lp850 3种近红外长通滤波片和RGB红外截止滤波片来获取不同光谱位置的近红外波段影像和可见光波段影像.在此基础上计算多波段影像的多种植被指数,同时结合油菜地面冠层高光谱数据和滤波片光谱响应特性模拟计算相同的植被指数.结果表明,使用可见光波段影像计算的归一化差指数(NDI)与地面实测归一化差植被指数(NDVI)之间的相关性最高,其R2达到0.945,该结果与基于油菜地面冠层高光谱数据所得结果呈现出较好的一致性.同时该NDI值与油菜氮素养分试验中不同氮素施用水平之间的相关性也较好,其R2达0.963.该研究结果表明选取常规消费级相机可见光波段也能准确地获取作物长势信息,为其用于作物长势监测提供了科学依据.     

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．     

基于遥感影像光谱分析的蓝藻水华识别方法

利用Landsat-7 ETM+遥感影像数据,以淀山湖为例,在分析蓝藻和其他典型地物影像光谱曲线及其特征的基础上,构建归一化蓝藻指数(NDI_CB),有效地从浑浊水体中提取蓝藻信息.通过k-均值非监督分类结果可以发现,构建的归一化蓝藻指数较传统的归一化差值植被指数(NDVI)和比值植被指数(RVI)更加适用于提取低密度蓝藻空间分布信息.在此基础上,基于遥感影像光谱特征和归一化蓝藻指数,采用了支持向量机的分类识别模型,最终得到淀山湖区域蓝藻的空间分布范围与面积,通过发现在某一特定时间蓝藻分布的规律,为蓝藻预警和治理的生态学分析提供了及时、有效和客观的依据.     

玛多地区基于植被指数对土壤水分的反演

采用Landsat5影像数据对青海省果洛州玛多地区植被指数和地表温度进行提取,通过地面同步测定土壤水分含量,分析三者之间的相关关系。结果发现:归一化植被指数(NDVI)与土壤水分在植被盖度较低时,二者之间存在较为明显的负相关关系r=-0.655;地表温度与土壤水分呈负相关关系r=-0.932,3种关系模型中线型模型拟合效果最好R2=0.769 0;引入变量植被温度指数TVI并对其与土壤水分做相关分析,结果发现土壤水分与TVI之间的相关系数r=-0.906,二者之间存在明显的负相关关系,3种关系模型中,幂指数模型的决定系数最高R2=0.855 0,TVI与土壤水分的拟合效果较温度与土壤水分的好,因此利用植被指数对区域土壤水分的反演是可行的。     

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。     

基于光谱归一化的阔叶林LAI遥感估算模型适用性分析

针对基于植被指数(Ⅵ)的森林叶面积指数(LAI)统计模型反演方法通用性较差的问题,研究基于光谱响应函数的不同传感器相似波段的光谱归一化方法,构建基于光谱归一化的阔叶林LAI遥感估算模型,并分析光谱归一化前后LAI估算模型对不同传感器的适用性.以福州市ALOS AVNIR -2、Landsat5 TM和MODIS作为多传...