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。     

半干旱煤矿排土场边坡侵蚀与植物配置关系

煤矿排土场进行生态修复要考虑复垦成本,为探究水土保持效益最高的植物配置模式,以胜利矿区南排土场复垦区内不同植物配置的3个代表性区域为监测对象.采用无人机遥感技术,掌握监测区的植被高度、植被盖度及叶面积指数等参数信息,并提取监测区的土壤侵蚀量,得到边坡侵蚀与植物配置的关系.结果表明:边坡植被盖度与土壤侵蚀模数有很强的负相关性,R=0.843,抗土壤侵蚀边际效益最高的区间为30%~40%植被覆盖度,侵蚀控制能力与灌木和多年生草本的比例呈正相关关系,由此得出监测区的最优植被配置,从而为确定合适的优势物种及植被覆盖度、排土场水土流失防治提供理论依据.     

基于GEE的赣州安远县30年植被覆盖度时空变化分析

在谷歌地球引擎(GEE)云平台上,以1991—2021年Landsat影像数据为基础,采用像元二分模型、趋势分析法、赫斯特指数及莫兰指数分析安远县30年植被覆盖度,探究其时空变化特征、空间自相关及未来变化趋势。结果表明,安远县的植被覆盖度在空间上整体水平较高,在研究期30年内,植被覆盖度增加区域占75.48%,退化区域占17.11%,无变化区域占7.41%。赫斯特指数预测未来安远县植被覆盖度将以持续增加为主,研究区整体表现为显著的正空间自相关,呈聚集状态分布。安远县在植被改善方面已取得了显著成果,后期还需重点关注植被覆盖度退化区域与空间自相关异常值区域。     

基于多时相高分一号影像的土壤湿度反演

近年来使用国产光学遥感数据反演土壤湿度已成为业内研究热点,其中利用高分一号(GF-1)影像反演土壤湿度是一种潜在的新兴手段,但应用中模型参数需要根据地域调节.为提高GF-1反演土壤湿度的准确度,将豹澥试验区2019年12月至2020年6月的GF-1多光谱宽幅覆盖(WFV)影像和地面观测站点实测数据作为数据源,以垂直干旱指数(PDI)、基于归一化植被指数(NDVI)的修正型垂直干旱指数(MPDIN)、基于两波段增强型植被指数(EVI2)的修正型垂直干旱指数(MPDIE)以及植被调整垂直干旱指数(VAPDI)这四种干旱指数为基准建立土壤湿度反演模型并进行精度评估.实验结果表明:在无植被区域,四种模型的反演结果大致相同,决定系数均在0.7350左右、平均相对误差均在4.50％左右、均方根误差均在1.10％左右,具有较高的精度;在有植被区域,VAPDI的反演效果最优,MPDIN与MPDIE次之,PDI效果不佳.与PDI相比,VAPDI由于考虑了混合像元的影响,不仅适用于稀疏植被区域,也适用于密集植被区域,应用范围更广;与基于两种不同植被指数的MPDI相比,VAPDI由于克服了植被覆盖度和植被像元反射率等因素的影响,基于该指数的土壤湿度估计值与实测值的决定系数达到0.7277以上,具有较高的反演能力.因此,针对豹澥试验区的实际情况,VAPDI指数具有精确反演土壤湿度的潜力.     

基于MODIS＿NDVI的甘肃省会宁县植被覆盖度变化监测

以甘肃省会宁县为研究区,基于MODIS_NDVI数据,利用像元二分法模型估算2000—2016年会宁县植被覆盖度并分析其17a间变化。结果表明:近17a来,甘肃省会宁县年最大NDVI总体呈现波动上升趋势,会宁县每年各植被覆盖空间分布大体相同,且由南向北逐渐降低,总体呈增加趋势发展,其中低植被覆盖区域面积逐渐下降,较低植被覆盖、中等植被覆盖、较高植被覆盖和高中被覆盖面积逐渐增高,无植被覆盖面积变化微小,同时,会宁县植被得到了良好的改善,植被改善面积占全县面积98.891%,退化面积占全省面积0.473%,基本不变面积占比0.637%。     

基于TM影像的伏牛山植被覆盖度变化研究

为研究伏牛山地区植被覆盖的变化情况,利用1991、2002和2011年三期TM卫星遥感影像,基于NDVI的像元二分模型,对整体植被变化趋势进行研究,并比较三期变化;同时结合数字高程模型对不同海拔的植被覆盖变化做对比分析;最后,分析气象因子的变化趋势.研究结果表明:(1)从分布上看,研究区整体植被覆盖状况较好.植被覆盖度随海拔的上升先增加后降低,临界点在海拔1 700¹ 800m之间.(2)从变化上看,21年以来,植被覆盖度呈增加趋势.海拔高度1 650m以下区域的植被覆盖度变化情况最为明显,这是由于人类活动主要集中在海拔较低的区域,而海拔高于1 650m的区域变化较小,受人类活动的影响较小.(3)从21年温度和降水变化来看,研究区域内植被覆盖度和温度的变化趋势并不一致,而和降水量变化的趋势有较高的一致性,具体表现为随降水量的增加,植被覆盖较好的Ⅳ级(F≥0.7)植被覆盖度区域面积增加.     

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.     

佛山市植被覆盖度的遥感估算及变化分析

选取2000和2007年两个时期的TM数据,利用基于NDVI的像元二分模型,估算佛山市的植被覆盖度,并分析其时空变化的情况.结果 表明,近8年来,佛山市的植被覆盖度总体上呈下降的趋势,并存在区域间不平衡的现象.较高植被覆盖区的面积减少了384.41 km2,变化率为27.26%,而较低植被覆盖区的面积和中度植被覆盖区的...     

基于多源数据的甘南草地植被覆盖度遥感监测研究

选取甘南藏族自治州为研究区域,以2016-2017年野外实测样方盖度数据和无人机照片提取的草地植被覆盖度数据为基础,对基于像元二分模型计算的草地植被覆盖度进行精度校正,分析并探讨无人机用于野外草地植被覆盖度调查的可行性,构建基于不同遥感数据源草地植被覆盖度的回归模型,并对模型进行精度评价.结果表明,利用无人机在草地上空一定距离(25 m)获取的照片可以多时相匹配Landsat 8等中分辨率遥感影像,动态监测野外大面积草地植被覆盖度;乘幂模型对以像元二分法计算的陆地卫星-8陆地成像仪(Landsat 8 OLI)产品的草地植被覆盖度校正效果最佳,模型的估测精度高达93.60%,在进行空间小尺度研究时模型计算精度最高;对数模型对以二分法计算的MOD13Q1产品的草地植被覆盖度校正效果最佳,模型的估测精度为91.97%;用中分辨率遥感数据Landsat 8 OLI校正低分辨率MODIS模型,修正后的模型R2=0.64,比原始的中分辨率成像光谱仪(MODIS)估测模型(R2=0.23)明显提高,在进行空间大尺度研究时该模型更适应.