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。     

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。     

基于无人机高光谱影像的植被覆盖度遥感估算模型比较

为了探寻光谱解混模型估算植被覆盖度的精度及适用性,对广东省中山市民众镇义仓村内的一块香蕉林地,利用无人机高光谱数据,比较了3种植被覆盖度估算的经典模型(像元二分模型、Carlson模型和Baret模型)以及目前较为常用的3种光谱解混模型(线性光谱混合模型(Linear Mixed Model, LMM)、后验多项式非线性混合模型(Polynomial Post-nonliner Mixing Model,PPNMM)和考虑光谱变异的正态组分模型(Normal Compositional Model,NCM))估算植被覆盖度的效果. 实验结果表明:像元二分模型高估了植被覆盖度;Carlson模型低估了植被覆盖度;Baret模型在低植被覆盖度区域内高估了植被覆盖度、在高植被覆盖度区域内低估了植被覆盖度;LMM模型在高植被覆盖度区域有较好的估算效果;PPNMM模型在低植被覆盖度出现小幅度高估;NCM模型估算的效果最佳.     

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.     

厦门市地表温度与植被覆盖关系定量研究

以福建省厦门市为研究区,基于2015年的Landsat 8遥感影像数据进行4种不同算法的地表温度反演,并对4种算法的结果进行精度验证,选择一种精度最高的算法的结果与植被覆盖度进行回归分析,探讨不同下垫面的植被覆盖度与地表温度的关系.结果表明:在本研究区内,使用单窗算法反演地表温度结果与对比数据更为接近,精度相对较高.地表温度与植被覆盖度之间具有明显的相关关系,植被覆盖度能够有效降低地表温度.在不同的植被覆盖度范围内,对地表温度降温效果不同,当整体植被覆盖度水平较低时,植被覆盖度的增加能够更加明显地降低地表温度.不同的下垫面类型植被覆盖度与地表温度之间有很好的对应关系,植被覆盖度越高的下垫面类型,温度越低.     

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。     

安庆市2007—2016年植被覆盖度时空动态分析研究

植被覆盖度常作为检测植被状况的重要指标,因此可以通过估算植被覆盖度来对某区域的植被时空动态变化进行研究。本文对2007年和2016年两个时相的TM遥感影像进行遥感影像预处理操作,得到安庆市不同时相的植被覆盖图。利用植被指数法对安庆市2007年、2016年两个不同时相的植被覆盖度进行计算得到植被覆盖度数值,结合国家规定的植被覆盖度的划分标准对安庆市2个时相的植被覆盖度进行等级划分。最终结果显示,安庆市2007—2016年10年间的植被覆盖度变化较大,极低与低植被覆盖度等级的面积呈减少趋势,中、中高和高等级的植被覆盖度的面积明显增多,这说明10年间安庆市的植被生物量明显增多,生态环境得到改善。     

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。     

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。