基于PROSPECT+SAIL模型反演叶面积指数的较强适用性植被指数的筛选

基于PROSPECT+SAIL植被辐射传输模型,通过控制不同的植被生化变量、地表参数和土壤光谱参数建立光谱数据集,定量地分析了归一化植被指数(NDVI)、比值植被指数(SR)、土壤调节植被指数(SAVI)等10种常用的植被指数(VIs)对叶面积指数(LAI)的响应.利用敏感性函数定量地筛选出具有较强适用性的转换型土壤调节植被指数(TSAVI).在此基础上,分别建立了TSAVI及常用植被指数NDVI反演LAI的模型.以张掖市南部地区的TM影像为数据源,进行了LAI的反演,并利用黑河生态水文遥感试验获得的中游LAI数据集对模型进行精度评价.结果表明:TSAVI–LAI模型最佳拟合关系为指数形式,其反演结果与LAI实测值的偏差最小(0.200),R2最大(0.686),RMSE最小(0.397).TSAVI可以作为较强适用性植被指数来进行LAI的反演.     

基于PCA的盐地碱蓬植被信息提取新指数研究

盐地碱蓬是海岸带一种重要的先锋植被,其时空分布信息是海岸带湿地生态系统保护及湿地修复工程的基础数据.为准确地获取碱蓬群落时空分布信息,构建一种盐地碱蓬提取指数十分必要.该文以辽东湾北部海岸带湿地为研究区域,基于Landsat8 OLI数据,采用主成分分析方法(PCA, principal components analysis)构建盐地碱蓬指数(suaeda principal components analysis index, SPCAI),并将其应用到多源遥感数据(Landsat5 TM、Landsat7 ETM+、Landsat8 OLI和Sentinel-2 MSI)中,最后利用SPCAI获取近21年辽东湾北部海岸带湿地碱蓬群落的时空分布信息.结果表明：1)经主成分分析的Landsat数据的第4波段(PCA₄)对盐地碱蓬的响应最为明显,且Landsat8 OLI数据的主成分分析结果明显优于TM和ETM+数据;2)基于Landsat8 OLI的PCA₄波段构建SPCAI,SPCAI对碱蓬的响应明显优于NDVI、SAVI、MSAVI,并...     

辽东湾北部碱蓬群落及滩涂土壤盐分遥感反演模型

土壤盐分是评价土壤质量的重要指标，也是影响辽河口滨海湿地盐地碱蓬生长的主要环境因素之一，提出一种实时、准确、大尺度监测碱蓬群落及周围滩涂土壤盐分的算法十分必要.为了减少大气对模型的影响，该文利用地面高光谱数据模拟Landsat 8 OLI卫星反射率，采用基于交叉验证的逐步回归分析方法构建土壤盐分反演模型.结果表明：1) 碱蓬样本的土壤盐分明显低于裸滩，海南三区域土壤盐分在总体上低于鸳鸯沟和笔架岭区域，而植株高度和生物量普遍均高于鸳鸯沟和笔架岭区域，在一定程度上说明了土壤盐分对盐地碱蓬生长的影响；2) 模拟卫星反射率构建的多光谱指数与土壤盐分的相关性相较于单波段在整体上有所提高，其中植被指数NDVI和RVI与土壤盐分的相关性较高，相关系数达到了－0.689和－0.683；3) 利用基于交叉验证的逐步回归分析法构建土壤盐分反演模型，模型的自变量为RVI、SAVI和SI3，模型的建模集决定系数R2为0.684，均方根误差(RMSE)为3.45，验证集RMSE为1.88，相对分析误差(RPD)为2.28，表明模型的反演精度和反演能力较好；为了进一步验证模型的精度，对比分析基于逐步回归分析法筛选的指数因子构建的多元线性回归反演模型，发现交叉验证的逐步回归模型的R2、RMSE均优于多元线性回归反演模型，同时土壤盐分反演值和实测值散点图更接近1∶1线，为辽东湾北部碱蓬群落及裸滩土壤盐分因子的反演提供技术及数据支持.     

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。     

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.     

长江口潮滩湿地植被光谱分析与遥感检测

通过野外实测长江口潮滩湿地主要植物的光谱特征，分析和提取了优势植被的光谱特征参数和波段.考虑到潮滩湿地植被在生长特点、季节和盖度等方面的影响因素，采用了组合光谱特征波段的植被指数对长江口潮滩湿地植被进行分类检测，以期在现有的多光谱遥感影像上提高分类精度，检测出潮滩湿地植被空间分布的变化.分别计算了实测夏季和秋季的 RVI，NDVI，SAVI和MSAVI四种植被指数，得出不同植被指数对潮滩湿地植被不同盖度和不同季节的检测方法，并将该方法应用于多光谱TM影像上，验证这几种植被指数在TM影像上的分类精度，结合实地考察，发现MSAVI应用到多光谱TM影像上对潮滩湿地植被的分类检测效果最好，但时相应选择夏季.     

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。     

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20470 km², 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。     

基于排序分析法的北大港古泻湖湿地植被成带现象研究

北大港古泻湖湿地植被群落成带现象明显,利用DCA对群落成带规律进行研究,同时采用CCA确定影响该现象的主要环境因子.结果发现,植被"岸带成带"现象在空间上反映了植被的演替情况,植被类型按水生植被-湿生植被-中生植被-旱生植被进行变化,植被由聚盐植被变化到拒盐植被.通过DCA排序,北大港湿地植被呈现明显的6条分带,分别是芦苇-扁秆藨草群落、芦苇-碱菀群落、芦苇-盐地碱蓬群落、芦苇-碱蓬群落、芦苇-柽柳群落、猪毛蒿-黄花蒿群落.其中芦苇伴生在大部分的植物群落周围,具有非常宽的生态位,起到了良好的水土保持作用.外部因素是驱动群落成带分布的主要原因,通过CCA排序,土壤的含水量、含盐量、有机质含量都是影响植被分布的重要因素,而生境因子中,坡度对群落分布有较大影响.北大港湿地植被组成较为单一,以盐生草本植被为主,为了增强水土保持效果形成草-灌-乔稳定的群落结构,应该采取合理措施,加速演替的进行.     

基于多种植被指数的喀斯特流域赋水动态研究——以贵州省为例

植被指数是反映植被生长状况的指标,在一定程度上可用来反映植被覆盖率。利用植被指数监测喀斯特水资源不仅是为了了解喀斯特地区的流域赋水状态,也是研究地区脆弱性的重要内容。选取贵州省15个典型喀斯特流域,并应用软件ENVI计算出RVI、EVI、NDVI、DVI、RDVI、TVI、NDVItheta 7种植被指数。再利用SPSS软件中的主成分分析模块和回归分析模块,构建主成分Z与径流深之间的喀斯特流域赋水预测模型。通过样区检验,预测效果较好,精度较高。     

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.     

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。     

黄河三角洲互花米草、碱蓬种群变化及扩散模拟

将卫星遥感、GIS空间分析技术和生物种群扩散模型相结合,利用1996、2006、2016年黄河三角洲滨海湿地3期遥感影像,采用面向对象分类方法、景观转移矩阵、景观重心转移模型分析互花米草和碱蓬动态变化,并利用CA-Markov模型对2026年的演变趋势开展预测模拟．结果表明:1）在时间上,20 a来互花米草总面积由1996年的3.45 km2增长到2016年的25.14 km2,碱蓬总面积呈大幅度下降;在空间上,互花米草发生了连通阻断,其重心由胜利油田边缘向河口方向移动,碱蓬重心向陆源方向有一个小幅度后退．2）模拟预测2026年互花米草面积为26.67 km2,碱蓬面积为26.15 km2．3）2种植被在2006—2016年转移变化剧烈,20 a来滨海湿地人类活动呈增加的趋势．从预测结果分析看,20 a间黄河三角洲河口受重大人工改道、初期的断流、风暴潮等人为和自然灾害的强烈影响,互花米草、碱蓬等滨海湿地植被数量造成短时序变化,导致模拟精度不高．如果不对互花米草加以人为控制,到2026年互花米草面积的激增将对整个黄河三角洲地区生态环境造成显著影响．      

森林植被遥感分类研究

首先对森林植被类型识别方法的研究概况进行了综述,在总结国内外研究成果的基础上,提出采用植被指数进行植被分类,根据长春净月潭地区植被层反射率数据以及土壤线方程,ＮＩＲ＝１．５０６Ｒ＋０．００７８６,通过对多种植被指数的计算与分析,得出植被指数与植被类型的关系,最易于区分阔地林与针叶林的是ＰＶＩ,其次为ＴＳＡＶＩ和ＭＳＡＶＩ,但后者计算较复杂,不同针对树种间的ＲＶＩ差值较大,因此采用ＲＶＩ来区分各针树