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.     

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.     

三江源自然保护区植被覆盖度遥感估算

采用了基于重归一化植被指数的像元二分模型,并结合实测数据和相关辅助数据,对三江源自然保护区2007年的植被覆盖度进行了估算和精度验证.植被覆盖度实测值和遥感估算值之间的线性相关系数达到了0.9017,平均精度为81.52%.结果表明使用此方法进行大面积植被覆盖度的遥感估算是有效可行的.     

基于Landsat 8 OLI遥感影像的融合算法比较

以Landsat 8 OLI卫星遥感影像为数据源,厦门岛为研究区,从融合影像的光谱保真度和高频信息融入度两方面,评价了包括SFIM、MLT、HPF、MB(modified brovey)、HCS和GS(gram-schmidt)等6种遥感影像融合算法。结果显示:除了MB和MLT方法外,其他方法较好地保留了影像的光谱信息;除MLT方法外,其他方法均具有好的高频信息融入度,能够显著提高影像的空间分辨率;其中,GS法光谱保真度最佳,HPF法高频信息融入度最好,HCS法则兼具良好的光谱保真度和高频信息融入度;综合排名显示GS、HPF和HCS法融合效果不分伯仲。     

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Landsat 8遥感影像的北京市平原区不透水层盖度估算

随着城市化趋势愈发明显,大量的自然地表转化为不透水表面.本文应用最新发射的Landsat 8卫星影像中陆地成像仪(OLI)和热红外传感器(TIRS)中波段,通过归一化差值不透水面指数(NDISI)估算北京市平原区不透水面盖度.北京市平原区平均不透水盖度为52%,二环内不透水盖度为70%,比2007年提高了5%.西城区不透水盖度最高(71%),门头沟区最小(34%).不透水面积的变化是城市化进程的一个重要表征,准确估算城市不透水面盖度对分析城市化进程有重要意义.     

遥感估算植被覆盖度的角度效应分析

植被覆盖度是植被在地面的垂直投影面积占统计区总面积的百分比.由于植被反射的二向性特性,不同角度估算的植被覆盖度原则上不可比,另外,不同观测角度对应像元不同的采样面积,对于非均一地表这种面积差异引起的角度效应也非常显著.本文除了考虑植被的二向性反射,还重点模拟分析了由于像元的采样面积差异引起的角度效应及其带来的植被覆盖度估算误差.模拟结果表明:相比天顶观测,在倾斜40°观测时,对于作物和裸土混合,由于面积误差带来的红光波段反射率差异已高达56%,同时引起的植被覆盖度估算误差达到23%,因此研究植被覆盖度的角度效应问题很有必要.     

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Hyperion高光谱遥感影像的植被覆盖度提取研究

基于Hyperion高光谱影像,对提取植被覆盖度的传统像元二分法进行了改进,提出通过地物分类来提高植被覆盖度提取精度的算法.该算法先对研究区进行分类,在较高分类精度的基础上,结合不同地物的NDVI频率累积图和实际情况得到各类地物的植被覆盖度,最后得到研究区域的整体植被覆盖度.结果表明,经支持向量机分类的总体精度为83.2%,Kappa系数为0.710;相同NDVI值,林地的植被覆盖度农田的植被覆盖度草地的植被覆盖度,实验结果与实际基本相符;改进的像元二分算法改善了传统像元二分法中存在的水体、裸地非植被覆盖区得到非0的植被覆盖度和高植被覆盖地区检测灵敏度下降等问题,丰富了传统像元二分法的细节信息,得到更符合实际的植被覆盖度.     

Landsat 8遥感影像NDVI的对比研究

遥感技术作为信息获取的有效手段,广泛应用于气象观测、资源考察、地图测绘和军事侦察等重要领域.遥感影像的归一化植被指数(NDVI)是土地利用、覆盖变化研究的重要指标.本文以Landsat 8获取的郑汴都市区遥感影像为例,分别计算了DN值、辐射定标、大气纠正三个不同处理阶段的NDVI指数,并对三者的关系进行了分析.对比实验研究表明:(1)NDVI_(DN)、NDVI_(L(λ))、NDVI_(FLAASH)三个指数取值范围逐渐增大,数据相应拉伸.(2)三个指数的均值NDVI_(L(λ))最小,NDVI_(FLAASH)最大,标准差依次增大.(3)均值—标准差分类显示,相同类别3个指数图各类型面积相差不大,但NDVI_(FLAASH)在高值区域的面积相对减少,低值区域空间上更加分散.(4)样点统计结果表明NDVI_(DN)、NDVI_(L(λ))、NDVI_(FLAASH)三个指数两两之间的相关系数都在0.95以上,具有极强的正相关关系.(5)总体上,三个NDVI指数既关系密切,又差距很大,本文根据具体情况,给出了不同指数的选择建议.     

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Landsat 8 OLI遥感影像线性构造分级解译

基于Landsat 8 OLI遥感影像,通过高通滤波、低通滤波及方向滤波等变换处理,采用目视解译法对云南省会泽铅锌矿区及周围进行了线性构造的分级解译.结合矿区地质特征,综合考虑影像的色调、纹理及地貌形态、水系格局、植被分布和人类活动等解译标志,以规模大小、形迹清晰度、纹理结构等为线性构造分级的判别标准,将其分为一级线性构造和二级线性构造,并分别进行了长度和方位的统计分析.结果显示,一级线性构造主要为规模较大的NE、NW、SN向断裂带,二级线性构造主要是受地质作用影响的地表纹理信息.方位雷达图更形象直观地展示了线性构造的空间方位分布集合特征,各向优势排序为:NE向(最优势)—NW向(优势)—EW向(一般优势)—SN向(无优势),总体符合矿区基本构造格局及岩性分布特征.证实了基于OLI遥感影像线性构造分级解译的可行性,使其反映矿区主干断裂及小型构造的展布特征.     

基于Landsat8遥感影像青海省草地产草量监测研究

为了更好地开展青海省复杂草地类型特点下的草地产草量遥感监测,选择2015年8月草地主生长季Landsat8遥感影像,以地理加权回归模型为基础,结合地面样点,按统一建模和分草地类型的分类建模两种方法,对青海省天然草地产草量进行估算。结果表明:(1)草地类型空间分布特征的分类建模评估精度达75%,优于统一建模的61%;(2)两种模型总产草量估算值差异较小,但不同区域两种模型估产值差异较大。利用遥感监测技术方法,将草地类型空间分布区域引入模型,能更好地反映实地草地产量,满足青海省草原生产力各类管理的需求。     

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TM影像的北京市北部山区植被覆盖度遥感动态监测

以监测北京市北部山区一延庆、怀柔和密云三区县10年间植被覆盖度变化为例,利用ETM／TM2001年和2010年两期影像数据,依据混合像元二分模型及NDVI估计植被覆盖度的理论方法,设计了模型应用技术路线,生成北部三区县两期植被覆盖度分级图及其统计数据,并对研究区植被覆盖状况进行时空动态变化分析。研究发现,2001年～2010年,研究区平均植被覆盖度总体呈上升趋势。该方法可快速、定量地反映研究区植被覆盖及变化情况,为研究区生态环境评价提供技术支持。     

基于Landsat8 OLI影像的山区植被地形落影校正方法研究

为消除地形落影影响,提出一种基于Landsat8 OLI影像的山区植被地形落影校正方法.落影校正利用能够有效消除地形阴影干扰且无需异源数据支持的SEVI作为阴影校正信息源,构建光照区SCS+C校正后红绿蓝波段地表反射率与SEVI间的随机森林回归(Random Forest Regression,RFR)模型,进而利用落...     

基于空地协同采样的植被覆盖度随机森林估算方法

基于无人机高光谱影像,建立地形复杂地区植被覆盖度的非参数随机森林回归估算模型。为获得构建随机森林模型所需的足够数量的训练样本,利用低空无人机搭载的光学相机,在从地面难以到达的山地、水域和植被茂密区,通过垂直拍摄获得厘米分辨率的航拍影像,作为对地面样方采样的补充。首先计算地面数码相机照片和无人机可见光影像的红绿蓝植被指数(red-green-bluevegetationindex,RGBVI),然后使用大津分割法提取样方的植被覆盖信息,得到构建模型所需的训练样本。在此基础上,基于2018年8月16—18日在内蒙古自治区察右中旗油娄沟矿区获取的GaiaSky-mini2无人机高光谱影像数据,利用递归特征消除算法优选参与随机森林回归的特征变量集,利用空地协同获取的训练样本构建植被覆盖度的随机森林回归估算模型。该模型在测试集上的确定系数R2为0.923,均方根误差为0.087,优于常用的像元二分模型,可用于矿区植被动态信息的精细化监测。     

无人机遥感植被覆盖度提取方法研究综述

在介绍了无人机平台及携带的多种传感器的基础上,总结了无人机遥感提取植被覆盖度的算法,并将算法分成了三大类:颜色空间法、植被指数法和机器学习分类法;针对无人机遥感提取植被覆盖度所存在的问题及发展趋势进行了讨论.结果表明:颜色空间法能有效消除无人机图像中亮度和饱和度等因素的干扰;植被指数法原理简单,且具有良好的精度,是应用最广泛的方法;机器学习分类法适用于不同传感器获取的图像且提取精度高.     

基于Landsat影像的南阳市植被变化研究

以南阳市为研究区,基于2010年LANDSAT TM 4-5和2017年LANDSAT 8遥感影像数据,利用最大似然法对2010—2017年南阳市植被覆盖及其动态变化进行研究。研究结果表明:2010—2017年农田由31.88%减少到29.57%;森林由23.90%增加到31.64%(其中不包括疑似草本植物和裸地)。