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。     

宁化县地形及土壤特征对植被覆盖度的影响

为研究地形及土壤特征对植被覆盖度的影响,以宁化县2009年Landsat遥感影像和1：50万地形图为数据源,利用3S平台及归一化植被指数（NDVI）提取宁化县植被覆盖度,对植被覆盖度进行分类,通过GIS生成高程、坡度和坡向三个地形因子,并将植被覆盖度与三个地形因子和土壤类型分别进行空间叠加分析．结果表明,宁化县的植被覆盖度与其高程、坡度及土壤之间存在较大的关联,而坡向对其影响甚微．     

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。     

基于高分六号数据的东海县植被覆盖度分析

为了对中国连云港市东海县地区植被进行植被覆盖度的研究及分析,以高分六号(GF-6)卫星数据为原始数据源,在归一化植被指数(normalized vegetation index, NDVI)和像元二分模型分析方法的传统研究基础上,进一步通过不同置信度法来获取像元二分模型数据中所对应的纯土壤像元(S_soil)值和纯植被像元(S_veg)值,从而对植被覆盖度进行遥感估测分析。结果表明：植被覆盖度的估测结果对置信度的取值非常敏感,在选取置信度时,应结合数据源的卫星特征、影像特征、地域特征等合理选择,置信度应控制在2%～10%;高分六号卫星影像能较好的估测出植被覆盖度,东海县植被覆盖等级主要呈西高东低的空间状态,这也为后续高分六号卫星在林业应用方面提供价值参考。     

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.     

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。     

基于像元二分模型的植被慰盖度遥感信息提取

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。     

基于遥感技术的植被覆盖度信息提取

本文以TM影像为数据源,以重庆南川市为例,结合地面调查数据,利用ERDAS遥感处理软件,对植被覆盖度信息提取方法、植被覆盖度与植被指数的关系、植被覆盖度分类等方面进行了研究。3S技术的结合,能快速准确地获取植被覆盖度信息。     

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。     

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.     

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.     

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RS与GIS的麻阳河黑叶猴自然保护区植被覆盖动态变化监测研究

为了研究麻阳河保护区植被覆盖度变化情况,采用2004、2007、2010年多源遥感影像的NDVI数据,运用arcgis软件计算出保护区植被覆盖度,分析麻阳河保护区植被覆盖度变化情况。结果显示,2004～2010年保护区植被覆盖变化总趋势是低、中低植被覆盖度往中、中高植被覆盖度转化,占保护区总面积的69.04%。受到保护区下游彭水电站施工影响,只有9.17%的中高植被覆盖度转化为中低植被覆盖度。保护区森林、灌丛植被覆盖面积大,植被覆盖度趋于正向转换,呈良性恢复趋势。     

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ASTER影像的土壤流失方程植被覆盖因子估计

针对土壤流失方程中植被覆盖度遥感估计存在的方法不确定问题,利用ASTER影像数据,使用植被指数及混合像元线性分解方法,结合地面调查数据,对土壤流失方程中植被因子做了进一步的研究分析,改进了利用混合像元分解定量估计土壤流失方程植被覆盖因子的方法.     

山东省植被覆盖度变化的气象驱动力分析

基于遥感和GIS技术获取2000—2010年的归一化植被指数(NDVI)数据,对与植被生长有关的气象影响因子进行相关性分析。结果表明,山东省植被覆盖度变化与夏季平均气温主要为负相关关系,与夏季降水量具有较显著的正相关关系,不同地区的气象因素对植被覆盖度的影响具有较大差异。     

植被指数空间数据库的建立及应用

借助GIS对图形(影像)、属性、时态数据存储、查询、分析以及管理的强大功能,对利用陕西省2003年全年的MODIS数据生成的不同时相的归一化植被指数(NDVI)、比值植被指数(RVI)、差值\环境植被指数(DVI\EVI)等多种植被指数,及其对应的MOIDS影像和空间位置(地图)数据进行存储,将必要的植被指数分析方法和分析模型整合到该GIS空间数据库之中,达到数据、方法、模型在基于GIS植被指数空间数据库中的集成与统一,以实现基于时相和波谱信息MO-DIS、ETM影像数据的显示、查询、分析、管理等功能。实践证明,在GIS空间数据库中将时相、波谱和空间位置信息应用到遥感影像植被信息的提取中,从分析遥感影像的植被指数空间信息出发,能够较好地实现对植被指数信息的认识,为研究不同地区的植被分类、农作物长势监测及地表植被变化等方面提供分析依据。     

垂直植被指数的计算和精度分析

提出了一种在遥感影像上自动提取土壤线的方法,并用NDVI作比较,验证了基于自动提取的土壤线计算的PVI和实测地上生物量之间的相关性及其削弱土壤背景的能力.结果表明基于自动提取的土壤线计算的PVI比NDVI对于地表草地生物量而言具有更好的相关性.研究结果使基于土壤线的植被指数的计算更方便,对提高遥感植被指数的计算精度具有一定的意义.     

黑河分水后额济纳绿洲生态恢复的遥感定量测算

以2000,2003年陆地卫星遥感影像为信息源,通过遥感和GIS技术,据土壤调节植被指数和植被覆盖度结合土地覆盖/利用转移矩阵,剖析了黑河分水3年来额济纳地区土地覆盖类型的面积变化、空间变化、质量变化等特征,对分水前后额济纳绿洲生态环境状况进行了定量测算和对比.结果表明:水资源驱动下额济纳绿洲及其周边地区生态环境确有好转,各植被覆盖类型面积均有扩展,总计增长11.9%;植被覆盖度提高,盖度集中区间迁移趋向主要由[0.0,0.05]转换至[0.05,0.30],比例为13%;空间演变为绿洲外围的低覆盖度植被大量生长,绿洲三角洲枯败的荒漠河岸林植被恢复生机,大面积水域重现;河流廊道区恢复效果好于外围区域.