基于RGB NDVI图像的桉树人工林区森林覆盖变化年度监测

【目的】监测桉树(Eucalyptus)人工林区森林覆盖的年度变化。【方法】基于2014年和2015年资源3号卫星遥感图像,分别计算研究区不同时段的归一化植被指数及其差值,得到NDVI₂₀₁₄、NDVI₂₀₁₅和NDVI_d,按R-G-B=NDVI₂₀₁₄-NDVI₂₀₁₅-NDVI_d作假彩色合成,得到RGB-NDVI图像,对该图像分别作基于规则的面向对象分类和非监督分类,提取采伐迹地和更新林地信息,并与NDVI差值法结果进行比较。【结果】RGB-NDVI图像面向对象分类的总体精度为98.4%,Kappa系数为0.906 1,略高于传统的NDVI差值法结果(分别为97.3%和0.817 4),RGB-NDVI图像非监督分类效果(总体精度和Kappa系数分别为96.1%和0.790 4)略低于NDVI差值法。【结论】RGB-NDVI图像可读性强,直观地反映了研究区森林覆盖变化的区域和类型信息,在快速变化林区的森林覆盖年度监测中具有良好的应用前景。     

生态恢复的卫星遥感监测--江西省兴国县为例

利用遥感手段研究了江西省兴国县造林及生态保护所带来的植被变化。使用数据为1985和2000年Landsat TM的2个时期图像以及土地利用的GIS数据。利用图像差值法计算近红外光(波段4)的辉度变化，以此分析植被动态。结果显示，兴国县植被在面积上变化不大，略有增加，但是植被状况有所改善，和当地多年造林的成效是一致的。研究结果还表明，利用卫星图像定量评价植被变化是一个有效而简洁的方法，包括面积、生产力、分布状况等。     

2000-2015年广西北部湾植被NDVI时空演变及因子探测

为探测广西北部湾归一化植被指数（Normalized Differential Vegetation Index,NDVI）的时空演变格局及其影响机制,本研究运用一元线性回归法、变异系数法和地理探测器分析等方法探究2000-2015年广西北部湾植被NDVI变化特性及其驱动机制。结果表明：（1）2000-2015年研究区植被覆盖状况良好,植被NDVI年均值为0.753,夏季和秋季多,春季和冬季少,呈缓慢上升的趋势;植被覆盖类型以中高级分类为主,面积占比超过60％,多分布在高山地区,中、中低级植被覆盖类型占比小,主要分布于沿海地区;（2）植被NDVI的稳定性存在明显地域差异,变异系数均值为3.9%,变异稳定区面积占比为48.55%,不稳定区占比为45.34%;（3）地理探测器探测发现气温是植被NDVI的主要解释因子,人为因子的解释力波动上升;因子两两交互作用后能增强单因子解释力,且存在线性与非线性两种协同效应;同因子中不同的分类对植被NDVI的影响不同,适度的分类等级范围能促进植被NDVI的增加。     

利用多时相TM影像分析贵州惠水喀斯特地区植被的变化

变化分析是多时相遥感影像主要应用领域.本文利用多时相TM影像对惠水典型喀斯特地区地表植被的变化进行了研究分析.结果证明:①用不同时相的NDVI影像进行彩色合成可以直观地反映地表植被的变化;②利用不同时相NDVI影像进行NDVI值分级可以定量地反映区域表植被的变化情况;③可以从一个侧面反映喀斯特地区环境质量的变异.     

内蒙古羊草草原返青期遥感识别方法研究

研究羊草返青期遥感识别方法对于模拟及预测内蒙古草原植被物候变化具有重要意义.为了有效识别内蒙古羊草草原的返青期,本研究基于250m分辨率的MODIS归一化差值植被指数(NDVI)时序数据,首先分别采用双高斯函数、多项式、S-G滤波3种拟合方法对原始NDVI时序数据进行重建,然后进一步分别采用最大斜率阈值法、动态阈值法及滑动平均法对重建的最优NDVI数据进行返青期识别,并利用33个样本点的返青期地面观测数据对遥感监测结果进行了地面验证.结果表明,"基于S-G滤波拟合的滑动平均法"是内蒙古羊草草原返青期的最佳遥感识别方法,可以此为基础开展内蒙古草原主要植被返青期的时空变化规律研究.     

1998-2002年我国陆地植被变化探测研究

以长时间序列VGT-NDVI为数据源,利用年内变异系数与年份回归分析的方法对1998-2002年间的中国陆地植被NDVI的变化情况进行了分析.中国大部分地区线性回归相关性显著,整体相关系数为0.78.研究结果表明,在这五年间,中国北方的植被覆盖呈增加状态,而南部地区的植被覆盖情况则有明显的减少趋势.总体来讲,中国的西部变动情况大于东部,并且西北呈增加趋势,西南则呈减少趋势.     

川西高山高原过渡带植被对气候变化的响应

植被是陆地生态系统的主体,被认为是人类环境评价和监测的重要参数,利用遥感技术来监测植被生长及其对气候因子的响应成为当前全球变化研究的热点之一.川西高山高原区是我国地势最高一级的青藏高原向川西南山地和四川盆地的过渡地带,属生态环境脆弱区,对全球气候变化敏感.基于MODIS植被产品及气温、降水站点数据对2001-2010年川西高山高原过渡带的气温和降水的年际变化、NDVI的时空演变及其与气候因子的相关关系,较好的揭示了研究区的植被生长对气候因子变化的响应特点.研究结果表明:NDVI与降水量和气温均呈正相关关系.温度是春季植被生长的主要影响因素,降水量是秋季植被生长的主要影响因素.     

山地新城土地利用/植被覆盖的时空演变规律——以重庆渝北区为例

为探求山地新开发区城市化进程中的土地利用/植被覆盖时空演变规律,以重庆市渝北区为研究对象,利用遥感手段对渝北区1995—2020年历史影像进行解译,结合土地利用转移矩阵,城市空间扩张分异变化分析了渝北区6期的土地利用(land use and climate change, LUCC)时空演变特征;利用高光谱遥感影像分析归一化植被指数(normalized digital vegetation index, NDVI)的时空演变规律,定量评估了LUCC变化对NDVI的影响。结果表明：1995—2020年间渝北区城市建设用地不断扩张以占用农田为主;城市重心略向西南部移动,建设用地偏离紧凑,形状扩张往复杂化发展。渝北区NDVI在1995—2020年间以1%/a的趋势下降,所有土地类型的NDVI均减小;空间上整体呈先增大再减小趋势,2010年后西南部和中东部区域减小明显;夏季NDVI波动最大,冬季最小,夏季植被覆盖主要受气温的影响,秋季主要受降水的影响;四季的NDVI在空间均呈中部向南、北部递增的趋势,与城市空间扩张规律类似。气候波动对渝北区植被覆盖总变化的贡献率为14.22%,其中温度是气...     

高原山区遥感植被制图研究综述

 植被制图是植被生态学研究的基础和重要内容之一.在环境复杂、异质性高的高原山区,由于诸多因素的影响给该区域的遥感植被制图带来很大的困难和挑战.作者重点介绍在复杂山区环境中利用遥感技术进行植被制图的基本过程.为了提高山区遥感植被图的精度,建议注意以下几点：①在提取训练样本阶段,应将同一地物或者植被类型根据其不同的光谱特征分成不同亚类型进行选取训练样本;②现有许多地形校正模型不能有效地提高遥感分类精度;③分类器选择时,建议选择人工智能神经网络分类法、决策树、基于专家知识分类法等先进的非参数分类器;其次如果选择使用中低分辨率影像数据,可以考虑使用亚像元或软分类法;当使用高分辨率影像时,选择基于对象分类法要优于基于像元分类法;④结合辅助数据,尤其是DEM数据能显著提高山区遥感植被或森林制图精度.将来高级地形校正模型和分类算法需要进一步开发和发展.GIS技术与遥感数据结合也是未来遥感植被制图技术发展的一个重要方向.未来研究还需要将群落和植被生态学的理论和方法与遥感技术相结合来提高山区植被制图精度,并促进遥感科学和空间植被生态学发展.     

河北省植被覆盖变化及对生态建设工程的响应

在分析河北省2000—2015年植被覆盖变化特征的基础上, 结合地形、气候和社会经济数据, 通过构建空间计量模型识别研究区植被变化的影响因素, 进而利用人工神经网络量化生态建设工程对植被变化的影响程度。结果表明, 河北省南部及东北部的植被指数比西北部高, 研究时段内大部分地区植被得到改善, NDVI基本上不变、增加和降低区域的比例分别为15.14%, 61.75%和23.11%。2000年植被NDVI分布的影响因素主要有海拔高度、人均GDP和人口密度, 起消极作用; 2015年影响因素增加降水量和生态建设工程造林量, 起积极作用。生态建设工程对植被NDVI的影响绝大部分为正值, 且多为轻度改善, 显著改善地区分布在承德市和张家口市, 这些地区也是NDVI变化值和生态建设工程造林量(EPA)变化值的热点区域。生态建设工程对NDVI的影响为负值的情况主要出现在张家口市的西北部地区、秦皇岛和唐山市的东部地区以及南部的城市建成区。研究结果可为科学评价河北省生态建设工程绩效提供依据, 为区域生态环境保护和植被恢复提供支持。     

基于NDVI的贵州省植被覆盖时空特征分析

利用2001—2018年的500 m分辨率的MOD13A1数据,计算每个像元的NDVI的变化趋势,并采用线性趋势分析法和相关性分析法,分析贵州省植被覆盖面积在18年间的时空变化特征;结合2001—2018年植被的降水利用效率与2010、2017年2期土地覆盖数据,研究不同土地覆盖类型的NDVI的特征. 研究结果表明:(1) 2001—2018年,贵州省的植被覆盖面积总体呈增加趋势,表明生态环境得以明显改善,以毕节、六盘水市最为显著;(2)从植被覆盖面积变化趋势来看,贵州省的植被改善区域大于退化区域,植被退化区主要集中在城镇扩张区;(3)贵州省的整体植被降水利用效率与植被覆盖面积的变化趋势不具有一致性;(4)贵州省的NDVI与同期降雨量、气温均呈现良好的相关性,而植被生长对气温变化不存在明显滞后性、对降雨量变化的滞后期为1个月,即植被生长对气温的敏感性高于降雨量;(5)在植被生长季,不同土地覆盖类型的NDVI具有不同的特征: NDVI(林地)>NDVI(耕地)>NDVI(草地)>NDVI(建设用地)>NDVI(水体).     

基于Brovey融合的卫星影像土地覆盖变化检测

随着高空间分辨率卫星影像的发展,如ETM ,QuickBird,IKONOSE等高空间分辨率卫星,近20年来已相继开发了许多影像融合的方法,如HIS,PC,HPF,SFIM,SVR,Wavekt和Brovey等融合法．传统的影像融合是将时相相同或相近的影像进行融合,以提高影像的空间分辨率和光谱分辨率,提高影像的目视可解度和分类精度等．而本文却是对不同时相的影像进行融合,用Brovey融合法将不同时相的TM(1986年7月26日)和ETM (2000年5月4日)的Pan波段影像进行融合,再对融合后的影像采用无监督分类和PC2分析两种方法将两时相的土地覆盖变化区域提取出来．研究证明融合法能快速、简便、准确的检测出土地覆盖变化的区域。     

基于时序NDVI的三峡库区植被覆盖时空变化特征分析

基于250 m 分辨率的MODIS-NDVI数据,从时间变化和空间变化两方面分析2000年～2015年三峡库区植被变化特征,运用一元线性回归趋势分析方法和F检验方法对三峡库区NDVI的变化趋势进行了定量研究.结果表明：16 a 来三峡库区NDVI总体上趋于波动增长,年均增长率为0.17%,但在时间和空间上有不同的变化特点.从季节差异上看,春季NDVI增长最快,其次是秋季和冬季,夏季NDVI变化趋势较平缓.从NDVI的空间变化格局上看,NDVI呈显著增加趋势的面积占整个库区面积的14.47%,轻微增加占55.77%,增加区主要分布在库区的北部、东北部、东部及东南部.库区20个县(区)NDVI 呈显著增加的面积均大于显著减少面积,其中巫溪、兴山、宜昌、巴东4县的增减面积均在800 km2以上,植被覆盖提升明显;忠县、重庆市区、渝北、长寿4县(区)的增减面积差均低于30 km2,植被覆盖增加相对较慢.库区各类型植被的NDVI均呈上升态势,其中草地NDVI增长最快,阔叶林NDVI显著增加面积占其总面积的比例最高,灌丛NDVI显著增加面积在所有植被类型中最大,退耕还林还草和农业生产模式转型也促使农作物NDVI缓慢增长.     

结合GIS数据的神经网络湿地遥感分类方法:以上海崇明岛东滩湿地为例

以上海崇明岛东滩湿地为例,利用改进的BP算法结合主成分分析,将光谱信息的主成分、NDVI、MNDWI以及GIS数据作为神经网络的输入参数对东滩湿地进行神经网络分类.结果表明,神经网络分类能够有效的提高分类的精度,适合湿地分类.     

基于ETM+图像的混合像元线性分解方法(LSMM)在澳门植被信息提取中的 应用及效果评价

本文利用混合像元线性分解方法(LSMM)，对澳门ETM＋图像(2003/1/10)进行像元分解提取植被信息．同时利用同一图像的归一化植被指数(NDVI)、缨帽变换的绿度分量(KT2)对提取的植被信息进行对比分析,发现用LSMM方法提取的植被信息与NDVI的相关系数达到0.93与KT2的相关系数达到了0.74．同时发现用LSMM方法提取的植被面积(4.19 km2)比NDVI阈值法、KT2阈值法提取的植被面积(分别为8.26 km2 8.68 km2)更接近真实植被面积(5.79 km2)．结果表明混合像元线性分解方法能有效地提取植被信息，比以像元为单位的常规遥感提取方法精度更高，为快速、准确、高效的植被监测提供了新思路．     

Classification of vegetation in North Tibet Plateau based on MODIS time-series data

Based on the 16d-composite MODIS （moderate resolution imaging spectroradiometer）-NDVI（normalized difference vegetation index） time-series data in 2004, vegetation in North Tibet Plateau was classified and seasonal variations on the pixels selected from different vegetation type were analyzed. The Savitzky-Golay filtering algorithm was applied to perform a filtration processing for MODIS-NDVI time-series data. The processed time-series curves can reflect a real variation trend of vegetation growth. The NDVI time-series curves of coniferous forest, high-cold meadow, high-cold meadow steppe and high-cold steppe all appear a mono-peak model during vegetation growth with the maximum peak occurring in August. A decision-tree classification model was established according to either NDVI time-series data or land surface temperature data. And then, both classifying and processing for vegetations were carried out through the model based on NDVI time-series curves. An accuracy test illustrates that classification results are of high accuracy and credibility and the model is conducive for studying a climate variation and estimating a vegetation production at regional even global scale.     

基于MODIS的西藏荒漠化动态监测研究

为了研究不同植被指数对监测土地荒漠化的动态变化统计结果的差异,以2003年和2009年全年的250 m分辨率的MODIS植被指数产品MOD13Q1为数据源,利用NDVI值作为荒漠化分类的依据,对西藏自治区内荒漠化土地进行研究,得出了2003年和2009年的荒漠化土地面积及其分布图和不同荒漠化等级土地之间的动态变化图并统计其变化面积.研究结果表明:西藏自治区内部分地区荒漠化程度有所减缓,就整体而言其荒漠化趋势不容乐观.而不同植被指数统计结果可为西藏自治区的荒漠化防治提供参考.     

干旱对华北地区植被变化的影响

利用中分辨率成像光谱仪(moderate-resolutionimagingspectroradiometer,MODIS)归一化植被指数 (normalizeddifferencevegetationindex,NDVI)数据产品和气象站点的帕尔默干旱指数(thepalmerdroughtseverity index,PDSI)数据,分析了2001-2013年华北地区及3个主要地表覆盖类型区植被变化的时空特征和干旱的变化特征, 并以不同时间尺度分析了干旱对植被变化的影响.结果表明:1)华北地区植被NDVI空间分布差异较大,NDVI总体上 呈东南高、西北低的分布特点.2001-2013年,华北地区植被活动呈增强的趋势,其中秋季植被活动的增强趋势最明显. 2)2001-2013年,华北地区的干旱总体上有所减轻,其中秋季干旱减轻的趋势最明显.3)华北地区植被年际变化与干旱 有显著的正相关关系,干旱对植被生长状态有较大影响.北部草原区和中部落叶阔叶林带的植被年际变化与干旱的正相 关性显著;而南部农作物区不显著,干旱对农作物生长状态影响较不明显.4)在季节尺度上,华北地区夏季植被变化与干 旱的正相关性最为显著,夏季植被生长状态最容易受到干旱的影响;以16d的植被数据分析表明,NDVI距平值更适合 表征华北地区植被生长状态与干旱的关系.      

闽江口区域土地利用变化时空特征分析

以闽江流域临海区长乐市为研究区域,基于1998年与2000年的TM/ETM+和SPOT遥感图像,及1998年土地利用GIS数据和社会经济统计数据,对长乐市1998-2000年的土地利用动态变化的时空特征进行研究.长乐市土地利用动态变化的主要类型为水田、林地、旱地和未利用地,表现为水田、林地的明显减少,旱地、未利用地及居民地的大量增加,占总面积25.39%的土地单元发生了各种不同类型的土地利用变化,土地利用程度总体处于发展期,并有深化的趋势.     

基于多特征融合的反向传播神经网络高分影像分类与变化检测

为了降低基于高分影像的土地利用分类后的错分和漏分的可能性,提高分类以及变化检测精度,本文以广西桂林市临桂区为研究区,采用WorldView-2号以及高景一号高分影像,基于多层前馈(back propagation, BP)神经网络方法融合遥感影像的纹理、光谱、植被指数以及水体指数特征,制定出4种特征数据集融合方案,实现对植被覆盖率较大地区的地物识别与分类;然后选取最优分类结果,进行桂林市临桂区2017与2020年土地利用变化检测。不同方案的对比结果表明,融合纹理、光谱、植被指数以及水体指数特征的第四种方案可以得到较为有效的分类以及变化检测结果,分类的总体精度为92.92%,Kappa系数为0.9028,保持了较高正确率。