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.     

混合光谱分解实验研究

混合光谱分解研究对提高遥感识别地物信息精度具有重要意义.实验室模拟混合光谱分解模型可以作为遥感影像混合像元分解的基础,为地物分类提供经验模型和理论依据.对土壤-植被混合模型进行实验室模拟,对原始光谱反射率进行一阶微分、对数、去连续统变换,运用特征波段法和相似系数法拟合回归方程,并对比模型精度.结果表明基于对数变换数据的...     

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。     

基于线性光谱混合模型的混合像元分解研究——以合肥市为例

利用Landsat ETM+数据,在水体掩膜的基础上,采用线性光谱混合模型(Liner Spectral Mixture Model,LSMM)进行混合像元分解,得到合肥市高反射率地物、低反射率地物、植被和土壤四种端元的丰度图像以及RMS误差分量图像.应用线性光谱混合模型研究城市地表组分组成,端元(End-member)选取是模型成败的关键.通过分别采用手动选取端元和利用纯像元指数(PPI)法选取端元两种方法,从定性角度对比两种方法得到的结果,结果表明在本研究区内手动选取的端元比PPI选取的端元模型拟合精度更高,能够得到更高精度的分量图像.     

基于环境一号HSI高光谱数据提取叶绿素a浓度的混合光谱分解模型研究

随着遥感技术的应用推广以及对研究精度的要求提高,越来越多的研究注意到混合像元的问题。在水质遥感监测中传感器探测的水体辐射亮度值是纯水和各种水质参数辐射亮度值的叠加,混合像元问题严重影响了水质定量遥感反演的准确性。基于环境一号HSI高光谱数据,首先分析了混合光谱分解模型的物理基础,然后基于采样点浓度大小和PPI(纯净像元指数)方法在遥感影像上提取纯水和叶绿素a的端元波谱,并利用线性光谱分解方法得到叶绿素a的丰度值找丰度值与叶绿素a浓度值之间的统计关系,建立了叶绿素a浓度反演的混合光谱分解模型,且反演精度较高。本文为水质定量遥感提供了一种新的思路。     

高光谱图像植被类型的CART决策树分类

为提高植被分类的精度, 在利用高光谱图像提取植被信息时需要考虑训练样本和地形等其他因素的影响。以长白山为研究背景, 基于CART（Classification And Regression Tree）算法构建决策树模型, 对高光谱图像进行植被分类。由于混合像元的影响, 以采用PPI（Pixel Purity Index）提取的纯净像元作为训练样本, 提取植被指数、 纹理和地形等分类特征变量。基于这些变量构建CART决策树对植被分类, 并将结果与最大似然法分类结果进行比较。结果表明, CART决策树分类法可实现光谱、 纹理和地形特征的有效组合, 有较好的分类效果。     

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．     

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.     

基于实测光谱对喀斯特地区土地覆盖类型丰度提取

利用线性光谱模型对土地覆盖类型相对复杂的喀斯特地区进行混合像元分解。以贵州省镇宁县为研究区域,基于实测光谱信息,以Landsat TM8影像为信息源,选取裸土、裸岩、绿色植被、干枯植被为端元,利用线性分解模型提取地类覆盖信息,计算端元覆盖面积。通过对丰度图像的归一化植被指数(NDVI)值与TM8经过缨帽变换的NDVI值进行回归分析,验证端元选取精度,得到R2>0.85。研究表明:在喀斯特山区,利用实测光谱混合像元分解,有效提取植被、裸岩、裸土丰度,提高土地覆盖分类精度的方法是可行的。     

基于混合像元分解的OLI影像草原植被覆盖区遥感岩矿信息提取研究

在植被覆盖区,植被与部分矿物存在相似的反射光谱特征,运用常规的遥感信息提取方法难以有效地提取岩矿及蚀变信息.基于Landsat8 OLI数据,以白云鄂博西南草原覆盖区为研究区,通过线性混合像元分解法从混合像元光谱中减去植被类型终端单元的反射率值及其强度,达到抑制植被干扰的目的,实现岩石、土壤光谱重建.对比植被抑制前后OLI数据植被相关统计信息,并采用主成分分析法进一步提取研究区植被抑制前后的羟基异常信息,结合野外验证表明:在中低密度草原覆盖区,运用线性混合像元分解法可有效抑制植被干扰,抑制干扰后提取的遥感蚀变信息更为客观.     

面向像元-对象双尺度的不透水面遥感检测

为了改善像元级遥感不透水面提取时存在的椒盐现象，提出了一种面向像元-对象双尺度的不透水面遥感检测方法.首先基于建筑、植被、水体等多种光谱指数，在像元尺度上提取不透水面的分布范围，然后对遥感图像进行多尺度分割，并通过设置高阈值和低阈值来处理图中的碎斑和空洞.利用双尺度不透水面检测方法对天津市精武镇多年的遥感图像进行不透水面检测，结果表明，该方法检测的正确率为80%左右，漏检率低于10%，检测精度高于光谱指数方法.     

城市热岛研究中地表温度与植被丰度的耦合关系

城市热岛遥感研究传统上应用归一化植被指数(Norm alized D ifference Vegetation Index,NDVI)作为植被丰度(vegetation abundance)的指示,并用于耦合地表温度与植被之间的关系.文章探讨了运用光谱混合模型获得的植被比例(vegetation fraction)作为植被丰度指标的一种选择,以2000年9月14日获得的122/44景ETM 截取的广州市海珠区作为验证影像,运用最小二乘法将变换的影像分解成三个分维影像,即绿色植被、非渗透性表面和水体.结合最大似然分类和决策树算法的混合分类处理,将比例影像进行土地覆盖分类.结果表明,地表温度与分解的植被比例的负相关关系比地表温度与NDVI的负相关关系要高出几分.由此说明,地表温度结构的空间变异无疑与归一化植被指数和植被比例相关,不同土地覆盖类型的热辐射与植被动态的相互影响导致地表温度在光谱辐射率和结构上的变化,这些变化在别的影像中也有表现,这是城市热岛空间格局形成的原因.     

基于最小体积约束的非负矩阵分解模型的高光谱解混算法探究

高光谱遥感图像中,遥感影像的分类精度和地物识别会因混合像元的存在而受到影响,从而限制了遥感科学向定量化发展.基于最小体积约束的非负矩阵分解方法,不仅不需要假定纯像元的存在,而且在自动提取端元的同时获取对应的丰度图,这种非监督的光谱解混技术克服了传统方法的限制条件,为高光谱图像中混合像元问题的解决提供了新的思路和方法.     

结合分层和ADMM的高光谱图像解混方法

高光谱图像有较高的光谱分辨率,但是单个像元覆盖的面积比较大,导致单个像元中出现多于一种地物的现象,即混合像元。混合像元的存在严重影响了高光谱数据的后续利用。高光谱图像解混技术的目的就是将混合像元中存在的地物种类(端元)以及各个地物种类所对应的比例(丰度)精确地表示出来。高光谱数据覆盖的范围比较大,不可避免存在端元变异的现象。为了应对端元变异现象,利用扩展的线性混合模型对高光谱数据进行建模。在基于分层解混技术的基础上,利用乘子交替方向法对其进行优化。实验结果表明,解混效果得到提升。     

基于RS和GIS的藏北地区草地退化动态监测与驱动力分析——以申扎县为例

该文运用遥感(RS)和地理信息系统(GIS)技术,以1990年、2000年和2009年陆地卫星遥感影像为信息源,通过提取植被指数和遥感二分像元模型,估算了西藏申扎县不同时期的植被覆盖度.结果表明:在整个研究时段内,草地退化的面积在增加,从1990年到2009年,草地植被覆盖面积减少了92.88万hm2,占申扎县草地面积...     

面向混合像元分解的光谱维小波特征提取

根据线性混合模型的特点,探讨面向混合像元分解的光谱特征提取与选择,提出以小波低频系数为特征的混合像元分解方法.高光谱像元矢量进行离散二进小波变换后,提取光谱特征影像,再基于特征影像估计出混合像元的组分,并用AVIRIS合成影像验证该分解方法.实验结果表明,良好的光谱特征能够较大地提高遥感混合像元的分解精度,比原始波段分解的精度提高约23%.     

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。     

高光谱识别目标的光谱分离分析方法

介绍了线性混合光谱模型,提出了一种分析复合光谱的方法-通过已有的光谱数据库,利用约束最小二乘法分离出像元组份,并能计算像元组份比,对此进行实验,验证了其可行性,并分析了一个30通道的遥感图像。实验以及图像分析的结果表明此种方法能用来分析混合像元问题,即能分离出像元组份,计算出像元组份比获昨比值图像,能利用高光谱数据识别小于地面像元的目标。     

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.