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.     

基于优选植被指数和TVDI的额济纳绿洲旱情监测

以内蒙古西部的额济纳绿洲为研究区,利用2017年8月24日的Landsat 8影像,基于地表温度-植被指数特征空间理论,提取归一化差值植被指数(NDVI)、比值植被指数、土壤调节植被指数、改进型土壤调节植被指数和优化型土壤调节植被指数(OSAVI),分别计算温度-植被干旱指数(TVDI),利用同期实测土壤水分数据进行精...     

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.     

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。     

基于GF-1号卫星WFV数据反演玉米叶面积指数

叶面积指数(Leaf Area Index, LAI)是描述作物生长状况的重要生理生态参数之一.该文以河南封丘县玉米为研究对象,利用中国高分辨率对地观测系统的首发星——高分一号(GF-1)WFV数据,计算4种常用的植被指数,包括归一化植被指数(normalized difference vegetation index,NDVI)、比值植被指数(simple ratio,SR)、土壤调节植被指数(soil-adjusted vegetation index,SAVI) 和修正的土壤调节植被指数(modified soil-adjusted vegetation index,MSAVI).结合地面同步实测的玉米LAI数据,建立各植被指数与实测LAI的统计回归模型.结果表明：研究区玉米LAI和4种植被指数之间均有较强的相关性,其中,MSAVI-LAI的指数模型相关系数达到了0.842 6,LAI反演精度最高.使用独立的野外观测数据对模型进行验证,平均相对误差为4.85%,均方根误差(root mean square error, RMSE)仅为0.183,表明该文建立的LAI经验统计模型具有较高的精度,利用GF-1 WFV 影像可以快速、准确地监测河南封丘玉米LAI,GF-1影像用于LAI等地表参量遥感定量反演具有巨大的潜力.2014年8月中旬,封丘大部分地区玉米LAI大于4,玉米长势较好.该研究结果可为利用经验统计模型反演河南玉米LAI提供参考.     

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。     

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.     

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.     

基于遥感影像的都江堰市多植被指数的比较研究

植被指数是遥感领域中用来表征地表植被覆盖,生长状况的一个简单,有效的度量参数.随着遥感技术的发展,植被指数在环境、生态、农业等领域有了广泛的应用;随着人们对于全球变化研究的深入,以遥感信息推算区域尺度乃至全球尺度的植被指数日益成为令人关注的问题.该文主要从NDVI、RVI、DVI三种常用植被指数模型进行分析研究,利用TM遥感影像为主要数据源,通过ERDAS IMAGINE软件对都江堰市遥感影像图进行植被指数的提取以及计算,通过3种不同的植被指数进行分析比较得出该区域的最佳植被指数.     

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.     

松嫩平原西部植被覆盖动态变化研究

基于SPOT-VEGETATION NDVI资料,利用MVC和一元线性回归趋势模型等定量分析了我国松嫩平原西部半干旱区植被变化的时空特征.结果表明:1998—2006年研究区年归一化植被指数(NDVI)最大值从0.41下降到0.39,年平均NDVI减少了0.015;春季植被活动变弱,植被退化面积占区域总面积的57.33%,虽然在部分地区有所改善,但植被覆盖仍存在退化的趋势.     

城镇阴影区植物分布信息提取与亮度修复的方法

在建筑林立的城镇建成区,其绿化地通常有约20％的植物处于阴影区,为了实现绿化植物群碳捕获模型的全遥感驱动,必须解决的基础性难题之一是分离与提取阴影区植物.为此提出了归一化阴影指数(Normalized Difference Umbra Index,NDUI)的概念.当采用归一化植被指数(Normalized Diffe...     

植被、不透水面、水体对喀斯特城市地表热场影响

针对桂林喀斯特城市快速扩展所引发的热环境和热岛问题,对1989年和2006年TM卫星图像利用模型反演地表温度、植被指数NDVI、不透水面率ISA和水体指数MNDWI,分析植被、不透水面、水体等3个因素时间和空间变化对地表热场的影响机理。结果表明,地表温度与NDVI、MNDWI呈明显的负相关关系,与ISA呈明显的正相关关系;1989--2006年研究区NDVI大于0．4的中高植被覆盖区由76．89％大幅度降低到32．65％,NDVI低于0．2的无植被覆盖区由4．01％大幅度升高至17．15％,水体面积由3．87％降低到1．95％;ISA大于0．9的高不透水区域由12．1％大幅度升高至32．1％,导致地表温度高温区和次高温区由7．9％大幅度升高至15．9％,低温区和次低温区由61．8％大幅度降低到38．9％,热岛现象明显增强。连续大面积的不透水面是产生喀斯特城市热岛效应的直接原因,而喀斯特山峰植被、城市林地与行道树、城市中江湖等较大水体,对喀斯特城市热岛效应的缓解具有非常重要的作用。     

玛多地区基于植被指数对土壤水分的反演

采用Landsat5影像数据对青海省果洛州玛多地区植被指数和地表温度进行提取,通过地面同步测定土壤水分含量,分析三者之间的相关关系。结果发现:归一化植被指数(NDVI)与土壤水分在植被盖度较低时,二者之间存在较为明显的负相关关系r=-0.655;地表温度与土壤水分呈负相关关系r=-0.932,3种关系模型中线型模型拟合效果最好R2=0.769 0;引入变量植被温度指数TVI并对其与土壤水分做相关分析,结果发现土壤水分与TVI之间的相关系数r=-0.906,二者之间存在明显的负相关关系,3种关系模型中,幂指数模型的决定系数最高R2=0.855 0,TVI与土壤水分的拟合效果较温度与土壤水分的好,因此利用植被指数对区域土壤水分的反演是可行的。     

基于遥感影像的郑州市建筑用地信息提取

以郑州市landsat ETM影像为数据源,进行建筑用地信息提取。首先,提取出归一化植被指数（NDVI）和归一化建筑指数（NDBI）影像,然后分别对所得的指数影像进行二值化,获得二值化图像,再利用叠加分析的方法对两幅指数图像进行逻辑判别,从而提取出建筑用地信息,再进行精度验证。结果表明,利用NDBI和NDVI相结合的方法弥补了单一利用归一化建筑指数的不足,同时人为干扰因素较少,是一种比较客观、准确、快捷的城市建筑用地信息提取方法。     

Influence of vegetations and snow cover on sand-dust events in the west of China

THE CLIMATE SYSTEM IS HIGHLY SENSITIVE TO THE CHANGE OF LAND SURFACE FEATURE INDUCED BY NATURE OR HUMAN ACTIVITY. THE TEMPORAL-SPATIAL CHANGES OF LAND SURFACE TYPES ARE ABLE TO CAUSE AN ANISOTROPIC DISTRIBUTION OF PHYSICAL CHARACTER AT LAND SURFACE, LEADI…     

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．     

基于ENVI植被动态变化分析

植被覆盖度是反映地表植被覆盖状况和监测生态环境的重要指标,是用来研究区域或全球尺度水文、气象、生态等领域的基础数据,在各类相关理论和模型中得到了广泛应用。简要介绍了研究区域的行政、地质、气候和能源的概况,论述了研究内容、研究方案、技术路线、RS处理平台等,详细讨论了数据收集、数据预处理、植被指数（NDVI）提取、植被覆盖度计算、植被覆盖度分等及面积统计等研究方法,分析了统计结果和植被变化情况,并讨论了孝义市植被覆盖度,提出了发展建议。     

典型植被指数与地表温度空间特征分析——以桂林市为例

以桂林市为研究区,利用TM卫星影像数据提取3种典型植被指数(NDVI、RVI、TNDVI),并反演研究区的地表温度(LST);从不同土地利用类型和城市空间上分析各个参数的统计学特征,同时定量分析植被指数与地表温度之间的线性关系。研究结果表明:在整个区域上,以林地和农田地物为主体的城市郊区具有较高的植被指数值,不透水层比例大的城市建成区则具有较高的地表温度。另外,典型植被指数与地表温度相关性分析揭示,各植被指数与地表温度都呈较显著的线性负相关。相对于城市郊区,下垫面性质改变与植被覆盖密度偏低是导致城市建成区"热岛效应"形成的重要原因。