以土地利用为基础的安徽省生态评价遥感信息模型

[目的]建立更科学合理的生态评价遥感信息模型,为研究区的可持续发展提供参考依据。[方法]利用NDVI(归一化植被指数)和像元二分模型监测植被覆盖度作为地表植被覆盖信息的评价指标;用热惯量法反演研究区的土壤含水量作为研究区地表植被覆盖信息与土壤肥力的评价指标;采用目视解译获得土壤质地的编码分布图并进行影像化处理,将土壤中物理性黏粒含量作为评价土壤板结情况指标;利用线性光谱混合分解模型提取研究区的裸地比率作为土地荒漠化程度的评价指标。[结果]从土地利用的角度构建了生态评价指标体系,建立了以像元为单位的生态评价定量化遥感信息模型。[结论]植被覆盖度因子对研究区生态评价的影响程度相对较大;在生态评价过程中本研究新建模型总体评价精度比传统方法提高了15%。     

基于线性光谱混合模型的荒漠草地覆盖度估测

为了解决草地混合像元对草地植被覆盖度监测的影响,该研究以Landsat TM为数据源,探讨线性光谱混合模型进行混合像元分解的关键问题,分析混合光谱模型获得的不同组分分量与植被覆盖度之间的关系,以期建立适合天山北坡荒漠草地覆盖度监测模型。结果表明:通过光谱混合模型获得植被、沙丘以及盐碱化土壤3个基本组分,其中植被组分与覆盖度拟合效果较好(R2=0.62),与植被指数法估测草地覆盖度相比,决定系数R2均高于比值植被指数、归一化植被指数、土壤调节植被指数及修正土壤调整植被指数MSAVI。通过对所获模型精度检验,均方根误差RMSE为1.28,结果较为理想。因此,利用线性光谱混合模型解析混合像元估测天山北坡荒漠草地覆盖度具有可行性。     

基于MODIS EVI数据的锡林郭勒盟植被覆盖度变化特征

锡林郭勒盟是中国华北地区的重要风沙源地之一,也是中国北方重要的生态环境保护屏障,其植被状况将直接影响着京津唐地区乃至东部地区生态环境质量的改善。该文以锡林郭勒盟为研究区,以MODIS EVI遥感数据为主要数据源,运用时间序列谐波法对2000-2013年增强型植被指数EVI(enhanced vegetation index)数据进行重构,用线性混合像元模型对该数据进行混合像元分解提取植被信息,研究植被覆盖度估算方法,构建锡林郭勒盟2000-2013年植被覆盖度数据集,完成该地区植被覆盖度的时空变化分析。结果表明:2000-2013年,锡林郭勒盟年均植被覆盖度呈现小幅下降趋势,年最大植被覆盖度有所增加。从空间分布上,研究区东部及东南部地区(东乌珠穆沁旗、西乌珠穆沁旗、多伦县和太仆寺旗等)植被覆盖度相对较高,西北部地区(苏尼特左旗、苏尼特右旗等)植被覆盖度则较低;从时间趋势上,2000-2013年,研究区虽开展了大规模的退耕还林(草)、植树造林和封山育林(草)等生态环境保护措施的实施,但由于受沙尘暴、干旱等气候灾害的影响,以及研究区内牧业、矿业活动程度的加剧,植被覆盖状况整体改善不明显,且局部地区植被覆盖明显降低,草场退化、沙化现象日益明显。中部地区由原本的低植被覆盖度逐渐演变成了较低植被覆盖度,中植被覆盖度从2000-2010年有所降低,而到2013年又有所回升,从2000-2013锡盟部分高植被覆盖度区渐渐变成了较高植被覆盖度区。     

基于NDVI-DFI的矿业开发密集区地表热环境分异效应分析

目前大量研究基于像元二分模型探讨植被覆盖度与城市热岛的关系,基于像元三分模型反演植被覆盖度的研究、植被覆盖度与矿业开发密集区地表热环境分异效应关系的分析尚少见报道。该文利用2000-2018年5期Landsat卫星遥感影像,基于NDVI-DFI像元三分模型反演研究区植被覆盖度,将混合像元分解为光合/非光合植被和裸土3部分。利用辐射传输方程法反演地表温度。借助分级统计法、红蓝差值影像法、相关分析法和回归分析法,分析研究区植被覆盖度时空变化与地表热环境分异扰动效应之间的关系。结果表明:研究区NDVI-DFI特征空间符合像元三分模型的基本假设;相关分析法表明,光合/非光合植被覆盖度和裸土覆盖度变化与地表温度变化之间呈显著相关关系,相关系数分别为-0.81、0.72和0.90;回归分析结果表明,地表温度分别与光合/非光合植被覆盖度和裸土覆盖度呈极显著负相关关系(P<0.01)、不显著正相关关系和极显著正相关关系(P<0.01);光合植被覆盖度每增加10%会使地表温度相应降低0.52℃,裸土覆盖度每增加10%会使地表温度上升0.98℃,非光合植被覆盖度每增加10%会使地表温度相应上升0.61℃。研究结果可为矿业开发密集区地表热环境改善提供定量参考依据。     

汶川地震前后茂县植被覆盖度变化研究

“5· 12”汶川地震引起的滑坡、泥石流、崩塌等次生地质灾害对灾区的植被覆盖造成严重的破坏.茂县地处于地震重灾区,查清地震对茂县植被覆盖的破坏程度可为植被修复提供参考依据,便于防控水土流失和地质灾害隐患.选取茂县地震前后Landsat 5 TM的遥感影像作为数据源,采用归一化植被指数和像元二分法为估算模型,提取地震前后茂县植被覆盖度数值.通过对数据的研究将该区植被覆盖度划分为4级:高植被覆盖区、中植被覆盖区、低植被覆盖区和无植被覆盖区,并对每种覆盖类型的变化进行统计分析.结果表明,地震对高植被覆盖区的影响最严重,中植被覆盖区的影响次之,低植被覆盖区的影响最小;植被覆盖度破坏较严重的区域主要分布在坡度大于40°的地区.     

基于无人机图像混合像元分解模型提高小麦基本苗数的反演精度

及时、精确地获取小麦基本苗数在田块内部的空间差异信息，有利于实施精准变量追施氮肥，实现化肥减量增效。传统的无人机农业遥感仅关注植被与土壤2类特征而忽略混合像元的影响，导致小麦基本苗数反演精度差、可靠性低。为解决上述问题，该研究利用大疆Mini 无人机获取麦田图像，基于不变目标法完成图像的相对辐射标定，并利用像元纯净指数提取植被端元与土壤端元。根据端元光谱特性建立混合像元的线性分解模型，求解混合像元中植被组分的丰度，基于像元统计法计算植被覆盖度，进而建立植被覆盖度与小麦基本苗数地面真值的线性回归模型。该研究方法获得的模型，决定系数R2为0.87，均方根误差为1.97株/m2。而基于传统植被指数法分别利用可见光波段差分植被指数、绿红差分指数、绿红比值指数获取的相应植被覆盖度与小麦基本苗数地面真值的线性回归模型决定系数R2及均方根误差分别为0.79、0.56、0.47及6.06、7.04、4.43株/m2。由此可知，基于混合像元分解模型定量反演小麦基本苗数的方法具有较高的精度，研究成果可为小麦精准减量追施氮肥作业提供数据支持。     

沙漠腹地绿洲植被覆盖度提取及植被指数优选

[目的] 对沙漠腹地绿洲植被覆盖度提取及植被指数优选进行分析和研究，为该区选取最优植被指数反演极端干旱区绿洲植被覆盖状况提供科学依据。 [方法] 选取塔克拉玛干沙漠腹地达里雅布依绿洲天然植被作为研究对象，以无人机航拍样地影像获取的植被覆盖度为基准，采用Sentinel-2B卫星影像提取多种典型植被指数，运用回归统计方法建立植被指数-植被覆盖度统计模型，在卫星像元尺度上确定反演干旱绿洲覆盖度的最优植被指数。 [结果] ①利用Image J软件提取样方植被覆盖度精度较高，总体精度可达88.67%。 ②土壤调节型植被指数(SAVI，MSAVI)在标准回归系数、确定系数评价指标中表现良好，指示极端干旱区天然植被覆盖变化有较好的适用性。 [结论] 在极端干旱区，Image J提取稀疏植被效果较好，SAVI，MSAVI更适合绿洲植被覆盖变化研究。     

抽样法估算影像植被覆盖度

植被覆盖度是反映地表植物群落覆盖程度的一个重要参数,无论是用照相法还是用卫星遥感图像提取,都是通过依次计算每个像元来获取整张图像的覆盖度,这种方式在处理大尺度遥感图像或者像元数量较多的遥感图像时,会耗费较多的时间。为此,提出一种利用抽样法估算遥感图像植被覆盖度的新方法,即在每张图像中随机选取一定数量的像元,计算所选像元的植被覆盖度来表示整张影像的植被覆盖度,利用误差概率模型进行精度控制,使结果误差在合理范围内。通过控制图像数和抽样像元数验证了该方法的精度。对于照相法而言,当采样数超过384个时,误差基本稳定在0.005以内,相比逐像元法计算的误差可以忽略;对于遥感影像二分法,当处理的遥感影像为100张、采样点数为300个时,均方根误差基本稳定在0.02以内,同时耗时仅为逐像元法的1%以下。试验表明,利用抽样法估算影像植被覆盖度可以在满足精度的条件下,大大降低计算时间,提高工作效率。     

基于像元二分模型的沙漠化地区植被覆盖度提取——以毛乌素沙地为例

以ETM＋为数据源，基于植被指数（NDVI）建立像元二分模型，对毛乌素沙地进行了植被覆盖度提取，然后根据实地调查数据对提取结果进行了精度验证，二者线性相关系数达到了0．92，平均精度为79．4％。研究结果表明，基于NDVI的像元二分模型适合于沙漠化地区的植被覆盖度提取。     

高光谱遥感数据植被信息提取方法

利用高光谱分辨率遥感卫星影像提取植被分布信息时,需要考虑混合像元和训练样本大小的影响,以提高植被信息提取的精度。该文以广州市北部为例,利用线性光谱混合模型和支持向量机方法进行Hyperion影像分类,估计荔枝分布信息。将其结果与QuickBird 1 m空间分辨率影像进行对比,利用地图方格网中随机选取的验证点评价精度,信息提取精度达到85.7%,而光谱角度制图提取的精度仅为74.3%。结果表明,混合像元分解模型和支持向量机结合的方法和其他传统的利用光谱信息提取方法相比,能够提高植被分布信息提取的精度。     

安徽省霍山县植被覆盖度动态变化及预测

基于1994,2000,2006和2011年4个时期的Landsat TM/ETM+遥感影像数据,应用像元二分模型和CA—Markov模型对安徽省霍山县植被覆盖度的时空变化进行了分析。结果表明,霍山县植被覆盖度总体分布特征是东北部植被覆盖度较小,南部、西北部较大;1994—2011年该县植被覆盖状况呈明显的上升趋势,高植被覆盖度的面积增加了339.91km2,中低植被覆盖度、低植被覆盖度、裸地的面积分别减少了116.15,63.34和20.29km2;CA-Markov模型可较好地预测2020年植被覆盖度的空间分布格局;霍山县植被覆盖状况的改善是人类活动和气候变化共同作用的结果。优化产业结构,防治水土流失是研究区生态环境建设的重点。     

植被指数估算香格里拉地区植被覆盖度的精度对比分析

利用MOD13Q1数据构建多种植被指数,结合像元二分模型对香格里拉县植被覆盖度进行遥感估算,并通过实测数据和TM影像数据相结合,对估算结果进行精度验证。结果表明:（1）构建的4种植被指数NDVI,EVI,RVI,MSAVI均与研究区实际地表植被覆盖度具有较高的相关性,表明使用遥感方法对香格里拉县进行植被覆盖度的估算是可行的;（2）通过与TM影像进行对比分析,4种植被指数中,利用MSAVI估算的植被覆盖度更接近于香格里拉县的实际情况。     

北运河地区植被覆盖的遥感估算及变化分析

植被覆盖度作为衡量地表植被覆盖的一个重要指标,是计算土壤侵蚀模数、分析土壤侵蚀的必要参数。根据1994年和2004年两期同时相的Landsat TM遥感图像资料,处理和分析并提取北运河地区的NDVI指数,利用像元二分模型原理定量估算植被覆盖度,得出其植被覆盖分类图。在此基础上分析了北运河地区10年来的植被覆盖变化特征。     

基于Landsat影像的离子稀土矿区植被覆盖度提取及景观格局分析

离子稀土开采导致矿区植被退化和严重的生态环境问题,日益引起人们关注。采用23 a的Landsat系列影像作为数据源,以定南县岭北稀土矿区作为研究案例,对稀土开采扰动下的矿区植被覆盖景观格局变化进行分析。为提高分析的可靠性,以高分遥感影像获取的矿区植被覆盖度作为检验数据,比较森林郁闭度制图模型(forest canopy density mapping model,FCD)、像元二分法模型(dimidiate pixel model,DPM)和线性光谱混合模型(linear spectral mixture model,LSMM)对稀土矿区植被覆盖提取的准确性。结果表明:考虑了稀土矿区特有的裸露尾沙地光谱特征的三端元LSMM,具有更高准确性及普适性;景观格局动态分析表明矿区低植被覆盖和高植被覆盖度破碎化程度较低,集中连片趋势明显;低植被覆盖LPI(largest patch index)在4个年份相对较大,呈波动变化,主要为裸露的稀土矿点,与矿点复垦和扩张有密切关系,且单个矿点造成的植被破坏仍然较大;低植被覆盖度的AI(aggregation index)一直较高,而LPI相对高植被覆盖较小,主要为离子稀土以单个矿点小面积开采为主,矿点多而分散,导致对环境破坏更难治理;1999年后,随着稀土开采的规模化及开采工艺的改进,稀土开采成为矿区景观变化的最主要原因,在矿区总体生态环境改善的前提下,低植被覆盖区域主要集中在矿点及矿点周边,成为具有稀土开采特色的矿点景观分布模式。     

植被覆盖度时空变化特征与地形因子关系分析

采用MODIS NDVI遥感影像数据和像元二分模型估算大凌河流域5个时期植被覆盖度,通过线性趋势分析和DEM数据揭示植被覆盖度的时空变化特征及其与地形因子的关系。结果表明：大凌河流域2006—2021年植被覆盖度整体呈上升趋势,并以高、中高和中覆盖度为主,流域下游植被覆盖度良好;大凌河流域植被覆盖度随高程的增加而提高,随坡度的增大而逐渐增高,植被覆盖度与坡向的关系较小,不同坡向的变化较为平缓;大凌河流域植被生长状况和覆盖状况逐渐变好,植被生长受地形因子影响显著。     

基于混合像元分解模型的森林叶面积指数反演

在叶面积指数（LAI）遥感估算中,常用的基于统计的遥感反演方法难以处理"同物异谱,同谱异物"的难题,该文从研究地物组分物理结构着手,采用像元分解的方法建立LAI的遥感反演模型,不仅能很好的解决这个难题,而且反演方法简便可行、具有普适性。该研究先对TM数据做最小噪声分离（MNF）并基于影像本身选择端元,经混合像元分解得到研究区植被覆盖度,再根据植被覆盖度与LAI的关系,用多次散射过程冠层模型求解迭代的方法逐步逼近准确的LAI值。最终选择植被、土壤、水体和水泥建筑4个端元,采用非限制性线性混合像元分解模型来分解影像,4个端元分解影像的平均误差为0.0028,端元质量好,分解效果较好。结果证明：混合像元分解模型和多次散射过程冠层模型相结合来反演森林叶面积指数的方法,能很好的预测森林LAI;研究区样点实测值与预测值的拟合度R2为0.8219,均方根误差RMSE为0.368,两者存在很强的相关性。该研究可为森林资源遥感定量估算提供技术支撑,为森林资源空间配置的优化调整与辅助解决方案的提出提供参考。     

雅砻江流域二滩水库周边植被变化

[目的]定量研究二滩水库蓄水以后库区周边植被的变化规律,为水库蓄水对周围边植被生长变化的影响研究提供依据。[方法]以遥感影像为试验数据,基于归一化植被指数的像元分解模型对研究区1999—2014年每年11月份的植被覆盖度进行估算,并依据土壤侵蚀强度分类分级标准对估算结果进行分级,通过波段运算结合阈值分割对植被覆盖状况变化较为明显的区域进行检测。[结果]自1999—2014年,研究区整体植被覆盖状况逐年变好,主要表现为高覆盖度区域面积逐年增大;局部地区受到人类活动、土壤侵蚀、耕地以及滑坡的影响植被覆盖度降低,约占总面积的19.5%;植被覆盖状况显著变好的区域约占总面积的39.8%,主要集中在距离水库较近的区域。[结论]二滩水库蓄水改善了库区周边植被的生长条件,植被覆盖状况整体逐年变好。     

基于MODIS-NDVI的甘肃河东地区植被覆盖度动态监测

基于MODIS-NDVI遥感数据,利用像元二分模型估算河东地区2000 2010年的植被覆盖度,并在像元尺度上分析河东地区植被覆盖度的时空变化规律及其驱动因子.结果表明:河东地区平均植被覆盖度为50.93％,其中,甘南高原覆盖度最高,河东北部最低,植被覆盖度由南向北递减;研究时段内年平均植被覆盖度大于60％(优等)的区域占23.06％,且90.49％的区域植被覆盖度呈增加趋势,以河东中部植被覆盖度增加速度最快,为33.68％.从空间尺度上来看,降水是其主要的影响因素;而从时间尺度上,最主要的影响因素可能是植树造林.     

基于像元二分模型的伏牛山地区植被覆盖度变化

植被覆盖度是反映区域生态环境的重要参数,研究植被覆盖度对评估区域生态环境质量具有重要意义。选用2000—2018年每年4—9月的MODIS NDVI数据基于像元二分模型对伏牛山地区逐月进行了植被覆盖度的反演,运用一元回归分析法,Hurst指数法,马尔科夫模型分析了伏牛山地区植被覆盖度的时空变化,并探究气象因子对植被覆盖度的影响。结果表明:(1)研究区植被覆盖较好,覆盖度的分布整体上呈现中间高,四周低的特点。(2)研究区内不同等级的植被覆盖度转化方式主要是由低水平覆盖度区向高水平覆盖度区的转化。(3) 2000—2018年研究区内有68%的地区其植被覆盖度呈增加趋势,表明近19年来伏牛山地区植被覆盖度整体呈上升趋势。(4)预计未来研究区内植被覆盖度呈减少趋势的地区占46%,呈增加趋势的地区仅占26%,由此可见伏牛山地区植被覆盖度未来的变化预计以减少为主。(5)伏牛山地区植被覆盖度的变化与气温和降水均呈现较强相关,其中气温是影响伏牛山地区植被覆盖度变化的主要因子。进一步分析该地区森林区域发现森林区域的植被覆盖度同样受气温的影响较大。     

基于线性光谱混合模型分解MODIS多光谱影像的研究

为了获取多时相的土地覆盖基础数据以支持区域土壤侵蚀定量评价,基于线性光谱混合模型分解MODIS多光谱影像,并对分解结果进行了定性、定量评价。结果表明,结合像元年内植被指数变化特征,基于线性混合像元分解,可解译出耕地、林地、草地、裸地、水体、居民地等类型。分类结果与2006年TM分类结果的总体一致性为64.46%,Kappa系数为0.519 9,土地覆盖类型分类结果可靠;各类端元估算误差基本小于20%,且与对应TM分类结果具有相关性,总体精度较好;林地端元能够较好地反映植被盖度信息。基于LSMM分解MODIS影像可为区域环境研究提供可靠的土地覆盖类型图和植被覆盖信息。