基于TM遥感影像丰宁县森林地上生物量估测研究

利用TM遥感数据以及同期获得的野外调查样地数据,研究了河北省丰宁满族自治县森林地上生物量的遥感估测技术。提取TM遥感影像6个波段反射率及DVI、NDVI、PVI、RVI、VI3、SLAVI和SAVI 7个植被指数,分析了森林样地地上生物量与各个因子间的关系,得出相关系数较小（均小于0.400）;因此采用Stepwise逐步回归法,建立了多元回归模型。结果表明,ρ2、ρ3、ρ4、ρ54波段反射率和有效叶面积植被指数（SLAVI）结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.730,留一交叉验证均方根误差RMSE最小,达33.712。利用2008年的全覆盖TM影像,结合丰宁遥感分类图像,获得了丰宁县2008年森林地上生物量分布图,森林植被总生物量为1.805×107t。     

树种在遥感信息上的差异分析

通过典型抽样建立了甘肃省小陇山党川林场的40块典型样地,利用GPS测量、后差分平差处理获取了每块样地的坐标,调查了每块样地的树种.对这一区域的TM影像进行几何校正,读取了每块样地对应的影像灰度值并计算了其派生数据.该研究通过实验区13个树种的TM影像灰度值及其派生数据分析,发现油松、华山松、落叶松、云冷杉、栎类、桦类、杂木的波段灰度及植被指数的差异;探讨了遥感影像基于光谱分类对树种的可分性、树种分类应选择的波段和指数.     

从遥感影像提取图斑灰度值的方法与实践

为了给遥感反演模型提供可靠数据,该文设计了一种按面积加权计算不规则图斑遥感影像灰度值的方法,特别是当图斑面积接近像元大小的时候;遥感数据采用被广泛支持的GeoTIFF格式,使用Matlab将遥感影像的灰度信息及元数据读取并存入数据库中;通过将像元分解成更小的单元,统计各像元在图斑内小单元的个数,计算图斑在各像元所占的面积,按照面积加权的方式计算得到图斑的平均灰度值.实例中以TM影像为数据源,输入样地和小班的坐标点序列,就可输出各自的灰度值,证明了该方法切实可行.与提取图斑几何中心点或重心点所在像元的灰度值相比,该方法避免了异常值的出现,更加合理准确.     

基于像元二分模型的森林郁闭度估测方法

以遥感影像与森林资源一类调查数据为基础,基于归一化植被指数(NDVI)的像元二分模型对密云县森林郁闭度进行遥感估测,模型的纯像元植被指数通过样地数据来确定.经验证,模型估测值与实测值相关系数为0.73,相对误差为14.40％.结果说明,采用像元二分模型与森林资源一类调查数据结合进行森林郁闭度估测,技术路线简单可靠,精度可满足要求,同时能弥补TM影像分辨率的不足,具有一定的推广价值.     

基于TM影像植被信息提取研究

基于TM遥感影像,提取研究区内植被专题信息,通过对TM多光谱影像进行K-T变换,得到亮度、绿度、湿度3个新的分量,计算各组分分量和归一化植被指数NDVI的相关系数,从而进行波段组合,将其分类结果与K-T变换基础上分类结果、以及原始图像基础上分类结果进行比较。分析表明,波段的合成与K-T变换均能提高遥感影像分类精度,并且波段组合基础上植被分类与信息提取效果良好,精度更高。     

基于TM影像估算北京山区乔木林生物量

目前遥感技术是估测区域森林生物量的有效手段。基于TM影像和样地数据,分析了从TM影像中提取的17个自变量与森林生物量的相关性,并用多元逐步回归法建立森林生物量模型,用于估算2009年北京山区森林生物量。提取的17个自变量中红光波段(TM3)、土壤校正植被指数(SAVI)和主成分分析的第三分量(PC3)为较好的解释变量,据此建立的生物量模型的相关系数较高(R2=0.869),估算得到北京山区森林生物量总计达1 088.38万t,平均生物量密度为35.2 t.hm-2。北京山区多数地方的森林生物量介于20-30 t.hm-2,大于30 t.hm-2的森林生物量主要分布在北部山区,表明北京森林质量不高,但提高的潜力很大。     

基于SPOT5和PCA的柞树林地上碳储量的估测模型

以北京市延庆县柞树林为研究对象,利用森林资源二类调查数据和2004年SPOT5遥感影像,选取SPOT5数据的4个单波段,提取差值植被指数(DVI)、比值植被指数(RVI)、归一化植被指数(NDVI)等3种植被指数以及海拔、坡度、坡向和郁闭度共11个遥感及样地因子,提取这11个因子的主成分,建立基于主成分分析的多元线性回归模型估测碳储量。结果表明:模型经方差分析以及相关性检验,达到显著相关水平,相关系数R=0.829,可用于柞树林地上部分碳储量估测。对30个独立样地进行配对样本t检验,结果达到显著相关水平,相关系数R=0.850,地上部分碳储量估算值为27.19 t·hm-2,模型估测精度可达到92.73%。     

基于Landsat TM影像的冬小麦拔节期主要长势参数遥感监测

[目的]强化冬小麦长势遥感监测机制,为田间生产管理提供信息支撑.[方法]以2007-2009年试验实测数据为基础,以Landsat TM影像为数据源,分析试验样点拨节期冬小麦主要长势参数与品质、产量以及卫星遥感变量间的相关性,分别建立及评价了TM影像遥感变量监测冬小麦拔节期叶面积指数(LAI)、生物量、SPAD值和叶片氮含量(LNC)的模型.[结果]冬小麦拔节期,选用中红外波段的反射率(B5)、归一化植被指数(NDVI)、DSW5和绿波段的反射率(B2)等遥感变量分别反演冬小麦的SPAD值、生物量、LAI和LNC是可行的;SPAD值,生物量、LAI和LNC遥感监测模型的精度较高,以此为基础,制作出了具有实际农学意义的冬小麦拔节期不同等级SPAD值、生物量,LAI和LNC遥感监测专题图,实现了主要长势参数空间分布量化表达.[结论]研究结果可为广大农学家、农业部门决策者和田问管理人员提供及时的农情信息.     

基于Landsat-8影像的西宁市南北山森林生物量估测模型研究

基于Landsat-8遥感影像结合同期的野外调查样地数据,建立青海省西宁市南北山森林生物量估测模型。通过对Landsat-8遥感数据6个原始波段的灰度值和4个常用植被指数(DVI、NDVI、EVI、SAVI),开展主成分分析后得到主分量PCA1、缨帽变换得到BRIGHT、GREEN、WET,分析遥感信息与生物量的相关性,运用逐步回归分析法建立研究区森林生物量回归估测模型:B=119.495+3.704E^-24e^DVI+0.026OLI-5²-3.478OLI-5（R²=0.554,p<0.01）,经检验模型的平均相对误差为13.509%,反演得到西宁市单位面积森林生物量为5.227 t/hm²,总森林生物量为998 991.768 t。结合西宁市遥感影像,绘制了西宁市森林生物量分布图。     

花生叶鲜生物量的高光谱估算模型

利用花生生物物理参数和冠层高光谱数据,基于光谱一阶微分技术,选取对生物量敏感的波段组成高光谱植被指数,建立花生叶鲜生物量的高光谱遥感估算模型。结果表明,花生叶鲜生物量在绿峰525~556 nm、红谷645~689 nm和近红外710~900 nm波段范围反射光谱与花生叶鲜生物量有极显著相关关系。高光谱反射率与叶鲜生物量在大部分可见光区和近红外波段呈显著相关,并且在可见光红光波段呈负相关,在近红外波段呈极显著正相关。花生光谱反射率与花生叶鲜生物量相关的近红外、红光波段的敏感波段分别为770、673 nm,用这2个波段构建植被指数,组成高光谱归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)和再次归一化植被指数(RDVI),并构建生物量反演模型;相对于NDVI、DVI、RDVI建立的简单线性函数估测模型,RVI所构建的花生叶鲜生物量估测模型的预测精度较高。     

利用3S 技术估算鹿门寺林场马尾松林生物量

为了估算鹿门寺林场马尾松林生物量,在利用GPS定位进行野外调查的基础上,设立样地,测定了鹿门寺林场的马尾松林的生物量。利用遥感解译软件Erdas imagine 8.5提取Landsat5 TM影像数据中的TM3、TM4、NDVI、RVI 反射光谱特征图像,并将GPS 采样点的数据经投影转换后使之与反射光谱特征图像匹配、叠置,在统一的几何基础上,进行采样点数据与TM 图像信息的复合比较研究,建立了森林生物量与反射光谱的关系模型。根据模型计算出鹿门寺林场2006年6月份马尾松林总生物量为69 947 t,每公顷生物量为36.27～136.74 t。西北林学院学报22卷第6期吴展波等利用3S 技术估算鹿门寺林场马尾松林生物量     

利用TM 影像和偏最小二乘回归方法估测三峡库区森林蓄积量

为进一步提高遥感模型预测森林蓄积量的精度和稳定性,分析了遥感特征因子、地形特征因子、郁闭度与森林蓄积量之间的相关关系。在此基础上,利用偏最小二乘回归方法构建了森林蓄积量遥感预测模型,生成了三峡库区森林蓄积量空间等级分布图,并与地面实测值进行比较。结果表明:该模型的最佳主成分数为3,且郁闭度、海拔、坡度、TM1、TM2、TM3、TM4、TM5、TM7、NDVI、RVI、TM7/ TM3、TM4 ⅹTM3/ TM2、亮度和湿度为预测森林蓄积量的入选变量;森林蓄积量预测的调整决定系数为0.524,相对误差为7.33%,均方根误差为1.763 m3 ;利用该模型计算出三峡库区森林总蓄积量约为1郾12 亿m3 ,总体预测精度达到89.58%。研究结果为提高森林蓄积量遥感预测的精度提供了一种有效手段,有利于大面积应用和推广。      

利用TM影像和偏最小二乘回归方法估测三峡库区森林蓄积量

为进一步提高遥感模型预测森林蓄积量的精度和稳定性,分析了遥感特征因子、地形特征因子、郁闭度与森林蓄积量之间的相关关系。在此基础上,利用偏最小二乘回归方法构建了森林蓄积量遥感预测模型,生成了三峡库区森林蓄积量空间等级分布图,并与地面实测值进行比较。结果表明:该模型的最佳主成分数为3,且郁闭度、海拔、坡度、TM1、TM2、TM3、TM4、TM5、TM7、NDVI、RVI、TM7/TM3、TM4×TM3/TM2、亮度和湿度为预测森林蓄积量的入选变量;森林蓄积量预测的调整决定系数为0.524,相对误差为7.33%,均方根误差为1.763m3;利用该模型计算出三峡库区森林总蓄积量约为1.12亿m3,总体预测精度达到89.58%。研究结果为提高森林蓄积量遥感预测的精度提供了一种有效手段,有利于大面积应用和推广。     

基于滁州市TM数据的叶面积指数估算模型研建

以2010年TM影像为数据源,结合实测叶面积指数(LAI)数据,采用逐步回归方法,分析滁州市森林叶面积指数与植被指数关系并建立估测模型。结果表明:在0.01显著水平下,地面LAI和NDVI、RVI、SAVI的相关性分别为0.899、0.868、0.853;以NDVI为自变量构建的指数函数关系模型与LAI相关系数最高,相关性达0.839,LAI预测精度达78.96%;以NDVI、RVI、SAV为自变量构建的多元线性回归模型与LAI相关性达0.917,LAI估测平均精度达83.36%,符合森林资源监测要求。研究结果为使用遥感数据进行滁州市大面积森林质量监测、森林分布变化提供依据和技术支持。     

基于森林资源连清数据的泗阳县杨树生物量遥感估算模型

基于2005年江苏省森林资源连续清查数据,采用蓄积量——生物量换算因子连续函数法计算杨树林生物量,对生物量与LandsatTM数据各波段的比值B1/B3、B2/B4 、B2×B3/B4、B7/B5 、B7/B5、（B4＋ B5-B2）/（B4＋B5＋ B2）、B3/（B1＋B2 ＋B3 ＋B4 ＋B5 ＋B7）、B3/B4及植被指数NDVI、RVI、TNDVI进行相关性分析,筛选杨树生物量遥感估算模型的相应因子;并应用逐步回归技术建立估算杨树生物量遥感模型,估算出2005年泗阳县杨树林总面积为29 768.6 hm2,总生物量约为1 786 771.2 t,平均生物量约为60.0 t/hm2.结果表明,在森林资源连续清查的数据基础上,利用遥感影像在县级区域尺度上对杨树森林生物量进行有效估算是完全可行的,其方法具有时间分辨率高的特点,使生物量估算在较大的时间和空间尺度上具备操作的可能性.     

紫茎泽兰群落数量特征和遥感植被指数相关性研究

[目的]探索紫茎泽兰的遥感监测技术。[方法]以四川省凉山州西昌市为试点,对紫茎泽兰样地的群落数量特征和遥感植被指数进行了相关性分析。[结果]在RVI、NDVI和PVI 3种植被指数中,RVI与紫茎泽兰群落高度、盖度和生物量的相关系数均大于0.7,说明RVI对紫茎泽兰等高植被群落最敏感,与其群落数量特征的相关性最好,能较好地反映群落的特征;各植被指数与紫茎泽兰群落地上生物量的相关程度差异不大;各植被指数中,紫茎泽兰生物量与NDVI的相关系数最小,盖度与PVI的相关性最低。[结论]利用RVI可对紫茎泽兰的危害情况进行有效监测。     

草地植被指数及生物量的遥感估测*

 简要回顾了我国草地遥感技术的发展过程以及各阶段的主要特点,并对草地植物的反射光谱特征做了介绍。在阐述植被指数在草地科学领域的运用的同时,介绍了植被指数NDVI和RVI的特点,就NDVI和RVI在草地地上生物量估测上的运用做了初步的探讨。其结果表明,在目前草地生物量的估测领域植被指数NDVI运用较RVI广泛。     

不同生长期杉木植被指数与蓄积量的关系

处于不同生长期的人工杉木林,其各种生物量的生长和呈现的植被光谱区别较大。利用野外林木的样地实测数据和QuickBird遥感影像呈现的植被光谱,从高分辨率遥感影像获取一系列植被指数,评价不同生长期的人工杉木林的生长状况。结果表明:多个植被指数与蓄积量存在显著的正相关关系,其中比值植被指数(RVI)与蓄积量的相关性大于归一化植被指数(NDVI)、环境植被指数(EVI)和归一化差异绿度指数(NDGI),特别是在杉木处于速生阶段时,可将比值植被指数作为其它估测模型的一种验证。