基于可见光波段无人机遥感的植被信息提取

无人机遥感具有使用成本低、操作简单、获取影像速度快、地面分辨率高等传统遥感无法比拟的优势。该文通过分析仅含红光、绿光和蓝光3个可见光波段的无人机影像中植被与非植被的光谱特性,同时结合健康绿色植被的光谱特征,借鉴归一化植被指数NDVI的构造原理及形式,提出了一种综合利用红、绿、蓝3个可见光波段的归一化植被指数——可见光波段差异植被指数VDVI(visible-band difference vegetation index)。与其他基于可见光波段的植被指数,如过绿指数EXG(excess green)、归一化绿红差值指数NGRDI(normalized green-red difference index)、归一化绿蓝差值指数NGBDI(normalized green-blue difference index)和红绿比值指数RGRI(red-green ratio index)以及仅用绿光波段的提取结果进行对比分析,结果表明:VDVI植被提取精度高于其他可见光波段植被指数,且阈值在0附近,较易确定。为了验证VDVI的适用性与可靠性,选取与试验影像同一时期拍摄但不同区域的另一影像使用同样的方法提取植被信息。结果表明:VDVI对于仅含可见光波段无人机遥感影像的健康绿色植被信息具有较好的提取效果,提取精度可达90%以上,适用于仅含可见光波段无人机遥感影像的健康绿色植被信息提取。     

Sentinel-2影像和BP神经网络结合的小麦条锈病监测方法

选用包含红边等多种不同波段信息的多光谱卫星数据,为区域尺度上展开作物病害监测研究提供更加丰富有效的信息,相比于常规的宽波段卫星遥感影像,搭载红边波段的Sentinel-2影像对作物病害胁迫更加敏感,能显著提高模型精度。该文以陕西省宁强县小麦条锈病为研究对象,基于Sentinel-2影像共提取了26个初选特征因子:3个可见光波段反射率(红、绿、蓝)、1个近红外波段反射率、3个红边波段反射率、14个对病害敏感的宽波段植被指数和5个红边植被指数。结合K-Means和ReliefF算法筛选病害敏感特征,最终筛选出3个宽波段植被指数,包括:增强型植被指数(enhanced vegetation index,EVI)、结构加强色素指数(structure intensive pigment index,SIPI)、简单比值植被指数(simple ratio index,SR),2个红边波段植被指数:归一化红边2植被指数(normalized red-edge2 index,NREDI2)、归一化红边3植被指数(normalized red-edge3 index,NREDI3)。利用BP神经网络方法(back propagation neural network,BPNN),分别以宽波段植被指数和宽波段植被指数结合红边波段指数作为输入变量构建小麦条锈病严重度监测模型,对比2种模型的监测精度。结果显示,基于宽波段植被指数结合红边波段植被指数的监测模型的总体精度达到83.3%,Kappa系数0.73,优于仅基于宽波段植被指数特征所建监测模型的精度73.3%,Kappa系数0.58。说明红边波段能够为病害监测提供有效信息,采用宽波段植被指数和红边波段植被指数相结合的方法能够有效提高作物病虫害监测模型精度。     

基于低空无人机成像光谱仪影像估算棉花叶面积指数

农作物叶面积指数(leaf area index,LAI)遥感监测具有快速、无损的优势。该文以低空无人机作为遥感平台,使用新型成像光谱仪获取的农田高光谱影像数据对棉花LAI进行反演。利用影像高光谱分辨率的特点,针对传统固定波段植被指数(fixed-bandvegetation index,F_VI)进行改进,通过动态搜索相应植被指数定义所使用波段范围内的反射率极值的方法,计算与各类植被指数对应的极值植被指数(extremum vegetation index,E_VI)。分别以原始全波段光谱反射率、连续投影算法(successive projections algorithm,SPA)提取的有效波段反射率以及各类F_VI和E_VI作为自变量,使用最小二乘和偏最小二乘(partial least squares,PLS)回归等方法构建LAI遥感估算模型。结果显示:1)以植被指数为自变量的模型估算效果(验证R2最高为0.85)优于以光谱反射率作为自变量的模型(验证R2最高为0.59);2)使用E_VI作为自变量能够显著提高LAI的估测精度(验证R2最大提高了0.11);3)使用PLS回归算法结合多个E_VI建立的LAI-E_VIs-PLS模型精度最高。使用LAI-E_VIs-PLS模型对棉花地块高光谱影像进行反演,制作棉花LAI空间分布图,取得良好的估算结果(验证R2=0.88,RMSE=0.29),为农作物LAI遥感监测提供了新的技术手段。     

植被参数高光谱遥感反演最佳波段提取算法的改进

高光谱信息量巨大,如何选取最佳组合波段构建高精度光谱模型,是植被参数遥感反演模型研究的重要工作基础。该研究将最佳指数与相关系数通过熵权评价值进行融合,提出最佳指数-相关系数法(optimum index factor and correlation coefficient,OIFC)。基于OIFC法选取了小麦叶片叶绿素含量的最佳组合波段,并利用最佳组合波段的高光谱数据建立小麦叶片叶绿素含量预测模型。结果表明:利用OIFC法所提取的小麦叶绿素最佳组合波段是760、1 860、1 970 nm;对比最佳指数法(optimum index factor,OIF)、最大相关系数法(maximum correlation coefficient,MCC)提取波段以及归一化植被指数(normalized difference vegetation index,NDVI)、土壤调和植被指数(soil-adjusted vegetation index,SAVI)所建立的叶片叶绿素含量高光谱模型,基于OIFC法构建的模型预测值与实测值具有显著的线性关系,决定系数达0.827,且均方根误差最小(RMSE=5.44)。可见,基于OIFC法构建的小麦叶绿素含量模型具有更高的精度,该结果验证了利用OIFC法提取高光谱特征波段的可行性,并且能够获得更高建模精度的特征波段。     

小波分析与支持向量机结合的冬小麦白粉病遥感监测

为利用遥感影像数据在区域尺度上实现快速、准确地监测小麦白粉病的发生、发展情况,该研究基于环境与灾害监测预报小卫星(HJ-1A/1B)数据对地表温度(land surface temperature,LST)进行反演、提取4个波段反射率数据并构建7个植被指数。耦合K-mean和Relief算法对小麦白粉病遥感特征进行筛选。通过支持向量机(support vector machine,SVM)与小波特征(Gabor)结合SVM(Gabor SVM)的方法分别建立河北省晋州市小麦白粉病发生监测模型,并对2种模型的监测精度进行对比。结果表明:归一化植被指数(normalized difference vegetation index,NDVI)、比值植被指数(simple ratio index,SR)和地表温度3种特征参量可较好地表征小麦白粉病的发生情况,Gabor SVM的总体精度达到86.7%,优于SVM的80%。因此,小波分析与支持向量机结合的方法可用于基于卫星遥感影像的大面积病害监测,对提高病害监测精度具有重要应用价值。     

基于遥感信息融合的阜新煤矿排土场地物提取与分类

结合地面测试高光谱数据及卫星遥感数据,对矿区地物信息进行提取,可有助于快速获取矿区地表信息,为矿区废弃地植被恢复提供辅助决策信息支持具有重要意义。该文以阜新市海州矿区排土场为研究对象,对不同波段组合的SPOT-5遥感影像进行了分类方法和分类精度评价研究。结果表明：排土场影像在波段组合与融合之后进行分类,分类精度提高不明显;而通过组合SPOT多光谱影像和植被指数图像,并结合地面测试的高光谱特征曲线建立分类模板,可以有效地提高地物分类精度,总体分类精度为85.48%,Kappa系数为0.8197。分类结果满足对排土场地物调查的实际需要,为建立排土场植被恢复等级提供了数据基础。     

不同植被指数估算植被覆盖度的比较研究

本文以长汀朱溪流域2009年多波段的遥感图像为基础数据源,分别计算了比值植被指数、归一化植被指数、土壤调整植被指数等13种植被覆盖指数,对比分析实地调查植被覆盖度数据与遥感影像计算数据,结果显示最适宜的植被指数为MSAVI——修正土壤调节指数。     

构建植被区分阴影消除植被指数提取山地植被信息

山地植被信息在气候变化研究和生态环境保护等方面发挥着重要作用,遥感技术能够快速获取山地植被信息,但是存在山地地形阴影的影响以及山地植被信息混淆问题。该文以山地植被为研究对象,基于Landsat卫星遥感影像多光谱数据,分析山地植被的主要特点,借鉴阴影消除植被指数（shadow eliminated vegetation index,SEVI）的构造原理及形式,提出了一种适用于山地植被覆盖遥感监测的植被指数算法—植被区分阴影消除植被指数（vegetation distinguished and shadow eliminated vegetation index,VDSEVI）。研究结果表明：相对于已有的其他植被指数,VDSEVI较好地消除了地形阴影的影响;VDSEVI的信息量大,植被覆盖的识别能力较强,较好地解决了植被信息混淆问题,能够更好地反映山地植被覆盖情况。不同土地覆盖类型的VDSEVI存在显著差异;阴影稀疏林地和相邻非阴影稀疏林地的相对误差较小,为3.428%;各土地覆盖类型样本VDSEVI标准差均小于0.06;植被覆盖样本VDSEVI与太阳入射角余弦值（cosi）的相关系数为?0.800。为验证VDSEVI在其他地区的适用性,将VDSEVI应用于内蒙古阿尔山和福州市闽侯县,结果表明VDSEVI同样适用。新疆那拉提、内蒙古阿尔山和福州市闽侯县3个区域基于VDSEVI阈值法的植被信息提取总体精度分别为84.136%、87.339%、86.709%,Kappa系数分别为0.799、0.788、0.791。     

基于多特征决策树的建设用地信息提取

城乡交接带的土地利用/覆盖类型兼具城镇和农村的典型特征。为了解决土地覆盖类型复杂、存在"同谱异物"现象的西部山区环境中建设用地信息难以精确提取的问题,该文提出一种包含多个特征节点的决策树分类法,该方法以Landsat-8影像为主要数据源,以决策树分类法为框架,结合地物光谱特征及空间特征,建立以4种归一化指数(归一化三波段指数normalized difference three bands index,NDTBI;归一化建筑指数normalized difference building index,NDBI;改进的归一化水体指数modified normalized difference water index,MNDWI;归一化植被指数normalized difference vegetation index,NDVI)、支持向量机(support vector machine,SVM)分类结果和河流缓冲区作为特征节点的决策树分类器,对贵州省毕节市城乡交接带建设用地专题信息进行提取。NDTBI是该文新构建的指数,取名为归一化三波段指数,目的是为了弥补归一化建筑指数NDBI的不足;支持向量机分类结果的使用在多指数法的基础上提高了地物的可分离性;以构建河流缓冲区的方式加入的地物空间信息,进一步提高了信息提取的精确性。由于决策树特征节点的构建过程是利用先验知识来优化特征值和提高精度的过程,克服了利用单一指数法、多指数法及单独使用模式识别法中出现的问题,精度评价结果显示总体精度达到了97.52%。为了验证方法的推广性,采用毕节市七星关区中心城区遥感影像数据该方法进行验证,精度评价结果显示总体精度达到98.03%。     

北票市基于Landsat8遥感影像的归一化植被指数分析

归一化植被指数(NDVI)是反映植被长势和营养信息的重要参数之一,由近红外波段与红光波段的反射率值计算得到。Landsat8作为美国Landsat计划的第8颗卫星,遥感数据的准确性更高,时效性更新,采用美国地质勘探局(USGS)网站提供的Landsat8卫星遥感影像,利用ENVI软件计算2013年7月~2016年6月北票市NDVI,分析北票市3a的植被覆盖情况。结果表明:用遥感影像的时效性,通过计算NDVI可以有效监测区域内植被的覆盖情况,获取多年的遥感影像可以分析区域内植被覆盖规律,便于分析区域水土流失情况,制定水土保持计划与决策。     

岷江上游流域植被覆盖度及其与地形因子的相关性

[目的]研究岷江上游流域植被覆盖度随不同高程带、坡度带、坡向分布变化的特征及相关性,为该地区利用有利地形加强生态环境建设和防治水土流失提供依据。[方法]在GIS和RS技术支持下,利用Landsat-8OLI遥感影像和DEM数据提取植被覆盖度和地形因子进行叠加分析,构建统计样本定量分析植被覆盖度与地形因子间的相关关系。[结果]研究区总体植被覆盖情况良好,中度以上植被覆盖区占研究区面积75.0%,低植被覆盖区仅占15.2%。植被覆盖度随海拔高度和坡度的增加呈先增加后降低的趋势,在海拔2 500~3 000m和坡度25°~45°达到最大值;阳坡的植被覆盖度略大于阴坡。各地形因子对不同植被覆盖度的影响程度不同,低植被覆盖区受坡度影响较显著,极高度植被覆盖区受海拔高度影响较显著,其他植被覆盖区与地形因子的相关性无明显规律。[结论]岷江上游流域植被覆盖度与地形因子关系紧密,地形因子变化对生态环境有重要影响。     

山区植被覆盖度变化的地形分异特征——以贵州开阳县为例

植被覆盖度是生态恢复的重要指示器,研究其变化特征可为资源合理利用、生态恢复提供科学参考。以贵州省开阳县为研究区,基于landsat4-5 TM,Landsat8 OLI遥感影像,获取2002年、2019年30 m分辨率植被覆盖度数据,从阴坡与阳坡视角研究山区植被覆盖度变化和地形分异特征。结果表明:(1)2002—2019年阴坡与阳坡植被覆盖度总体呈南高北低分布,期间阴坡与阳坡植被总体处于恢复趋势。(2)研究时段内阴坡与阳坡植被覆盖度随海拔上升表现为增加趋势; 海拔小于600 m的地区阳坡和阴坡植被覆盖度差距最大; 2019年二者植被覆盖度在海拔小于600 m的地区下降明显,高于800 m的地区均有较大提升。(3)阴坡和阳坡植被覆盖度随坡度增加总体呈上升趋势,坡度大于35°后二者差异增强; 植被覆盖度增量随坡度增加总体表现为上升—下降特点。(4)阴坡和阳坡植被覆盖度随地形起伏度增加呈上升趋势。2002年阳坡各等级地形起伏度的植被覆盖度总体高于阴坡,2019年二者植被覆盖度差异性随地形起伏度上升而增强。综上,阴坡和阳坡植被覆盖度与海拔、坡度、地形起伏度呈正相关关系,二者在不同等级地形梯度上具有较大差异性。地形因子对山区阴坡、阳坡植被覆盖度的影响是多方面的,不仅从海拔和坡向上影响水热组合条件,也从坡度和地形起伏度上影响人类对山区林地资源的开发利用。     

改性纤维素类聚合物固沙剂的吸附力学及崩解特性试验

山地植被信息在气候变化研究和生态环境保护等方面发挥着重要作用,遥感技术能够快速获取山地植被信息,但是存在山地地形阴影的影响以及山地植被信息混淆问题。该文以山地植被为研究对象,基于Landsat卫星遥感影像多光谱数据,分析山地植被的主要特点,借鉴阴影消除植被指数（SEVI）的构造原理及形式,提出了一种适用于山地植被覆盖遥感监测的植被指数算法--植被区分阴影消除植被指数（VDSEVI）。研究结果表明：相对于已有的其他植被指数,VDSEVI较好地消除了地形阴影的影响;VDSEVI的信息量大,植被覆盖的识别能力较强,较好地解决了植被信息混淆问题,能够更好地反映山地植被覆盖情况。不同土地覆盖类型的VDSEVI存在显著差异;阴影稀疏林地和相邻非阴影稀疏林地的相对误差较小,为3.428%;各土地覆盖类型样本VDSEVI标准差均小于0.06;植被覆盖样本VDSEVI与太阳入射角的余弦值（cosi）的相关系数为?0.800。为验证VDSEVI在其他地区的适用性,将VDSEVI应用于内蒙古阿尔山和福州市闽侯县,结果表明VDSEVI同样适用。新疆那拉提、内蒙古阿尔山和福州市闽侯县3个区域基于VDSEVI阈值法的植被信息提取总体精度分别为84.136%、87.339%、86.709%,Kappa系数分别为0.799、0.788、0.791。     

基于GIS和RS的延河流域植被覆盖度与地形因子的相关性研究

以延河流域为研究区,综合运用GIS和RS技术,基于Landsat TM影像,运用改进的像元二分模型估算了延河流域2000年和2010年的植被覆盖度,结合DEM数据提取的高程,坡度、坡向地形数据,分析了植被覆盖度与地形因子的相关性,以期为延河流域植被恢复和生态建设提供依据。结果表明:(1)延河流域植被覆盖度从2000年的29.18%增加到2010年的52.42%,呈上升趋势。(2)2000年植被覆盖度随高程的增加呈减小的趋势,2010年植被覆盖度随高程的增加呈先增加后减少的趋势。2000年和2010年植被覆盖度随坡度的升高,大致呈现先升高后降低的趋势,在30°~35°范围内最高。2000年和2010年植被覆盖度总体表现为阴坡(北、东北)半阳坡(东南、西)=半阴坡(东、西北)阳坡(南、西南)平地,其中阴坡的植被覆盖度最高,平地的植被覆盖度最低。(3)在高程1 000~1 500m,坡度在25°~45°范围内,植被覆盖度增加的值最大。     

鄂西犟河流域表层土壤有机碳时空变化及其影响因素

[目的] 研究土壤有机碳（SOC）在小型丘陵山地集水区的分异规律及其影响因素，为土壤资源的可持续利用以及保护南水北调水源地提供科学依据。[方法] 基于数字高程、Landsat 8 OLI影像和2016—2018年实测土壤有机碳等数据，运用相关分析、主成分分析法等研究湖北省十堰市犟河流域表层土壤有机碳含量的时空变化，厘清其影响因子和主导因素。[结果] 犟河流域SOC含量整体呈条带状分布的格局，由东北向西南逐渐增加，呈中等强度变异。夏秋两季SOC处于流失状态，而冬季SOC含量明显增加。不同质地SOC的平均含量：石灰性冲积土 > 简育高活性淋溶土 > 不饱和雏形土。不同覆盖下SOC平均含量：农田 > 园地 > 混交林 > 针叶林 > 灌木。土壤SOC含量呈现随地表曲率绝对值增大而增大，随比值植被指数（RVI）和归一化植被指数（NDVI）增加而增加的趋势。[结论] 地形因子（地表曲率）是影响犟河流域土壤有机碳的主导因子，植被因子（NDVI和RVI）是次要因子。改变局部小地貌、增加林种、改善水肥管理等措施均可以提高流域土壤有机碳含量。     

DEM栅格分辨率对丘陵山地区定量土壤-景观模型的影响

基于数字高程模型（Digital Elevation Model,DEM）的定量土壤-景观模型的精度依赖于DEM栅格分辨率,而DEM栅格分辨率如何影响土壤-景观模型及其预测精度目前研究较少。以西南丘陵山地区一典型汇水盆地为研究对象,以该区2.5、5、10、20和30 m DEM为基础,利用逐步线性回归方法建立起研究区不同分辨率下的定量土壤-景观模型,并应用这些模型预测研究区内土壤表层碱解氮含量的空间分布,进而比较DEM不同分辨率下土壤-景观模型及其预测精度。结果表明,随着DEM栅格分辨率的降低,比汇水面积、地形湿度指数的均值逐渐增加;平均坡度逐渐降低;曲率变化的范围逐渐减小。地形指数的这一变化规律对土壤-景观模型及其预测结果产生显著影响,模型的校正决定系数、平均绝对误差和均方根误差都以5 m栅格分辨率为转折点,分辨率低于5 m,模型的校正决定系数显著减小,平均绝对误差和均方根误差显著增加。     

基于GIS的高原植被空间格局与地形因子相关关系研究

以青海省境内黄河上游茨哈峡为例,运用GIS空间分析方法,对该地区的地形因子(高程、坡度和坡向)进行提取,并与植被类型图进行叠加,运用多样性指数、均匀度等植被指数分析该区植被空间分布格局与地形因子的关系,研究了植被指数随地形的变化趋势。结果表明,植被空间分布与地形因子关系密切,亚高山暗针叶林最优生长区间为海拔3290~3880 m,坡度25°~45°的阴坡;山地圆柏林则适宜生长在同样坡度,海拔3880~4470 m的阳坡;针阔混交林、高山落叶阔叶林最优生长区间分别为15°~25°,2700~3290 m的阴坡和2995~3290 m的(半)阴坡;高寒灌丛和高寒草原在各坡度和坡向分布范围都比较广。     

2000—2018年乌海市植被覆盖度时空变化

为了探究乌海市植被覆盖度时空动态变化特征以及预测NDVI变化趋势,基于Lantsat OLI/TM/ETM,DEM影像运用像元二分模型法、趋势分析法研究了乌海市2000—2018年植被覆盖度时空动态变化特征,重标极差(R/S)分析法的Hurst指数预测了乌海市未来NDVI变化趋势。结果表明:(1)2000—2018年乌海市植被覆盖度整体呈现上升趋势,增长速率为0.07%/10 a,植被覆盖度均值由22.26%增至41.30%;(2)空间上植被覆盖度呈现由西北向东南逐渐递增的趋势,植被覆盖度改善的区域大于退化区域,海南区改善趋势更明显;(3)从地形因子来看,植被覆盖度受高程、坡度影响较大,不同坡向间变化不明显;(4)乌海市大部分地区植被未来变化趋势为随机发展,持续改善区域占10.95%,持续退化区域占2.93%,海勃湾区持续变化性强,乌达区反持续变化性强。整体来看研究区2000—2018年植被覆盖度持续上升,植被改善明显,未来进行生态保护时应多关注地形因素和植被退化的区域,从而制定合理的政策。     

近30年来梵净山植被覆盖时空变化及影响因素分析

梵净山以生物多样性和生态过程的独特优势入选世界自然遗产提名地,为揭示其植被覆盖空间分布与环境因子的相关性及变化规律,选取1990-2016年3个时期Landsat TM/ETM/OLI遥感影像提取植被覆盖度和土地利用数据,分析了梵净山植被覆盖度时空变化特征。结果表明:（1）近30年间,植被覆盖度呈"减少-增加"变化,缓冲区植被覆盖度变化敏感度高于提名地;（2）地形因子在水热条件方面不同程度上影响各等级植被覆盖度的空间分布,低山（<900 m）、低中山（900~1 600 m）植被覆盖度高且面积占比较大,斜坡、陡坡、急坡的植被覆盖度占较大比重,分别为33.33%,28.48%,12.18%,阳坡、半阳坡的植被覆盖度高于阴坡和半阴坡且差异性明显;（3）梵净山植被覆盖度变化受人类活动影响,导致地表覆盖改变而使植被覆盖度呈现典型碎斑状和带状的空间特征,缓冲区城镇化发展对生态环境的压力越来越大,提名地的旅游设施建设导致植被覆盖减少日趋明显。