基于遥感影像的露天煤矿区土地特征信息及分类研究

该研究利用Landsat TM数据，以安太堡大型露天煤矿为例，在对地物光谱特征深入分析的基础上，设计了大型露天矿区土地剧烈扰动下不同地物特征提取模型，提取了安太堡露天矿区植被高覆盖区、植被低覆盖区、剥离堆垫区、采煤运煤区及边坡区等不同地物信息。采用归一化植被指数(NDVI)提取植被低覆盖区与植被高覆盖区信息，采用(TM4-TM5)>0提取植被高覆盖区信息并与NDVI进行了比较，采用TM4<40提取采煤运煤区信息，采用TM4/TM7在0.99～1.01范围来提取边坡区信息, 并统计计算了各类地物所占面积和分布情况。对研究区TM影像进行主成分分析，剥离堆垫区、采煤运煤区和边坡区等反映矿区扰动特征的信息主要由第1主成分反映，植被低覆盖区和高覆盖区等反映矿区植被覆盖特征的信息主要由第2主成分反映，两个主成分的贡献率达到97.16％，并利用扰动特征和植被特征对研究区地物进行了分类。该技术与方法为露天矿地物变化动态监测以及土地复垦与生态重建均提供了准确数据支持。     

基于小麦长势遥感监测的土壤氮素累积估测研究

农田长时间被植被所覆盖给遥感直接监测农田土壤养分及其动态带来巨大难度。由于不同的土壤条件和施肥量会在一定程度上引起作物长势的差异，并最终反映在作物冠层光谱反射率的差异,因此，通过遥感监测作物长势动态实现农田土壤养分与环境质量将是遥感监测土壤质量的一个重要方法。该文利用追肥前后两期高光谱航空影像提取反映小麦长势状况的归一化植被指数NDVI，并结合小麦种植前后的土壤采样数据，分析了追肥前后NDVI及其增量与小麦种植前后土壤碱解氮增量之间的关系。研究结果表明：与追肥前后NDVI绝对增量相比，追肥前的NDVI能够较好地估测小麦生育期内土壤碱解氮增量，追肥前后NDVI绝对增量与追肥前的NDVI的比值是估测小麦生育期内土壤碱解氮增量的最好指标，而追肥后的NDVI与土壤碱解氮增量之间没有显著的相关关系，不能用于土壤碱解氮增量的估测。     

基于多年MODIS NDVI 分级的河北平原农田生产力评价

根据中等分辨率航天成像光谱仪(MODIS)遥感数据计算的归一化植被指数(NDVI)被广泛用于作物长势监测和产量预报, 但由于NDVI 数值在不同年份的同一时期变化较大, 直接用于评价农田生产力会有较大误差。本文以河北平原所在的北纬37°~39°之间连续种植的冬小麦农田为研究区域, 通过对多年冬小麦MODISNDVI 数据进行比较和分级, 尝试用每季NDVI 在区域内的高低级别评估区域农田生产力。Landsat 卫星数据用于对不同时相MODIS 图像进行精确配准, 从而实现像素尺度上长时间序列数据的统计分析。首先, 对区域内2000~2008 年间每年作物返青期到成熟期的NDVI 平均值及各生育阶段NDVI 平均值分别进行高低分级, 以了解河北平原农田生产力的空间变异, 结果显示其中高水平农田分布在太行山山前平原, 指数等级水平并没有完全按南北走向趋势分布, 表明该研究方法受纬度差异的影响较小。不同年份分析结果显示, 2008 年东部地区也出现了较高等级的田块。其次, 利用NDVI 分级结果计算出9 年间NDVI 等级的变异系数, 对采用不同生育期NDVI 可能带来的误差进行了分析, 结果显示不同小麦生育期NDVI 等级的变异系数不同, 返青期和成熟期变异系数较大, 且具有一定的地理差异。最后, 利用GIS 空间分析方法以9 年NDVI 分级结果为基础制作了以县为单元的麦田生产力等级图, 结果显示河北平原农田生产力高低分区, 同时也表明中低水平区块有较大提升空间, 为河北县级土地管理和耕地质量管理提供理论依据。     

基于表观热惯量的土壤水分监测

土壤水分含量是监测农业干旱的重要指标, 遥感法是大面积监测土壤水分时空特征的主要方法, 热惯量法是遥感方法监测土壤水分的主要研究手段之一。本文提出了一个改进的表观热惯量模型计算表观热惯量, 并通过地面验证试验对该模型的适用性进行了分析。在中国科学院栾城农业生态系统试验站, 通过严格的控制试验, 设计了10 个不同植被覆盖、不同土壤水分含量的试验小区, 针对表观热惯量的适用条件, 利用实测的地表温度、植被指数、反照率、太阳辐射等参数计算了不同植被覆盖不同土壤水分含量下的表观热惯量,并与土壤体积含水量进行了相关和回归分析。结果表明: 在植被覆盖度较低情况下[归一化植被指数(normalized difference vegetation index, NDVI)<0.35], 表观热惯量法具有较好的效果, 表观热惯量与土壤体积含水量之间的相关系数大于0.7, 通过了95%的显著性检验, 两者具有很高的相关性, 可以用热惯量法监测土壤水分状况; 在较高植被覆盖情况下(NDVI>0.35), 表观热惯量与土壤体积含水量之间没有相关性, 热惯量法监测土壤水分失效; NDVI 为0.35 可以作为热惯量法监测土壤水分状况是否可行的判断条件。     

植被指数—地表温度特征空间研究及其在旱情监测中的应用

植被指数—地表温度特征空间已被应用于多方面的研究。该文从区域旱情监测的角度分析了该特征空间的生态学内涵，指出地表温度是地表蒸散的函数，推导出了温度蒸散旱情指数(TEDI)的计算方法。利用NOAA数据，以河北省南部平原为研究区域，分别计算出了温度植被旱情指数(TVDI)与温度蒸散旱情指数(TEDI)，通过地面实测土壤相对湿度指数(SHI)验证，结果表明温度蒸散旱情指数(TEDI)可以更准确地反映下垫面的土壤墒情状况。     

不同株型品种冬小麦NDVI 变化特征及产量分析

冬小麦不同株型品种和灌溉类型是影响产量遥感估测的重要因素, 对二者的实时监测可以提高产量的估测精度。结合遥感数据(MODIS 数据)与非遥感数据(GPS 数据和外业调查资料), 研究了不同株型品种冬小麦在水、旱地条件下归一化差值植被指数(NDVI)的动态变化特征, 分析了不同生育时期NDVI 与产量之间的关系。结果表明: 冬小麦不同株型品种间NDVI 随生育时期的变化具有明显一致性, 呈“小-大-小”变化趋势; 拔节期至孕穗期不同株型品种冬小麦NDVI 差异显著, 披散型品种高于紧凑型品种, 该时期为准确识别冬小麦株型的最佳时期。水、旱地同一种株型的冬小麦品种在整个生育时期NDVI 均值差异较显著, 均表现为水地冬小麦高于旱地冬小麦, 尤以抽穗初期最为明显。水旱地冬小麦不同生育时期NDVI 与产量相关性均以抽穗初期为最高, 但用抽穗初期和灌浆期NDVI 与产量的复合回归方程进行产量预测比用抽穗初期NDVI 与产量的回归方程效果好, 旱地冬小麦尤为明显。     

基于MODIS数据设计的中国土地覆盖分类系统与应用研究

该文阐述了国内外主要土地覆盖分类系统及其土地覆盖产品在中国的表现，依据中国植被编码体系在MODIS数据试验的基础上，对现有国内土地覆盖分类系统进行了重新设计，包括7大类22个二级类别，并利用2001～2002年MODIS1km时间序列NDVI数据和多波段反射率光谱数据对中国区域进行了土地覆盖分类，结果显示分类产品能较为准确地描述中国区域土地覆盖的实际情况。     

基于拟合物候参数的植被遥感决策树分类

针对目前遥感分类较少利用植被物候特征参数的现状,该研究以内蒙古自治区额尔古纳、根河两市作为试验区,基于2012年根河土地覆盖数据,采用双Logistic函数拟合的方法对跨度范围为2011年7月下旬至2013年7月下旬的时间序列MODIS EVI数据进行植被物候参数的分析与提取,并依据物候参数特征构建决策树对试验区土地覆盖进行分类。研究表明,不同植被的物候有较明显的特征,森林、草原与作物的生长季开始时间依次滞后,作物的生长季最短,森林与草原生长季基本持平;利用植被物候特征参数进行决策树分类,作物和森林2种植被类型取得较好分类效果,分类的总体精度达到73.67%,优于该区域MODIS土地覆盖产品的总体精度(66.08%)。该研究可为呼伦贝尔地区生态环境评价和农、牧、林业生产活动提供一定的参考。     

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。     

安徽省植被覆盖度动态变化及其对地形的响应

[目的] 探究安徽省植被覆盖度的时空变化特征与地形的相互关系，为当地资源开发中加强生态环境建设提供理论依据。[方法] 在GIS与RS技术支持下，使用安徽省2001—2019年逐月MODIS/NDVI数据，2001—2019年土地分类数据和安徽省DEM海拔、坡向地形数据，分析植被覆盖度时空变化特征及其与地形因子相互关系。[结果] 安徽省植被覆盖度季节变化特征明显。1月、10—12月，全省植被覆盖度呈现低值，且山区高于平原；2—5月，淮北平原地区植被覆盖度呈现高值，6月迅速减小；7—9月全省范围植被覆盖呈现高值，大部地区植被覆盖度高于0.8，山区平原空间差异最小。全省植被覆盖度年变化率为0.003 9/a，与时间相关性显著（R²=0.814 8）。不同海拔区间内，植被覆盖度四季差异明显。受下垫面地表类型影响，200 m以下植被覆盖度呈现低值，200～350 m植被覆盖度陡然升高，1 250 m以上植被覆盖度呈下降趋势。各坡向四季植被覆盖度夏季>秋季>春季>冬季。北坡、南坡分别为峰值、谷值。南、北向山区植被覆盖度差异呈逐年波动下降趋势，其差异值多年平均值夏季最低（0.009 3），秋季最高（0.014 2），春冬季分别为0.013 9，0.012 5。[结论] 安徽省海拔、坡向显著影响植被覆盖度动态变化特征，需结合地形特点合理开发利用地表资源，并做好生态环境保护工作。     

年际尺度上土地覆盖类型时空分异及其对气候和地形的响应

为了更加深刻地理解气候和地形条件对土地覆盖的作用机理,该研究以2001年-2009年逐年的MODIS Land Cover(MCD12Q1)为主要数据源,参考中国土地覆盖分类体系整合国际上通用的5种(IGBP、UMD、LAI-fPAR、NPP和PFT)土地覆盖分类体系,分析年际尺度上中国西北干旱半干旱地区的土地覆盖时空分异及其对气候和地形的响应。研究结果表明:IGBP较其他4种更适合年际尺度上干旱半干旱地区土地覆盖的时空分异研究。2001年-2009年,5种分类体系中农田和草地增加,水体湿地和荒漠减少,聚落保持不变,森林有增有减,并且土地覆盖类型间相互发生转换,其在空间上的转移与干旱半干旱地区的自然条件变化和人类活动相适应。6种土地覆盖类型对自然条件的响应与光、热、水在时空格局上的分配以及人类活动作用的强弱相一致。研究结果可为区域或全球土地利用和土地覆盖研究提供参考。     

三种土地覆盖遥感数据在中国区域的精度分析

土地覆盖遥感数据的精度分析是数据应用的前提和基础。该文以中国科学院资源环境科学数据中心提供的2000年中国土地覆盖数据作为参考,基于对土地覆盖类型的归并,在各种土地覆盖类型的分布面积、空间位置等方面分析了GLC2000、MODIS V004和MODIS V005三种数据描述中国土地覆盖状况的能力,并引入差异性指数,深入分析影响土地覆盖数据精度的原因,得到以下主要结论:总体上各数据均能反映中国主要土地覆盖类型的分布情况,GLC2000、MODIS V004和MODIS V005数据的总体精度分别为62.8%、61.7%和61.9%;3种数据的乔木林地面积较参考数据均偏大,而建筑用地、湿地和水体的面积均偏小;乔木林地、灌木草地、耕地和裸地冰川的精度较高,建筑用地和湿地的精度较低;GLC2000数据在省级水平上对乔木林地和耕地的描述最准确,MODIS V005数据的平均用户精度和生产者精度最高;土地覆盖数据的精度随着数据差异性指数的增加而降低,随着差异性指数为1的区域面积比例的增加而升高;MODISV005数据的精度受土地覆盖差异性的影响相对较小。     

利用MODIS-EVI时序数据对河南省土地覆盖进行分类

基于遥感的土地覆盖信息提取对农林业生产、环境监测具有直接的应用意义。该文选取河南省作为研究区域,利用2005年23个时相的MODIS EVI数据,结合农作物物候历、其他分类参考数据及河南省种植结构的相关文献,在对时序数据进行去云、平滑处理后,采用SVM（支持向量机）分类器,对河南省的土地覆盖进行分类。分类结果上,一方面参照2005年河南省农作物种植面积的统计数据得到面积精度,对大面积种植的农作物：小麦为81.47%、玉米94.87%、水稻82.43%;经济作物：油菜39.81%、大豆93.65%、棉花95.21%、花生74.27%;另一方面,参照2000年1：10万全国土地覆盖的分类数据,将2000年的对应数据和分类结果分别归并为：耕地、林地、草地、水体、建筑进行精度比较,结果表明总体识别精度为78.07%,Kappa系数为0.6556。从分类精度验证来看,表明MODIS植被指数时序数据及该文研究方法在农作物信息提取中的有效性。     

基于MODIS植被指数时间谱的华北平原土地覆盖分类

中分辨率成像光谱仪(MODIS)已在全球资源环境监测中发挥了重要作用，但是它的低分辨率成为提高分类精度的阻碍。利用MODIS的高时间分辨率弥补其低空间分辨率的不足，设计分类器改善分类精度。利用2003年23个时相的MODIS_EVI图像，构建华北平原植被指数图像时间立方体。在谐波分析去噪标准化基础上，从EVI时间谱上提取5个表征物候差异的特征向量，结合表征地气交互作用差异的地表温度(LST)信息及表征地表固有的空间分异特征的坡度信息，建立分类二叉树进行土地覆盖分类。结果表明，与2000年TM分类结果的总体一致性为75.5%，Kappa系数为0.68。而NASA USGS基于MODIS分类精度为66.0051%，Kappa系数为0.3209。进一步与2003年耕地面积的官方统计资料的比较表明，该文的估算误差为34.0507 khm²，而NASA USGS的估算误差高达66.1205 khm²。研究表明利用高时间分辨率的MODIS植被指数时间序列获得较高精度的土地覆盖分类结果是可能的。     

基于证据理论的多源遥感产品土地覆被分类精度优化

针对现有土地覆被遥感产品及融合方法存在的不足,该文提出了一种新的分类体系转换方法,实现了证据理论(Dempster-Shafer)框架下多源产品的集成,并以GEOWIKI、林业调查数据为参考,通过绝对及交叉验证方法对融合结果精度进行了评价。研究结果表明:无论总体精度还是类别精度,融合结果与原始数据相比均有一定提高,说明在融合过程中,吸收了多源数据的类别分布特征,做到了多源数据间的互补。通过融合结果的不确定性分析,总体上融合结果的不确定性较小,但在景观异质性较强区域,融合结果的不确定性显著,不确定性值集中于0.4~0.7之间,这说明如何提高景观异质性区域的土地覆被类别精度,实现该区域数据重构是未来亟需解决的问题。该文所得成果为未来全球或区域尺度土地覆被遥感产品的研制及产品精度验证提供了参考。     

陕北黄土高原地区土地利用/覆被分类及验证

陕北地区自退耕还林工程实施以来,区域土地覆被发生巨大变化,退耕后土地利用/覆被分类有利于实现退耕前后土地利用/覆被动态监测,评价退耕还林工程进展程度。该文在前人分类系统的基础上,通过对研究区不同土地覆被类型分布特征的实地调查,首先构建了适合陕北地区的土地覆被分类系统;其次依照上述分类系统,以MODIS/NDVI数据、DEM数据和陆面温度数据为依据,采用决策树分类方法对2008年陕北地区土地覆被进行分类;最后采用野外调查数据和Google Earth高分辨率遥感数据,利用误差矩阵的方法对分类结果的整体精度和典型区域不同土地覆被类型的区分精度进行验证。结果表明,基于上述方法的土地覆被分类不仅反映了土地覆被分布的整体情况,而且不同的土地覆被类型之间也得到较好的区分。     

基于HJ卫星数据与面向对象分类的土地利用/覆盖信息提取

土地利用/覆盖信息是区域气候与环境研究的基础,是土地资源规划与管理、合理开发与保护的信息保障。为此,该文选取长株潭城市群核心区为试验区,以时间序列HJ卫星影像为数据源,首先构建了时间序列归一化植被指数(normalized difference vegetation index,NDVI)、时间序列光谱第一主成分(first principal component,PC1)数据集,通过J-M(Jeffries-Matusita)距离变量可分离性分析结合地表覆盖的物候特征,确定最佳时序HJ组合数据;其次,采用面向对象的随机森林算法对研究区土地利用/覆盖信息进行分类,并对分类结果进行精度评价与比较分析。研究结果表明:采用时间序列HJ组合数据与面向对象的分类方法,提取城市土地利用/覆盖信息的总体精度和Kappa系数分别达到91.55%和0.90,其中水田、水浇地、旱地、林地、建设用地的生产者精度均达到90%及以上;相对于时间序列基于像元分类、单时相面向对象的分类方法,该文提出的土地利用/覆盖信息提取方法的总体分类精度和Kappa系数分别提高了2.26%、0.02和6.82%、0.08,有效提高了区域土地利用/覆盖信息提取的精度,为大范围土地利用/覆盖精细化分类提供了有效的途径。