植被盖度遥感反演模型在稀疏高寒草原的对比研究

【目的】基于Landsat8遥感影像数据,反演西藏日喀则地区高寒草原植被盖度。【方法】采用比较常用的3种植被盖度反演模型,即像元二分模型、基于归一化植被指数(NDVI)与土壤调整植被指数(SAVI)的回归模型、改进的三波段梯度差模型,对稀疏高寒草原植被盖度进行反演,并采用照相法实测植被盖度进行反演精度分析。【结果】3种模型对高寒草原植被盖度的反演精度以像元二分模型最高,反演精度为82.02%,其他两种模型均小于80%。【结论】像元二分模型相对于回归模型和改进的三波段梯度差模型更适用于稀疏高寒草原植被盖度的反演。     

农田土壤含水率遥感监测方法的探索

以光学植被盖度为基本原理,依据像元点亮度值和反射率的关系推导基于ASTER数据1、2、3波段反射率的地表土壤水分模型,并将模型实际应用于研究区域,反演研究区土壤水分含量,将反演结果与从美国国家冰雪中心下载的AMSR-E地表土壤水产品进行对比分析,结果表明本次研究模型可以适用于大范围区域土壤水分遥感监测。     

西乌珠穆沁典型草原植被盖度空间异质性研究

采用地学统计方法,以西乌珠穆沁典型草原3类不同地貌的3个试验区内植被盖度为研究对象,探讨其空间结构和异质性。经研究发现,3类地貌试验样地的植被盖度均值较为接近,在32.99%~40.77%之间,其变异系数值均小于10%,属于弱变异性范围。3个试验样地植被盖度的拟合模型决定系数在0.60~0.71之间,拟合度较好;根据C_0/(C+C_0)值可知,随机因素在3个样地植被盖度的空间变异中所起的作用的权重顺序为低山丘陵样地坡地样地波状高平原样地;3类不同地貌试验样地的结构比[C/(C+C_0)]均大于75%,植被盖度均表现出较强的空间相关性,且由空间自相关部分引起的空间异质性占到总空间异质性的80%以上;3个试验样地中植被盖度连续性最好的是低山丘陵地貌样地,其次是坡地地貌试验样地,最后是波状高平原地貌样地。3个试验样地均表现出明显的各向异性,空间格局差异明显。经克里金空间插值后得到3个样区植被盖度的空间分布图,并对植被盖度的分布做了定量研究。     

荒漠化地区植被因子的定量反演方法

采用国产高光谱分辨率成像光谱仪(OMIS-Ⅰ)系统数据对荒漠化评价的植被因子(植被盖度、生物量)进行了定量反演。通过建立以像元为单位的定量化遥感信息模型,获得荒漠化地区植被因子的分布图。结果表明,用高光谱数据定量反演荒漠化地区植被生物量和盖度是比较可靠的。当反演区域内灌木和草地同时存在时,多项式模型的精度要明显高于线性模型;当植被类型单一时,模型即为较高精度的线性模型。植被因子的定量反演与植被类型有关。     

基于环境卫星数据的黄河湿地植被生物量反演研究

回归模型拟合植被指数与生物量的定量关系是植被生物量反演的重要研究方法之一.研究在此基础上,基于环境卫星遥感数据和同步野外实地采样数据,以郑州黄河湿地自然保护区为试验区,比较MLRM(多元线性回归模型)与SCRM(一元曲线回归模型)反演植被生物量的能力,并估算研究区植被生物量,生成研究区生物量分布图.结果表明,文中所建立的MLRM在研究区具有较好的反演精度和预测能力.其模型显著性检验为极显著,相关系数为0.9791,模型拟合精度达到29.8 g/m2,其模型预测结果系统误差为49.9g/m2,均方根误差为67.2 g/m2,预测决定系数为0.8742,比传统的一元回归模型具有更高的精度和可靠性.估算研究区域2010年8月湿生植被生物量约为6.849199 t/hm2,相对误差为4.73％.     

基基于 MODIS数据的重庆市植被覆盖度动态变化研究

通过最佳指数斜率提取法(BISE)重建研究区 MODIS-NDVI时间序列数据.以像元二分模型为基础,用IDL 计算机语言构建植被覆盖度定量模型,估算了重庆市2006-2010年植被覆盖度,分析其空间分布与季节变化特 征.结果表明:研究区植被覆盖度在缓慢增长,整体生态环境呈良性发展趋势.同时,较高的植被覆盖度反演精度 (78%),证实通过BISE方法重构 NDVI时间序列和运用像元二分模型来反演植被覆盖度的方法是可行的.     

基于MODIS数据的重庆市植被覆盖度动态变化研究

通过最佳指数斜率提取法(BISE)重建研究区MODIS-NDVI时间序列数据.以像元二分模型为基础,用IDL计算机语言构建植被覆盖度定量模型,估算了重庆市2006-2010年植被覆盖度,分析其空间分布与季节变化特征.结果表明:研究区植被覆盖度在缓慢增长,整体生态环境呈良性发展趋势.同时,较高的植被覆盖度反演精度(78％),证实通过BISE方法重构NDVI时间序列和运用像元二分模型来反演植被覆盖度的方法是可行的.     

基于NDVI像元二分模型植被覆盖度反演喀斯特石漠化研究——以贵州毕节鸭池示范区为例

该研究在＂3S＂技术发展的背景下,以贵州省毕节鸭池示范区为研究区,选用2005年SPOT遥感影像,对遥感影像进行几何校正、图像配准等数据预处理,引入NDVI植被指数和像元二分模型,根据像元二分模型的理论,确定出NDVIsoil和NDVIveg,建立了反演植被盖度的像元二分模型。并根据大量的外业调查数据对所建立的模型进行了精度验证,定量估算了毕节鸭池示范区的植被覆盖度,取得NDVI植被指数与喀斯特石漠化之间的对应关系,得到研究区NDVI图像,最后由各覆盖度得出NDVI结果反演毕节鸭池示范区石漠化特征,得到研究区的各等级喀斯特石漠化的面积以及空间分布情况。利用该方法进行喀斯特石漠化研究,明显改善了分类的精度,为喀斯特石漠化生态修复及其他综合防治提供科学依据。     

基于地貌类型的土壤有机质多光谱遥感反演

该文基于地貌类型分析土壤有机质含量与多光谱遥感影像光谱波段之间相关关系,并构建不同地貌类型区有机质含量反演模型.结果表明,各波段光谱反射率与土壤有机质含量均呈负相关关系;利用SPSS软件对所有波段进行剔除变量(remove)线性回归分析,当全部波段参与构建反演模型时,一次反演模型拟合效果较好.分地貌类型区构建土壤有机质反演模型精度高于整个区域反演模型精度,与实际值对比,当允许误差为7％时,土壤有机质含量识别度为91.65％.基于地貌类型构建土壤有机质含量反演模型提取研究区土壤有机质含量是切实可行的,且精度较高.     

亚热带地区马尾松林碳储量的遥感估算——以长汀河田盆地为例

全球气候的变化已使得人类日益关注森林生态系统的碳储量变化.以福建省长汀县河田盆地为例,开展马尾松林碳储量估算模型的研究.通过2010年的野外样地调查获得了马尾松林的实测数据,并将其与同年的ALOS遥感影像对应样地的植被光谱信息进行比较.通过研究5种遥感植被指数与马尾松林碳储量之间的相关关系,从中选取了基于归一化植被指数(NDVI)的研究区最佳马尾松林碳储量反演模型.精度分析表明,该模型平均相对误差为-1.95％,均方根误差为3.01 t/hm2,因此可以有效地用于反演研究区的马尾松林碳储量.利用该模型反演出河田盆地2010年马尾松林的总碳储量为114.58×104 t,碳密度为34.92 t./hm2.     

Topography-based modeling to estimate percent vegetation cover in semi-arid Mu Us sandy land,China

Desertification is an important ecological and environmental problem that concerns the whole globe. Percent vegetation cover is closely related to occurrence and degree of desertification, and its estimation is essential to monitoring and assessing land desertification. Normalized Different Vegetation Index (NDVI), an indicator widely employed to estimate percent vegetation cover, did not work well because of heterogeneous topographical features and vegetation cover in Mu Us sandy land. We selected variables according to correlations between them and vegetation cover fraction and estimated percent vegetation cover with the general regression neural network (GRNN) model and partial least squares (PLSs) regression linear model. Results indicated that correlations between remote sensing indices and vegetation cover fraction varied with topographical feature types. We also found that if field samples were classified with topographical features before estimation, prediction precision of the model was improved for individual plots. This research provides new alternatives for more precise vegetation cover estimation in the semi-arid area of China.     

基于连续小波变换的蒺藜植被覆盖度预测

植被覆盖度是评价土地是否荒漠化最有效的指标之一,也是植被监测的重要指标。通过高光谱估算植被覆盖度,可以为植被监测提供重要依据。以半干旱区托克托县的固沙植被蒺藜（Tribulus terrestris L.）为研究对象,分析了不同植被覆盖度光谱曲线特征的变化情况;提取两波段原始光谱植被指数并与植被覆盖度之间的相关性,选取最优波段组合;利用连续小波变换（continuous wavelet transform,CWT）对植被光谱反射率进行不同尺度分解,提取出不同分解尺度的最优波段;采用偏最小二乘法（partial least square,PLSR）和支持向量机（support vector machine,SVM）两种方法,以不同自变量建立植被覆盖度估算模型。结果表明：①原始光谱植被指数与植被覆盖度呈显著相关,相关系数均在0.55以上,最优波段组合为DI（2 260 nm,2 210 nm）、RI（1 410 nm,660 nm）、NI（1 470 nm,670 nm）、RDVI（1 770 nm,670 nm）、MSR（1 410 nm,660 nm）;②小波系数也与植被覆盖度之间有良好的相关性,原始光谱中1~10尺度对应的相关系数均在0.72以上,在波段630 nm处第6分解尺度中,相关性最大为0.788 9;一阶微分光谱提取的小波系数与植被覆盖度的最大相关性为0.806 9;二阶微分光谱中1~10尺度小波系数与植被覆盖度的相关性均在0.6以上,其中最大相关性为0.781 8;③以原始光谱植被指数与不同导数变换的CWT提取的小波系数为自变量建立的模型中,输入量为二阶微分小波系数的PLSR模型精度最高,模型最稳定,R²为0.905 9,RMSE为0.035 6,这表明经过CWT算法处理后,可以提高光谱的特征信息,为植被覆盖度的估算反演提供技术方法。     

大理苍山东西坡植被的垂直分布格局

  目的  分析云南省大理苍山东西坡植被的垂直分布格局变化特征,为有效保护苍山生态环境和物种多样性提供参考依据。  方法  以大理苍山为研究区域,基于高分二号(GF-2)高分辨率遥感影像,结合大理苍山完整的山地植被垂直地带性分布规律,辅以纹理特征和数字高程模型(DEM)数据,采用面向对象的多层次图像分割法,通过构建地形约束因子参与分类过程,准确选择样本,高精度提取研究区域的植被信息,并分析苍山东西坡植被的垂直分布格局。  结果  ①引入辅助信息的面向对象分类法提取的苍山各植被类型连续且效果好,分类总体精度为95.3%,Kappa系数为0.946 6。②苍山东西坡现状植被垂直分布格局明显,各自具有6个垂直分布带,并随着海拔高程的增大,植被分布类型趋同性增大,但东西坡垂直带谱内的优势植被类型相比也存在部分差异。  结论  相较于传统主观性强的分类方法,引入垂直带谱信息的地形约束因子进行分类,可以有效地提高山地植被分类的精度。基于面向对象的多层次分割法适用于苍山植被信息的精确提取。图5表3参20     

基于PCA-WNN的玉米叶片叶绿素含量遥感反演建模方法

为寻找一种准确、非破坏性的叶绿素含量获取方法,实时掌握作物的生理状况,研究一种基于PCAWNN的玉米叶片叶绿素含量遥感反演模型。利用SVC HR-1024I光谱仪采集盆栽玉米叶片光谱,同时用SPAD-502便携式叶绿素计测定叶绿素含量。从包络线去除、微分处理后的光谱曲线中提取7个光谱特征参数(SCPs)并与修改型土壤调节植被指数(MSAVI)、归一化差值植被指数(NDVI)、修正植被指数(MVI)、比值植被指数(RVI)、差值植被指数(DVI)5种植被指数分别结合主成分分析(PCA),并提取前4个主分量作为小波神经网络(WNN)的输入因子,以Morlet母小波基函数作为激励函数,建立隐含层节点数为3的PCAWNN模型反演玉米叶片叶绿素含量。通过精度检验,表明7个SCPs与MSAVI组合的建模精度最高,验证小波神经网络反演玉米叶绿素含量的可行性以及其预测精度比BP神经网络更好。     

基于植被指数的秦岭森林健康评价方法研究

利用HJ-1/HIS L2级高光谱数据提取敏感反应森林健康状况的植被指数,用敏感性分析法筛选指标,建立评价森林健康的指标体系与评价模型。基于层次分析法获得评价模型中各指标的权重。采用自然间断点分级法将森林健康指数分为4个等级,分别为不健康、亚健康、健康和优质健康,绘制健康状况分布图。从小班和样地二水平验证该森林健康评价模型的精度,结果表明,评价结果在二水平上均与传统调查方法获得的结果显著相关。决定系数分别为0.707和0.665。该模型所得森林健康指数小于传统调查结果,但趋势一致。     

基于机载多光谱的冬小麦返青期土壤墒情反演

准确快速得获取冬小麦地块的土壤墒情,可为高效利用水资源、实现精准灌溉提供参考。为此,特在江苏省张家港市获取返青期冬小麦种植区的无人机多光谱遥感数据,并同步测定2个深度（10 cm和20 cm）的土壤墒情,通过遥感图像提取光谱反射率,计算归一化植被指数（NDVI）、增强型植被指数（EVI）和垂直干旱指数（PDI）,进行共线性分析后,分别运用逐步回归法、岭回归法和偏最小二乘法,构建针对不同深度土壤墒情的反演模型,并基于最佳反演模型绘制试验区不同深度土壤的墒情反演图。结果表明,用逐步回归法构建的模型在10、20 cm深度土壤墒情反演中的决定系数分别达到了0.885、0.782,建模精度最优,且针对10 cm深度土壤墒情的反演效果优于20 cm。研究结果可为冬小麦返青期土壤墒情监测方法的选择提供参考。     

伊洛河流域植被覆盖空间分异研究

植被覆盖信息对于流域资源与生态环境质量评价、综合治理与开发、可持续发展等具有重要意义。以伊洛河流域2009年的TM影像为数据源,基于像元二分模型提取该流域的植被覆盖度,并将植被覆盖度由低至高分为5类,研究流域植被覆盖的空间分异状况。结果表明:流域的植被覆盖整体较好,平均值达到60%左右,高值区域分布在栾川县、熊耳山附近、洛南县南部;低值区域分布在嵩县和洛宁县以下河段,覆盖度大于80%的区域大约占整个流域面积的57%,主要集中在陆浑水库至洛宁县一线上游的区域;而覆盖度在0～20%的区域只占不到5%,主要是上河流沿线、洛南县中上部和洛阳市所在区域。研究结果将为该区域的资源环境保护和开发治理提供基础数据。     

基于面向对象和随机森林模型的杭州湾滨海湿地植被信息提取

湿地植被在湿地生态系统中起着无可替代的作用,其空间分布在很大程度上反映了滨海湿地的开发利用、生态环境特征和健康状况。以杭州湾南岸为研究区,以QuickBird影像和野外调查数据为数据源,基于面向对象原理在确定最优分割尺度的基础上采用随机森林模型,对滨海土地利用分类,并精确提取湿地植被。结果表明:面向对象和随机森林相结合的方法可以有效提取杭州湾5种湿地植被类型和6种土地利用类型,分类总体精度达86.90%,Kappa系数达到0.85,5类滨海湿地植被的用户精度均达到85%以上,更有海三棱藨草Scirpus mariqueter的用户精度达到100%,充分说明了基于面向对象分割和结合随机森林模型方法适用于滨海湿地植被信息的精确提取。     

呼伦贝尔草原植被覆盖度地面实测与遥感估算研究

以内蒙古呼伦贝尔草原为研究区,共选择放牧区和非放牧区的47个观测样地,利用数码相机获取草地冠层照片,利用HLS彩色变换与RGB结合法及其他方法分别提取植被覆盖度。结果表明:本文发展的HLS彩色变换与RGB结合法提取的植被覆盖度的平均精度达85.85%,仅次于最大似然监督分类法。基于本文方法提取的实测点草地植被覆盖度与Landsat-5 TM影像计算的6种植被指数均有较好的正相关关系,其中与减小的比值植被指数(RSR)的相关性最高,从而建立了植被覆盖度遥感估算模型。遥感估算的研究区植被覆盖度空间差异明显,大部分草地植被覆盖度在0.7～0.9之间,而放牧区的草地植被覆盖度大多在0.5～0.7之间。