1981-2003年黑龙江省植被变化及其对气候的响应

基于遥感方法监测植被变化以及分析植被对气候变化的响应与反馈机制已经成为全球变化研究的一个重要领域(马国明等,2006;Mark et al．,2001).尽管归一化植被指数(NDVI)在高植被区的饱和性使其与一些植被生理参数之间的关系往往是非线性的(Carlson et al．,1990;Gillies et al．,1997),并且容易受到土壤背景的影响(Huete,1997),但由于NDVI与叶面积指数、光合有效辐射吸收率、生物量、初级生产力和植被盖度等植被生物物理特征的高度相关性(马国明等,2006;Veroustraete et al．,2002),使其成为研究大尺度植被变化的重要指标.     

基于高光谱影像融合的湿地植被类型信息提取技术研究

对-36°和0°的多角度高光谱CHRIS遥感影像数据进行植被指数计算及影像融合,提出归一化植被指数(NDVI)与高光谱影像融合后,采用波谱角填图(SAM)的方法提取湿地植被类型信息。该方法首先对-36°影像进行NDVI植被指数计算,然后与0°影像融合,再采用SAM方法提取湿地植被类型。结果显示,利用该方法对青海省隆宝滩湿地植被类型的提取精度可达到92.23％;而利用SAM方法对0°影像直接进行湿地植被类型提取,其精度只有66%。由此可见,利用不同角度信息影像融合的方法,大大提高了高光谱影像进行湿地植被类型信息提取的精度,为湿地植被类型信息提取又提供了一个有效可行的方法。     

基于时空适应反射率融合模型的林区遥感应用研究

高空间、时间分辨率遥感数据在林业遥感变化监测方面具有重要的作用,然而,对于特定传感器获取的遥感影像在空间和时间分辨率上存在着不可调和的矛盾。本文针对神农架林区多云雾高时空分辨率数据缺乏的现状,提出了一套区域尺度高时空分辨率植被覆盖度数据构建方法。首先,利用LandSat8数据进行预处理,得到高分辨率的NDVI数据,并将MODIS NDVI数据进行重投影、重采样等预处理;其次,利用STARFM模型进行高分辨NDVI预测,利用评价因子选择最佳算法参数,并利用二分模型计算植被覆盖度;再次,以LandSat8获取的真实数据与预测数据进行精度评价;最后,选取黑龙江小兴安岭西北部林区生长季数据进行验证试验。结果表明:利用该方法可以在神农架林区获得预测日期的较好的NDVI及植被覆盖度,精度分别为90.8%、82.60%。此外,通过验证试验,可以获得同年生长季小兴安岭林场较好的NDVI以及植被覆盖度,精度分别达到92.86%、88.65%。     

地形起伏对陆地卫星的NDVI影响研究

NDVI是表征植被叶面积密度的重要遥感指数,是估测植被盖度、林分郁闭度、生物量及碳储量、植被生长状况和作物产量的重要参数。相关研究表明地形起伏对光谱数据有较大的影响,但其对NDVI的影响特征值得进一步研究。针对以上问题,选用C校正模型对Landsat数据进行地形校正,消除了地形起伏对光谱数据的影响,并对比和分析了地形校正及未经地形校正提取的NDVI。结果表明:地形校正前后图像总体的NDVI有显著性差异,其中较小坡度植被区域无显著性差异,较大坡度植被区域存在显著性差异;阴坡整体的NDVI有变大趋势、阳坡略微减少,半阴半阳坡无明显变化;农地在不同坡向下无显著差异且整体变化不明显,针叶林、阔叶林在阴坡和阳坡上的NDVI变化幅度大于半阴半阳坡。地形校正对NDVI估测值存在着一定影响,从而进一步影响着基于NDVI参量的各种遥感估算结果,故消除地形起伏对光谱的影响,可以提高定量遥感估测精度。     

国家生态区漳州市龙文区植被恢复评价

为了准确客观地评价龙文区确立为国家级生态区前后植被的恢复情况,有助于该区域更有效、更有针对性地进行生态环境的改善工作,该文利用2014和2019年Landsat OLI遥感影像以及土地利用数据,基于ENVI软件提取归一化植被指数(NDVI),在此基础上,采用ArcGIS分析了龙文区植被指数的时空变化格局以及对不同土地利用类型的植被指数进行对比.结果表明:(1)在2014—2019年期间,区域内植被得到一定程度的恢复,NDVI由0.687提高到0.706;(2)NDVI高的地方分布在研究区域的东北部、东部、西北部,而NDVI较低的地方主要分布在城市建设用地集中的西南部;(3)研究区植被退化的面积占比12.6％,而植被改善的面积占比高达15.1％;其中建设用地、交通用地的NDVI均有不同幅度上涨,而林地、耕地、风景名胜等用地的NDVI却有不同幅度下降,但下降幅度均不大.     

基于MODIS/NDVI的云南省近十年植被动态监测分析

介绍了植被、植被指数、归一化植被指数等相关概念。对收集的MODIS遥感数据运用GIS软件ARCGIS 9.3进行了图像的融合、裁切、提取等处理,从而获取到研究区域云南省自2002年2月至2012年12月的每个月的平均NDVI值。对NDVI值动态变化进行了分析,结果表明:研究区域云南省的植被近13年来总体呈上升趋势,植被生长状况向好的方向发展。     

浅析城市植被信息遥感监测在实践中的应用

城市植被(城市绿地),不仅是城市的净化器,具有生态功能,同时也有着重要的社会功能。随着经济增长和社会发展,城市植被的规划、建设、评价、监测和管理越来越受到重视。利用遥感技术获取植被信息成为快速、客观、准确的城市生态监测、评价、规划和管理的重要手段。以样本城市遥感数字图像分类过程着手,应用NDVI分类法、监督分类法、非监督分类法、NDVI与波段组合法来提取植被信息,并做了植被的变化检测。通过实际比对,得出了具有应用意义的分析结论,对城市植被信息遥感监测分析在实践中的应用提供了有力支撑。     

森林面积方法研究

本文通过对遥感图像的处理和光谱特征信息的分析,应用ETM 影像数据和地面调查数据,研究了遥感数据处理技术在植被信息提取中的应用,尝试对高山峡谷区的森林资源调查提出较为完善的计算机图像处理技术和自动分类方法。对道孚县台站林场和麻孜林场地类的分类结果表明:运用TM453波段融合能够达到较好的图像增强效果;运用无监督分类方法提取森林面积能达到较高的分类精度;NDVI比RVI更能突出植被信息和消除山体阴影的影响。     

基于NDVI的清水县植被变化分析

本研究以清水县为研究区域,以1979年和2008年该区的TM数据为遥感数据源,在遥感数字图像处理系统和GIS支持下,通过提取NDVI值以及NDVI与植被覆盖度之间的关系,对该县植被覆盖变化进行了研究。研究结果表明:1979～2008年清水县整体植被覆盖有所增加,植被指数在138以上的面积从1979年的52488.13hm2增加到2008年的117603.38hm2,净增65115.25hm2,占全县面积的33.80%;低盖度植被类型面积大大减少,其中,Ⅴ级植被面积减少了73780.25hm2,占全县总面积的34.22%,高盖度植被面积增加,其中,Ⅰ级植被增长了33798.07hm2,占全县总面积的17.54%,Ⅱ级、Ⅲ级植被面积均有不同程度的增加,植被盖度等级未变化的面积为62954.75hm2,占全县总面积的32.68%;植被退化面积为11768.25hm2,而植被好转面积多达117926.75hm2,是退化面积的10.02倍。通过综合治理,清水县生态环境得到大大改善。     

基于SPOT5数据的内蒙古辉腾锡勒草原生物量估算最佳植被指数选取

随着植被指数在草原估产中的广泛应用,不同研究区内最佳植被指数的选取为更多学者所探讨。基于Spot5遥感数据计算NDVI等6种植被指数,结合野外调查方法,对精准定位的样点进行不同植被指数与生物量进行相关性分析,确定研究区最佳植被指数。结果表明:1)Spot5数据计算6种植被指数与样点生物量之间其存在着明显的相关性。2)样点生物量与NDVI,SAVI相关系数R分别为0.823,0.802,相关系数R0.8,高度相关;PVI,DVI,RVI,MASVI相关系数R分别为0.738,0.735,0.672,0.671,相关系数R介于0.3~0.8之间,中度相关。3)试验性的应用相关性分析方法确定研究区最佳植被指数,为研究区确定其他植被特征指标如植被盖度,以及条件相似的研究区提供快速、有效的植被指数选取方法。     

基于光谱混合分析的荒漠化信息提取———以毛乌素沙地为例

采用光谱混合分析(SMA)技术,选取农地、裸沙、沙生植被、水和盐碱地作为基本组分,以位于半干旱区的毛乌素沙地的典型地区为例,进行了荒漠化土地混合像元分解和荒漠化信息提取的尝试,并与穗帽变换和监督分类的结果进行了比较,最后采用实地调查数据和NDVI方法进行了精度验证.研究结果表明:光谱混合分析技术用于荒漠化信息提取具有比较好的效果,效果明显优于常用的NDVI方法.     

基于ETM+和DEM的西藏灌木林遥感分类技术

对西藏地区主要类型灌木林进行外业遥感调查,选取海拔、坡向、坡度和NDVI 4个影响西藏灌木林空间分布的主要指标,采用判别分析方法,构建判别模型和判别规则,提取基于空间分布特征的识别决策,基于覆盖研究区的ETM+和DEM,进行西藏灌木林的遥感分类技术研究.结果表明:基于灌木林空间分布特征的遥感分类精度达到86.24%,其中,狼牙刺-沙棘-红柳组合的分类精度最高,为95.00%,杜鹃-小檗和高山柳-铺地柏组合的分类精度相当,分别为81.08%和81.25%.     

沙化土地信息提取研究

采用LandsatETM 多时相影像,在地类光谱特征分析的基础上,用分层分离的方法,提取出沙化土地信息。以全国沙漠化普查地类划分标准中的植被覆盖度为确定沙化土地程度的依据,通过建立NDVI和实测植被覆盖度的回归模型,确定不同程度沙化土地对应的植被覆盖度与NDVI的对应关系,用NDVI阈值进行划分,得到沙化土地程度图。     

高分辨率多光谱遥感影像森林类型分类深度U-net优化方法

[目的]使用深度学习全卷积神经网络U-net的自动特征提取,有效地改善遥感目标识别及地物分类的效果。[方法]以内蒙古自治区赤峰市旺业甸林场为研究区,主要数据源包括GF-2多光谱数据、ZY-3 DOM数据、ZY-3DEM数据、小班数据以及外业实地调查数据等。借鉴前人对FCN-8s模型的优化思路,基于Unet网络模型,在模型训练过程中通过在原始波段的基础上加入标准归一化植被指数(NDVI)构建网络,并增加条件随机场后处理过程,得到最终的分类结果。[结果]表明:(1)优化后的U-net模型的总体分类精度达84.89%,Kappa系数为0.82,分别高于未加入标准归一化植被指数特征的U-net模型以及未使用条件随机场进行后处理的U-net模型的分类精度;(2)优化后的U-net模型与使用相同策略的FCN-8s,支持向量机和随机森林的分类结果相比,提高了8.04%-12.54%,分类精度大幅度提高。[结论]通过少量调整相关的遥感特征以及使用条件随机场后处理方法可改善U-net模型的分类效果,适用于基于U-net的森林类型高分辨率多光谱遥感影像分类。     

Estimating models of vegetation fractional coverage based on remote sensing images at different radiometric correction levels

The images of post atmospheric correction reflectance (PAC), top of atmosphere reflectance (TOA), and digital number (DN) of a SPOT5 HRG remote sensing image of Nanjing, China were used to derive four vegetation indices (VIs), that is, normalized difference vegetation index (NDVI), transformed vegetation index (TVI), soil-adjusted vegetation index (SAVI), and modified soil-adjusted vegetation index (MSAVI). Based on these VIs and the vegetation fractional coverage (VFC) data obtained from field measurements, thirty-six VI-VFC relationship models were established. The results showed that cubic polynomial models based on NDVI and TVI from PAC were the best, followed by those based on SAVI and MSAVI from DN, with their accuracies being slightly higher than those of the former two models when VFC>0.8. The accuracies of these four models were higher in medium densely vegetated areas (VFC = 0.4–0.8) than in sparsely vegetated areas (VFC = 0–0.4). All the models could be used elsewhere via the introduction of a calibration model. In VI-VFC modeling, using VIs derived from different radiometric correction levels of remote sensing images could help explore and show valuable information from remote sensing data and thus improve the accuracy of VFC estimation.     

森林理化参数高光谱遥感反演研究进展

近年来, 成像高光谱遥感技术在森林资源信息提取方面取得了进一步发展。文中介绍国内外在轨运行的主要机载和星载高光谱传感器及其技术参数; 分别从叶面积指数和森林含水量反演及森林树种识别3个方面概述国内外基于高光谱遥感技术的森林物理参数反演方法及模型, 从叶绿素含量及森林养分元素反演2个方面概述基于高光谱遥感技术的森林化学参数反演方法及模型; 分析目前研究中存在的主要技术问题, 并展望其应用和研究前景。     

森林蓄积量遥感估测的研究进展

传统的森林资源调查是一项周期长、任务重、劳动强度大,需大量经费的工作。随着遥感技术广泛应用于森林资源调查工作,特别是森林蓄积量的遥感估测,将比传统方法省时、省力,节约经费。目前,利用遥感进行森林蓄积量的估测研究已取得了一系列重要进展,文章则简要综述了国内外在光学遥感和微波遥感范围内的森林蓄积量遥感估测方面的研究进展,认为利用遥感技术进行森林生物量估测对于了解和监测全球生态系统对气候变化和人类活动的反应具有重要的意义。     

遥感技术在森林病虫害监测中的应用研究进展

总结了近50年来遥感技术在森林病虫害监测领域的研究进展。将近年来遥感监测病虫害的主要方法归纳为影像分类法和影像差技术法,遥感监测森林病虫害的模型概括为3种主要应用模式:1)各类植被指数形式模型;2)采用所用通道的其他组合形式模型;3)各通道与生态因子的混合形式模型。根据分析研究提出了今后遥感监测森林病虫害研究的4个主要方向:1)热红外波段监测森林病虫害的应用研究;2)森林病虫害遥感监测物理模型的研究;3)森林病虫害遥感监测的基础理论研究;4)高光谱、高空间和高时间分辨率遥感数据的应用研究。