多源遥感影像林火信息检测和植被恢复动态监测

以Landsat 5 TM和GF–1 WFV影像为主要数据源,利用归一化植被指数和像元二分模型,结合0.2 m分辨率的航空CCD数据和全球30 m精细地表覆盖产品,建立植被覆盖度的估算模型,利用火烧前后NDVI差值提取了2001—2020年间大兴安岭地区的火灾信息;通过FVC定量分析了林区整体覆盖度变化和影响因素,并利用热点区域植被覆盖度变化对不同林火后植被恢复力进行了分析和研究。结果表明：以NDVI值为参数,运用基于像元二分模型的植被覆盖度遥感估算方法技术路线简单、可操作性强,适用于不同分辨率的遥感数据;dNDVI可以对过火区信息进行有效分离;研究区整体FVC较高,但频发的火灾是影响研究区FVC分布状况及其动态变化的主要因素;不同程度过火区的FVC恢复效果不同,小范围过火区的FVC可以恢复到原始状态,中等范围过火区的FVC经过长时间的自然恢复与原始FVC仍有一定差距,而对于大范围,尤其是特大范围的过火区经过长时间恢复虽然FVC会增加,但和原始FVC相比相差甚远。因此,火灾干扰对森林生态系统破坏性较强,受火灾干扰后森林恢复时间较长且其林分组成与物种难以恢复至原型。     

植被指数估算香格里拉地区植被覆盖度的精度对比分析

利用MOD13Q1数据构建多种植被指数,结合像元二分模型对香格里拉县植被覆盖度进行遥感估算,并通过实测数据和TM影像数据相结合,对估算结果进行精度验证。结果表明:（1）构建的4种植被指数NDVI,EVI,RVI,MSAVI均与研究区实际地表植被覆盖度具有较高的相关性,表明使用遥感方法对香格里拉县进行植被覆盖度的估算是可行的;（2）通过与TM影像进行对比分析,4种植被指数中,利用MSAVI估算的植被覆盖度更接近于香格里拉县的实际情况。     

基于高光谱影像分解的土壤含水量反演技术

植被和土壤常同时存在于影像像元中,土壤含水量监测不可避免地会受植被光谱影响。因此,剔除植被光谱干扰显得尤为重要。采用基于光谱匹配的分解算法对Hyperion高光谱数据进行分解,剔除植被光谱的干扰,同时对土壤贡献的光谱信息进行一阶微分和包络线去除变换,选取敏感波段,建立土壤含水量反演模型。结果表明：以波段X661,× 1019和X2067的土壤包络线去除光谱为自变量建立的模型最佳,预测R2值为0.85;未剔除植被光谱时,以波段X541,X979和X1632的一阶微分光谱为自变量建立的模型最佳,预测R2值仅为0.36。通过高光谱影像分解剔除植被光谱干扰估测土壤含水量的方法是可行的,可为今后遥感估测土壤含水量的研究提供参考。     

香格里拉县云南松林遥感辅助识别特征研究

以香格里拉县云南松林为研究对象,分别从云南松林的空间分布特征、植被指数特征和像元亮度特征三个方面,提取和归纳了云南松林的遥感辅助识别特征,旨在为今后的云南松林遥感分类识别提供方法借鉴。     

基于像素类型的阶跃型边缘提取算法

介绍一种用于提取目标图像和背景图像都比较简单的图像中的阶跃型边缘算法。把二值化图像中的像素点分为4类:背景点、目标体点、边缘点、噪声点;算法实现过程如下:首先对图像进行二值化处理,然后对二值图像中的目标体的边缘像素点进行跟踪,找出目标体的边缘曲线。试验表明:该算法实现简单、处理快速、抗噪性好。     

基于混合像元分解方法的康保县植被覆盖度估测

以康保县为研究区,使用Landsat8 OLI数据,结合134个野外样地调查数据,通过像元二分法、完全约束最小二乘法和随机森林三种方法来进行混合像元的分解,探讨混合像元分解方法对提取地表植被覆盖度的可行性。结果显示:基于随机森林的混合像元分解方法结果最优,F为0.664,RMSE为0.127;三种方法都能较为精确地估测出康保县的植被覆盖情况,且与实测数据较为拟合,因此采用混合像元分解的方法进行植被覆盖度估测是完全可行的。     

2000—2020年四川省植被覆盖时空变化特征及其气候驱动因子

[目的] 对四川省植被变化规律及影响因子进行分析,为该地区自然资源可持续发展提供理论支持。[方法] 基于2000—2020年四川省MODIS-NDVI数据集,统计研究区2000—2020年植被覆盖度(FVC),分析其时空变化特征以及与气候因子的关系。[结果] ①四川省FVC变化趋于稳定,其多年FVC均值在0.50左右。②在空间尺度上,FVC存在明显的空间分布异质性,东部FVC高于西部,且从西北向东南方向呈现依次递增的空间分布格局。③四川省高植被覆盖度区域面积比例达到70%左右,其总体植被状况较好,且总体存在缓慢增长的迹象。④研究区内FVC变化与气温、降水正负相关关系并存且面积比例接近。⑤四川省FVC变化的驱动力主要为非气候因子,以气候因子为驱动的区域面积占研究区总面积的21.17%。[结论] 四川省地形地貌复杂,气候条件好,植被生长旺盛,多年来FVC较为稳定,维护了长江中上游地区的生态环境。四川省未来应着重关注人类活动因子,积极构建长江中上游生态屏障。     

基于像元尺度耕地质量局部空间自相关的基本农田划定

划定永久基本农田保护区是我国农业可持续发展的战略要求,耕地质量是保护区位置选择的重要依据。以湖北省嘉鱼县为例,引入植被指数信息,完善耕地质量综合评价指标体系,通过网络层次分析法确定指标权重,结合局部空间自相关分析结果,分别对基于耕地质量与莫兰指数的基本农田逐像元补划结果进行了分析。研究结果表明,嘉鱼县耕地综合质量在空间上表现出较强的相关性,全域和耕地范围的局部自相关系数分别为0. 864 5和0. 991 6;基于耕地质量和莫兰指数的划定结果在空间上保持高度的一致性,两种方法均优先将空间上呈HH型聚集的99. 97%的像元划入了基本农田保护区;两种方法互为补充,可以为最终决策提供参考。     

基于NDVI的乌梁素海湿地植被变化

运用3S技术,以1987、2000年和2010年的Landsat5 TM遥感影像为基础数据源,计算乌梁素海湿地3期的归一化植被指数(NDVI),基于NDVI像元二分模型反演了植被覆盖度。通过转移矩阵对比不同年际间各等级植被覆盖度的转化比例,并分析植被变化的驱动力。结果表明:1987—2010年,乌梁素海地区植被覆盖度总体较好,其中,低植被覆盖度(20%)所占比例由30.81%降低到了16.57%,中等植被覆盖度(20%~50%)所占比例变化不大,保持在14.50%左右,而高植被覆盖度(50%)所占比例则由原来的15.68%提高到了31.05%,整个地区的荒漠化土地在逐渐减少,农田的土地利用面积逐年增加。影响植被覆盖度的因素主要有人为因素和气候因素,人为因素不仅包括人类的生产活动对植被产生的影响,还包括对不同土地类型的利用及相关政策的实施等所产生的影响;气候因素则主要体现在温度和降水。     

Lossless data hiding with ranks transform

For taking full advantage of carrier image's pixel correlation, a lossless data hiding algorithm with ranks transform (LDHA_RT) is proposed. Along with three directions of column, row and diagonal, the pixel difference images and their histograms are calculated one after another. The obtained pixel difference histograms are shifted to construct the redundancy spaces, so that the hiding information could be embedded in a designated position. After the hiding data is extracted, the carrier image could be recovered reversibly without any additional information. The experiments demonstrate that the PSNR/bits of the LDHA_RT is the lowest or close to the lowest, compard with these algorithms mentioned in the references. This implies that the LDHA_RT has large capacity of hiding data under a good image quality.