锡林郭勒草地MODIS植被指数时空变化研究

利用新一代卫星遥感数据TERRA／MODIS，结合地面调查数据。以内蒙古自治区锡林郭勒盟草地为研究区域。分析草甸草原、典型草原、沙地草原、荒漠草原四种代表性草地植被指数(MODIS—NDVI)的时空变化特征。以2002年4～10月旬度变化为例。较详尽地反映草地在其生长期内各个阶段植被指数的变化。进而反映生长状况；以2002年9月的NDVI合成数据为例，对植被指数分级。分析各个级别NDVI值域在地理空间上的变化。反映各类草地在空间上的连续性和差异性。     

TM影像VI提取植被信息技术研究

应用规一化植被指数（ＮＤＶＩ）、土壤调节植被指数（ＳＡＶＩ）和修正后的土壤调节植被指数（ＭＳＡＶＩ）,研究了ＴＭ影像植被信息的提取技术。结果表明,ＳＡＶＩ较之ＮＤＶＩ和ＭＳＡＶＩ,消除土壤背景影响和适应植被密度变化的能力更强,是植被信息提取效果较好的植被指数。使用ＳＡＶＩ,关键是要确定一个合适的土壤调节参数Ｌ,以最大限度地消除土壤背景的影响,ＳＡＶＩ提出时推荐的最佳Ｌ值（０．５）应用于卫片处理有很大局限性;基于研究结果,本文给出了适于不同植被条件卫片处理的最佳Ｌ取值。     

基于数字图像特征的冬小麦渍害监测研究

为探索渍害胁迫下冬小麦灾损程度的可视化监测方法,通过田间试验,分析了麦田16个常用图像特征指数在不同受渍时间下的变化特征及其与冬小麦SPAD值、产量和千粒重的相关关系,并建立了基于图像特征指数衰减量的冬小麦渍害估算模型。结果表明,随渍水时间的增加,红光(R)、红光标准化值(NRI)、超红指数(EXR)、植被颜色指数(CIVE)极显著上升,而绿光标准化值(NGI)、归一化绿红差值指数(NGRDI)、绿-红差值指数(GMR)、超绿指数(EXG)、绿红比值指数(GRVI)则极显著下降;且这9个图像特征指数均与冬小麦SPAD值、产量和千粒重呈极显著相关,相关系数的最大绝对值分别为0.92、0.85和0.91;基于图像指数衰减量所建的SPAD值、产量和千粒重减少量的估算模型均以二次多项式最优,且以CIVE指数衰减量构建的SPAD值、产量和千粒重减少量估算模型的预测精度最高,验证集决定系数分别达到0.98、0.95、0.96。因此,数字图像技术可用于冬小麦渍害监测,且以基于CIVE指数的监测效果最佳。     

基于Landsat影像稀疏植被斑块格局对降水响应

【目的】古尔班通古特沙漠稀疏植被斑块格局是水分稀缺的荒漠区对降水在地表的表现。【方法】基于年降水量变化特征,选择1990年TM影像、2001年ETM+、2010年TM影像和2015年OLI遥感影像为数据源,结合1990~2015年蔡家湖气象站逐年的降水数据,计算古尔班通古特沙漠南缘的植被盖度、斑块面积、斑块数量、斑块密度,分析不同植被盖度、面积变化趋势,探讨年降水量对植被盖度、斑块面积、数量、密度的影响。【结果】1990~2015年,植被盖度总体呈减少趋势,其中二级植被面积明显增加(1 089.557 km²),增幅为20.154%,一、三、四级植被面积略有减少,减幅分别为-98.752%、-61.581%、-96.889%。随着降水量的增加,斑块数量,密度增加,破碎程度变小,植被盖度增加。【结论】1990~2015年古尔班通古特沙漠南缘稀疏植被盖度随年降水的变化总体呈退化-好转-退化趋势。年降水量变化与稀疏植被盖度、斑块面积、数量、密度均呈正相关关系。     

云阴影区机载高光谱影像森林树种分类

[目的]使用窄波段植被指数、纹理信息等特征对影像进行分类,探究植被指数和纹理信息对于云阴影下树种分类的潜力。[方法]使用经过大气校正后的高光谱影像进行窄波段植被指数的计算、纹理分析以及主成分分析,并对计算的结果进行波段组合。用于计算纹理信息的波段通过最佳指示因子进行选择,选取的波段数为31(0.67 nm),51(0.86 nm),55(0.89 nm) 3个波段。结合高分辨率的航空相片进行训练样本的选择,采用Support Vector Machine(SVM)方法对经过大气校正后的反射率影像和重组后的特征影像分别进行分类,使用样地实测的树种信息对分类结果进行验证,使用总体精度和Kappa系数作为分类精度的评价指标。[结果]相对于直接使用反射率影像进行分类,使用窄波段植被指数以及纹理信息可以显著地提高云阴影下地物的分类精度,其分类精度和Kappa系数分别为90.4%和0.88,比直接使用反射率影像的分类精度和Kappa系数分别提高了18%和0.2。[结论]使用重新组合后的影像进行树种分类比直接使用反射率影像进行分类,其分类精度更高,说明窄波段植被指数与纹理特征可以提高云阴影区树种分类的精度。使用波段重组后的影像对云阴影下地物分类,其对于单个地物的分类精度也有明显的提高。     

基于无人机遥感影像的冬小麦氮素监测

精准氮素管理是一项提高作物氮肥利用效率的有效策略,利用无人机遥感技术精确估测小麦氮素状况是必要的。试验在山东省乐陵市科技小院实验基地进行,利用八旋翼无人机搭载Mini-MCA多光谱相机于2016年获取冬小麦4个关键生育时期(返青期、拔节期、孕穗期、扬花期)冠层多光谱数据,同步获取地上部植株样品并测定其生物量、吸氮量、氮营养指数,及成熟期籽粒产量,根据各关键生育期与全生育期分别构建植被指数与农学参数回归分析模型,评估基于无人机遥感影像的冬小麦氮素营养诊断潜力。结果表明:基于无人机遥感影像能够较好地估测冬小麦氮素指标(R2为0.45~0.96),决定系数随着生育期推移而逐渐增大。拔节期、孕穗期和扬花期估产效果接近且具有很好的估测能力,扬花期DATT幂函数模型对小麦氮营养指数的解释能力最强(R2=0.95)。因此,以多旋翼无人机为平台同步搭载多光谱相机对冬小麦有较好的氮素诊断潜力,可利用估测结果指导精准氮肥管理。     

1999-2016年天山西部植被覆盖的时空变化

[目的]调查天山西部生态环境植被覆盖状况,为科学保护区域生态环境和管理提供科学依据。[方法]以天山西部林区—霍城林场为研究对象,基于1999,2007和2016年3个时期的Landsat TM遥感影像和DEM数据,运用归一化植被指数分析研究区植被覆盖情况和空时变化特征。[结果]时间变化上,1999—2016年期间霍城林场植被覆盖以Ⅱ和Ⅲ级为主,所占比重达到55%以上,总体上是呈现上升趋势;空间分布上,霍城林场因海拔、坡度和坡向等地形因子的不同而出现不同的分布和变化特征,当海拔在1 500~2 000 m和2 000~2 500 m或者坡度30°~45°的区域时,植被覆盖度相对较高;当海拔 < 1 500 m以及 > 2 500 m或坡度 < 30°的区域时,植被覆盖度相对较低;植被覆盖度随着坡向的变化而变化着,呈现出阴坡 > 半阴坡 > 半阳坡 > 阳坡的分布特征;当海拔 < 1 500m和坡度 < 30°的区域时,植被覆盖度变化较为明显,而当海拔 > 2 500 m和坡度 > 45°的区域时,因受人为社会活动影响小,植被覆盖变化不明显。[结论]1999—2016年期间,霍城林场植被覆盖在时间变化上总体呈现上升趋势,在空间分布上因海拔、坡度和坡向等地形因子的不同呈现不同的分布和变化特征。     

内蒙古毕拉河林场森林火灾受害程度遥感评价

为评价内蒙古毕拉河林场2017年5月2日发生的森林火灾损失情况,利用火灾发生前后的Landsat8卫星影像,计算得到两者间的差值归一化燃烧指数(d NBR),通过目视解译和数学统计相结合的方法构建森林火灾受害程度分级评价指标,对该火烧迹地受灾程度进行定量评价,并利用实地测量GPS数据和GF-2卫星数据验证受害程度的分级精度为86.39%。研究结果表明:内蒙古毕拉河林场火烧迹地的中度受害区域面积最大,为4 685.09hm~2,占火烧迹地总面积的40.35%;轻度受害面积次之,为4 213.1hm~2,占火烧迹地总面积的36.28%;重度受害面积为1 031.03hm~2,占总面积的8.88%;未受害区域的面积最小为906.57hm~2,占火烧迹地总面积的7.81%;火烧迹地内的受灾森林主要分布在中度受害区域和轻度受害区域,受灾草地主要分布在轻度受害区域。     

不同生育时期冬小麦叶片相对含水量高光谱监测

为实现冬小麦不同生育时期叶片水分含量的快速监测,以冬小麦冠层高光谱数据和红外热成像数据为基础,计算得到5种光谱参数,通过对不同生育时期叶片相对含水量与光谱参数拟合状况进行分析和筛选,分别构建了基于光谱参数的叶片相对含水量反演模型,并对模型进行检验。结果表明,不同生育时期叶片相对含水量与比值指数（RVI）、归一化差值植被指数（NDVI）、比值/归一化植被指数（R/ND）、优化土壤调整植被指数（OSAVI）、冠气温差（TDc-a）均呈极显著相关（P＜0.01）;拔节期、抽穗期、开花期、灌浆前期和灌浆后期叶片相对含水量分别与NDVI、OSAVI、R/ND、TDc-a和TDc-a拟合效果较好,决定系数分别为0.842、0.884、0.831、0.864和0.945;预测模型的均方根误差分别为0.019、0.016、0.027、0.032和0.024,相对误差分别为2.16%、1.80%、3.30%、3.81%和3.53%。因此,在拔节期、抽穗期、开花期、灌浆前期和灌浆后期,可以分别利用NDVI、OSAVI、R/ND、TDc-a和TDc-a估测冬小麦叶片相对含水量。     

基于高光谱反射率的糜子冠层叶片叶绿素含量估算

连续两年大田试验研究不同糜子品种叶绿素含量与冠层光谱反射率,并基于不同植被指数建立糜子叶片叶绿素含量的估测模型。结果表明,参试糜子品种叶绿素含量在整个生育期呈现"低-高-低"的抛物线变化趋势,最大值出现在抽穗期到开花期之间;不同品种各生育期内冠层光谱反射率趋势一致,在近红外波段,冠层光谱反射率与叶绿素含量呈稳定正相关,灌浆初期光谱反射率达到最大值;可见光波段,拔节期、开花期和灌浆初期冠层光谱反射率与冠层叶绿素含量呈正相关,成熟期呈负相关;糜子冠层叶绿素含量与760~900、630~690、550 nm波段组合的植被指数具有较高相关性;基于RVI、PSNDb、GNDVI750能较好地建立糜子叶绿素含量统一检测模型,决定系数分别为0.791、0.779、0.748;模型验证的相对误差分别为9.58%、8.93%、11.80%;均方根误差分别为0.045、0.140、0.196。表明利用RVI、PSNDb、GNDVI750建立的模型能较为准确地预测糜子冠层叶绿素含量。