北京永定河流域森林植被覆盖研究

利用1978～2009年间共6期TM遥感数据,采用归一化植被指数（NDVI）结合二值化分析方法确定植被覆盖度的阈值,对北京市永定河流域32年来的森林植被覆盖变化情况进行研究,揭示永定河流域森林植被覆盖变化的驱动力因子与作用机制．结果表明,永定河流域上游植被覆盖度较高,中下游覆盖度较低,整个研究时期内植被覆盖度呈现波动变化,1978～1987年间,植被覆盖度急剧下降,而1987～1995年间植被覆盖度略有提高,但之后又迅速下降,2000年植被覆盖度处于历年最低值,2000～2004年间植被覆盖度呈上升趋势,2004—2009年间植被覆盖度趋于平稳．驱动力分析表明,引起植被覆盖变化的主要驱动因素是人为因素,包括人类破坏和保护2方面,其次是气候因素,包括降水和温度,其中降水占主导地位．     

冬小麦不同株型品种光谱响应及株型识别方法研究

以直立和平展2种株型的冬小麦品种为材料，研究了它们的光谱响应以及田间植被覆盖度的差异，探讨了利用冠层光谱反射率、光谱特征参量NDVI及植被覆盖度识别小麦株型的方法。结果表明，（1）小麦不同株型品种在近红外波段（700～1300 nm）光谱反射率有明显差异，生育前期平展型品种高于直立型品种，并以拔节期的差异为最显著，随着生育进程差异逐渐变小。拔节期是进行株型识别的最佳时期，并且此期冠层的敏感波段680 nm和760～900 nm的反射率在2种株型品种之间差异明显。（2）小麦冠层叶面积指数（LAI）与归一化差异植被指数NDVI(680,890)呈正相关，并且不同生育阶段其相关程度有差异，这是利用NDVI和植被覆盖度(COV)识别不同株型的基础。（3）相同COV条件下，直立型品种的NDVI高于平展型品种的NDVI，并且随着COV的增加，差异逐渐变小，二者的变化关系体现了直立型品种株型紧凑和平展型品种株型披散的特点，利用NDVI和COV的关系可以对株型进行识别，以小麦拔节期为最佳识别阶段，此期2种株型品种的NDVI具有显著差异（P＜0.05）。     

冬小麦植被指数变化及其影响因子初探

对冬小麦植被指数(NDVI)变化规律、不同品种冬小麦植被指数差异、农田水肥状况对植被指数的影响以及植被指数与叶面积指数的关系研究结果表明,冬小麦植被指数具有日变化规律,且随冬小麦生长发育而变化,即小麦生长旺盛时植被指数数值较大。不同小麦品种植被指数表现出基本一致的季节变化特点,农田水肥条件交互影响小麦植被指数,水分胁迫时肥料对植被指数的影响明显,而水分满足时肥料对植被指数的影响不明显。     

黄土丘陵区退耕地植被景观时空变异特征

对黄土丘陵区退耕地植被特征的时空变异性进行了研究.结果表明,不同植被类型区植被特征之间差异不是很显著,仅延安与安塞在物种丰富度之间和安塞与吴旗在物种多样性之间存在较显著的差异(0.01＜p＜0.05),其它的两两之间的差异并不明显.延安森林带北缘→安塞森林草原带植被指数呈下降趋势,降幅最大为17.65%,变异系数呈增大趋势,增幅最大为21.49%;安塞森林草原带→吴旗草原带物种丰富度指数及其变异系数都呈增大趋势,而物种多样性和均匀度指数呈减小趋势,其变异系数呈增大趋势.植被指数随退耕年限的变化趋势图都有两个明显的峰值,并在退耕20年左右后植被群落逐渐稳定.     

台湾省植被NDVI随海拔高度的变化及其气候响应

[目的]揭示台湾省陆地植被生态系统随海拔高度的变化趋势及其响应程度,为区域可持续发展、生态环境保护提供理论依据。[方法]基于台湾省1998—2018年SPOT/VEGETATION NDVI卫星遥感数据、气象及DEM数据,结合相关分析法、回归分析法等数理统计方法,对气候变化下的台湾省植被归一化植被指数(NDVI)变化趋势及区域响应进行了分析。[结果] 1998—2018年台湾省植被NDVI均值增长率为5.09%;台湾省不同高程范围所占的面积比例差异较大,500 m区域的面积比例高达52.49%,3 600 m区域的面积比例仅为0.01%,且NDVI均呈现较低值,分别为0.72和0.73;1998—2018年台湾省海拔除3 600 m外,其他海拔高程范围NDVI均值增长明显(p0.001);在500～3 600 m高程范围内,NDVI年均值与气温、降雨相关关系显著(p0.05)。[结论]海拔越高,植被生长状况对降雨的变化较气温更为敏感。     

温度植被干旱指数反演全国土壤湿度的DEM订正

 用温度植被干旱指数(TVDI)反演土壤湿度的原理,是基于水分蒸发和植被蒸腾对地表温度的降低作用。随高程增加气温降低,气温影响地表温度,因而随高程增加气温对地表温度也有一定的降低作用。用数字高程模型(DEM)对地表温度t s进行订正,可以减少气温对地表温度的影响,使得经过DEM订正获取的TVDI,能更好地反映土壤湿度。订正前后结果的对比分析也表明,经过DEM订正获取的温度植被干旱指数,与实测值有更好的相关性,能更好地反映土壤湿度分布的实际情况。     

利用无人机多光谱影像的多品种玉米成熟度监测

基于遥感监测多品种玉米成熟度进而掌握最佳收获时机，对提高其产量和品质至关重要。该研究在玉米成熟阶段获取无人机多光谱影像，同步采集叶片叶绿素含量（chlorophyll content，C）、籽粒含水率（moisture content，M）、乳线占比（proportion of milk line，P）等地面实测数据，以此构建玉米成熟度指数（maize maturity index，MMI），从而定量表征玉米成熟度。通过MMI与植被指数构建回归模型和随机森林模型，验证MMI适用性，并分析无人机遥感对不同品种玉米成熟度的监测精度。结果表明：1）不同品种玉米的叶片叶绿素含量、籽粒含水率、乳线占比的变化速率均存在差异。2）MMI与所选植被指数的相关性均可达到0.01显著水平，其中与归一化植被指数（normalized difference vegetation index，NDVI）、转换叶绿素吸收率（transformed chlorophyll absorbtion ratio index，TCARI）相关性最高，相关系数均为0.87。3）该研究基于不同组合的数据集进行了模型验证，其中随机森林模型对MMI的估测精度最高，测试集决定系数（coefficient of determination，R²）为0.84，均方根误差（root mean squared error，RMSE）为8.77%，标准均方根误差（normalized root mean squared error，nRMSE）为12.05%。此外，随机森林模型对不同品种MMI的估测精度较好，京九青贮16精度最优，其中R²、RMSE、nRMSE为0.76、10.67%、15.88%，模型精度证明了可以利用无人机平台对不同品种玉米成熟度进行监测。研究结果可为多光谱无人机实时监测农田多品种玉米成熟度的动态变化提供参考。     

1990—2019年阿拉尔垦区植被覆盖时空变化特征分析

监测植被覆盖变化对区域生态环境评价和可持续发展具有重要意义。本文基于Landsat遥感影像和相关统计数据,运用像元二分模型和重心转移模型等方法分析阿拉尔垦区1990—2019年近30年的植被覆盖时空变化特征。结果表明：1990—2019年,阿拉尔垦区平均植被覆盖面积呈增加趋势,高和极高植被覆盖区的面积呈增加趋势,差异显著,分别增加了674 km²和1 147 km²;阿拉尔垦区植被覆盖变化存在时段性和区域性差异,时段上,2005—2010年垦区西北部开始出现植被,以中覆盖类型为主,区域上,垦区西北部植被覆盖的增加趋势最显著;近30年,垦区植被覆盖重心整体向东北方向转移;气候对阿拉尔垦区植被覆盖变化有一定的影响,但人类活动影响最直接。在未来发展中应注重保护自然植被,有计划地开垦土地,合理调整垦区农业结构,科学分配水权,保证垦区生态用水,实现可持续发展。     

高寒草地生长季/非生长季植被盖度遥感反演

植被盖度是刻画陆地生态系统植被覆盖的重要生态参量。以当雄县Landsat-8OLI为数据源,从10种常用植被指数中筛选出适合反演高寒草地生长季/非生长季草地植被盖度的植被指数,引入像元三分法确定端元特征值,通过不同植被指数基于像元二分模型反演植被盖度的对比分析,确定适合生长季/非生长季植被盖度最优植被指数,根据反演结果分析了研究区草地生长季/非生长季植被盖度的时空变化特征。结果表明：1）由可见光-近红外波段构建的植被指数适用生长季植被盖度反演,由短波红外构建的植被指数适用于非生长季植被盖度反演。2）基于MSACRI的像元二分模型适合非生长季植被盖度反演,基于NDVI的像元二分模型则最适用于生长季植被盖度的反演。3）研究区草地植被盖度随海拔增加呈现先增加后减少的单峰变化格局,草地集中分布于海拔4300~5100 m处。生长季植被盖度主要集中于20%~80%,非生长季绝大部分的草地盖度小于40%。研究结果可为草地生态系统碳存储、植被生产力、土壤侵蚀、生态水文等研究提供参考依据。     

青藏高原地区不同植被类型MODIS植被指数与海拔高度的关系研究

高原地区的植被除了对温度、降水等气候因素响应敏感外,还受到海拔高度的影响。文中利用2006年和2008年8月份青藏高原地区的MODIS-NDVI和MODIS-EVI,结合DEM数据,分析了研究区内林地、灌丛、草甸、草原、高山植被、荒漠6种植被类型与海拔高度的相关关系。结果表明:林地和高山植被的ND-VI和EVI值随海拔高度上升而下降,其相关系数的绝对值的最小值分别为0.96和0.86,呈现显著的负相关关系;草原、灌丛的NDVI和EVI与海拔的负相关性较强,其相关系数的绝对值的最小值分别0.70和0.56。荒漠的NDVI和EVI与海拔高度基本不相关,无植被覆盖区则与海拔有较强的相关性;草甸的植被指数随海拔高度的增高呈现出先增高后减小的分段变化趋势。研究结果对青藏高原地区的植被分布及其变化监测具有借鉴意义。