应用MODIS-NDVI对草原植被变化监测研究--以锡林郭勒盟为例

利用新一代卫星遥感数据MODIS,进行草原植被专题信息的提取,同时结合地面调查数据,分析2002、2003年5月30日归一化植被指数(NDVI),并根据其分级图,对天然草原植被长势的时间和空间变化特征和变化规律进行研究,从而对引起草原植被发生变化的可能原因,特别是由于禁牧、休牧的影响进行分析评价.     

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。     

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。     

鱼粉品质检测电子鼻传感器阵列的多特征数据融合优化

为了提高基于仿生嗅觉的鱼粉品质检测装置的鉴别能力,该文利用自主设计的仿生嗅觉鱼粉品质检测装置,提取鱼粉样本的响应特征信息,对其传感器阵列进行多特征数据融合优化。依据各传感器对样本的响应曲线,提取传感器特征值(10×6个)构成原始特征矩阵,后对传感器阵列特征值进行归一化处理,以紧凑性作为评价特征选择方法合理性的标准,采用了3种单特征排序方法(MIC、χ^2、F-test),3种多特征排序方法(RF、LR、SVM),4种特征递减消除方法(RFRFE、SVMRFE、DTRFE、LRRFE)对不同品质的鱼粉进行分类准确率检验,得到基于随机森林的特征递减消除算法(RFRFE)的紧凑性最好,此时最佳的分类准确率为98.3%,特征数目为33个。优化后的传感器阵列特征发生了明显的变化,传感器阵列由原来的10个变为了8个,去掉了传感器TGS2620和传感器TGS2600,特征值也减少了45%。为了避免选择偏差,采用了10折交叉验证方法,再次得到了RFRFE算法具有更佳的紧凑性。该特征选择方法为利用仿生嗅觉技术鉴别其他动物源性原料样本的特征优化提供了新的方法和参考。     

遥感监测土壤含水率模型及精度分析

土壤含水率是决定农作物产量的最重要的因素之一.该文通过对2003年10月到2005年3月宝鸡峡二支渠灌区的土壤含水率进行实地调查,并对TM5和TM7波段数据进行归一化处理,再与参考点归一化土壤湿度指数求差后,建立遥感影像对土壤含水率的监测模型.并以2005年6月28日遥感影像为例,用建立的模型对土壤含水率进行定量反演.结果表明,反演精度可达80%以上,反演效果最好的土壤深度是0～40 cm.应用此归一化土壤湿度指数模型监测土壤含水率,可以满足灌区大范围宏观监测要求.     

基于NDVI指数的浑善达克沙地植被时空变化规律分析

为从宏观上认识沙地绿色植被在年、月时间尺度的变化规律,为防沙治沙工作提供理论依据,分析了浑善达克沙地1982—2006年共25年的植被指数数据。研究认为,浑善达克沙地植被生长期为每年的5月下旬至10月,其中7月下旬和整个8月绿色植被生长量达到峰值;1982—2006年的25年间,浑善达克沙地绿色植被覆盖度以每年0.1百分点的速率缓慢增长,其中沙地西部治沙成果显著,但沙地中东部,原本的中、高植被覆盖区,植被的衰退和显著衰退面积竟然高达总面积的27%。同样的防沙治沙工作,为何在浑善达克沙地的东、西部出现了截然相反的局面,这需要引起我们的反思和高度重视。     

成都平原湿地动态监测与分析

采用归一化水体指数,对1990、2000、2007年3个时段的成都平原湿地资源专题信息进行提取。提取的湿地资源信息包括河流、湖泊、库塘、部分水田等。1990年提取的湿地面积为322.58 km~2,2000年提取的湿地面积为450.98 km~2,2007年提取的湿地面积为465.67 km~2。整体来看,1990—2007年成都平原湿地面积呈现增加趋势;1990—2000年,以12.84 km~2/a的速率增加,2000—2007年,以2.10 km~2/a的速率增加,由此可见,研究区在2000年前生态环境较好,湿地保持较好的增长趋势,而2000年后,湿地面积趋于平稳,湿地生态环境的保护有待加强。成都平原由于人为和自然因素的共同干扰,其湿地资源从景观格局到面积等方面都发生了很大变化,研究湿地景观的变化趋势对于湿地恢复与保护政策意义重大。     

一种基于趋势单产和遥感修正模型的混合估产模型

【目的】在分析国内外农作物估产方法的相关研究进展基础上,将传统统计估产方法和遥感估产方法相结合,提出一种新的混合估产模型。【方法】该模型由趋势单产、遥感修正单产和随机误差项三部分组成,其中趋势单产利用历史长时间序列的单产统计数据,通过多项式回归的方法结合ARIMA模型修正得到,遥感修正单产利用3个作物关键生育期NDVI和实测单产多元回归得到。为验证所提出估产方法的可行性和精度,利用2015年冬小麦关键生育期的三景环境卫星遥感影像和冬小麦实测地块单产数据以及近30年(1985—2014年)北京市各区县的冬小麦单产数据,对2015年的北京市的冬小麦单产进行估算,与真实值(2015年单产统计数据)对比。【结果】混合估产模型对北京市的冬小麦单产预测精度达到98.7%,各区县估产精度均超过90%,除房山(90.3%)外,各县单产预测相对精度均超过95%;传统趋势单产模型对北京市的冬小麦单产预测精度达到94.75%,但在区县尺度上,传统估产模型预测精度较低,对房山区的估产精度不足80%;引入ARIMA模型可以提高传统趋势单产模型的精度。修正后的趋势单产模型冬小麦单产预测精度平均提高了1.59%。本文建立的遥感修正模型,利用三景遥感影像修正结果最优,此方法使冬小麦估产精度整体提升3.55%,尤其是房山、平谷等区县,精度明显提升。【结论】该模型在市级尺度和县级尺度上预测冬小麦单产均取得较高精度,充分考虑冬小麦时间尺度和空间尺度上的变化,对农作物估产有一定的指导意义。     

棉花生长初期灌溉信息遥感提取与校正

为提高生长初期低覆盖度作物长势的遥感监测精度,需要消除灌溉引起的土壤水分背景变化对归一化差值植被指数(NDVI)的影响。为了实现棉花生长初期灌溉信息提取与校正,提高棉花作物长势监测与产量预判精度,本文以美国加利福尼亚州San Joaquin Valley的2个棉花地块为研究区,选取棉花生长初期灌溉过程中的遥感影像,构建两种灌溉信息提取方法(分阶段阈值法和灌溉线提取法),确定最优灌溉像元提取方法;比较分析灌溉与未灌溉情况下棉花的NDVI与归一化差值水分指数(NDWI)以及土壤调节植被指数的关系,提取含有灌溉信息的像元,并对NDVI进行校正,消除灌溉对NDVI的影响。研究结果表明:在棉花生长初期,灌溉与未灌溉像元NDVI变化率达12%,差异较显著;灌溉与否的棉花NDVI与NDWI间均存在极显著的线性关系,决定系数在0.80以上;利用灌溉线方法提取灌溉信息与分阶段阈值相比精度更高,精度达88%以上;校正后线性回归模型精度达0.95,灌溉校正效果明显,灌溉与未灌溉像元的NDVI差异减小至2%。本研究通过对含有灌溉信息像元NDVI值的校正,去除灌溉对NDVI造成的影响,反映了真实的植被信息,可实现对作物生长初期长势的准确遥感监测,为遥感定量监测提供便利。