济南市植被覆盖度景观空间格局研究

指出了快速城市化进程使得济南市景观空间格局发生巨大变化,植被覆盖度为分析景观空间格局提供了方法和支持。利用2015年6月济南市Landsat8遥感影像,反演得出植被覆盖度等级,继而运算得出景观指数,分析了济南市2015年景观格局。研究表明:中植被覆盖等级景观斑块所占比例最大,次高植被覆盖斑块数量最大,其余植被覆盖景观类型所占比例由高到低依次为次低植被覆盖、高植被覆盖、低植被覆盖;分析景观指数发现景观中斑块镶嵌体几何形状复杂性大,各等级相对平均没有形成主导,分布零散不均匀没有较大聚类,零散程度不高。     

基于遥感的植被覆盖度估算方法研究进展

指出了随着遥感技术的发展,植被覆盖度作为定量描述地表植被覆盖情况的重要参数、生长状况的指标、植被覆盖的直观指示因子,已广泛应用在自然地理空间的土壤圈、大气圈、水圈、生物圈范围及这些圈层相互作用的各类研究中。基于目前常用的遥感数据,从植被指数、数据挖掘技术两方面分类归纳了植被覆盖度的估算方法及遥感数据源,对比分析了其优缺点及存在问题,并对基于遥感的植被覆盖度今后的研究方向及发展趋势进行了展望。     

QuickBird遥感数据监测植被覆盖度的研究

利用QuickBird高分辨率遥感数据，运用三波段法、NDVI像元二分法、综合法估算研究区域的植被覆盖度，并对3种方法的计算结果进行比较和检验，结果表明：3种方法的估测值与实际值之间的相关性均较高（均达到了0．84以上），其中NDVI像元二分法和综合法的相对误差不大，精度能达到92％以上。经系统性检验，NDVI像元二分法和综合法的拟合精度较高，模型的整体性较好，可用于QuickBird数据估算植被覆盖度。     

基于遥感影像的大区域植被类型样本快速提取方法研究

[目的] 利用遥感影像的宏观性,基于植被分类资料数据,依据实验区域遥感影像及衍生影像本身特点,实现大区域样本快速提取。[方法] 实验参考1：100万植被图、WESTDC中国土地覆盖图,结合实验区域2001年MODIS时序NDVI影像的非监督分类结果,利用矢、栅数据的空间特征,将实验影像非监督分类的类型信息关联为随机样点属性,依据该属性中包含的非监督分类类型数和各类型的样点比例,对比类别间样本可分离性指标、标准差变化,实现样本纯化。[结果] 纯化后的植被样本与WESTDC中植被空间分布基本一致,主要植被类型空间分布精确程度为84.82%。将纯化前后的样本输入最大似然分类器,总体分类精度提高了32.52%。[结论] 该采样方法适用于宏观大区域植被样本数据的快速提取。同时,节省了大区域植被类型调查消耗的人力物力资源和时间,提高了采样效率。     

基于遥感影像的海岸线提取方法研究

岸线在现代海岸带管理方面有重要的作用,本文介绍了Canny算子以及对其做出改进的基于色差的自适应算子,并对两个算子的进行了比较,分析了Canny算子的缺陷以及基于色差的改进Canny自适应算子。     

基于ALOS遥感影像植被分类方法的比较研究

以云南省宜良县ALOS影像为基础数据,利用最大似然法、支持向量机方法和面向对象的支持向量机方法对ALOS影像进行植被分类研究。实验结果:最大似然法分类精度为79.33%,支持向量机方法分类精度为82.25%,面向对象的支持向量机分类方法精度为86.13%,面向对象的支持向量机分类方法取得较好的分类效果。研究结果可为中高分辨率遥感影像分类研究提供参考。     

江西九连山保护区植被覆盖度遥感动态监测

采用基于归一化差异植被指数(NDVI)的像元二分法模型对1988、1996及2004年3期TM影像进行研究区植被覆盖度提取,利用野外实测对2004年影像进行精度验证,并借助GIS空间分析方法,对研究区植被覆盖度格局定量分析,揭示九连山植被覆盖的时空变化规律,为该地区的植被恢复提供参考。研究表明:1)该模型对研究区植被覆盖度估算精度较好,无植被覆盖类型(裸地、水体)的估算精度达90%以上,低、中、高、全植被覆盖类型区域的估算精度达80%以上;2)1988年、1996年、2004年植被覆盖度均值分别为0.71、0.66、0.77,区内植被覆盖度总体呈现先降低后上升特点,这主要是由于研究区全植被覆盖面积的大幅消长造成的;3)研究区内无、低植被覆盖与中、高、全植被覆盖之间的转换比例较少,覆盖度等级转换主要集中在中、高、全植被覆盖等级之间,说明16年间的覆盖度变化主要源于林区的渐伐活动,皆伐及开垦活动相对较少;4)在研究区停止采伐后,尤其是该地区自然保护区的成立,植被得到了较好的恢复,中、高植被覆盖类型大幅转换为全植被覆盖类型,2004年区内植被在覆盖度均值及全植被覆盖面积上均超出了1988年水平,九连山地区植被保护效果明显。     

基于 SAM 算法的遥感影像湿地植被分类

以黑龙江省扎龙自然湿地保护区高光谱遥感影像为试验区域,通过对野外试验调查数据和预处理后的高光谱遥感影像进行前期处理,再采用光谱角填图(SAM)图像分类方法进行植被分类实验得出结果,并与最大似然法和支持向量机(SVM)分类方法结果进行对比研究分析,通过实验结果得出误差矩阵和精度评价分析,得到最大似然法的总体分类精度和以及Kappa系数是最低的,而光谱角填图分类方法的总体精度为89.87%,Kappa系数为0.880 7,分类结果要好于其他两种分类方法,其对高光谱遥感影像植被分类实验更具有准确性和实用性。     

基于高分辨率遥感影像的植被分类方法比较

以新疆库车市东部绿洲-荒漠过渡带为研究对象,利用GF-2号遥感影像为主要数据源,在野外调查的基础上,采用基于像元的监督分类和分层次多尺度分割的面向对象分类方法对研究区植被信息进行准确识别。结果表明:1)监督分类与面向对象的分类结果大体一致,两者的总体分类精度均可达到94%以上,Kappa系数大于0.93,都体现出了较高的分类精度;2)与监督分类相比,面向对象的分类方法在总体分类精度上提升了3.79%,Kappa系数提高了0.032,具有更好的分类效果和分类精度。通过确定最优尺度分割,面向对象的分类方法可更为准确地提取研究区植被信息,为合理评价区域土地荒漠化状况提供科学依据。     

基于TM遥感影像图的鞍山市千山植被变化研究

以1993年、2001年和2006年的TM遥感影像图为信息源,基于NDVI和植被覆盖度定量模型,利用ENVI4．2、ARCGIS等软件获取了鞍山市千山风景区归一化植被指数差值变化图及覆盖度等级图,并进行了定量对比分析．结果表明：2001年与1993年相比,低覆盖与高覆盖面积均有增加,而中高覆盖地区其质量有所下降,局部生态退化．2006年与2001年相比,大部分地区高覆盖增加,质量上升,生态环境向良好方向发展．     

洱海流域植被覆盖度遥感估算与变化分析

植被覆盖度是刻画地表植被覆盖的一个重要参数,也是指示生态环境变化的重要指标之一.以洱海流域1990年和2006年TM影像为数据源,利用NDVI的像元二分模型法对洱海流域1990年和2006年植被覆盖度进行遥感估算,并进行变化分析.结果显示,近17年来洱海流域植被覆盖度总体上有所提高,无植被覆盖区域面积明显下降,高植被覆盖占全植被覆盖区域面积比大幅提高,二者面积比近50％;在空间分布上,洱海流域上游地区、东部部分地区植被覆盖度相对较低,对地区生态环境稳定构成重大威胁,将是今后洱海流域生态建设和整治的重点区域.     

应用高分辨率卫星影像监测退耕地植被的覆盖度

利用QuickBird高分辨率影像,根据QuickBird影像自身特点,改进已有像元二分模型2个参数的估算方法,建立用NDVI归一化植被指数定量估算植被覆盖度的模型,并将该模型应用到退耕地中.结果表明:利用QuickBird影像监测退耕地的植被覆盖度受到退耕苗木树冠大小的限制,树龄小于1年的树木监测效果不佳;树龄大于2.5年的树木监测效果较好,精度可达83%以上,表明用此改进模型对2.5年以上退耕地进行植被覆盖度监测是可行的.     

基于可见光波段的城市航空影像植被提取

指出了通过遥感技术提取植被信息已经是植被提取的主要方式,而植被指数是遥感技术植被提取的重要手段。植被在近红外波段有一个反射峰值,根据这一特性,植被指数一般都包含近红外波段。由于航空摄影一般都只搭载仅包含可见光波段的数码相机,所以需要设计出仅依赖可见光波段的波段指数来提取植被信息。试验比较了几种主要的可见光波段指数方法,通过比较其效果发现,航空影像植被指数跟绿波段和蓝波段的差异较为相关,而跟红波段相关性小。进而提出了一种加强绿波段和蓝波段差异的植被指数,试验结果证明:提取的植被效果很好,可以作为航空影像植被提取的一个有效方法。     

基于GF-1遥感影像的森林植被类型提取算法研究——以四川长宁县为例

森林植被类型的提取一直是遥感领域信息提取的难点与重点,在以四川省长宁县为研究区的研究中,选用GF—1影像为实验数据,利用NDVI和NDWI两种指数区分植被与非植被以及水体与非水体,反复试验得出区分植被阈值为0.4,区分水体阈值为1.7;采用基于边缘检测的分割算法,分割阈值设置为30,合并阈值设置为90,纹理内核的大小设置为12,效果最佳。通过影像对象的特征组合建立最佳的分类规则,与传统的分类方法相比,分类精度高达88.65%,Kappa系数为0.85,是一种高效且比较切实可行的方法。     

黄土高原植被覆盖度动态变化分析研究

探析黄土高原植被覆盖演变及其驱动因素,有助于了解黄土高原生态现状。本研究以MOD13A2为主要数据源,采用像元二分模型、趋势分析法和相关性分析法对黄土高原地区植被覆盖度动态变化和驱动力进行分析。结果表明：(1)2000-2020年整体植被覆盖度呈上升趋势,其增速为0.005/a(p<0.01)。其中,2000-2010年增速为0.006/a, 2010-2020年增速为0.004/a;(2)2000-2020年植被FVC整体呈现从东南向西北逐渐递减的分布,但不同地区的变化趋势存在差异;(3)进一步分析表明,降水是黄土高原植被变化的主要驱动因素。     

基于NDMVI的大青山自然保护区植被覆盖度坡向分异研究

运用RS与GIS技术,以Landsat TM影像为数据源,基于归一化差值山地植被指数(NDMVI)定量分析了大青山自然保护区植被覆盖度随坡向的分异规律。结果表明:保护区的植被覆盖度总体上随坡向呈现明显的分异;大青山保护区植被覆盖度的坡向分异随海拔的升高而越明显。垂直分异规律在不同的坡向上不相同:北坡和西北坡在海拔1 400m以上植被覆盖度变化随高度增加而越不明显,1 400m以下则随高度增加而越明显;其它坡向,在1 600~2 000m的海拔高度上,植被覆盖度差异相对更高和更低海拔上的植被覆盖度差异较小;所有坡向在1 200~1 600m的海拔上植被覆盖度差异很小。     

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SPOT NDVI影像的阿坝州植被变化遥感监测

本文利用1998年~2013年SPOT NDVI影像对阿坝州的植被时空变化进行分析。结果表明:研究区15年间NDVI均值为0.383,月均NDVI值在0.222和0.623之间,NDVI在8月达到峰值;研究区植被总体呈改善趋势,植被明显改善面积占全区总面积的56.83%。植被退化区域主要集中于研究区的南部,其中小金县和汶川县的植被退化最为严重,若尔盖湿地区植被也有一定程度的退化,这主要跟该区域的放牧活动有关。     

基于植被覆盖度的剑川县森林城市创建潜力研究

利用ENVI软件,基于像元二分模型法的剑川县2013年和2021年冬季Landsat 8影像,结合归一植被指数,计算剑川县不同时期植被覆盖度,利用决策树分类方法获得2013年和2021年两个时期的植被覆盖动态变化特征。结果表明,8年来剑川县高覆盖度植被区域面积不断增加,生态环境得到不断改善。分析剑川县各乡镇生态特色,结果表明,剑川县文化底蕴深厚,具有较好的森林城市创建潜力。     

基于RS与GIS的北京市植被覆盖度变化研究

选用对植被状态表征较好的归一化植被指数(NDVI),在GIS和RS工具支持下, 选用多时相北京Landsat TM遥感影像,解译和分析出NDVI的时空变化特征,利用植被指数与植被覆盖度的关系及遥感测量法测算植被覆盖度.结果显示:北京市整体植被覆盖度呈增长趋势,市区植被覆盖度变化不大,部分区县植被覆盖度则由于城镇化推进而略有减少.