共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
目前遥感提取植被覆盖度的方法通常适用于农田、草地等高植被覆盖区,而在类似于干热河谷的植被稀疏地区效果不好。因此,针对目前常用的植被覆盖度提取算法进行比较、分析、选择,优化模型参数,进而得到一个最适于干热河谷地区植被覆盖度的优化模型。以元谋地区的MODIS影像数据为基础,将扩展线性混合模型(ELMM)运用于干热河谷地区植被覆盖度的提取,并将像元二分法、三波段梯度差法的提取结果与之对比,同时为了验证3种算法的精度,利用同一时段的Landsat TM影像进行检验。试验结果表明:扩展线性混合模型对于干热河谷区植被覆盖度的提取精度要优于像元二分模型和三波段梯度差法,且最大限度的接近于真值,可以考虑在今后的干热河谷覆盖植被信息提取实践中广泛使用。 相似文献
4.
5.
6.
基于NDVI的延河流域时空演变分析 总被引:2,自引:1,他引:2
利用8年的MODIS NDVI构建时序数据集,分析了延河流域2003—2010年植被覆盖度的时空格局和演变规律。借鉴时空数据分析模型,以栅格像元为分析单元,对该流域研究时段的绿度变换率进行计算分析,并利用像元二分模型对2003年和2010年地表植被覆盖度进行反演。结果表明:(1)延河流域植被生长状况总体呈改善趋势,延安南部林区、宝塔区东南部以及延长县中部植被覆盖较好且较稳定;(2)安塞县中南部、延长县大部以及杏子河中游的王瑶水库周边区域植被恢复效果显著;(3)在宝塔城区和城市重点开发区植被出现退化趋势。经分析,引起该流域局部植被退化主要是由于不合理的土地利用方式以及城市开发建设造成的植被破坏。基于像元的变化趋势分析更易于体现区域NDVI时空演变的细节信息。 相似文献
7.
8.
植被覆盖度是反映地表植被覆盖状况的重要指标,也是衡量区域环境质量与水土保持情况的重要因子。以北京市为研究区域,应用基于MODIS NDVI的像元二分模型估算北京市2014—2016年植被覆盖度,分析不同年份、不同分级植被覆盖度的变化情况,结果表明:北京市植被覆盖度整体较高,高植被覆盖度区域在全市范围占了很大的比例,山区植被覆盖度明显高于平原区;植被覆盖状况总体较为稳定,呈现改善趋势,低植被覆盖度、中低植被覆盖度、中等植被覆盖度、中高植被覆盖度面积连续2年均出现了不同程度的减少,其覆盖度等级逐渐向高植被覆盖度演进。 相似文献
9.
黄河源区玛曲县植被覆盖度及其气候变化研究 总被引:1,自引:0,他引:1
以MODIS—NDVI遥感数据为基础,利用像元二分模型对玛曲县2000—2010年的植被覆盖度进行估算,对植被覆盖度的时空变化特征进行分析,并探讨了植被覆盖度与降水量和气温之间的响应关系。结果表明:近10a来玛曲县植被覆盖度变化呈明显波动起伏且总体略有增加趋势,高植被覆盖度和较高植被覆盖度的数量变化剧烈,中植被覆盖度、较低植被覆盖度和低植被覆盖度分布相对稳定;不同等级植被覆盖度在各乡范围及基于地形特征的空间分布差异十分显著;在年际与生长季的变化水平上,气温与降水量都对植被覆盖度有影响,其中气温比降水量的影响更加显著。 相似文献
10.
[目的]建立更科学合理的生态评价遥感信息模型,为研究区的可持续发展提供参考依据。[方法]利用NDVI(归一化植被指数)和像元二分模型监测植被覆盖度作为地表植被覆盖信息的评价指标;用热惯量法反演研究区的土壤含水量作为研究区地表植被覆盖信息与土壤肥力的评价指标;采用目视解译获得土壤质地的编码分布图并进行影像化处理,将土壤中物理性黏粒含量作为评价土壤板结情况指标;利用线性光谱混合分解模型提取研究区的裸地比率作为土地荒漠化程度的评价指标。[结果]从土地利用的角度构建了生态评价指标体系,建立了以像元为单位的生态评价定量化遥感信息模型。[结论]植被覆盖度因子对研究区生态评价的影响程度相对较大;在生态评价过程中本研究新建模型总体评价精度比传统方法提高了15%。 相似文献
11.
12.
张国宁 《水土保持应用技术》2021,(1):54-56,封3
生态系统中林草植被发挥着重要作用,而植被覆盖度为评价生态系统健康的基本前提和衡量地表植被状况的关键指标.利用1989—2018年7个时相的OLI_TIRS、TM卫星影像数据为数据源,对海城市不同时期的植被覆盖度运用基于NDVI的像元二分法模型进行估算,并以不同时序的植被覆盖度图揭示了研究区植被覆盖时空变化特征.结果表明... 相似文献
13.
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。 相似文献
14.
彭博 《水土保持应用技术》2023,(4):16-18
采用MODIS NDVI遥感影像数据和像元二分模型估算大凌河流域5个时期植被覆盖度,通过线性趋势分析和DEM数据揭示植被覆盖度的时空变化特征及其与地形因子的关系。结果表明:大凌河流域2006—2021年植被覆盖度整体呈上升趋势,并以高、中高和中覆盖度为主,流域下游植被覆盖度良好;大凌河流域植被覆盖度随高程的增加而提高,随坡度的增大而逐渐增高,植被覆盖度与坡向的关系较小,不同坡向的变化较为平缓;大凌河流域植被生长状况和覆盖状况逐渐变好,植被生长受地形因子影响显著。 相似文献
15.
16.
17.
研究植被指数以及植被覆盖度演算结果与影像分辨率的关系可以为遥感影像在大、中尺度下的合理利用提供理论依据。以陕西省安塞县的县南沟以及纸坊沟的部分区域作为研究区,对SPOT、MODIS、TM、ALOS、IKONOS五种基本分辨率的影像进行了NDVI的计算并利用像元二分模型反演出植被覆盖度,在此基础上进行了统计分析和空间结构分析,实验结果表明30 m分辨率的TM影像无论是在统计结果还是在精度分析中均适用于小流域范围,而500 m分辨率的MODIS以及1 000 m分辨率的SPOT数据可以在研究区扩大至10 000 km2条件下使用。 相似文献
18.
为了探究乌海市植被覆盖度时空动态变化特征以及预测NDVI变化趋势,基于Lantsat OLI/TM/ETM,DEM影像运用像元二分模型法、趋势分析法研究了乌海市2000—2018年植被覆盖度时空动态变化特征,重标极差(R/S)分析法的Hurst指数预测了乌海市未来NDVI变化趋势。结果表明:(1) 2000—2018年乌海市植被覆盖度整体呈现上升趋势,增长速率为0.07%/10 a,植被覆盖度均值由22.26%增至41.30%;(2)空间上植被覆盖度呈现由西北向东南逐渐递增的趋势,植被覆盖度改善的区域大于退化区域,海南区改善趋势更明显;(3)从地形因子来看,植被覆盖度受高程、坡度影响较大,不同坡向间变化不明显;(4)乌海市大部分地区植被未来变化趋势为随机发展,持续改善区域占10.95%,持续退化区域占2.93%,海勃湾区持续变化性强,乌达区反持续变化性强。整体来看研究区2000—2018年植被覆盖度持续上升,植被改善明显,未来进行生态保护时应多关注地形因素和植被退化的区域,从而制定合理的政策。 相似文献
19.
黄土高原中部降水梯度带植被覆盖度动态变化特征 总被引:3,自引:0,他引:3
黄土高原植被生长的水分环境从东南向西北呈现明显的梯度变化,定量分析各降水梯度带植被覆盖度空间分布特征和演变趋势,对正确评价退耕还林草工程的生态效应具有重要意义。选择一条垂直于降水梯度变化的样带,利用MODIS/NDVI数据,基于像元二分模型获取了研究区2000—2010年植被覆盖度空间分布特征,采用斜率法和相关系数法分析了植被覆盖度的变化趋势和影响因素。结果表明:(1)研究区植被覆盖度在空间分布上由东南向西北降低,东南部地区植被覆盖度达82.6%,北部荒漠地区仅为38.6%;(2)由于退耕还林草工程的实施,该区11a间植被覆盖度整体呈现上升趋势,其中2007年植被覆盖度值最高,为65.3%,与降水年际变化趋势一致;(3)研究区植被覆盖度主要受当年4—8月降雨量和气温影响,时间序列具有显著相关性。 相似文献
20.
基于像元二分模型的伏牛山地区植被覆盖度变化 总被引:2,自引:0,他引:2
《水土保持研究》2020,(3)
植被覆盖度是反映区域生态环境的重要参数,研究植被覆盖度对评估区域生态环境质量具有重要意义。选用2000—2018年每年4—9月的MODIS NDVI数据基于像元二分模型对伏牛山地区逐月进行了植被覆盖度的反演,运用一元回归分析法,Hurst指数法,马尔科夫模型分析了伏牛山地区植被覆盖度的时空变化,并探究气象因子对植被覆盖度的影响。结果表明:(1)研究区植被覆盖较好,覆盖度的分布整体上呈现中间高,四周低的特点。(2)研究区内不同等级的植被覆盖度转化方式主要是由低水平覆盖度区向高水平覆盖度区的转化。(3) 2000—2018年研究区内有68%的地区其植被覆盖度呈增加趋势,表明近19年来伏牛山地区植被覆盖度整体呈上升趋势。(4)预计未来研究区内植被覆盖度呈减少趋势的地区占46%,呈增加趋势的地区仅占26%,由此可见伏牛山地区植被覆盖度未来的变化预计以减少为主。(5)伏牛山地区植被覆盖度的变化与气温和降水均呈现较强相关,其中气温是影响伏牛山地区植被覆盖度变化的主要因子。进一步分析该地区森林区域发现森林区域的植被覆盖度同样受气温的影响较大。 相似文献