基于像元二分法的冬小麦植被覆盖度提取模型

【目的】快速准确提取冬小麦返青期植被覆盖度信息。【方法】利用无人机获取田间冬小麦可见光图像,提取图像中4种常见可见光植被指数;在像元二分法原理的基础上,分别构建基于差异植被指数(Visible-band difference vegetation index,VDVI)、过绿指数(Excess green,EXG)、归一化绿蓝差异指数(Normalized green-blue difference index,NGBDI)和归一化绿红差异指数(Normalized green-red difference index,NGRDI)的植被覆盖度提取模型,采用支持向量机(Support vector machine,SVM)监督分类结果作为真值对各模型进行精度验证。【结果】4种模型中,利用VDVI植被覆盖度提取模型获取的植被覆盖度精度最高,提取效果较好。与监督分类结果对比,4种植被覆盖度提取模型的提取误差(EF)分别为3.36%、15.68%、8.74%和15.46%,R2分别为0.946 1、0.934 4、0.695 3和0.746 0,均方根误差(RMSE)分别为0.021 9、0.059 5、0.042 0和0.055 9。【结论】采用可见光植被指数结合像元二分法构建植被覆盖度提取模型实现了冬小麦返青期植被覆盖度准确快速提取,为植被覆盖度提取提供了一种新途径,可为无人机遥感监测提供参考。     

应用混合像元分解提取胡杨覆盖度信息1）

以内蒙古荒漠地区胡杨林为研究对象,应用混合像元分解方法从TM多光谱数据中提取了胡杨林植被覆盖度,并以高分辨率Quickbird影像分割结果作为真值进行精度评价,与传统的基于植被指数提取植被覆盖度的方法进行了对比。结果表明：基于几何顶点端元选取的混合像元分解方法可以有效提取胡杨植被覆盖度（ R2＝0．893,RMSE＝0．12）,优于植被指数回归方法提取精度（R2＝0．574）。研究结果有助于开展荒漠地区较大范围的胡杨林动态监测和保护。     

基于遗传神经网络算法的混合像元分解研究

混合像元的存在是影响地面物种分类精度的主要因素之一.本文把遗传算法与神经网络算法各自的优点结合起来,组成一种新的分解模型.对遥感图像数据进行分析,结果表明:使用该模型分解混合像元能得到很好的结果.     

基于混合像元分解植被类型提取——以塔河地区为例

以塔河地区的HSI高光谱遥感数据为基础,结合相关的统计学知识,利用非监督分类法和混合像元分解法分别提取森林植被类型,并对其进行精度检验。得出非监督分类总体精度为70. 78%,混合像元分类的精度为76. 87%。结果表明混合像元分解定量解算植被类型是更有效的方法。     

基于NDVI像元二分模型的城市植被覆盖度分析——以焦作市为例

选取焦作市作为研究区,应用GIS与RS技术,以Landsat8和高空间分辨率影像为数据源,基于NDVI的像元二分模型对焦作市植被覆盖度进行估算分析,并在NDVI绿地提取的基础上,将研究区绿地进一步细分为草地、树林和农田,实现了城市绿地信息的精细提取,为城市绿地评价与分析提供科学依据,为城市绿地系统规划、优化植物群落结构...     

植被覆盖度模型研究进展

植被覆盖度是刻画陆地表面植被数量的一个重要参数,也是指示生态系统变化的重要指标。以遥感测量为研究手段,综合讨论目前测量植被覆盖度最常用的4种模型:植被指数模型、亚像元模型、混合光谱模型和光谱梯度差模型,分析其优缺点,并对如何提高植被覆盖度的测量精度提出讨论,指出高光谱数据、多尺度遥感数据以及数码相机和航空遥感的综合使用是未来植被覆盖度测量发展的趋势。     

基于环境星的混合像元分解水稻面积提取

以河南省息县水稻种植面积提取为例,选取线性光谱混合模型对环境小卫星数据进行分类,并计算出水稻种植面积,将其结果与高分辨率ALOS数据进行位置精度计算,得到平均精度达87.89%。同时,与决策树分类方法和神经元网络分类等方法进行对比,混合像元分解方法总量精度显著提高。表明针对环境小卫星的混合像元分解方法可以提高水稻种植面积的提取精度。     

基于先验知识的MCMC在混合像元分解中的应用研究

MCMC方法是一种动态的参数估计方法,研究MCMC方法在遥感影像混合像元分解中的应用。传统的混合像元分解一般是基于固定端元的,而实际上影像中像元并不都是由完全相同的端元组成。基于MCMC方法提出了一种端元可变的像元分解算法,并且充分利用了端元的累计先验知识。算法将端元选取和丰度反演合为一个步骤,抽象成一个估计参数的随机过程,在端元数目可变的前提下,基于可逆的跳跃式MCMC方法估计参数。在状态转移过程中,加入端元的累计先验知识,提高算法效率。这种算法不需要人工干预,能够实现自动化像元分解,并且具有较高的精度。结果表明,基于修正MCMC的端元可变的自动化解混算法在分解精度和稳定性方面均优于基于固定端元的混合像元分解方法。     

基于混合像元分解的香格里拉市高山松空间分布变化研究

利用香格里拉市1997-2017年每5 a的Landsat遥感影像、2018年外业调查数据、森林资源二类调查数据和DEM数据为数据源,以高山松为对象,综合运用混合像元分解技术、决策树分类和GIS技术对其空间分布变化进行分析。结果表明,1）分类中,高山松归一化多分量指数阈值为0.333,云南松归一化多分量指数阈值为0.208;云冷杉归一化多分量指数阈值为0.362。2）各年分类结果总体精度分别为69.42%、76.73%、81.07%、78.90%和76.53%。3）香格里拉市高山松覆盖面积2002年比1997年减少了13.40%,2007年比2002年减少了2.47%,2012年比2007增加了8.96%,2017年比2012年增加了4.06%,呈现出先减少后增加的趋势。4）研究区内高山松主要分布在海拔高度2 800~3 800 m,1 800~2 800 m高山松面积总体呈现为轻微下降趋势;2 800~3 300 m海拔区间1997-2007年呈现下降趋势,2007-2017年呈现上升趋势,3 300~3 800 m区间内1997-2002年高山松面积呈现下降趋势,2002-2017年高山松面积逐年上升,3 800~4 800 m区间内1997-2017年高山松面积逐年下降。利用混合像元分解构建归一化多分量指数结合决策树分类对树种分类具有一定的参考价值,高山松时空变化结果对森林资源管理和后续研究可提供科学数据支撑。     

遥感图像分类中混合像元分解方法研究

总结了几种解决遥感图像分类中混合像元分解问题的方法,对各种方法的基本理论、应用条件和优缺点进行阐述,并对未来提高分类精度的前景进行展望,为遥感图像分类应用提供有价值的参考。     

基于NDVI像元二分模型植被覆盖度反演喀斯特石漠化研究——以贵州毕节鸭池示范区为例

该研究在＂3S＂技术发展的背景下,以贵州省毕节鸭池示范区为研究区,选用2005年SPOT遥感影像,对遥感影像进行几何校正、图像配准等数据预处理,引入NDVI植被指数和像元二分模型,根据像元二分模型的理论,确定出NDVIsoil和NDVIveg,建立了反演植被盖度的像元二分模型。并根据大量的外业调查数据对所建立的模型进行了精度验证,定量估算了毕节鸭池示范区的植被覆盖度,取得NDVI植被指数与喀斯特石漠化之间的对应关系,得到研究区NDVI图像,最后由各覆盖度得出NDVI结果反演毕节鸭池示范区石漠化特征,得到研究区的各等级喀斯特石漠化的面积以及空间分布情况。利用该方法进行喀斯特石漠化研究,明显改善了分类的精度,为喀斯特石漠化生态修复及其他综合防治提供科学依据。     

基于混合像元分解提取小麦种植面积的技术与方法研究

以菏泽市曹县为例,运用线性混合模型,对MODIS遥感数据的混合像元分解技术与方法进行了初步研究。通过MNF变换、散点图以及引入PPI纯净像元指数确定端元组分,并采用最小包含法求取端元组分反射率,而后将4类端元光谱值代入线性模型,用带有约束的最小二乘法求解,得出每种地物类型的百分比丰度以及RMS误差图像,RMS均值小于0．0096,并与TM图像进行对比分析,利用混合像元分解方法可较高精度的提取小麦面积信息。     

基于正交非负矩阵分解的高光谱遥感图像混合像元分解

像元分解是遥感图像信息挖掘的重要手段,非负矩阵分解模型应用于高光谱遥感图像混合像元分解时,分解的效果与算法所获局部最优解密切相关。本文将带正交性约束的非负矩阵分解用于光谱解混,保证了分解矩阵列向量的线性无关性,进而使分解所得端元光谱具有较大的独立性。通过试验分析,利用正交非负矩阵分解,实现了对1997年机载可见光及红外成像光谱仪(AVIRIS)高光谱图像的混合像元分解,结果表明,增加约束条件后的正交非负矩阵分解,能成功分离出6种端元光谱,解混出的端元光谱与参考光谱的光谱角距离更小,与真实地物的丰度谱图吻合度增强。     

混合像元及混合像元分析

由于中低空间分辨率的遥感数据在一个像元中记录了两种以上地类的不同光谱 ,从而获得了两个以上地类的光谱之和以及混合像元 ,当地类破碎时混合像元越多 ,而且在两类以上地类的交界处混合像元最多 .该文模拟不同空间分辨率的遥感图像中混合像元造成的误分类情况 ,同时应用线性模型对混合像元进行了分解提纯 ,用以提高分辨率精度     

基于ERDAS的肇源县植被覆盖度研究

通过利用肇源县2008~2010年三景同期TM影像数据,使用ERDAS软件首先提取植被指数(NDVI),根据像元二分法利用ERDAS的建模工具计算出肇源县的植被覆盖度,利用非监督分类方法对该县的植被覆盖度进行分类、赋色,最后得出3a闻肇源县植被覆盖度分类图,定量说明了其变化情况:肇源县农作物种植面积呈增加趋势,2009...     

基于GIS和遥感技术的植被覆盖度反演模型

从福建省第5次森林资源一类调查样地点中抽取落在漳浦县区域的30个样地点,运用GIS和遥感技术提取研究区植被指数（NDVI,VARIg）和地形因子作为自变量,利用三倍标准差法进行异常数据的筛选,并将定性因子量化处理,通过逐步回归分析方法构建研究区的植被盖度反演模型,对漳浦县植被覆盖度进行反演.从模外抽取26个样地点对模型进行精度验证.结果表明：所构建的反演模型的平均精度达到80.96%,对于快速、精确地实现区域植被盖度反演具有一定的指导意义.     

基于像元二分模型的开都河流域下游绿洲植被动态变化

本文以三个不同时期Landsat TM遥感影像为主要数据源,采用像元二分模型和重心迁移模型对1990~2010年间开都河流域下游绿洲的植被覆盖情况进行分析。结果表明:(1)1990~2010年间开都河流域下游绿洲四种植被覆盖类型中,极地植被覆盖和高植被覆盖区面积先增加后减少,而低植被覆盖区和中植被覆盖区面积呈现先减少后增加的发展趋;(2)1990~2010年间开都河流域下游绿洲植被覆盖度总体上呈恢复趋势,其中西北部以及南部植被改善较为明显,而北部和西南部以及开都河下游中部植被有所退化;(3)1990~2010年间高植被覆盖类型和低植被覆盖类型重心迁移最为明显。     

基于环境卫星的混合像元分解提取江汉平原油菜种植面积

利用中低分辨率卫星影像进行油菜面积提取时,需要考虑混合像元产生的影响,以提高面积提取的精度。通过选取2011年湖北省江汉平原油菜生长期内不同生育期的两景HJ-1A/B-CCD数据,生成1组8波段的数据;采取阈值技术结合夏收作物NDVI指数变化特点,提取夏收作物在江汉平原的空间分布;选取线性光谱混合模型进行油菜种植面积的分解计算研究。结果表明,线性光谱混合模型能够高精度地提取油菜的种植面积,是一种很好的油菜种植面积监测方法。     

基于随机森林模型长汀县植被覆盖度的影响因子

应用随机森林回归模型对水土流失典型区域——长汀县2000—2010年植被覆盖度变化及主要影响因子进行分析.研究表明:长汀县近11 a植被覆盖度以每年4.11%的速率增加,其中2005年植被覆盖度最低(0.12),2010年植被覆盖度最高(0.70),且2006年之后植被覆盖度均发生正向突变;随机森林模型对植被覆盖度主要驱动因子的拟合效果较好,其观测值和预测值的方差解释率均在78.30%以上,相关性为0.885~0.939,极显著相关(P0.01),且均方残差都小于0.001;当地财政支出和农村人均纯收入、年平均地表比辐射率、年平均风速等人为因子和自然因子是影响长汀县植被覆盖度变化的主要因子.     

基于遥感影像的七台河市植被覆盖度研究

及时、准确地获取植被覆盖信息是矿区生态恢复和建设的关键与重点,现选用七台河市1993、2000、2011年3期的TM卫星数据,使用ENVI遥感软件提取归一化植被指数(NDVI),根据像元二分法计算七台河市的植被覆盖度,利用Isodata分类方法对七台河市的植被覆盖度进行分等定级,最后得出七台河市1993～2011年的植被覆盖度分类图,定量说明该区域近20年间的植被覆盖变化情况。1993～2000年,植被覆盖度下降比较明显,2000～2011年植被覆盖有所上升,但仍未达到1993年水平。