重庆山区Landsat 8地形辐射校正研究

山区地形的起伏引起遥感影像中地物光谱信息严重失真,进而影响了以地物光谱特征为基础的定量遥感计算,如土地生态监测、森林生物量反演等,限制了定量遥感技术在山区遥感监测中的应用。利用重庆市奉节山区的Landsat 8OLI数据,开展了不同地形辐射校正模型的比较研究,并从目视效果改善、回归分析和特定目标分析三方面对校正结果进行了评价。     

山区高分辨率遥感影像地形辐射校正方法研究

高空间分辨率的卫星影像和航摄影像越来越广泛地应用于山区农、林业资源调查和山区生态环境监测等领域.但是由于山区地形起伏和侧视成像等原因,使得影像存在一定的阴影,从而严重影响这些高分辨率影像的应用.针对这一问题,本文借鉴在遥感影像条带噪声去除中非常有效的矩匹配方法基本原理,提出了基于矩匹配的山区高分辨率遥感影像辐射校正方法,同时对被验证TM影像地形辐射校正最佳的C校正方法作了相应的改进.并以北京市西部山区的1 m分辨率的航空影像为例,分别用矩匹配方法和C校正改进方法进行了地形辐射校正,并对处理结果进行了对比分析.结果表明,对于地形复杂的山区,图像较大的高分辨率影像,矩匹配方法优于C校正改进方法.     

不同地形校正方法对刺槐林遥感提取的影响

刺槐是黄土丘陵区生态环境建设的主要乔木树种之一,而地形阴影是影响刺槐林遥感提取精度的重要因素。为研究不同地形校正方法对刺槐林分布信息提取的影响,以黄土丘陵区安塞县的刺槐人工林为例, 使用Cosine、SCS、Minnaert、C、SCS+C 5种校正方法对该地区2015年7月份的Landsat8 OLI影像进行地形校正,并采用基于样本、面向对象提取的方法对人工刺槐林的分布信息进行提取。最后对地形校正前后的影像进行视觉比较和回归分析,并对提取结果进行精度评估,从而比较不同地形校正方法对刺槐人工林分布信息提取的影响。结果表明:1) 5种地形校正方法削弱了遥感影像上地形阴影的视觉效果, 其中Cosine、SCS校正存在过度校正的现象。2) 5种地形校正方法使得各波段辐射亮度值的均值和方差较之前发生变化,且SCS+C校正符合预期效果。3) Minnaert、SCS+C及C校正降低了太阳入射角的余弦值cosi与影像各波段的辐射亮度值间的回归直线斜率m的绝对值及相关系数r的绝对值, Cosine、SCS校正使两参数在部分波段上变大。4) 5种地形校正方法都不同程度地降低刺槐提取的漏分误差,但Cosine校正后用户精度降低了2.47%;Minnaert、SCS+C及C校正均提高了用户者精度和生产者精度,以C校正的精度最高, 生产者精度提高了16.66%,用户精度提高了2.82%。5) 5种地形校正方法均提高了Kappa系数值,以C校正最高,Kappa系数值为0.76。本研究说明刺槐林遥感提取有必要进行地形校正,且应结合研究区的情况选择地形校正方法,这为黄土丘陵区刺槐信息提取时合适地形校正方法的选取提供了重要的依据。      

地形梯度视域下的云南山区土地利用时空格局变化研究

以2000、2005、2010、2015年4期云南遥感影像数据和DEM数字高程数据为基础,从地形梯度视域出发,筛选构建了地形起伏度、地形位指数、分布指数等为主的方法,揭示了云南山区土地利用梯度分布变化规律,结果表明:从静态分布看,土地利用类型在不同的地形梯度视域下分布特征明显。从动态变化看,2000～2015年各地形梯度区耕地、林地、草地面积不断减少,水域、建设用地、未利用地面积持续增加;6个地类中耕地与建设用地空间竞争最为激烈。未来应结合土地利用梯度时空分布规律,合理安排各类用地,以保障粮食生产和生态安全,促进山区人地关系协调发展。     

地形梯度视域下的云南山区土地利用时空格局变化研究

以2000、2005、2010、2015年4期云南遥感影像数据和DEM数字高程数据为基础,从地形梯度视域出发,筛选构建了地形起伏度、地形位指数、分布指数等为主的方法,揭示了云南山区土地利用梯度分布变化规律,结果表明:从静态分布看,土地利用类型在不同的地形梯度视域下分布特征明显。从动态变化看,2000～2015年各地形梯度区耕地、林地、草地面积不断减少,水域、建设用地、未利用地面积持续增加;6个地类中耕地与建设用地空间竞争最为激烈。未来应结合土地利用梯度时空分布规律,合理安排各类用地,以保障粮食生产和生态安全,促进山区人地关系协调发展。     

基于遥感的山区土地覆盖分类研究 --以重庆市酉阳县为例

以酉阳县为例,利用TM卫星遥感影像及相关资料提取土地覆盖信息。针对山区地势起伏大、地形复杂,且常年多云雾、分类难度大的特点,着重加强对影像的地形校正、阴影去除、去云处理。以此来提高图像分类精度。研究结果表明,这种方法能有效的提取TM卫星遥感土地覆盖信息。     

应用Sentinel-2A卫星光谱与纹理信息的森林蓄积量估算

以Sentinel-2A为遥感数据源,以第九次森林资源清查数据为样地实测数据,对吉林省中东部的森林蓄积量进行反演。通过对遥感影像进行处理,获取影像的波段光谱值、植被指数,降维处理纹理特征以及地形因子;采用多元线性回归、偏最小二乘法、随机森林、支持向量机等构建了研究区的森林蓄积量估算模型,对检验样本做出了估测。结果表明:机器学习法在反演结果上均优于传统建模方法,随机森林法结果最优,相对误差为17.88%,方程精度为82.12%。     

基于遥感的山区土地覆盖分类研究 --以重庆市酉阳县为例

以酉阳县为例,利用TM卫星遥感影像及相关资料提取土地覆盖信息.针对山区地势起伏大、地形复杂,且常年多云雾、分类难度大的特点,着重加强对影像的地形校正、阴影去除、去云处理,以此来提高图像分类精度.研究结果表明,这种方法能有效的提取TM卫星遥感土地覆盖信息.     

基于TM遥感影像丰宁县森林地上生物量估测研究

利用TM遥感数据以及同期获得的野外调查样地数据,研究了河北省丰宁满族自治县森林地上生物量的遥感估测技术。提取TM遥感影像6个波段反射率及DVI、NDVI、PVI、RVI、VI3、SLAVI和SAVI 7个植被指数,分析了森林样地地上生物量与各个因子间的关系,得出相关系数较小（均小于0.400）;因此采用Stepwise逐步回归法,建立了多元回归模型。结果表明,ρ2、ρ3、ρ4、ρ54波段反射率和有效叶面积植被指数（SLAVI）结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.730,留一交叉验证均方根误差RMSE最小,达33.712。利用2008年的全覆盖TM影像,结合丰宁遥感分类图像,获得了丰宁县2008年森林地上生物量分布图,森林植被总生物量为1.805×107t。     

山区低太阳高度角遥感图像地形校正归一化模型的应用研究——以高黎贡山为例

由于山区地形起伏较大,引起的地形效应会使地物的光谱特征产生扭曲,对地表地物的识别与分类产生不利影响。地形校正是定量化遥感的前提,能够有效地提高目标地物识别与分类的精度,因此地形校正作为山区遥感图像预处理的重要步骤,对提高遥感应用的精度具有重要的作用。本研究利用二阶校正模型、地形均衡模型、坡度匹配模型3种归一化模型对高黎贡山南段低太阳高度角下的TM图像进行地形校正试验,对归一化模型在山区低太阳高度角遥感图像地形校正中的应用进行探讨。结果表明:在3种模型中,坡度匹配模型更适用于研究区低太阳高度角遥感图像的地形校正。     

基于滁州市TM数据的叶面积指数估算模型研建

以2010年TM影像为数据源,结合实测叶面积指数(LAI)数据,采用逐步回归方法,分析滁州市森林叶面积指数与植被指数关系并建立估测模型。结果表明:在0.01显著水平下,地面LAI和NDVI、RVI、SAVI的相关性分别为0.899、0.868、0.853;以NDVI为自变量构建的指数函数关系模型与LAI相关系数最高,相关性达0.839,LAI预测精度达78.96%;以NDVI、RVI、SAV为自变量构建的多元线性回归模型与LAI相关性达0.917,LAI估测平均精度达83.36%,符合森林资源监测要求。研究结果为使用遥感数据进行滁州市大面积森林质量监测、森林分布变化提供依据和技术支持。     

利用TM影像和偏最小二乘回归方法估测三峡库区森林蓄积量

为进一步提高遥感模型预测森林蓄积量的精度和稳定性,分析了遥感特征因子、地形特征因子、郁闭度与森林蓄积量之间的相关关系。在此基础上,利用偏最小二乘回归方法构建了森林蓄积量遥感预测模型,生成了三峡库区森林蓄积量空间等级分布图,并与地面实测值进行比较。结果表明:该模型的最佳主成分数为3,且郁闭度、海拔、坡度、TM1、TM2、TM3、TM4、TM5、TM7、NDVI、RVI、TM7/TM3、TM4×TM3/TM2、亮度和湿度为预测森林蓄积量的入选变量;森林蓄积量预测的调整决定系数为0.524,相对误差为7.33%,均方根误差为1.763m3;利用该模型计算出三峡库区森林总蓄积量约为1.12亿m3,总体预测精度达到89.58%。研究结果为提高森林蓄积量遥感预测的精度提供了一种有效手段,有利于大面积应用和推广。     

利用TM 影像和偏最小二乘回归方法估测三峡库区森林蓄积量

为进一步提高遥感模型预测森林蓄积量的精度和稳定性,分析了遥感特征因子、地形特征因子、郁闭度与森林蓄积量之间的相关关系。在此基础上,利用偏最小二乘回归方法构建了森林蓄积量遥感预测模型,生成了三峡库区森林蓄积量空间等级分布图,并与地面实测值进行比较。结果表明:该模型的最佳主成分数为3,且郁闭度、海拔、坡度、TM1、TM2、TM3、TM4、TM5、TM7、NDVI、RVI、TM7/ TM3、TM4 ⅹTM3/ TM2、亮度和湿度为预测森林蓄积量的入选变量;森林蓄积量预测的调整决定系数为0.524,相对误差为7.33%,均方根误差为1.763 m3 ;利用该模型计算出三峡库区森林总蓄积量约为1郾12 亿m3 ,总体预测精度达到89.58%。研究结果为提高森林蓄积量遥感预测的精度提供了一种有效手段,有利于大面积应用和推广。      

Topography-based modeling to estimate percent vegetation cover in semi-arid Mu Us sandy land,China

Desertification is an important ecological and environmental problem that concerns the whole globe. Percent vegetation cover is closely related to occurrence and degree of desertification, and its estimation is essential to monitoring and assessing land desertification. Normalized Different Vegetation Index (NDVI), an indicator widely employed to estimate percent vegetation cover, did not work well because of heterogeneous topographical features and vegetation cover in Mu Us sandy land. We selected variables according to correlations between them and vegetation cover fraction and estimated percent vegetation cover with the general regression neural network (GRNN) model and partial least squares (PLSs) regression linear model. Results indicated that correlations between remote sensing indices and vegetation cover fraction varied with topographical feature types. We also found that if field samples were classified with topographical features before estimation, prediction precision of the model was improved for individual plots. This research provides new alternatives for more precise vegetation cover estimation in the semi-arid area of China.     

沈阳地区旱田植被指数变化与产量关系的研究

以沈阳地区为研究实例,利用NASA对地观测系统EOS系列卫星遥感影像,经过了滤波处理MODIS归一化植被指数（NDVI）数据,对研究地区的旱田作物进行不间断监测.计算出2003 ～ 2007年的年平均NDVI,分析出NDVI年际变化特征、作物生育期内的NDVI变化规律,并找出产量与植被指数变化关系.结果表明,沈阳地区旱田植被指数的年际间差异明显,旱田作物生育进程与作物生育期内NDVI变化规律大致吻合,这表明作物产量与遥感植被指数间存在较好的相关.因此,根据同期地面作物产量调查数据与MODIS遥感数据,采用一次线性拟合法建立回归方程,简单分析出沈阳地区旱田作物产量与NDVI变化关系.     

森林植被遥感监测影像最佳分辨率选择

遥感影像分辨率的高低直接影响着森林植被监测的精度、成本和效率,故选择适合森林植被监测的影像最佳分辨率具有重要的应用价值。针对森林植被监测影像最佳分辨率选择方法及结果缺乏的问题,从林业实际应用出发,提出了基于1个步长的变异函数分析空间变异并综合考虑监测精度、成本和效率来确定森林植被监测影像最佳分辨率方法。基于最新的国产高分二号（GF-2）全色影像,利用1个步长的变异函数对湖南常宁洋泉镇林区3种典型分布类型森林植被进行拟合分析,初步确定适合森林植被监测的影像最低分辨率。然后对重采样形成的不同尺度多光谱影像分别进行监督分类,并对结果进行定量定性分析,结合影像成本和数据处理时间,找到适合不同类型森林植被监测的影像最佳分辨率。研究表明:不同分布类型的森林植被,适合遥感监测的影像最佳分辨率不同:①小冠幅森林植被3.2 m;②大冠幅森林植被16.0 m;③混合冠幅森林植被8.0 m。该森林植被遥感监测影像最佳分辨率确定方法和结果可为其他区域森林植被遥感监测影像最佳分辨率确定提供借鉴。     

基于遥感技术的广州市城市森林叶面积指数推算

应用叶面积指数(LA,I)及叶面积总量表达城市森林的绿量,并采用2004年遥感影像数据推算广州市不同类型森林的LA,I,建立了不同森林类型叶面积指数(LA,I)与归一化植被指数(ND,V,I)的回归模型,结果表明:不同类型森林的LA,I与ND,V,I的关系均可用逻辑斯蒂方程表达;不同森林类型的LA,I因树种、林龄及空间结构的不同而各异,按平均LA,I排序:有林地0.99灌木林地0.78≈疏林地0.78其它林地0.69(3月份数据);广州市森林叶面积总量29.47×108m2,森林的平均LA,I为0.95,市域范围的平均LA,I仅为0.40;不同森林类型对叶面积总量的贡献率与其占有的土地面积比例不相符,应通过采用不同的管理措施来增加其绿量的贡献度。     

基于NDVI的油松天然林生长状况的遥感监测研究

以黄土高原油松天然林为研究对象,以TM影像为主要数据源,选择能最佳表达研究区油松林信息的植被指数以及植被指数与盖度之间的回归模型,从遥感影像计算NDVI,并获取研究区油松林的盖度信息,反映油松林的生长状态。结果表明,研究区油松林90%以上的覆盖度超过50%,说明蔡家川林场天然油松林的生长状态良好。并对研究成果经过实地验证,通过植被指数获得的油松林覆盖度信息与实地调查结果吻合度达92%,这说明利用植被指数进行油松天然林生长状态的评价是可行的。     

内蒙古赤峰及其周边地区荒漠化变化趋势研究——基于遥感技术中反照率和归一化植被指数特征空间

通过遥感影像来构造反照率(Albedo)和归一化植被指数(NDVI)特征空间是一种提取土地荒漠化信息的有效方法。该研究利用Landsat遥感影像来构造赤峰及周边地区Albedo-NDVI特征空间,分析当地2000和2008年的沙漠化状况。结果表明,随着时间的推移,当地植被覆盖度有所增加,土壤含水量以及沙漠化程度有所改善,政府政策的引导已见成效。