基于数字相机、ASTER和MODIS影像综合测量植被盖度

选择我国北方温带典型草原作为研究对象,基于Bottom-up方法,采用地表实测和多尺度遥感综合测量的方法,建立基于地表实测与多尺度遥感数据综合测量的两阶段植被盖度经验模型。此外,还将该模型与常用的亚像元分解模型相比较,结果表明:1)两阶段经验模型可以较好地实现将地面数据扩展到中尺度空间范围,从而完成数据空间尺度的转换,提高大区域草地植被盖度的测量精度;2)MODIS遥感影像数据,结合地面数据和ASTER遥感影像数据可以较好地在区域范围内对北方典型草原的植被盖度进行估测;3)目前常用的亚像元分解模型,应用于中空间分辨率的MODIS影像,估测北方温度典型草原植被盖度的精度不够理想。     

科尔沁沙质荒漠化评价遥感信息模型

采用遥感信息模型对科尔沁沙地奈曼旗荒漠化主要评价因子（植被盖度、生物量和土壤含水率）进行定量反演;利用线形混合光谱分析（SMA）模型计算裸沙占地百分比.通过每个像元可获取全部评价因子的指标值.在现有荒漠化评价方法的基础上,建立以像元为单位的荒漠化程度评价的定量化遥感信息模型,并输出荒漠化程度分布图.选取了60个样点进行评价模型的精度验证,被正确评价的点数为55个.结果表明,该模型对研究区域荒漠化程度进行定量评价,其精度可达91.7%,说明利用遥感信息模型评价土地荒漠化的方法具有较高的科学性.     

多尺度遥感综合监测我国北方典型草原区植被盖度

利用多尺度遥感影像综合进行全球和区域尺度的土地利用/覆盖变化(LUCC)研究是最近全球变化研究的重要方向之一.本文综合利用野外群落样方、数字相机、ETM+影像、NOAA/AVHRR影像,在遥感、GIS和GPS支持下,对我国北方典型草原区植被盖度进行了综合监测、模拟与分析.结果表明:(1)利用经处理后的数字相机影像测量盖度的结果准确性较高,可以作为植被盖度测量的标准结果,反映真实的覆盖特征,并用以验证利用其它方法测量结果的精度.(2)利用野外1 m2样方网格法目视估测的植被盖度结果变化较大,不稳定.本次实验中,与数字相机测量结果相比,样方估测的盖度普遍偏高,平均偏差为9.92%;但两者相关性较好(r2=0.89).(3)采用Gutman模型ETM+影像、NOAA/AVHRR影像反演植被盖度的结果与数字相机测量结果偏差分别为7.03%、7.83%,ETM+像元分解NOAA像元后得到的植被盖度与数字相机测量结果偏差5.68%.三者与数字相机测量结果的相关系数r2分别为0.78、0.6l和0.76.(4)利用野外实测植被盖度数据直接与NOAA-NDVI影像建立统计模型估算植被盖度的精度较低(r2=0.65),而通过空间分辨率介于两者之间的ETM+影像进行转换后,该精度得到一定的提高(r2=0.80).利用像元分解的方法提高了大尺度植被盖度监测的精度,是利用遥感数据进行尺度转换研究的重要实践.多尺度遥感影像的综合对地观测对大区域上反演植被盖度有很好的促进作用.     

多尺度遥感综合监测我国北方典型草原区植被盖度

利用多尺度遥感影像综合进行全球和区域尺度的土地利用/覆盖变化(LUCC)研究是最近全球变化研究的重要方向之一。本文综合利用野外群落样方、数字相机、ETM+影像、NOAA/AVHRR影像,在遥感、GIS和GPS支持下,对我国北方典型草原区植被盖度进行了综合监测、模拟与分析。结果表明:(1) 利用经处理后的数字相机影像测量盖度的结果准确性较高,可以作为植被盖度测量的标准结果,反映真实的覆盖特征,并用以验证利用其它方法测量结果的精度。(2) 利用野外1 m2样方网格法目视估测的植被盖度结果变化较大,不稳定。本次实验中,与数字相机测量结果相比,样方估测的盖度普遍偏高,平均偏差为9.92%;但两者相关性较好(r2=0.89)。(3) 采用Gutman模型ETM+影像、NOAA/AVHRR影像反演植被盖度的结果与数字相机测量结果偏差分别为7.03%、7.83%,ETM+像元分解NOAA像元后得到的植被盖度与数字相机测量结果偏差5.68%。三者与数字相机测量结果的相关系数r2分别为0.78、0.61和0.76。(4)利用野外实测植被盖度数据直接与NOAA-NDVI影像建立统计模型估算植被盖度的精度较低(r2=0.65),而通过空间分辨率介于两者之间的ETM+影像进行转换后,该精度得到一定的提高(r2=0.80)。利用像元分解的方法提高了大尺度植被盖度监测的精度,是利用遥感数据进行尺     

地面测量与ASTER影像综合计算植被盖度

选择我国北方温带典型草原作为研究对象,在研究区内分别针对植被盖度是高、中、低的地区随机选取49块样地,在每块样地内采用嵌套的方式作样方,样方尺度有60、30、15m3个尺度,嵌套的方式是60m的样方嵌套30m的样方,30m的样方嵌套15m的样方。15m的样方内作3个1m的样方,30m的样方内作5个1m的样方,60m的样方内作10个1m的样方。对于每个1m的样方,采用将数码相机架设在离草本层2m高的位置,垂直对样方进行拍摄,并记录影像的方式估计植被盖度。基于以上地面实测数据以及ASTER遥感数据,建立植被盖度经验模型。模型建立的步骤主要包括以下内容：（1）利用植被盖度信息提取模型计算野外实测的各张数码相片的植被盖度值,在15、30m以及60m3个样方尺度上计算各样方的植被盖度;（2）计算ASTER数据的各种植被指数（RVI,NDVI,NDGI）;（3）将地面样方与相应的ASTER影像像元在不同的尺度上相匹配。（4）基于某一样方尺度,计算与地面样方相对应区域内的ASTER影像像元植被指数的中值。（5）基于该样方尺度,建立地面实测植被盖度值与ASTER数据植被指数值之间的回归模型;（6）对回归模型进行显著性检验。在建立经验模型的过程中,研究植被指数（NDVI、NDGI以及RVI）与植被盖度的相关性以及地面样方尺度对经验模型的影响。此外,还将经验模型与目前广泛使用的亚像元分解模型作比较,检验亚像元分解模型在中国北方温带典型草原的适用性。结果表明,（1）对于中国北方典型草原区而言,利用植被指数NDVI监测草地的植被盖度是比较适宜的,它优于植被指数RVI,也比植被指数NDGI的效果好。（2）地面样方尺度的选择对于植被盖度经验模型的建立有很大的影响。就中国北方典型草原区来看,在地面作大样方,取其中值的方法在一定程度上可以克服由于地面的测量和遥感测量之间发生空间错配而产生的影响,有利于提高植被指数与植被盖度之间相关系数的显著水平。（3）60m×60m的样方尺度,基于NDVI的植被盖度经验模型相比,利用亚像元分解模型估测中国北方温带典型草原植被盖度的精度低于前者。     

基于高光谱混合像元分解的干旱地区稀疏植被覆盖度估测

以Hyperion高光谱影像为数据源,选取流沙、假戈壁(影像端元)及荒漠植被(实测光谱端元)3种端元,利用非受限及全受限的混合像元分解对甘肃省民勤绿洲-荒漠过渡带的稀疏植被覆盖度进行了估测.结果表明:全受限混合像元分解得到的荒漠植被分量准确地代表了地表真实稀疏植被覆盖情况,两者之间的偏差不超过5%、均方根误差RMSE为3.0681;而非受限的混合像元分解结果则明显小于地面实测植被覆盖度,两者之间虽具有一定相关性,但相关性不高(R2=0.5855);与McGwire等的相关研究相比,全受限混合像元分解对稀疏植被覆盖度的估测具有更高的精度及可靠性,具有广阔的应用前景.     

基于图像融合与混合像元分解的城市植被盖度提取

城市植被盖度提取对于开展城市绿色空间保护和城市规划具有重要意义。随着遥感技术的发展,混合像元分解模型被广泛用于从中等分辨率的多光谱影像提取城市植被盖度,但较低的影像空间分辨率限制了该模型的应用领域。为此,以杭州市为例,首先引入Gram-Schmidt(GS)方法对Landsat ETM+的多光谱波段和全色波段进行融合,再通过混合像元分解模型从ETM+融合影像上提取城市植被盖度,最后利用SPOT影像进行精度检验。结果发现,采用GS方法对影像进行融合后,标准差、信息熵、平均梯度提高,相对偏差小于0.07,说明在保留多光谱信息的基础上提高了其空间分辨率。与SPOT影像相比,在融合影像上75%以上样本的植被盖度值相似,误差较大的区域是市区植被特别稀疏或茂盛的像元。与源影像相比,从融合影像上提取的植被盖度的均方根误差和系统误差降低了0.01。该方法在降低城市植被监测成本、提高监测精度方面具有潜力。     

基于多源遥感数据的荒漠植被覆盖度估测

以塔里木河下游为靶区,根据地面调查和不同分辨率的多源遥感数据,逐级建立荒漠植被覆盖度遥感估测模型,并对不同模型、不同估测方法的估测精度进行比较.结果表明: 随着遥感数据空间分辨率的提高,植被覆盖度遥感估测模型精度增加;基于高分辨率、中高分辨率及中低分辨率遥感数据建立的植被覆盖度模型的估测精度分别为89.5%、87.0%和84.6%;遥感模型法的估测精度高于植被指数法.不同分辨率遥感数据估测荒漠植被覆盖度的精度变化规律,实现了荒漠植被覆盖度估测的高、中、低分辨率遥感数据参数及尺度的定量转换,可为研究区生态恢复遥感综合监测方案的制定和实施提供直接依据.     

干旱区荒漠稀疏植被覆盖度提取及尺度扩展效应

选择线性混合像元分解模型、亚像元模型、最大三波段梯度差法模型以及修正的三波段梯度差法的2个变异模型来提取植被覆盖度,结合地面实测数据,探讨了提取干旱区荒漠稀疏植被覆盖度信息的适宜模型,并以简单平均法模拟了不同尺度的覆盖度影像,通过尺度上推检验了模型在MODIS尺度上的反演效应.结果表明：线性混合像元分解模型反演覆盖度的精度高于其他模型,适于稀疏植被地区,但端元的正确选取较难,从而影响其运用;亚像元分解模型是一个通用模型,植被分类图越精细,通过亚像元分解模型得到的覆盖度精度越高,但这也同时意味着该模型需要测定大量的输入参数;最大三波段梯度差法的算法简单、易于操作,其在农田等中高植被覆盖区及裸土区的预测值与实测值接近,但对干旱区稀疏植被的估计精度偏低;修正后的三波段最大梯度差法模型在稀疏植被覆盖区的预测值与实测值基本一致,在不同尺度上反演的覆盖度信息与实测值的一致性较好.该方法可有效提取干旱区低覆盖度植被信息.     

不同地形条件下植被盖度信息提取技术研究

为系统地研究特定区域的植被盖度信息提取技术, 在不同的地形条件下, 比较了目前流行的多种高光谱遥感植被盖度提取方法。结果表明: 最优高光谱归一化植被指数(NDVI₁)的建模和验证精度均高于其他两种归一化植被指数(NDVI), 直接采用NDVI建立的回归模型对研究区植被盖度的估测能力低于像元二分模型; 阴坡的最佳模型为基于一阶微分的偏最小二乘回归模型(PLSR模型), 其建模决定系数(R²)为0.810, 均方根误差(RMSE)为6.29, 验证R²为0.773, RMSE为8.85; 阳坡的最佳模型为基于二阶微分的PLSR模型, 其建模R²为0.823, RMSE为6.04, 验证R²为0.801, RMSE为7.35; 平原的最佳模型为全受限的线性光谱混合分解模型(FCLS), 其验证R²为0.852, RMSE为5.86。     

北京海淀区植被覆盖的遥感动态研究

 植被覆盖度fg人(植被的垂直投影面积与单位面积之比)是一个十分重要的生态气候参数。为了有效地从遥感资料中提取植被覆盖度,发展了一套计算区域植被覆盖度的亚象元分解模型法。运用该方法对北京市海淀区1975、1991和1997年的植被覆盖度进行了计算,并在此基础上,求得研究区不同植被覆盖等级的变化转移矩阵,分析了海淀区22年来植被覆盖等级变化的空间过程和变化趋势。     

利用遥感光谱法进行农田土壤水分遥感动态监测

自 1 997年 4月至 1 998年 1 0月 ,在甘肃省定西县进行了大面积 0～ 5 0 cm土层农田土壤水分按每 1 5 d本底资料实际观测 ,对此间收到的 5幅 TM与 7幅 NOAA卫片数据资料进行了加工处理 ,并对地面光谱资料也进行了观测。在光谱反演与光谱和土壤水分相关性分析基础上 ,利用遥感技术和地理信息系统 ,初步建立了典型试验区 ( 3× 3km2 )遥感信息与土壤含水量之间的遥感光谱相关监测模型 ,做出了观测区土壤水分含量分布图和得到了大面积农田土壤水分宏观动态监测结果 ,并同地面实测土壤水分进行了精度校正。研究结果表明 ,文中提出的“光学植被盖度”概念 ,对土壤水分遥感监测研究是有益的 ,利用遥感光谱法和数学统计方法求出了有关物理参数 ,初步建立了 TM与 NOAA光谱水分监测模型 ,其模型监测 0～2 0 cm土层含水量的精度达到 90 %以上 ,实际监测土壤水分精度达到 72 .3% ;在遥感监测 2 0～ 5 0 cm土层土壤含水量中 ,利用遥感模型监测土壤水分精度达到 80 %以上 ,实际遥感监测精度达到 60 %左右 ,其结果可有效指导干旱半干旱雨养农业区春耕时间和动态监测大面积土壤墒情 ,可为农业生产提供科学依据。另外 ,经地面大量观测表明 ,一般来说 ,当土壤含水量为田间最大持水量的 5 5 %～ 85 %时 ,从生长状况和经济     

基于修正的亚像元模型的植被覆盖度估算

植被覆盖度是陆地生态过程模型、气象和气候模型的一项重要参数.通过消除植被类型分类精度以及遥感影像噪声带来的误差,结合实际测量值确定了归一化植被指数(NDVI)的最大值和最小值,修正了亚像元模型,并通过计算北京市植被覆盖度对模型进行了验证. 结果表明: 修正后模型的模拟值与实测值非常接近,尤其是对植被类型一致但密度有不同变化的草本植被, 但对乔木植被覆盖度的估算误差相对较大,这可能与遥感影像分辨率、植被破碎度及采用的混合像元模型有关.     

秦岭森林生态系统服务价值的时空演变

以1984、2000、2005和2014年的Landsat TM影像为数据源,使用ERDAS软件中的监督分类方法获得秦岭土地利用类型分布图;从时间和空间角度对单位面积生态系统服务价值当量因子进行区域修正,并利用植被覆盖度进行逐像元二次修正后,运用RS和GIS技术计算1984—2014年秦岭森林生态系统服务价值,所得结果利用敏感性指数进行验证.结果表明: 1984—2014年,研究区森林面积约占总面积的77%,耕地和建设用地面积变化最明显;秦岭生态系统总服务价值逐年增长,研究期间共增长1.68×10¹⁷元,增长速率最快的森林生态系统服务价值的贡献率为93.8%,水域和草地的贡献率分别为1.6%和1.3%;生态系统服务价值在空间分布上呈现出随距研究区边界距离增大而增长的状态,且与秦岭土地利用类型的空间分布和单位面积价值基本一致;各项服务功能的年变化率相差不显著,4大生态系统功能中,调节服务价值对生态系统总服务价值的贡献最大(62.7%～65.8%),而气候调节服务价值变化最大,增加4.91×10¹⁶元;敏感性指数均小于1,表明修正后的服务价值指数较稳定,估算结果较可靠.秦岭森林生态系统服务价值巨大,加强森林生态系统的保护是维持秦岭生态系统稳定的有效措施.     

生物土壤结皮对照相法测量植被覆盖度结果的影响

植被覆盖度测度的准确性很大程度上影响着研究结论是否科学合理。在干旱半干旱退化草原区,尤其是受采矿剧烈扰动的矿区,发育的生物土壤结皮(Biological soil crust,BSC)由于其颜色和光谱同绿色植被具有相似性,导致对植被覆盖度的测量存在一定的影响。以伊敏露天矿区为研究区,在西排土场和内排土场采集了含苔藓结皮、地衣结皮和藻结皮的样方相片各四组(每组中包含样方喷水前和喷水后的相片各一张),并采集了一组不含结皮的样方相片作为对照组,运用数码照相法提取植被覆盖度,通过不同的数据处理方法(最大似然分类法及RGB阈值法)进行植被覆盖度提取,设立对比试验,分析BSC对于植被覆盖度测度是否有影响,其影响大小如何,影响程度是否受BSC含水量大小的影响,并对比各常规处理方法的优劣,研究能否通过结合纹理特征与色彩信息剔除BSC对植被覆盖度提取值的影响。研究结论:1)基于照相法的常规数据处理方法提取植被覆盖度时,BSC的存在导致测得的植被覆盖度值偏高,且苔藓结皮、地衣结皮吸水后比吸水前影响更显著,藻结皮相反;2)3个演替阶段的BSC中,尤以含苔藓结皮的样方植被覆盖度高估最为明显,其次为地衣,而含藻结皮样方规律不明显;3)样方内BSC覆盖度越高,植被覆盖度越低,其植被覆盖度测度越不准确,因此在研究草原矿区这类草本植物覆盖度较低、结皮发育的区域时,应当注意BSC的影响;4)试通过应用纹理信息提出改进的提取方法,发现单纯的纹理分类精度极低,而结合了纹理信息与RGB色彩信息的分类精度较高;5)对两种常规分类方法的精度进行比较,RGB阈值法较最大似然分类法更为不准确,对植被覆盖度的高估接近最大似然分类法的2倍。对两种改进的提取方法的精度进行比较,二者都可以有效提高测量精度,基于波段合成的纹理分类方法最佳。四种方法精度由高到低的顺序为:纹理结合RGB法考虑生物土壤结皮的最大似然分类法普通最大似然分类法RGB阈值法。     

地表植被景观对PM2.5浓度空间分布的影响研究

我国当前城市日益频发的雾霾问题引发公众广泛关注,PM_2.5被认为是雾霾的主要成因。研究认为,在某一区域短时间尺度上（如日）,PM_2.5浓度主要受气象条件影响。但在较长时间尺度上（如季,年）,由于气象条件基本相似,则PM_2.5浓度主要受土地利用特别是地表植被景观的影响。如何耦合地表植被景观格局与PM_2.5浓度信息,定量分析其影响是当前相关科学研究的一个难点,需要引入新思路。首先基于季节气象条件基本相似的科学假设,采用土地利用回归模型分四季高精度模拟PM_2.5浓度空间分布。其次,采用像元二分模型分四季估算研究区植被覆盖度。在此基础上采用随机抽样法通过统计回归模型耦合植被覆盖度与PM_2.5空间分布,定量研究植被覆盖度对PM_2.5分布影响及其尺度效应。研究结果表明：1）植被覆盖度与PM_2.5浓度在本研究选择的空间尺度上,都显著负相关,说明植被覆盖度对PM_2.5具有显著影响;同一个季节不同尺度上,以及不同季节同一尺度上的植被覆盖度对PM_2.5浓度的影响存在一定差异。2）植被覆盖度对PM_2.5浓度的影响方式比较复杂,不同的季节的表现方式不同,总体来说PM_2.5浓度与植被覆盖度曲线回归模型的拟合度高于线性回归模型,说明植被覆盖度对PM_2.5的影响具有非线性特征。3）不同的PM_2.5浓度水平下,植被覆盖度对PM_2.5浓度的影响程度存在差异。PM_2.5浓度越高,植被覆盖度对其浓度的影响越明显。本研究提出的区域尺度耦合地表植被覆盖与PM_2.5浓度的思路与方法,有效的揭示了植被覆盖度对PM_2.5浓度分布的影响方式与尺度效应,为通过优化城市植被缓解大气污染提供一定参考。