基于中高分辨率遥感的植被覆盖度时相变换方法

植被覆盖度是衡量地表植被状况、指示生态环境变化的一个重要指标,也是许多学科的重要参数。传统的测量方法难以获取时间连续的面状数据,且耗时、耗力,很难大范围推广。遥感估算方法虽然可以弥补传统方法的不足,但由于云覆盖等天气条件的影响,获得同一时相覆盖整个研究区的遥感影像非常困难,时相的差异必然导致研究结果产生误差。针对植被覆盖度这一重要生态参数,结合低分辨率遥感数据的时间优势和中高分辨率遥感数据的空间优势,提出一种时相变换方法,将源于中高分辨率影像的植被覆盖度变换到研究需要的时相上。首先,利用像元二分模型计算MODIS尺度的时间序列植被覆盖度,并利用已经获得的SPOT影像计算其获取时相上的植被覆盖度;其次,利用土地利用图划分植被覆盖类型,并利用MODIS数据和土地利用数据之间的空间对应关系制作MODIS像元内各类植被覆盖的面积百分比数据;再次,利用面积百分比数据提取各类植被覆盖的纯像元,结合MODIS植被覆盖度时间序列,从而提取各类植被覆盖纯像元的植被覆盖度时间序列曲线;最后利用像元分解的方法提取MODIS像元内各类植被覆盖组分的植被覆盖度的变化规律,将其应用到该组分对应位置上SPOT像元的植被覆盖度上,从而将其变换到所需要的时相上。在密云水库上游进行试验,将覆盖研究区的10景SPOT5多光谱影像计算的植被覆盖度统一变换到7月上旬,结果显示:视觉效果上明显好转,且空间上连续一致;变换前后植被覆盖度的统计量对比结果也符合植被生长规律;利用外业样点数据与对应位置的植被覆盖度变换结果进行回归分析,结果发现各植被覆盖类型的R2均在0.8左右,表明变换结果与实测值非常接近,时相变换的效果较好,从而可以很好地促进相关研究精度的提高。     

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.     

多尺度遥感数据协同的干旱地区植被覆盖度提取

纯植被像元获取是植被覆盖信息遥感反演的必要环节。干旱地区植被分布零散稀疏,使用中、低分辨率遥感数据提取植被覆盖度时,难以获取纯植被像元,致使植被覆盖度提取精度较低。针对上述问题,本文提出一种基于多尺度遥感数据协同的干旱区植被覆盖度反演方法。该方法利用空间分辨率较高的Landsat-8 OLI数据确定纯植被像元,考虑到不同传感器之间的光谱差异,使用实测地物光谱数据进行光谱转换,代替中等分辨率MODIS数据的纯植被像元,应用于像元二分模型,选择典型的干旱区新疆阜康市为研究区,进行植被覆盖度反演实验,最后使用无人机航拍影像对反演结果进行精度验证。结果表明,植被覆盖度反演结果精度较高,与实测值间存在较高的相关性(R2=0.75),均方根误差较低(RMSE=0.10)。该方法能够有效提高干旱区植被覆盖度反演精度,可为利用中低分辨率数据研究干旱地区生态环境变化提供一种新思路。     

FAST电磁波宁静区植被覆盖度与地形因子的时空关系分析

植被覆盖度对FAST电磁波宁静区的生态系统环境变化有着重要指示作用, 研究选取2008年、2013年和2018年3个时期的Landsat TM/OLI影像, 获取FAST电磁波宁静区的植被覆盖度数据, 并探讨其与海拔、坡度、坡向等因子的时空变化关系。结果表明: (1)近10年来, 植被覆盖度整体呈增加的趋势, 且森林覆盖增加速率远高于退化速率; (2)根据IR-MAD变化检测来看, 植被覆盖变化较剧烈的区域沿道路和居民区分布, 此时受人类活动的影响较大; (3)地形因子不同程度地影响着植被覆盖度的变化, 中低山的植被覆盖度较高, 坡度较缓区域植被覆盖度占比大, 阳坡的植被覆盖度高于阴坡, 平地稀少植被覆盖可忽略不计。研究结果可为FAST电磁波宁静区生态环境保护提供参考价值。     

气候和土地利用变化对中国北方农牧交错带植被覆盖变化的影响

基于1986、2000年中国北方农牧交错带的遥感影像及研究区的气象数据,利用植被覆盖度信息提取模型研究了1986—2000年间研究区植被覆盖度的时空变化,并分析了气候和土地利用变化对植被覆盖度变化的影响.结果表明：1986—2000年,研究区高盖度植被的面积缩减,低盖度植被的面积增加;植被覆盖升高区主要位于该区东北段的东部、北段的西部和西北段的西部,其他地段的植被覆盖明显退化;植被覆盖度与降水、干燥度指数呈正相关,与温度呈负相关;不同土地利用类型的植被覆盖度变化方向和程度各异.     

滩涂湿地入侵种互花米草植被覆盖度的高空间分辨率遥感估算

互花米草是沿海滩涂生态系统的重要入侵物种,其分布状况和覆盖度是湿地生态研究的重要参数和基础。以宁德三沙湾(三都澳)滩涂湿地为研究区,以SPOT6 6 m空间分辨率卫星影像为数据源,对互花米草分布和植被覆盖度进行研究,并与同期10 cm空间分辨率无人机影像进行比较验证。结果表明,影像覆盖区域内互花米草总面积为20.19 km~2,其中蕉城区互花米草分布较广,面积为9.63 km~2,占研究区互花米草总面积的47.70%。互花米草植被覆盖度整体上以40%-60%和60%-80%的中、高覆盖度分布为主,其分布面积分别为5.44 km~2和4.95 km~2,占互花米草总分布面积的26.92%和24.52%,而40%以下的低覆盖度和80%以上较高覆盖度分布相对较少。SPOT6遥感影像估算得到的互花米草植被覆盖度具有较好的精度,与无人机影像值之间的均方根误差RMSE为0.117,线性回归决定系数R~2为0.918,可用于滩涂湿地植被覆盖度分析。     

温带大陆性半干旱季风气候区植被覆盖度时空变化及其地形分异研究

以内蒙古大青山为研究区，基于4期TM/OLI影像，提取NDVI，采用像元二分模型，计算植被覆盖度，探测温带大陆性半干旱季风气候区2000-2017年间植被覆盖度的分布格局、动态变化及其地形分异规律。研究结果表明：（1）研究期间，随着研究区从经济开发到国家自然保护区功能规划的改变，植被覆盖度先降低后升高，整体上趋向良好，平均有64.19%的区域以中高植被覆盖度为主。（2）植被覆盖度空间格局总体上呈"东高西低，南高北低"的分布特征。中高植被覆盖度集中在大青山呼和浩特段南部和乌兰察布段，而低植被覆盖度主要分布在西段山体。（3）研究期间，研究区32.46%的植被覆盖度得以改善，12.92%的植被退化，表明研究区植被覆盖度总体改善。（4）地形因子对研究区植被覆盖度分布格局影响显著：植被覆盖度随海拔升高呈增加趋势，在2000-2296m高程带最高。植被覆盖度与坡度正相关，坡度越高，植被覆盖度越大。植被覆盖度在不同坡向上差异明显，总体上呈现阴坡 > 平地 > 阳坡的分布规律。     

陕西省植被覆盖度变化特征及其成因

基于像元分解模型,利用2000—2009年MODIS NDVI数据(250m分辨率)定量分析了陕西省植被覆盖度的时空变化特征及其成因.结果表明:2000—2009年,陕西省植被覆盖度在波动中呈极显著增加趋势(P0.001),变化率为35.0%,植被覆盖度由2000年的56.9%增至2009年的68.9%,其中,陕北地区植被覆盖度的增幅尤为显著,榆林市、延安市植被覆盖度分别增加了21.6%和22.0%.研究期间,陕西植被覆盖整体改善、局地退化,改善极显著(P0.01)、显著(P0.05)的面积比例分别为37.8和11.9%,变化趋势不明显的面积占46.1%,退化的面积仅占4.2%;植被覆盖度变化率200%、100%～200%、10%～100%、-10%～10%和-10%的面积分别占研究区总国土面积的12.2%、13.3%、38.8%、29.3%和6.4%.2000—2009年,陕西省植被覆盖结构转好,高覆盖植被所占的面积呈极显著上升趋势(P0.001),增幅为10.0%;中覆盖植被所占的面积呈显著上升趋势(P0.05),增幅为8.4%;低覆盖植被所占的面积呈极显著下降趋势(P0.001),降幅为18.4%.陕西省植被覆盖度的增加是人类活动和自然因素共同作用的结果,封山育林、退耕还林等一系列生态建设工程的实施是陕北地区植被覆盖度增加的主要原因.     

基于SPOT NDVI的甘肃河东植被覆盖变化及其对气候因子的响应

基于1998—2011年SPOT NDVI和年均气温、降水数据,采用植被覆盖度法、趋势分析法及相关分析法对甘肃河东地区植被覆盖时空变化及其对气温和降水的关系进行研究。结果表明:河东地区植被覆盖度南高北低,依次为陇南山区甘南高原陇东高原陇中高原;近14年来植被覆盖度呈波动上升趋势,增速分别为陇南山区0.050 10 a-1、甘南高原0.009 10 a-1、陇东高原0.039 10 a-1、陇中高原0.023 10 a-1;植被覆盖轻度改善面积占37.20%,基本不变占59.75%,表明研究区植被覆盖稳中有所上升;河东地区植被NDVI与气温和降水的相关性各异,其中54.59%的地区植被NDVI与气温呈负相关,45.41%区域呈正相关;87.86%的地区植被NDVI与降水呈正相关,12.14%区域呈负相关;植被NDVI与降水正相关面积明显大于气温,说明降水是研究区植被生长的主导气候因子。     

基于无人机遥感监测滩涂湿地入侵种互花米草植被覆盖度

为了实现对沿海滩涂湿地资源与生态环境的有效管理与利用,需要对区域内的入侵种互花米草进行高精度的监测与分析.本文以福建三沙湾为试验区,以低空无人机获取的可见光和多光谱影像为数据源,对互花米草植被覆盖度进行监测与分析,通过NDVI指数模型获取了多光谱影像的植被覆盖度信息,以可见光影像为参考进行了精度检验.结果表明: 影像区互花米草植被覆盖度以40%～60%和60%～80%的中高和高等级覆盖度为主.NDVI模型估算值与真实值之间的均方根误差RMSE为0.06,决定系数R²为0.92,两者具有较好的一致性.     

Differentiating geological fertility derived vegetation zones in Kruger National Park,South Africa,using Landsat and MODIS imagery

Spatial technologies present possibilities for producing frequently updated and accurate habitat maps, which are important in biodiversity conservation. Assemblages of vegetation are equivalent to habitats. This study examined the use of satellite imagery in vegetation differentiation in South Africa's Kruger National Park (KNP). A vegetation classification scheme based on dominant tree species but also related to the park's geology was tested, the geology generally consisting of high and low fertility lithology. Currently available multispectral satellite imagery is broadly either of high spatial but low temporal resolution or low spatial but high temporal resolution. Landsat TM/ETM+ and MODIS images were used to represent these broad categories. Rain season dates were selected as the period when discrimination between key habitats in KNP is most likely to be successful. Principal Component Analysis enhanced vegetated areas on the Landsat images, while NDVI vegetation enhancement was employed on the MODIS image. The images were classified into six field sampling derived classes depicting a vegetation density and phenology gradient, with high (about 89%) indicative classification accuracy. The results indicate that, using image processing procedures that enhance vegetation density, image classification can be used to map the park's vegetation at the high versus low geological fertility zone level, to accuracies above 80% on high spatial resolution imagery and slightly lower accuracy on lower spatial resolution imagery. Rainfall just prior to the image date influences herbaceous vegetation and, therefore, success at image scene vegetation mapping, while cloud cover limits image availability. Small scale habitat differentiation using multispectral satellite imagery for large protected savanna areas appears feasible, indicating the potential for use of remote sensing in savanna habitat monitoring. However, factors affecting successful habitat mapping need to be considered. Therefore, adoption of remote sensing in vegetation mapping and monitoring for large protected savanna areas merits consideration by conservation agencies.     

基于不同光谱指数的植被物候期遥感监测差异

植被物候是陆地生态系统响应气候和环境变化的一项综合性指标.遥感光谱已经被广泛用于提取植被物候期,但遥感提取的物候期与站点观测差别很大,其物理意义尚不明确.本文选取中国东北部的一景MODIS数据(2000—2014年),分析了基于红波段和近红外波段的归一化差值植被指数(NDVI)和简单比植被指数(SR)提取的植被生长季起始期(SOS)和结束期(EOS)的差异.结果表明:两者的物候期存在显著差别,基于NDVI提取的SOS比SR提取的SOS平均早18.9 d,基于NDVI提取的EOS比SR提取的EOS平均晚19.0 d,NDVI得到的生长季长度更长.基于NDVI和SR提取的物候期的年际变化也存在显著差别,超过20%的像元SOS和EOS甚至表现出相反的年际变化趋势.上述差异与两种植被指数自身的季节曲线特征和抗噪性差异有关.NDVI与SR观测数据来源完全一致,仅数学表达形式不同,提取的物候期结果却存在显著差异.说明遥感监测的植被物候期高度依赖于植被指数的数学表达形式,如何建立可靠的植被物候期遥感提取方法仍需进一步研究.     

基于多种遥感植被指数、叶绿素荧光与CO2通量数据的温带针阔混交林物候特征对比分析

植被物候学作为研究植被与环境条件相互作用的科学,在全球气候变化的大背景下已成为国际热点研究领域,其中森林植被在调节全球碳平衡、维护全球气候稳定的过程中有着至关重要的作用。随着遥感技术的发展,多种遥感指数被应用到森林植被物候研究中,其中以MODIS NDVI和EVI应用最为广泛,而叶绿素荧光(SIF)作为植被光合作用的"探针"也被广泛应用于森林植被物候研究中。为了探究3种指数在森林植被物候研究中的差异与特性,本文以长白山温带红松阔叶林通量观测站为研究区域,采用模型拟合结合动态阈值法提取2007—2013森林物候特征参数,并使用通量数据(总初级生产力GPP)进行验证。结果表明:NDVI与EVI、SIF相比,表现为生长季开始时间与结束时间的明显提前和滞后,与GPP数据偏差较大,且夏季生长季峰期曲线形态过宽且平坦,无法较好反映生长季变化特征;EVI相较于NDVI有所改善,整体变化趋势与SIF、GPP基本吻合,但依然存在秋季衰减时间稍迟于SIF与GPP的问题;SIF虽然存在夏季骤降现象,但依然与GPP数据一致性最好,可以较好反映出森林植被季节变化特征。SIF数据与植被光合作用的紧密关联使其在植被物候研究中具有优于植被指数的准确性,并随着遥感平台的增加和反演方法的改善,将会在多尺度、多类型的植被物候监测中发挥更加重要的作用。     

黄土高原植被物候变化及其对季节性气候变化的响应

受气候变化影响,全球范围内植被物候发生了显著变化,而目前针对不同植被分区类型下（荒漠草原区、典型草原区、森林草原区、落叶栎林区、落叶栎林亚区）植被物候变化及其对季节性气候变化响应的研究尚少。因此基于MODIS遥感归一化差值植被指数（MODIS NDVI：MOD13Q1）数据、中国植被区划数据及135个气象站点插值数据,利用Sen''s斜率估计、Hurst指数和高阶偏相关分析等方法,研究黄土高原2001-2018年植被物侯变化及其对季节性气候变化的响应。结果表明：（1）黄土高原植被生长季始期（SOS,Start of Growing Season）主要集中在第96-144天,子植被分区由西北向东南方向,逐渐呈现提前趋势,71.0%的像元植被SOS整体提前0-2 d/10a （α=0.05）,且在未来一段时间66%的像元植被SOS继续呈现提前趋势;植被生长季末期（EOS,End of Growing Season）主要集中在第288-304天,各子植被分区植被EOS变化基本保持一致,87.6％的像元植被EOS整体延迟0-3 d/10a （α=0.05）,且在未来一段时间有80%的像元植被EOS继续呈现推迟趋势。（2）黄土高原植被SOS主要受各季节温度的影响;当年春季降水导致植被SOS提前,主要分布在黄土高原中部;上年夏季和上年秋季降水增加会导致植被SOS推迟;当年春季、上年秋季和年初冬季的温度升高均会导致植被SOS提前;各子植被分区植被SOS对不同季节降水的响应存在差异,而对不同季节温度的响应具有一致性。（3）黄土高原植被EOS主要受各季节降水和秋季温度的影响;不同季节降水增加均会导致大部分植被EOS推迟;当年秋季温度导致整体区域植被EOS推迟,且各子植被区植被EOS对当年秋季温度响应具有一致性。该研究可为大尺度植被物候影响因素提供新的认识,也为植被适应未来气候变化提供借鉴。     

湖北省地区植被覆盖变化及其对气候因子的响应

归一化植被指数(NDVI)作为一个重要的遥感参数,能够准确地反映植被覆盖程度和植被生长状况、生物物理化学性质及生态系统参数的变化,其时序数据也已成为基于生物气候特征开展大区域植被和土地覆盖分类的基本手段。基于2001—2012年MODIS-NDVI数据,利用趋势分析法以及线性相关分析等方法对湖北省植被年际变化趋势、月变化趋势进行详细分析;并且研究该区植被覆盖时空变化及其与气温和降水的关系。结果表明近12年来,研究区大部分区域植被覆盖度良好,其中鄂西北及鄂南地区NDVI值较高为0.82,鄂中东部城市NDVI值较低为0.13;2001—2012年间年均NDVI整体呈增加趋势,增速1%/10a;植被覆盖度基本不变区域占研究区总面积的92.8%,大致符合我国中部地区植被覆盖变化趋势;分析NDVI与气候因子的相关关系可知,降水量对湖北植被NDVI年变化起有重要影响;逐月NDVI与月平均气温及月降水量的回归分析表明,降水和气温对生长季不同月份的植被NDVI影响明显不同,同时呈现一定的滞后性。     

基于像元三分模型的锡林郭勒草原光合植被和非光合植被覆盖度估算

定量的估算草原光合植被覆盖度(f_(PV))和非光合植被覆盖度(f_(NPV))对草原畜牧业和土地荒漠化具有重要的意义。以锡林郭勒盟西乌珠穆沁旗为研究区,以MODIS 500 m分辨率地表反射率产品MOD09GHK为数据源,采用干枯燃料指数(DFI)指数构建NDVI-DFI像元三分模型估算了锡林郭勒草原的fPV和f_(NPV),并分析了锡林郭勒草原fPV和f_(NPV)的动态变化。研究结果表明:锡林郭勒草原NDVI-DFI特征空间表现为三角形,与理论上的概念模型基本一致,符合像元三分模型的基本假设;NDVI-DFI像元三分模型适用于对草原黄枯期_(NPV)的监测,对草原生长期_(NPV)监测并不十分敏感;利用NDVI-DFI像元三分模型估算的fPV和f_(NPV)动态变化与牧草物候发育特征相吻合,可以有效的估算典型草原地区fPV和f_(NPV)值,进一步将其应用于长时间序列的典型草原fPV和f_(NPV)动态变化分析。     

Assessing seasonal and long-term mangrove canopy variations in Sinaloa,northwest Mexico,based on time series of enhanced vegetation index (EVI) data

The use of remote sensing tools for mangrove monitoring is currently a strategy used to preserve this important coastal vegetation type. However, the temporal resolution of most satellite imagery limits the analysis of seasonal changes. Here, seasonal trend analysis (STA) was performed using an enhanced vegetation index (EVI) monthly time series (2005–2016) edited from MOD13Q1 products (MODIS Terra), to detect changes in mangrove cover in Sinaloa State in northwestern Mexico. The results were compared with a baseline map derived from a post-classification comparison of two mangrove distribution maps of 2005 and 2015. The STA procedure enabled the identification of mangrove canopy seasonal cycles, with open canopies between May and July and closed canopies from August to October. It was also possible to detect annual and long-term changes in canopy, with positive trends observed in most of Sinaloa’s mangrove ecosystems, which partially agree with the post-classification comparison results. Despite their coarse resolution, using the MODIS EVI products proved to be useful to confidently detect short- and long-term changes in mangrove cover, particularly in large ecosystems. Consequently, land use change analyses using these inputs could help to take actions related to mangrove cover management, considering the trends of change in this vegetation type.

     

基于多时相Landsat5/8影像的岷江汶川-都江堰段植被覆盖动态监测

植被覆盖度是衡量地表植被状况和指示生态环境变化的一个重要指标。基于像元二分模型,利用Landsat5/8遥感影像和DEM数据,对岷江汶川-都江堰段植被覆盖动态变化进行了监测,并结合高程、坡度和坡向数据,分析了汶川地震前后植被受损与恢复的空间动态格局变化。研究表明:植被覆盖总体良好,大部分区域的植被覆盖度均在中、高度以上,空间格局上呈现由汶川县东部、都江堰市西北部的龙门山区向两侧减少的总体趋势;地震造成植被受损面积达63808.7 hm~2,且集中分布于海拔567—4331 m、坡度26—51°的范围以及东坡、北坡、南坡和西坡;震后5a,植被恢复面积17786.47 hm~2,主要分布在海拔576—2180 m与3256—3793 m、坡度小于9°和26—51°以及东坡、东南坡和和南坡;高程和坡度对植被损毁与恢复的影响明显高于坡向。     

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.