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.     

基于多端元光谱分解的干旱区植被覆盖度遥感反演

植被覆盖度是评价陆地生态系统状况与土地荒漠化程度的重要指标.利用环境一号(HJ-1)小卫星上搭载的新型高光谱传感器HSI获取的数据,通过纯净像元指数和端元平均均方根误差相结合的方法提取合适的端元光谱,然后基于多端元混合像元分解(MESMA)模型,反演了新疆石河子地区的植被覆盖度(FVC).通过与线性光谱分解(LSMA)模型反演结果以及地面样方数据进行比较,对HJ-1/HSI数据反演结果进行精度评价与光谱验证.结果表明:MESMA模型能对不同的像元选取不同端元组合,更接近实际情况,比LSMA模型能更好地提取植被覆盖度信息;与LSMA模型相比,MESMA模型反演的FVC值与地面实测数据的相关系数从0.766提高到0.838,均方根误差从0.375减少到0.196.     

基于遥感估算方法的干旱区植被覆盖度适应性评价

与浓密植被覆盖区相比,半干旱、干旱地区因植被覆盖较少、空间分布零散的特点,致使利用遥感手段提取植被覆盖度(vegetation fractional coverage,VFC)的精度较低。针对上述问题,本文首先分别讨论了回归模型法、像元二分法和混合像元分解法3种典型的VFC提取方法在干旱区VFC反演应用中的适应性及限制性因素;然后通过分析干旱区纯土壤端元植被指数值(NDVIs)对植被覆盖度的敏感性,将基于地面光谱测量的NDVIs应用于传统方法进行改进,以新疆大黄山典型干旱区为例,使用Landsat-8 OLI数据,进行植被覆盖度反演实验,最后使用实测VFC数据对反演结果进行精度验证。验证结果表明:基于混合像元分解理论的全约束最小二乘法在干旱区植被覆盖度的反演精度最高,反演值与实测值间的相关性(R~2)达到0.989,其次为改进的像元二分法(R~2=0.848)和回归模型法(R~2=0.827)。     

基于实测光谱混合像元分解的苹果园地遥感提取技术

以山东省栖霞市为研究区,对苹果花期的TM影像进行混合像元分解,提取苹果园地信息.基于实测地物光谱端元,利用小波变换对线性分解模型进行改进,采用实测端元改进后线性分解模型、实测端元线性分解模型、TM影像端元线性分解模型分别提取研究区苹果园地信息,并以ALOS数据进行精度评价.结果表明:经过精确的大气及地形校正后,可以利用实测光谱端元进行混合像元分解,面积精度＞97％,对丰度图像的归一化植被指数(NDVI)值与ALOS数据的平均NDVI值进行回归分析,R2＞0.8;利用小波变换对线性分解模型进行改进,可在一定程度上提高分解精度.     

不同端元模型下湿地植被覆盖度的提取方法——以北京市野鸭湖湿地自然保护区为例

植被覆盖度作为反映湿地植物生长状况的重要生态学参数,在评估和检测湿地生态环境方面起着关键的作用.以华北内陆典型的淡水湿地——北京市野鸭湖湿地自然保护区为研究对象,中等分辨率的Landsat TM影像为数据源,基于线性光谱混合模型(LSMM)对研究区的植被覆盖度进行了估算.针对湿地植被类型丰富、土地利用类型多样化的特点,利用归一化植被指数(NDVI)在反映植物生长状况、覆盖程度以及区分地表覆盖类型方面的优势,通过对原始Landsat TM影像增加NDVI数据维对影像进行维度扩展,克服了传统研究中通常从Landsat TM影像上提取3-4种端元的局限,经最小噪声分离变换(MNF变换)、纯像元指数(PPI)计算以及人机交互端元选取等一系列运算,构建以陆生植物、水生植物、高反射率地物、低反射率地物、裸露土壤为组分的五端元模型来反映研究区的地物组成;同时,以原始Landsat TM影像为基础,构建植物、高反射率地物、低反射率地物、裸露土壤为组分的四端元模型.针对两种端元模型,采用全约束下的LSMM算法进行混合像元分解以获取研究区的植被覆盖度,其次辅以研究区的纯水体信息对其进行优化.精度检验采用相同时期的高分辨率WorldView-2多光谱影像来进行.研究表明:虽然四端元模型与五端元模型对植被覆盖度的估算结果在空间上具有基本一致的分布趋势,但是前者的估算结果在数值上要普遍低于后者,在研究区的水体及其附近,四端元模型难以体现水生植物的植被覆盖信息;另外,五端元模型的估算结果与检验数据的相关系数R达到0.9023,均方根误差(RMSE)为0.0939,明显优于四端元模型的R=0.8671和RMSE=0.1711.这反映了通过对影像进行维度扩展的方法来改进端元提取的数量是可行的,而由此构建的五端元模型可以更充分的反映研究区地物之间的光谱差异,从而获得更好的估算精度.     

基于Hyperion的锡林郭勒草原光合植被、非光合植被覆盖度估算

掌握草原生态系统光合植被覆盖度(fPV)与非光合植被覆盖度(fNPV)时空动态对了解干旱半干旱草原生态系统特征(覆盖状况、火灾负载、载畜量、干扰及恢复等)及进行科学、有效地草地资源管理具有重要的意义。选取锡林郭勒典型草原为试验区,以Hypeiron高光谱数据为数据源,利用NDVI-CAI三元线性混合模型对试验区fPV和fNPV的时空动态分布进行了估算,并对不同端元选择方法(最小包含端元特征法、纯净象元指数法和实测法)对估算结果的影响进行了比较分析。研究结果表明,NDVI-CAI三元线性混合模型是同时估测锡林郭勒草原fPV和fNPV的有效方法,且估算的fPV和fNPV的季节变化与牧草的物候发育特征相吻合。不同端元选择方法对估算精度具有一定的影响,其中基于最小包含端元特征法提取端元进行估算的精度最高,fPV估算的均方根误差RMSE=4.57,估算精度EA=91.2%;fNPV估算的RMSE=5.90,EA=67.91%(样本数N=52)。     

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。     

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.     

基于LSMM和改进的FCM提取城市植被覆盖度——以北京市海淀区为例

植被是城市生态系统的重要组成部分,及时获取植被覆盖信息对城市生态环境监测具有重要意义。利用中分辨率Landsat TM遥感数据,采用线性光谱分解模型(LSMM)开展城市植被覆盖度提取;同时,通过改进训练样本选择方式,在最小噪声变换(MNF)、像元纯净指数分析(PPI)、N维可视化分析基础上得到端元样本,再运用模糊C-均值(FCM)获取植被覆盖度;最后以高分辨率SPOT5遥感数据对两种方式的提取结果进行精度检验。结果显示,基于LSMM和改进的FCM提取的城市植被覆盖度与检验数据相关系数分别为0.8252和0.9381,后者可以较好地处理其他要素的非线性影响,因而具有较高精度。     

Fractional Vegetation Cover Estimation Based on an Improved Selective Endmember Spectral Mixture Model

Vegetation is an important part of ecosystem and estimation of fractional vegetation cover is of significant meaning to monitoring of vegetation growth in a certain region. With Landsat TM images and HJ-1B images as data source, an improved selective endmember linear spectral mixture model (SELSMM) was put forward in this research to estimate the fractional vegetation cover in Huangfuchuan watershed in China. We compared the result with the vegetation coverage estimated with linear spectral mixture model (LSMM) and conducted accuracy test on the two results with field survey data to study the effectiveness of different models in estimation of vegetation coverage. Results indicated that: (1) the RMSE of the estimation result of SELSMM based on TM images is the lowest, which is 0.044. The RMSEs of the estimation results of LSMM based on TM images, SELSMM based on HJ-1B images and LSMM based on HJ-1B images are respectively 0.052, 0.077 and 0.082, which are all higher than that of SELSMM based on TM images; (2) the R² of SELSMM based on TM images, LSMM based on TM images, SELSMM based on HJ-1B images and LSMM based on HJ-1B images are respectively 0.668, 0.531, 0.342 and 0.336. Among these models, SELSMM based on TM images has the highest estimation accuracy and also the highest correlation with measured vegetation coverage. Of the two methods tested, SELSMM is superior to LSMM in estimation of vegetation coverage and it is also better at unmixing mixed pixels of TM images than pixels of HJ-1B images. So, the SELSMM based on TM images is comparatively accurate and reliable in the research of regional fractional vegetation cover estimation.     

基于WorldView 2影像的矿区植被重建效果评估

植被盖度反映植被质量,是评价矿区复垦土地植被重建效果的重要指标。该文选择安太堡矿区为案例区,基于高空间分辨率World View 2(WV 2)影像新波段,使用混合像元模型和实地数据验证相结合的方法计算得到研究区的植被盖度,并对植被重建效果进行了评估,主要得到以下结论:(1)基于WV 2影像的近红外2波段和红波段,采用混合像元法得到的植被盖度反演值Fc_2与实测值最为接近,相关性最强(R~2=0.934),均方根误差最小(RMSE=0.048);(2)研究区植被重建效果整体较好,中等、较高和高植被盖度区域占研究区的60%以上,低植被盖度仅占22.09%。受植被重建年限和管理措施的影响,不同复垦区域植被重建状况之间存在着差异,内排土场、西排土场、南排土场的植被重建效果较好,而西排土场扩大区植被状况相对较差,其中等及以上植被盖度所占比例依次为75.24%、68.35%、68.20%、22.29%。(3)就植被组合模式看,乔灌草模式重建效果(按冠层盖度)最好,其次是乔草模式,其他模式如灌草、草地、自然恢复地依次降低。土壤表层水分含量随着复垦地植被盖度的增大而增大,说明植被重建状况对土壤表层的水分保持具有重要作用。     

大气校正对毛竹林生物量遥感估算的影响

基于Landsat TM影像对毛竹林生物量进行了估算,并利用6种大气校正方法(FLAASH、6S、DOS1～DOS4)分析了大气校正对毛竹林生物量遥感估算的影响.结果表明：6种大气校正模型均能有效地消除大气影响;不同大气校正模型校正后,归一化植被指数(NDVI)与毛竹林生物量之间的关系得到很好改善;对于同一种大气校正方法而言,NDVI、红外指数（II）和近红外指数（MI）与生物量之间关系的差异较大,说明在探讨植被指数的生物物理意义时必须进行大气校正;与其他5种模型相比,DOS3模型校正后的Landsat TM数据与毛竹林生物量之间具有最高的相关系数,但6种校正模型校正前后Landsat TM数据与毛竹林生物量之间的相关系数没有显著差异,说明采用单一时相遥感影像建立多元线性回归模型估算生物量时,可以不进行大气校正.     

高原河谷城市植被时空变化及其影响因素——以青海省西宁市为例

高原型河谷城市具有特殊的自然地理与气候特征,生态环境脆弱,城市化引起的生态环境问题日益突出。植被作为其生态系统的载体,响应更加敏感。深入研究高原型河谷城市的植被变化及其影响因素,对促进西部大开发及城市化健康发展,建立良好的城市人居、生态环境具有重要的现实意义。西宁市作为典型的高原型河谷城市,植被覆盖在城市化与退耕还林(草)政策共同作用下变化明显。基于植被-不透水表面-土壤(V—I—S)模型,以西宁市城市规划区1995年与2009年两期landsat TM影像为数据源,利用线性光谱混合模型进行混合像元分解,获取研究区植被覆盖度的空间分布。通过整体分析、转移矩阵分析,格网分析等技术手段,研究植被时空变化特征并分别探讨川道与丘陵植被变化的影响因素。结果表明:研究期内,西宁城市规划区平均植被覆盖度维持在30%左右。2009年与1995年相比植被覆盖度出现下降,植被覆盖空间差异略有减小。在数量上,基本无覆盖、中覆盖、高覆盖等级呈增加趋势,低覆盖、全覆盖呈下降趋势。研究区西北部及西南部丘陵区植被覆盖整体趋于好转,主要由中低丰度植被等级变化而来,原因在于2000-2005年湟中县累计退耕还林(草)54.91km~2,累计造林247.98km~2,使研究区西北部植被覆盖等级提高,表明西宁市退耕还林(草)工程对于改善植被覆盖效果明显。同时丘陵区植被变化与气候影响趋势相同,表明其植被变化可能也受气候变化影响。城市扩展方向及强度对其周边植被覆盖的影响突出。市区快速扩张及农业退化使川道内中高丰度植被覆盖整体退化趋势明显。主要原因在于2000年后西宁进入快速发展期,城市用地规模迅速增大,川道内城市周边大量中高覆盖等级植被转变为基本无覆盖等级,造成植被退化。川道内城市区域植被变化与气候影响趋势相反,表明本文研究结果可能低估了城市化对川道内植被变化的影响幅度,相比气候影响,人为活动的影响更加强烈。研究区内植被覆盖等级的变化趋势为植被覆盖较差的等级(基本无覆盖和低覆盖)向高一级别发展,得益于退耕还林(草)工程;中等级别以上的覆盖等级出现一定程度的退化,尤其是位于川道中受到城市化干扰的区域植被退化问题尤为突出,需对这些区域采取植被保育措施,避免植被覆盖高等级区域受到城市化影响造成不可逆转的退化。     

春小麦对不同灌水处理的气孔反应及其影响因子

选用3个春小麦品种（系）,采用大田试验方法,在冬灌1800 m³·hm^-2的基础上,在生育期设3次灌水处理（T₁）、2次灌水处理（T₂）和1次灌水处理（T₃）,每次灌水1050 m³·hm^-2,研究土壤水分对春小麦生育期气孔导度的影响及气孔导度与相关环境因素的关系.结果表明：灌水处理对春小麦生育期气孔导度的影响较大,气孔导度随着灌溉次数的减少逐渐降低,同时不同基因型间存在差异.从拔节期到开花期,不同处理春小麦气孔导度变化一致,都呈先升高后降低趋势, 在抽穗期达到峰值;开花期之后各处理出现差异,T₁各品种气孔导度先下降后上升,T₂品种间表现不同,T₃一直呈下降趋势.各环境因子中,大气相对湿度对春小麦气孔导度的影响最大,两者的相关系数在T₂和T₃中分别达显著(0.82^*)和极显著水平(0.92^**).春小麦适应水分亏缺的气孔调节机理为反馈式调节.     

典型矿区植被覆盖度时空分布特征及影响因素

植被状况可以直接或间接地反映采煤对生态环境的影响。以长河井工煤矿、离柳井工煤矿、平朔露天煤矿3个典型矿区为研究区域。以Landsat数据为数据源，基于地形调节植被指数的像元二分模型提取植被覆盖度；采用趋势分析、线性回归斜率、稳定性分析方法，分析了3个典型矿区2001-2016年植被覆盖度的时空变化特征；运用"以时间换空间"的方法，采用相关分析方法对植被覆盖度变化的自然影响因素进行了分析。结果表明：（1）近16年3个典型矿区植被覆盖度呈增加趋势，长河、离柳、平朔矿区的增长速率分别为0.09%/10 a、0.10%/10 a、0.08%/10 a（P > 0.05）。（2）空间上，长河、离柳、平朔矿区植被覆盖度变化不明显比例分别占到66.63%，59.90%，62.25%，呈增加趋势的比例仅分别占28.14%、32.55%、27.81%，而呈减少趋势的比例分别占到5.23%、7.55%、9.94%。长河矿区明显改善的区域位于自然植被和耕作区的北部和东北部，离柳矿区明显改善的区域位于以低植被覆盖度为主的北部，平朔矿区明显改善的区域位于复垦的中西部。（3）不区分植被类型时，3个矿区的植被覆盖度变化与高程、高程与温度的交互作用表现出显著相关性（P < 0.01），与各自然因素的相关性总体表现为长河 > 离柳 > 平朔矿区；区分植被类型时，草地与坡度的相关性不显著（P > 0.05），与降雨量、高程存在显著正相关（P < 0.05）；灌木林与温度相关性不显著，与高程和降雨量的交互作用存在显著正相关；旱地与高程、高程与温度的交互作用存在显著相关性；疏林地与坡向、降雨量与坡向坡度的交互作用均没有表现出相关性；有林地与高程降雨量的交互作用表现出显著正相关性。探讨不同植被类型对自然因素的响应，可为矿区植被结构的选择，矿区复垦提供参考依据。     

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     

乌兰布和沙漠东北缘荒漠-绿洲过渡带植被地上生物量估算

干旱区荒漠植被地上生物量是植被生长状况评价与荒漠化监测的重要指标。在乌兰布和沙漠东北缘的荒漠-绿洲过渡带选取典型区,基于地面调查数据构建主要植物种的异速生长方程,对样方内的植被地上生物量进行估算;基于样方调查数据和Quick Bird影像数据,分别建立植被指数与人工固沙林和荒漠植被地上生物量的回归模型,并对研究区植被地上生物量进行估算。结果表明:植冠体积V是较好的预测变量,所得荒漠植物异速生长方程精度较高,能够满足样方内荒漠植被地上生物量估算需要;采用RVI对数模型估算人工固沙林地上生物量的效果最好(R~2=0.72,RMSEP=56.15),采用RVI线性模型估算荒漠植被地上生物量的效果最好(R~2=0.82,RMSEP=15.07);研究区内荒漠植被和人工固沙林的单位面积地上生物量分别为90.73g/m~2和105.28g/m~2。该研究可以为荒漠化监测和荒漠植被遥感信息提取提供参考。