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.     

利用亚像元尺度信息改进区域冬小麦生长的模拟

为了探寻遥感观测面尺度与作物模型模拟点尺度不匹配问题的解决方案并改善区域作物生长模拟精度,以河南省鹤壁市为研究区,以冬小麦为研究对象,基于MODIS、Landsat 8遥感数据和Wheat SM作物生长模型,通过MODIS LAI过程线重建、亚像元尺度信息提取、集合卡尔曼滤波同化等方法,进行了冬小麦生长模拟的研究。结果表明:通过MODIS LAI过程线重建并提取亚像元尺度信息,冬小麦纯度在80%以上的遥感反演LAI与冬小麦两个关键生育期实测冠层LAI的均方根误差(RMSE)为0.69,以最近邻域法赋值到整个模拟区域,研究区2013—2017年模拟总产和实际总产相比的RMSE在未同化遥感反演的LAI信息时为6.73×108kg,同化未利用亚像元尺度信息调整的遥感估算LAI时,RMSE上升到8.24×108kg,同化利用亚像元尺度信息分区赋值的遥感LAI时,RMSE下降到3.48×108kg。利用亚像元尺度信息生成与作物模型时空尺度匹配的格点化LAI遥感产品,可提高作物生长模型区域化应用的精度。     

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。     

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。     

生态恢复背景下陕北地区植被覆盖的时空变化

基于2000-2008年的MODIS影像,通过归一化植被指数(NDVI)像元二分模型对退耕还林(草)、水土流失综合治理等生态恢复措施驱动下陕北黄土高原生态脆弱区的植被覆盖度进行了动态评估.结果表明:2000-2008年,陕北地区植被覆盖度年内呈波动趋势,3月的植被覆盖度最差,8月最好;植被覆盖度空间分布的总体趋势是从西北向东南逐渐增加;年最大植被覆盖度在研究期间表现为明显增加;植被覆盖度组成中,低等植被覆盖度面积减少,中等植被覆盖度面积增加;植被覆盖度增加地区的面积占全区一半以上,以研究区东北部尤为明显.研究区植被覆盖度的显著增加是气候和人为因素综合作用的结果,一定程度上反映了生态恢复重建措施的有效性.像元二分模型可以准确模拟区域尺度上植被覆盖度的时空变化趋势,在区域植被恢复效果定量监测与评估方面具有适用性.     

基于无人机低空遥感的荒漠植被覆盖度与归一化植被指数验证及其对水热梯度的响应

为了验证在荒漠地区MODIS-NDVI产品的精度以及为在气候变化背景下荒漠草地的科学管理提供依据,本文利用无人机低空遥感研究了干旱荒漠地区植被覆盖度(FVC)和归一化植被指数(NDVI)对水、热梯度的响应规律。在内蒙古阿拉善荒漠地区的100个样点采用GreenSeeker手持光谱仪获得NDVI值(NDVI_R),通过MODIS-NDVI数据产品提取每个样点的NDVI(NDVI_M),借助NDVI_R验证NDVI_M的精确度;通过无人机遥感手段获得每个采样点的FVC(FVC_U),利用像元二分模型反演每个样点的FVC(FVC_M),借助FVC_U验证FVC_M的精确度;并结合气象数据探讨基于无人机低空遥感的荒漠地区FVC和NDVI对水热梯度的响应。结果表明: MODIS-NDVI数据产品能够反映阿拉善地区的NDVI,精确度为84.2%,但比真实值高15.7%;FVC_M能够反映阿拉善地区的FVC状况,精确度为83.1%,但比真实值低14.8%;不同采集方式获得的NDVI受气象因子的影响程度不同,NDVI不仅受气温和降雨的影响,也受地温、蒸发量以及两者相互作用的影响,由于受大气影响程度不同, NDVI_M受地温、蒸发量、降水量的影响比NDVI_R大,NDVI_R受气温的影响比NDVI_M大。在阿拉善地区研究FVC随水热梯度的变化不仅要考虑降水量和气温,还应考虑蒸发量、地温以及气象因子之间相互作用的影响,其中,气温与降雨、蒸发量与地温以及气温与蒸发量之间相互作用对FVC_U的影响较大。     

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。     

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.     

阿克苏河流域土壤湿度反演与监测研究

以新疆阿克苏河流域为研究区,以GF-1 WFV和Landsat8 OLI两种高分辨率遥感影像为数据源,结合102个不同深度层的土壤湿度实测数据,选择垂直干旱指数(PDI)、改进型垂直干旱指数(MPDI)和植被调整垂直干旱指数(VAPDI),对土壤湿度指数反演的效果进行比较和验证。结果表明,两种数据源下的PDI、MPDI、VAPDI与土壤湿度实测含水量的决定系数较高,尤其是0—10 cm的相关性最强,平均决定系数达到0.68,说明基于光学遥感影像近红外和红光波段反射率构建的反演指数对近地表层土壤湿度信息更敏感,但对地下较深层次的土壤湿度反演精度略低;MPDI和VAPDI能够在一定程度上克服混合像元对土壤湿度光谱信息的影响,反演的精度要比PDI高,尤其是高植被覆盖度区,采用垂直植被指数(PVI)修正的VAPDI反演精度最佳;基于两种遥感数据源的土壤湿度空间异质性基本一致,但空间分辨率较高的GF-1 WFV模拟的土壤湿度空间分异更加精细和明显。研究结果可为"一带一路"背景下干旱半干旱地区大范围和动态监测土壤湿度、开展定量节水灌溉等提供理论基础和实践参考。     

内蒙古镶黄旗草地蝗虫潜在发生可能性评价

以内蒙古草地蝗虫产卵期、越冬期和孵化期的关键气象影响因子作为草地蝗虫气象适宜度指数构建的主要因子,对内蒙古镶黄旗2010年草地蝗虫潜在发生的气象适宜性进行评价;根据当年7月上中旬在镶黄旗的实地调查资料,选取海拔、坡向、土壤类型、土壤含砂量、植被类型、植被盖度、土地覆被类型7个相对稳定的生境因子,用模糊评判方法和3S（GIS、RS、GPS）技术对该旗草地蝗虫潜在发生的生境适宜性进行评价;最后通过构建气象-生境适宜性综合评价模型,得到该旗2010年草地蝗虫潜在发生可能性（POG）等级,并用2010年实测数据和2001-2010年历史数据对模型模拟的蝗虫发生位置和蝗灾发生面积进行验证.结果表明：用本文所建气象-生境适宜性综合评价模型对镶黄旗POG等级的评价结果是可靠的.该旗草地蝗虫潜在发生的气象适宜性等级非常一致,绝大多数为适宜等级;蝗虫潜在发生源地的空间异质性主要与生境因子有关,在海拔1300～1400 m的平地/东坡/南坡、植被盖度30%～50%的温带丛生禾草草原、土壤含砂量60%～80%的典型栗钙土的生境条件下,草地蝗虫潜在发生的可能性最高.     

遥感GPP模型在中亚干旱区4个典型生态系统的适用性评价

总初级生产力（GPP）是全球生态系统碳循环的重要组成部分,对全球气候变化有重要影响。目前有多种遥感模型可以模拟总初级生产力,比较不同遥感模型在中亚干旱区上的适用性对推进全球干旱区碳收支估算具有重要意义。基于涡度协相关技术观测的四个地面站数据验证MOD17、VODCA2、VPM、TG、SANIRv五种模型的模拟精度。结果表明：（1）基于光能利用率理论的MOD17、VPM模型模拟咸海荒漠植被和阜康荒漠植被GPP的精度最高（R²分别为0.52和0.80）,但在模拟草地、农田生态系统生产力时存在较明显的低估（RE>20%）;基于植被指数的遥感模型TG模型、SANIRv模型模拟巴尔喀什湖草地生态系统和乌兰乌苏农田生态系统GPP的精度最高（R²分别为0.91和0.81）,同时模拟值与实测值的相对误差也较低;基于微波的VODCA2模型模拟各生态系统生产力的效果最差。（2）水分亏缺是限制植被GPP的主要因素,因此是否合理考虑水分胁迫是影响GPP模型在中亚干旱区适用性的重要因素。研究揭示了遥感GPP模型在中亚干旱区的应用潜力,为推进全球植被碳通量的准确估算提供参考。     

塔里木河下游河岸带植被的空间结构特征

揭示我国内陆河流域下游河岸带植被的空间结构特征, 对于了解我国西北干旱区荒漠河岸带植被的空间分布规律、指导荒漠化治理和内陆河水资源管理具有重要意义。该研究基于野外大范围植被调查数据支持下的遥感监督分类方法, 利用Landsat-8 OLI遥感数字图像, 辨识了塔里木河下游柽柳(Tamarix spp.)灌丛、胡杨(Populus euphratica)疏林和芦苇(Phragmites australis)草地3类主要的河岸带植被, 并利用建立的叶面积指数(LAI)遥感反演经验模型反演了研究区柽柳灌丛和胡杨疏林的叶面积指数, 旨在从区域尺度和总体趋势上分析荒漠河岸带植被的空间结构和分布特征。结果表明: 在有详细地物资料的基础上, 遥感监督分类可以作为一种干旱区荒漠河岸带植被分类的有效方法; 遥感分类结果显示塔里木河下游胡杨疏林分布面积约336.4 km², 柽柳灌丛约为405.3 km², 胡杨疏林总体更靠近河道, 柽柳灌丛分布范围更广; 河岸带植被LAI整体很低, 柽柳灌丛和胡杨疏林平均LAI值分别为0.253和0.252, LAI小于0.5的植被对应面积分别占柽柳灌丛和胡杨疏林总面积的92.4%和90.1%, 表明了塔里木河下游荒漠河岸植被空间上稀疏分布的特征; 统计结果显示, 河岸带植被结构存在巨大的空间变异性, 其中胡杨疏林比柽柳灌丛的空间变异性更大; 河岸带植被LAI随距河道距离呈现显著负指数分布规律, 在离河道1 km范围内LAI随离河道距离快速下降, 而1 km外区域叶面积指数普遍低于0.1, 表明植被主要分布在河道两侧1 km范围内。整体稀疏的空间分布、显著的空间变异性, 以及由LAI体现的植被盖度随距河道距离的负指数下降规律是荒漠河岸带植被空间结构的3个基本特征。     

Vegetation Mapping of the Mond Protected Area of Bushehr Province (South-west Iran)

Add regions of the wodd occupy up to 35% of the earth's surface, the basis of various definitions of climatic conditions,vegetation types or potential for food production. Due to their high ecological value, monitoring of add regions is necessary and modem vegetation studies can help in the conservation and management of these areas. The use of remote sensing for mapping of desert vegetation is difficult due to mixing of the spectral reflectance of bright desert soils with the weak spectral response of sparse vegetation. We studied the vegetation types in the semiarid to arid region of Mond Protected Area, south-west Iran, based on unsupervised classification of the Spot XS bands and then produced updated maps.Sixteen map units covering t2 vegetation types were recognized in the area based on both field works and satellite mapping. Halocnemum strobilaceum and Suaeda fruticosa vegetation types were the dominant types and Ephedra foliata,Salicornia europaaa-Suaeda heterophylla vegetation types were the smallest. Vegetation coverage decreased sharply with the increase in salinity towards the coastal areas of the Persian Gulf. The highest vegetation coverage belonged to the riparian vegetation along the Mond River, which represents the northern boundary of the protected area. The location of vegetation types was studied on the separate soil and habitat diversity maps of the study area, which helped in final refinements of the vegetation map produced.