基于混合像元分解的 MODIS 绿潮覆盖面积精细化提取方法研究

在绿潮遥感业务化监测中,250 m 分辨率的 MODIS 卫星数据是主要数据源,归一化差值植被指数（ND-VI）是绿潮卫星遥感信息提取的主要方法。研究发现,由于 MODIS 空间分辨率较低,存在大量的混合像元,导致提取的绿潮覆盖面积明显偏大。针对该问题,本文在 MODIS 绿潮 NDVI 计算的基础上,首先对大于 NDVI 阈值的像元进行混合像元分解,得到 MODIS NDVI 混合像元分解后的绿潮面积,然后以准同步的30 m 分辨率 HJ-1 CCD 影像提取的绿潮覆盖面积为真值,建立了 MODIS NDVI 混合像元分解得到的绿潮面积与 HJ-1提取的绿潮面积之间的关系模型,以实现绿潮面积的精细化提取。与传统的 NDVI 阈值法和混合像元分解法相比,该方法提取的绿潮覆盖面积更接近于“真值”,面积约为“真值”的96％,而传统的 NDVI 阈值法和混合像元分解方法提取的面积分别为“真值”的2．96倍和45％。另外,与传统的 NDVI 阈值法相比,新方法对 NDVI 阈值变化不敏感,在相同的 NDVI 阈值变化区间内,前者提取的绿潮覆盖面积变化了41％,而新方法的变化仅为11％。本文的工作在很大程度上解决了 MODIS 空间分辨率低导致的绿潮监测结果不准确的问题,为精细化的绿潮卫星遥感业务监测提供了参考。     

基于MODIS数据黄海绿潮覆盖面积精细化提取

针对MODIS数据绿潮提取存在大量混合像元导致绿潮覆盖面积偏大这一问题,基于3 m分辨率的机载SAR高分影像,结合归一化植被指数(NDVI),对MODIS研究区中大于NDVI阈值的像元进行混合像元分解得到绿潮的"覆盖面积";获取的准同步3 m机载SAR提取的绿潮面积为"真实值",然后建立二者之间的关系模型,并选取不同的样本区域对该模型进行了验证。实验结果表明:NDVI等传统算法所提取的绿潮覆盖面积约为"真实值"的2.68倍;基于混合像元分解的方法所提取的绿潮面积较"真实值"偏小,约为"真值"的0.56倍;与传统的NDVI等多波段比值法相比,该精细化模型方法提取的绿潮覆盖面积更接近于"真实值",与"真实值"误差仅为6.7%。     

浒苔遥感监测研究进展

浒苔大规模集聚形成的绿潮灾害是海洋生态系统主要生态环境问题之一,基于卫星遥感影像监测浒苔及其扩展动态已成为一种及时有效的手段。对国内外浒苔遥感监测方面文献进行归纳整理,认为光学遥感数据、多波段比值法是最常用的遥感数据和监测方法。对遥感监测浒苔机理进行了阐述,并对分类方法进行评价认为监督分类法解译精度不高。目前单波段阈值法和多波段比值法应用广泛,但在监测漂浮浒苔和混合象元解译存在不足。辐射传输模型法能有效提高信息解译的精度,但还处于起步阶段。遥感监测浒苔灾害的未来发展需要提高影像空间分辨率,深入研究监测方法,进行多种平台和多源遥感数据相结合,并由定性走向定量,从而建立健全遥感监测预警系统。     

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MODIS/NDVI时间序列的森林灾害快速评估方法——以贵州省为例

以2005—2008年中分辨率成像光谱仪(MODIS)的归一化植被指数(NDVI)数据集为主要数据源构建研究区时间序列,结合统计学分析方法设计一套快速有效的森林灾害评估体系,用以探测森林资源损失的空间分布范围与灾害等级,并利用森林资源雪凝灾害损失的实际调查数据对评估结果进行一致性检验。结果表明:通过计算2005—2007年研究区所有森林像元的平均值R珔2005-2007和平均绝对偏差δall,确定森林灾害阈值DT为0.048;利用该阈值,获取2008年受灾较重的森林空间分布,主要密集分布在贵州省东南部和东北部,包括了黔南自治州、黔东南自治州和铜仁市等地区;受灾森林像元数占总森林像元数的28.6%,高于凝冻灾害森林资源损失实际调查结果(17.7%);在县域尺度上,根据MODIS/NDVI关键期影像获取的森林资源损失区域和灾害等级,确定德江、沿河和都匀等11个重度受灾县(市、区)和湄潭、榕江和桐梓等10个中度受灾县(市、区),与小班调查结果具有较高的一致性,其Kappa系数为0.86。方法为大区域尺度的森林灾害快速评估提供了一种新思路。     

空间分辨率对绿潮覆盖面积、密集度卫星遥感信息提取的影响

研究表明,多源卫星数据提取的绿潮信息存在较大差异,通常认为可能的主要原因是不同卫星遥感器的的空间分辨率、过境时间差、波段设置等各不相同,但对此仍缺乏深入的研究。本文采用波段设置和过境时间完全相同、仅空间分辨率不同的四景 MERIS 全、降分辨率（300 m 和1200 m）影像,利用统一的算法（NDVI）进行绿潮信息提取,量化了空间分辨率对绿潮覆盖面积、密集度（由斑块个数、聚合度表征）卫星遥感信息提取的影响。结果表明：空间分辨率对绿潮覆盖面积卫星遥感信息提取影响显著,全、降分辨率 MERIS 影像提取的绿潮覆盖面积最大相对偏差可达67％,遥感影像的空间分辨率对绿潮面积提取结果的影响既与绿潮 NDVI 探测阈值有关,还可能与绿潮发展阶段有关。绿潮密集度卫星遥感提取结果也受遥感影像空间分辨率的影响,全分辨率 MERIS 影像提取的绿潮斑块个数为降分辨率影像的7～21倍,绿潮聚合度较降分辨率影像高15％～25％。     

黄海绿潮漂移过程中浒苔挥发性风味物质研究

2007年以来,浒苔绿潮灾害年度周期性由江苏近岸向山东近海漂移,对黄海海域生态环境和生态安全造成严重威胁,如何利用大规模漂浮浒苔生物量,实现变害为宝迫在眉睫。为了探究黄海绿潮漂移过程中优势种浒苔挥发性风味物质的差异,本研究利用顶空固相微萃取(HS-SPME)和气相色谱-质谱联用技术(GC-MS),对绿潮漂移过程中的8个区域浒苔的挥发性成分进行提取和分析,共检测出包括醛类、醇类、酯类、酚类、酮类、烯类、烷类及其他化合物等187种物质;其中,这8个区域浒苔分别检测出72、64、49、53、34、48、41和54种化合物。通过对绿潮浒苔香气成分在水中的阈值和化合物含量分析,发现绿潮在向北漂移过程中,主体香气成分发生变化,每个区域浒苔均呈现独特的风味,总体上南黄海绿潮漂移早期浒苔风味品质较好。本研究为绿潮浒苔食品风味研发和资源化利用提供了数据支撑。     

黑河流域叶面积指数（LAI）空间尺度转换

为有机地整合利用不同分辨率遥感数据获取的陆面过程以及其他相关的环境变量,尺度问题越来越受到人们的重视.选取黑河张掖绿洲区为实验研究区,利用ETM 影像反演的LAI通过升尺度转换到900m分辨率,对LAI尺度转换过程中引起的误差进行了定量分析,尝试提出一种新的基于NDVI像元分解的更有效的升尺度转换方法.研究发现非线性的升尺度算法引起的误差不超过 10.5%,且误差大小与地表异质性程度正相关,而地表异质性是导致LAI尺度转化误差的主要原因,严重时可能造成 45%的偏差,但纯像元LAI的计算不受尺度影响.提出的基于NDVI像元分解的LAI升尺度转换算法,分两步考虑了地表异质性问题,很好的实现了研究区30m空间精度 LAI向900m的尺度转换,该方法应用于干旱、半干旱的中国西北黑河流域NASA 发布的MODIS LAI产品校正,取得了良好效果.     

2008年浒苔大暴发末期黄海小型底栖动物现存量及空间分布

在2008年夏季浒苔暴发末期,对黄海33个站位(其中冷水团中22个,浒苔暴发区域9个)进行了小型底栖动物现存量、分布及沉积环境研究.结果表明:在浒苔灾害严重的南黄海区域,沉积物中的粉砂-粘土含量较往年(2007年)有明显增加;沉积物中叶绿素a和脱镁叶绿素a含量在大多区域较2007年变化不大,但在苏南至长江口近岸海域的含量有明显降低.所获的16个小型底栖动物类群的垂直分布及各类群对现存量的贡献较往年未见明显差异.小型底栖动物平均丰度为(1375±793)ind·10 cm-2,生物量为(1203±707)μg·10cm-2.黄海小型底栖动物总体现存量较2007年低约1/3,并在浒苔暴发区域下降尤为明显,而南黄海冷水团海域则略有上升,由此导致南黄海的小型底栖动物现存量分布呈现从中央冷水区向外围减小的反常现象;相较于此,在浒苔灾害影响较小的北黄海则呈从冷水区向外围增加的趋势.统计分析显示,浒苔暴发区域的小型底栖动物丰度与盐度呈正相关,与叶绿素a含量不相关.浒苔的暴发对近岸的小型底栖生物现存量产生了明显的抑制,但导致小型底栖动物现存量降低的主要因素并非缘于饵料匮乏,而更可能是浒苔暴发后的沉积与降解过程产生的影响所致.     

青藏高原MODIS NDVI与GIMMS NDVI的对比

连续一致的NDVI时间序列数据是陆地表面特征长期监测的基础和前提.AVHRR NDVI和MODIS NDVI作为时间记录最长和时空分辨率较高数据的典型代表,是未来植被动态监测极为重要的数据源.深入理解两种数据之间的关系,是延续陆地植被长期监测的关键.利用2000—2006年重叠时段的GIMMS NDVI和MODIS NDVI数据,在青藏高原整体、亚区域、植被类型和像元等多尺度对比分析了两种数据的数值差异和动态变化的一致性,并使用495幅20 km×20 km的Landsat影像计算的NDVI,独立地评估了两种数据集的性能.结果表明:GIMMS NDVI和MODIS NDVI捕获青藏高原月尺度物候变化的能力基本相同(显著性水平大多达到0.001);不同植被类型之间两种数据的相似性差异显著,高覆盖的林地一致性较差,均质化较强的草地、农田的一致性较强;像元尺度,两种数据集在82%的研究区域显著一致;在反映植被空间分布方面,MODIS NDVI的数值更接近Landsat NDVI,而GIMMS NDVI在植被动态变化上与Landsat NDVI更相像,不同植被类型之间差异显著,林地MODIS NDVI与Landsat一致性更好,而草地、农田则是GIMMS NDVI更好.融合两种数据,建立一致的NDVI时间序列数据是可行的.在耦合数据时,需要考虑不同植被类型、不同物候期、不同空间尺度对结果的影响.对于针叶林、阔叶林等植被类型,以及物候过渡期的春秋季进行两种数据集成时需要慎重处理.     

基于MODIS混合像元分解的湖南省森林碳密度反演

随着遥感技术的快速发展,基于遥感影像和地面样地的方法成为目前森林碳密度估算的常用手段.然而由于混合像元的存在严重制约了区域森林碳密度反演精度的提高,特别是MODIS这种低空间分辨率影像.本研究以MODIS影像和固定样地为数据源,开展森林碳密度的反演研究.首先利用不带约束、带约束的线性分解和非线性分解3种方法进行混合像元分解,导出不同土地利用/覆盖类型的丰度图;然后采用结合和未结合丰度图的序列高斯协同模拟算法对湖南省森林碳密度进行反演.结果表明： 3种混合像元分解模型中,带约束线性分解估计的地物丰度精度最高（平均均方根误差0.002）,明显优于不带约束线性分解和非线性分解模型;通过将混合像元分解模型和序列高斯协同模拟算法结合,森林碳密度反演精度从74.1%提高到81.5%,均方根误差从7.26减小到5.18;2009年湖南省森林碳密度的平均值为30.06 t·hm^-2,变化范围介于0.00～67.35 t·hm^-2之间.这表明混合像元分解在提高区域和全球尺度森林碳密度反演精度方面显示出巨大的潜力.     

基于遥感和地统计学方法的小麦生长管理分区

以江苏省如皋市和海安县冬小麦种植区域为研究对象,将基于小麦不同生育时期30m分辨率的HJ-1A/B CCD影像提取的归一化植被指数(NDVI)与土壤养分指标(全氮、有机质、有效磷、速效钾)分布状况有机结合,在空间变异性分析和主成分提取的基础上进行聚类分区.结果表明,基于抽穗期NDVI与土壤养分指标耦合的分区方法效果最佳,分区后各子区域内部NDVI值和土壤养分指标的变异系数分别在4.5%～6.1%和3.3%～87.9%,低于单纯基于土壤养分指标或NDVI进行分区的子区域内部的变异系数,大大缩小了区域管理单元内部的变异性.分区结果能提高按区管理作业的精度,可为区域性小麦生长管理和过程模拟奠定基础.     

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.     

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。     

基于不同空间尺度遥感影像估算森林叶面积指数的差异

地面测量点对遥感像元的代表性如何,怎样获取像元的相对真值,多大的空间分辨率可以真实地反映森林区域的叶面积指数(LAI),这些都是定量遥感中的重要问题.本研究计算LAI-2200和TRAC两种冠层分析仪测量的空间范围,并结合GF-2(4.1 m)、Sentinel-2(10 m)、Landsat-8(30 m)3种不同空间分辨率遥感影像,找到各尺度下像元的相对真值,在保持真值观测面积和遥感获取面积一致的条件下,基于一元指数和多元回归模型,对比分析不同空间分辨率影像对估算森林LAI的影响,并对3种影像模型进行30和100 m尺度下的检验以及各自数据集的空间代表性评价,比较得出最适合表达研究区域森林LAI的尺度.结果表明:对于森林来说,高分辨率并不一定能充分反映森林LAI.基于3种分辨率影像的统计模型都能很好地估测森林LAI,其中,基于Sentinel-2的反演精度最高,基于GF-2的反演精度最低.30和100 m尺度下的检验结果表明,基于GF-2反演模型高估了森林LAI,基于Landsat-8的反演模型低估了森林LAI,基于Sentinel-2分辨率的统计模型可以很好地估测研究区域森林LAI.     

基于MODIS NDVI的东北虎分布区植被变化趋势

基于2000-2010年MODIS NDVI(分辨率250 m)生长季均值数据,采用普通线性回归方法,分析了东北虎分布区——俄罗斯远东和中国东北东部地区植被的变化趋势及其与人类活动的关系.结果表明:研究期间,归一化植被指数(NDVI)显著下降像元面积占当前东北虎分布区面积的比例为9.6％,NDVI显著上升像元所占面积比例仅0.5％;NDVI显著下降像元散布于整个研究区,NDVI显著上升像元则集中在俄罗斯远东的北部中间区域;东北虎分布区内NDVI显著下降像元的面积比例稍高于其在整个研究区域的面积比例.当前东北虎分布区内土地覆盖类型的变化以渐变形式为主.NDVI显著下降的像元主要分布在海拔低、坡度缓以及距公路和铁路较近的区域;NDVI显著下降的像元先随着与居民点最近距离的增加而增多,而后持续下降,NDVI显著下降与人类活动密切相关.采取有效措施减少人类活动的干扰,可遏制该地区植被退化,进而为东北虎保护和维护该区域丰富的生物多样性提供可持续的基础.     

利用不同分辨率卫星影像的NDVI数据估算叶面积指数(LAI)——以岷江上游为例

短周期的低分辨率遥感数据为大面积估算LAI及季节动态和物候趋势提供了有利工具,但基于高分辨率LAI的遥感估算模型在低分辨率遥感数据上应用有很大的不确定性。研究利用LAI-2000冠层分析仪与跟踪辐射和冠层结构测量仪(TRAC),测定了岷江上游流域范围内490块野外调查样地(50m×50m样方)的LAI数据,结合同期较高精度卫星数据(TM)建立了不同植被类型的LAI-NDVI算法,在经过传感器的相对校正后,将这种算法应用到同期分辨率较低的MODIS数据和SPOT VEGETATION数据上。结果表明,30m分辨率的TM LAI的均值为4.53,250m MODIS LAI的均值为3.55,1000m VGT LAI的均值为4.20,随着栅格分辨率的降低,总体标准差有增加的趋势,并且LAI值也有不同程度的低估,其中MODIS LAI值被低估约22%。但利用TM LAI数据验证MODIS和VGT LAI数据后发现,250m的MODIS数据预测误差在30%左右,1000m的SPOT数据预测误差则高达50%,空间重采样分析表明,栅格分辨率的降低是导致预测误差扩大的主要原因,而这也是岷江流域植被分布破碎化的体现。     

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。     

基于多端元光谱混合分析方法的大兴安岭火后植被盖度恢复研究

火干扰是北方针叶林结构、功能及动态的主要调节因子之一。研究火后植被恢复对理解火干扰和生态系统的交互作用具有重要意义。火烧迹地通常由植被与基质混合组成,在中低分辨率（ > 10 m）遥感影像中表现为混合像元,因此研究亚像元尺度上植被的恢复是精确量化植被恢复的关键。本研究以2000年大兴安岭呼中自然保护区中8700 hm²火烧迹地为研究区,以两期（2014年6月1日和2010年6月22日）中分辨率Landsat ETM+影像（30 m）为基础数据,比较多端元光谱混合分析（Multiple Endmember Spectral Mixture Analysis,MESMA）和归一化植被指数（Normalized Difference Vegetation Index,NDVI）获得的植被盖度,以高分辨率（2 m）WorldView-2影像（2014年7月1日）为验证数据,对两种方法计算的植被盖度精度进行比较。结果表明,MESMA方法获得的植被盖度（R²=0.691）与传统的NDVI获得的植被盖度（R²=0.700）精度无统计差异,中烈度下获得的植被覆盖精度高于低、高火烧烈度。为验证同一端元能否运用到不同时相的Landsat影像中,本研究将从2014年影像中获取的最佳端元运用到2010年影像中获得植被盖度图,结果表明2014年与2010年得到的RMSE（均方根误差）均值分别为0.0015和0.0065,说明最佳端元可用于不同时相的影像分解。本研究表明MESMA方法可有效监测北方针叶林中火后植被盖度恢复,并可运用于时间序列遥感影像监测植被恢复动态。