植被高光谱特征分析及其病害信息提取研究

高光谱(hyperspectral)遥感是20世纪末地球观测系统中最重要的技术突破之一。根据植被高光谱数据的植被冠层光谱反射特征和诊断性光谱吸收特征,利用光谱连续统去除法,探讨光谱一阶微分反射比(FDR)和从连续统去除的光谱吸收特征中获得的波段深度(BD)、连续统去除后微分反射比(CRDR)、波段深度比(BDR)和归一化波段深度指数(NBDI)等光谱特征参量。结合多时相的条锈病小麦PHI航空高光谱影像,分析条锈病对小麦光谱的影响及其光谱特征,并运用光谱特征参量和波谱角制图(SAM)技术监测和识别小麦条锈病。     

武汉市地表亮温与植被覆盖关系定量分析

利用2002年7月9日的ETM影像,提取武汉市的下垫面类型、地表亮温和植被覆盖度,探讨不同下垫面类型对地表亮温的影响;并采用分形维度计算方法, 研究代表样带的地表亮温和植被覆盖的分维值之间的相关性。结果表明:植被覆盖度越高,地表亮温越低。除水域外的下垫面类型中植被覆盖度与地表亮温存在显著的负相关,这种相关性高于地表亮温与NDVI之间的相关关系。对于样带的地表亮温和植被的分维值研究表明,亮温和植被覆盖度的分维值之间的相关系数高于亮温和NDVI的分维值之间的相关系数。     

一种基于光谱归一化的丘陵地区植被覆盖度反演方法

由于影像空间分辨率的限制,利用遥感影像反演植被覆盖度时,像元内通常存在植被与其他地物混合的现象。此外,受到物理属性、地形、阴影等因素的影响,植被内部存在较大的光谱差异。混合像元的存在,以及植被内部光谱变化较大都将导致植被覆盖度反演精度降低。本研究基于Sentinel 2A遥感影像,提出了一种基于光谱归一化的光谱混合分析方法,以期解决植被内的光谱差异以及与其他地物的混合问题。首先,对端元矩阵与遥感影像进行归一化预处理,以减弱植被内的光谱变化;然后,采用全约束最小二乘法(FCLSU)、部分约束最小二乘法(CLSU)、扩展线性混合模型(ELMM)三种混合像元分解算法来定量分析植被与其他地物的混合状态。在验证解混算法精度时,采用无人机高分影像分类结果作为植被覆盖度参考影像,并对归一化前后的精度进行对比。光谱归一化前,ELMM和CLSU的R和RMSE都接近0.903和0.353,FCLSU的R和RMSE为0.869和0.434。光谱归一化后,三种算法的R和RMSE都接近0.91和0.2。试验结果表明:端元和影像进行归一化后,降低了光谱变异性,三种算法的解混精度在整体上提高较大,且对四川丘陵地区的植被覆盖度的反演结果接近真实值。     

基于高光谱影像数据的戈壁表面砾石粒径定量反演潜力评估

在新疆哈密境内的噶顺戈壁选取样地,采集不同粒径砾石的光谱数据,分析光谱吸收特征,并利用光谱混合分析技术,以地物光谱为端元从EO-1 Hyperion 高光谱影像中提取了不同粒径的丰度图,分析戈壁表面砾石与高光谱影像的相关关系。结果表明:获取的地物光谱特征显示出粒径的差异对光谱具有明显的影响。所有光谱都展现出在2 250 nm处具有Al–OH 的吸收特性,而且粒径d=41 cm的吸收特性比其他粒径都更显著。而与更小粒径相比,粒径d=53 cm和d=83 cm在480 nm和920 nm处具有较弱的Fe³⁺ 吸收特性。粒径d=0.8 cm(R²=0.637)、d=3.4 cm(R²=0.687)、d=16.3 cm(R² =0.644)及d=41 cm(R²=0.622) 与相应的丰度影像具有显著相关性,而粒径d=53 cm(R²=0.181)和d=83 cm(R²=0.167)与相应的丰度影像相关性不显著。EO-1高光谱影像适用于对戈壁区砾石分布特征的确定,在进一步的研究中将高分辨率影像与高光谱影像相结合,可以提高判别精度。     

基于光谱混合分析的干旱荒漠区植被遥感信息提取研究——以古尔班通古特沙漠西缘为例

干旱荒漠区植被的盖度和空间分布特征是评判该区生态环境状况及荒漠化程度的重要指标。以Landsat TM影像为数据源,利用归一化植被指数（NDVI）和线性光谱混合分析模型（LSMM）两种方法对研究区——古尔班通古特沙漠西缘进行分析。在运用LSMM过程中,通过多种方法选择出最佳端元,并利用实测数据对混合像元分解结果进行验证。结果表明:①NDVI提取植被的方法受到很多限制,不适合在干旱荒漠区应用;②基于最小法非受限光谱混合分解结果较为理想,植被、盐碱地、裸沙和黑色砂粒等4种端元地物被选取出来;③LSMM提取的植被分量与实测植被盖度显著相关,线性相关系数为0.858,表明干旱荒漠区的植被盖度可以通过遥感影像提取的植被分量间接得到。     

光谱角余弦与相关系数测度组合的光谱匹配分类方法与实验

光谱相似性测度是高光谱影像光谱匹配分类的准则,但单一的光谱相似性测度不能综合考虑光谱曲线的形状、辐射等多种特征,因此将其用于高光谱影像光谱匹配分类时精度较低,研究发现两种或多种相似性测度的组合能够有效提高光谱匹配分类的精度。在光谱角余弦测度和相关系数测度的基础上,采用算术平均的组合方式,得到光谱角余弦-相关系数测度,将其用于光谱匹配分类,实现光谱角余弦与相关系数测度组合的光谱匹配分类方法。提出了基于光谱角余弦-相关系数测度的光谱匹配分类流程,通过ROSIS和OMIS两组高光谱影像分类实验表明,相比于光谱角余弦测度和相关系数测度,将光谱角余弦-相关系数测度用于光谱匹配分类能够得到较高的总体分类精度,对单一地物的分类精度也有一定程度的改善。     

基于光谱相关角和光谱信息散度的高光谱蚀变信息提取

针对高光谱遥感蚀变信息提取过程中,由于混合像元的不可避免,导致蚀变矿物光谱曲线存在不同程度的失真而影响目标矿物识别精度的问题,提出一种基于光谱相关角(Spectral Correlation Angle,SCA)和光谱信息散度(Spectral Information Divergence,SID)的高光谱遥感蚀变信息提取算法(SIDSCAtan)。利用植被覆盖度表征植被信息在混合像元中所占百分比,划分出6种植被失真类型。采用不同区分方法分别比较失真光谱与理想光谱的差异,实验表明,当输入的光谱信息具有微小差异时,方法 SIDSCAtan能够做出较大的响应,在识别光谱整体形态的前提下,增强了对光谱局部特征差异的区分能力。以云南省个旧西区为研究区,运用该方法提取区内蚀变信息,应用效果较好。     

塔里木河荒漠植被光谱可分性模拟

以塔里木河典型植被为研究对象,分析胡杨、芦苇叶片及柽柳冠层的可分性,并计算背景的影响。首先用ASD光谱仪测新鲜叶片光谱,找出光谱特征点;然后模拟EO-1高光谱数据和TM多光谱数据;最后植被与土壤光谱按比例混合,分析背景的影响。以上三步分别计算植被指数（VI）。结果显示:叶片光谱特征位置430 nm、670 nm、750 nm附近,黄边斜率和红外平台平均高度,1 080~1 280 nm、1 430~1 650 nm能够区分塔里木河流域3个主要植被类型。模拟的EO-1波谱保持了控制波形的10个特征,TM 只有绿反射峰和红吸收谷、近红外1个反射峰3个特征,大部分特征都消失了。植被指数显示(R680-R500)/R750、(R680-R550)/R705、R1430+\:+R1650、D712/D688能够区分3类,且指数值差异较大,为绿峰、红谷和近红外波峰的组合;模拟的EO-1数据(R680-R500)/R750、(R680-R550)/R705、R1430+\:+R1650能分别区分植被,TM多波谱数据不能有效区分植被。     

基于SAIL模型的多角度多光谱遥感叶面积指数反演

随着多角度传感器的陆续出现及植被遥感传输机理研究的深入,多角度遥感逐渐成为地表信息反演的热点问题.以SAIL冠层反射率模型为基础,通过联合多角度和多光谱数据,可以从物理机理角度进行植被叶面积指数(LAI)反演的应用研究.首先通过计算得到多角度多光谱遥感影像的角度信息,并经6S模型纠正后得到多光谱多角度植被冠层反射率数据.然后将PROSPECT模型模拟出的植被叶片反射率和透过率,以及多角度观测数据、LAI和其它实测数据输入SAIL模型,模拟得到了多角度多光谱冠层反射率,进而建立多角度多光谱冠层反射率与LAI的查找表.最后,将影像的多角度多光谱冠层反射率与查找表进行匹配,实现植被LAI的反演.最后对反演结果进行了验证和分析,结果表明反演精度较高,误差均在合理范围之内.     

基于TM光谱特征的沼泽地定量提取模式研究

要从TM影像上定量提取沼泽地信息就必须首先获取TM数据中的沼泽地波谱信息这个最基本参数。以2000年7月TM数据为数据源,在ERDAS和PCI等遥感软件支持下,运用灰度分析方法分析沼泽地及背景地物光谱特征,并以一条光谱采样剖面线分析沼泽地内部光谱结构。最终,建立了基于前述光谱特征的三个关于沼泽地信息的定量提取模式,定量提取了沼泽地的植被、积水信息以及与水田区别的参数,具有计算机上运算的可行性。     

基于NDVI的新疆荒漠地区植被覆盖度遥感估算经验模型研究

新疆荒漠地区植被覆盖度遥感估算模型十分缺乏，给荒漠化监测等相关工作带来很大不便，开展植被覆盖度遥感估算经验模型研究，对于促进和完善相关地区的生态监测及研究工作具有积极的现实意义。通过对阜康市北部沙漠南缘和克拉玛依市中部平原荒漠进行无人机航拍，利用无人机遥感提取（光合）植被信息，并将无人机航拍影像的植被覆盖度统计单元与高分辨率卫星影像像元在空间上直接相对应，获取在高分辨率卫星影像像元尺度上的植被盖度，然后通过植被覆盖度和空间上与其相对应的源自高分辨率卫星影像的NDVI数据的拟合关系，建立基于源自高分二号影像的NDVI的阜康北部沙漠植被覆盖度遥感估算线性模型以及基于源自ZY1-02C影像的NDVI的克拉玛依平原荒漠植被覆盖度遥感估算二次多项式模型。研究中所采用的无人机遥感与卫星遥感相结合、植被覆盖度统计单元与卫星像元在空间上直接对应的方法，可避免以往相关工作中常以点位测量数据代表卫星像元数据所带来的不确定性。由于所用卫星影像的NDVI数据稳定性相对不足等原因，所建立的遥感估算模型的估算精度尚相对偏低，有待于今后进一步的工作加以改进。     

新疆荒漠稀疏植被覆盖度信息遥感提取方法比较

植被覆盖度信息是荒漠生态环境表征的重要指标之一。荒漠区地表植被稀疏,在遥感光谱信息中表现较弱,通用的植被覆盖度遥感提取方法应用于干旱荒漠区存在一定的局限性,为了探寻一种满足大尺度荒漠地区的植被覆盖度信息的提取方法,必须对比和分析现有的遥感方法在干旱荒漠区的应用效果。以新疆荒漠区为例,利用MODIS遥感影像和野外植被覆盖度实测数据,对常用的6种遥感植被覆盖度提取方法（改进的三波段梯度差法、像元二分法、线型混合像元分解法、归一化植被指数法、增强型植被指数法和修正型土壤调整植被指数法）的结果进行精度验证和对比分析。结果表明：MODIS影像上较难提取纯荒漠植被像元,用农作物的像元值代替会降低像元二分法和线性混合像元分解模型的模拟精度;植被指数法对地面实测数据依赖性较大,模拟的精度差异很大,仅考虑红光和近红外的归一化植被指数法模拟精度最低,而综合考虑土壤和大气因素的增强型植被指数法的模拟结果精度最高;改进的三波段最大梯度差法虽然模拟精度稍次之（R²=0.74;RMSE=13.46）,但依据光谱的物理特性,能显著地反映南、北疆荒漠植被覆盖度的差异,是目前大尺度的荒漠区覆盖植被信息提取较为适宜的方法之一。     

应用“北京一号”遥感数据计算官厅水库库滨带植被覆盖度

“北京一号”卫星是拥有多方面技术优势的一颗对地观测小卫星。本文在运用“北京一号”、SPOT5、QuickBird遥感图像对官厅水库库滨带植被覆盖度进行综合监测的基础上,对三种不同分辨率的遥感图像进行基于统计的尺度转换,并应用尺度转换的结果修正了“北京一号”图像提取的植被覆盖度。经检验,运用SPOT5和QuickBird图像对“北京一号”图像进行像元分解,将统计结果与“北京一号”图像的提取信息建立统计模型,应用该统计模型可以有效地提高“北京一号”图像提取植被覆盖度的精度。对湿生植被进行样方调查,结果证明运用像元分解和统计模型的方法使“北京一号”提取植被覆盖度的精度较运用植被指数转换模型的计算精度提高了22.7%。应用该方法可以更有效地运用“北京一号”遥感数据进行连续、大面积的植被监测。     

多光谱与全色遥感影像像素级融合算法比较分析

简述了遥感影像融合的过程,并利用SPOT5的全色和多光谱影像在Envi软件里采用IHS、Gram-Schmidt、Brovey和Color Normalized （CN）的融合算法进行融合,然后对几种影像融合的结果进行定性定量的评价分析.分析的结果表明：与原多光谱相比,HIS融合方法的清晰度和信息的丰富度最高;Gram-Schmidt的光谱保真度和相关度最佳,清晰度和信息的丰富度也仅次于HIS融合结果;Brovey和CN的融合算法是最差的,但是在凸显植被和水体地物时Brovey和CN有优势.总而言之对于不同地物类型,每种融合方法具有各自的优势和限制,所以应根据不同的用途选择最佳的融合算法.     

柴达木河都兰区植被覆盖率变化特征

柴达木河都兰区位于青海柴达木盆地东南部,干旱少雨,生态环境脆弱。基于MODIS NDVI数据,应用遥感方法,对都兰区2000—2011年的植被覆盖率进行了计算,并分析了其影响因素。结果表明：研究区内裸土和低覆盖率植被的面积逐年减小,而较低覆盖率、中等覆盖率、较高覆盖率及高覆盖率植被的面积均逐年增加;研究区植被覆盖率与降水及相对湿度呈正相关关系,区域植被生长与地下水埋深的关系较为密切;宗加-诺木洪植被区的地下水埋深范围为0.7～3.5 m,在水埋深为1.7 m的地方,植被长势最好;当研究区的地下水水质矿化度小于3 g·L^-1时,植被发育较好。     

基于 NDVI 物候特征的华南地区冬种马铃薯遥感提取方法

马铃薯是华南地区的特色冬种农作物,其地块的“早稻―晚稻―冬种马铃薯”三季种植模式具有特有的植被指数时间序列曲线特征。利用这一特征,提出一种基于 NDVI 时间序列数据和 SAM 的冬种马铃薯种植面积提取方法。以广东省惠州市稔平半岛为研究区,冬种马铃薯面积为研究对象,采用 2011 年 HJ-1 A/B CCD 遥感数据为主要数据,计算每一景影像的 NDVI 后以时间为坐标轴排列成 NDVI 时间序列数据集,在此提取冬种马铃薯种植区的 NDVI 时间序列参考曲线,使用光谱角度匹配（SAM）方法,计算每个像元的 NDVI 时间序列曲线与 NDVI时间序列参考曲线的光谱夹角值,根据 Rule 图像的统计参数确定夹角阈值,达到快速有效地在遥感影像上提取冬种马铃薯对应像元的目的。结果表明：研究区总体提取精度为 82.70%,重点种植区域提取精度为 93.75%,可见基于 NDVI 物候特征的 SAM 方法能够有效提取研究区冬种马铃薯的种植面积。     

基于MODIS数据的雪深反演--以天山北坡经济带为例

应用中分辨率成像光谱仪（MODIS）数据进行雪深遥感反演理论和方法的研究.利用全波 段地物光谱仪对不同深度的积雪进行反射光谱值野外量测且同步测定雪深,通过分析雪深和 反射光谱值的关系确定反演雪深的MODIS最佳观测通道,应用新疆地区冬季MODIS 1B数据, 以天山北坡经济带为实验区,结合该区域同期气象台地面雪深观测记录数据建立雪深遥感反 演数学公式.雪深反演结果与实测值对比表明,应用MODIS数据进行大区域雪深反演时 ,其结果具有分辨率高、监测范围广的特点,可以清楚反映积雪覆盖范围和雪深空间分布特征,对地表径流量计算、农业开发等具有应用价值.     

地下水位变化对干旱区植被盖度的影响及其空间变异特征

Sampling and testing are conducted on groundwater depth and vegetation coverage in the 670 km^2 of the Sangong River Basin and semi-variance function analysis is made afterwards on the data obtained by the application of geo-statistics. Results showed that the variance curve of the groundwater depth and vegetation coverage displays an exponential model. Analysis of sampling data in 2003 indicates that the groundwater depth and vegetation coverage change similarly in space in this area. The Sangong River Basin is composed of upper oasis, middle ecotone and lower sand dune. In oasis and ecotone, influenced by irrigation of the adjoining oasis, groundwater level has been raised and soil water content also increased compared with sand dune nearby, vegetation developed well. But in the lower reaches of the Sangong River Basin, because of descending of groundwater level, soil water content decreased and vegetation degenerated. From oasis to abandoned land and desert grassland, vegetation coverage and groundwater level changed greatly with significant difference respectively in spatial variation. Distinct but similar spatial variability exists among the groundwater depth and vegetation coverage in the study area, namely, the vegetation coverage decreasing (increasing) as the groundwater depth increases (decreases). This illustrates the great dependence of vegetation coverage on groundwater depth in arid regions and further implies that among the great number of factors affecting vegetation coverage in arid regions, groundwater depth turns out to be the most determinant one.