基于面向对象多端元混解模型的植被覆盖度反演及其时空分布研究北大核心CSCD

近年来湿地的植被退化一直是全球关注的问题,对湿地植被覆盖度进行反演并研究其时空分布特征显得尤为重要。而为了解决植被反演中存在的混合像元问题,提出了基于面向对象的多端元光谱混合分析方法。以扎龙湿地保护区为研究对象,中高分辨率Landsat影像为数据源,从时间尺度和植被覆盖度等级变化层面,研究湿地植被时空变化特征。面向对象多端元混解模型,有效地减少了计算量和混合像元的端元变化,且反演值与检验值相关性较高,均方根误差较小,优于传统多端元混解模型方法,提高了植被覆盖度反演精度。扎龙湿地多年植被覆盖度整体呈现退化趋势,2001～2017年的平均变化速率高于1985～2000年,对于提高全球气候变化情景下植被转移预测精度具有重要理论意义。     

基于面向对象多端元混解模型的植被覆盖度反演及其时空分布研究

近年来湿地的植被退化一直是全球关注的问题,对湿地植被覆盖度进行反演并研究其时空分布特征显得尤为重要。而为了解决植被反演中存在的混合像元问题,提出了基于面向对象的多端元光谱混合分析方法。以扎龙湿地保护区为研究对象,中高分辨率Landsat影像为数据源,从时间尺度和植被覆盖度等级变化层面,研究湿地植被时空变化特征。面向对象多端元混解模型,有效地减少了计算量和混合像元的端元变化,且反演值与检验值相关性较高,均方根误差较小,优于传统多端元混解模型方法,提高了植被覆盖度反演精度。扎龙湿地多年植被覆盖度整体呈现退化趋势,2001～2017年的平均变化速率高于1985～2000年,对于提高全球气候变化情景下植被转移预测精度具有重要理论意义。     

基于Landsat 8影像的额济纳荒漠绿洲植被覆盖度估算方法对比研究

荒漠绿洲是维持当地人类生存和社会发展的主要依托,但其地表植被稀疏,生态系统极其脆弱,而植被覆盖度是反映荒漠生态环境信息的重要指标之一。以黑河下游额济纳荒漠绿洲为例,基于Landsat 8影像和野外实测植被覆盖度数据,对比和分析现有的适宜于干旱荒漠区的3类植被覆盖度提取方法(经验模型法、像元二分法和三波段梯度差法)在该区域的应用效果,并尝试利用基于转换型土壤调整植被指数(TSAVI)的像元二分模型法和修正的三波段梯度差法(MTGDVI)进行植被覆盖度估算,以期找到计算额济纳荒漠绿洲植被覆盖度的最佳模型。研究结果表明:用TSAVI像元二分模型法的反演精度高而且能够较好地估算额济纳荒漠区域和绿洲区域的植被覆盖度,适用于估算额济纳荒漠绿洲的植被覆盖度。     

基于Landsat８影像的额济纳荒漠绿洲植被覆盖度估算方法对比研究

荒漠绿洲是维持当地人类生存和社会发展的主要依托,但其地表植被稀疏,生态系统极其脆弱,而植被覆盖度是反映荒漠生态环境信息的重要指标之一.以黑河下游额济纳荒漠绿洲为例,基于Landsat８影像和野外实测植被覆盖度数据,对比和分析现有的适宜于干旱荒漠区的３类植被覆盖度提取方法(经验模型法、像元二分法和三波段梯度差法)在该区域的应用效果,并尝试利用基于转换型土壤调整植被指数(TSAVI)的像元二分模型法和修正的三波段梯度差法(MTGDVI)进行植被覆盖度估算,以期找到计算额济纳荒漠绿洲植被覆盖度的最佳模型. 研究结果表明:用TSAVI像元二分模型法的反演精度高而且能够较好地估算额济纳荒漠区域和绿洲区域的植被覆
盖度,适用于估算额济纳荒漠绿洲的植被覆盖度.     

基于混合像元分解的喀斯特石漠化地物丰度估测

我国西南喀斯特地区长期存在以石漠化为特征的土地退化问题,是我国三大生态问题之一。喀斯特地区地表复杂度高,具有高度时空异质性,像元混合现象严重,植被、裸岩和裸土为喀斯特地区典型地物,使得评价喀斯特石漠化的关键指标(如裸岩率、植被覆盖度)获取比较困难,高光谱遥感在混合像元分解方面有独特优势,可以获取地物端元的丰度。通过地面试验表明光谱指数能够表征地物覆盖度,进而以Hyperion高光谱影像为数据源,利用连续最大角凸锥方法从影像中提取这3类地物的端元,运用半约束和全约束线性光谱分解方法估算其丰度。研究表明:半约束线性分解得到的丰度优于全约束分解结果,其反演的植被、裸土和裸岩的丰度与相应的光谱指数间具有显著线性相关性,确定系数R²分别为0.92、0.66与0.84,表明地物丰度能够表征其覆盖度。因此,通过混合像元分解算法反演地物丰度来提取喀斯特石漠化因子具有一定的可行性,这为高光谱遥感在喀斯特石漠化中的评价和监测奠定了理论和算法基础。     

基于人工神经网络的植被覆盖遥感反演方法研究

使用新型遥感数据-“北京一号”小卫星数据,采用BP神经网络法对密云水库流域内的植被覆盖进行反演,并将结果与传统回归分析法和NDVI像元二分法进行比较。结果表明：在山区植被信息遥感反演算法中,神经网络方法以其对非线性过程的精确模拟而具有比传统算法更高的精度,尤其对于遥感反演算法难度较大的山区植被覆盖信息提取效果较好。      

基于“北京一号”小卫星数据的密云水库流域植被覆盖度估算方法比较

“北京一号”小卫星（BJ-1）是一颗拥有高时频、覆盖宽度大等优势的对地观测小卫星。运用BJ-1遥感数据，以密云水库流域为研究区域，通过NDVI像元二分法、三波段梯度差法估算其植被覆盖度，并尝试利用重归一化植被指数（RDVI）法进行植被覆盖度估算。通过对3种方法估算结果的比较发现：RDVI法的估算结果与实测值的吻合度较高，而三波段梯度差法则出现较大误差，NDVI像元二分法的估算结果精度居中。结果表明：运用BJ-1数据，采用RDVI法可以有效地进行连续的、大范围的植被覆盖度估算。     

城市异质植被的覆盖度估算模型比较研究

植被覆盖度是城市生态环境评价的一个重要指标。针对亚热带城市异质植被覆盖特征,选择像元尺度的植被指数(NDVI)转换模型、亚像元尺度的植被—土壤两端元模型(V-S Model)和植被—高—低反射率三端元模型(V-H-L Model)在TM影像上估算植被覆盖度,并结合野外实地调查对比验证3种模型的估算精度及其适用性。结果表明模型尺度和背景亮度对植被覆盖度估算有着不同程度的影响。NDVI转换模型整体高估覆盖度为27%,V-S模型和V-H-L模型整体低估覆盖度分别为23%和5%;验证结果证明:NDVI转换模型对高密度(60%)植被的估算结果最好,低估4%;V-H-L模型对中密度(40%~60%)和低密度(40%)植被的估算结果最优,仅低估2%,并受背景亮度的影响最小。因此,NDVI转换模型适用于高密度植被覆盖度的估算,亚像元尺度下的V-S模型和V-H-L模型适用于低、中密度植被覆盖度的估算,并以V-H-L模型估算较为准确。     

多云雾地区高时空分辨率植被覆盖度构建方法研究

针对多云雾地区高时空分辨率数据缺乏现状,提出了一套区域尺度高时空分辨率植被覆盖度数据构建方法.首先,通过时空适应反射率融合模型(STARFM)有效地将TM 的较高空间分辨率与MODIS的高时间分辨率融合在一起,构建了研究区植被生长峰值阶段的NDVI数据;然后,以植被生长峰值阶段的NDVI为输入,基于地表覆被类型,综合应用等密度和非密度亚像元模型对研究区的植被覆盖度进行估算.结果表明:①即使数据源存在大量的云雾,且存在一定的时相差异,研究区植被覆盖度的估算结果过渡自然,不存在明显的不接边效应;②以植被生长峰值阶段的NDVI数据为输入进行植被覆盖度估算,有效拉开了同一地表覆被类型不同覆盖度像元的NDVI梯度,提高了亚像元估算模型对输入数据的抗扰动性;③基于地表覆被类型,应用亚像元混合模型,能够提高植被覆盖度的估算精度.经野外实测数据验证,总体约８５％的估算精度表明,针对高时空分辨率遥感数据缺乏的多云雾区域,本研究提出的方法能够实现区域尺度植被覆盖度数据的构建.     

利用MODIS数据估算西藏高原地表植被覆盖度

根据2004年9月13日至14日在西藏高原中部地面观测的植被覆盖度和同期接收的EOS/MODIS数据,分别建立了250m分辨率归一化植被指数(NDVI)、土壤调节植被指数(SAVI)与地面观测的植被覆盖度之间的相关关系,并以西藏高原中部和整个西藏高原作为两个试验区,选择典型植被类型,验证了Carlson和Ripley植被覆盖度算法的精度。结果表明,地面观测的植被覆盖度与植被指数之间呈线性关系。其中,地面观测值与NDVI的相关系数R2=0.90;与SAVI的相关系数为R2=0.89;Carlson和Ripley算法适合于中等植被覆盖度的草地植被。     

利用“北京一号”小卫星数据估算植被覆盖度的可行性研究

利用"北京一号"小卫星数据,以密云水库流域为研究区域,采用归一化植被指数(NDVI)像元二分法,进行地面植被覆盖度估算研究,并对估算结果进行实地检验和分析,其估算值与实际值之间的相关性较高 (86%).结果表明,利用"北京一号"小卫星数据进行植被覆盖度估算及监测应用是可行的.     

基于MODIS植被指数估算青海湖流域植被覆盖度研究

将MODIS数据合成的4种植被指数作为输入参数,采用像元二分模型对研究区的植被覆盖度进行估算,利用2006年的TM数据解译结果和2011年8月的野外实测数据对反演结果进行验证。结果显示:采用ND-VI估算的植被覆盖度比较符合研究区实地状况,样点估算精度达到87.13%;其他3种植被指数估算的植被覆盖度值比实际值低,尤其是对该区域典型植被草原草甸的覆盖度估算结果明显偏低。研究表明:2011年8月青海湖流域植被覆盖度以中高覆盖度为主,占整个流域面积的57%以上;植被覆盖度在空间上呈中部高、西北低的分布特点。     

基于HJ-1高光谱数据的植被覆盖度估测方法研究

植被覆盖度是衡量地表植被状况的一个重要参数,在水文、生态等方面有重要意义,同时,也是影响土壤侵蚀与水土流失的主要因子,是评价土地荒漠化最有效的指标。以环境一号(HJ-1)小卫星上搭载的新型传感器HSI获取的高光谱数据为数据源,通过选择合适的植被指数建立了植被覆盖度反演模型——像元二分模型。然后运用该模型提取了新疆石河子地区的植被覆盖度信息。通过与地面样方数据进行交互比较,对HJ-1/HSI数据反演植被覆盖度的精度进行了评价。研究结果表明,HJ-1/HSI数据能够得到较高精度的植被覆盖度反演结果,在植被动态及全球变化研究领域具有潜在应用价值。     

武汉地区1988~2002年植被覆盖度变化动态分析

植被是生态系统最重要的组成部分,而植被覆盖度是衡量地表植被状况的一个最重要的指标,是生态系统健康评价的前提和必要的基础。利用1988、1991、1996和2002年4个时相的TM和ETM+遥感影像为数据源,以归一化植被指数(NDVI)像元二分法为植被覆盖度估算模型,计算了武汉地区不同时期的植被覆盖度,生成了该地区不同时序的植被覆盖度图,以此分析武汉地区植被覆盖度的时空变化。结果表明,武汉地区在1988~2002年这14年,植被覆盖度变化明显,整个地区的平均植被覆盖度从58.41％下降到50.45％,下降值为7.96%,特别是江夏区和主城区变化幅度最为显著,下降值分别为9.98%和7.14%。植被覆盖度下降最快时间段是1996~2002年,恢复阶段是1991~1996年。从空间上来看,全地区都处于下降阶段,特别是郊区江夏区和市区,通过分析发现,这大部分原因都是城市发展的结果,导致了生态环境的恶性发展,值得各方面的注意。     

端元约束下的高光谱混合像元非负矩阵分解

提出一种端元约束条件下的非负矩阵分解方法来自动反演混合像元组分。以端元光谱之间的差距为约束条件,使得目标函数综合了影像的分解误差和端元光谱的影响,并以最大后验概率方法导出了限制性非负矩阵分解的迭代算法。成像光谱数据实验结果表明该方法能够自动提取影像的端元光谱矩阵与组分信息,且分解精度比IEA方法高。     

山区可见光—近红外遥感影像浓密植被暗像元自动识别方法研究

暗目标法是目前气溶胶光学厚度遥感反演中应用最为广泛的方法,浓密植被暗像元的识别是暗目标法的基础。针对可见光—近红外影像缺少中红外波段难以有效识别浓密植被暗像元的问题,引入红波段直方图阈值法识别山区可见光—近红外影像的浓密植被暗像元。该方法利用浓密森林像元在可见光波段反射率低的特点,通过搜索红波段直方图的最小峰值自动识别浓密植被暗像元。试验中选取Landsat TM影像前4个波段利用红波段直方图阈值法识别可见光—近红外影像的浓密植被暗像元,并与在中红外波段影像和可见光—近红外影像中广泛应用的两种暗像元识别方法进行对比分析,探讨红波段直方图阈值法的有效性,最后将该方法应用于环境减灾卫星(HJ-1)CCD影像的暗像元识别和气溶胶反演。实验结果表明:红波段直方图阈值法明显优于常用的可见光—近红外影像暗像元识别方法,识别精度接近传统的中红外波段影像识别方法,相似度指数小于2和小于3的暗像元分别为83.12%和93.48%。该方法为山区可见光—近红外影像浓密植被暗像元自动识别提供了一种新的适用方法,识别结果能够满足暗目标法反演气溶胶光学厚度的要求。     

基于修正MCMC的端元可变的混合像元分解算法

传统的混合像元分解一般是基于固定端元的,然而实际上影像中像元并非都由完全相同的端元组成。基于波谱库,将端元选取和丰度反演合为一个步骤,抽象成一个估计参数的随机过程,在端元数目可变的前提下,基于可逆的跳跃式MCMC方法估计参数,从波谱库中选取端元并对混合像元进行线性解混。在状态转移过程中,加入端元的累积知识,以提高算法效率。这种算法不需要人工干预,能够实现自动化像元分解,并且具有较高的精度。实验表明,基于修正MCMC的端元可变的自动化解混算法在分解精度和稳定性方面均优于基于固定端元的混合像元分解方法。     

基于ETM+热红外遥感的武汉市城市地温反演研究

利用ERDAS及ArcGIS软件,通过影像预处理、影像解译,最终提取城区土地分类信息;由单窗算法,以大气辐射传输方程简化的单波段地表温度反演算法为基础,对武汉市2002年ETM+热红外遥感影像及相关气象资料进行地面亮温反演和不同土地利用类型的热效应定量评价研究.研究中采用了基于归一化差值植被指数和基于地表分类相结合的方法确定地表发射率;地温反演引入了热效应贡献度和区域热单元权重指数,对不同地表类型的热贡献度以及植被覆盖与地表温度的关系进行分析.     

不同覆盖度下小麦农田土壤对NDVI影响模拟分析

生长于不同土壤类型背景条件下的相同长势小麦农田遥感像元尺度的归一化植被指数(NDVI)有很大差异,也一直困扰着利用NDVI进行小麦长势有效监测和精确评价。拟定小麦冠层光谱不变即小麦冠层NDVI为一常数条件下,选择反射率差异较大的我国9种典型土壤类型作为土壤背景,由小麦冠层和土壤背景的不同线性混合比模拟计算遥感像元尺度上的植被覆盖度,研究不同土壤类型背景对小麦农田NDVI信息的影响。研究结果表明:同一土壤类型背景条件下,随着植被覆盖度逐渐增加,小麦农田NDVI总体表现为增长的趋势,反之亦然;不同类型土壤背景对小麦农田NDVI造成很大差异,当植被覆盖度大于25%时,随着植被覆盖度的增加对小麦农田NDVI影响差异性逐渐减小;不同类型土壤背景也导致小麦农田NDVI对植被覆盖度的敏感性有明显差异,较低反射率土壤背景条件下的敏感性随着植被覆盖度增长呈现曲线下降的趋势,较高反射率土壤背景条件下敏感性随着植被覆盖度的增长而单调增加,为不同类型土壤背景的各小麦生长期遥感NDVI信息估算频次选择提供依据。     

基于混合像元分解的高光谱影像柑橘识别方法

为及时准确地监测柑橘种植信息,以江西省会昌县作为研究区,采用EO-1 Hyperion高光谱影像作为数据源,构建了基于混合像元分解的高光谱影像柑橘识别方法。首先,针对EO-1 Hyperion高光谱影像提供了242个波段,光谱范围广的特点,在波段选择、大气校正等预处理的基础上,提取研究区典型地物端元光谱曲线;然后,利用全约束线性光谱混合模型进行混合像元分解,提取出柑橘端元的丰度值,并通过对照高分遥感影像,构建柑橘端元丰度与柑橘实际种植的对应的关系。结果表明:由于典型地物端元提取中不可避免的误差及柑橘冠层覆盖度的差异,柑橘种植的准确识别与其柑橘端元丰度阈值存在对应关系。在经过反复试验的条件下,研究区柑橘端元丰度阈值设定在0.30~0.45范围之内,总精度达到90%以上,能够满足柑橘种植识别要求。