基于SPOT5遥感影像丰宁县植被地上生物量估测研究

利用SPOT5遥感影像数据和同期获得的野外调查样地数据,基于按植被类型分类估测的方法,研究了河北省丰宁满族自治县植被地上生物量的遥感估测技术。研究结果显示,SPOT5影像的4个波段反射率和中红外植被指数(VI3)结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.540,说明中红外波段信息提高森林生物量的估测精度有一定作用;通过分析样地生物量与多种植被指数的相关性发现,基于比值植被指数(RVI)的指数回归模型是灌丛生物量估测的最佳模型,估测的R2值达0.711,基于归一化植被指数(NDVI)的简单线性回归模型为估测草地生物量的最佳模型,R2值达0.790。利用2008年的全覆盖SPOT5影像,获得了丰宁县2008年植被地上生物量分布图,除农田植被外,全县地上生物总量为3.706×107 t,单位面积生物量平均为51.223t/hm2,其中,森林植被总生物量为3.578×107 t,灌丛植被总生物量为1.048×106 t,草地植被总生物量为2.277×105 t。     

山丹县草地地上生物量遥感估算模型

选择黑河流域草地植被的典型区域-山丹县作为研究区, 利用2003 年8 月野外实测50 个样方的草地地上生物量数据和同期的陆地卫星TM 影像数据, 分析了植被指数与草地地上生物量的相关关系, 进而建立基于遥感植被指数DV I 的草地地上生物量估算模型。结果表明: 在草地地上生物量和TM 影像植被指数之间关系微弱、直接利用TM 影像数据建立估算模型不可行的情况下,用地面实测的草地植被反射光谱数据对遥感影像数据进行校正, 能够弥补传统的“点-面”建模方法的不足, 获得比较理想的估算模型; 植被指数DVI 与草地地上生物量之间存在较好的相关性, 其估算模型为Y = 2477X - 77. 598 (R 2= 0. 7589) , 经实测数据验证, 总体精度达到80% 以上, 基本上能够满足中尺度的草地地上生物量估算。     

基于无人机与卫星遥感的草原地上生物量反演研究

草原生物量是评价草原生态系统功能的重要参数.为了快速、准确、有效地估算草原地上生物量,以呼伦贝尔草原为研究区,基于无人机多光谱影像和卫星遥感(Sentinel-2)影像,选择GNDVI、LCI、NDRE、NDVI、OSAVI、EVI等6个植被指数,结合实测地上生物量数据,建立植被指数回归模型,并采用留一法交叉验证进行精...     

基于无人机影像可见光植被指数的若尔盖草地地上生物量估算研究

地上生物量是衡量草地长势及生态系统服务功能的重要参数,对于草地生态系统碳收支、资源可持续开发等研究具有重要意义。研究基于若尔盖高原典型样带的无人机可见光影像和地面实测样本,建立生物量与多种可见光植被指数的指数回归模型,对比不同植被指数模型的生物量估算精度的差异。结果表明:可见光植被指数能够有效区分草地和其他覆盖类型,生物量与植被指数具有较好的相关关系。但基于不同波段建立的植被指数对生物量的估算精度存在差异,其中利用红、绿波段建立的植被指数NGRDI模型对生物量具有最高的模拟精度(R~2=0.856)和预测精度(验证样本ABE=94g/m~2,RMSE=124g/m~2)。研究获取了高空间分辨率的草地地上生物量,相关成果可为若尔盖高原碳收支、卫星遥感产品真实性检验、生态模型、资源可持续利用等研究提供方法与数据支撑。     

基于Landsat 8 OLI遥感影像的天山北坡草地地上生物量估算

利用Landsat 8OLI遥感数据获得NDVI、RVI、DVI、EVI、GNDVI和SAVI等6种常用植被指数,同时结合研究区草地地面实测数据,再根据坡向将研究区划分为阴坡和阳坡两类,利用统计分析方法分别建立紫泥泉牧场阴坡和阳坡的草原生物量遥感估算模型,并进行生物量空间反演和验证。相关分析结果表明:所选植被指数与牧场生物量显著相关,依据坡向分类后数据与未分类数据相关性存在较大差异,其中NDVI相关性最高,EVI相关性最低;紫泥泉草场生物量最优反演模型为基于SAVI的二次多项式模型,精度达80%。利用该模型反演得到2015年紫泥泉牧场草原平均鲜草产草量为113g/m2,折合干草产草量41.85g/m2。研究表明:坡向是影响生物量分布变化的重要因素;利用遥感数据、地面实测生物量数据并结合研究区阴阳坡地形特征,提出的生物量估算模型精度较高,可为该牧区草原生物量合理估算和草地放牧管理提供科学依据。     

基于GF-1遥感数据的若尔盖高寒沼泽湿地地上生物量与土壤有机碳密度估算

随着我国遥感技术迅速的发展,国产系列卫星数据越来越多的应用到各个行业中。在湿地遥感监测方面,湿地生物量和碳储量的遥感估算研究是研究人员非常关注的研究问题,我国自主研制的高分（GF）系列卫星为湿地生态系统的资源监测提供新的途径和方法。提出了基于GF-1卫星的若尔盖高寒沼泽湿地地上生物量与土壤有机碳密度估算方法,通过选取GF-1遥感数据单波段信息,计算植被指数信息、纹理特征、地形特征等27个遥感因子,采用逐步回归法确定建模因子,构建了若尔盖湿地地上生物量和有机碳密度估算模型。研究结果表明：整个若尔盖湿地地上生物量为109.93万t,0~30 cm的土壤有机碳密度为18.99 kg/m²。经地面调查数据验证,地上生物量估算精度为86.44%,有机碳密度估算精度为81.56%;并且,地上生物量和土壤有机碳密度与研究区的湿地植被分布主要集中在中部和西北部范围的空间特征一致,模型估算出的研究结果具有较好的可靠性和合理性。     

结合GLAS和TM卫星数据的江西省森林高度和生物量制图

针对光学遥感受云雨天气的影响,并存在植被指数饱和、穿透性差而难以到达森林冠层以下等问题,不能有效反映植被垂直结构信息,难以准确地反演森林地上生物量,以大光斑激光雷达GLAS数据、Landsat TM光学遥感影像数据以及野外实测数据为数据源,建立了江西省森林的平均冠层高度模型和森林生物量模型。结果表明:GLAS数据提取出波形特征参数、ASTER GDEM数据提取出地形特征参数与实测树高数据建立森林冠层高度模型,获取离散的林冠高度,可以较好消除地形对GLAS波形的影响;通过建立Landsat TM数据计算的NDVI与离散林冠高度之间的关系,可以进行大尺度连续森林冠层高度的制图;并利用林冠高度与森林生物量之间的幂函数关系估算森林生物量。因此,大光斑激光雷达GLAS数据与光学遥感数据联合,能充分发挥多源遥感的优势,实现连续冠层高度和森林生物量的反演。     

数据融合技术在提高NPP估算精度中的应用

针对现有遥感数据不能同时满足在时间和空间上精确监测植被动态变化的问题,提出利用时空适应性反射率融合模型（STARFM）的方法对MODIS-NDVI和TM-NDVI影像数据进行融合处理获得30 m较高时空分辨率的融合NDVI影像,进而将多种尺度的MODIS-NDVI和融合NDVI数据分别输入到CASA模型,对锡林浩特地区进行植被净初级生产力（NPP）的多尺度估算。将不同尺度的NPP估算结果与地上生物量地面实测值进行验证比较,结果表明：随着输入NDVI空间分辨率的提高,NPP估算值与实测地上生物量之间的相关性也逐渐增大,[r]最大值达到了0.915。此外以融合NDVI影像作为输入数据之一的NPP估算值与实测地上生物量的相关性均比未融合NDVI的相关性高,说明融合NDVI估算NPP的效果较未融合NDVI好,并且以融合NDVI影像作为模型输入数据可提高NPP估算精度。     

三峡库区植被生物量遥感估算方法研究

利用遥感手段估算三峡库区植被的生物量,综合野外观测数据,分析了Landsat TM数据的光谱信息与植被生物量的关系,通过相关性分析表明Landsat TM多光谱数据能较好地反映该地区的植被生物量水平。然后,利用Landsat TM数据分别建立了针对三峡库区的阔叶林、针叶林、针阔混交林、灌木林和草本植被5种主要植被类型的生物量遥感估算模型,并利用所得模型计算了该区域2002年植被的地上生物量总量为1.05×10⁸ Mg。
     

基于多角度高光谱数据的高寒沼泽湿地植被生物量估算

湿地植被生物量是湿地生态系统健康状况的重要指标,直接反映植被群落的生长状况和生产力高低。估测高寒沼泽湿地植被生物量有助于理解高寒沼泽生态系统与全球气候变化之间的反馈关系。以三江源隆宝滩自然保护区为研究对象,使用欧空局CHRIS/PROBA数据,利用高光谱光谱维信息和多角度立体结构信息,分析不同角度光谱反射率、窄波段植被指数、红边指数以及主成分分量与湿地植被地上干、鲜生物量的相关性,探讨生物量对角度的敏感性。结果表明:高寒沼泽湿地植被地上生物量对角度具有一定的敏感性,前向观测的+36°影像优于0°和-36°影像;-36°红边位点指数REIP对地上干生物量、鲜生物量的拟合效果最好,干生物量的R~2为0.599,F值为37.404;鲜生物量的R~2高达0.685,F值达54.410。研究区内最大地上生物量干重为446.7g/m~2,湿重为2 368.1g/m~2。     

基于宽波段和窄波段植被指数的草地LAI反演对比研究

叶面积指数是一个重要的植被生理生态参数,为探讨不同植被指数反演叶面积指数的可行性,基于同空间分辨率不同光谱分辨率的HJ\|1B CCD1和Hyperion遥感影像数据,以内蒙古自治区赤峰市克斯克腾旗贡格尔草原为研究对象,选取几种常见宽波段植被指数和高光谱窄波段植被指数并结合4种常用回归模型,比较分析了不同植被指数反演叶面积指数的精度。结果表明:对于全部植被指数而言,PVI、MSAVI等综合考虑了土壤、环境等因素的植被指数较传统植被指数NDVI、RVI反演草地LAI精度更高。通过对比发现,在反演草地LAI方面,窄波段植被指数比宽波段植被指数表现出明显的优势。其中,窄波段垂直植被指数PVI验证模型的确定性系数R²为0.65,均方根误差RMSE为0.15,说明实测LAI和模拟LAI值之间具有较好的变化一致性。最后基于Hyperion影像和窄波段垂直植被指数PVI的估算模型生成研究区叶面积指数空间分布图。     

基于涡度数据的东北草地光能利用率模型构建与验证

草地作为地球上分布最广的植被类型,在陆地碳循环中发挥着重要作用.草地生产力是估算产草量的基础,准确模拟生产力对草原资源合理利用及生态保护具有重要意义.以东北草地生产力为研究核心,利用涡度相关通量观测数据、遥感数据和气象数据,构建和检验东北草地光能利用率模型.东北草地光能利用率模型以归一化物候植被指数(NDPI)代表光合...     

锡林格勒典型植被类型光谱特征

内蒙古草原是全球变化研究的热点区域。遥感是进行大尺度草地动态监测最为有效的工具。为基于遥感数据的草地分类识别和动态变化监测提供依据,该文以锡林格勒盟的典型植被类型为研究对象,采集冠层反射率光谱数据,分析其波形和植被指数光谱特征。研究结果表明:红边面积、红边斜率以及680nm附近的叶绿素吸收谷特征参量,能够有效区分不同密度的草地和农业植被。归一化植被指数NDVI、绿度归一化植被指数GNDVI和优化调节植被指数OSAVI的变化趋势一致,能够反映植被绿度信息,适宜于监测植被长势。     

植被指数纹理特征信息估测稀疏植被生物量

针对基于反射率及植被指数的统计模型在估测荒漠化地区稀疏植被生物量时往往无法满足要求的问题,该文以RapidEye多光谱影像为数据源,尝试通过植被指数与纹理信息相结合的方法对甘肃省民勤县绿洲边缘稀疏植被区的生物量进行估测。选取4种典型植被指数,按照不同参数分别提取植被指数的灰度共生矩阵纹理特征值。将植被指数与实测生物量数据进行线性回归,同时,将纹理特征与生物量构建多元逐步回归模型。比较了单一的光谱信息与纹理信息估测荒漠化地区生物量的能力。研究结果表明,利用植被指数的纹理特征估测生物量的能力较高于单一的植被指数。     

基于MODIS SWIR数据的干旱区草地地上生物量反演及时空变化研究

基于古浪县MODIS遥感资料和地面实测样方数据,筛选出干旱区草地地上生物量的敏感指数,构建了该区草地地上生物量反演模型,并对2000~2014年试验区草地产量的时空动态进行了分析。结果表明:基于NDTI指数的草地地上生物量反演模型预测精度较高,可用于大范围干旱区草地地上生物量的快速监测。2000~2014年古浪县生长季最大草地地上生物量空间分布差异明显,由南向北生物量逐渐降低。15a间温性草原化荒漠和温性荒漠地上生物量呈极显著增加趋势。各草地类型生物量峰值出现在7~8月份,不同草地类型间存在差异。研究结果可为干旱区草地资源和生态环境的动态监测和评价提供科学基础。     

主被动遥感数据协同估算干旱区草原植被生物量

结合主动微波遥感和被动光学遥感反映地表植被的各自优势,发展了一种主被动遥感协同估算干旱区草原植被生物量的模型。该模型将植被覆盖度作为水云模型的附加参数,将总体散射分为植被覆盖区散射和裸土区散射两部分,将水云模型应用到了植被覆盖稀疏区域。利用改进的水云模型和双极化ASAR数据,通过建立方程组估算植被生物量。将该方法用于乌图美仁草原植被生物量的估算,验证了该方法的有效性。结果表明:该主被动遥感协同估算模型能够成功地估算干旱区草原植被生物量,并且取得了较好的估算精度(R2=0.8562,RMSE=0.1813kg/m2)。最后,分析了该方法估算植被生物量的误差来源。     

基于植被指数融合的冬小麦生物量反演研究

作物群体生物量是形成产量的物质基础,遥感技术是高效、客观监测作物地上生物量的重要手段,对农业生产管理具有重要意义。以安徽省龙亢农场为研究区,通过PROSAIL模拟光谱分析了4个LAI相关的可见光-近红外植被指数、2个叶片干物质相关的短波红外植被指数和8个融合植被指数与冬小麦地上生物量的关系,并建立反演模型。模拟结果显示,干物质植被指数与作物生物量的相关性高于LAI相关的植被指数,两者融合的植被指数增强了常用植被指数冬小麦生物量的探测能力。利用实测冬小麦数据对生物量反演模型进行验证,结果显示：融合植被指数普遍提高了单一植被指数的地上生物量反演精度,其中MTVI2×NDMI精度最高（RMSE=606.8 kg/hm²）,并为作物地上生物量的高精度反演提供新的技术途径。     

利用MERIS和AATSR资料估算黄土高原塬区植被含水量时空变化

通过利用2005年黄土高原塬区夏季地表过程野外观测试验期间收集的地面观测的植被含水量、中分辨率影像光谱仪(Medium Resolution Imaging Spectrometer,MERIS)和高级沿轨迹扫描辐射计(Advanced Along-Track Scanning Radiometer,AATSR)卫星遥感资料,分别对归一化差值植被指数(Normalized Different Vegetation Index)和归一化差值水分指数(NormalizedDifferent Water Index)与植被含水量(Vegetation water content)变化关系进行了分析比较,得到了两种不同的植被指数在作物生长背景影响下的异同。并分别利用MERIS的观测资料计算了NDVI,利用AATSR观测资料计算了NDWI,通过分析得出:随着作物的生长或生物量的增加,归一化差值植被指数变化趋于饱和,而归一化差值水分指数仍然继续增加。进一步通过同步地面野外观测植被含水量与卫星遥感观测资料的对比,建立了归一化差值植被指数、归一化差值水分指数和实际野外测量植被含水量的关系,并且得到由两种植被指数反演植被含水量的方法和地面观测之间的误差分别为1.030 64 kg·m-2和0.940 45 kg·m-2。最后通过分析后总结出,利用归一化差值水分指数来反演黄土高原塬区夏季玉米冠层的含水量优于利用归一化差值植被指数。     

高分一号与Landsat TM数据估算稀疏植被信息对比

为了分析高分一号卫星数据在稀疏植被信息提取方面的能力,该文选取浑善达克沙地及其周边为研究区,以GF-1和Landsat TM为数据源,结合地面同步实测数据,比较了两个传感器在荒漠化地区植被覆盖度和地上生物量估算方面的能力与差异。结果表明:在该区域,两种数据基于NDVI建立的对数模型可用于植被覆盖度的估测(GF-1:R2=0.7966,RMSEP=0.0908;Landsat 8:R2=0.8080,RMSEP=0.0871),GF-1基于SAVI和Landsat 8基于NDVI建立的乘幂模型进行地上生物量的估测效果最好(R2=0.4866,0.3715;RMSEP=143.46,130.71)。其次,在该区域,经过修正的土壤调节植被指数MSAVI相对于没有经过修正的土壤调节植被指数SAVI,与植被覆盖度和植被生物量的相关性并没有多大提高。第三,两种数据通过引入蓝色、绿色波段的多元回归模型估算植被覆盖度相比单一植被指数植被要好,尤其是对于Landsat影像改进效果更为明显,R2提高了0.3。总之,GF-1的16m数据具有相对较高的质量,可以代替Landsat 8多光谱数据,而且其具有更高的分辨率、重访周期和覆盖范围。     

植被指数在城市绿地信息提取中的比较研究

利用植被指数从TM 影像中提取植被, 从技术与经济成本方面综合考虑, 是一个比较好的手段。但在城市绿地信息提取中, 由于城市下垫面的特殊性和植被指数的繁多, 究竟哪些植被指数最适合于城市绿地, 还仍然是一个急待解决的难点问题。通过以上海中心城区为研究靶区, 利用单因子方差分析与多重比较对植被指数在城市绿地信息提取中的优劣进行比较研究, 得到如下结论: ①TM 影像经过植被指数计算处理后, 植被信息确实得到了增强, 但不同的植被指数也有所差别。如果以区分植被与非植被之间差异程度做标准, 那么植被指数提取植被由优到劣则依次是GEMI、RDVI、NDVI、GNDVI、RVI、TNDVI、DVI、EVI 和TGDVI。②植被指数基本能从TM 影像提取植被, 但把植被再细分的效果不是太好。总体来看, 除EVI 和TGDVI 以外, 植被指数能较好的区分草地与农田; 而树林与农田及草地与树林的区分则因不同的植被指数有所差异。区分草地与树林较好的是EVI, 区分草地与农田较好的是GEMI, 区分树林与农田较好的是TNDVI。③植被指数不但细分植被的效果不是太理想, 而且也不能很好的细分非植被地物。总体来说, 所有的植被指数都很难把建筑物与道路区别开, 尤其TGDVI、DVI 和EVI 更是如此。不过NDVI、GNDVI、TNDVI 和GEMI 能很好地把水体从TM 影像中提取出来, 其余的植被指数则只能区分植被与非植被, 不能再进一步的区分非植被地物。