那曲典型草地植被光谱特征分析

遥感是大尺度生态研究的重要工具之一,而地面植物群落特征与其光谱特征之间的关系是解译遥感影像的关键。地面实测数据由于其高空间分辨率和高光谱分辨率,能够准确反映地物光谱信息,可以用来指导卫星遥感解译工作,同时为遥感监测草地退化、草地模型建立等提供数据支持。选取西藏那曲地区的优势植被类型作为研究对象,利用ASD FieldSpec 3便携式光谱仪测定优势种的冠层光谱并进行比较,并取其中一种优势种测量其在不同覆盖度和不同生长期的光谱反射特点。研究结果表明:①不同植被群落冠层光谱具有特殊的光谱曲线,可见光波段光谱反射率依次是紫花针茅、小嵩草和藏北嵩草,近红外波段光谱反射率则依次是小嵩草、藏北嵩草和紫花针茅;红边位置可以识别藏北嵩草,但是不能区分小嵩草和紫花针茅;②不同覆盖度的小嵩草红边、“绿峰”位置不随覆盖度的变化而发生变化;连续统去除后得到吸收深度随覆盖度的增加而变大,吸收峰面积随覆盖度的增加而增加;③小嵩草衰退期内,在可见光波段和红边波段,冠层光谱反射率随着叶绿素含量的减少而下降,出现“红边蓝移,绿峰下降”的现象。     

一种基于植被指数的遥感影像决策树分类方法

以江苏省徐州市为研究区,采用2000年ETM+多光谱影像作为遥感信息源,选择影像的光谱特征和归一化植被指数（NDVI）、绿度植被指数（GVI）、比值植被指数（RVI）等10种植被指数作为分类特征,基于See5决策树学习软件构建分类决策树,实现了研究区景观格局的遥感分类。研究结果表明,决策树分类法易于综合多种特征进行遥感影像的分类,植被指数参与到决策树分类中能够提高分类的总体精度。     

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...     

基于地面实测高光谱数据的三江源中东部草地植被光谱特征研究

草地不仅是畜牧业的生产基地,而且是生态安全屏障保护和牧民生活与草原文化传承的基础,具有生态、生产和生活功能。然而,草地日益退化导致的生态经济问题越来越突出。因此,实时、准确地监测草地的退化具有重要意义。根据所测定的各种地面植被的光谱数据,分析了三江源中东部典型草原区常见草种的光谱特性;利用一阶微分法、连续统去除法和归一化微分比的方法对草地植被光谱反射曲线进行了处理,提取了典型草地植被的光谱特征;通过光谱分析法能准确识别藏嵩草和小嵩草优势种,取得了较好的精度。为高光谱遥感草地监测提供了有力依据。     

植物污染胁迫遥感监测研究综述

我国工农业在过去几十年内迅速发展,随之而来的是大批环境问题的涌现,其中包括工农业对植物的污染问题。由于需要监测的范围越来越广、监测的对象越来越多,利用遥感技术监测受污植物受到越来越多的重视。首先提出了影响植被光谱的主要因素有叶绿素含量、细胞结构以及水含量,分析了植物在受到污染胁迫时光谱特征的变化,进而介绍了当前遥感监测植物污染胁迫的主要指标：植被指数和红边参数,并对主要植物污染物--重金属和烃类物质污染应用进行了详细阐述。指出了找到合适的植被指数和利用合适方法精确提取植被红边是监测的关键。最后对用遥感技术监测植物污染提出展望。     

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。     

BP-ANN在荒漠草地高光谱分类研究中的应用

利用高分辨率光谱仪在实地测得的光谱数据来识别新疆阜康地区的7种典型荒漠草种,对原始高光谱数据作预处理（微分和平滑）,选取典型荒漠植被的光谱特征（红边、绿峰、红谷、RVI等）作为输入数据,植被类型作为输出数据,构建基于BP神经网络模型的典型荒漠草地分类器,进行了三组基于高光谱特征的草地类型分类实验,结果表明：（1）红边特征较其余吸收特征更能获得精确的分类结果;（2）波段550~790 nm间的窄波段光谱分类间隔中,20 nm优于10 nm的间隔;（3）草地分类器中BP网络模型的输入层、隐藏层神经元个数与BP网络训练时间、精度具有复杂的耦合关系,不可一概而论。     

地面反射波谱与卫星磁带记录数据间关系模拟的初步探讨 -以冬小麦和土壤为例

根据冬小麦和土壤地面反射波谱测试数据，计算了在卫星高度土与卫星磁带数据相对应波段的辐亮度值，对NOAAAvHRR和TM某些通道的差值绿度植被指数Dvi、归一化绿度植被指数NDVI和比值绿度植被指数Rvi的分析，从理论上证明了目前采用TMDVI4.3提取冬小麦种植面积和NOAA NDVIZ2,1区分植被和土壤背景的有效性。同时在冬小麦种植面积和长势监测方面提出了一些新建议。     

浅析遥感光谱特征参量的原理及基本方法

概述了导数光谱、红边参数、光谱吸收特征以及光谱反射特征等遥感光谱特征参量的原理及基本方法,总结和分析了这些参量在植被领域中的应用动态,提出了遥感技术存在的问题及其应用展望,遥感光谱特征参量能够为植被理化信息的提取提供强有力的工具。     

联合主被动遥感数据定量评价林下植被对叶面积指数估算的影响

天然森林具有冠层和林下植被(即灌丛、草地)的垂直立体结构,准确、定量地分离林下植被对于改善森林冠层叶面积指数反演精度具有重要的科学意义和实用价值。传统被动光学遥感数据由于在直接获取三维信息方面存在局限性,联合主被动的航空激光雷达(ALS)和高光谱数据(HyMap),以美国华盛顿州植物园为重点研究区,首先在单木分割的基础上实现了森林的垂直分层(即森林冠层和林下植被层)。在此基础上,利用森林冠层激光点云数据对光学影像数据进行林下植被信息剔除。通过对比利用航空光学影像和地面实测得到的森林有效叶面积指数结果发现:①森林郁闭度对于ALS数据的穿透性具有显著影响;②去除林下植被信息能够有效改善森林冠层有效叶面积指数(LAIe)估算精度。通过剔除林下植被信息,植被指数(NDVI)与地面实测有效叶面积指数的相关性由0.087提升到0.591。此外,基于剔除林下植被信息的光学遥感影像,与简单比值植被指数(SR)(相关性由0.209提升到0.559)和简化简单比例植被指数(RSR)(相关性由0.147提升到0.358)相比,归一化植被指数(NDVI)对冠层叶面积指数的变化最为敏感(相关性提高0.5)。本研究所提出的联合主被动遥感数据定量分离林下植被的方法能够有效地改善森林冠层叶面积指数的反演精度,为准确定量地估算森林生物物理参数和研究碳、水循环过程提供坚实的基础。     

基于大疆精灵4无人机多光谱影像的西沙植被监测

西沙群岛位于热带,常年多云,在光学卫星数据获取时易受天气影响导致缺失,使得地表动态监测困难。为解决这一问题,探讨无人机低空平台对西沙群岛植被的监测能力,选取大疆精灵4多光谱无人机,通过5个多光谱波段提取4项植被指数,包括归一化差值植被指数（NDVI）、叶绿素指数（GCI）、绿色归一化植被指数（GNDVI）以及归一化绿红差值指数（NGRDI）,评估了2020年5月西沙群岛北岛的植被生长状况,并结合关键气象参数以及Worldview2卫星光学影像对比分析了2020年5月和2018年5月北岛植被生长变化及其潜在归因。研究结果表明：2020年5月北岛平均NDVI、GCI、GNDVI和NGRDI别为0.30、0.84、0.26和0.05,反映出植被覆盖度较低,可能存在枯黄现象,与地面监测结果一致;2020年人工管理植被区和自然生长植被区各项指数差异由2018年的-23%—15%增加到15%—40%,表明2020年自然生长植被长势显著差于人工管理植被,反映出较强的环境胁迫;气象数据显示2020年4月—5月该地区日平均温度较常年同期升高、累计降水量减少、平均风速增大同时增加了土壤水分亏缺,可能是引起植被生长状况变差的主要原因。综上所述,大疆精灵4无人机可定量反映热带岛屿植被生长状况,可为其生态环境监测提供有效途径。     

全球典型植被叶片光谱特征及其对LAI反演的影响分析

在全球范围长时间序列LAI遥感产品反演算法中,植被冠层反射率模型仅使用少量叶片光谱特征代表全球植被全年的典型植被光谱特征,叶片光谱的不确定性导致LAI遥感产品存在一定的误差。目前全球已经构建了多个典型植被叶片波谱数据集,这些数据集包含多个植被物种、不同空间地域及多时相叶片光谱数据,为定量分析叶片光谱特征提供了数据支持。主要利用LOPEX’93、ANGERS’03、中国典型地物波谱数据库和野外实测的叶片光谱数据,以黄边参数、红边参数和叶片光谱指数作为分析指标,探讨不同植被物种、不同气候区和不同物候期的叶片光谱特征差异,及其对植被冠层反射率、LAI反演的影响,为发展考虑现实叶片光谱差异的LAI反演算法提供研究基础。结果表明:植被叶片光谱存在多样性,叶片光谱特征差异主要影响MODIS传感器近红外波段和绿波段反射率值,其中,绿波段反射率值对叶片光谱变化最为敏感;在LAI反演算法中,如果只考虑植被类型而不考虑物种叶片光谱差异,可能会给LAI反演带来大于3的误差。     

基于RS和GIS的上海市植被覆盖变化特征研究

利用1997、2000和2002年的Landsat TM/ETM 遥感数据,计算了归一化差异植被指数(NDVI)并剔除植被伪变化信息,同时结合GIS空间分析功能较为详细地研究了近几年来上海城市植被覆盖的动态演变特征.结果表明:市区植被覆盖变化不大,面积总体呈现增加趋势;与市区相比,郊区的植被覆盖变化较为明显且减少面积较多;植被减少部分主要为耕地,主要对应城镇和工业用地的扩展区,增加部分主要是林地和草地;市区和浦东新区一些工矿用地和未利用地转化为草地在很大程度上增加了植被面积.     

高光谱遥感技术的铅污染监测应用研究

从高光谱技术的发展及其在植被遥感领域的应用出发，探讨了植被高光谱特征研究及其常用分析方法，对在营养胁迫情况下植物的叶绿素等变化对高光谱遥感响应的特征进行分析；归纳了获得优势应用的植被指数和导数光谱，植被光谱信息提取方法；总结了土壤遭受重金属铅污染及其对植物的影响的机理；针对遭受污染胁迫的植物的地面高光谱特征提出了利用地面高光谱遥感技术作为土壤及植物重金属污染的遥感监测手段；在探讨其应用现状的同时展望了高光谱遥感数据支撑与校验的应用前景。     

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。     

基于季相变化特征的撂荒地遥感提取方法研究

在我国西南地区耕种条件差,地块比较破碎,地块类型比较复杂,中低分辨率遥感数据难以满足撂荒地提取的需要。选取贵州修文县为试验区,基于高分辨率卫星遥感数据（哨兵2号）,探索单期或多期影像在中国西南地区的撂荒地检测能力,构建撂荒地遥感监测方法,为今后我国西南地区撂荒地统计调查提供参考。结合野外调查数据,在划分不同撂荒地类型基础上,综合遥感影像的光谱特征、植被指数特征以及多时相植被指数变化特征分析,优选不同类别撂荒地遥感提取敏感特征集,利用CART决策树分类方法,提取不同类型的撂荒地。结果表明：①单个时相对不同类型的撂荒地识别能力差异显著,基于单时相影像,难以开展撂荒地高精度遥感监测提取;②不同时相的植被指数变化特征对撂荒地的识别能力较强,其中比值植被指数优于差值植被指数和归一化植被指数;③以贵州修文县为例,开展了撂荒地空间分布制图及撂荒面积统计分析,修文县撂荒地面积约为6 460 hm²,占修文县耕地面积的13%;④基于多时相高分辨遥感数据,通过季相变化特征构建的撂荒地检测方法,能够满足我国西南地区撂荒地高精度遥感监测提取,为大范围撂荒地遥感调查和制图提供技术参考。     

L波段多角度微波植被指数研究

植被指数是卫星遥感领域中用来表征地表植被覆盖,生长状况的一个简单有效的度量参数。通常由于植被光谱受到植被本身、环境条件、大气状况等多种因素的影响,植被指数往往具有明显的区域性和时效性。微波遥感具有全天时、全天候的工作能力,利用被动微波遥感观测数据建立植被指数,将能够弥补现有植被指数的局限性。2009年发射的土壤水分和海洋盐度(SMOS)卫星首次采用L波段多角度微波观测。通过双极化多角度微波辐射信号组合,可以最小化地表辐射的影响,从而发展了仅与植被参数有关的微波植被指数。这种方法为SMOS监测全球植被信息提供新的机会。     

公路路域生态环境遥感监测数据源选取研究

为了满足路域生态环境监测遥感数据选取的需求,针对公路建设及生态特点,从时相特征、空间特征、数据特征和价格因素4个方面考虑,以近年修建的8条高速公路为研究对象,对其遥感影像进行了筛选。通过公路修建的不同时期、当地植被生长季以及时相一致性,从时相特征对遥感影像进行选择;根据不同尺度所选择的遥感影像分辨率要求,从空间特征上对其进行选择。依据可见光数据、多光谱数据以及高光谱数据的特征\,云量以及光照因素对遥感影像的影响等,从数据特征方面对遥感影像进行选取;考虑价格因素能够更为有效地使用遥感资源。通过这4个方面的筛选,能够为公路路域生态环境监测选取较为适宜的遥感数据提供科学依据。     

利用色调—亮度彩色分量的可见光植被指数

目的 无人机遥感具有高时效、高分辨率、低成本、操作简单等优势。但由于无人机通常只携带可见光传感器,无法计算由可见光-近红外波段组合所构造的植被指数。为解决这一问题,提出一种归一化色调亮度植被指数NHLVI （normalized hue and lightness vegetation index）。方法 通过分析HSL （hue-saturation-lightness）彩色空间模型,构建一种基于色调亮度的植被指数,将该植被指数以及其他常用的可见光植被指数,如归一化绿红差值指数NGRDI （normalized green-red difference index）、过绿指数ExG （excess green）、超绿超红差分指数ExGR （excess green minus excess red）等,分别与野外实测光谱数据和无人机多光谱数据的NDVI （normalized difference vegetation index）进行相关性比较;利用受试者工作特征曲线ROC （receiver operating characteristic curve）的特点确定阈值,并进行植被信息提取与分析。结果 NHLVI与NDVI相关性高（R²=0.776 8）,而其他可见光植被指数中,NGRDI与NDVI相关性较高（R²=0.687 4）;ROC曲线下面积大小作为评价不同植被指数区分植被与非植被的指标,NHLVI指数在ROC曲线下面积为0.777,小于NDVI （0.815）,但大于NGRDI （0.681）,区分植被与非植被能力较强。为进一步验证其精度,利用阈值法提取植被,NHLVI提取植被信息的总体精度为82.25%,高于NGRDI （79.75%）,尤其在植被稀疏区,NHLVI的提取结果优于NGRDI。结论 提出的归一化色调亮度植被指数,提取植被精度较高,适用于无人机可见光影像植被信息提取,为无人机可见光影像的应用提供了新方法。     

退牧还草工程项目遥感分析与效益评价——以四川省阿坝县为例

根据对卫星遥感影像的判读解译,探讨了利用3S技术（遥感（RS）、全球定位系统（GPS）、地理信息系统（GIS）技术）监测四川省阿坝县的退牧还草工程现状。通过陆地卫星TM遥感影像数据和同期野外调查数据,分析了植被指数与草地植被生物量之间的相关关系,建立了不同植被指数与草地生物量之间的一元线性回归模型和非线性回归模型。结果表明,利用遥感卫星的植被指数可以较好反映牧草植被群落变化和不同草原类型的牧草产草量差异。在全年放牧草地中,地上总生物量、植被总覆盖度、植被平均高度等指标均低于围栏内的草地。因此,利用“3S”技术可以对全县草原地上生物量进行遥感估测并对草原基况做出评价,客观反映退牧还草工程实施后效果。同时,为推动高空间分辨率卫星影像在我国草业和生态环境建设中的应用打下了坚实基础。