基于地表温度-植被指数特征空间的土壤干旱监测

以张掖市甘州区绿洲为研究区,采用5期遥感影像(2011~2015年),运用ENVI 5.2提取归一化植被指数(NDVI)、改进型土壤调节植被指数(MSAVI)和地表温度(Ts),构建Ts-NDVI和Ts-MSAVI特征空间,对比分析两种特征空间。结果表明,Ts-MSAVI特征空间的干边和湿边斜率均小于0,这与前人的研究干边斜率是负值,湿边斜率是正值的结论有所不同。Ts-NDVI和Ts-MSAVI这两种特征空间具有相同的趋势,其中2012、2013、2014年这3年两种特征空间系数r^2较高,其余2年系数r^2较低。整体而言,TsNDVI特征空间的干湿边系数相比Ts-MSAVI特征空间的干湿边系数要高,稳定性好。从TVDI旱情等级分布图上可以得出2012年的受旱面积最大,干旱和重旱面积占总面积的70.39%,2013年干旱情况最严重,重干旱面积为1 611.972 km^2,重旱面积占到总面积的43.5%,2014年干旱程度开始缓解,轻旱、干旱和重旱面积开始降低,湿润和正常面积开始增加,2015年干旱程度得到全面缓解,湿润和正常面积占到总面积的21.9%,但是干旱和重旱面积比重依然很大,说明张掖市甘州区绿洲旱情依然很严峻。

宽波段遥感植被指数研究进展综述

植被指数是地表资源环境管理和定量评价中的一个关键性指标,能有效地描述绿色植物长势和生物量信息。从绿色植被遥感光谱特性分析出发,系统介绍几种具有代表性的宽波段植被指数模型,将其划分为3大类型,即数值计算型、土壤调节型和大气调节型。数值计算型主要包括比值植被指数、差值植被指数、归一化差值植被指数等,其计算值的物理意义不清楚。土壤调节型主要包括垂直植被指数、土壤调节植被指数、全球环境监测指数等,通过引入土壤调节因子来突出植被信息,减少土壤背景的干扰。大气调节型主要包括抗大气植被指数、大气影响抗阻植被指数、增强型植被指数等,通过引入大气调节因子来突出植被信息,减少大气气溶胶的影响。最后,对各类模型存在的问题和下一步的发展方向进行了较为深入的探讨。

西藏高原青稞三种植被指数对红外增温的初始响应

气候变暖影响着农作物生长及其植被指数。为了探讨西藏高原青稞(Hordeum vulgare Linn.var.nudum Hook.f.)归一化植被指数(normalized difference vegetation index,NDVI)、归一化绿波段差值植被指数(normalized green difference vegetation index,GNDVI)和土壤调节植被指数(soil adjusted vegetation index,SAVI)对气候变暖的初始响应,2014年5月在西藏达孜县布设了一个红外增温实验(3个水平,即对照,1 000和2 000 W红外增温)。通过对2014年6─9月利用农业多光谱相机获取的3种植被指数和利用HOBO微气候观测系统获取的两个深度(5和20 cm)的土壤温湿度的统计分析,探讨了西藏高原青稞植被指数对红外增温的响应及其与土壤温湿度的相互关系。结果表明,1 000和2 000 W的增温使5 cm的土壤温度(t5)分别升高了约1.62和1.77℃,使20 cm的土壤温度(t20)分别升高了约1.16和1.43℃;相反使5 cm的土壤湿度(SM5)分别下降了约1.8%和14.1%,使20 cm的土壤湿度(SM20)分别下降了21.6%和14.7%。1 000 W的增温使NDVI、GNDVI和SAVI分别增加了约2.4%、4.3%和0.5%;2 000 W的增温则使NDVI、GNDVI和SAVI分别增加了约5.5%、5.3%和4.8%,尽管增加幅度并不显著。单因子回归分析表明,t5与NDVI(r2=0.110,P=0.026)和GNDVI(r2=0.254,P=0.000 4)为负相关,而与SAVI无关(r2=0.069,P=0.082);t20与GNDVI为负相关(r2=0.218,P=0.001),而与NDVI(r2=0.040,P=0.190)和SAVI(r2=0.014,P=0.443)无关;SM5与NDVI(r2=0.277,P=0.000 2)、GNDVI(r2=0.394,P=0.000 0)和SAVI(r2=0.208,P=0.002)为正相关。SM20与GNDVI为正相关(r2=0.193,P=0.003),而与NDVI(r2=0.059,P=0.107)和SAVI(r2=0.037,P=0.209)无关。多重回归分析表明,SM5主导着NDVI、GNDVI和SAVI的变异。偏相关分析表明,NDVI、GNDVI和SAVI与SM5的相关系数分别为0.442(P=0.003)、0.412(P=0.007)和0.404(P=0.008);与SM20的相关系数分别为-0.042(P=0.792)、0.051(P=0.749)和-0.033(P=0.837);与t5的相关系数分别为-0.154(P=0.332)、-0.019(P=0.907)和-0.170(P=0.282);与t20的相关系数分别为0.228(P=0.147)、-0.041(P=0.795)和0.268(P=0.086)。因此,红外增温引起的干旱抑制了青稞的生长,进而影响了植被指数,即植被指数的不显著变化可能与红外增温引起的土壤干旱有关。

基于PROSPECT+SAIL模型反演叶面积指数的较强适用性植被指数的筛选

基于PROSPECT+SAIL植被辐射传输模型,通过控制不同的植被生化变量、地表参数和土壤光谱参数建立光谱数据集,定量地分析了归一化植被指数(NDVI)、比值植被指数(SR)、土壤调节植被指数(SAVI)等10种常用的植被指数(VIs)对叶面积指数(LAI)的响应.利用敏感性函数定量地筛选出具有较强适用性的转换型土壤调节植被指数(TSAVI).在此基础上,分别建立了TSAVI及常用植被指数NDVI反演LAI的模型.以张掖市南部地区的TM影像为数据源,进行了LAI的反演,并利用黑河生态水文遥感试验获得的中游LAI数据集对模型进行精度评价.结果表明:TSAVI–LAI模型最佳拟合关系为指数形式,其反演结果与LAI实测值的偏差最小(0.200),R2最大(0.686),RMSE最小(0.397).TSAVI可以作为较强适用性植被指数来进行LAI的反演.

利用植被指数(Ⅵ)提取遥感影像荒漠林覆盖度信息的差异性研究

本研究针对荒漠林在遥感影像中的表现特征,选用归一化植被指数(NDVI)、重归一化植被指数(RDVI)和土壤调节植被指数(SAVI),比较分析通过遥感影像灰度图的判读和植被指数分析荒漠林的覆盖度。结果表明:3种植被指数在探测干旱区稀疏植被覆盖度的能力方面存在差异。RDVI探测稀疏植被覆盖度的能力明显劣于NDVI和SAVI。NDVI和SAVI表现基本一致;由于土壤因素的影响,在估测稀疏植被覆盖度方面,NDVI的能力较SAVI强。

面向水稻LAI监测的植被指数土壤调节参数修正

考虑土壤调节参数的植被指数能够减小土壤背景影响,广泛应用于各种植被遥感监测中,然而水稻种植在覆水土壤之上,有别于常见的各种土壤背景。为此,通过两年水稻小区试验,获取水稻冠层光谱数据和对应的叶面积指数(LAI)数据,利用在一定范围内变化的土壤调节参数计算得到一个系列植被指数(EVI、SAVI、WDVI),分析这些植被指数对水稻LAI的估算能力,确定水稻特殊背景下各植被指数的最佳土壤调节参数,研究发现,对EVI的最佳土壤调节参数为L=0.25,对SAVI的最佳土壤调节参数为L=0.10,对WDVI的最佳土壤调节参数为a=1.25,进而比较基于最佳土壤调节参数的植被指数与基于常规土壤调节参数的植被指数对水稻LAI估算效果。在以EVI为自变量的模型中,最佳参数RMSE相比常规参数降低6.82%;在SAVI模型中,最佳参数的RMSE相比常规参数降低10.23%。这些结果表明:针对水稻背景修正的土壤调节植被指数能够提高遥感反演水稻叶面积指数的准确度。

TM影像VI提取植被信息技术研究

应用规一化植被指数（ＮＤＶＩ）、土壤调节植被指数（ＳＡＶＩ）和修正后的土壤调节植被指数（ＭＳＡＶＩ），研究了ＴＭ影像植被信息的提取技术。结果表明，ＳＡＶＩ较之ＮＤＶＩ和ＭＳＡＶＩ，消除土壤背景影响和适应植被密度变化的能力更强，是植被信息提取效果较好的植被指数。使用ＳＡＶＩ，关键是要确定一个合适的土壤调节参数Ｌ，以最大限度地消除土壤背景的影响，ＳＡＶＩ提出时推荐的最佳Ｌ值（０．５）应用于卫片处理有很大局限性；基于研究结果，本文给出了适于不同植被条件卫片处理的最佳Ｌ取值。

马尾松毛虫寄主有效叶面积指数遥感反演模型研究

叶面积指数(LAI)是植物的重要结构变量,可以较好地反映植物冠层特征,构建该指标的有效反演模型是实现马尾松毛虫害空间监测与预警的必然要求。以在三明市、将乐县、沙县、南平市等4个县(市)测定的马尾松有效叶面积指数及同时段HJ-1 CCD多光谱遥感影像为基础数据,分别建立LAI与NDVI、TNDVI、DVI、RDVI、RVI、PVI、SAVI、MSAVI、MCARI等9个植被指数的一元线性、乘幂、指数、对数与二次曲线模型。结果表明:(1)上述9个植被指数均与马尾松有效叶面积指数显著相关;(2)R2、RMSE及预测精度等指标显示,以TNDVI与MSAVI作为自变量的乘幂、指数模型是马尾松毛虫主要寄主马尾松有效叶面积指数遥感反演的最佳模型,这与影像光谱信息量、指数对虫害状态下的林冠特征响应敏感有关。

基于Albedo-MSAVI特征空间的渭库绿洲土壤盐渍化研究

选取新疆塔里木河流域渭库绿洲为研究区,以landsat 8 OLI和野外调查为基础数据,分析盐渍化土壤与反照率(Albedo)和修改型土壤调节植被指数(MSAVI)的关系,并提出Albedo-MSAVI特征空间概念,构建监测土壤盐渍化不同指数模型SDI。结果表明:Albedo-MSAVI特征空间分布呈现明显的规律性,即地表反照率与修改型土壤调节植被指数在第1象限呈双曲线分布,且盐渍化与非盐渍化土壤分异明显;SDI模型与土壤含盐量的决定系数为0.96,能够较好地反映绿洲盐渍化情况;不同盐渍化程度的SDI平均差异与非盐渍化SDI平均差异特征明显,其差值为0.12~0.34。因此SDI指数可以作为盐渍化信息快速提取的指标,且SDI模型的构建有利于干旱区大尺度定量监测和评价土壤盐渍化工作。

Landsat8数据植被覆盖度遥感反演模型研究

植被覆盖度遥感反演模型是定量的描述一定区域内植被的覆盖情况.本文主要利用Landsat8影像资源,采用优化土壤调节植被指数,依托像元二分模型建立植被覆盖度估算模型.同时利用均方根误差函数对其估算模型进行验证,直观地反应估算模型的精度.

基于EM38和WorldView-2影像的土壤盐渍化建模研究

在干旱半干旱地区,土壤盐渍化是常见的土地退化问题之一。本研究选取于田县克里雅河上游边缘典型盐渍化区域作为研究靶区,通过EM38大地电导率仪实测土壤表观电导率,提取不同系数下的土壤调节植被指数(SAVI),分析了 SAVI指数与土壤电导率间的相关性,并利用同时期WorldView-2影像的敏感波段建立了基于高分辨率影像数据的土壤盐渍化偏最小二乘回归(PLSR)模型并进行了精度验证。结果表明:①从遥感影像提取SAVI指数时,在系数(Z)调节范围内选取固定系数值,系数值(间隔为0.1)从0.1变化到1.0的过程中,相应提取的SAVI指数与土壤电导率的相关性明显提升,相关性系数(r)从0.30提高到0.50,并通过显著性检验(P<0.01).②选取的SAV1.0、B6、B7、B8四种变量中,以SAVI1.0+B6+B8为变量组合所建立的PLSR模型为最优,该模型较其他变量组合建模的决定系数(R^2p)提高了 0.11,因此,在研究区该模型具有更好的预测能力,模型精度为RMSEc=0.77 dS/m、Rc^2=0.68.RMSEp=0.79dS/m、RP^2=0.66, RPD=2.2。

崇明东滩湿地植被遥感监测研究

以多时相TM遥感影像数据为基础,借助ERDAS和ArcGIS等专业软件进行遥感图像的预处理和特征提取,在此基础上采用修正土壤调节植被指数进行海三棱藨草、芦苇和互花米草3种优势植被的检测。通过植被分类图和各类型植被的统计数据表明,随着滩涂的淤涨,东滩湿地植被的面积大大增加,而互花米草的增加速率显著高于土著种芦苇和海三棱藨草,并且已在东滩保护区相当区域内形成单优势种群落。互花米草的快速增长严重影响了湿地的生物群落结构,如不加以控制和治理,会对崇明东滩保护区的生态系统造成较大的影响。

玉溪不透水面与植被及地表温度的定量关系分析

玉溪市区为例,以Landsat 8卫星遥感影像为数据源,将定量遥感分析中的线性光谱分解技术用于提取不透水面信息,并利用土壤调节植被指数和大气校正法分别提取出植被、地表温度等要素信息,并分析他们的相关关系.实验分析表明,越靠近玉溪城市中心区域,不透水面盖度值越大;不透水面信息与植被要素呈现较为显著的负相关关系,相关系数为0.866 5;而不透水面与地表温度信息存在明显的线性正相关关系,相关系数达到0.859 8.

环青海湖地区天然草地TM影像植被指数分析

应用归一化植被指数 (NDVI)、土壤调节植被指数 (SAVI)和修正后的土壤调节植被指数 (MSAVI) ,研究环青海湖地区三种草原类草地TM影像的植被指数特征。结果表明 ,紫花针茅草原、芨芨草草原、克氏针茅草原 ,消除土壤背景影响和适应草地植被密度变化能力更强的植被指数分别是NDVI、SAVI、MSAVI ;同时在使用SAVI时 ,关键要确定一个合适的土壤调节参数L ,以最大限度地消除土壤背景的影响 ,通过分析得出了此三种草原类型的最佳L取值。从而为该区草地类型的TM遥感识别分类提供信息和依据。

洪泽湖湿地类型变化分析

以洪泽湖湿地为研究区,结合归一化植被指数(NDVI)、最优调节土壤植被指数(OSAVI)和缨帽变换后的亮度指数(BVI)、绿度植被指数(GVI)、湿度指数(WVI),基于知识规则对洪泽湖湿地进行分类试验。通过建立洪泽湖湿地分类的分类模型,以区分不同湿地类型,并利用1973年、1984年和2006年3个时相多波段MSS/TM数据对洪泽湖淡水湖泊湿地进行分类。结果表明:基于知识规则的分类方法简单易行,且易于剔除提取地物时的干扰信息;多种指数参与到分类中能够提高分类的总体精度;在1973—2006年这33年间,洪泽湖敞水区和湿地植被急剧减少,亟待采取有效的措施进行保护。

高光谱技术分析茶树叶片中叶绿素含量及分布

植物叶片叶绿素含量及分布是植物营养信息表达的一个重要指标。以茶树为研究对象,利用高光谱技术分析茶树叶片中叶绿素含量及其分布。通过采集茶树鲜叶的高光谱图像,利用7种不同的算法从高光谱数据中提取相应的特征参数,并根据特征参数和叶绿素含量的参考测量值分别拟合出相应的预测模型。结果显示,二次土壤调节植被指数算法提取的特征参数最佳,预测模型校正集和预测集的相关系数R分别为0.843 3和0.832 3,最小均方根误差分别为9.918和8.601。最后根据预测模型估计叶片上任意像素下叶绿素的含量,并通过伪彩手段描述叶片中叶绿素含量的分布。研究结果表明,利用高光谱成像技术分析茶树叶片中叶绿素含量及其分布是可行的。

可见-近红外作物氮素光电测量仪开发

为了解决当前作物氮素含量无损检测手段欠缺问题,利用氮元素在可见-近红外波段的光谱特性,通过对两路入射光和两路反射光的测量,采用最小二乘估计法进行自动标定,开发了一种非接触测量植株氮素的光电测量仪,通过信号的调理解决了光电信号弱和太阳角影响问题。该仪器测得的双波段光谱数值与地物光谱仪相比具有很好的相关性,决定系数分别是0.994和0.985,而且能够方便地测定用于作物氮素营养评价的优化植被指数值。对小麦试验结果表明,该仪器可以用于植株氮素营养快速无损监测评价,具有操作简便、功耗低、灵敏度高、响应时间快的特点,测量的作物氮素可以用来指导变量施肥。

阿拉善左旗天然梭梭林鼠害防治的遥感监测

利用 1999年和 2 0 0 2年两期内蒙古阿拉善左旗TM遥感图像 ,进行大沙鼠鼠害防治前后梭梭林受害程度调查。对比分析了防治区与对照区植被生长状况 ,分析了健康和受害植被的光谱特征、其背景的纹理特征。用土壤调节植被指数和统计分类的方法 ,得出了受害植被的生长状况、健康植被面积增长量及对照区植被生长情况的相关数据。与实地害鼠密度的变化验证比较 ,为鼠害防治管理和动态监测提供科学依据。

藏北高原高寒草甸植被生产力对冷暖季放牧的响应

为了更好地预测放牧活动对青藏高原高寒草地生态系统时空格局变化的影响。2008年7月在藏北3个高寒草地生态系统进行了围栏与自由放牧对比试验,包括1个高寒草原化草甸冷季放牧样地(ASMWP)、1个高寒草原化草甸暖季放牧样地(ASMSP)和1个高寒草甸暖季放牧样地(AMSP)。本研究通过观测2012~2015年生长季的归一化植被指数(NDVI)、绿波段归一化植被指数(GNDVI)、土壤调节植被指数(SAVI)、地上生物量(AGB)和总初级生产力(GPP),探讨了暖季放牧和冷季放牧对高寒草地植被生产的影响差异以及不同类型高寒草地植被生产对放牧的响应差异。结果表明:冷季放牧使ASMWP的2012~2015年平均的NDVI显著下降22.27%,SAVI显著下降23.50%,AGB显著下降17.28%,GPP显著下降22.48%,而暖季放牧对ASMSP和AMSP的2012~2015年平均的NDVI、SAVI、AGB和GPP则都没有显著影响。放牧使ASMSP样地2012~2015年平均的GNDVI下降15.33%(p=0.091),而对ASMWP和AMSP样地的2012~2015年平均GNDVI无显著影响。因此,放牧对植被指数、地上生物量和总初级生产力的影响与放牧季节和草地类型有关。

基于国产高分遥感影像的城镇垃圾填埋场监测管理研究

垃圾卫生填埋场因其成本低、卫生程度好而被广泛应用,也是我国大多数城市解决生活垃圾出路的最主要方法,但因其占地面积大,同时存在严重的二次污染,因此需要对垃圾填埋场进行监测管理。本研究拟利用国产高分遥感数据开展对城镇垃圾填埋场的目标识别与信息提取,探索国产高分遥感数据在城镇减排监测管理中的应用潜力,为城镇垃圾处理设施的运行情况监管提供数据支持。