基于Landsat 8数据的植被覆盖度动态变化监测及生态质量指数提升对策分析——以泰州市海陵区为例

选取2013年、2017年和2021年覆盖泰州市海陵区范围的Landsat 8陆地成像仪(OLI)影像数据,采用归一化植被指数(NDVI)像元二分模型估算植被覆盖度,并基于转移矩阵对泰州市海陵区2013—2021年植被覆盖度的时空分布特征进行统计分析,同时对与其相关的建成区绿地率指数、建成区公园绿地可达指数等进行模拟测算分析。研究发现,建成区绿地面积、公园面积与建成区绿地率指数、公园绿地可达指数及生态质量指数(EQI)呈正相关,且绿地类型、公园形状、公园分散度等均会对指数测算结果产生不同影响。植被覆盖度监测结果表明,海陵区植被覆盖度明显下降的地块主要位于其边缘带,而植被覆盖度显著上升的地块则零星分散于海陵区各区域,说明海陵区在城市开发建设过程中兼顾了对绿色生态空间的拓展。

基于MODIS数据的植被指数与植被覆盖度关系研究——以比值植被指数和归一化植被指数为例

在植被遥感监测领域,植被指数被普遍运用于植物生长状况及植被覆盖的研究,其与植被覆盖度有着密切的联系。文章选取攀枝花地区MODIS遥感影像作为信息源,对归一化植被指数、比值植被指数与植被覆盖度间的关系进行研究。结果表明:基于MODIS数据提取的植被指数与植被覆盖度之间存在较强的相关性,且相关系数大小与植被指数类型和选取的拟合函数类型有关。各植被指数同植被覆盖度间相关性最高的是归一化植被指数,选用相同植被指数情况下,指数曲线拟合的相关系数最大。

水稻多时相植被指数特征及覆盖度提取研究

为准确快速获取水稻的植被指数特征和植被覆盖度信息,利用无人机采集水稻分蘖期、抽穗期和结实期的多光谱影像数据,选择不同类型的植被指数,利用样本统计法和植被指数交点法,提取并探究水稻3个生长期在地块和像元尺度下的植被指数特征,并运用阈值分割法提取水稻植被信息及覆盖度信息。结果表明,水稻3个生长期内,在像元和地块尺度下均表现出明显的物候特征,且与杂草和树木存在明显区别;多光谱植被指数的植被覆盖度提取精度整体高于可见光植被指数;归一化植被指数(normalized difference vegetation index,NDVI)对水稻3个时期植被覆盖度提取精度最高,提取误差分别为0.40%、0.43%和0.81%,R2为0.77、0.92和0.98,均方根误差(root mean square error,RMSE)为9.09%、2.97%和0.38%;可见光波段差异植被指数(visible-band difference vegetation index,VDVI)提取精度高于超绿红蓝差分指数(excess green-red-blue difference index,EGEBDI)和过绿减过红指数(excess green-excess red index,ExG-ExR),提取误差分别为4.30%、1.36%和1.60%,R^(2)分别为0.53、0.77和0.80,RMSE分别为14.62%、3.70%和5.50%。该研究成果可为作物长势监测及其植被覆盖度提取提供技术支撑。

重庆南部TM图像植被指数与植被覆盖度信息的关系研究

以TM影像为数据源,以重庆南川市为研究区,结合地面调查数据,利用ERDAS遥感处理软件,对植被覆盖度信息提取方法及植被覆盖度与植被指数的关系进行了研究。运用统计分析方法,分析得出研究区植被覆盖度与归一化差异植被指数(NDVI)之间具有显著的相关性,研究结果可为利用遥感资料进行大面积植被覆盖度估算提供了理论依据。

基于灵活的时空融合模型的植被覆盖度与植被指数关系

时空数据融合模型被广泛地应用于获取高时间、高空间分辨率的植被指数与植被覆盖度,但是其反演的精度常常受输入的低空间分辨率影像(如MODIS影像)的影响。本研究基于灵活的时空数据融合方法(FSDAF),深入分析了赛里木湖流域与石河子地区两种不同情景的MODIS影像组合对FSDAF模型植被覆盖度提取精度的影响,并研究了6种植被指数与植被覆盖度的线性与非线性关系。研究结果表明,FSDAF模拟影像的植被覆盖度精度取决于2个时期MODIS影像的变化率,影像变化小时取得的精度明显好于影像差异大的情况。而采用植被指数对植被覆盖度模拟时,NDVI与OSAVI的线性拟合效果较好,可以获取较理想的结果。试验表明,采用时空模型用于研究区植被覆盖反演能取得较好的效果,具有一定的应用推广价值。

基于可见光影像的木里矿区排土场植被覆盖度提取研究

为了快速准确提取木里矿区排土场的植被覆盖度,基于无人机可见光影像,选择过绿指数、过绿减过红指数、可见光波段差异植被指数和归一化绿红差异指数,将植被指数时序图交点法和样本统计法相结合进行阈值分割,从而提取植被覆盖度,并对提取结果的精度进行验证。结果表明:可见光波段差异植被指数的提取精度最高,达到95.83%,Kappa系数为0.92。由此可见,利用可见光波段差异植被指数,将植被指数时序图交点法和样本统计法相结合的方法适用于提取木里矿区排土场的植被覆盖度且精度较高。研究结果可为高寒矿区排土场植被覆盖度的精确提取提供一定的参考。

基于Landsat遥感影像的湖南省新邵县植被覆盖度变化分析

植被覆盖度是植被的直观量化指标,能够反映植被的生长情况,对生态环境建设具有重要意义。为探讨2000-2021年间新邵县植被覆盖度的动态变化,以湖南省邵阳市新邵县为研究区,利用2000年和2021年两期Landsat遥感影像,采用归一化差异植被指数和像元二分模型估算不同时期新邵县的植被覆盖度,并进行差值分析。结果表明:自2000年到2021年,新邵县的植被覆盖度整体呈增长趋势,且西部、南部地区的植被覆盖度增加明显,这与当地封山育林、绿化造林等政策实施密切相关。这也反映出新邵县在2000-2021年期间注重生态保护建设,森林质量明显提升。

宁夏沙坡头国家级自然保护区植被覆盖时空变化及其与气候因子的关系

为了研究黄河上游干旱区植被覆盖度的变化规律,选取宁夏沙坡头国家级自然保护区为研究区,基于2002—2021年Landsat卫星遥感影像,通过趋势分析法、相关分析与偏相关分析法等,从时间和空间尺度上分析研究区近20 a归一化差值植被指数(NDVI)变化及其与气温、降水的关系。结果表明:研究区的植被覆盖度率较低,2002—2021年NDVI值呈波浪式显著增大的趋势;研究区NDVI在空间上大致呈现东高西低的特点,且NDVI与气温、降水基本呈正相关关系。

台风“莫兰蒂”对厦门岛植被覆盖度的影响

选取厦门岛2016年台风“莫兰蒂”登陆前、后及2022年共3期的Landsat遥感影像数据,运用ENVI5.3与ArcGIS10.2,在对影像预处理后提取归一化植被指数(Normalized Difference Vegetation Index,NDVI),并采用像元二分模型得出植被覆盖度,结合差值法、均值法等方法分析“莫兰蒂”台风对厦门岛植被破坏和恢复情况。结果表明:(1)厦门岛总体植被覆盖水平较高,城市森林公园及高崎机场附近植被覆盖度相对较高,居民区与公共区的植被覆盖情况较差:(2)“莫兰蒂”对厦门岛植被环境的影响较大,植被覆盖度由40.3%降到27.7%,经过6年的恢复,2022年植被覆盖度达到35.1%;(3)“莫兰蒂”对厦门岛植被破坏存在沿街道分布的规律。

湘中地区地级市植被覆盖变化多尺度分析

归一化植被指数(NDVI)作为一种植被指数,其数据集合在一定程度上可以反映区域的植被覆盖变化情况,是监测生态环境变化的一项重要指标。本文以湘中地区XT市为研究区域,以250 m空间分辨率的NDVI数据集作为数据源,采用一元线性回归方法和相关系数方法,从省、市、县3个尺度对比分析不同尺度的植被覆盖变化,为不同尺度上的宏观生态政策制定提供参考。结果表明,研究区大部分区域植被覆盖呈明显增加趋势;市、县区植被覆盖增长速率低于全省年均增长率,且XT市、XX市和SS市植被覆盖呈明显增长趋势。

基于吉林一号卫星数据的荒漠草原植被覆盖度遥感反演研究

本文基于吉林一号遥感卫星高空间分辨率数据,选择适用于荒漠草原的NDVI、MSAVI、RVI和PVI四种植被指数,结合地面调查数据,对牧户尺度植被覆盖度进行反演模型的构建和验证。通过对比分析得出,基于MSAVI反演模型优于NDVI、RVI和PVI;其中,4 × 4 m样方拟合精度最高,EA为48.49%,优于1 × 1 m和2 × 2 m样方。

植被指数反演冬小麦植被覆盖度的适用性研究

利用冬小麦2个生长季高光谱反射率和覆盖度实测资料,基于回归分析方法建立4种植被指数反演植被覆盖度模型,并对预测模型年际间的稳定性进行了验证。采用噪声等效覆盖度误差对各植被指数反演植被覆盖度模型进行了敏感性分析,结合对模型的残差分析得到了不同种植密度和氮肥施用量条件下各植被指数的适用性。结果表明：归一化植被指数NDVI和改进的土壤调节指数TSAVI与冬小麦覆盖度采用抛物线拟合结果较好;修正的土壤调节植被指数MSAVI和增强型植被指数EVI与覆盖度符合线性关系。验证模型的决定系数略低于建模方程,反演模型在年际间表现出较好的稳定性,能够满足覆盖度预测需要。NDVI和TSAVI较MSAVI和EVI可更好地解释本地区冬小麦植被覆盖度的变化规律。在低到中覆盖度（0-60%）条件下,如果当地土壤信息可获得,利用植被指数TSAVI估算植被覆盖度变化规律表现出较好的敏感性和较高的估算精度。如果缺失土壤线资料,NDVI能保证覆盖度的估算精度。在高覆盖度（60%-100%）条件下,可选用敏感性和精度均良好的植被指数MSAVI进行估算。在水分供应充分的条件下,4种植被指数对作物种植密度和氮肥施用量均不敏感,可采用统一模型进行不同种植密度和不同施氮量处理的冬小麦覆盖度估算研究,为利用植被指数快捷、准确地估算本地区区域植被覆盖度提供了理论和技术支持。

基于Hyperion植被指数的干旱地区稀疏植被覆盖度估测

受稀疏植被与明亮土壤背景影响,干旱地区植被覆盖精确遥感估测难度较大。以Hyperion影像为数据源,选取甘肃省民勤绿洲-荒漠过渡带为研究区,系统比较了利用不同类型高光谱及多光谱植被指数估测干旱地区稀疏植被覆盖度的能力,以期确定干旱地区稀疏植被覆盖度估测的最佳植被指数。不同植被指数估测稀疏植被覆盖度的能力利用线性回归R2及留一交叉验证的均方根误差进行比较,结果表明:高光谱植被指数估测稀疏植被覆盖度的能力显著优于相应的多光谱植被指数,抗大气植被指数(ARVI)及抗土壤和大气植被指数(SARVI)表现明显优于归一化植被指数(NDVI)与土壤调节植被指数(SAVI),其中以基于833.3nm/640.5nm波段组合的ARVI表现最佳,R2可达0.7294,均方根误差(RMSE)仅为5.5488。

基于MODIS的干旱区植被覆盖度反演及植被指数优选

为进一步掌握塔里木河下游输水后的生态恢复程度,以输水河畔的植被覆盖度为研究对象,采用MODIS数据构建研究区多种植被指数;结合现场实测植被覆盖度,给出离散坐标下实测植被覆盖度与各种植被指数间的二维散点图,据此得出二者相关方程,反演区域植被覆盖度。结果表明,基于MODIS数据构建的NDVI、MSAVI、SAVI和EVI等植被指数均与植被覆盖度有较好的相关关系,采用这些植被指数反演植被覆盖度的精度由高到低依次为NDVI、EVI、MSAVI及SAVI。建议在干旱荒漠区,使用MODIS数据进行植被变化监测,最优选择的植被指数为NDVI。

利用不同植被指数估算植被覆盖度的比较研究

选用蔬菜地和草地2种植被类型,利用ASD光谱仪实测二者在不同覆盖度下的光谱响应,分析了归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、修正植被指数(MVI)、修改型土壤调节植被指数(MSAVI)以及全球环境监测植被指数(GEMI)等6种植被指数所用的最佳波段及其组合,进而研究了利用像元二分模型估算植被覆盖度时的不同植被指数的表现。结果表明,与蔬菜地植被指数相关系数较高的波段组合为620～740 nm谱段和780～900 nm谱段内波段的组合,与草地植被指数相关系数较高的波段组合为620～750 nm谱段和760～900 nm谱段内波段的组合,相关系数均达0.8以上;在高光谱数据构建的植被指数和模拟卫星数据构建的植被指数中,用DVI和MSAVI估算植被覆盖度,平均总体精度分别达到83.7%和79.5%,与其他4种植被指数相比,这2种指数更适合于利用像元二分模型进行植被覆盖度的估算。

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。

基于宽范围动态植被指数的棉花冠层覆盖度监测

旨在利用宽范围动态植被指数对棉花冠层覆盖度进行监测,解决传统的利用归一化差值植被指数对冠层覆盖度较高时监测不准确(饱和)的问题。采用高光谱仪获取棉花不同时期不同覆盖度的冠层光谱反射率,通过对构成归一化差值植被指数的近红外波段反射率引入系数α来提高修正后的植被指数随棉花覆盖度变化的动态范围。当利用权重系数0.1≤α≤0.2对近红外波段反射率调整之后,新形成的宽范围动态植被指数用于监测不同覆盖度棉花时未出现"饱和"现象。利用宽范围动态植被指数建立的棉花覆盖度监测模型的决定系数r2>0.948,对棉花冠层覆盖度进行监测,可以解决传统的归一化差值植被指数对冠层覆盖度较高时监测不准确(饱和)的问题,提高了植被指数对棉花冠层覆盖度监测的精度。

基于地形调节植被指数估算长汀县植被覆盖度

植被覆盖度遥感估算最常用的方法是基于植被指数构建模型,但大部分的植被指数没有考虑地形的影响。以福建省长汀县作为研究区,引入能消除地形影响的地形调节植被指数(topography adjusted vegetation index,TAVI),利用像元二分模型估算植被覆盖度,旨在研究TAVI对植被覆盖度估算结果的影响,并与基于归一化差值植被指数(normalized difference vegetation index,NDVI)估算的结果进行比较。根据目视效果和统计指标的分析表明:基于TAVI估算的植被覆盖度精度高于基于NDVI的估算结果,并能有效降低阴坡阳坡间的差异,提高阴坡区域植被覆盖度的估算精度。

广西岩溶地区植被覆盖度与植被指数耦合模型研究

选择广西典型岩溶山区灌草植被类型设置91块样方,运用Green Seeker手持光谱仪实测不同覆盖度植被的光谱响应并构建归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、修正植被指数(MVI)和修改型土壤调节植被指数(MSA VI)等5种植被指数,同时运用数码相机垂直拍摄样方照片并进行监督分类,提取植被覆盖度,最后对样方的植被覆盖度和植被指数进行相关分析、建立回归模型和精度验证。结果表明:NDVI、RVI和MVI与植被覆盖度高度相关,相关系数超过0.9;而且用NDVI反演的植被覆盖度与实测值在α=0.05显著水平下进行t检验,结果无显著差异,平均精度达到95%以上,比其他植被指数模型更优秀。研究结论对广西岩溶石漠化地区植被覆盖度的快速、连续监测与评估具有重要参考价值。