北京城区道路系统路网空间特征及其与LST和NDVI的相关性

城市道路系统是人类活动最为频繁的场所之一,研究路网空间特征与相关环境指标的关系,可为定量分析城市建设过程对城市生态环境的影响以及为城市基础设施规划管理提供方法。对北京市五环内各级道路抽样调查及面向对象的高分辨率遥感影像识别,建立道路空间信息数据库,运用TM影像反演获得地表温度(LST)及归一化植被指数(NDVI),研究4种不同分析网格下城市路网特征与两者的空间相关性。结果表明,在较大分析网格下(4×4),路网空间指标与LST mean及NDVI mean相关性显著;中等网格下,除LST与NDVI的平均值外,路网空间指标还可与两者最小值建立相关性;在较小窗口下(32×32),除平均值与最小值,还可建立特定道路指标与LST max及NDVI max的联系;各路网指标中,单位面积道路总长与LST及NDVI相关性最强;加权道路结点数在8×8和32×32网格分析中,与NDVI的相关性高于该指标未加权值,而结点指标均不适合与LST max建立联系;在各分析网格下,4项道路指标均与NDVI mean呈极显著负相关,表明道路绿地建设规模还不足以对NDVI的强度及分布产生较大影响。

基于特征空间的土壤含盐量的遥感反演

土壤表层含盐量的聚集是造成土壤盐渍化的主要原因，因此借助遥感手段及时、准确地对土壤含盐量进行研究有着重要的现实意义。以渭干河－库车河流域三角洲绿洲为研究区，采用2011年4月的Landsat卫星资料，利用改进型植被MSAVI和盐分指数（SI）构建土壤含盐量特征空间的遥感模型，并且通过2011年9月野外同步实测的地表0—10cm土壤含盐量进行相关性分析，R^2=0．8596，精度较好。这对干旱区绿洲农业的发展有着重要的现实意义。

基于MSAVI-WI特征空间的新疆渭干河-库车河流域绿洲土壤盐渍化研究

土壤盐渍化是造成干旱区土地荒漠化及生态恶化的重要原因,及时获取大尺度高精度土壤盐渍信息是防治工作的基础。选取新疆塔里木盆地北缘渭干河—库车河流域三角洲绿洲为研究区,利用Lansat-TM数据与野外实测数据分析盐渍化土壤与修改型土壤调整植被指数(MSAVI)、湿度指数(WI)之间的关系,在此基础上提出了MSAVI-WI特征空间概念,构建了土壤盐渍化遥感监测指数模型(MWI)。结果表明:MWI与土壤表层含盐量相关性较高,其相关性为0.844,精度高于土壤盐渍监测常用的盐分指数与实测数据的相关性。MWI能较好的反映盐渍化土壤地表植被及土壤水分的组合变化,具有明确的生物物理意义,并且特征参量简单,理论上易于理解,实践上易于实现,MWI模型的构建有利于干旱区大尺度土壤盐渍化定量监测与评价工作的开展。

基于MSAVI-SI特征空间的玛纳斯河流域灌区土壤盐渍化研究

玛纳斯河灌区是新疆重要的农业绿洲之一,其发展受土壤盐渍化制约,土壤盐渍化信息获取成为首要问题。以Landsat-OLI卫星影像和野外调查数据为基础,对修改型土壤调整植被指数（MSAVI）和盐分指数（SI）之间的关系进行了综合分析,并提出了MSAVI-SI特征空间概念,进而构建了盐渍化遥感信息提取指数模型（MSI）。结果表明：1不同程度盐渍化类型MSI平均值差异特征明显,其差值在0.35~0.43,因此,MSI指数可以作为盐渍化信息快速提取的指标。2灌区土壤受盐渍化侵扰严重,尤其从下游农业生产区到古尔班通古特沙漠过渡的生态脆弱区,受地下水影响明显的中段,土壤盐渍化仍是土地退化的重要原因。本研究对土壤盐渍化遥感监测和管理,以及区域环境保护具有重要意义。

植被类型对温度植被干旱指数(TVDI)的影响研究——以黑河绿洲区为例

温度植被干旱指数(TVDI)是进行干旱研究的有效指标,是反演土壤湿度的重要方法。植被覆盖类型是影响TVDI大小的重要因素。利用修正的土壤调整植被指数MSAVI替换NDVI,以便最小化土壤背景影响和提高对密植被的光谱敏感性,并在此基础上,比较基于植被分类计算的TVDI与基于传统方法计算的TVDI的大小,来研究植被类型对TVDI提取结果的影响。对比分析表明,阔叶林、灌丛和密草地的平均值与传统方法计算的差别较大,变化分别是+7.2%、-5.5%和-6.6%,产生平均值偏移主要是由于植被类型的冠层结构和光学属性的差异带来的LST-MSAVI空间特征干湿边的变化引起的。因此,在应用TVDI指数进行大范围干旱化研究和土壤湿度反演时,不同植被类型不能一起作LST-MSAVI空间特征来计算TVDI指数,需要考虑植被类型等影响因素,达到提高土壤湿度反演精度的目的。

利用温度植被旱情指数(TVDI)进行全国旱情监测研究

利用NOAA AVHRR资料提取的归一化植被指数 (NDVI)和陆地表面温度 (LST) ,构建NDVI Ts 特征空间 ,依据该特征空间设计的温度植被旱情指数作为旱情指标 ,对中国 2 0 0 0年 3月和 5月各旬的旱情进行了研究。研究结果表明在 2 0 0 0年 3月和 5月的重旱区主要分布在中国西北地区 ,在华北和华南的部分地区也有较大范围的分布 ,3月和 5月的全国重旱面积分别为 6 7 2× 10 4km2 和 12 6 1× 10 4km2 ;通过与各气象站测定的表层 10cm土壤重量含水量 (θ)数据进行相关性研究表明 ,利用综合了植被覆盖信息和陆地表面温度信息的TVDI旱情指标能够较好地反映表层土壤水分变化趋势 ,作为旱情评价指标是合理的 ;对TVDI随NDVI和Ts 变化的敏感性评价结果表明 ,以陆地表面温度为基础的旱情指标相对比以植被指数为基础的旱情指标更合理。

基于地表温度和植被指数的农业干旱遥感监测方法

农业旱灾是人类面临的最主要自然灾害之一,对我国农业生产影响非常大。土壤含水量是农业干旱监测的重要指标,通过遥感地表温度(LST)与植被指数(NDVI)结合,可以估算土壤湿度,监测农作物旱情。重点研究了LST/NDVI特征空间中干湿边的提取方法,通过14年全国NOAA/AVHRR的8km合成数据集分析发现,在LST/NDVI特征空间中,曲线斜率与实测土壤湿度显著相关(R=0.78,P<0.01),干边的截距和斜率与湿边有比较稳定的关系,但干湿边存在较大的空间和时间变异性。将全国分为6个区,分别确定LST/NDVI特征空间,根据特征空间干湿边参数反演土壤湿度,在土壤湿度分布图和全国耕地分布图基础上,进行旱情分级,得到全国耕地旱情分布图,可以为农业抗旱救灾提供快速宏观的信息服务。

基于沙地指数模型的沙地监测方法

沙漠化是干旱、半干旱地区的重要生态环境问题,我国西北地区沙漠化土地分布广泛,加剧的沙漠化问题影响着区域经济和社会的发展,遥感技术的进步为沙漠化评估与制图提供了重要手段。本文以内蒙古自治区浑善达克沙地为研究区,基于面向对象方法,对研究区Landsat8 OLI影像进行沙地最优尺度分割。以分割对象为基础,实验在冬夏季影像上分层分阶段提取沙地。在冬季影像上,本文提出新比值型指数RSBI(Ratio Soil Brightness Index)对沙地进行提取,精度较SBI指数提高4.11%。后基于改进型植被覆盖度指数(FMSAVI)与反照率(Albedo)构建二维特征空间,建立沙地分类指数模型(DCI),对夏季影像沙区分类。该方法总体精度为83.24%,较NDVI-Albedo二维特征空间模型精度提高5.59%,较FMSAVI模型提高16.20%。本文结合RSBI指数与FMSAVI-Albedo特征空间反演的DCI指数模型来提取沙地信息并对沙地分类,减少了沙地提取误差,提高了分类精度,为沙地信息的研究提供了新思路。