基于卫星遥感数据的地表信息特征——NDVI-Ts空间描述

介绍了基于卫星遥感数据的可操作NDVI、Ts和Ts/NDVI计算方法 ,讨论了NDVI、Ts和Ts/NDVI数据对植被覆盖信息表达的差异 ,分析了不同地表覆盖在NDVI Ts空间的年内变化特征。利用信息熵和平均梯度定量分析了NDVI、Ts和Ts/NDVI数据在信息表达丰富度方面的差异 ,讨论了在不同地表植被覆盖下 。

泰山油松空间分布特征及生长状态分析

为探究泰山油松的空间分布特征及生长状态的变化规律,分析环境变量对泰山油松生长状态的影响,基于数字高程模型(DEM)和森林资源清查“一张图”数据,建立油松(Pinus tabulaeformis)空间分布的地形信息图谱,提取研究区2000—2018年油松生长季的最大NDVI表征油松的生长状态并分析其在不同立地条件下的变化规律。结果表明:(1)油松纯林主要分布在海拔850~1500 m的北坡、东北坡和西北坡(面积占比为40%~90%),油松混交林主要分布在海拔400~1050 m、1300~1450 m的山坡、山谷、山脊和东北坡、东坡、西南坡(面积占比为20%~30%);(2)2000—2018年,油松整体的生长状态呈向好的趋势,NDVI显著增大(9.82%)和极显著增大(13.56%)区域的面积占比明显大于显著减小(4.48%)和极显著减小(2.69%)区域的面积占比;(3)油松林在海拔600~1400 m、坡度<5°和25°~55°、土层厚度>35 cm的区域和北坡、西坡、西北坡的生长状态较好。通过对泰山油松林的空间分布特征及其在不同立地条件下生长状态的分析,总结了利于油松生长的立地条件,为泰山油松林健康养护和古树名木保护提供了科学依据。

贵州省黔东南州近20年NDVI时空变化特征分析

探究贵州省黔东南州植被覆盖变化特征,以期为黔东南州生态环境保护和林业高质量发展提供科学参考依据。基于中分辨率遥感产品MODIS数据,采用Theil-Sen Median趋势分析、Mann-Kendall检验、变异系数等方法,对黔东南州近20年来的植被覆盖时空变化特征进行研究。结果表明:黔东南州NDVI年均值整体呈增加趋势(R^(2)=0.4285),年内变化为夏季高,冬季低;空间上呈东南高、西北低的分布特征,多年均值为0.69;空间变化较为平稳,CV均值为0.06。黔东南州近20年来生态修复工作成效显著,建议在继续巩固退耕还林还草工作成效的同时,加大西北部石漠化治理力度,促进当地植被覆盖持续恢复。

基于NDVI-SI特征空间的土壤盐渍化遥感模型

同时考虑植被和土壤信息,构建盐渍化遥感信息提取模型。选取具有长期研究基础的塔里木南缘于田绿洲为研究靶区,综合分析归一化差值植被指数(NDVI)、盐分指数(SI)二者之间的关系,在此基础之上提出NDVI-SI特征空间概念,并构建土壤盐渍化遥感监测指数模型(SDI),结果表明:土壤表层含盐量与SDI相关性较高,其R2=0.8596。非盐渍地、轻度盐渍地、中度盐渍地、重度盐渍地的SDI平均值分别为0.399,0.763,0.974和1.201,差异较大;经差异性矩阵分析,亦表明SDI能够很好的区分研究区内不同盐渍化程度地类的分布范围。SDI能反映盐渍化土壤地表盐量组合及其变化,具有明确的生物物理意义,并且指标简单、易于获取、有利于盐渍化定量分析与监测,对今后干旱区盐渍地信息提取以及动态监测研究具有重要意义。

基于Ts-EVI特征空间的土壤水分估算

温度-植被指数特征空间耦合了地表温度和植被信息,是当前实现土壤水分遥感估算和农业旱情监测的重要方法。采用EOS-MODIS地表温度Ts和增强型植被指数EVI数据,研究Ts-EVI三角形特征空间中干边、湿边方程参数的确定方法,分析比较了温度植被干旱指数TVDI对不同土壤深度水分状况的估算能力,为利用特征空间法实现土壤水分监测提供理论依据。研究表明:特征空间中干边和湿边的确定以最大拐点处为始点进行线性拟合的常规方法并不完善,根据像元的分布频率,以采用能同时保留最大量有效信息和较高拟合精度的端点逼近法获取参数的效果较好;基于Ts-EVI特征空间构建的TVDI可以较好地估算土壤表层10、20cm和50cm土壤深度处土壤水分状况,其相关性均通过了α=0.001水平的t检验,但TVDI对表层土壤(20cm和10cm)水分的估算精度相对较高。

定居放牧方式下归一化植被指数(NDVI)的空间变化特征

利用遥感数据 ,对内蒙古锡林河流域定居放牧方式下归一化植被指数 (N DVI)的空间变化特征进行了分析 ,结果表明 :1)定居放牧方式下 ,N DVI随定居点距离的变化格局经历了 3个阶段。第一阶段 ,草场处于原生阶段 ,N DVI不随距离变化 ;第二阶段 ,定居点附近开始局部退化 ,N DVI随距离增加而增大 ;第三阶段 ,退化区域扩大 ,N DVI不随距离变化。2 )在草场局部退化阶段 ,N DVI随距离的变化呈对数函数规律 ,定居点的放牧区具有放牧半径、原生 N DVI值、N DVI变化率等特征。

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。

1983—1992年中国陆地植被NDVI演变特征的变化矢量分析

以NDVI时序资料为基本数据源 ,综合应用变化矢量分析和主成分分析方法对 1983年至 1992年中国陆地植被NDVI的变化强度、变化类型及空间结构变化特征进行了分析。研究结果表明在此期间中国陆地植被NDVI变化有以下特点 :(1)十年间NDVI变化东西分异明显 ,东部变化幅度远大于西部。NDVI变化整体表现为稳中略增 ,增加区主要分布在台湾、福建、四川、河南等地 ;减少区主要分布在云南省和新疆北部等地。 (2 )空间结构信息表现了景观异质性 ,其变化主要发生在南方 ,反映了植被的生长和衰老过程及地形 (山脉走向 )变化。

内蒙古赤峰及其周边地区荒漠化变化趋势研究——基于遥感技术中反照率和归一化植被指数特征空间

通过遥感影像来构造反照率(Albedo)和归一化植被指数(NDVI)特征空间是一种提取土地荒漠化信息的有效方法。该研究利用Landsat遥感影像来构造赤峰及周边地区Albedo-NDVI特征空间,分析当地2000和2008年的沙漠化状况。结果表明,随着时间的推移,当地植被覆盖度有所增加,土壤含水量以及沙漠化程度有所改善,政府政策的引导已见成效。

基于时序突变检测的植被空间变化特征识别方法——以海河北部山区为例

长时序植被变化趋势分析是分析植被生长与退化状况的主要手段之一,但难以精细揭示分析时段内植被变化动态的时空特征。将归一化植被指数(NDVI)时序突变检测与趋势分析结合起来,建立了精细识别植被空间变化特征的方法,并以海河北部山区为案例,开展了实证研究。案例分析结果表明:2000—2018年间,海河北部山区有78.1%的区域NDVI发生了突变,其中1.7%的面积发生退化。应用基于时序突变检测的植被变化识别方法进一步发现:植被变化在2011年出现突变拐点,突变前(2000—2011年)在西北草原区和东南林农区存在1.6%的显著退化,突变后(2011—2018年)在东部林农区存在1.2%的显著退化。分析表明,海河北部山区植被整体改善与气象因子的关系不大,局部恶化则是气象因子与人类活动共同作用的结果。与常规长时序植被变化趋势分析相比,基于时序突变检测的植被空间变化特征识别方法揭示了评估时段内植被空间变化的动态趋势,可为明确区域植被的变化以及差异化的植被恢复策略提供决策信息。

2000～2014年锦州市NDVI特征及动态趋势分析

生态环境监测是地理国情的重要监测内容。本文采用NDVI作为生态环境的监测指标,以MODIS产品数据为基础,首先分析了锦州市2000~2014年间NDVI最大值的空间特征,然后探讨了15年间NDVI的动态变化趋势。

贵州温度植被干旱的指数(TVDI)特征及其遥感干旱的监测应用

基于遥感技术的温度植被干旱指数(TVDI)综合了遥感陆面温度或遥感植被指数两类土壤水分检测方法的长处,有效地减小了植被覆盖度的影响,提高了遥感干旱监测的准确性。应用TVDI法和贵州2006年7月和8月,2007年8月的EOS/MODIS遥感资料,分析并揭示了山区复杂独特的NDVI-Ts空间结构特征,反演了贵州表层土壤干旱情况,并与同期当地气象站土壤湿度观测数据进行定量验证,证明TVDI与土壤湿度显著相关。该方法适宜于较大区域、复杂地形的干旱检测与预警。

农牧交错地带撂荒地遥感识别研究--以青海省海东市乐都区为例

为了实现对耕地及时、准确的识别,借助遥感技术对农牧交错地带撂荒地进行识别提取,摸清撂荒地的空间分布特征。基于谷歌地球引擎(Google earth engine,GEE)平台,调用研究区Sentienel-1和Sentienel-2遥感影像并进行预处理,采用随机森林算法开展研究区土地利用分类研究,并通过GEE平台获取研究区2017-2022年NDVI月最大值合成数据,结合撂荒地样本和非撂荒地样本NDVI夏、NDVI春差值和NDVI夏、NDVI秋差值,设定分割阈值来提取研究区撂荒地。研究区2017-2022年总体分类精度OA均≥0.85,Kappa系数均≥0.80,整体分类效果良好,可以进行后续的耕地提取;从水平尺度看,研究区撂荒地集中分布在南北山地,其次分布在沿湟水河两岸;从垂直尺度看,随着海拔上升,撂荒率呈正态分布,撂荒地集中分布在2 000~2 500 m,撂荒率随着坡度的增加而增加,这与坡度的增加会导致耕地质量下降和农业机械的难以利用有很大关系。相较于传统土地利用遥感分类研究,借助GEE平台开展的撂荒地识别研究能够快速获悉区域尺度下的撂荒地分布情况,为提取该地区撂荒地和土地利用保护提供参考。

基于3S技术的南北方典型区荒漠化演变特征对比研究

以MODIS遥感影像为数据源,运用南北方荒漠化典型区的地表反照率和植被指数建立Albedo-NDVI特征空间,从而构建荒漠化遥感监测模型,提取2005—2015年间土地荒漠化动态信息,在此基础上研究荒漠化时空演变特征。研究表明:(1)南北典型区重度荒漠化面积比重小,轻度荒漠化面积比重大;(2)近10年,南北典型区荒漠化土地总面积逐年递减;(3)北方坝上荒漠化程度不断的加重,局部地区持续恶化;南方都阳山东南部荒漠化程度不断的减弱,生态状况有所好转。

神东矿区土壤湿度遥感监测与双抛物线型NDVI-T_s特征空间

结合神东矿区环境与灾害遥感监测与分析,根据MODIS/AQUA卫星产品的归一化植被指数(NDVI)和地表温度(Ts)数据,分析了基于1km和500m分辨率数据的NDVI-Ts特征空间,发现NDVI-Ts特征空间均具有双抛物线型特征。与基于1km和500m分辨率数据的NDVI-Ts三角形特征空间进行对比分析,并将得到的温度植被干旱指数(TVDI)数据与实测土壤湿度进行相关性分析,结果表明1km双抛物线型NDVI-Ts特征空间能更好地反映地表0—5cm土壤湿度,而500m双抛物线型NDVI-Ts特征空间在监测10cm土壤湿度时更有优势。以通过双抛物线型NDVI-Ts特征空间得到的TVDI作为旱情遥感监测指标,评估了2010年10月8—23日16d和2010年10月8日当天的神东矿区旱情,揭示了矿区旱情的空间特点。

基于温度植被干旱指数法的农业干旱研究

利用MODIS数据提取归一化植被指数(NDVI)和陆地表面温度(LST),构建温度植被旱情指数(NDVI-Ts)特征空间,依据该特征空间设计的温度植被旱情指数(TVDI)作为旱情指标,结合土地利用现状数据对重庆市梁平县2006年7月12-27日的旱情进行了研究.研究结果表明在2006年7月12-27日重旱区主要分布在梁平的东北地区,旱地受旱面积为67.32%,水田受旱面积达55.1%,林地、水田、旱地、其他用地四种用地类型,其受旱比例依次递减,所得数据与该时间段该区土壤墒情站所得的干旱数据基本符合,该研究结果较好地反映了本次干旱灾害的空间分布,为相关部门进行干旱灾情评估制定和实施抗旱减灾措施提供了科学依据.

基于Landsat影像的江苏省土壤水分反演

土壤水分是土壤监测中的一项重要指标,监测土壤水分对区域生态环境保护与可持续发展具有重要意义。本文基于Landsat-8遥感影像数据,构建地表温度与植被指数的Ts/NDVI特征空间,对特征空间的干、湿边方程采用线性、指数、对数、多项式和幂函数拟合,通过决定系数R2对拟合结果进行评估,在选取最适合江苏省的干湿边拟合方程后,计算TVDI对江苏省的土壤水分进行反演。反演结果表明,全省土壤水分空间分布较为均匀,在降水较少的冬季,淮北及江淮局部地区易显露旱象。

MODIS和AVHRR植被指数关系的研究

对同一区域不同时次的MODIS和AVHRR的归一化植被指数 (NDVI) ,从直方图和特征空间分布方面进行了分析比较。

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。

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。