高泥沙含量洪水的MODIS遥感识别

2003年9月,渭河流域发生了严重的洪涝灾害,洪水泥沙含量高达486kg/m 3.准确地对泥沙含量极高的洪水及其淹没区进行快速识别是利用MODIS遥感资料成功进行渭河洪涝灾害监测的关键.通过对洪水及其淹没区MODIS图像的剖面光谱分析认为,在MODIS的1～7通道中,进行洪水识别的最佳通道依此是2、5和6通道;植被指数法和假彩色合成是提取高泥沙含量洪水及其淹没区域的有效方法.     

西南高山峡谷区植被变化及影响因素分析

西南高山峡谷区是我国典型生态脆弱区,认识其植被变化特征及影响因素可以为西南高山峡谷区生态环境建设对策的制定提供理论依据,对实现区域经济、环境以及生态和谐统一发展,具有一定的现实意义.基于2000~2019年NDVI、社会经济因子和自然因子数据集,采用一元线性回归法、Hurst指数、地理探测器模型和变异系数等方法分析了西南高山峡谷区NDVI时空变化及稳定性特征,并探讨了NDVI空间分异影响因素.结果表明：①空间上看,植被呈现东南高,西北低的分布格局,中高和高植被覆盖的区域面积占比71.71%,植被覆盖总体处于较高水平.时间上看,植被呈现改善趋势的区域面积占比85.90%,恢复效果明显,且未来植被变化趋势还将以改善为主.②高程、植被类型和土壤类型是影响NDVI空间分异的主导因子,q值均不低于0.40;气温和降雨量为次要因子,q值分别为0.274和0.225.双因子交互作用增强了单因子的影响力,表现为双因子增强和非线性增强两种关系,其中高程∩植被类型组合q值最高为0.714,其次是高程∩土壤类型组合q值为0.688.③研究时段内NDVI整体稳定性较好,低波动变化和较低波动变化的区域面积占比为89.95%;而中等以上波动的区域面积占比为10.05%,集中在海拔高、气温低、降雨少、土壤贫瘠和植被较差等生态环境相对脆弱的区域.植被变化是多因素综合作用的结果,需因地制宜,有针对性地采取不同策略修复西南高山峡谷区生态环境.     

榆林地区植被时空分异特征及其影响因素研究

植被作为反映陆地生态系统和气候的重要指标,对研究全球或区域生态环境变化具有重要作用.以地处黄土高原生态脆弱区的榆林市为研究区,基于地理探测器模型,选取坡向、坡度、气温、降水和土壤类型5类自然因子,土地利用类型、人口密度和GDP 3类人文因子,分析榆林地区植被空间分异特征及其驱动力,并揭示了促进植被生长影响因子的最适宜特...     

基于无人机遥感的互花米草长势参数提取与相关性分析

本文以盐城滨海湿地部分区域为研究区,利用无人机多光谱激光雷达融合技术提取互花米草（Spartina alterniflora）不同物候期的冠层高度、植被指数、覆盖度和倒伏率等长势参数,计算冠层高度与植被指数及其他参数的相关系数并构建了回归模型。结果表明：（1）枯萎期至成熟期的冠层高度逐渐增加,自海向陆的冠层高度整体逐渐减小;枯萎期至开花期的归一化植被指数（normalized difference vegetation index,NDVI）逐渐增加,成熟期的NDVI减小,自海向陆的NDVI整体逐渐减小。（2）非枯萎期的冠层高度与植被指数、覆盖度、倒伏率和空间位置显著相关。（3）冠层高度与植被指数分布存在空间异质性,地理加权回归（geographically weighted regression,GWR）在模型精度和空间异质性分析上均优于普通最小二乘回归（ordinary least square,OLS）。     

东湖沉积物重金属来源与人类活动相关性分析

城市化和工业化进程给城市湖泊带来了很高的重金属污染负荷。为研究湖泊重金属污染的来源以及人类活动对湖泊重金属污染的影响,以武汉郭郑湖为例,测定了沉积物中几种常见痕量重金属元素Co、Cr、Pb、Cu、Zn、Ni的含量,并采用地累积指数法和归一化法对重金属污染物的污染程度和污染来源进行了分析。研究结果表明,溢流排污口处沉积物重金属污染程度较高,Zn、Cu和Pb的污染程度高于Co、Cr、Ni,为湖泊主要污染物。归一化法分析表明:Zn、Pb、Cu之间呈显著相关,均以人类活动输入为主要来源。在溢流排污口处Ni和Cr受人类活动影响较轻微,Co以自然来源为主;在湖心处Ni、Cr、Co均以自然来源为主。以上结果表明,对郭郑湖的治理应以Zn、Pb、Cu为主。     

基于SPOT5影像多辐射校正水平的植被绿量遥感估算

选用南京市SPOT5图像的灰度值(DN)、星上辐射率(SR)、表观反射率(TOA)和地物反射率(PAC)数据,提取了两种植被指数(VI),即归一化植被指数(NDVI)和比值植被指数(RVI),并与地面实测的绿量(LVV)进行相关分析,建立了165个关系模型.结果表明,LVV与VI呈极显著的相关关系,其相关系数多以相对均质植被高于植被总体,基于灰度值高于常用的地物反射率为主.LVV-VI关系模型的R~2均值以多元线性回归模型最高(0.821),指数模型最低(0.536),而1～3次多项式模型均接近0.7.每种植被样方优选出一个模型,即阔叶林LVV-7.802 RVI_(PAC)-2.455(R~2=0.827,RMSE=0.498);针阔叶混交林LVV=-15.421 RVI_(TOA)+26.971 RVI_(DN)-8.261(R~2=0.918,RMSE=0.356);灌木LVV=-342.591 NDVI_(DN)~3-20.553 NDVI_(DN)~2+14.013 NDVI_(DN)+1.509(R~2=0.764,RMSE=0.689);草地LVV=2.934 RVI_(PAC)+2.147 RVI_(TOA)-3.193(R2=0.903,RMSE=0.464);总体植被LVV=1.789RVI_(PAC)-6.814NDVIs+4.258NDVI_(PAC)+12.854 NDVI_(DN)-0.342(R~2=0.810,RMSE=0.638).这些优选模犁的自变量包括了4种辐射校正水平下提取的两种植被指数,显示基于不同辐射校正水平的植被指数在植被LVV遥感反演中具有一定的应用潜力.     

基于植被指数和神经网络的热带人工林地上蓄积量遥感估测

热带森林作为陆地生态系统的组成成分之一,研究其蓄积量估测对我们了解其在全球碳循环中的地位和作用有很重要的意义.但遥感估测森林生态参数的精度如何,还是个不确定的问题.利用LANDSAT-TM数据,基于森林清查数据和遥感技术,以尾叶桉和加勒比松为例,对中国南方地区人工林蓄积量估测进行了尝试研究.首先,通过测量样方胸径、树高,建立森林蓄积量估算模型.其次,通过对比分析不同植被指数与森林蓄积量之间的关系,选择合适植被指数组合,建立多元回归和神经网络模型.结果表明:单波段TM数据和大多数植被指数与蓄积量相关性并不好.神经网络比回归分析模拟效果好.而多元回归和神经网络模型大大提高预测精度.本研究方法对大面积的森林蓄积量估测具有一定的参考价值.     

乌蒙山地区植被时空演变趋势预测

植被变化监测与预测是生态环境监测与保护的重要手段。基于2003～2018年MODIS EVI遥感数据,采用一元线性回归方法拟合研究区EVI的动态变化速率,结合t检验方法判定EVI变化显著性,应用Hurst指数模型预测乌蒙山地区植被未来变化特征。结果表明:(1)研究区近15年植被总体趋于改善,变率为0. 004 9/yr,变化趋势曲线呈“双峰单谷”型,空间上呈“东北部高,中部、西南部低”的格局;(2)乌蒙山地区EVI极显著改善区域比重为61. 98%,显著改善和不显著改善区域约占全区面积的1/3,退化区域比重为5. 64%;(3)研究区植被以持续变化序列为主,占比约为59. 5%,持续退化约为0. 6%,反持续性改善约为25. 13%,反持续改善主要分布在研究区北部、西南部和东北部等地,持续退化主要零星分布在城市区域;(4)研究区植被治理需加强监测,持续实施天然林保护、退耕还林等重大生态工程,因地制宜地探索生态经济发展模式,结合植被未来发展趋势,需要统筹推进国土空间优化。研究结果将有助于认识乌蒙山地区植被的时空演化特征及未来发展趋势,有利于该区采取积极措施应对植被变化。     

遥感指数在湖泊叶绿素a反演研究中的应用

借鉴陆地植被指数的算法,利用MODIS数据的波段组合对太湖叶绿素8浓度进行反演。探讨了差值植被指数DVI、比值植被指数RVI、归一化植被指数NDVI这三种遥感指数形式的反演效果及各自特点。MODIS数据蓝光波段和红外波段的组合是反演太湖叶绿素浓度的最佳波段组合,DVI适合于反演叶绿素浓度高的情况,RVI的反演结果两极分化明显而普适性较差,NDVI适合于反演浓度较低的情况。     

2000～2020年西南地区植被NDVI时空变化及驱动机制探究

基于2000～2020年MOD13A3 NDVI时间序列、1999～2020年气象数据以及2000年和2020年两期土地利用类型数据,采用Theil-Sen Median趋势分析、 Mann-Kendall显著性检验、多重共线性检验、残差分析和相对作用分析等方法,分析了西南地区植被NDVI时空变化特征及气候变化和人类活动对植被NDVI变化的驱动机制.结果表明,研究时段内西南地区整体及各地貌单元植被NDVI均呈上升趋势,其中,广西丘陵和云贵高原植被NDVI上升趋势最为显著,青藏高原植被NDVI上升趋势最为微弱.气候变化和人类活动影响下西南地区植被NDVI上升斜率分别为0.001 0 a^-1和0.000 6 a^-1.气候变化和人类活动的共同驱动是引起西南地区植被改善的主要原因.西南地区植被改善主要受区域气候条件的控制,植被退化主要受人类活动的影响.总体上,植被NDVI与最低气温、降水、最高气温、可能蒸散率和相对湿度呈正相关,与平均气温、气压、日照时数、温暖指数和湿度指数呈负相关.最低气温、日照时数和降水是影响西南地区植被NDVI变化的主要气象因子...