新疆准噶尔东部荒漠区植被覆盖度遥感监测与评估

运用Landsat5/TM、Landsat7/ETM+和Landsat8/OLI传感器分别于2006、2010和2014年在准噶尔东部过境的影像数据经过影像校正后提取其NDVI,结合像元二分模型计算各年的植被覆盖度。基于ENVI和ArcGIS软件将植被覆盖度分等定级,分别分析荒漠区和绿洲植被的变化情况,计算各年间植被覆盖面积变化转移矩阵并参照历史气象数据和土地利用数据进行植被覆盖变化因素分析。2006-2014年研究区植被覆盖度连续降低,同一区域的植被斑块逐年破碎;植被覆盖Ⅰ级和Ⅴ级扩增速率分别达到平均每年0.33%和4.24%,Ⅱ、Ⅲ和Ⅳ级植被退缩速率分别为31%、19%、14%从2006-2014年整体表现为植被退化面积大于恢复面积并持续退化趋势。降水量和温度共同影响植被覆盖状况。研究区植被退化严重人为活动和恶劣的环境加速了其退化过程。     

阴山北麓草原生态功能区植被覆盖度遥感动态监测

为揭示植被覆盖度时空动态变化及其与气候因子的相关关系,以2011年国务院印发的《国家主体功能区规划》中划定的防风固沙类型的阴山北麓草原生态功能区为研究区域,以MODIS长时间序列的植被指数产品为数据源,采用像元二分法、一元线性趋势法以及相关分析法等,对阴山北麓草原生态功能区植被覆盖时空变化及其与气温和降水的关系进行分析.结果表明:阴山北麓草原生态功能区植被覆盖较差,其中以察哈尔右翼中旗的植被覆盖度为最高,数值在30%~60%之间;乌拉特后旗植被覆盖度为最低,处于2.31%~8.89%之间.2000-2010年研究区植被覆盖整体呈波动下降趋势,以低等级（0~20%）和较低等级（20%~40%）为主,两等级面积占90%以上;处于高等级（60%~80%）和较高等级（80%~100%）水平的区域面积总和仅占研究区总面积的0.62%.2000-2010年植被覆盖度由高等级向低等级的转化趋势明显,植被退化面积占研究区总面积的53.4%,植被改善面积仅占1.63%,基本不变的区域占44.97%.相关分析显示,研究区植被覆盖度与同期降水响应关系良好,大部分区域二者呈正相关;植被覆盖度与同期气温关系不明显,大部分区域二者呈负相关,说明降水是影响阴山北麓草原生态功能区植被覆盖度变化的主要自然因素.      

大山包黑颈鹤自然保护区植被覆盖度遥感监测及分析

基于2001、2006年的TM/ETM遥感数据,利用像元二分模型,估算出不同时期内大山包黑颈鹤自然保护区的植被覆盖度,并对其变化进行了定量分析。结果表明,2006年较2001年的植被覆盖度呈增高趋势。植被覆盖度的变化与人类活动有密切关系,大山包黑颈鹤自然保护区核心区居民异地迁移工程以及国家级自然保护区的建立是大山包黑颈鹤自然保护区植被覆盖度增高的重要原因。     

大山包黑颈鹤自然保护区植被覆盖度遥感监测及分析

基于2001、2006年的TM/ETM遥感数据,利用像元二分模型,估算出不同时期内大山包黑颈鹤自然保护区的植被覆盖度,并对其变化进行了定量分析。结果表明,2006年较2001年的植被覆盖度呈增高趋势。植被覆盖度的变化与人类活动有密切关系,大山包黑颈鹤自然保护区核心区居民异地迁移工程以及国家级自然保护区的建立是大山包黑颈鹤自然保护区植被覆盖度增高的重要原因。     

南方红壤典型水土流失区植被覆盖度变化及其生态效应评估——以福建省长汀县为例

南方红壤典型水土流失区--福建省长汀县曾因生态破坏导致严重的水土流失.经过多年以植树为主的生态修复,该县生态面貌有了明显的改观.论文首先采用线性光谱混合分析模型计算植被覆盖度,并在此原始模型的基础上提出了对地形阴影进行修正的方法来获取植被覆盖度.精度验证表明,在线性光谱混合分析模型中加入山地指数(NDMVI)波段能够削弱地形阴影问题,提高植被覆盖度反演精度.在此基础上利用多时相遥感影像分析了长汀2001-2013 年植被覆盖度的时空变化,并利用遥感生态指数(RSEI)定量评价了长汀水土流失生态修复的效果.结果表明,经过13 a 的水土流失治理,长汀的植被覆盖度有了明显的升高,从2001 年的75.1%上升到2013 年的86.5%.RSEI 生态指数值也随之上升,生态等级为优良的面积比例从85.83%增加到90.59%,反映了长汀县生态质量整体有了明显的提高.植被的生态效应定量研究表明,长汀县的植被覆盖度每增加10%,RSEI 生态指数值至少提高10%,植被覆盖度的生态提升效应显著.     

鄂尔多斯盆地植被覆盖动态监测与评价

基于像元分解模型,利用LANDSATNDVI数据,估算了鄂尔多斯盆地2002年7月和2010年7月植被覆盖度,以量化和可视化的形式分析了鄂尔多斯盆地2002年一2010年间植被覆盖度的时空变化特征,探寻了引起植被覆盖度变化的驱动因素。结果表明：2002年一2010年鄂尔多斯盆地植被覆盖度变化明显,平均覆盖度增加了7．35％,改善和明显改善面积增加了35．67％,退化和明显退化面积增加了1．49％。研究区植被覆盖度增加的主要原因是降雨量的增加和一系列生态建设工程的实施;减少的主要原因是恶劣的生态环境和过度的能源开发活动。     

北运河流域植被覆盖度变化及其生态环境质量评估

北运河流域作为北京城市副中心建设涉及的重要自然地理单元,流域内人类活动剧烈,生态问题突出,植被覆盖率下降.基于植被覆盖度快速实现流域内生态环境质量的全面评价,是打造生态和谐宜居示范区的重要支撑,也是实现新时期首都生态文明建设的关键.本文选取1990年、2004年、2018年时相相近的3期Landsat TM/OLI数据,首先采用线性光谱混合模型进行植被覆盖度(FVC)的计算,再利用主成分分析法构建遥感生态指数(RSEI),并对二者时空变化规律及相关性进行探究.结果表明,1990—2018年,研究区平均植被覆盖度与遥感生态指数均呈现先增后减的趋势,植被覆盖度由0.36增长至0.43再降至0.41,遥感生态指数由0.545增加为0.584后又降至0.545.1990—2004年生态质量下降的区域集中分布在北京市主城区四周,环境质量改善的区域集中分布在北运河流域北部、中心城区及东南部,而2004—2018年生态质量下降的重点区域则向东南部流域下游转移,环境质量改善的区域则大面积减少.流域内生态质量保持稳定的区域大幅增加,生态质量差与较差区域占比连续降低,表明研究区大部分区域生态系统状况趋于稳...     

成都平原及其周边区域植被覆盖动态监测

利用Landsat TM/OLI遥感数据、DEM和地貌数据,基于像元二分模型、遥感与GIS技术对2007~2013年成都平原及周边区域的植被覆盖动态变化进行了估算,并结合高程、坡度、坡向和地貌数据,定量分析了汶川地震前、后植被受损与恢复的空间动态格局变化。研究表明:(1)植被覆盖总体良好,近一半区域的植被覆盖度均在中、高度以上,空间格局上呈现由西部的龙门山区向中部的平原区域降低的总体趋势;(2)地震造成植被受损面积约6.91×105 hm~2,集中分布于海拔324~800 m、坡度20°、东坡、南坡和西坡及山地地貌部位;(3)震后5 a,植被恢复面积约4.88×105 hm~2,主要分布海拔324~1 000 m、坡度30°、平缓坡、南坡、东坡和西坡、丘陵和大起伏山地以下区域;(4)高程、坡度和地貌对植被损毁与恢复的影响明显高于坡向。     

高光谱植被覆盖度遥感估算研究

以北京大学"无人机遥感载荷综合试验场"为试验区,采集草地植被覆盖度(Vegetation Cover, VC)和相应样方冠层高光谱反射率数据,并对比研究了高光谱反射率三种变换形式(小波能量系数、主成分和植被指数)与VC之间的关系模型。结果表明:在三种变换形式中,植被指数模型(R²大于0.8,RMSE小于等于0.018 8)优于基于小波变换和主成分分析的VC模型;经过对高光谱数据进行小波分解获得的第二和第四小波能量系数与VC之间存在显著的对数相关(R²分别为0.811和0813;RMSE分别为0.019 9和0.019 8);以多个小波能量系数作为自变量的VC多元回归模型明显优于基于主成分的多元线性回归,R²和RMSE分别提高0.058和0.030;将高光谱EVI模型与TM-EVI数据相结合生成的试验区VC空间分布总体上呈北部和南部植被覆盖度高(分别>75%和>55%),中部相对低(15%~55%)的特征,与其土地利用/覆被特征相吻合。     

密云水库流域2000-2005年植被覆盖度变化监测

植被是生态系统最重要的组成部分,而植被覆盖度是衡量地表植被状况的一个最重要的指标,是生态系统健康评价的前提和必要的基础。文章利用2000和2005年2个时相的Landsat 7 ETM+遥感影像为数据源,以BP神经网络法为植被覆盖度估算模型,计算了密云水库流域内不同时期的植被覆盖度,生成了该流域2个时相内的植被覆盖度图,以此分析密云水库流域植被覆盖度的时空变化。结果表明,从2000-2005年,密云水库流域内除无植被覆盖类型外(即水域部分),其余土地利用类型的植被覆盖度都呈增加趋势,其中以沙质地和耕地最为明显,分别增长了29.5%和27.3%,并且密云水库流域的平均植被覆盖度不高,尤其西部地区植被覆盖度较差,水土流失和土地沙化情况比较严重。     

1999—2013年中国东北植被物候信息遥感监测

随着3S技术的迅猛发展,用于地表遥感监测的卫星影像数据浩如烟海,而影像上地表植被长势等隐含信息的提取通常工作量大、耗费时间。论文提出了一种计算机自动提取地表植被物候信息的方法,主要用于对地表植被生长季及其年内长势进行快速提取。方法的基本原理是基于NDVI序列数据集,构建时间点对的时长跨度与该点对半方差的函数关系。选择东北松嫩平原地区作为重点试验区,计算了该区域1999—2013年地表植被生长季长度和长势特点,并选择东北地区物候观测数据进行验证分析。结果表明：1）东北地区农耕作物的生长季持续期在107~126 d左右。计算得到的结果与实测数据的最大误差在5 d值域范围内,沼泽植被在160 d以上（误差10 d左右）,草地为120~139 d;2）研究区地表植被的生长盛期峰值出现在第150天前后。结果较为真实、合理地反映了研究区域地表植被的物候信息。     

综合考虑植被、温度和降水的四川省月尺度伏旱遥感监测

基于四川农业大省的重要性、伏旱监测的必要性、复杂地貌背景区实测气象站点的有限性以及多云雾天气下高频伏旱遥感监测的困难性,综合降水（TRM）、植被（VCI）和地表热力状况（TCI）在旱情发生发展中的作用及体现,构建基于三者加权的伏旱遥感监测模型,并完成了2000—2015年7—8月四川省月尺度伏旱监测,从伏旱多年平均状态、演变趋势、频率三方面分析了四川省月尺度伏旱的时空演变规律。结果表明：1）SDCI（归一化旱情综合指数）=0.25×VCI+0.5×TRM+0.25×TCI模型是最适用于四川省的月尺度伏旱监测模型。该模型体现了在伏旱监测过程中考虑并突出降水的重要性。2）四川省7月平均旱情强度较强,8月旱情强度整体上有所减弱;各地貌类型区7、8月旱情强度则表现为川东盆地旱情强度最强,高原与盆地过渡区次之,川西高原最弱。3）四川省整体上7月伏旱呈减缓变化,8月旱情呈加重变化。川东盆地7月伏旱以加重变化为主,8月则为减缓变化;高原与盆地过渡区及川西高原7月伏旱以减缓变化为主,8月多表现为加重变化。4）四川省不同地貌背景区伏旱频率分布特征表现为川东盆地历年旱情发生频率最高,其次是高原与盆地过渡区、川西高原。川东盆地和高原与盆地过渡区以中度干旱较为频发,川西高原则多为轻度干旱。     

基于遥感对土地退化监测与评价的几个方法

本文结合生态学,以地面监测和遥感原理、遥感反演、建模手段浅谈土地退化监测与评价的方法。     

塔里木河下游植被覆盖变化遥感定量分析

在RS与GIS技术支持下,采用空间模型分析法,以2 a为一研究时段,定量分析塔里木河下游输水后植被覆盖变化。结果表明:输水11 a来,Ⅳ级低覆盖植被、Ⅴ级裸地及沙地仍是研究区主要地类。与2000年相比,2010年Ⅰ级极高覆盖植被、Ⅱ级高覆盖植被、Ⅲ级中覆盖植被、Ⅳ级低覆盖植被均呈现逐级增加的趋势,分别增加了986.76、 681.84、 1 091.88、 8 641.89 hm²;Ⅴ级裸地、沙地减少了11 420.37 hm²。整个研究时段,Ⅲ级与Ⅳ级间、Ⅳ级与Ⅴ级间的转化为研究区主要转化类型。随着输水次数和年输水量的稳步增加,研究区植被覆盖类型将向覆盖度、面积稳步增长的平衡态发展,而随着输水量的减少,植被覆盖又转向类型变化频繁的非平衡态。植被覆盖度的增减变化客观反映了输水状况(输水量、输水持续时间),持续、稳定的输水是植被覆盖(覆盖度、面积)稳步增长的前提。     

基于遥感的青海省植被覆盖时空变化定量分析

使用1km分辨率MODIS NDVI时间序列数据,采用决策树分类、监督分类和非监督分类相结合的综合分类方法,将青海省土地覆盖类型划分为14个类别.这种分类方法重点突出了植被,特别是稀疏植被(包括稀疏草地和稀疏灌丛)的空间分布.在将青海省分为5个高程带的基础上,使用GIS软件的空间分析功能,对青海省2001～2006年的地表植被覆盖在各级高程带上的空间分布和时间序列变化进行了定量分析.结果表明,近5a青海省的植被覆盖有所改善,植被覆盖面积从2001年的370047km2增加到2006年的374576km2,植被覆盖率增加了0.63%.青海省5级高程带中高山地带的植被覆盖率最高,达到67.92%.在青海省各级高程带上,高山地带上中覆盖度草地的分布面积最大,为94003km2.高山地带高覆盖度草地的面积增加最多,为1280km2.5a间植被覆盖变化最大的是高山地带上稀疏草地向中覆盖度草地的转变,转变面积达到15931km2.     

微波植被指数在云南省植被动态监测中的适用性研究

基于遥感的植被指数是科学监测植被动态变化的最有效方法。然而,在我国西南地形复杂区域,基于植被光谱特征的光学植被指数常常因大气状况及环境条件等的影响而受到很大的限制。利用云南省2013年1月至2018年12月AMSR2 (Advanced Microwave Scanning Radiometer 2,即先进微波扫描辐射计2)双极化亮温数据,计算了云南省2013—2018年多年平均逐月微波植被指数,并选取草地、耕地、落叶阔叶林、常绿阔叶林及常绿针叶林五种典型植被类型区,对比分析了不同植被类型区各微波植被指数的季节变化规律及其与光学植被指数(NDVI)的相关性。结果表明:各微波植被指数的变化幅度均较小,低频和高频微波极化差异指数(MPDI)可以反映云南省各种植被类型的季节变化规律,同时低频MPDI对植被季节变化特征的响应更显著,而低频微波植被指数(MVIA和MVIB)对草地的季节变化响应更敏感。各微波植被指数与NDVI的相关性在低矮植被区更显著,更能反映低矮植被类型随季节变化规律。总体看来,各微波植被指数能够很好地识别不同类型植被的季节变化规律,可作为光学植被指数的有力补充,用于长时序、大范围植被动态监测。