基于Landsat８影像的额济纳荒漠绿洲植被覆盖度估算方法对比研究

荒漠绿洲是维持当地人类生存和社会发展的主要依托,但其地表植被稀疏,生态系统极其脆弱,而植被覆盖度是反映荒漠生态环境信息的重要指标之一.以黑河下游额济纳荒漠绿洲为例,基于Landsat８影像和野外实测植被覆盖度数据,对比和分析现有的适宜于干旱荒漠区的３类植被覆盖度提取方法(经验模型法、像元二分法和三波段梯度差法)在该区域的应用效果,并尝试利用基于转换型土壤调整植被指数(TSAVI)的像元二分模型法和修正的三波段梯度差法(MTGDVI)进行植被覆盖度估算,以期找到计算额济纳荒漠绿洲植被覆盖度的最佳模型. 研究结果表明:用TSAVI像元二分模型法的反演精度高而且能够较好地估算额济纳荒漠区域和绿洲区域的植被覆
盖度,适用于估算额济纳荒漠绿洲的植被覆盖度.     

基于“北京一号”小卫星数据的密云水库流域植被覆盖度估算方法比较

“北京一号”小卫星（BJ-1）是一颗拥有高时频、覆盖宽度大等优势的对地观测小卫星。运用BJ-1遥感数据，以密云水库流域为研究区域，通过NDVI像元二分法、三波段梯度差法估算其植被覆盖度，并尝试利用重归一化植被指数（RDVI）法进行植被覆盖度估算。通过对3种方法估算结果的比较发现：RDVI法的估算结果与实测值的吻合度较高，而三波段梯度差法则出现较大误差，NDVI像元二分法的估算结果精度居中。结果表明：运用BJ-1数据，采用RDVI法可以有效地进行连续的、大范围的植被覆盖度估算。     

内蒙古浑善达克沙地南部草地盖度探测及其变化分析

陆地生态系统植被覆盖程度是评价区域生态环境变化的重要因子。以内蒙古浑善达克沙地南部(锡林郭勒盟正蓝旗北部地区)为研究区,应用中国环境与灾害监测预报小卫星数据HJ-1A CCD及美国陆地卫星数据Landsat TM,分别基于像元二分模型和三波段梯度差模型、使用NDVI和RDVI等参数,对研究区草地植被覆盖度进行了探测,并对比了不同模型方法和参数所得研究区草地植被盖度成果的分类精度。研究结果表明,基于像元二分模型和RDVI参数探测植被盖度的方法表现最好;以此为基础,进一步分析了研究区2000~2009年区域植被覆盖度动态变化,发现本地区在2000年之后草地覆盖改善区面积超过草地盖度下降区面积,浑善达克沙地南缘植被恢复状况总体较好。     

一种简单的估算植被覆盖度和恢复背景信息的方法

植被覆盖度是评估生态环境的一个重要参数，其对于全球环境变化和监测研究具有重要意义．如何从遥感资料估算植被覆盖度，并提高估算精度是建立全球或区域气候、生态模型的基础工作．该文从分析土壤、植被光谱信号的特点出发，根据植被覆盖度的定义，推导出计算植被覆盖度的方法，并进一步提出了计算植被覆盖度的三波段最大梯度差法．在此基础上，对部分植被覆盖下的土壤光谱实现重建．上述方法实现简单，适用范围广，并可有效分离植被、土壤的影响，因而有望替代常用的通过NDVI估算植被覆盖度的方法．     

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。     

南方丘陵区植被覆盖度遥感估算与时空变化研究——以福建省永定县为例

植被覆盖度是生态环境监测的重要指标,而复杂地形因素影响对山地植被遥感信息准确提取。基于Landsat-8OLI遥感数据,分别采用像元二分模型和线性混合光谱分解法,在对比分析植被覆盖度的地形敏感性基础上,选择山地植被指数(NDMVI)估算了1992、2002和2014年永定县的植被覆盖度,并分析其变化。结果表明:1基于山地植被指数(NDMVI)的覆盖度估算模型的地形敏感性最弱,更适合于南方丘陵山地的植被覆盖度遥感反演;2永定县总体植被覆盖度较高,平均植被覆盖度达77.99%以上,高覆盖度区占59.73%以上,22年内植被覆盖度经历了先提高再下降的过程;3在空间上,高坎抚、金丰和西部片区的植被覆盖度较低,动态变化较明显。永定县金丰片区植被覆盖度明显提高;而近12年内高坎抚片区因矿业开采活动对生态环境的破坏,植被覆盖度降低幅度大,且变化面积较大。     

多云雾地区高时空分辨率植被覆盖度构建方法研究

针对多云雾地区高时空分辨率数据缺乏现状,提出了一套区域尺度高时空分辨率植被覆盖度数据构建方法.首先,通过时空适应反射率融合模型(STARFM)有效地将TM 的较高空间分辨率与MODIS的高时间分辨率融合在一起,构建了研究区植被生长峰值阶段的NDVI数据;然后,以植被生长峰值阶段的NDVI为输入,基于地表覆被类型,综合应用等密度和非密度亚像元模型对研究区的植被覆盖度进行估算.结果表明:①即使数据源存在大量的云雾,且存在一定的时相差异,研究区植被覆盖度的估算结果过渡自然,不存在明显的不接边效应;②以植被生长峰值阶段的NDVI数据为输入进行植被覆盖度估算,有效拉开了同一地表覆被类型不同覆盖度像元的NDVI梯度,提高了亚像元估算模型对输入数据的抗扰动性;③基于地表覆被类型,应用亚像元混合模型,能够提高植被覆盖度的估算精度.经野外实测数据验证,总体约８５％的估算精度表明,针对高时空分辨率遥感数据缺乏的多云雾区域,本研究提出的方法能够实现区域尺度植被覆盖度数据的构建.     

城市异质植被的覆盖度估算模型比较研究

植被覆盖度是城市生态环境评价的一个重要指标。针对亚热带城市异质植被覆盖特征,选择像元尺度的植被指数(NDVI)转换模型、亚像元尺度的植被—土壤两端元模型(V-S Model)和植被—高—低反射率三端元模型(V-H-L Model)在TM影像上估算植被覆盖度,并结合野外实地调查对比验证3种模型的估算精度及其适用性。结果表明模型尺度和背景亮度对植被覆盖度估算有着不同程度的影响。NDVI转换模型整体高估覆盖度为27%,V-S模型和V-H-L模型整体低估覆盖度分别为23%和5%;验证结果证明:NDVI转换模型对高密度(60%)植被的估算结果最好,低估4%;V-H-L模型对中密度(40%~60%)和低密度(40%)植被的估算结果最优,仅低估2%,并受背景亮度的影响最小。因此,NDVI转换模型适用于高密度植被覆盖度的估算,亚像元尺度下的V-S模型和V-H-L模型适用于低、中密度植被覆盖度的估算,并以V-H-L模型估算较为准确。     

基于MODIS NDVI的吉林省植被覆盖度动态遥感监测

植被覆盖度是植物群落覆盖地表状况的一个综合量化指标,植被覆盖及其变化是区域环境变化的重要指示,对于区域水文及生态状况、全球变化的区域响应等都具有重要意义。以MODIS NDVI为数据源,采用像元二分模型,提取2000~2007年吉林省植被覆盖度,获取不同时期的植被覆盖度图,并进一步分析了植被覆盖度变化的原因。结果表明：吉林省植被覆盖度由东部到西部逐渐降低,其中白山地区植被覆盖情况最好。过去8 a间,吉林省植被覆盖度总体呈上升趋势,2007年植被覆盖度达到最高,为83.04%。在此期间,中部地区和西部地区植被覆盖增加了 797.52 km²,占总面积变化的74.79%。生态恢复工程、降水和气温等是影响植被覆盖度变化的主要因素。     

石家庄1995～2015年植被覆盖变化监测及预测

为揭示石家庄1995~2015年植被覆盖变化状况,掌握植被覆盖的变化趋势,该文基于1995、2001、2007、2009、2012和2015年Landsat TM/OLI遥感影像数据,通过像元二分模型求得石家庄6个时期的植被覆盖度,借助变异系数模型和Slope模型分析该地区20年内植被覆盖的空间变化特点和变化趋势,最后利用元胞自动机-马尔可夫模型对石家庄2018年各级植被覆盖状况进行预测。结果表明:从1995到2015年,石家庄植被覆盖度均值增加了3.71%;全市平均变异系数为0.211,人为因素是植被覆盖波动变化的主要因素;植被覆盖变化趋势呈基本不变和三类变好区域共占全市面积的82.22%,三类变差区域多分布在城市建设和经济发展的活跃地区;到2018年,石家庄高植被覆盖和中高植被覆盖面积都有下降,中植被覆盖和低植被覆盖面积有所提高,极低植被覆盖面积基本不变。     

基于Google Earth Engine的中国植被覆盖度时空变化特征分析

植被覆盖时空变化是全球及区域生态环境重要研究内容之一。基于Google Earth Engine云平台,利用2000~2017年250 m分辨率的MODIS-EVI长时间序列数据,采用像元二分模型并辅以趋势分析、去趋势标准差、Hurst指数方法定量估算中国自2000年来植被覆盖度时空变化,并从省域尺度分析中国植被覆盖度近18 a以及未来趋势变化的时空分异特征。研究结果表明:①2000年以来中国植被覆盖度的变化速率为0.09%/a(P<0.01),平均植被覆盖度为44.63%,空间分布格局上整体呈现“东南高、西北低”的特点,但存在空间异质性;②从省级尺度来看,海南省平均植被覆盖度最高(79%),新疆维吾尔自治区最低(13%),山西省改善趋势最显著(0.4%/a),天津市年际波动最大(DSD=0.039),位于中国最西部的3省:新疆、西藏、青海植被覆盖度年际波动最小;③全国尺度植被覆盖度Hurst指数为0.72,未来将继续保持改善的趋势。具有改善持续性的省份基本呈“T”型分布,位于东西两侧的省份应注重加强植被生态修复与防护工作,保障区域生态文明建设的持续性。     

基于直方图与像元分解模型的森林覆盖度遥感估算

森林覆盖度是能够勾描出林分边界的森林覆盖率,定量化的覆盖度信息可体现其水平尺度的时空分异特性。像元分解模型在覆盖度遥感估算中得到了广泛应用,但仍然有很多问题,如很难找到一种树冠覆盖度的纯光谱端元,从而难以高精度地估算树冠覆盖度。为此,基于像元分解模型,结合使用土地利用和土壤类型数据,提出利用直方图法确定模型中不同类型植被——土壤端元参数,对区域尺度森林覆盖度进行估算,并利用三峡库区的历史野外161个样点的实测覆盖度数据进行验证,发现R~2达到0.74～0.85,计算结果比较满意。该方法将为区域尺度高分辨率森林覆盖度的遥感估算提供借鉴。     

基于TM影像的长乐市植被覆盖度变化研究

基于长乐市2006年、2009年两景Landsat TM影像,采用像元二分模型法获取二者的植被覆盖度,并结合该地区的土地覆盖结果,对长乐市2006年～2009年间植被覆盖度的变化及其原因开展分析研究.研究结果表明,长乐市植被覆盖总体良好,2006年该地区中高度、高度植被覆盖区占总面积的61.36％,2009年占总面积的58.81％.但2006年～2009年期间长乐市植被覆盖度整体呈现下降趋势,其中高植被覆盖区由2006年的31.46％降到2009年的28.49％.人口激增和经济的快速发展侵占和破坏了大量的耕地和林地,这是造成长乐市植被覆盖度变化的根本原因.     

高分一号与Landsat TM数据估算稀疏植被信息对比

为了分析高分一号卫星数据在稀疏植被信息提取方面的能力,该文选取浑善达克沙地及其周边为研究区,以GF-1和Landsat TM为数据源,结合地面同步实测数据,比较了两个传感器在荒漠化地区植被覆盖度和地上生物量估算方面的能力与差异。结果表明:在该区域,两种数据基于NDVI建立的对数模型可用于植被覆盖度的估测(GF-1:R2=0.7966,RMSEP=0.0908;Landsat 8:R2=0.8080,RMSEP=0.0871),GF-1基于SAVI和Landsat 8基于NDVI建立的乘幂模型进行地上生物量的估测效果最好(R2=0.4866,0.3715;RMSEP=143.46,130.71)。其次,在该区域,经过修正的土壤调节植被指数MSAVI相对于没有经过修正的土壤调节植被指数SAVI,与植被覆盖度和植被生物量的相关性并没有多大提高。第三,两种数据通过引入蓝色、绿色波段的多元回归模型估算植被覆盖度相比单一植被指数植被要好,尤其是对于Landsat影像改进效果更为明显,R2提高了0.3。总之,GF-1的16m数据具有相对较高的质量,可以代替Landsat 8多光谱数据,而且其具有更高的分辨率、重访周期和覆盖范围。     

面向对象的黑河下游河岸林植被覆盖信息分类!

地表植被覆盖是描述区域生态系统的基础数据,也是全球及区域陆面过程、生态与水文众多模型中所需的重要地表参数。对于黑河下游额济纳绿洲,以Landsat 30m分辨率为主的遥感影像难以真实提取下游绿洲河岸林植被覆盖信息,而高分辨率影像目标地物轮廓清晰、空间细节信息丰富,有利于干旱背景下景观破碎、异质性强的植被覆盖信息分类。基于黑河下游额济纳绿洲QuickBird影像,通过面向对象的分类方法提取耕地、胡杨、柽柳、草地和裸地等主要植被覆盖类型,分类总体精度和Kappa系数分别为84.71%和0.7986。结果表明:利用面向对象分类方法对高分辨率影像进行植被覆盖信息分类,分类结果较好,能够满足精度要求。     

一种基于光谱归一化下的植被覆盖度反演算法

针对常规混合像元分解算法在植被覆盖度遥感反演中存在的端元变化误差及运算效率的问题,以两个不同类型植被覆盖下地区的TM影像数据为基础,提出了一种基于光谱归一化框架下的协同稀疏回归的植被覆盖度反演算法,并针对多种地表类型下的植被覆盖度反演试验,与常用的像元二分法模型进行对比分析。试验结果表明:对影像与端元组进行归一化后,有效地降低了它们的异质性,从而提高了反演精度,同时,该算法获取的植被覆盖度相对像元二分法具有更高的精度。     

青海省土地荒漠化遥感动态监测

近年来由于气候变化和人类活动的影响,青海省受荒漠化的影响日趋严重,采取有效的手段进行荒漠化快速动态监测,跟踪荒漠化现状和变化趋势,是荒漠化防治必要手段。基于像元二分模型,采用2000~2012年MODIS的增强型植被指数产品(EVI)估算青海省植被覆盖度。以植被覆盖度为主要评价指标,对青海省荒漠化现状和动态变化进行快速监测。结果表明:遥感估算的荒漠化面积和全国荒漠化调查的结论基本一致。13年间,青海省荒漠化土地的空间分布特征没有明显变化,全省荒漠化和潜在荒漠化土地总面积在研究时段内没有明显变化趋势,但是受自然因素影响,面积年际波动明显。重度荒漠化面积整体上呈明显下降趋势,青海省沙化和荒漠化状况有所改善,部分地区生态群落生产力、草地植被覆盖度呈上升趋势,表明近年来在青海实施的林业工程和荒漠化治理措施逐步显现出生态效益,发挥了实际作用。     

基于SegmentAnything的荒漠草原植被覆盖度提取研究

植被覆盖度（Fractional Vegetation Coverage,FVC）是草原监测评价工作的重要指标,实时、快速、准确地采集FVC是草原监测评价工作的基础。文章以解决荒漠草原单位面积的植被覆盖度为目标,选取分割一切模型（SegmentAnythingModel,SAM）以打点或者画框的方式对单位面积的图像进行分割,计算分割出的植被所占像素点的总数T和图像总像素点数A,然后通过F=T/A计算单位面积的植被覆盖度,并制作植被覆盖度评估系统。实验的结果表明,基于SAM大模型可以使荒漠草原单位面积的植被覆盖度提取结果更加准确和可靠,减小了噪声对覆盖度提取的影响。     

利用“北京一号”小卫星数据估算植被覆盖度的可行性研究

利用"北京一号"小卫星数据,以密云水库流域为研究区域,采用归一化植被指数(NDVI)像元二分法,进行地面植被覆盖度估算研究,并对估算结果进行实地检验和分析,其估算值与实际值之间的相关性较高 (86%).结果表明,利用"北京一号"小卫星数据进行植被覆盖度估算及监测应用是可行的.     

基于遥感的海南本岛植被覆盖度时空变化及其地形效应研究北大核心CSCD

植被覆盖在维持生态系统结构稳定和防治水土流失等方面发挥着重要的作用,海南自1988年建省以来迅速发展,导致海南岛植被覆盖也产生了巨大的变化.为揭示海南本岛地形因子对植被覆盖度的影响以及为海南本岛进一步制定合理的生态环保策略提供依据,基于1988、1998、2008、2017和2020年Landsat-TM/OLI多光谱影像,以海南本岛为研究区域,采用归一化植被指数和像元二分模型进行植被覆盖度提取,通过线性趋势分析海南本岛近30a植被覆盖变化特征.并结合30 m_DEM获取的海、坡度和坡向数据,来进一步探讨海南本岛植被覆盖度在不同地形因子条件下的空间分布特征.结果表明:①1988～2020年海南岛平均植被覆盖度介于0.58～0.88之间,整体呈先下降后上升趋势;②海南岛高植被覆盖主要分布于海南岛中部、西南部和东南部地区,低植被覆盖主要出现在居住区、沿海地区等人为干扰因素较高的地区;③海南岛各等级植被覆盖均随海拔的增加而不断降低,在海拔小于100 m的区域分布面积最大;坡度为0～5°时植被覆盖面积达到最大值,随着坡度的增加,植被覆盖面积呈减少趋势;各等级植被覆盖在阴坡和阳坡的分布面积变化差异不大,主要以高植被覆盖类型为主.