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.     

武汉地区1988~2002年植被覆盖度变化动态分析

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。利用1988、1991、1996和2002年4个时相的TM和ETM+遥感影像为数据源,以归一化植被指数(NDVI)像元二分法为植被覆盖度估算模型,计算了武汉地区不同时期的植被覆盖度,生成了该地区不同时序的植被覆盖度图,以此分析武汉地区植被覆盖度的时空变化。结果表明,武汉地区在1988~2002年这14年,植被覆盖度变化明显,整个地区的平均植被覆盖度从58.41％下降到50.45％,下降值为7.96%,特别是江夏区和主城区变化幅度最为显著,下降值分别为9.98%和7.14%。植被覆盖度下降最快时间段是1996~2002年,恢复阶段是1991~1996年。从空间上来看,全地区都处于下降阶段,特别是郊区江夏区和市区,通过分析发现,这大部分原因都是城市发展的结果,导致了生态环境的恶性发展,值得各方面的注意。     

利用多时相中分辨率卫星影像监测-福建省植被覆盖变化

植被指数能定量地反映植被的变化信息，利用2001～2005年的EOS/MODIS卫星遥感资料，通过基于增强型植被指数的植被覆盖度计算模式，得到2001～2005年福建省植被覆盖度的年际动态变化情况，分析结果表明：福建省植被覆盖存在有不同程度的退化现象，退化最明显的地区出现在居民点、河流两岸、海岸带和岛屿等区域，植被覆盖变化在整体上呈现出内陆普遍小于沿海地区的特征，而远离沿海特别是内陆海拔较高的山区，植被覆盖变化很小，反映出研究区内植被覆盖受人类活动影响相对较大的事实。     

基于遥感的植被覆盖变化分区研究——以黄土高原马莲河流域为例

为了研究黄土高原1977~2010年近33 a的植被覆盖变化过程,以黄土高原典型植被区马莲河流域为例,将其划分为董志塬农业区、子午岭林业区和北部半农半牧区3个生态功能区进行研究。利用1977、1987、2000和2010年共4期陆地卫星影像,采用监督分类和非监督分类相结合的方法获得植被分类结果。利用转移矩阵分析植被覆盖的变化过程,并计算植被覆盖年度变化率。结果表明:1977~1987年董志塬农业区的植被恢复程度大于子午岭林业区,而北部半农半牧区除草原大面积恢复,其他植被均退化;1987~2000年是植被覆盖变化的一个转折点,各分区植被均以退化为主,董志塬农业区最为典型;2000~2010年各分区均以植被恢复为主,董志塬农业区和北部半农半牧区植被恢复相对较快。整个马莲河流域植被覆盖呈现出退化-恶化-恢复的变化趋势。     

基于Sentinel-2影像的南四湖菹草群落遥感提取研究北大核心CSCD

基于Sentinel-2遥感数据,选用最大似然监督分类法、随机森林机器学习分类法和基于时序NDVI的物候特征分类法等3种方法,对2021年5月初南四湖沉水植被(菹草群落)进行提取研究,利用同期实测的南四湖菹草群落面积和分布数据对3种方法的提取精度进行分析,结合菹草植被覆盖度分析3种方法对菹草的提取能力。结果表明:①不同方法提取的南四湖菹草群落总面积存在明显差异。监督分类和随机森林方法提取的2021年南四湖菹草群落面积均在100 km^(2)以下,分别为98.97 km^(2)和75.92 km^(2),基于时序NDVI的方法提取面积为207.44 km^(2),最接近实地调查的菹草面积。②无论是全湖还是核心区,监督分类和随机森林法的提取精度均75%左右,平均相对误差(MRE)在0.5左右,平均误差在20~30 km^(2)左右,而基于时序NDVI的方法精度在90%以上,MRE和ME area也最低。③对比植被覆盖度发现,监督分类和随机森林方法只能提取到近湖岸的植被覆盖度较高的菹草,对湖心区覆盖度较低的菹草提取效果差,而时序NDVI的方法对低植被覆盖度菹草群落更敏感,是菹草遥感提取的有效方法。本研究对于创新沉水植被遥感提取方法和指导湖泊生态环境遥感监测具有一定的参考价值。     

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.     

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。     

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。     

滇金丝猴适宜栖息地的遥感分析

通过对滇金丝猴已有科考数据和相关研究成果的整理评估，综合得出了该物种适宜栖息地的生态学知识；以遥感和地理信息系统技术为主要分析手段，采集处理相关信息，建立空间模型，快速提取了适宜滇金丝猴生存的植物群／土地覆盖类型和其适宜栖息地分布数据，并与由专家手工勾绘的现有种群家域范围数据进行了比较，显示二者具有很高的符合程度。分析结果表明，目前滇金丝猴适宜栖息地的总面积为7788．069km^2，基本上被分割为9个大的片区，现有种群分布在其中的5个区域．其总面积为6448．842km^2。     

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。     

基于RS与GIS技术的川西高原土地利用/覆盖现状调查研究

选择川西高原的部分地区为研究区,以地形图、TM及ETM+影像为数据源,通过野外调查和目视解译作为信息提取手段,运用遥感技术与地理信息系统的空间数据库进行管理和空间分析,建立了研究区12个子河段的土地覆盖/利用的地形图数据库、TM/ETM+影像数据库。解译结果图形数据库和属性数据库,并通过分析确定了各个子区的土地覆盖/利用情况,研究结果表明高覆盖高寒草甸、高寒灌丛草甸、乔木林地和灌木林地是该区的主要土地覆盖类别,它们的面积占到整个研究区面积的84.14%,这也说明该地区植被覆盖较高,同时基于GIS的空间分析发现研究区植被覆盖具有较强的高度带分布特征。     

Mapping land cover types in the Amazon Basin using 1 km JERS-1 mosaic

During the Global Rain Forest Mapping (GRFM) project, the JERS-1 SAR (Synthetic Aperture Radar) satellite acquired wall-to-wall image coverage of the humid tropical forests of the world. The rationale for the project was to demonstrate the application of spaceborne L-band radar in tropical forest studies. In particular, the use of orbital radar data for mapping land cover types, estimating the area of floodplains, and monitoring deforestation and forest regeneration were of primary importance. In this paper we examine the information content of the JERS-1 SAR data for mapping land cover types in the Amazon basin. More than 1500 high-resolution (12.5 m pixel spacing) images acquired during the low flood period of the Amazon river were resampled to 100 m resolution and mosaicked into a seamless image of about 8 million km², including the entire Amazon basin. This image was used in a classifier to generate a 1 km resolution land cover map. The inputs to the classifier were 1 km resolution mean backscatter and seven first-order texture measures derived from the 100 m data by using a 10 x 10 independent sampling window. The classification approach included two interdependent stages. First, a supervised maximum a posteriori Baysian approach classified the mean backscatter image into five general cover categories: terra firme forest (including secondary forest), savanna, inundated vegetation, open deforested areas and open water. A hierarchical decision rule based on texture measures was then applied to attempt further discrimination of known subcategories of vegetation types based on taxonomic information and woody biomass levels. True distributions of the general categories were identified from the RADAMBRASIL project vegetation maps and several field studies. Training and validation test sites were chosen from the JERS-1 image by consulting the RADAM vegetation maps. After several iterations and combining land cover types, 14 vegetation classes were successfully separated at the 1 km scale. The accuracy of the classification methodology was estimated to be 78% when using the validation sites. The results were also verified by comparison with the RADAM- and AVHRR-based 1 km resolution land cover maps.     

A new vegetation index derived from the pattern decomposition method applied to Landsat‐7/ETM+ images in Mongolia

The goal of this study was to estimate vegetation coverage and map the land‐cover in an experimental field (60×60 km) near Mandalgobi, Mongolia using Landsat‐7/ETM+ data for ground truthing in the Advanced Earth Observing Satellite II (ADEOS‐II) Mongolian Plateau Experiment (AMPEX). We measured soil moisture, vegetation coverage, and vegetation moisture in the field at 49 grid points around the time that the Aqua satellite passed over the area. We also surveyed the land‐cover in the field. Using ground‐based data and characteristics of spectral reflectance, we attempted to extract vegetation information from satellite data using the pattern decomposition method, which is a type of spectral mixture analysis. This method uses normalized spectral shapes as endmembers, which do not change between scenes. We defined an index using the pattern decomposition coefficients to analyse sparsely vegetated areas. The index showed a linear relationship with vegetation coverage. The vegetation coverage was estimated for the study site, and the average coverage at the site was 21.4%. Land‐cover types were classified using the index and the pattern decomposition coefficients; the kappa coefficient was 0.75. The index was useful for estimating vegetation coverage and land‐cover mapping for semiarid areas.     

基于遥感数据的流域土壤侵蚀强度快速估测方法

以北京延庆县境内的妫水河流域为例, 提出了一种基于遥感数据的土壤侵蚀强度快速估测方法。首先, 利用遥感数据和植被指数模型提取流域内土地利用类型信息和植被覆盖度信息; 其次, 利用数字高程模型数据生成坡度图; 然后, 结合土壤侵蚀强度分级指标, 将坡度图与土地类型图、植被覆盖度图空间叠加, 判断和计算侵蚀强度等级, 结果获得了流域土壤侵蚀强度等级图; 最后, 计算了流域的年平均侵蚀模数。结果表明, 妫水河流域的土壤侵蚀以微度和轻度为主, 所占面积比例为74.88% , 极度和剧烈侵蚀很少, 不到总面积的2%。整个流域的年侵蚀模数估计为1 74611/ km ²·a。     

Character of Vegetation Coverage Change along Coastal Areas of Maritime Silk Road

The character and trends of vegetation coverage change along coastal areas of Maritime Silk Road during 2000~2016 has been studied based on MOD13C2 data using MVC method,Change Vector Analysis(CVA),linear regression,Hurst index and Spatial Analysis techniques,therefore generating the change map of vegetation coverage．The results showed that the vegetation coverage significantly increased from 2000 to 2016,and about one\|third of the area changed.The vegetation improvement area accounted for 28.31% of the whole study area and the degradation area was 5.33%,and there was evident self\|similarity and long\|range dependence of vegetation coverage change.The significant vegetation improvement areas were concentrated in South Asia and Western Asia.In addition to part of the concentrated distribution in Africa,the vegetation degradation area scattered along the coastline.Analysis showed that the vegetation coverage was affected by the intensity of human activities along the coast and overall economic development in the region,such as China and Southeast Asia,whose economy is at a stage of development,although the overall vegetation coverage showed improvement and basically unchanged trend,about half of the ports in the region showed the trend of vegetation degradation.However,the economy of Europe are flourishing,the vegetation coverage around the port is mostly improved.     

GIS支持下内蒙古草场动态变化及其环境背景分析

以遥感与GIS为技术支撑,以农牧交错带内蒙古为例,构建了内蒙古土地利用数据库,定量地分析草地这一内蒙古主要自然资源80年代中期至2000年的动态变化,以及与环境背景的关系。结果表明:内蒙古草地变化主要向耕地,草地等土地利用类型转变,耕地占用草地严重;草地变城镇农村居民点的面积少;草地的退化面积较大,尤以低覆盖度草地为重。同时草地变化发生的环境集中在条件较好区域,说明自然条件对人类活动的约束,也反映内蒙古的经济相对滞后。     

A comparison of the IGBP DISCover and University of Maryland 1 km global land cover products

Two global 1 km land cover data sets derived from 1992-1993 Advanced Very High Resolution Radiometer (AVHRR) data are currently available, the International Geosphere-Biosphere Programme Data and Information System (IGBP-DIS) DISCover and the University of Maryland (UMd) 1 km land cover maps. This paper makes a preliminary comparison of the methodologies and results of the two products. The DISCover methodology employed an unsupervised clustering classification scheme on a per-continent basis using 12 monthly maximum NDVI composites as inputs. The UMd approach employed a supervised classification tree method in which temporal metrics derived from all AVHRR bands and the NDVI were used to predict class membership across the entire globe. The DISCover map uses the IGBP classification scheme, while the UMd map employs a modified IGBP scheme minus the classes of permanent wetlands, cropland/natural vegetation mosaic and ice and snow. Global area totals of aggregated vegetation types are very similar and have a per-pixel agreement of 74%. For tall versus short/no vegetation, the per-pixel agreement is 84%. For broad vegetation types, core areas map similarly, while transition zones around core areas differ significantly. This results in high regional variability between the maps. Individual class agreement between the two 1 km maps is 49%. Comparison of the maps at a nominal 0.5 resolution with two global ground-based maps shows an improvement of thematic concurrency of 46% when viewing average class agreement. The absence of the cropland mosaic class creates a difficulty in comparing the maps, due to its significant extent in the DISCover map. The DISCover map, in general, has more forest, while the UMd map has considerably more area in the intermediate tree cover classes of woody savanna/ woodland and savanna/wooded grassland.     

利用MODIS数据估算西藏高原地表植被覆盖度

根据2004年9月13日至14日在西藏高原中部地面观测的植被覆盖度和同期接收的EOS/MODIS数据,分别建立了250m分辨率归一化植被指数(NDVI)、土壤调节植被指数(SAVI)与地面观测的植被覆盖度之间的相关关系,并以西藏高原中部和整个西藏高原作为两个试验区,选择典型植被类型,验证了Carlson和Ripley植被覆盖度算法的精度。结果表明,地面观测的植被覆盖度与植被指数之间呈线性关系。其中,地面观测值与NDVI的相关系数R2=0.90;与SAVI的相关系数为R2=0.89;Carlson和Ripley算法适合于中等植被覆盖度的草地植被。     

基于Landsat影像的北京植被覆盖度变化趋势分析

植被覆盖状况是决定大城市地区生态环境质量的重要因素之一,但在快速城市化进程下城市内部及周边地区植被覆盖的动态变化状况尚不清晰,需结合遥感数据进行分析。以北京市为研究区,基于Landsat影像获取植被覆盖度的空间分布,计算移动窗口内植被覆盖度的均值和标准差,将其分别作为表征局部植被覆盖水平和植被覆盖度异质性的指标,采用Mann-Kendall检验识别均值和标准差具有显著变化趋势的窗口,并使用Sen’s Slope估算变化梯度,进而分析北京植被覆盖度变化趋势。结果表明在1984~2014年间：①植被覆盖水平呈显著上升趋势的区域主要分布在市中心与西部和北部山区,而在市中心外“东北、东、东南、南、西南”方向的近郊分布有大量植被覆盖水平显著下降的区域;②植被覆盖度异质性呈显著上升趋势的区域主要分布在平原区,呈显著下降趋势的区域主要集中在北部山区。     

辽宁抚顺近10年来市域热场与植被变化分析

利用1999年和2010年的TM卫星遥感影像,定量反演了抚顺市域的热场和植被指数,并对其变化进行了分析。结果表明,11 a全市的平均热场温度升高了1.53 ℃,城市热岛主要集中在抚顺市的城市建成区以及苏子河河谷和黑大线沿线地带,但强热岛和极强热岛的空间分布范围2010年较1999年压缩幅度空前。从植被盖度总体情况来看,高覆盖度植被覆盖面积均在60%以上,而全市低覆盖度等级以下的植被面积比例很小,其面积比例都在1.5％以下。从植被盖度的变化看,高覆盖度和较高覆盖度的植被面积比例分别下降了3.22％和2.31％;而中覆盖度的植被面积比例增加了4.94％,其变化最大的区域在抚顺市区,该区域变化的比率是全市变化的3~5倍。从热场与植被的变化原因来看,首先是受植物生长季节气候的暖干化变化趋势的影响,其次还与土地利用类型中耕地和草地的减少以及建设用地的快速增加有关,此外,抚顺市生态建设工作对其也有一定程度的影响。