我国北方森林草原地区火险等级遥感评估及时空特征分析

我国是森林草原资源大国,但频发的森林草原火灾给我国生态环境建设和经济发展带来极大的损失。火险等级评估作为一项科学防火的重要方法手段,可以为森林草原防火提供科学有效的决策支持信息。相对气象台站获取的数据,遥感数据在大区域尺度地表信息反演上不受空间复杂性和插值的影响。因此,利用遥感进行森林草原火险等级评估,具有重大的理论意义和应用价值。本文以我国北方4省为主要研究区,根据其森林草原生态环境特点,结合资源环境领域遥感研究的已有成果,选取了5个基于遥感数据反演的火险评估指标,利用层次分析法构建了火险指数模型,确定火险分级原则,进行火险等级评估研究。依据火险等级评估的时间序列结果,分析了我国北方地区森林草原火险季节变化与区域分布特征。     

近30a内蒙古NDVI演变特征及其对气候的响应

以1982~2012年GIMMS NDVI 3g数据和同时期气象数据为数据源,借助于最大值合成法、趋势分析和相关性分析等方法,分析了近30a内蒙古NDVI的变化趋势及其对气候因子的响应机制。结果表明:近30a内蒙古NDVI在时空分布上整体呈增加趋势,仅在呼伦贝尔西南部、锡林郭勒盟西北部及乌兰浩特中部少部分区域NDVI呈减少趋势;内蒙古对全球气候变化响应显著,年均气温和年均降水量均呈增加趋势,年均气温变化率为0.2℃/10a,年均降水量变化率为-10.7mm/10a;NDVI与气温、降水的相关关系具有明显的空间差异性,17.6%的区域与降水量显著相关,仅有0.4%的区域与气温显著相关,且降水对NDVI的影响超过了气温对NDVI的影响。     

青藏高原1982~2015年FPAR时空变化分析

植被吸收利用太阳光合有效辐射比率反映了植被固碳释氧能力,根据青藏高原GIMMS NDVI3g（1982~2015年）和MODIS NDVI（2001~2015年）数据,采用非线性半理论半经验模型进行FPAR反演及时空变化分析。结果表明：①2001~2015年GIMMS NDVI3g和MODIS NDVI反演FPAR在空间分布上具有较高的一致性,相关系数为0.82（P<0.01）,年际变化趋势一致至少6年的区域占80%;②青藏高原FPAR受坡度和海拔影响较大,其中15~35坡度FPAR变化最快,700~2 100 m海拔区间FPAR值最大;不同坡向对应的FPAR除南坡方向偏低外其他方向差异不大。③1982~2015年青藏高原四季FPAR时空变化研究中,冬季FPAR年际变化最明显,约78.5%的区域表现为增长趋势;秋季FPAR下降区域最多,但超过71.5%区域变化不显著;④基于MODIS NDVI和GIMMS NDVI两数据反演的所有植被类型的FPAR都在2012年间出现小幅度下降趋势,且不同植被类型FPAR的年际变化趋势各不相同。     

基于MODIS和AVHRR数据源的东北地区植被NDVI变化及其与气温和降水间的相关分析 

基于逐像元一元线性回归模型,应用MODIS NDVI数据对AVHRR-GIMMS NDVI进行时间序列拓展,拓展序列通过一致性检验,基于所建立的1982~2009年植被年最大NDVI数据集,在GIS平台上进行了植被NDVI变化和NDVI与年平均气温、年降水量之间的相关分析。研究结果表明:过去28 a间,植被年最大NDVI呈3个变化阶段:1982~1992年呈小幅上升趋势,1992~2006年呈缓慢下降趋势,2006~2009年呈缓慢回升态势。由空间变异分析得出NDVI变化相对大的区域主要分布在内蒙干旱和半干旱区。21世纪初和20世纪90年代相对于80年代NDVI值升高,3个阶段平均NDVI变化幅度为±0.3。 20世纪初,赤峰地区以及松嫩平原西部地区植被NDVI呈轻度增加的面积占全区6.45%。植被年最大NDVI与年平均气温、年降水量相关性空间差异明显。偏相关系数绝对值,气温大于降水的像元数占54%;综合分析,较降水而言,气温是东北全区植被年最大NDVI的主控影响因子。对于不同植被类型年最大NDVI,受气温影响强度由大到小依次为:森林>草地>沼泽湿地>灌丛>耕地;受降水影响按草地>耕地>灌丛>沼泽湿地>森林依次减弱。     

北美永久湿地NDVI时序变化特征分析——以哈德逊湾西南湿地区域为例

基于2001~2009年MCD12Q1数据,提取哈德逊湾西南区连续9年都是湿地的区域作为研究区。利用1982~2006年GIMMS NDVI数据,分析此区域25 a来NDVI季节、年际变化,并与温度、降水数据进行相关分析。结果显示:研究区域NDVI季节变化呈现单峰曲线形状,夏季达到最大值。1982~2006年NDVI年际变化在春秋两季与全年平均NDVI年际变化都呈增加趋势,夏季与冬季趋势则相反。此区域NDVI季节变化与温度、降水呈极显著相关,冬季NDVI年际变化与温度以及夏季NDVI年际变化与降水的相关性不显著,而其他各时期NDVI年际变化与温度、降水也都呈极显著相关。然而,由于人类活动及其他因素的影响,此区域的NDVI年际变化驱动还存在一定的不确定性。     

京津冀地区植被覆盖对大气颗粒物浓度的影响

针对京津冀地区空气污染现象频发的问题,基于长时序NDVI、空气质量监测站等数据,从多种时间、空间尺度上分析植被覆盖对大气颗粒物浓度的影响。首先分析了NDVI的时空特征变化,然后探究了NDVI和颗粒物浓度的在时间和空间上相关性,最后比较了植被区和非植被区空气质量小时均值变化趋势。实验结果表明：NDVI月均值与颗粒物浓度变化趋势相关,研究区整体NDVI与PM2.5、PM10浓度月均值回归方程的R²分别为0.580、0.601;植被覆盖对PM2.5和PM10浓度年均值的最佳影响尺度分别为3 km和2.5 km,各季节的最佳影响尺度中夏季最大、冬季最小;植被覆盖对颗粒物浓度升高有抑制作用,植被区颗粒物浓度的变化比非植被区更加平缓。     

基于Chen NDVI模型的NDVI尺度转换分形特性分析北大核心CSCD

空间尺度问题是定量遥感重要而基础的问题之一,文章针对“分形方法是否适用于定量遥感地表参数的尺度转换研究”的问题进行实验验证。基于传统及改进的Chen NDVI尺度转换模型,获得NDVI不同空间升尺度影像,进而利用分形尺度转换模型分析NDVI尺度转换结果,以获取“分形方法在NDVI尺度转换研究中的适用性结论”。以厦门为研究区,利用上述分形模型进行实验,结果表明:(1)若NDVI输入类型为均值,NDVI尺度转换特性更符合双对数直角坐标系下的线性函数关系,即分形特性;若NDVI输入类型为方差、方差/均值,NDVI尺度转换特性更符合直角坐标系下的对数函数关系;(2)农田在两种Chen NDVI模型及两种空间直角坐标系下所得拟合模型皆表现出显著的线性规律,尤其是其NDVI尺度转换分形特性表现显著;(3)综合而言,NDVI尺度转换结果具有分形特性,但NDVI尺度转换具有更为显著的直角坐标系下对数函数关系特性。文章所提出的融入精细地类信息的“类NDVI”地表参数通用尺度转换模型及尺度转换分形特性研究方法具有一定的代表性,值得参考。     

基于视频图像的远程火灾探测系统

将传感器技术用于大空间火灾探测时,存在距离短、误报率高、可靠性差等不足。为此,在TMS320DM642微处理器和TI的DSP/BIOS实时操作系统上,设计基于视频图像的远程火灾探测系统。建立RGB空间颜色模型,对连续数帧火灾图像做预处理,分析频闪特性并进行模糊聚类,提取疑似目标区域,以火焰相关性、面积变化率和圆形度3个特征作为火灾识别依据。实验结果表明,该系统提高了大空间图像型火灾探测的精度和速度,可满足远程火情监测需要。     

2001~2010年松木希错流域植被动态变化遥感研究

遥感在区域植被变化研究中具有十分重要的作用,能为大面积监测植被状况的演化过程提供技术支持。NDVI在高植被覆盖地区存在过饱和现象,对稀疏地区的植被变化尤其敏感。以古里雅冰帽南部的松木希错流域植被相对稀疏区域为研究区,基于MODIS NDVI数据和逐月气象观测数据,以及RS和GIS平台,对该区域2001~2010年主要植被变化趋势进行了初步研究,并对植被变化与气候驱动因子的关系进行了分析和探讨。结果表明:① 2001~2010年间该区域的植被活动有加强趋势;② NDVI表明研究区植被生长季较短(5~9月),NDVI浮动区间为0.11～0.13,低于全国水平(0.3～0.35),也低于全球稀疏灌丛的平均水平(0.2～0.4);③NDVI与年均气温整体上呈正相关,而与年降水量相关性不强。表明近年来持续升温是影响该区域植被活动加强的最主要原因。     

利用NDVI估算云覆盖地区的植被表面温度研究

干旱监测等实际应用都需要全面掌握地表温度(LST)的空间分布,而云覆盖是这种应用的重要阻碍。试图根据地表温度变化与地表植被之间的相互关系,研究遥感影像中云覆盖区域植被表面温度的估算方法。由于植被的蒸腾作用,植被茂密程度对其表面温度的空间分布有较大影响。这种影响不仅在晴朗无云区域存在,同样适用于云覆盖区域。因此,首先分析云覆盖区域周边无云植被像元的LST与植被指数NDVI之间的关系,建立方程式,然后再利用NDVI在短时间内相对稳定的特点用另一幅图像来获取云覆盖区域的NDVI值,最后根据NDVI与LST之间的关系估计云覆盖植被像元的表面温度。将这一方法应用到山东省聊城市的Landsat ETM+图像,结果表明：当云覆盖范围≤2 000个像元(约1.72 km²)时,通过NDVI来估计云覆盖区域植被表面温度的平均绝对误差<0.7 ℃,均方根误差<1.2 ℃。为了验证其实用性,又将该方法应用于安徽省蚌埠地区的TM图像,云覆盖范围在300个像元以下时,平均绝对误差小于0.1 ℃。因此,可以认为,当云覆盖范围不是很大时,利用NDVI估算云覆盖地区的植被表面温度,具有一定的可行性。     

新疆北部植被生长季NDVI时空变化及其与冬季降雪的关系

植被是陆地生态系统最重要的组成部分,在调节陆地碳循环过程和气候变化中起着关键作用。冬季降雪为植被生长提供良好的水分条件,加强冬季降雪与植被关系研究具有重要的生态意义。利用1982~2013年GIMMS NDVI数据,基于趋势分析研究了北疆4~10月植被覆盖的时空变化特征,并结合WRF模拟冬季降雪数据,采用基于栅格的相关性分析方法,分析了各月NDVI对冬季降雪的响应及不同生态系统之间大小的差异。结果表明:(1)北疆地区4~10月NDVI总体呈增加趋势,增加区域主要位于农田地区和高海拔草地,但准噶尔盆地中东部地区呈减少趋势;(2)区域内冬季降雪基本呈环状分布,中部少、四周高,冬季降雪呈增加趋势;(3)冬季降雪与5、6月NDVI显著正相关的面积最大,且显著正相关区域主要位于准噶尔盆地的荒漠生态系统;(4)冬季降雪对整个研究区以及不同生态系统类型NDVI的影响具有显著的滞后性,对4~10月NDVI的影响均呈现先增大后减小的趋势,且对6月NDVI的影响最大。     

遥感数据融合下的雄安新区NPP时空格局分析

高时空分辨率数据对实现植被生产力动态监测和生态环境评估具有重要意义。以雄安新区为研究区,基于改进的ESTARFM融合模型构建高时空分辨率NDVI数据集,结合改进的CASA模型,模拟和分析了2000~2018年区域植被NPP的时空变化特征,并探讨气温与降水对NPP的影响。结果表明：①改进的ESTARFM融合模型预测结果性能较好;②研究区NPP的分布在空间上与土地覆被密切相关;③NPP在2000~2018年的变化趋势并不显著,但有明显的阶段性波动特征,主要是受到城镇化发展与农业技术水平提高等作用的影响;④由于区域气候的变化引起植被水分胁迫,降水对植被NPP的影响较气温更为显著。该研究能为雄安新区及其他区域的可持续发展评估提供一定的科学依据和借鉴意义。     

结合遥感和统计数据的家畜分布网格化方法研究

家畜的空间分布对于粮食安全、农业社会经济、环境影响评估和人畜共患病的研究等方面至关重要。选取甘肃省作为典型研究区,以羊为研究对象,基于随机森林回归算法构建了融合遥感数据和统计数据的家畜分布网格化估算模型,获得甘肃省1 km×1 km尺度上羊的空间分布信息。结果表明：基于随机森林回归的家畜分布网格化估算模型,结合了遥感数据和统计数据的优势,可以较准确地估算1 km×1 km尺度上家畜的空间分布情况,估算结果与统计数据之间的相关系数（R）达到0.88,均方根误差（RMSE）为0.24,相对均方根误差（RRMSE）为15.1%。甘肃省的羊主要分布在河西走廊戈壁区、甘南高原草原草甸区、黄土高原丘陵区的西南部以及黄土高原沟壑区的北部。对羊的空间分布影响较大的环境因子依次是：耕地百分比、海拔、地表温度和坡度。     

典型资源型城市的植被覆盖变化及驱动力分析

干旱半干旱区植被变化研究较多,然而很少关注资源型城市社会经济对植被变化影响。基于2000~2020年鄂尔多斯市MOD13Q1数据、降雨和温度等气候数据、原煤产量等11个社会经济指标,结合GIS技术和线性回归法等统计学方法,对植被覆盖时空变化及其影响因素进行了研究。结果表明：①21年间鄂尔多斯的NDVI值介于0.233~0.395,呈波动性增长趋势,增长速率为0.059/10 a;下辖的8个区县的NDVI值也呈波动性增长趋势,但各地区存在差异。②鄂尔多斯植被呈东北高,西南低的分布特征,低植被区面积5.35万km²,占整个鄂尔多斯面积的61.58%,高植被区面积仅0.20万km²;植被改善区面积远远大于植被退化区面积,改善区占整个鄂尔多斯面积的52.19%,植被退化区仅占3.69%。③NDVI值与降雨量表现为极显著性正相关,相关系数为0.794（P<0.01）;NDVI变化与当月累计降雨量的相关系数较大,与1个月前温度的相关系数较大。④NDVI变化与11种社会经济指标均表现为极显著正相关,相关性为0.728~0.796（P<0.01）。鄂尔多斯植被恢复效果较好,降雨量和温度是影响植被生长的主要因素,NDVI变化对降雨量的响应无明显滞后性,对温度的响应存在一个月的滞后期,社会经济发展对植被覆盖的积极作用大于消极影响。     

非平稳NDVI时序数据人工神经网络建模方法

为表征植被覆盖变化过程中的非平稳征,利用人工神经网络模型研究了NDVI数据非平稳时间序列建模方法,并基于1982—2015年的GIMMS NDVI3g数据建立了青海省植被覆盖变化ANN非线性模型和ANNARMA组合模型。结果表明,组合模型较为光滑,能够凸显植被的总体变化趋势,且具有更高的模型精度;非线性ANN模型与观测值更为吻合,适宜于描述植被覆盖的细节变化。2016—2025年青海省3 000m以上地区植被覆盖有上升趋势,3 000m以下地区有下降趋势,且整体植被覆盖呈现上升趋势。     

基于MODIS NDVI的LandsatTM影像地形阴影区光谱信息恢复方法研究

遥感为获取山区生态环境与资源信息提供了重要的观测手段。然而受地形遮蔽影响,山区光学影像大量的地形阴影给山区土地覆被解译以及生态参量的遥感反演带来了巨大困难。针对地形阴影光谱信息的恢复,提出了一种基于MODIS NDVI的Landsat TM影像地形阴影区光谱信息恢复方法。该方法首先利用MODIS上午、下午星(Terra和Aqua)不同时间过境能够对地形阴影区信息实现互补的特点,采用最大值合成法合成MODIS上、下午星16dNDVI产品(MOD13Q1和MYD13Q1),获得低空间分辨率影像上的阴影区光谱信息;在此基础上,考虑MODIS与Landsat的观测角度、光谱差异,设置滑动窗口及筛选规则提取MODIS与TM影像相匹配的同质纯像元;基于中、低空间分辨率影像中均匀同质像元存在一定统计关系的假设,进一步建立同质区域中TM影像光照区域与对应MODIS NDVI的回归树模型,利用该统计关系和阴影区MODIS的NDVI信息推导得出地形阴影区的光谱信息。将阴影光谱信息恢复后的影像与SCS+C校正后的影像进行比较和分析,结果表明该方法恢复得到的地形阴影的光谱信息能够更好地反映阴影区信息,同时光谱保真程度较好。随着越来越多的中高空间分辨率卫星影像的发展,采用多源卫星数据进行山地地形阴影区信息恢复将成为一个新的发展趋势,该方法以期为同类影像处理提供参考。     

提高森林覆盖区积雪提取精度的方法研究——以玛纳斯河流域为例

森林覆盖区积雪的提取精度很低,由于植被冠层的遮挡,冠层下的积雪很难被提取出来。基于Landsat 8OLI数据,针对玛纳斯河流域下游有大面积森林覆盖的特点,通过传统的积雪指数法,结合NDVI数据的积雪指数法和面向对象图像特征法分别提取积雪面积。结果表明:1传统的NDSI和S3积雪指数法无法较好地提取出森林覆盖下的积雪,提取精度分别为85.23%和87.54%。这两种方法适用于空间尺度较大、植被覆盖面积较大的区域,并不适合所选研究区;2结合NDVI数据后的NDSI、S3积雪指数模型能大大提高森林覆盖下的积雪面积,提取精度分别达到91.47%和90.60%。在影像空间分辨率较高,流域尺度较小,林区覆盖较多的情况下可采用此方法提取积雪;3随着海拔的升高,地形阴影影响逐渐增大,NDVI辅助积雪指数方法提取林区覆盖下积雪面积逐渐减小。因此采用光谱、纹理和空间信息结合的面向对象图像特征方法提取积雪,能够较好地识别出受地形影响下的雪像元,精度达到89.75%,可以满足实际应用的需求。     

基于Landsat影像和不规则梯形方法遥感反演延安城市森林表层土壤水分

反演模型对土壤水分评估结果有重要影响,基于此,以黄土沟壑区城市森林表层土壤为研究对象,以3期Landsat影像和实地土壤水分传感器测定数据为数据源,分别通过像元在二维空间（LST-NDVI与STR-NDVI,LST为地表温度,NDVI为归一化植被指数,STR为短波红外转换反射系数）中的散点图及其拟合的干燥边界与湿润边界,获取TOTRAM（热学—光学不规则梯形模型）和OPTRAM（光学不规则梯形模型）的参数,然后在像素水平上（30 m×30 m）反演出延安城市森林表层土壤水分（W）,验证两模型的精度,并比较两模型估算结果的差异及线性边界与非线性边界对反演结果的影响。结果发现：①除OPTRAM 模型在Landsat 7和Landsat 8上干湿边界呈现非线性外,像素在LST-NDVI空间和STR—NDVI空间中的干湿边界均呈线性,且包络成不规则梯形形状;②与实地测定数据相比,TOTRAM与OPTRAM两模型的平均误差（ME）分别为0.009和0.0455,表明两模型估算结果均偏高,但OPTRAM模型的均方根误差（RMSE）较TOTRAM模型更接近0。OPTRAM模型估算的W值均匀地分布在1∶1参考线两侧,且位于参考线上的点数多于TOTRAM模型,表明OPTRAM准确度高于TOTRAM模型,且非线性边界的反演精度高于线性边界;③与TOTRAM模型相比,OPTRAM模型估算出的W空间分异规律与土地利用/覆被类型具有较高的相关性,且OPTRAM模型对植被覆盖度极低的区域敏感。因此,在后续研究中,应在OPTRAM模型中探讨干湿边界复杂性与模型准确性改善之间的关系,同时考虑周围环境、降雨量、森林干扰和NDVI饱和等因素对两模型估算准确性的影响。     

利用时序数据构建冬小麦识别矢量分析模型

鉴于作物类型识别中存在光谱特征相似的困扰,"异物同谱"问题难以有效解决,而时序归一化植被指数(Normalized Different Vegetation Index,NDVI)曲线数据能够反映作物不同时期的动态变化趋势,该文将NDVI时间序列投影到N维空间构成多维特征矢量,结合冬小麦特有的物候特征,充分利用矢量的方向和大小参量,构建冬小麦识别的矢量分析模型,模型的识别能力较强,可以充分发挥NDVI时间序列的优势。以唐山市为研究区,基于高分一号WFV(Wide Field of View)数据的高分辨率优势,构建覆盖冬小麦生长期的NDVI时间序列,采用矢量分析模型进行冬小麦识别,同时与最大似然法、马氏距离法、支持向量机法、神经网络法、最小距离法等分类方法进行对比。结果显示,后5种分类方法的Kappa系数介于0.701 8和0.790 3之间,而矢量分析模型达到了0.895 2,精度有了较大提高。该研究为冬小麦识别提取提供了新的思路,也对推动遥感农情信息调研具有一定学术和应用价值。同时,基于研究区训练样本提出了模型阈值参数自动确定的方法,为今后冬小麦自动提取奠定了基础。     

基于GIS与Surfer的甘肃省人口趋势面分析

借助MapInfo提供的空间分析功能和Surfer7.0格网文件的数据内插方法,根据空间的采样数据可以拟合一个人口密度的数学曲面,可以模拟人口在空间上的分布及变化趋势。文章选择Quadratic surface回归类型确定趋势面方程,利用2006年甘肃省人口与计划生育网站提供的人口及几何数据,建立了甘肃省地市级人口密度二阶空间趋势面模型,并制作了趋势等值线图与剩余值散点图。分析表明：甘肃省的人口高密度区在平凉、天水、临夏、兰州围成的西北一东南走向的四边形区域。以此区域为核心远端向西北、毗邻向东北和西南两侧密度递减。南北两侧的密度变化明显;西北部地区密度梯度较小,人口密度最低。模型的拟合程度较高,可以应用于其它地区实践之中。