河谷型城市土地利用类型及格局的热环境效应遥感分析——以兰州市为例

以河谷型城市兰州为例,采用Landsat ETM+遥感影像为基本数据源,定量反演了地表温度（LST）和植被指数（NDVI）,利用GIS空间分析方法,分析了LST和NDVI 在不同土地利用类型之间的差异以及二者之间的定量关系,并引入多样性和聚集度指数,讨论了在不同土地利用的空间组合下,LST和NDVI 的空间差异及相互关系。结果显示:LST和NDVI具有明显的相关性,中心城区LST表现出热岛效应,而NDVI则为低谷效应;土地利用斑块和类型两种尺度水平上LST和NDVI均具有明显负相关的线性关系,城市内部不同土地类型所产生的热环境效应不同;土地利用多样性越丰富、聚集度越小的区域,其温度对地表植被覆盖的敏感性越弱。     

TVDI在冬小麦春季干旱监测中的应用

应用冬小麦春季生长期的NOAA/AVHRR资料,反演归一化植被指数（NDVI）、土壤调整植被指数（SAVI）和下垫面温度（T_s）,分析了植被指数和下垫面温度空间特征,采用温度植被旱情指数（TVDI）,研究了河北省2005年3~5月的冬小麦旱情状况。结果表明：基于SAVI的温度植被旱情指数与土壤表层相对湿度的相关性好于基于NDVI的温度植被旱情指数。通过与气象站土壤水分观测资料进行相关性分析,表明温度植被旱情指数与10 cm土壤相对湿度关系最好,20 cm次之,50 cm较差。因此,基于SAVI的温度植被旱情指数更适于监测冬小麦春季的旱情。     

地形校正对叶面积指数遥感估算的影响

利用经过6S模型大气校正的地面反射率图像、数字地面高程数据以及改进的CIVCO地形校正模型,分别计算了褒河流域不同植被类型（阔叶林、针叶林和灌木林）的3类光谱植被指数（NDVI、SR和SAVI）,并建立了各个植被类型叶面积指数与同时相的各个植被指数的相关关系。结果表明,地形校正能有效地消除大部分的地形影响,显著地提高各植被指数与叶面积指数的相关关系;对于阴坡和阳坡来讲,阴坡较阳坡提高显著;对于不同的植被类型,针叶林和灌木较阔叶林提高较为显著;对于同一植被指数如SAVI,灌木提高较针叶林和阔叶林显著,说明地形校正对叶面积指数的遥感估算结果有很大的影响。因此在利用遥感数据定量估算叶面积指数时,尤其对于山区,不仅要进行地形校正,而且要针对不同的植被类型选择合适的植被指数进行估算。     

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。     

NDWI与NDVI指数在区域干旱监测中的比较分析——以2003年江西夏季干旱为例

植被水分指数NDWI是基于短波红外（SWIR）与近红外（NIR）的归一化比值指数。与NDVI相比，它能有效地提取植被冠层的水分含量；在植被冠层受水分胁迫时，NDWI指数能及时地响应，这对于旱情监测具有重要意义。结合2003年夏季MODIS影像数据和地面气象数据，以江西省内一片农田和一片林地为试验区域，分析比较了NDWI与NDVI距平值在短期旱情监测中的有效性。监测结果表明， NDWI对植被冠层水分信息比NDVI更为敏感；在短期干旱监测中，NDWI指数能准确地反映旱情的时空变化。     

2006年荆州市稻飞虱危害的遥感分析及评价

通过2001和2005正常年份NDVI指数时序特征与稻飞虱危害最严重的2006年NDVI指数时序特征的分析比较表明:中稻灌浆期至成熟期的NDVI指数2006年明显低于正常年份,而且这一时期其波谱表现出典型的受病虫害影响后的波谱特征,说明NDVI时序变化能反映中稻稻飞虱危害程度,最后利用此特性将稻飞虱危害程度进行了分类,结果与地面调查相符合,为今后稻飞虱危害程度的评价提供了一种新的方法与手段.     

利用遥感监测长江三角洲森林植被物候对气候变化的响应

植物的物候与气候等环境因素息息相关,是指示气候与自然环境变化对生态影响的重要指标。目前,气候变暖日益为人所关注,使用遥感技术研究植物物候与气候变化之间的关系具有重要的意义。监测人口密度高和城市经济发达地区的植物物候对气候变暖的响应,可以揭示区域热环境变化及其产生的生态效应。本研究选取长江三角洲地区为研究区域,使用SPOT卫星VGT传感器的长时间NDVI数据序列,对经济发达区域森林植被的NDVI序列进行非对称性高斯函数拟合法平滑处理,并提取与研究其物候特征,发现①NDVI与气温具有较强相关性,随气候变暖,森林植被NDVI年均值有增加趋势;②森林植被生长活跃期起始日期提前,终止日期延后,时长有明显的延长趋势,生长活跃期内NDVI有所增加;③森林植被NDVI极大值与极小值出现日期均明显提前,NDVI极大值有增大趋势,而极小值呈下降趋势,年内极差增加,NDVI增长期缩短,衰落期延长;④森林植被在春、夏两季NDVI均值有所增长,秋季无明显变化,冬季略有降低。     

不同施肥／土地利用方式对黑土细菌多样性的影响

微生物多样性是表征土壤质量变化的敏感指标。为探讨黑土生态系统转变过程中土壤微生物多样性变化,应用变性梯度凝胶电泳（DGGE）方法对黑土区3种生态系统和豆田3种施肥制度下土壤细菌多样性进行了初步研究。结果表明：土壤细菌多样性以草地（GE）最高,其细菌丰富度（S）和Shannon多样性指数均高于农田（CK）和裸地（BE）;在豆田土壤中,长期不施肥（CK）的土壤细菌丰富度和Shannon多样性指数最高,其次为长期化肥配施有机肥（NPM）,长期单施化肥（NP）最低。UPGMA聚类分析表明,NP与CK处理细菌的群落结构相似,相似性系数达到65．5％,NPM与GE和BE处理细菌的群落结构相似,相似性系数分别为52．5％和57．3％。     

被动微波遥感指数及其应用

分别概述了微波极化指数、散射指数以及土壤湿度指数等被动微波遥感指数的发展及其应用。37GHz的微波极化差指数△T37（△T37=TB37V—TB37H）和极化比指数（MPDI=C＊（TB37V—TB37H）／（TB37V＋TB37H））被认为是监测植被状况的微波植被指数，利用GAME—Tibet1998IOP数据计算和分析了青藏高原中部5个试验站点6～9月的平均△T37值和MPDI值的变化情况。结果表明：ANDUO和MS3608的平均值在15K左右，表现出裸土的微波辐射特征；总体上5个站点的MPDI随时间的变化不大，也即在1998年6～9月间，各个站点的植被状况变化不大；而站间的差别比较大，也即各个站点的植被状况有较大的差别；ANDUO的MPDI表现出规律性的变化，即在6至9月的变化中，8月份的MPDI最小，对应植被最好的月份；对研究区的MPDI和相应时间的MSAVI（可见／近红外数据得到的修改型土壤调整植被指数）的空间分布图进行了比较，二者基本吻合。     

巴音布鲁克草原主要植被NDVI变化与气候因子的关系

利用GIS和遥感技术建立巴音布鲁克草原高寒沼泽、高寒草原和高寒草甸三种典型植被1982～2000年月合成NOAA-AVHRR归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列.利用月合成NDVI的多年均值分析了三种典型植被NDVI年内季节性变化规律.同时,收集同期巴音布鲁克气象台降水量、气温、0～20cm浅层地温及日照时间,在区域尺度上分析巴音布鲁克草原典型植被覆盖变化与这些气候因子的关系,揭示气候变化对该区域植被覆盖变化的影响.     

基于MODIS温度和植被指数产品的山东省土地覆盖变化研究

地表温度(LST)与归一化植被指数(NDVI)构成的NDVI-Ts特征空间具有丰富的地学和生态学内涵。MODIS数据因其优越的时间分辨率、波谱分辨率,已被广泛地运用于各个领域。在本研究中,运用遥感技术和GIS技术相结合的手段,利用NASA提供的MODIS温度产品和NDVI产品,以山东省土地利用图、山东省TM遥感影像图和基于3S技术的山东省森林资源调查项目的外业调查数据为参考和评价标准,以NDVI-Ts时间序列为指标,在进行土地覆盖分类的基础上,分析比较了山东省土地覆盖从2000年到2006年的变化情况。研究结果表明,利用MODIS产品将NDVI-Ts时间序列作为分类特征,在较大尺度范围的土地覆盖分类中具有较高的分类精度,有利于对土地覆盖变化进行动态监测。     

基于无人机与卫星遥感的草原地上生物量反演研究

草原生物量是评价草原生态系统功能的重要参数。为了快速、准确、有效地估算草原地上生物量,以呼伦贝尔草原为研究区,基于无人机多光谱影像和卫星遥感(Sentinel-2)影像,选择GNDVI、LCI、NDRE、NDVI、OSAVI、EVI等6个植被指数,结合实测地上生物量数据,建立植被指数回归模型,并采用留一法交叉验证进行精度评价。结果表明：基于无人机多光谱影像的LCI-生物量回归模型(RRMSE为18%,测量值与预测值R²为0.70)和NDRE-生物量模型(RRMSE为18%,测量值与预测值R²达到0.71)精度高于其他植被指数回归模型;基于无人机多光谱影像的生物量—植被指数模型(RRMSE均低于22%)模拟精度均优于基于Sentinel-2影像的生物量—植被指数模型(RRMSE均高于25%),可以更精确地反演草原地上生物量,研究结果可为草原生物量精准反演提供科学方法和依据。     

基于多时序特征和卷积神经网络的农作物分类

近年来,以卷积神经网络为主的深度学习模型在各种遥感应用中都显示出巨大的潜力。以加州帝国郡为研究区,以Landsat 8 OLI年内时序遥感影像计算时序植被指数NDVI、EVI、RVI以及TVI,组合后输入到构建的一维卷积神经网络 模型,以实现作物的高精度精细分类。为了验证卷积模型的优越性,另搭建了基于递归神经网络及其变体的深度学习模型。结果表明：①引入其他时序特征后,能够有效地提高卷积神经网络的分类精度。NDVI+EVI+TVI+RVI组合特征总体精度和Kappa系数最高,分别是89.667 4%和0.856 0,对比NDVI时序特征总体精度和Kappa系数提高了近4%和0.6。②在与其他深度学习模型的对比中,一维卷积神经网络分类精度最高,能够从时序数据中较为准确捕捉作物时序特征信息,尽管递归神经网络被广泛应用于序列数据的研究,但分类结果要略差于卷积神经网络。实验表明在NDVI的基础上引入其他植被指数辅助,能够有效地提高分类精度。基于一维卷积神经网络的深度学习框架为长时间序列分类任务提供了一种有效且高效的方法。     

遥感干旱指数在洛川苹果干旱监测中的适用性分析

目前对苹果干旱研究较少且主要运用站点数据,对空间信息表征有限,遥感干旱指数可用于大范围干旱时空动态监测,但在苹果干旱监测中的适用性还有待研究.基于2014～2018年MODIS反射率、地表温度以及地表覆被数据,结合土壤湿度数据和野外调查资料,分析洛川苹果区温度植被干旱指数(TVDI)、归一化植被水分指数(NDWI)、植...     

Linking spatial patterns of bird and butterfly species richness with Landsat TM derived NDVI

The ability to predict spatial patterns of species richness using a few easily measured environmental variables would facilitate timely evaluation of potential impacts of anthropogenic and natural disturbances on biodiversity and ecosystem functions. Two common hypotheses maintain that faunal species richness can be explained in part by either local vegetation heterogeneity or primary productivity. Although remote sensing has long been identified as a potentially powerful source of information on the latter, its principal application to biodiversity studies has been to develop classified vegetation maps at relatively coarse resolution, which then have been used to estimate animal diversity. Although classification schemes can be delineated on the basis of species composition of plants, these schemes generally do not provide information on primary productivity. Furthermore, the classification procedure is a time- and labour-intensive process, yielding results with limited accuracy. To meet decision-making needs and to develop land management strategies, more efficient methods of generating information on the spatial distribution of faunal diversity are needed. This article reports on the potential of predicting species richness using single-date Normalized Difference Vegetation Index (NDVI) derived from Landsat Thematic Mapper (TM). We use NDVI as an indicator of vegetation productivity, and examine the relationship of three measures of NDVI—mean, maximum, and standard deviation—with patterns of bird and butterfly species richness at various spatial scales. Results indicate a positive correlation, but with no definitive functional form, between species richness and productivity. The strongest relationships between species richness of birds and NDVI were observed at larger sampling grains and extent, where each of the three NDVI measures explained more than 50% of the variation in species richness. The relationship between species richness of butterflies and NDVI was strongest over smaller grains. Results suggest that measures of NDVI are an alternative approach for explaining the spatial variability of species richness of birds and butterflies.     

L波段多角度微波植被指数研究

植被指数是卫星遥感领域中用来表征地表植被覆盖,生长状况的一个简单有效的度量参数。通常由于植被光谱受到植被本身、环境条件、大气状况等多种因素的影响,植被指数往往具有明显的区域性和时效性。微波遥感具有全天时、全天候的工作能力,利用被动微波遥感观测数据建立植被指数,将能够弥补现有植被指数的局限性。2009年发射的土壤水分和海洋盐度(SMOS)卫星首次采用L波段多角度微波观测。通过双极化多角度微波辐射信号组合,可以最小化地表辐射的影响,从而发展了仅与植被参数有关的微波植被指数。这种方法为SMOS监测全球植被信息提供新的机会。     

基于Sentinel-2的UNVI植被指数及性能对比研究

作物精准识别和分类是农业遥感检测的重要内容,对作物长势监测以及估产十分重要。以美国混合农业带为研究区,基于Sentinel-2时间序列影像,根据其传感器响应函数计算了针对Sentinel-2的通用归一化植被指数（Universal Normalized Vegetation Index,UNVI）,并通过两个对比实验,分析UNVI等6个指数在作物精准分类中的性能。实验一以JM（Jeffries-Matusita）距离为指标对不同作物类别之间的可分性进行分析,结果表明UNVI优于NDVI、EVI、WDRVI、NDre1和NDWI指数,在玉米和棉花、玉米和水稻、玉米和水稻的区分上,UNVI优于其他指数区分能力相当,但在其余的作物组合上如棉花和水稻,NDVI等指数则无法将其很好的区分,此时UNVI指数依然可以表现出较好的区分能力;实验二对6种时间序列指数特征分别使用随机森林和支持向量机进行作物分类,结果表明UNVI指数的总体精度和Kappa系数最高,其次是NDre1指数和WDRVI指数,EVI的总体精度和Kappa系数最低,这表明UNVI比其他6个指数更好地区分了研究区大豆、玉米、棉花和水稻等4种主要作物。综上,基于Sentinel-2时间序列的UNVI指数在进行作物分类时与其他5种遥感植被指数相比,具有较大的优势,UNVI可为农作物长势分析和作物估产研究等农业研究和应用的可选植被指数。     

数据融合技术在提高NPP估算精度中的应用

针对现有遥感数据不能同时满足在时间和空间上精确监测植被动态变化的问题,提出利用时空适应性反射率融合模型（STARFM）的方法对MODIS-NDVI和TM-NDVI影像数据进行融合处理获得30 m较高时空分辨率的融合NDVI影像,进而将多种尺度的MODIS-NDVI和融合NDVI数据分别输入到CASA模型,对锡林浩特地区进行植被净初级生产力（NPP）的多尺度估算。将不同尺度的NPP估算结果与地上生物量地面实测值进行验证比较,结果表明：随着输入NDVI空间分辨率的提高,NPP估算值与实测地上生物量之间的相关性也逐渐增大,[r]最大值达到了0.915。此外以融合NDVI影像作为输入数据之一的NPP估算值与实测地上生物量的相关性均比未融合NDVI的相关性高,说明融合NDVI估算NPP的效果较未融合NDVI好,并且以融合NDVI影像作为模型输入数据可提高NPP估算精度。     

基于高光谱植被指数的加工番茄生长状况监测研究

利用ASD地物非成像高光谱仪,获取2个加工番茄品种4水平施氮量和3种配置种植方式6个关键生育时期冠层的反射光谱数据,通过计算得到归一化植被指数(NDVI)、比值植被指数(RVI)、修改型二次土壤调节植被指数(MSAVI2)和红边归一化植被指数(RENDVI),并分别与其冠层叶绿素密度(CH.D)、叶面积指数(LAI)、地上鲜生物量(AFBM)和地上干生物量(ADBM)进行相关分析,经检验,相关系数均达到1%的极显著水平。其中RENDVI与CH.D的线性相关模型,RVI与LAI的幂指数函数模型的相关性最好(RRENDVI-CH.D=0.8034**,RRVI-LAI=0.8703**,n=54,α=1%),用上述2个相关模型方程分别估算加工番茄CH.D和LAI,实测值与估测值之间均呈极显著的线性相关关系(R实测CH.D-估测CH.D=0.8113**,R实测LAI-估测LAI=0.8546**,n=54,α=1%),估算精度分别为85.5%和86.3%。试验结果表明,用高光谱植被指数,可以对加工番茄冠层CH.D、LAI、AFBM和ADBM进行遥感估算,实现对加工番茄生长状况的实时、无损、非接触和定量的高光谱监测研究。