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。     

汉江流域上游植被指数变化的影响因素分析

汉江是南水北调中线工程的水源地,在变化环境下其植被的变化会对流域水文过程产生不可忽视的影响。采用来自MODIS/Terra网站的归一化植被指数遥感影像数据,对汉江流域上游2000—2015年的8月份归一化植被指数遥感影像数据进行像元尺度的影响因素分析。结果表明,7-8月的平均降水量和7月平均气温与归一化植被指数的相关性最强。植被指数与降水呈负相关的区域基本上与气温呈正相关,而植被指数与降水呈正相关的区域基本与气温呈负相关。复直线回归分析显示,气象因素对植被生长、演化起到了促进作用,人类活动使得植被指数等级变得更加均匀。人类活动表现为抑制植被生长演化的区域占汉江流域上游总面积的45. 92%,人类活动表现为促进植被生长的区域占汉江流域上游总面积的54. 08%,说明有一半以上区域的人类活动对植被生长起到了促进作用;与气象因素相比,现阶段人类活动对近年来汉江流域上游植被指数的影响十分微小。     

基于MODIS-NDVI的草原植被时空变化监测研究

以内蒙古正蓝旗和多伦县为研究区,利用经过校正的新一代卫星遥感数据TERRA/MODIS的图像红、近红反射率合成所需要的植被指数,计算了2005年7月28日、2006年7月28日归一化植被指数(NDVI),并根据NDVI分级图、草原类型分布图和草原退化分级图,结合降水资料、气温资料,对天然草原植被长势的时间和空间变化特征和变化规律进行了研究。结果表明:降水量和禁牧措施是影响草原植被变化的重要因素,气温变化对植被的影响较小;春季休牧能够有效地改善草原植被的生长状况,使植被群落和结构更加稳定,植被的高度和鲜质量都有不同程度提高。     

基于区域增长的海岸带黑暗像元自动提取算法研究

针对海岸带区域独特的地表状况设计了一个近海岸的黑暗像元自动提取算法。首先利用修订型归一化水体指数(RNDWI)和归一化植被指数(NDVI)对黑暗像元备选区域进行确定,然后从备选区域中找到初始黑暗像元,最后利用多阈值的区域增长法对黑暗像元的选取进行优化,最终计算得到黑暗像元值。应用此算法对Landsat-5 TM影像遥感数据进行处理,结果表明,大气校正之后的典型地物光谱曲线更接近于真实的光谱曲线,说明此算法设计合理,其大气校正结果与用ENVI软件进行FLAASH大气校正和黑暗像元法大气校正的结果相比,此算法更接近于FLAASH模型法,校正效果较好。同时利用黑暗像元自动提取算法得到大气校正后的结果大大减少了反射率值为负的情况,提高了数据的利用率。     

基于SPOT5遥感影像丰宁县植被地上生物量估测研究

利用SPOT5遥感影像数据和同期获得的野外调查样地数据,基于按植被类型分类估测的方法,研究了河北省丰宁满族自治县植被地上生物量的遥感估测技术。研究结果显示,SPOT5影像的4个波段反射率和中红外植被指数(VI3)结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.540,说明中红外波段信息提高森林生物量的估测精度有一定作用;通过分析样地生物量与多种植被指数的相关性发现,基于比值植被指数(RVI)的指数回归模型是灌丛生物量估测的最佳模型,估测的R2值达0.711,基于归一化植被指数(NDVI)的简单线性回归模型为估测草地生物量的最佳模型,R2值达0.790。利用2008年的全覆盖SPOT5影像,获得了丰宁县2008年植被地上生物量分布图,除农田植被外,全县地上生物总量为3.706×107 t,单位面积生物量平均为51.223t/hm2,其中,森林植被总生物量为3.578×107 t,灌丛植被总生物量为1.048×106 t,草地植被总生物量为2.277×105 t。     

多源遥感的中国NO2浓度在时空上的对比

鉴于研究NO2柱浓度的长时间变化趋势时,不同卫星数据之间是否存在一致性非常重要,且不同卫星数据在不同空间尺度和季节上的对比研究较少,对比了GOME、SCIAMACHY、GOME-2和OMI反演的中国地区对流层NO2柱浓度在栅格尺度、省尺度、区域尺度和4个季节间的差异。结果表明,不同传感器的对流层NO2柱浓度在不同空间尺度和不同季节间具有良好的一致性,但是也有差别。NO2柱浓度平均值在省尺度上最大,区域尺度次之,栅格尺度上最小。SCIAMACHY反演的NO2柱浓度值低于GOME,高于GOME-2A和OMI,平均NO2柱浓度的最大差异出现在冬季,最大差异为SCIAMACHY比GOME、GOME-2A和OMI分别高-10.16%、17.51%和72.8%。GOME-2A和GOME-2B对流层NO2柱浓度均高于OMI,平均NO2柱浓度较大差异在春季和夏季,GOME-2A和GOME-2B分别比OMI高48.5%和41.55%。最后,卫星NO2柱浓度和地面NO2浓度验证结果表明,OMI数据和地面NO2浓度拟合的R2（0.72）大于GOME-2A数据与地面数据拟合的R2（0.6）。     

HJ-1A/B CCD与Landsat TM/ETM+植被指数的交互比较

利用5对同日过境的HJ-1A/B CCD和Landsat TM/ETM+影像对,研究了二者植被指数(NDVI,SAVI,EVI)之间的定量关系。选用其中的3对影像对作为实验影像,通过对均匀同质实验区对应的植被指数进行回归分析求出二者之间的转换方程,用未参与实验的2对影像对来验证所求转换方程的有效性,并对二者植被指数之间的差异进行了分析。结果表明：两种传感器对应的植被指数之间存在极显著的线性正相关关系,所求的转换方程具有较高的精度,可以利用转换方程将两种传感器的植被指数进行互为转换,有利于二者植被监测结果的互为补充,而两种传感器在光谱响应函数上的不同造成了二者植被指数间存在差异。     

一种基于植被指数的遥感影像决策树分类方法

以江苏省徐州市为研究区,采用2000年ETM+多光谱影像作为遥感信息源,选择影像的光谱特征和归一化植被指数（NDVI）、绿度植被指数（GVI）、比值植被指数（RVI）等10种植被指数作为分类特征,基于See5决策树学习软件构建分类决策树,实现了研究区景观格局的遥感分类。研究结果表明,决策树分类法易于综合多种特征进行遥感影像的分类,植被指数参与到决策树分类中能够提高分类的总体精度。     

TM遥感与地块内冬小麦产量变异

卫星遥感可以为农作物的准确管理提供必要,及时并具有空间连续性的信息,但高成本一直是限制该项技术在农业上深入发展的主要障碍,利用价格相对较为低廉的TM卫星影像作为信息源来评价其对估测小区域内作物产量空间变异并为规划管理单元提供必要信息的可行性做了初步的研究,结果表明,利用TM图像所获得的植被指数能较好地反映小麦各生育时期的基本特点,两种植被指数（NDVI及RVI）都表现出一定程序的空间,而且都以小麦抽穗后期的变异程度为最大,而且,小麦生长发育的三个重要时期（分蘖期,抽穗期及拔节期）的两种植被指数之间具有极显著相关关系,两个试验地块小麦11月8日的归一化植被指数都与产量表现出了良好的相关关系,另外,两种植被指数在表现作物千粒重和亩穗数等产量指标信息方面,也有一定的效果。     

利用随机森林和地理加权回归的黄河源GIMMS3gNDVI降尺度方法

针对现有AVHRR、SPOTVGT、MODIS产品难以构建长时序、高时空分辨率NDVI数据集的问题,提出了利用随机森林和地理加权回归模型对GIMMS_3g NDVI进行降尺度的方法。基于“关系尺度不变”假设,从不同空间分辨率和数据源角度将其空间分辨率从8 km提高至250 m,并利用MODIS数据进行精度评价。结果表明：降尺度数据的空间分辨率有较大提升,能真实反映源区内NDVI空间分布特征;降尺度数据与MODIS数据具有较好的一致性,除500 m分辨率下的RF降尺度外,其他降尺度结果的绝对误差≤0.1的比例达到70%;东南部高植被覆盖区的降尺度效果要优于西北部;RF模型在体现局部细节纹理特征方面更具优势;解释变量的不同组合会影响降尺度的精度;降尺度模型尺度的改变对RF模型降尺度结果影响较大。