共查询到20条相似文献，搜索用时 31 毫秒
1.
《国土资源遥感》2016,(2)
科学合理地定量评估林火烈度,对揭示林火干扰下森林生态系统的变化,以及植被的恢复与管理具有重要意义。以美国科罗拉多大峡谷国家公园北缘的Poplar Fire为实验区,利用Landsat5 TM影像,结合实地调查的综合火烧指数(composite burn index,CBI),分析评价了归一化差值植被指数(normalized difference vegetation index,NDVI),归一化火烧指数(normalized burn ration,NBR),差分归一化植被指数(differenced normalized difference vegetation index,ΔNDVI)和差分归一化火烧指数(differenced normalized burn ration,ΔNBR)4种遥感指数对林火烈度评估的适应性。结果表明,4种遥感指数对识别不同等级林火烈度存在一定的差异。在未过火区和轻度火灾区,单一遥感指数的精度略高于差分遥感指数,其中NBR的提取精度最高,分别达到了66.7%和80%;在中度火灾区和重度火灾区,差分遥感指数的精度高于单一遥感指数,ΔNBR的提取精度最高,分别达到了100%和90%。总体上,基于差分遥感指数的林火烈度制图精度总体高于单一遥感指数,其中ΔNBR的总体制图精度最高,达到了86.2%。因此,ΔNBR是林火烈度分析与评估的适宜遥感指数。 相似文献
2.
《国土资源遥感》2020,(2)
建立合成孔径雷达(synthetic aperture Radar,SAR)数据和光学植被指数的定量关系有助于融合这两种数据源,提高山区森林遥感的时序监测能力。为此,以内蒙古大兴安岭根河林区为例,首先分析了归一化植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI)、绿度植被指数(greenness vegetation index,GVI)和归一化水分指数(normalized difference water index,NDWI)与C波段雷达数据的相关性,接着对比了不同森林干扰下NDVI,NDWI与X,C,L波段雷达数据的相关性差异。结果表明:①极化比(polarization ratio,PR)和干涉相干系数与各植被指数呈显著负相关,PR与NDVI,EVI,GVI线性趋势好(R~2=0. 40～0. 49),VH的干涉相干系数与各植被指数线性趋势好(R~2=0. 43～0. 51);②地表类型会影响VH与NDVI线性回归结果,在植被密集的灌草、火烧迹地和森林内线性趋势好(R~2=0. 64～0. 76);③不同森林干扰下相关性存在差异:在火烧迹地内NDVI与X波段HH和C波段PR呈显著负相关,NDWI与C波段VH呈显著正相关;在未受干扰林地内NDVI和NDWI与C波段PR呈显著正相关;在采伐迹地内L波段PR与NDVI呈显著负相关,L波段VV和VH的PR与NDWI呈显著负相关。 相似文献
3.
为弥补、修正构建Landsat 8归一化植被指数(normalized differential vegetation index,NDVI)长时间序列中因云层覆盖、影像质量与重访周期导致的数据缺失问题,交互比较高分一号(GF-1)与Landsat 8两类传感器的植被探测能力,并对其植被指数的定量关系进行研究,探讨以GF-1局部镶嵌或全局替换Landsat 8缺失数据构建时序NDVI的可行性。结果显示,Landsat 8与GF-1具有NDVI差异性,具体表现为Landsat 8探测地物信号更强,而GF-1获取地物信息量更多;相同空间分辨率(30 m)下两传感器NDVI数据呈现高度线性相关,经方程转换后,GF-1的NDVI拟合数据与Landsat 8的NDVI关系增强;同时,两传感器的NDVI数据存在区域差异性,且拟合数据可以有效减少差异程度。实验表明,此方法可实现Landsat 8高分辨率时序NDVI的构建,具有一定应用价值。 相似文献
4.
以国产高分一号(GF-1)宽幅数据(wide field of view,WFV)为数据源,采用简单生物圈模型2(simple biosphere model2,Si B2)对黑龙江省漠河县森林植被叶面积指数(leaf area index,LAI)进行估算,并与增强植被指数(enhanced vegetation index,EVI)线性模型的估算结果进行对比,结合地面实测LAI数据分别对这2种模型估算结果进行精度评价。结果表明,采用EVI线性模型估算LAI,决定系数R2为0. 582,均方根误差(root mean square error,RMSE)为0. 701;而采用Si B2模型估算LAI,R2为0. 798,RMSE为0. 358,均比EVI线性模型有所改善。该研究发现,结合中高空间分辨率的GF-1 WFV数据,Si B2模型更适宜于该研究区森林植被的LAI反演。 相似文献
5.
作物长势监测是农情监测的核心内容之一,处在不同生育期的作物长势存在显著差异。为了提高大范围作物长势遥感监测的精度,利用2001―2015年间获取的MOD09A1数据,以山东省冬小麦为研究对象,在逐年提取冬小麦抽穗期基础上,探讨研究区近15 a间冬小麦抽穗期长势时空格局。研究表明,与归一化差值植被指数(normalized difference vegetation index,NDVI)相比,基于增强型植被指数(enhanced vegetation index,EVI)提取的冬小麦抽穗期与地面观测数据有更好的一致性。研究区冬小麦抽穗期主要集中在4月中、下旬,并从南向北、自西向东逐渐推迟;与NDVI,EVI和归一化差值红外指数(normalized difference infrared index,NDII)相比,产品改进–NDVI(product improve–NDVI,PI_NDVI)更能反映冬小麦的实际长势。基于该指数监测冬小麦长势,2001―2015年间山东省冬小麦抽穗期长势整体呈上升趋势;但年际间波动较大,相同年份不同区域的冬小麦长势存在明显差异;而大部分区域长势状况比较一致,与多年平均状况持平。研究结果与已有的相关研究较为一致,基于遥感进行大范围和长时间作物长势监测的思路可以为以后研究提供一定的参考。 相似文献
6.
《武汉大学学报(信息科学版)》2020,(4)
大尺度植被光能利用率(light use efficiency,LUE)的快速准确获取一直是限制植被生产力估算及相关研究的难题。当前LUE的研究存在取值不准、方法复杂、精度不高等问题,而遥感数据时间连续、空间尺度大、易获取的优势为LUE的准确估算提供了可能。以东北地区典型的芦苇湿地为研究对象,利用多时相遥感影像Landsat OLI(operational land imager)与植被指数,通过分析LUE、植被指数与植被叶绿素含量之间的关系,探讨利用遥感植被指数实现湿地植被LUE准确估算的可行性。结果表明:除增强植被指数(enhanced vegetation index,EVI)外,其余植被指数均有较强的芦苇湿地表征能力。LUE与叶绿素及植被指数之间存在密切关系,其中归一化植被指数(normalized difference vegetation index,NDVI)对LUE的敏感性最高(P 0.01;R~2=0.62),是本研究中表征芦苇LUE的最佳指数。研究验证了以叶绿素作为中间变量,借助遥感植被指数实现LUE便捷高效反演的理论假设,可为大尺度湿地植被生产力及碳循环等研究提供方法参考和思路借鉴。 相似文献
7.
叶面积指数(leaf area index,LAI)是描述植被冠层结构的重要参数,准确获取果树的LAI对果树长势监测和果树估产均有重要作用。以美国加州中部的果园为研究区,基于沿太阳主平面飞行成像的机载MODIS/ASTER模拟传感器(MODIS/ASTER airborne simulator,MASTER)数据,利用实测LAI数据与归一化差值植被指数(normalized difference vegetation index,NDVI)、归一化差值红外指数(normalized difference infrared index,NDII)和归一化差值水体指数(normalized difference water index,NDWI)分别建立回归模型,并选取NDWI进行研究区LAI的反演。结果表明:由于地物的二向性反射,垂直太阳主平面飞行获取的遥感数据具有明显的亮度梯度现象,而沿太阳主平面飞行获取的遥感数据几乎不受亮度梯度的影响;NDVI在高植被覆盖区容易达到饱和,而NDWI比NDVI和NDII具有更高的拟合度和更小的均方根误差,更加适合研究区LAI的遥感反演;该研究结果可以丰富LAI反演理论,也可以为研究LAI尺度问题提供理论和数据支持。 相似文献
8.
以2019年5月13日黑龙江省佳木斯市同江市洪河国家级自然保护区为研究对象,基于静止气象卫星Himawari-8(H8)和极轨气象卫星MODIS数据对火灾发生经过进行还原,基于高分一号(GF-1)和高分六号(GF-6)数据进行火烧迹地识别.试验结果表明,Himawari-8及MODIS数据都可较好地反演出火灾发生地点,但基于固定阈值算法对Himawari-8数据进行火灾反演的实效性更强,可实现10 min级监测,可以弥补MODIS卫星时间分辨率低的不足,其可以对林业火灾监测提供较好的技术支撑.基于GEMI模型进行的火烧迹地提取可以为灾情损失及灾后重建提供本地数据. 相似文献
9.
基于生态参数的岩溶峰丛区石灰岩基岩表面溶蚀率遥感反演 总被引：1，自引：0，他引：1
为了探索岩溶峰丛区生态参数与石灰岩基岩表面溶蚀率的相关性,用相关生态参数反演土层下石灰岩基岩表面的溶蚀率,从而间接估算其变形。选择桂林丫吉村岩溶峰丛区为研究区,以Landsat5 TM多光谱数据为信息源,提取归一化差值植被指数(normalized difference vegetation index,NDVI)、地面温度及土壤湿度等遥感参数;运用SPSS统计软件对这3种参数分别与石灰岩溶蚀率进行了相关分析,确定其相关系数分别为-0.91,0.85及0.93;在此基础上,通过逐步回归分析,建立了运用NDVI估算植被覆盖下石灰岩表面溶蚀率的遥感反演模型。结果表明:NDVI与石灰岩溶蚀率相关性最大,所以植被信息是石灰岩表层基岩溶蚀的主要间接标志;溶蚀率与NDVI指数存在线性关系,因此只要已知研究区其他地区的NDVI指数,即可估算出该地区的石灰岩基岩表面溶蚀率。 相似文献
10.
目前大部分植被指数主要针对绿色植被构建，缺乏针对其他颜色特别是红色植被的指数。此外，面向湿地或潮间带植被识别提取的植被指数也相对较少。为拓展针对红色植被指数构建的研究，结合翅碱蓬植被的红色特征，基于高分一号（GF-1）卫星宽覆盖影像（wide field of view，WFV），通过对比翅碱蓬及其周边地物在GF-1 WFV影像中的光谱反射率特征，构建了翅碱蓬植被指数（suaeda salsa vegetation index，SSVI）。为评估SSVI提取翅碱蓬的精度，以辽宁双台子河口湿地自然保护区为研究区，采用各种植被指数分别提取了不同年份的5景GF-1 WFV影像翅碱蓬信息，并对提取结果精度及错分像元数进行统计分析。结果表明，SSVI平均提取精度为88.6%，平均错分像元占研究区比例为5.1%，在5个指数中提取翅碱蓬精度最高、效果最好。此外，5期影像间较大的时间跨度也证明了SSVI的鲁棒性较强，具有较好的适用性，受时间影响较小。综上，构建的SSVI可有效用于翅碱蓬的识别与提取，并监测其时空变化。 相似文献
11.
南京市地表参数变化与热岛效应时空分析 总被引：1，自引：0，他引：1
利用南京市1989年TM和2001年、2010年ETM+卫星遥感数据,提取了3个时期的归一化植被指数(normalized difference vegetation index,NDVI)、改进的归一化水体指数(modified normalized difference water index,MNDWI)、归一化建筑指数(normalized difference build-up index,NDBI)和归一化不透水面指数(normalized difference impervious surface index,NDISI)等地表参数;利用热红外波段遥感数据反演地表温度,并从时间维对比分析了3个时期各个参数的变化和产生的原因;利用回归分析方法探讨了上述地表参数变化与城市地表温度之间的关系,即地表温度与NDISI和NDBI呈正相关,与NDVI呈负相关。进一步分析表明,南京市最近20 a来不透水面和建筑面积大幅增大,植被覆盖范围减少,城市热岛效应加剧,不透水面、建筑指数与地表温度的变化趋势和城市扩张趋势一致。该研究成果对于揭示南京市热岛效应、优化土地配置和推进生态城市建设具有一定的参考意义。 相似文献
12.
叶面积指数(leaf area index,LAI)是评价植被长势和预测产量的重要农业生理生态参数。高分2号(GF-2)卫星数据具有高空间分辨率特点,能反映更多细节信息,针对该数据特点的LAI反演方法具有较高的研究价值。以河北省廊坊市万庄镇为研究区,对孕穗期小麦采用了回归模型和神经网络算法反演LAI;采用4种植被指数与实测LAI值构建回归模型,同时重点探讨了PROSAIL模型结合神经网络方法进行LAI反演。研究结果表明,在回归模型中,归一化植被指数(normalized difference vegetation index,NDVI)的二项式模型估算LAI可以获得最高精度,采用实测数据验证的决定系数(R2)和均方根误差(root mean square error,RMSE)分别为0.719 3和0.393 6;与回归模型相比,神经网络反演LAI方法更显著提高了精度,R2和RMSE分别达到0.900 8和0.273 2。基于GF-2卫星数据,在研究区小麦孕穗期,神经网络反演LAI具有较强可行性和适用性,可为高空间分辨率卫星影像的LAI反演提供参考。 相似文献
13.
基于地形调节植被指数估算长汀县植被覆盖度 总被引：3，自引：0，他引：3
植被覆盖度遥感估算最常用的方法是基于植被指数构建模型,但大部分的植被指数没有考虑地形的影响。以福建省长汀县作为研究区,引入能消除地形影响的地形调节植被指数(topography adjusted vegetation index,TAVI),利用像元二分模型估算植被覆盖度,旨在研究TAVI对植被覆盖度估算结果的影响,并与基于归一化差值植被指数(normalized difference vegetation index,NDVI)估算的结果进行比较。根据目视效果和统计指标的分析表明:基于TAVI估算的植被覆盖度精度高于基于NDVI的估算结果,并能有效降低阴坡阳坡间的差异,提高阴坡区域植被覆盖度的估算精度。 相似文献
14.
《北京测绘》2020,(2)
为了探讨国产高分六号卫星多光谱宽视场成像仪(WFV)八波段数据在森林扰动研究中的应用潜力,本文基于北京市西山林场2018年10月-12月期间的4期高分六号卫星WFV数据,经数据标准化处理后,比较4波段和7波段黄边归一化植被指数(YNDVI)与标准NDVI在森林扰动信息提取方面的差异。研究结果表明在初秋至初冬的时间序列内,植被的季节性变化明显,GF-6 WFV的近红外波段对于森林扰动监测作用最大;基于近红外和黄边波段建立的YNDVI比近红外和红波段的NDVI更能有效反映森林扰动信息。因此,GF-6WFV传感器的新增波段在森林资源监测、病虫害监测、森林火灾预警等多个方面具有巨大应用潜力。 相似文献
15.
针对GF-1 WFV和Landsat-8 OLI两种传感器的参数特点,选取归一化植被指数(NDVI)、增强型植被指数(EVI)、大气阻抗植被指数(ARVI)、土壤调整植被指数(SAVI)和修正的土壤调整植被指数(MSAVI)5种植被指数,采用同一时期的两种传感器数据对四川省茂县进行植被信息提取,并结合像元二分模型估算植被覆盖度,计算分析两种数据源下不同植被指数的差异性。结果表明:GF-1数据提取的NDVI植被效果最好,其中2013年分类总精度为94.55%,Kappa系数为0.88;2015年分类总精度为90.47%,Kappa系数为0.85。对于Landsat-8数据提取的SAVI的结果最佳,其中2013年分类总精度为94.38%,Kappa系数为0.86;2015年分类总精度为95.83%,Kappa系数为0.88。根据统计指标分析表明:在高原山区地形环境下,利用植被指数估算植被覆盖度,GF-1卫星采用NDVI、Landsat-8卫星采用SAVI比较合适,且GF-1数据的估算精度要高于Landsat-8数据。 相似文献
16.
为了论证Landsat TM与HJ CCD影像植被指数间的相关关系,首先将多对同日过境的环境与灾害监测预报小卫星(HJ 1A/1B)CCD1/CCD2影像及Landsat TM影像的灰度值转换成表观反射率,然后针对不同的土地利用类型影像,通过回归分析建立二者归一化植被指数(normalized difference vegetation index,NDVI)之间的定量关系,计算二者的转换方程,分析二者间的差异。结果表明,HJ CCD及Landsat TM影像的植被指数之间具有显著的线性正相关关系,转换方程的转换精度较高。 相似文献
17.
基于中尺度光谱和时序物候特征提取南方丘陵山区茶园 总被引：2，自引：0，他引：2
南方丘陵山区茶园空间分布的提取对于南方经济发展和生态环境保护有重要意义。为此提出一种基于中尺度光谱和时序物候特征的茶园提取方法。利用MODIS增强植被指数(enhanced vegetation index,EVI)和归一化植被指数(normalized difference vegetation index,NDVI)数据产品选择Landsat影像的最适时间窗口,使用面向对象方法和决策树分类模型提取初步分类结果,使用MODIS-EVI植被时序数据提取不同植被物候参数,完成茶园分布范围提取。以福建省漳州市和安溪县为研究区进行茶园提取,经检验,总体分类精度达到85. 71%,Kappa系数达到0. 83,其中茶园的生产者精度为83. 72%,用户精度为90. 00%;提取结果与漳州市和安溪县茶园种植面积的公开统计数据接近。结果表明,该方法可获得较高的茶园提取精度。提取结果可以为南方经济发展和政府有关部门对茶园的调控提供一定参考和指导。 相似文献
18.
基于随机森林算法的地表温度降尺度研究 总被引：1，自引：0，他引：1
地表温度(land surface temperature,LST)是地面能量平衡等模型中的重要参数之一。高时间分辨率的遥感LST可通过降尺度处理实现空间分辨率的提高,这对详细的LST时空分布监测具有重要意义。以北京市为研究区,选择Landsat8 OLI/TIRS数据,通过改进的单窗(improved mono-window,IMW)算法反演LST作为验证数据,在计算归一化差值植被指数(normalized difference vegetation index,NDVI)和归一化差值建筑指数(normalized difference built-up index,NDBI)等多种遥感指数并模拟至1 000 m空间分辨率的基础上,联合空间分辨率为1 000 m的MODIS/LST产品,利用随机森林(random forest,RF)模型实现LST(100 m空间分辨率)降尺度,并与多因子回归方法和基于植被指数的LST锐化算法(TsHARP)2种常用降尺度方法进行对比。实验结果表明:以模拟Landsat/LST作为降尺度数据源,RF方法降尺度LST的均方根误差(root-mean-square,RMSE)为2.01 K,与多因子回归方法和TsHARP算法相比,精度分别提高了0.16 K和0.44 K;针对MODIS/LST降尺度时,RF方法的RMSE为2.29 K,与多因子回归方法和TsHARP算法相比,精度分别提高了0.42 K和0.50 K;针对不同地表类型,RF算法降尺度效果不同,其中高植被覆盖区表现最优,RMSE为1.81 K;城镇表面因其空间异质性,RMSE则达到了2.75 K。 相似文献
19.
20.
《国土资源遥感》2016,(3)
基于多时相的Landsat8 OLI卫星遥感数据,采用面向对象的分类方法,提取双台河口国际重要湿地芦苇分布信息。通过对归一化植被指数(normalized difference vegetation index,NDVI)等6个植被指数与野外实测芦苇地上生物量数据间的统计分析,比较不同植被指数对芦苇地上生物量的敏感性,构建双台河口国际重要湿地芦苇地上生物量遥感反演模型;应用该模型对芦苇地上生物量进行遥感反演以及空间格局分析。结果表明:双台河口国际重要湿地芦苇分布面积为4.39×104hm2,约占该研究区总面积32.96%;选取的6个植被指数均与芦苇地上生物量显著相关(p0.05),其中,以NDVI为变量的幂指数形式的估算模型为芦苇地上生物量遥感估算最优模型,模拟精度为79%,决策系数为0.76;双台河口国际重要湿地芦苇地上生物量呈东高西低和北高南低的分布格局,其平均地上生物量为4 785.5 g/m2,总地上生物量为2.06×106t;本研究结果可为双台河口国际重要湿地生态系统管理和生物多样性保护提供数据支持与科学指导。 相似文献