共查询到19条相似文献，搜索用时 156 毫秒
1.
阜新地区植被覆盖度变化提取及分析 总被引：3，自引：0，他引：3
植被覆盖度是反应地区生态环境的重要指标,利用1995,2007年的两期TM遥感数据,以归一化植被指数(NDVI)像元二分法为植被覆盖度估算模型,计算阜新地区不同时期的植被覆盖度并得出阜新地区植被覆盖度等级图以及阜新地区植被覆盖度变化等级图。得出如下结论:1995年到2007年阜新地区植被覆盖度退化面积为64.817%,好转面积为6.547%,基本无变化区域为28.636%,阜新地区植被覆盖度退化严重。 相似文献
2.
基于NDVI和LSMM的干旱区植被信息提取研究——以新疆吐鲁番市为例 总被引：1，自引：0，他引：1
植被是干旱区生态建设重要的组成部分,而植被覆盖度是生态环境变化的重要指示,是评价生态系统健康的前提条件。本文在遥感等技术的支持下,以landsatTM影像为数据源,选用归一化植被指数(NDVI)和线性光谱混合分析模型(LSMM)两种方法进行分析比较,提取吐鲁番市近20年植被覆盖度,并对该地区植被覆盖度的演变特征进行分析。结果表明:①LSMM方法能较好地提取干旱区植被信息,指标简单且分类精度较高。②NDVI方法提取植被时,受到很多限制,在干旱区不宜采用。 相似文献
3.
基于MOD13Q1数据的大湄公河次区域植被覆盖时空变化分析 总被引：1，自引：0，他引：1
基于MOD13Q1-NDVI数据,采用最大值合成法提取2000—2017年的月植被指数,分别从月平均NDVI和年平均NDVI两个角度分析了大湄公河次区域植被覆盖的时空变化特征.结果表明:2000年以来,大湄公河次区域年平均NDVI总体上呈波动增长;但不同时段植被覆盖度变化不同,2000—2005年植被覆盖度总体略有降低,2005—2010年和2010—2015年植被覆盖度总体在增加;从植被覆盖度的空间变化来看,大湄公河次区域上游北部地区植被覆盖整体情况较差,下游西南地区植被覆盖呈现明显减少的趋势,今后应加强对上游北部地区和下游西南部地区的植被保护与生态修复. 相似文献
4.
5.
以1998-04～2008-07的372景逐旬SPOT4VEGETATION数据(S10)为主要数据源,利用MVC法、一元线性回归趋势分析法和差值法,分析1998～2007年陕西省年最大化NDVI的变化趋势,并对年最大化NDVI和月最大化NDVI的年际变化规律和陕西省植被覆盖度动态变化及其空间分布规律进行分析。结果表明,1998～2008年间,年最大化NDVI整体呈变好的趋势,但是月最大化NDVI的年际变化趋势在不同月份存在很大的差异;年最大化NDVI和月最大化NDVI在每相邻2a间的变化均存在很大差异,植被退化与改善波动出现;1998～2008年陕西各地区植被覆盖度变化是很明显的,一般8、9月份植被覆盖度最高。从空间分布上看,陕北北部地区(榆林市的东南部和延安市北部地区)植被覆盖度显著增加,宝鸡市中南部、西安市、商洛和安康部分地区植被改善也较明显。 相似文献
6.
南水北调中线工程是我国大规模跨流域调水工程的一部分,开展该区域植被覆盖度变化的研究与分析,对于保护该区域的生态环境及水质具有重要意义。该文以2000年和2009年两期遥感图像为本底数据,利用基于NDVI的像元二分模型对南水北调中线水源区的植被覆盖度进行了估算,并分析了该区植被覆盖度的时空变化特征。结果表明:2000年该水源区植被覆盖度的平均值为67.5%,2009年的平均值达到72%,植被覆盖度总体呈增长趋势;植被覆盖度增幅的空间特征表现为水源区中部地区高,东西部地区相对较低;在不同植被类型中,落叶针叶林的覆盖度平均值增幅最大,草地覆盖度增幅最小;位于水源区的大多数县(市)的植被覆盖度在近十年来都有不同程度的增加,其中柞水县的植被覆盖度平均值增长幅度最大,这与国家实施退耕还林、封山育林、基本农田建设等政策有关。 相似文献
7.
基于时序NDVI的昭觉植被覆盖度变化研究 总被引：1，自引：0，他引：1
归一化植被指数(NDVI)能精确地反映植被绿度、光合作用强度,在一定程度上反映着植被的演化信息,是评价生态环境状况的重要指标之一。本文利用Landsat TM数据分别对昭觉地区2009年和2014年的NDVI进行计算,并分别利用均值法、像元二分模型及NDVI差值植被指数对研究区域植被覆盖变化进行定量分析,结果表明:昭觉县NDVI均值上升了11.6%,植被覆盖度中极度改善的面积比例约占38%,昭觉县整体NDVI植被覆盖度显著提高,并对其变化原因进行简要分析,为生态环境建设提供决策依据。 相似文献
8.
基于河南省2010—2019年MODIS NDVI数据,利用像元二分模型估算植被覆盖度,利用一元线性回归获取变化趋势,并利用Pearson相关系数法探究河南省的植被指数和植被覆盖度的时空变化原因,可为河南省生态现状、生态环境建设规划和布局提供参考。结果表明：(1)2010—2019年河南省年度最大NDVI均值存在波动,呈微弱下降趋势;(2)河南省较高和中等植被覆盖度占比较大,且存在中等植被覆盖度向高植被覆盖度和低或无植被覆盖度的转换,社会因素是中等分化到低或无植被覆盖度的主要因素;(3)不同类型植被对降水变化的敏感性存在差异,森林、降水丰富地区和以灌溉为主的农业区受降水变化影响较弱,城镇、乡村和以降水为主的农业区受降水影响较强。 相似文献
9.
10.
《北京测绘》2019,(11)
利用MODIS EVI遥感数据,采用AG滤波法(Asymmetric Gaussians)和像元二分模型来实现对2001-2015年京津冀EVI数据的重建和植被覆盖度的估算,在此基础上运用线性回归分析等方法,从时空两个维度分析了2001-2015年京津冀植被覆盖的演变趋势。研究结果表明:(1)2001-2015年京津冀地区植被覆盖度年际变化呈不显著增长,2003-2004年植被生态环境退化明显。(2)京津冀城市群植被覆盖度差异明显,大多数城市植被覆盖度处于稳定波动中,张家口市植被覆盖度呈波动上升。(3)2001-2015年京津冀植被覆盖度超过95%区域有所变化,呈增长趋势的区域占研究区面积的56.36%。显著变化区域中,中度改善区域占比例最高,达到28.18%;严重退化区域占比最小,仅为3.25%。 相似文献
11.
12.
13.
广州市土地利用与NDVI变化的关联分析 总被引：6，自引：0，他引：6
利用6S模型对1990年、1995年、2000年及2005年的TM影像进行大气较正,获取4期NDVI和土地利用信息,选择3种土地利用指标与NDVI变化进行相关性分析。结果表明:广州市NDVI平均值具有在1990年~2000年间下降,2000年后略为上升的趋势,NDVI的空间变化趋势与城市发展格局相一致;土地利用程度较高,变化率较大,城市用地扩展强度近期明显增强;将土地利用指标与NDVI进行耦合分析,得到土地利用程度综合指数和NDVI变化的定量关系模型,修正判定系数达0.88以上,较好地反映了两者的关系,且土地利用程度变化率对NDVI的影响程度大于城市用地扩展程度对NDVI变化的影响程度。 相似文献
14.
融合多源遥感数据的高分辨率城市植被覆盖度估算 总被引：2，自引：0，他引：2
准确获取城市植被覆盖定量信息对城市生态环境评价,城市规划及可持续城市发展具有重要意义。遥感技术的发展为获取区域及全球植被覆盖信息提供了有效手段,目前基于单传感器、单时相遥感数据的城市植被覆盖度估算方法得到较为广泛的应用。然而,由于城市地表覆盖的复杂性、植被类型的多样性,在一定程度上影响了城市植被覆盖信息提取的精度。为此,本文提出一种基于多源遥感数据与时间混合分析的城市植被覆盖度估算方法。首先,通过时空融合、植被物候特征分析获得最佳时序的GF-1 NDVI数据;其次,基于时间序列的GF-1 NDVI及Landsat 8 SWIR1、SWIR2数据,采用时间混合分析方法以长沙市为例估算城市植被覆盖度。实验研究表明,基于多源遥感数据与时间混合分析方法获得了较高精度的城市植被覆盖度估算（RMSE为0.2485,SE为0.1377,MAE为0.1889）,相对于单时相光谱混合分析、传统的像元二分法,本文提出的方法更为稳定,在低、中、高不同植被覆盖区均能获得较高的估算精度,为城市植被覆盖度定量估算提供了有效方法。 相似文献
15.
Miguel A. Ortega-Huerta Enrique Martinez-Meyer Stephen L. Egbert Kevin P. Price A. Townsend Peterson 《国际地球制图》2013,28(3):7-20
Abstract An important methodological and analytical requirement for analyzing spatial relationships between regional habitats and species distributions in Mexico is the development of standard methods for mapping the country's land cover/land use formations. This necessarily involves the use of global data such as that produced by the Advanced Very High Resolution Radiometer (AVHRR). We created a nine‐band time‐series composite image from AVHRR Normalized Difference Vegetation Index (NDVI) bi‐weekly data. Each band represented the maximum NDVI for a particular month of either 1992 or 1993. We carried out a supervised classification approach, using the latest comprehensive land cover/vegetation map created by the Mexican National Institute of Geography (INEGI) as reference data. Training areas for 26 land cover/vegetation types were selected and digitized on the computer's screen by overlaying the INEGI vector coverage on the NDVI image. To obtain specific spectral responses for each vegetation type, as determined by its characteristic phenology and geographic location, the statistics of the spectral signatures were subjected to a cluster analysis. A total of 104 classes distributed among the 26 land cover types were used to perform the classification. Elevation data were used to direct classification output for pine‐oak and coastal vegetation types. The overall correspondence value of the classification proposed in this paper was 54%; however, for main vegetation formations correspondence values were higher (60‐80%). In order to obtain refinements in the proposed classification we recommend further analysis of the signature statistics and adding topographic data into the classification algorithm. 相似文献
16.
针对植被指数和植被覆盖度与遥感影像空间尺度的关系对高分辨率影像在植被分析中的运用具有重要影响的问题,该文提出一种确定最佳分辨率的方法。以云南鲁甸县茨院乡为研究区,先对原始影像(Worldview-2)进行重采样处理,生成一系列低分辨率影像;计算13组数据的NDVI并利用像元二分模型反演出植被覆盖度;运用信息熵理论和按照局部方差的思路等两种方法,定量分析该区植被分析的最佳分辨率。实验结果表明,随着空间分辨率的降低,NDVI值域区间呈现收敛趋势;植被覆盖度分级图斑斑块数量急剧减少,而所占面积比则保持相对平稳;信息熵中的信息量也随之减少。分析结果认为,该区进行基于Worldview-2影像植被分析的最佳空间分辨率为12m。 相似文献
17.
根据植被指数估算植被覆盖度的原理,以混合像元线性分解模型两个重要参数为基础,建立基于归一化植被指数(NDVI)进行估算植被覆盖度模型是研究区域植被覆盖度的一种重要方法.本文以广州市花都区为实验区,利用ASTER高光谱影像对此方法进行验证性分析,实验结果表明:用该方法提取ASTER影像的植被覆盖度具有较好的可行性. 相似文献
18.
Our study examines the relationships among various environmental variables in Surat city using remote sensing. Landsat Thematic Mapper satellite data were used in conjugation with geospatial techniques to study urbanization and correlation among satellite-derived biophysical parameters namely, normalized difference vegetation index (NDVI), normalized difference built-up index (NDBI), normalized difference water index (NDWI), normalized difference bareness index (NDBaI) and land surface temperature (LST). A modified NDWI (MNDWI) was used for extracting areas under water. Land use/land cover classification was performed using hierarchical decision tree classification technique using ERDAS IMAGINE Expert classifier with an accuracy of 90.4% for 1990 and 85% for 2009. It was found that city has expanded over 42.75 sq.km within two decades. Built-up, fallow and sediment land use classes exhibited high dynamics with increase of nearly 200% and 50% and decrease of 55% respectively from 1990 to 2009. Vegetation and water classes were less dynamic with 20% decrease and 15% increase. The transformation of land parcels from vegetation to built-up, vegetation to fallow and fallow to built-up has resulted in increase of LST by 5.5 ± 2.6°C, 6.7 ± 3°C and 3.5 ± 2.9°C, respectively. 相似文献
19.
《地理信息系统科学与遥感》2013,50(3):183-190
Many remote sensing applications are predicated on the fact that there is a known relationship between climate and vegetation dynamics as monitored from space. However, few studies investigate vegetation index variation on individual homogeneous land cover units as they relate to specific climate and environmental influences at the local scale. This study focuses on the relationship between the Palmer Drought Severity Index (PDSI) and different vegetation types through the derivation of vegetation indices from Landsat 7 ETM+ data (NDVI, Tasseled Cap, and SAVI). A series of closely spaced through time images from 1999 to 2002 were selected, classified, and analyzed for an area in northeastern Ohio. Supervised classification of the images allowed us to monitor the response in individual land cover classes to changing climate conditions, and compare these individual changes to those over the entire larger areas. Specifically, the images were compared using linear regression techniques at various time lags to PDSI values for these areas collected by NOAA. Although NDVI is a robust indicator of vegetation greenness and vigor, it may not be the best index to use, depending on the type of vegetation studied and the scale of analysis used. A combination of NDVI and other prominent vegetation indices can be used to detect subtle drought conditions by specifically identifying various time lags between climate condition and vegetation response. 相似文献