共查询到20条相似文献，搜索用时 948 毫秒
1.
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
2.
植被指数法是利用卫星遥感影像识别火烧迹地的常用方法之一。植被因受火的干扰会形成火烧迹地,其光谱特征易与裸地、水体、道路、阴影和耕地等地物光谱混淆,使用遥感影像采用合适的植被指数提高过火区遥感监测精度仍是亟待解决的问题。以四川省2014年和内蒙古自治区2017年发生的4次森林火灾形成的火烧迹地作为研究区,利用高分一号16 m宽幅(GF-1 WFV)数据和Landsat8数据的波谱特性,选取归一化植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI)、全球环境监测植被指数(global environment monitoring index,GEMI)、过火区识别指数(burned area index,BAI)和归一化火烧指数(normalized burn ration,NBR)等5种典型植被指数,通过构建不同植被指数的分离指数M来定量评价这些植被指数识别火烧迹地的潜力。研究结果表明,基于近红外—短波红外波段的NBR和基于可见光—近红外波段的BAI对过火区的分离性较好,NDVI的分离性次之,EVI和GEMI的分离效果较差;基于GF-1 WFV和Landsat8数据采用BAI和NBR指数对内蒙古鄂伦春自治旗火烧迹地进行了识别(其中GF-1 WFV数据只用于BAI识别),并利用高分二号(GF-2)数据进行了精度验证,两者火烧迹地识别总体精度均大于87%,Kappa系数均大于0. 7。 相似文献
3.
4.
主要研究了基于Landsat 8遥感数据的泰山地区植被指数与地形因子之间的关系。基于Landsat 8 OLI遥感数据,综合运用遥感图像处理技术和地理信息系统空间分析技术,提取泰山地区2014年7月的归一化植被指数;再利用数字高程模型(DEM)提取该地区的地形因子(海拔、坡度以及坡向);进而使用叠合分析法,分析了泰山地区植被指数与地形因子之间的关系。研究结果表明:泰山地区总体上植被指数(NDVI)值较好;植被指数随海拔的升高而增加;坡向对NDVI值影响明显,东北坡植被指数最高。数据分析的结果对于泰山地区生态环境的监测保护与可持续发展都有积极意义。 相似文献
5.
《武汉大学学报(信息科学版)》2020,(1)
基于两组敦煌定标场的GF-1 PMS2、GF-2 PMS1与Landsat-8 OLI(operational land imager)同步影像,对3种传感器之间表观反射率数据的一致性进行交互对比。结果表明,两颗国产高分卫星的表观反射率数据具有很高的一致性,但它们与Landsat-8数据之间存在着一定的差异,其中尤以近红外波段的差异最为明显。在可见光波段,3种传感器的信号强度关系为:GF-2 PMS1GF-1 PMS2Landsat-8 OLI,在近红外波段的关系为:Landsat-8 OLIGF-1 PMS2GF-2 PMS1。试验结果表明,所提出的数据转换模型能够有效地降低两种国产高分卫星传感器与Landsat-8 OLI在近红外波段的明显差异,且当选择与被转换影像地物比例一致性较高的模型进行转换时,转换精度能够进一步提高。 相似文献
6.
在多云多雨的地区,光学遥感存在着获取无云数据困难的难题,这会导致时间序列应用中可用数据匮乏。因此,本文面向稀疏时间序列遥感数据,根据噪声造成遥感影像上归一化差分植被指数(NDVI)被低估的事实,提出了一种知识引导的拟合方法。首先,在遥感影像预处理的基础上,利用先验知识和时序差分法对噪声进行识别和剔除;然后,采用高斯二阶模型对原始数据进行拟合;最后,根据拟合残差更新权重,进行迭代拟合,重复上述过程直至获得稳定的结果。本文以Landsat 8 OLI作为数据源,对浙江省杭州地区的森林数据进行拟合,结果表明:在稀疏时间序列数据的情况下,本文方法与MODIS数据拟合结果的相关系数达到0.92,关键时点(如NDVI峰值点等)的时间误差在5 d;相比当前主流方法的0.88与8 d具有更高的精度。 相似文献
7.
为了解VIIRS NDVI与EVI两种植被指数的关系,对研究区两种植被指数的空间特征、地表特征可分性以及相关性进行了初步研究。结果表明,VIIRS NDVI与EVI的空间特征和地表特征可分性既有较强一致性,又有差异性,植被覆盖度越高,两种指数空间特征差异越大。针对不同地物类别,VIIRS NDVI与EVI对地物可分性的差异不同。与一次、二次多项式以及对数模型相比,三次多项式模型更能反映VIIRS NDVI与EVI的相关关系,复相关系数平均可达0.807 4,且植被覆盖度越低,关系特征越强。 相似文献
8.
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
9.
基于Landsat时间序列数据的土地覆盖检测成为当前研究热点,但基于时间序列数据空间纹理特征的应用及不同时序特征重要性评估较少.基于时间序列Landsat8数据,在时序光谱特征、指数特征和地形特征基础上引入时序纹理特征,利用随机森林算法建立八种分类模型,对北京密云区进行土地覆盖分类并比较其分类精度,进而基于袋外(OOB)误差方法和基尼指数进行特征变量重要性评估.相比加入归一化建筑指数(Normalized Difference Built-up Index,NDBI)或归一化植被指数(Normalized Difference Vegetation Index,NDVI)样本特征,时序纹理特征的加入使总体精度分别提高1.88％和2.12％;最优分类模型中灰度共生矩阵(Gray-level Co-occurrence Matrix,GLCM)熵参数在纹理特征中较为重要,GLCM差异性参数和GLCM相关性参数其次.本文为进一步挖掘影像的时空特征、提高土地覆盖制图精度提供新思路. 相似文献
10.
多光谱影像NDVI阴影影响去除模型 总被引：1，自引：0，他引：1
归一化植被指数(NDVI)在植被多光谱遥感反演中占据尤为重要的地位,而遥感影像中普遍存在的阴影对NDVI的精度产生很大的影响,因此去除阴影对植被NDVI的影响对更精确的定量化研究具有应用价值。本文基于光照区和阴影区的太阳辐射能量差异,模拟出同一植被在光照区和阴影区的辐亮度,分析阴影对NDVI的影响机理;利用植被固有反射率谱间关系,引入对阴影极敏感的且与植被信息相关性小的归一化暗像元指数NDPI(Normalized Dark Pixel Index),分析同一植被处于光照区与阴影区的NDVI关系,构建以光照区植被NDVI为基准的NDVI阴影影响去除模型NSEE (NDVI Shadow-Effect-Eliminating),并应用于Landsat 8 OLI影像进行验证。结果表明:NDVI阴影影响基本去除,阴影区NDVI接近正常值,且光照区NDVI保持稳定;有效解决了阴影导致NDVI统计直方图的偏态问题,使其更接近正态分布;与验证影像NDVI沿剖面线逐像元比对发现,植被NDVI阴影影响基本去除;均方根误差RMSE为0.067。本模型能够将本身NDVI值很低的像元与阴影导致NDVI降低的植被像元区分开,符合实际地物情况;模型基于影像自身信息,去除NDVI阴影影响的同时,有效保持了NDVI的相对空间关系;本文基于物理机理构建模型,模型表达简洁、易于应用,且仅依赖于影像自身信息,无需异源数据,计算方便且高效。 相似文献
11.
为了探索城镇化地区热岛的时空变化特征,采用2015年覆盖广州市的1 km空间分辨率MOD13A3月合成归一化植被指数(normalized difference vegetation index,NDVI)数据、用Landsat8 OLI提取的归一化建筑指数(normalized difference build-up index,NDBI)数据以及不同季节的气象站点近地表气温数据,运用相关性分析方法,研究近地表气温与NDVI和NDBI的相互关系;在此基础上,应用空间自回归方法构建不同季节的近地表气温与NDVI和NDBI的空间自回归模型,定量分析广州地区近地表气温与NDVI和NDBI的空间关系,并与普通回归模型进行比较分析。结果表明,不同季节的NDVI与近地表气温呈负相关,NDBI与近地表气温呈正相关;与普通线性回归模型相比,空间滞后模型与空间误差模型的拟合效果最优;通过比较分析相关系数(R~2)值、赤池信息量准则(Akaike information criterion,AIC)值及回归模型残差的莫兰指数(Moran index,Moran’s I),发现空间滞后模型的拟合效果略优于空间误差模型;从春季到秋季,NDVI对近地表气温的影响大于NDBI对近地表气温的影响;在空间滞后模型中,显著的、正的空间自回归系数表明,气象站点的近地表气温受到相邻气象站点的近地表气温的显著正影响。 相似文献
12.
青藏高原小嵩草高寒草甸返青期遥感识别方法筛选 总被引：3，自引：1，他引：2
小嵩草高寒草甸是青藏高原的主要植被类型,研究其返青期识别方法对于模拟及预测青藏高原植被物候变化具有重要意义。常用的植被返青期遥感识别方法主要是先对遥感植被指数原始时序数据进行拟合去噪声再求取返青期,各种方法对研究区域、研究经验、参数设置、函数初值设置等有很强的依赖性。为避免返青期识别方法在曲线拟合时对参数初值的依赖性和陷入局部最优解,本文引入了模拟退火算法对双高斯和双逻辑斯蒂函数进行参数优化,并分别对基于以上两种函数及多项式拟合的植被指数时序曲线进行对比,从而选出最佳拟合方法,最后采用最大斜率阈值法、动态阈值法和曲率法识别返青期。利用青藏高原小嵩草高寒草甸34个样本点的返青期地面观测数据及相应的8 km分辨率的NOAA归一化差值植被指数(NDVI)时序数据对以上各种组合的返青期遥感识别方案进行了测试,并选取了153个遥感实验点求取了近30年(1982年—2011年)青藏高原小嵩草高寒草甸的返青期,结果表明:采用双高斯函数拟合的NDVI曲线与原始NDVI时序数据最为接近,在此基础上采用最大斜率阈值法识别的小嵩草高寒草甸返青期及其变化趋势与地面物候观测结果最为一致;同时发现近30年青藏高原小嵩草高寒草甸的平均返青期主要集中在每年的第120—140天,并且呈逐年提前趋势,30年来提前了7天。 相似文献
13.
14.
遥感数据反演高时空分辨率NDVI对监测植被动态变化过程具有重要意义,然而受天气影响,单颗卫星难以提供时间连续的高空间分辨率NDVI数据。以华北平原中东部为实验区,联合HJ-1 CCD数据和MODIS数据,对STARFM算法进行了改进,(1)考虑了不同地物对光谱响应的差异,为减少分类错误利用统计学上()对分类数据进行筛选,按照不同地物类型分别利用线性拟合方法修改光谱距离权重;(2)定义了预测半径,对HJ-1 CCD数据因外界影响而缺失的影像进行了预测。结果表明,与真实影像相比,预测结果呈现了较好的空间一致性,相关系数均达到了极显著相关,改进算法的预测精度要高于原算法。利用该方法将HJ-1 CCD NDVI的空间变化信息与MODIS NDVI时间变化信息有机结合重构了高时空分辨率NDVI序列,有效补充了HJ-1CCD NDVI的缺失数据集。 相似文献
15.
近年来国产遥感卫星数据增多,但在山地冰川运动速度监测研究中,国产卫星遥感数据的使用却很少。基于此现状,本研究利用"高分一号"卫星数据(GF-1)对藏东南雅弄冰川运动速度进行了提取。通过与同分辨率、同时段的Landsat 8数据进行对比,以及利用非冰川稳定区域的残余位移和冰川主冰流线剖面运动速度两方面,评估了GF-1数据提取的冰川运动速度的精度。结果表明:GF-1数据在非冰川稳定区域的平均偏移量为7.48 m·a~(-1),虽较Landsat 8数据的高(平均偏移量4.58 m·a~(-1)),但小于冰川平均运动速度的5%;GF-1数据与Landsat 8数据在2015年—2016年时段内的冰川主冰流线运动速度变化趋势一致,两者的偏差均方根为7.41 m,小于冰川平均运动速度的5%。研究结果证明了国产高分一号卫星遥感数据在青藏高原山地冰川运动速度监测应用中的可行性。 相似文献
16.
《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
17.
采用GF-1号、ZY-3号以及Landsat-8卫星数据,利用回归模型和像元二分模型,通过对建立的四类植被指数NDVI、MSAVI、MVI和RVI,结合野外调查数据,提出NSD的概念来评价模型及方法的精度。实测数据与各类遥感影像的4种植被指数间均存在着显著的相关关系;通过NSD精度验证,说明空间分辨率较低的遥感数据,在一定程度上提高了反演精度;在4类植被指数中,RVI与MSAVI对于三类数据反演精度较高,且MSAVI对于较低分辨率遥感数据可能具有更好的消除土壤背景影响的作用。 相似文献
18.
针对山区植被分类受地形复杂、植被类型多样、验证数据获取困难等因素限制基于多光谱数据的亚热带山区土地利用/覆盖分类存在困难,探究利用物候信息对亚热带山区植被实施分类的效果。综合运用归一化植被指数(NDVI)、比值植被指数(RVI)、归一化水指数(NDWI),同时考虑到海拔高度对植被类型的影响,建立决策树模型。该模型基于多时相Landsat TM影像,利用了不同地物类型的物候特征和光谱差异,将漓江上游地区分为8种土地覆盖类型。实验结果表明,分类结果总体精度达到86.40%,Kappa系数为0.83。 相似文献
19.
植被指数是反映地表植被覆盖状况的重要参数,分析气候因子与植被指数间的相互关系有助于揭示气候变化对植被的影响,然而当前研究有两种分析植被指数与气候因子关系的方法,分别为分析植被指数与生长季内和生长季间气候因子的关系,然而这两种法差异如何,何种方法更为合适需要进一步分析。利用2000年—2009年生长季的MODIS的归一化植被指数NDVI(Normalized Difference Vegetation Index)数据集和藏北那曲地区3个气象站逐月气象资料(月平均气温、≥0℃活动积温和月降水量),分析比较了生长季内和生长季间气候因子对植被生长影响的差异,并分析了两种方法的优劣。结果表明:(1)生长季内植被NDVI与同期气温和降水量均呈高度正相关,生长季内时滞时间尺度为1个月时,植被NDVI对月平均气温及降水响应均最为强烈。(2)生长季间NDVI与同期降水量相关性并不明显,气候因子的滞后效应在生长季间也较弱。(3)生长季内和生长季间植被NDVI与气候因子的关系所得出的结论有一定差异性,可能是因为两方面的原因:生长季内植被NDVI与水热因子的高相关性与中国季风季候造成的高温多雨出现在夏季有关,而生长季内高水热条件与高植被指数对应的多年重复必然造伪的高相关系数,但这种相关性不一定能真实反映植被与水热条件的关系,而生长季间水热等气候因子与植被指数年际变化相关性分析不存在水热与高植被指数同期问题,更能真实反映气候因子年际变化对植被的影响。 相似文献
20.
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