共查询到18条相似文献，搜索用时 234 毫秒
1.
基于Landsat 8遥感影像数据,以西藏日喀则经南木林到申扎县的一条样带高寒草原作为研究对象,选择较为常用的归一化植被指数(normalized difference vegetation index,NDVI)、土壤调整植被指数(soil adjusted vegetation index,SAVI)、修改型土壤调整植被指数(modified soil adjusted vegetation index,MSAVI)以及对半干旱区低覆盖植被信息较为敏感的转换型土壤调整植被指数(transformational soil adjusted vegetation index,TSAVI),结合地表反射率改进运算的FCD模型(forest canopy density mapping model)裸土(bare soil index,BI)和阴影指数(shadow index,SI)构建适合低植被覆盖区域的复合植被指数(vegetation bare shadow index,VBSI);基于各植被指数构建像元二分模型,定量反演高寒草原植被盖度;并利用网格法实测的植被盖度分析反演精度。研究结果表明,8种植被指数所构建的像元二分模型对高寒草原植被盖度的反演精度以VBSI(TSAVI)最高,反演精度为85.66%;并证明了基于野外采集的土壤光谱曲线获取的TSAVI所构建的像元二分模型对高寒草原植被盖度信息的提取具有一定的实用性;改进运算的FCD模型裸土和阴影指数能较好地削弱土壤和阴影对植被信息的影响,所构建的复合植被指数对提取稀疏高寒草原植被盖度信息具有重要的实际意义。 相似文献
2.
基于遥感技术的甘南牧区草地植被状况多年动态 总被引：2，自引：0，他引：2
结合遥感技术的草地植被监测是区域植被变化研究的重要组成部分和研究热点,为了能够更好地监测甘南牧区多年的草地动态变化,本研究以甘南牧区的草地为研究对象,引入了垂直植被指数(Perpendicular Vegetation Index,PVI),探讨了其在甘南草地遥感监测中的适用性及其精度,并以草地植被盖度、草地面积和草地地上生物量为主要监测指标,对2001-2012年间甘南草地的变化做全面连续的研究,从草地的生态和资源属性两方面说明甘南草地的变化状况,期望为甘南牧区生态保护和畜牧生产提供帮助。结果表明,1)在运用MODIS数据对地表植被覆盖度进行估算时,使用归一化植被指数(Normalized Difference Vegetation Index,NDVI)的像元二分模型对植被覆盖度的模拟较垂直植被指数PVI更准确,其精度可达88.14%。2)盖度分级结果显示,植被盖度最大和最小分别为2010年的76.63%和2002年的73.21%,12年间的变异系数(Coefficient of Variability,CV)为1.25%,年际变化很小;3)对草地面积动态变化的研究结果表明,近12年平均草地面积占甘南州土地总面积的85.47%左右,且草地面积的年际变化较小。4)在高寒地区,垂直植被指数PVI的指数模型较NDVI能够更好地估算甘南州草地地上生物量,总体估产精度可达70.48%,且能很好地模拟整个生长季的生物量变化。 相似文献
3.
基于小型无人机与MODIS数据的草地植被覆盖度研究——以甘南州为例 总被引：3，自引：0，他引：3
以甘南州为研究区,采用Canon数码相机和小型无人机搭载相机在不同大小样方上获取草地植被覆盖度数码照片,结合2015年5月-10月的Terra/MODIS植被指数产品MOD13Q1,分析了增强型植被指数(EVI)和归一化植被指数(NDVI)与草地植被覆盖度之间的相关性,建立了研究区草地植被覆盖度的回归模型,并对模型进行了精度评价,筛选出甘南州草地植被覆盖度最优遥感反演模型,并对草地生长季时期覆盖度时空上的动态特征进行分析。结果表明,1)利用小型无人机搭载相机获取草地大样方植被数码照片的方法能用于地面草地覆盖度数据的获取;2)与NDVI相比,用EVI估算草地覆盖度更优,因此确定基于EVI构建的对数模型为甘南州草地植被覆盖度最优反演模型,模型精度可达88.00%;3)研究区2015年生长季草地植被覆盖度除了低平地草甸在8月达到最大值外,其它草地类型均在7月达到最大值;4)甘南州以中高植被覆盖度为主,主要分布在玛曲、碌曲、夏河以及合作四县市。整体而言,中西部和西南部区域草地覆盖度高于东部。通过精确草地植被覆盖度模型的建立,不仅有利于及时准确的了解草地植被覆盖度的时空分布状况和季节性动态变化,也有利于维护甘南州草地生态系统的持续稳定发展。 相似文献
4.
2001—2016年内蒙古植被物候变化及其对生产力的影响 总被引：1，自引：0，他引：1
基于2001-2016年的中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer,MODIS）归一化植被指数（Normalized Difference Vegetation Index,NDVI）数据,本研究采用累计NDVI的Logistic曲线曲率极值法识别内蒙古植被返青期、枯黄期、生长季长度及其变化趋势,并分析植被物候变化对生产力的影响。结果表明：森林生态区和荒漠生态区的返青期比中部草原生态区要早,其平均值分别为第120,119和128天;森林和荒漠生态区的枯黄期比草原生态区要晚,平均值分别为第275,276和269天;受返青期和枯黄期的影响,森林和荒漠生态区植被生长季长度比草原生态区要长,分别为155,157和141天。在16年间研究区植被生产力以增加为主,其中森林和荒漠生态区的植被生产力呈显著增加的趋势;返青期和枯黄期提前趋势的面积略大于推迟趋势的面积,但大多地区的趋势并不显著;草原生态区生长季长度以缩短为主,而森林和荒漠生态区的生长季长度以延长为主。物候参数与NDVI之间的相关分析表明,返青期的提前和枯黄期的推迟（即生长季的延长）并不一定增加所有生态系统的植被年生产力。季节尺度分析表明：返青期的提前/推迟将增加/降低春季植被生产力,而枯黄期提前/推迟将降低/增加秋季植被生产力。 相似文献
5.
针对碌曲县地形地貌复杂的特点,应用M ODIS产品数据与地面调查相结合,以该县2018年6-9月的数据为例,研究了不同类型草地主要生长季节的植被盖度和产量动态.结果 表明:NDVI像元二分模型和回归模型能够较好地反映草地的植被盖度和草产量,碌曲县主要草地类型为高寒草甸和山地草甸,面积为37.55万hm2,高寒草甸占比较大,为56.86％.碌曲县草地生长季植被平均盖度呈先上升后下降的趋势,并在7月达到峰值,为81.77％,9月最小,为49.45％;山地草甸和高寒草甸的平均盖度也是7月最大,分别为82.38％和81.33％;6-8月的草地平均盖度以I级为主,分别占全县草地面积的65.53％、93.32％和69.84％,9月以Ⅱ级为主,占比为58.74％.根据样地样方实测数据与相应点影像NDVI提取值,建立6-9月产量估测模型,各月全县和各草地类型的可食牧草干草平均产量呈现逐步增大的趋势,9月产量最高. 相似文献
6.
２００１－２０１１年甘南草地植被覆盖度动态变化分析 总被引：7，自引：0，他引：7
植被覆盖度是衡量草地植被生长状况的重要指标,对评价分析植被恢复状况具有重要意义。利用２００１－２０１１年每年５－１０月的Ｔｅｒｒａ／ＭＯＤＩＳ月植被指数数据,结合２００６－２００９年甘南草地调查资料建立了甘南州草地生长季的植被覆盖度遥感反演模型,对比研究了不同草地植被覆盖度模型的精度,模拟分析了甘南州２００１－２０１１年草地生长季期间不同等级的草地植被盖度时空分布特征及面积变化动态。研究结果表明,ＭＯＤＩＳ－ＥＶＩ可以
最大限度地减少环境因子的影响,在植被覆盖度高的地区使用更具优势,能很好地反映各类植被覆盖度的空间和时间差异性。ＭＯＤＩＳ增强型植被指数ＥＶＩ的对数函数（y ＝３３．６５８ｌｎx＋１１２．６５）可以较好地模拟甘南州草地植被盖度分布状况,总精度可达９３．３１％。近１１年甘南州的草地植被盖度总体呈波动上升趋势,其中２００１年、２００３年和２００８年草地植被覆盖明显偏低,２００５年植被覆盖度最高,平均达７８．４３％。甘南州中西部及西南部地区的草地植被覆盖度较东部更好。甘南州近１１年以来草地植被均以高和较高植被覆盖度为主,其余等级的草地植被覆盖度所占比例相对较小（６．９８％）且稳定。总体上,甘南草地具有由高植被盖度向较高植被盖度转换的趋势。 相似文献
7.
本研究利用Terra/MODIS植被指数产品 MOD13A3以及2005-2006年青海省草地调查资料,建立了草地地上生物量和植被盖度遥感反演模型,模拟分析了青海省鼠害发生区域、危害区域和正常区域草地资源在2001-2010年期间的各月及年际生物量及植被盖度变化动态。结果表明,1)EVI指数函数模型为模拟生物量鲜重最优模型,而对数函数模型为植被盖度模拟最优模型,拟合精度分别为70.18%和77.43%;2)研究区不同草地类型鼠害发生区域、危害区域的地上生物量和植被盖度随着鼠害危害状况的加重而呈下降趋势,在盛草季表现最明显,这种趋势近10年基本保持不变。 相似文献
8.
9.
以天山北坡乌鲁木齐县甘沟乡为研究区,利用美国SVC HR-768便携式光谱仪采集25块样方的高光谱数据,并测定对应样方中草地盖度,分析草地盖度与原始光谱、一阶微分光谱和高光谱特征变量之间的相关关系;采用回归统计的方法,基于高光谱位置变量、高光谱面积变量和高光谱植被指数变量构建草地盖度的估测模型,并进行模型精度评价。结果表明,研究区草地盖度与植被冠层光谱反射率相关性较强的波段范围为354-704、1 420-1 481和1 904-2 512nm;基于一阶微分光谱和高光谱植被指数构建的估测模型能更好地反演草地盖度。通过模型检验,确定基于560nm的光谱一阶微分模型y=-384.153x+72.096可作为草地盖度的最优估测模型,模型均方根误差为7.344%,估算精度为90.343%。 相似文献
10.
近15年新疆伊犁河谷草地退化时空变化特征 总被引：1，自引：0，他引：1
以伊犁河谷为研究区,利用MODIS NDVI数据及像元二分模型,反演草地植被覆盖度,以草地植被覆盖度为评价标准,结合数字高程模型(digital elevation model,DEM)数据及Getis-Ord Gi*冷/热点分析方法,对伊犁河谷2001-2015年草地退化的时空特征进行了分析。结果表明,1)受持续过度放牧及气候条件影响,2001-2015年伊犁河谷草地整体持续退化,15年内退化草地比例达46.18%,但退化以轻度为主;2)空间上退化草地的分布范围逐步向高海拔区域扩展,海拔1 500-3 000 m的中山和中高山区退化草地扩张最明显;3)草地生态保护政策的实施减缓了草地退化速度,草地退化与改善的空间差异逐渐明显,以退化为主的单一变化趋势有所改变;4)利用NDVI反演植被覆盖度对草地退化进行评价的方法存在对高植被覆盖区域草地退化敏感性相对较弱的缺陷。 相似文献
11.
构建巴音布鲁克高寒草原植被覆盖度反演模型,筛选最佳模型并检验精度,为今后巴音布鲁克高寒草原开展草地监测和科学管理提供科学依据。利用经验回归模型法和像元二分法,通过计算分析植被覆盖度及植被指数,构建反演模型。结果表明,除修正土壤调整植被指数(Modified Soil Adjusted Vegetation Index MSAVI)外,其余植被指数与植被覆盖度均呈显著正相关关系(P0.01)。巴音布鲁克高寒草原植被覆盖度最佳反演模型为:NDVI二次多项式回归模型y=-0.894x2+1.467x+0.099(R2=0.723),反演精度较高(R2=0.837),可用于估算巴音布鲁克高寒草原的植被覆盖度。 相似文献
12.
利用2003—2017年MODIS-NDVI遥感资料,对内蒙古通辽市21世纪开始实施“三北”防护林、退耕还林还草、“双千万亩”综合治理等一系列生态建设工程以来,植被变化情况进行了动态监测评估。结果表明,受到全球气候变暖及植被生长季变长等因素的影响,通辽市植被总体呈增加趋势,植被指数（NDVI）年平均值从2003年的0.296 1上升至2017年的0.322 7;同时植被覆盖结构改善明显,低植被覆盖向中植被覆盖转变。2003—2017年,扎鲁特旗植被指数较为平稳,保持较高水平。从植被指数变化来看,开鲁县、科尔沁左翼中旗一带及科尔沁左翼后旗中东部地区改善较为明显。 相似文献
13.
青海省三江源地区退化草地蒸散特征 总被引：1，自引：0，他引：1
了解三江源地区退化草地的蒸散状况有助于认识该地区退化生态系统水循环,对该地区的生态安全有着重要的意义。本研究利用涡度相关法观测青海省玛沁县小嵩草退化草地（３４．３５°Ｎ;１００．５０°Ｅ,海拔３９６３ｍ）的水热通量,对该地区２００６－２００８年全年的蒸散情况进行了特征分析。研究表明,２００６－２００８年三江源退化草地的蒸散值分别为４５２．２４,４７４．２４,４５９．５７ｍｍ,降水量分别为４６０．７,４９６．１,４８０．１ｍｍ,其中有７５％以上的降水分布在生长季,全年水平上蒸散量与降水量之比（ＥＴ／ＰＰＴ）为９５％ 以上,蒸散量与降水量基本持平。生长季日蒸散量１．８～１．９ｍｍ／ｄ,而非生长季日蒸散量＜０．６ ｍｍ／ｄ。蒸散日变化和年变化均为单峰型,每年６－７ 月蒸散量最大,为２．０～２．２ｍｍ／ｄ;日蒸散峰值出现在正午左右,其最大值生长季为０．２１ｍｍ／ｈ,非生长季为０．１０ｍｍ／ｈ。退化草地蒸散的主要环境因子是净辐射,其次为饱和水汽压亏和空气温度。随着生长季的推进,潜热对这些因素的敏感性逐渐增大。与未退化的矮嵩草草甸相比,退化草地生长季蒸散量较小,而非生长季蒸散量较大,这一结果表明,高寒草地的植被盖度驱动草地生态系统的蒸散。 相似文献
14.
15.
基于Landsat 8 OLI遥感影像选取9种植被指数,与野外实测植被覆盖度进行相关性分析,采用分段方式选择敏感植被指数,构建回归模型及FCD模型(forest canopy density mapping model,FCD)对渭干河–库车河三角洲绿洲植被覆盖度进行反演。结果表明:1)根据实测数据计算不同植被指数在不同植被覆盖度范围内的变化比例,从而确定0.3和0.7作为研究区植被覆盖度的分段点;2)分段回归模型与综合分段优势的FCD模型建模精度均约为79%,但综合分段优势的FCD模型建模集R2较高,RMSE较小,其验证结果优于分段回归模型,验证集R2为0.832,RMSE为0.154,精度为82.018%。综合分段优势的FCD模型更适合用于研究区总体植被覆盖度反演,可为干旱区植被覆盖度定量监测与生态环境评价提供依据。 相似文献
16.
Emily J. Lindsay Douglas J. King Andrew M. Davidson Bahram Daneshfar 《Strength and Conditioning Journal》2019,72(1):92-102
Rangeland and seeded forage in Canada’s Prairie provinces represent productive landscapes that provide multiple ecosystem services. Past efforts to map these resources at regional scales have not achieved consistently high accuracies as they are spatially variable in both ecology and management. In particular, Agriculture and Agri-food Canada needs to distinguish these land use classes from each other and from cropland in its annual national agricultural land cover inventory. Given the potential to distinguish these classes based on seasonal phenological differences, this study used multi-season Landsat 8 top-of-atmosphere reflectance data and derived vegetation and phenological indices, as well as mid-summer RADARSAT-2 data in random forest classification of two ecoregions in Alberta and Manitoba. Classification accuracy was compared for single and multi-date Landsat 8 variables, the vegetation index and phenological variable groups, RADARSAT-2 VV and VH backscatter intensity, and combined datasets. Variable importance analysis showed that spring Landsat 8 reflectance generally contributed most to class discrimination, but accuracy improved with the addition of Landsat 8 data from the other seasons. Vegetation indices and phenological variables produced similar accuracies and were deemed to not warrant the additional processing effort to derive them. RADARSAT-2 VH backscatter was the most important variable for the Manitoba study area, which is wetter with more vegetation structure variability than the Alberta study area. Backscatter intensity significantly increased overall accuracy when it was combined with one or two-season Landsat 8 data. The best overall accuracy was achieved using the three seasons of Landsat 8 and mid-summer RADARSAT-2 data, but it was not significantly better than that for two season Landsat 8 + RADARSAT-2. The methods presented in this paper provide a process for accurate and efficient classification of seeded forage, rangeland and cropland that can be applied over large areas in operational agricultural land cover inventory. 相似文献
17.
在河北省沽源县以羊草为主的坝上草原,在降水和刈割为控制因素的试验小区,测量了地上干生物量,并利用ACS-430手持式光谱仪采集光谱数据,计算了9种植被指数值。对生物量与植被指数进行相关性分析,建立以产量为因变量、植被指数为自变量的生物量估测模型。结果表明,各个植被指数与产量的相关性都很好（P〈0．01）,说明植被指数对草地覆盖度都很敏感。最后依据曲线模型的决定系数大小,认为归一化红边植被指数NDRE与产量建立的二次模型拟合效果最好（P〈0．01）,拟合方程为y=0．024＋2．249x-7．136x^2,R^2=0．675。 相似文献