共查询到16条相似文献，搜索用时 250 毫秒
1.
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
2.
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
3.
粗蛋白是评价牧草质量的重要指标,利用高光谱遥感技术可以充分了解粗蛋白的含量及其动态变化,为牧草品质遥感监测提供科学依据.利用光谱仪测定大丰麋鹿自然保护区半散养区主要优势植物狼尾草(Pennisetum alopecuroides)的冠层反射率,并分析了其粗蛋白的相对含量.选择狼尾草原始反射率光谱及其构建的植被指数与其粗蛋白含量进行相关性分析,筛选显著相关的光谱特征;运用偏最小二乘回归(partial?least?squares?regression,PLSR)和多元逐步回归(stepwise?multiple?linear?regression,SMLR)建立狼尾草粗蛋白含量高光谱预测模型,通过比较模型精度确定最优预测模型.结果表明,基于显著性波段的PLSR模型精度最高(验证集R2?=?0.897,?RMSE?=?1.303,?RPD?=3.110);基于显著性波段的SMLR模型反演效果最差(验证集R2?=?0.170,?RMSE?=?3.691,?RPD?=?1.098);基于植被指数的PLSR和SMLR模型精度较为接近,验证集RPD约为2;基于显著性波段的PLSR模型反演效果最好.本研究结果可为保护区大区域尺度狼尾草粗蛋白含量的定量反演提供参考依据. 相似文献
4.
粗蛋白是评价牧草质量的重要指标,利用高光谱遥感技术可以充分了解粗蛋白的含量及其动态变化,为牧草品质遥感监测提供科学依据。利用光谱仪测定大丰麋鹿自然保护区半散养区主要优势植物狼尾草(Pennisetum alopecuroides)的冠层反射率,并分析了其粗蛋白的相对含量。选择狼尾草原始反射率光谱及其构建的植被指数与其粗蛋白含量进行相关性分析,筛选显著相关的光谱特征;运用偏最小二乘回归(partial least squares regression,PLSR)和多元逐步回归(stepwise multiple linear regression,SMLR)建立狼尾草粗蛋白含量高光谱预测模型,通过比较模型精度确定最优预测模型。结果表明,基于显著性波段的PLSR模型精度最高(验证集R2=0.897, RMSE=1.303, RPD=3.110);基于显著性波段的SMLR模型反演效果最差(验证集R2=0.170, RMSE=3.691, RPD=1.098);基于植被指数的PLSR和SMLR模型精度较为接近,验证集RPD约为2;基于显著性波段的PLSR模型反演效果最好。本研究结果可为保护区大区域尺度狼尾草粗蛋白含量的定量反演提供参考依据。 相似文献
5.
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
6.
基于灵活的时空融合模型的植被覆盖度与植被指数关系 总被引：1，自引：0，他引：1
时空数据融合模型被广泛地应用于获取高时间、高空间分辨率的植被指数与植被覆盖度,但是其反演的精度常常受输入的低空间分辨率影像(如MODIS影像)的影响。本研究基于灵活的时空数据融合方法(FSDAF),深入分析了赛里木湖流域与石河子地区两种不同情景的MODIS影像组合对FSDAF模型植被覆盖度提取精度的影响,并研究了6种植被指数与植被覆盖度的线性与非线性关系。研究结果表明,FSDAF模拟影像的植被覆盖度精度取决于2个时期MODIS影像的变化率,影像变化小时取得的精度明显好于影像差异大的情况。而采用植被指数对植被覆盖度模拟时,NDVI与OSAVI的线性拟合效果较好,可以获取较理想的结果。试验表明,采用时空模型用于研究区植被覆盖反演能取得较好的效果,具有一定的应用推广价值。 相似文献
7.
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
8.
以干旱荒漠区塔里木河中下游的植被为研究对象,采用长时间序列的MODIS数据构建研究区常用的4种植被指数[归一化植被指数(NDVI)、差值植被指数(DVI)、增强型植被指数(EVI)、比值植被指数(RVI)],并通过遥感方法和Image J软件获得研究区植被覆盖度,分析发现与实测的植被覆盖度有显著相关性。从Image J获得的植被覆盖度与4种植被指数的回归结果可以得出4种植被指数在研究区的适用性,从而优选出最适合此研究区的植被指数。结果表明,基于MODIS的4种植被指数与研究区实际植被覆盖度之间存在显著的正相关关系,各植被指数与研究区植被覆盖度的拟合程度由高到低依次是NDVIEVIRVIDVI,使用NDVI获取植被信息最为适宜。 相似文献
9.
基于无人机可见光影像对喀斯特地区植被信息提取与覆盖度研究 总被引：2，自引：0，他引：2
为准确快速获取喀斯特石漠化地区植被和植被覆盖度信息，本研究利用四旋翼无人机采集喀斯特石漠化区域的可见光影像，选择过绿指数（EXG，excess green）、可见光波段差异植被指数（VDVI，visible-band difference vegetation indx）、红绿蓝植被指数（RGBRI，red green and blue vegetation index）、过绿减过红指数（ExG-ExR，excess green-excess red），利用植被指数时序图交点法和样本统计法思想，运用阈值分割法进行植被和植被覆盖度的信息提取，并以监督分类得到的植被和植被覆盖度信息为真实值，进行精度验证。结果表明，在贵州省关岭贞丰花江喀斯特石漠化地区，对于植被信息提取，ExG-ExR的精度最高，总体精度为95.56%，Kappa系数为0.919；ExG-ExR得到的植被覆盖度精度最好，为99.174%，均方根误差RMSE为0.097，R2为0.977。由此可见，在喀斯特地区利用植被指数时序图交点法和样本统计法思想，适合该地区的植被信息提取和植被覆盖度的提取，具有较高的精度。 相似文献
10.
受开垦、采矿等人类活动影响,草原出现退化甚至沙化,监测其植被覆盖度对于揭示草地的分布状况与空间变化规律具有重要意义。本文以无人机大样方数据与国产高分一号（GF-1）数据作为数据源,结合野外同步数码相机获取的数据,应用支持向量机（Support vector machine,SVM）构建不同数据源之间的植被覆盖度反演模型（数码相片—无人机大样方数据植被覆盖度估算模型,无人机大样方数据—GF-1数据植被覆盖度估算模型）,探讨国产GF-1卫星结合无人机大样方估算草原植被覆盖度的方法。结果表明,基于SVM模型的GF-1数据结合无人机大样方计算的土壤调节植被指数（Soil-adjusted vegetation index,SAVI）具有较高的精度（判定系数R2=0.97,相对分析误差RPD=4.86,均方根误差RMSE=3.23）,因此基于无人机大样方数据结合GF-1数据可以准确、快速地反演草地覆盖度,利用这种方法可以估算整个草原的植被覆盖度。 相似文献
11.
基于Landsat 8 OLI影像的渭-库绿洲植被地上生物量估算 总被引：1，自引：0，他引：1
干旱区绿洲植被地上生物量估算研究可为绿洲生态系统稳定性评价与区域碳储量估算提供重要依据。以渭干河-库车河三角洲绿洲为研究区，利用ENVI 5.3软件对Landsat 8 OLI 影像数据进行预处理，提取反映植被地上生物量信息的植被指数和波段因子，并结合样地实测数据，采用常规统计模型、多元逐步回归和偏最小二乘回归方法建立研究区植被地上生物量最优估测模型，从而揭示该绿洲植被地上生物量的空间分布特征。结果表明：1）所选的20个遥感因子与实测植被地上生物量呈极显著正相关关系，相关系数为0.5~0.7（P<0.01）。2）乔木与灌木地上生物量最优估测模型均为多元逐步回归模型，草本与农作物地上生物量的估测模型以偏最小二乘回归模型为最优，模型验证决定系数均在0.6以上，均方根误差和平均绝对误差均较小。3）研究区植被地上生物量主要在280~1450 g·m-2 分布，面积约为6973.82 km2，低水平地上生物量（ABG<65 g·m-2）分布区域约占研究区总面积的15.02%。地上生物量由高到低依次为：农作物>乔木>灌木>草本。根据不同的植被类型，基于地物光谱特征构建的遥感估测模型可准确估算干旱区绿洲植被地上生物量，并对其空间分布特征进行遥感定量反演。 相似文献
12.
本研究提取了艾比湖湿地不同年份(1998、2007、2011、2014年)的NDVI指数,并进行了实地考察,然后利用像元二分模型对研究区植被覆盖状况进行估算,并分析其在时空分布上的特征及形成原因,建立影响植被覆盖与微气候变化的线性回归模型。结果表明,1)在空间分布上,西南部冲积平原植被覆盖等级最高,东北部覆盖等级略低于西南部,无覆盖和低覆盖等级分布面积最为广泛;在时间分布上,无覆盖面积处于下降趋势,低覆盖和中覆盖面积有所增加,较高覆盖与高覆盖等级面积处于下降趋势;2)不同植被覆盖度对气候变化的响应存在一定的差异;植被覆盖对降水量变化的反应最为强烈,在时间上具有一定的滞后性,对湿度变化的响应不明显,气温与植被覆盖水平之间存在线性函数关系。 相似文献
13.
植被指数在典型草原生物量遥感估测应用中的问题探讨 总被引：5，自引：0，他引：5
遥感技术兴起于20世纪60年代初,随后被广泛应用于草地遥感估产研究,通过不同尺度数据之间建立植被指数—生物量函数关系来完成由点及面的转换。本研究选用了14种常用于草地估产的植被指数,对内蒙古锡林浩特市白音锡勒典型草原分别建立植被指数—干重、植被指数—鲜重的回归模型并对14种植被指数进行DCA分析发现,1)鲜重及干重应用在草地生物量遥感估测中均是可行的,但干重效果要优于鲜重,考虑到实验条件限制,鲜重具有更广泛的应用;2)DCA排序的第一、二轴分别代表土壤、大气的影响,且土壤是影响植被指数最主要的因子;DCA排序将14个植被指数分为4类,综合排除了土壤及大气影响的一类植被指数,也就是归一化差异植被指数及由其衍生的土壤调整植被指数、修改型土壤调整植被指数效果最好;3)经验数据显示:当生物量低于370 g/m2时,建立的估产模型都是一元线性的;当生物量在370~720 g/m2时,一元线性模型和指数模型的模拟效果都很好;当生物量高于720 g/m2时,估产模型都是指数的,因此,随着生物量范围的增大,模型逐渐由一元线性趋近于指数模型。 相似文献
14.
民勤绿洲三面环沙,为了遏制风沙危害,保护绿洲,民勤人长期不懈的开展绿洲防护带体系建设,监测和评价绿洲防护带的变化趋势,这对于绿洲生态环境的保护及指导干旱区生态建设意义重大。利用1996、2006、2016年民勤绿洲防护带植被生长期内Landsat TM/OLI遥感卫星数据,以ENVI 5.3和Arcgis 10.4为影像处理工具,分别计算3期研究区内的NDVI,基于像元二分模型计算植被覆盖度,研究民勤绿洲不同植被覆盖程度的空间分布和动态变化;基于CART算法的决策树分类技术,组合多元数据进行土地利用类型分类,获得绿洲防护带面积以及转移变化情况。结果表明,2006与1996年相比,低覆盖度和高覆盖度面积有所增加,占民勤绿洲面积比例分别增加了32.48%和27.65%;但是,中低覆盖度、中等覆盖度、中高覆盖度面积有所减少,所占比例分别下降了66.28%、17.94%和2.61%。2016与2006年相比,低覆盖度和中高覆盖度面积有所减少,所占比例分别下降了26.28%和24.00%;此外,中低覆盖度、中等覆盖度和高覆盖度面积有所增加,所占比例分别增加了205.47%、4.12%、44.22%。20年来,低覆盖度面积出现先增加后减少的趋势。土地利用分类结果显示,2006与1996年相比,农田防护林和防风固沙林面积均有所增加,分别增加148.68%和16.47%。2016与2006年相比,农田防护林面积有所减少,所占比例下降了33.99%;但是防风固沙林面积继续保持增加趋势,增幅3.55%。说明20年来,民勤绿洲低覆盖度面积不断减少,生态环境不断改善,防风固沙林面积出现先快速增加后缓慢增加的趋势,这与保护天然植被,大力开展人工造林建立防护林息息相关。 相似文献
15.
草地盖度是评价草地生长状况的重要指标,构建高精度的盖度估测模型是开展天然草地动态监测的关键。本文利用2003—2018年实测数据和地形、土壤等55个指标,建立了4种草地盖度遥感估测模型,通过比较得到研究区草地盖度遥感估测最优模型,并分析了2001—2019年研究区草地盖度时空动态变化。结果表明：由最小绝对压缩变量筛选方法选出10个有较高重要性的变量。其中,比值植被指数与草地植被盖度间的相关性优于其他单因素模型与草地植被盖度间的相关性。在3种机器学习模型中,随机森林优于人工神经网络与支持向量机模型,其R2和均方根误差分别为0.68和12.75%。机器学习方法构建的草地盖度模型优于单因素模型,其R2可提高0.09~0.16,RMSE降低1.52%~2.81%;2001—2019年,研究区草地盖度整体上呈现出自西向东、自北向南增加的趋势,呈增加趋势的面积占比为55.4%,呈减少趋势的面积占比为44.6%。 相似文献
16.
基于UAV技术和MODIS遥感数据的高寒草地盖度动态变化监测研究—以黄河源东部地区为例 总被引：2，自引：0，他引：2
利用黄河源东部地区野外实测样地数据和MODIS卫星遥感资料,结合农业多光谱相机(agricultural digital camera,ADC)、普通数码相机(Canon)、无人机(unmanned aerial vehicle,UAV)等设备获取的高寒草地盖度数据,构建了基于MODIS NDVI、EVI的草地盖度反演模型,比较分析了不同草地盖度监测方法的精度,确立了黄河源区草地盖度遥感监测的最优反演模型,并分析了研究区近16年草地植被盖度的动态变化。结果表明,1) MODIS NDVI与基于UAV相片计算的草地盖度间的相关性优于MODIS EVI,而MODIS EVI与ADC和Canon照片计算的草地盖度之间的相关性则优于MODIS NDVI;2) 就Canon和ADC方法构建的草地盖度反演模型而言,前者精度远高于后者,普通数码相机方法更适宜于高寒草地植被盖度的估算;3) 对比分析两种植被指数与Canon相机、ADC和大疆(DJI)无人机航拍(航高30和100 m两种方法)相片计算的草地盖度之间的关系表明,MODIS NDVI对航高30 m UAV航拍相片计算的盖度数据的响应最敏感,基于UAV航高30 m的相片和NDVI构建的草地盖度反演模型最优;4) 黄河源东部地区2000-2015年间草地盖度稳定不变的区域达71.46%,多分布在东南部;呈增加趋势的区域占研究区草地面积的22.01%,由西向东、由北向南增加幅度呈减少趋势;盖度减少区域零星分布在黄河源北部和南部的部分地区,仅占研究区草地面积的6.53%。 相似文献