简介:[摘要内容]本文以山东济南市为研究调查对象,使用了2000年和2010年的两期Landsat 5 tm影像和2019年的Landsat 8 oli影像共三期遥感影像为研究数据,通过生态环境质量评价指标来获取济南市的生态环境质量状况,并且根据不同年份的数据互相比较来得出济南市在2000年到2019年的生态环境质量变化状况,为济南市生态环境发展提供参考和意见。本论文的主要研究结果:济南市 2000年、2010年、2019年的RSEI指数值分别为0.741、0.202、0.756,这说明济南市在2000年到2019年期间,生态环境质量呈现先下降后上升的趋势,2000年的RSEI指数比2019年的低,说明总体来看济南市的生态环境质量呈现上涨趋势,生态环境质量逐渐获得了改善。
简介:漓江近30年来出现了水量减少、枯水期越来越长的问题,而其上游青狮潭水源林覆盖的变化是影响漓江水量的重要因素之一。分别利用遥感比值植被指数(RVI)和归一化植被指数(NDVI)模型,提取美国ETM遥感图像青狮潭水源林不同时相的植被指数,通过分析植被指数的变化来研究水源林覆盖的变化。结果表明,1999年12月15日至2002年1月5日,研究区青狮潭水源林大部分面积(约80%)的植被覆盖度出现下降趋势,但植被覆盖度减少的数值不大,RVI减少值主要在-1.5≤·RVI<-0.1,NDVI减少面积中超过一半面积的NDVI减少值在-0.2≤·NDVI<-0.1,增长、不变的面积各占10%左右,遥感植被指数为定量分析漓江上游水源林覆盖的变化提供了一种有效手段。
简介:灌溉面积及其分布的准确信息对于灌区的现代化管理非常重要,传统获取灌溉面积的方式并不能满足现在的需要,而卫星遥感技术则为获取灌溉面积和分布提供了新的方法与途径.构建了基于干旱指数差异阈值的灌溉面积遥感监测模型,并以宁夏地区秦汉灌区作为研究区域,进行模型的应用研究.根据实际需要,选取了环境减灾卫星(HJ1A/1BCCD)数据,计算和分析了研究区域内的垂直干旱指数(PDI)的分布和变化,通过实地考察当地情况确定了差异阈值为0.082,计算出灌区春灌第一次灌水时期各阶段的灌溉面积.经与地面监测和统计数据校验,计算结果准确率可以达到75%以上,说明了遥感干旱指数用于灌溉监测的可行性.
简介:本研究以地面样方调查结合2000-2013年MODIS—NDVI数据,建立样方生物量和遥感数据的关系模型,反演锡林河流域产草量的时空分布。研究结果表明:建立的植被指数模型相关系数达到0.6以上,模型精度为80%,线性模型作为遥感估测应用可行;锡林河流域年平均产草量鲜重为1001kg/hm2,空间分布呈现东南高-西北低的空间分布规律;2000-2013年,产草量年际间变化大,变异系数为51.6%,产草量总体呈波动上升趋势。锡林河流域草原产草量的时空变化与主要气候因素(气温、降水)关系密切,特别是受降水量的时空变化影响更为显著。本研究结论可以为有效地保护和利用草地资源、合理配置载畜量和恢复草原生态环境提供有效的技术支持和保障。
简介:摘要 : 水稻叶片叶绿素含量遥感诊断是实现水稻精准施肥的核心要素。本研究通过分析寒地水稻关键生育期叶片高光谱反射率信息,同时结合 PROSPECT模型叶绿素含量吸收系数,参考借鉴现有高光谱植被指数的构造方法和形式,利用相关性分析、连续投影法、遗传算法优化的粗糙集属性简约法进行高光谱特征选择,提出了仅含有 695、 507和 465nm 3个高光谱特征波段的红边优化指数( ORVI)。与 Index Data Base数据库中其他用于叶绿素含量反演植被指数,包括 ND528,587、 SR440,690、 CARI、 MCARI的反演结果进行了对比分析,结果表明: IDB数据库中的已有 4种植被指数叶绿素含量反演模型的决定系数 R2分别为 0.672、 0.630、 0.595和 0.574; ORVI植被所建立的叶绿素含量反演模型的决定系数 R2为 0.726,均方根误差 RMSE为 2.68,精度高于其他植被指数,说明了 ORVI在实际的应用中,能够作为快速反演水稻叶绿素含量的高光谱植被指数。本研究能够为寒地水稻叶绿素含量高光谱遥感诊断及管理决策提供一定的客观数据支撑和模型参考。
简介:摘要 : 含水量是表征水稻生理和健康状况的关键参数,精确预测水稻含水量对于水稻育种和大田精准管理具有重要意义。目前,利用无人机搭载光谱图像传感器监测作物生长的研究主要集中在利用植被指数评估作物在单一或者几个生育期的生长参数,针对作物含水量监测的研究非常有限。本研究主要利用多旋翼无人机低空遥感平台获取不同生育期水稻冠层的 RGB图像和多光谱图像,通过提取植被指数和纹理特征,分析水稻的动态生长变化,并构建了基于随机森林回归方法的含水量预测模型。试验结果表明:( 1)从无人机图像提取的植被指数、纹理特征以及地面测量的含水量都能用于监测水稻生长,并且这些参数随水稻生长呈现出了相似的动态变化趋势;( 2)与 RGB图像相比,多光谱图像评估水稻含水量具有更高的潜力,其中归一化光谱指数 NDSI771,611实现了更好的预测精度( R2=0.68, RMSEP=0.039, rRMSE =5.24%);( 3)融合植被指数和纹理特征能够进一步改善含水量的预测结果( R2=0.86, RMSEP=0.026, rRMSE=3.51%),预测误差 RMSEP分别减小了 16.13%和 18.75%。上述结果表明,基于无人机遥感技术监测水稻含水量是可行的,可为农田精准灌溉和田间管理决策提供新思路。
简介:红树林是潮滩木本植物群落,其光谱和陆生植被极其相似。利用EO-1卫星ALI(advancedlandimager)获取的深圳湾区域影像数据,针对处于水分吸收带的波段5P和波段5,提出了这两个波段的角度指数(angleindex),分别表示为b1.25和b1.65。以b1.25-b1.65和归一化差值植被指数(normalizeddifferencevegetationindex,NDVI)分类特征,采用决策树方法,开展了红树林遥感识别实验。研究结果表明,红树林独特的滨海湿地特点,使得其像元反射率在波段5P和波段5明显低于陆生植被,从而导致红树林的b1.25-b1.65值明显大于陆生植被;通过结合b1.25-b1.65和NDVI分类特征的决策树方法,能够对红树林进行有效识别,其错分率和漏分率分别为4.29%和5.11%。因此,具有众多红外波段的ALI遥感器在红树林识别中能够发挥重要作用。