下载文档原格式
基于地表温度-植被指数特征空间的土壤干旱监测李润林;董鹏程;王瑜;汪晓斌【摘要】以张掖市甘州区绿洲为研究区,采用5期遥感影像(2011~2015年),运用ENVI 5.2提取归一化植被指数(NDVI)、改进型土壤调节植被指数(MSAVI)和地表温度(Ts),构建Ts-NDV I和Ts-MSAVI特征空间,对比分析两种特征空间.结果表明,Ts-MSAVI特征空间的干边和湿边斜率均小于0,这与前人的研究干边斜率是负值,湿边斜率是正值的结论有所不同.Ts-NDVI和Ts-MSAVI这两种特征空间具有相同的趋势,其中2012、2013、2014年这3年两种特征空间系数r2较高,其余2年系数r2较低.整体而言,Ts-NDV I特征空间的干湿边系数相比Ts-MSAVI特征空间的干湿边系数要高,稳定性好.从TV DI旱情等级分布图上可以得出2012年的受旱面积最大,干旱和重旱面积占总面积的70.39%,2013年干旱情况最严重,重干旱面积为1611.972 km2,重旱面积占到总面积的43.5%,2014年干旱程度开始缓解,轻旱、干旱和重旱面积开始降低,湿润和正常面积开始增加,2015年干旱程度得到全面缓解,湿润和正常面积占到总面积的21.9%,但是干旱和重旱面积比重依然很大,说明张掖市甘州区绿洲旱情依然很严峻.%Selecting oasis of Ganzhou district as the study area in Zhangye city,using ENVI 5.2 software to extact normalized difference vegetation(NDVI),modified soil adjusted vegetation index(MSAVI)and temperature of surface(Ts),Ts-NDVI feature space and Ts-MSAVI feature space were built. The two feature spaces were compared and analyzed. The results showed that the slope of dry-edge and wet-edge of Ts-MSAVI feature space was less than 0,which was not consistent with the previous research. The previous research thinked the dry-edge slope was negative and the wet edge slope was positive. The feature space of Ts-NDVI and Ts-MSAVI had the same trend. The r2 coefficient of two feature spaces was higher in the three years of 2012,2013 and 2013,and the r2 coefficient of the other two years was lower. On the whole,the wet-edge coefficient of the Ts-NDVI feature space was higher than that of the Ts-MSAVI feature space,and the stability was good. From the TV DI drought severity map,it could be concluded that the drought area was the largest in 2012,the drought and heavy drought area accounted for 70.39% of the total area. In 2013,the drought was the most serious,the area of heavy drought was 1611.972 km2,the area of heavy drought occupied 43.5% of the total area and the degree of drought in 2014 was lightened. And heavy drought area began to decrease,wet and normal area began to increase. In 2015,the degree of drought had been fully relieved, wet and normal area accounted for 21.9% of the total area. But the proportion of drought and heavy drought area was still great, indicating that the drought of Ganzhou district oasis in Zhangye city was still very serious.【期刊名称】《湖北农业科学》【年(卷),期】2017(056)016【总页数】7页(P3060-3066)【关键词】干旱;归一化植被指数(TVDI);改进型土壤调节植被指数(MSAVI);地表温度;张掖市甘州区【作者】李润林;董鹏程;王瑜;汪晓斌【作者单位】农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050;农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州 730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050;农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州 730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050;农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州 730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050【正文语种】中文【中图分类】TP79;X43干旱是世界上许多重大自然灾害之一，在各种自然灾害中，旱灾对农业生产的影响最大。
遥感技术毕业论文文献分享一点自己关于论文写作的心得吧，其实论文只要肯花时间，从题目、提纲入手多修改应该不难的。
要是有时间，多看看高手的，之前师兄介绍的莫文网，上面有很多我们专业的老师，都不错的，很耐心。
也有同学直接让他们写的，质量还不错。
关键的一点，切忌不可抄袭哦！遥感技术毕业论文文献：多时相热红外遥感技术在电路板元件故障判定中的应用城市热岛效应成因的研究与分析利用高分辨率遥感影像进行1：1万土地利用现状信息更新的研究以台州椒江区为例潮白河湿地功能变化分析及环境保护对策研究基于遥感和GIS技术的淮安市土地利用变化研究基于环境减灾卫星的土地利用遥感监测研究基于三维GIS技术的地震灾情场景模拟系统近二十年来梁子湖菰群落动态变化的遥感应用研究3S技术在达县土地利用/覆被动态监测中的应用研究3S技术在四川省生态环境动态监测中的应用西南农牧交错带生态环境遥感现状调查与质量评价进贤县建设用地变化遥感监测研究基于RS的大庆市土壤盐渍化监测动态分析卫星遥感监测渤海辽东湾海冰变化规律的研究怒江流域泸水地区地质灾害评价的遥感技术应用太湖地区地质构造的遥感技术分析遥感技术在太原西山煤田地质灾害调查中的应用航测遥感技术在内蒙古滕格尔坳陷可地浸砂岩型铀矿勘查中的应用研究基于地物波谱数据库的分类识别研究基于遥感技术的湖泊叶绿素a动态监测及改善空间制图详度的研究IKONOS影像在城市绿地信息提取中的应用基于遥感影像的土地利用动态变化监测与预测模型研究理塘草地退化及遥感生物量监测模型研究长清县土地资源生产力、生产潜力及耕地增产潜力评价研究区域生态系统服务功能重要性研究基于国产卫星的浙江省环杭州湾地区城市建成区扩展宏观监测塔里木河流域生态环境遥感监测研究基于混合智能模型的湿地资源遥感监测技术研究森林植物多样性遥感监测应用研究基于人工神经网络的遥感影像模式分类研究遥感震害指数与地面调查震害指数关系的定量研究基于遥感数据的乌梁素海水质参数及湿地演化反演研究吉林省西部土地盐碱化的遥感监测基于神经网络的遥感影像识别不同区域湿地信息提取的遥感技术应用研究利用MODIS遥感技术监测浙江省森林火燃料湿度的时空动态基于高光谱遥感技术的变量施肥算法及机理研究遥感技术应用于土壤盐渍化动态监测基于高光谱遥感技术的作物营养诊断初步研究热红外遥感技术在亚东格尔木锡铁山热环境中的应用基于遥感技术的若尔盖高原地区湿地生态系统健康评价地理信息系统和遥感技术应用于肾综合征出血热流行病学研究遥感技术在水文地质勘察中的应用基于遥感信息的流域生态系统健康评价基于RS的地震灾害生态环境影响评价南京市溧水县稻田土壤全氮的遥感估测基于遥感和GIS的土地适宜性评价研究利用归一化植被指数评价酿酒葡萄地块内生长势差异性汶川地震区地质灾害易发性快速区划与制图东亚飞蝗生境的遥感分类研究。
基于遥感和无人机数据的草地NDVI影响因子多尺度分析潘影; 张燕杰; 武俊喜; 张宪洲; 余成群【期刊名称】《《草地学报》》【年(卷),期】2019(027)006【总页数】8页(P1766-1773)【关键词】西藏; 无人机; 遥感; 植被指数; 多尺度【作者】潘影; 张燕杰; 武俊喜; 张宪洲; 余成群【作者单位】中国科学院地理科学与资源研究所北京100101; 大理大学农学与生物科学学院大理671003; 中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室北京100101【正文语种】中文【中图分类】S812.3植被是生态系统中最重要的组成部分，联系着土壤、大气等圈层，影响着生态系统中养分、水分以及碳循环等生态过程；同时，植被能够减弱风力和水力对土壤的侵蚀，很大程度上决定着防风固沙、土壤保持等生态系统服务[1]；植被能够改变地表反照率和蒸散发，从而影响局地、区域气候，提供气候调节服务[2,3]；植被也是生态系统中重要的碳库，影响着碳固定和碳吸收等生态系统功能[4]。
因此，对植被进行空间上的监测并分析植被变化驱动因子，对了解生态环境现状和理解不同驱动力下的生态过程有很大的促进作用。
归一化植被指数(Normalized Difference Vegetation Index，NDVI)是反映植被生长状态和生产力的定量指标。
由于遥感技术的兴起与成熟，各种植被指数都被用来反映植被状况，其中NDVI是被应用最广泛的植被指数之一[5,6]。
NDVI是基于多光谱遥感影像中的红光波段和近红外波段计算得出，可直接反映植被的茂密程度，同时也与一些植物生物物理参数如净初级生产力(Net primary production，NPP)、叶面积指数(Leaf area index，LAI)等相关联[7]。
由于红光通道的易饱和性以及算法上的局限等因素，NDVI指数在高植被覆盖区容易饱和；即随着植被茂密程度增加，NDVI却无法同步增长[7]。
三江源区高寒草地地上生物量遥感反演模型的建立
中期报告
本研究旨在建立三江源区高寒草地地上生物量（AGB）遥感反演模型。
针对该区环境特点和遥感数据所存在的问题，选取MODIS和Landsat TM遥感数据进行精度评估，选择了多种地面因子数据进行模型构建。
本文介绍了研究的中期进展，包括数据处理和分析结果。
第一部分介绍了数据的采集和处理。
选择了2013年的MODIS NDVI 和Landsat TM数据，并进行了预处理，包括云去除和空间分割。
同时，采集了地面野外调查数据，包括AGB和地面因子数据（如高程、气候数据、土壤类型等）。
第二部分主要讲述了模型的构建。
我们首先选择了单变量线性回归模型，分别使用了NDVI、植被指数（VI）和地面因子数据进行建模，并通过残差分析和验证数据的平均误差检验模型效果。
然后，结合多元线性回归模型进行拟合，进一步探究与AGB和地面因子的相关性，优化预测方程模型。
第三部分介绍了模型的精度评估。
我们使用2017年的MODIS和Landsat TM数据进行了交叉验证，并对预测模型的误差进行分析。
结果表明，因为野外调查数据的缺失，模型精度得到了一定的限制，并存在一定的空间异质性。
综上，本研究基于NDVI和地面因子数据，通过单变量和多元线性回归模型建立了高寒草地AGB的遥感反演模型，为该区域的生态环境评价提供了一定的参考依据。
未来的研究会更加完善数据集，提高精度评估水平，进一步优化模型以提高精度。
《内蒙古典型草原植被地上生物量遥感反演》篇一一、引言内蒙古作为我国重要的草原生态系统，其植被地上生物量的研究对于理解草原生态系统的功能、动态变化以及应对气候变化具有重要意义。
随着遥感技术的不断发展，利用遥感数据进行植被地上生物量的反演已经成为一个重要的研究领域。
本文旨在探讨内蒙古典型草原植被地上生物量的遥感反演方法，为草原生态系统的保护和管理提供科学依据。
二、研究区域与数据本研究区域选择内蒙古典型草原地区，该地区具有丰富的草原资源和独特的生态环境。
研究数据主要包括遥感数据和地面实测数据。
遥感数据包括多时相、多光谱的卫星遥感数据和无人机遥感数据，地面实测数据包括植被类型、地上生物量等。
三、遥感反演方法（一）遥感数据预处理首先，对遥感数据进行预处理，包括辐射定标、大气校正、图像增强等步骤，以提高数据的信噪比和清晰度。
（二）植被指数计算选取合适的植被指数，如归一化植被指数（NDVI）、增强型植被指数（EVI）等，进行计算和分析。
这些植被指数能够反映植被的生长状况和生态系统的健康程度。
（三）生物量反演模型构建根据地面实测数据和遥感数据，构建生物量反演模型。
模型采用多元线性回归、神经网络等方法，通过分析植被指数与地上生物量的关系，建立反演模型。
（四）模型验证与优化利用独立样本对模型进行验证和优化，通过比较模型预测值与实际值的差异，对模型进行修正和优化，提高模型的精度和可靠性。
四、结果与分析（一）反演结果通过遥感反演方法，得到了内蒙古典型草原地区不同时相的地上生物量分布图。
结果表明，草原地上生物量在不同季节和不同地区存在显著差异。
（二）结果分析对反演结果进行分析，探讨了草原地上生物量与气候、土壤、人为活动等因素的关系。
结果表明，气候因素对草原地上生物量的影响最为显著，同时，人为活动也会对草原生态系统造成一定影响。
此外，不同植被类型的地上生物量也存在差异。
五、讨论与结论（一）讨论本研究存在一定局限性，如遥感数据的分辨率、大气校正的准确性等因素可能影响反演结果的精度。
基于红光和近红外反射光谱特征参数反演草地地上生物量罗媛;谢堂民;龙显静;冯树林;陈功【摘要】From June to October 2013,the mixed pasture (Pennisetum clandestinum and Trifolium repens ) was selected to estimate the aboveground biomass through building the estimating model by measuring the cano-py spectral reflectance of the pasture and analyzing the relationship between biomass and reflectance of special wavelengths,red edge parameter and vegetation indices.Results showed that there were significant relationships between spectral reflectance in red band and pasture aboveground biomass.Reflectance at red valley could be significantly decreased and reflectance at 850.0 nm could be significantly increased by increased biomass from June 1 1 to October 12.Reflectance of red band and vegetation index RVI as well as vegetation index NDVI could be used for estimating pasture fresh forage and dry matter yield,but the most suitable vegetative indices varied with the season and forage yield.RVI was better used in June and NDVI was better in October.%2013年6~10月测定东非狼尾草+白三叶混播草地冠层反射光谱和地上生物量；分析红光波段和近红外波段反射光谱特征参数与牧草鲜重及干物质之间的相关关系；构建并检验基于红光单波段和植被指数(NDVI 、RVI 、DVI )反演草地地上生物量回归模型。
地球科学与环境工程河南科技Henan Science and Technology总第807期第13期2023年7月收稿日期：2023-03-23基金项目：国家级大学生创新创业训练计划项目（202110628028）；沱江流域高质量发展研究中心项目（TJGZL2020-06；TJGZL2022-15）。
作者简介：程博（2002—），男，本科生，研究方向：环境科学。
通信作者：姚昆（1991—），男，硕士，讲师，研究方向：生态遥感。
川西高原植被NDVI 变化研究程博周显洋姚昆的的克牛喻磊樊骁（西昌学院资源与环境学院，四川西昌615000）摘要：【目的】为较全面掌握川西高原植被NDVI 动态变化及驱动因素。
【方法】以MODIS-NDVI 为基础数据，借助Sen+MK 和地理探测器模型对其2000—2020年变化规律展开探讨。
【结果】①川西高原植被NDVI 整体呈现自西南向东北方向倾斜，植被NDVI 数值整体相对更高；②近20年，全域植被NDVI 数值无显著变化趋势的地区全域面积占比约75%；③高程、年平均气温和土壤类型主导了川西高原植被NDVI 的空间布局，解释力在35%以上。
【结论】川西高原近20年植被整体生长状态良好，自然因素对其植被空间布局的影响显著。
关键词：植被NDVI ；地理探测器；川西高原中图分类号：Q948文献标志码：A文章编号：1003-5168（2023）13-0094-05DOI ：10.19968/ki.hnkj.1003-5168.2023.13.019Study on NDVI Changes of Vegetation in Western Sichuan PlateauCHENG BoZHOU Xianyang YAO Kun DIDI Keniu YU Lei FAN Xiao（School of Resources and Environment,Xichang University,Xichang 615000,China ）Abstract:[Purposes ]This paper aims to comprehensively understand the NDVI dynamic changes anddriving factors of vegetation in the western Sichuan plateau.[Methods ]This study conducted a discus⁃sion on its change rules from 2000to 2020based on MODIS-NDVI data,using Sen+MK and geographic detector models.[Findings ]The results are as follows:①The NDVI values of vegetation on the western Sichuan plateau as a whole show a slope from southwest to northeast,and the NDVI values of vegetation are relatively higher as a whole;②In the past 20years,the area with no significant change trend in NDVI values of vegetation throughout the region accounts for about 75%；③Elevation,annual average temperature,and soil type are the dominant factors affecting the NDVI spatial layout of vegetation in the study area,with an explanatory power of over 35%.[Conclusions ]The overall growth of vegetation on the western Sichuan plateau in the past 20years is good,and natural factors have a significant impact onits spatial layout of vegetation.Keywords:vegetation NDVI;geographic detectors;western sichuan plateau0引言植被是陆地生态系统的重要组成部分之一，是实现土壤、大气和能量进行物质交换的重要“纽带”［1-2］。
《内蒙古典型草原植被地上生物量遥感反演》篇一一、引言内蒙古作为我国典型的草原地区，其植被地上生物量的研究对于了解草原生态系统的结构和功能具有重要意义。
随着遥感技术的不断发展，利用遥感数据进行植被地上生物量的反演已成为研究热点。
本文旨在探讨内蒙古典型草原植被地上生物量的遥感反演方法，以期为草原生态保护和可持续发展提供科学依据。
二、研究区域与数据本研究区域选取内蒙古典型草原，涵盖了多种草地类型。
数据来源包括遥感数据和地面实测数据。
遥感数据包括多时相、多光谱的卫星和无人机遥感影像，地面实测数据包括植被高度、叶面积指数、生物量等相关参数。
三、方法与技术（一）遥感数据处理遥感数据处理包括影像预处理、植被指数计算等步骤。
首先，对遥感影像进行辐射定标、大气校正等预处理，以提高数据的准确性。
然后，计算归一化植被指数（NDVI）等植被指数，以反映植被的生长状况。
（二）地上生物量反演模型根据前人研究成果和实地调查数据，建立地上生物量与遥感数据之间的数学模型。
通过对比不同模型的反演精度，选择最优模型进行地上生物量的反演。
四、结果与分析（一）遥感数据与地上生物量的关系通过分析遥感数据与地上生物量的关系，发现NDVI等植被指数与地上生物量之间存在显著的正相关关系。
这表明遥感数据可以有效地反映草原植被的生长状况和地上生物量。
（二）反演模型的精度评价采用地面实测数据对反演模型进行验证，结果表明所选模型的反演精度较高，可以有效地反映草原植被的地上生物量。
同时，对比不同模型的反演结果，发现某些模型在特定区域的反演效果更佳。
（三）空间分布特征通过反演得到的草原植被地上生物量空间分布图，可以看出内蒙古典型草原植被地上生物量的空间分布特征。
在不同草地类型、不同海拔、不同坡度等条件下，植被地上生物量存在显著的差异。
五、讨论与展望本研究通过遥感反演方法，得到了内蒙古典型草原植被地上生物量的空间分布特征。
然而，仍存在一些不足之处，如模型普适性有待提高、反演精度有待进一步提升等。
植被光谱物候参量反演算法植被光谱物候参量反演算法通常利用植被的光谱反射率和植被指数等信息来反演植被的生物量、叶面积指数(LAI)、叶绿素含量等物候参数。
以下是常见的反演算法和模型：1、多元线性回归模型(MLR)：该模型基于地面实测的植被光谱数据和对应的生物物理参数（例如LAI、叶绿素含量等），建立光谱参数和生物物理参数之间的多元线性回归关系，利用该模型来预测未知区域的生物物理参数。
2、支持向量机(SVM)：SVM是一种二分类模型，可以用于解决回归问题。
在植被光谱物候参量反演中，可以将光谱数据和对应的生物物理参数作为训练数据，利用SVM建立光谱与生物物理参数之间的非线性关系，然后利用该模型预测未知区域的光谱物候参量。
3、随机森林回归(RFR)：随机森林是一种基于集成学习的模型，可以用于解决回归问题。
在植被光谱物候参量反演中，可以将光谱数据和对应的生物物理参数作为训练数据，利用随机森林建立光谱与生物物理参数之间的非线性关系，然后利用该模型预测未知区域的光谱物候参量。
4、岭回归(RRR)：岭回归是一种处理共线性数据的线性回归方法，可以用于解决回归问题。
在植被光谱物候参量反演中，可以将光谱数据和对应的生物物理参数作为训练数据，利用岭回归建立光谱与生物物理参数之间的线性关系，然后利用该模型预测未知区域的光谱物候参量。
5、人工神经网络(ANN)：ANN是一种黑箱模型，可以模拟复杂的非线性关系。
在植被光谱物候参量反演中，可以将光谱数据和对应的生物物理参数作为训练数据，利用ANN建立光谱与生物物理参数之间的非线性关系，然后利用该模型预测未知区域的光谱物候参量。
以上是常见的植被光谱物候参量反演算法和模型，具体应用需要根据实际情况选择合适的算法或模型。
