《遥感相关国内外进展》由会员分享，可在线阅读，更多相关《遥感相关国内外进展（5页珍藏版）》请在装配图网上搜索。
1、一、基于高程判断草地类型（牧草长势）1、基于地形因子的草地遥感分类方法研究草业科学，2006.12作者：赵连春（严肃农业大学草业学院）研究表明：ETM影像的3、5、7波段综合反映草地植被信息，可 用于草地植被类型的划分。草地类型的分布具有一定的生态序列性。 跟坡度、坡向、高程等地形因子具有一定的联系，利用数字高程模型 可以提取一系列的原生或次生地形属性，协助研究草地类型的梯度分 布规律。辅助地形因子进行草地遥感的分类有其独特优势，可将易混 淆草地型区分出来，提高草地遥感分类的精度。为解决同物异谱、异 物同物现象提出了一个有效的解决方法。青海省三角城种羊场位于青海湖北岸 从数字高程模型中，将各抽
2、样点的坡度、坡向及高程等地理信息， 先提取出来，寻找各草地型的生态序列分布规律，然后将这些规律作 为辅助因子，利用遥感影像上不同草地类型的波谱信息，进行草地类 型的划分。针对3、 5、 7三个波段，进行各草地类型问波谱统计分析。 形成36维的草地空间信息集合，提取草地植被信息。2、基于MODIS增强型植被指数的青海省牧草产量估产研究一一气象，2007.06 作者：杨英莲 利用青海省22个生态环境监测站在2003和2004年牧草生长季内各月所测的牧草鲜草产量数据，并搜集了该时段内逐日的MODIS遥感 数据, 通过对图像的预处理, 云区识别, 植被指数的计算及月最大植被 指数的合成，形成了与牧草产
3、量数据相对应的MODIS EVI数据。然后按 牧草生长季和草地类型建立了牧草鲜草产量与MODIS植被指数的关系 模型。结果表明，牧草产量和MODIS EVI之间存在较高的相关性，用指 数函数建立产量模型效果较好。按牧草生长季建立的牧草产量检测模 型比按草地类型建立的模型相关性要高。二、时间、空间分布不同对草地类型划分（牧草长势）的影响1、基于遥感的青海省植被覆盖时空变化定量分析环境科学，2008.06 作者：王莉雯（中国科学院遥感应用研究所遥感科学国家重点实验室使用lkm分辨率MODIS NDVI时间序列数据，采用决策树分类、监 督分类和非监督分类相结合的综合分类方法，将青海省土地覆盖类型 划
4、分为14个类别.这种分类方法重点突出了植被，特别是稀疏植被（包 括稀疏草地和稀疏灌丛）的空间分布在将青海省分为5个高程带的基 础上，使用GIS软件的空间分析功能，对青海20012006年的地表植 被覆盖在各级高程带上的空间分布和时间序列变化进行了定量分析三、除产量外的其他指标评估牧草生物量1、草地生物量的高光谱遥感估算模型农业工程学报， 2006.02作者：刘占宇（浙江大学农业遥感与信息技术应用研究所）为了推进高光谱遥感在草地生理生化参数定量化方面的研究与 应用，从冠层尺度上估算草地生物量，该文选用美国ASD公司 ASDFieldSpecProFRTM 光谱仪，对内蒙古自治区锡林郭勒盟的天然
5、草地进行高光谱遥感地面观测。在进行天然草地地上生物量与原始光 谱和高光谱特征变量相关分析的基础上，将观测数据分成两组：一组 观测数据作为训练样本，运用单变量线件、非线性和逐步回归分析方 法，建立生物量高光谱遥感估算模型；另一组观测数据作为检验样本， 进行精度检验。结果表明：生物量与高光谱吸收特征参数变量的分析中，以840、 1132、1579、1 769和2012 nm等5个原始高光谱波段反射率为变量的 逐步回归估算方程为最佳模型，模型标准差为0404 kgm ，估算 精度为916，说明可以利用高光谱反射率数据，从冠层上对草地 生物量进行量化。2、基于Landsat TM数据估算雷竹林地上生物
6、量一-林业科学，2011.09 作者：徐小军（浙江农林大学环境与资源学院）结合Landsat TM遥感数据和雷竹林样地调查数据，采用偏最小二 乘回归法（PLS）建立雷竹林地上生物量估算模型，利用该模型估算临 安市雷竹林地上部分生物量。结果表明：雷竹单株地上部分生物量与 胸径及雷竹林地上部分生物量与株数之间都呈极显著相关（P0. 01）; 通过PLSBootstrap法筛选自变量能够提高模型精度；模型预测的雷 竹林地上生物量均方根误差为3. 45 thm-2,满足大范围估算的精度 要求；临安市雷竹林地上生物量为1325 thm-2，均值为19. 52 t hm-2。3、基于MODIS植被指数的甘
7、南草地生物量一一兰州大学学报（自然科 学版）， 2009.10作者：王 莺（兰州大学草地农业科技学院农业部草地农业生态系统 学重点实验室）利用20062008年MODIS植被指数和同期野外调查数据，建立草 地地上部分于物质产量遥感监测模型根据七种草地类型多年平均根 冠比对2006-2008年甘南草地生物量f地上十地下部分）进行了估算， 比较了不同时问尺度下的模拟效果，绘制了甘南草地生物量空间分布 图，分析了不同地区、海拔高度和草地类型的草地生物量特征，探讨 了甘南地区草地生物量的年际变化.4、基于NDVI的西藏不同草地类型生物量回归建模分析高原山地 气象研究， 2010.09作者：张正健（成都
8、信息工程学院资源环境学院）建立西藏地区不同草地类型的NDVI遥感估测模型，利用多元线性 回归建立了不同草地类型的鲜草生物量与SPOT / VEGETATION多年平 均年最大归一化植被指数（NDVI）、年降水量和年积温等变量的回归估 测模型。并分析了所有草地类型的平均鲜草生物量与平均年最大 NDVI、平均年降水量等因子的相关关系。四、遥感评估载畜力1、 牧草产量的遥感估算与载畜能力研究农业工程学报， 2008.08 作者：毛留喜（国家气象中心）利用经过GPS定位的青海省牧草地面观测资料，分析牧草产量与 NOAA / AVHRR植被指数NDVI之间的关系，分类建立青海省牧草产量估 算线形模型与指数模型。2、基于GIS技术的青海省草地类型分类研究草业科学，2009.12 作者：李红梅分析青海省50个气象台站19712006年的0C年积温平均值和 年降水量平均值，以及各站的海拔高度和纬度值，建立年积温和年降 水量的估算方程。在GIS环境下，根据年积温和年降水的估算方程， 以及青海省高程资料，插值出分辨率为4 km4 km 的各个格点的年积 温和年降水量值，然后根据湿润度公式计算出每个格点的湿润度值， 最后根据综合顺序分类法第一级 类的检索图，确定各个格点的 草地类型。研究结果表明，青海省天然草地共有18类，其中寒冷潮湿 多雨冻原、高山草甸类的面积最大，约占草地总面积的50。
遥感相关国内外进展
