草原植被覆盖度遥感估算模型的适用性比较

doi:10.13474/j.cnki.11-2246.2019.0311

测绘通报 ›› 2019, Vol. 0 ›› Issue (10): 17-22.doi: 10.13474/j.cnki.11-2246.2019.0311

草原植被覆盖度遥感估算模型的适用性比较

董显聪^1,2, 李晓洁¹

1. 中国科学院东北地理与农业生态研究所, 吉林长春 130012;
2. 中国科学院大学, 北京 100049

收稿日期:2019-06-25 出版日期:2019-10-25 发布日期:2019-10-26
通讯作者: 李晓洁。E-mail:lixiaojie@iga.ac.cn E-mail:lixiaojie@iga.ac.cn
作者简介:董显聪(1997-),男,硕士生,主要研究方向为基于深度学习的遥感运算。E-mail:dongxiancong@126.com
基金资助:
国家自然科学基金面上项目（41671350）

Comparison of applicability of remote sensing estimation model for grassland vegetation coverage

DONG Xiancong^1,2, LI Xiaojie¹

1. Institute of Northeast Geography and Agricultural Ecology, Chinese Academy of Sciences, Changchun 130012, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China

Received:2019-06-25 Online:2019-10-25 Published:2019-10-26

摘要/Abstract

摘要： 植被覆盖度及其变化对区域生态系统的稳定性具有直接影响，且这种影响在草原地区更加明显。为探寻草原植被覆盖度的最佳遥感估算方法，本文对像元二分模型、Carlson模型和Baret模型的估算精度和适用性进行了比较，优化了Baret模型的参数，以提高其在草原地区的估算精度。内蒙古呼伦贝尔地区的草地计算结果表明：像元二分模型有高估植被覆盖度的现象；Carlson模型在低植被覆盖区低估了植被覆盖度，而在高植被覆盖区高估了植被覆盖度；Baret模型在草原地区的估算精度最高。对Baret模型进行参数优化后，其在高植被覆盖度区域的估算精度提升了4.9%。

关键词: 草原植被覆盖度, 照相法, NDVI, 混合像元模型

Abstract: Vegetation coverage and its changes have a direct impact on the stability of regional ecosystem, and this kind of effect is more obvious in grassland areas. In order to explore the best remote sensing estimation method of grassland vegetation coverage, this paper compares the estimation accuracy and applicability of binary pixel model, Carlson model and Baret model, and finally optimizes the parameters of Baret model to improve its estimation accuracy in grassland areas. The results of grassland calculation in Hulun Buir region of Inner Mongolia show that pixel dichotomy model overestimates the vegetation coverage, while Carlson model underestimates the vegetation coverage in low vegetation-covered areas and overestimates it in high vegetation-covered areas. And Baret model has the highest estimation accuracy in grassland areas. After parameter optimization of Baret model, the estimation accuracy in high vegetation-covered areas is improved by 4.9%.

Key words: grassland vegetation coverage, photographic method, NDVI, mixed pixel model

中图分类号:

P237

董显聪, 李晓洁. 草原植被覆盖度遥感估算模型的适用性比较[J]. 测绘通报, 2019, 0(10): 17-22.

DONG Xiancong, LI Xiaojie. Comparison of applicability of remote sensing estimation model for grassland vegetation coverage[J]. 测绘通报, 2019, 0(10): 17-22.

参考文献 22

[1]	李苗苗.植被覆盖度的遥感估算方法[D].北京:中国科学院研究生院,2002:43-58.
[2]	丁艳玲.植被覆盖度遥感估算及其真实性检验研究[D].长春:中国科学院研究生院(东北地理与农业生态研究所),2015:47-65.
[3]	朱蕾,徐俊锋,黄敬峰,等.作物植被覆盖度的高光谱遥感估算模型[J].光谱学与光谱分析,2008,28(8):1827-1831.
[4]	汪明霞,王卫东.植被覆盖度的提取方法研究综述[J].黄河水利职业技术学院学报,2013,25(2):2-4.
[5]	苗正红,刘志明,王宗明,等.基于MODISNDVI的吉林省植被覆盖度动态遥感监测[J].遥感技术与应用,2010,25(3):2-3.
[6]	吴昌广,周志翔,肖文发,等.基于MODISNDVI的三峡库区植被覆盖度动态监测[J].林业科学,2012,48(1):3-4.
[7]	李苗苗,吴炳芳,颜长珍,等.密云水库上游植被覆盖度的遥感估算[J].资源科学,2004,26(4):153-159.
[8]	李钰溦,贾坤,魏香琴,等.中国北方地区植被覆盖度遥感估算及其变化分析[J].国土资源遥感,2015,27(2):2-4.
[9]	李林叶,田美荣,梁会,等.2000-2016年呼伦贝尔草原植被覆盖度时空变化及其影响因素分析[J].生态与农村环境学报,2018,34(7):584-591.
[10]	赵根庄,王云,董硕,等.河北坝上草原植被覆盖度时空变化特征分析[J].地理信息世界,2018,25(6):31-38.
[11]	GUTMAN G, IGNATOV A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J].International Journal of Remote Sensing,1998,19(8):1533-1543.
[12]	CARLSON T N, RIPLEY D A. On the relation between NDVI fractional vegetation cover and leaf area index[J].Remote Sensing of Environment,1997,62(3):241-252.
[13]	BARET F,STEVEN M D,CLEVERS J. The robustness of canopy gap fraction estimates from red and near-infrared reflectances:a comparison of approaches[J].Remote Sensing of Environment,1995,54:141-151.
[14]	丁艳梅,张继贤,王坚,等.基于TM数据的植被覆盖度反演[J].测绘科学,2006,31(1):43-46.
[15]	TANG L, TIAN L, STEWARD B L. Classification of broad leaf and grass weeds using Gabor wavelets and artificial neural network[J].Transactions of the ASAE, 2003,46(4):1247-1254.
[16]	MEYER G E, MEHTA T, KOCHER M F. Textural imaging and discriminant analysis for distinguishing weeds for spot spraying[J].American Society of Agricultural Engineers,1998,41(4):1189-1197.
[17]	丁艳玲,赵凯,李晓峰,等.吉林西部盐碱地数字图像植被覆盖度的自动提取[J].地球信息科学学报,2013,15(4):618-624.
[18]	龙满生,何东健.玉米苗期杂草的计算机识别技术研究[J].农业工程学报,2007,23(7):139-144.
[19]	WOEBBECKE D M, MEYER G E, VON BARGEN K,et al. Color indices for weed identification under various soil, residue and lighting conditions[J].Transactions of the ASAE,1995,38(1):259-269.
[20]	柳钦火,仲波,吴纪桃,等.环境遥感定量反演与同化[M].北京:科学出版社,2011.
[21]	刘晓东,刘荣堂,刘爱军,等.三江源区草地覆盖遥感信息提取方法及动态研究[J].草地学报,2010,18(2):154-159.
[22]	谢晓丽,王艳平,王洪丽,等.气候变化对呼伦贝尔草原生态环境的影响[J].安徽农业科学,2011,39(12):7395-7396.

草原植被覆盖度遥感估算模型的适用性比较

Comparison of applicability of remote sensing estimation model for grassland vegetation coverage

可视化

摘要/Abstract

引用本文

使用本文

参考文献 22

相关文章 12

编辑推荐

Metrics

本文评价

[1]	罗杰, 刘绥华, 阮欧, 胡海涛. 运用NDVI-Albedo特征空间提取石漠化信息[J]. 测绘通报, 2022, 0(4): 56-60,82.
[2]	齐丹宁, 胡政军, 赵尚民. 山西省西山煤田长时间序列NDVI时空变化趋势及对气候响应[J]. 测绘通报, 2021, 0(9): 98-102,107.
[3]	胡洁, 姜成桢, 杨勇, 何晓锋, 李凯. 黑河中下游植被覆盖度变化遥感监测[J]. 测绘通报, 2021, 0(10): 34-38.
[4]	王华, 杨乾鹏, 郭山川, 旦增, 次仁多吉. Landsat时序数据支持下的藏东南植被时空变化监测[J]. 测绘通报, 2020, 0(11): 7-12,38.
[5]	康雄, 曹俊涛, 陈成, 杨杰, 王建雄. 不同趋势法的宁夏长时序植被变化分析[J]. 测绘通报, 2020, 0(11): 23-27.
[6]	沈谦, 朱长明, 张新. GF-2支持下的干旱区稀疏植被区植被覆盖度估算[J]. 测绘通报, 2019, 0(7): 33-38.
[7]	陈晓宁, 蒋好忱. 25年来秦岭NDVI指数的气候响应[J]. 测绘通报, 2019, 0(3): 103-107.
[8]	汪桂生, 仇凯健. 利用MODIS NDVI进行淮南矿区植被覆盖度动态监测[J]. 测绘通报, 2018, 0(6): 34-40.
[9]	汪松, 王斌, 刘长征, 王思远. 利用Landsat时序NDVI数据进行新疆石河子垦区灌溉作物分类[J]. 测绘通报, 2016, 0(9): 56-59.
[10]	桂新, 戴微. MASK在遥感影像水系提取中的应用[J]. 测绘通报, 2015, 0(9): 79-82.
[11]	杨爱民王飞红于颂. 一种基于TM影像的不透水面信息提取方法[J]. 测绘通报, 2014, 0(9): 81-83.
[12]	赵岩王思远毕海芸王辉殷慧. 基于ASTER与TM数据的黑河流域中游旱区典型区域植被覆盖度研究[J]. 测绘通报, 2013, 0(4): 4-7.