遥感图像信息容量与植被指数的耦合关系研究

干旱区地理 ›› 2014, Vol. 37 ›› Issue (2): 342-348.

遥感图像信息容量与植被指数的耦合关系研究

李良军，王旭红，妙丹，申怡

（西北大学城市与环境学院，陕西西安 710127）

收稿日期:2013-06-29 修回日期:2013-09-03 出版日期:2014-03-25
通讯作者: 王旭红（1968-），女，陕西咸阳人，博士，副教授，硕士生导师，从事资源环境遥感、地理信息系统、空间数据库等方面研究.Email：jqy_wxh@163.com
作者简介:李良军（1987-），男，陕西西安人，硕士研究生，主要从事地理信息系统与遥感信息分析研究. Email：liliang_2243@qq.com
基金资助:
国家自然科学基金（“不同地貌类型区的遥感图像信息容量空间差异性研究”编号：41071271）

Coupling relationship between remote sensing image information capacity and a variety of vegetation index

LI Liang-jun，WANG Xu-hong，Miao Dan，SHEN Yi

（College of Urban and Environmental Science, Northwest University, Xi'an 710127, Shaanxi, China）

Received:2013-06-29 Revised:2013-09-03 Online:2014-03-25

摘要/Abstract

摘要： 遥感信息容量能表征地表复杂度，为深入探究信息容量与植被之间关系，研究对植被盖度、NDVI、RVI等5种植被指数的均值、均方差与信息容量做了多种回归分析。结果表明：植被覆盖度均值、植被指数均方差与信息容量有明显相关性，其中植被盖度均方差与信息容量相关性最大，确定系数R²为0.851 8；相关系数最大R²为0.864 2，说明遥感信息容量与植被指数、植被盖度之间有明显的相关性，证明了信息容量能有效地表征地表覆盖的变化。

关键词: 遥感图像, 信息容量, 植被指数, 植被覆盖度, 相关性分析

Abstract: The remote sensing image information capacity is a kind of evaluation model which be able to characterize the surface complexity，and its calculated value size is closely related to the number of image gray levels. Besides，remote sensing image information capacity is also sensitive to the change of image grey value. Vegetation is the main factor of surface cover，and different vegetation types have different gray values，thereby affecting the value of the [DN] of the image，so the fractional vegetation cover is the main factor of affecting the vegetation cover gray complexity. Information capacity is calculated based on image DN value image quality evaluation criteria that can accurately and effectively express gray structure information. Therefore changes in vegetation will affect the image information capacity，and vegetation index is an important factor in the study of vegetation in remote sensing. The paper selected 19 samples in the same period of the image to calculate the information capacity of these samples and a variety of vegetation index，in order to further research the coupling between information capacity and fractional vegetation cover. The paper mainly studies the fractional vegetation cover，[NDVI，][RVI] and other two vegetation indexes. At the same time，it also makes various correlation analyses among fractional vegetation cover，the mean and standard deviation of the five vegetation indexes and information capacity. The result of research shows that information capacity has less correlation with the mean of fractional vegetation cover and vegetation index and information capacity，but quite related to standard deviation. Among that，standard deviation serves the largest correlation with information capacity as that：R²=0.824 5. At the same time，the correlation analysis is made between standard deviation of fractional vegetation cover and information capacity，the maximum correlation coefficient between them is R²=0.864 2. Finally，the study not only shows that the remote sensing image information capacity has obvious correlation with these several types of vegetation indexes and fractional vegetation cover，but also can effectively characterize the changes of surface structure.

Key words: remote sensing imagery； information capacity； vegetation index； , fractional vegetation cover； , correlation analysis

中图分类号:

TP79

李良军，王旭红，妙丹，申怡. 遥感图像信息容量与植被指数的耦合关系研究[J]. 干旱区地理, 2014, 37(2): 342-348.

LI Liang-jun，WANG Xu-hong，Miao Dan，SHEN Yi. Coupling relationship between remote sensing image information capacity and a variety of vegetation index[J]. , 2014, 37(2): 342-348.

参考文献

sdfsfd

［2］王旭红，张哲，秦慧杰，等. 不同地貌类型区遥感信息容量的差异性研究［C］// 第十八届中国遥感大会论文集. 北京：科学出版社，2012：562-568.

［3］ WANG Xuhong，QIN Huijie，JIA Baijun. Analysis on correlation between information capacity of NDVI and fractal dimension at different landscape zones［C］// The 2nd International Conference On Information Science and Engineering：IEEE，2010：6446-6450.

sdfsdf

［5］ QIU Xiangyi，AN Mingbao，YI Luo，et al. Measuring cotton water status using water-related vegetation indices at leaf and canopy levels［J］. Journal of Arid Land，2012，（3）：310-319.

［6］殷德奎，俞卞章，佟明安. 基于多维直方图的灰度图像质量评价［J］. 模式识别与人工智能，1996，9（3）：265-270.

［7］殷德奎，俞卞章，佟明安. 红外热图像质量评定方法［J］. 激光与红外，1996，26（2）：75-79.

［8］屈颖歌，曾生根，夏德深. 从信息容量和图像功率谱看CBERS-1卫星图像［J］. 航天返回与遥感，2002，23（2）：40-42.

［9］戴奇燕，尤建洁，胡晔. 细节信息容量与MTF相关分析［J］. 航天返回与遥感，2005，26（4）：15-19.

sdfsdf

［11］赵英时. 遥感应用分析原理与方法［M］. 北京：科学出版社，2003.

［12］ GITELSON A A，KAUFMAN Y J，STARK R，et al. Novel algorithms for remote estimation of vegetation fraction［J］. Remote Sensing of Environment，2002，80（1）：76-87.

［13］李宝明，杨辽，朱长明，等. 额尔齐斯河流域中亚段植被覆盖遥感动态监测［J］. 干旱区地理，2010，33（2）：203-209.

［14］ WITTICH K P，HANSING O. Area-averaged vegetative cover fraction estimated from satellite data［J］. International Journal of Biometecology，1995，38（4）：209-215.

［15］刁兆岩，徐立荣，冯朝阳，等. 呼伦贝尔沙化草原植被覆盖度估算光谱模型［J］. 干旱区资源与环境，2012，26（2）：139-144.

［16］ DAI Shengpei，ZHANG Bo，WANG Haijun，et al. Vegetation cover change and the driving factors over northwest China［J］. Journal of Arid Land，2011，（1）：25-33.

［17］戴声佩，张勃，王海军，等. 中国西北地区植被覆盖变化驱动因子分析［J］. 干旱区地理，2010，33（4）：636-643.

［18］ LIU H Q，HUETE A R. A feedback based modification of the NDVI to minimize soil and atmospheric noise，submitted to IEEE Tans［J］. Geosci Remote Sensing，1995，33：457-465.

［19］ JORDAN C F. Derivation of leaf-area index from quality of light on the forest floor［J］. Ecology，1969，50（4）：663－666.

［20］ PEARSON R L，MILLER D L. Remote mapping of standing crop biomass for estimation of the productivity of the short grass prairie［C］// Proceedings of the English International Symposium on Remote Sensing of Environment，1972：1375-1381

［21］乔丽，杜继稳，江志红，等. 陕西省生态农业干旱区划研究［J］.干旱区地理，2009，32（1）：112-118.

［22］闫俊杰，乔木，周宏飞，等. 基于MODIS/NDVI的新疆伊犁河谷植被变化［J］. 干旱区地理，2013，36（3）：512-519.

[1]	陈淑君,许国昌,吕志平,马铭悦,李晗羽,朱玉岩. 中国植被覆盖度时空演变及其对气候变化和城市化的响应[J]. 干旱区地理, 2023, 46(5): 742-752.
[2]	王振, 李均力, 张久丹, 吴浩儒, 郭雪飞. 输水漫溢对塔里木河中游胡杨林恢复的影响[J]. 干旱区地理, 2023, 46(1): 94-102.
[3]	琚立, 冉敏, 杨运鹏, 王馨. 塔里木盆地西南缘表土碳同位素组成特征分析[J]. 干旱区地理, 2022, 45(6): 1805-1813.
[4]	张久丹, 李均力, 包安明, 白洁, 刘铁, 黄粤. 2013—2020年塔里木河流域胡杨林生态恢复成效评估[J]. 干旱区地理, 2022, 45(6): 1824-1835.
[5]	刘玉婷,张齐飞,刘景时,关含笑,孟凡雪. 近20 a新疆南部植被覆盖度时空特征及对气候因素的响应——以塔什库尔干塔吉克自治县为例[J]. 干旱区地理, 2022, 45(5): 1481-1489.
[6]	贺军奇,魏燕,高万德,陈云飞,马延东,刘秀花. 毛乌素沙地东南缘植被NDVI时空变化及其对气候因子的响应[J]. 干旱区地理, 2022, 45(5): 1523-1533.
[7]	程丹妮,王颖琪,程勇翔,黄敬峰. 新疆典型沙漠和绿洲植被-水汽-地表温度相关性分析[J]. 干旱区地理, 2022, 45(2): 456-466.
[8]	任立清. 艾比湖流域植被时空变化及驱动力分析[J]. 干旱区地理, 2022, 45(2): 467-477.
[9]	尹瀚民,古丽·加帕尔,于涛,Jeanine UMUHOZA,李旭. 哈萨克斯坦北部小麦遥感估产方法研究[J]. 干旱区地理, 2022, 45(2): 488-498.
[10]	朱淑珍,黄法融,李兰海. 巴基斯坦干旱特征及其风险评估[J]. 干旱区地理, 2021, 44(4): 1058-1069.
[11]	李玉朋,陈亚宁,叶朝霞,王非,孙帆,秦景秀. 塔里木河下游输水20 a的生态响应[J]. 干旱区地理, 2021, 44(3): 700-707.
[12]	田艳君,石莹,帅艳民,杨健,邵聪颖,范连连,马红红. 基于遥感时序特征的地表覆被信息提取[J]. 干旱区地理, 2021, 44(2): 450-459.
[13]	王华, 杨乾鹏, 田云杰, 郭山川, 唐鹏飞. 基于多时相Landsat影像的中亚地区植被覆盖遥感监测[J]. 干旱区地理, 2020, 43(4): 1023-1032.
[14]	黄鑫, 刘建红, 申克建, 刘咏梅, 王雷. 基于MODIS的青海草地产草量变化遥感分析[J]. 干旱区地理, 2020, 43(3): 715-725.
[15]	岳健, 穆桂金, 唐自华, 杨雪峰, 林永崇, 徐立帅. 基于NDVI的新疆荒漠地区植被覆盖度遥感估算经验模型研究[J]. 干旱区地理, 2020, 43(1): 153-160.