遥感技术与植被覆盖变化
遥感技术在植被覆盖度评估中的应用
遥感技术在植被覆盖度评估中的应用在当今时代，随着科技的飞速发展，遥感技术已经成为了我们研究和了解地球生态系统的重要工具。
其中，遥感技术在植被覆盖度评估方面发挥着至关重要的作用。
植被覆盖度作为反映生态环境质量和土地利用状况的重要指标，对于生态保护、资源管理以及气候变化研究等众多领域都具有重要意义。
首先，我们来了解一下什么是遥感技术。
简单来说，遥感就是不直接接触目标物体，而是通过传感器接收来自目标物体的电磁波信息，从而获取目标物体的特征和状态。
这些传感器可以搭载在卫星、飞机等平台上，从高空对地面进行观测。
那么，遥感技术是如何应用于植被覆盖度评估的呢？这主要依赖于植被在电磁波谱中的独特响应特征。
不同类型和生长状况的植被在可见光、近红外和短波红外等波段的反射和吸收特性有所不同。
例如，健康的植被在近红外波段具有高反射率，而在可见光波段则吸收较多的光能。
通过对这些波段的信息进行分析和处理，我们就能够区分植被和非植被区域，并进一步计算植被覆盖度。
在实际应用中，常用的遥感数据包括光学遥感数据和雷达遥感数据。
光学遥感数据，如 Landsat 系列卫星影像、SPOT 卫星影像等，具有较高的空间分辨率和光谱分辨率，能够提供丰富的植被光谱信息。
通过对这些影像进行分类和计算，可以得到较为准确的植被覆盖度。
然而，光学遥感数据在云雾遮挡等天气条件下可能会受到影响。
相比之下，雷达遥感数据，如合成孔径雷达（SAR）数据，具有穿透云雾的能力，能够在恶劣天气条件下获取地面信息。
此外，雷达遥感数据对植被的结构和水分含量较为敏感，对于评估植被的生长状况和健康程度具有独特的优势。
在评估植被覆盖度的过程中，通常会采用多种方法对遥感数据进行处理和分析。
其中，比较常见的有像元二分法、植被指数法和机器学习方法等。
像元二分法是一种简单而实用的方法。
它假设一个像元由植被和非植被两部分组成，通过计算植被部分所占的比例来估算植被覆盖度。
这种方法计算简便，但对于复杂的植被类型和混合像元的处理可能不够精确。
遥感技术在环境监测中的植被覆盖分析方法
遥感技术在环境监测中的植被覆盖分析方法遥感技术是一种通过获取和解释遥感图像数据来获取地球表面信息的方法。
在环境监测中，遥感技术可以用于植被覆盖分析，以评估植被的分布、健康状况和变化趋势。
本文将介绍遥感技术在环境监测中的植被覆盖分析方法。
植被覆盖是指地表被植物覆盖的程度。
植被覆盖分析对于评估生态系统的健康状况、监测土地利用和土地覆盖变化等具有重要作用。
遥感技术通过获取地表反射或辐射数据，可以提供大面积、连续性和定量化的植被信息，从而实现植被覆盖的分析。
首先，常用的遥感数据源包括卫星和航空遥感图像。
这些图像记录了地球表面的辐射能量，可以通过不同波段的信息来分析植被覆盖情况。
其中，可见光、红外和热红外波段的数据特别有助于植被覆盖分析。
其次，植被指数是植被覆盖分析中常用的量化指标。
植被指数利用不同波段的光谱反射特征，通过计算公式来估计植被的生长情况。
其中，最常用的植被指数是归一化植被指数（NDVI）和修正型归一化植被指数（EVI）。
这些指数可以通过计算地表图像中的红光和近红外波段的反射率差异得出，从而提供植被覆盖的信息。
此外，植被分类也是植被覆盖分析的重要步骤。
植被分类是将遥感图像中的像元分成不同的植被类型，以获得更详细的植被覆盖信息。
常用的分类方法包括监督分类和非监督分类。
监督分类需要提供训练样本，通过计算像元与训练样本之间的相似度来进行分类。
非监督分类不需要提前提供训练样本，它通过对图像中的像元进行聚类分析来实现分类。
此外，在植被覆盖分析中，还可以利用时序遥感数据来监测植被的变化趋势。
时序遥感数据记录了多个时间点的地表信息，可以对不同时间段的植被变化进行对比和分析。
通过比较不同时间点的植被指数或植被分类结果，可以了解植被的增长、凋落、干扰和恢复情况。
除了上述方法，还有许多其他的遥感技术可以用于植被覆盖分析。
例如，通过高空间分辨率的遥感图像可以获取更详细的植被信息；通过合成孔径雷达（SAR）遥感可以在夜间和云层遮挡的情况下获取植被信息；通过利用光谱库和多光谱图像可以实现更精确的植被识别和提取等。
利用遥感技术监测森林覆盖变化与生态环境评价
利用遥感技术监测森林覆盖变化与生态环境评价简介：森林覆盖变化是全球范围内受到广泛关注的问题之一，它对生态环境、气候变化和人类社会产生着重要影响。
遥感技术通过获取卫星图像，并利用图像处理与分析方法，可以提供大范围、高分辨率的森林覆盖变化信息，为生态环境评价与管理提供科学依据。
本文将介绍遥感技术在监测森林覆盖变化和生态环境评价中的应用，并探讨其意义和挑战。
一、遥感技术在森林覆盖变化监测中的应用1. 遥感数据采集：通过地面接收站接收来自卫星的遥感图像数据，获取森林覆盖的时空分布信息。
常用的遥感数据源包括Landsat、Modis和Sentinel等。
2. 遥感图像处理与分析：利用遥感软件对接收的图像数据进行校正、预处理和分类，提取出森林覆盖的特征信息。
常用的遥感图像处理方法包括图像增强、特征提取和分类等。
3. 森林覆盖变化监测：通过对多时相的遥感图像进行比较和变化检测，可以获取森林覆盖的变化情况，包括森林面积变化、变化速度和变化趋势等。
4. 建立森林覆盖动态监测系统：将遥感数据、图像处理与分析结果与地理信息系统(GIS)相结合，建立动态的森林覆盖监测系统，能够实时更新森林覆盖的变化信息，并提供决策支持。
二、遥感技术在生态环境评价中的应用1. 生态环境指标提取：利用遥感数据获取的森林覆盖信息，结合地形、气候和土壤等数据，可以计算出一系列生态环境指标，如植被指数、湿度指数和土地利用类型等。
2. 生态系统服务功能评价：基于遥感数据和生态环境指标，对森林覆盖区域进行生态系统服务功能评估，包括水源涵养、土壤保持和生物多样性等。
这些评价结果可以为生态保护与管理提供科学依据。
3. 生态环境变化监测：通过对多时相的遥感图像进行比较和变化检测，可以得知不同时间段内生态环境的变化情况，包括植被覆盖率、土地利用变化和生态系统服务功能的变化等。
4. 生态环境规划和管理：遥感数据和分析结果可以为生态环境规划和管理提供重要支持，包括可持续发展规划、生态补偿措施和自然资源管理等。
土地覆盖变化遥感监测与评价的技术流程
土地覆盖变化遥感监测与评价的技术流程土地覆盖变化遥感监测与评价的技术流程，听起来好像很高大上的样子，其实咱们老百姓也能轻松理解。
就拿咱们家门口的小区来说吧，这个小区的土地覆盖情况可是咱们生活的重要组成部分哦！怎么才能知道小区的土地覆盖情况呢？这就要靠土地覆盖变化遥感监测与评价的技术流程来帮忙了！咱们要了解土地覆盖变化遥感监测与评价的技术流程是什么。
简单来说，就是通过卫星遥感技术，对地球表面的土地覆盖情况进行监测和评价。
这个过程分为几个步骤：第一，收集数据；第二，处理数据；第三，分析数据；第四，评估结果。
下面，咱们就来详细说说这几个步骤是怎么进行的吧！第一步，收集数据。
这一步可不是随便拍几张照片就能搞定的。
要想得到准确的数据，需要使用高分辨率的遥感卫星图像。
这些卫星图像可以清晰地显示出地球表面的各种特征，包括土地覆盖情况。
有时候卫星图像可能会受到天气、光线等因素的影响，导致数据不准确。
在收集数据的过程中，还需要对图像进行预处理，以提高数据的准确性。
第二步，处理数据。
收集到的数据可能有很多噪声和误差，需要进行处理，以减少这些干扰。
处理数据的方法有很多，比如滤波、校正等。
这些方法的目的就是让数据更加清晰、准确。
第三步，分析数据。
处理好的数据接下来就要进行分析了。
分析的目的是找出土地覆盖变化的规律和特点。
比如，哪些地区的植被覆盖率比较高？哪些地区的水体比较多？这些信息对于我们了解土地利用状况、制定环保政策等方面都非常重要。
第四步，评估结果。
分析完数据之后，就要对结果进行评估。
评估的目的是判断分析结果的可靠性和适用性。
如果评估结果显示某个地区的植被覆盖率偏低，那么就需要进一步研究原因，采取措施加以改善。
经过这几个步骤，咱们就可以得到关于土地覆盖变化的详细信息了。
这些信息对于我们了解地球环境、保护生态环境等方面都非常重要。
大家一定要重视土地覆盖变化遥感监测与评价的技术流程哦！。
卫星遥感技术分析全球森林覆盖范围与变化趋势
卫星遥感技术分析全球森林覆盖范围与变化趋势近年来，随着环境保护的重要性不断提升，全球各国都开始关注森林覆盖范围以及其变化趋势。
为了更好地了解和保护全球森林资源，卫星遥感技术被广泛应用于分析全球森林覆盖范围与变化趋势。
本文将从卫星遥感技术的基本原理、数据获取以及应用案例三个方面对全球森林覆盖进行分析。
首先，卫星遥感技术的基本原理是通过记录卫星传感器接收到的来自地球表面不同波长的电磁辐射，并将其转化为数字信号进行处理和分析。
这些电磁辐射的特性可以反映地表不同区域的物理、化学以及生物特征，如植被类型、覆盖程度以及叶片的光谱特性等。
利用这些特性，可以通过卫星遥感技术对全球森林覆盖范围以及变化趋势进行精确测量和监测。
其次，数据获取是卫星遥感技术分析全球森林覆盖的重要环节。
目前，有许多卫星系统能够提供用于森林监测的高质量遥感数据，如美国国家航空航天局的Landsat系列卫星、欧空局的环境卫星等。
这些卫星每隔一段时间对地球表面进行扫描，获取大量高分辨率的图像数据。
此外，还有一些自由开放的卫星数据存档和数据库，如美国地质调查局的地理调查卫星数据库、欧空局的哨兵计划数据库等。
通过这些数据库，研究人员可以获取全球范围内的森林覆盖数据，进一步进行分析和研究。
最后，卫星遥感技术在分析全球森林覆盖范围与变化趋势方面有着广泛的应用案例。
例如，根据卫星遥感数据，可以对全球范围内的森林覆盖率进行评估和测量。
研究表明，全球森林覆盖率在过去几十年间出现了不同程度的变化。
通过分析这些数据，研究人员可以确定特定地区的森林覆盖范围变化情况，并进一步探究其原因。
此外，卫星遥感技术还可以帮助监测森林的砍伐活动和森林火灾情况。
通过实时监测，可以及时采取措施保护森林资源，减少砍伐和防止火灾的发生。
综上所述，卫星遥感技术是分析全球森林覆盖范围与变化趋势的重要工具。
通过该技术，可以获取大量高质量的遥感数据，进而测量和监测全球森林资源的变化情况。
此外，该技术还可以应用于森林资源管理和保护中，帮助监测和预防砍伐和火灾等破坏性活动。
如何利用遥感技术进行植被覆盖度评估
如何利用遥感技术进行植被覆盖度评估遥感技术，即通过卫星或飞机等远距离传感器获取地球表面的信息，已成为研究和监测植被覆盖度的有力工具。
植被覆盖度评估是揭示和量化地表植被分布及其变化的重要手段，对于环境保护和自然资源管理具有重要意义。
本文将介绍如何利用遥感技术进行植被覆盖度评估，并探讨其在不同领域的应用。
首先，遥感技术可以通过获取不同波段的光谱数据来识别和提取地表植被信息。
植被覆盖度一般用植被指数来表示，常用的指数包括归一化植被指数（NDVI）、植被指数（VI）等。
这些指数综合了不同波段的反射率变化与植被覆盖度之间的关系，从而可以快速、准确地评估植被覆盖度。
例如，NDVI通过计算近红外波段与红光波段之间的差异来反映植被的生长状况，数值范围为-1到1，数值越高表示植被覆盖度越高。
其次，遥感技术还可以通过多时相的图像数据来监测植被覆盖度的动态变化。
利用不同时间的遥感数据，可以比较不同时间点的植被覆盖度，并分析其变化趋势和空间分布。
特别是在大范围区域和长时间跨度的监测中，遥感技术具有高效、经济的优势。
例如，在草原生态系统中，通过比较多期的NDVI图像，可以揭示草地退化和恢复的过程，为草地保护和恢复提供科学依据。
此外，遥感技术结合地理信息系统（GIS）可以实现植被覆盖度评估的空间分析和定量化。
通过对遥感图像进行分类和分割，可以将地表划分为不同的植被类型，进而定量计算各类植被的面积和覆盖度。
同时，结合地理位置信息，可以进行空间分布分析，比如研究城市绿地的分布格局和空间连通性。
在实际应用中，遥感技术的植被覆盖度评估在农业、环境保护、城市规划等领域具有广泛的应用前景。
例如，在农业生产中，通过遥感技术可以监测农田的植被覆盖度，为灌溉管理、农作物生长状况评估等提供支持。
在环境保护中，遥感技术可以用于评估自然保护区、湿地等特定区域的植被覆盖度，为生物多样性保护和生态系统管理提供决策依据。
在城市规划中，遥感技术可以实现城市植被覆盖度的空间分析和动态监测，为城市绿化和城市生态建设提供科学指导。
如何利用雷达遥感技术进行土地覆盖变化与监测
如何利用雷达遥感技术进行土地覆盖变化与监测雷达遥感技术是一种广泛应用于土地覆盖变化与监测的先进技术。
在过去的几十年里，全球范围内土地覆盖变化的频率和速度都在不断加快，这对于环境保护、自然资源管理和可持续发展的实现都提出了巨大挑战。
因此，利用雷达遥感技术来进行土地覆盖变化的监测和研究变得尤为重要。
首先，雷达遥感技术具有独特的观测能力，可以穿透云层、大气和植被覆盖，实现全天候、全季节的监测。
相较于其他遥感技术，雷达在冰雪、沙漠、森林等复杂地区的土地覆盖变化监测方面具有明显优势。
雷达图像可以提供高分辨率的土地覆盖分类信息，其分类准确度和稳定性能够满足实际应用需求。
此外，雷达遥感技术还可以获取到土地表面的垂直结构信息，如林冠高度、海岸线高度等，这对于研究土地覆盖变化的原因和趋势具有重要意义。
其次，雷达遥感技术还可以实现土地覆盖变化的定量分析。
通过使用雷达图像，可以测量土地表面的变形、沉降和抬升等地表形变情况，为地质灾害的监测和预防提供重要依据。
此外，雷达遥感技术还可以测量土地覆盖中的植被生物量和土壤湿度等关键参数，为农作物生长监测、水资源管理和气候变化研究提供重要数据。
利用雷达遥感技术在这些领域进行土地覆盖变化的精确监测和变化趋势的统计分析，可以提供决策者科学的数据支持。
此外，雷达遥感技术还可以实现多源数据的融合和时序分析。
土地覆盖变化是一个动态的过程，仅仅依靠单一的雷达图像很难全面地捕捉到这种变化。
但是，通过融合多时相的雷达图像或者与其他遥感数据进行融合，可以更好地了解土地覆盖的动态变化过程。
这种时序分析可以帮助我们更好地理解土地覆盖变化的机制和影响因素，为土地资源的科学管理提供参考依据。
最后，雷达遥感技术在土地覆盖变化与监测方面还存在一些挑战。
首先，雷达图像的处理和解译需要高度专业的技术和领域知识，这需要培养一支专业的人才队伍。
其次，雷达图像的数据量庞大，对于存储和处理设备的要求较高。
另外，由于雷达图像的获取成本相对较高，限制了其在大尺度土地覆盖变化监测中的应用。
利用MODIS遥感数据监测植被覆盖变化研究
利用MODIS遥感数据监测植被覆盖变化研究近年来，随着全球气候变化的加剧和人类活动的不断扩展，植被覆盖变化已经成为影响人类生存环境和经济发展的一个重要问题。
利用遥感技术监测植被覆盖的变化越来越受到关注，其中MODIS遥感数据因为覆盖面积广、时间分辨率高、数据更新快等优势成为监测植被覆盖变化的重要手段，为多个领域提供了灵活和高效的信息。
MODIS遥感数据的监测原理MODIS是一种利用陆地、海洋和大气对地球环境进行高速扫描观测的遥感系统。
其主要采用红外、可见光、近红外等不同颜色波长信号来监测植被生长、水文剖面、物种分布、能流平衡等因素，从而对地球的环境变化做出各种预测和定量评估。
MODIS遥感数据覆盖全球陆地面积，每天每天更新频率高，提供了一系列具有决策意义的遥感数据，优化了农业、生态、气象、地质和环境管理等领域的分析和研究。
利用MODIS遥感数据监测植被覆盖变化利用MODIS遥感数据监测植被覆盖变化的主要目的是通过观察地表现象的变化，对其所处的位置和状态进行判断，以便评估大气、水文和生态系统中的生长和萎缩现象。
植被覆盖与土地利用是生态系统的一个重要组成部分，因此，植被覆盖的变化通常与气候、土地利用、土地覆盖和物种多样性等相关。
MODIS遥感数据通过多时相遥感影像的对比，可以利用植被指数（如NDVI）进行监测。
NDVI反映了植被覆盖的高低程度，数值越高代表植被覆盖越好。
通过对比不同时间的NDVI数据，可以观察到植被覆盖面积的变化，包括植被覆盖指数的变化和位置的变化。
此外，MODIS遥感数据还可用于评估气候和温度变化情况对植被覆盖的影响，以及人类活动等因素对植被覆盖的影响程度。
应用案例利用MODIS遥感数据监测植被覆盖变化的应用案例非常多，例如：气候变化、自然灾害、生态系统管理、农业生产和森林保护等领域都有着广泛的应用。
在气候变化中，利用MODIS遥感数据监测植被覆盖的变化，可以判断气候变化对地表生态环境的影响，以提高对气候变化的适应性和应对能力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
利用(覆盖)的变化。 (2) 植被是土地覆盖的最主要部分，植被覆盖变化可影
响辐射平衡、水分循环等过程。 (3) 意义： ① 预测未来气候变化对植被覆盖的影响趋势； ②土地植被覆盖变化反映了该区域的人类生产生活需
《林业资源信息系统专题》课程讨论
2.目植前被已指有数超过的4概0种念植被指数。
其应用领域包括： 全球与区域土地覆盖变化(Dajima et al., 1990)； 植被覆盖评价(张军和葛剑平，2001)； 植被分类(盛永伟等，1995)； 植被与环境因子变化(李本纲和陶澎，2000)； 干旱监测(郭铌等，1997)； 诊断植被一系列生物物理参量，如叶面积指数(LAI)、生
感影像数据，覆盖
范围为北纬83°到
南纬83°之间的所
有陆地区域。数据
更新周期为16天
（Landsat 1~3的周
Landsat MSS原始影像数遥据感影像融合数据期分为辨1率8为天3）0，米空（间RBV
《林业资源信息系统专题》课程讨论
和MSS传感器的空间
② 3基. 于植电被磁指波数辐的射、发土展壤背景和大气修正的植被指数，
如NDVI、MSAVI、SAVI、AVI、TSAVI、ARVI、GEMI等；
③ 基于热红外信息和叶面反射率的植被指数，如DVI、 PRI等。
3(3.)植主被要指植数被的指数发及展其简写
名称 比值植被指数 绿度植被指数 Misra土壤亮度指数 归一化差异植被指数 土壤调整植被指数 土壤亮度指数 大气阻抗植被指数 修改型土壤调整植被指数 角度植被指数 转换型土壤大气阻抗植被指数 全球环境监测指数 归一化差异指数 导数植被指数 生理反射植被指数
物量等(孙睿等，2000；肖乾广等，1996)； 分析植被生长过程：净初级生产力(NPP)、蒸腾(田庆久等
，1998)和农业产业预报(Chi, 1995)。
《林业资源信息系统专题》课程讨论
内蒙古2009年植被指数，绿色部分值较高，表明东北部植被覆盖度高。
3.(植1)最被早指的数一的种发植展被指数是Pearson等于 1972年提出来的比
《林业资源信息系统专题》课程讨论
简写 RVI GVI MSBI NDVI SAVI SBI ARVI MSAVI AVI TSAVI GEMI NDI DVI PRI
作者及年份 Pearson et al. 1972 Kauth et al. 1976 Misra et al. 1977 Rouse et al. 1974 Huete et al. 1988 Kauth et al. 1976 Kanfman et al. 1992
求与经济社会发展之间的关系动态。
《林业资源信息系统专题》课程讨论
2. 植被指数的概念
(1)植被活动：大尺度植被生长和覆盖的动态变化。通 常通过卫星遥on index)： 指根据绿色植被反射波段的特性，利用以红光和近红
外波段为主的多光谱遥感数据，经线性及非线性组合 从而构成的对植被有一定的指示意义的各种数值。 是两个或多个波长范围内的地物反射率经过组合运算 ，以增强植被某一特性或者细节特征。
《林业资源信息系统专题》课程讨论
2 . (植3)被植被指指数数的应概用念的原理
《林业资源信息系统专题》课程讨论
在绿色波段 (0.55μm)附近， 由于叶绿素对绿光 的反射，形成一个 小的峰值。
在近红外波段，由 于叶肉海绵组织结 构中有许多空腔， 具有很大的反射表 面，而且细胞内叶 绿体呈水溶胶状态， 辐射能量大都被散 射掉，形成高反射
2.
(植4)被植指被数指的数的概用念途
植被指数所得数值能够较好地反映地表植被覆盖状况和生 长情况，为常用的光谱常量(董永平等，2005)。作为光谱 常量指标，它可反映：
① 地表植被覆盖、生长、生物量以及判别植被种类，在 遥感研究中用来表征地表植被覆盖和生长状况(杜子涛等 ，2008)；
② 定性和定量评价植被覆盖、生长活力以及生物量等。
difference vegetation index，以下简称 NDVI）是最常 用的指数。 优点：NDVI 的算式简单，不涉及任何参数的确定，可以 消除大部分与仪器定标、太阳角、地形、云阴影和大气条 件有关辐射的变化，增强了对植被的响应能力，应用最为 普遍，且其探测低盖度植被的能力最强(王正兴等，2003 ；郭铌，2003)。
《林业资源信息系统专题》课程讨论
3. 植被指数的发展
(5) 主要应用的数据源 ① NOAA/AVHRR-NDVI由美国地球资源观测系统(Earth
Observation System，EOS)数据中心提供，存有19822006年间20多年资料积累，空间分辨率为8和16km，时间 分辨率为10天。 ② SPOT/VGT-NDVI由比利时弗莱芒技术研究所(Flemish Institute for Tehnological Research，vito)VGT影像 处理中心提供，保存了1998年至今全球逐旬NDVI数据，空 间分辨率为1km。 ③ EOS/MODIS-NDVI是由美国EROS(地球资源观测系统)数 据中心提供，该数据空间分辨率大幅提高，目前有250m、 500m和1000m三种空间分辨率产品，保存有2000年至今时 间分辨率为16天的全球NDVI数据。
Qi et al. 1994 Plumme et al. 1994 Bannar et al. 1994
Pinty et al. 1992 McNairn et al. 1993
Deme et al. 1990 Gamom et al. 1992
3.(植4) 被以指距数离为的基发础展的归一化植被指数（Normalized
值植被指数(RVI)。但RVI对大气影响敏感，而且当植被覆 盖不够浓密时(小于50%)，它的分辨能力也很弱，只有在植 被覆盖浓密的情况下效果最好。
(2) 植被指数按发展阶段可以分为3类(L田a庆nd久sa等t，M1S9S9：8)美： ① 基于波段线性组合的植被指数，如R国VI陆、地MS卫BI星、系GV列I等遥；
遥感技术与植被覆盖变化
汇报人： 学 号：
《林业资源信息系统专题》课程讨论
教师：
汇报内容
1. 研究植被覆盖变化的意义 2. 植被指数的概念 3. 植被指数的发展 4. 基于NDVI时序数据的植被覆盖动态监测 5. 存在问题及展望
《林业资源信息系统专题》课程讨论
1. 研究植被覆盖变化的意义