基于MODIS EVI的内蒙古草地多源信息综合分类研究

利用遥感数据与非遥感数据相结合的方法对内蒙古草地进行分类研究.以MODIS EVI(MODIS增强型植被指数)数据为基础,计算得到MODIS EVI月度数据,分剐取其一、二、三主成分作为分类的前3个参数;引入研究区域同期的气温、降水、生物温度及DEM(数字高程)数据,通过克里金插值、主成分变换、重采样等方法确定分类的第4、第5个参数.在此基础上,应用ISODATA技术对草地进行分类.结果表明,该分类结果能够提供比AVHRR NDVI(AVHRR归一化植被指数)和MODIS NDVI(MODIS归一化植被指数)更丰富的分类信息,可以清晰识别到5大草地类,对草甸草原、典型草原和荒漠草原可以进一步识别到草地亚类.因此,MODIS EVI数据与非遥感数据结合的多源信息综合分类能提高草地分类的精度.     

基于MODIS时序数据物候特征下的多源遥感玉米提取

为解决农作物遥感分类易混淆的问题，准确获取玉米种植结构信息，提出了一种能够充分利用高时间分辨率和中高空间分辨率数据优势的多源遥感数据玉米提取方法。以沈阳为研究区域，利用S-G滤波重构MODIS-EVI时序曲线提取物候特征，同时利用EVI转换模型平衡Landsat-8、Sentinel-2、GF-1与MODIS之间的EVI差异构建了30 m分辨率的时序数据，采用决策树方法，基于MODIS物候特征对多源时序数据分类，逐层掩膜水稻、大豆等易混淆地类获取玉米提取结果，并采用决策树与混合像元分解结合的方法进一步提高玉米提取结果的精度。结果表明：基于多源转化遥感数据的决策树分类总体精度与Kappa系数分别为92.27%和0.8825，相较于CART决策树、随机森林、最大似然法，其分类总体精度和Kappa系数均有较大幅度的提高，相较于数据未经模型转换的决策树分类的总体精度和Kappa系数分别提高4.59个百分点和0.0663。决策树分类后结合混合像元分解的玉米提取总精度提高至95.98%，玉米分类精度得到进一步提高。     

基于GF-1/WFV EVI时间序列数据的水稻种植面积提取

随着国产高分系列卫星的发射,国产高分辨率遥感影像在作物种植面积提取方面逐渐得到了应用,但目前仅有少量基于高分一号(GF-1)卫星影像归一化植被指数(Normalized Difference Vegetation Index,NDVI)进行作物分类或遥感估产的研究。本文针对NDVI指数在南方多植被覆盖区域易饱和及不敏感的缺陷,利用在NDVI基础上改进的增强型植被指数(Enhanced Vegetation Index,EVI),首次提出基于GF-1卫星16m宽覆盖影像(Wide Field of View,WFV)EVI时间序列的水稻种植面积提取方法。选取四川省乐至县为研究区域,获取覆盖整个水稻生长周期的GF-1/WFV影像数据,构建EVI时间序列,并分析水稻不同生长期的EVI曲线特征。利用时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS)对EVI时间序列进行平滑处理,尽可能减少噪声影响,使EVI时间序列能够更好地反应水稻及其他植被或非植被随时间的变化规律;根据水稻和其他植被及非植被的EVI曲线特征差异构建水稻种植面积提取决策树模型,对水稻种植面积进行准确提取。通过与同期地理国情监测成果的对比,本研究方法提取的水稻种植面积和精度都较高,表明该方法对于提取水稻种植面积效果良好。研究表明,相对于以往用中低分辨率卫星影像进行作物种植结构提取,GF1/WFV影像在南方较破碎的水稻种植面积提取方面应用效果良好,GF-1卫星影像在农业遥感领域具备很大的应用潜力。     

近20年华北粮食主产区冬小麦种植面积遥感快速提取研究

【目的 】基于遥感数据,研究快速提取华北粮食主产区近20年（2001—2020年）冬小麦种植面积的方法,生成准确的长时间序列冬小麦面积遥感产品,为政府决策机构和科研单位的工作提供数据支持。【方法 】文章基于经过滤波重构的MODIS植被指数产品,分析了研究区不同纬度下冬小麦在整个生长季中的时序特征,考虑到不同区域冬小麦物候差异,提出了一种关键生长季时序NDVI曲线匹配的方法,在无样本的条件下,快速提取冬小麦面积。通过使用统计年鉴进行面积验证,并结合目视解译的样本和高分辨率数据哨兵2号提取的结果,计算混淆矩阵并进行精度评价。【结果 】与2001—2018年的统计年鉴数据对比,平均相对误差为16.1%;与目视解译和哨兵2号分类结果中的6 459个采样点的精度评价相比,总体精度达到87.4%,kappa系数为0.61。【结论 】根据冬小麦的物候特征,通过提取NDVI的时序特征并采用时序NDVI曲线匹配算法,可以快速准确地提取华北粮食主产区冬小麦的种植面积和分布情况。     

基于MODIS_NDVI序列的冬小麦估产——以新疆伊宁县为例子

以新疆冬小麦主要产区之一的伊宁县为例,从冬小麦生长季候性特征角度出发,结合Terra/MODIS这种新型的卫星传感器,通过建立植被指数ndvi变化时间序列,提取冬小麦种植面积;利用多元回归方法建立了NDVI植被指数与冬小麦产量间的估产模型。     

基于MODIS的农作物面积遥感监测及应用

MODIS遥感数据具有探测周期短、覆盖面积广、数据开放等优点,适合大尺度、动态的农业遥感监测应用。结合了MODIS遥感数据资源的特点和农作物物候特征,提出了基于MODIS的农作物面积遥感监测方法,并根据黄淮地区冬小麦种植面积提取的应用需求,选用地理空间数据云平台提供的3种MODIS数据产品进行了农作物面积提取。结果表明,使用5 d合成数据产品的提取精度较高。     

2003～2020年海南岛植被覆盖变化及影响因子分析

海南岛植被生长旺盛,森林覆盖率超过60%。增强植被指数EVI(Enhanced Vegetation Index)能够较好地反映植被覆盖状况,尤其反映植被覆盖度高区域的植被生长状况。利用2003～2020年的MODIS EVI数据来研究海南岛植被覆盖状况。采用Theil-Sen Median趋势分析和Mann-Kendall检验来研究EVI的时空变化及趋势特征;结合Hurst指数,研究EVI的可持续特征;EVI与气温、降水时间序列和地理栅格相关性分析,研究海南岛植被覆盖与气温、降水相关关系。研究表明：(1)空间上,海南岛植被覆盖整体状态好,约60%的区域EVI大于0.5,植被覆盖度呈现中间高四周低,南高北低的分布特征。(2)时间上,2003～2020年海南岛植被覆盖变化以改善为主,改善区域占比为90.2%,其中显著改善区域占比65.5%。海南岛未来植被覆盖变化趋势以持续性改善为主,持续性改善区域占比81.2%,持续性退化区域占比7.6%,未来变化趋势不确定区域占比11.2%。(3)气象影响因子上,海南岛植被生长年际变化受降水影响大于气温,面积占比38%的区域植被年际生长与降雨呈正相关关...     

GEE支持下的河南省冬小麦面积提取及长势监测

【目的】使用遥感技术对2017—2020年河南省冬小麦的空间分布信息进行高精度的提取,然后对2020年冬小麦的长势进行高频度的监测并结合气象条件进行分析。【方法】本文基于谷歌地球引擎（Google Earth Engine,GEE）云平台,对选取的Landsat 8影像数据根据NDVI最大值进行合成,然后进行特征构建,添加地形特征、纹理特征、NDVI以及一个新特征NDVI增幅,使用随机森林分类方法对样本数据按照构建的特征进行训练提取河南省2017—2020年冬小麦的播种面积信息;经过精度验证后对提取的河南省2020年的冬小麦种植区域生成掩膜,对掩膜区域（冬小麦种植区域）结合MODIS高时间分辨率影像数据,使用NDVI同期差值法对2020年2—4月份的冬小麦进行高频度的长势监测。【结果】使用GEE云平台能够对河南省冬小麦种植区域的空间分布信息进行快速制图;使用随机森林方法加入地形特征、纹理特征、NDVI后再加入新特征NDVI增幅,能够有效提高冬小麦的提取精度以及降低与统计数据的相对误差,基于混淆矩阵计算的平均总体分类精度为95.2%、平均kappa系数为0.909、冬小麦的平均分类精度为95.3%,与河南省统计年鉴数据相比,本文方法提取的2017—2019年河南省冬小麦播种面积相对误差均低于3%,河南省冬小麦主要种植区域的冬小麦播种面积的平均相对误差低于6%;使用MODIS影像数据结合NDVI差值模型能够对河南省2020年的冬小麦进行高频度的长势监测,河南省冬小麦在返青初期长势较往年及2019年好,到生育后期大部分区域长势与往年及2019年持平,总体上2020年冬小麦的长势较往年及2019年好。【结论】本文提出的方法能够对河南省冬小麦进行高精度的提取以及高频度的长势监测,且能够为地方政府或者一些农业部门在安排指导农事活动上提供科学依据。     

基于MODIS／EVI时间序列数据分析冰冻灾害对植被绿叶始期的影响

在全球气候变化的研究中,植被物候与气候的关系是一个重要的课题,它显示陆地生态系统对全球变化的响应。笔者用2005～2008年1～7月每8d时间序列的MODIS／EVI数据及其相应的地面数据,运用时间序列谐波分析（HANTS）算法对EVI数据进行去云处理。对处理后的结果,采用动态阈值法获取该区域2005～2008年植被物候（生长始期）及其分布格局,并将冰冻灾害年份跟正常年份植被物候分布格局进行对比,分析冰冻灾害对该地区植被物候的影响。结果表明,处理后的EVI数据能较好地反映冰冻灾害对植被物候的影响,准确地反映了冰冻灾害的实际影响范围。该研究结果说明,通过HANTS法分析卫星遥感数据可较为准确地反映植被的生态特征。     

基于Sentinel-2A影像的县域冬小麦种植面积遥感监测

小麦种植面积遥感监测是小麦估产的基本要素,准确而及时地提取不同灌溉类型冬小麦种植面积及其空间分布信息可为冬小麦长势监测以及产量评估提供科学依据。以山西省闻喜县冬小麦为研究对象,以Sentinel-2A影像为基础数据源,选择主成分(PCA)、红边归一化植被指数(RENDVI)、纹理特征等3个特征变量,结合实地调查样本点,采用随机森林算法,提取冬小麦种植面积,并结合数字高程模型(DEM)提取雨养区和灌溉区冬小麦种植面积。结果表明,Sentinel-2A遥感数据适合作为县域尺度冬小麦监测的数据源;主成分分析、纹理特征和RENDVI的引入可以提高单时相遥感影像对县域冬小麦分类的识别能力;随机森林算法和数字高程模型结合可以实现雨养区和灌溉区冬小麦种植面积的提取。     

中国人均食用粮食消费量的时序预测

粮食消费预测是安排粮食生产、调整粮食种植结构、制定粮食安全和农业可持续发展战略的重要理论依据。利用粮食消费量与时间之间的相关关系, 采用SPSS程序包进行筛选, 建立我国人均食用粮食消费的时序预测模型。研究结果表明, 所建立的三个时序预测模型的拟合度等统计指标高度显著, 运用所建模型对所获资料进行的内推预测比较准确, 但外推预测结果因影响因素多, 其准确性有待时间和实际的检验。     

太湖MODIS-EVI完全时空数据获取与探索性分析

构建太湖水域较长时间范围的植被指数全时空数据有助于全面了解太湖蓝藻水华的时空变化特征。以MODIS数据产品MOD13Q1为数据源,构建了太湖水域MODIS-EVI全时空数据,并做了探索性空间数据分析。结果表明,该研究的时空数据获取和分析方法是可行的,对该数据进行经验正交函数分解,能够获得太湖水面EVI典型的空间分布模式。     

利用2种植被指数监测中国6种典型森林生长期的比较研究

针对大区域森林植被生长变化规律的应用需求,采用统计分析的方法,利用选取的EVI和NDVI两种植被指对中国6种典型森林2000-2011年的生长期变化进行监测,并对监测结果进行了比较。结果表明,从提取的生长期拐点的出现时间及生长期的变化趋势可知,2种植被指数提取的6种典型森林的生长变化时间范围基本相同,都能较好地反映森林生长期的变化过程,说明利用植被指数进行森林生长期监测的方法是可行的;但对高森林植被覆盖区域的森林植被变化及对云等干扰因素的敏感性来看,EVI比NDVI更适合用于大区域空间范围、多种类型的森林植被变化的监测。     

基于MODIS／EVI时间序列数据分析冰冻灾害对植被绿叶始期的影响

1数据和方法1．1研究区域介绍长江流域位于北纬24°27’-35°54’,东经90°13’-122°19’,南北跨11个纬度,东西距32个经度,呈东西长、南北短的流域平面形状。流域面积1800000hmz,约占全国国土面积的18．75％。由于其位置的特殊性及地形因素,长江流域是受拉尼娜现象影响最严重的地区。     

基于MODIS/EVI时间序列数据分析冰冻灾害对植被绿叶始期的影响(英文)

In the field of global changes, the relationship between plant phenology and climate, which reflects the response of terrestrial ecosystem to global climate change, has become a key subject that is highly concerned. Using the moderate-resolution imaging spectroradiometer (MODIS)/enhanced vegetation index(EVI) collected every eight days during January- July from 2005 to 2008 and the corresponding remote sensing data as experimental materials, we constructed cloud-free images via the Harmonic analysis of time series (HANTS). The cloud-free images were then treated by dynamic threshold method for obtaining the vegetation phenology in green up period and its distribution pattern. And the distribution pattern between freezing disaster year and normal year were comparatively analyzed for revealing the effect of freezing disaster on vegetation phenology in experimental plot. The result showed that the treated EVI data performed well in monitoring the effect of freezing disaster on vegetation phenology, accurately reflecting the regions suffered from freezing disaster. This result suggests that processing of remote sensing data using HANTS method could well monitor the ecological characteristics of vegetation.     

山东省植被指数影像数据库的设计与实现

利用ENVI软件分析处理高时空分辨率的MODIS数据,得到山东省的归一化植被指数（NDVI）与增强型植被指数（EVI）影像数据,在对影像数据进行分块、编码和建立索引的基础上,建立山东省NDVI和EVI植被指数影像数据库,并可提供局域网内的数据下载服务。     

基于粒子滤波的LAI时间序列重构算法设计与实现

遥感观测的叶面积指数(LAI)时间序列数据广泛应用于作物长势监测,但数据受大气条件等影响,存在数值偏低和时间序列数据缺失等问题。为此,本文设计了一种基于重采样粒子滤波的LAI时间序列重构算法,以LAI为同化变量,在WOFOST模型本地化的基础上,实现了遥感LAI数据和WOFOST模型模拟的LAI数据的同化,以重构LAI时间序列。算法将WOFOST作物模型简化为LAI状态随时间演变的非线性计算方程,作为重采样粒子滤波的状态转移方程;将地面实测LAI数据和遥感LAI数据建立的线性方程,作为重采样粒子滤波的观测方程,建立LAI时间序列数据同化模型。以带权重粒子表示LAI时间序列状态后验分布,并在循环迭代中对粒子重采样,以此实现单点和区域LAI时间序列重构。应用该算法,对河北省冬麦区2010年LAI时间序列进行重构,结果表明,基于重采样粒子滤波的LAI时间序列重构算法在单点和区域上得到的LAI值明显更接近冬小麦实际生长状况,且算法能够弥补遥感LAI时序数据的缺失,为进一步的作物长势监测提供基础支撑。     

运用EOS／MODIS资料对银川城市热场的遥感分析

采用一种基于MODIS遥感资料和地面自动气象站(AWS)观测数据反演地表温度(LST)的统计方法,得出银川市四季各典型月份晴空地表的热场在季节、空间上的二维分布;通过对热场强度的研究,得出银川主城区夏季存在明显"热岛"效应,冬季存在明显"冷岛"效应的初步分析结果;通过对LST与植被指数间的关系分析研究得出:银川植被生长季LST与归一化植被指数呈负相关关系,且线性关系明显,R2值可达0.7。另外,反演结果还显示了贺兰山东麓山前在夏季,存在明显的高温区,结合对植被指数的分布研究,表明这里植被少,覆盖度低,下垫面主要以砾石为主。