陕北地区GIMMS、SPOT--VGT和MODIS归一化植被指数的差异分析

为了选择适合监测陕北黄土高原地区植被的最佳遥感序列数据,精确监测陕北黄土高原退耕前后的植被变化,选取GIMMS、SPOT-VGT和MODIS3种常用的遥感数据,运用相关分析和均方根误差分析方法,比较3种遥感数据在陕北黄土高原植被空间分布、归一化差异植被指数(NDVI)季节变化和年际变化3个方面的异同。结果表明:1)在植被空间分布方面,GIMMS/NDVI、SPOT-VGT/NDVI和MODIS/NDVI在大范围上的空间分布格局基本一致,但通过分布图分析可以看出,MODIS遥感数据由于其地物分辨率高及NDVI动态范围大的优点,比SPOT-VGT和GIMMS数据更适合于反映植被类型多样的陕北黄土高原地区植被的空间分布。2)在季节变化方面,3种遥感数据NDVI季节变化之间存在极显著的相关关系。其中,均方根误差分析结果表明,MODIS/NDVI与GIMMS/NDVI之间的差异明显大于MODIS/NDVI与SPOT-VGT/NDVI之间的差异;不同季节3种遥感数据NDVI差异也不同,夏季由于云雨较多,3种遥感数据NDVI之间差异最大。3)在年际变化方面,MODIS和SPOT-VGT数据反映出陕北黄土高原地区NDVI在1999—2007年间呈显著增加趋势,而GIMMS/NDVI却未呈现显著变化,说明GIMMS/NDVI在反映陕北高原地区植被年际变化方面存在显著缺陷。通过相关分析可以看出,GIMMS/NDVI和MODIS/NDVI年际变化之间的相关系数随植被覆盖度的升高而降低,尤其在针阔混交林区,其NDVI相关系数甚至为负值,表明GIMMS传感器对高覆盖度植被变化的响应不太敏感,与其他两者相比更易受水气和云的干扰。因此,GIMMS/NDVI不能作为历史均值NDVI直接应用到MODIS应用模型中,尤其在反映高覆盖度植被年际变化方面。     

AVHRR、SPOT-VGT和MODIS 3种NDVI遥感数据在韩江流域的对比分析

【目的】寻找最能真实反映南方地区植被变化状况的遥感数据,并将其用于评价土地覆被变化及其带来的影响.【方法】通过分析韩江流域2001—2006年间AVHRR、SPOT-VGT和MODIS 3种归一化植被指数(NDVI)遥感数据,比较它们对不同植被响应特征的异同,并采用线性回归方法分析它们的相关关系.【结果和结论】3种NDVI遥感空间分布总体格局大体一致,且MODIS和SPOT-VGT的NDVI空间分布吻合良好.MODIS传感器波段宽度窄、空间分辨率高,对地物分辨能力高,NDVI在流域内的变化范围大,数值分布分散.3种NDVI的季节变化步调基本一致,幅度相当.MODIS NDVI最能精确反映地面植被覆盖的变化,而AVHRR NDVI反映的流域地面植被变化情况与实际不相符.3种NDVI反映的各种植被季节变化情况基本一致,MODIS NDVI与SPOT-VGT NDVI的相似度更高.MODIS NDVI能够明显区分农作物、郁闭灌木林和草地的季节变化与其他植被的不同,比SPOT-VGT NDVI和AVHRR NDVI能更好地反映地面植被的多样性和植被覆盖的变化.在全流域和各种植被类型上,3种NDVI两两间都表现出一定的线性关系,其中MODIS NDVI与SPOT-VGT NDVI间的线性关系最强.由MODIS NDVI与AVHRR NDVI的线性回归关系预测的韩江流域2000年的NDVI与实测值吻合良好,为MODIS NDVI时间序列向历史年份拓展提供了思路.     

RS和GIS在黔中主要秋粮作物生育期及长势动态监测中的应用

根据2004~2006年的遥感MODIS-NDVI和地面农业气象观测数据,分析了NDVI时间序列的变化与贵州中部农作物生长发育及长势的规律。结果表明:遥感植被指数与秋粮作物生育期和长势存在较好的相关性,NDVI=0.7和ND-VI>0.75对应了黔中水稻和玉米的关键生育期及对温度条件要求最敏感的时期。利用卫星资料得出的植被指数,可用于建立秋粮作物产量评估模型。     

小麦不同生育期水肥管理与产量模型构建

[目的]建立小麦在不同生育期的水肥管理与产量的关系模型.[方法]用主动遥感仪器Green seeker 进行检测小麦冠层归一化植被指数(NDVI)以及比值植被指数(RVI),解析小麦冠层植被指数与生长状况的变化规律;分析NDVI、RVI与实际产量关系,建立小麦产量预测模型;最终以NDVI、RVI作为过渡参数,反演产量与小麦在不同生育期的水肥管理的最佳模型.[结果]小麦水肥一体化管理直接影响小麦产量,不同生育期水肥一体化小麦生长模型和植被指数小麦估产模型的标准误差都小于0.05.[结论]建立了小麦不同生育期的产量与水肥一体化管理模型.     

遥感与积温数据融合的葡萄种植面积提取最佳时相选择

本研究提出一种应用遥感数据与气象学中的积温数据,结合植被指数获取区分不同作物最佳时相的新模型,达到减小提取贺兰山东麓葡萄种植面积误差的目标。选取2016年宁夏地区时间分辨率高的MODIS 250 m数据定点提取NDVI指数,构建不同作物的NDVI时间曲线,找出葡萄与其他作物的NDVI差值最大时相并确定为当年最佳时相;结合气象学中的积温数据,构建最佳时相判断模型,反推其他年份的最佳时相。试验结果表明由NDVI差值测得的最佳时相可用,即能够获取分类效果最好的最佳时段内遥感图像,为后续作物分类工作打下良好的基础。     

基于NDVI的云南省植被覆被变化趋势分析

选取云南省为研究区域,利用2001-2015年MODIS中国植被指数合成产品Tiff遥感图像,通过Arcgis软件对遥感图像进行分区统计,得到研究区域各年每月的植被归一化指数(NDVI)。在此基础上进行统计分析,结合当地的生长季与种植制度,分析研究区域植被指数的年际、季节及月变化的特点。结果表明,在2001-2015年,云南省植被指数有增加的趋势,表明在2001-2015年云南省植被覆盖度基本保持稳定或略有增加的趋势;2001-2015年云南省春季和冬季的NDVI整体呈增加趋势,冬季的增速大于春季,夏季NDVI整体呈减少趋势,而秋季处于平稳状态,说明云南省2001-2015年春、冬两季植被覆盖度不断增加;云南省NDVI月变化差异较为明显,与当地生长季和种植制度密切相关,说明植被指数的月变化特征主要受种植作物的影响。     

基于MODIS-NDVI数据的甘肃临夏州的春小麦遥感估产

以甘肃省临夏州所包括的8个县市为研究区域,应用遥感手段,采用8个年份的250m分辨率的MODIS-NDVI遥感数据,经过低通滤波技术进行平滑处理后对春小麦进行估产。研究选用了春小麦关键生育期月NDVI数据范围为0.2~0.8,相关处理后,建立起其与小麦产量的关系。最后采用逐步回归方法建立春小麦关键生育期月NDVI与冬小麦产量间关系的估产模型。获得实测春小麦产量数据,选取某一年份的NDVI数据对建立的估产模型进行精度检验,结果表明,估产的相对误差在-3.93%~4.72%之间。表明,经过低通滤波技术平滑后的作物关键生育期内MODIS-NDVI遥感数据用于春小麦估产,其方法精度较高,具有一定的可行性。     

大兴安岭植被指数年际变化及影响因子分析

通过遥感数据获取的归一化植被指数(NDVI)能够较好地反映植被的生长状况,并且为区域尺度、长时间序列的植被监测提供可能。本研究采用黑龙江大兴安岭地区2000—2009年MODIS/NDVI月值数据,分析和监测该地区年际NDVI变化,并利用趋势分析、假设检验、相关分析等方法研究了多种影响因子对该地区NDVI变化的影响。结果表明:研究区10年间年平均NDVI在0.455 4~0.509 3之间变化,平均值为0.477 3,年际间变化呈现出无规律的波动,没有显著的变化趋势;分析了森林火灾、温度和降水对NDVI的影响,一般森林火灾对过火区域NDVI的变化没有显著影响,重大森林火灾和过火面积小于1万hm2的特大森林火灾会促进过火区域NDVI的增长,过火面积大于1万hm2的特大森林火灾会使过火区域NDVI大幅降低;温度在10~25 ℃时会促进森林NDVI增长,在5 ℃以下对NDVI变化无显著影响;月降水量在75 mm以下会促进森林NDVI增长,大于100 mm对NDVI变化无显著影响。      

基于MODIS/NDVI的河北省植被指数时空变化特征及影响因素分析

利用2001-2010年MODIS/NDVI数据和土地覆盖产品数据,分析了河北省植被指数变化特征和时空分布。利用趋势分析、偏相关分析、植被异常指数分析等方法对NDVI数据进行计算,得出河北省植被空间分布上的平均状况和变化特征,以及不同植被类型在不同地区、不同海拔高度上的时空变化规律。结果表明,12001-2010年河北省植被指数年际变化整体呈增加趋势。植被指数分布有明显的地区差异,呈现北部强于南部、西部强于东部、张家口及沧州市优于其他地区的空间格局。2各植被类型NDVI值大小表现为针阔叶混交林阔叶林灌丛农田草地非植被,其中研究期间针叶林和湿地两种植被类型年平均植被指数变化明显。32001-2010年河北省气温呈下降趋势,降水量变化平稳,增长缓慢。而且植被指数与气温的偏相关分析系数有正有负;而与降水量的偏相关分析系数均为正值。5河北省不同类型的植被分布与地形尤其是高程有一定的相关性,但研究结果受河北省整体海拔高度的影响,相关性不大。     

辽宁省作物长势遥感评价方法

利用1999～2007年5月下旬～9月下旬每天的NOAA数据资料,以归一化植被指数（NDVI）为评价指标,提取辽宁省5个气候区208个旱田点、84个水田点的NDVI值,通过对各统计单元的作物生长趋势分析及逐年比较模型、距平比较模型等遥感评价模型的研究,结果表明,辽宁省作物生长曲线呈单峰形变化,2007年旱田植被指数8月下旬达到最大,水田植被指数8月上旬达到最大;受干旱影响除2007年6月中下旬及9月中旬外,大田作物长势明显好于2006年同期和历史同期;水田作物长势基本好于历史同期。     

草地植被指数及生物量的遥感估测*

 简要回顾了我国草地遥感技术的发展过程以及各阶段的主要特点,并对草地植物的反射光谱特征做了介绍。在阐述植被指数在草地科学领域的运用的同时,介绍了植被指数NDVI和RVI的特点,就NDVI和RVI在草地地上生物量估测上的运用做了初步的探讨。其结果表明,在目前草地生物量的估测领域植被指数NDVI运用较RVI广泛。     

基于滁州市TM数据的叶面积指数估算模型研建

以2010年TM影像为数据源,结合实测叶面积指数(LAI)数据,采用逐步回归方法,分析滁州市森林叶面积指数与植被指数关系并建立估测模型。结果表明:在0.01显著水平下,地面LAI和NDVI、RVI、SAVI的相关性分别为0.899、0.868、0.853;以NDVI为自变量构建的指数函数关系模型与LAI相关系数最高,相关性达0.839,LAI预测精度达78.96%;以NDVI、RVI、SAV为自变量构建的多元线性回归模型与LAI相关性达0.917,LAI估测平均精度达83.36%,符合森林资源监测要求。研究结果为使用遥感数据进行滁州市大面积森林质量监测、森林分布变化提供依据和技术支持。     

基于MODIS数据的河套灌区遥感干旱监测

基于MODIS数据,以河套灌区为研究对象,计算灌区2000—2018年作物主要生育期内(5—8月)4种遥感干旱指数、温度植被干旱指数(TVDI)、植被供水指数(VSWI)、植被状态指数(VCI)、温度状态指数(TCI),并分析了4种干旱指数与0～20cm土壤相对含水量、降水量、灌区引水量相关性以及4种干旱指数之间的相互关系。结果表明:经过相关分析,TVDI与土壤相对含水量的相关性优于其他3种遥感干旱指数;在灌溉水量较多的灌区,遥感干旱指数与降雨量相关性较小而与灌区引水量呈现一定的相关关系。本研究发现TVDI在河套灌区有着良好的适用性。此外,在干旱监测中综合利用多种干旱指数进行分析对提高监测精度,科学合理地预报旱情具有重要意义。     

东北地区地表NVDI的时空变化规律

为了分析天然林保护工程等人类活动和气候变化对东北地区地表植被的影响,依据天然林保护工程一期期间东北地区高分辨率NDVI数据,采用统计和相关分析等数学方法,计算得到1999—2008年间东北地区地表NDVI的空间分布及其随时间的变化。结果表明:东北地区年均NDVI的分布具有明显的地域性差异,人类活动的扰动是影响植被稳定性的主要原因;在天然林保护工程与气候变化的综合作用下,东北地区年均NDVI呈显著增加趋势,其中森林NDVI的增加占主导地位;东北地区不同季节NDVI的空间分布与年均NDVI的空间分布基本相似,NDVI的季节变化与植被的生物学特征和物候变化一致,夏季NDVI在1999—2008年间呈极显著增加趋势。研究表明天然林保护工程促进了东北地区地表植被的恢复性增长。      

基于开花期卫星遥感数据的大田小麦估产方法比较

【目的】卫星遥感具有覆盖范围广、获取速度快、信息量大、动态性强等优势,能够及时准确地获取作物产量信息,反映作物产量空间变化趋势。遥感技术作物估产已成为现代农业生产中研究热点。通过改善遥感估产建模方法,以实现进一步提高大田作物遥感估产精度,为宏观了解不同区域作物产量形成情况及变化趋势提供直观、可靠的参考。【方法】论文结合2011—2012年江苏省大丰、兴化、姜堰、泰兴、仪征5个县区的定点观测试验,以国产卫星产品HJ-1A/1B影像为遥感数据,于小麦开花期开展大田定位观测区卫星遥感植被指数、关键生长指标与收获期单产间的定量分析。通过对产量与小麦生长指标以及植被指数进行定量关系分析,进一步增强遥感反演的机理性和重演性。将卫星遥感变量与小麦产量进行相关关系分析作为遥感估产的直接建模方法,间接建模方法则是选取与产量相关性较好的遥感变量以及与遥感变量相关性较好的主要苗情指标,利用筛选得到的敏感遥感变量,首先监测对应的小麦生长指标,结合该小麦生长指标与产量间的定量关系,进而建立间接估产模型,利用此模型进行小麦遥感间接估产。利用直接和间接建模方法,以相关性最高为原则,筛选估算产量的敏感卫星遥感变量。以2012年试验数据为建模样本,采用线性回归分析方法,分析小麦开花期苗情指标、产量与卫星遥感变量两两之间的相关性,分别构建以遥感植被指数为基础的大田小麦估产模型,与地面实测结果一起建立模型共同分析。以2011年试验数据为验证样本,选取评价指标拟合度(R2)和均方根误差(RMSE),对两类模型的估算精度进行验证和比较,以提高遥感反演的定量化水平和可信度。【结果】分别以差值植被指数(difference vegetation index,DVI)和比值植被指数(ratio vegetation index,RVI)为基础的单因子直接估产模型的均方根误差(root mean square error,RMSE)为918 kg·hm-2和1 399.5 kg·hm-2,以DVI和RVI遥感变量构建双变量估产模型的RMSE为1 036.5 kg·hm-2,以归一化植被指数(normalized difference vegetation index,NDVI)和叶片氮积累量为基础构建的间接估产模型的RMSE为805.5 kg·hm-2,说明开花期HJ-1A/1B影像估算小麦区域产量是可行的,且精度较高;经比较,以NDVI和叶片氮积累量为基础的间接估产模型精度明显高于直接估产模型,相较于DVI直接估产模型RMSE降低了112.5 kg·hm-2,相较于RVI直接估产模型RMSE降低了594 kg·hm-2,相较于双因子模型RMSE降低了231 kg·hm-2。【结论】国产卫星HJ-1A/B可以较好满足估测小麦产量要求,且利用间接方法建立作物遥感估产模型要好于直接方法,研究结果为利用遥感技术更为准确估算大田小麦产量提供了一种新的途径。     

基于高光谱遥感的花生叶片氮积累量监测模型的研究

作物氮素状况是评价长势、提高产量和改善品质的重要指标,因此叶片氮积累量的实时无损估测对作物生产的氮素管理具有重要意义。本研究选用大花生品种丰花1号为试验材料,在大田生产条件下,分析了花生叶片氮积累量与冠层高光谱参数的定量关系。结果表明,叶片氮素含量随生育进程逐渐下降,不同处理之间差异较小;叶片氮素积累量随生育时期推进呈现先升后降的单峰曲线变化趋势,在结荚期达到高峰。花生冠层光谱反射率在740～1 100 nm波段内随叶片氮积累量的增加而增加,叶片氮积累量的敏感波段主要存在于近红外平台和可见光区,其中,"红边"区域表现最为显著。通过微分等技术构造多种植被指数,对高光谱参数和叶片氮积累量进行相关回归分析,红边振幅(Dr)、氮素反射指数(NRI)、归一化植被指数(NDVI)各波段组合平均值及比值植被指数(RVI)与叶片氮积累量关系最密切,方程拟合决定系数分别为0.9194、0.8984、0.8918、0.8899、0.8794、0.8797。经另外一组独立数据的检验表明,对叶片氮积累量的预测以红边位置(REP)和Dr两个参数表现最优,预测的根均方差(RMSE)分别为1.78和1.10,相对误差为5.29%和3.59%。NDVI[Average(1230,1240,1250,1260),640]和土壤调整植被指数(SAVI)两个光谱参数预测的RMSE分别为1.15和1.19,预测相对误差为5.42%和7.41%。比较而言,Dr为自变量建立的模型,可以更好地评估不同条件下叶片氮素积累状况。     

利用Beer-Lambert消光定律遥感反演玉米叶面积指数

利用遥感技术反演大范围玉米叶面积指数,对于田间肥水管理、长势监测乃至产量预测具有重要意义。在野外实测样本的支持下,获取玉米抽雄期的Landsat-8多光谱影像,引进Beer-Lambert定律,利用最小二乘法分析玉米冠层结构的消光系数,构建玉米叶面积指数遥感反演模型,最后采用交叉验证法评价模型精度。结果表明：玉米抽雄期NDVI、LAI呈较明显的正相关关系;基于Beer-Lambert定律的玉米叶面积指数遥感反演模型决定系数可达0.97,LAI空间分布状况与当地农业技术推广部门掌握的玉米实际生长状况基本一致,说明利用Beer-Lambert消光定律方法可以有效地反映玉米群体结构对光照的影响,据此开展玉米叶面积指数遥感反演具有较高的可行性。     

热红外遥感对马尾松林松材线虫病早期响应研究

松材线虫病由于传播速度快、致死率高等特点也被称“松树的癌症”,早期监测非常重要。基于Landsat 8 TIRS热红外遥感数据评估绿色攻击阶段的植被温度的异常变化，并探究其监测潜力。应用2018年江西省吉安市万安县的Landsat 8 TIRS遥感数据，通过单窗算法反演地表温度(LST)。以30个100 m×100 m样地的受害马尾松林的枯梢率为指标，分别开展5月(绿色阶段)、7月(绿色攻击阶段)及11月(红褐色-灰色阶段)3个不同月份的LST与枯梢率(SDR)的相关性分析。对比分析热红外和Sentinel-2光学数据在早期监测能力上的差异。结果表明，1)Landsat 8反演的地表温度LST分布合理，对虫害区域有响应；2)LST与枯梢率在5月(0.01相似文献