基于MODIS NDVI 时间序列的植被覆盖变化特征研究

    为监测浙北地区植被覆盖变化特征,利用离散傅立叶变换技术对MODIS NDVI时间序列数据去云和噪声处理,通过土地利用现状图上提取的地类进行植被分区,研究各个分区的植被覆盖特点;以变化矢量的模衡量植被覆盖变化的强度和稳定性.结果表明,耕地区的植被覆盖变化较大,林地区的植被覆盖变化较小,建筑区的植被覆盖变化居中;受种植差异和时间推移等季相信息的影响,耕地区作物变化矢量的模值亦会增大.研究表明城市化和人类活动对耕地区植被影响较为明显.     

安徽省典型地物NDVI时间序列分析

选取安徽省几种典型地物进行傅立叶分析,结果表明,不同地表类型经过傅立叶变换后,其虚部谱、实部谱以及振幅谱出现极值的位置各不相同。     

基于NDVI数据的华北地区耕地物候空间格局

 【目的】探讨基于多时相遥感信息监测中国华北地区耕地种植制度和物候空间格局特征。【方法】选择NDVI时间序列数据,采用非对称性高斯函数拟合方法重建平滑曲线,依据年内NDVI变化曲线峰值数目监测华北地区耕地的多熟种植制度,并利用动态阈值法获取该种植制度下耕地物候空间格局。【结果】华北地区耕地种植制度以一年两熟为主,其分布具有明显的空间差异性,随着纬度递减呈现出从简单到复杂的总体趋势。在该种植制度下,华北地区耕地第一季作物的生长开始期和生长结束期存在十分明显的空间差异,一年两熟区域的第一季作物生长开始期和生长结束期要明显早于一熟区域。与第一季作物物候期明显的空间差异相比,华北地区耕地第二季作物物候期差异不显著。【结论】华北地区耕地种植制度与物候分布格局和自然地理环境紧密相关,不同区域的温度、降水和光照等气候资源的禀赋和匹配程度对该区域的种植结构和作物布局有很大影响。此外,这种耕地物候空间格局还与作物品质、耕作水平、灌溉、施肥和农药等有密切关系。如何区别生态环境因子和人类活动因子对耕地物候的影响是今后值得深入研究的问题。     

基于MODIS遥感影像辉腾锡勒草原NDVI变化与气象因子相关性研究

研究区16 a间逐月NDVI指数数据呈降低的趋势,相关性分析结果显示与NDVI具有相关性最高的气象因子为月最低气温、月最低地温、月降水量和月平均相对湿度,通过偏相关分析发现,这4个被筛选出的气象因子中,月最低地温与NDVI指数的相关性最高,出现在5月,达0.679,这表明月最低地温对萌芽期植被长势的好坏影响最大,月最低...     

基于影响因素角度和时间序列模型的耕地资源目标预测研究——以山东省安丘市为例

以山东省安丘市为例,在介绍研究区概况的基础上,从耕地资源数量变化、耕地资源结构变化、耕地变化动态的区域差异3个方面分析了安丘市耕地资源动态变化状况,从基于粮食需求的耕地需求预测（人口规模预测、人口粮食占有量、粮食单产预测、复种指数预测）、经济作物生产对耕地需求预测、耕地需求目标3个方面探讨了探讨了影响耕地资源需求目标的因素,采用多项式预测模型和线性预测模型探讨了基于时间序列的耕地资源目标预测,为安丘市规划期内土地利用提供决策依据。结果表明,耕地总量呈逐年增多趋势,人均耕地数量相对稳定;水浇地占耕地比重逐年减少,旱地占耕地比重逐年增多;各乡镇街道耕地动态变化区域差异不大;由于人口数量的不断增加,人均耕地的数量将会面临很大的压力,耕地形势仍然不容乐观。     

基于时间序列MODIS LST产品的重构研究

利用遥感数据可以对地球资源环境进行大面积连续监测,得到更为精确的研究结果,MODIS LST数据因其优化的时空分辨率成为较理想和常用的数据源。同时,遥感数据由于受到云、气溶胶以及传感器角度等影响均存在不同程度的噪声污染、数据缺失等问题。针对该现象,以河南省为研究区域,以MODIS LST数据为研究对象,利用谐波分析方法对河南省2011年全年每天四个时刻的MODIS LST 时间序列数据进行重构。结果表明,利用该方法重构的数据可对MODIS缺值70%以上的影像进行弥补,并且60%以上影像误差可控制在3℃以内,能得到较好的重构结果;同时重构LST数据与相应气温数据相关性大部分在0.8左右,能够较好拟合LST的变化趋势。     

基于MODIS NDVI的冬小麦收获指数遥感提取

为研究利用遥感技术反演冬小麦收获指数,以河北省馆陶县为例,使用2016年、2017年、2018年连续3年冬小麦生长期内的MODIS NDVI时间序列数据,并基于农学观点和冬小麦生理机制,提出了一种构建收获指数（HI）相关参数的新模型HI_MEAN,并与已有相关模型HI_NDVI和HI_NDVI＿SUM进行比较,最后建立了收获指数的预测模型。结果表明,与收获指数参数模型HI_NDVI和HI_NDVI＿SUM相比,模型HI_MEAN的精度最高。进一步反演了2018年河北省馆陶县的冬小麦收获指数,与实测冬小麦收获指数对比,其r²为0.632 9,说明收获指数参数模型HI_MEAN在反演冬小麦收获指数时,理论基础更加合理,同时也具有最高的精度。同时,收获指数参数模型HI_MEAN构建也为后续的以及其他作物收获指数提取研究提供了一种可行的思路。     

基于不同算法的时间序列植被指数去噪效果分析

为了分析和比较不同去噪算法对时间序列植被指数的特点和去噪效果,并确定各自的适用条件和应用时需注意的问题,研究分析了目前常用的去噪算法的基本原理,以时间序列MODIS-NDVI为例,选取一个典型的有农作物覆盖的区域,在MATLAB编程环境下实现不同的去噪算法.结果表明,不同的去噪算法具有不同的去噪效果,在去噪时需要根据所要实现的目的,合理采用具体的算法.     

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。     

太行山区NDVI时空变化及其与气候因子的关系

为明确太行山区长时间尺度植被覆盖度变化规律及其对气候因子的响应机制,采用1998-2018年的SPOT VEGETATION/NDVI卫星遥感数据,通过趋势线分析法、相关系数法与时滞相关分析法等,从时间和空间2个尺度分析太行山区植被生长状况、覆盖变化及其对气温和降水的响应程度。结果表明：1)太行山区总体植被覆盖率较高,77.5%区域面积的NDVI值在0.6～0.8范围内;2)21 a间太行山区NDVI值随时间呈现波浪式显著增加趋势,平均增长速率为0.03/10 a(线性增长率为0.067/10 a),通过0.01的显著性检验;太行山区植被覆盖在空间分布上呈现西北低、东南高,中部区域高低值交叉分布的特点;3)太行山区NDVI与气温在空间上呈现负相关为主,呈负相关面积约占太行山区总面积的54.37%,主要分布在太行山区的中部区域、南部边缘区域以及东北沿线区域;NDVI与降水呈现正相关为主,呈正相关的面积约占太行山区总面积的81.89%,整体上可以概括为从太行山区的西北区域到东南区域相关系数(R)逐渐变小。4)时间尺度上,NDVI与气温和降水均没有明显的相关性,但NDVI与降水的相关系数(R...     

基于Sentinel-2时序NDVI的麦冬识别研究

【目的 】 为掌握四川省重要中草药麦冬的种植面积,开展麦冬遥感识别及空间信息提取研究。 【方法 】 文章以四川省绵阳市三台县麦冬主要种植区为研究区,选取2020年11月至2021年5月共计6期Sentinel-2遥感影像,结合实地调查数据建立麦冬、油菜、小麦3种地类的样本数据集,分析该时期内麦冬、油菜、小麦的NDVI时序差异,基于随机森林算法构建麦冬提取模型。随后选取区分度最大的3期NDVI作为输入变量与以全6期NDVI作为输入变量进行麦冬提取精度对比。 【结果 】 （1） 麦冬与油菜、小麦的NDVI在11月、3月、5月差异较大;（2） 以6期的NDVI作为输入变量的麦冬种植信息提取总体精度为91.92%,Kappa系数为0.892;（3） 以3期的NDVI作为输入变量的麦冬种植信息提取总体精度为90.05%,Kappa系数为0.823 2,分类精度略低于6期NDVI全输入,但基于3期关键节点的NDVI时序数据能较准确提取麦冬种植信息。 【结论 】 该结果可为四川省麦冬遥感识别和种植区变化监测提供参考。     

降雨侵蚀力指数的时间序列分析

本文简要介绍了时间序列分析的数学模型和建模途径,对实际月降雨侵蚀力指数序列进行了平稳性、正态性和周期性检验,在样本相关函数和偏自相关函数计算的基础上,确定出了模型的形式和阶次,并估计出了模型参数值。对所得到的月降雨侵蚀力指数预报方程,用实际值进行了预报检验,其结果表明所建立的预报模型具有较高的精度。     

Multi-time scale analysis of sugarcane within-field variability: improved crop diagnosis using satellite time series?

Within-field spatial variability is related to multiple factors that can be time-independent or time-dependent. In this study, our working hypothesis is that a multi-time scale analysis of the dynamics of spatial patterns can help establish a diagnosis of crop condition. To test this hypothesis, we analyzed the within-field variability of a sugarcane crop at seasonal and annual time scales, and tried to link this variability to environmental (climate, topography, and soil depth) and cropping (harvest date) factors. The analysis was based on a sugarcane field vegetation index (NDVI) time series of fifteen SPOT images acquired in the French West Indies (Guadeloupe) in 2002 and 2003, and on an original classification method that enabled us to focus on crop spatial variability independently of crop growth stages. We showed that at the seasonal scale, the within-field growth pattern depended on the phenological stage of the crop and on cropping operations. At the annual scale, NDVI maps revealed a stable pattern for the two consecutive years at peak vegetation, despite very different rainfall amounts, but with inverse NDVI values. This inversion is linked with the topography and consequently to the plant water status. We conclude that (1) it is necessary to know the crop growing cycle to correctly interpret the spatial pattern, (2) single-date images may be insufficient for the diagnosis of crop condition or for prediction, and (3) the pattern of vigour occurrence within fields can help diagnose growth anomalies.

我国肉类价格的动态关联性分析

为探究我国肉类价格之间的动态关联性,本研究选取肉类月度价格指标,在明确识别序列时序特征的基础上,建立时序动态模型对不同肉类价格之间的相关关系进行了实证分析。研究结果表明,我国肉类价格关联性强,不同产品市场之间存在着长期稳定的均衡关系;整个肉类市场中,猪肉与其他肉类价格的关联最为紧密。在制定相关政策时,需充分考虑肉类价格之间的关联效应,发挥市场的自我调节功能。     

东北粳稻叶片植被指数NDVI与PRI的相关性分析

以东北地区典型地带的粳稻为例,利用植被指数测量仪PlantPen,同时测量了粳稻叶片植被指数NDVI和PRI,并根据粳稻生长发育进程分成了与物候一致的4个生育时期。首先利用二元定距变量相关分析的方法对NDVI和PRI进行相关性分析;然后,分别利用线性回归和Cubic曲线回归建立NDVI拟合PRI的回归模型,并对回归模型进行拟合优度检验和精度验证,同时对线性回归模型与Cubic曲线回归模型的拟合效果和检验结果进行对比分析。结果表明,粳稻叶片植被指数NDVI和PRI在各生育时期均有极显著的相关关系,在粳稻生长发育进程中,相关性越来越高;线性回归模型和Cubic曲线回归模型均能使NDVI较好地拟合PRI,在粳稻生长发育进程中,拟合效果也越来越好;Cubic曲线回归模型在粳稻4个生育期平均相应的指标值判定系数(R²)、均方根误差(RMSE)、绝对百分误差(MAPE)分别为0.8055、0.0358、0.534%,而线性回归模型的相应指标为0.7653、0.0488、1.365%。Cubic曲线回归模型的RMSE和MAPE值较小且R²较大。因此其拟合优度和检验精度均优于单纯的线性回归模型,可作为NDVI反演PRI一种参考模型。     

基于冠层NDVI数据的北方粳稻产量模型研究

以沈阳农业大学试验田为研究区域,将无人机遥感技术与人工结合,采集2015年夏季粳稻生长全过程的冠层NDVI数据。首先,利用二元定距变量相关分析的方法对单天和各旬、各月冠层NDVI与产量进行相关性分析;然后,利用线性回归和Square(或Cubic)曲线分别对相关性较好的单天和各旬与产量建模,并对回归模型进行检验,验证模型精度,同时将效果较好的几个模型进行对比分析。结果表明,单独用一个变量建模,Square(或Cubic)曲线模型优于一次线性回归模型,6月中旬和8月上旬的组合模型是估产最理想的模型,其判定系数(R²)为0.771,相对误差(RE)为4.06%,均方根误差(RMSE)为0.474 t·hm^-2,精度较高,具有可行性,据此确定北方粳稻最佳估产时间是6月中旬的分蘖盛期和8月上旬的抽穗期。     

时间序列分析关键问题研究

简要介绍了时间序列的定义、模型及型态,重点研究了时间序列分析的相关内容,最后对其未来发展方向进行了展望。