基于MODIS/EVI的中国北方地区耕地复种指数提取

复种是区域粮食增产的重要途径之一,也是中国粮食生产中一种重要的耕作模式。该文通过深入分析农作物的农时历和耕地的时间序列植被指数曲线的对应关系,提取了反映作物种植模式的特征时相,并以特征时相的EVI（enhanced vegetation index）值作为特征参量,构建了提取耕地复种指数的决策树方法。该方法仅用了作物生长季中7个时相来提取复种指数,减少了数据使用量,缩短了提取时间,提高了提取效率。最终,采用MODIS（moderate-resolution imaging spectroradiometer）/EVI数据,提取了2005年中国北方15个省市区的耕地复种指数,与之前的研究结果进行比较验证发现该方法具有较高的提取效率和精度。     

基于GF-1/WFVNDVI时间序列数据的作物分类

归一化植被指数(normalized difference vegetation index,NDVI)时间序列已广泛应用于植被信息提取研究,然而目前NDVI时间序列的研究主要集中于中低分辨率遥感影像,从而影响了植被信息提取的精度。随着中国高分专项首颗卫星高分一号(GF-1)的发射,为高分辨率NDVI时间序列的构建提供了可能。该文尝试利用GF-1卫星16 m宽覆盖(wide field of view,WFV)影像,构建16 m分辨率NDVI时间序列,以河北省唐山市南部区域为研究区,开展作物分类研究。该文采用覆盖作物完整生长期的GF-1数据构建NDVI时间序列,避免了利用自然年(1-12月)数据构建NDVI时间序列的不足,有助于作物信息的提取。通过分析样地的NDVI时序曲线,发现GF-1/WFV NDVI时间序列能够清晰地区分不同作物的物候差异,捕捉作物特有的生长特性,而且能够识别研究区当年的作物种植模式。该文分别采用最大似然法、马氏距离、最小距离、神经网络分类、支持向量机(support vector machine,SVM)等分类方法,基于GF-1/WFV NDVI时间序列对研究区作物进行分类,研究结果表明SVM分类方法总体精度最高,达到96.33%。同时该文还采用时间序列谐波分析法(harmonic analysis of time series,HANTS)对NDVI时间序列进行了平滑处理,结果表明处理后的NDVI时间序列能更好地描述作物的物候特性,作物分类精度得到进一步提高。     

基于MODIS NDVI数据的复种指数监测--以环渤海地区为例

复种指数反映了耕地的实际利用强度,提高农田复种指数是区域粮食增产的重要途径之一,因此,监测和分析复种指数在时间和空间上的变化对粮食安全评估、农业发展规划科学决策有重要意义。NDVI的时间序列蕴涵着植被生长的年循环节律,耕地NDVI时间序列曲线的峰值个数和耕地的种植收割次数相对应,因此耕地的复种指数可通过分析NDVI时间序列曲线来获取。本研究以环渤海地区2000—2009年MODISNDVI时间序列数据为数据源,采用邻域比较法提取耕地NDVI年时间序列曲线的峰值频数,进而计算环渤海地区2000—2009年的复种指数,并对复种指数的时空变化及变化原因进行初步分析。结果显示,在环渤海地区,一年两熟的耕种模式主要分布在长城以南,长城以北基本上为一年1熟;环渤海地区各省份中,山东省具有最高的复种指数,辽宁省的复种指数最低;平原地区的复种指数远高于其他地形条件下的复种指数;区域复种指数存在明显的年际变化,主要是受耕地收益和农作物轮作的影响;混合像元的存在会影响复种指数提取结果。     

基于MODIS EVI图像时间序列的冬小麦面积提取

植被指数的时间序列能够很好的反映植被在时间维上的生长变化,这为地表植被的分类以及作物面积的提取提供了思路。将TM数据作为过渡数据,利用地面测量数据间接对MODIS EVI数据进行了样本提取和验证,并结合冬小麦物候信息,将冬小麦植被指数时间曲线参量化为生长速率、衰减速率和峰值与休眠期比值,建立了华北平原冬小麦的面积提取模型。经验证,兖州地区MODIS数据和TM数据提取的冬小麦面积一致性为89.13%,整个华北地区选取13县市的MODIS提取面积与官方统计数据比对,表明有12县市的提取误差小于20%,误差主要源于MODIS的空间分辨率较粗而华北平原的地块较为细碎。     

基于MODIS数据的泰国耕地信息提取

农业是中国和多数东盟国家的基础产业,加深对东盟国家农业生产信息的认识,可以为中国与东盟的农业合作提供科学的决策参考,促进合作的健康发展。该文选取了世界上重要的水稻种植地之一的泰国作为研究对象,应用时间序列MODIS数据以及CBERS-02B数据、实测和统计等辅助数据,进行了泰国耕地信息的提取研究。该文采用的技术流程首先根据时间序列归一化植被指数数据,采用排除法提取出研究区耕地范围;其次采用探测峰值的方法确定农作物的熟制,根据熟制分区进行作物类型识别。结果表明：水稻是泰国主要的农作物类型,集中分布在湄南河流域和呵叻高原地区;旱地作物主要分布在湄南河流域边缘的中高台地地区;一年一熟的种植方式集中分布在东北部的呵叻高原;一年两熟的种植方式集中分布在湄南河流域,又可以划分为水田多熟系统和旱地多熟系统;一年三熟的种植方式也集中分布在湄南河流域地区,种植面积很小且多为水田多熟系统。在精度验证中,将CBERS-02B数据提取结果与MODIS提取结果进行空间比对,二者具有非常相似的空间分布特征。分省统计结果与遥感反演结果也具有较好的相关性。证明了MODIS数据以及该研究采用的方法在耕地信息提取中的有效性,为耕地信息的遥感提取研究提供了参考方法。     

利用Terra/MODIS数据提取冬小麦面积及精度分析

利用遥感技术提取作物播种面积是农情监测研究中一种实用而可行的方法。以河北省藁城市为研究区域,研究利用多时相Terra/MODIS数据提取2004年冬小麦播种面积的技术方法。在分析MODIS波谱特性与冬小麦生物学特征,并考虑了有关植被指数图像对面积提取精度的影响基础上,选择将MODIS数据的Red、Blue、NIR和ESWIR波段作为基础工作波段。利用4种方法提取了2004年藁城市各乡镇的冬小麦播种面积,并利用2004年各乡镇统计数据及土地利用数据进行了精度评价。结果表明：4种方法提取的冬小麦播种面积总体上都与参考值比较吻合,总体误差和平均误差均小于5%。可见,利用Terra/MODIS数据提取冬小麦播种面积是完全可行的。研究还发现,最佳的MODIS数据是冬小麦抽穗期的Red、Blue、NIR、ESWIR波段图像和冬小麦播种期与抽穗期EVI差值图像的组合。     

基于决策树和混合像元分解的江苏省冬小麦种植面积提取

归一化植被指数(normalized difference vegetation index,NDVI)时间序列曲线能提供作物生长动态变化信息,将其应用于农作物种植面积提取具有一定优势。该文以江苏省为研究区域,采用2013年1月1日-2014年12月19日46景250 m空间分辨率的MODIS-NDVI时间序列数据、2014年4月23日的MOD09A1反射率影像及Landsat数据,开展冬小麦种植面积的遥感识别,首先利用MODIS数据建立作物的归一化植被指数时间序列曲线,再采用Savitzky-Golay滤波方法对NDVI时间序列数据进行重构,并基于农作物物候历、种植结构和种植模式等信息,提取研究区域典型地物物候生长期的关键值,在分析冬小麦、林地、水稻物候期(生长期开始时间、生长期结束时间、生长期幅度、生长期长度及生长期的NDVI最大值)变化趋势的基础上,综合比较分析不同地物平滑重构后的NDVI时间序列曲线特征,界定作物种类,确定训练规则,利用快速、高效的决策树方法,通过多阈值限定进行分类,初步提取冬小麦的空间分布范围;但是由于存在混合像元,阈值范围的设定会影响冬小麦种植面积的提取精度,针对此类问题,运用地表反射率影像数据提取冬小麦端元波谱曲线,结合线性光谱混合模型进行混合像元分解,进而根据冬小麦丰度比例精确提取冬小麦种植面积;最后利用统计数据和空间分辨率较高的Landsat TM 8影像数据对提取结果进行县域级验证。精度评价结果表明,研究区域的冬小麦种植面积提取精度达到90%,能够较准确地反映研究区域冬小麦的分布情况,表明运用中高分辨率遥感时间序列影像数据可以准确提取作物种植面积,为农作物种植面积信息提取提供参考。     

湖南省主要森林类型植被指数动态变化分析

植被指数具有明显的季节性,能客观反映植被物候信息.利用湖南省2006年MODIS/NDVI与MODIS/EVI数据,对不同森林类型的NDVI和EVI变化进行了对比与相关性分析.研究表明:(1)常绿针叶林、常绿阔叶林、竹林及灌木林NDVI季节变化不明显,曲线较平;EVI则有明显季节性,表现为钟形曲线.(2)落叶阔叶林的NDVI与EVI变化趋势一致,均呈钟形曲线.EVI能较好地描述各森林类型在不同季节的差异,适宜用作森林类型信息提取的基础数据.     

基于MODIS EVI的冬小麦产量遥感预测研究

Terra-MODIS数据集同时具有归一化植被指数（NDVI）和增强型植被指数（EVI）两种植被指数。为了对比这两种植被指数在农作物估产中的应用效果，该文利用MODIS-NDVI和MODIS-EVI作为遥感特征参量，以对美国冬小麦的长势监测与产量预测为例进行了研究：运用区域作物特定生育期内多年的NDVI和EVI值与作物产量进行相关分析，采用一次线性拟合方法分别建立回归方程，估算当年的农作物产量。结果表明，EVI明显地比NDVI更好地与产量建立回归方程，用EVI建立的回归方程，各州相关系数大多在0．7以上；而用NDVI建立的回归方程，相关性不稳定。因此利用EVI建立的模型对2004年美国冬小麦进行估产，并将预测结果与美国国家统计署6月1号公布的预测结果进行对比，结果发现，美国国家统计署预测单产误差为3．05％，总产误差为-2．56％，而该研究预测结果单产误差为2．62％，总产误差为-1．77％且预测时间比美国国家统计署预测时间提前约半个月。可见EVI可以更有效地进行作物监测及估产，提高预测的准确性。     

综合季相节律和特征光谱的冬小麦种植面积遥感估算

及时准确地获取区域和国家尺度的作物种植面积和空间分布具有重要意义。针对目前中低分辨率遥感数据相结合方法的局限,提出一种新的作物类型识别方法。首先基于MODIS NDVI数据的时间优势,提取研究区各类植被的NDVI时间序列曲线,从而分析冬小麦在季相节律上的识别特征,构建冬小麦识别模型。再将MODIS像元分类处理,纯耕地像元利用冬小麦的季相节律特征识别;耕地与其他植被的混合像元利用混合像元分解的思想提取耕地组分的NDVI时间序列,从而进行识别,进一步根据空间关系将识别结果重新定位到中分辨率尺度上;冬小麦与其他作物的混合像元覆盖区则利用TM遥感影像的光谱差异加以区分。在伊洛河流域主要农业区,以冬小麦为识别对象,结果表明识别精度达到96.3%。该方法为作物种植信息的提取提供了新的解决问题的途径,也对其他类型作物的识别也具有重要的参考价值。     

MODIS与ETM数据在甘蔗长势遥感监测中的应用

广西是主要糖业生产基地之一,甘蔗的长势和产量作为一种基础信息,对于政府决策、糖业企业经营规模和甘蔗种植户田间管理等方面都具有非常重要的参考价值。本文从遥感监测入手,利用MODIS资料,采用归一化植被指数的方法监测甘蔗长势。同时利用ETM资料的高空间分辨率的优势,采用监督分类方法提取相关的地表特征,排除监测区内非甘蔗用地信息的干扰。ETM和MODIS资料的结合提高了甘蔗长势监测的精度,可为甘蔗估产奠定基础。     

利用MODIS遥感数据监测冬小麦种植面积

冬小麦是中国最主要的粮食作物之一，利用遥感技术进行冬小麦种植面积监测是粮食安全的核心内容之一。美国1999年发射的TERRA卫星上携带的中分辨率成像光谱仪（MODIs）具有独特的光谱、时相和空间分辨率，为大范围的冬小麦种植面积监测提供了可靠的数据源。但中国耕地破碎，即使是250m分辨率的MODIS数据，采用传统的信息提取方法依然无法取得高的精度。因此结合多源遥感数据和GIS数据，建立了基于TERRA／MODIS数据的冬小麦种植面积遥感监测体系结构。首先利用IKONOS米级高分辨率遥感影像提取试验样区的地块图，用以指导野外采样工作；其次，在采样工作基础上，利用LANDSAT进行区域冬小麦种植面积提取；最后利用2002年TERRA／MODIS时间序列数据的混合像元线性分解模型进行河南省冬小麦种植面积的遥感监测，监测结果与国家统计数据相比，相对误差为5．25％，精度能满足农情监测的需要。研究结果为中国冬小麦种植面积遥感监测提供了一种业务化工作方法。     

基于MODIS数据和模糊ARTMAP的冬小麦遥感识别方法

针对国家级农情遥感监测与信息服务系统对农作物遥感识别的需求,利用Terra/MODIS数据相对于NOAA/AVHRR数据具有的高光谱和中等空间分辨率的优势,以中国华北地区冬小麦识别为例,采用多时相和波谱分析方法,选取合适波段,构造特征植被指数,建立模糊ARTMAP影像分类模型进行大尺度农作物识别,实现农作物遥感自动识别.用Landsat TM进行局部抽样验证,结果精度可达到85.9%.研究表明,仅利用MODIS自身光谱信息,即可实现作物遥感全覆盖自动识别,并可达到较高精度,与传统方法认为冬小麦遥感识别的最佳时间为处于返青期的3月份相比,在时间上可提前约一个季度,因此可以确实地为农业决策部门提供信息服务.     

基于线性光谱混合模型分解MODIS多光谱影像的研究

为了获取多时相的土地覆盖基础数据以支持区域土壤侵蚀定量评价,基于线性光谱混合模型分解MODIS多光谱影像,并对分解结果进行了定性、定量评价。结果表明,结合像元年内植被指数变化特征,基于线性混合像元分解,可解译出耕地、林地、草地、裸地、水体、居民地等类型。分类结果与2006年TM分类结果的总体一致性为64.46%,Kappa系数为0.519 9,土地覆盖类型分类结果可靠;各类端元估算误差基本小于20%,且与对应TM分类结果具有相关性,总体精度较好;林地端元能够较好地反映植被盖度信息。基于LSMM分解MODIS影像可为区域环境研究提供可靠的土地覆盖类型图和植被覆盖信息。     

MODIS资料在2005年陕西春旱过程监测中的应用

从可业务化的角度,在近年研究开发的NOAA/AVHRR遥感干旱监测业务化模型的基础上,充分考虑引起干旱的水热条件以及土壤覆盖类型等因子,结合陕西的地形、气候、植被覆盖特征,建立了基于MODIS数据的区域性干旱遥感监测的业务化模型和资料处理流程.通过对陕西2005年3-5月发生严重春旱过程的监测,结果表明使用基于MODIS数据的热惯量和植被供水指数两种模型进行区域性遥感干旱监测是可行的,修正后的植被供水指数模型在干旱面积估算精度和图像的可视化效果方面有了明显提高.     

应用MODIS数据监测福州地区土地利用/覆盖变化

应用新一代对地观测卫星EOS的MODIS数据，在地理信息系统的支持下，对2001—2005年福州地区不同地表类型的归一化植被指数年际动态变化进行计算分析，在此基础上开展福州地区土地利用／覆盖变化的监测研究，并初步分析了土地变化的驱动力。结果表明：基于MODIS的归一化植被指数对区域土地利用／覆盖的年际变化反映是敏感的，应用MODIS数据可以监测区域土地利用／覆盖变化的空间分布和面积大小。     

基于MODIS与AVHRR数据的安徽省覆被变化比较

不同季节内绿度值的变化特征代表了地物的生物信息，不同卫星传感器所监测地表信息不可避免存在系统差异，本文以MODIS和AVHRR卫星资料为主要数据源，针对安徽省淮北平原、大别山区，进行MODIS NDVI与AVHRR NDVI数值对比及特点分析。结果表明：相同覆被类型对应的MODIS NDVI与AVHRR NDVI日值之间具有较好的相关性，而且在4km×4km分辨率下，研究区的NDVI相关性均比1km×1km分辨率下高；相同覆被类型特征点对应的MODIS NDVI与AVHRR NDVI月值在年内的变化过程基本一致；不同地表覆被NDVI波形差异明显：典型旱地、水田由于两种作物轮种其NDVI变化曲线为双峰型，山区、果林和城市的NDVI变化曲线为单峰型；不同植被覆被总体的绿度值情况是大别山和皖南两大山区最大，旱地、农田次之，城市最小。     

基于MODIS数据的黄河三角洲区域蒸散发量时空分布特征

充分利用遥感手段的快速、准确、大尺度及可视化等优势,对地球表层水量转化过程中最难估算的分量-蒸散发量进行了估算。针对黄河三角洲地理位置特殊、石油生产基地的经济重要性、生态系统水资源压力日益增大等特点,采用理论基础较坚实、区域应用限制小、反演陆面蒸散发量较为合理准确的SEBS（Surface Energy Balance System）模型,基于MODIS数据估算了黄河三角洲区域陆面蒸散发量,分析了陆面蒸散发量的时空分布特征。研究结果表明：研究区年内陆面蒸散发量呈单峰型分布,季节性变化特征显著;陆面蒸散发量的空间分布在一定程度上受人类活动驱动的土地覆盖影响呈现出南高北低的趋势。水分盈亏分析表明：春季、秋季蒸散发相对较强烈,天然水分供给不足,灌溉需求较高,水资源丰枯状况对农业耕作、生态环境影响较大。     

MODIS数据在土壤侵蚀动态监测中的应用--以湖北省为例

以动态监测湖北省土壤侵蚀为例，采用三要素（即植被覆盖度、地形坡度和土地利用）专家规则模型，应用MODIS遥感影像进行土壤侵蚀强度快速估测。首先，利用MODIS数据和植被指数模型提取省内的植被覆盖度信息；其次，利用人工解译的TM影像获取土地利用图；然后，利用DEM数据生成坡度图；最后，结合土壤侵蚀强度分级指标，将这3图叠加，判断和计算侵蚀强度等级，获得省内土壤侵蚀强度等级图。运用GIS技术，通过对2004年和2005年的土壤侵蚀强度等级图分析比较，从而实现动态监测。