黄河流域主要植被类型NDVI变化规律及其与气象因子的关系

以黄河流域为研究区，通过分析流域内农作物、草地、林地、灌木4种植被类型的NDVI（归一化植被指数）在20世纪80年代初-90年代末的变化规律以及NDVI与降水、温度、API（可利用水指数）的相互关系，研究了流域内植被覆盖度的变化趋势及NDVI对气候因子的敏感性。结果表明，流域内植被覆盖度有增加趋势，生态环境向好的方向发展；6月农作物的NDVI与同期降水呈正相关，说明NDVI对该月的降水变化敏感，较多的降水有利于作物生长；7月降水与8月灌木、草地的NDVI呈显著正相关关系，说明它们之间具有滞后相关，两种植被类型8月NDVI对前一个月的降水量变化敏感；春季植被NDVI与同期温度的正相关关系说明春季NDVI对温度变化敏感，春季较高的温度有利用植被生长；春季NDVI与同期API的负相关关系说明春季温度对作物生长的影响较大。研究结果对进一步了解黄河流域不同植被类型NDVI变化规律及其对气候因子的敏感性具有一定意义。     

矿山恢复治理区植被物候与健康状况遥感监测

矿山恢复治理区植被物候与植被健康状况可以定量评价恢复治理工程实施效果,以往矿山恢复治理遥感监测多侧重于监测植被覆盖变化,忽略了对恢复治理区域植被物候特征和健康状况的评估。该研究使用时间序列哨兵2号影像,基于Savitzky-Golay滤波、动态阈值、曲率曲线等方法,以黑龙江省七台河市一玄武岩采石场及周边区域为例,分别提取了恢复治理区和正常耕作区玉米出苗期、拔节期、抽雄期、成熟期、物候期间隔长度等遥感物候指标,研究恢复治理区和正常耕作区玉米生长状态的差异。同时,提取并对比恢复治理区和正常耕作区植被红边位置指数(REIP)、归一化植被指数(NDVI)、绿色归一化植被指数(GNDVI)、陆地叶绿素指数(MTCI)、特征色素简单比值指数(PSSRA)、倒红边叶绿素指数(IRECI)、改进的叶绿素吸收指数(MCARI)和植被覆盖度(FVC)等遥感指标值,评估各遥感指标区分恢复治理区作物的能力和诊断矿山恢复治理区作物健康程度的可行性和敏感性。结果表明:1)相较正常耕作区,恢复治理区玉米关键物候期推迟,出苗期、拔节期、成熟期分别推迟了5～12、9～12和21～22 d,恢复治理区作物生长状态的差异随着作物生长阶段的推移逐步显现;2)恢复治理区和正常耕作区REIP、NDVI、GNDVI、PSSRA、IRECI和FVC等遥感指数值有明显差异,其中GNDVI指数反映恢复治理区作物的整体光谱特征更稳定,PSSRA指数对于区分恢复治理区和正常耕作区作物光谱特征差异最敏感,这种差异受两区域玉米作物叶绿素含量、叶面积指数和叶片含水量等生理信息差异的综合影响。该研究可为矿山恢复治理效果快速评估提供一种技术思路。     

华北地区植被NDVI与不同气候指标的相关分析

对1982-2006年华北地区归一化植被指数(NDVI)与不同气候指标(年平均气温、年降水量、干燥度指数、生物热量指数和生物干湿度指数)的相关性进行了分析。结果表明,1982-2006年华北地区植被NDVI总体呈现上升趋势,其中农田和灌丛的植被NDVI上升趋势最明显;1982-2006年华北地区年平均气温和生物热量指数呈显著增加趋势,年降水量、干燥度指数和生物干湿度指数呈减少趋势;整体上华北地区植被NDVI年变化与当年的干燥度指数呈极显著负相关,与上一年的年平均气温呈显著正相关关系,其中草地植被NDVI与年均气温、年降水量呈现显著正相关,与干燥度指数呈极显著负相关,农田和灌丛植被NDVI与年均气温显著正相关。此外,华北地区植被NDVI与不同气候指标的相关性存在明显的空间差异。     

棉花生长初期灌溉信息遥感提取与校正

为提高生长初期低覆盖度作物长势的遥感监测精度,需要消除灌溉引起的土壤水分背景变化对归一化差值植被指数(NDVI)的影响。为了实现棉花生长初期灌溉信息提取与校正,提高棉花作物长势监测与产量预判精度,本文以美国加利福尼亚州San Joaquin Valley的2个棉花地块为研究区,选取棉花生长初期灌溉过程中的遥感影像,构建两种灌溉信息提取方法(分阶段阈值法和灌溉线提取法),确定最优灌溉像元提取方法;比较分析灌溉与未灌溉情况下棉花的NDVI与归一化差值水分指数(NDWI)以及土壤调节植被指数的关系,提取含有灌溉信息的像元,并对NDVI进行校正,消除灌溉对NDVI的影响。研究结果表明:在棉花生长初期,灌溉与未灌溉像元NDVI变化率达12%,差异较显著;灌溉与否的棉花NDVI与NDWI间均存在极显著的线性关系,决定系数在0.80以上;利用灌溉线方法提取灌溉信息与分阶段阈值相比精度更高,精度达88%以上;校正后线性回归模型精度达0.95,灌溉校正效果明显,灌溉与未灌溉像元的NDVI差异减小至2%。本研究通过对含有灌溉信息像元NDVI值的校正,去除灌溉对NDVI造成的影响,反映了真实的植被信息,可实现对作物生长初期长势的准确遥感监测,为遥感定量监测提供便利。     

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NDVI与物候修正的大豆长势评价方法

及时、准确的作物长势监测可以为宏观决策和农田生产提供作物生长信息,便于及时采取各种田间管理措施,达到科学管理和作物增产的目的。归一化植被指数(normalized difference vegetation index,NDVI)与植被的叶面积指数(leaf area index,LAI)和叶片叶绿素含量关系极为密切,可以用来评价作物的生长状况。为了降低主观因素及物候差异对大豆长势监测的影响,该研究以黑龙江红星农场主要农作物大豆为例,基于历史NDVI数据建立了该区域大豆长势评价的标准。利用NDVI时间序列拟合法提取大豆关键物候期,结合物候监测结果对大豆长势进行修正,最后利用41个地块的单产数据对长势评价结果进行了验证。物候修正前后长势与单产的一致性分别为58.5%、75.6%,容差为1个等级时分别为87.8%、95.1%,表明历史NDVI对大豆长势评价有一定参考意义,但简单同期对比不能完全反映大豆长势真实情况,物候修正可以进一步改善长势评价效果。研究可以为利用遥感进行大豆长势评价提供参考依据。     

基于多时相遥感植被指数的柑橘果园识别

柑橘普遍种植于中国南方地区，受天气多云多雨、种植类型复杂等因素影响，利用光谱信息直接识别柑橘果园信息存在一定困难。该研究根据柑橘特有的物候特征，提出了"柑橘在其果实生长膨大过程中柑橘果园的植被信息可能减弱"的假设。根据此特征提出柑橘果园信息识别方法，确定关键时间窗口的阈值，并以广西壮族自治区南宁市武鸣区为研究区，开展柑橘果园信息遥感识别实证研究。首先，获取2018年研究区多时相Sentinel-2遥感影像，构建归一化植被指数（Normalized Difference Vegetation Index，NDVI）、绿色归一化植被指数（Green Normalized Difference Vegetation Index，GNDVI）、差值植被指数（Difference Vegetation Index，DVI）和红边波段指数（Sentinel-derived Red-edge Spectral Indices，RESI）等多个植被光谱指数；其次，根据地面样本点信息，对比不同植被类型在不同时期的遥感植被信息差异，进而确定柑橘果园识别的最优特征。研究结果表明，柑橘果园与研究区其他主要作物类型（如甘蔗、香蕉、玉米、水稻等）没有明显的光谱特征差异，但研究区多时相遥感植被指数显示10月的柑橘果园NDVI相比11月出现明显低值0.47，且明显低于其他作物类型；10月的柑橘果园GNDVI也出现了低值0.43，但与其他月份相比差异不明显；而柑橘果园DVI的离散程度低，分离性不强。根据作物物候历，9-10月为柑橘果实迅速膨大期，这验证了该研究提出的科学假设，即该时期柑橘果园的植被信息会减弱。柑橘果实膨大期不同植被指数的离散程度差异明显，NDVI离散程度最高，差异性最强。根据10月柑橘果园NDVI的物候特征，进一步构建归一化指数，通过阈值法识别研究区柑橘果园空间分布，该识别方法的总体精度达到82.75%，优于其他植被指数的识别结果，该研究结果可为柑橘果园信息遥感识别研究提供较好的理论与实践支撑。     

基于MODISNDVI数据的陕甘宁地区植被覆盖时空变化及其对极端气候的响应

干旱、热浪等极端气候事件对植被生态系统有重要的影响。基于MODIS NDVI数据集、日降水、日平均气温以及最高和最低气温数据,辅以Sen趋势分析、相关分析等方法,分析了2000—2014年陕甘宁地区植被覆盖的时空演变及其对极端气候的响应。结果表明:(1)近15年来陕甘宁地区NDVI呈显著增加趋势(p0.01),其增加速率为0.066/10a,就不同的植被类型来看,草地、灌丛、栽培作物、针叶林和阔叶林均呈现显著上升的趋势(p0.01),其上升速率分别为0.06/10a,0.058/10a,0.077/10a,0.039/10a和0.036/10a;(2)空间上,NDVI呈由东南向西北递减的分布格局,显著增加的区域主要位于榆林、延安等生态工程重点建设的区域;(3)就极端气候指数的变化来看,除TXx外,其他极端气候指数的变化均未通过0.05置信水平检验;(4)在月尺度上,NDVI与极端降水指数(RX5day和RX1day)和极端气温指数(TMAXmean,TMINmean,TNx,TNn,TXn和TXx)存在显著相关性;(5)在季节尺度上,春季和秋季植被NDVI与极端气候指数均存在显著的相关性(p0.01),夏季植被NDVI与极端降水指数呈显著正相关(p0.05),冬季植被NDVI与RX5day呈显著负相关(p0.05);(6)滞后性分析表明月NDVI与极端降水指数(RX1day和RX5day)和极端气温指数(TMAXmean和TXx)前1个月的相关性大于当月、前2个月以及前3个月,表明该地区的植被对这些极端气候指数的响应存在一定的滞后性。     

作物长势遥感监测指标的改进与比较分析

为改善归一化植被指数（NDVI）作为遥感监测作物长势指标的性能,该文分析了归一化植被指数的内在设计缺陷,在不增加额外波段的情况下,以近红外波段和红色波段为基础引入一种新的作物长势遥感监测指标——GRNDVI。通过在像素和区域层次上同其他4种指数进行比较发现：GRNDVI能够改善归一化植被指数在低植被覆盖度时期/地区容易受到作物冠层土壤背景的影响,而在高植被覆盖度时期/地区又容易发生饱和现象的设计缺陷,可以作为遥感监测作物长势过程中替代归一化植被指数的指标。     

基于可见光波段无人机遥感的植被信息提取

无人机遥感具有使用成本低、操作简单、获取影像速度快、地面分辨率高等传统遥感无法比拟的优势。该文通过分析仅含红光、绿光和蓝光3个可见光波段的无人机影像中植被与非植被的光谱特性,同时结合健康绿色植被的光谱特征,借鉴归一化植被指数NDVI的构造原理及形式,提出了一种综合利用红、绿、蓝3个可见光波段的归一化植被指数——可见光波段差异植被指数VDVI(visible-band difference vegetation index)。与其他基于可见光波段的植被指数,如过绿指数EXG(excess green)、归一化绿红差值指数NGRDI(normalized green-red difference index)、归一化绿蓝差值指数NGBDI(normalized green-blue difference index)和红绿比值指数RGRI(red-green ratio index)以及仅用绿光波段的提取结果进行对比分析,结果表明:VDVI植被提取精度高于其他可见光波段植被指数,且阈值在0附近,较易确定。为了验证VDVI的适用性与可靠性,选取与试验影像同一时期拍摄但不同区域的另一影像使用同样的方法提取植被信息。结果表明:VDVI对于仅含可见光波段无人机遥感影像的健康绿色植被信息具有较好的提取效果,提取精度可达90%以上,适用于仅含可见光波段无人机遥感影像的健康绿色植被信息提取。     

基于环境减灾卫星时序归一化植被指数的冬小麦产量估测

依托国产环境减灾卫星构建作物归一化植被指数(NDVI)时序曲线,不但能提供与MODIS-NDVI、AVHRR-NDVI几乎相当的作物生长动态变化信息,还能提供更高分辨率的空间信息,将其应用于作物估产应更有优势。该研究以地处鲁西北平原的山东省禹城市为研究区,探讨基于环境减灾卫星影像构建冬小麦NDVI时序曲线,基于曲线特征参数,开展遥感估产的可行性。结果表明,可依赖环境减灾卫星遥感影像,重建冬小麦NDVI时序曲线,求算其生长季最大NDVI、返青期NDVI、生长季累积NDVI、营养生长期NDVI的变化速率、生殖生长期NDVI的变化速率等特征参数,建立可靠的估产模型。所建模型的建模决定系数为0.87,相对误差为5.02%;交叉检验决定系数为0.78,相对误差为6.87%。该研究可为基于遥感的作物估产提供参考。     

高分辨率遥感影像中冬小麦长势空间异质性特征分析

遥感影像可以同时获取地物波谱及空间位置信息,为作物长势的空间变异研究提供新的技术手段,该文利用高空间分辨率遥感影像开展了冬小麦地块内长势空间异质性特征的提取及分析。研究基于小麦挑旗期QuickBird遥感影像,选取不同长势冬小麦地块,计算地块内冬小麦归一化植被指数(normalized difference vegetation index,NDVI)的经验半方差函数,采用最小二乘算法进行模型拟合,得到冬小麦地块NDVI最优半方差模型及参数(基台值、变程、块金值)。结果表明,不同冬小麦地块NDVI经验半方差图呈现明显的有基台模式,冬小麦NDVI表现出明显的带状异向性特征。在垂直及平行垄向上,基台值与地块内NDVI纹理值域范围、纹理方差均极显著正相关(P0.01),且受方向影响不大;变程在垂直垄向上与地块内部作物NDVI均值呈极显著负相关(P0.01),与变异系数及NDVI小于0.40的像元覆盖度极显著正相关(P0.01);块金值垂直垄向上与作物NDVI均值、变异系数、小于0.40的像元覆盖度有极显著关系(P0.01),变程、块金值在平行垄向与各个因子无相关性。该研究为利用遥感影像揭示作物长势的空间变异提供了参考。     

基于HJ时间序列数据的农作物种植面积估算

通过对长时间序列遥感影像的波谱变化特征分析,可以有效地进行农作物种类识别与信息提取,提高农作物种植面积的遥感监测精度。中空间分辨率多光谱遥感影像适合于中国大范围大宗农作物面积监测,也是能够提供稳定时间序列遥感数据源之一。该研究以河北省衡水市为研究区域,采用2011年10月3日-2012年10月24日期间,16景30 m空间分辨率的HJ-1A/B卫星CCD(电荷耦合元件,charge-coupled device)影像月度NDVI(归一化植被指数,normalized difference vegetation index)时间序列数据,针对冬小麦、夏玉米、春玉米、棉花、花生和大豆等主要作物类型,在全生育期波谱特征曲线分析基础上,提取主要作物类型的曲线特征,采用基于NDVI阈值的决策分类技术,进行了农作物种植面积遥感识别,以15个规则的2 km×2 km的地面实测GPS(全球定位系统,global positioning system)样方进行了精度验证。考虑到大豆和花生2种作物的NDVI时间序列特征相似性较高,将这2种作物合并为一类进行分类,并命名为小宗作物。结果表明,冬小麦、夏玉米、春玉米、棉花和小宗作物等5类目标可以有效识别,分类总体精度达到90.9%,制图精度分别为94.7%、94.7%、82.4%、86.9%和81.2%,其他未分类类别精度为85.9%。利用中高分辨率遥感时间序列卫星影像,在大宗农作物时间序列的变化规律分析基础上,可以准确地提取大宗农作物种植面积,在农作物面积资源调查中具有较大的应用潜力。     

基于GF-1卫星遥感的冬小麦面积早期识别

GF-1号卫星是中国高分卫星系列首颗卫星,自2013年04月26日发射以来,提供了大量的2 m/8 m/16 m空间分辨率的卫星数据,成为中国农业遥感监测的主要数据源之一。该文以GF-1卫星携带的16 m空间分辨率的宽视场(wide field view,WFV)传感器为主要数据源,采用2013年10月2日、10月17日、11月7日和12月5日4个时相的数据,以多尺度分割后的对象为基本分类单元,采用分层决策树分类的方法对冬小麦面积进行提取,并利用地面样方数据对分类结果进行了精度验证。结果表明,北京市顺义区冬小麦面积7 095 hm2,分类总体精度达到96.7%,制图精度为90.0%,其他未分类类别精度为97.3%,Kappa系数为0.8。研究区内冬小麦的播种时间可以分为10月1-5日早播、10月6-10日中播、10月11-15日中晚播、10月16-20日晚播等4个时间段,不同播期对应着归一化植被指数(normalized difference vegetation index,NDVI)不同的变化规律,是分层的基础,结合波段反射率、波段反射率和、波段反射率比值等参数的变化规律,通过分层可以有效的剔除草坪、桃树等容易同冬小麦混淆的地物类型,GF-1/WFV提供的多时相遥感数据能够可靠的反映冬小麦发育变化的规律,是冬小麦面积准确提取的基础,在农作物面积遥感监测业务运行中具有较大的开发应用潜力。     

NDVI时序相似性对冬小麦种植面积总量控制的制图精度影响

遥感技术获取的区域作物面积与作物面积统计数据间常常存在不一致的问题,这在一定程度上影响了作物分布遥感制图信息的应用。为获得与作物面积统计数据一致的高精度作物分布遥感制图信息,该研究以河北省衡水市武邑县为研究区,以时序Sentinel-2遥感影像生成的归一化差值植被指数(Normalized Difference Vegetation Index, NDVI)为研究数据,将冬小麦面积目视解译数据作为遥感提取的区域冬小麦面积总量参考,提出基于复合型混合演化算法(Shuffled Complex Evolution-University of Arizona, SCE-UA)和区域作物种植面积总量控制的NDVI时序相似性阈值优化冬小麦分布制图方法,并进行精度验证。在此基础上,进一步开展不同生育阶段NDVI时序相似性及其相似性组合的冬小麦分布提取精度对比研究。结果表明,利用全生育期NDVI时序相似性获得的冬小麦分布制图结果总量精度达99.99%以上,总体精度达98.08%,Kappa系数为0.96,可以保证遥感提取的区域冬小麦面积与冬小麦种植面积总量控制参考间的高度一致性且能获得较高的作物遥感识别精度。从不同生育阶段NDVI时序相似性及其相似性组合的冬小麦分布提取结果可知,利用出苗期-分蘖期、返青期-拔节期的NDVI时序可获得高精度冬小麦分布提取结果,而利用抽穗期-成熟期的NDVI时序数据提取冬小麦结果则精度较低,且综合不同生育阶段NDVI时序数据有利于冬小麦制图精度的提高。该研究可为高精度冬小麦分布提取和制图技术及其方案优化提供一定参考依据,也可为遥感数据和作物面积统计数据融合的大范围农作物分布遥感制图及统计数据空间化提供一定技术方法参考和思路借鉴。     

基于NDVI加权指数的冬小麦种植面积遥感监测

该文针对农业信息服务中冬小麦种植面积调查业务的现状与需求,提出了一种基于NDVI（normal difference vegetation index）时间序列的冬小麦NDVI加权指数（WNDVI,weighted NDVI index）影像算法,可在训练样本、验证样本选择的基础上实现冬小麦面积的自动提取,并以河北省安平县及周边地区2013－2014年度冬小麦面积提取为例,采用GF-1/WFV（wide field view）数据进行了算法实现。算法的主要思路是在时序影像基础上,通过冬小麦NDVI加权指数影像的构建,扩大冬小麦地类与其他地类的差异,结合自适应的阈值获取方法,区分冬小麦地类,获取冬小麦作物面积。算法包括冬小麦时间序列影像的获取、基于网格的样本点设置、构建冬小麦 NDVI 加权指数影像、迭代确定冬小麦NDVI加权指数提取阈值、精度验证这5个部分。影像的获取根据冬小麦的生长时间确定,保证每月1景GF-1/WFV无云影像,并进行预处理及NDVI计算;同时将研究区划分为一定数量的网格,每个网格再等分为2×2个子网格,根据目视解译、专家知识、实地调查等方法,确定左上网格中心点及右下网格中心点的地物类型。统计该期所有左上网格点冬小麦及其他地物的NDVI均值,冬小麦NDVI大于其他地物的将该期影像的权值设置为1,否则设置为?1,将所有时相NDVI影像进行加权平均,即可获取冬小麦NDVI加权指数影像。获取冬小麦NDVI加权指数影像后,还需设置合适的阈值提取冬小麦。该文选用右下网格点目视解译分类结果作为阈值提取依据,具体方法是将冬小麦指数从小到大按照一定间隔划分,作为冬小麦 NDVI 加权指数提取阈值,将各阈值二值法运用,与右下网格点的冬小麦提取的目视解译结果对比,精度最高的就是最优冬小麦 NDVI 加权指数分割阈值。在所有网格中,以初始识别获取的冬小麦面积为准,等概率选择10个样方作为精度验证样方进行验证。精度验证结果表明分类总体精度达到94.4%,Kappa系数达0.88。该文通过构建冬小麦NDVI加权指数,将比较复杂的多个参数转换为一个参数,并且农学意义明确,相比传统的NDVI时序影像进行冬小麦面积的提取,具有自动化程度高、面积提取精度高、分类结果稳定的特点,已经在全国农作物面积遥感监测业务中进行了应用。     

基于变化向量分析的冬小麦长势变化监测研究

现有的农作物长势遥感监测的基本思路是利用NDVI曲线形态变化与作物苗情变化的响应关系,提取特征参数,推测作物的生长发育状况.但由于表征NDVI时间序列曲线的特征参数较多,难以对所有特征参数进行全面变化分析.本研究引进变化向量分析理论,以东部五省冬小麦为研究对象,以1999-2005年SPOT-VGT的旬最大合成NDVI数据为主要数据源,采用Savizky-Golay滤波器重构NDVI时间序列,进而构建基于变化向量分析的长势监测模型,分别对研究区的年际与年内长势变化进行时间和空间上的定量分析.研究表明,变化向量分析方法能有效地从空间域和时间域反映东部五省冬小麦长势变化规律,以单一综合性指标综合了NDVI时间序列曲线的大多数特征参数,为农作物长势遥感监测提供了一种新的研究思路.     

基于MODIS和SEBAL模型的黄淮海平原冬小麦水分生产力研究

以2011年1月-2012年12月MODIS多时相遥感影像产品、气象数据和作物生育期为基础,借助SEBAL模型估算了黄淮海平原冬小麦实际蒸散量(ETa);通过MODIS NDVI光谱曲线特征与冬小麦单产数据的耦合,将县域尺度作物单产"降尺度"至基于像元的产量栅格图,实现冬小麦产量栅格化。在完成作物实际蒸散量模拟和产量栅格化的基础上,对黄淮海平原冬小麦水分生产力进行估算。结果表明,冬小麦水分生产力区域平均值为1.21kg·m~(-3),高值区主要位于北京、天津、山东北部和河北南部地区。在环渤海山东半岛滨海外向型二熟农渔区(一区)、海河低平原缺水水浇地二熟兼旱地一熟区(三区)和黄淮平原南阳盆地水浇地旱地二熟区(五区)冬小麦产量与水分生产力呈显著正相关,说明随着冬小麦产量的增加,其水分生产力增加;在燕山太行山山前平原水浇地二熟区(二区)冬小麦水分生产力与实际蒸散量呈极显著负相关(P0.01),与产量呈极显著正相关(P0.01),表明水分生产力将随着实际蒸散量的减少和产量的增加而增大,同时产量增加对水分生产力提高的贡献大于实际蒸散量的减少;在江淮平原丘陵麦稻两熟区(六区)冬小麦水分生产力与实际蒸散量呈显著负相关,与产量相关关系不明显,说明在黄淮海平原南部水分生产力的提高主要依靠实际蒸散量的减少。     

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。