MODIS/NDVI和MODIS/EVI在耕地信息提取中的应用及对比分析

MODIS植被指数数据是区域土地利用信息提取的重要数据源.为了对比MODIS两种主要植被指数(NDIV、EVI)在耕地信息提取中的应用,采用通过时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS),对2006年全年MODIS 16天250m的NDVI和EVI时间谱数据进行了重构,从而进行了河西走廊绿洲中东部样区一系列耕地信息的提取实验,包括耕地、休耕地识别以及耕地复种指数、作物种类提取.在此基础上,对MODIS的NDVI与EVI数据的应用进行了对比分析.结果显示:(1)利用傅立叶谐波变换得到的EVI和NDVI时间谱曲线的谐波余项及谐波振幅对耕地进行识别,从识别精度来看,EVI要优于NDVI,识别精度分别为97.17%和95.99%,Kappa系数分别达到0.7938和0.6518;(2)通过计算时间序列曲线的波峰数能够提取耕地的复种指数,并且在EVI和NDVI曲线波峰阈值分别设为0.20和0.25时,休耕地能较为准确地被识别出来;(3)通过提取作物生长期内曲线的Ⅵ最大增长速率时间点以及峰值时间点等信息,作物种类能被初步识别,并且EVI较NDVI具有更强的识别能力.     

2000—2020年环渤海地区植被NDVI时空演变及其与人口密度的相关性

[目的]分析2000—2020年环渤海地区植被NDVI时空演变特征和人口密度变化的冷热点变迁格局,探究环渤海地区植被NDVI对人口密度变化的响应特征,揭示环渤海地区植被NDVI和人口密度重心的迁移轨迹,为该地区植被监测和管理,以及生态环境保护提供理论依据。[方法]以2000—2020年MODIS NDVI和Population Density时间序列为数据源,采用Theil-Sen Median趋势分析、Mann-Kendall显著性检验、格兰杰因果关系检验、Getis-Ord G~*_i分析和重心转移模型等方法。[结果](1)2000—2020年环渤海地区植被NDVI整体呈上升趋势,上升斜率为0.022/10 a,且植被NDVI上升区域面积远大于下降区域面积。2000—2010年植被NDVI上升速率明显高于2010—2020年植被NDVI上升速率。(2)2000—2020年环渤海地区人口密度变化热点区和冷点区所占比例分别为11.26%和46.84%,人口密度变化以冷点区为主,冷点区主要呈条带状从环渤海地区东北部延伸至西北部,以及山东省东南部部分地区。(3)环渤海地...     

基于小波变换的华北平原耕地复种指数提取

该文以中国华北平原为研究区域,提出了基于小波变换的耕地复种指数遥感提取方法。首先,利用小波变换对2007年36景SPOT VGT/NDVI（SPOT VEGETATIONVGT数据归一化植被指数）遥感数据进行去噪处理,重建耕地农作物生长NDVI（归一化植被指数）曲线;然后,结合地面样点数据、农时数据和农业统计数据,采用二次差分法提取了华北平原2007年耕地复种指数和空间分布特征。研究结果表明,华北平原5省市耕地复种空间分布存在明显的地域特性,河南省耕地复种指数最大,达到179.4%,山东省次之,北京市最小。该研究结果与统计数据和其他遥感监测比较结果表明,基于小波变换去噪时序遥感数据提取耕地复种指数的技术方法与统计数据和其他遥感监测结果总体上具有较好的一致性,复种指数空间分布变化趋同。     

Spatial and temporal changes of multiple cropping index in 1995-2010 in Taihu Lake basin, China

为了重建太湖流域1995－2010年耕地复种指数时空变化过程,结合1995年NOAA-AVHRR的旬NDVI数据、2000－2010年250 m 16 d合成的MODIS-NDVI数据和4期土地利用数据,利用傅里叶变换技术的HANTS方法重建农作物生长NDVI曲线,结合差分算法提取各时相复种指数。结果表明：太湖流域1995－2010年复种指数时空格局呈现以一年两熟为主,但一年一熟比例呈持续增长趋势,复种指数局部格局变化主要集中分布在上海市和浙江省;太湖流域复种指数呈北高南低的空间格局,1995－2010年总体呈较明显的下降趋势,从1995年189.4%持续下降到2010年167.3%,降幅从大到小依次为浙江省、上海市和江苏省;基于遥感和HANTS方法提取太湖流域复种指数在栅格尺度上精度达94.6%;受计算范畴差异及遥感数据空间分辨率影响,在县市行政区划单元尺度上,遥感方法与统计数据计算的复种指数平均误差约15.8%～21.6%。研究结果可为太湖流域农业政策制定及管理提供科学依据。     

太湖流域1995－2010年耕地复种指数时空变化遥感分析

为了重建太湖流域1995-2010年耕地复种指数时空变化过程,结合1995年NOAA-AVHRR的旬NDVI数据、2000-2010年250m16d合成的MODIS-NDVI数据和4期土地利用数据,利用傅里叶变换技术的HANTS方法重建农作物生长NDVI曲线,结合差分算法提取各时相复种指数。结果表明:太湖流域1995-2010年复种指数时空格局呈现以一年两熟为主,但一年一熟比例呈持续增长趋势,复种指数局部格局变化主要集中分布在上海市和浙江省;太湖流域复种指数呈北高南低的空间格局,1995-2010年总体呈较明显的下降趋势,从1995年189.4%持续下降到2010年167.3%,降幅从大到小依次为浙江省、上海市和江苏省;基于遥感和HANTS方法提取太湖流域复种指数在栅格尺度上精度达94.6%;受计算范畴差异及遥感数据空间分辨率影响,在县市行政区划单元尺度上,遥感方法与统计数据计算的复种指数平均误差约15.8%～21.6%。研究结果可为太湖流域农业政策制定及管理提供科学依据。     

2000—2016年四川省耕地种植指数时空变化及其自然潜力分析

种植指数是反映耕地利用强度的基础性指标,明确其空间格局、时间演变是合理制定农业决策的基础。本文以四川省2000-2016年MODIS-NDVI长时间序列数据为数据源,通过提取耕地NDVI时序曲线峰值频数,进而提取四川省2000-2016年耕地种植指数,分析其时空格局及演变,并结合积温-降水模型对区域耕地潜力种植指数分布进行了分析,为明确四川省耕地种植指数时空特征及演变和引导耕地合理集约利用提供科学依据。结果显示：研究时段内,一年1熟一直是四川省主要的熟制制度,其面积占耕地面积比达78.05%,主要分布在川西北高原区、川东北和川南的低山丘陵区以及攀西河谷区;一年2熟/3熟制主要分布在成都市及其周边地区,空间分布上呈现由成都市及其周边地区向四周下降的态势。可提升潜力种植指数（PMCI_p）方面,省内89.7%的耕地仍具有较高的可提升潜力;成都市及其周边地区可提升潜力较低（PMCI_p<50%）,且实际种植指数年际变化剧烈（标准差>60%）;川东北和川南地区可提升潜力种植指数在50%以上,面积占耕地面积比达65.6%,是未来耕地种植潜力挖掘的理想区域;川西北高原区、攀西河谷区和川东北大巴山中山区为过度耕作的主要分布区（PMCI_p<0）,面积占耕地面积10.3%,是未来农业生态退耕的重点区域。本文结合农作物节律性,利用长时间序列的遥感数据反演,实现对区域耕地种植指数的动态监测,并分析区域耕地种植指数的潜力及可提升潜力的空间格局,为区域农业政策制定提供有益参考。     

青岛市近10年来耕地变化及其驱动力分析

利用耕地利用动态度和区域差异指数、环境—收入理论关系曲线及经济理论、灰色关联度分析、主成分分析、多元回归分析对2000-2009年间青岛市耕地的变化特点和驱动因子统计分析与比较.结果表明:耕地面积变化速度由强烈(2000-2003年动态度0.106)变为缓慢(2006-2009年动态度0.014);主要驱动因子为人口城市化、经济建设和产业结构.青岛市耕地变化的区域差异和阶段性特征显著;受经济发展的惯性影响,耕地阶段性变化的时间相对于类比性的工业化阶段性变化的时间要滞后1～2 a;耕地变化与人均GDP的关系呈倒N型曲线;产业结构和人口城市化分别是耕地面积变化的直接与深层次的影响因素.     

利用STARFM模型提高复杂地表下复种指数遥感提取精度

复种指数是表征耕地利用程度的重要参数。然而，传统方法存在对影像获取条件要求较高，或在地表复杂区域提取精度较低等问题。高时空分辨率数据融合算法（如Spatial and Temporal Adaptive Reflectance Fusion Model, STARFM）能有效地结合不同数据的优势，有望被应用于提高复杂地表区域复种指数的提取精度。该研究以Landsat TM（Thematic Mapper）及MODIS（Moderate-resolution Imaging Spectroradiometer）为数据源，基于STARFM模型，构建了川东丘陵某区域内2010－2011年的Landsat-like 时序NDVI（Normalized Difference Vegetation Index）数据集，进而提取了该区域2010年冬季作物种植区及盐亭县2011年耕地复种指数的空间分布情况。利用目视解译样点（1509个）验证及多尺度（30～4 000 m）验证方法，对不同方法提取的2010年冬季作物种植区进行了对比分析。结果表明：1）在30m空间尺度上，基于Landsat影像分类法的总体验证精度为89.73%，高于基于Landsat-like时序NDVI峰值法的54.94%；2）在250～4 000 m空间尺度上，基于Landsat-like时序NDVI峰值法的总体验证精度比基于MODIS时序NDVI峰值法高3%～7%。利用统计年鉴及调查样点（73个）数据，对基于新方法提取的盐亭县2011年耕地复种指数结果进行了验证，在县域尺度上其与统计数据非常接近；其与调查样点的总体验证精度达到73.97%。综上，基于数据融合算法提高数据源空间分辨率的方式，不仅能够提高复杂地表复种指数结果的空间精细程度和提取精度，而且在实际应用中也有很好的实用性。     

气候变化下珠穆朗玛峰自然保护区南北坡植被变化差异

在全球气候变化背景下,为探究珠穆朗玛峰自然保护区南北坡植被变化差异,采用样方调查数据,MODIS/NDVI数据和气候数据,基于TS趋势分析和偏相关分析研究了珠峰保护区2000—2018年南北坡植被变化及其对气候变化的响应,并预测了其未来植被变化。结果表明：(1)总体上,保护区植被NDVI在2000—2009年呈下降趋势,2009—2018年呈上升趋势,且年内NDVI与温度相关性强于降水。(2)南坡地区NDVI值大于0.6且变化稳定,主要分布着喜马拉雅冷杉(Abies spectabilis)等高大乔木;北坡地区NDVI值小于0.4且易波动,主要分布着苔草(Artemisia younghusbandii)等灌草丛。(3)南坡地区NDVI在整个2000—2018年均呈轻微上升趋势;北坡地区NDVI在2000—2009年下降,在2009—2018年上升,且Hurst指数预测未来NDVI变化不稳定,大部分区域可能会出现下降趋势。(4)南坡地区NDVI与气候因子相关性弱,北坡地区NDVI与温度呈负相关,与降水呈正相关;北坡定日和定结县居民地附近区域植被对人类活动较为敏感。研究为当地可持续发展和...     

三江平原耕地归一化植被指数对气候因子的时滞响应

三江平原位于我国中温带北段,近年来气候变暖和耕地利用变化较为显著。基于2000—2015年三江平原耕作期(5—9月)耕地利用数据、旬气候数据、旬归一化植被指数(NDVI)数据,利用变异系数、趋势系数以及时滞互相关的研究方法在分析气候因子时间变化特征和耕地NDVI空间变化差异的基础上,分析区域旬气候因子对耕地旬NDVI的时滞影响情况。研究发现:(1)三江平原耕作期气温年际变化较降水量变化更加稳定,在月际变化上更显规律性。(2)耕地NDVI年际稳定,9月植被覆盖度最大;16年的变化在空间差异上呈现以西部区域为代表的低值-不稳定-增加趋势区域以及东部为代表的高值-稳定-减少趋势区域的二元模式。(3)区域气温对耕地NDVI的影响程度大于降水对其的影响,大多数县域耕地NDVI对气温的响应时间大于对降水的响应时间。(4)气温对区域水田NDVI的影响较大;旱地NDVI对区域气候因子的响应时间大于水田的响应时间。研究结果可为指导区域应对气候变化的耕作生产、保障粮食安全等提供依据。     

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。     

基于改进最大值法合成NDVI的夏玉米物候期遥感监测

利用遥感技术监测农作物物候期,能够及时有效地评估作物生长趋势、提高农情信息化管理水平。本研究利用2016年MODIS 8天合成数据,提出改进的最大值合成法,结合S-G滤波和Logistic函数拟合重构夏玉米生长曲线,最后利用曲率法提取夏玉米的拔节期和成熟期,利用动态阈值法提取夏玉米的出苗期和抽雄期。结果表明:采用本文提取的夏玉米物候期与实测物候期相比,平均误差为2.76 d,其中在抽雄期的绝对误差为1.06 d,运用改进的最大值合成提取作物NDVI时序数据可有效去除连续云雾对植被指数的影响,提高监测作物物候期的准确性,为精准农业提供技术支撑。     

基于多源遥感数据融合和LSTM算法的作物分类研究

准确、及时地获取农作物的空间分布信息,对于指导农业生产、制定农业政策具有重要意义。为了检验长短时记忆网络(long short-term memory,LSTM)算法在基于时序遥感数据进行作物分类中的优势,该文以临汾盆地为研究区域,利用Savitzky-Golay滤波对MODIS NDVI进行平滑处理,并采用ESTARFM(enhanced spatial and temporal adaptive reflectance fusion model)算法对滤波后的MODIS NDVI和Landsat NDVI进行融合,生成空间分辨率为30 m、时间分辨率为8天的时序NDVI。基于Landsat NDVI利用LSTM算法进行作物分类,同时,基于融合NDVI分别利用LSTM算法和神经网络(neuralnetwork,NN)算法进行作物分类,并对比3种方法的分类精度。结果表明,Savitzky-Golay滤波后的时序MODISNDVI能够反映不同作物的物候特征;基于融合NDVI的分类精度明显高于基于LandsatNDVI的分类精度,表明融合后的时序NDVI由于具有更高的时间分辨率,能够更加突出不同作物的物候特征,显著提高作物分类精度;基于融合NDVI和LSTM算法的分类精度高于基于融合NDVI和NN算法的分类精度,前者的冬小麦面积估测精度高于后者的估测精度,表明LSTM算法的分类精度高于NN算法。该文可为基于遥感影像进行不同作物种植区域提取的研究提供重要的方法参考。     

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。     

基于遥感时序物候特征的耕地非粮化多模式监测方法

耕地非粮化对粮食生产和农业可持续发展构成潜在威胁，精准监测不同的耕地非粮化类型对制定针对性的农业管理政策至关重要。该研究以河北省石家庄市藁城区为研究区，首先采用最大类间方差算法（OTSU）提取果园和耕地范围，然后利用Google Earth Engine（GEE）云计算平台构建了基于Sentinel-2遥感数据的特征集，包括光谱特征、物候特征和NDVI（normalized difference vegetation index）时序特征。结合面向对象分割和随机森林（radom forest, RF）、时间加权的动态时间规整（time-weighted dynamic time warping, TW-DTW）算法，构建了4种不同的分类模式用于提取粮食作物和露天蔬菜、大棚种植等非粮食作物。通过选择最优模式，提取了研究区2019-2022年间不同非粮化类型的空间分布信息，并探讨了不同模式的优点和局限性。结果表明：1） 采用面向对象的机器学习模式进行耕地内作物分类的精度最佳，两个生长季内总体精度分别达到93.23%和90.10%，Kappa系数分别达到0.91和0.88；2） 基于时间序列匹配的模式在区分粮食作物和其他地类方面表现出较高的准确性，冬小麦、玉米和大豆的用户精度分别高于95.60%、74.70%、82.70%，制图精度分别高于97.70%、86.40%、93.10%；3） 利用面向对象的机器学习模式进行耕地非粮化信息提取，在两个作物生长季的总体精度为87.00%和81.00%。分析耕地非粮化结果发现，藁城区2019-2022年的年际性非粮化面积为2753.09 hm2，其中果园占比最高；而季节性非粮化结果显示，秋粮非粮化面积（3174.86 hm2）明显高于夏粮非粮化面积（1060.27 hm2）。该研究利用Sentinel-2时序遥感数据，为一年两熟区耕地非粮化监测提供一种新的思路，可以为制定差异化农业管理政策提供依据。     

基于时序Landsat遥感数据的新疆开孔河流域农作物类型识别

快速、准确地获取农作物类别信息对农业部门的生产管理、政策制定具有重要作用。目前基于时间序列数据进行农作物分类主要是采用长时间序列的中低分辨率影像,大量的混合像元限制了农作物的分类精度。在农作物分类的特征选择方面主要是采用归一化植被指数(normalized differential vegetation index, NDVI),而其他特征量的应用还相对较少。该文以新疆开孔河农业区为研究区域,利用2016年的Landsat7 ETM+、Landsat8 OLI影像数据集,基于时间加权的动态时间规整(time weighted dynamic time warping,TWDTW)方法开展农作物类型识别研究,主要包括香梨、小麦、辣椒、棉花等。根据野外采集的样本点构建主要农作物的NDVI和第一主成分(principal component analysis 1,PCA1)时间序列,以反映不同农作物间的物候差异。基于NDVI数据分别利用DTW和TWDTW算法计算各未知像元序列与标准序列间的相似性程度,得到农作物的分类结果,2种方法的分类精度分别为65.69%、82.68%,表明时间权重的加入提高了DTW算法识别不同农作物的能力。结合NDVI与PCA1后,TWDTW的分类精度又提高了2.61个百分点,部分农作物的误分现象明显减少,说明PCA1能够进一步扩大作物间的差异性,提高分类精度。同时,还通过选取有限时相的影像组合进行分类,试验结果表明TWDTW算法在中高分辨率数据较少的情况下能够得到较为满意的分类结果,说明TWDTW算法在中高分辨率影像越来越丰富的时代具有应用潜力。     

中低分辨率小波融合的玉米种植面积遥感估算

采用中分辨率与低分辨率数据相结合的遥感估算方法是获取大范围作物种植面积的主要趋势之一。在MODIS时序影像和TM影像支持下,采用小波变换融合方法获取30m分辨率的NDVI时间序列信息,构建主要秋季作物的NDVI标准生长曲线,以最小距离分类器进行分层分类,获得河南原阳县玉米种植面积总量信息和空间分布,并以野外实测地块样本进行精度评价。由于充分利用MODIS影像的时间序列优势和TM影像的空间分辨率优势,通过秋季作物之间的物候差异,有效地区分出各种秋季作物的空间分布,基于融合NDVI时间序列信息玉米种植面积遥感估算的位置和面积精度分别达到79%和89%,远高于常规的监督分类,为大范围玉米种植面积遥感估算提供了一种可行的方法。     

河套灌区沈乌灌域GF-1/WFV遥感耕地提取

为提高基于遥感影像的灌区耕地自动快速提取,该文针对河套灌区沈乌灌域种植结构特点,利用实地调查结果、Google earth和GF1-WFV遥感影像构建了研究区主要作物及土地利用类型的NDVI时间序列,并利用HANTS滤波法对NDVI时间序列进行了平滑处理。分别采用基于遥感与Google earth的目视解译、监督分类(支持向量机)、基于NDVI时间序列的决策树分类与监督分类相结合的方法、基于HANTS滤波法平滑处理后的NDVI时间序列决策树分类与监督分类相结合的方法对灌区耕地进行提取。利用基于Google earth与目视解译的10 000个随机验证点以及正确率(用户精度)、完整率(生产者精度)和整体精度(提取耕地面积与实际面积的比值)3个指标对提取结果进行了评价。验证结果表明:监督分类(支持向量机)提取结果的正确率、完整率和总体精度仅为84.82%、64.4%和75.68%;基于NDVI时间序列的决策树分类与监督分类相结合的方法提取精度分别为94.28%、84.21%和89.1%;基于HANTS滤波法平滑处理后的NDVI时间序列决策树分类与监督分类相结合的方法提取精度进一步提高,3个指标分别达到94.47%、87.32%和92.24%。在作物种类繁多的大型灌区,时空分辨率优异的GF1-WFV数据在耕地面积提取上具有很强的实用性;结合作物生长规律与遥感信息的联合方法能够有效提高耕地面积的提取精度。     

东北地区主要作物种植结构遥感提取及长势监测

以中国东北地区为研究区域,探讨基于遥感影像全覆盖的大尺度作物种植结构自动提取及长势遥感监测的技术方法。通过分析东北地区春玉米、春小麦、一季稻及大豆等主要作物时序光谱特征,确定不同作物种植结构遥感提取的阈值,建立基于MODIS NDVI数据的上述4种作物种植结构提取模型,获取2009年东北地区主要作物空间种植结构格局特征。其次,基于MODISNDVI数据,利用差值模型,通过与近5 a作物长势的平均状况进行对比,分析研究东北地区2009年4种作物的长势状况。结果显示,与多年平均统计数据比较,基于遥感提取的作物种植结构信息,总体精度达到了87%以上;不同作物长势在其整个生育期内在时间和空间分布上都有较大差异。研究表明,通过MODIS数据提取不同作物种植结构及进行大尺度作物长势监测的技术和方法是可行的,研究为中国农业遥感监测系统大尺度业务化运行的作物种植结构提取提供了有效方法。     

基于S G滤波的陕西关中地区冬小麦生育期遥感识别和长势监测

采用SPOT VGT S10产品数据,通过S G滤波处理,重构NDVI时间序列,分析陕西关中地区冬小麦返青期和抽穗期在遥感影像上NDVI时序曲线变化特征,对冬小麦的返青期和抽穗期进行遥感识别。通过与站点观测的生育期数据比较,遥感识别的均方根误差大部分在±20d之内,返青期均方根误差（RMSE）为14.29d,抽穗期RMSE为9.16d,表明基于SPOT VGT数据对关中地区冬小麦返青期和抽穗期进行遥感识别是可行的。采用差值模型基于环境减灾小卫星（HJ星）数据进行渭南市2012年冬小麦抽穗期长势监测研究,结果显示大部分地区2012年冬小麦长势稍好于2011年,经与实地调查资料比较,监测结果与实际情况基本一致。采用HJ星数据进行冬小麦长势监测,结果纹理清晰,且以同源数据提取的冬小麦种植面积作为掩膜剔除非麦区域,降低了重采样带来的误差,用其进行长势监测研究具有明显优势。