多种时序NDVI重建方法比较与应用分析

【目的】NDVI时序数列能够模拟植物的生长过程,反映其生长状况。目前重建NDVI时序数列的方法有很多,由于模型和参数的不同导致结果存在不确定性以及偏差。本研究旨在对比3种模型（Whittaker平滑、HANTS和Savitzky-Golay滤波）在物候提取和复种指数提取中的应用,以探讨各模型的优缺点。【方法】采用16 d间隔的MODIS MOD13Q1 2000-2012年陕西地区影像,利用3种模型拟合重建NDVI时序数列。首先,将研究区划分为3个气候区,每区分别选择林地和耕地两个采样点,视觉比较各采样点3种模型拟合效果。其次,通过均方根误差、相关系数和信噪比对比各模型拟合精度,并探讨不同植被类型之间拟合精度的差异。然后,采用动态阈值法提取13年植被物候参数（生长开始日期SOS、生长结束日期EOS、生长周期LOS）,对比模型提取不同植被类型物候参数均值和标准差的差异。最后,利用二次差分算法和提取规则获取陕西13年复种指数,对比3种模型提取和统计年鉴计算复种指数之间的差异。【结果】Savitzky-Golay滤波拟合精度较高,复种指数提取精度较高,但是提取物候参数方面存在较大误差;HANTS提取物候参数效果较好,但参数设置复杂以及精度较差;Whittaker平滑参数设置简单,能有效降低原始影像的信噪比,在精度和物候参数提取均表现良好;均方根误差和相关系数作为精度检验的标准,二者存在负相关,相关系数比均方根误差更灵敏。【结论】Whittaker平滑能够很好地平衡NDVI时序数列的保真度和粗糙度,在提取物候参数方面表现良好,在提取复种指数方面还有待进一步研究。     

小兴安岭森林植被物候对气候变化的响应

【目的】采用遥感提取植被物候的方法，以小兴安岭为研究区，构建森林植被物候时空变化，分析森林植被物候变化对气候变化的响应。【方法】基于GIMMS NDVI 3g影像，运用一元六次多项式拟合植被生长曲线，并结合逐像元动态阈值法提取小兴安岭1982-2015年森林植被生长开始期(SOS)、生长结束期(EOS)和生长季长度(LOS)共3种物候参数；利用ArcGIS软件，将气温、降水以及日照时数数据与植被物候参数逐像元分析，得到物候参数与气象因子偏相关系数的空间分布特征。【结果】(1)植被物候多年平均值空间分布特征呈现由西北向东南方向，植被SOS逐渐提前，植被EOS逐渐推迟，植被LOS逐渐延长的规律。(2)小兴安岭森林植被SOS集中在日序第112.1～128.3天，年际变化在1998年前后出现转折，1998年前呈显著提前趋势(R²=0.284,P=0.028),1998年后呈不显著推迟趋势(R²=0.002,P=0.86)，导致整个时间段(1982-2015年)变化不显著，变化幅度为每10年提前0.12 d(R²=0.001,P=...     

基于时序PolSAR影像与决策树模型的油菜物候期识别

作物物候期识别是农情遥感监测的重要内容,及时准确识别作物物候期,对有效评估作物生长趋势、提高农情信息化管理水平有重要意义。提出了基于时间序列全极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)数据结合决策树模型的油菜物候期识别方法。首先,采用3种极化分解方法提取PolSAR极化参数,并分析各极化参数对油菜物候期的动态响应规律;其次,基于各极化分解方法提取的参数建立决策树模型,并对油菜物候期进行分类识别;最后,采用基于混淆矩阵的方法对油菜物候期识别结果进行精度评价。采用5期Radarsat-2 PolSAR数据和地面物候观测数据进行实验验证。结果表明:提取的PolSAR参数中对物候期变化较为敏感的参数有H/A/alpha分解中的散射角(Alpha)、特征值(L2、L3)、伪熵(P2)、目标方位角(Beta1)参数,Freeman-Durden分解中的地面散射(Ground)和奇次散射(Odd)参数,Yamaguchi分解中的奇次散射(Odd_Y)和螺旋体散射(Helix)参数;决策树模型对油菜物候期识别结果较为准确,识别结果中组合3种极化分解方法提取参数建立的原始决策树模型分类总体精度最高,达94%。总体上,PolSAR极化分解参数对油菜物候期变化比较敏感,决策树模型能有效识别油菜物候期。     

兰州植物园植被春季物候无人机监测

针对卫星遥感影像难以准确提取局部地区植被物候的问题,本研究以兰州植物园草坪草、连翘、牡丹、黄刺玫和香荚蒾等5种植被为研究对象,基于多时相无人机影像,提出了一种局部地区植被春季物候期估算方法。首先利用无人机获取的多时相兰州植物园植被影像,分析各植被超绿指数(ExG)、超绿超红差分指数(ExGR)、绿叶指数(GLI)和植被因子指数(VEG)等植被指数的时序变化特征,并进行一元三次多项式拟合,使用导数法提取各植被的发芽期、开花期、结果期等春季物候期,然后与人工观测物候资料进行比较,明确不同植被指数下物候期的估算精度。结果表明：除草坪草的发芽期和结果期以及牡丹的发芽期,4种植被指数估算得到的物候期基本一致,但其和实际物候期均存在不同程度的误差;发芽期估算误差最大的是黄刺玫,平均提前27 d,最小的是香荚蒾,平均推迟8 d;开花期估算误差较大的是草坪草和牡丹,平均误差均在20 d以上,最小的是连翘和香荚蒾;结果期估算误差最大的是香荚蒾,平均提前35 d,最小的是牡丹,平均提前5 d。基于ExG指数估算的开花期和结果期与实际观测期一致性最好,均方根差分别为14.01 d和17.28 d,而VEG指...     

基于可见光波段的无人机超低空遥感图像处理

【目的】探讨低成本的可见光超低空农业遥感平台提取与分析农情信息的可行性,为农用无人机精准施药与农情监测提供技术支持。【方法】以仅包含红光、蓝光和绿光的超低空可见光农田遥感图像为研究对象:首先利用张氏校正法获取相机的畸变矩阵,并校正图像;然后提取与分析图像的可见光植被指数;最后通过分析超低空可见光农田图像中植被与非植被的光谱特性,对可见光超低空遥感图像进行植被信息提取。【结果】获得的农田植被提取图像很好地区分了植被与非植被。【结论】基于可见光的超低空遥感农业信息获取系统应用具有可行性,可为构造低成本的可见光低空遥感监测系统提供参考。     

基于遥感数据的植被物候监测进展

总结了当前国内植物物候遥感监测的数据和方法,介绍了国内外最新的研究成果,针对目前研究中存在的问题,指出未来植被物候遥感监测研究的主要方向.     

基于植被指数、叶绿素荧光和碳通量的华北山地人工林物候对比研究

  目的  物候指植被生长发育的节律性变化，是对气候和环境变化长期适应的结果。本文通过研究植被指数（NDVI、EVI）和日光诱导叶绿素荧光（SIF）与总初级生产力（GPP）之间关系，探究各指数在研究区反映植被动态变化的能力，为深入了解人工林对气候变化的响应提供参考。  方法  利用Timesat 3.3软件对2007—2011年MODIS NDVI、EVI、GOME-2 SIF、通量塔GPP数据分别进行滤波。采用双逻辑斯蒂方程对4种指数时间序列进行拟合并根据曲线最大变化速率提取生长季开始期（SOS）和生长季结束期（EOS）。利用相关性分析、均方根误差分析研究NDVI、EVI、SIF反映植被动态特征的能力。  结果  （1）2007—2011年MODIS NDVI、EVI、GOME-2 SIF、通量塔GPP这4种时间序列曲线变化特征基本一致，NDVI、EVI、SIF月均值均与GPP月均值呈现显著正相关关系。（2）GPP月均值与NDVI、EVI之间决定系数R2在春季、秋季均大于SIF。然而，在夏季GPP月均值与NDVI呈现显著相关性，与EVI和SIF并无明显线性关系。（3）NDVI、EVI、SIF与GPP提取物候参数的均方根误差结果显示:利用EVI提取物候参数结果与GPP最为接近，其次为NDVI，最后为SIF。  结论  在本研究区内，MODIS NDVI、EVI能够更好地反映植被动态变化特征。由于NDVI、EVI数据是依据植被冠层结构光谱特性和叶片反射率提取的物候信息，因此会导致植被指数（NDVI、EVI）提取物候期比GPP提取物候开始期提前和物候结束期滞后。利用SIF数据提取物候参数SOS和EOS均提前于GPP数据提取物候参数S0S和EOS。SIF数据由于像元覆盖面积与通量塔GPP数据不完全吻合影响了GPP与SIF之间的相关关系。      

基于 HJ－CCD 数据的中高分辨率植被物候提取1）--以密云水库上游为例

利用中国2010年环境星数据,在对其进行预处理的基础上,结合数据重建技术,获得研究区域30 m分辨率的NDVI精细时间序列数据。采用逐像元分段Logistic拟合方法,重点检测该区域自然植被物候。对不同植被类型和不同尺度下的物候差异做了比较分析,并对各尺度遥感物候和气象物候的关系做了比较。结果表明：落叶针叶林和草地两种植被类型春季返青期较早开始,平均日期为4月23－24日,草地的生长期最长,平均为222天,各植被类型衰落期为9月中下旬;基于环境卫星数据,得到的30 m尺度遥感物候能很好的体现各类别植被边缘,与传统气象物候对接表现更好。     

基于光学和微波遥感数据的森林蓄积量估测模型研究

【目的】探讨综合光学遥感和微波遥感的多源数据森林蓄积量反演方法。【方法】以L波段ALOS PALSAR全极化数据和Landsat TM为数据源,结合地面调查样地数据,通过ALOS PALSAR提取不同极化状态的后向散射系数和极化比值等极化特征因子,Landsat TM数据提取光学遥感因子,以多元线性回归构建森林蓄积量模型。【结果】光学遥感反演方法、微波遥感反演方法、综合光学遥感和微波遥感的多源数据反演方法均可以实现森林蓄积量估测,其中,基于多源数据协同的反演模型为最优模型,决定系数R~2为0.674,模型检验均方根误差RMSE为13.38 m~3/hm~2。【结论】要比使用一种数据源的反演方法具有明显的优势,有效实现了森林蓄积量估测。     

基于GEE与Sentinel-2影像的落叶针叶林提取

【目的】针对森林资源精细监测评价的需求，探索多时相、多特征的Sentinel-2影像在落叶针叶林识别中的应用潜力，根据落叶针叶林的物候特征构建分类模型，为大范围落叶针叶林识别提供方法参考。【方法】基于GEE平台，以黑龙江省孟家岗林场为研究区，分析不同季节落叶针叶林与其他森林之间的差异。研究使用2020年春季（5月7日和5月27日）、夏季（8月9日）和秋季（10月19日）的4景Sentinel-2影像，提取光谱特征、纹理特征和地形特征构建多特征数据集，根据特征重要性得分进行特征优选，最后使用随机森林分类器得到落叶针叶林识别的最佳模型，实现孟家岗林场落叶针叶林的精确提取。【结果】试验结果表明落叶针叶林具有明显的植被光谱特征和季相特性，多时相影像数据包含落叶针叶林更多物候期，春季和秋季的影像更有利于区分落叶针叶林与其他森林。此外，近红外、短波红外波段的光谱信息对识别落叶针叶林有较大帮助。利用GEE平台和多时相Sentinel-2影像可以高效快速地提取植被信息，落叶针叶林提取总体精度与Kappa系数分别达到91.20%,0.82。【结论】基于GEE平台和Sentinel-2影像构建的分类模型对...