基于MODIS NDVI数据的辽宁省玉米种植面积提取研究

基于2017年MODIS归一化植被指数(NDVI)数据,采用Savitzky-Golay (S-G)滤波方法和非对称高斯(AG)拟合方法重构辽宁省春玉米种植面积的NDVI时序曲线,使用4次拟合法平滑重构曲线,采用动态振幅阈值法、拐点法和最大值法提取了辽宁省春玉米的关键物候期(出苗期、拔节期、抽雄期),并联合决策树分类法估测了辽宁省春玉米的种植面积。结果表明:基于S-G重构法的MODIS NDVI时序曲线的综合性能更优,其重构曲线与原曲线间的平均均方根误差(RMSE)为0.196,平均平滑拟合度(R²)为0.983;对春玉米出苗期和抽雄期的提取效果而言,基于S-G重构法的提取结果更优,平均误差分别为3.9和2.6 d;对春玉米拔节期而言,基于S-G重构法和AG重构法的提取效果相当,平均误差分别为2.9和2.8 d;基于S-G重构曲线提取的春玉米种植面积的精度为94.35%,优于基于AG重构曲线提取的精度89.29%。     

冬小麦关键物候空间分布遥感监测方法研究

物候信息对农作物生长的动态监测、田间管理具有重要意义。归一化植被指数(normalized difference vegetation index, NDVI)能够在大范围覆盖区域内准确地反映农作物物候信息。以河北省为研究区域,选用2000至2009年的SPOT/VEGETATION NDVI旬合成产品数据集,尝试结合气象站点的气温,利用Savitzky-Golay(S-G)滤波重构NDVI时序曲线,以动态阈值法监测研究区冬小麦的返青期开始和抽穗期开始,并对监测结果进行了分析。空间分布上,河北省冬小麦物候期总体上呈现由南到北逐渐推迟的空间分布规律,从各具体年份来看,冬小麦遥感监测结果符合实际的物候地面观测结果,并在因异常气候变化物候期发生变化的年份也有较好的反应,结果表明,通过NDVI时序曲线结合气温的方法可以准确监测河北省冬小麦关键物候期。     

基于MODIS-LAI数据的广西甘蔗物候期提取

广西是我国甘蔗最大的种植区和蔗糖产业基地,但多年来因自然灾害导致的产量损失严重。及时、准确获取甘蔗的物候动态,可为区域甘蔗种植结构优化、灾害风险管理等提供科学支撑。本文分别借助Savitzky-Golay滤波、Asymmetric Gauss拟合及Double Logistic拟合方法对广西2014—2018年的甘蔗MODIS-LAI数据进行时间序列重构,并采用动态阈值法识别甘蔗关键物候期的时空变化特征。结果表明:1)上述方法可有效消除广西甘蔗LAI序列的不稳定波动和奇异值,且Asymmetric Gauss和Double Logistic方法的拟合结果较好地弥补了S-G滤波处理中局部曲线值动荡变化的缺点,能更准确地识别甘蔗生长过程;2)三种方法对广西甘蔗的播种-萌芽期、茎伸期、成熟期开始时间识别的RMSE和平均误差均在±15 d内,其中Asymmetric Gauss方法对甘蔗物候期的提取结果最优。综上,时序曲线重构法的抗干扰性能较好,可一定程度上弥补因云雨、复杂地形地貌导致LAI序列的误差,保证广西甘蔗物候信息获取的准确性。     

基于MODIS NDVI数据的江苏省冬小麦物候期提取

农作物物候期是作物对气候变化响应的重要指标,也是提高区域农业管理水平的重要参数;遥感技术的发展为大面积提取农作物物候期提供了有效的技术途径。利用2010年MODIS NDVI序列提取江苏省冬小麦关键物候期的方法,首先采用非对称高斯函数、双Logistic函数对NDVI时序曲线进行拟合,进而采用动态阈值法确定冬小麦物候期,并利用观测数据对提取结果进行验证。结果表明,就冬小麦返青期、抽穗期、成熟期的提取而言,双Logistic函数拟合方法略优于非对称高斯函数拟合方法,利用前一种拟合方法提取的返青期、抽穗期、成熟期与观测数据比较的均方根误差分别为5.5、9.4、7.5 d,而利用后一种拟合方法提取的返青期、抽穗期、成熟期均方根误差分别为6.1、9.5、7.8 d;2010年全省的冬小麦普遍于第49天之前开始返青,抽穗期普遍开始于第105天至第113天,成熟期普遍开始于第145天至第161天,抽穗期、成熟期大体上表现出从南到北逐渐延迟的趋势,但是返青期的空间差异并不明显。     

基于物候特征和混合光谱信息的春玉米种植面积提取

快速、准确地获取玉米种植面积信息对国家粮食安全和现代信息农业发展有重要的现实意义。遥感技术在作物种植面积提取中具有一定优势,尤其是作物物候信息和光谱数据相结合的方法更是目前发展的趋势之一。选取辽宁省3县市为研究区,利用Savitzky-Golay滤波重构后的2014-2015年MODIS-NDVI时间序列数据,提取作物物候特征和其他主要地物的NDVI曲线变化规律,结合水稻移栽期的NDVI、LSWI数据与大豆鼓粒期的近红外波段反射率数据,训练地物分类阈值、构建决策树提取2015年春玉米种植面积。考虑到耕地的破碎化和土地覆盖类型的多样性,利用MOD09A1反射率影像提取春玉米及混合地物的端元波谱,基于线性光谱混合模型进行混合像元分解获取春玉米丰度,根据决策树分类结果与春玉米丰度信息精确提取春玉米种植面积。利用Landsat8 OLI监督分类影像对种植面积解译结果进行精度评价,结果显示研究区春玉米种植面积提取精度在81%以上,利用统计数据验证得到仅利用物候信息经决策树分类方法提取的春玉米种植面积精度为88.416%,结合混合光谱信息后的提取精度提高到92.382%。春玉米种植面积提取结果较好地反应了其地理分布,表明重构后的生长季NDVI曲线可以准确地反应作物生长变化规律,运用中分辨率MODIS-NDVI时间序列数据获取物候信息,快速、准确提取春玉米种植面积具有可行性。物候特征耦合混合光谱信息的方法突破了传统研究中的像元限制,将作物种植面积识别水平提高到亚像元尺度,效果好于传统的像元尺度MODIS时间序列信息分类方法,能够有效提高作物种植面积估算精度,对于加快数字农业进程、提升农业信息化水平具有重要作用。     

基于MODIS遥感数据的贵州省森林物候监测

以贵州省森林植被为研究对象，基于对MODIS卫星遥感影像的分析，探讨了遥感监测手段在区域尺度上提高森林植被物候监测精细程度的可能性。结果表明：通过分析比较归一化植被指数(NDVI)、增强植被指数(EVI)、相对绿度指数(Gcc)、绝对绿度指数(ExG)等不同植被指数，发现增强型植被指数(EVI)更能表达森林植被物候变化趋势；采用S-G滤波及动态阈值法提取物候关键期，发现贵州省森林植被物候变化趋势呈现西部地区植被生长开始期晚于东部地区，结束期早于东部地区，整个植被生长季长度西部短于东部；基于EVI的贵州省森林物候空间分异规律总体上不明显，仅纬度与生长开始期(SOS)和生长季长度(LOS)相关性显著，经度海陆地带性及海拔垂直地带性差异不显著。     

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MODIS时序数据物候特征下的多源遥感玉米提取

为解决农作物遥感分类易混淆的问题，准确获取玉米种植结构信息，提出了一种能够充分利用高时间分辨率和中高空间分辨率数据优势的多源遥感数据玉米提取方法。以沈阳为研究区域，利用S-G滤波重构MODIS-EVI时序曲线提取物候特征，同时利用EVI转换模型平衡Landsat-8、Sentinel-2、GF-1与MODIS之间的EVI差异构建了30 m分辨率的时序数据，采用决策树方法，基于MODIS物候特征对多源时序数据分类，逐层掩膜水稻、大豆等易混淆地类获取玉米提取结果，并采用决策树与混合像元分解结合的方法进一步提高玉米提取结果的精度。结果表明：基于多源转化遥感数据的决策树分类总体精度与Kappa系数分别为92.27%和0.8825，相较于CART决策树、随机森林、最大似然法，其分类总体精度和Kappa系数均有较大幅度的提高，相较于数据未经模型转换的决策树分类的总体精度和Kappa系数分别提高4.59个百分点和0.0663。决策树分类后结合混合像元分解的玉米提取总精度提高至95.98%，玉米分类精度得到进一步提高。     

基于冠层时序植被指数的冬小麦单产预测

【目的】研究冬小麦冠层时序植被指数的动态变化规律并基于其构建单产预测模型,为田间实时、准确获取作物单产信息提供有效的技术手段。【方法】本研究于2017—2019年在江苏省兴化市万亩粮食产业园开展不同品种及氮肥水平的田间小区试验,利用主动传感器RapidSCAN CS-45获取冠层归一化红边植被指数(normalized difference red edge,NDRE)和归一化植被指数(normalized difference vegetation index,NDVI),基于双Logistic函数拟合时序植被指数并提取曲线特征参数,进而分析各特征参数与单产的相关关系,并以独立试验数据对单产预测模型进行验证。【结果】NDRE在孕穗期和抽穗期与单产关系最好,R~2达到0.84以上;通过多元逐步线性回归法发现,利用2个或多个时期NDRE预测单产的效果较单生育时期有所提高,且第一和第二被选择的时期分别为拔节期和孕穗期。基于全生育时期相对NDRE(relative NDRE,RNDRE)和相对NDVI(relative NDVI,RNDVI)构建时序曲线,并利用曲线特征参数建立单产预测模型,其中RNDRE和RNDVI的最大值、累积值及增长速率与单产关系较好。利用独立试验数据对上述单产预测模型进行检验,结果表明基于RNDRE时序曲线最大值和累积值所构建的单产模型验证效果较好,R2~大于0.80,相对均方根误差和相对误差均小于10%,其验证效果优于单时期或多时期基于NDRE的预测模型,且优于基于NDVI构建的单产模型。【结论】基于冠层时序植被指数提取的特征参数RNDRE最大值和累积RNDRE具有良好估测单产的潜力,研究结果为田间进行实时、准确预测冬小麦单产提供了技术支持。     

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。     

基于多源遥感的冬小麦叶面积指数监测研究

在江苏省泰兴市利用多源Landsat/TM遥感影像提取植被指数NDVI,并对不同时期的冬小麦叶面积指数(LAI)进行了监测研究.结果显示:拔节期NDVI与LAI的相关性较好,线性拟合模型的决定系数达0.7659;利用拔节期线性拟合模型对开花期的LAI进行预测,预测值与实测值较为一致,RMSE为0.426.表明利用拔节期LAI监测模型推测开花期的LAI数据信息是可行的,有利于区域冬小麦的LAI分级图的快速制作.该方法可为大面积冬小麦长势信息的及时、快速获取提供技术支持.     

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。      

基于多时相遥感影像的水稻种植信息提取

获取水稻种植信息对于指导水稻生产,监测作物生长及合理分配水资源具有重要意义。针对基于单时相影像提取水稻信息精度有限,以Sentinel-2A/B多时相影像为数据源,构建NDVI、EVI、NDWI和光谱特征4种时序特征数据集并设计6种试验方案,结合随机森林算法对水稻种植信息进行提取。结果表明,NDVI、EVI时序曲线可以较好反映出水稻生育期的物候特征,不同地类的光谱时序曲线和NDWI时序曲线可分离度较高,有利于提高分类精度;基于NDVI时序数据集的分类精度最低,基于光谱时序数据集的分类精度最高,总体精度达95.559 0%,Kappa系数为0.943 3,与基于NDVI的分类结果相比,总体精度、Kappa系数、水稻生产者精度和用户精度分别提高了3.530 4%、0.044 9、8.64%和3.36%,水稻与旱地的混分现象得到有效抑制。该研究为区域水稻种植信息精确提取在数据源选择、时序特征构建方面提供了一种新的思路和技术手段。     

基于Suomi NPP VIIRS数据的黄海浒苔遥感监测研究

[目的]基于Suomi NPP VIIRS数据,对2016年黄海浒苔(Enteromorpha prolifera)进行遥感监测,探讨基于NPP影像进行黄海浒苔遥感监测的适用性和可行性。[方法]基于NPP影像,利用NDVI动态阈值法提取黄海浒苔面积,获取2016年浒苔分布的时空特征,并将反演结果与MODIS进行对比。[结果]2016年黄海浒苔最早发生于5月下旬,6月上旬—7月上旬进入暴发期,7月下旬进入消亡期。截止7月31日共计监测到浒苔聚集现象20次,浒苔持续时间约60 d。VIIRS数据监测到的浒苔分布面积、位置与MODIS数据一致性较好,而且VIIRS在轨运行时间较MODIS更短,光谱质量更高,对浒苔的空间分布显示更加清晰。[结论]基于VIIRS数据利用NDVI动态阈值法进行浒苔面积提取的方法可行。     

基于遥感的黑河中游绿洲区玉米物候及其动态研究

基于Savitzky-Golay滤波,利用相对阈值法和绝对阈值法,分析2001—2016年黑河中游绿洲区玉米的物候信息,对玉米的生长季开始日期、生长季结束日期和生长季长度3个物候参数开展分析。结果表明,相对阈值法与绝对阈值法相比,判断结果更加准确;2001—2016年的玉米生长季开始日期大约推迟14 d,生长季结束日期大约提前5 d,生长季长度大约缩短20 d;玉米生长季长度与生长季内积温呈负相关,随着积温的增加,生长季长度越来越短。     

基于光谱特征分异的玉米种植面积提取

玉米种植面积的准确获取是进行玉米长势监测和产量估测的前提与基础。在对Landsat-8/OLI影像进行辐射定标、大气校正、几何精校正和裁剪等预处理的基础上,基于典型地物光谱空间差异与物候特征的异同,选取具有代表性的4种植被指数[归一化差值植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、绿度植被指数(GVI)]和近红外波段反射率,通过构建植被光谱特征指标阈值对不同地物进行识别和分类,最后获取玉米种植面积。结果表明,利用近红外波段反射率可以将农作物与其他地物区分开来,即当其反射率值大于0.37时,地物为农作物。对不同种类农作物识别时,选择NDVI0.86、DVI0.53、RVI13.00、GVI3 713.60作为分类阈值,可以将玉米与水稻和大豆区分,准确提取到玉米的种植面积。利用样本数据和当地农业部门提供的数据进行面积提取精度验证,总体精度为92.75%,说明基于多光谱特征指标建立分类阈值的方法可以准确提取玉米种植面积,该方法可以为江淮玉米种植区县域玉米种植面积的提取提供参考。     

基于NDVI时间序列数据的冬小麦种植面积提取

归一化植被指数(NDVI)是利用遥感技术提取作物信息的重要指标,其时序曲线能反映植被的生长变化,在农作物种植面积信息提取上有较大优势。以河北平原为研究区,利用空间分辨率250 m的MODIS NDVI数据提取2011—2016年冬小麦种植面积。首先利用HANTS滤波建立NDVI时序曲线,结合区域物候信息和种植模式,提取冬小麦种植像元。因MODIS影像空间分辨率较低,结果受混合像元影响大。运用像元二分模型分解混合像元,计算单一像元冬小麦覆盖度进而计算研究区冬小麦种植面积,并利用Landsat数据对结果进行验证。结果表明,利用时间序列谐波分析法(HANTS)滤波和像元二分模型相结合可提高冬小麦种植面积提取精度,总体分类精度达90%以上;2011—2016年河北平原冬小麦种植面积总体减少,其中河北平原北部和山前平原冬小麦面积缩减,近海平原呈增长趋势。     

吕梁山地区常绿植被物候的提取和分布差异

山西省吕梁山地区气候、地形多变,常绿植被分布较多,其物候对环境变化敏感,提取和研究常绿植被物候能为全球变化和常绿植被的其他研究提供基础.利用MODIS NDVI数据,通过Savitzky-Golay滤波和动态阈值法提取吕梁山常绿植被物候,并运用趋势分析法定量分析了植被物候在空间和地形的差异.结果表明:(1)吕梁山地区常绿植被生长季开始日期(SOS)在第95～130天之间,生长季结束日期(EOS)在第280～320天之间,生长季长度(LOS)在第160～230天之间.(2)研究区常绿植被物候与纬度关系密切,随着纬度由南向北升高,植被SOS显著推迟(R2=0.9265,P<0.001),EOS显著提前(R2=0.8656,P<0.01),LOS显著缩短(R2=0.9620,P<0.001).(3)常绿植被物候在地形上的差异明显.海拔升高,植被SOS显著推迟、EOS显著提前、LOS显著缩短;坡度变大,植被SOS显著推迟,EOS显著提前,LOS显著缩短;各坡向的植被物候差异明显,植被SOS最大相差2.6 d,植被EOS最大相差3.6 d,植被LOS最大相差5.2 d.所提取的吕梁山地区常绿植被物候与其他研究结果相近,植被物候在空间和地形上存在显著差异.     

基于冠层时序植被指数的冬小麦单产预测

【目的】研究冬小麦冠层时序植被指数的动态变化规律并基于其构建单产预测模型,为田间实时、准确获取作物单产信息提供有效的技术手段。【方法】本研究于2017—2019年在江苏省兴化市万亩粮食产业园开展不同品种及氮肥水平的田间小区试验,利用主动传感器RapidSCAN CS-45获取冠层归一化红边植被指数（normalized difference red edge,NDRE）和归一化植被指数（normalized difference vegetation index,NDVI）,基于双Logistic函数拟合时序植被指数并提取曲线特征参数,进而分析各特征参数与单产的相关关系,并以独立试验数据对单产预测模型进行验证。【结果】NDRE在孕穗期和抽穗期与单产关系最好,R²达到0.84以上;通过多元逐步线性回归法发现,利用2个或多个时期NDRE预测单产的效果较单生育时期有所提高,且第一和第二被选择的时期分别为拔节期和孕穗期。基于全生育时期相对NDRE（relative NDRE,RNDRE）和相对NDVI（relative NDVI,RNDVI）构建时序曲线,并利用曲线特征参数建立单产预测模型,其中RNDRE和RNDVI的最大值、累积值及增长速率与单产关系较好。利用独立试验数据对上述单产预测模型进行检验,结果表明基于RNDRE时序曲线最大值和累积值所构建的单产模型验证效果较好,R²大于0.80,相对均方根误差和相对误差均小于10%,其验证效果优于单时期或多时期基于NDRE的预测模型,且优于基于NDVI构建的单产模型。【结论】基于冠层时序植被指数提取的特征参数RNDRE最大值和累积RNDRE具有良好估测单产的潜力,研究结果为田间进行实时、准确预测冬小麦单产提供了技术支持。