利用SPOT数据进行干旱监测的应用研究

植被状态与环境干湿程度密切相关,而归一化植被指数(NDVI)是植被状态的最直接表现.利用NOAA/AVHRR对植被生长环境的干旱监测研究已较成熟,并积累了一些如距平植被指数等快速、便捷的干旱监测方法.利用比利时佛莱芒技术研究所提供的1998-2006年SPOT VGT数据,采用距平植被指数干旱监测方法,对宁夏回族自治区2000年春末夏初遭遇的特大干旱进行监测,并用1998-2005年平均分布于全区的各气象监测点观测数据进行验证.结果表明,利用SPOT VGT数据能够较准确地监测出干旱发生的范围和相应的干旱程度,基于SPOT VGT数据的距平植被指数干旱监测模型可以作为一种快速、便捷的干旱监测方法,在实践部门进行推广应用.     

基于地表温度和植被指数特征空间的农业干旱遥感监测方法研究综述

遥感技术以其便捷、反映迅速、大范围监测等优点在农业旱情监测中得到广泛使用。通过遥感资料反演的地表温度（Ts）和植被指数（NDVI）不仅可以表征绿色植被的生理和生长状况,还能揭示植被土壤水分信息,反映作物受旱状况,但两者单独使用时存在缺陷。而基于地表温度和植被指数特征空间的干旱监测方法有利于统一定量标准来判别植被干旱情况,同时还解决了植物在受水分胁迫时短期内仍能保持原有绿色的时间滞后的问题,提高了旱情监测的准确度和实用性。该文以地表温度和植被指数特征空间干旱监测方法为基础,较为详细地阐述了各个方法的基本原理和适用范围,并结合实例归纳总结了与之相关的四种方法的优、缺点,进一步探讨了今后研究的重点。     

北京郊区植被覆盖变化动态遥感监测——以怀柔区为例

植被覆盖度是一个十分重要的生态学参数,对于全球变化和监测研究具有重要意义。本文基于像元二分模型,利用归一化植被指数NDVI,对怀柔区1992年和2004年植被覆盖度进行了监测,并对十几年来的植被覆盖变化情况进行了统计分析。结果表明,全区植被覆盖整体呈上升趋势,但存在区域间的不平衡现象。     

基于MODIS时序植被指数的陕西植被季相变化分析

分析了MODIS在植被生长变化监测中的优势,讨论了省级MODIS植被指数序列的建立方法。根据陕西主要植被覆盖类型,在风沙草原区、农作物区、林区共选取了5个样本县,利用2004-2005年MODIS-NDVI序列数据,通过提取NDVI曲线特征参数,结合地面气象观测资料,总结上述植被类型的季相变化特征,提出了关中农作物的物候变化规律和长势评价指标,探索了利用遥感手段对陕西省植被进行宏观、动态监测的方法。结果表明:风沙草原区植被对降水的依赖性很强,林区植被与温度的相关性较好,对降水的响应不明显。时序NDVI曲线是农作物生长的动态迹线,结合农作物的物候节律,可实时监测其生长状况并进行量化评价分析。     

土壤水分遥感监测的研究进展

土壤水分是土壤的重要组成部分,在地—气界面间物质、能量交换中起着重要的作用,是农作物生长发育的基本条件和农作物产量预报的重要参数。遥感技术具有大面积同步观测,时效性、经济性强的特点,为大面积动态监测土壤水分提供了可能。简述了到目前为止出现的几种主要的土壤水分遥感监测方法,如热惯量法、作物缺水指数法、归一化植被指数法、植被指数距平法、植被供水指数法、植被状态指数法、温度状态指数法、温度植被干旱指数法、高光谱法、微波遥感法,并分析了各种方法的原理和特点,最后展望了土壤水分遥感监测方法的发展趋势。     

基于线性光谱混合模型的荒漠草地覆盖度估测

为了解决草地混合像元对草地植被覆盖度监测的影响,该研究以Landsat TM为数据源,探讨线性光谱混合模型进行混合像元分解的关键问题,分析混合光谱模型获得的不同组分分量与植被覆盖度之间的关系,以期建立适合天山北坡荒漠草地覆盖度监测模型。结果表明:通过光谱混合模型获得植被、沙丘以及盐碱化土壤3个基本组分,其中植被组分与覆盖度拟合效果较好(R2=0.62),与植被指数法估测草地覆盖度相比,决定系数R2均高于比值植被指数、归一化植被指数、土壤调节植被指数及修正土壤调整植被指数MSAVI。通过对所获模型精度检验,均方根误差RMSE为1.28,结果较为理想。因此,利用线性光谱混合模型解析混合像元估测天山北坡荒漠草地覆盖度具有可行性。     

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。     

技术塔里木河流域植被覆盖变化的遥感监测

[目的]对塔里木河流域植被恢复成效及发展趋势进行定量分析,为流域生态治理提供基础研究依据。[方法]基于2007—2017年MODIS-MOD13 Q1多光谱遥感资料,以EVI （enhanced vegetation index）植被指数为切入点,综合运用ArcGIS等软件平台,沿塔里木河两岸设立监测区域并构建植被覆盖度时间序列模型,对塔里木河流域植被的变化规律进行动态监测及趋势分析。[结果]①塔里木河流域植被覆盖基数低,且不同河段植被状况差异大,2017年干流植被覆盖度最高仅为23.56%,上游段植被覆盖最高可达下游段的3.36倍,上游植被覆盖度年内极值比达4.28; ②2017年塔里木河流域全年植被覆盖水平相比2007年无显著差异,其未来的生态环境演变时间序列模型呈现出良性趋势; ③NDVI指数与EVI指数的监测结果无显著差异,但NDVI在高植被区易出现饱和现象,在低植被区容易偏低估计。[结论]塔里木河流域当前植被覆盖保持稳定,未来生态环境有好转趋势,基于EVI指数对植被恢复成效的动态监测与定量分析是可行的。     

塔里木河流域植被覆盖变化的遥感监测

[目的]对塔里木河流域植被恢复成效及发展趋势进行定量分析,为流域生态治理提供基础研究依据。[方法]基于2007—2017年MODIS-MOD13 Q1多光谱遥感资料,以EVI(enhanced vegetation index)植被指数为切入点,综合运用ArcGIS等软件平台,沿塔里木河两岸设立监测区域并构建植被覆盖度时间序列模型,对塔里木河流域植被的变化规律进行动态监测及趋势分析。[结果](1)塔里木河流域植被覆盖基数低,且不同河段植被状况差异大,2017年干流植被覆盖度最高仅为23.56%,上游段植被覆盖最高可达下游段的3.36倍,上游植被覆盖度年内极值比达4.28;(2)2017年塔里木河流域全年植被覆盖水平相比2007年无显著差异,其未来的生态环境演变时间序列模型呈现出良性趋势;(3)NDVI指数与EVI指数的监测结果无显著差异,但NDVI在高植被区易出现饱和现象,在低植被区容易偏低估计。[结论]塔里木河流域当前植被覆盖保持稳定,未来生态环境有好转趋势,基于EVI指数对植被恢复成效的动态监测与定量分析是可行的。     

天山北麓中段植被NDVI变化及其对气侯因子的响应

研究特定地区植被覆盖动态及其对气候因子的响应,对植被重建和生态环境恢复具有重要作用。利用1982—2005年NASA/GIMMS半月合成的归一化植被指数（NDVI）和气象数据,分析天山北麓中段各地区不同植被类型NDVI的年际变化特征及其对气候因子的响应。结果表明:（1）近25 a来天山北麓中段各地区植被指数均在波动中有所增长,且总体变化趋势保持一致,其变化趋势有利于生态环境的改善;（2）不同地区生长的主要植被类型不同,对整体植被覆盖的贡献不同;（3）不同植被类型对气候因子的响应程度不同,但都与气温和降水存在正相关关系,表明气温和降水是影响植被指数的两个重要自然因素;（4）平原区植被指数增幅大于山区,说明植被生长不仅受自然因素影响,也受人为因素影响。     

基于时间序列Landsat影像的棉花估产模型

为提高棉花遥感估产精度,该文选取加州San Joaquin Valley地区2个棉花地块作为研究区,利用时间序列Landsat_5_TM、Landsat_7_ETM遥感影像数据,结合野外实测产量数据,进行棉花产量遥感预测模型研究。结果表明：基于Landsat影像纯像元的植被指数时间序列准确地揭示了棉花整个生长期的长势情况,不同长势的棉花植被指数随时间变化在花铃期差异比较显著;整个花铃期植被指数与产量之间的相关系数均大于0.80,最大相关系数达0.90,花铃期NDVI平均值建模决定系数为0.82,均方根误差为463.69,证明花铃期比其他生长期更适用于棉花产量预测;单一时期最优模型为第206天（7月25日）,多时期最优模型以NDVI最大值前三期NDVI平均值为自变量;整个花铃期NDVI最大值建模决定系数为0.81,均方根误差为477.82,该模型具有普适性。该文的研究成果为基于MODIS_NDVI最大值合成法的相关研究提供了理论依据,并且为其他农作物的估产模型建立提供借鉴。     

基于MODIS和Landsat的青藏高原两代GIMMS NDVI性能评价

由于AVHRR NDVI数据集本质上具有动态变化的特点,使得数据重叠时段(1981-2006年)的第1代GIMMS NDVIg(简称NDVIg)数据集与第3代GIMMS NDVI3g(简称NDVI3g)数据集也不完全相同。如何理解、对待这些差异,是综合利用两代数据集的研究成果、科学客观地评估地表植被历史变化状况、预测未来变化趋势、指导生态保护与建设工作的前提和基础。该文利用MODIS NDVI和Landsat数据,评估了青藏高原两代GIMMS数据集的性能,并对比分析了区域尺度和像元尺度两代数据集在监测植被长期动态变化方面的异同。结果表明,NDVI3g捕获植被物候变化的能力与NDVIg相当,但NDVI数值明显大于NDVIg,甚至大于MODIS NDVI;与NDVI3g相比,在NDVI分布格局和动态变化方面,NDVIg与MODIS NDVI和Landsat更为相似;尽管两代GIMMS数据集1982-2006年生长季NDVI变化趋势类似,但GIMMS NDVIg倾向于检测到更多的显著变化区域;夏季和秋季的结果与生长季类似,但春季GIMMS NDVI3g则检测到了更大范围的NDVI显著增加,与NDVIg结果的差异主要集中在青藏高原腹地。NDVI数据集是众多生态模型的基础数据,NDVI数据集之间的差异可能会导致模拟结果出现偏差。在使用NDVI数据之前,对NDVI数据的适用性进行评估,是获取更符合当地实际情况、更为客观真实结果的前提。     

基于NDVI的喀斯特水资源遥感定量监测及分析——以贵州省为例

喀斯特是一类脆弱的生态环境,水资源是脆弱生态环境的重要组成部分,NDVI是流域赋水状况及空间分布的重要指标,因此,喀斯特水资源监测是研究脆弱生态环境的重要内容。在贵州省内选择20个流域作为研究样区,根据Landsat TM的植被光谱特征,利用遥感技术,提取LNDVI和ρNDVI;利用数学分析方法,建立喀斯特流域水资源监测模型。通过分析得出:①植被覆盖率是喀斯特流域赋水的重要指标;②利用地物表观反射率的归一化植被指数(ρNDVI)对喀斯特流域水资源进行监测,效果更好、精度更高;③建立了喀斯特水资源遥感监测模型。     

基于MODIS和NOAA数据尺度转换的若尔盖植被变化研究

为获得若尔盖地区较长时间序列的遥感植被指数,采用重采样技术和一元线性回归方法实现了GIMMS NDVI和MODIS NDVI的空间尺度转换和时间尺度外推。结果表明:（1）不同重采样方法对MODIS NDVI数据的影响与空间尺度有关,对GIMMS NDVI数据的影响则与空间尺度关系不大;（2）空间分辨率2.5 km,对不同植被类型可建立GIMMS NDVI和MODIS NDVI数据的一元线性转换关系,利用GIMMS NDVI拟合的结果与MODIS数据的差值统计符合正态分布;（3）1982—2013年,以1998年为节点若尔盖地区的植被先退化后逐渐恢复,尽管近几年植被指数平均水平高于研究初期,但局部地区的植被退化形势仍然比较严峻。     

区域水土流失植被因子的遥感提取

NDVI是区域土壤侵蚀评价的最佳植被因子。基于遥感影像TM数据提取了NDVI值并将其与土地利用信息同时集成于土壤侵蚀图的每个图斑,建立了包含多种因子的空间数据库。通过每个图斑林草地面积百分比和NDVI值的统计分析,建立了NDVI与植被盖度的线性关系。多重因子数据库和NDVI-植被盖度关系,可以为区域土壤侵蚀定量评价提供支持。     

NDVI时间序列谐波分析与地表物候信息获取

植被指数具有明显的季节节律,NDVI时间序列分析可以获取地表植被物候信息,但已有的AVHRR NDVI数据产品仍然存在高噪声,需要进一步校正。在考虑农业植被季节变化特征的基础上,基于先验知识对NDVI时间序列数据傅立叶校正算法进行了改进。利用1992年旬最大值合成1 km NOAA-AVHRR NDVI数据,使用该方法对河北省南部地区几种不同植被类型的NDVI数据进行校正,结果显示：改进的傅立叶谐波校正算法能更好地反映农业植被NDVI季节变化节律,且对自然植被同样适用。对校正后的NDVI 时间序列数据进行谐波分析表明：谐波的特征值(谐波余项、振幅和位相)与地表植被动态之间存在相关性,谐波余项表征NDVI 时间序列的均值,谐波振幅表征NDVI年内波动幅度大小,不同谐波的位相可以表征NDVI 季节变化的时间特征,利用这些参数可以获取地表植被物候信息,并可用于土地覆被和土地利用分类研究以及全球变化研究。     

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。     

基于植被指数的藏北牧区土壤湿度反演

土壤湿度的遥感动态监测在农牧业生产中具有重要意义。近年来,多种基于遥感指数的土壤湿度监测方法被提出并得到广泛关注,但当前对不同深度土壤湿度的反演及植被指数反映土壤湿度滞后性的研究较少。该文针对遥感指数反演土壤湿度的精度问题,对MODIS(moderate resolutionimaging spectroradiometer)的2种植被指数产品归一化差异植被指数(normalized difference vegetation index,NDVI)和增强型植被指数(enhanced vegetation index,EVI)与土壤湿度实测值进行相关分析,并利用在其中一个样点得到相关系数最高的回归模型对距离较远的其它点进行土壤湿度值估算,最后用土壤湿度实测值对模型的精度进行验证。结果表明,2种植被指数均与土壤湿度值呈现出较强的相关性,且利用植被指数估算土壤湿度的延迟天数为5~10 d。在相同气候模式、土壤类型和植被类型的条件下,高程为影响回归模型精度的主要因素。该研究可为牧区多层深度土壤湿度反演方法的选择和监测提供参考依据。     

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。