京津冀MODIS长时序增强型植被指数拟合重建方法适用性研究

长时间序列植被指数拟合重建的结果可为植被变化动态监测及物候信息提取、生物量信息提取、农作物产量预测及面积估算、生态质量评价及生态系统碳循环研究等提供更精准、更可靠的数据来源,从而有效反映生态环境质量。MODIS EVI数据虽经过最大值合成(MVC)处理,但仍存在云、冰雪、气溶胶等噪声。该文基于Timesat软件中非对称高斯函数拟合法(AG)、双Logistic函数拟合法(DL)、SG滤波法(SG)3种方法对京津冀2001—2015年MODIS EVI时间序列数据进行拟合重建,从时间序列、空间格局两个维度,并结合数理统计方法,对比分析了不同方法的拟合效果。结果表明:噪声比与拟合重建的方法无明显相关关系。在去噪效果和保真性、拟合优度等方面,AG拟合和DL拟合整体无明显差异,在部分像元点上AG拟合表现出更好的重建效果。SG方法可以更有效的保留原始植被特征。3种方法重建后的效果表现出与地类空间分布相关的差异性。对于京津冀地区长时序数据,AG拟合在人类扰动较小的草地、森林和灌木地区域表现出更好的重建效果,SG方法在人类活动干扰更强的耕地区域重建效果更优。     

基于 HP 滤波的气候产量分离方法探讨

本文尝试将经济学中HP滤波分解的原理应用于长时间粮食单产序列的气候产量分离建模,以提高产量分离的精确度。利用1961-2011年全国粮食单产数据,采用HP滤波法进行气候产量分离,得出相应的趋势产量方程,同时采用5a滑动平均和Logistic拟合法分别建立趋势产量计算模型,然后从实际产量数据序列中分离出相应的气候产量,将3种方法所得结果进行比较。结果表明:3种方法所建立的趋势产量计算模型均通过0.01水平的显著性检验,但HP滤波法模拟的趋势产量与实际产量的变化趋势吻合,研究期产量在增长过程中有明显波动,反映了实际产量的变化特点;5a滑动平均法模拟的趋势产量变化趋势与HP滤波法相似,但变化幅度相对较小;Logistic拟合法模拟的趋势产量明显高于实际产量,并一直处于增长的态势,与实际情况有差异。研究结果反映出HP滤波分解在进行长时间序列的趋势产量拟合过程中具有一定优势,不仅操作简单且产量分离结果符合实际,适用的数据广泛并具有很强的包容性。     

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。     

基于决策树和混合像元分解的江苏省冬小麦种植面积提取

归一化植被指数(normalized difference vegetation index,NDVI)时间序列曲线能提供作物生长动态变化信息,将其应用于农作物种植面积提取具有一定优势。该文以江苏省为研究区域,采用2013年1月1日-2014年12月19日46景250 m空间分辨率的MODIS-NDVI时间序列数据、2014年4月23日的MOD09A1反射率影像及Landsat数据,开展冬小麦种植面积的遥感识别,首先利用MODIS数据建立作物的归一化植被指数时间序列曲线,再采用Savitzky-Golay滤波方法对NDVI时间序列数据进行重构,并基于农作物物候历、种植结构和种植模式等信息,提取研究区域典型地物物候生长期的关键值,在分析冬小麦、林地、水稻物候期(生长期开始时间、生长期结束时间、生长期幅度、生长期长度及生长期的NDVI最大值)变化趋势的基础上,综合比较分析不同地物平滑重构后的NDVI时间序列曲线特征,界定作物种类,确定训练规则,利用快速、高效的决策树方法,通过多阈值限定进行分类,初步提取冬小麦的空间分布范围;但是由于存在混合像元,阈值范围的设定会影响冬小麦种植面积的提取精度,针对此类问题,运用地表反射率影像数据提取冬小麦端元波谱曲线,结合线性光谱混合模型进行混合像元分解,进而根据冬小麦丰度比例精确提取冬小麦种植面积;最后利用统计数据和空间分辨率较高的Landsat TM 8影像数据对提取结果进行县域级验证。精度评价结果表明,研究区域的冬小麦种植面积提取精度达到90%,能够较准确地反映研究区域冬小麦的分布情况,表明运用中高分辨率遥感时间序列影像数据可以准确提取作物种植面积,为农作物种植面积信息提取提供参考。     

基于重构的Landsat 8时间序列数据和温度植被指数的区域旱情监测

为了快速且准确地估算大区域范围内土壤水分信息,实现松嫩平原北部区域旱情的监测。基于Landsat 8时间序列数据,计算归一化植被指数(NDVI)和地表温度指数(LST)的时间序列数据,在此基础上利用Savitzky-Golay(S-G)滤波对所得时间序列数据进行了重构,弥补因受云和大气影响而产生的噪声。然后根据重构后的NDVI和LST数据,求得温度植被指数(TVDI);探讨TDVI和土壤湿度之间的关系,构建土壤湿度反演模型,并结合野外实测数据对模型精度进行了验证。结果表明:(1)S-G滤波可以有效地弥补因受云和大气影响而产生的不足,提高Landsat 8时间序列数据的质量;(2)温度植被干旱指数可以有效地反映土壤湿度状况,经过S-G滤波处理后的数据反演精度更高(RMSE=2.14%);(3)经过S-G滤波处理后的Landsat 8数据可以更为精确实现大区域范围内时间序列的旱情监测,为区域旱情的监测提供借鉴。     

3种水稻趋势产量拟合方法的比较分析

<正>确评估气象条件对粮食产量的影响必须以准确的气象产量为前提,因此,探求长时间序列粮食趋势产量提取分离方法对于更好地指导未来作物生产有重要意义。本文应用辽宁省9个地区17个站点62年的水稻历史产量数据,以相近地区农业生产力技术发展水平应具有一致性、产量序列的趋势应反映国家惠农政策对粮食增产的促进作用、相近地区热量条件变化的一致性可引起气象产量具有同升同降的特点等为评判标准,分析评价了应用HP滤波法、指数平滑法以及Logistic方法分离水稻的趋势产量、气象产量序列的合理性。研究结果表明:1)Logistic方法、HP滤波法以及指数平滑法所拟合出的趋势产量序列与辽宁省平均趋势产量序列一致,3种方法均能较好地反映辽宁省生产力发展水平的区域一致性特点;其中,沈阳、铁岭、鞍山、辽阳、丹东和锦州6个地区的趋势产量序列与辽宁省平均趋势产量序列间的一致性相关系数达0.908以上,表现为一致性极好;2)HP滤波法拟合出的趋势产量序列能较真实地反映由于生产力和国家政策变化所带来的实际产量的变化趋势,指数平滑法次之,而Logistic方法提取的趋势产量变化趋势反映社会发展实际的能力最差;3)不同趋势产量分离方法得到的气象产量区域平均值序列具有相似的年际及年代际变化特征,三者之间无显著区别(P0.05);HP滤波法分离得到的气象产量吻合气候特征的能力最强,指数平滑法次之,Logistic方法最差。综合分析,辽宁省水稻趋势产量的提取以应用HP滤波法最优,指数平滑法次之,而Logistic方法不适合辽宁省水稻趋势产量的提取。研究结果可为作物趋势产量拟合提供方法借鉴。     

基于时间序列NDVI相似性分析的棉花估产

多时相遥感数据能比单一时相反映更多的作物产量信息,挖掘多时相遥感信息以提高作物估产精度具有重要意义。该文以新疆生产建设兵团农一师一团的棉花为研究对象,提出了一种融合分区概念和时间序列NDVI(归一化植被指数)相似性分析的棉花估产方法。首先,通过植被指数与产量的相关性比较分析,确定NDVI为棉花估产因子,在此基础上根据棉花品种和土壤条件的差异,将研究区棉田划分为不同类型的生长区;然后,结合每个生长区获取的样点产量数据,确定各生长区时序NDVI估产模型的拟合系数;最后,融合距离与角度相似性算法,对各生长区内所有棉花像元的时序NDVI数据构成的向量与产量样点对应的时序NDVI向量进行相似性分析,确定待测棉田像元最佳的估产模型,实现对整个棉田区域棉花产量的遥感估测。结果表明,基于分区和时序NDVI相似性分析的棉花产量预测值与实测值决定系数达到0.77,该方法具有较好的操作性和适用性。     

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HJ-1卫星影像的三大农作物估产最佳时相选择

对于农作物遥感估产,精确选择最佳估产时相是关键环节。该文利用中国自行研发的HJ-1卫星CCD影像对黑龙江八五二农场3大作物（水稻、玉米、大豆）进行遥感估产的最佳时相选择,通过构建小波变换滤波方法和移动平均法的时序NDVI曲线数据,并依据平滑后的时序NDVI曲线分别确定3大作物的遥感估产最佳时相。研究结果表明,从平滑后的时序NDVI曲线中识别出来的3大作物的关键生长期与当地作物的物候期相对比,水稻生长期拟合误差为-0.003356508,玉米生长期拟合误差为-0.001687117,大豆生长期拟合误差为-0     

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。     

基于MODIS NDVI数据的复种指数监测--以环渤海地区为例

复种指数反映了耕地的实际利用强度,提高农田复种指数是区域粮食增产的重要途径之一,因此,监测和分析复种指数在时间和空间上的变化对粮食安全评估、农业发展规划科学决策有重要意义。NDVI的时间序列蕴涵着植被生长的年循环节律,耕地NDVI时间序列曲线的峰值个数和耕地的种植收割次数相对应,因此耕地的复种指数可通过分析NDVI时间序列曲线来获取。本研究以环渤海地区2000—2009年MODISNDVI时间序列数据为数据源,采用邻域比较法提取耕地NDVI年时间序列曲线的峰值频数,进而计算环渤海地区2000—2009年的复种指数,并对复种指数的时空变化及变化原因进行初步分析。结果显示,在环渤海地区,一年两熟的耕种模式主要分布在长城以南,长城以北基本上为一年1熟;环渤海地区各省份中,山东省具有最高的复种指数,辽宁省的复种指数最低;平原地区的复种指数远高于其他地形条件下的复种指数;区域复种指数存在明显的年际变化,主要是受耕地收益和农作物轮作的影响;混合像元的存在会影响复种指数提取结果。     

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。     

基于时序NDVI图谱库提高土地覆盖分类精度的方法

为提高MODIS土地覆盖产品的分类精度,该文以河南省为试验区,首先将MODIS土地覆盖产品(MCD12Q1)分为高精度区域和低精度区域,然后通过构建时序NDVI图谱库并利用图谱曲线相似性测定方法,改进MCD12Q1低精度区域的分类精度。结果表明:1)时序NDVI是土地覆盖的重要分类特征,二者之间具有较强的关联性。2)利用时序NDVI图谱库能够明显提高MODIS土地覆盖产品的分类精度,改进后的MCD12Q1的总体分类精度分别由72.76%(比较评价)、64.52%(样本评价)提高到83.05%和81.72%。3)不同土地覆盖类别精度提高的程度不同,林地、草地、耕地、人工地表以及水体的生产者精度分别提高35.36%、29.51%、2.98%、6.96%和6.11%。4)对于判定时序NDVI曲线相似度的2种具体方法而言,最小距离法(minimum distance,MD)总体上优于光谱角度匹配法(spectral angle mapper,SAM)。综上,保留现有土地覆盖产品中分类精度较高的部分,基于时序NDVI图谱库改进分类精度较低的部分,是提高现有土地覆盖产品分类精度的有效方法。     

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。     

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。     

基于干湿度规律的中国温带城市与区域NDVI空间变化研究

[目的]探索中国温带地区城市与区域生态差异的地带性规律,为不同区域城市生态建设提供重要依据。[方法]利用250m空间分辨率MODIS NDVI遥感影像数据,采用最大合成法和高斯函数拟合方法,选择中国从东部到西部的临沂、许昌、白银、吐鲁番和克拉玛依5个典型地级城市的植被归一化指数(NDVI),去探索中国温带地区城市与区域生态差异的地带性规律。[结果]从城市中心到边缘10km范围内,由湿润区到极干旱区域,城市与区域NDVI指数的变化呈现由"U"型—波浪型—"倒U型"的变化规律,但干旱区与极干旱地区由于依托绿洲建设城市,其NDVI指数可表现为"花M型";不同地带城市内部的NDVI指数有趋同现象,但人为强化城市生态建设,可有效提高城市NDVI指数。[结论]按照不同地域城市与周边区域的NDVI关系,在城市与周边区域NDVI呈"U型"的城市,应以楔入式引入型生态建设为主体,在"倒U型"的城市,应以圈层式防护型生态建设为主体。     

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。