陕西泾惠渠灌区植被变化及其与气候变化的关系

利用美国NOAA/NASA归一化植被指数(the Normalized Difference Vegetation Index,NDVI)数据和英国CRU (Climatic Research Unit)全球气温降水数据,分析了1982-2006年陕西泾惠渠灌区年均植被和年均气温、年总降水的变化趋势,研究了植被变化和气温、降水变化的相关关系.结果表明,1982-2006年泾惠渠灌区植被(NDVI)呈明显增加趋势(0.1％/年,p＜0.05),年均气温也明显增加(0.085C/年,P＜0.05),但年总降水呈微弱减少趋势.年均NDVI与年均气温正相关(相关系数R=0.49,P＜0.05),但与年总降水的关系并不明显.气温增加导致生长期延长和泾惠渠合理提供植被用水是泾惠渠植被覆盖增加的主要原因.在月尺度上,月气温增加可为植被的生长提供更适宜的温度环境;月降水量增加可为植被生长提供更充足的水分,但当月降水量大于100 mm时,该月NDVI并无明显增加趋势.     

基于时间序列的三江源区生物量遥感检测模型研究

以三江源区为研究区,利用2006~2009年每年8月份的野外采样数据并结合同期的EOS/MODIS数据建立了草地总生物量、可食产草粮与归一化植被指数（Normolized Differential Vegetation Index,NDVI）、修改的土壤调整植被指数（Modified Soil Adjusting VegetationIndex,MSAVI）、增强型植被指数（Enhanced Vegetation Index,EVI）之间的3种（线性、乘幂和指数）关系模型,并进行了比较。研究结果表明：3种模型能够对草地总生物量、可食产草粮进行较好的估算;3种植被指数对草地总生物量、可食产草粮均具有较高的相关性,可用于对草地总生物量、可食产草粮的估测;3种植被指数对草地总生物量的估算好于可食产草量。     

基于GF-1/WFV EVI时间序列数据的水稻种植面积提取

随着国产高分系列卫星的发射,国产高分辨率遥感影像在作物种植面积提取方面逐渐得到了应用,但目前仅有少量基于高分一号(GF-1)卫星影像归一化植被指数(Normalized Difference Vegetation Index,NDVI)进行作物分类或遥感估产的研究。本文针对NDVI指数在南方多植被覆盖区域易饱和及不敏感的缺陷,利用在NDVI基础上改进的增强型植被指数(Enhanced Vegetation Index,EVI),首次提出基于GF-1卫星16m宽覆盖影像(Wide Field of View,WFV)EVI时间序列的水稻种植面积提取方法。选取四川省乐至县为研究区域,获取覆盖整个水稻生长周期的GF-1/WFV影像数据,构建EVI时间序列,并分析水稻不同生长期的EVI曲线特征。利用时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS)对EVI时间序列进行平滑处理,尽可能减少噪声影响,使EVI时间序列能够更好地反应水稻及其他植被或非植被随时间的变化规律;根据水稻和其他植被及非植被的EVI曲线特征差异构建水稻种植面积提取决策树模型,对水稻种植面积进行准确提取。通过与同期地理国情监测成果的对比,本研究方法提取的水稻种植面积和精度都较高,表明该方法对于提取水稻种植面积效果良好。研究表明,相对于以往用中低分辨率卫星影像进行作物种植结构提取,GF1/WFV影像在南方较破碎的水稻种植面积提取方面应用效果良好,GF-1卫星影像在农业遥感领域具备很大的应用潜力。     

山西省植被指数时空变化特征及其对气候变化的响应

基于2001-2013年山西省中分辨率成像光谱仪(MODIS)植被指数产品(MOD 13Q1)和气象数据(气温、降水量),利用斜率分析法、相关系数分析法等方法 ,研究近13年来植被指数(增强型植被指数EVI、归一化植被指数NDVI)的时空变化特征,以及植被覆盖变化对气候变化的响应。结果表明,年际变化方面,整体EVI和NDVI年均值显著增加,每个月均值也呈递增趋势,其中7月份的年际增长变化最为显著(EVI、NDVI的线性增长率分别为0.003 8和0.005 7);空间分布上,植被覆盖较茂密的地区主要分布在山区一带,植被稀疏区主要位于盆地附近;植被指数与年均降水量呈显著正相关,与年均气温整体上呈负相关,显著性并不明显,表明植被覆盖受降水变化影响较大,对其变化响应较强,受温度变化影响较小,呈弱响应关系。     

Corn Yield Forecasting in Northeast China Using Remotely Sensed Spectral Indices and Crop Phenology Metrics

Early crop yield forecasting is important for food safety as well as large-scale food related planning. The phenology-adjusted spectral indices derived from Moderate Resolution Imaging Spectroradiometer （MODIS） data were used to develop liner regression models with the county-level corn yield data in Northeast China. We also compared the different spectral indices in predicting yield. The results showed that, using Enhanced Vegetation Index （EVI）, Normalized Difference Water Index （NDWI） and Land Surface Water Index （LSWI）, the best time to predict corn yields was 55-60 days after green-up date. LSWI showed the strongest correlation （R2=0.568）, followed by EVI （R2=0.497） and NDWI （R2=0.495）. The peak correlation between Wide Dynamic Range Vegetation Index （WDRVI） and yield was detected 85 days after green-up date （RZ=0.506）. The correlation was generally low for Normalized Difference Vegetation Index （NDVI） （R2=0.385） and no obvious peak correlation existed for NDVI. The coefficients of determination of the different spectral indices varied from year to year, which were greater in 2001 and 2004 than in other years. Leave-one-year-out approach was used to test the performance of the model. Normalized root mean square error （NRMSE） ranged from 7.3 to 16.9% for different spectral indices. Overall, our results showed that crop phenology-tuned spectral indices were feasible and helpful for regional corn yield forecasting.     

杉木人工林平均树高遥感反演模型研究

以湖南攸县黄丰桥国有林场杉木人工林为研究对象,以高分辨率SPOT5影像及1∶10 000地形图为数据源,提取海拔、坡度、坡向、郁闭度,B1(反射率)、B2(反射率)、B3(反射率)、B4(反射率),B1/B4、B2/B4、B3/B1,EVI、NDVI、RVI等14个因子,运用主成分分析法以及岭迹估计法剔除与平均树高相关性小的变量因子,确定影响平均树高估测的主要因子为:B2(反射率)、B4(反射率)、坡向、郁闭度、NDVI。基于最小二乘法建立遥感反演关系模型,用实地调查数据进行模型检验,平均树高估测回归模型的相关系数、决定系数、调整相关系数以及标准估计的误差分别为0.891 0、0.793 0、0.774 0、0.842 2,树高估测模型达到较好的拟合效果,得到杉木人工林的平均树高模型。     

基于NDVI的巴音布鲁克天鹅湖高寒湿地地上生物量的反演

以巴音布鲁克天鹅湖高寒湿地为研究对象,基于Landsat 8 OLI多光谱遥感影像数据,提取植被指数(NDVI、EVI、RVI)信息,构建植被指数与地上生物量的回归模型,比较不同植被指数的拟合效果。结果表明,NDVI与地上生物量的相关性最高(r=0.778),显著大于EVI、RVI与地上生物量的相关性;二次多项式是NDVI与地上生物量构建的4种回归模型最优估测模型,决定系数R~2达到0.6619;巴音布鲁克天鹅湖高寒湿地2016年地上生物量的储量约为2.86×10~5 kg,地上生物量密度为10.25～444.99 g/m~2,均值为323.08±52.68 g/m~2。     

2000—2021年安徽省归一化植被指数时空变化特征

基于MODIS-NDVI数据,分析2000—2021年安徽省归一化植被指数（Normal Difference Vegetation Index,NDVI）时空变化特征。结果表明：在时间分布上,2000—2021年安徽省月均NDVI整体呈先升高后降低的趋势,8月NDVI最高,2000—2021年安徽省年均NDVI总体呈显著增加趋势,增率为0.003 4/a,在2021年达最高值（0.61）;在空间分布上,2000—2021年安徽省NDVI高值区域主要分布在皖南山区和皖西大别山地区,NDVI低值区域集中分布在江淮丘陵及沿江平原地区,2000—2021年安徽省大多数地区NDVI呈显著增加趋势,NDVI显著增加区域占比为73.20%,NDVI显著减少区域占比为3.99%。这表明2000—2021年安徽省植被状况呈现明显改善的趋势。     

2008-2011年柳州市土地利用变化研究

以2008和2011年的Landsat 5 TM数字影像为基础,利用支持向量机方法监测喀斯特地区(柳州市)土地利用变化,得到2008-2011年土地类型转移矩阵和年变化率.结果表明:2008-2011年研究区域的水体、建筑用地、林地和其他植被等土地类型年变化比较缓慢,其中建筑用地面积的年均增长率为1.19%,水体、林地、其他植被的年均减少率分别为 0.37%、0.22%、0.72%;最后分析了各土地类型变化的驱动力.     

青藏高原NDVI时空变化特征研究(1982—2008)

利用1982—2000年AVHRR-Path Finder植被指数数据、2001—2008年SPOT-Vegetation植被指数数据,验证了两个遥感产品具有较好的延续性,可以用于时间序列植被特征分析。利用合成的归一化植被指数(Normalized Difference Vegetation Index,NDVI)数据集,分析得出了从1982年至2008年青藏高原地区植被NDVI的时空变化特性。结果表明:(1)时间序列上,该地区NDVI的最大值和平均值均未超过0.4,表明整个青藏高原地区的植被覆盖度低;NDVI整体呈现缓慢上升趋势;四季的变化表现秋季NDVI值缓慢上升,其他季节变化趋势不明显。(2)该地区NDVI空间格局分析发现NDVI变化率最高达到0.024/27 a,最低在-0.025/27 a;整体趋势呈现由东南地区向西北地区递减;季节的空间格局分析发现大部分区域在春、夏和秋季上升,而冬季下降,春夏秋3个季节NDVI的变化区域比冬季更广泛,冬季的植被覆盖变化除西藏东南的少部分地区以及云南西北部的少部分地区有明显变化外,整个青藏高原地区的其他大部分地区变化基本不明显。