基于SPOT/VEGETATION时间序列的冬小麦物候提取方法

农作物物候信息的获取十分重要。近年来,开展了大量利用时序遥感数据提取植被物候的研究,但这些研究中提出的方法主要应用于森林或草地等植被类型。由于冬小麦的光谱指数时间序列有着独特的特性,利用这些方法不能获取较好的冬小麦物候提取结果。研究提出了一种新的物候提取方法,能够从SPOT/VEGETATION NDVI S10产品时间序列中成功的提取出冬小麦的返青期等详细的物候信息。研究选取一个位于山东省济宁市的典型的冬小麦种植区对该方法进行验证。结果表明,这种方法能够有效的消除遥感数据中的噪音对提取结果造成的影响,可以达到较以往的物候提取方法更满意的拟合效果和更符合实际的物候提取结果。     

MODIS/NDVI和MODIS/EVI在耕地信息提取中的应用及对比分析

MODIS植被指数数据是区域土地利用信息提取的重要数据源.为了对比MODIS两种主要植被指数(NDIV、EVI)在耕地信息提取中的应用,采用通过时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS),对2006年全年MODIS 16天250m的NDVI和EVI时间谱数据进行了重构,从而进行了河西走廊绿洲中东部样区一系列耕地信息的提取实验,包括耕地、休耕地识别以及耕地复种指数、作物种类提取.在此基础上,对MODIS的NDVI与EVI数据的应用进行了对比分析.结果显示:(1)利用傅立叶谐波变换得到的EVI和NDVI时间谱曲线的谐波余项及谐波振幅对耕地进行识别,从识别精度来看,EVI要优于NDVI,识别精度分别为97.17%和95.99%,Kappa系数分别达到0.7938和0.6518;(2)通过计算时间序列曲线的波峰数能够提取耕地的复种指数,并且在EVI和NDVI曲线波峰阈值分别设为0.20和0.25时,休耕地能较为准确地被识别出来;(3)通过提取作物生长期内曲线的Ⅵ最大增长速率时间点以及峰值时间点等信息,作物种类能被初步识别,并且EVI较NDVI具有更强的识别能力.     

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。     

MODIS土地利用/覆被多时相多光谱决策树分类

利用MODIS多时相与多光谱结合,尝试探讨低成本、高精度的北京土地利用/覆被实时获取方法。首先根据归一化植被指数（NDVI）的均值、标准差建立了研究区各地类的典型NDVI时间序列曲线,进而提取了6个可以反映区域物候模式、植被生长速率等信息的分类参数;然后对反映地表土壤信息较多的3月份多光谱影像进行主成分变换,选取第一主成分（PC1）作为辅助分类参数;最后基于分类回归树（CART）算法进行监督决策树分类。经SPOT-5影像验证,分类总体精度达到83%,Kappa系数为0.769,PC1辅助分类后总体精度提高     

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。     

湖南省主要森林类型植被指数动态变化分析

植被指数具有明显的季节性,能客观反映植被物候信息.利用湖南省2006年MODIS/NDVI与MODIS/EVI数据,对不同森林类型的NDVI和EVI变化进行了对比与相关性分析.研究表明:(1)常绿针叶林、常绿阔叶林、竹林及灌木林NDVI季节变化不明显,曲线较平;EVI则有明显季节性,表现为钟形曲线.(2)落叶阔叶林的NDVI与EVI变化趋势一致,均呈钟形曲线.EVI能较好地描述各森林类型在不同季节的差异,适宜用作森林类型信息提取的基础数据.     

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。     

综合季相节律和特征光谱的冬小麦种植面积遥感估算

及时准确地获取区域和国家尺度的作物种植面积和空间分布具有重要意义。针对目前中低分辨率遥感数据相结合方法的局限,提出一种新的作物类型识别方法。首先基于MODIS NDVI数据的时间优势,提取研究区各类植被的NDVI时间序列曲线,从而分析冬小麦在季相节律上的识别特征,构建冬小麦识别模型。再将MODIS像元分类处理,纯耕地像元利用冬小麦的季相节律特征识别;耕地与其他植被的混合像元利用混合像元分解的思想提取耕地组分的NDVI时间序列,从而进行识别,进一步根据空间关系将识别结果重新定位到中分辨率尺度上;冬小麦与其他作物的混合像元覆盖区则利用TM遥感影像的光谱差异加以区分。在伊洛河流域主要农业区,以冬小麦为识别对象,结果表明识别精度达到96.3%。该方法为作物种植信息的提取提供了新的解决问题的途径,也对其他类型作物的识别也具有重要的参考价值。     

基于时序指数西北植被物候时空变化特征

基于1999—2010年SPOT VEGETATION旬数据,采用HANTS方法对原数据进行平滑处理,并利用傅里叶插值方法将旬数据插值成天数据,再通过NDVI天变化量确定植被物候期,研究了中国西北植被物候时空特征。结果表明:（1）海拔2 km以下,植被类型以农业植被为主,受人类因素影响较大,物候生长季始期（SOG）相对提前,生长季末期（EOG）推迟,生长季长度（LOG）变大且由东南向西北递减;在海拔较高地区,物候SOG推迟,EOG提前,LOG缩短。（2）1999—2010年西北植被物候,东部SOG提前,EOG推迟,LOG变延长;而向西部物候变化特征与东部相反。一方面,从陕西到青海海拔不断上升,温度逐渐下降,植被物候也随之变化;另一方面,陕西一带是集中农业区,青海地区主要以草地植被为主,农业（小麦）植被物候期相对较长。     

基于NDVI与物候修正的大豆长势评价方法

及时、准确的作物长势监测可以为宏观决策和农田生产提供作物生长信息,便于及时采取各种田间管理措施,达到科学管理和作物增产的目的。归一化植被指数(normalized difference vegetation index,NDVI)与植被的叶面积指数(leaf area index,LAI)和叶片叶绿素含量关系极为密切,可以用来评价作物的生长状况。为了降低主观因素及物候差异对大豆长势监测的影响,该研究以黑龙江红星农场主要农作物大豆为例,基于历史NDVI数据建立了该区域大豆长势评价的标准。利用NDVI时间序列拟合法提取大豆关键物候期,结合物候监测结果对大豆长势进行修正,最后利用41个地块的单产数据对长势评价结果进行了验证。物候修正前后长势与单产的一致性分别为58.5%、75.6%,容差为1个等级时分别为87.8%、95.1%,表明历史NDVI对大豆长势评价有一定参考意义,但简单同期对比不能完全反映大豆长势真实情况,物候修正可以进一步改善长势评价效果。研究可以为利用遥感进行大豆长势评价提供参考依据。     

基于多年MODIS-NDVI的黄淮海农区冬小麦生产力评价

黄淮海农区是中国重要的粮食生产基地,研究该地区不同等级生产力耕地的空间分布,对提高该地区生产力有重要的意义。该文在提取研究区冬小麦种植空间分布的基础上,对10a时间序列冬小麦MODIS-NDVI进行特征参数提取,并将冬小麦主要生长季多年NDVI特征值均值和年际变异系数,作为多年平均产量水平和稳产水平的指示指标,进行黄淮海农区冬小麦种植区耕地生产力评价,得到黄淮海农区冬小麦生产力空间分布图。结果显示:1)多时相MODIS-NDVI数据可以用于研究区冬小麦种植空间分布提取。经县级尺度验证,有较高的提取精度;2)县级尺度的冬小麦单产水平与其辖区内冬小麦生长关键期多个NDVI特征值有显著的相关关系,可以用来评价冬小麦生产力水平;3)研究区冬小麦种植区耕地以中低生产力水平为主,高生产力水平的耕地只占不到20%。高生产力的麦田大多分布在水热条件较好的黄淮平原亚区,中等生产力麦田大多分布在燕山太行山山麓平原亚区和鲁西黄灌区,而低生产力的麦田多分布在冀、鲁、豫低洼平原亚区。低生产力麦田分布集中连片的区域多为春旱易发、土壤粘淤或低洼积盐的地区。呈现出整体气候条件主导,局部土壤条件影响的高中低生产力空间分布特征。研究结果可以为黄淮海农区的耕地质量管理和中低产田改良提供依据。     

基于SPEI和NDVI的中国流域尺度气象干旱及植被分布时空演变

近些年中国干旱灾害频频发生且其影响不断加剧,因此探讨干旱对植被生长的影响对农业生产具有重要的意义。该文基于标准化降雨蒸散指数(standard precipitation evapotranspiration index,SPEI),应用Mann-Kendall(MK)趋势分析方法研究了流域尺度的气象干旱格局;利用新一代归一化植被指数(normalized different vegetation index,NDVI)分析了植被的生长状况;并探讨了SPEI和NDVI的相关性,结果表明:1)1982-2012年间,SPEI值在各时间尺度上都呈现为微弱下降趋势,即为微弱的干旱化;在空间上,干旱化趋势主要分布于东北、黄土高原和西南地区,而西北地区则呈现出明显的湿润化趋势;2)全国年及各季(冬季除外)NDVI序列均呈现上升趋势,空间上其下降趋势主要出现在西北内陆和东北地区部分流域,上升趋势则因季节而异;3)在年时间尺度上,SPEI与NDVI的相关分析表明,209个流域中有56个通过正相关检验(P0.05),主要分布在新疆北部、华北以及东北地区,负相关主要分布在秦岭淮河以南地区,气象干旱对植被生长的影响在干旱半干旱地区表现得更加明显。研究结果可为中国流域尺度干旱影响评估提供参考依据。     

基于MODIS NDVI年序列的区域化肥投入空间化方法

随着农业水土资源高效利用和大量化肥投入,区域农业生态系统面临很大的生态环境压力。为准确评估区域施肥导致的环境风险,需要化肥投入的空间分布数据。在区域土地的初级生产力构成因素理论分析基础上, 通过主成分分析建立不同作物种植模式下MODIS的NDVI年序列与区域土地自然质量和化肥投入的空间关系,建立了化肥统计数据的空间化分配方法。研究区结果表明NDVI年序列第一主成分与第二主成分,分别与土地自然质量和化肥投入呈显著相关,利用该关系完成了乡镇化肥汇总数据的空间分配,表明该方法对区域化肥进行加权分配的合理性和可行性。     

农区MODIS植被指数时间序列数据重建

MODIS植被指数时间序列数据能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源。但现有MOD13产品中存在由云、气溶胶,传感器角度等干扰因素导致的噪声指数。因此,必须对MOD13时间序列中的噪声指数进行恢复。根据农作物种植区物候与熟制信息,将待重建像元时间序列划分为符合作物生长周期的时段。对各时段内指数按非对称高斯模型重建,优化相邻时段之间重叠期内指数。多次迭代重建和优化过程后恢复时间序列中噪声指数。对覆盖北京市通州区以南和河北省保定市以北农区2005年MOD13数据进行重建,与两阶段S-G滤波重建结果对比。结果表明：噪声指数被准确判断并恢复。农区多熟制导致的低值指数被有效保留。重建时间序列可以正确反映植被的覆盖情况。     

Detecting changes in biomass productivity in a different land management regimes in drylands using satellite‐derived vegetation index

We investigated the use of a satellite‐derived vegetation index to detect changes in biomass productivity in different land management regimes in drylands of the Northern Negev. Two well‐documented management regimes, conservation and afforestation using a contour trenching technique were monitored. Biomass data on annual vegetation were collected from field survey and compared to a time series of the Normalized Difference Vegetation Index (NDVI). A significant relationship between NDVI and biomass (r = 0.83, P < 0.01) confirmed the applicability of satellite information to monitoring biomass production in this low productivity area. However, a strong positive relationship between NDVI and precipitation (r = 0.96 ± 0.01, P < 0.001) prevented the conventional use of trend analysis to detect changes in biomass productivity. Trends in the NDVI and precipitation use efficiency were similar in both sites due to a rainfall effect. Use of a reference site revealed the magnitude and direction of change in biomass productivity in the different land management regimes. Measures of soil organic matter confirmed these differences between the two managed sites and the reference site. We suggest that the use of abandoned lands for a reference may enhance the ability to detect changes in biomass productivity in drylands.     

基于GPS-IR的美国中西部地区NDVI时间序列反演

基于AVHRR(advanced very high resolution radiometer)、MODIS(moderate-resolution imaging spectroradiometer)等卫星遥感影像获取的归一化植被指数(normalized difference vegetation index,NDVI)存在大气噪声、土壤背景、饱和度等固有问题。GPS(global positioning system)卫星播发的L波段信号对土壤和植被水分含量变化较为敏感,GPS-IR(GPS-interferometric reflectometry)利用测地型接收机和天线记录GPS反射信号的变化,进而反演测站环境参数。该文研究了利用GPS-IR反演区域NDVI时间序列的方法。采用4个GPS参考站2007-2015年近9 a的连续观测数据,由伪距和相位观测值计算了归一化微波反射指数(normalized microwave reflection index,NMRI),傅立叶变换显示NMRI具有明显的周期特性,其中年周期和半年周期分量普遍较为突出。利用三角多项式拟合剔除NMRI中由积雪和降雨引起的粗差点后,其波动与同时间段内MODIS NDVI的趋势一致。一元线性回归结果显示NMRI与NDVI之间存在显著线性相关,相关系数在0.697~0.818(P0.001),NDVI反演误差的均方根误差在0.059~0.079,表明GPS-IR反演区域NDVI时间序列是可行的,该研究为获取准实时、低成本和高时间分辨率的NDVI提供了新的思路。     

基于NDVI时间序列数据的施肥方式遥感识别方法

农产品生产过程时空动态监测是有机/绿色农产品认证亟待解决的问题,不同施肥方式的时空精准识别是解决该问题的关键。本文以美国加州大学戴维斯分校长期定位实验为基本材料,利用时间序列Landsat8和Sentinel-2影像研究长期施肥实验下不同施肥处理轮作地块的植被指数时间序列,对比分析不同施肥处理NDVI的差异以及NDVI与产量的相关性。结果表明:1)不同施肥处理下的NDVI时间序列曲线总体趋势相似,有机肥与化肥处理NDVI时间序列曲线差异较大;2)不同施肥处理NDVI随作物生长期呈现规律变化,生长初期和后期有机肥处理NDVI均值高于化肥处理,生长中期化肥处理高于有机肥处理;3)不同施肥处理下的NDVI与产量之间相关系数随作物生长期有规律变化,应用植被指数进行遥感估产需要考虑不同施肥处理的影响。研究成果初步探讨了利用不同施肥处理NDVI时间序列差异、NDVI与产量相关性差异区分有机肥与其他施肥方式,有望为有机/绿色农业的时空动态监测与认证提供遥感技术支持,深化遥感技术在农业领域应用。     

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。     

近30 a新疆月NDVI动态变化及其驱动因子分析

不同生长阶段的植被对水热条件的需求、对气候变化的敏感性可能不同。监测不同月份植被动态变化及其对气候变化的响应,对于深入理解植被与气候的关系具有重要意义。基于MODIS NDVI数据集拓展的AVHRR GIMMS NDVI时间序列,该文研究了近30 a新疆生长季各月植被生长的动态变化,分析了气候变化和人类活动的可能影响。结果表明,已有研究指出的1982-2006年的植被生长显著增加(P0.05)在后续几个时段仍然持续,但5-10月区域平均NDVI增加量随时段长度的延长而显著减少(P0.05),除11月外,其他月份多存在1998年或1997年前后,NDVI由增加到减少的逆转现象。但在像元尺度,显著增加和显著减少的区域多随时段延长呈极显著增加趋势(P0.01),尤其是显著减少区域在各月中均快速增加,导致区域尺度NDVI增加趋势的放缓。各月份NDVI对气候变化的响应不同:生长季开始的3-6月和生长季结束的9-11月NDVI对气温、蒸散发等与热量有关的因子变化更敏感,而7-8月则与降水量、湿润指数等水分因子的相关性更强。3-5月农田NDVI的显著减少除气候因素外,种植结构和灌溉方式的改变也是重要原因。时段长度不同得出的结果有所差异,延长时段长度、注重变化过程分析是未来植被动态监测的重要研究内容。