基于MODIS数据的北京市植被覆盖度动态监测

植被覆盖度是反映地表植被覆盖状况的重要指标,也是衡量区域环境质量与水土保持情况的重要因子。以北京市为研究区域,应用基于MODIS NDVI的像元二分模型估算北京市2014—2016年植被覆盖度,分析不同年份、不同分级植被覆盖度的变化情况,结果表明:北京市植被覆盖度整体较高,高植被覆盖度区域在全市范围占了很大的比例,山区植被覆盖度明显高于平原区;植被覆盖状况总体较为稳定,呈现改善趋势,低植被覆盖度、中低植被覆盖度、中等植被覆盖度、中高植被覆盖度面积连续2年均出现了不同程度的减少,其覆盖度等级逐渐向高植被覆盖度演进。     

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。     

基于双波段作物长势分析仪的东北水稻长势监测

为了实现水稻精细栽培和变量管理的目的,利用独立开发的双波段作物长势分析仪,进行了水稻生长监测的试验与分析。传感器分别在610与1220 nm处测量太阳光与作物冠层反射光的强度,进而计算光谱反射率。利用双波段作物长势分析仪于2008年在黑龙江省农垦总局建三江分局2处水稻试验田,在分蘖期与抽穗早期进行了氮肥胁迫试验,结果表明水稻叶片氮浓度及生物质干质量与RVI、NDVI都具有很高的相关性,但与NDVI的相关性比与RVI的更高。分蘖期的测量结果表明,NDVI与施肥量的相关性非常显著,R2大于0.94。但NDVI并不与施肥量成线性相关,过量的施氮量反而会引起NDVI值的降低。分蘖期、抽穗早期的NDVI值都与最终产量有着显著的相关,其中抽穗早期的NDVI与产量的决定系数（R2）达到了0.96。分析结果显示利用双波段作物长势分析仪监测水稻冠层,可达到控制投入和提高产量的目的,为水稻的精细栽培提供理论与技术支持。     

基于mRMR-XGBoost的水稻关键生育期识别

针对目前使用无人机识别水稻关键生育期时光谱数据特征维度高和冗余,导致模型准确率和泛化能力不足的问题,该研究提出一种基于最优特征组合的水稻关键生育期（分蘖期、拔节期、抽穗期、乳熟期、完熟期）识别方法。首先使用无人机采集田间光谱图像,基于相对植被指数和迭代自组织数据分析算法对光谱图像进行分割,以有效提取水稻冠层区域。然后对水稻生育期的关键特征进行表达,采用最小冗余特征选择算法对特征进行重要性排序,并通过增量分组法确定最优特征组合。最后基于极度梯度提升算法构建水稻生育期的识别模型。对比试验结果显示,本文模型对5个关键生育期的识别较好,混淆情况少,对水稻分蘖期、拔节期、抽穗期、乳熟期和完熟期识别精确率分别为98.08%、100.00%、99.68%、97.50%和99.29%,整体识别精确率达到98.77%,F₁值为0.9891,Kappa系数为0.984,相比于SVM(支持向量机)分别提高了1.59%、0.0146和0.02,相比于RF(随机森林)分别提升了1.23%、0.011和0.015。研究结果可为田间作物的精准管理和决策提供重要依据。     

气候变暖对信阳地区水稻生育期的影响

利用1961-2008年信阳气象站气象资料和1981-2007年信阳农业气象试验站水稻生育期观测资料,分析了气候变暖对信阳地区水稻生育期的影响。结果表明:信阳地区近48a年平均气温整体呈上升趋势,但具有明显的阶段特征,1981年之前温度总体呈降低趋势,而1981年之后(含1981年)温度呈显著上升趋势;水稻生长季内4-5月变暖趋势最为显著,平均温度、最高温度和最低温度均显著上升,其它时段变暖趋势不明显。4-5月温度的显著升高使水稻播种和移栽日期呈显著提前的变化趋势;另一方面,由于生长季中后期温度变化不明显,水稻抽穗和成熟日期无显著变化,造成水稻移栽-抽穗期显著延长。播种期和移栽期提前,有利于水稻早生快发,培育适龄壮秧,移栽-抽穗期延长可相应延长水稻穗分化时间,有利于大穗的形成和产量的提高。     

MODIS与ETM数据在甘蔗长势遥感监测中的应用

广西是主要糖业生产基地之一,甘蔗的长势和产量作为一种基础信息,对于政府决策、糖业企业经营规模和甘蔗种植户田间管理等方面都具有非常重要的参考价值。本文从遥感监测入手,利用MODIS资料,采用归一化植被指数的方法监测甘蔗长势。同时利用ETM资料的高空间分辨率的优势,采用监督分类方法提取相关的地表特征,排除监测区内非甘蔗用地信息的干扰。ETM和MODIS资料的结合提高了甘蔗长势监测的精度,可为甘蔗估产奠定基础。     

数字高程模型和多时相MODIS数据复合的水稻种植面积遥感估算方法研究

随着搭载在TERRA卫星上的中分辨率成像光谱仪(MODIS)的出现,它以数据丰富、时间分辨率高和覆盖范围广等特点,为水稻遥感估产提供了较好的数据源。该文利用水稻种植易受坡度影响的特性,从数字高程模型(Digital Elevation Models简称DEM)中提取坡度信息,考虑到MODIS能提供多时相及丰富的数据,采用DEM产生的坡度和两个时相MODIS影像数据及植被指数复合提取水稻种植面积,经过比较试验证明,在南方丘陵山区的复杂地形区域,多源信息复合相对于单纯利用单景影像数据可以明显提高水稻种植面积估算的精度。     

基于S G滤波的陕西关中地区冬小麦生育期遥感识别和长势监测

采用SPOT VGT S10产品数据,通过S G滤波处理,重构NDVI时间序列,分析陕西关中地区冬小麦返青期和抽穗期在遥感影像上NDVI时序曲线变化特征,对冬小麦的返青期和抽穗期进行遥感识别。通过与站点观测的生育期数据比较,遥感识别的均方根误差大部分在±20d之内,返青期均方根误差（RMSE）为14.29d,抽穗期RMSE为9.16d,表明基于SPOT VGT数据对关中地区冬小麦返青期和抽穗期进行遥感识别是可行的。采用差值模型基于环境减灾小卫星（HJ星）数据进行渭南市2012年冬小麦抽穗期长势监测研究,结果显示大部分地区2012年冬小麦长势稍好于2011年,经与实地调查资料比较,监测结果与实际情况基本一致。采用HJ星数据进行冬小麦长势监测,结果纹理清晰,且以同源数据提取的冬小麦种植面积作为掩膜剔除非麦区域,降低了重采样带来的误差,用其进行长势监测研究具有明显优势。     

苏南农田土壤性状和水稻长势对土地整治的短期响应

土地整治作为一项增加耕地数量、改善农田基础设施、提高粮食产能的重要手段,全国已广泛开展。苏南平原农田整治中坑塘填埋、田块平整等十分普遍,这为土壤环境带来极大风险,但目前对农田整治中短期生态干扰仍缺乏关注。本研究借助遥感和田间调查,对土壤性状和水稻归一化植被指数开展了监测,研究土地整治对土壤及水稻生长的短期干扰及其相互关系。结果表明:短期内平整造成表层土壤有机质、全氮和有效锌含量显著下降,有效硅则相反,有效磷和速效钾变化不显著。不同平整类型区土壤养分差异明显,由高到底依次为未动工区、填方区、坑塘填埋区和挖方区;土地整治后,水稻归一化植被指数(NDVI)呈现明显的异质性,NDVI值由高到底依次为未动工区0.834、填方区0.808、坑塘填埋区0.763和挖方区0.747;土地整治区水稻NDVI值与有机质、全氮和有效锌含量存在极显著相关关系,R2分别为0.656、0.617和0.625。土地平整引起的有机质、全氮和有效锌空间变异是导致水稻NDVI异质性的主要因素,土地整治对土壤和水稻长势造成了短期干扰,应当培肥土壤与强化管护,实现由数量、产能为主整治向生态型整治转变。     

MODIS数据在土壤侵蚀动态监测中的应用--以湖北省为例

以动态监测湖北省土壤侵蚀为例，采用三要素（即植被覆盖度、地形坡度和土地利用）专家规则模型，应用MODIS遥感影像进行土壤侵蚀强度快速估测。首先，利用MODIS数据和植被指数模型提取省内的植被覆盖度信息；其次，利用人工解译的TM影像获取土地利用图；然后，利用DEM数据生成坡度图；最后，结合土壤侵蚀强度分级指标，将这3图叠加，判断和计算侵蚀强度等级，获得省内土壤侵蚀强度等级图。运用GIS技术，通过对2004年和2005年的土壤侵蚀强度等级图分析比较，从而实现动态监测。     

基于MODIS数据的湖南省旱情监测研究

干旱的发生不仅影响到当地的农业生产,还极大的破坏了当地的生态环境。采用MODIS数据以条件植被温度指数(VTCI)作为旱情指标,对湖南省2005年7月下旬的旱情分布进行了监测。综合考虑了归一化植被指数(NDVI)和增强型植被指数(EVI)的优劣性之后,以EVI代替NDVI构建了EVI-Ts特征空间,其中采用分裂窗算法对陆地表面温度进行了反演,最终得到了与实际旱情大致相符的旱情分布图。研究表明:此种方法适用于湖南省的旱情监测,同时它也是一种便捷、高效的大面积与近实时监测方法。     

基于MODIS数据的土壤含水量监测方法研究综述

通过对应用MODIS数据监测土壤含水量研究方法的综述,归纳总结了3类常用监测方法及各类方法的基本原理,分析了各方法的应用范围,讨论了各种基于MOIDS数据监测土壤含水量方法存在的问题和不足,指出较高精度的土壤含水量监测,需要综合研究下垫面土壤特性、光谱探测特性、地表覆盖物及气候等特征,并探讨了今后的研究发展方向。     

Site-Specific Nitrogen Management in Rice Using Remote Sensing and Geostatistics

Proper doses of nitrogenous fertilizer are most important for rice production system because a large part of the nitrogen may be lost if it is not applied judiciously. A study was conducted covering five blocks of Balasore and two blocks of Bhadrak districts. Soil samples were collected randomly, and field visit was conducted during peak vegetative stage of rice. Two approaches have been used in this study for estimating the site-specific nitrogen (N) requirement in the study area. In one approach, geostatisical analysis and kriging was used to develop the soil test–based N recommendation map by which a minimum of 72 kg N ha^?1 and maximum of 94 kg N ha^?1 were recommended. In a second approach, remote sensing was used and N recommendation map was developed using the moderate-resolution imaging spectroradiometer (MODIS) leaf area index (LAI) and normalized difference vegetation index (NDVI) satellite data, and a minimum requirement of 60 kg N ha^?1 and maximum of 120 kg N ha^?1 was estimated through this approach.     

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MODIS温度/植被指数的东北地区土地覆盖分类

该文采用MODIS NDVI时序数据对东北区土地覆盖分类进行研究,以验证MODIS区域土地覆盖制图的可靠性。通过试验发现经过Savizky-Golay滤波处理能有效去除云、缺失数据及异常值的影响,使得NDVI时序曲线能更好的反映植被季相变化特征,分类结果表明NDVI时序数列能较好的区分植被与非植被、草本(一年生)与木本(多年生)覆盖类型。但研究区内一年一熟的农作物与高盖度草地、落叶针叶林与落叶阔叶林具有相似的物候特征,混分现象比较严重。该研究通过添加地表温度(land surface temperature, LST)数据解决这一问题,利用所得温度/植被指数TVI对研究区进行土地覆盖分类。所得结果用363个野外调查样区进行验证,NDVI及TVI时序数据的分类精度分别为62.26％与71.63％。结果表明TVI比NDVI对土地覆盖类型中的植被类型识别更有效。     

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.     

MODIS资料在2005年陕西春旱过程监测中的应用

从可业务化的角度,在近年研究开发的NOAA/AVHRR遥感干旱监测业务化模型的基础上,充分考虑引起干旱的水热条件以及土壤覆盖类型等因子,结合陕西的地形、气候、植被覆盖特征,建立了基于MODIS数据的区域性干旱遥感监测的业务化模型和资料处理流程.通过对陕西2005年3-5月发生严重春旱过程的监测,结果表明使用基于MODIS数据的热惯量和植被供水指数两种模型进行区域性遥感干旱监测是可行的,修正后的植被供水指数模型在干旱面积估算精度和图像的可视化效果方面有了明显提高.