基于MODIS NDVI数据的江苏省冬小麦物候期提取

农作物物候期是作物对气候变化响应的重要指标,也是提高区域农业管理水平的重要参数;遥感技术的发展为大面积提取农作物物候期提供了有效的技术途径。利用2010年MODIS NDVI序列提取江苏省冬小麦关键物候期的方法,首先采用非对称高斯函数、双Logistic函数对NDVI时序曲线进行拟合,进而采用动态阈值法确定冬小麦物候期,并利用观测数据对提取结果进行验证。结果表明,就冬小麦返青期、抽穗期、成熟期的提取而言,双Logistic函数拟合方法略优于非对称高斯函数拟合方法,利用前一种拟合方法提取的返青期、抽穗期、成熟期与观测数据比较的均方根误差分别为5.5、9.4、7.5 d,而利用后一种拟合方法提取的返青期、抽穗期、成熟期均方根误差分别为6.1、9.5、7.8 d;2010年全省的冬小麦普遍于第49天之前开始返青,抽穗期普遍开始于第105天至第113天,成熟期普遍开始于第145天至第161天,抽穗期、成熟期大体上表现出从南到北逐渐延迟的趋势,但是返青期的空间差异并不明显。     

基于MODIS NDVI数据的辽宁省玉米种植面积提取研究

基于2017年MODIS归一化植被指数(NDVI)数据,采用Savitzky-Golay (S-G)滤波方法和非对称高斯(AG)拟合方法重构辽宁省春玉米种植面积的NDVI时序曲线,使用4次拟合法平滑重构曲线,采用动态振幅阈值法、拐点法和最大值法提取了辽宁省春玉米的关键物候期(出苗期、拔节期、抽雄期),并联合决策树分类法估测了辽宁省春玉米的种植面积。结果表明:基于S-G重构法的MODIS NDVI时序曲线的综合性能更优,其重构曲线与原曲线间的平均均方根误差(RMSE)为0.196,平均平滑拟合度(R²)为0.983;对春玉米出苗期和抽雄期的提取效果而言,基于S-G重构法的提取结果更优,平均误差分别为3.9和2.6 d;对春玉米拔节期而言,基于S-G重构法和AG重构法的提取效果相当,平均误差分别为2.9和2.8 d;基于S-G重构曲线提取的春玉米种植面积的精度为94.35%,优于基于AG重构曲线提取的精度89.29%。     

基于MODIS NDVI数据的郑州市植物物候监测研究

基于2011年MODIS NDVI 500 m空间分辨率的16 d合成时间序列数据和郑州市域植物分布图, 利用MODIS数据中高质量的植被指数研究河南省郑州市域植被的季节性变化规律,并通过时间序列谐波分析法(HANTS)和滑动平均法提取3种植被类型的关键物候期。结果表明：2011年郑州市域大部分林地、草地在第85~110天集中生长,到第220~240天基本成熟,在第305~325天逐渐停止生长,生长季长度为200~220 d。大部分冬小麦开始期在第40~60天,在第100~120天生长达到极限,在第135~150天逐渐停止生长,玉米生长期集中在第165~180天,在第220~235天进入抽穗期,在第260~270天生长结束,农作物的生长季长度为90~110 d。研究结果与实地调研、前人研究资料基本相符,具有可靠性,因此利用MODIS NDVI数据能快速监测植被、有效获取区域植被物候信息。     

基于MODIS-LAI数据的广西甘蔗物候期提取

广西是我国甘蔗最大的种植区和蔗糖产业基地,但多年来因自然灾害导致的产量损失严重。及时、准确获取甘蔗的物候动态,可为区域甘蔗种植结构优化、灾害风险管理等提供科学支撑。本文分别借助Savitzky-Golay滤波、Asymmetric Gauss拟合及Double Logistic拟合方法对广西2014—2018年的甘蔗MODIS-LAI数据进行时间序列重构,并采用动态阈值法识别甘蔗关键物候期的时空变化特征。结果表明:1)上述方法可有效消除广西甘蔗LAI序列的不稳定波动和奇异值,且Asymmetric Gauss和Double Logistic方法的拟合结果较好地弥补了S-G滤波处理中局部曲线值动荡变化的缺点,能更准确地识别甘蔗生长过程;2)三种方法对广西甘蔗的播种-萌芽期、茎伸期、成熟期开始时间识别的RMSE和平均误差均在±15 d内,其中Asymmetric Gauss方法对甘蔗物候期的提取结果最优。综上,时序曲线重构法的抗干扰性能较好,可一定程度上弥补因云雨、复杂地形地貌导致LAI序列的误差,保证广西甘蔗物候信息获取的准确性。     

基于NDVI数据的华北地区耕地物候空间格局

 【目的】探讨基于多时相遥感信息监测中国华北地区耕地种植制度和物候空间格局特征。【方法】选择NDVI时间序列数据,采用非对称性高斯函数拟合方法重建平滑曲线,依据年内NDVI变化曲线峰值数目监测华北地区耕地的多熟种植制度,并利用动态阈值法获取该种植制度下耕地物候空间格局。【结果】华北地区耕地种植制度以一年两熟为主,其分布具有明显的空间差异性,随着纬度递减呈现出从简单到复杂的总体趋势。在该种植制度下,华北地区耕地第一季作物的生长开始期和生长结束期存在十分明显的空间差异,一年两熟区域的第一季作物生长开始期和生长结束期要明显早于一熟区域。与第一季作物物候期明显的空间差异相比,华北地区耕地第二季作物物候期差异不显著。【结论】华北地区耕地种植制度与物候分布格局和自然地理环境紧密相关,不同区域的温度、降水和光照等气候资源的禀赋和匹配程度对该区域的种植结构和作物布局有很大影响。此外,这种耕地物候空间格局还与作物品质、耕作水平、灌溉、施肥和农药等有密切关系。如何区别生态环境因子和人类活动因子对耕地物候的影响是今后值得深入研究的问题。     

基于MODIS NDVI的冬小麦收获指数遥感提取

为研究利用遥感技术反演冬小麦收获指数,以河北省馆陶县为例,使用2016年、2017年、2018年连续3年冬小麦生长期内的MODIS NDVI时间序列数据,并基于农学观点和冬小麦生理机制,提出了一种构建收获指数（HI）相关参数的新模型HI_MEAN,并与已有相关模型HI_NDVI和HI_NDVI＿SUM进行比较,最后建立了收获指数的预测模型。结果表明,与收获指数参数模型HI_NDVI和HI_NDVI＿SUM相比,模型HI_MEAN的精度最高。进一步反演了2018年河北省馆陶县的冬小麦收获指数,与实测冬小麦收获指数对比,其r²为0.632 9,说明收获指数参数模型HI_MEAN在反演冬小麦收获指数时,理论基础更加合理,同时也具有最高的精度。同时,收获指数参数模型HI_MEAN构建也为后续的以及其他作物收获指数提取研究提供了一种可行的思路。     

基于物候特征和混合光谱信息的春玉米种植面积提取

快速、准确地获取玉米种植面积信息对国家粮食安全和现代信息农业发展有重要的现实意义。遥感技术在作物种植面积提取中具有一定优势,尤其是作物物候信息和光谱数据相结合的方法更是目前发展的趋势之一。选取辽宁省3县市为研究区,利用Savitzky-Golay滤波重构后的2014-2015年MODIS-NDVI时间序列数据,提取作物物候特征和其他主要地物的NDVI曲线变化规律,结合水稻移栽期的NDVI、LSWI数据与大豆鼓粒期的近红外波段反射率数据,训练地物分类阈值、构建决策树提取2015年春玉米种植面积。考虑到耕地的破碎化和土地覆盖类型的多样性,利用MOD09A1反射率影像提取春玉米及混合地物的端元波谱,基于线性光谱混合模型进行混合像元分解获取春玉米丰度,根据决策树分类结果与春玉米丰度信息精确提取春玉米种植面积。利用Landsat8 OLI监督分类影像对种植面积解译结果进行精度评价,结果显示研究区春玉米种植面积提取精度在81%以上,利用统计数据验证得到仅利用物候信息经决策树分类方法提取的春玉米种植面积精度为88.416%,结合混合光谱信息后的提取精度提高到92.382%。春玉米种植面积提取结果较好地反应了其地理分布,表明重构后的生长季NDVI曲线可以准确地反应作物生长变化规律,运用中分辨率MODIS-NDVI时间序列数据获取物候信息,快速、准确提取春玉米种植面积具有可行性。物候特征耦合混合光谱信息的方法突破了传统研究中的像元限制,将作物种植面积识别水平提高到亚像元尺度,效果好于传统的像元尺度MODIS时间序列信息分类方法,能够有效提高作物种植面积估算精度,对于加快数字农业进程、提升农业信息化水平具有重要作用。     

基于MODIS时序数据物候特征下的多源遥感玉米提取

为解决农作物遥感分类易混淆的问题,准确获取玉米种植结构信息,提出了一种能够充分利用高时间分辨率和中高空间分辨率数据优势的多源遥感数据玉米提取方法。以沈阳为研究区域,利用S-G滤波重构MODIS-EVI时序曲线提取物候特征,同时利用EVI转换模型平衡Landsat-8、Sentinel-2、GF-1与MODIS之间的EVI差异构建了30 m分辨率的时序数据,采用决策树方法,基于MODIS物候特征对多源时序数据分类,逐层掩膜水稻、大豆等易混淆地类获取玉米提取结果,并采用决策树与混合像元分解结合的方法进一步提高玉米提取结果的精度。结果表明：基于多源转化遥感数据的决策树分类总体精度与Kappa系数分别为92.27%和0.8825,相较于CART决策树、随机森林、最大似然法,其分类总体精度和Kappa系数均有较大幅度的提高,相较于数据未经模型转换的决策树分类的总体精度和Kappa系数分别提高4.59个百分点和0.0663。决策树分类后结合混合像元分解的玉米提取总精度提高至95.98%,玉米分类精度得到进一步提高。     

基于MODIS遥感数据的贵州省森林物候监测

以贵州省森林植被为研究对象,基于对MODIS卫星遥感影像的分析,探讨了遥感监测手段在区域尺度上提高森林植被物候监测精细程度的可能性。结果表明：通过分析比较归一化植被指数(NDVI)、增强植被指数(EVI)、相对绿度指数(Gcc)、绝对绿度指数(ExG)等不同植被指数,发现增强型植被指数(EVI)更能表达森林植被物候变化趋势;采用S-G滤波及动态阈值法提取物候关键期,发现贵州省森林植被物候变化趋势呈现西部地区植被生长开始期晚于东部地区,结束期早于东部地区,整个植被生长季长度西部短于东部;基于EVI的贵州省森林物候空间分异规律总体上不明显,仅纬度与生长开始期(SOS)和生长季长度(LOS)相关性显著,经度海陆地带性及海拔垂直地带性差异不显著。     

基于MODIS数据的辽宁省土地利用分类研究

采用最大似然法、马氏距离法、光谱角填图法、支持向量机法、神经网络法和最小距离法6种分类方法,对辽宁省2010年3—12月MODISNDVI数据,用该数据做主成分分析的前3个主成分数据、前5个主成分数据和2010年6—10月MODISNDVI数据等4类数据进行土地利用分类研究。结果表明：6种分类方法中最大似然法、马氏距离法和最小距离法3种方法较适合对MODISNDVI数据进行信息提取,其总体分类精度分别达82．63％、80．29％、79．17％,乔木林类型信息提取精度分别达81．91％、78．54％、80．02％;3种对原始数据进行变换的方法中6—10月数据效果较好,其总体分类精度最高达82．63％,乔木林信息提取的最高精度达78．54％。     

基于MODIS数据的呼伦贝尔生态功能区典型植被物候变化研究

采用MODIS和GPS实测数据,结合NDVI时间序列特征,分析2000-2018年呼伦贝尔市植被(林地、牧草、马铃薯、油菜花、小麦)的物候变化特征,同时结合区域气象数据,探讨植被物候变化与气候因子之间的关系.结果表明,研究时段内各类植被曲线形态基本相似,但变化幅度不同,具体表现为牧草>马铃薯>林地>小麦>油菜花.近19年来研究区温度和降水整体呈升高趋势,随着降水增加,植被物候期表现为先提前后推迟的趋势.结合温度变化趋势可知,除马铃薯和牧草外,温度升高会导致次年植被物候期提前.此外,通过对5类植被进行分析发现油菜花是最适宜呼伦贝尔地区的农作物.     

基于MODIS数据提取广西甘蔗信息技术初步研究

甘蔗种植空间分布及面积估算是重要的农情信息, 能够为政府决策、糖业企业经营规模提供科学、客观的技术支持. 利用MODIS-NDVI年度内的变化规律, 依据不同作物物候历不同的原理, 并根据训练样本区的甘蔗光谱特性, 在全区或分区范围内采用监督分类和逐步剔除相结合的方法, 将广西各地甘蔗种植信息提取出来, 同时进行了面积估算. 通过对连片区域和一些特异点的野外验证, 发现结果是非常准确的, 误差在15%以内. 因此本文的结果具有科学性, 初步解决了"同物异谱"和"异物同谱"所造成的信息提取不准确的问题. 利用多时相EOS/MODIS遥感数据提取的甘蔗种植空间分布信息与甘蔗实际种植空间分布是基本相符的.     

基于MODIS数据提取广西甘蔗信息技术初步研究

甘蔗种植空间分布及面积估算是重要的农情信息,能够为政府决策、糖业企业经营规模提供科学、客观的技术支持．利用MODIS-NDVI年度内的变化规律,依据不同作物物候历不同的原理,并根据训练样本区的甘蔗光谱特性,在全区或分区范围内采用监督分类和逐步剔除相结合的方法,将广西各地甘蔗种植信息提取出来,同时进行了面积估算．通过对连片区域和一些特异点的野外验证,发现结果是非常准确的,误差在15％以内．因此本文的结果具有科学性,初步解决了“同物异谱”和“异物同谱”所造成的信息提取不准确的问题．利用多时相EOS／MODIS遥感数据提取的甘蔗种植空间分布信息与甘蔗实际种植空间分布是基本相符的．     

基于MODIS数据的丘陵地区冬小麦种植面积提取研究

利用2004-2005年MODIS 16 d合成的NDVI最大值植被指数数据,基于NDVI光谱突变方法对山西省运城地区冬小麦种植面积进行提取。通过分析得出：2005年5-6月（2005161～2005129）提取的冬小麦面积与实测面积相关性最高,估测的冬小麦面积与实测面积的误差最小,准确性最高。     

基于MODIS NDVI的西双版纳植被覆盖变化趋势研究

西双版纳作为中国特有的热带雨林生物多样性保护热点地区,分析其植被覆盖变化意义重大。基于MODIS NDVI遥感数据,利用M-K检验和方差评价法,在时间和空间上对2001—2015年西双版纳植被覆盖变化进行趋势分析。结果表明：月变化呈典型底部单峰式分布,年迹变化趋势呈波动上升,季节变化与植物生长期一致;空间分布受气候条件、经济价值、生态恢复等影响,东部地区植被覆盖高于西部,中、东部地区覆盖变化波动明显;研究区植被指数年迹、季节、月变化特征基本符合当地植被生长季节特点。     

基于Logistic模型的春玉米MODIS LAI产品订正

基于Logistic模型,利用2011—2013年辽宁省实测的叶面积指数和作物发育期数据,构建回归模型对MODIS LAI产品进行订正及效果检验。以抽雄期为分界线,分2个时段构建Logistic模型,对春玉米的全生育期进行模拟,利用模拟结果建立MODIS LAI产品的多种订正模型,其中二次多项式模型相关性最好,决定系数达到0.975。利用2013年实测数据对订正模型进行检验,在抽穗期和乳熟期将MODIS LAI产品监测误差从45%降低到10%左右,为提高MODIS LAI产品在中国北方地区旱田的适用性和反演精度提供数据基础。     

基于Logistic模型的春玉米MODIS LAI产品订正

基于Logistic模型,利用2011—2013年辽宁省实测的叶面积指数和作物发育期数据,构建回归模型对MODIS LAI产品进行订正及效果检验。以抽雄期为分界线,分2个时段构建Logistic模型,对春玉米的全生育期进行模拟,利用模拟结果建立MODIS LAI产品的多种订正模型,其中二次多项式模型相关性最好,决定系数达到0.975。利用2013年实测数据对订正模型进行检验,在抽穗期和乳熟期将MODIS LAI产品监测误差从45%降低到10%左右,为提高MODIS LAI产品在中国北方地区旱田的适用性和反演精度提供数据基础。     

基于ASAR和MODIS遥感数据的蓝藻水华提取

将同期的ENVISAT ASAR图像和MODIS图像进行配准,利用经过大气校正后的MODIS光学图像,根据分类决策树对图像EVI进行分类,借此对太湖的藻华和非藻华区域进行划分,并以此为据在ASAR图像上研究两者的V/V后向散射特性,使用阈值法对藻华范围进行提取,并将结果与MODIS图像上得到的藻华范围进行对比。结果表明,通过ASAR图像与MODIS图像得到的藻华范围较好地吻合,由此说明,在一定条件下,ASAR图像可以显示出藻华。最后从机理上探讨了风速对藻华成像的影响,分析了光学和微波图像提取藻华范围不完全一致的原因以及利用微波数据监测藻华的局限性。