基于SPOT卫星影像的矿区植被指数研究

矿区植被指数的研究对土地复垦、生态保护等方面具有指导意义。选用山西省长治市潞安矿区2004—2007年4年7个时相的SPOTⅡ/Ⅳ影像的卫星遥感数据,首先进行了数据处理(包括大气校正、几何校正、裁剪等),提取NDVI,然后进行多项式逼近和傅里叶逼近,得到4年同期的数据,进行定量化比较。结果表明,NDVI能够动态监测植被变化,沉陷区外比沉陷区内的植被指数要高,矿区开采后的地表植被指数随时间呈递减趋势直至稳定。     

东北地区归一化植被指数与环境因子间的尺度依存关系

以东北地区植被指数数据为基础,设置了西南—东北方向、南—北方向两条生态样带,使用小波进行时空时频分析,了解归一化植被指数变化的多尺度特征以及与地形、气候因素的空间多尺度关联性;应用冗余分析定量研究环境因子对归一化植被指数空间分布的影响。结果表明:小波能量谱可以清晰识别归一化植被指数空间尺度结构,在西南—东北、南—北样带上,主要特征为50~70、70~160 km,归一化植被指数在西南—东北方向上的变异性强于南—北方向;小波相干图谱能够直观显示归一化植被指数与环境因子随空间尺度、空间位置变化的依赖关系,在小尺度上地形对植被空间分布起着主导作用,大尺度上气候因子为主要因素。对于西南—东北方向上归一化植被指数,降水量、海拔是其主控因子,其中降水是其空间分异的首要影响因子;在南—北方向上,气温、海拔、降水量是归一化植被指数的主控因子,其中气温是其空间分布的主导因子。     

基于归一化植被指数的广州市植被时间变化分析

以广州市1990和2010年的TM图像为主要数据,在结合数据图像前期处理的基础上运用归一化植被指数(NDVI)从整体变化、动态变化、等级变化等方面对广州市的植被信息进行了提取和分析,同时结合广州市社会经济数据对广州植被覆盖变化的驱动因子进行了探讨。研究表明:1990年广州市区的平均NDVI值为0.29;2010年广州市区的平均NDVI值为-0.03;植物覆盖率由1990年的87.08%下降到2010年的45.73%。     

基于归一化植被指数的变量施肥控制系统研究

研究表明,归一化植被指数(NDVI)可以很好地预测潜在产量和判断当时作物氮的吸收情况并最终预测最优施氮量。本系统是一个集成光学传感和施肥控制装置的实时自动变量施肥系统,它根据实时监测的作物光谱信息和施肥机具的实际前进速度调节施肥量。系统采用无损测试技术和模糊控制算法,实际操作时通过光传感器实时获取归一化植被指数,并使用施氮优化算法(NFOA)计算潜在产量和施氮量,结合施肥机具行进速度调节实施机构中水用电磁阀的开闭,实现实时变量施肥。     

应用归一化植被指数的玉米产量预测研究

为有效利用归一化植被指数(NDVI)对玉米产量进行预测,以黑龙江省肇东市为研究区域,利用玉米抽穗期HJ1B遥感数据,结合野外实测数据,进行玉米单产遥感预测研究。通过辐射定标、大气校正、几何精校正等预处理,反演试验区域的实际光谱反射率,从而计算试验区域内玉米的归一化植被指数(NDVI)实际数值,进而与野外实测产量数据进行模型拟合。结果表明:肇东玉米抽穗期NDVI与产量之间二次多项式模型相关性最佳,对比实测数据准确率可达86%,并利用研究结果对肇东2011年玉米产量进行了预测,与实测结果比较后形成玉米单产遥感预测专题图,因此,确定归一化植被指数与玉米产量具有一定的相关性。     

基于树木年轮的呼图壁河流域草地归一化植被指数重建

利用天山北坡中部呼图壁河流域6个标准化年表,结合NOAA/AVHRR-NDVI资料提取研究区1981—2001年生长季草地各月最大INDV(归一化植被指数)值。结果表明:当年生长季草地最大INDV与树木年轮指数有较好的相关关系,夏末、秋初草地月最大INDV与树轮指数的相关性较好。将呼图壁河流域草地9月最大INDV与相关较好的3个标准化年表序列进行多元回归分析,重建了研究区1662—2001年9月草地最大INDV值,重建方程的相关系数达到0.86,重建值对实测值的方差解释量分别为73.0%,达到0.000 012的显著性水平,重建结果是可靠的。     

行播作物农田图像边界提取研究

[目的]找寻一种适于行播作物农田图像边界提取的方法。[方法]依据农田图像的特点,通过试验对比确定适合于行播作物农田图像边界提取的方法。[结果]在分析农田图像特征的基础上,选择适宜的颜色特征2g-r-b作为彩色图像的分割特征。为了实时导航,应采用固定的分割阈值。选取0.11作为超绿特征的分割阈值效果比较理想。对分割后的图像进行了中值滤波和区域填充处理可去除噪声和孔洞的影响。[结论]处理后的图像效果基本能够满足要求。     

基于不同算法的时间序列植被指数去噪效果分析

为了分析和比较不同去噪算法对时间序列植被指数的特点和去噪效果,并确定各自的适用条件和应用时需注意的问题,研究分析了目前常用的去噪算法的基本原理,以时间序列MODIS-NDVI为例,选取一个典型的有农作物覆盖的区域,在MATLAB编程环境下实现不同的去噪算法.结果表明,不同的去噪算法具有不同的去噪效果,在去噪时需要根据所要实现的目的,合理采用具体的算法.     

波段反射率和植被指数结合的作物生长季农田土壤水分估测

为了建立快速、有效的农田土壤水分含量(SMCF)遥感估测方法,在江苏省连云港市东海县、泰州市兴化市和盐城市大丰区布设SMCF遥感估测试验.在获取作物冠层近红外波段反射率(Near-infrared bandreflectance,Rnir)、红光波段反射率(Red bandreflectance,Rred)以及SMCF...     

吉林西部地表植被归一化植被指数的时空分布特征

基于GIMMS归一化植被指数(ND,V,I)数据集(1998—2008年)通过极值处理得到每15d的最大值,采用空间自相关分析和趋势分析方法,研究吉林西部地表植被分布的空间特征,结果表明:1998—2008年,吉林西部生长季的地表植被表现出明显的上升趋势;空间分析可知,研究区地表植被的空间分布表现出明显的正相关,但是局部地表植被分布有破碎倾向,空间分布的整体性一般。     

离散Landsat归一化植被指数的时间序列融合构建

结合滑动窗的使用,提出了一种基于傅里叶逼近和线性融合降尺度的时间序列构建方法。在时间序列上逐像元对离散的Landsat数据进行傅里叶逼近,并同分辨率较低的AVHRR传感器数据进行融合,实现了试验区Landsat植被指数的时间序列构建,结合作为实际观测数据的Landsat数据对模型结果的精度进行验证。结果表明,模型结果在色调与纹理等图像特征方面与实际观测数据一致,构建了白色冰雪覆盖区域的NDVI,构建结果与周边地表具有非常好的空间连续性,且整幅影像不存在明显的块状效应;模型结果与实际观测数据具有较高的相关性(平均0.869 2)和较低的均方根误差(平均0.043 5),平均高达75.04%的像元误差在±0.05之间,高达97.64%的像元误差在±0.1之间,并且误差呈良好的正态分布。模型精度对输入数据量存在一定依赖,同时对混合像元的处理方面尚存在一定的改进空间。     

空间尺度变换对归一化植被指数估计的影响

用地理信息系统(GIS)获取、描述和表达栅格地理信息的尺度问题,可抽象为在欧氏空间上进行最小几何图形单元划分,以及从划分的样本集合中抽取全部或小样本对总体参量估计的影响问题,以及尺度大小对真实世界几何图形表达的逼近问题,显然后面的问题是尺度越小越好.由于欧氏空间中的几何体划分的复杂性、最小几何图形单元定义的自由性,经典的概率论与数理统计理论还未能完全阐明自由个体形状、尺度、划分方法等对地理信息描述的影响.该研究以归一化植被指数为研究对象,借助地理信息系统软件,利用对常用的5m×5m、10 m×10 m、30 m×30m栅格尺度表达的已知总体,分别进行了全部自由个体的统计估计和检验,同时也进行了小样本抽样估计和检验.结果表明,地理空间的栅格尺度或地面抽样调查的几何单元大小发生了改变,但对总体的总值和均值的估计或表达没有影响.该研究结果对地理信息系统的研发和建设,对野外空间抽样框的设计,具有一定的指导意义.     

估算水稻叶面积指数的调节型归一化植被指数

【目的】叶面积指数（LAI）是描述植物冠层结构、群落生长分析和陆地生态系统研究的重要参数,提高叶面积指数的估算精度是遥感工作者的重要研究方向之一。【方法】通过不同氮素营养水平的水稻小区实验,利用2004年中稻高光谱反射率数据,模拟中等分辨率成像光谱仪（MODIS）前四个通道,提出包含蓝、绿、红和近红外四个谱段的调节型归一化植被指数ANDVI（adjusted-normalized difference vegetation index）。对ANDVI和归一化植被指数NDVI（normalized difference vegetation index）、增强型植被指数EVI（enhanced vegetation index）、绿波比值指数GRI（green ratio index）、红边比值指数RRI（red-edge ratio index）等5个光谱植被指数与水稻LAI的相关关系进行了分析。利用2004年晚稻试验数据,对与LAI相关关系较好的ANDVI进行验证。【结果】ANDVI指数模型预测效果最好,均方根误差为1.771,估算精度达到63.1%。【结论】说明ANDVI具有进行在大面积范围内监测水稻LAI的能力。     

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。     

千岛湖区破碎化生境景观的归一化植被指数特征分析

基于TM遥感数据,以杭州市淳安县千岛湖区的典型岛屿化生境景观为研究对象,探讨该破碎化生境景观内归一化植被指数(ND,V,I)的特征,并分析ND,V,I值的变化是否受到岛屿面积和岛屿间距离的影响。结果表明:超大、大、中和小岛屿的ND,V,I值分别为0.24、0.17、0.15和0.07,岛屿的ND,V,I值与岛屿面积呈极显著正相关。岛屿样带1、2和3与大陆1的最小距离呈递增趋势,而其ND,V,I值分别为0.16、0.09和0.07,存在递减趋势但不显著;集中岛屿和分散岛屿的ND,V,I值为0.11和0.08,亦存在递减趋势但不显著。岛屿的ND,V,I值与岛屿间的距离呈不显著负相关。     

沈阳地区旱田植被指数变化与产量关系的研究

以沈阳地区为研究实例,利用NASA对地观测系统EOS系列卫星遥感影像,经过了滤波处理MODIS归一化植被指数（NDVI）数据,对研究地区的旱田作物进行不间断监测.计算出2003 ～ 2007年的年平均NDVI,分析出NDVI年际变化特征、作物生育期内的NDVI变化规律,并找出产量与植被指数变化关系.结果表明,沈阳地区旱田植被指数的年际间差异明显,旱田作物生育进程与作物生育期内NDVI变化规律大致吻合,这表明作物产量与遥感植被指数间存在较好的相关.因此,根据同期地面作物产量调查数据与MODIS遥感数据,采用一次线性拟合法建立回归方程,简单分析出沈阳地区旱田作物产量与NDVI变化关系.     

基于植被指数时空间统计特征的农业灾害信息遥感提取

及时、准确地获取农业灾情信息是防灾减灾、保障粮食安全的必要条件,本文提出了一种快速、准确地获取农业灾害信息的动态提取方法。以高时间分辨率的MODIS_NDVI时间序列为数据源,以2013—2015年黑龙江省投保地块为研究区,建立灾害监测模型,对不同物候区内的不同作物进行区分,在此基础上提取黑龙江省农业灾害空间信息。将2013年30个已知典型灾害的MODIS监测结果与高空间分辨率HJ-1A/1B CCD影像监测的监测结果对比分析,确定了模型最优阈值和Kappa系数,并利用该监测模型及阈值对2014—2015年全省农业灾害空间信息进行提取,验证了该农业灾害监测模型的精度。研究成果为区域尺度灾害信息遥感提取提供了技术支撑。     

克孜勒苏地区草地归一化植被指数时空特征及其对环境因子的响应

【目的】基于2000—2021年克州地区及周边地区的气象数据和同期的归一化植被指数(NDVI)数据,分析克孜勒苏草地NDVI对气温、降水、海拔和坡度等环境因子的响应特征,为克孜勒苏草地植被对环境因子的响应提供参考依据。【方法】利用MODISNDVI数据集通过最小二乘线性回归和相关性分析研究克孜勒苏地区草地植被变化及其对环境因子的响应。【结果】(1)2000—2021年克州地区年平均及生长季平均气温均呈下降趋势,降水和草地NDVI均呈增加趋势。克孜勒苏地区东北部和西南部气温偏低,中部及西北部气温偏高;大部分地区多年平均积计降水量偏低,东北部的阿合奇县和西部乌恰县附近较高。(2)气温和降水与草地NDVI在生长季尺度上的相关性比年尺度上的相关性更强,草地NDVI与降水的正相关性高于草地NDVI与气温的正相关性。(3)中海拔范围(2500～3500 m)内草地NDVI面积比例及其NDVI值均较大,坡度8°～35°范围内的NDVI值比较集中,南坡向NDVI值显示出明显的优势。【结论】克孜勒苏地区草地植被生长向改善趋势发展。     

基于归一化植被指数估算黑河中游地区植被生态耗水量

【目的】准确估算黑河流域中游地区植被生态耗水量,为流域生态保护和水资源配置提供科学参考。【方法】借助卫星遥感、GIS等技术,利用2011年5-9月黑河中游地区的归一化植被指数(I_(NDV))数据,将其与同期土地覆被和气象数据相结合,采用植被指数法对黑河中游地区植被生长季的生态耗水量进行计算和分析,利用2008年同地同期数据资料进行检验。【结果】黑河中游地区林地蒸散发量214.2~343.9mm,草地蒸散发量为213.1~269.8mm;区域植被生态耗水量为5.812 8亿m~3,其中林地生态耗水量为0.474 2亿m~3,草地生态耗水量为5.338 6亿m~3,计算结果与地面观测数据较为一致。【结论】用植被指数法估算植被生态耗水量比较简易、准确、可靠,在干旱地区生态研究中具有适用性。     

陕北地区GIMMS、SPOT--VGT和MODIS归一化植被指数的差异分析

为了选择适合监测陕北黄土高原地区植被的最佳遥感序列数据,精确监测陕北黄土高原退耕前后的植被变化,选取GIMMS、SPOT-VGT和MODIS3种常用的遥感数据,运用相关分析和均方根误差分析方法,比较3种遥感数据在陕北黄土高原植被空间分布、归一化差异植被指数(NDVI)季节变化和年际变化3个方面的异同。结果表明:1)在植被空间分布方面,GIMMS/NDVI、SPOT-VGT/NDVI和MODIS/NDVI在大范围上的空间分布格局基本一致,但通过分布图分析可以看出,MODIS遥感数据由于其地物分辨率高及NDVI动态范围大的优点,比SPOT-VGT和GIMMS数据更适合于反映植被类型多样的陕北黄土高原地区植被的空间分布。2)在季节变化方面,3种遥感数据NDVI季节变化之间存在极显著的相关关系。其中,均方根误差分析结果表明,MODIS/NDVI与GIMMS/NDVI之间的差异明显大于MODIS/NDVI与SPOT-VGT/NDVI之间的差异;不同季节3种遥感数据NDVI差异也不同,夏季由于云雨较多,3种遥感数据NDVI之间差异最大。3)在年际变化方面,MODIS和SPOT-VGT数据反映出陕北黄土高原地区NDVI在1999—2007年间呈显著增加趋势,而GIMMS/NDVI却未呈现显著变化,说明GIMMS/NDVI在反映陕北高原地区植被年际变化方面存在显著缺陷。通过相关分析可以看出,GIMMS/NDVI和MODIS/NDVI年际变化之间的相关系数随植被覆盖度的升高而降低,尤其在针阔混交林区,其NDVI相关系数甚至为负值,表明GIMMS传感器对高覆盖度植被变化的响应不太敏感,与其他两者相比更易受水气和云的干扰。因此,GIMMS/NDVI不能作为历史均值NDVI直接应用到MODIS应用模型中,尤其在反映高覆盖度植被年际变化方面。