基于MODIS植被指数时间谱的华北平原土地覆盖分类

中分辨率成像光谱仪(MODIS)已在全球资源环境监测中发挥了重要作用,但是它的低分辨率成为提高分类精度的阻碍。利用MODIS的高时间分辨率弥补其低空间分辨率的不足,设计分类器改善分类精度。利用2003年23个时相的MODIS_EVI图像,构建华北平原植被指数图像时间立方体。在谐波分析去噪标准化基础上,从EVI时间谱上提取5个表征物候差异的特征向量,结合表征地气交互作用差异的地表温度(LST)信息及表征地表固有的空间分异特征的坡度信息,建立分类二叉树进行土地覆盖分类。结果表明,与2000年TM分类结果的总体一致性为75.5%,Kappa系数为0.68。而NASA USGS基于MODIS分类精度为66.0051%,Kappa系数为0.3209。进一步与2003年耕地面积的官方统计资料的比较表明,该文的估算误差为34.0507 khm²,而NASA USGS的估算误差高达66.1205 khm²。研究表明利用高时间分辨率的MODIS植被指数时间序列获得较高精度的土地覆盖分类结果是可能的。     

基于MODIS数据设计的中国土地覆盖分类系统与应用研究

该文阐述了国内外主要土地覆盖分类系统及其土地覆盖产品在中国的表现,依据中国植被编码体系在MODIS数据试验的基础上,对现有国内土地覆盖分类系统进行了重新设计,包括7大类22个二级类别,并利用2001～2002年MODIS1km时间序列NDVI数据和多波段反射率光谱数据对中国区域进行了土地覆盖分类,结果显示分类产品能较为准确地描述中国区域土地覆盖的实际情况。     

MODIS植被指数的多传感器比较

Vegetation indices （Ⅵ） are one of the standard science products available from the Moderate Resolution Imaging Spectroradiometer （MODIS）. Validation of MODIS-Ⅵ products was an important prerequisite to using these variables for global modeling. In this study, validation of the MODIS-Ⅵ products including single-day MODIS, level 2 （gridded） daily MODIS surface reflectance （MOD09）, 16-day composited MODIS （MOD13） was performed utilizing multisensor data from MODIS, Thematic Mapper （TM）, and field radiometer, for a rice-planting region in southern China. The validation approach involved scaling up independent fine-grained datasets, including ground measurement and high spatial resolution imagery, to the coarser MODIS spatial resolutions. The 16-day composited MODIS reflectance and Ⅵ matched well with the ground measurement reflectance and Ⅵ. The Ⅵ of TM and MODIS were lower than the ground Ⅵ. The results demonstrated the accuracy, reliability, and utility of the MODIS-Ⅵ products for the study region.     

基于时序NDVI图谱库提高土地覆盖分类精度的方法

为提高MODIS土地覆盖产品的分类精度,该文以河南省为试验区,首先将MODIS土地覆盖产品(MCD12Q1)分为高精度区域和低精度区域,然后通过构建时序NDVI图谱库并利用图谱曲线相似性测定方法,改进MCD12Q1低精度区域的分类精度。结果表明:1)时序NDVI是土地覆盖的重要分类特征,二者之间具有较强的关联性。2)利用时序NDVI图谱库能够明显提高MODIS土地覆盖产品的分类精度,改进后的MCD12Q1的总体分类精度分别由72.76%(比较评价)、64.52%(样本评价)提高到83.05%和81.72%。3)不同土地覆盖类别精度提高的程度不同,林地、草地、耕地、人工地表以及水体的生产者精度分别提高35.36%、29.51%、2.98%、6.96%和6.11%。4)对于判定时序NDVI曲线相似度的2种具体方法而言,最小距离法(minimum distance,MD)总体上优于光谱角度匹配法(spectral angle mapper,SAM)。综上,保留现有土地覆盖产品中分类精度较高的部分,基于时序NDVI图谱库改进分类精度较低的部分,是提高现有土地覆盖产品分类精度的有效方法。     

陕西省土地覆盖分类的遥感应用研究

利用监督分类和阚值判别相结合的方法，在对不同地物的地表光谱特征进行分析的基础上，对NOAA和FY－1C卫星各个季相的晴空资料分别进行了计算NDVI与判别分类，制作了陕西省遥感土地覆盖分类图，从而探索了一种通过极轨遥感资料进行宏观的土地覆盖分类的方法，此外，提出的用于遥感图像精校正的火点定位法，解决了地面控制点与遥感图像元的对应问题。     

基于知识的遥感影像的BAYES分类方法研究——以福州市琅歧岛土地覆盖/土地利用类型为例

提高计算机遥感影像的分类精度,是遥感应用中研究的主要问题之一。以福州市琅歧岛土地覆盖/土地利用类型为例,以遥感影像解译知识为基础,使用TM、Aster的融合影像和NDVI生成的植被覆盖度影像,并结合DEM、土地利用等地理辅助数据,将DEM和NDVI因子作为待分类影像的波段加入其中,构成新的待分类影像,运用Bayes分类方法,通过循环迭代的方法消除先验概率对分类精度的影响,实例证明比运用单一的分类方法精度明显提高。     

基于决策树的龙口市土地利用/覆盖分类研究

LUCC是全球变化研究的重要内容,土地利用/覆盖信息的获取是其前提和基础。决策树分类法是每次利用一定的规则,对遥感影像进行逐级细化的分类模型,具有直观、高效等特点。在综合分析每一种土地利用/覆盖类型各种特征的基础上,探讨了将不同土地利用/覆盖类型的光谱特征、空间特征、波段比值特征等信息融入决策树分类模型,对龙口市土地利用/覆盖信息进行自动分类的方法,取得了较高的分类精度。     

基于决策树的龙口市土地利用/覆盖分类研究

LUCC是全球变化研究的重要内容,土地利用/覆盖信息的获取是其前提和基础。决策树分类法是每次利用一定的规则,对遥感影像进行逐级细化的分类模型,具有直观、高效等特点。在综合分析每一种土地利用/覆盖类型各种特征的基础上,探讨将不同土地利用/覆盖类型的光谱特征、空间特征、波段比值特征等信息融入决策树分类模型,对龙口市土地利用/覆盖信息进行自动分类的方法,取得了较高的分类精度。     

基于MODIS-NDVI时序数据的黄土丘陵区土地覆盖分类研究

为了获取年际土地覆盖基础数据以支持区域土壤侵蚀定量评价,探讨了采用基于时间序列谐波分析法(HA-NTS)对延河流域2006年MODIS-NDVI时间序列进行滤波;参考当地年植被变化特征,根据土地覆盖类型的NDVI时序曲线特征,选择定量化的分类特征,进行决策树分类,并以此为基础建立各个决策树类别掩膜;基于MODIS-NDVI和MOD09GA,在各个掩膜区内进行非监督分类,结合坡度图调整分类结果,形成延河流域土地覆盖类型图。结果表明:与2006年TM分类结果的总体一致性为75%,Kappa系数为0.620 9,影像分类结果可靠,分类方法现实可行。     

基于遗传算法优化的BP神经网络遥感数据土地覆盖分类

提出了一种基于遗传算法优化的BP神经网络遥感分类方法。该方法兼顾了遗传算法和梯度下降优化算法分别在全局和局部搜索极小点的优势;避免了在BP网络训练过程中过早收敛于局部极小点的风险;与BP算法相比,该算法多次重复过程所得网络的均方差比较稳定。在算法验证中,用中巴地球资源一号卫星数据作为试验数据,详细描述了网络优化过程中的参数设置和关键参数变化过程,比较了该算法与BP算法、最大似然法的分类精度。分类试验表明：该算法不但有较高的执行效率,也能达到很高的分类精度。     

基于MODISNDVI多年时序数据的农作物种植识别

为了获取陕西省农作物种植模式和类型分布信息,实现对于多年农作物长势分析及精确的估产和耕地生产力的估算,该文以2003-2012年的MOD09Q1时间序列遥感数据集为数据源,以陕西省主要农作物冬小麦、夏玉米、春玉米、水稻和油菜为研究对象,利用Savitzky-Golay滤波方法重建NDVI长时间序列数据集,充分利用农作物的物候信息,构建农作物年际间动态阈值方法,实现了农作物种植模式和类型的识别。通过对混合像元进行分解,更精确地提取农作物种植面积信息。利用空间和定量2种方式对农作物类型识别结果进行分析验证,空间对比分析得到分类的总体精度和Kappa系数为88.18%和59.64%,定量对比分析得到分类的总体一致性为87.56%。研究结果表明,结合物候信息与时间序列数据利用该文的分类方法可以有效的识别大尺度农作物信息。     

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。     

以地表温度-植被指数特征空间为基础基于MODIS数据进行土壤水分监测研究

Soil moisture has been considered as one of the main indicators that are widely used in the fields of hydrology, climate, ecology and others. The land surface temperature-vegetation index （LST-VI） space has comprehensive information of the sensor from the visible to thermal infrared band and can well reflect the regional soil moisture conditions. In this study, 9 pairs of moderate-resolution imaging spectroradiometer （MODIS） products （MOD09A1 and MODllA2）, covering 5 provinces in Southwest China, were chosen to construct the LST-VI space, and then the spatial distribution of soil moisture in 5 provinces of Southwest China was monitored by the temperature vegetation dryness index （TVDI）. Three LST-VI spaces were constructed by normalized difference vegetation index （NDVI）, enhanced vegetation index （EVI）, and modified soil-adjusted vegetation index （MSAVI）, respectively. The correlations between the soil moisture data from 98 sites and the 3 TVDIs calculated by LST-NDVI, LST-EVI and LST-MSAVI, respectively, were analyzed. The results showed that TVDI was a useful parameter for soil surface moisture conditions. The TVDI calculated from the LST-EVI space （TVDIE） revealed a better correlation with soil moisture than those calculated from the LST-NDVI and LST-MSAVI spaces. From the different stages of the TVDIE space, it is concluded that TVDIE can effectively show the temporal and spatial differences of soil moisture, and is an effective approach to monitor soil moisture condition.     

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数据的泰国耕地信息提取

农业是中国和多数东盟国家的基础产业,加深对东盟国家农业生产信息的认识,可以为中国与东盟的农业合作提供科学的决策参考,促进合作的健康发展。该文选取了世界上重要的水稻种植地之一的泰国作为研究对象,应用时间序列MODIS数据以及CBERS-02B数据、实测和统计等辅助数据,进行了泰国耕地信息的提取研究。该文采用的技术流程首先根据时间序列归一化植被指数数据,采用排除法提取出研究区耕地范围;其次采用探测峰值的方法确定农作物的熟制,根据熟制分区进行作物类型识别。结果表明：水稻是泰国主要的农作物类型,集中分布在湄南河流域和呵叻高原地区;旱地作物主要分布在湄南河流域边缘的中高台地地区;一年一熟的种植方式集中分布在东北部的呵叻高原;一年两熟的种植方式集中分布在湄南河流域,又可以划分为水田多熟系统和旱地多熟系统;一年三熟的种植方式也集中分布在湄南河流域地区,种植面积很小且多为水田多熟系统。在精度验证中,将CBERS-02B数据提取结果与MODIS提取结果进行空间比对,二者具有非常相似的空间分布特征。分省统计结果与遥感反演结果也具有较好的相关性。证明了MODIS数据以及该研究采用的方法在耕地信息提取中的有效性,为耕地信息的遥感提取研究提供了参考方法。     

利用MODIS-EVI时序数据对河南省土地覆盖进行分类

基于遥感的土地覆盖信息提取对农林业生产、环境监测具有直接的应用意义。该文选取河南省作为研究区域,利用2005年23个时相的MODIS EVI数据,结合农作物物候历、其他分类参考数据及河南省种植结构的相关文献,在对时序数据进行去云、平滑处理后,采用SVM（支持向量机）分类器,对河南省的土地覆盖进行分类。分类结果上,一方面参照2005年河南省农作物种植面积的统计数据得到面积精度,对大面积种植的农作物：小麦为81.47%、玉米94.87%、水稻82.43%;经济作物：油菜39.81%、大豆93.65%、棉花95.21%、花生74.27%;另一方面,参照2000年1：10万全国土地覆盖的分类数据,将2000年的对应数据和分类结果分别归并为：耕地、林地、草地、水体、建筑进行精度比较,结果表明总体识别精度为78.07%,Kappa系数为0.6556。从分类精度验证来看,表明MODIS植被指数时序数据及该文研究方法在农作物信息提取中的有效性。     

基于MODIS的东北三省植被NPP潜在气候生产力估算

大范围准确的植被生产潜力的估测,可为区域生态建设与保护提供决策支撑。基于MODIS/MCD12Q1数据、MODIS/MOD17A3数据和气象观测数据,在分析2001—2013年东北三省植被单位面积NPP年累积量时空变化的基础上,划分植被类别,构建东北三省植被NPP气候估算模型,并对研究区2013年植被NPP潜在气候生产力进行了估算。结果表明:（1）2001—2013年东北三省植被单位面积NPP年累积平均值（NPP     

基于GIS的浙江省土地利用/覆盖与地表温度的关系

利用MODIS数据的分裂窗算法,获取了浙江省各地2008年一整年的地表温度数据,综合利用遥感、地理信息系统(GIS)技术,研究了地表温度的时空分布特征、地表温度与不同土地覆盖类型间的关系以及地表温度与归一化差值植被指数(NDVI)的定量关系。结果表明:①地表温度在空间分布的高度异质性,一方面是由区域内海拔高度差异较大造成的,另一方面与下垫面类型有关;②不同土地覆盖类型间地表温度的月季变化趋势基本一致,但各类别间的地表温度高低存在显著差异,年平均地表温度总体表现为建设用地耕地林地水体;③植被对地表温度的影响受下垫面类型的制约,分析夏季NDVI与地表温度的关系可见,林地、耕地和建设用地的NDVI与地表温度呈显著负相关;水体的NDVI与地表温度呈正相关。研究结果可为当地高温热浪、低温冻害等灾害的动态监测提供新的途径,具有重要的应用价值,对政府土地合理规划和利用及防灾减灾具有重要指导意义。