基于遥感技术的植被盖度动态变化在环保验收中的应用研究

基于"3S"技术,利用泰和至井冈山高速公路建设前(2001年)、建设中(2004年)及建设后(2005年)的3个时相的Landsat-TM5遥感数据对公路建设影响区的施工场地、取弃土场地等有人为活动干扰的敏感区域进行植被覆盖动态变化分析,结合GPS野外定位等现场调查实际情况进行比对,结果表明:在公路沿线的各敏感区域内,公路建设前的原始植被覆盖率要整体上高于建设中及建设后的;少数施工场地在公路竣工采取地表恢复后的植被覆盖度仍较低,植被有待于进一步采取措施恢复;基于遥感技术分析的公路建设后各敏感区域植被恢复情况与野外调查的实际状况较吻合,以"3S"为技术手段的植被盖度动态变化分析方法可以用于公路建设影响区的环境保护验收中.     

基于HJ-1卫星影像的三大农作物估产最佳时相选择

对于农作物遥感估产,精确选择最佳估产时相是关键环节。该文利用中国自行研发的HJ-1卫星CCD影像对黑龙江八五二农场3大作物（水稻、玉米、大豆）进行遥感估产的最佳时相选择,通过构建小波变换滤波方法和移动平均法的时序NDVI曲线数据,并依据平滑后的时序NDVI曲线分别确定3大作物的遥感估产最佳时相。研究结果表明,从平滑后的时序NDVI曲线中识别出来的3大作物的关键生长期与当地作物的物候期相对比,水稻生长期拟合误差为-0.003356508,玉米生长期拟合误差为-0.001687117,大豆生长期拟合误差为-0     

1982—2006年黄南州NDVI年际变化及其与气候的关系

在小尺度上研究植被对气候变化的响应,辨析起关键作用的气候因子,对于区域植被恢复与生态重建具有重要指导意义.利用NASA GIMMS 1982-2006年的NDVI数据集和黄南州4个气象站的气候资料,计算了NDVI和气候的变化趋势及其相关系数,探讨了影响NDVI的主要气候因子.结果表明,尖扎县NDVI略有下降,同仁县和泽库县下降趋势显著,河南县呈增加趋势;气候向于暖化方向发展,4县平均的气温倾向率高达0.67℃/10 a,同仁县降水量略有减少,其它3县降水量快速减少,降水量倾向率平均为24.82 mm/10 8.尖扎县、同仁县NDVI与降水量和气温具有较好的相关性,与降水量呈正相关,与气温呈负相关;泽库县NDVI主要受蒸发量、冰雹期和无霜期共同作用;河南县NDVI主要与日照时数正相关.建议植被恢复时,尖扎县和同仁县应注重保湿工作;在小尺度上开展类似研究针对性更强,对生态建设的指导意义显著.     

基于MODIS-NDVI的连江流域植被覆被及空间格局变化分析

利用2001-2008年250 m分辨率的MODIS-NDVI数据与景观格局分析软件,对8 a来连江流域的植被覆盖与空间格局变化进行动态分析。结果表明:近8 a来连江流域的较高与高植被覆盖区面积减少而中度与较低植被覆盖区面积增加,即植被覆盖呈总体退化趋势;流域景观破碎程度减少、连通性增强,景观异质性提高,景观趋于多样化和均匀化;流域内各类景观要素在破碎化程度、复杂性和稳定性、空间分布关系、聚集性变化差异明显,其中较高与中度植被覆盖区的空间特征变化对整个流域空间格局动态起主导性作用。     

植被指数的应用研究综述

目前,归一化植被指数NDVI作为一种遥感手段已经广泛应用于社会生产生活的多个方面．在综合大量国内外文献的基础上,总结了从遥感影像中提取NDVI的方法以及在提取过程中要注意的问题;气温、降水等气候因素对NDVI的影响以及NDVI自身合成计算、与气候因子相关系数计算的分析方法;列举了NDVI在植被监测、土地覆盖变化、荒漠化研究、净第一性植被生产力等几个方面的应用现状,并列出了NDVI在研究应用中的优势、存在的缺陷及改进NDVI缺陷的研究．     

利用MODIS数据反演森林生物量的方法研究

以东北三省为试验区,利用MOD IS时间序列上的植被指数NDVI,结合森林资源清查样地数据测算的林分生物量,以及年均降水量、年均蒸散量、年均湿润度、年均积温、经度、纬度等地理环境因子,采用多元线性回归的方法构建森林生物量遥感估测模型。通过样本检验,该模型对东北三省的森林生物量密度估测精度较高,与检验样本的平均每公顷生物量平均相差1.30%;通过样本定位检验,平均相差21.87%。该模型适宜在宏观尺度上估测森林生物量。     

基于遥感的广州市林分光合有效辐射分析研究

以1998年Landsat TM,2003年Landsat ETM+和2007年IRS-P6卫星数据为信息源,利用归一化植被指数(NDVI)与光合有效辐射(PAR)的线性关系,得到广州市PAR的情况,研究其动态变化。结果表明:在经济快速发展的10年中,1998—2003年广州市林分PAR逐年增强,特别是阔叶林增加较快,而针叶林保持较稳定的状态,森林生产力较高。2003—2007年广州市区、花都区、番禺3个区的林分PAR明显减弱,2007年广州市区和番禺区林分光合有效辐射比率(FPAR)较小,这说明广州市在珠三角发展的带动下城市化进程加快,人为活动的影响越来越明显。     

气候变化对宝鸡地区植被覆盖时空演变的影响

植被覆盖变化及其对气候因子的响应研究是一个长期、复杂的动态过程,本研究基于MODIS NDVI数据和宝鸡气象局11个气象站点的气候因子（气温、降水量）数据,运用趋势和相关分析法等探讨宝鸡地区近13年植被覆盖的时空变化规律及与年均温和年降水量之间的相互关系,为区域农业发展和生态文明建设工作提供了理论支撑。结果表明：（1）宝鸡地区近13a年均NDVI以0.025/10 a的速度上升,较快于三北防护林工程区1982—2006年植被覆盖的增速(0.007/10 a),且出现2001—2002年、2003—2004年两次高恢复期;（2）多年NDVI高值区集中于太白河和湑水河之间的太白县南部地区。千河沿岸及渭河流域宝鸡段的宝鸡市、宝鸡县、凤翔、岐山南北沿岸的“带状”地区,植被覆盖最低;（3）全区植被覆盖与气温较显著正相关像元占15.016% (P<0.05),与降水量较显著正相关像元占16.872% (P<0.05),相关性均较好。     

Determining corn nitrogen rates using multiple prediction models

Weather uncertainty and soil spatial variability impact nitrogen (N) cycling and corn (Zea mays L.) growth, making accurate N predictions a challenge. Field studies were conducted in Lansing, Michigan, to evaluate a computer model (i.e., Adapt-N), a preseason year-based model (i.e., maximum return to N [MRTN]), and a crop sensor model (i.e., active canopy sensor with algorithm) for recommending corn N rates. To determine site-specific economic optimum N rates (EONR), five N rates were also applied (0, 33%, 66%, 133%, and 166% of the suggested MRTN) as starter + sidedress (SD) at V4. In a wet year (i.e., 2015), Adapt-N increased V8 SD N rates 35 kg N ha^?1 relative to the MRTN V4 SD N application. Although the greater rate of N may have provided additional yield protection, no statistical yield differences were observed between the two models. The MRTN model increased partial factor productivity (PFP) 20% relative to Adapt-N. Limited expression of V8 corn N deficiency reduced crop sensor total N rates (21–56 kg N ha^?1) and yield (0.82–1.05 Mg ha^?1) relative to other models. In a drier year (i.e., 2016), N demand was reduced (EONR 64 kg N ha^?1 less than 2015), resulting in similar corn response to all three models. Despite differences in actual corn N rate recommendations, all three models resulted in similar economic net returns across study years.

Abbreviations: EONR, economic optimum nitrogen rate; MRTN, Maximum Return to Nitrogen; NUE, nitrogen-use efficiency; PFP, partial factor productivity; SBNRC, sensor-based nitrogen rate calculator; SD, side-dress     

基于时间序列MODIS的农作物类型空间制图方法

为快速获取大范围种植结构复杂区域的作物种植面积,以MODIS数据为数据源,选择归一化植被指数(Normalized difference vegetation index,NDVI)、增强植被指数(Enhanced vegetation index,EVI)、宽动态植被指数(Wide dynamic range vegetation index,WDRVI)、地表水分指数(Land surface water index,LSWI)、归一化雪被指数(Normalized difference snow index,NDSI)5种特征,结合同步的实地调查样本点,采用支持向量机算法(Support vector machines,SVM)提取黑龙江省主要农作物的种植面积。研究表明,在待选特征中NDVI、EVI与LSWI指数组合取得了最高的分类精度,总体分类精度为74.18%,Kappa系数为0.60;支持向量机算法与最大似然算法、随机森林算法相比,分类精度更优。该方法为在大区域中提取农作物种植面积提供了参考价值。