基于MODIS的民勤绿洲植被覆盖变化定量分析

以典型沙漠绿洲-民勤绿洲为研究区,利用MODIS陆地3级标准数据产品MOD13,通过改进的植被覆盖度估算模型对2000～2010年7月的植被覆盖度进行了估算,并对其进行分级,通过空间叠置定量分析了不同级别植被覆盖度的分布特征及动态变化。研究发现,从2000～2010年11年间,民勤绿洲轮廓变化明显,绿洲面积明显缩小,荒漠进一步扩张,极低覆盖度植被面积增加1106.01km2,相当于研究区总面积26.95%,中高覆盖度和高覆盖度植被面积分别减少133.63km2和54.75km2,各占研究区总面积的3.26%和1.33%;研究表明,11年来民勤绿洲面积萎缩明显,岛状绿洲大量消失,其中以西北部最为严重。     

古尔班通古特沙漠植被覆盖变化及其对沙尘天气的影响

利用1981～2003年逐月NOAA/AVHRR NDVI时间序列数据,分析了古尔班通古特沙漠荒漠植被覆盖的动态变化及其对沙漠南缘绿洲沙尘天气的影响。结果表明:近23年来古尔班通古特沙漠覆盖面积总体上呈现增加趋势,植被覆盖程度较高的区域分布在沙漠中部和西部,同时,这里也是23年来植被覆盖程度显著增加的区域;春、夏季植被覆盖与沙尘天气日数之间均呈现负相关关系,其中,夏季植被覆盖程度与沙尘天气日数之间的负相关最为显著。这说明在古尔班通古特沙漠植被覆盖程度与其南缘绿洲沙尘日数间存在负耦合关系,植被覆盖是影响沙尘天气发生及其强度的因子之一。     

基于单时相MODIS数据的土地覆盖三种分类方法对比研究

以甘肃省为试验区,基于单时相MODIS数据,主要利用其可见光多波段光谱信息,分别使用最大似然法、BP神经网络算法以及基于See 5.0数据挖掘的决策树分类方法对土地覆盖进行了自动分类研究,结果验证表明:决策树分类性能最优,总分类精度达到82.13%,神经网络算法次之,总分类精度为77.60%,最大似然法最差,总分类精度为73.93%;加入boosting技术的See 5.0数据挖掘决策树方法能够快速地进行决策树的建立且能很好地提高较难识别地物类型的分类精度。     

喀斯特流域极端气候变化特征及对NDVI的影响

为了解贵州省极端气候时空变化及其对植被NDVI的影响,结合箱型图、相关分析、Sen+MK等方法对1961—2020年贵州省极端气候指数进行分析。结果表明：(1)贵州省夜指数的变化幅度大于昼指数的变幅,极端高温指数呈上升趋势,极端低温指数在下降,气候整体呈变暖趋势。除赤水河流域SU25(夏日日数)以-0.08 d/a显著下降外,其余流域高温指数均显著上升,而低温指数均显著下降。(2)量级指数的变化幅度大于强度指数的变幅,年总降水量在减少,但强降水和极强降水事件呈增加趋势;强度指数中南盘江流域均未通过显著性检验,量级指数在沅江流域的变化速率最大。(3)气温及降水持续指数中,低值集中在牛栏江横江流域;其中CSDI(冷持续指数)、WSDI(热持续指数)、CDD(持续干燥指数)未通过显著性检验;GSL(作物成长期)以0.26 d/a显著上升。(4)近21年,极端高温指数对植被生长以促进作用为主,且受TN90P(暖夜日数)的影响最大;极端低温指数以抑制为主,且受TN10P(冷夜日数)的影响最大;气温持续指数以促进为主,且受WSDI的影响最大。极端降水指数中,降水强度、量级指数以促进为主,且受R25...     

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。     

NDVI时间序列谐波分析与地表物候信息获取

植被指数具有明显的季节节律,NDVI时间序列分析可以获取地表植被物候信息,但已有的AVHRR NDVI数据产品仍然存在高噪声,需要进一步校正。在考虑农业植被季节变化特征的基础上,基于先验知识对NDVI时间序列数据傅立叶校正算法进行了改进。利用1992年旬最大值合成1 km NOAA-AVHRR NDVI数据,使用该方法对河北省南部地区几种不同植被类型的NDVI数据进行校正,结果显示：改进的傅立叶谐波校正算法能更好地反映农业植被NDVI季节变化节律,且对自然植被同样适用。对校正后的NDVI 时间序列数据进行谐波分析表明：谐波的特征值(谐波余项、振幅和位相)与地表植被动态之间存在相关性,谐波余项表征NDVI 时间序列的均值,谐波振幅表征NDVI年内波动幅度大小,不同谐波的位相可以表征NDVI 季节变化的时间特征,利用这些参数可以获取地表植被物候信息,并可用于土地覆被和土地利用分类研究以及全球变化研究。     

基于植物净初级生产力模型的区域冬小麦估产研究

该文以中国冬小麦主要种植区黄淮海平原典型县市的冬小麦为研究对象,以植物净初级生产力模型对冬小麦估产进行研究。其中光合有效辐射数据(PAR)主要通过TOMS传感器紫外反射率月数据来计算获得。并且通过投影转换和内插方法,将分辨率由经度1.25度、纬度1度转为250 m。光合有效辐射分量(fPAR)主要通过250 m分辨率MODIS的最大值合成法生成的NDVI月数据和fPAR之间的统计直线关系(fPAR＝a NDVI＋b)来反演。在研究中光能转化有机质效率(ε)被视为常数,其值通过前人研究结果确定。然后计算冬小麦净初级生产力(NPP＝ε×fPAR×PAR)。文中主要考虑冬小麦产量形成关键期内NPP的形成,然后将累积的NPP转化为作物干物质的量,最后通过冬小麦收获指数修正,得到估计的冬小麦产量。而且利用地面实际调查产量数据对所预测的植物净初级生产力NPP和所预测的产量进行了验证,通过NPP计算的冬小麦生物量与实际生物量间相对误差为-4.30%;预测冬小麦产量与实际小麦产量间相对误差平均为-4.41%,结果令人满意。     

水稻极化散射特征分析及稻田分类方法研究

通过对江苏省洪泽试验区2004年获取的多时相、多极化雷达卫星(Envisat)数据分析,从图像上提取后向散射系数,建立了水稻生长模型,分析了不同极化方式的水稻后向散射特征。利用该试验区同年获取的气象卫星(NOAA)数据,提取水稻的归一化植被指数(NDVI),分析了其与水稻后向散射系数之间的相关性。最后,根据水稻的多极化后向散射特征和获取的多时相雷达数据,利用阈值法提取稻田信息,识别精度达90%以上。结果充分说明利用多时相、多极化雷达卫星数据对水稻长势监测及面积提取具有明显的优势和潜力。     

利用EOS/MODIS植被指数建立草地估产模型的研究

利用EOS/MODIS卫星遥感数据,将遥感技术用于草地牧草产量测量.以乌鲁木齐天山北坡密丛禾草、中生杂类草组成的草甸草原、密丛禾草、旱生杂类草组成的草原及小禾草、半灌木组成的荒漠草原为典型研究区,以2006年6～10月的地面测产数据和同步MODIS遥感数据为基础,分别建立了草地牧草估产模型.三种草地类型的遥感植被指数与牧草产量之间的相关性均为极显著水平,不同模型拟合效果不同,其结果表明,二次多项式估产模型的拟合度好于线性模型.     

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。