基于MODIS EVI图像时间序列的冬小麦面积提取

植被指数的时间序列能够很好的反映植被在时间维上的生长变化,这为地表植被的分类以及作物面积的提取提供了思路。将TM数据作为过渡数据,利用地面测量数据间接对MODIS EVI数据进行了样本提取和验证,并结合冬小麦物候信息,将冬小麦植被指数时间曲线参量化为生长速率、衰减速率和峰值与休眠期比值,建立了华北平原冬小麦的面积提取模型。经验证,兖州地区MODIS数据和TM数据提取的冬小麦面积一致性为89.13%,整个华北地区选取13县市的MODIS提取面积与官方统计数据比对,表明有12县市的提取误差小于20%,误差主要源于MODIS的空间分辨率较粗而华北平原的地块较为细碎。

基于Ts-EVI模型的干旱监测研究

采用MODIS温度成品数据和植被指数数据构建Ts-EVI特征空间,对四川省2007年7—10月的旱情进行监测.监测结果表明:Ts-EVI特征空间在旱情监测上有一定的优越性,能准确监测四川省2007年7—10月的旱情变化;当年四川省境内旱情严重,中旱和重旱面积占全省总面积的50%以上,川东旱情较川西高原严重,且不同区域的旱情发展态势不同;对比ECMWF土壤水体积数据,两者相关性较高.

基于气候信息的喀斯特地区植被EVI模拟

该研究以喀斯特地区植被为研究对象,分析各种气候因子与植被指数的相关性及作用机制,在此基础上建立基于气候因子的植被EVI拟合模型,为定量分析气候条件对植被的综合影响奠定基础。结果表明:气候因子对喀斯特地区植被EVI影响显著,植被EVI与水汽压、平均气温、露点温度、最低气温、最高气温的相关性均大于0.8且空间一致性好。除日照时数和风速外,该地区植被EVI对其他气候因子的响应均存在显著滞后性,滞后期约16 d。对植被EVI起直接作用的主要是温度类气候因子,水分类气候因子对植被EVI的直接作用不明显,但通过其他气象因子起了较强的间接作用。根据该地区植被与气候因子的关系建立了2个EVI拟合模型,其中基于同期气候因子的同期模型中入选的气候因子为水汽压(0期)、日照时数(0期)、露点温度(0期),基于同期、前期气候因子的混合模型入选气候因子为水汽压(-1期)、最高气温(-1期)、降水量(-1期)、露点温度(-1期)、日照时数(0期)。分别利用2001-2010年建模数据和2011年非建模数据对2个模型进行了单站点和片区两种尺度的精度验证。验证结果表明,2个模型对整个片区植被EVI的拟合精度高于单站点,且混合模型的拟合精度高于同期模型。2001-2010年同期模型和混合模型的片区拟合R2分别为0.843、0.892,站点拟合R2分别为0.765±0.033、0.801±0.021。2011年2个模型的片区拟合R2分别为0.797、0.873,站点拟合R2分别为0.716±0.073、0.746±0.064。对大多数站点而言,混合模型的拟合精度较高,但是由于2个模型的建模气候因子不同及各个站点植被的EVI与气候因子的综合响应也存在较大差异,同期模型对部分站点植被EVI拟合精度高于混合模型。

基于ECMDA-EN的空战目标威胁评估

强对抗空战环境下获取的态势信息常伴有错误、缺失等缺陷数据。由于模型和参数相对固定且缺少有针对性的信息修正环节,现有的目标威胁评估方法极易导致相关时刻威胁评估结果失真。提出了一种基于证据修正及模型动态调整机制的证据网络(Evidence correction and model dynamic adjustment evidential network,ECMDA-EN)的空战目标威胁评估方法。首先,基于证据信息的突变型、连续型和确定型类型划分,结合预判的信息缺陷程度设计4种证据修正方式。在此基础上,针对连续型证据信息,通过汇总不同作战意图下的空战对抗轨迹构造样本数据,提出基于LSTM神经网络轨迹预测模型的缺陷数据修正方法。最后,针对证据节点删除的情况设计了网络节点权重以及模型的动态调整方案。仿真实例表明:在连续推理的过程中,ECMDA-EN方法依靠证据修正方式的合理切换,具备对缺陷信息的有效处理以及对模型的自适应调整能力,解决了传统威胁评估方法过于依赖信息可靠性的问题,能够持续给出合理的威胁评估结果。

基于MODIS增强型植被指数的青海省牧草产量估产研究

利用青海省22个生态环境监测站在2003和2004年牧草生长季内各月所测的牧草鲜草产量数据,并搜集了该时段内逐日的MODIS遥感数据,通过对图像的预处理,云区识别,植被指数的计算及月最大植被指数的合成,形成了与牧草产量数据相对应的MODISEVI数据。然后按牧草生长季和草地类型建立了牧草鲜草产量与MODIS植被指数的关系模型。结果表明,牧草产量和MODISEVI之间存在较高的相关性,用指数函数建立产量模型效果较好。按牧草生长季建立的牧草产量检测模型比按草地类型建立的模型相关性要高。

基于植被指数的藏北牧区土壤湿度反演

土壤湿度的遥感动态监测在农牧业生产中具有重要意义。近年来,多种基于遥感指数的土壤湿度监测方法被提出并得到广泛关注,但当前对不同深度土壤湿度的反演及植被指数反映土壤湿度滞后性的研究较少。该文针对遥感指数反演土壤湿度的精度问题,对MODIS（moderate resolutionimaging spectroradiometer）的2种植被指数产品归一化差异植被指数（normalized difference vegetation index,NDVI）和增强型植被指数（enhanced vegetation index,EVI）与土壤湿度实测值进行相关分析,并利用在其中一个样点得到相关系数最高的回归模型对距离较远的其它点进行土壤湿度值估算,最后用土壤湿度实测值对模型的精度进行验证。结果表明,2种植被指数均与土壤湿度值呈现出较强的相关性,且利用植被指数估算土壤湿度的延迟天数为5～10 d。在相同气候模式、土壤类型和植被类型的条件下,高程为影响回归模型精度的主要因素。该研究可为牧区多层深度土壤湿度反演方法的选择和监测提供参考依据。

基于植被指数的喀斯特流域赋水动态变化遥感监测研究——以贵州省为例

喀斯特流域具有特殊的双重含水介质,形成独特的地表—地下水系结构。因此,喀斯特流域水资源影响因素复杂多样,除气候、地貌、岩性等因素外,流域植被覆盖率也起到决定性的作用。本文在贵州省内选择20个流域作为研究样区,根据Landsat TM的植被光谱特征,流域赋水光谱特征,利用遥感技术,对TM影像进行光谱辐射亮度计算处理、表观反射率计算处理,并构建TVI、RDVI、EVI。根据现代数学分析方法的原理,借助Spss、MATLAB软件,探讨、建立喀斯特流域水资源监测、预测模型,并通过方差分析和样区检验,得出很好的预测效果。

基于小型无人机与MODIS数据的草地植被覆盖度研究--以甘南州为例

以甘南州为研究区,采用Canon数码相机和小型无人机搭载相机在不同大小样方上获取草地植被覆盖度数码照片,结合2015年5月-10月的Terra/MODIS植被指数产品MOD13Q1,分析了增强型植被指数(EVI)和归一化植被指数(NDVI)与草地植被覆盖度之间的相关性,建立了研究区草地植被覆盖度的回归模型,并对模型进行了精度评价,筛选出甘南州草地植被覆盖度最优遥感反演模型,并对草地生长季时期覆盖度时空上的动态特征进行分析。结果表明,1)利用小型无人机搭载相机获取草地大样方植被数码照片的方法能用于地面草地覆盖度数据的获取;2)与NDVI相比,用EVI估算草地覆盖度更优,因此确定基于EVI构建的对数模型为甘南州草地植被覆盖度最优反演模型,模型精度可达88.00%;3)研究区2015年生长季草地植被覆盖度除了低平地草甸在8月达到最大值外,其它草地类型均在7月达到最大值;4)甘南州以中高植被覆盖度为主,主要分布在玛曲、碌曲、夏河以及合作四县市。整体而言,中西部和西南部区域草地覆盖度高于东部。通过精确草地植被覆盖度模型的建立,不仅有利于及时准确的了解草地植被覆盖度的时空分布状况和季节性动态变化,也有利于维护甘南州草地生态系统的持续稳定发展。

基于GF-1 WFV数据森林叶面积指数估算

以国产高分一号(GF-1)宽幅数据(wide field of view,WFV)为数据源,采用简单生物圈模型2(simple biosphere model2,SiB2)对黑龙江省漠河县森林植被叶面积指数(leaf area index,LAI)进行估算,并与增强植被指数(enhanced vegetation index,EVI)线性模型的估算结果进行对比,结合地面实测LAI数据分别对这2种模型估算结果进行精度评价。结果表明,采用EVI线性模型估算LAI,决定系数R 2为0.582,均方根误差(root mean square error,RMSE)为0.701;而采用SiB2模型估算LAI,R 2为0.798,RMSE为0.358,均比EVI线性模型有所改善。该研究发现,结合中高空间分辨率的GF-1 WFV数据,SiB2模型更适宜于该研究区森林植被的LAI反演。

基于MODIS数据的神农架大九湖泥炭藓沼泽植被指数变化研究

泥炭藓是陆地生态系统中最重要的固碳植物之一,固碳量约占全球土壤碳的15%。近几十年来,由全球气候变暖导致的泥炭藓沼泽水热状况变化对泥炭藓的固碳量和速率产生影响。选取我国最重要的亚高山泥炭沼泽--神农架大九湖泥炭藓沼泽为试验区,以分析中纬度地区泥炭藓沼泽植被生长状况受气候变化的影响。研究以2000-2017年MODIS植被指数NDVI和EVI为数据源,通过对比Logistic模型订正后的NDVI和EVI时间序列在泥炭藓沼泽植被生长状况监测中的优劣,选出最佳指标以获得18年来泥炭藓沼泽植被生长状况的变化趋势。研究结果表明:1)Logistic模型能够很好的消除泥炭藓沼泽植被指数时间序列的噪声;2)在季节和年际两个时间尺度上,EVI对泥炭藓沼泽植被生长状况的监测效果均优于NDVI。在季节周期上,虽然EVI和NDVI均得到泥炭藓沼泽植被生长周期规律,但EVI更灵敏。在年际分析中,EVI有更大的值域响应空间,以准确反映泥炭藓沼泽植被的年际变化规律;3)由EVI获得18年来泥炭藓沼泽植被变化趋势指出,泥炭藓沼泽植被呈显著微弱增长,年均EVI增长率为3.8‰(R^2=0.45,P<0.01)。相比于EVI年均值,EVI年内最大值(R^2=0.47,P<0.01)更敏锐的反映泥炭藓沼泽植被生长状况的动态变化。

2000-2019年新疆植被覆盖度时空格局及重心变化分析

植被对生态环境稳定有着极其重要的意义,研究植被覆盖变化及驱动机制,可为区域生态保护工作提供参考。该研究利用2000-2019年MODIS/EVI数据,基于像元二分法获取植被覆盖度(Fractional Vegetation Cover,FVC),运用线性回归分析揭示了FVC变化规律,进一步利用重心模型分析了植被、气温和降水的空间变化过程。结果表明:1)2000-2019年新疆平均FVC值为0.255,空间分布差异明显,以极低覆盖度为主,极高覆盖度区域主要分布在西北部、北部以及南疆的绿洲地区。2)新疆FVC呈上升趋势,变化平稳。东疆波动较大,2015年FVC高于平均值近20%,其他地区FVC在平均值5%上下波动;全疆植被减少趋势区域占总面积的53.04%,极显著恶化区域占总面积的4.73%。3)从重心迁移分析,气温是新疆FVC空间变化的主要驱动因素,在经度方向上呈正相关(相关系数为0.734);伊犁河谷地区植被重心和降水重心在经度方向上呈负相关(相关系数为−0.492)。新疆植被覆盖度低且分布不均匀,具有显著性变化(P<0.05)的像元主要分布在人类活动区域,好转区域面积大于恶化区域,生态恢复工作效果明显,在恶化区域应当继续加强植被保护工作。

基于总体最小二乘的直线拟合方法探究

在直线拟合问题中,经典的最小二乘拟合方法在自变量选取不同时,拟合的参数值和中误差存在较大差别,故本文利用模拟数据对经典最小二乘和总体最小二乘拟合结果进行对比分析,得出结论认为:经典最小二乘自变量选取不同结算参数的原因是在进行拟合计算时忽略了自变量的误差,使拟合结果只能在一个方向上保持最佳;利用总体最小二乘参数拟合的方法进行直线拟合时拟合结果不受自变量变化的影响,并能够提高拟合精度。

北京市门头沟区2003-2014年植被初级生产力时空变化

采用CASA模型和30 m分辨率Landsat数据生成了门头沟区2003—2014年的植被净初级生产力(NPP)产品,分析了门头沟区NPP的空间分异特征,基于MODIS年NPP产品分析了门头沟区2003—2014年NPP的年际变化特征,基于MODIS植被总初级生产力(GPP)时间序列数据分析了门头沟区典型年份的年内GPP变化特征.结果表明:2003—2014年门头沟区NPP受地形及人为因素影响,低值区主要沿河流谷地及东部河流出山口处分布,在整体区域上呈现四周高、中间低的特征;自2005年以来年际NPP总体平稳,没有明显的增加或减少趋势;GPP年内波动明显,5—9月GPP/NPP的差异对不同年份间GPP/NPP差异的贡献最大.

基于HMM的雷达状态转移估计方法

针对传统识别模型存在的参数规律描述不全面的问题,提出一种适用于多功能雷达(MFR)的层级模型,该模型通过任务、状态、参数3个层级反映了MFR系统的运行机制,并依据不同的参数变化规律,设定多种函数进行描述,能够反映信号的联合变化和统计信息,较统计和脉冲样本图模型具备更好的识别效果。在层级模型基础上,针对MFR状态转移估计方法存在的鲁棒性、估计准确率不佳的问题,引入目标运动状态信息,构建双链隐马尔可夫模型(HMM),进而利用D-S(Dempster-Shafer)证据理论优化估计结果,提出一种基于HMM的雷达状态转移估计方法,实验结果表明,提出的方法较改进前具备更优异的鲁棒性和估计准确率。

基于ANN的变频喷气增焓涡旋式压缩机数学建模及分析

喷气增焓(EVI)涡旋式压缩机结构及机制较为复杂,性能影响因素较多。为了提高EVI涡旋式压缩机建模精度,本文介绍人工神经网络(ArtificialNeuralNetwork,ANN)的建模环境部署以及数据处理方法,并以某压缩机的测试数据为案例,应用人工神经网络进行数学建模,结果显示ANN模型可以满足精度需求,可供相关产品设计参考。

基于不同植被指数的TRMM数据降尺度及误差校正研究

[目的]对不同时间尺度的热带测雨卫星(TRMM)数据进行空间降尺度及误差校正研究,为华中地区洪涝灾害监测等提供科学参考。[方法]主要借助增强型植被指数(EVI)和归一化植被指数(NDVI)分别运用地理加权回归(GWR)模型实现2001-2019年华中地区TRMM数据的空间降尺度,并结合地理差异分析(GDA)和地理比率分析(GRA)对年、季和月的降尺度结果进行误差校正,通过气象站数据对校正前后的数据进行对比分析。[结果]①TRMM数据和气象站数据的决定系数(R 2)在年(0.630)、季(0.710~0.865)和月(0.637~0.875)尺度都表明了TRMM数据在华中地区具有较好的适用性;②通过GWR模型实现了TRMM数据空间分辨率由0.25°到1 km的降尺度转换,且TRMM EVI数据精度优于TRMM NDVI数据,说明华中地区TRMM数据与EVI的关系比NDVI更为密切;③对优选的TRMM EVI数据分别进行GDA,GRA校正,结果表明GDA校正结果优于GRA校正,且在降雨量越多的月份校正效果越好。[结论]在华中地区,EVI比NDVI更加适合TRMM数据降尺度研究。降尺度数据采用GDA校正比GRA校正效果更为显著。

基于谐波分析和线性光谱模型的耕地信息提取

耕地是重要的农业资源,如何利用遥感技术快速准确地提取耕地信息是目前研究的热点。利用2000年MODIS/EVI时间序列数据提取关中地区耕地资源信息。以不同地类的EVI时间序列数据年内变化差异为分类依据,采用时间序列谐波分析法对全年时间谱EVI数据进行重构分析,减少噪音对信息提取的影响。经最小噪声分离变换(MNF变换)、纯净像元指数(PPI)计算以及N维可视化工具进行人机交互选取植被、耕地、城镇和水体4种端元,基于线性光谱混合模型,获取该地区耕地资源分布信息。通过与同年1∶10万土地利用数据对比验证,本研究提取的耕地总体精度为83%。研究表明:基于时间序列谐波分析法对EVI数据进行重构,利用不同地类的特征差异,采用混合像元分解的方法,可以精确获取耕地资源定量信息。该方法可为长期、大范围、动态的耕地分布和变化遥感监测提供技术参考,同时为国土资源管理部门提供决策支持。

基于Google Earth Engine的中国植被覆盖度时空变化特征分析

植被覆盖时空变化是全球及区域生态环境重要研究内容之一。基于Google Earth Engine云平台,利用2000~2017年250 m分辨率的MODIS-EVI长时间序列数据,采用像元二分模型并辅以趋势分析、去趋势标准差、Hurst指数方法定量估算中国自2000年来植被覆盖度时空变化,并从省域尺度分析中国植被覆盖度近18 a以及未来趋势变化的时空分异特征。研究结果表明:①2000年以来中国植被覆盖度的变化速率为0.09%/a(P<0.01),平均植被覆盖度为44.63%,空间分布格局上整体呈现“东南高、西北低”的特点,但存在空间异质性;②从省级尺度来看,海南省平均植被覆盖度最高(79%),新疆维吾尔自治区最低(13%),山西省改善趋势最显著(0.4%/a),天津市年际波动最大(DSD=0.039),位于中国最西部的3省:新疆、西藏、青海植被覆盖度年际波动最小;③全国尺度植被覆盖度Hurst指数为0.72,未来将继续保持改善的趋势。具有改善持续性的省份基本呈“T”型分布,位于东西两侧的省份应注重加强植被生态修复与防护工作,保障区域生态文明建设的持续性。