MODIS/NDVI长时间序列数据拟合重建——以文山州为例

NDVI长时间序列被大量应用在生态环境动态检测、国土空间规划、植被物候提取和气象监测等领域,然而经过预处理后的NDVI数据依旧包含大量噪声。故本文利用S-G滤波方法、双Logistic函数拟合法及非对称高斯函数拟合法对文山州2010—2020年的原始数据进行重建。在像元尺度上计算拟合数据的相关系数(CC)和均方根误差(RMSE)比较其保真性;之后基于赤池信息准则(AIC)和贝叶斯信息准则(BIC)对拟合模型的拟合优度进行评价。实验表明:三种方法的拟合效果与不同植被类型有关,对森林、草地及灌木地NDVI值不易发生突变的地区A-G与D-L有更好的重建效果;而在NDVI值变化较强的耕地区域S-G较前两种方法更加精确。三种方法均方根大致相同,但D-L的相关系数最高,故D-L保真性较好;S-G在拟合模型效果上表现得更加稳定,A-G次之。

基于MODIS/NDVI的陕北地区植被动态监测与评价

陕北地区从1999年退耕还林试点工程实施以来,区域植被发生很大变化,退耕前后植被动态变化监测成为退耕还林工程评价任务之一,而当前植被恢复监测评价的难点在于如何确定哪些是由于退耕而引起的植被变化。针对此问题,选取适合陕北地区植被变化监测的MOD IS/NDVI数据,利用均值变化及趋势分析方法,从不同土地利用/覆被类型和不同坡度植被指数动态变化两方面分析退耕还林对植被动态变化的影响。结论如下:(1)陕北地区平均NDVI从2000—2008年呈现较明显的增长趋势,坡耕地和草地NDVI增长速度相对较快;(2)趋势分析结果显示,陕北绝大部分地区植被恢复良好,植被指数呈明显改善的面积占整个地区面积的64.96%,中度改善占18.58%,其中又以坡耕地、草地植被明显改善面积分别占陕北地区明显改善面积的45.43%和17.10%,坡耕地对陕北地区植被明显改善面积贡献最大;(3)7-15°、15-25°及25-35°坡度植被明显改善面积分别占总改善面积的39.91%、25.81%、2.28%,其中7-25°坡度植被明显改善面积占总面积的65.72%;(4)基于陕北地区近年气候呈暖干化发展趋势,同期降雨并未呈现显著变化,说明非气候因子中退耕还林等人为因素是引起NDVI增长的主要因素,退耕还林对于陕北地区植被恢复有明显促进作用。

MODIS/NDVI和MODIS/EVI在耕地信息提取中的应用及对比分析

MODIS植被指数数据是区域土地利用信息提取的重要数据源。为了对比MODIS两种主要植被指数(NDIV、EVI)在耕地信息提取中的应用,采用通过时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS),对2006年全年MODIS 16天250m的NDVI和EVI时间谱数据进行了重构,从而进行了河西走廊绿洲中东部样区一系列耕地信息的提取实验,包括耕地、休耕地识别以及耕地复种指数、作物种类提取。在此基础上,对MODIS的NDVI与EVI数据的应用进行了对比分析。结果显示:(1)利用傅立叶谐波变换得到的EVI和NDVI时间谱曲线的谐波余项及谐波振幅对耕地进行识别,从识别精度来看,EVI要优于NDVI,识别精度分别为97.17%和95.99%,Kappa系数分别达到0.7938和0.6518;(2)通过计算时间序列曲线的波峰数能够提取耕地的复种指数,并且在EVI和NDVI曲线波峰阈值分别设为0.20和0.25时,休耕地能较为准确地被识别出来;(3)通过提取作物生长期内曲线的VI最大增长速率时间点以及峰值时间点等信息,作物种类能被初步识别,并且EVI较NDVI具有更强的识别能力。

基于MODIS/NDVI时间序列的森林灾害快速评估方法——以贵州省为例

以2005—2008年中分辨率成像光谱仪(MODIS)的归一化植被指数(NDVI)数据集为主要数据源构建研究区时间序列,结合统计学分析方法设计一套快速有效的森林灾害评估体系,用以探测森林资源损失的空间分布范围与灾害等级,并利用森林资源雪凝灾害损失的实际调查数据对评估结果进行一致性检验。结果表明:通过计算2005—2007年研究区所有森林像元的平均值R珔2005-2007和平均绝对偏差δall,确定森林灾害阈值DT为0.048;利用该阈值,获取2008年受灾较重的森林空间分布,主要密集分布在贵州省东南部和东北部,包括了黔南自治州、黔东南自治州和铜仁市等地区;受灾森林像元数占总森林像元数的28.6%,高于凝冻灾害森林资源损失实际调查结果(17.7%);在县域尺度上,根据MODIS/NDVI关键期影像获取的森林资源损失区域和灾害等级,确定德江、沿河和都匀等11个重度受灾县(市、区)和湄潭、榕江和桐梓等10个中度受灾县(市、区),与小班调查结果具有较高的一致性,其Kappa系数为0.86。方法为大区域尺度的森林灾害快速评估提供了一种新思路。

基于MODIS/NDVI的河北省植被指数时空变化特征及影响因素分析

利用2001-2010年MODIS/NDVI数据和土地覆盖产品数据,分析了河北省植被指数变化特征和时空分布。利用趋势分析、偏相关分析、植被异常指数分析等方法对NDVI数据进行计算,得出河北省植被空间分布上的平均状况和变化特征,以及不同植被类型在不同地区、不同海拔高度上的时空变化规律。结果表明,12001-2010年河北省植被指数年际变化整体呈增加趋势。植被指数分布有明显的地区差异,呈现北部强于南部、西部强于东部、张家口及沧州市优于其他地区的空间格局。2各植被类型NDVI值大小表现为针阔叶混交林>阔叶林>灌丛>农田>草地>非植被,其中研究期间针叶林和湿地两种植被类型年平均植被指数变化明显。32001-2010年河北省气温呈下降趋势,降水量变化平稳,增长缓慢。而且植被指数与气温的偏相关分析系数有正有负;而与降水量的偏相关分析系数均为正值。5河北省不同类型的植被分布与地形尤其是高程有一定的相关性,但研究结果受河北省整体海拔高度的影响,相关性不大。

基于MODIS/NDVI的新疆伊犁河谷植被变化

利用2000-2010年16 d合成的MODIS/NDVI数据,结合植被异常指数、趋势线分析和Hurst指数等分析方法,对新疆伊犁河谷植被覆盖的时空变化特征进行了分析。结果表明:(1)伊犁河谷内植被覆盖随海拔增高而先增加后减小,最高植被覆盖区位于2000～2 500m的高程带;2000-2010年伊犁河谷各高程带内植被覆盖整体下降趋势明显,但海拔低于1 000m的高程带除外。(2)受干湿环境影响,伊犁河谷全区平均被植异常指数最高值出现在降水最多的2002年,最低值出现在降水最少的2008年,但不同区域植被异常指数的变化存在较大差异。(3)伊犁河谷内植被覆盖增加和减小的区域分别占总面积的4.09%和19.34%,增加区域主要位于伊犁河两岸的平原区,减小区域主要位于乌孙山两端以及伊犁河谷周围海拔2000m左右的低山区域;变标度极差分析结果表明,伊犁河谷内植被覆盖年际变化呈现很强的持续性,未来一定时间内将保持现有变化趋势不变。

基于MODIS/NDVI时序数据的土地覆盖分类

以250m分辨率的MODIS/NDVI时间序列数据为主要数据源,通过Sacizkky-Golay滤波重建高质量NDVI时间序列数据;同时融合500m分辨率的MODIS多光谱反射率数据和90m分辨率的DEM数据.将非监督分类法和决策树法相结合,进行黑龙江流域土地覆盖分类研究.对分类结果采用已有的土地覆盖数据和高分辨率遥感影像进行精度评价,评价结果表明,利用MODIS/NDVI时间序列数据获得较高精度的土地覆盖分类结果是可行的.

西北地区MODIS/NDVI与MODIS/EVI对比分析

为了了解西北地区MODIS/NDVI和MODS/EVI 2种植被指数的特点,利用2003年植被生长期TERRA/MODIS资料和西北地区植被类型数据,分析了西北地区MODIS/NDVI和MODIS/EVI空间分布特征和不同类型植被随时间变化特征,比较了大气订正对NDVI和EVI的影响。结果表明:NDVI和EVI空间分布格局一致,与降水空间分布形式比较一致。NDVI与EVI值的差异随着植被覆盖度的增加而增大。不同类型植被NDVI和EVI变化特征一致。大气对NDVI和EVI的影响较大,大气订正前许多地区NDVI值小于EVI值。大气订正使NDVI增大,EVI减小,大气订正后NDVI值普遍大于EVI值。通过对大气气溶胶粒子较多地区的NDVI和EVI值的对比分析,EVI具有较好的抗大气气溶胶的作用。

基于MODIS/NDVI时序数列的广西九万山植被覆盖动态变化

利用2000—2014年九万山地区MODIS数据,采用均值变化法分析了九万山国家级自然保护区连续15年NDVI的动态变化.结果显示:九万山自然保护区植被总体长势较好,年均NDVI均在0.54以上;从时间角度看,NDVI呈现缓慢增加趋势,期间出现1个峰值和1个最低值;从空间角度来看,九万山南部NDVI最高,北部其次,中部最低,植被覆盖以中、高植被覆盖区为主,随时间变化,NDVI在空间上表现出波动变化;NDVI年代际变化率表明,九万山NDVI值在2000—2014年既有增加,也有减少.其中6年年代际变化率为负值,其余年份为正值,2009年达到变化率极值.

重庆地区MODIS/NDVI时间序列数据重建研究

基于时间分辨率为逐月、空间分辨率为1 km的MODIS/NDVI数据,利用WS、S-G、A-G和D-L这4种重建方法对重庆市2010~2014年间历年逐月的NDVI时间序列数据进行重建,并采用视觉对比、分地类像元对比、相关系数(R)、均方根误差(RMSE)、赤池信息准则(AIC)和贝叶斯信息准则(BIC)对4种重建结果进行了评价。结果表明:S-G和WS重建后噪声少,S-G的曲线最为平滑,A-G与WS保真性较好。其中,A-G的R>0.8和RMSE<0.05的分布面积最大,分别占总面积的89.41%和66.40%;WS次之,占72.76%和59.37%。此外,在模型效果分析中A-G的AIC和BIC评价结果最佳,WS在其他3种方法BIC评价结果较差的渝西地区也有较好的评价结果。

基于MODIS/NDVI的云南省近十年植被动态监测分析

介绍了植被、植被指数、归一化植被指数等相关概念。对收集的MODIS遥感数据运用GIS软件ARCGIS 9.3进行了图像的融合、裁切、提取等处理,从而获取到研究区域云南省自2002年2月至2012年12月的每个月的平均NDVI值。对NDVI值动态变化进行了分析,结果表明:研究区域云南省的植被近13年来总体呈上升趋势,植被生长状况向好的方向发展。

2000年以来岷江上游地区MODIS/NDVI动态变化

运用遥感和地理信息系统手段,基于MODIS遥感数据集,研究了2000年以来岷江上游地区归一化植被指数的动态变化特征,初步揭示环境变化及人类活动影响下研究区NDVI的时空变化规律。结果表明:(1)2000年以来岷江上游年NDVI总体呈波动上升趋势,由2000年的0.78提升至2015年的0.81,年平均增长率为0.0013。岷江上游地区NDVI最低值出现在1月份下半月,最大值出现在7月份中下旬。(2)在空间上,研究区内NDVI以稳定状态为主;轻度增大、轻度减小、明显减小类型分别占总面积的2.03%、1.97%、0.05%。(3)2000—2015年间,理县年NDVI均低于其他5县市;松潘县年NDVI值均低于黑水县;除2002、2005和2006年,茂县年NDVI值均高于其他5县市。6县市均是NDVI稳定类型所占的面积比例最高,明显增大和明显减小类型所占的比例均较低;对于轻度减小类型,都江堰市该类型面积所占比例最高,汶川县次之。

MODIS NDVI饱和性对高寒草甸草地生物量遥感估测的影响——以青藏高原东缘为例

自20世纪70年代开始,归一化植被指数(NDVI)在天然草地地上生物量估测研究中得到了广泛应用。然而,NDVI对高密度植被生物量遥感估测存在饱和现象,使草地生物量遥感估测有较大的不确定性。以青藏高原东缘高寒草甸为例,基于比值植被指数(RVI)探讨了NDVI的饱和性,并评估了NDVI饱和性对高寒草甸地上生物量时空动态变化分析的影响。结果表明:(1)虽然基于中分辨率成像光谱仪(MODIS)NDVI构建的草地地上生物量估测模型精度较基于RVI构建的估测模型高,但模型对高寒草地地上生物量(生物量大于2314.627 kg/hm^(2))灵敏度较RVI估测模型低,即NDVI阈值大于0.73时,估测模型呈现饱和现象(低估了草地地上生物量);(2)结合RVI和NDVI的相关关系,对饱和部分NDVI遥感植被指数进行校正,校正后最优地上生物量遥感估测模型为线性模型(y=5908.5x-2198.9,R=0.6190,RMSE=902.41 kg/hm^(2)),较调整前RMSE降低了11.72 kg/hm^(2);(3)就NDVI饱和性空间分布而言,从全年6月—9月初(全年第161—257天)饱和性呈现先自东南向西北延伸,后自西北向东南消退的变化趋势,平均低估值介于158.45—293.92 kg/hm^(2)之间,最大低估值出现在8月初(全年第225天),超过600 kg/hm^(2);(4)此外,NDVI饱和性对草地地上生物量年际动态变化趋势分析具有较大的影响,去除饱和性影响后草地地上生物量基本不变的区域减小了21.44%,而年际变化小于-10 kg/hm^(2)和大于30 kg/hm^(2)的区域分别增加了8.48%和16.19%。研究探讨了NDVI饱和性对草地地上生物量遥感估测的影响,以期为精确评估高寒草地地上生物量提供理论依据,同时也为高寒草地资源可持续发展提供科学依据。

基于MODIS-NDVI的岷江流域植被时空演变及地形分异研究

岷江是长江水系的重要分支之一,流经川西高原以及四川盆地地区。植被作为重要的生态指标之一,通过研究岷江流域的植被时空变化特征将有助于了解该流域的生态环境情况并为后续的生态治理提供参考依据。基于2003年~2021年岷江流域的MODIS-NDVI数据集以及DEM数据,借助于空间分析技术、Hurst指数、线性趋势分析、变异系数等方法多方面分析了岷江流域植被覆盖的时空演变特征以及地形因子对其变化趋势的影响性。结果表明:(1)研究时段内的NDVI均值介于0~0.9之间。其流域的NDVI值上中游偏高,下游偏低,岷江流域植被整体呈现波动上升的趋势,增长速率为2.4%/10a。(2)岷江流域植被覆盖呈增加趋势和减少趋势的面积分别占84.49%和15.51%。川西高原的河谷地区以及四川盆地的非城镇区域呈现显著增长趋势。呈减少趋势的主要分布在成都市向外扩张的新城区、眉山市和德阳市。(3)波动性较强的区域主要分布在川西高原的高海拔山地以及成都市,而低波动主要出现在川西高原的相对低海拔区域,植被较为稳定。(4)植被未来变化趋势呈现持续性减少的主要是成都市向外扩张的新城区。而呈现持续性增加的主要分布在四川盆地的非城镇地区以及川西高原的河谷地区。(5)海拔和坡度作为影响植被变化的主要因素,坡向与植被变化的相关性并未显示出明显的规律。

基于MODIS-NDVI的塔城地区植被覆盖动态变化

【目的】研究20 a塔城地区植被覆盖动态变化与土地利用之间的关系。【方法】基于塔城地区2001~2020年植被生长比较旺盛月份(6~9月)的MODIS-NDVI产品数据和2000、2010以及2020年土地利用数据,运用Google earth engine平台、Theil-Senmedin趋势分析、Mann-Kendall检验、像元二分法、变异系数等工具和方法。【结果】塔城地区多年平均植被覆盖度介于0.32~0.46之间,以低、中低植被覆盖度为主,高植被覆盖度区主要集中于西北部和中部;2001~2020年,塔城地区植被覆盖度以0.38%/a的变化率呈现波动增长趋势;植被覆盖改善区(72%)大于退化区(26%),沙湾市和乌苏市南部、塔城市以及额敏县改善较为明显;弱变异和中等变异为该区域植被覆盖度变异主要类型;塔城地区主要的土地利用变化特征是未利用地向草地的转化以及草地向耕地的转化,未利用地在草地和耕地的补充与占用中发挥了重要作用;植被覆盖度与土地利用类型存在响应联系,未利用地面积的显著减少区域与植被显著增加区域高度重合,说明未利用地对植被覆盖度的贡献最大。【结论】反映出在研究时段内塔城地区未利用地的环境得到改善,荒漠化防治等生态修复工作取得显著成效。

基于MODIS-NDVI数据的延河流域植被覆盖时空变化及其对极端降水的响应

基于2010-2020年MODIS-NDVI数据,分析延河流域归一化植被指数(normalizeddifference vegetation index,NDVI)和极端降水指数,辅以利用Sen趋势分析、M-K趋势检验法、Pearson相关分析等方法,研究植被覆盖时空变化及其对极端降水的响应。结果表明:1)2010-2020年,延河流域NDVI呈显著增加趋势,植被覆盖状况逐年改善,其增加速率为0.073/(10 a)(P<0.001);2)空间上,延河流域NDVI呈现从东南到西北减小的布局;3)趋势上,NDVI呈上升和减小趋势的面积占比分别为98.02%和1.98%,整体呈上升趋势,植被覆盖显著改善;4)近11年极端降水指数总体趋势变化平缓,R20(number of very heavy precipitation days)、RX_(5day)(max5-day precipitation amount)、CDD(consecutive dry Days)和CWD(consecutive wet days)呈上升趋势,R_(95P)(very wet day precipitation)和SDII(simple daily intensity index)呈下降趋势;5)NDVI与极端降水指数的相关性整体上偏低,除SDII外,其余指数都与NDVI正相关,且NDVI与RX_(5day)相关性最强,与R20相关性最弱。

基于GEE和MODIS NDVI时序的青藏高原农作物信息提取

实时、准确地提取作物信息对于了解区域的种植结构和农业生产变化、保障国家粮食安全具有重要作用.谷歌地球引擎(Google Earth Engine,GEE)是一个具有先进存储能力和计算能力的地理信息数据云平台,可以快速获取并处理影像数据,节约时间成本,满足大范围区域作物信息提取的需求,相较于传统的遥感分析手段有明显优势.针对青藏高原作物信息提取困难的现状,通过GEE平台,快速获取并处理了Landsat数据并与基于MODIS NDVI时间序列提取出来的物候参数进行特征构建,充分利用不同地物物候特征的差异进行分类训练,实现青海省东部主要农作物信息的提取.结果表明:①该方法提取结果精度较高,分类回归树验证的总体精度为86.23%,Kappa系数为0.82.提取结果基本符合研究区的作物种植结构,说明Landsat数据与MODIS NDVI时间序列耦合的方法能够提高作物识别的精度,对青藏高原地区主要农作物信息自动化提取具有一定的积极意义.②说明GEE平台是实现青藏高原主要农作物较高精度作物信息提取的有效工具.③主要的误差来源于零星且种植比例低的玉米地和分布范围广海拔差异大的青稞地,后续研究应着重在零星种植和生育期差异较小的农作物分类提取技术方面进行深入分析.

FY-3B/D星NDVI与MODIS NDVI对作物长势监测对比

风云三号卫星(FY-3)NDVI数据是中国对全球用户开放可进行全球尺度作物长势监测的主要卫星遥感数据源,客观评估其进行作物长势监测的真实状况和能力,对业务产品应用推广、产品算法和流程改进以及长时序标准数据生产等具有重要意义。采用国际通用的年际差值比较模型、植被状况指数模型(VCI)以及基于NDVI的作物生长过程评估了中国风云三号B星(FY-3B)和D星(FY-3D)NDVI旬、月合成业务产品与同期MODIS MOD13A1和MOD13A3 NDVI数据对作物长势的监测情况。年际比较模型结果表明,FY-3 NDVI的监测动态范围比MODIS NDVI的窄约0.1—0.15,两者差值在-0.02—0.02,均方根误差在0.08—0.09,在长势分级评估时可忽略,但动态范围偏窄提示有必要在分级评估时使用窄一些的阈值范围。植被状况指数模型结果表明,FY-3B NDVI和MODIS NDVI的监测结果高度一致,因此FY-3B NDVI和MODIS NDVI一样可准确反映作物生长的年际差异。作物生长过程动态监测结果表明,FY-3和MODIS月合成NDVI的年际比较结果总体一致,但在作物快速生长阶段,MODIS用3个16 d数据采用权重法合成月值的方法有一定偏差,导致两者出现差异;FY-3旬合成数据和MODIS 16 d合成数据的监测结果总体一致,前者在作物生长旺季的年际区分度更优,后者的监测曲线更平滑。但是,FY-3 NDVI与MODIS NDVI存在总体偏差,需进一步的数据处理、质量控制和客观标定,以生成与MODIS、AVHRR等一致且连续的长时序FY-3 NDVI标准数据集产品,方可用于作物生长参数定量评估。

基于MODIS时序数据的大兴安岭火烧迹地时空变化及其森林恢复研究

林火是对森林生态造成影响的最主要干扰因素之一,探究林火时空变化规律及森林恢复具有一定的社会学和生态学意义。大兴安岭拥有我国面积最大的原始林区,也是林火频繁发生的重点区域。本研究使用MODIS火烧迹地、土地覆盖以及总初级生产力(gross primary productivity,GPP)时间序列产品对大兴安岭2002—2021年火烧迹地分布信息进行提取,并对火后森林恢复情况进行统计。结果表明:2002—2021年间,大兴安岭森林地区火灾次数整体呈下降趋势,但火烧迹地面积呈现波动性变化,其中2003年无论是过火面积还是火灾频率都为最高,2008年次之,2019年过火面积最小;林火主要集中在春秋两季,3月过火面积和过火次数都为最高,9月的过火次数较高;同时林火在空间上由东北向西南呈不均匀分布,主要集中在黑龙江大兴安岭地区和内蒙古呼伦贝尔市,且内蒙古地区的林火面积远远大于黑龙江地区。对过火地区的林种分析可知,阔叶林的过火区域最大,其次是混交林,最后是针叶林。通过对过火区域的GPP时间序列分析得出,一般灾后第一年GPP数值恢复最快,但需要近7 a时间才能完全恢复到过火前的生长水平,且不同森林类型在灾后恢复速度存在明显差异,阔叶林地恢复速度较快,其次是针叶林,之后是混交林。了解林火的时空分布能够为布置和调整防火、灭火力量提供数据支撑,灾后森林的恢复研究可为森林重建和持续发展提供科学依据。

基于MODIS-EVI的四川省2000—2020年植被覆盖变化趋势的地形分布特征

通过Google Earth Engine获取MODIS-EVI数据,在ArcGIS中运用趋势分析和分布指数等方法定量分析四川省2000—2020年的植被覆盖度变化趋势的地形分布特征。结果表明:在植被覆盖变化中,增加类型的面积占46.35%,减少类型的面积占45.81%,不变类型的面积占7.84%;植被覆盖减少类型主要分布在高程小于500 m、3000—4500 m,坡度小于5°,平地、南坡、西南坡,平原、台地等区域,以灌丛和草地为主;植被覆盖增加类型主要分布在高程500—3000 m,坡度5—15°,东北坡、东坡、东南坡,丘陵、小起伏山地、中起伏山地等区域,以耕地和林地为主;植被覆盖不变类型主要分布在高程大于4500 m,坡度大于15°,北坡、西坡、西北坡,大起伏山地、极大起伏山地等区域,以建设用地和高山植被为主。研究结果从宏观上揭示了四川省近20年植被覆盖变化趋势的地形分布特征,可以为四川省在未来的生态植被恢复方案的制定提供一些参考。