基于MODIS-EVI数据的河北省冬小麦生育期特征

生育期信息对作物生长发育的动态监测、田间精细管理以及产量预测等具有重要意义。采用NASA提供的2005年1～7月8d合成的MYD09数据产品计算出的EVI（增强型植被指数）时间序列图像,对河北省冬小麦的返青期、抽穗期和成熟期等3个关键生育期的时空分布特征进行了研究。结果表明：冬小麦生育期在空间分布上,由南向北随着纬度的增加,其返青期、抽穗期和成熟期依次推迟;不同纬度地区冬小麦的返青期、抽穗期和成熟期时间间隔基本一致,河北省南部地区冬小麦的3个主要生育期比北部地区约提前8d以上;在东西向分布上,生长条件存在异质性差异的冬小麦,其返青期相对一致,但生长条件较好冬小麦的抽穗期和成熟期比普通冬小麦提前4d左右。

基于时序MODIS-EVI数据的冬小麦种植信息提取

准确获取作物种植空间分布和面积信息是进行粮食估产的重要前提条件,也是调整种植结构的重要数据基础。笔者以河北省2004—2005年整个作物生育期内35个时相的合成地表反射率数据为数据源,生成时间序列MODIS-EVI数据集,在利用Savitzky-Golay滤波重构时序MODIS-EVI数据的基础上,分析作物EVI时间曲线,结合作物种植结构和物候历,构建分类模型,提取2004年主要种植作物的种植空间分布及面积信息。Savitzky-Golay滤波能够有效地消除云和缺失数据的影响,同时基本上保持原有曲线的基本形状,较为真实地恢复植被指数曲线。与统计数据相比,各市分类精度相差较大,其中邯郸的分类精度最低(85.9%),沧州精度最高,达到99%。按全省计算,整体精度为95.7%。2004年,河北省冬小麦呈明显的地带性,主要分布在邯郸东南部、邢台和石家庄中部以及保定东部。利用时间序列MODIS-NDVI数据提取大区域作物种植空间分布信息是可行的。

基于MODIS-EVI时间序列与物候特征的水稻面积提取

物候是植被生理生态过程与环境变化相互作用的体现,时间序列遥感数据的使用有助于揭示水稻物候特征。基于水稻物候特征建立一个可靠的水稻面积监测体系,及时、准确地监测水稻种植面积,对于粮食安全十分重要。本研究以中等分辨率成像光谱仪(Moderate resolution imaging spectroradiometer,MODIS)为数据源,选择增强型植被指数(Enhanced vegetation index,EVI),重构2019年和2020年EVI时间序列,提取水稻物候信息,并选择季节积分和生长季振幅两个指标,结合2019年单点EVI时间序列和水稻种植面积的统计数据,确定江苏省13个地级市水稻的季节积分和生长季振幅的阈值,并根据得到的阈值,提取2020年江苏省水稻种植面积。利用2020年水稻种植面积的统计数据和美国陆地卫星-8携带的陆地成像仪(Landsat8 operational land image,Landsat8 OLI)影像,对提取结果进行了精度验证。结果表明,水稻提取的总体精度为92.55%,Kappa系数为0.8463,水稻的制图精度为92.90%,用户精度为89.09%,与统计数据的一致性为93.90%,提取精度较高,在技术上具有可行性。该方法为大区域提取农作物种植面积提供了参考。

基于MODIS-EVI的西南地区植被覆盖时空变化及驱动因素研究

基于MODIS-EVI和气象数据,利用最大值合成法、像元二分模型、趋势分析和相关分析等方法,探讨了西南地区2001-2015年植被覆盖时空变化特征及其对气候因子的响应,并分析了温度和降水对植被覆盖时空变化的驱动作用。结果表明:(1)2001-2015年,西南地区植被EVI以0.1%/a的变化率呈波动增加趋势,但空间异质性显著,呈现出从东南向西北逐渐递减的趋势;(2)西南地区以高和极高植被覆盖度为主,极低植被覆盖度区域约占研究区总面积的8.6%,植被覆盖度增加的区域集中分布在广西北海-钦州、贵州省邵通-毕节-遵义、四川省广元-广安以及西藏那曲等地区,植被覆盖度呈减少趋势区域主要集中在西藏拉萨-阿里地区和四川成都-阿坝州-甘孜州等地区;(3)植被EVI与同期温度和降水相关性较好,均以正相关为主。在0.05显著水平下,受降水驱动的区域呈斑块状分布在西藏自治区和青海省交界处,以及云南和广西部分地区,约占研究区总面积的3.4%;受温度驱动的区域零星分布在各省、自治区,约占研究区总面积的1.6%;受温度和降水共同驱动的区域约占研究区总面积的7.2%,主要分布在西藏自治区的阿里地区北部,青海省的三江源地区以及四川和贵州两省交界处的小部分地区;西南地区大部分区域的植被EVI指数变化表现为非气候因素驱动。

基于MODIS-EVI的广西西江流域植被时空变化特征及其影响因素

基于MODIS-EVI数据对2007—2016年广西西江流域植被时空变化特征进行了分析,进而探讨其影响因素。结果表明:近10年来,研究区月EVI呈周期性变化,每年7—8月份最高,1—2月份最低,明显受到季节性气候等自然因素控制。EVI年际变化总体呈上升的趋势,可能与一系列植被保护措施有关,但存在两次骤然下降现象,可能是受到重大自然灾害的影响。岩溶区与非岩溶区EVI变化趋势与全区基本一致。研究区EVI具有明显的空间差异,EVI高值(>0.4)主要分布于高海拔或人为破坏小的地区,适合实施封山育林、人工造林等生态修复举措;EVI低值(≤0.4)主要分布于水系发达或城市中心地带等低海拔地区,受到自然条件和城镇化发展的制约。另外,研究区植被EVI与气温和降雨均呈显著正相关,且与气温的相关性明显高于降雨,对气温和降雨的响应均存在1个月的滞后期。

基于MODIS-EVI的重庆植被覆盖时空分异特征研究

利用MODIS-EVI数据,采用像元二分模型结合距平百分率、变异系数和分布指数对2000—2015年重庆植被覆盖度变化时空分异特征进行了分析,结果表明:(1)重庆植被年际、夏、秋季和2008—2015年春季以中覆盖度为主,冬季以及2000—2007年春季以低覆盖度为主。(2)植被覆盖年际变化不明显;劣覆盖度在2000、2002、2003年春季,2001、2006年秋季以及2011年冬季异常偏多;低覆盖度在2000、2001年秋季异常偏多;高覆盖度在2000、2008年秋季和2014年春季异常偏少。(3)植被的波动变化除了冬季以中度为主外,年际、春、夏、秋季均以轻度为主;稳定比例最高为夏季,轻度比例最高为秋季,中度和重度比例最高为冬季。(4)稳定和轻度波动类型主要分布在山地森林和草地区,中度和重度波动类型主要是城镇、水域及其周边区域。在400m以下,植被变化为重度波动;在400—800m,植被年际和夏季趋于稳定分布,而春、秋、冬季为轻度波动;在800—1300m,植被年际和夏季为中度波动,春、秋、冬季为稳定分布;在1300m以上,植被年际和夏季呈现轻度波动,春季为中度波动,秋、冬季为稳定分布。

基于MODIS-EVI指数的四川省植被指数时空演变特征及驱动力

四川省地形地貌复杂,是长江流域生态屏障的战略要地,探究该区域植被覆盖时空演变规律,以此检验各项水土保持工程的完成度、生态环境建设举措的实施度具有重要意义。研究基于MODIS的增强型植被指数(EVI)数据,运用趋势线分析、莫兰指数分析、热点分析等方法,分析了2001—2018年四川省EVI植被指数的时空变化及其影响因素。结果表明:(1)四川省EVI植被指数空间上明显呈东高西低分布规律,空间异质性显著;(2)2001—2018年EVI指数以0.22%/a的速率波动上升,13.6%研究区域的年际EVI变化率为负值,86.4%为正值。高值集中分布在四川东部广元、达州、宜宾、泸州、乐山、眉山和广安等地市,负值集中分布在甘孜、阿坝州以及成都市;2001—2018年四川省整体植被改善程度良好,但川西北高原和川西南山地地区的改善度明显低于川东四川盆地;(3)2001—2018年四川省EVI植被指数增长明显,EVI指数变化与气象因子关联度低,与人工生态工程相关性高。生态工程建设是其变化的主要驱动力。

Monitoring Multiple Cropping Index of Henan Province, China Based on MODIS-EVI Time Series Data and Savitzky-Golay Filtering Algorithm

Multiple cropping index(MCI)is a very important indicator in crop production and agricultural intensification,which represents the utilizing degree of agriculture resources at time scale and the effective utilization situation of arable land.The objective of this paper is monitoring multiple cropping index of Henan province of China according to the time series of MODIS(Moderate-Resolution Imaging Spectroradiometer)EVI(Enhanced Vegetation Index)after Savitzky-Golay filter processing from the year 2006 to 2011.The results revealed that this method could provide an effective way to monitor multiple cropping index,and the method of no additional authentication data is independent and reliable.The result was accurate and stable,the slope of linear regression of the multiple cropping index between the statistical results and the remote sensing results was 1.0136(R2=0.779).The precision of sample areas validation was 97.91%.Suggesting that the time series MODIS-EVI which after Savitzky-Golay filtering processed,could provide an effective way to extract spatial information of multiple cropping index for management department of agriculture.

基于MODIS-EVI黄淮海平原冬小麦种植面积分带提取

黄淮海平原是中国最大的平原区,快速准确获取冬小麦的种植面积信息,对于黄淮海平原粮食估产和种植结构调整具有重要意义。本研究选用2009-2010年冬小麦生育期内MODIS-EVI数据,在利用HANTS算法重构基础上,根据冬小麦植被指数的季节节律性变化规律,构建模型提取黄淮海平原冬小麦面积信息。提取结果用统计数据进行验证,表明黄淮海平原各覆盖省份提取精度均值为62.9%,偏差为33.4,提取精度低,稳定性差。分析研究区域冬小麦生育期随纬度的变化规律,发现同一生育期随纬度增加明显线性推迟,据此对研究区进行了纬向水平分带。然后利用已建立模型分带提取冬小麦种植面积信息,提取结果中各省份精度均值为84.4%,偏差为4.9。可以看出,分带提取的各省份的精度均值明显高于未分带的提取结果,偏差也明显减小,提取方法更好,更稳定,可为以后大范围区域提取冬小麦面积信息提供方法借鉴。

基于时序MODIS-EVI监测华中地区耕地复种指数

复种指数是衡量耕地资源集约化程度的基础性指标,也是国家宏观评价耕地资源利用状况的重要技术指标,它能有效反映农业生产在时间尺度上利用农业资源的程度。时序的植被指数曲线蕴涵着植被的生长和枯萎的循环节律,可以反映农作物的出苗、拔节、抽穗、收获等过程。利用经过Savitzky-Golay滤波平滑的250 m分辨率的时序MODIS-EVI(enhanced vegetation index,增强型植被指数)监测华中地区2005～2008年复种指数。监测结果与根据统计数据得到的复种指数线性回归斜率为1.109 7(R2=0.759,P<0.000 1),样点验证总体精度为92.4%,样区验证精度为97.91%。结果表明,利用时序MODIS-EVI能及时快速、低成本、高精度的监测复种指数,方法独立,提取结果比较准确、可靠。

基于BP神经网络和MODIS-EVI时间序列的土地覆被分类

以matlab为平台设计了BP神经网络用于自动提取土地覆被信息,将覆盖内蒙古的2006年全年的MO- DIS数据处理成EVI植被指数时间序列集输入神经网络进行土地覆被分类,精度检验结果显示:总体分类精度(o- verall-accuracy)为78.32%,kappa系数为0.73。

基于MODIS-EVI评估三江源高寒草地的保护成效

三江源是我国生态保护的优先区域。自2005年以来,国家投入大量资金在三江源实施了一系列生态保护措施和工程,主要目的之一是保护和恢复草地生态系统。本文基于中分辨率成像光谱仪(MODIS)增强型植被指数(EVI)数据和野外实测样方,从草地生物量的角度评估了三江源工程的保护成效,以期为后续的保护措施提供参考。本文使用2000–2016年间在青藏高原248个样地的实测地上生物量数据和同期的EVI数据,比较了通过EVI估算草地地上生物量的不同建模方法,并从中选择表现最佳的乘幂模型反演了三江源高寒草地的地上生物量,用趋势分析法得出了生物量的变化。结果显示,2000–2016年间,三江源高寒草地地上生物量没有发生显著变化的面积占62%,显著增加的地方主要在西部和北部,占22%,显著减少的地方则主要在中部和南部,占16%;2000–2016年间,草地地上生物量的年际波动较大,但总趋势不显著;在2012年后,地上生物量表现出显著降低的趋势。三江源国家级自然保护区外部的草地地上生物量高于内部,使用匹配法比较保护区内外草地地上生物量变化的情况,结果发现在生态保护工程实施的2005–2012年间,三江源保护区内的草地生物量没有显著增加。

基于MODIS-EVI的2000～2015年重庆植被覆盖季节变化

基于2000~2015年的MODIS-EVI数据,采用MVC、趋势分析和分布指数法,分析了重庆近16 a来植被的季节变化趋势和空间分布特征。结果表明:(1)植被减少类型冬季比例最高(6.33%),主要分布于受库区蓄水和建设用地扩张影响的河谷、城镇及其周边地区;植被不变类型秋季比例最高(88.23%);植被增加类型春季比例最高(31.50%),主要分布于农业种植的西部丘陵区和中部平行岭谷地区。(2)植被变化类型优势分布区域各异,植被减少主要分布于小于400 m、小于6°区域,植被增加主要分布于400~1 000 m、6°~15°区域,在大于1 000 m、大于15°区域植被相对稳定。(3)从春季到夏季,植被减少类型向低地形区(<800 m,<6°)移动,而植被增加类型则向高地形区(>800 m,>6°)移动;从夏季到秋季,植被减少类型向高地形区(>500 m,>6°)移动,而植被增加类型则向低地形区(<500 m,<6°)移动;从秋季到冬季,植被减少和增加类型均在向高地形区移动,在高地形区,植被减少(>1 300 m,>15°)分布强于植被增加(>500 m,>6°),在低地形区则是植被减少(<1 300 m,<15°)分布弱于植被增加(<500 m,<6°)。(4)在坡向的分布上,除了平地区域外,植被变化幅度在北、东、南、西坡向上随季节变化不明显。

基于MODIS-EVI和CI的洞庭湖流域植被指数对气象干旱的响应

基于洞庭湖流域2000～2012年98个气象站点的综合气象干旱指数(CI)和MODIS增强型植被指数(EVI)数据,对研究时段内生长季干旱强度和EVI时空变化特征,典型春、夏、秋季干旱年月和湿润年月干旱强度和EVI的空间分布及相关性进行分析,旨在研究EVI指数能否反映大范围气象干旱事件,探讨该指数作为流域干湿状况度量标准的潜力。结果表明:(1)在年际变化上,EVI在2001、2005、2009年出现低谷值,与其对应年份的干旱强度出现高峰值;在季节变化上,干旱强度的高值段主要集中在夏秋季,低值段主要集中在冬春季;夏季EVI值最大,冬季EVI值最小;(2)去除年际变化和季节性影响的生长季干旱强度、EVI和森林覆盖率年际波动变化明显,并且干旱强度高峰值的年份对应EVI和森林覆盖率出现低值的年份;(3)典型干旱年月干旱强度高值区的空间分布与EVI距平低值区的空间分布存在高度一致性,其中夏、秋季干旱年月的干旱强度和EVI的相关系数分别通过了0.01、0.1的显著性水平检验;(4)除部分地区外,典型春夏秋季湿润年月的干旱强度空间分布与EVI距平的空间分布对应较差,两者的相关系数未通过显著性检验。上述结果表明,在典型干旱年月,流域植被的生长状况能够响应大范围的区域气象干旱情况。

MODIS NDVI与MODIS EVI的比较分析

MODIS NDVI与MODIS EVI是目前应用比较广泛的植被指数,MODIS EVI是对NDVI的发展和延续,从植被指数计算公式和合成方法两方面做了改进。具体表现在:避免了MODIS NDVI在植被高覆盖区易饱和的问题,考虑了土壤背景对植被指数的影响,对气溶胶等残留做了进一步校正,采用BRDF/CV-MVC合成方法保证了合成采用最佳像元。EVI时间序列相较于NDVI时间序列季节性更明显,能够更好地反映高植被覆盖区的季节性变化特征,并且很少有突降现象,时间序列曲线较平滑。EVI的这些优势为高覆盖植被物候特征的季节性变化监测提供了新的思路。

基于MODIS和天地图遥感数据的区域作物秸秆产量估算方法

乡镇是秸秆焚烧最直接责任主体,开展镇(乡)区域农作物秸秆产生量估算方法研究,可为镇(乡)区域秸秆资源规划和收储设施选址提供有效方法。该文以泗洪县车门乡为试验,研究利用MODIS卫星遥感影像时间序列数据和天地图免费遥感影像数据,建立区域秸秆资源量及其空间分布的估算方法。根据天地图选取样本田块,通过网站获取MODIS-EVI时间序列数据,确定作物类型-EVI参数判别准则;选取图像识别样本田块,以图像参数为判别变量做判别分析,确定作物类型-图像参数判别准则。基于以上方法,完成全乡秸秆资源面积和秸秆产生量估算。水稻秸秆资源量1.77万t,可收集水稻秸秆资源量1.27万t,小麦秸秆资源量2.78万t,可收集小麦秸秆资源量为1.51万t;通过实际调研得知,该地水稻秸秆实际资源发生量约为1.82万t,小麦秸秆实际资源发生量约为2.75万t,估算数据和实际数据的误差仅为2.7%和1.1%,证明了该方法可以较准确的估算实际值,而且方便易用,节约成本。

夏玉米最佳时序谱段组合识别模式研究

针对夏玉米难以精确识别和分类时数据冗余的问题,提出夏玉米最佳时序谱段组合识别模式。基于时间序列的MODIS EVI数据,利用马氏距离(Jeffries-Matusita Distance,J-M)和构造的加权平均分离距离(Weighted Average Separability,DWAS)得到夏玉米区别于其他作物的增强型植被指数(Enhanced Vegetation Index,EVI)时序图像,并将其进行组合,从而构建了识别夏玉米的最佳时序谱段组合;并利用其提取了2001年~2010年黄淮海地区的夏玉米。同时利用典型试验样区TM影像分类结果和野外实地采集样地对提取结果进行了验证:典型样区MODIS与TM分类误差最大为11.4%,空间匹配度达到91.29%,基于TM数据提取的典型样区夏玉米种植面积(STM)与基于MODIS数据得到的夏玉米种植面积(SM)的精度均大于70%;地面506个样地检验的混淆矩阵总体精度达到81%。

2001-2020年川西高原植被EVI时空变化特征及气候因子驱动力分析

为了了解川西高原植被EVI的时空变化特征,以MODIS-EVI数据、DEM数据和气象格点数据为基础,基于相关性分析、趋势分析和最大值合成等方法,探讨了川西高原2001—2020年植被EVI时空变化特征及不同海拔高程下植被EVI分布和变化规律。在此基础上,对研究区植被EVI时空变化的气候因子驱动力进行了分析研究。结果表明:(1)川西高原20年间植被EVI均值介于0~0.88,空间分布具有明显的地域分异。(2)近20 a来,川西高原植被EVI整体增长趋势,速率为1.0%/10 a,植被EVI的相对年际变化率介于-4.26%~13.58%。有13.09%的地区植被EVI变化通过显著性检验,其中约10.18%的区域植被EVI呈增加趋势。(3)川西高原近20 a不同海拔高程下植被EVI都呈波动增加趋势,变化速率以及增加趋势的显著性都有明显的差异。在<2500 m,2500~3000 m,4500~5000 m^(3)个海拔高程区间内,植被EVI增加趋势显著。(4)川西高原植被EVI与气温和降水呈正向相关的区域面积占比分别为56.42%,64.09%。在0.05显著性水平下,川西高原植被EVI变化受气候因子驱动的地区约占研究区总面积的21.87%。整体而言,近20 a来川西高原植被EVI呈增加趋势,且具有明显空间差异,EVI与气温和降水整体呈正向相关。川西高原大部分地区的植被EVI变化受非气候因子驱动。

基于多源遥感数据的震后恢复评估--以四川长宁M S6.0地震为例

通过植被指数和灯光指数定量评估地震发生后灾区的恢复情况,对灾区经济建设和生态恢复的评估具有重要科学意义。以2019年6月17日四川省宜宾市长宁县M_(S)6.0地震灾区为研究区,对月度NPP-VIIRS数据、MODIS-EVI数据和统计年鉴数据进行预处理后获得4种灯光指数和增强型植被指数(EVI),分别建立NPP-VIIRS数据和MODIS-EVI数据的非线性回归预测模型,预测地震年份的灯光指数和植被指数;通过预测数据和实际数据的对比分析,评价震后的恢复情况。结果表明:地震发生后灯光总强度(TNL)和EVI均明显下降,与震中距离越近的乡镇下降越明显;EVI数据的下降具有滞后性和持续性,夜间照明恢复优于植被恢复情况;地震对TNL的影响高于EVI,且随着距离的增加地震的影响程度逐渐减小。文章从经济和环境两个方面开展研究,对地震救援和震后恢复评价均有一定的应用价值。

青藏高原地区不同植被类型MODIS植被指数与海拔高度的关系研究

高原地区的植被除了对温度、降水等气候因素响应敏感外,还受到海拔高度的影响。文中利用2006年和2008年8月份青藏高原地区的MODIS-NDVI和MODIS-EVI,结合DEM数据,分析了研究区内林地、灌丛、草甸、草原、高山植被、荒漠6种植被类型与海拔高度的相关关系。结果表明:林地和高山植被的ND-VI和EVI值随海拔高度上升而下降,其相关系数的绝对值的最小值分别为0.96和0.86,呈现显著的负相关关系;草原、灌丛的NDVI和EVI与海拔的负相关性较强,其相关系数的绝对值的最小值分别0.70和0.56。荒漠的NDVI和EVI与海拔高度基本不相关,无植被覆盖区则与海拔有较强的相关性;草甸的植被指数随海拔高度的增高呈现出先增高后减小的分段变化趋势。研究结果对青藏高原地区的植被分布及其变化监测具有借鉴意义。