基于MODIS植被指数时间序列的耕地范围提取——以黑龙江省为例

【目的】研究耕地范围提取的最优时间节点,提高耕地范围提取的时效性。【方法】依据归一化植被指数（NDVI）时间序列特征,选择2010-2013年不同时间节点NDVI时间序列作为输入变量,采用最大似然法、光谱角填图法和最小距离法对不同输入变量进行土地利用分类,将黑龙江省土地利用类型分为耕地、林地、草地、水域、居住用地和未利用地等6类,提取耕地范围。【结果】最大似然法在进行土地利用分类时优于其他方法;虽然作物生长期内（4-10月）的分类结果总体精度、Kappa系数和耕地制图精度最高,4-7月的分类结果略低于整个生长期的分类结果,但4-7月所用的数据更少、能更早地制图耕地范围;不同时期输入量结果均明显优于MODIS土地覆盖产品分类精度。【结论】基于MODIS NDVI时间序列能快速准确地提取耕地范围和获取最优时间节点,可提高耕地范围获取的时效性。

基于决策树和MODIS植被指数时间序列的中亚土地覆盖分类

利用MODIS植被指数时间序列对中亚土地覆盖类型分类进行了研究。MODIS数据时间分辨率高,时间序列数据可以表征植被生理活动的动态变化。从时间序列数据中提取植被物候信息,可以实现对不同土地覆盖类型的定量描述。MODIS数据质量信息波段,记录了研究区遥感数据质量,提供植被指数可用性、气溶胶处理、云、冰雪可能性、合成方法等信息,为植被指数时间序列噪声的去除提供一种新的方法。决策树分类结构清晰、不基于正态统计分布假设、效率高、分类精度高。分类结果与统计数据比较,两者一致性较好,精度验证总体精度95.76%,kappa系数0.9516。

谐波改进的植被指数时间序列重建算法

提出一种基于傅里叶谐波分析的改进算法,引入异常值检测算法,检测拟合过程中的异常值,增加数据拟合的真实性;迭代前动态估算出待处理序列点的峰值个数(即频数),解决整个区域预设单一频数的不合理性;引入拟合影响因子,自动控制迭代终止条件,避免传统方法中人为设置阈值导致的不确定性。利用2003年华北平原MODIS_EVI时间序列图像验证表明,较之HANTS算法,改进算法能够有效修正噪声污染像元值,修正后的EVI时序曲线更能反映地物内在的物候变化规律,并能够更好地保真原始曲线上的特征(点),如作物EVI最大值、最小值出现的时间和大小关系。

基于MODIS时序植被指数和线性光谱混合模型的水稻面积提取

水稻是中国的主要粮食作物,及时获取水稻种植面积和空间分布信息对指导水稻生产、调整区域供需平衡等具有重要的意义。以江苏省为例,利用2009—2011年连续三年的MODIS 8 d合成地表反射率数据(MODIS09A1),计算了归一化差值植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI)和陆表水指数(land surface water index,LSWI)。结合水稻在不同生长发育期EVI的时间序列变化特征,确定了水稻面积提取的关键生育期。根据水稻移栽期稻田土壤含水量高的特征,利用NDVI、EVI和LSWI三种指数构建判别条件,确定可能种植水稻的区域。利用线性光谱混合像元分解模型对包含水稻的混合像元进行分解,得到江苏省三年水稻种植空间分布。最后,选取研究区内的水稻典型样区,利用与MODIS同时期的较高分辨率的环境小卫星HJ-1 CCD(30 m)数据提取水稻种植面积和空间分布,以此作为参考数据进行精度验证,同时利用统计部门的江苏省水稻种植面积统计数据对江苏省水稻面积进行验证,两种方法验证后表明误差均在10%以内。研究表明,采用MODIS09A1数据结合线性光谱混合模型可以更高精度地提取大范围的水稻种植面积。

半干旱山区采矿扰动植被指数时空变化规律

选取潞安矿区7个生产矿井中的8个试验工作面,采用概率积分法预测开采沉陷值;对2004—2007年7个时相(分别为2004年7月8日、11月1日,2005年2月1日、8月26日,2006年5月22日,2007年4月9日和6月1日)的SPOT24卫星遥感数据进行大气校正及波段运算,提取工作面开采沉陷前后的NDVI(归一化植被指数)平均值,经离散傅立叶变换得到NDVI时间序列曲线,以研究采矿扰动区植被指数的时空变化规律.结果表明:①试验工作面地表覆被NDVI变化与采矿扰动区具有空间相关性.非采矿扰动区(伪不变特征区)森林冠层的NDVI最大值由2004年的0.619 451增至2007年的0.739 987,平均年净增加6.18%.在采矿扰动区,虽然开采前地表NDVI最大值呈增加趋势,但开采当年却显著下降,年均降幅达11.91%.②试验工作面地表NDVI变化与采矿扰动具有时间相关性.NDVI在开采前表现相对稳定,受开采扰动虽出现下降但却滞后4～6个月,并且持续1～2 a,其后转入上升期.常村矿的S1-1#、S3-2#、N1-4#,漳村矿的2101#、2102#、2201#,五阳矿的5100#,王庄矿的5210#等8个试验工作面NDVI最大值年均降幅分别为12.24%、27.81%、15.79%、19.19%、7.19%、21.48%、13.25%和1.66%,平均值为14.83%.在气候、耕作、采矿扰动等诸多因素影响下,采矿扰动是半干旱山区采矿区地表NDVI变化的主要诱因.

基于时间序列遥感的长三角地区植被时空格局演变

以快速城市化地区——长三角为例,使用时间序列归一化植被指数(NDVI)数据检测1998—2005年间植被覆盖和生长活动的时空格局演变。数据平滑后合成年最大化NDVI,通过总体趋势、重心演变、Mann-Kendall法、回归斜率分析发现:1)总体上植被面积在减少,植被活动在增强,各省差异较大,上海市平均的植被活动下降十分明显;2)70.36%的地区植被活动有增加趋势,主要分布在长江以北地区,而在浙江和淮南亚热带阔叶林集中分布地区,植被活动普遍减弱;3)8年来植被重心向西北方向移动,主要源于淮北和苏北地区农业和人工造林面积的增加;4)淮河流域较大的植被活动年际变化主要源于植被的增加,长江沿岸及上海—苏州—常州地区较大的植被活动年际变化主要由植被减少引起。

基于Hyb-F组合滤波算法的向海自然保护区NDVI时间序列重构

针对借助遥感手段直接获取的归一化植被指数(NDVI)时间序列含有噪声数据,而单一应用局部或全局时间序列重构算法不能完全剔除噪声,重构精度受到一定影响的问题,本文将局部Savitzky-Golay(S-G)滤波、全局非对称高斯(Asymmetric Gaussian,AG)拟合原理和格拉布斯(Grubbs)检验算法相结合,构建Hyb-F组合式滤波法,重构向海自然保护区8种覆被类型的Landsat NDVI时间序列。首先,通过设定指标阈值剔除序列部分无效值;其次,采用引入Grubbs检验的S-G算法,剔除局部异常值;再次,采用引入Grubbs检验的AG拟合算法,剔除全局异常值;最后,利用S-G滤波算法平滑曲线,得到最终拟合结果。研究表明,该算法对灌木林地、草地、乔木林地和旱田等有植被生长覆被类型样本的拟合结果与纯净数据间相关性较强,相关系数(CC)达0.8488~0.9215,均方根误差(RMSE)为0.0429~0.1057。对盐碱地、建设用地、水域等非植被生长类型的数据具有较好的平滑作用。该算法对整个研究区数据重建效率指数为0.59,可有效地模拟原始数据。相比于单一滤波算法,Hyb-F滤波法具有更强的噪声识别能力,降低噪声引起的峰值损失,不仅能更好地模拟植被生长规律,并且能保留曲线细部特征,获得较高拟合精度。

基于NDVI时间序列数据的湿地演变RSM

针对传统湿地演变遥感动态监测方法中存在的监测效率差,且精度低等问题,提出基于NDVI时间序列数据的湿地演变遥感动态监测方法。掌握NDVI曲线时序形状和数值的特征改变情况,运用兰氏距离与交叉相关光谱匹配,获取湿地演变值指数与形指数,建立湿地演变监测指标;借助Top-Hat算子剔除影像噪声,提升遥感目标与背景间的对比度;探究湿地动态变化动力机制,分析湿地变化源头及趋势,通过湿地动态改变向量,获得各时期湿地类型转移矩阵;建立分类树并区分节点中各类解释标记,将技术、精度、时间和成本作为指标,通过优化理论与多属性效用函数,构建分类优选模型,完成湿地演变遥感信息提取,获得演变趋势监测结果。仿真结果表明,采用所提方法进行湿地演变遥感动态监测的效率较快,且监测精度较高。

基于Sentinel-2时序多特征的植被分类

植被分类是研究森林资源状况和动态变化规律的基础,利用遥感手段可以更加快速、准确地识别植被类型。以位于内蒙古赤峰市喀喇沁旗西南部的旺业甸实验林场为研究对象进行植被分类。采用分层分类的思想,首先根据植被物候特征选取植被生长旺盛时期的影像,计算归一化植被指数(normalized difference vegetation index,NDVI)并设定合适的阈值将研究区内的植被提取出来,剩余部分归为非植被。然后选取NDVI时间序列、最佳时相的Sentinel-2数据中10个波段的光谱反射率特征和主成分分析前3个分量的纹理特征作为分类特征,利用支持向量机分类器将研究区内的植被类型分为耕地、草地、常绿针叶林、落叶针叶林和落叶阔叶林五大类,并将分类结果与最大似然法、NDVI时序+光谱特征的分类结果进行对比分析。NDVI时序+光谱特征+纹理特征的多特征植被分类总体精度达87.64%,Kappa系数为0.85,分别比最大似然法和结合NDVI时序+光谱特征的分类总体精度提高了15.73%和14.61%,Kappa系数提高了0.20和0.18。其中常绿针叶林和耕地的分类结果与实地调查情况高度一致,分类精度分别达到95.65%和92.31%。从而得出:①基于多特征的分类方法有助于提高分类精度;②NDVI时序特征对于植被的区分具有很大帮助;③采用分层分类的思想,首先将研究区内的植被提取出来,可以排除非植被因素的干扰,有效提高植被类型的分类精度。

一种改进的时间序列下冬小麦遥感识别方法

针对现有归一化植被指数(NDVI)阈值方法提取冬小麦种植面积受主观因素影响大,建立的模型不具有普适性等问题,该文以Sentinel-2为数据源,冬小麦种植大县———河南省开封市祥符区(原开封县)为实验区,对基于NDVI时间序列建立的冬小麦识别方法进行改进,使用迭代处理方法改进标准时间序列曲线的确定,提取NDVI时间序列的距离、方向特征以及物候期内最大NDVI值作为识别特征参量,运用数学统计方法确定分类模型阈值,据此构建一种改进的时间序列下冬小麦遥感识别矢量模型。结果表明,该方法对冬小麦遥感识别效果较好,提取的冬小麦种植面积Hellden精度达到92.23%。

基于C5.0决策树算法的落叶松人工林提取研究

如何有效提取落叶松人工林信息是落叶松人工林资源调查的关键。本论述以黑龙江省佳木斯市桦南县孟家岗林场为研究试验区域,利用"高分一号"卫星影像(以下简称GF-1)并结合其他辅助数据,在分析落叶松人工林光谱信息的基础上,基于灰度共生矩阵方法提取了8种纹理信息,并根据落叶松人工林季相特征,提取研究区内植被的NDVI、DVI、RVI和EVI时间序列特征,建立基于C5.0决策树算法的落叶松人工林决策树模型,通过10次分类试验,筛选出最优的决策规则,用于落叶松人工林提取研究。结果表明,C5.0决策树算法能综合纹理信息、植被指数和光谱特征信息,自动寻找区分落叶松人工林的最佳特征组合及分割阈值,分类总体精度达到92.25%,Kappa系数为0.87,面积精度为92.79%,能有效地提取落叶松人工林信息。本研究可为森林资源调查提供理论基础与技术支持。

Research on the Summer Drought in Chongqing Using MODIS-EVI Time Series Data

MODIS-EVI time series data from 2000 to 2009 in Chongqing were selected for this study.By the use of best index slope extraction （BISE） method for cloud elimination,analysis on the change vector of EVI time series data were conducted to investigate the EVI response on drought; then,four typical regions were selected to study the relationship between precipitation,temperature and EVI when the sever drought occurred in 2006; finally,based on the time series of vegetation condition index （VCI） and precipitation abnormity percentage,the temporal and spatial distributions of drought were studied.The results showed that,the EVI value of the summer in 2006 was significantly lower than the average EVI at the corresponding period of the other years in Chongqing.In addition,summer drought occurred mainly during the hot and dry weather.Except the southeast area,most of the other regions in Chongqing were all under severe drought.