MODIS MOD13Q1数据在北疆荒漠化监测中的应用评价

利用中分辨率成像光谱仪MODIS(moderate resolution imaging spectroradiometer)MOD13Q1(vegetation indices 16-dayL3global250m)数据,对北疆地区2007和2008年植被生长季(5月下旬-9月中旬)32景MOD13Q1数据进行累积求和、植被盖度转换和荒漠化指数(desertification index,DI)计算及分级。分级结果客观的反映了北疆地区荒漠化土地的空间分布。北疆地区非荒漠化土地主要分布在天山、阿尔泰山的中高山部分(呈带状分布)及部分绿洲区,其他地域均有不同程度荒漠化。因此,MOD13Q1数据可被有效应用于大尺度环境变化和荒漠化进程的遥感监测中。收集2007年北疆地区37个气象站点年均最高气温和年均降水量数据,结合DEM经空间插值后获取区域气温、降水量数据,气温、降水量和DI相关性分析发现DI与气温间具有较高的正相关性,与降水则表现出负相关性。

MODIS MOD13Q1植被产品介绍及快速预处理

对MODIS MOD13Q1植被产品进行介绍,并使用MODIS提供MRT软件为基础编写脚本程序以及Edras遥感影像处理软件来对MOD13Q1数据波段提取,镶嵌,投影转换,数据格式转换等基本处理流程实现快速处理,以降低研究者在数据处理中的工作量.

基于MOD13产品水稻遥感估产模型研究

中分辨率成像光谱仪(MODIS)可以提供经过加工处理的多时相44种数据产品,其中MOD13就是经过严格算法处理后的16d内每个像元的最佳的植被指数产品。通过杭州市郊野外大田选取适当研究区,进行产量构成要素和实际理论产量的测算,建立MOD13-VI(VegetationIndex)产品与水稻理论产量以及产量构成要素之间的相关关系,结果表明:这种相关与地面光谱和水稻理论产量所建立的相关关系具有一致性。经过各种估产模型的比较,复合估产模型更能反映整个生育期的情况,准确度有所提高,MOD13-EVI(EnhancedVegetationIndex)所建立的估算模型精度显著优于MOD13-NDVI(NormalizedDifferenceVegetationIndex),研究表明利用各个生育期MOD13产品所建立的复合模型有助于提高水稻产量的估算精度。

融合地物类别信息的NDVI尺度转换模型构建及MOD13 Q1产品真实性检验

提出融入中高空间分辨率遥感影像精确地类识别信息,以改进传统的Chen NDVI尺度转换模型的方法,并基于两个模型共同进行MODIS 250m 16D合成植被指数产品MOD13 Q1(MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid)真实性检验。研究以地类丰富的厦门市作为研究区主体,并以30m Landsat8陆地成像仪OLI(Operational Land Imager)影像作为验证数据,实践了上述方法。实验结果表明:MOD13 Q1产品总体质量较好,但是存在偏高估计的问题,尤其是对人工地物更为明显,在实际应用中应予以关注;融入精细地类信息的改进ChenNDVI模型相比较融入粗略地类信息的传统Chen NDVI模型,升尺度转换结果无显著差异,但是前者在精细、定量刻画“不同地类对NDVI尺度效应影响”方面更有优势,这对遥感地表参数尺度效应研究具有重要的启示意义。

基于MOD13A2数据的长三角区域土地覆盖类型变化研究

本研究利用MOD13A2产品的NDVI数据,构建决策树分类方法,获得长三角地区2003—2013年的土地利用/土地覆盖（LULC）分类图,在此基础上分析了长三角地区近11年LULC的时空变化特征。结果表明：通过分析各LULC类型的年变化特征构建的决策树分类模型,能较高精度完成研究区的LULC分类,基于2003年Landsat ETM＋数据分类结果验证,总分类精度达86.09%,Kappa系数为0.75;2003—2013年长三角地区耕地、林地、水体和建设用地面积占比分别在47.08%~54.2%、28.9%~32.45%、4.82%~4.91%和11.64%~15.67%之间变化,其中,林地面积年平均增长1.35%,建设用地年平均增长3.35%,耕地面积年平均减少1.45%,水体面积变化较小;各LULC类型面积的年变化率与统计年鉴数据相比,林地高估,其他LULC类型相差不大,这也进一步揭示该分类方法在长三角区域进行LULC变化监测具有可行性。

基于MOD13Q1的永州近15年植被变化研究

以永州地区为研究区域,利用NASA提供的MOD13Q1-NDVI数据（2000—2014年）研究其植被变化特征。结果表明,永州地区植被指数处在0.6-0.8段的受外部条件的影响较小,而植被指数在0.8-1.0段的受外部条件的影响较大。植被指数在0.4-0.6段的走势与0.8-1.0段的大多数年份相反,植被指数在0.2-0.4和0-0.2两段所占比重一直处于一个比较低的水平。总体来说,永州地区的植被指数历年一直比较高,历年平均值为0.701。

基于MOD13Q1的辽宁省主要农作物时空分布研究

获取农作物种植结构,对农作物生长状况监测、农作物灾情监测及产量估算等具有重要的意义。利用MODIS NDVI产品数据,构建辽宁省主要农作物(玉米、大豆和水稻)的时间序列物候特征曲线,通过分层分类方法,提取辽宁省农作物种植结构信息,研究表明,支持向量机分类方法分类效果更好,分类精度可达96%以上。将农作物提取模型推广应用于2003年、2007年、2011年、2015年和2019年的MODIS数据,探讨近17年来辽宁省农作物种植结构时空格局现状与变化,为快速、大范围、高精度提取农作物种植面积提供有效方法,同时为相关政策提供科学依据。

利用MOD13Q1产品监测肯尼亚2001—2010年荒漠化动态

使用MODIS MOD13Q1-NDVI数据,通过NDVI累计计算,得到肯尼亚2001年和2010年植被生长状况较好时期的NDVI影像。基于像元二分模型,估算植被盖度。利用植被盖度进行荒漠化评价。结果表明,肯尼亚近10年来生态环境总体趋于改善,荒漠化发展态势并不明显,但荒漠化问题仍然严重。不同程度的荒漠化土地变化趋势不尽相同,轻度荒漠化和重度荒漠化转出面积大于转入面积,呈现减少趋势,非荒漠化和中度荒漠化变化相反,各省区的荒漠化土地变化趋势也不相同。在小范围地区内,使用Landsat-5TM影像进行验证,发现与MODIS数据评价结果相似,但更能详尽的描述重点区域的荒漠化问题。

2001—2015年天山地区草地NDVI时空演变和气候驱动特征分析

草地分布时空特征演变和气候驱动特征研究对草地生态环境评价意义重大。基于2000—2015年MOD13Q1 NDVI数据开展了天山地区近15年NDVI年均状况及其变化趋势的空间制图,以及12种典型草地NDVI年均状况等级及其面积发展趋势的时空统计。根据地面气象站同期日观测数据形成了3—8月≥10℃积温和5月、6月、7月及5—6月累积降水序列并完成了空间制图,与天山地区7月NDVI均值进行相关分析和F检验,得到NDVI水热影响空间特征。结果显示,不同草地类型NDVI差异显著,温性草原化荒漠、温性荒漠和温性草原NDVI集中在[0.2,0.4],低地草甸、高寒草甸、高寒草原、沼泽集中在[0.4,0.7],山地草甸、改良草地和热性灌草丛集中在[0.7,1.0],温性荒漠草原类和温性草甸草原类分别介于[0.4,0.7]和[0.7,1.0]。约44%的区域NDVI呈增加趋势,其中8.3%显著增加;约10.6%的区域NDVI显著下降。山地草甸、温性草甸草原和改良草地及热性灌草丛类的NDVI下降趋势显著,温性草原化荒漠、温性荒漠、低地草甸和沼泽增加趋势显著,其他草地类型变化趋势不显著。不同草地类型水热影响程度差异显著,约41%的区域与降水量呈显著正相关,31%的区域与温度呈显著负相关,说明草地生态系统受气候环境因子影响程度较大。

多源NDVI在玛纳斯河流域荒漠化监测中的应用

为了对玛纳斯河流域荒漠化进行长期准确地监测,在分析MOD13A1-NDVI（归一化植被指数）与同期8 km×8 km AVHRR-NDVI数据的基础上,建立了基于两种不同NDVI数据的荒漠化分级指标体系。利用相应的分类体系进行了流域荒漠绿洲带1982－2008年荒漠化的遥感监测,并结合19892、000和2008年8月Landsat-5/TM数据,分析了3种不同NDVI数据在空间上的差异性,并进一步分析了荒漠化演变的原因。结果表明：（1）同期AVHRR、MOD13A1和Landsat-5/TM监测结果显示出相似的空间差异性,绿洲带北部紧连古尔班通古特沙漠地区植被覆盖稀疏,NDVI较小;南部绿洲灌溉区植被覆盖较好,NDVI整体上较大。植被覆盖具有显著的空间差异性,这与地形因素、水分、热量条件、地貌形态和土壤理化性质等气候环境因子存在联系。（2）近20 a来,绿洲带外围不断向南迅速扩展,由20世纪80年代初的11 200 km^2增加到90年代末的12 672 km^2,增加了1 472 km^2;绿洲带内部以石河子垦区为中心,NDVI呈辐射状逐年线性增加。（3）近8 a来,绿洲内部变化不大,荒漠带中盐渍化土地增加显著,2008年面积为1 906 km^2,较2000年增加了1 712 km^2,东部丘间盆地被开垦耕地面积196 km^2。

植被指数估算香格里拉地区植被覆盖度的精度对比分析

利用MOD13Q1数据构建多种植被指数,结合像元二分模型对香格里拉县植被覆盖度进行遥感估算,并通过实测数据和TM影像数据相结合,对估算结果进行精度验证。结果表明:(1)构建的4种植被指数NDVI,EVI,RVI,MSAVI均与研究区实际地表植被覆盖度具有较高的相关性,表明使用遥感方法对香格里拉县进行植被覆盖度的估算是可行的;(2)通过与TM影像进行对比分析,4种植被指数中,利用MSAVI估算的植被覆盖度更接近于香格里拉县的实际情况。

甘南和川西北地区草地植被NDVI变化及其驱动因素研究

草地是甘南和川西北地区最主要的植被覆盖类型,约占研究区面积的43.91%。为探明该地区草地的生长状况变化及其驱动因素,基于MOD13A3数据,采用趋势分析、变异系数、偏相关分析和残差分析,对研究区草地归一化植被指数(Normalized Difference Vegetation Index,NDVI)时空动态变化和稳定性进行分析,并研究了气象因素和人类活动对草地NDVI变化的影响。结果表明:2000-2018年甘南和川西北地区草地生长期NDVI呈上升趋势的面积占比为74.17%,其中17.15%通过显著性验证;研究区草地NDVI整体较高(均值为0.7096),在19年间全区和各类型草地NDVI均呈波动上升趋势,生长状况稳定,仅有6.08%的草地波动幅度较大;温度和降水对研究区草地NDVI的变化主要呈正向驱动,且NDVI与温度呈正相关的面积(70.19%)大于降水(62.63%),人类活动在2000-2005年对草地NDVI呈负向影响,2006-2017年呈正向影响。

基于景观尺度的黄土丘陵区植被覆盖时空变化——以山西省晋城市为例

植被覆盖是评价区域生态环境状态的主要影响因子.基于景观生态学的分析方法,以2006—2015年的MOD13Q1遥感数据为基础,获取植被覆盖指数,对山西省晋城市植被覆盖时空变化进行研究.结果表明:研究区植被覆盖呈现增加趋势,主要增加的类型为高植被覆盖.植被覆盖指数分布与高程和坡度正相关,即高程越高、坡度越大的地区植被覆盖指数越高.在景观尺度上,植被覆盖的类型呈现出一种集中趋势,即景观内部异质性和多样性降低,高植被覆盖斑块对景观的支配程度加强且逐渐处于优势地位.在斑块类型尺度上,以高植被覆盖为主,且斑块所占比例呈增加趋势.此外高植被覆盖景观破碎程度减小,复杂度降低,形状逐渐规则.

基于时间序列植被指数资料的承德市植被覆盖时空演变分析

承德是京津冀地区重要的水源涵养区和防风固沙区,是京津冀生态环境支撑区的重要组成部分,其植被状况将直接影响着区域生态环境质量的改善。基于MOD13Q1时间序列NDVI资料,利用线性回归分析法、像元二分法、稳定性分析法等测度承德市全域2000—2018年植被覆盖时空演变特征,并分析气候、地形等因素对植被覆盖的影响。结果表明:(1)承德市全域植被状况年际变化总体发生了改善,植被生长季夏季的NDVI值最高,月度变化中7月份NDVI值最大,多年均值达到0.7752。(2)植被年际变化趋势显著性存在空间差异,植被指数极显著增加区域面积最大,占比59.08%,而极显著减少和显著减少的区域面积较小,分别占全域的0.76%和0.58%,主要分布在承德市中部、南部等地区。(3)承德市各区县植被覆盖状况均以较高覆盖度为主,面积达到45585.69 km^2。在多年植被覆盖度稳定性格局中,西北部波动较大,其余大部分地区稳定性好,波动较低。(4)承德市NDVI受5—7月份降水量和月均温的影响较大,植被的长势可能受到了前期气象条件的滞后效应影响。地形特征对承德全域植被覆盖状况也有一定的影响,总体来看承德市地势低平地区的NDVI值相对较低。研究结果可为承德市加强重要区域生态保护、优化国土空间开发格局和科学制定生态修复措施提供参考。

永翠河流域积雪覆盖及植被NDVI时空变化分析

利用2004-2014年MOD10A2积雪产品和MOD13A1归一化植被指数(NDVI)与数字高程、气温数据相结合,分析永翠河流域积雪覆盖和植被NDVI时空变化及两者之间的相关性。结果表明:0°~5°坡度带积雪覆盖率(SCF)常年最高,不同坡度带、坡向带SCF与温度呈负相关,积雪覆盖集中在12月至次年1-2月,6-9月基本无积雪;研究区平均年度NDVI值为0.54,轻度改善等级占58.17%,整体处于中等波动变化状态;随着NDVI的增大,积雪覆盖率逐渐变小,积雪覆盖率和NDVI相关系数|r|=0.67006,表现为负相关。

基于MODIS数据的阿拉善盟植被指数变化的地形分异性

阿拉善盟为中国生态环境重度危急区与北方地区的天然保护屏障,及时、科学、准确地评价其植被指数的地形分异特性,对其植被建植与生态恢复具有重要的参考价值和现实意义。以美国航空航天局的陆地专题产品MOD13Q1-NDVI为时间序列数据集,利用ENVI中波段计算功能提取2000-2016年植被生长季(7-9月)覆盖阿拉善盟的植被指数信息,同时结合栅格化数字高程模型,利用Arc GIS空间统计功能中的表面分析工具提取栅格尺度上的坡度、坡向及地形起伏度等地形因子,并通过区域统计获取各地形因子级别区内植被指数的空间分布特征。结果表明:(1)采用均值变点分析法确定的阿拉善盟地形起伏度的最佳统计单元为0.26km^2;(2)阿拉善盟以中山区为主,所占比例高达79.05%;坡度以第Ⅰ(0-2°)与Ⅱ(2°-5°)级别区为主,所占面积比例高达90.62%,在空间分布上呈分散状态;坡向分布较为均匀;地形起伏度级别区以平原和台地为主,所占比例高达87.83%。该区地形具有西南高、东北低,平坦、起伏小的分布特征;(3)以植被指数低值区(<0.1)和中低值区为主(0.1-0.2),且呈现西北和东南区域两级分化的空间分布特征。总体而言,在地形因子作用下,阿拉善盟植被指数均值分布具有明显的地形分异性,且植被指数高值区主要集中分布在高程为1 000-1 600 m的中山区与坡度>15°的西坡。

基于卫星遥感的临沂市冬小麦种植时空变化特征分析

以临沂地区为研究区,基于Terra/MOD13Q1遥感植被数据产品,通过分析冬小麦的遥感光谱特征、物候历特征及其生物学特性,提取2009—2019年临沂地区冬小麦种植信息,利用GIS空间分析方法和统计分析方法分析了临沂冬小麦种植的时空分布变化规律。结果显示:1)空间上,近10年来临沂地区冬小麦种植面积在2800~3000 km^2之间浮动,占整个地区土地面积的17%左右,总体变化较小,种植区域呈南多北少的分布格局,主要集中在兰陵、临沭和郯城;2)从冬小麦种植稳定度上看,连续种植冬小麦10 a及以上的区域,主要集中在兰陵和郯城,面积为1638 km^2,稳定度高,连续种植小于4 a的区域有1914 km^2,主要分布在莒南和费县,种植不稳定;3)时间上,冬小麦面积由2009年的2838 km^2增加到2019年的2985 km^2,变化幅度和年均变化率分别为5.5%和0.5%,呈缓慢增加趋势。本研究为临沂地区冬小麦种植的深入了解以及农业结构调整提供了较为准确、科学的参考依据。

2010-2020年郑州市植被时空演变特征分析

基于2010年至2020年的MOD13Q1 NDVI时间序列数据,对郑州市植被时空演变特征进行分析,力求为郑州市人居环境改善和城市绿色发展提供科学依据。结果表明,(1)郑州市植被覆盖情况较好,5市1县的植被覆盖度相比6区更高;(2)近11年来,郑州市植被NDVI平均值呈下降变化趋势,低植被覆盖区占比保持稳定,较低植被覆盖区、较高植被覆盖区和高植被覆盖区占比均变小,中植被覆盖区占比变大。在郑州6区中,除惠济区外,其他5区NDVI平均值均呈增高变化趋势;在5市1县中,除登封市和巩义市外,其他4个市县NDVI平均值呈降低变化趋势;(3)近11年来,郑州市植被整体呈退化趋势。在郑州6区5市1县中,惠济区、新密市、新郑市、荥阳市和中牟县5个地区植被变化呈退化趋势,二七区、管城回族区、金水区、上街区、中原区、登封市和巩义市7个地区植被变化呈改善趋势;(4)近11年来,郑州市主城区植被在城乡梯度上的变化特征从整体上呈现出市中心改善、远离市中心退化的势态。

永州市植被指数与降水、温度相关性分析

以永州地区为研究区域,利用NASA提供的MOD13Q1-NDVI数据(2000~2014 年)以及永州地区14个地面气象观测站资料(1999~2014年),研究其植被变化特征及其与气象因子的关系,结果表明:永州地区植被指数处在0.6~0.8之间受外部条件的影响较小,而植被指数在0.8~1.0之间的受外部条件的影响较大,植被指数在0.4~0.6之间的其走势跟0.8~1.0之间的大多数年份相反,植被指数在0.2~0.4和0~0.2两段所占比重一直处于一个比较低的水平,永州地区的植被指数历年一直是比较高,历年平均为0.701。在永州地区,降水、温度与植被指数的关系并不显著,只有上年度的8月份的温度与下年度的植被指数的相关系数为0.5,通过了0.05水平的显著性检验。

可可西里自然保护区气候变化对植被特征的影响

基于GIMMS NDVI和MODIS NDVI数据集,通过一元线性回归模型构建1982—2020年GIMMS-MODIS长时序NDVI数据集,辅以趋势分析、显著性检验以及相关性分析等方法,研究1982—2020年可可西里自然保护区植被NDVI时空分布特征以及变化趋势,并基于像元尺度分析了NDVI对温度、降水变化的响应。结果表明:1982—2020年年均温度、年均降水量均呈现显著上升的趋势,上升速率分别为0.06℃·a^(-1)、5.59 mm·a^(-1);1982—2020年NDVI变化呈现由西北向东南逐渐增加的趋势,夏季NDVI值最大,变化最为明显;冬季NDVI值最小,变化趋于平稳;植被年均NDVI与年均气温表现为不显著的正相关,基于像元尺度分析,NDVI与温度之间的相关性以正向居多且大于NDVI与降水的正相关比例,以秋季的相关性最强,温度对NDVI的影响大于降水。