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.

荒漠-绿洲过渡带NDVI演变及影响因子相关性分析

荒漠-绿洲过渡带是绿洲与荒漠相互转化过程中表现最活跃的地区,具有防止荒漠扩张、维持绿洲生态安全等重要的生态功能。本研究以民勤县为研究区域,根据绿洲外围归一化差异植被指数(Normalized difference vegetation index,NDVI)的变化规律,确定民勤荒漠-绿洲过渡带的范围;利用2000—2020年内最大NDVI数据及降水、温度、日照时数、土壤水分影响因子,在像元尺度采用偏相关及多元相关分析方法,研究过渡带NDVI变化趋势及影响因子相关性分析。结果表明,绿洲边界外5000 m范围为民勤荒漠-绿洲过渡带范围,其中绿洲外0~300 m为过渡带核心区,300~2000 m为过渡带交错区,2000~5000 m范围为过渡带缓冲区。自2000年以来,过渡带区域NDVI整体呈增加趋势,其中,明显改善和稳定不变的面积占比较高,分别为47.8%和42.2%,其他占比较小,严重退化区域主要在靠近绿洲的过渡带核心区。降水增加对过渡带南部地带性植被的改善起主导作用,温度的上升对过渡带东部及西北部NDVI改善的促进作用更明显,日照时数的增加对过渡带西部及东南部NDVI改善的促进作用更大,土壤水分的增加对过渡带整体NDVI的改善均具有促进作用。土壤水分和降水是促进过渡带NDVI改善的主要因子。

基于MODIS-NDVI的区域冬小麦遥感估产——以山东省济宁市为例

以黄淮海平原冬小麦主产区山东省济宁市为研究实例，利用遥感方法，采用250m分辨率经过Savitzky—Golay滤波技术平滑处理的MODIS—NDVI遥感数据对冬小麦产量进行预测．研究选取了冬小麦关键生育期内0．2～0．8范围的旬NDVI数据，并建立了其与冬小麦产量的关系．同时，采用逐步回归方法筛选建立冬小麦关键生育期旬NDVI与冬小麦产量间关系的估产模型．利用地面实测冬小麦产量数据，对所建的估产模型进行精度检验，结果表明，估产相对误差在-3．6％～3．9％之间．表明利用Savitzky-Golay滤波技术平滑后的作物关键生育期内MODIS—NDVI遥感数据进行冬小麦估产，其方法精度较高，具有一定的可行性．

西北地区MODIS-NDVI指数饱和问题分析

为了了解西北地区MODIS-NDVI和MODIS-EVI两种植被指数的特点，本文利用美国NASA LP DAAC（Land Process Distributed Active Archive Center）2004年1～12月的250m分辨率16天植被指数合成的MOD13 Q1数据集，对西北地区不同类型植被NDVI和EVI的特征进行分析，并对西北地区MODIS-NDVI饱和问题进行了初步研究。结果表明：NDVI和EVI对干旱-半干旱气候区植被覆盖度不高的植被类型描述能力相似，月际变化趋势一致。西北地区各种植被类型NDVI比EVI高，NDVI与EVI的差异总体上呈现从半荒漠、草原、农区到林区，随NDVI值的增加而增大的规律。对植被度覆盖度高的阔叶林和针叶林，在植被生长旺盛期，NDVI总在0．8附近波动，NDVI随植被的生长增加的很小，一直维持在一个高且平的范同内，不再能看出植被生长变化的现象，即饱和现象严重；而EVI表现良好，随着植被的生长而增加，能明显地反映出植被生长的季节变化。西北高寒草甸和陕西关中农业区NDVI也出现有不同程度的饱和，饱和时间因植被的不同从1～2月不等。0．8可作为NDVI饱和的阈值。NDVI饱和问题对卫星监测植被的研究和应用会产生误差，EVI能较好地解决NDVI的饱和问题。

植被指数研究进展:从AVHRR-NDVI到MODIS-EVI

目前应用广泛的植被指数 AVHRR- NDVI仍有一些缺陷 ,主要表现在 :(1 )在植被高覆盖区容易饱和 ,这除了红光通道就容易饱和外 ,主要是基于 NIR/Red比值的 NDVI算式本身存在容易饱和的缺陷 ;(2 )没有考虑树冠背景对植被指数的影响 ;(3 ) NDVI的比值算式和最大值合成算法 (MVC)确实消除了某些内部和外部噪音 ,但最终的合成产品仍然有较多噪音 ;(4) MVC不能确保选择最小视角内的最佳像元。所有这些 AVHRR- NDVI的局限性 ,在基于“中分辨率成像光谱仪 (MODIS)”的“增强型植被指数 (EVI)”产品中 ,都有不同程度改善。MODIS- EVI改善表现在 :(1 )大气校正包括大气分子、气溶胶、薄云、水汽和臭氧 ,而 AVHRR- NDVI仅对瑞利散射和臭氧吸收做了校正 ;这样 MODIS- EVI可以不采用基于比值的方法 ,因为比值算式是以植被指数饱和为代价来减少大气影响 ;(2 )根据蓝光和红光对气溶胶散射存在差异的原理 ,采用“抗大气植被指数 (ARVI)对残留气溶胶做进一步的处理 ;(3 )采用“土壤调节植被指数(SAVI)”减弱了树冠背景土壤变化对植被指数的影响 ;(4)综合 ARVI和 SAVI的理论基础 ,形成“增强型植被指数 (EVI)”,它可以同时减少来自大气和土壤噪音的影响 ;(5 )采用“限定视角内最大值合成法 (CV-MVC)”。

利用MODIS-NDVI进行草地估产研究——以内蒙古锡林郭勒草地为例

MODIS较高的空间分辨率 ( 2 5 0m/pixel)比AVHRR( 1 1km/pixel)在空间分析方面具有更高的精度。以内蒙古自治区锡林郭勒盟的温性荒漠草原、温性沙地典型草原、温性典型草原和温性草甸草原 4种具有代表性的草地类型为例 ,以 2 0 0 2年 5 -9月的地面测产数据和同步MODIS遥感数据为基础 ,分别建立每类草地的草产量与MODIS -NDVI关系模型及 4类混合的总模型。所有模型均通过 0 0 1的极显著水平的F检验 ,不同模型拟合效果不同 ,R由 0 5 5～ 0 87不等 ,分析得出 :植被覆盖度大、空间分布均匀、NPP大的模型拟合效果好 ,反之则差。在此基础上初步探讨了利用MODIS-NDVI进行草地估产研究的可行性。

基于像元质量分析的S-G滤波重建MODIS-NDVI

由最大值合成法得到的MODIS-NDVI时间序列数据集被广泛用于植被信息提取,但该数据集仍含有噪声,影响对植被信息的提取效果。为了有效剔除噪声,提出一种滑动窗口内寻找噪声像元同类地物高质量像元,且用高质量像元均值替换噪声的Savitzky-Golay(S-G)滤波重建,再保留高质量像元的方法。该方法与自适应S-G滤波都较好地重建了2001—2003年江西省MODIS-NDVI时序数据。与自适应S-G滤波的重建结果相比,新方法重建结果提高了与原始数据中高质量数据的相关性,降低了与原始数据噪声的相关性;噪声重建后与高质量数据均值和标准差更加接近;新方法能提高高质量像元的保真性与稳定性;基于像元质量分析S-G滤波能重建得到较优的MODIS-NDVI数据集,可以提取更加准确的植被覆盖度。

柴达木盆地德令哈地区MODIS-NDVI时空变化及其与气候的关系

利用遥感与GIS手段,分析了12年来柴达木盆地德令哈地区MODIS-NDVI的时空变化及其与气温、降水量的空间相关性.研究表明:2000-2011年柴达木盆地德令哈地区生长季NDVI平均值年际变化趋势中,改善区、稳定区、退化区和无植被生长区的面积分别占总面积的49.13%,32.14%,0.51%,18.21%;山地和绿洲生长季NDVI平均值的增长率分别为3.9%/10a,2.9%/10a.在山地的各海拔高度带上,12年NDVI平均值越大的区域,植被改善趋势越强烈,反之改善趋势越微弱.山地改善区在海拔较低、坡度较小的区域以及南坡所占的面积百分比较大,绿洲植被改善显著的典型区域主要分布在农场区域和临近河流的部分区域,退化显著的区域主要分布在城镇建设区域,植被砍伐、铁路和公路修建区域.12年来德令哈地区气候呈暖湿化趋势.德令哈地区植被的生长状况与生长季降水量和生长季前期气温呈较强的正相关关系,而与生长季气温和前期降水量的相关性并不显著.春季较高的温度和较多的降水量、夏季较多的降水量以及前一年冬季较高的温度是植被生长的有利条件.

基于MODIS数据FPI-NDVI火灾监测方法研究

根据火点辐射与背景辐射的差异及MODIS数据火灾监测原理,利用MODIS数据22通道(火点辐射)和31通道(背景辐射)亮温构建了一个火点指数FPI。根据只有当植被覆盖率达到一定程度时才会发生火灾的情况,利用归一化植被指数(NDVI)对其火点提取精度进行了修正,去除了地表不是植被、或植被稀少的不足以引起火灾的区域,有效减少了因裸土或城市热岛引起的误判。就黑龙江2004年10月15日特大森林火灾的情况,提取了几种地物的FPI、NDVI值,分析了FPI、NDVI值与不同地表类型的关系。其中,云是干扰火点FPI值的最大因素,地表植被是干扰燃烧植被的最大因素,并确定了FPI和NDVI的阈值。经过分析,相对于MODIS绝对火点识别算法,其精度及提取速度都有提高。

基于MODIS-NDVI的安徽省2009年冬小麦及一季稻面积遥感提取及长势监测

[目的]建立2009年安徽省冬小麦和一季稻面积提取模型和作物长势监测模型。[方法]通过分析2009年安徽省冬小麦和一季稻的种植结构、物候历特征及其生物学特性和时序NDVI曲线特征确定模型。[结果]时间上,2009年安徽省冬小麦和一季稻长势均呈"前期较好,中期变差,后期恢复"的趋势;空间上,安徽北部地区冬小麦全年长势较多年平均稍差,而一季稻长势较差的地区主要是滁州等地。[结论]该研究为中国农业遥感监测系统大尺度业务化运行作物种植结构提取了有效的方法。

新疆地区多时相MODIS-NDVI数据主成分分析

利用EOS/MODIS的250 m卫星遥感数据,对新疆2010年全年36个旬的数据,用最大值合成方法将每3旬NDVI数据合成每月NDVI数据,对每月NDVI数据进行主成分分析,提取了不同主成分分量,分析了不同主分量累积方差。结果表明,主成分变换的前4个主分量包含了大部分信息:第一主分量反映了NDVI在全年的空间分布和累积值。第二、三、四主分量反映的是冬夏、春夏、春秋等季节性的变化情况。

地块支持下MODIS-NDVI时间序列冬小麦种植面积测量研究

在大尺度冬小麦种植面积测量中,MODIS(moderate resolution imaging spectrometer)数据对绝大部分地区可实现全覆盖数据保障,具有很好的时间序列特征,在探测植物季相节律进行作物估产与动态监测上得到很好的应用,但因受到空间分辨率的限制,其测量结果的可靠性受到较大质疑。地块数据具有明确的位置特征和明显的边界信息,在一定程度上降低了光谱差异和混合像元的复杂程度,在遥感影像上具有很强的相似光谱特征,较像元识别更有优势。以北京市通州为试验区,充分结合冬小麦生长季特征,首次尝试MODIS-NDVI空间地块化,建立其与中分辨率TM耕地地块识别结果的定量关系,进行地块支持下的MO-DIS-NDVI时间序列冬小麦种植面积测量。研究结果表明,当样本量达到15%以上时,MODIS和TM提取结果区域精度一致性稳定达到96%以上。该方法证明,地块数据可有效改善MODIS-NDVI时序数据遥感识别中,因空间分辨率低引起的误差。实现有碎云影响和无全覆盖中分辨影像时,利用部分中分辨影像样本结合低分辨率全覆盖影像实现大尺度的冬小麦种植面积测量,同时,为其他品种农作物种植面积测量进行先期的实验研究。

基于MODIS-NDVI的浙江省耕地复种指数监测

【目的】耕地复种指数是重要的农情信息,本文旨在运用遥感数据对于这一参数进行监测与分析,为指导农业生产提供参考。【方法】采用美国国家航空和宇宙航行局(NationalAeronauticsandSpaceAdministration,NASA)提供的中分辨率成像光谱仪(moderateresolutionimaginespectroradimeter,MODIS)植被数据,利用1﹕25万浙江省土地利用现状图,设计二次差分的算法,对浙江省连续4年(2001～2004)耕地复种指数进行监测;【结果】一年内农作物播种、出苗、抽穗、成熟及收获等物理生长过程,反映在归一化植被指数(normalizeddifferencevegetationindex,NDVI)时间曲线上呈现出波动变化,其波峰所对应的是农作物群体生物量最大的时相。根据此原理通过提取耕地NDVI在一年内时间序列峰值频数,得出浙江省市级耕地的复种指数。【结论】浙江省耕地复种指数在空间分布上表现为西南大于东北。在时间上,从2001年到2003年有降低的趋势;而2004年有所增加。但相对于浙江的地理位置与气候条件来说,复种指数普遍偏低,潜力很大。

2000-2011年柴达木盆地尕斯库勒湖流域MODIS-NDVI变化的空间差异

基于遥感和GIS技术手段,分析研究了近12年来柴达木盆地尕斯库勒湖流域MODIS-NDVI变化的空间差异.分析得知:2000-2011年柴达木盆地尕斯库勒湖流域NDVI最大值年际变化趋势中,改善区、稳定区、退化区和无植被生长区的面积分别占总面积的17.64%,37.31%,0.57%,44.48%;生长季NDVI平均值变化趋势中,改善区、稳定区、退化区和无植被生长区的面积分别占总面积的31.11%,24.09%,0.36%,44.48%.近12年来,研究区山地NDVI最大值呈不显著的增长趋势,生长季NDVI平均值呈显著的增长趋势;绿洲NDVI最大值呈不显著的减小趋势,生长季NDVI平均值呈不显著的增长趋势.在各海拔高度带上,NDVI值越大的区域,植被改善趋势越强烈;NDVI值越小的区域,植被改善趋势越微弱.各变化趋势在不同海拔高度带上所占的面积百分比分布都为单峰型,海拔由低到高出现峰值的依次为轻度改善区、稳定区、轻度退化区.轻度改善区主要分布在坡度较小的区域,轻度退化区主要分布在坡度较大的区域.轻度改善区和稳定区在北坡面积百分比最大,而轻度退化区在北坡所占的面积百分比最小.

HJ-1-CCD与MODIS数据的NDVI比较分析

利用辐射传输模型对HJ-1-CCD数据进行大气校正并反演出植被指数,和MODIS标准产品数据进行对比,并对典型区域的结果相关性和差异性进行了统计分析。结果显示:①当下垫面为相对均一的地表时,如耕地、有植被覆盖的山地、水体等,两传感器反演出的植被指数相关性(r)和相对差异分别为耕地(0.74,10%)、山地(0.69,12%)、水体(0.78,5%);②当下垫面为较为复杂的地表时,如建筑用地(含居民住宅区)等,两传感器的相关性(r)仅为0.58、相对差异达到18%;③在估算小范围区域且地表覆盖较为复杂的下垫面植被指数时,HJ-1-CCD因其相对较高的空间分辨率,能有效减弱混合像元的影响,进而提供更加丰富的植被指数信息。

基于MODIS-NDVI数据的吉林省植被覆盖度及其时空动态变化

植被覆盖度是评价气候变化影响与生态系统状况的重要指标.基于MODIS-NDVI数据对吉林省2001—2010年的植被覆盖度进行估算,并分析其时空动态变化.结果表明:1)近10年吉林省东部的植被覆盖情况明显好于西部,但西部的植被覆盖情况在10年中有显著变好的趋势.根据人口重心原理可知,吉林省10年的植被覆盖度重心有向高纬度、低经度方向移动的趋势;2)不同的土地利用类型的植被覆盖度差异很大,林地、农田和草地的植被覆盖度依次减小;3)分析气象站点10年期间的降雨数据后发现,处在东部的延吉站降雨量与植被覆盖度呈正相关,处在中西部的长春、四平及前郭尔罗斯3个气象站点的降雨量与植被覆盖度均成负相关.

GF-1和MODIS影像冬小麦长势监测指标NDVI的对比

作物长势是农情遥感监测的重要内容之一。长期以来,作物长势遥感监测主要基于卫星影像反演的相关植被参数,如归一化植被指数(NDVI,normalized difference vegetation index)、叶面积指数(LAI,leaf area index)等。本文通过对比研究16 m分辨率GF-1卫星影像及250 m分辨率MODIS影像的NDVI与冬小麦综合茎数、株高、叶绿素浓度之间的关系,尝试建立遥感监测作物长势指标与地面实测作物长势指标的定量关系。研究发现GF-1的NDVI与冬小麦综合茎数的相关性最高(R2=0.8961),而与其他指标相关性较弱;MODIS的NDVI指数与冬小麦综合茎数相关性较低(R2=0.4432),对作物长势的遥感监测精度较低。统计MODIS冬小麦像元内GF-1像元的NDVI平均值,并与MODIS的NDVI对比,发现两者之间的相关性较低(R2=0.3944);在消除MODIS与GF-1影像传感器光谱响应函数差异及NDVI尺度效应后,MODIS影像的冬小麦作物长势遥感监测精度得到一定提高(R2=0.4633)。对MODIS像元内GF-1 NDVI标准差排序发现,MODIS像元内冬小麦长势一致性越高,MODIS的长势遥感监测精度越高。GF-1和MODIS影像NDVI长势监测主要代表地面冬小麦综合茎数,且卫星影像分辨率越高,NDVI值越能反映实际的作物长势。MODIS像元内冬小麦长势一致性越高,基于NDVI的MODIS与GF-1数据冬小麦长势监测结果越一致。从区域长势监测角度来看,尽管MODIS与GF-1数据的监测结果趋势较为一致,并且通过光谱、尺度归一化能够进一步提高监测结果的一致性,但MODIS NDVI长势监测总体精度较低,为满足作物长势精细化监测的业务需要,应逐步使用高分辨率的遥感数据替代中低分辨率遥感数据进行作物长势遥感监测,并将其作为长势监测业务化运行的研究重点。

基于FY-3A/MERSI与Terra/MODIS的单波段反射率和NDVI差异性分析

为了实现FY-3A/MERSI数据产品与Terra/MODIS数据产品的衔接,利用统计方法,对FY-3A/MERSI与Terra/MODIS的红光、近红外波段反射率和NDVI的相关性进行了分析。结果表明:FY-3A/MERSI和Terra/MODIS数据中红光、近红外波段反射率和NDVI值具有极显著的相关性,相关系数均超过0.93;在不同的土地覆盖类型中,FY-3A/MERSI与Terra/MODIS的单波段反射率和NDVI值不同,但FY-3A/MERSI计算的NDVI值均小于Terra/MODIS计算的NDVI值,并且NDVI平均值的日变化大于红光和近红外波段反射率平均值的日变化。

基于MODIS-NDVI的中老缅交界区近16年植被覆盖时空变化特征

【目的】探讨中国、老挝、缅甸三国交界区2000—2015年植被覆盖的时空分异和演化趋势,为区内植被的科学管理和有效保护提供参考。【方法】基于中老缅交界区近16年MODIS-NDVI时序数据,借助3S技术以及均值、趋势、变异系数、Hurst指数等统计学相关方法,从多层次多角度探究区内植被覆盖的时空格局、演化规律、空间变异、可持续性及未来演化趋势等特征。【结果】NDVI年均最大值和最小值分别出现在2013(0.7794)和2002年(0.7259),整体呈增加趋势,增速表现为每10年增加1.05%;NDVI月均值以3和9月为折点,呈“S”形变化特征,其值为0.6986~0.8316,并呈上升趋势,月均增长率为0.50%;区内植被覆盖率较高,16年NDVI均值大于0.6的高植被覆盖区占比97.45%,多集中于热带雨林连片分布的山区,低于0.6的区域仅占2.55%,以各国境内主要城市中心及其外围、山区大面积裸地和澜沧江-湄公河流域沿线等区域为主;区内NDVI随海拔增加表现出持续降低趋势,高值区(NDVI≥0.6)多集中于1500m以下的中低海拔地区;2000—2015年,NDVI时间序列呈改善、退化和不变等变化趋势的区域分别占54.06%、15.62%和30.32%,其变异系数为0.0244~0.4688,空间分布上表现为较低波动变化区域>低波动变化区域>中波动变化区域>较高波动变化区域>高波动变化区域,低波动和较低波动变化区域占比合计78.49%;NDVI时间序列呈退化区域与呈高波动变化区域具有较明显的空间一致性,多集中于城镇、交通要道等建设用地以及山区大面积裸地等地区;未来,区内植被覆盖将延续过去16年变化趋势的区域占57.15%,与过去16年变化趋势相反的区域占41.09%;结合空间变化趋势特征,发现研究区未来将有39.63%、29.83%和28.98%的区域植被覆盖分别向良性、不变和恶性方向发展,1.56%的区域发展趋势不确定。【结论】中老缅交界区植被覆盖整体较好,16年来,区内植被覆盖随时间(年际、月际)变化幅度较小,并在此基础上整体呈现增加趋势,植被发展前景良好;然而,以建设用地和裸地为主的部分区域,其植被覆盖未来将出现退化趋势。区内各国应合理规划经济发展,节约、集约利用土地资源,并因地制宜地开展植树造林、退耕还林还草等生态修复工作,以促进区域生态环境的良性发展。