基于MODIS NDVI数据的粤港澳大湾区植被覆盖时空演变

为研究粤港澳大湾区的植被覆盖变化,采用2001—2020年的MODIS NDVI遥感数据,通过像元二分模型估算粤港澳大湾区的年最大植被覆盖度,运用一元线性回归、变异系数分析和R/S分析等方法,在像元尺度上探索植被覆盖度的时空演变规律,并预测其未来发展趋势。结果表明:1)大湾区植被覆盖度总体呈下降趋势(速率-0.023/10年);2)不同地域的植被覆盖在稳定性上差异显著,植被覆盖不显著变化区域占比69.18%,显著改善区域占比9.87%,显著退化区域占比20.95%;3)植被覆盖演变趋势整体以弱持续性序列为主,预测植被覆盖退化面积占比52.44%。基于研究结果提出对策建议,为我国国土空间生态规划、区域植被修复提供参考依据。

基于MODIS数据的向海自然保护区NDVI变化特征

利用2004-2013年吉林省EOS/MODIS数据,采用旬最大植被指数法,对向海自然保护区内不同类型植被的NDVI变化特征进行分析,结果表明:各植被类型的NDVI值具有明显的季节变化,在植被生长季均呈单峰型曲线,大部分8月中旬达到峰值;相同时间内不同植被类型的NDVI值有明显差异,其中湿地的NDVI值最高,林地次之,然后是耕地和草地,盐碱地NDVI值最小;2004年至2006年,向海全区年平均NDVI呈下降趋势,2007年开始,呈明显增加趋势,说明近年来向海自然保护区植被状况明显好转。

青藏高原MODIS逐日无云积雪面积数据集 (2002-2015年)

青藏高原积雪对于能量和水循环起着重要的反馈和调节作用,其消融过程也直接影响着融雪性河流流量的变化,积雪的存在以及长时间变化等也是区域气候、生态和灾害的影响和响应敏感因素之一。中分辨率成像光谱仪(MODIS)具有高时空分辨率的特点,被广泛应用于积雪遥感动态监测。青藏高原地区积雪的赋存变化较快,高原周边高山区具有冰雪资源丰富,大气对流活跃等特点,而光学遥感往往受云的影响,在日时间尺度上积雪覆盖监测需要考虑去云问题。在充分考虑青藏高原的地形和山地积雪特征的情况下,本套数据集采用了多种去云过程和步骤相结合,逐步实现保持积雪分类精度的情况下,完成逐日积雪的云量消除,形成了“青藏高原MODIS逐日无云积雪面积”的逐步综合分类算法,完成了“青藏高原MODIS逐日无云积雪面积数据集(2002~2015年)”。论文选取2009年10月1日至2011年4月30日中的两个积雪季为算法研究和精度验证试验数据,采用研究区145个地面台站提供的雪深数据作为地面参考。结果表明,在高原地区,当积雪深度>3 cm时,无云积雪产品总分类精度达到96.6%,积雪分类精度达89.0%,整个算法流程对MODIS积雪产品去云的精度损失较低,数据可靠性较高。

基于MODIS的宁夏县级尺度枸杞估产数据集(2010–2019)

针对现有遥感估产数据集过度依赖于实测数据和人工经验的问题,本文基于宁夏16县MODIS高光谱影像、年际枸杞统计产量数据和枸杞种植区域矢量图,构建了一种多波段、多时相融合的县级尺度遥感影像估产数据集。首先,采用重投影、重采样和时间序列补充3种方法对MODIS多产品影像数据进行预处理,保证了遥感影像数据时空的一致性;然后,对上述处理结果进行波段融合和时间序列融合操作,增强了波段信息及时间序列信息的丰富度;最后,运用直方图降维方法对各县融合影像数据进行降维,克服了数据稀疏的问题。实验结果表明,通过卷积神经网络自动提取本文数据集的影像特征,估产模型在MRE、RMSE和R2上分别达到了14.52%、859.23吨和0.83,验证了本数据集的准确性。本数据集可为宁夏县级尺度枸杞年际产量预测提供重要数据支持,对地区农业可持续发展和科学研究具有重要意义。

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时序NDVI特征值提取多作物播种面积的方法

MODIS数据的1、2波段是具有250m空间分辨率的红和近红外波段,并具有较高的时间分辨率,可对农作物进行动态跟踪监测。随着农作物的生长,NDVI值逐渐增大,并在一定生育期达到最大值后开始下降。由于不同作物具有不同的生育期,NDVI峰值的大小、出现的时间各不相同。通过对北京市主要农作物的种植结构调查和3月中旬到11月上旬的不同作物的NDVI值采样分析,得出:①冬小麦NDVI值3月下旬相对较高,5月上旬最大;②春玉米的NDVI峰值出现于8月上旬;③夏玉米的NDVI峰值出现于8月中旬;④大豆的NDVI峰值也出现在8月中上旬,可通过物候历与春玉米区分开来(春玉米是单季作物,大豆是双季作物),通过峰值大小与夏玉米区分开来。结合北京市1:10万土地利用数据,通过NDVI值时序变化规律从MODIS数据中提取了冬小麦、春玉米、夏玉米、大豆等作物的种植面积,总体精度达到95%以上。

基于MODIS数据的伊犁河谷植被指数变化及其对气候的响应

利用2006-2014年主要生长季(5-9月)的MODIS遥感数据,分析了2006-2014年的年平均NDVI和生长季月NDVI变化规律。同时,收集整理同期伊犁河谷地区的气温与降水资料,并对NDVI与当月、2个月滑动、3个月滑动和5个月滑动的平均气温、降水值进行了相关性分析。结果表明,NDVI与气温、降水都存在一定的相关性,NDVI受当月平均气温的影响最大;NDVI与当月降水和滑动平均降水的相关性都很好,但3个月滑动平均降水对NDVI的影响最大,并且通过了0.01的极显著性检验。

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。

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数据的科尔沁区植被覆盖时空变化分析

我国植被覆盖辽阔,自然环境相对优越,但是随着时代发展,植被的生态系统遭到严重破坏,因此对植被空间格局的变化进行及时的研究至关重要。以通辽市科尔沁区为例,利用该区域2004—2013年的MODIS遥感数据产品,结合时间序列、均值法、插值法等理论,分析科尔沁区归一化植被指数(Normalized Difference Vegetation Index,NDVI)的时间和空间变化特征,得出了科尔沁区近10 a的植被覆盖演变情况:近10 a间科尔沁区植被整体上呈增加趋势,增加速率为0.033/a,其中植被覆盖度较好的年份是2005,2010,2011,2012和2013年,对整个科尔沁区而言,西辽河流域植被覆盖度最高;从NDVI值看出,对植被覆盖度贡献最大的为夏季,增加速率为0.002 8/a。研究成果将为科尔沁地区日后地表生态环境的改善和治理提供决策依据和理论基础。

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.

利用MODIS/EVI时间序列数据分析干旱对植被的影响

为了分析2006年四川重庆地区夏季干旱对该地区植被生长的影响,选取该地区多年中分辨率成像光谱仪(MODIS)增强植被指数(EVI)时间序列数据进行研究,利用时间序列谐波分析(HANTS)算法对EVI数据进行去云处理,并根据处理后的结果(重构的EVI数据以及HANTS分析得到相应频率对应的振幅和相位),分析干旱对该地区的影响,同时结合地面气象数据加以补充说明。将干旱年份和正常年份对比分析,结果表明,处理后的EVI时间序列数据能较好地反映干旱对地表植被的影响,振幅和相位的空间分布特征能够很好地反映干旱的影响范围。

基于MODIS的杭州湾南岸农业生态系统NDVI季节变化特征研究

NDVI是表征植物生长动态的重要指标,不同植物具有不同的NDVI变化曲线。植物生长过程中NDVI值逐渐增大,在生育期的某一阶段达到最大值后又逐渐减小。MODIS-NDVI数据因具有较高的时间分辨率,可用于农业生态系统NDVI变化研究。该文运用野外调查资料和2002年MODIS-NDVI16d合成的23个时序的遥感数据,对杭州湾南岸农业生态系统不同种植制度的NDVI变化特征进行分析。结果表明,不同种植制度的NDVI曲线有其特定的变化规律,NDVI特征模型可用于农业生态系统种植制度分析,并为遥感估产提供基础数据。

基于MODIS数据的山东省农作物旱情遥感监测报告

干旱胁迫能影响作物生长发育,给农业生产带来巨大危害。为及时准确地掌握农作物旱情,本研究以山东省夏季农作物为研究对象,采用高等时间分辨率MODIS影像,建立了普适性较高的归一化差值植被指数,并通过观测分析其时间与空间维的变化情况判断农作物长势及旱情,从而建立了一种简便、高效的利用遥感技术监测旱情的方法。该方法适用于营养生长阶段的农作物,原理简单,操作方便,易于进行技术推广。

安徽省油菜种植面积MODIS数据分析

以安徽省为研究区,选取MODIS数据为数据源,首先基于2011年到2018年的16 d合成MODIS归一化差值植被指数产品,利用ENVI软件提取油菜种植面积。然后结合谷歌影像,通过目视解译和NDVI数据提取安徽省多时相油菜种植面积,在此基础上对MODIS-NDVI数据提取油菜种植面积的结果进行验证,并分析了其时空变化。与统计监测数据相比,利用MODIS数据提取油菜面积精度可达84.5%。通过实践和验证,利用MODIS-NDVI数据提取安徽省油菜种植面积具有一定的可行性和可靠性。研究成果可为政府部门掌握农作物生产和农业发展情况提供基础数据,也可为其他省份研究油菜种植面积提取提供参考和借鉴。

基于MODIS的干旱区植被覆盖度反演及植被指数优选

为进一步掌握塔里木河下游输水后的生态恢复程度,以输水河畔的植被覆盖度为研究对象,采用MODIS数据构建研究区多种植被指数;结合现场实测植被覆盖度,给出离散坐标下实测植被覆盖度与各种植被指数间的二维散点图,据此得出二者相关方程,反演区域植被覆盖度。结果表明,基于MODIS数据构建的NDVI、MSAVI、SAVI和EVI等植被指数均与植被覆盖度有较好的相关关系,采用这些植被指数反演植被覆盖度的精度由高到低依次为NDVI、EVI、MSAVI及SAVI。建议在干旱荒漠区,使用MODIS数据进行植被变化监测,最优选择的植被指数为NDVI。

基于NDVI时序数据的不同水源灌溉面积分类研究--以人民胜利渠灌区为例

灌溉面积是水土资源利用的重要指标,灌溉面积监测是灌区和农业水资源管理的基础。【目的】探索不同水源的灌溉面积的遥感分类方法。【方法】基于人民胜利渠灌区2017年的Landsat8卫星数据和2012年的MODIS卫星数据,提取了灌区NDVI时序数据曲线,分别采用监督分类和非监督分类方法对灌区不同水源的灌溉面积进行分类,并结合实地调查资料对分类结果进行验证。【结果】非监督分类方法并不适用于灌区尺度的灌溉水源分类;基于MODIS数据的分类效果较差,分类精度为57.14%;基于Landsat8数据的NDVI时序数据和监督分类的结果较好,分类精度达到73.58%。【结论】空间分辨率较高的NDVI时序数据可对灌区灌溉水源进行分类。

基于SRTM3的MODIS图像几何精校正方法研究

地形地物被高度综合化,只存在超大尺度或大尺度的特征地物,可供选择GCP(地面控制点)的明显地物非常有限,这是中低分辨率遥感图像进行几何精校正面临的最大难题。本文提出了基于SRTM3数据构建与遥感图像几何特征尺度一致的地理参照,对MODIS图像进行几何精校正的方法。首先,利用90 m分辨率的SRTM3进行地形综合,生成250 m像元尺度的DEM并提取地性线,并将其与1∶25万的大型湖泊、大江大河矢量图合并;使用地形光照立体渲染模型(Hillshade)制作250 m的负立体可视化彩色地形地貌图;集成由3种地理信息要素构成的地理参照数据集。之后,分别选取250和500 m分辨率的MODIS数据,利用亚像元分解与增强技术制作125 m分辨率的假彩色影像。最后,叠加显示地理参照数据集和假彩色卫星图像,目视比对采集控制点,利用自适应三角网控制校正模型对多波段数据进行校正处理,其GCP点集的均方误差达到了431 m。结果表明:250 m分辨率的DEM地性线与MODIS亚像元图像表达的特征地物的几何尺度一致,MODIS图像中能识别的特征地物在SRTM3地性线与大型水系中均能找到,地性线所表达的特征地物点的数量多于遥感图像。与传统的基于基础地理底图选择控制点的方法相比,本文提出的方法更有利于同名地物点的判读和选取,并且操作处理简单,选取的GCP点的坐标精度较高,纠正处理工作效率高。

利用EOS/MODIS信息提取陕西冬小麦种植面积研究

EOS/MODIS数据1、2波段是具有250m空间分辨率红和近红外波段,也具有较高时间分辨率,可对冬小麦长势进行动态跟踪监测。随着冬小麦生长发育,NDVI值逐渐增大,并在一定生育期内达到最大值后开始下降。陕西南北较长,秦岭山脉是南北气候主要分界线,冬小麦在不同种植区的生长发育期进程略有不同,NDVI峰值出现的时间也不完全一致。通过对陕西2002-2003年3-6月的EOS/MODIS数据的NDVI值采样分析,结合冬小麦生产调查,陕西冬小麦主产区NDVI值在3月中下旬相对较高,5月上中旬最大。利用陕西1∶10万土地利用数据,依据冬小麦主产区NDVI值的时序变化从MODIS数据中提取陕西冬小麦面积,生成其空间分布图,精度可达到91%以上。

基于棉田光谱的FY-3A/MERSI与MODIS植被指数关系研究

对同一区域不同时次的FY-3A/MERSI与MODIS的归一化植被指数(NDVI)和比值植被指数(RVI)进行了计算,并针对地面光谱和影像数据方面进行了分析。结果表明,FY-3A/MERSI比MODIS数据更敏感,但受大气辐射传输影响也更突出,卫星入瞳处的反射率与地面实测资料相比,MERSI比MODIS变化大。FY-3A/MERSI与MODIS植被指数具有很好的相关性,遥感影像植被指数相关系数为0.98(NDVI)和0.96(RVI),地面光谱产生的植被指数(NDVI和RVI)相关性则达到0.99。