农区MODIS植被指数时间序列数据重建

MODIS植被指数时间序列数据能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源。但现有MOD13产品中存在由云、气溶胶,传感器角度等干扰因素导致的噪声指数。因此,必须对MOD13时间序列中的噪声指数进行恢复。根据农作物种植区物候与熟制信息,将待重建像元时间序列划分为符合作物生长周期的时段。对各时段内指数按非对称高斯模型重建,优化相邻时段之间重叠期内指数。多次迭代重建和优化过程后恢复时间序列中噪声指数。对覆盖北京市通州区以南和河北省保定市以北农区2005年MOD13数据进行重建,与两阶段S-G滤波重建结果对比。结果表明:噪声指数被准确判断并恢复。农区多熟制导致的低值指数被有效保留。重建时间序列可以正确反映植被的覆盖情况。

重庆地区MODIS/NDVI时间序列数据重建研究

基于时间分辨率为逐月、空间分辨率为1 km的MODIS/NDVI数据,利用WS、S-G、A-G和D-L这4种重建方法对重庆市2010~2014年间历年逐月的NDVI时间序列数据进行重建,并采用视觉对比、分地类像元对比、相关系数(R)、均方根误差(RMSE)、赤池信息准则(AIC)和贝叶斯信息准则(BIC)对4种重建结果进行了评价。结果表明:S-G和WS重建后噪声少,S-G的曲线最为平滑,A-G与WS保真性较好。其中,A-G的R>0.8和RMSE<0.05的分布面积最大,分别占总面积的89.41%和66.40%;WS次之,占72.76%和59.37%。此外,在模型效果分析中A-G的AIC和BIC评价结果最佳,WS在其他3种方法BIC评价结果较差的渝西地区也有较好的评价结果。

利用MODIS_EVI图像时间序列提取作物种植模式初探

作物种植模式对于高效、可控农业管理具有非常重要的意义,通过遥感手段获取种植模式信息是目前亟待解决的难题。以华北平原为试验区,收集了2003年全年每16天合成的MODIS_EVI时间序列图像,从种植模式的MODIS_EVI时间谱分析入手,提取了表征冬小麦及其后茬夏玉米与其他同季生长作物物候差异性特征,分析表明返青期和峰值时期对冬小麦提取贡献最大,而峰值时间和大小以及表征营养生长向生殖生长转化时生物量累积差异的参量(偏斜度)对玉米提取贡献最大。建立了冬小麦和夏玉米的提取模型,各省17个县的抽样表明,冬小麦的总体提取精度为88.38%最后形成了小麦-玉米、小麦-水稻和小麦-其他种植模式的分布图,与作物熟制气候分布图具有较好的一致性。

基于MODIS EVI图像时间序列的冬小麦面积提取

植被指数的时间序列能够很好的反映植被在时间维上的生长变化,这为地表植被的分类以及作物面积的提取提供了思路。将TM数据作为过渡数据,利用地面测量数据间接对MODIS EVI数据进行了样本提取和验证,并结合冬小麦物候信息,将冬小麦植被指数时间曲线参量化为生长速率、衰减速率和峰值与休眠期比值,建立了华北平原冬小麦的面积提取模型。经验证,兖州地区MODIS数据和TM数据提取的冬小麦面积一致性为89.13%,整个华北地区选取13县市的MODIS提取面积与官方统计数据比对,表明有12县市的提取误差小于20%,误差主要源于MODIS的空间分辨率较粗而华北平原的地块较为细碎。

基于时间序列MODISNDVI的冬小麦产量预测方法

选择我国河北、河南、山东3省作为研究区,在250 m空间分辨率的冬小麦种植区和1 km的冬小麦像元纯度图的基础上,分析了2000—2009年MODIS NDVI抽穗期峰值与单产的时间序列变化关系。采用Becker-Reshef等提出的去噪声修正后的冬小麦抽穗期NDVI峰值与单产进行回归分析建立冬小麦产量预测模型,并分析冬小麦预测精度的影响因素。最后,利用2010年地级市尺度的统计单产对所建立的预测模型进行精度验证,模型的平均估产误差约为7.49%。结果表明,基于冬小麦抽穗期NDVI峰值的产量预测方法在中国冬小麦主产区具有一定的应用潜力。

基于MODIS/NDVI时间序列的森林灾害快速评估方法——以贵州省为例

以2005—2008年中分辨率成像光谱仪(MODIS)的归一化植被指数(NDVI)数据集为主要数据源构建研究区时间序列,结合统计学分析方法设计一套快速有效的森林灾害评估体系,用以探测森林资源损失的空间分布范围与灾害等级,并利用森林资源雪凝灾害损失的实际调查数据对评估结果进行一致性检验。结果表明:通过计算2005—2007年研究区所有森林像元的平均值R珔2005-2007和平均绝对偏差δall,确定森林灾害阈值DT为0.048;利用该阈值,获取2008年受灾较重的森林空间分布,主要密集分布在贵州省东南部和东北部,包括了黔南自治州、黔东南自治州和铜仁市等地区;受灾森林像元数占总森林像元数的28.6%,高于凝冻灾害森林资源损失实际调查结果(17.7%);在县域尺度上,根据MODIS/NDVI关键期影像获取的森林资源损失区域和灾害等级,确定德江、沿河和都匀等11个重度受灾县(市、区)和湄潭、榕江和桐梓等10个中度受灾县(市、区),与小班调查结果具有较高的一致性,其Kappa系数为0.86。方法为大区域尺度的森林灾害快速评估提供了一种新思路。

融合MODIS与ASTER数据生成高空间分辨率时间序列LAI方法研究

为了得到高时间分辨率和高空间分辨率的LAI产品,提出一种方法,可以融合MODIS LAI产品的高时间分辨率和ASTER数据的高空间分辨率优势,该方法利用MODIS全年的LAI产品和少数景ASTER高分辨率数据,最终得到ASTER尺度上全年时间序列的LAI.其中主要利用高分辨率图像的分类图像,和MODIS配准得到MODIS各像元内的各地类百分比,利用混合像元分解方法得到高分辨率尺度上各个地类的LAI时间变化曲线.再利用高空间分辨率影像反演得到的LAI值来调整这条曲线,从而得到高空间分辨率时间序列的LAI.

基于MODIS NDVI时间序列的植被覆盖变化特征研究

为监测浙北地区植被覆盖变化特征,利用离散傅立叶变换技术对MODISNDVI时间序列数据去云和噪声处理,通过土地利用现状图上提取的地类进行植被分区,研究各个分区的植被覆盖特点;以变化矢量的模衡量植被覆盖变化的强度和稳定性.结果表明,耕地区的植被覆盖变化较大,林地区的植被覆盖变化较小,建筑区的植被覆盖变化居中;受种植差异和时间推移等季相信息的影响,耕地区作物变化矢量的模值亦会增大.研究表明城市化和人类活动对耕地区植被影响较为明显.

基于时间序列MODIS NDVI的农作物物候信息提取

物候是植被长期适应环境的周期性变化而形成的生长发育规律,农作物物候研究对长势监测和产量评估以及气候变化都具有重要价值。针对现有研究的问题,改进物候信息遥感提取方法,并利用MODIS NDVI时间序列,提取伊洛河流域主要农业区的农作物物候信息。首先将8天间隔的NDVI时间序列进行Savitzky-Golay滤波去除噪音信息;再根据冬小麦和夏玉米的生物生理特性,利用与关键形态特征点的相对位置来界定物候期;最后提取多年关键物候期信息。监测结果与往年观测资料对比,研究结果客观可信。整体上物候期相对稳定,但当农作物受气候变化以及异常天气的影响,年际间会存在明显的差异。其中,出苗期相对变异最小,而冬小麦的抽穗期和夏玉米的抽雄期相对变异最大。研究发现10年间同一物候期相差最高达20天左右。结果证明了本文研究方法的可行性和有效性,及时掌握农作物物候信息对农业生产与管理,以及农业遥感的深入研究具有重要意义。

运用动态谐波回归模型对MODIS叶面积指数时间序列产品的分析与预测

运用动态谐波回归模型(Dynamic Harmonic Regression,DHR)对MODIS的长时间序列的LAI产品进行分析,可以从中分离出LAI随时间变化的多年趋势、季节变化及残差等主要成分,通过建立的模型实现LAI年间变化的短时预测。本文将所述DHR模型分析方法试用于遥感数据产品随时间变化的信息提取,对LAI年间变化的预测结果证明该方法用于遥感像元尺度LAI产品的时间序列分析与预测的效果良好。

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/EVI时间序列数据分析冰冻灾害对植被绿叶始期的影响

在全球气候变化的研究中,植被物候与气候的关系是一个重要的课题,它显示陆地生态系统对全球变化的响应。笔者用2005～2008年1～7月每8 d时间序列的MODIS/EVI数据及其相应的地面数据,运用时间序列谐波分析(HANTS)算法对EVI数据进行去云处理。对处理后的结果,采用动态阈值法获取该区域2005～2008年植被物候(生长始期)及其分布格局,并将冰冻灾害年份跟正常年份植被物候分布格局进行对比,分析冰冻灾害对该地区植被物候的影响。结果表明,处理后的EVI数据能较好地反映冰冻灾害对植被物候的影响,准确地反映了冰冻灾害的实际影响范围。该研究结果说明,通过HANTS法分析卫星遥感数据可较为准确地反映植被的生态特征。

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。

基于时间序列MODIS数据的川续断栽培区土壤水分变化研究

以栽培川续断为研究对象,选择贵州省黔南州龙里县、贵定县的栽培基地为试验区,利用贵州省2010年全年的MODIS植被和温度产品,采用Ts-NDVI特征空间模型,先构建温度植被干旱指数(temperature-NDVI dryness index,TVDI),再通过TVDI与土壤水分的经验关系,反演得到试验区的土壤水分分布图.利用时间序列分析,得到了试验区土壤水分的年内变化特征.从总体上看,从春末到秋初,栽培区的土壤水分比较稳定,变化相对其他时段较小.初春时节,土壤含水量最低.进入秋季后,土壤含水量变化剧烈.在冬季,土壤水分则是先上升后下降,且变化幅度最大.此外,将遥感反演结果与同一时段的两次实地测定的土壤水分进行对比验证,发现遥感反演的结果与实测值较接近.研究结果表明利用本文的方法监测中药材栽培区的土壤水分含量切实可行.

基于长时间序列MODIS影像的黑龙江省主要农作物种植结构变化研究

人口增长及城市化的迅速发展,使得我国的农作物格局发生了重大变化.及时、准确地把握区域主要农作物种植信息,对于制定农业政策、指导农业生产和保障国家粮食安全都具有重要意义.NDVI(normalized difference vegetation index)作为植被提取和地物识别使用最为广泛和有效的植被指数,在农作物信息提取方面具有明显优势.文章以黑龙江省为研究区,选取2001、2010和2017年MODIS(moderate-resolution imaging spectroradiometer)三级产品MOD09Q1,构建250 m分辨率、包含全年46个时相的MODIS-NDVI时间序列数据集,以玉米、水稻、大豆和大小麦4种主要农作物为研究对象,利用时间序列谐波分析法(harmonic analysis of time series,HANTS)对数据集进行平滑处理,通过分析4种作物的时序光谱特征提取生长周期关键阈值,构建不同农作物遥感提取模型,得到2001、2010和2017年黑龙江省主要农作物种植结构空间分布图.结果显示:经过平滑处理重构后的MODIS-NDVI时间序列集能较好表现农作物的物候特征;构建的基于MODIS影像的农作物分布提取模型能较好地对农作物进行提取,与黑龙江省历年农业统计年鉴数据对比,平均精度达到87.4%.研究表明所采用的方法适用于大区域、大尺度农作物提取,能为农业遥感监测和农作物种植结构调整等提供有效可行的参考和借鉴.

基于MODIS的HJ-1B热红外交叉辐射定标与时间序列建立

定量遥感应用迫切需要用到长时间序列数据,但历史数据的辐射精度不高,会给定量化遥感应用带来较大的不确定性。因此开展退役卫星历史数据的再定标,对于定量化应用具有极其重要的意义。为了获得定量遥感应用中较为精确的时间序列数据,文章选择已退役的HJ-1B卫星,基于MODIS数据,探索了HJ-1B红外发射谱段准SNO交叉定标方法,通过多年连续数据计算出利用典型场景红外发射谱段再定标系数的时间序列,并通过实验数据的反演对再定标结果进行检验。

基予时间序列MODIS/EVI的几种土地覆盖分类方法比较

本文选取河南省全年MODIS/EVI数据,进行土地覆盖分类。通过分析河南省的种植制度,然后结合地物波谱特征、物候规律,统计数据,非监督分类结果、相关专题图,采用最大似然分类、最小距离分类和支持向量机三种分类方法进行分类。每种方法又对主成分未标准化和标准化后的数据进行了对比。结果显示,支持向量机的分类结果精度最大,效果最好。表明MODIS数据可以利用高时间分辨率弥补其空间分辨率的不足得到较高精度的土地覆盖分类结果。

遥感时间序列数据滤波重建算法发展综述

遥感时间序列数据(MODIS,NOAA/AVHRR,SPOT/VEGETATION等)在植被生长监测、物候信息提取、土地利用类型监测等诸多领域得到了广泛应用,是生产研究的重要数据源之一。由于传感器、云层大气等影响,遥感时间序列数据存在着严重的噪声,应用前必须进行序列滤波重建工作。综述现有各类滤波重建方法,对研究中广为采用的3类主要方法(基于最小二乘的非对称高斯函数拟合、Savitzky-Golay滤波、基于离散傅里叶的系列分析方法)集中阐述其理论基础、应用步骤和优缺点。总结当前遥感时间序列滤波重建方法需要进一步改进之处。

京津冀MODIS长时序增强型植被指数拟合重建方法适用性研究

长时间序列植被指数拟合重建的结果可为植被变化动态监测及物候信息提取、生物量信息提取、农作物产量预测及面积估算、生态质量评价及生态系统碳循环研究等提供更精准、更可靠的数据来源,从而有效反映生态环境质量。MODIS EVI数据虽经过最大值合成(MVC)处理,但仍存在云、冰雪、气溶胶等噪声。该文基于Timesat软件中非对称高斯函数拟合法(AG)、双Logistic函数拟合法(DL)、SG滤波法(SG)3种方法对京津冀2001-2015年MODIS EVI时间序列数据进行拟合重建,从时间序列、空间格局两个维度,并结合数理统计方法,对比分析了不同方法的拟合效果。结果表明:噪声比与拟合重建的方法无明显相关关系。在去噪效果和保真性、拟合优度等方面,AG拟合和DL拟合整体无明显差异,在部分像元点上AG拟合表现出更好的重建效果。SG方法可以更有效的保留原始植被特征。3种方法重建后的效果表现出与地类空间分布相关的差异性。对于京津冀地区长时序数据,AG拟合在人类扰动较小的草地、森林和灌木地区域表现出更好的重建效果,SG方法在人类活动干扰更强的耕地区域重建效果更优。

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。