基于遥感影像NDVI数据的中国种植制度分布变化

【目的】利用1986和1996年的十天合成NOAA-AVHRR-NDVI数据以及2000年SPOT-VEGETATION-NDVI数据对中国主要的种植制度(熟制)分布进行制图,对比二次差分法和离散傅里叶转换法对熟制信息提取的有效性;比较中国多年熟制分布图,研究中国近些年的熟制变化,同时结合气象数据,分析影响熟制变化的可能因素,为粮食产量变化及其原因分析提供理论依据。【方法】首先,利用欧空局全球陆地覆盖数据(ESA Glob Cover),提取中国农业植被区域。其次,使用ENVI和Arc GIS软件,分别利用二次差分法和傅里叶变换法对1986年的植被指数数据进行农业熟制的分布提取,并以中国科学院植物研究所编著的1:400万比例尺的《中国植被图》中的熟制信息作为参考,对两种方法提取熟制信息精度进行检验;采用二次差分法分别绘出1996年及2006年熟制分布图,说明中国熟制分布的变化。最后,利用零级带≥0℃积温划分指标,分析年积温等气候因素对熟制的影响。【结果】(1)二次差分法和傅里叶变换法提取的熟制分布结果都基本符合中国农业熟制的分布规律,遵循越往南熟制越复杂的规律。一年一熟区主要分布在东北大部分地区,一年两熟区分布在河南、河北、山东和安徽一带,而一年三熟的区域零星分布在湖北省以南的省份。熟制分类的精度分别为76.5%和69.4%,kappa系数分别为0.64和0.51,二次差分法的分类精度高于傅里叶变换。(2)利用分类精度较高的二次差分法提取中国1986年、1996年到2006年的熟制分布信息,发现中国熟制间的界线发生了不同程度的北移和西扩,尤其是一年两熟的北界由1986的辽南葫芦岛北移到辽中本溪、沈阳一线,西界也由1986年的甘肃平凉、陕西宝鸡一带西扩至宁夏临夏回族自治州、青海海东地区。同时熟制之间的转换也是复杂多变的,一年一熟制的面积从1986年到2006年减少了33万平方公里,一年两熟增加了36万平方公里,一年三熟的面积增加了4万平方公里。(3)从年积温的分布来看,4 200℃和6 100℃积温等值线都有不同程度的北移西扩,说明积温变化可能是引起中国熟制北移的重要原因。【结论】基于时序序列的遥感数据可以进行中国熟制分布的实际变化监测。二次差分法是一种有效提取中国熟制信息的方法。中国熟制的界线,尤其是一年两熟的界限有一定程度的北移和西扩,使得一年一熟的面积大幅减少而一年两熟的面积有很大的增加,而一年三熟的面积变化不大。气候变暖对中国的熟制分布有一定的影响。通过遥感方法研究中国熟制的分布及其变化,能够及时、准确地了解和评价中国农作物生产情况和生产潜力,便于农业相关部门制定及时、有效的农业政策。

基于时序NDVI的关中地区冬小麦种植信息遥感提取

快速而准确地获取和掌握冬小麦在我国西北干旱半干旱地区的种植信息对该区域粮食生产安全及其可持续发展具有重要意义。以陕西省关中地区为研究区域,采用迭代滤波技术重建MODIS NDVI时序序列,结合当地典型地物的NDVI曲线特征和二次差分技术,建立冬小麦像元的识别规则,提取了该地区2014年冬小麦种植信息。结果显示2014年关中地区冬小麦集中分布于渭河两岸的河谷地区以及泾河以东的渭北平原,北部黄土台塬则呈星状散布。总体种植面积8.882×10~5hm^2,与统计资料相比,各地市遥感提取结果的相对误差绝对值在1.08%~9.02%之间,总体误差为3.70%。抽样验证结果显示分类精度为90.28%。该研究为关中地区制订种植计划和相关政策等提供了客观的数据参考,同时也为西北地区的农作物种植监测提供了技术支持。

基于OpenCL的NDVI算法的并行化实现

以NDVI算法为例,讲述了利用OpenCL框架,使用GPU对NDVI算法实现加速操作。利用OpenCL框架的异构性,研究是否能更加有效提高加速比。

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。

NDVI时间序列数据的去噪重建方法对比

基于不同遥感平台获取的NDVI时间序列数据目前已经广泛应用于全球环境变化研究中,然而由于气溶胶、云及降雪等因素导致的数据噪音将会干扰分析结果,因此需要对原数据进行去噪重建。虽然目前已有多种NDVI时序数据的去噪重建方法,但很少有研究全面、系统地对这些方法在土地利用类型上的去噪效果进行比较。文章以鄱阳湖平原为研究区域,基于不同土地利用类型,对比分析了最佳指数斜率提取法、小波变换、傅里叶变换法、中值滤波、迭代内插数据重建法、滤波(S-G)6种方法对SPOT和MODIS数据的去噪效果。结果表明:(1)不同重建方法均具有一定去噪效果,但基于不同数据、在不同土地利用类型上存在一定差异;(2)相对于其他方法,S-G滤波在植被覆盖较高区域具有较好的去噪效果,BISE和傅里叶变换在整个研究区效果较差;(3)在去噪重建方法的选择上,应该同时注重研究目的以及噪音的特征,尤其是在提取植被相关生长特征的时候。

NDVI时序相似性对冬小麦种植面积总量控制的制图精度影响

遥感技术获取的区域作物面积与作物面积统计数据间常常存在不一致的问题,这在一定程度上影响了作物分布遥感制图信息的应用。为获得与作物面积统计数据一致的高精度作物分布遥感制图信息,该研究以河北省衡水市武邑县为研究区,以时序Sentinel-2遥感影像生成的归一化差值植被指数(Normalized Difference Vegetation Index,NDVI)为研究数据,将冬小麦面积目视解译数据作为遥感提取的区域冬小麦面积总量参考,提出基于复合型混合演化算法(Shuffled Complex Evolution-University of Arizona,SCE-UA)和区域作物种植面积总量控制的NDVI时序相似性阈值优化冬小麦分布制图方法,并进行精度验证。在此基础上,进一步开展不同生育阶段NDVI时序相似性及其相似性组合的冬小麦分布提取精度对比研究。结果表明,利用全生育期NDVI时序相似性获得的冬小麦分布制图结果总量精度达99.99%以上,总体精度达98.08%,Kappa系数为0.96,可以保证遥感提取的区域冬小麦面积与冬小麦种植面积总量控制参考间的高度一致性且能获得较高的作物遥感识别精度。从不同生育阶段NDVI时序相似性及其相似性组合的冬小麦分布提取结果可知,利用出苗期-分蘖期、返青期-拔节期的NDVI时序可获得高精度冬小麦分布提取结果,而利用抽穗期-成熟期的NDVI时序数据提取冬小麦结果则精度较低,且综合不同生育阶段NDVI时序数据有利于冬小麦制图精度的提高。该研究可为高精度冬小麦分布提取和制图技术及其方案优化提供一定参考依据,也可为遥感数据和作物面积统计数据融合的大范围农作物分布遥感制图及统计数据空间化提供一定技术方法参考和思路借鉴。

黄土高原水蚀风蚀交错区退耕还林工程前后NDVI时空变化特征

【目的】探究黄土高原退耕还林工程实施前后植被覆盖变化特征,评估生态修复效果,对于制定更为有效的生态修复战略政策具有重要意义。【方法】该研究以黄土高原水蚀风蚀交错区为研究区,以EOT算法为核心,基于GIMMS NDVI数据集和MODIS NDVI数据集的重叠时期数据,构建1982-2000年1 km分辨率的NDVI数据集(EOT NDVI),并联合MODIS NDVI数据(2001-2019年),形成1982-2019年逐月1 km NDVI数据集(EM NDVI),以探究研究区的NDVI时空动态变化。【结果】(1)EOT算法对GIMMS NDVI降采样应用是合理的,同时期EOT NDVI与MODIS NDVI之间的平均误差(ME)、平均值绝对误差(MAE)、均方根误差(RMSE)均较小,且决定系数(R2)较高;(2)1982-2019年年均NDVI呈现先下降后上升趋势,年均NDVI增长速率为0.0078;(3)1982-2019年植被增长速率呈现空间异质性,且退耕还林工程实施前(1982-2000年)年均NDVI呈下降趋势的地区是退耕还林工程实施后(2001-2019年)年均NDVI增加趋势显著的地区。【结论】研究成果可为评估生态恢复措施实施效果和未来生态环境建设提供理论依据和数据支撑。

融合MODIS和Landsat数据的青海湖流域典型区NDVI重构与年内最大值变化分析

归一化植被指数(NDVI)能够较准确表达出植被覆盖和生长状况,对其进行时间序列分析已成为研究全球、国家或区域植被生长的重要方式。针对当前NDVI时序产品空间分辨率不高,难以应用于小尺度的精细研究,以及利用Landsat不同时相NDVI评估生态环境质量受植被季相和年际变化影响较大等问题,首先基于增强型时空自适应反射率融合模型(ESTARFM)融合MOD09Q1和Landsat数据,对植被年内生长季NDVI数据进行预测插补,之后利用Logistic模型重构2001-2020年植被生长季NDVI曲线,通过引入MODIS逐日NDVI数据确定NDVI年内最大值日期,逐像素求解出最优的Landsat NDVI年内最大值,并将其应用于青海湖流域布哈河附近局部典型区域植被生长状况评估。结果表明:1)融合MODIS和Landsat数据的Landsat NDVI年内最大值求解结果在3倍中误差以内的占98.5%,求解结果具有较高的精度;2)利用Landsat NDVI年内最大值进行植被生长状况评估,能弱化Landsat数据因时相差异引起的误差;3)研究区植被NDVI年内最大值呈南北高中间低的空间分布特点,年际变化整体先降低再增加,植被生长状况呈向好趋势;高寒嵩草、杂类草草甸NDVI年内最大值呈减少趋势且波动剧烈,应是青海湖流域监测的重点植被类型。

单窗算法在成都市地面温度反演中的应用研究

随着遥感应用的深入,多种地表温度反演算法相继被提出,本文分析了相关算法,并对单窗算法进行了探讨,详细阐述了单窗算法相关参数的确定方式,并利用Landsat ETM数据对成都市区进行地面真实温度的反演。研究表明:在缺少详细大气廓线数据的情况下,应用单窗算法研究城市热岛效应是可行可靠的。

基于定量遥感技术的重庆市热岛效应

近年来,城市热岛效应不断增强,已经成为一个突出的城市环境问题。重庆市作为长江中上游特大型城市,工业发达,经济快速发展,市区热岛效应明显,但是很少对其研究。以2007年Landsat5 TM影像为数据源,利用单窗算法对重庆市城市地表温度进行反演,并进行城市地面亮温等级划分,在从城市土地利用类型、NDVI等方面对重庆市城市热岛效应强度和空间格局分布及其特征进行了探讨。结果表明:城区热岛现象显著,且分布不均匀;不同土地利用类型对热岛效应影响不同;城市地面亮温与NDVI呈明显的线性负相关关系。最后结合重庆市的特殊地形,提出了以下解决城市热岛效应的对策:加强城市规划,调整城市结构;构建最佳绿化结构,提高城市绿化率;改变能源结构,提高能源利用率,控制工厂废气排放量。

红树林湿地植被生物量的雷达遥感估算

根据雷达后向散射系数建立了红树林湿地植被生物量的估算模型,并运用遗传算法确定其中非线性模型的最优参数。对比分析表明,雷达后向散射系数模型比NDVI模型在植被生物量估算中有更高的精度。使用NDVI指数有可能导致某些植被类型的生物量估算出现较大的误差。这是因为一些具有密集冠层的草本植被(例如互花米草等)有比红树林高得多的NDVI值。而雷达遥感所具有的侧视特点及一定的穿透能力能有效地获取植被的垂直信息,大大减低植被生物量估算的误差。

使用单窗算法研究北京城区热岛效应

随着全球变暖和城市化进程的加快,大城市城区的热岛效应日益严重。城市下垫面对地表能量交换的影响巨大,引起地表温度分布的不均一性。遥感技术的发展为地表温度的反演提供了可能。近年来人们使用劈窗算法对均一的海面温度的反演很成功,但是受空间分辨率的限制以及陆面的不均一性,陆面温度的反演一直是一个没有解决好的问题。覃志豪提出了一种TM热红外波段单窗算法,可以利用辅助气象资料快速计算出地表温度。本文以北京市城区为研究区,采用LandsetETM第6波段的单窗算法,反演了亮度温度和地表实际温度,分析了城市下垫面情况下NDVI与地表温度的相关关系,并解释了北京城区热岛在空间上的分布及其可能的原因。结果表明:北京市城区热岛效应显著;地表温度与NDVI相关性显著;城区绿地和水体在区域的温度分布中起到重要作用。

多光谱遥感影像煤火监测新方法（英文）

煤火在世界各地均有不同程度的发生,严重威胁生态环境,煤火燃烧释放大量的有毒有害气体,造成大气污染,同时煤火燃烧形成地下空洞,导致地表塌陷,直接威胁着矿区人员的生命安全。遥感技术的迅猛发展使大尺度反演与监测煤火温度变为可能。单窗算法是一个简单可行且精度较高的煤火温度反演方法,该方法需要两个大气参数进行温度反演,即大气水分含量和地表比辐射率。由于该算法需要卫星影像获取瞬间时的大气水分含量,而卫星过境瞬间的大气水分含量受多种因素影响难以获得;单窗算法对不同类型的地物均采用统一的地表比辐射率,这会导致反演温度不精确,误差较大。针对上述存在的问题,采用基于地面湿度参量建立起的大气可降水量与地面水汽压间的经验关系,计算大气水分含量,同时,采用NDVI阈值法计算不同地物类型的地表比辐射率,对单窗算法中的两个参数进行精确估计,从而改进提高该算法的精度及可操作性。将改进的算法应用于内蒙古乌达矿区,反演从1988年到2015年间研究区的煤火温度,提取每年研究区的温度异常区域,对比分析煤火区域分布、面积变化情况。本文提出的改进算法能够快速、高效的反演煤火温度,对掌握煤火异常区域变化情况提供技术支持,具有可操作性及现实意义。

基于影像多种特征的决策树分类方法

阐述了决策树分类CART算法原理,将纹理信息、NDVI指数引入决策树方法对影像进行分类,并将分类结果与最大似然分类结果进行比较,研究表明决策树分类方法相对传统分类方法总体精度提高了8.9148%,Kappa系数提高了0.1074。

基于多源卫星遥感影像的水生药材芡实遥感监测方法研究

目的:利用多源卫星遥感数据对水生药材芡实监测进行探索性研究,为应用多源卫星遥感影像监测水生植物类药材的分布和动态变化提供技术支撑。方法:本文选择高邮湖为研究区域,以水生药材芡实为研究对象,利用ASD便携式光谱仪和研究区域的Pléiades和高分一号遥感影像,对芡实生长区域内相关植物的光谱特征进行分析,获取物种间区分性好的光谱范围,通过构建决策树算法模型,对遥感影像上芡实信息进行提取,获取监测结果。结果:通过验证发现监测综合分类精度达到83%。结论:研究结果表明,利用多源遥感卫星遥感影像和GIS空间分析技术,能够比较准确反映水生药用植物芡实的面积及分布。

基于区域增长的海岸带黑暗像元自动提取算法研究

针对海岸带区域独特的地表状况设计了一个近海岸的黑暗像元自动提取算法。首先利用修订型归一化水体指数(RNDWI)和归一化植被指数(NDVI)对黑暗像元备选区域进行确定,然后从备选区域中找到初始黑暗像元,最后利用多阈值的区域增长法对黑暗像元的选取进行优化,最终计算得到黑暗像元值。应用此算法对Landsat-5 TM影像遥感数据进行处理,结果表明,大气校正之后的典型地物光谱曲线更接近于真实的光谱曲线,说明此算法设计合理,其大气校正结果与用ENVI软件进行FLAASH大气校正和黑暗像元法大气校正的结果相比,此算法更接近于FLAASH模型法,校正效果较好。同时利用黑暗像元自动提取算法得到大气校正后的结果大大减少了反射率值为负的情况,提高了数据的利用率。

基于MODIS数据的吉林省中部地表温度反演及空间分布研究

利用MODIS数据,采用劈窗算法,定量反演吉林省中部陆地表面温度;利用TM数据,通过目视解译获得研究区的土地利用状况,并结合地势图,研究吉林省中部农业区的地表温度空间分布特征以及地表温度与土地利用类型之间的关系。结果表明,研究区陆地表面温度南高北低,西高东低,符合该区域气候特征;由于地表土地类型热力性质的不同,不同土地利用类型的地表温度存在差异,地表温度最高的裸岩要比最低的湖泊高出26.6K;地表温度与海拔呈负相关关系,即随着海拔的升高,地表温度呈下降趋势,下降率为23.6°C/km;在植被覆盖区,地表温度与NDVI之间存在负相关性,且城市地表温度对植被覆盖度的敏感性要高于农田和林地;对于整个研究区土地利用空间结构,地表温度与NDVI表现为LST-NDVI梯形关系。

归一化植被指数时序数据拟合算法对比分析

长时间序列遥感植被指数数据集能够体现植被生长变化规律,已经广泛应用于覆被变化分析、环境变化分析与模拟、植被参数反演和信息提取等研究。但受云、气溶胶和太阳高度角等大气条件以及遥感器采集与传输过程、地面状况等因素的影响,NDVI数据存在大量噪声。因此,重建高质量NDVI数据是其应用的必要过程和首要步骤。本文以美国西南弗吉尼亚煤田1984~2010年NDVI数据为数据源,基于TIMESAT3.1提供的三种滤波算法,即非对称高斯函数(AG)拟合、双Logistic曲线(D-L)拟合和Savitzky-Golay(S-G)滤波法,阐述了算法重建的原理和优缺点,然后对比三种算法的拟合效果、保真性和细节处理效果,优选出一种最佳滤波算法,进而通过变化曲线分析此地区露天矿区土地损毁和植被修复的过程特征。

基于Landsat 8影像的福州市地温与土地利用及植被关系研究

基于Landsat 8影像数据,根据覃志豪等人提出的单窗算法,分别用2个热红外波段反演2014年4月17日福州市区地表温度,并将反演结果与研究区部分气象站点当天的实测温度进行对比验证,发现利用波段10反演得到的地温与实际观测值更加接近,说明利用单窗算法可以较好地反演福州市地表温度,对于Landsat 8影像来说,波段10更适合用于反演地表温度。本研究采用面向对象分类方法对研究区范围内的土地利用类型进行解译,并计算归一化植被指数(NDVI),进而探讨二者与对应地表温度之间的相关性,结果显示土地利用类型与地表温度具有较强的相关性,同时NDVI与地表温度之间存在着较为显著的负相关性。

基于OpenMP和OpenCV的归一化植被指数并行计算研究

归一化植被指数研究是遥感应用的主要领域,同时也是遥感学科的重要研究问题。随着我国遥感事业的进步,我国自主研制的高分辨率卫星先后陆续发射升空,加快并扩展了高分辨率卫星影像的应用范围。卫星每天产生的高分辨率遥感影像也呈现出指数级增长,达到Terabyte(TB)量级甚至Petabyte(PB)量级。然而传统串行的植被指数提取算法,已经不能及时并有效的从这些海量的遥感数据中提取植被指数。基于本文此以归一化植被指数(NDVI)算法为例,在高性能研究平台和并行计算技术的支持下优化NDVI提取算法,通过C++编程语言调用OpenMP和OpenCV库函数,实现了对NDVI快速提取的并行计算方法,并利用高分一号数据验证了NDVI并行提取算法的有效性。