基于MODIS的沿海带状植被NDVI/EVI季节变化研究——以江苏沿海互花米草盐沼为例

植被指数的时空变化是目前全球变化研究的热点问题。该文以江苏沿海互花米草盐沼为例,运用MODIS数据探索沿海带状植被NDVI/EVI的季节变化规律。结果表明,互花米草的返青(出苗)、抽穗、种子成熟等主要物候期在VI曲线上均能得到很好体现。本研究可为监测互花米草盐沼扩展趋势、加强管理、趋利避害提供基础数据,同时也为沿海其它带状植被监测提供借鉴。

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影像对NDVI和EVI的分类研究

从MODIS影像中划出一块无云区域作为研究对象,求出该研究区的NDVI和EVI,运用K-均值分类法分别对2种植被指数进行非监督分类.通过对2种植被指数分类结果进行比较得出:2种植被指数的分类结果在总体上是一致的,但是在局部区域,NDVI对于水体的分辨能力优于EVI,而EVI对植被则有更强的分辨能力.2种植被指数分类结果精度评价总精度为70.00%,Kappa系数为0.585.

MODIS NDVI与MODIS EVI的比较分析

MODIS NDVI与MODIS EVI是目前应用比较广泛的植被指数,MODIS EVI是对NDVI的发展和延续,从植被指数计算公式和合成方法两方面做了改进。具体表现在:避免了MODIS NDVI在植被高覆盖区易饱和的问题,考虑了土壤背景对植被指数的影响,对气溶胶等残留做了进一步校正,采用BRDF/CV-MVC合成方法保证了合成采用最佳像元。EVI时间序列相较于NDVI时间序列季节性更明显,能够更好地反映高植被覆盖区的季节性变化特征,并且很少有突降现象,时间序列曲线较平滑。EVI的这些优势为高覆盖植被物候特征的季节性变化监测提供了新的思路。

西北地区MODIS/NDVI与MODIS/EVI对比分析

为了了解西北地区MODIS/NDVI和MODS/EVI 2种植被指数的特点,利用2003年植被生长期TERRA/MODIS资料和西北地区植被类型数据,分析了西北地区MODIS/NDVI和MODIS/EVI空间分布特征和不同类型植被随时间变化特征,比较了大气订正对NDVI和EVI的影响。结果表明:NDVI和EVI空间分布格局一致,与降水空间分布形式比较一致。NDVI与EVI值的差异随着植被覆盖度的增加而增大。不同类型植被NDVI和EVI变化特征一致。大气对NDVI和EVI的影响较大,大气订正前许多地区NDVI值小于EVI值。大气订正使NDVI增大,EVI减小,大气订正后NDVI值普遍大于EVI值。通过对大气气溶胶粒子较多地区的NDVI和EVI值的对比分析,EVI具有较好的抗大气气溶胶的作用。

辽宁地区不同地表覆盖类型EVI和NDVI特征

目的基于MODIS数据,研究辽宁地区4种不同地表覆盖类型下两种植被指数EVI和NDVI随时间的变化规律,为辽宁地区地表覆盖类型动态监测提供研究途径.方法利用2012年MODIS数据,在辽宁地区选择16个感兴趣区,分析林地、耕地、水体、城区4种地表覆盖类型下EVI和NDVI的特征.结果在林地覆盖区,林木在返青期和生长旺盛期NDVI和EVI均呈现钟形曲线,NDVI出现饱和现象,EVI能克服了这一缺点;在耕地覆盖区,农作物在生长期NDVI和EVI均呈现倒V形曲线;在水体覆盖区和城区,NDVI和EVI除在夏季略有升高外,全年变化较小,NDVI受噪声影响较大,而EVI克服了这一缺点.结论 NDVI和EVI的数字特征表明,在耕地覆盖区EVI能够很好地监测林木长势,在耕地覆盖区NDVI和EVI都能很好地监测农作物的长势,在水体覆盖区和城区EVI能够更好地监测植被的长势.

基于EOS/MODIS数据的NDVI与EVI比较研究

作为NOAA/AVHRR归一化植被指数(NDVI)的延续和发展,EOS/MODIS归一化植被指数(NDVI)和增强植被指数(EVI)在许多领域得到广泛应用。应用数理统计和地统计学方法对二者进行的对比研究表明:NDVI在植被生长旺盛期容易达到饱和,而EVI则能克服这一现象,比较真实地反映植被的生长变化过程;相同空间分辨率下,EVI取值范围、标准差与变异系数均高于NDVI,NDVI数据比较均一,其空间相关性高于EVI,EVI更能反映研究区域内植被空间差异。

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)”。

基于融合NDVI和EVI时间序列的遥感影像分类研究

通过比较分析发现同一地物的NDVI和EVI时间序列变化规律具有一定差异,据此,提出结合NDVI和EVI植被指数时间序列的分类方法,结果表明比单独使用NDVI或EVI时间序列总体精度要提高2.7%,kappa系数提高0.04。

基于MODIS产品LST／NDVI／EVI的陕西旱情监测

以陕西省为研究区域,利用2005年4月的MODIS月合成产品数据MODIS11C3和MO-DIS13C3获取的归一化植被指数NDVI、增强型植被指数EVI和陆地表面温度LST,分别构建TS-NDVI和TS-EVI特征空间,从而得到了条件温度植被干旱指数TVDI和旱情等级的空间分布图,以监测评价陕西的旱情,同时将两者进行比较,最后结合94个气象站的气温和降水距平进行了相关性分析。结果表明:利用条件温度植被干旱指数进行陕西省旱情监测,能够较好反映当地旱情。根据地表温度以及增强植被指数之间的关系建立的旱情监测模型与降水距平的线性相关显著,相关系数为0.537,通过了0.05水平的检验。

基于NDVI和EVI不同植被指数表征的粤港澳大湾区植被空间格局驱动因子影响力比较分析

为研究归一化植被指数(normalized difference vegetation index,NDVI)和增强植被指数(enhanced vegetation index,EVI)的表征差异是否会造成有关植被研究的结果差异,分别在采用2005—2020年MODISNDVI、MODIS-EVI 2种不同遥感植被指数表征粤港澳大湾区植被空间特征的基础上,以同时期17个自然因子和人为因子作为驱动因子,通过地理探测器模型方法,计算各驱动因子对基于NDVI和EVI的植被空间特征的影响力。结果显示,虽然粤港澳大湾区南亚热带-热带植被在NDVI和EVI的表征下,其结果存在差异,但在不同植被指数下,通过地理探测器模型方法计算各驱动因子影响力量化及排序结果基本一致,未受不同植被指数表征差异的影响。在驱动因子中,土地利用类型、高程均是最主要驱动因子,对植被空间分布影响力均超过50%。因子之间均表现出双因子增强作用。土地利用类型协同人口分布因子对NDVI表征下的植被空间分布影响力最强;高程协同人口分布因子对EVI表征下的植被空间分布影响力最强。研究结果表明,虽然NDVI、EVI在表征植被覆盖特征方面存在差异,但是基于不同植被指数计算的驱动因子定量分析结果趋于一致。

基于MODIS-NDVI与EVI数据的若尔盖区域植被生育期分析

【目的】比较若尔盖地区遥感NDVI和EVI数据在植被生育期分析中的差异。【方法】基于2001─2015年MODIS-NDVI和EVI数据,通过TIMESAT软件提取出若尔盖区域植被三个关键生育期信息:生育期起始时间、生育期长度和生育期NDVI、EVI峰值。【结果】NDVI和EVI数据空间分布特征相似,在植被生长旺盛的8月EVI数据比NDVI数据更灵敏。2001─2015年,NDVI和EVI提取的植被生育期结果显示,若尔盖地区植被生育期起始时间、生育期长度和生育期植被指数峰值年际变化趋势相似。NDVI提取的生育期起始时间比EVI的结果更早、生育期长度更长。若尔盖地区植被生育期空间分布上受到海拔的影响,高海拔地区植被生育期起始时间较晚,生长期更短。【结论】NDVI和EVI数据反映的植被生长动态大体相似,在生长旺季EVI较NDVI更敏感。

河南地区VIIRS NDVI与EVI特性对比与分析

为了解VIIRS NDVI与EVI两种植被指数的关系,对研究区两种植被指数的空间特征、地表特征可分性以及相关性进行了初步研究。结果表明,VIIRS NDVI与EVI的空间特征和地表特征可分性既有较强一致性,又有差异性,植被覆盖度越高,两种指数空间特征差异越大。针对不同地物类别,VIIRS NDVI与EVI对地物可分性的差异不同。与一次、二次多项式以及对数模型相比,三次多项式模型更能反映VIIRS NDVI与EVI的相关关系,复相关系数平均可达0.807 4,且植被覆盖度越低,关系特征越强。

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。

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。

基于ESTARFM的MODIS与Sentinel-2三江平原EVI与LSWI时空融合质量评价

EVI、LSWI时序数据是农业遥感应用中重要的数据源,时空融合模型可以减弱重访周期及天气等因素对遥感数据获取的限制。然而前人选取的数据源多为MODIS与LANDSAT作为时空融合模型的输入数据,限制了融合结果的空间分辨率,因此本文基于MODIS与Sentinel-2以ESTARFM时空融合方法构建10m空间分辨率的连续EVI、LSWI时序数据,并对时空融合结果进行分析评价。结果表明:ESTARFM时空融合模型模拟结果与纯像元MODIS时序EVI和LSWI曲线差异不超过0.1,与验证日期Sentienl-2的EVI与LSWI的平均R2均为0.878,证明ESTARFM时空融合方法可以有效的对Sentienl-2进行模拟。

不同植被指数TVDI在江西省干旱监测中的适用性分析

以江西省为研究区,利用MODIS植被指数与地表温度遥感产品构建NDVI-Ts和EVI-Ts特征空间,对比分析基于不同植被指数构建的特征空间的差异性,并基于不同植被指数分别计算研究区2022年8月至10月的TVDI和TVDI-E,利用土壤湿度站点数据进行不同植被指数TVDI的相关性分析。结果表明:基于EVI构建的特征空间总体拟合效果优于NDVI;TVDI、TVDI-E与土壤湿度站点数据均呈现显著负相关关系,其中,TVDI-E与土壤湿度的相关性高于TVDI;TVDI-E在江西省的干旱监测适用性更高。研究结果可为江西省及相似地区干旱监测研究提供参考。

基于集成学习和多时相遥感影像的枸杞种植区分类

利用遥感技术对柴达木盆地枸杞种植区进行精准提取对当地政府开展市场管理与调控具有重要意义。以典型枸杞种植区诺木洪农场为例,选取Landsat8 OLI和GF-1 WFV影像构建作物生长期内时序NDVI/EVI数据,并采用4种新颖的集成学习分类器(LightGBM,GBDT,XGBoost,RF)和2种应用广泛的机器学习分类器(SVM,MLPC)对枸杞种植区进行分类。研究结果表明:①LightGBM(90.4%),GBDT(90.4%),XGBoost(89.31%)和RF(86.96%)分类器能获得较高的分类精度,并以LightGBM+EVI的总体分类精度最高,达到了91.67%,Kappa系数为0.90;②EVI指数在枸杞生长中后期表现更为灵敏,并在同一分类器下使用EVI时序数据能获得更好的枸杞作物制图效果;③利用GBDT,XGBoost和RF分类器的特征重要性评分方法进行枸杞种植区分类时相特征优选,能够在获取高分类精度的同时进一步降低数据冗余。

基于遥感的国外作物长势监测与产量趋势估计

国外重点产粮区的作物长势和产量增长趋势信息对于中国政府决策和制订合理的粮食政策具有重要意义,但由于地域的限制、生产方式的差异以及国外可获取的气象资料有限,气象模型和农学模型在国外估产方面尚存在不足,遥感以其便捷、快速、客观的优势已被越来越多地采用进行国外作物长势监测和产量估计。该文以美国玉米和印度水稻为例,探讨了基于1kmSPOT-VGT遥感资料进行作物长势监测和产量趋势估计的方法,并结合当地气象条件对其结果进行了分析。经检验,利用该方法得到的长势状况及空间分布与实际基本一致,产量增长趋势预测准确率为100%;在作物生长旺盛季节,植株覆盖密度较大时,EVI比NDVI能更真实地反映作物的长势状况。该研究可为国外作物长势遥感监测与产量估算业务应用提供参考。

基于小型无人机与MODIS数据的草地植被覆盖度研究--以甘南州为例

以甘南州为研究区,采用Canon数码相机和小型无人机搭载相机在不同大小样方上获取草地植被覆盖度数码照片,结合2015年5月-10月的Terra/MODIS植被指数产品MOD13Q1,分析了增强型植被指数(EVI)和归一化植被指数(NDVI)与草地植被覆盖度之间的相关性,建立了研究区草地植被覆盖度的回归模型,并对模型进行了精度评价,筛选出甘南州草地植被覆盖度最优遥感反演模型,并对草地生长季时期覆盖度时空上的动态特征进行分析。结果表明,1)利用小型无人机搭载相机获取草地大样方植被数码照片的方法能用于地面草地覆盖度数据的获取;2)与NDVI相比,用EVI估算草地覆盖度更优,因此确定基于EVI构建的对数模型为甘南州草地植被覆盖度最优反演模型,模型精度可达88.00%;3)研究区2015年生长季草地植被覆盖度除了低平地草甸在8月达到最大值外,其它草地类型均在7月达到最大值;4)甘南州以中高植被覆盖度为主,主要分布在玛曲、碌曲、夏河以及合作四县市。整体而言,中西部和西南部区域草地覆盖度高于东部。通过精确草地植被覆盖度模型的建立,不仅有利于及时准确的了解草地植被覆盖度的时空分布状况和季节性动态变化,也有利于维护甘南州草地生态系统的持续稳定发展。