长-短NDVI时序检测植被局部突变特征方法研究

提出一种长-短NDVI时序检测植被局部变化特征方法,利用2000—2020年和田地区的MODIS数据,对研究区域同一格网内不同年度的NDVI时序作相似性检验以检测格网内植被是否发生突变,进而研究植被局部变化特征,检测植被局部发生生态突变的时间、位置及变化前后植被类型。结果表明:和田地区植被覆盖突变好转的年份为2006年、2013年、2016年和2018年,分布在平原绿洲、山区与平原交汇区域。除了开垦、耕作及其他逐利人为因素外,大部分植被覆盖突变发生在气候变化剧烈的南部山区,故和田地区局部植被退化是气候变化与人类活动共同作用的结果。

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。

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。

NDVI时序曲线形状相似性模型的水稻提取方法

基于土地利用现状图与经验观测,提取标准水稻NDVI时序曲线,利用傅立叶形状描述子计算MODIS-NDVI时序曲线与标准的水稻NDVI时序曲线形状相似性距离,通过样例数据探测未知像元与样本的相似性距离阈值,从而判别双季水稻种植区域。以江汉平原2010年的数据进行实验,证明此方法识别的双季水稻种植区域面积误差为8.6%,总体精度为80%,较为理想。该方法将遥感光谱信息与几何形状的识别相结合,有效减少了个别时段光谱信息误差引起的识别错误,提高了识别水稻种植区域的有效性。

基于时序NDVI的东平湖菹草(Potamogeton crispus L.)遥感提取及时空格局

东平湖是国家南水北调东线工程的重要枢纽.但近年来,东平湖菹草(Potamogeton crispus L.)大量繁殖引起河道阻塞、鱼类死亡等事件频发,导致湖区面临很多生态风险.为维护区域生态安全,迫切需要了解菹草群落在东平湖的时空演变特征及驱动因素.利用MODIS植被指数时序数据结合野外调研,建立菹草群落独特的物候曲线,并结合Landsat数据进行了1985-2017年东平湖菹草识别分析.结果表明:32年间菹草群落不断扩张,生境由1991年前零星分布于湖岸发展到2013年蔓延至全湖且连片式分布.菹草群落的增长分为3个阶段:1996年之前,面积增长缓慢,1996年其面积仅10.34km^2; 1996-2001年菹草呈暴发式增长,菹草变为区域优势种; 2001-2017年,菹草面积继续增长,到2017年达49.07 km^2,约占湖区水域面积的40%.经Spearman秩相关分析,菹草面积与湖水营养化水平显著正相关.南水北调东线工程的通水虽使水质有所改善,但东平湖菹草群落仍呈增长态势,应引起足够重视.

基于时序NDVI的江西省植被覆盖时空变化分析

基于NDVI时序遥感影像,分析了江西省1999年～2008年10年间的地表植被覆盖空间分布及其变化特征.研究表明,江西省10年来植被覆盖总体改善,但呈现出明显的空间分异性:西部和北部增长趋势明显,东部和南部部分地区以及部分城区呈退化趋势.结合土地覆盖分类数据分析发现,NDVI变化特征与土地覆盖类型密切相关,人类活动造成的土地利用类型变化是NDVI变化的重要驱动因素.

基于时序NDVI的三峡库区植被覆盖时空变化特征分析

基于250m分辨率的MODIS-NDVI数据,从时间变化和空间变化两方面分析2000年~2015年三峡库区植被变化特征,运用一元线性回归趋势分析方法和F检验方法对三峡库区NDVI的变化趋势进行了定量研究.结果表明:16a来三峡库区NDVI总体上趋于波动增长,年均增长率为0.17%,但在时间和空间上有不同的变化特点.从季节差异上看,春季NDVI增长最快,其次是秋季和冬季,夏季NDVI变化趋势较平缓.从NDVI的空间变化格局上看,NDVI呈显著增加趋势的面积占整个库区面积的14.47%,轻微增加占55.77%,增加区主要分布在库区的北部、东北部、东部及东南部.库区20个县(区)NDVI呈显著增加的面积均大于显著减少面积,其中巫溪、兴山、宜昌、巴东4县的增减面积均在800km2以上,植被覆盖提升明显;忠县、重庆市区、渝北、长寿4县(区)的增减面积差均低于30km2,植被覆盖增加相对较慢.库区各类型植被的NDVI均呈上升态势,其中草地NDVI增长最快,阔叶林NDVI显著增加面积占其总面积的比例最高,灌丛NDVI显著增加面积在所有植被类型中最大,退耕还林还草和农业生产模式转型也促使农作物NDVI缓慢增长.

基于多源时序NDVI的稀土矿区土地毁损与恢复过程分析

为分析稀土开采的时空分布及矿区土地毁损与恢复过程,该文以岭北稀土矿区为例,以1990—2016年的HJ-1B CCD、Landsat 5和Landsat 8遥感数据为数据源,结合回归分析法、遥感时序NDVI分析方法,对岭北稀土矿区的稀土开采状况及土地毁损与恢复情况进行分析。为减少不同数据由于传感器自身原因而带来的NDVI误差,采用回归分析法构建HJ-1B CCD、Landsat5/8数据的NDVI转换方程并利用均方根误差对转换方程的精度进行检验。结果表明:HJ-1B CCD、Landsat5/8数据的NDVI影像对应转换方程的R2值均超过0.9以及模拟影像与真实影像之间的均方根误差值均小于0.05,说明HJ-1B CCD、Landsat5/8的NDVI数据之间存在较为显著的线性正相关,所求的转换方程具有较高精度,可以消除数据来源差异对NDVI的影响;稀土开采时空分布分析表明岭北稀土矿区在2001—2004年、2006年的开采面积较大,均超过1 km^2,其中2006的开采面积最大,达到2.546 1 km^2;稀土开采在空间分布上较为分散,不仅增加了监管的困难,造成了资源的浪费,还一定程度上增加了治理困难;土地毁损与恢复分析表明受到人为扰动的区域占矿区总面积的54.59%,其中受森林砍伐扰动影响的面积最大,为86.5341 km^2;稀土开采扰动的土地面积为11.354 4 km^2,其植被恢复的平均加权时长为11年。其中复垦恢复的面积为5.004 9 km^2,仍有6.349 5 km^2的区域植被未恢复,急需治理。该研究能较好的反映稀土干扰下的土地毁损与恢复过程,为岭北稀土矿区的生态环境治理及矿区的可持续发展提供借鉴。

基于时序NDVI数据的中国红壤丘陵区土地覆被分类研究

选择位于红壤丘陵区的中国最大淡水湖——鄱阳湖及其整个流域作为研究对象,应用2000年SPOT4-VEGETATION的时序NDVI数据,结合野外实地考察和研究区相关资料,探讨了一种以地表覆盖物的光谱响应及其季节性变化特征为主要依据、以色彩作为类别命名基础的土地覆被分类新方法,构建了一个包含6个一级类别和14个二级类别的土地覆被分类方案。在此基础上,利用PCI软件中ISODATA算法以及ArcMap的空间分析功能对研究区土地覆被进行了非监督分类和判定。结果显示基于时序NDVI数据的ISODATA法分类能够较好地刻画不同土地覆被类型之间的差异性,流域的现状覆被以常绿覆被(主要是针叶林)和作物以及作物-树-草混合覆被为构成主体,三者共占鄱阳湖流域面积的94.97%。

基于时序NDVI与光谱微分变换的森林优势树种识别

基于遥感光谱特征准确识别优势树种类型对于区域林业资源的监测和经营具有重要意义,也是当前亟待解决的重要科学问题。伴随遥感技术的发展,利用时间序列高分影像能够有效获取林分树种不同物候期生长特性及其冠层光谱动态信息,有利于克服区域森林类型精细识别中普遍存在的异物同谱难题。以中国东北地区赤峰市旺业甸国有林场为试验区,采用覆盖完整自然年的共36景高分一号(GF-1)WFV时间序列数据(16 m),提取包含不同优势树种生长阶段特征的林分冠层光谱归一化植被指数(NDVI),结合支持向量机(SVM)模型对研究区内5种典型优势树种:油松、落叶松、山杨、白桦和蒙古栎,进行不同时间尺度下(单季相、全季相、逐月和逐旬)的光谱识别研究。同时,分别基于原始时序光谱及其一阶、二阶和三阶微分变换结果,探讨了不同分辨率时序NDVI光谱及其3种微分变换结果对区域森林优势树种的识别效果。结果显示,基于不同尺度的时间序列数据能够获得比不同季节单时相数据更好的树种识别结果(p<0.05),其中采用全季相数据的树种总分类精度相比于春、夏和秋不同季节的单季相数据结果,分别提高了7.67%,6.64%和3.6%,表明时间序列影像中所包含的植被物候信息对于区分不同森林树种类型十分重要,同时秋季是采用单时相数据的最佳识别季节(p<0.05);在不同时间序列数据中,基于逐旬的NDVI数据显著优于基于逐月和全季相数据的光谱识别结果(p<0.05),而基于全季相数据的光谱识别结果最低(p<0.05),表明更密集的时序光谱信息有利于区域树种类型识别精度的提升。此外,结合光谱微分变换后的树种识别结果比仅采用原始NDVI时间序列的识别结果精度更高(p<0.05),其中基于逐旬和逐月时间分辨率数据的最高识别精度能够达到82.1%和78.74%,分别提升了3.38%和2.95%。研究表明采用基于全年逐旬或逐月尺度的时序光谱数据,并结合相应的微分变换方法,可以有效提高区域尺度优势树种的识别精度,为相关多光谱森林植被精细识别研究提供参考。

基于时序NDVI图谱库提高土地覆盖分类精度的方法

为提高MODIS土地覆盖产品的分类精度,该文以河南省为试验区,首先将MODIS土地覆盖产品(MCD12Q1)分为高精度区域和低精度区域,然后通过构建时序NDVI图谱库并利用图谱曲线相似性测定方法,改进MCD12Q1低精度区域的分类精度。结果表明:1)时序NDVI是土地覆盖的重要分类特征,二者之间具有较强的关联性。2)利用时序NDVI图谱库能够明显提高MODIS土地覆盖产品的分类精度,改进后的MCD12Q1的总体分类精度分别由72.76%(比较评价)、64.52%(样本评价)提高到83.05%和81.72%。3)不同土地覆盖类别精度提高的程度不同,林地、草地、耕地、人工地表以及水体的生产者精度分别提高35.36%、29.51%、2.98%、6.96%和6.11%。4)对于判定时序NDVI曲线相似度的2种具体方法而言,最小距离法(minimum distance,MD)总体上优于光谱角度匹配法(spectral angle mapper,SAM)。综上,保留现有土地覆盖产品中分类精度较高的部分,基于时序NDVI图谱库改进分类精度较低的部分,是提高现有土地覆盖产品分类精度的有效方法。

基于MODIS时序数据的Landsat8影像选取及面向对象分类方法的农作物分类

利用遥感技术进行农作物分类,可近实时地获取各种农作物种植的空间分布状况,对于农业生产管理和农业政策制定等都具有十分重要的意义。为避免单时相遥感影像存在同物异谱、同谱异物的现象,提高以往基于MODIS数据提取农作物分布方法的精度,改善传统分类方法存在椒盐噪声及分类效率低的缺点,本文基于MODIS NDVI时间序列曲线,确定作物识别的最佳时段,结合辐射分辨率较高的多时相Landsat8 OLI影像,采用面向对象的分类方法,充分利用物候特征及光谱信息区分作物类别,并在黑龙江省重点产粮区-北安市进行应用,获得北安市各类农作物的空间分布信息。地面调查验证结果表明,该农作物类别识别方法分类效果较好,总体精度达90.7%,kappa系数为0.88。研究结果说明,基于多时相Landsat 8 OLI影像及面向对象分类的方法,并结合MODIS时间序列数据,可以高效、精确地提取农作物信息,应用潜力巨大。

基于NDVI时间序列数据的冬小麦种植面积提取

归一化植被指数(NDVI)是利用遥感技术提取作物信息的重要指标,其时序曲线能反映植被的生长变化,在农作物种植面积信息提取上有较大优势。以河北平原为研究区,利用空间分辨率250m的MODISNDVI数据提取2011—2016年冬小麦种植面积。首先利用HANTS滤波建立NDVI时序曲线,结合区域物候信息和种植模式,提取冬小麦种植像元。因MODIS影像空间分辨率较低,结果受混合像元影响大。运用像元二分模型分解混合像元,计算单一像元冬小麦覆盖度进而计算研究区冬小麦种植面积,并利用Landsat数据对结果进行验证。结果表明,利用时间序列谐波分析法(HANTS)滤波和像元二分模型相结合可提高冬小麦种植面积提取精度,总体分类精度达90%以上;2011—2016年河北平原冬小麦种植面积总体减少,其中河北平原北部和山前平原冬小麦面积缩减,近海平原呈增长趋势。

基于环境减灾卫星时序归一化植被指数的冬小麦产量估测

依托国产环境减灾卫星构建作物归一化植被指数(NDVI)时序曲线,不但能提供与MODIS-NDVI、AVHRR-NDVI几乎相当的作物生长动态变化信息,还能提供更高分辨率的空间信息,将其应用于作物估产应更有优势。该研究以地处鲁西北平原的山东省禹城市为研究区,探讨基于环境减灾卫星影像构建冬小麦NDVI时序曲线,基于曲线特征参数,开展遥感估产的可行性。结果表明,可依赖环境减灾卫星遥感影像,重建冬小麦NDVI时序曲线,求算其生长季最大NDVI、返青期NDVI、生长季累积NDVI、营养生长期NDVI的变化速率、生殖生长期NDVI的变化速率等特征参数,建立可靠的估产模型。所建模型的建模决定系数为0.87,相对误差为5.02%;交叉检验决定系数为0.78,相对误差为6.87%。该研究可为基于遥感的作物估产提供参考。

基于时序植被指数数据的地表覆盖聚类分析研究

地表覆盖分类是土地利用和土地资源管理的基础,由于地表覆盖情况十分复杂,且受温度、季节等影响较大,难以做到准确分类。为此,本文提取一种基于时序植被指数的地表覆盖聚类新方法,利用不同月份的影像,提取时序NDVI数据,并对其进行聚类分析,得到较好的地表覆盖分类结果。实验表明,该方法分类精度远可达89.76%,高于单幅影像分类结果。

2010-2019年南昌市NDVI时空分布特征分析

地表植被覆盖数据是研究陆地生态系统的重要基础,归一化植被指数(Normalized Difference Vegetation Index,NDVI)可有效反映植被生长变化,是研究区域植被变化的重要手段,对NDVI进行长时间序列时空分析及预测具有重要意义。选取长江中游城市南昌市作为研究区,以谷歌地球引擎(Google Earth Engine,GEE)为数据处理平台,采用时间分辨率为8d,空间分辨率为30m的南昌市Landsat7/Landsat8合成NDVI产品为主要数据源,运用一元线性趋势分析方法对南昌市2010-2019年间植被NDVI进行时空变化特征分析。研究结果表明:(1)2010-2019年间,南昌市NDVI整体呈增加趋势,增长速度为7%/10a;(2)空间上,南昌市NDVI分布情况大致呈现出“两侧高中间低”的态势;(3)2010-2012年NDVI存在明显的数据波动特征,NDVI高值出现时间段为每年的7-8月。

过去20年中国耕地生长季起始期的时空变化

多时相遥感数据能够较好地描述区域尺度的植被物候和生长季节的变化特征。利用NDVI时序数据,采用非对称性高斯函数拟合方法重建平滑曲线,分别提取了我国20世纪80年代初、90年代初和21世纪初等3个时期为我国耕地第一生长季起始期,计算3个时期平均生长起始期,并分析了我国耕地第一生长季起始期的区域空间分异规律;然后,从区域和省份两个尺度分析了20世纪80年代初至90年代初和20世纪90年代初至21世纪初两个阶段我国耕地生长季起始期动态变化趋势和空间格局。结果表明,我国不同区域耕地第一生长季起始期存在十分明显的空间差异,清楚地呈现出一个从南向北逐渐推迟的空间特征;从不同区域看,在20世纪80年代初至90年代初和20世纪90年代初至21世纪初两个时期,我国耕地第一生长季起始期变化都是提前和推迟并存,不同区域变化程度不一;从不同省份看,在过去20年间,我国绝大多数省份耕地第一生长季起始期都表现为总体提前的趋势,但不同省份的起始期变化具有差异性。影响我国耕地生长季起始期变化的因素很多,如何区别气候变化等自然因子和人类活动因子对耕地生长季起始期变化的影响是一个值得深入研究的问题。

基于遥感的南四湖菹草群落时空演变特征及其原因分析

作为山东第一大湖和南水北调东线工程的必经路线,近年来,南四湖菹草泛滥严重,引发水质污染和河道阻塞等生态问题,对南水北调工程构成季节性威胁。因此,科学地提取湖区中的菹草,明确其时空变化特征对后续治理工作具有重大意义。基于MODIS MOD13Q1 16d合成数据提取的南四湖不同地类的NDVI时序曲线的特征差异及物候信息,结合Landsat系列数据监督分类的结果,借助决策树及遥感动态监测手工阈值设定方法,对多年间湖区菹草群落分别进行提取,探究菹草群落的时空分布特征。研究结果表明,自2000年起,南四湖菹草群落面积呈大幅增长趋势,由1988年的25.22km^2上升至2018年的171.46km^2,且由湖岸地区蔓延至湖心,占湖区面积比由3.61%上升至24.55%,尤其是微山湖最为明显。年际尺度上,菹草已由普通优势种演变为湖区绝对优势种。经过Spearman秩相关分析和Pearson相关分析发现,菹草面积与湖区营养盐和富营养化程度等指标的相关系数均显著高于0.8(P<0.05),相关性显著。南四湖菹草的泛滥现状对南四湖生态治理提出了更高的要求,应加大治理力度以防其对南水北调水质造成影响。

多时相遥感影像农作物识别方法的分析

作物识别是农情监测的基础,能为农业和灌溉用水管理部门提供重要参考数据。利用单景影像进行作物识别容易出现异物同谱及同物异谱现象,基于多时相影像的作物识别则可结合作物物候特征进行分类,避免该问题。介绍多时相作物识别的两种基本方法,并且对国内外多时相遥感农作物识别研究现状和新进展进行论述。

川西高原近20 a植被物候变化及其对气候变化的响应

植被物候是植被生长发育、枯萎凋落的周期性变化现象,揭示植被物候变化及其对水热因子的响应机制具有重要的生态意义。采用两种动态阈值分别提取川西高原近20 a森林植被、草地的生长季开始期(Start of Growing Season,SOS)和生长季结束期(End of Growing Season,EOS),利用Theil-Sen Median(Sen)趋势分析、偏相关系数分析植被物候的变化特征及其对季节性气温、降水的响应。结果表明,(1)川西高原植被平均SOS以70—130 d为主,平均EOS以260—290 d为主;植被SOS整体呈提前趋势、EOS整体呈推迟趋势,SOS的平均变化速率大于EOS;植被SOS平均提前速率为2.4 d·(10 a)^(-1)(α=0.05),EOS平均推迟速率为1.4 d·(10 a)^(-1)(α=0.05);草地和森林植被SOS平均提前速率大致相同,分别为2.4 d·(10 a)^(-1)、2.3 d·(10 a)^(-1);草地EOS平均推迟速率1.4 d·(10 a)^(-1),小于森林植被2.2 d·(10 a)^(-1)。(2)温度是影响植被SOS、EOS变化的主要因素。春季温度上升导致大部分植被SOS提前,这种现象在草地和森林植被间都很常见;冬季温度上升并不能使植被SOS出现普遍提前,且由于冬季温度升高可能会影响植被的春化作用,部分植被SOS甚至与冬季温度呈正相关;秋季温度上升是植被EOS推迟的主要因素,对草地的影响尤其显著;部分植被EOS与夏季温度呈负相关,这可能与夏季温度上升产生的水分胁迫以及植被生长周期的提前结束有关。(3)冬春季降水对植被SOS的影响不明显;夏季降水减少虽然对EOS有提前效应,但秋季降水增加以及升温对植被EOS的推迟作用强于夏季降水减少所带来的影响。