物候信息在大范围作物长势遥感监测中的应用

大范围的农作物长势监测可以为农业政策的制订和粮食贸易提供决策依据,也是农作物产量估测的必要前提。遥感估算的作物生物量是评价作物长势的主要群体特征指标,在大范围上开展作物长势监测时,不同区域的作物因为所处的物候阶段不同而导致生物量存在差异,这种差异与因作物长势状况差别而产生的差异混合在一起,增加了长势监测结果的不确定性。以中国河南、山东两省为研究区,以MODIS 250 m NDVI产品数据为主要数据源,结合改进的CASA模型实现了区域内冬小麦生物量的估算,结合冬小麦生长过程特征进行了典型物候期的监测。在此基础上,分析了扬花期前后物候差异对冬小麦生物量估算的影响,研究其特定物候阶段的变化规律,从而实现了生物量的物候归一化,初步探索了如何消除大区域物候差异对作物长势监测与评估的影响。     

遥感叶面积指数产品提取自然植被物候期对比

物候是指示气候变化的关键因子,遥感技术的快速发展为物候监测提供了新的途径。遥感叶面积指数(LAI)产品包含了主要的物候信息,并广泛应用于植被物候的监测。了解不同数据产品在提取植被物候信息上的差异是评价遥感产品对物候期监测适用性的重要方面。以东北三省为研究区域,使用非对称性高斯函数拟合法进行数据平滑,利用动态阈值法提取MODIS、CYCLOPES和GLASS叶面积指数(LAI)产品的生长季开始时间(SGS)、生长季结束时间(EGS)和生长季长度(LGS)。研究表明:MODIS和GLASS产品提取的SGS、EGS和LGS比较接近,整体上一致性较好;CYCLOPES产品提取的SGS多数情况下晚于MODIS和GLASS产品而EGS早于MODIS和GLASS产品。通过可利用的实地物候观测数据验证表明:MODIS和GLASS产品提取林地的SGS与物候观测值比较接近,EGS略晚于物候观测值,CYCLOPES产品提取的林地的SGS和EGS更加可靠。     

一种抗强光干扰的植被图谱健康分析算法仿真

大范围的植被中包含较为复杂的植物种类,在植被遥感信息中,不同的植物种类具有自身不同的波谱特征,在吸收强光照后,一些不同植物的遥感属性会随着对光照敏感特征发生变化,使整个植被健康光谱曲线发生非正常变化,造成监测结果有误.传统的植被图谱分析算法主要通过绿色植物的光谱遥感特性曲线的形态反映植被的健康程度,一旦曲线在光照干扰下发生扭曲,会造成图谱分析误判.提出加入分类约束的健康植物的反射光谱特征分析算法.利用数据分类的理论对传统的检测方法进行合理的优化,使其能够较好的对大范围的植被波普特征进行区分,避免范围过大光照给敏感特征带来的干扰,仿真结果表明,提出的方法能够有效降低植被健康检测的错误率.     

Logistic函数方法拟合多时序NDVI数据的改进研究

单Logistic函数曲线拟合法是NDVI时间序列重建及物候遥感中关键物候期划分的重要方法之一。虽然该方法不需要设定阈值或经验系数、较适应于不同环境区域的物候遥感监测,但是在山区NDVI噪音较大的情形下,其拟合精度仍会受到较大影响。选取秦岭中部山区为研究区,在分析了多年NDVI时间序列数据特征基础上,利用山区NDVI数据序列最大值相对于最小值更为稳定的特性,对传统单Logistic模型求解方法进行改进,采用更为稳定的参数构建模型以提高NDVI时间序列重建的精度。基于秦岭样区MODIS NDVI多年遥感数据,分别在保持植被生长季特征能力和保留高质量原始真值程度两方面对原方法与改进方法的计算结果进行比较。研究表明改进的方法在上述两个方面都具有更好的效果。在植被指数噪音较大的山区,改进的方法对NDVI时间序列重建表现出更好的适用性,可为复杂的山区物候遥感相关研究提供参考。     

基于遥感的黑河流域植被物候空间格局提取分析

植被物候的检测对于认识自然季节现象的变化规律,服务农作物生产、全球变化、生态学应用方面具有重要价值。植被指数是描述植被数量、质量、植被长势和生物量指标的重要参数。利用SPOT VEGETATION NDVI时间序列数据,采用Savitzky-Golay滤波方法重建了NDVI的年内变化序列,并利用此数据提取了黑河流域植被物候空间分布格局。结果表明,采用此方法得到的植被物候信息和该区域的农事历信息符合较好。黑河流域植被物候具有明显的空间格局。上游的高寒草地区生长季长度较短。中游地区受人类活动影响严重,较为符合该区农作物生长信息。     

旱灾灾情监测中的遥感应用综述

旱灾是我国影响范围最广的农业自然灾害。遥感是对干旱进行大面积、实时动态监测的有效技术手段。对遥感技术在干旱旱情监测中的传统方法进行了概括和汇总,应用较多的干旱旱情遥感监测方法主要有热惯量法、蒸散法、植被指数法,其中植被指数法又分为距平植被指数、条件植被指数、植被指数差异、植被供水指数、温度植被干旱指数等方法。分析了不同方法的优缺点以及它们各自的适用范围,结合当前研究的热点问题,指出随着干旱机理和MODIS数据的应用,干旱旱情的遥感监测将得到更广泛、更深入的应用。     

基于数字相机的草地物候模拟及其与气象因子关系的研究

研究植被物候及其与气候之间的关系对于理解全球生态环境变化意义重大。近地面数字相机凭借其监测频率高、数据质量好等优势已成为一种有效的监测植被物候的遥感平台。以北美地区瓦瑞(Vaira Ranch)牧场为例,对研究区植被的春季生长情况进行监测,利用近地表数字相机获取的影像计算绿度相对亮度(Greenness Chromaticity Coordinates,Gcc)并构成时间序列,模拟植被春季物候,将所得植被物候信息分别与地面同步实测的总初级生产力(Gross Primary Production,GPP)以及气象数据进行对比分析。结果表明:研究区植被春季生长季开始于第20d,结束于第145d,Gcc与GPP的总体相关性为0.88,二者提取的7项物候指标平均相对差异为0.05;降雨、土壤湿度、空气温度、土壤温度、太阳辐射通量对植被生长存在影响:空气温度、土壤温度、太阳辐射通量三者整体对于Gcc变化的解释力为91.3%,其中,气温和土温的单因子解释力分别为30.9%和49.0%,此外,由于水分缺乏,降水成为制约研究区植被生长的重要因素。     

基于分段Morlet小波变换的植被物候遥感识别方法

本文中作者提出分段Morlet小波变换的方法从遥感数据中识别出地表物候.地表物候是人类了解地球生态系统的必要参数,也是动植物保护、农耕等活动的重要依据.研究发现已有的方法存在物候识别不准确、去除噪声效果差等缺陷,而Morlet小波在周期识别、去除噪声方面表现非常好,因此本文使用Morlet小波变换的方法处理青海湖流域2003-2014年的NDVI数据,发现该方法存在变换后的曲线与原NDVI数据不贴合或物候周期偏移的情况.因此作者提出进一步的改进方法：分段Morlet小波变换,原理是根据NDVI最大值将每个NDVI周期划分成两段,对左右两段分别进行Morlet小波变换并自动选取合适的参数,使物候识别更加合理、准确.作者通过分段Morlet小波变换和最大斜率法提取青海湖流域LSP参数,分析LSP参数的时间变化、空间变化、特别年份等,揭示了青海湖流域物候变化的特点,同时证明基于分段Morlet小波变换的植被物候遥感识别方法在准确性与高效性上都有所提高.     

大范围旱情遥感监测的分带计算

遥感技术在旱情监测中得到了广泛应用。针对常用的温度植被旱情指数法, 利用NOAA/AVHRR 数据, 分析了大范围旱情监测中下垫面因纬度、地形等因素造成的空间物候差异, 指出了旱情指数分带计算的必要性。通过分纬度计算, 提高了温度植被旱情指数法中旱边与湿边拟合方程的准确度, 与整体计算方法相比, 温度植被旱情指数与各层土壤相对湿度实测值的相关性均得到明显改善, 提高了大范围旱情遥感监测的准确性。     

古尔班通古特沙漠梭梭林地NDVI的时间效应-基于物候变化和MODIS图像的研究

遥感图像信息提取研究是遥感研究中的一个关键问题,也是遥感研究的热点和难点之一。使用2000~2010年MODIS-NDVI 16 d合成数据和物候记录,借助GIS空间分析和统计分析方法,重构了古尔班通古特沙漠梭梭林地Mean NDVI时间序列特征曲线。分析物候与Mean NDVI时间序列表明,梭梭林地内的短命植物生长期早于梭梭。研究梭梭林地Mean NDVI时间序列曲线发现,曲线中存在一个明显区别于其他地物的特征点,该点可以作为梭梭林地信息“诊断点”。根据“诊断点”特征构建了梭梭林地特征指数模型(HFFI),进而反演了古尔班通古特沙漠梭梭林地信息,并利用地面实际观测资料进行验证,结果表明分类精度达到83%。     

基于GEE和Sentinel-2时序数据的呼伦贝尔沙地及其周边植被类型识别研究

沙地及其周边植被对固定沙丘、防止水土流失和环境治理等方面具有重要作用,开展沙地及其周边植被类型识别研究对于客观地反映沙地及其周边的生态环境,进而为沙地恢复治理政策制定具有重要意义。GEE云平台丰富的长时间序列遥感数据和强大的云计算能力,为开展大区域植被类型识别提供了便捷。本研究基于GEE云平台存储的2019年Sentinel-2时序数据,采用RF算法开展呼伦贝尔沙地及其周边主要植被类型的空间判识研究,探索了GEE平台下顾及植被物候信息的植被类型识别效果。研究发现：(1)Sentinel-2影像的光谱信息和近红外波段的纹理信息对研究区的主要植被类型识别能力有限,而物候特征有效地弥补了原始光谱特征等对研究区不同植被类型区分能力的不足;(2)基于RF算法顾及物候特征的植被类型识别精度达到84.37%,Kappa系数为0.8,比单一时相数据的识别精度提高了10.01%;(3)呼伦贝尔沙地及其周边主要植被类型的物候特征差异明显,有助于不同类型植被的空间识别,特别是提高了灌草丛和草原的识别精度。研究表明利用Sentinel-2数据和GEE云平台对沙地等大区域植被类型的识别具有较大的潜力和广阔的应用...     

HJ-1A NDVI与MODIS NDVI时间序列提取植被物候特征对比研究

以HJ-1A和MODIS为数据源,通过动态阈值法提取物候特征参数,对HJ-1A NDVI和MODIS NDVI时间序列进行植被物候特征提取进行定性和定量比较,通过比较结果,提出HJ-1A NDVI数据在该应用中存在的问题,促进国产中空间高时间分辨率影像数据在植被物候信息提取研究中的应用,提高其在生态系统研究中的应用价值。结果表明:在SOS、EOS和LOS以及TOMS几个主要的物候时间点上,MODIS NDVI时间序列的标准差较小,所得物候数据更为集中,偏离度较小,所得物候数据较稳定;而HJ-1A NDVI时间序列所得物候数据的标准差较大,数据偏离程度较大,而在POS、BOS和AOS等表征植被生命周期中生长幅度数据上,其标准差较小,离散程度小。     

基于遥感影像时间序列的冬小麦种植监测最佳时相选择研究

遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。根据2005~2006年北京冬小麦不同物候期的Landsat TM影像和2006年Spot\|2影像,计算了各时期影像中主要植被类型的光谱可分性距离,分析了北京郊区主要植被物候差异和光谱可分性;对各生育期的遥感影像及其主要组合进行了监督分类,采用总体精度和分类效率指标两个参数,结合地面GPS调查数据,对分类结果进行了精度评价。结果表明：北京地区小麦监测最佳时相是4月上旬,影像分类的总体精度为92.9％,明显优于其它单时相影像的分类结果;发现北京郊区冬小麦光谱分类的最佳时相组合为4月上旬(起身期)和5月下旬(灌浆期),分类总体精度为94％。     

秸秆焚烧遥感监测进展分析与展望

秸秆焚烧是生物质燃烧的重要组成部分,不仅导致秸秆资源浪费,而且还会对环境造成严重危害。传统秸秆焚烧监测方法以人工巡查为主,监测范围受限且人力物力资源耗费大。遥感技术作为新兴的地表信息监测手段,给秸秆焚烧大范围监测带来了发展契机。介绍了遥感技术在秸秆焚烧火点监测、过火面积估算和焚烧迹地监测3个方面的基本原理、监测方法和研究进展,并分析了遥感技术在秸秆焚烧监测应用中存在的不足。在此基础上,从多源数据融合互补、监测方法优化集成、监测信息深入挖掘和时空信息决策服务等4个方面对秸秆焚烧遥感监测的未来发展进行了展望。     

基于日光诱导叶绿素荧光的东北地区植被物候时空特征及其对气候的响应

植被物候是监测陆地生态系统和全球气候变化的重要生物指标。基于经典遥感植被指数的陆表物候监测在不同植被类型的精确分析方面存在较大挑战,日光诱导叶绿素荧光（SIF）可以直接反映植被实际光合作用的动态变化,能够更精确地刻画出植被的年际变异。本研究基于2001～2020年GOSIF数据集,通过D-L拟合函数和动态阈值法提取东北地区植被物候参数,结合一元线性回归分析、稳定性和持续性分析,在多时空尺度下分析2001～2020年东北地区植被物候的时空演变特征,并探讨植被物候对气候变化的响应机制。结果表明：(1)植被生长季开始（Start of Season,SOS）、结束（EndofSeason,EOS）、生长季长度（LengthofSeason,LOS）和生长峰值（Position of Peak,POP）整体上分别呈现出提前、推迟、延长和提前趋势;(2)草丛SOS提前、EOS推迟趋势较为显著,针叶林EOS提前趋势显著;SOS提前、EOS推迟导致LOS延长,除针叶林外,所有植被类型LOS均呈现出延长趋势;除草丛和草原外,其余植被类型POP均呈提前趋势;(3)20年来植被SOS、EOS、LOS和PO...     

植被净初级生产力的遥感模型在武汉地区的应用

卫星遥感成为观测和估算地面植被净初级生产力的一种极其有利的工具,其原因不仅仅在于它将人们从繁重的地面实验中解放出来,同时也因为它能够实现对大范围区域的植被净初级生产力进行实时监测。为了更加充分有效地利用卫星数据获取植被信息,我们在模式分解方法的基础上,建立了一种新的植被指数(VIPD)。根据地面实验建立的相应光合成曲线估算模型,估算武汉地区地域性植被净初级生产力（NPP）,研究该地区植被生长年间变化状况。并通过和不同方法估算结果及地面调查结果进行比较,检验模型对该地区的适用情况,为该地区植被NPP长期监测研究提供可靠依据。     

Morlet 小波在地表物候遥感识别中尺度的选取与应用

地表物候是人类了解地球生态系统的必要参数,也是动植物保护、农耕等活动的重要依据。使用遥感数据进行地表物候提取为大尺度的地表物候变化监测提供了一种有效途径。研究发现目前应用最广泛的非对称性高斯函数拟合法和双 Logistic 函数拟合法存在一定的缺陷,尤其是在提取 NDVI 峰值谷值和物候周期不明显区域 (如干旱地区、沙地) 的物候参数时存在严重的误差,而 morlet 小波在分析地表年际变化的周期特征方面表现良好。本文使用 morlet 小波对青海湖流域 2003-2014 年的 MODIS 数据进行分析,得到地表物候在该时间段内的年度变化与趋势,进行不同区域、不同时间的差异性分析,发现青海湖流域的地表物候期整体都略有提前,但生长季的长度呈延长趋势,认为青海湖流域的地表物候整体上响应全球变暖的趋势。中部地区的生长季长度大于高海拔、高纬度区域和沙地区域,认为青海湖流域的中部地区是最适合动植物生长、活动的范围。     

植被净初级生产力的遥感模型在武汉地区的应用

卫星遥感成为观测和估算地面植被净初级生产力的一种极其有利的工具|其原因不仅仅在于它将人们从繁重的地面实验中解放出来|同时也因为它能够实现对大范围区域的植被净初级生产力进行实时监测。为了更加充分有效地利用卫星数据获取植被信息|我们在模式分解方法的基础上|建立了一种新的植被指数(VIPD)。根据地面实验建立的相应光合成曲线估算模型|估算武汉地区地域性植被净初级生产力（NPP）研究该地区植被生长年间变化状况。并通过和不同方法估算结果及地面调查结果进行比较|检验模型对该地区的适用情况|为该地区植被NPP长期监测研究提供可靠依据。     

基于植被物候特征与监督分类的青南高原信息提取

针对大尺度区域的植被信息提取,由于范围广阔、地形复杂、气候迥异,分类精度的提高是个亟待解决的问题;通过对青南高原采用分区处理,利用植被指数的特性,将基于时间序列的NDVI数据所反映的植被物候知识,辅助信息DEM和GIS数据加入监督分类系统,进行植被信息提取,并进行了分类精度评价。研究结果表明,利用该方法对青南高原的3个地区分类后,其分类精度都达到了83.3%以上,达到了较好的分类结果。在监督分类的训练区选取过程中,将植被物候特征作为知识,结合目视解译和DEM辅助知识帮助选取训练区的方法,同时参考GIS土地利用数据,使得训练区的选取更准确可靠,可进一步提高分类精度。     

几种物候提取方法的小麦物候提取

鉴于不同植被物候遥感提取方法在冬小麦物候提取中的对比研究鲜有报道,利用4种常用的植被物候遥感提取方法——动态阈值法、延后滑动平均法、导数法和Logistic函数拟合法,以及一种基于累积植被指数提取植被物候提取的方法iNDVI-Logistic,提取华北平原冬小麦返青期和成熟期,并从空间格局分析和地面观测数据验证2个方面对5种方法提取结果进行对比。结果表明,5种方法监测的冬小麦物候期在空间格局上较为一致,从南向北逐渐推迟;利用地面观测数据进行验证,动态阈值法和iNDVI-Logistic方法监测冬小麦返青期精度相近,具有极显著相关关系,5种方法获得的冬小麦成熟期精度较高,与真实值的偏差都在0.1之内,且都通过极显著关系检验,其中iNDVI-Logistic方法提取结果精度最好,相关系数达到0.578。总体来看,综合作物生长累积模型和函数拟合法的iNDVI-Logistic法在华北平原冬小麦物候研究中可以获得较好的精度。多种方法的比较可以弄清每种方法在华北平原冬小麦物候提取中的优缺点和适宜性,为以后相关研究提供参考。