基于OpenCL的NDVI算法

随着计算机技术的不断发展,软件的规模也越来越大。一张遥感图像可达到数G以上,处理起来有时候可能需要数个小时。因此,针对这些大数据量的系统来说,加速比提高一倍,就会使运行时间减少几个小时,这对于系统来说就是一种非常可观的现实,非常值得去实现。本文将以NDVI算法为例,主要介绍了NDVI算法、NDVI的应用和性质、OpenCL介绍。     

基于Chen NDVI模型的NDVI尺度转换分形特性分析北大核心CSCD

空间尺度问题是定量遥感重要而基础的问题之一,文章针对“分形方法是否适用于定量遥感地表参数的尺度转换研究”的问题进行实验验证。基于传统及改进的Chen NDVI尺度转换模型,获得NDVI不同空间升尺度影像,进而利用分形尺度转换模型分析NDVI尺度转换结果,以获取“分形方法在NDVI尺度转换研究中的适用性结论”。以厦门为研究区,利用上述分形模型进行实验,结果表明:(1)若NDVI输入类型为均值,NDVI尺度转换特性更符合双对数直角坐标系下的线性函数关系,即分形特性;若NDVI输入类型为方差、方差/均值,NDVI尺度转换特性更符合直角坐标系下的对数函数关系;(2)农田在两种Chen NDVI模型及两种空间直角坐标系下所得拟合模型皆表现出显著的线性规律,尤其是其NDVI尺度转换分形特性表现显著;(3)综合而言,NDVI尺度转换结果具有分形特性,但NDVI尺度转换具有更为显著的直角坐标系下对数函数关系特性。文章所提出的融入精细地类信息的“类NDVI”地表参数通用尺度转换模型及尺度转换分形特性研究方法具有一定的代表性,值得参考。     

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。     

传感器光谱响应差异对NDVI的影响

传感器光谱响应差异是导致不同来源NDVI观测数据之间差异的因素之一,在进行多源遥感数据之间的对比和同化处理时需要对其影响加以分析和校正。基于此,该研究将地物的反射波谱曲线和传感器的光谱响应函数进行卷积,以此来模拟不同传感器在可见光和近红外通道的等效地表反射率并计算相应的NDVI,分别用绝对误差和相对误差两个指标来描述不同传感器观测结果相对于MODIS的差异并建立校正模型。结果表明,光谱响应差异引起的不同传感器观测结果差异可以通过二次多项式模型进行校正,基于相对误差的校正模型比基于绝对误差的校正模型效果更好一些,整体上传感器光谱响应差异对NDVI观测值的影响有限,还需要进一步考虑大气状况及观测几何等其他因素的影响。     

基于NDVI的人工植被碳储量估算

人工植被是吸收CO²维护生态系统健康的重要生物成分,干旱区人工碳汇林在CO²减排方面具有重要的作用。应用2009年8月TM数据,提取克拉玛依人工减排林生态景观格局信息,并应用NDVI指数估算植被碳密度。通过测定乔木层及草本层生物量,估算出人工植被乔木层及草本层碳密度。结果表明,克拉玛依人工减排林乔木层的平均碳密度值为37.04 mg/hm²,1 m×1 m样方内草本层平均碳密度为59.65 g/m²,地上植被碳密度约为37.64 mg/hm²,植被层碳储量为250 915.5 mg;随着植被的生长发育及生物量累积效应的发挥,人工植被的碳汇功能还将进一步增大。     

时序NDVI数据集重建综合方法研究

时序NDVI数据集已经成功地应用于全球与区域环境变化、植被动态变化、土地覆盖变化和植物生物物理量参数反演等多方面的研究。时序NDVI数据集受到云和气溶胶等大气条件和传感器自身等因素的影响包含很多噪声,影响了其进一步的应用。基于对近几年来普遍使用的5种重建方法的对比分析结果,发展了基于标准差权重和噪声点性质的两种综合方法。以黑河流域2009年16 d最大值合成的MODIS NDVI数据为例,对比了两种综合方法与5种重建方法的效果;并用2009年5月下旬至8月上旬的地面实测NDVI数据验证了两种综合方法的重建效果。结果表明这两种综合方法的效果都优于对比的5种重建方法,它们既保留了原始数据中大部分的点,又最大限度地修正了噪声点,所生产的时序NDVI数据集,可以更好地用来开展全球与区域土地覆盖和植被动态变化监测等研究。     

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。     

环境星NDVI时间序列重构方法研究

利用目前时间序列曲线重构中较为常用的非对称高斯函数拟合、Double-Logistic曲线拟合、S-G滤波和时间序列谐波分析法对环境星NDVI时间序列进行重构处理。分析了上述4种植被指数时间序列重构方法对环境星数据的适用性。实验结果表明,对于环境星数据,在4种方法中非对称高斯函数拟合、Double-Logistic曲线拟合法更适用于对植被地物的时间序列进行重构,对照参考数据,其重构曲线对植被物候的表达有较高的一致性;而时间序列谐波分析法对原始数据的扰动最小,适用于非植被地物的时间序列重构;S-G滤波在4种方法中的重构效果最差。     

基于NDVI数据的三江平原农田物候监测

物候现象被称为气候变化的积分仪,研究农田物候现象对农业生产有重要的指导意义。多时相遥感影像使区域物候监测成为可能。利用傅里叶级数对MODIS NDVI数据进行平滑,结合地面观测资料,采用动态阈值法提取物候信息,并与实际观测结果进行比较分析。研究结果表明:三江平原大部分农作物在第120~130 d开始生长,在第250~260 d左右停止生长,2003年三江平原农作物开始生长和结束的时间较早,2005年开始生长日期比2003年有所推迟,2007年农作物开始生长的日期早于2005年,但生长季结束的日期比2003年和2005年都晚,2007年生长季长度较长。采用MODIS NDVI数据获取的物候参数具有一定的可靠性,在农田大面积分布区域监测结果更为准确。
     

基于NDVI变化检测的滑坡遥感精细识别

随着遥感技术的发展,高分辨率的卫星影像数据逐渐丰富,滑坡灾害的信息提取被进一步推进,当前滑坡灾害应急调查主要以目视解译和野外调查为主,费时费力,难以满足灾后救援的迫切需求。面向像元和面向对象的单时相滑坡遥感信息提取方法等存在着滑坡过识别、误识别的问题。因此,在此提出以滑坡前后多时相遥感影像为数据源的变化检测滑坡识别方法,首先根据归一化植被指数（NDVI）进行基于像元的变化检测确定滑坡预选区,再结合面向对象的几何规则完成滑坡的精细识别,这种基于变化检测和几何规则相结合的方法能有效排除道路、建筑、裸地等光谱特征与滑坡相似的非滑坡部分。以九寨沟滑坡为例,采用高分一号8 m分辨率多光谱相机2015年8月1日的影像（滑前）以及2017年8月16日的影像（滑后）作为数据源,进行滑坡识别实验。结果表明,和面向对象的单时相方法相比,基于变化检测和几何规则相结合的多时相方法滑坡提取的精度较高,制图精度高达88.80%,用户精度高达81.19%,都大幅超过面向对象单时相法的精度,漏分误差及错分误差分别下降23.22%和11.72%,可为有效组织滑坡灾后救援与重建工作提供可靠依据。     

青藏高原NDVI对ENSO事件的响应

以NCEP/NCAR所发布的1950~1979年全球海平面温度(SST)数据为基础,得到了1980~2006年ENSO事件的3个典型阶段,即冷阶段、中性阶段和暖阶段。通过分析1982~2005年的NOAA\|AVHRR NDVI影像数据,得到了在不同ENSO 阶段青藏高原生长季(5~9月)和冬季(12~2月)的NDVI平均值和离差图。结果表明:在生长季,冷阶段的NDVI高于其他两个阶段;在冬季,高原上的NDVI在正常阶段最好,其次为暖阶段,在冷阶段生长状况最低。此外还发现,不同阶段的青藏高原北部和南部植被变化也存在明显差异。     

NDVI 时间序列数据集重建方法述评

基于NOAA/AVHRR、SPOT/VEGETATION 以及MODIS 等卫星影像得到的归一化植被指数(NDVI,Normalized Difference Vegetation Index) 时序资料已经在植被动态变化监测、宏观植被覆盖分类和植物生物物理参数反演方面得到了广泛的应用, 但由于受云层、天气等因素的影响,NDVI 数据集存在大量的噪声, 因此对NDVI 时间序列数据集进行重建, 提高NDVI 数据集质量的研究逐步受到关注。对近年来普遍使用的几种NDVI 时间序列数据集重建方法(最大值合成、最佳指数斜率提取、中值迭代滤波、时间窗内的线性内插、傅里叶变换、S2G 滤波) 进行了详细介绍并评述了这些方法的优缺点。     

融合QA-SDS的MODIS NDVI时序数据重构

基于云南省MOD13Q1时序数据,对比分析了不同质量设置(UI5、UI5-CSS、UI3、UI3-CSS)和不同时序重构方法(简单线性插值、Savitzky-Golay滤波、非对称高斯函数拟合法和双逻辑函数拟合法)组合下NDVI时序重构效果。结果表明:NDVI时序中无效像元数和最大间隙长度在时间和地域上的分布差异受气候干、雨季影响显著。非对称高斯函数拟合法和双逻辑函数拟合法的稳健性和拟合效果较优。NDVI时序中无效像元最大间隙长度是衡量数据质量优劣和时序重构可行性的重要指标,雨季降水和多云天气过于集中是影响云南省境内部分地区时序重构质量提升的关键。基于重构NDVI时序,云南省全境NDVI时空分布呈现雨季大于干季、西部大于东部、南部高于北部、河谷大于山地的特征。     

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NDVI时间序列数据的湿地演变RSM

针对传统湿地演变遥感动态监测方法中存在的监测效率差，且精度低等问题，提出基于NDVI时间序列数据的湿地演变遥感动态监测方法。掌握NDVI曲线时序形状和数值的特征改变情况，运用兰氏距离与交叉相关光谱匹配，获取湿地演变值指数与形指数，建立湿地演变监测指标；借助Top-Hat算子剔除影像噪声，提升遥感目标与背景间的对比度；探究湿地动态变化动力机制，分析湿地变化源头及趋势，通过湿地动态改变向量，获得各时期湿地类型转移矩阵；建立分类树并区分节点中各类解释标记，将技术、精度、时间和成本作为指标，通过优化理论与多属性效用函数，构建分类优选模型，完成湿地演变遥感信息提取，获得演变趋势监测结果。仿真结果表明，采用所提方法进行湿地演变遥感动态监测的效率较快，且监测精度较高。     

基于NDVI与LAI的水稻生长状况研究

在水稻反射光谱特性与水稻生物参数关系的支持下,以吉林省德惠市夏家店镇为研究区,探讨了一条基于TM遥感影像反演得到的归一化植被指数(NDVI)与地面观测数据叶面积指数(LAI)的水稻生长状况的研究途径,并利用NDVI和LAI对该区2000年和2001年的水稻生长状况进行了分析研究。     

利用NDVI与EVI再合成的植被指数算法

针对单独使用NDVI、EVI对植被覆盖变化分析出现的饱和问题,提出了植被指数再合成法。本研究基于EVI与NDVI中国合成产品在时间上通过植被指数归一化再合成、空间上通过植被指数向量分析法对云南省月植被覆盖变化进行趋势分析并进一步利用方差、标准差、变异系数、回归分析等方法对单一植被指数与合成植被指数进行定量评价。结果表明:NDVI与EVI月趋势变化呈显著负相关;基于EVI mean与NDVI max再合成指数VI的方差、标准差均最大,相对其他单一植被指数(NDVI、EVI)而言,其变异系数VC最大为0.551,回归分析结果k值为0.039,对描述植被覆盖在时间维度与空间维度上的变化情况效果最佳。     

非平稳NDVI时序数据人工神经网络建模方法

为表征植被覆盖变化过程中的非平稳征,利用人工神经网络模型研究了NDVI数据非平稳时间序列建模方法,并基于1982—2015年的GIMMS NDVI3g数据建立了青海省植被覆盖变化ANN非线性模型和ANNARMA组合模型。结果表明,组合模型较为光滑,能够凸显植被的总体变化趋势,且具有更高的模型精度;非线性ANN模型与观测值更为吻合,适宜于描述植被覆盖的细节变化。2016—2025年青海省3 000m以上地区植被覆盖有上升趋势,3 000m以下地区有下降趋势,且整体植被覆盖呈现上升趋势。     

长时间序列NDVI数据重建方法比较研究进展

长时间序列遥感数据集被广泛应用于全球或区域环境变化、植被动态变化、土地覆盖变化和植物生物物理参数反演等研究,受云、气溶胶、太阳高度角和地物二向反射等因素的影响,这些数据集本身存在很多噪声,限制了数据的深入分析和应用,因此,数据重建是应用前的重要工作。在总结归纳现有时间序列重建方法的基础上,综述了重建方法比较研究的成果,深入比较了常用重建方法对参数的设置要求,分析了目前对重建效果的评价方法以及存在的问题,同时对时间序列数据重建通用软件及其发展作了详细介绍。最后提出了时间序列重建以后的研究重点和发展方向,以期为长时间数据重建研究和应用提供帮助。     

土壤背景对冠层NDVI的影响分析

归一化差值植被指数NDVI是植被遥感中应用最为广泛的指数之一, 但它受土壤背景等因素的干扰比较强烈。结合实测的土壤数据以及公式推导、PROSAIL 模型模拟等方法分析了这种影响。首先, 假定与土壤线性混合且叶片呈水平分布的植被冠层, 根据土壤与植被分别在红光、近红外波段处的反射率值、植被覆盖度等参数, 利用公式推导了土壤背景对不同覆盖度下冠层NDVI的影响。其次, 利用PROSAIL冠层光谱模拟模型, 模拟分析了土壤背景对不同LAI下冠层NDVI的影响。分析的结果表明:LAI 越小, 土壤背景的影响越大; 暗土壤背景下的冠层NDVI值大于亮土壤背景下冠层的NDVI值; 并且,暗土壤条件下,NDVI值对土壤亮度的变化更敏感,而亮土壤下,NDVI值则对LAI或覆盖度的变化更敏感。最后利用实测的不同土壤背景下的冬小麦冠层光谱数据, 验证了公式推导和模型模拟的结果。