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。     

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。     

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。     

基于MODIS NDVI的吉林省植被覆盖度动态遥感监测

植被覆盖度是植物群落覆盖地表状况的一个综合量化指标,植被覆盖及其变化是区域环境变化的重要指示,对于区域水文及生态状况、全球变化的区域响应等都具有重要意义。以MODIS NDVI为数据源,采用像元二分模型,提取2000~2007年吉林省植被覆盖度,获取不同时期的植被覆盖度图,并进一步分析了植被覆盖度变化的原因。结果表明：吉林省植被覆盖度由东部到西部逐渐降低,其中白山地区植被覆盖情况最好。过去8 a间,吉林省植被覆盖度总体呈上升趋势,2007年植被覆盖度达到最高,为83.04%。在此期间,中部地区和西部地区植被覆盖增加了 797.52 km²,占总面积变化的74.79%。生态恢复工程、降水和气温等是影响植被覆盖度变化的主要因素。     

基于MODIS和AVHRR数据源的东北地区植被NDVI变化及其与气温和降水间的相关分析 

基于逐像元一元线性回归模型,应用MODIS NDVI数据对AVHRR-GIMMS NDVI进行时间序列拓展,拓展序列通过一致性检验,基于所建立的1982~2009年植被年最大NDVI数据集,在GIS平台上进行了植被NDVI变化和NDVI与年平均气温、年降水量之间的相关分析。研究结果表明:过去28 a间,植被年最大NDVI呈3个变化阶段:1982~1992年呈小幅上升趋势,1992~2006年呈缓慢下降趋势,2006~2009年呈缓慢回升态势。由空间变异分析得出NDVI变化相对大的区域主要分布在内蒙干旱和半干旱区。21世纪初和20世纪90年代相对于80年代NDVI值升高,3个阶段平均NDVI变化幅度为±0.3。 20世纪初,赤峰地区以及松嫩平原西部地区植被NDVI呈轻度增加的面积占全区6.45%。植被年最大NDVI与年平均气温、年降水量相关性空间差异明显。偏相关系数绝对值,气温大于降水的像元数占54%;综合分析,较降水而言,气温是东北全区植被年最大NDVI的主控影响因子。对于不同植被类型年最大NDVI,受气温影响强度由大到小依次为:森林>草地>沼泽湿地>灌丛>耕地;受降水影响按草地>耕地>灌丛>沼泽湿地>森林依次减弱。     

基于GPU多流并发并行模型的NDVI提取算法

利用GPU进行加速的归一化差分植被指数(Normalized Differential Vegetation Index,NDVI)提取算法通常采用GPU多线程并行模型,存在弱相关计算之间以及CPU与GPU之间数据传输耗时较多等问题,影响了加速效果的进一步提升。针对上述问题,根据NDVI提取算法的特性,文中提出了一种基于GPU多流并发并行模型的NDVI提取算法。通过CUDA流和Hyper-Q特性,GPU多流并发并行模型可以使数据传输与弱相关计算、弱相关计算与弱相关计算之间达到重叠,从而进一步提高算法并行度及GPU资源利用率。文中首先通过GPU多线程并行模型对NDVI提取算法进行优化,并对优化后的计算过程进行分解,找出包含数据传输及弱相关性计算的部分;其次,对数据传输和弱相关计算部分进行重构,并利用GPU多流并发并行模型进行优化,使弱相关计算之间、弱相关计算和数据传输之间达到重叠的效果;最后,以高分一号卫星拍摄的遥感影像作为实验数据,对两种基于GPU实现的NDVI提取算法进行实验验证。实验结果表明,与传统基于GPU多线程并行模型的NDVI提取算法相比,所提算法在影像大于12000*12000像素时平均取得了约1.5倍的加速,与串行提取算法相比取得了约260倍的加速,具有更好的加速效果和并行性。     

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NDVI数据的江苏省植被物候变化及其影响因子分析

以气候变暖为主要特征的全球气候变化与生态系统的相互作用成为影响可持续发展的重要因素。植被作为陆地生态系统的主要组成部分,在生态环境评价及碳水循环等方面具有重要作用。以江苏省为研究区,利用长时间序列的GIMMS NDVI3g数据集和气象数据,采用Logistic函数法提取该区域过去34 a(1982~2015年)植被生长期物候(Start Of Season SOS,End Of Season EOS)变化的时空分布特征,并用相关性分析法定量确定主要气象因子(温度、降水)对物候变化的贡献。结果表明：①空间上,从江苏省南部到北部,SOS呈递增趋势,EOS呈递减趋势;②时间上,大部分(83.1%)像元的SOS提前,主要分布在江苏省中部及北部地区,大多提前1~2 d/a,69.2%像元的EOS延后,大多延后0~1 d/a;③植被生长期开始SOS/EOS对温度、降水有明显响应,70.5%像元的SOS与温度呈负相关,主要位于江苏省北部及少部分南部地区,55.5%像元的SOS与降水呈负相关,55.2%像元的EOS与温度呈正相关,71.2%像元的EOS与降水呈负相关。整体上,温度的升高导致生长期提前,降水对SOS具有双向作用,秋季物候的影响因子更为复杂,温度和降水的变化并不能导致EOS的提前或者推迟。本研究加深对气候变化与植被生态系统相互作用过程的认识,为未来植被及气候变化分析提供参考。     

基于MODIS NDVI的中国东部植被覆盖时空变化特征

基于2001~2010年逐月MODIS NDVI产品,采用Mann-Kendall检验和Hurst指数,研究中国东部及5个子区(东北区、黄淮海区、长江中下游区、江南区和华南区)植被覆盖的时空动态特征。结果表明:10 a期间中国东部植被覆盖以不显著改善和不显著退化特征为主,前者稍占优势,4个季节中秋季改善状况最显著;未来态势主要表现为不显著改善且未来将持续改善和不显著退化且未来将持续退化两种特征。植被覆盖为不显著退化且将持续退化的区域主要分布在大型城市或城市群周围;5个子区中,除江南区年内主要表现为不显著退化且将持续退化特征外,其余4区均主要表现为不显著改善且未来将持续改善特征。     

基于多时相NDVI及特征波段的作物分类研究

时相和光谱特征信息在农作物种植分类提取方面具有十分重要的应用价值。以黑龙江大型农场--友谊农场为研究区域,利用4景不同时相的TM和SPOT卫星遥感影像,提取相应时相的NDVI时间谱图像数据作为新波段信息,在分析地物目标在相应影像各波段上光谱和时间特征的基础上,设计了决策树分类算法,通过对待分类影像进行系列阈值分割和掩膜处理,成功提取黑龙江友谊农场的大豆、玉米和水稻的种植信息,分类总体精度达到98.67%。     

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阈值法反演地表比辐射率的参数敏感性分析

地表比辐射率是反演地表温度的重要因子,普遍应用于自然界中的水热交换和辐射传输过程。本文通过对基于NDVI阈值法反演地表比辐射率的相关参数进行敏感性研究,确定了影响NDVI阈值法反演地表比辐射率的关键参数,以期通过关键参数获取方法的改进和参数不确定性的降低来提高NDVI阈值法的反演精度。研究以Valor和Caselles在1996年提出的植被指数混合模型为理论基础、湖北省荆门市为研究区域,使用Land-sat TM5数据,采用控制变量法,对NDVI阈值法中影响比辐射率反演精度的大气因子、地形因子、纯像元NDVI阈值、纯像元比辐射率值进行敏感程度的数学分析。研究发现,4大因子敏感性程度:纯像元比辐射率值>纯像元NDVI阈值>地形因子>大气因子,其中纯像元比辐射率值和纯像元NDVI阈值为关键参数;4大因子影响程度:大气因子>纯像元比辐射率值>地形因子>纯像元NDVI阈值。     

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。     

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。     

NDWI与NDVI指数在区域干旱监测中的比较分析——以2003年江西夏季干旱为例

植被水分指数NDWI是基于短波红外（SWIR）与近红外（NIR）的归一化比值指数。与NDVI相比，它能有效地提取植被冠层的水分含量；在植被冠层受水分胁迫时，NDWI指数能及时地响应，这对于旱情监测具有重要意义。结合2003年夏季MODIS影像数据和地面气象数据，以江西省内一片农田和一片林地为试验区域，分析比较了NDWI与NDVI距平值在短期旱情监测中的有效性。监测结果表明， NDWI对植被冠层水分信息比NDVI更为敏感；在短期干旱监测中，NDWI指数能准确地反映旱情的时空变化。     

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。
     

Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction

The normalized difference vegetation index (NDVI) is the most widely used vegetation index for retrieval of vegetation canopy biophysical properties. Several studies have investigated the spatial scale dependencies of NDVI and the relationship between NDVI and fractional vegetation cover, but without any consensus on the two issues. The objectives of this paper are to analyze the spatial scale dependencies of NDVI and to analyze the relationship between NDVI and fractional vegetation cover at different resolutions based on linear spectral mixing models. Our results show strong spatial scale dependencies of NDVI over heterogeneous surfaces, indicating that NDVI values at different resolutions may not be comparable. The nonlinearity of NDVI over partially vegetated surfaces becomes prominent with darker soil backgrounds and with presence of shadow. Thus, the NDVI may not be suitable to infer vegetation fraction because of its nonlinearity and scale effects. We found that the scaled difference vegetation index (SDVI), a scale-invariant index based on linear spectral mixing of red and near-infrared reflectances, is a more suitable and robust approach for retrieval of vegetation fraction with remote sensing data, particularly over heterogeneous surfaces. The proposed method was validated with experimental field data, but further validation at the satellite level would be needed.     

基于NDVI及DEM的青海湖北岸景观格局空间自相关分析

本文以青海湖北岸为研究区,利用2006年Landsat-5 TM数据,结合植被类型图、SRTM高程数据、1∶5万地形图等数据,获取了该区12类景观类型,分类总体精度为82.91%,Kappa系数为0.81。以NDVI均值、坡向均值、高程均值为区域观测值,计算研究区景观类型的空间自相关性的Moran指数,再根据局部Moran指数的空间集聚分布特征,分析这些景观类型之间的结构稳定性,表现为如下特征:第一,较稳定景观,格局类型包括河谷灌丛、山地灌丛、高寒沼泽、高寒草甸、河流、裸岩;第二,欠稳定景观,格局类型包括湖泊、温性草原、湖滨沼泽;第三,极不稳定景观,格局类型有沙地、石砾地、裸土地,如鸟岛、金沙湾,尕海地区的沙地。