基于MODIS NDVI的新疆土地覆盖类型划分与潜在荒漠化区域探测

采用2002年MODIS 1km的全年NDVI时序数据对新疆及周边地区进行了土地覆盖分类,在分类的过程中重点强调了稀疏植被覆盖区域,这些区域具有潜在荒漠化的趋势。介绍了一种针对不同土地覆盖类型并能重点突出稀疏植被的分类方法,这种方法较好地综合了季节性影响因素和多变的自然条件影响因素。从16天合成的优化过的时序NDVI图像上,通过分析物候变化,可以获得较好的分类结果。将具有潜在荒漠化趋势的区域模型化研究以后,研究结果表明新疆及周边地区40万km2的土地有潜在荒漠化的趋势。由于MODIS NDVI数据覆盖范围较大,并且对植被的生长变化有较高的敏感度,所以它可以被有效地应用于监测大尺度环境变化和荒漠化进程。     

基于MODIS数据的北京西北部地区土地覆盖分类研究

本文主要基于MODIS 16天合成的NDVI时间序列数据、8天合成 LST数据、1∶5万DEM数据以及其他辅助数据相结合,进行北京西北部地区土地覆盖分类的研究。首先选取适合于MODIS数据分类的土地覆盖分类系统,然后用PCA方法对NDVI时间序列数据进行信息增强与压缩处理,以排除各种干扰因素,提高分类精度。最后结合LST数据、DEM数据及降雨温度数据,利用?齂-均值非监督分类法,进行研究区的土地覆盖分类,经过分类后处理,得到北京西北部地区的土地覆盖分类图。分类结果表明,使用250m分辨率MODIS数据,结合本文所用方法,能够实现较大区域的土地覆盖分类,并且能达到较高的分类精度。     

基于MODIS 数据的长江三角洲地区土地覆盖分类

长江三角洲地区是我国经济最发达的地区之一, 人类活动对自然环境产生了很大影响。为了研究该地区人类活动与生态环境的相互作用, 利用250 m 分辨率MODIS 数据进行土地 覆盖制图研究, 采用的主要数据为增强型植被指数EVI 数据、反射率数据和DEM 数据。通过基于时间序列的滤波方法消除EVI 的噪声, 通过PCA 变换压缩数据量, 并计算均质度来表征空间维的纹理信息, 构造了一个综合性的分类数据矩阵, 依据高分辨率影像选取了训练区, 采用最大似然法进行分类, 并采用缓冲区分析技术进行分类修正, 得到长江三角洲地区的土地覆盖分类结果。利用高分辨率影像解译信息对分类结果进行了精度评价, 并将分类结果与 MODIS 土地覆盖产品进行了对比, 精度分析表明分类结果很好的反映了研究区的土地覆盖信息, 显示了本研究分类方法与技术处理在实践中的可行性及250 m 分辨率EVI 时间序列数据在区域尺度土地覆盖分类方面的优势与潜力。     

基于MODIS数据的柴达木盆地南缘绿洲土地覆盖动态变化研究

基于遥感和GIS技术手段,利用2000—2009年生长季的MODIS数据对柴达木盆地南缘绿洲进行了土地覆盖分类,得到前期（2000—2004年）和后期（2005—2009年）两期土地分类图以及2000—2009年土地覆盖类型变化趋势图,分析了2000—2009年10 a尺度上该地区土地覆盖类型的面积变化以及空间分布格局。分析得知,柴达木盆地南缘绿洲同时存在两种演化趋势:绿洲化和荒漠化。近10 a来绿洲化的总面积为1 040 km2,占研究区面积的4.58%,主要集中在荒漠化区域与稳定区域之间;荒漠化的总面积为399 km2,占研究区面积的1.76%,其中80%集中在绿洲边缘（4 km以内）,也就是说,绿洲的边缘地区相对于绿洲的其他区域更易于发生荒漠化现象。从整个研究区来看,绿洲化趋势高于荒漠化趋势,其原因可能主要是由于近年来气候变暖,昆仑山上大量冰雪融化,为下游绿洲提供了一定的水资源,但绿洲上游一些地区人类活动的加剧使用了大量的水资源间接地影响了绿洲的演化,使得绿洲边缘水资源缺乏的地区荒漠化加剧。     

基于决策树和MODIS植被指数时间序列的中亚土地覆盖分类

利用MODIS植被指数时间序列对中亚土地覆盖类型分类进行了研究。MODIS数据时间分辨率高,时间序列数据可以表征植被生理活动的动态变化。从时间序列数据中提取植被物候信息,可以实现对不同土地覆盖类型的定量描述。MODIS数据质量信息波段,记录了研究区遥感数据质量,提供植被指数可用性、气溶胶处理、云、冰雪可能性、合成方法等信息,为植被指数时间序列噪声的去除提供一种新的方法。决策树分类结构清晰、不基于正态统计分布假设、效率高、分类精度高。分类结果与统计数据比较,两者一致性较好,精度验证总体精度95.76％,kappa系数0.9516。     

基于MODIS/NDVI的新疆伊犁河谷植被变化

利用2000-2010年16 d合成的MODIS/[NDVI]数据,结合植被异常指数、趋势线分析和Hurst指数等分析方法,对新疆伊犁河谷植被覆盖的时空变化特征进行了分析。结果表明：（1） 伊犁河谷内植被覆盖随海拔增高而先增加后减小,最高植被覆盖区位于2 000～2 500 m的高程带;2000-2010年伊犁河谷各高程带内植被覆盖整体下降趋势明显,但海拔低于1 000 m的高程带除外。（2）受干湿环境影响,伊犁河谷全区平均被植异常指数最高值出现在降水最多的2002年,最低值出现在降水最少的2008年,但不同区域植被异常指数的变化存在较大差异。（3）伊犁河谷内植被覆盖增加和减小的区域分别占总面积的4.09%和19.34%,增加区域主要位于伊犁河两岸的平原区,减小区域主要位于乌孙山两端以及伊犁河谷周围海拔2 000 m左右的低山区域;变标度极差分析结果表明,伊犁河谷内植被覆盖年际变化呈现很强的持续性,未来一定时间内将保持现有变化趋势不变。     

基于MODIS影像的土地覆被分类研究——以京津冀地区为例

在全球变化研究中,如何快速、准确获取土地覆被信息对该项研究有着至关重要的作用.随着遥感科学的不断发展和应用领域的深入,研究者可以利用遥感影像进行土地覆被分类研究,并且具有准确、快速、自动化等优点.本文利用MODIS数据具有的多光谱、多时相特点,以京津冀地区为例,选取2013 年全年16-day 的MOD13Q1/EVI时间序列数据、2013 年5 月份一期的MOD09Q1(1、2 波段)和MOD09A1(3-7 波段)产品,并运用时间序列谐波分析法对全年MOD13Q1/EVI 时间序列数据进行去云、去噪的平滑重建处理,使其数据更能反映物候周期性变化规律.选择谐波分析后的全年MOD13Q1/EVI 时间序列数据、MODIS数据的1-7 波段地表反射率和NDWI(归一化差异水体指数)、MNDWI(改进归一化差异水体指数)和NDSI(土壤亮度指数),构建了3 种特征变量组合方案的CART决策树,分别进行京津冀地区的土地覆被分类研究.结果表明:方案一(全年EVI 的23 个时相)、方案二(方案一+MOD09 的1-7 波段地表反射率)和方案三(方案二+MNDWI+NDSI+NDWI)的总体分类精度分别达到86.70%、89.98%、91.34%,Kappa系数分别为84.94%、88.66%、90.20%.研究表明,仅利用MODIS遥感影像自身多种分类特征和决策树方法对宏观土地覆被分类就可达到较高精度,显示了本文分类方法在实践中的可行性及MODIS数据在区域尺度土地覆被分类研究方面的优势与潜力.     

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。 关键词:MODIS; 归一化植被指数(NDVI) ; 增强植被指数( EVI) ; 对比     

2000—2016年黄土高原不同土地覆盖类型植被NDVI时空变化

了解植被覆盖的时空变化对区域环境保护及生态环境建设具有重要意义。基于MOD13A1数据,辅以Sen+Mann-Kendall、变异系数、Hurst指数,通过分析2000—2016年间黄土高原NDVI年最大值(NDVI_ymax)和生长季均值(NDVI_gsmean)时空变化特征及趋势,以了解黄土高原实施退耕还林(草)等生态工程后的植被覆盖恢复情况。结果表明：① 2000—2016年植被NDVI_ymax和NDVI_gsmean呈现波动式增长趋势,增长率分别为0.0070/a(P<0.01)和0.0063/a(P<0.01),生态环境整体不断改善。② NDVI_ymax和NDVI_gsmean显示黄土高原植被覆盖呈增加趋势的面积远高于呈减少趋势的面积(93.42%和96.22%、6.58%和3.78%),植被覆盖状态正在不断改善。2种数据变化趋势下,不同土地覆盖类型表现略有差异,森林极显著增加趋势面积最大(73.02%和82.60%),其次为耕地(47.87%和67.43%),再次为裸地(47.03%和61.68%)。③ NDVI_gsmean的变异系数小于NDVI_ymax的变异系数,相对稳定区域面积比分别为63.31%与56.64%,2种数据分析下森林变异系数最小,植被稳定性最好。④ 从植被NDVI变化趋势与Hurst组合结果得出,NDVI_ymax未来呈现改善趋势面积占41.35%,退化趋势面积占58.65%;NDVI_gsmean呈现改善趋势面积占49.19%,退化趋势面积占50.81%。2种数据下,灌木地未来发展趋势最好,森林和耕地退化趋势面积超过了50%。研究人员应持续关注退化趋势地区的植被状态。     

基于机载成像光谱数据的宜兴市土地利用/土地覆盖分类方法对比研究

对宜兴市机载成像光谱数据辐进行射畸变纠正、几何精确纠正和辐射定标等预处理,获得高光谱反射率图像。利用相关系数、均方差、离散度等统计特征进行面向土地利用/土地覆盖目的的波段优选,采用高光谱像元提纯分析工具获得分类所需的终端单元,并利用终端单元进行了研究区土地利用/土地覆盖分类对比研究。研究发现:最大似然法分类精度低,整体精度为84.89%,而二进制编码、神经网络分类和光谱角分类方法精度较高,整体精度分别为87.12%,88.75%,90.41%。这说明光谱角分类是最有效的高光谱影像土地利用/土地覆盖分类方法,文章研究采用的高光谱预处理以及波段选择方法是正确的。     

MODIS NDVI时间序列在三江平原湿地植被信息提取中的应用

以三江平原为研究区,利用多时相的中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)影像数据,采用一种基于归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列的监督分类方法获取了研究区湿地植被的分布数据。监督分类以NDVI时间序列的波形所反映出的植被物候特征作为分类器,将离散的傅立叶变换应用于NDVI时间序列以减少高频噪声对分类的影响,并运用傅立叶变换后波形幅度和相位的相似性来确定像素的归属类别。根据研究区植被的物候特征的差异,区分出7种地表(沼泽、沼泽化草甸、滩地、水田、旱地、灌木和林地)的植被类型,得到三江平原2005年湿地植被的分布数据。该方法的总体分类精度达到79.67%,Kappa系数为0.752 5。研究表明,基于MODIS多时相NDVI数据,采用基于傅立叶组分的相似度分类方法可以客观、经济、快速的提取湿地植被分布数据。     

陕西MODIS/NDVI的区域分布和季节变化

利用MODIS数据研究植被指数的时空变化特征,可以较详细地反映不同类型植被在其生长周期内的长势情况,以及各类植被生长状况在空间上的过渡和差异性。利用2004年全年的MODIS资料,采用NDVI多时相最大值合成法（MVC）,生成了一年的月合成NDVI数据集产品,分析表明：①陕西MODIS/NDVI年平均值为0.39,变化范围在-0.54～0.85之间。NDVI的年内频率分布只有在冬季（1月）呈现单峰型,其他季节均表现为双峰型。②冬季陕西NDVI的分布南北差异较小;春季延安以北和延安以南差异明显;夏季和秋季NDVI 值的分布体现了陕北北部长城沿线风沙区、黄土高原丘陵沟壑区稀疏植被、陕北南部子午岭和黄龙山林区森林植被、关中农田植被、秦巴山地森林植被和农田植被以及它们的地表差异特征。③不同植被类型的NDVI季节变化差别显著,这种NDVI时间序列曲线如实地反映了各种类型植被的生长规律,并能区分它们在生长规律上的细微差别,这又为植被区划、农作物种植面积的遥感监测提供了理论和实践基础。     

NDVI changes in China between 1989 and 1999 using change vector analysis based on time series data

Change vector analysis (CVA) and principal component analysis in NDVI time-trajectories space are powerful tools to analyze land-cover change. The magnitude of the change vector indicates amplitude of the change, while its direction indicates the nature of the change. CVA is applied to two remotely sensed indicators of land surface conditions, NDVI and spatial structure, in order to improve the capability to detect and categorize land-cover change. The magnitude and type of changes are calculated in China from 1989 to 1999. Through the research, the main conclusions are drawn as follows: 1) The changes of NDVI are quite different between eastern China and western China, and the change range in the east is bigger than that in the west. The trend in NDVI time series is smoothly increasing, the increases happen mostly in Taiwan, Fujian, Sichuan and Henan provinces and the decreases occur in Yunnan and Xinjiang. 2) The spatial structure index can indicate changes in the seasonal ecosystem dynamics for spatially heterogeneous landscapes. Most of spatial structure changes, which occurred in southern China, correlated with vegetation growth processes and strike of mountains.     

NDVI changes in China between 1989 and 1999 using change vector analysis based on time series data

1 Introduction The land surface has considerable control on the planet抯 energy balance, biogeochemical cycles and hydrologic cycle, which in turn significantly influences the climate system. Therefore, the global environmental change community has paid great attention to the land use/cover change (LUCC). Many researchers have focused on the land cover classification and change by using remotely sensed data. Changes in land-cover are driven by four categories of causes[1]: (1) long-term nat…     

Mapping rubber tree growth in mainland Southeast Asia using time-series MODIS 250 m NDVI and statistical data

Expanding global and regional markets are driving the conversion of traditional subsistence agricultural and occupied non-agricultural lands to commercial-agricultural purposes. In many parts of mainland Southeast Asia rubber plantations are expanding rapidly into areas where the crop was not historically found. Over the last several decades more than one million hectares of land have been converted to rubber trees in areas of China, Laos, Thailand, Vietnam, Cambodia and Myanmar, where rubber trees were not traditionally grown. This expansion of rubber plantations has replaced ecologically important secondary forests and traditionally managed swidden fields and influenced local energy, water and carbon fluxes. Accurate and up-to-date monitoring and mapping of rubber tree growth is critical to understanding the implications of this changing ecosystem. Discriminating rubber trees from second-growth forests and fallow land has proven challenging. Previous experiments using machine-learning approaches with hard classifications on remotely sensed data, when faced with the realities of a heterogeneous plant-life mixture and high intra-class variance, have tended to overestimate the areas of rubber tree growth. Our current research sought to: 1) to investigate the potential of using a Mahalanobis typicality model to deal with mixed pixels; and 2) to explore the potential for combining MOderate Resolution Imaging Spectroradiometer (MODIS) imagery with sub-national statistical data on rubber tree areas to map the distribution of rubber tree growth across this mainland Southeast Asia landscape. Our study used time-series MODIS Terra 16-day composite 250 m Normalized Difference Vegetation Index (NDVI) products (MOD13Q1) acquired between March 2009 and May 2010. We used the Mahalanobis typicality method to identify pixels where rubber tree growth had the highest probability of occurring and sub-national statistical data on rubber tree growth to quantify the number of pixels of rubber tree growth mapped per administrative unit. We used Relative Operating Characteristic (ROC) and error matrix analysis, respectively, to assess the viability of Mahalanobis typicalities and to validate classification accuracy. High ROC values, over 0.8, were achieved with the Mahalanobis typicality images of both mature and young rubber trees. The proposed method greatly reduced the commission errors for the two types of rubber tree growth to 1.9% and 2.8%, respectively (corresponding to user’s accuracies of 98.1% and 97.2%, respectively). Results indicate that integrating Mahalanobis typicalities with MODIS time-series NDVI data and sub-national statistics can successfully overcome the earlier overestimation problem.     

基于Landsat8影像时间序列NDVI的作物种植结构提取

为提高内蒙古平原灌区作物种植结构遥感监测精度和效率,提出一种基于时序NDVI曲线的作物种植结构提取方法。以内蒙古土默特右旗平原区为研究区域,以2015年覆盖作物生育期的多时相Landsat影像为数据源,根据不同地物其NDVI值范围不同,将研究区地表分为植被覆盖地表,无植被覆盖地表和水体3类。在植被覆盖区域内,根据林地和荒草地时序NDVI曲线特征,提取林地和荒草地,其余区域即为农田。根据小麦、玉米、葵花和西葫芦的时间序列NDVI曲线特征差异构建分类决策树模型,在农田区域内提取上述作物的空间种植分布信息。研究区各类地物及作物遥感提取面积与实际统计面积接近,土地利用分类总体精度达到85.71%,作物分类总体精度达到82.69%。研究结果表明该方法提取作物种植信息的精度较高,能够实现区域作物种植信息的高效准确监测。     

基于MODIS的大田县均溪谷地NPP与NDVI相关性的时空变化特征

本研究应用MODIS卫星遥感资料,分析2000—2010年大田县均溪谷地植被净初级生产NPP与NDVI相关性的时空变化特征,运用Arc GIS软件对大田县均溪河做不同距离的缓冲区分析,结合土地利用状况,研究年植被净初级生产力a NPP与年均归一化植被指数ANDVI的相关性,并建立线性回归分析模型进一步分析NPP随NDVI的变化情况。可以看出,ANDVI与a NPP的空间分布特征与距河流的距离远近有着密切关系,河流不同缓冲区ANDVI与a NPP的相关性系值为0.80~0.96。研究区域3年回归模型均通过α=0.01的显著性F值相关检测,表明利用NDVI可以有效地对NPP进行实时监测。