FY-3B/D星NDVI与MODIS NDVI对作物长势监测对比

风云三号卫星（FY-3）NDVI数据是中国对全球用户开放可进行全球尺度作物长势监测的主要卫星遥感数据源,客观评估其进行作物长势监测的真实状况和能力,对业务产品应用推广、产品算法和流程改进以及长时序标准数据生产等具有重要意义。采用国际通用的年际差值比较模型、植被状况指数模型（VCI）以及基于NDVI的作物生长过程评估了中国风云三号B星（FY-3B）和D星（FY-3D）NDVI旬、月合成业务产品与同期MODIS MOD13A1和MOD13A3 NDVI数据对作物长势的监测情况。年际比较模型结果表明,FY-3 NDVI的监测动态范围比MODIS NDVI的窄约0.1—0.15,两者差值在-0.02—0.02,均方根误差在0.08—0.09,在长势分级评估时可忽略,但动态范围偏窄提示有必要在分级评估时使用窄一些的阈值范围。植被状况指数模型结果表明,FY-3B NDVI和MODIS NDVI的监测结果高度一致,因此FY-3B NDVI和MODIS NDVI一样可准确反映作物生长的年际差异。作物生长过程动态监测结果表明,FY-3和MODIS月合成NDVI的年际比较结果总体一致,但在作物快速生长阶段...     

基于棉田光谱的FY一3A／MERSI与MODIS植被指数关系研究

对同一区域不同时次的FY一3A／MERSI与MODIS的归一化植被指数(NDVI)和 比值植被指数(RVI)进行了计算,并针对地面光谱和影像数据方面进行了分析。结果表明, FY一3A／MERSI比MODIS数据更敏感,但受大气辐射传输影响也更突出,卫星入瞳处的反射率与地面实测资料相比,MERSI比MODIS变化大。FY一3A／MERSI与MODIS植被指数具有很好的相关性,遥感影像植被指数相关系数为0．98(NDVI)和0．96(RVI),地面光谱产生的 植被指数(NDVI和RVI)相关性则达到0．99。     

基于MODIS和HJ-1数据的宿鸭湖水库面积遥感监测研究

水体与植被、城市和土壤等地物在不同波段的光谱反射率的差异是利用遥感手段提取水体信息的基本原理。以宿鸭湖水库为例,在水体光谱特征分析的基础上,采用归一化植被指数（NDVI）方法提取2010年的MODIS和HJ-1遥感影像上的水体信息。首先将MODIS数据的第1和第2波段,以及HJ-1数据的第3和第4波段经过波段运算得到NDVI图像。将两种遥感图像中NDVI值为负的像元判识为水体,NDVI值为正的判识为水库周围的农田,经过计算像元数量得到水体面积信息。水体判识阈值在全年变化范围在-0．08和0．08之间。HJ-1数据具有较高的空间分辨率,水体判识的结果比MODIS数据更加精确。利用HJ—I数据水体监测结果对MODIS数据结果进行校正,使得到的监测结果同时具有较高的时间分辨率和空间分辨率。研究结果表明：利用HJ-1数据校正后的MODIS数据所测得的水域面积与实际观测得到的水库蓄水量之间的复相关系数为0．8603,显著提高了水体监测的精度,从而为大范围的水资源与水环境动态监测提供了迅速、可靠的依据。     

西北地区MODIS/NDVI与MODIS/EVI对比分析

为了了解西北地区MODIS/NDVI和MODS/EVI 2种植被指数的特点,利用2003年植被生长期TERRA/MODIS资料和西北地区植被类型数据,分析了西北地区MODIS/NDVI和MODIS/EVI空间分布特征和不同类型植被随时间变化特征,比较了大气订正对NDVI和EVI的影响。结果表明:NDVI和EVI空间分布格局一致,与降水空间分布形式比较一致。NDVI与EVI值的差异随着植被覆盖度的增加而增大。不同类型植被NDVI和EVI变化特征一致。大气对NDVI和EVI的影响较大,大气订正前许多地区NDVI值小于EVI值。大气订正使NDVI增大,EVI减小,大气订正后NDVI值普遍大于EVI值。通过对大气气溶胶粒子较多地区的NDVI和EVI值的对比分析,EVI具有较好的抗大气气溶胶的作用。     

新疆地区多时相MODIS-NDVI数据主成分分析

利用EOS／MODIS的250m卫星遥感数据,对新疆2010年全年36个旬的数据,用最大值合成方法将每3旬NDVI数据合成每月NDVI数据,对每月NDVI数据进行主成分分析,提取了不同主成分分量,分析了不同主分量累积方差。结果表明,主成分变换的前4个主分量包含了大部分信息：第一主分量反映了NDVI在全年的空间分布和累积值。第二、三、四主分量反映的是冬夏、春夏、春秋等季节性的变化情况。     

NPP-VIIRS卫星在西藏植被监测中的应用研究

基于GIS空间分析和数学统计方法,利用TERRA、AQUA和NPP-VIIRS卫星数据反演了西藏日土县植被归一化指数（Normalized Difference Vegetation Index,NDVI）,并对不同卫星传感器反演结果的一致性进行了检验评估。结果表明:NPP-VIIRS卫星反演的NDVI值略大于TERRA和AQUA的反演值,其估算结果与MODIS卫星估算值存在较好的相关性。NPP-VIIRS卫星可以用于西藏高原植被长势监测工作,为西藏生态文明高地建设提供更加丰富的遥感数据支撑。      

基于MODIS NDVI的广西西南典型生态区植被变化对比监测

利用2001—2010年MODIS NDVI逐16 d合成数据对广西十万大山和桂西岩溶山地两个典型生态区植被进行对比监测,分析植被年内变化特征及年际变化趋势。利用同时期的气温和降水量数据,分析两个典型生态区植被NDVI对气温和降水量的响应差异。结果表明:十万大山和桂西岩溶山地生态区年内MODIS NDVI变化特征相似,均表现出"夏秋高,冬春低"的趋势,其中十万大山生态区植被覆盖相对稳定,季节变化较小。近10 a来两个生态区植被均以改善为主,植被改善面积与退化面积比例均约为3∶2。植被年际变化幅度较小,长势较稳定。降水量、平均气温与十万大山生态区植被NDVI的相关性总体上好于桂西岩溶山地生态区,两个生态区植被与降水的相关性较一致。在夏季多表现为负相关,春、秋、冬3季多表现为正相关,这与广西降水时段集中且强度较大的特点有关。由于植被类型的显著差异,两个生态区与气温的相关性具有显著差异。     

青藏高原植被指数最新变化特征及其与气候因子的关系

利用GIMMS/NDVI(全球库存模拟和影像研究/归一化植被指数,Global Inventory Modeling and Mapping Studies,Normalized Difference Vegetation Index)和MODIS/NDVI遥感数据以及青藏高原6个气象代表站的站点数据,结合多种统计和计算方法,分析了青藏高原植被NDVI变化规律及其影响因子。结果表明:1982~2013年青藏高原多年平均植被NDVI的空间分布存在明显的区域差异,总体上呈从东南向西北递减的趋势,而且发现不同地区植被的时间变化规律也不尽相同。根据高原长势最好的6~9月植被NDVI进行经验正交分解,将青藏高原植被分为5个区,并进一步分析了不同分区内植被的变化规律,得出:青藏高原植被NDVI下降最明显的区域在二区的噶尔班公宽谷湖盆地地区和北羌塘高原地区,植被NDVI上升最明显的区域在四区的祁连山东部地区。为了探讨青藏高原不同分区内影响植被NDVI下降的因子,从青藏高原二区、四区、五区各选取NDVI处于下降趋势的两个代表站点。研究分析了各个站点植被NDVI与降水量、平均气温、平均最低气温、平均最高气温、日照百分率5个气象因子的关系,得出:在高原二区日照强度是其它分区的两倍左右,而降水量相对较少导致植被NDVI降低。高原四区由于降水量小、温度高、日照强,导致植被NDVI处于下降趋势;在青藏高原五区虽然降水充足,但日照较弱,限制了植被的正常成长导致NDVI处于下降趋势中;其结果为高原植被退化机制研究及高原植被对大气反馈等奠定了基础。     

西藏那曲县NDVI变化及与气象因子、畜牧量相关分析

利用NASA提供的16天合成MODIS数据,以归一化植被指数(NDVI)作为植被覆盖特征指标,研究了2001~2008年那曲县NDVI变化特征,分析了温度、降水等气象因子与NDVI关系。结果显示:近年来那曲县最大NDVI、年均NDVI呈减小趋势;NDVI月变化与温度、降水显著正相关;年平均NDVI、植被生长季平均NDVI与气象因子相关性不明显;畜牧总量与植被生长季NDVI显著负相关。      

内蒙古植被NDVI变化特征分析

对植被状况和植被覆盖的研究可以反映植被受环境条件影响产生的时空变化。文章根据GIMMS-NDVI数据集1982—2006年影像数据,分析内蒙古农田、森林、草原三种植被类型NDVI年内、年际的变化趋势以及植被覆盖变化特征的空间差异。各植被类型变化曲线都呈现4—7月NDVI激增,8—10月NDVI猛降,冬季农田、草原植被覆盖接近裸土的特点。农田夏季NDVI平均值的历年线性变化趋势通过显著性检验,森林夏季NDVI平均值呈现下降的趋势,草原夏季NDVI平均值呈现上升的趋势,但都不显著。     

基于植被生长规律的陕西省植被遥感分类

植被类型的差异除了可表现为光谱差异外,还可表现为植被生长规律的差异。植被生长以年为周期,在这个生长周期内不同植被类型有着各自的生繁衰枯的物候节律,表现出不同的生长规律。归一化植被指数NDVI是植被生长状况的敏感指示器,一年内的NDVI所构成的NDVI的时间序列曲线是表征植被生长规律的理想方法,因此利用NDVI时间序列进行植被分类是完全可行的。利用2004年全年的MODIS资料,选取距离星下点周围1000 km以内完全包含陕西省行政区域的晴空(包括部分晴空)250 m分辨率资料计算NDVI,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,应用ISODATA算法进行非监督动态聚类。在地理信息系统的支持下,结合以往的植被类型、土地利用、种植制度区划、电子地图等辅助地理信息数据,对分类结果进行了解译和验证,并分析了各类植被类型的NDVI时间序列曲线。表明分类结果能客观地反映植被分布的地域性;各类NDVI曲线之间差别显著,有着明显的可分性,它们如实地刻画了各种植被的生长规律,并能区分植被生长规律的细微差异。     

基于GNSS的MODIS大气可降水量校正模型

MODIS大气可降水量（PWV）空间分辨率高但易受云雨等环境因素影响,精度不高.GNSS PWV 空间分辨率较低但具有全天候、不受天气影响、精度高的优点.研究表明两者存在显著的线性相关性,结合两者的优点,基于GNSS PWV校正MODIS PWV可获取大面积高精度的PWV.针对传统的线性回归校正模型没有考虑云、气溶胶等的影响使两种数据线性相关性变差的问题,本文在传统的线性校正模型上增加了使用年积日的非线性周期项的方法来构建校正模型.利用2017—2019年香港地区GNSS对流层延迟与MODIS近红外数据,使用频谱分析线性残差项,结果表明残差具有显著的年周期.对比传统模型,本文模型的平均绝对误差、平均相对误差、均方根误差和拟合度都有明显的改善,表明本文模型可行有效且精度较高.     

基于五点加权平均法的耕地复种指数遥感监测研究

应用NASA（美国国家航空和宇宙航行局）提供的MODIS归一化植被指数（NDVI）数据,采用五点加权平均法对NDVI时间序列曲线进行平滑,由于NDVI时间曲线的波动变化能够反映1a内作物群体生物量的变化,曲线波峰所对应的是农作物群体生物量最大时相,因此可以通过提取1a内耕地NDVI时间序列的波峰频数,计算得到耕地的复种指数。监测结果与统计资料的计算结果比较表明,采用五点加权平均法监测耕地复种指数是可行的。     

近51 a安阳市降水特征分析

利用EOS/MODIS的250 m卫星遥感数据,对新疆2010年全年36个旬的数据,用最大值合成方法将每3旬NDVI数据合成每月NDVI数据,对每月NDVI数据进行主成分分析,提取了不同主成分分量,分析了不同主分量累积方差。结果表明,主成分变换的前4个主分量包含了大部分信息：第一主成分反映了NDVI在全年的空间分布和累积值。第二、三、四主分量反映的是冬夏、春夏、春秋等季节性的变化情况。     

基于MODIS NDVI和气候信息的草原植被变化监测

对植被的动态监测可以从一定程度上反映气候变化趋势。该文利用2000—2005年MODIS NDVI数据对锡林郭勒盟典型草原植被变化进行动态监测,在此基础上,以降水量、水汽压、平均气温、最高气温、最低气温、日照时数作为气候指标,分析锡林郭勒盟典型草原和荒漠草原MODIS NDVI与同期及前期气候因子的相关性,探讨草原植被变化的气候驱动因子。结果表明:2000—2005年锡林郭勒盟植被改善面积大于退化面积,植被退化面积最大的区域为荒漠草原,占全盟面积的12.84%,植被改善面积最大的区域为典型草原,占全盟面积29.09%。4类草原改善趋势由强到弱的顺序为草甸草原、典型草原、沙地草原、荒漠草原。对于典型草原,其NDVI与最高气温关系最密切,其次为水汽压;对于荒漠草原,其NDVI与最高气温关系最为密切,其次为最低气温。此外,NDVI对气候因子的响应表现出明显的时滞效应。     

利用温度植被干旱指数反演伊犁博州地区土壤湿度

利用MODIS合成产品数据MOD11A2和MOD13A2获取的归一化植被指数（NDVI）和陆地表面温度（LST）构建Ts—NDVI特征空间,并把该特征空间计算的温度植被干旱指数（TVDI）作为土壤湿度指标。利用该指标反演伊犁博州地区6～8月3个月份每8d的土壤湿度。然后将土壤湿度分为5级,进而得到该时段伊犁博州地区土壤湿度空间分布特征。     

伊犁地区不同草地类型植被指数与气候因子的关系

基于2006—2012年主要生长季(5—9月)MODIS旬最大值合成NDVI数据,结合同期气温、降水插值栅格资料,采用均值法、线性回归法、相关系数法分析了伊犁河谷地区七大不同草地类型NDVI的时空变化规律及其对气象因子响应的敏感性及滞后性。结果表明:(1)伊犁河谷草地植被NDVI整体呈微弱增加趋势,其中,温性荒漠类草地的增加趋势略高于其他几种类型。(2)温性草甸草原、温性草原、温性荒漠草原、高寒草原、低平地草甸的NDVI主要受降水影响,即NDVI与生长季平均降水量呈极显著正相关,且平均降水量每增加1 mm,其NDVI分别增加0.005、0.006、0.007、0.004、0.003。(3)不同草地类型与气温、降水存在不同的滞后响应,多数草地类型5月气温、降水与7月NDVI表现出显著相关性。其中,温性草甸草原、温性草原、温性荒漠草原NDVI受气温和降水共同影响,气温每升高1℃,NDVI分别减少0.020、0.028、0.027,降水每增加1 mm,NDVI分别增加0.002、0.003、0.003;高寒草原主要受降水影响,降水每增加1 mm,NDVI增加0.003;低平地草甸主要受气温影响,气温每升高1℃,NDVI减少0.016;温性荒漠、沼泽与气温、降水没有明显相关性。不同草地类型对水热因子的需求不同,是产生这种结果的主要原因。     

气候变化背景下黄河流域植被变化及其成因北大核心CSCD

研究黄河流域植被的时空变化及其影响因素,对生态文明建设政策的制定具有重要意义。基于2001~2020年MODIS(Moderate Resolution Imaging Spectroradiometer)植被指数(Normalized Different Vegetation Index,NDVI)数据集及同期气象数据,运用均值法、一元线性回归、偏相关性分析和回归残差法等方法研究了近20年黄河流域植被时空变化及驱动因素。结果表明:黄河流域NDVI整体呈上升趋势并具有较大的空间异质性,其中黄河中游NDVI增长幅度最大,为0.0496(10 a)^(-1)。生长季受降水和沿黄灌区耕作的影响,西部地区、东南部区域和宁夏平原、河套平原植被指数明显较高;从整个流域来看,降水和温度变化对NDVI的贡献分别为32.6%和15.9%,其中降水对NDVI变化的贡献主要体现在黄河上游(50.7%),而温度的贡献则在黄河下游表现最突出(32.3%);20年来,人类活动和气候变化分别对黄河流域植被变化贡献了78%和22%,其中人类活动贡献率超过80%的区域主要集中在黄土高原中部区域;整个黄河流域NDVI与干旱程度有显著的正相关性,尤其在陇中黄土高原和河东沙区等区域。黄河上游NDVI与改进的帕默尔干旱指数scPDSI的相关性最高,而下游相对较低。     

吉林省主要产粮区NDVI时空变化特征

为了确定作物长势遥感监测的评价指标,利用2000—2012年吉林省EOS/MODIS数据,采用NDVI旬最大值法,结合吉林省主要农作物生长发育的特点,对主要产粮区作物生长季旱田和水田的NDVI时空变化规律进行研究,并分析其与气温和降水的关系。结果表明:2000—2012年吉林省作物生长季农作物的NDVI随作物生长发育进程有明显的变化,水田和旱田两种作物的NDVI时间变化均呈单峰型;吉林省不同区域的NDVI变化趋势一致,5月上旬至6月上旬,NDVI呈缓慢增加的趋势;6月中旬至7月上旬,NDVI迅速增加;7月中旬至8月上旬,NDVI增加缓慢;8月中旬开始,NDVI开始下降。6月中旬开始,吉林省中部地区旱田NDVI明显高于西部地区,NDVI增长速率中部地区大于西部地区,达到峰值的时间中部地区也早于西部地区。吉林省水田NDVI变化中西部地区差异较小,均在8月上旬达到峰值,植被指数时间变化与吉林省作物生长发育进程相吻合。吉林省中西部地区作物的NDVI与气温和降水均呈正相关,气温和降水对NDVI的影响有明显滞后效应,且气温的影响大于降水。     

2000年以来中国区域植被变化及其对气候变化的响应

气候是植被变化的主要驱动因子,研究全球增暖背景下中国区域植被变化及其对气候的响应对于国家开展重大生态恢复评估和未来植被保护政策制定具有重要意义。利用2000-2016年MODIS植被指数(Normalized Difference Vegetation Index,NDVI)数据集,运用统计分析方法,从平均态、线性趋势、时间序列、相关性等方面系统分析了2000年以来中国区域植被变化及其对气候变化的响应。结果表明:中国区域NDVI在平均态上呈现从东南向西北递减的空间分布,受降水生长季的影响,东部地区植被指数明显较大;我国大部分地区NDVI呈现增加的趋势,其中湿润半湿润地区NDVI增长幅度为0.037·(10a)^-1,而在干旱半干旱地区变化较小[0.013·(10a)^-1]。NDVI的变化与气候驱动因素的相关性存在一定的区域差异,其中:NDVI与气温变化在东南沿海、东北东部以及青藏高原北部等地区呈现出显著正相关,而在青藏高原南部等地区呈现微弱的负相关;除青藏高原、塔里木盆地和东北北部等地区外,NDVI与降水量在全国大多数地区呈正相关。从全国平均来看,温度和降水变化对NDVI的贡献分别为7.5%和9.1%,其中温度对NDVI变化的贡献主要体现在湿润半湿润地区(9.3%),而降水的贡献则在干旱半干旱地区(12.2%)。植被变化对气候要素驱动的响应也呈现出明显的区域差异性,在我国东南沿海、云贵高原东部、四川盆地等南方地区以及黄河中下游、东北东部等部分地区,NDVI变化对气温的敏感性最强;而在中国北方干旱半干旱大部分地区,NDVI变化则是对降水驱动具有很显著的响应特征。总体而言,气温是驱动南方地区植被变化的主导因子,而降水则调控着北方地区植被生长变化。