2001—2015年海南岛橡胶林物候时空变化特征分析

为分析海南岛橡胶林物候特征,探究热带森林植被物候变化特征,本研究利用MODIS归一化植被指数(nor-malized difference vegetation index,NDVI)数据,采用Savitzky-Golay(S-G)滤波法重建2001—2015年的MODIS NDVI时间序列,利用动态阈值法和典型样区提...     

MODIS植被指数时间序列Savitzky-Golay滤波算法重构

利用Savitzky-Golay(S-G)滤波方法对若尔盖高原湿地区2000—2009年MODIS16d最大值合成的NDVI时间序列数据进行了重构,并与中值迭代滤波法、傅里叶变换法进行了比较。结果表明,基于S-G滤波的时间序列重构方法重构后的NDVI时间序列在直观及像元的时间序列曲线上均取得了较好的效果,对提高该数据产品质量有很大帮助,通过该方法重构后的高质量的NDVI时间序列对利用该数据源对若尔盖湿地生态系统监测提供了良好的基础。     

基于NDVI序列影像精化结果的植被覆盖变化研究

植被归一化指数(NDVI)是地表植被覆盖特征的重要指标之一。本文以三峡库区2001-2003年MODIS遥感数据反演的NDVI时间序列影像为例,研究NDVI影像序列的精化问题,包括降云及去噪处理的有效方法。在改进的BISE技术降云处理的基础上,采用小波软阈值降噪方法提取有效变化趋势。然后进行库区2001-2003年植被变化的变化矢量分析,采用阈值分割的方法将库区变化强度影像分为未变化、小变化、中等变化与剧烈变化四个类型。研究成果可为三峡库区宏观生态环境变化的掌握提供一定的依据。     

融合时间序列环境卫星数据与物候特征的水稻种植区提取

获取高精度的区域水稻种植面积对于农业规划、配置与决策具有重要意义。区域尺度的水稻面积获取依赖于高时空分辨率影像,但受卫星回访周期和气候影响,难以获取足够时间序列的高时空分辨率影像,从而影响水稻种植面积遥感提取的精度。为此,提出适应于中国南方多雨云天气地区,基于国产环境卫星(HJ-1A/1B)与MODIS融合数据的水稻种植面积提取的新方法。以洞庭湖区为实验区,利用STARFM模型融合环境卫星NDVI数据与MODIS13Q1数据,获取时间序列的环境卫星NDVI数据,利用水稻关键期的NDVI数据结合物候特征参数对水稻种植区域进行提取。结果表明,该方法能有效提取区域水稻种植的面积,水稻种植面积提取的总体精度与Kappa系数分别达到91.71%与0.9024,分类结果明显优于仅采用多光谱影像或NDVI数据。该研究为中国南方多雨云天气地区水稻种植面积提取提供了有效的方法。     

MODIS NDVI和AVHRR NDVI 对草原植被变化监测差异

以草地作为研究载体,对比分析草原植被AVHRR NDVI和MODIS NDVI两种NDVI序列的年内、年际变化特征,讨论两种NDVI序列对降水量、平均气温和水汽压3种气候因子的响应差异,为合理选择NDVI序列对植被进行监测研究提供参考。结果表明：(1)两种NDVI序列所反映的草原植被年内变化趋势相似,但MODIS NDVI对各类草原的区分度优于AVHRR NDVI;(2)两种NDVI序列所反映的2000年—2003年草原植被年际变化差异明显。较之于MODIS NDVI,AVHRR NDVI变化趋势分类图表现出更强的植被改善趋势,植被改善面积在AVHRR NDVI变化趋势分类图中占94.25%,在MODIS NDVI中为83.33%;两种NDVI变化趋势分类图反映的植被变化趋势吻合度为52.88%。(3)两种NDVI序列与水汽压、降水量相关性差异显著。MODIS NDVI与各站点平均气温的相关系数均大于GIMMS NDVI;而MODIS NDVI与水汽压的相关系数83%(10个站点)小于GIMMS NDVI,与降水量的相关系数67%(8个站点)小于GIMMS NDVI。     

一种高时空分辨率NDVI数据集构建方法-STAVFM

ETM NDVI可以用来在30m的尺度上开展植被的监测,然而在Landsat卫星16天的重访周期和云污染等因素的影响下,常常会在相当长的一段时间内无法获取有效的ETM NDVI数据,给这一尺度下的植被动态监测带来了一定困难。相比之下,MODIS虽然在空间上只有250m分辨率的NDVI产品,却可以每天进行相同区域的监测。针对ETM空间分辨率高和MODIS时间分辨率高的特点,本研究选择实验区,基于对STARFM方法的改进,构建不同时空分辨率NDVI的时空融合模型-STAVFM,使用该模型对ETM NDVI与MODIS NDVI融合,构建了高时空分辨率NDVI数据集。研究结果表明,通过MODIS NDVI时间变化信息与ETM NDVI空间差异信息的有机结合,实现缺失高空间分辨率NDVI的有效预测（3景预测NDVI与实际NDVI的相关系数分别达到了0.82、0.90和0.91）,从而构建高时空分辨率NDVI数据集。所构建的高时空分辨率NDVI数据集在时间上保留了高时间分辨率数据的时间变化趋势,空间上又反映了高空间分辨率数据的空间细节差异。     

基于EOS/MODIS若尔盖高原地区湿地信息提取及变化监测

以若尔盖高原地区为研究区,利用多时相中分辨率成像光谱仪MODIS(Moderate Resolution Imaging Spectroradiometer)遥感影像数据,采用基于归一化植被指数(NDVI)的时间序列谐波分析方法,对2001~2013年夏季的MODIS/NDVI和MODIS/EVI进行重构,去除云干扰,采用决策树分类方法获取若尔盖高原地区2001~2013年夏季湿地信息的分布数据并作统计。结果表明:基于EOS/MODIS遥感数据,采用决策树分类方法获取若尔盖高原地区的湿地信息数据是可行的;若尔盖高原地区的湿地面积是随年际的变化呈锐减趋势,若尔盖高原地区湿地的退化主要是受到近年来气候暖干化的影响,人类活动则加剧了湿地萎缩及退化的趋势。     

基于MODIS数据的环北京地区土地资源监测研究

本文基于MODIS 16天合成的NDVI时间序列数据及其他辅助数据,首先用PCA方法对NDVI时间序列数据进行信息增强与压缩处理,结合LST数据、DEM数据及降雨温度数据,利用模糊K-均值非监督分类法,进行环北京地区的土地覆盖分类,得到土地资源现状情况。然后利用变化矢量(CVA)分析方法对环北京地区的土地利用及植被覆盖的多年变化状况进行了分析。结果表明,MODIS数据能很好的应用于大范围的土地资源监测中,并能得到较好的结果。     

基于MODIS植被指数的塔河流域植被时空变化特征研究

基于获取的塔河流域2000~2014年历年4~10月间逐月MODIS植被指数产品,采用时间序列谐波分析法(HANTS)对最大值合成的逐月NDVI时间序列数据进行了重建,用趋势线分析法对塔河流域近15年生长季(4~10月)MODIS NDVI的时间变化进行计算,用一元线性回归趋势法计算得到了塔河流域近15年生长季(4~10月)NDVI变化趋势的空间分布。结合植被类型分布图对计算得到的实验结果进行了研究分析,总结了塔河流域多年植被覆盖的时空分布及其变化规律,成果可为塔河流域综合治理及生态环境评价提供依据。     

知识引导的稀疏时间序列遥感数据拟合

在多云多雨的地区,光学遥感存在着获取无云数据困难的难题,这会导致时间序列应用中可用数据匮乏。因此,本文面向稀疏时间序列遥感数据,根据噪声造成遥感影像上归一化差分植被指数(NDVI)被低估的事实,提出了一种知识引导的拟合方法。首先,在遥感影像预处理的基础上,利用先验知识和时序差分法对噪声进行识别和剔除;然后,采用高斯二阶模型对原始数据进行拟合;最后,根据拟合残差更新权重,进行迭代拟合,重复上述过程直至获得稳定的结果。本文以Landsat 8 OLI作为数据源,对浙江省杭州地区的森林数据进行拟合,结果表明:在稀疏时间序列数据的情况下,本文方法与MODIS数据拟合结果的相关系数达到0.92,关键时点(如NDVI峰值点等)的时间误差在5 d;相比当前主流方法的0.88与8 d具有更高的精度。     

A cloud detection method based on a time series of MODIS surface reflectance images

The Moderate Resolution Imaging Spectroradiometer (MODIS)-Terra surface reflectance product (MOD09A1), with bands 1 to 7, is a gridded, eight-day composite product derived from the MODIS-Terra top of atmosphere reflectance swaths. It performs cloud detection and corrects for the effects of atmospheric gases and aerosols. The cloud mask (CM) algorithms for MODIS are based on empirical thresholds on spectral reflectance and brightness temperature. Since the spatial resolution of the thermal band is 1000 m, while that of MOD09A1 is 500 m, many undetected and false clouds are observed in MOD09A1. These errors always result in temporal and spatial inconsistencies in higher-level products. In this paper, a cloud detection algorithm (TSCD) based on a MOD09A1 time series is introduced. Time series cloud detection (TSCD) algorithm is based on the relative stability of ground reflectance and the sudden variations in reflectance that result from cloud cover. The algorithm first searches the clear-sky reference data, and then discriminates clouded and unclouded pixels by detecting a sudden change of reflectance in the blue wavelength and spectral correlation coefficient at the pixel level. Compared with cloud cover assessments obtained from MODIS' original CM, TSCD provides similar or better discrimination in most situations when the land surface changes slowly.     

区域作物生长过程的遥感提取方法

提出利用时序NDVI数据提取作物生长过程方法。遥感数据在采集过程中受云、大气因子的影响 ,以及混合像元问题 ,造成时序植被指数值变得没有规律 ,对比性不强。采用基于最小二次方拟合的谐函数分析方法 ,依据作物轮作规律和生长周期性特征 ,用主要频率的正弦、余弦谐函数重建时序图像 ,去除了影像中云污染的影响。以中国的旱地为例 ,考虑到像元内旱地对NDVI值的贡献率 ,计算区域内旱地像元加权平均值来反映其作物生长过程。同时与区域所有像元的平均值、旱地平均值等统计方法的结果进行对比分析 ,表明区域内旱地的加权平均值能够削弱旱地比例和地域间的差异 ,突出耕地上作物的生长过程特征。通过与地面实测数据分析 ,平滑前后的作物生长过程与叶面积指数相关性增加 5 %— 11% ,采用区域加权平均的方法得到的作物生长过程 ,比旱地平均和NDVI平均的结果与叶面积指数的相关性增加 14 %— 17%。     

遥感定量反演地表参数对于气候变化的响应研究

遥感定量反演地表参数时间序列产品已被广泛应用于植被动态变化、全球气候变化、防灾减灾及环境保护等领域。由于卫星观测往往受到大气条件（如云、气溶胶、水汽等）以及传感器自身稳定性的影响等,许多由卫星观测反演得到的陆表产品,如归一化差值植被指数（NDVI）、叶面积指数（LAI）、地表温度（LST）、微波极化亮温（PDBT）等存在严重的时空不连续问题。为了获取时间序列上连续、空间上完整的地表参数遥感产品以满足长时序的陆面过程分析与建模的需求,目前已发展多种遥感时间序列重建模型。本文介绍了基于傅里叶变换的时间序列谐波分析（HANTS）方法,能够识别并去除受到云和大气影响的像元（噪声）,对原始时序数据进行时间插值来重建连续时间序列的数据,并针对其面向多种不同时空尺度的遥感反演地表参数以及在非洲、南美洲、欧洲、中国及印度等全球不同地区的应用研究进行了综述,包括植被动态变化对于气候变化及流域水循环过程的响应、干旱监测、基于土壤含水量饱和度时间序列分析的洪涝灾害易发区监测、遥感估算地表蒸散发时间尺度扩展等方面的研究,充分阐释了遥感时间序列产品在地气相互作用的各类研究领域的应用。     

利用时间序列傅立叶分析重构无云NDVI图像

利用基于傅立叶变换的HANTS算法，对中国地区（不包括南海诸岛）AVHRR NDVI时间序列数据进行简化和压缩，将植被的动态变 化情况通过NDVI在时间和空间上量化，实现了时间序列图像中云和错误信息的检测、去除和替代。利用HANTS算法提取时间序列的傅立 叶分量（幅值分量、频率分量），并由这些分量得出NDVI时间序列拟合曲线，依照曲线进行时间上的插值，从而重构无缝的时间序列图 像。     

Land cover classification of the North China Plain using MODIS_EVI time series

Moderate Resolution Imaging Spectroradiometer (MODIS) data have played an important role in global environmental and resource research. However, its low spatial resolution has been an impediment to researchers pursuing more accurate classification results. In this research, the high temporal resolution of MODIS was employed to improve the accuracy of land cover classification of the North China Plain using MODIS_EVI time series from 2003. Harmonic Analysis of Time Series (HANTS) was performed on the MODIS_EVI image time series to reduce cloud and other noise effects. The improved MODIS_EVI time series was then classified into 100 clusters by the Iterative Self-Organizing Data Analysis Technique (ISODATA). To distinguish ambiguous land cover classes, a decision tree was built on five phenological features derived from EVI profiles, Land Surface Temperature (LST) and topographic slope. The overall accuracy of the final land cover map was 75.5%, indicating the promise of using MODIS EVI time series and decision trees for broad area land cover classification.     

复种指数遥感监测方法

复种指数是反映水土光与自然资源利用程度的指标 ,其实质是沿时间序列 ,反映某一种植制度对耕地的利用程度。联系复种指数与时间序列NDVI曲线的纽带是农作物年内的循环规律。时间序列的NDVI值蕴涵着植被的生长和枯萎的年循环节律 ,经时间序列谐函数分析法 (HarmonicAnalysisofTimeSeries ,HANTS)重构的NDVI曲线 ,可以准确地反映农作物的出苗、拔节、抽穗、收获等物理过程。因此 ,根据时间序列的NDVI曲线的周期性 ,可以反向捕捉到耕地农作物动态的信息 ,进而得到耕地的复种指数。本文依据上述原理 ,提出复种指数遥感监测的方法 ,然后用 1999年至 2 0 0 2年 4年的VGT(SPOT4卫星vegetation数据 )旬合成NDVI时间序列数据集提取了复种指数 ,并利用地面样区观测结果和统计数据进行检验 ,取得很高的精度。     

Spatial and Temporal Relationships among NDVI,Climate Factors,and Land Cover Changes in Northeast Asia from 1982 to 2009

This study uses a multiple linear regression method to composite standard Normalized Difference Vegetation Index (NDVI) time series (1982-2009) consisting of three kinds of satellite NDVI data (AVHRR, SPOT, and MODIS). This dataset was combined with climate data and land cover maps to analyze growing season (June to September) NDVI trends in northeast Asia. In combination with climate zones, NDVI changes that are influenced by climate factors and land cover changes were also evaluated. This study revealed that the vegetation cover in the arid, western regions of northeast Asia is strongly influenced by precipitation, and with increasing precipitation, NDVI values become less influenced by precipitation. Spatial changes in the NDVI as influenced by temperature in this region are less obvious. Land cover dynamics also influence NDVI changes in different climate zones, especially for bare ground, cropland, and grassland. Future research should also incorporate higher-spatial-resolution data as well as other data types (such as greenhouse gas data) to further evaluate the mechanisms through which these factors interact.     

增强型多时相云检测

针对云检测在高亮度地表以及雪覆盖区域存在过度检测的问题,设计了一种不依赖热红外波段的增强型多时相云检测EMTCD(Enhanced Multiple Temporal Cloud Detection)算法。首先,利用云的光谱特征建立单时相云检测规则,并基于云、雪的光谱差异构建了增强型云指数ECI(Enhanced Cloud Index),改进了云、雪的区分能力;其次,以同一区域无云影像为参考,基于ECI指数构建了多时相云检测算法,较好地克服了单时相云检测中高亮度地表、雪和云容易混淆的问题,提高了云检测的精度;最后,选择两个典型区域的Landsat-8 OLI影像,对比分析了不同算法的云检测结果。实验结果表明:ECI指数能够有效区分云、雪,EMTCD方法的平均检测精度达到93.2%,高于Fmask(Function of mask)(81.85%)、MTCD(Multi-Temporal Cloud Detection)(66.14%)和Landsat-8地表反射率产品LaSRC(Landsat-8 Surface Reflectance Code)的云检测结果(86.3%)。因此,本文提出的EMTCD云检测算法能够有效地减少高亮度地表和雪的干扰,实现不依赖热红外波段的高精度云检测。