基于物候特征参数的山西煤矿区典型复垦植被分类

基于2001―2013年获取的MOD13Q1 NDVI数据,采用低通平滑Savitzky-Golay(S-G)滤波方法、插值法及切比雪夫多项式(Chebyshev Polynomial)拟合对NDVI时序数据进行重构;通过提取植被生长季开始日期、生长季长度、生长季结束日期、生长季NDVI最大值及NDVI最大值出现日期等关键物候特征参数,对研究区典型复垦植被类型进行分类。结果表明:研究区不同植被的物候特征具有显著差异,从生长季开始日期及NDVI最大值出现日期来看,农作物较有规律;而林地的生长季NDVI累积总值则明显区别于农作物及草地;农作物、草地和林地基于植被物候特征参数分类取得了较好结果,总体分类精度达到89.67%,优于采用多时相非监督分类的结果;该研究为山西省煤炭矿区生态环境恢复评价提供了一定的数据基础。     

基于MODIS时序的陕西省植被物候时空变化特征分析

遥感技术作为对大尺度陆表监测研究的有效手段,被广泛应用于自然地理环境各要素的研究中。其中,植被物候作为自然界规律性、周期性的事件,对自然环境尤其是气候变化有着重要的指示作用。以陕西省为研究区,采用Savitzky-Golay(S-G)滤波方法对MODIS归一化植被指数(normalized difference vegetation index,NDVI)数据进行时间序列重构,并在此基础上,提取陕西省2001—2016年间的植被物候期信息进行其时空变化特征分析。研究结果表明:(1)陕西省的植被物候空间分布特征与其不同地形地貌的空间分布具有较好的一致性;(2)陕西省生长季开始的平均时间在每年的第120天,生长季结束的平均时间在第280天,生长季长度平均为160 d;(3)2001—2016年间陕西省植被生长季开始时间变化趋势为波动提前,变化率约为-0. 79 d/a(R2=0. 40,P 0. 01),生长季结束时间变化趋势表现为波动推迟,变化率约为0. 50 d/a(R2=0. 25,P 0. 05),生长季长度变化呈波动延长趋势,变化率约为1. 29 d/a(R2=0. 37,P 0. 05);(4)在不同的物候期,陕西省植被的物候变化趋势空间分布差异较大。     

黑河流域遥感物候产品验证与分析

植被物候遥感产品对全球变化响应、农业生产管理、生态学的应用等多领域研究具有重要意义。但现有植被物候遥感产品还有较多问题,主要包括一方面使用不同参数的时间序列数据以及不同提取算法导致的产品结果差异较大,另一方面在地面验证中地面观测数据与遥感反演数据的物理含义不一致导致的验证方法的系统性误差。本文以黑河流域为研究区,对比验证基于EVI(Enhanced Vegetation Index)时间序列数据提取的MLCD(MODIS global land cover dynamics product)植被遥感物候产品和基于LAI(Leaf Area Index)时间序列数据提取的UMPM(product by universal multi-life-cycle phenology monitoring method)植被遥感物候产品的有效性及精度等。同时,通过验证分析进一步评估基于EVI和LAI时间序列提取的物候特征的差异及特点,探讨由于地面观测植被物候与遥感提取植被物候的物理意义的不一致问题导致的直接验证结果偏差。结果表明:UMPM产品有效性整体高于MLCD产品,但在以草地和灌木为主的稀疏植被区,由于LAI取值精度的原因,UMPM产品存在较多缺失数据,且时空稳定性较低;基于玉米地面观测数据表明,EVI对植被开始生长的信号比LAI更加敏感,更适合提取生长起点,但植被指数易饱和,峰值起点普遍提前,基于LAI提取的峰值起点更加合理。由于地面观测的物候期在后期更加关注果实生长,遥感观测仅关注叶片的生长,遥感定义的峰值终点和生长终点与玉米的乳熟期和成熟期差异较大。     

植被结构及太阳／观测角度对NDVI的影响

在文献［１］中作者建立了计算多组分植被方向反射系数（ＢＲＦ）的综合解析模型。本文采用该模型研究植被空间结构对常用的归一化植被指数（ＮＤＶＩ）的影响，文中讨论了ＮＤＶＩ与叶（或植被其它组分）角分布（ＬＡＤ）、植被组分（如叶片）的特征尺度和它们在空间的散布方式，以及非叶器官面积在总面积中所占比例间的依赖关系，同时给出了ＮＤＶＩ随太阳／观测角度的变化情况。结果表明即使在叶面积指数（ＬＡＩ）固定不变时，冠层结构及植被组分光学性质的空间非均匀性对ＮＤＶＩ的大小及角分布也有十分显著的影响。通常ＮＤＷ随角度的变化是很大的，如果植被不同组分的光学性质差异很大，且事先不知道它们的空间散布方式时，那么利用ＤＮＶＩ就无法准确地估算出ＬＡＩ。但是对于组分随机分布的植被，利用远离“热点”区域的光谱资料可以使冠层其它结构参数的影响减至最小。     

中国地表植被覆盖变化及其与气候因子关系

本文利用１９８５－１９９０年连续６９个月的ＮＯＡＡ时间序列数据,进行中国植被覆盖变化的空间,以及时间序列分析,并且结合同期的平均气温,降水数据,进行植被覆盖变化与气候因子相关性分析,该文证实了在中国植被覆盖随时间的推移规律,空间分布规律,以及植被覆盖变化与气温,降水的定量关系。     

中国地表植被覆盖变化及其与气候因子关系──基于NOAA时间序列数据分析

本文利用１９８５－１９９０年连续６９个月的ＮＯＡＡ时间序列数据,进行中国植被覆盖变化的空间,以及时间序列分析,并且结合同期的月平均气温、降水数据,进行植被覆盖变化与气候因子相关性分析。该文证实了在中国植被覆盖随时间的推移规律,空间分布规律,以及植被覆盖变化与气温、降水的定量关系。     

利用日光诱导叶绿素荧光数据分析2007年—2018年北半球植被物候特征空间格局及其变化趋势

植被物候是指植被长期适应生活环境的周期性变化，形成与此相适应的生产发育节律。研究植被物候有助于更好地理解气候变化。目前利用植被遥感指数进行物候监测依然存在许多问题，而日光诱导叶绿素荧光（SIF）与总初级生产力（GPP）具有强耦合关系，在植被物候研究中具有很大潜力。本文利用双逻辑斯蒂函数模型，基于3种SIF数据（GOME-2,GOSIF和CSIF）计算了北半球地区2007年—2018年的物候特征，并与两种GPP数据和5种植被指数（VIs）数据进行对比验证。接下来利用GOME-2 SIF数据分析了北半球地区的物候分布特征，并利用Sen斜率因子检测北半球地区的物候变化趋势，最后计算了3个主要的气候因子对植被物候变化的影响。结果表明：（1）基于SIF数据计算的SOS与EOS比基于VIs数据的计算结果要更加接近于基于GPP数据的计算结果。（2）基于GOME-2 SIF数据计算的北半球地区植被2007年—2018年平均生长季始期（SOS）主要（>90%）集中在100—170 d，平均生长季末期（EOS）则主要集中在220—270 d。高海拔地区和高纬度地区相对于其他地区，SOS较晚，而EOS...     

利用R-Shiny架构的植被物候参数 分析系统设计与实现

植被物候作为反映植被与气候变化关系的重要参量,具有重要的研究意义。本文基于R语言分布式架构Shiny构建了植被物候参数分析系统,可实现站点分布可视化、感兴趣区(Region of Interest,ROI)选取与绘制、植被指数计算与可视化、数据过滤、生长曲线轨迹拟合与物候参数提取等功能模块。用户可提取不同植被类型数码相机时间序列的植被指数,并用max方法进行平滑与去噪处理,然后选择合适的方法组合拟合植被群落季相变化轨迹,最终提取较为精确的关键物候参数。林地数据系统测试结果表明:1)相对绿度指数GI比其他相对植被指数和单波段的亮度值振幅明显,其时间序列可表征植被实际生长轨迹; 2)不同拟合方法与提取方法的组合效果不同,如klosterman与klosterman方法组合适合林地类型的植被物候参数提取,用户可综合均方根误差与季节群相变化轨迹结果,筛选出适合所选植被物候数据的拟合与物候参数提取方法组合。     

时序重构的长时间序列植被变化监测研究

植被是生态系统组成的重要部分,植被指数更是植被生长变化的重要监测因子,目前已有的植被指数数据集不能很好地剔除噪声等影响,在植被生长变化的反映中存在一定的误差。基于此,本研究以惠州市作为研究区,采用极限梯度提升方法,利用2000年至2015年的GIMMS3g NDVI数据作为训练集,借助地表温度数据作为因子,进行基于极限梯度回升算法的植被指数长时间序列重构,结果表明：时序重构后的GIMMS NDV在年际变化上特征相似度较高,达到0.88,时序重构后的NDVI数据集有明显的降低。通过年、季、月、生长周期等多维度对比,时序重构后的NDVI变化周期整体较原始数据集更平滑,异常值较少,整体更符合植被生长变化的实际情况。     

NOAA气象卫星AVHRR 1A.5数据集的定位处理研究

本文主要研究对异于ＮＯＡＡＡＶＨＲＲ１Ｂ数据集的ＮＯＡＡＡＶＨＲＲ１Ａ．５数据集的定位,提出了非地标导航的定位处理方法。并在大量实验的基础上指出,从原始数据图像到等经纬度投影图的纠正过程中不宜采用间接的多项式拟合法。     

1983—1992年中国陆地植被NDVI演变特征的变化矢量分析

以NDVI时序资料为基本数据源，综合应用变化矢量分析和主成分分析方法对1983年至1992年中国陆地植被NDVI的变化强度、变化类型及空间结构变化特征进行了分析。研究结果表明在此期间中国陆地植被NDVI变化有以下特点：（1）十年间NDVI变化东西分异明显，东部变化幅度远大于西部。NDVI变化整体表现为稳中略增，增加区主要分布在台湾、福建、四川、河南等地；减少区主要分布在云南省和新疆北部等地。（2）空间结构信息表现了景观异质性，其变化主要发生在南方，反映了植被的生长和衰老过程及地形（山脉走向）变化。     

中国陆地生态系统脆弱带遥感模型

本研究通过对我国陆地生态系统8个典型样地的植被指数取样实验和图像计算结果发现，这8个样地植被指数随着水、热因子的季节变化，在时间和空间上具有一定的“绿波推移”和“景观更替”规律。在中国东部湿润的季风区（样地1－3），随着纬度的增高，其月平均植被指数与月平均气温有较大的相关。发现降水相对丰沛的地带，热量和光照条件的变化成为植被生长和变化的自然限制因子；而在中国北方森林－森林草原－典型昌原－荒漠草原－荒漠地带上，随着从东部（湿润地区）到西部（干旱地区）干湿条件的更替，月平均植被指数与降水多寡有较大的正相关关系。在8个样地上都呈现出共同的规律，即定向风的分布与植被指数的分布在时间和空间上具有逆相分布的“套合关系”。尤其在时间上有相逆套合关系，这正是中国北方沙尘暴和沙漠化加剧的自然原因。本研究定量地给出了我国陆地不同经纬度带生态系统脆弱季节和累积时间的分布。     

遥感反演和站点观测的地气温度分布特征差异

地表温度和近地表大气温度是地球系统、大气系统以及地—气相互作用物理过程的重要参量。在陆地—大气的相互作用过程中,水汽含量、NDVI指数、下垫面变化等因素会对地—气热量传输造成一定的影响。本文首先利用地表温度产品（MYD11A1）以及气温站点数据（GSOD）获得全国尺度下地表温度年最大值、近地面气温年最大值。在此基础上,使用趋势分析法分析2003年—2018年地、气温度年最大值时空分布特征及变化趋势,以及地—气温差气候倾向率变化趋势。最后,结合大气总水汽含量产品（MYD05）、NDVI指数（MYD13A3）、二氧化碳平均浓度增长率分析导致地表温度年最大值与近地面气温年最大值趋势发生变化的原因。研究结果表明：（1）在全国尺度下,2003年—2018年地表温度年最大值呈现北高南低的空间分布特征。近地面气温年最大值的空间分布与地表温度年最大值相反。大气总水汽含量年最大值在热带、亚热带季风气候区内总体较高。水汽含量既影响近地面气温的大小,同时也受到近地面气温的影响,因此,水汽含量年最大值与近地面气温年最大值表现出一定的空间分布一致性特征。（2）在2003年—2018年期间,地表温度年最大值的气候倾向率在空间上表现出北高南低的分布特征。近地面气温年最大值的气候倾向率在空间上也表现为北高南低,与地表温度年最大值的气候倾向率变化基本一致。但地表温度年最大值的变化幅度要大于近地面气温年最大值,并且在个别区域表现不一致。主要分布在天山地区、三江平原以及秦岭南侧地区,地—气年最大值变化趋势相反即地—气差减小。（3）大气总水汽含量年最大值的增加可造成近地面气温年最大值的增加,而植被覆盖度的上升可造成地表温度年最大值下降。但在天山地区大气总水汽含量与地—气差的响应不明显,但天山地区的近地面气温年最大值与CO₂平均浓度增长率的关系较为明显。（4）遥感数据反演的地表温度年最大值和站点观测的近地面气温年最大值空间分布表现出差异,但时间变化趋势基本一致。     

卫星动态观测数据揭示中国地表色调分布及时序变化特征

本文对2001年—2010年的MODIS光谱反射率数据进行时空聚类,得到2001年—2010年8天合成的色调信息,并初步分析了中国地表色调的时空分布格局及变化趋势,得出以下主要结论:(1)中国地表主色调主要由代表植被的绿色、裸土的褐色、裸土与植被混合的黄色、水体的蓝色以及冰雪的白色这5种颜色组成。分布在西北地区的褐色在一年中4个季节都为主色调。NDVI值较低的绿色光谱簇在春秋冬3个季节都为主色调,分布在南方的热带、亚热带针叶林以及灌木区。NDVI值较高的绿色光谱簇只在夏季一个季节为主色调,分布在长江中下游、华南、西南以及东北部分地区。永久白色主要分布在西藏、青海、四川等多年积雪地区。(2)黄淮海平原农业区色调在一年中呈现褐色—绿色—褐色—绿色—褐色的变化,与第一轮生长—间歇—第二轮生长物候历一致。长江中下游以及华南水稻播种和插秧时节有独特的光谱簇,呈现出植被与水体混合的特征。从华南地区、长江中下游地区到河北、陕西、甘肃、宁夏再到黑龙江,从南到北呈现出作物播种时间推迟、收割时间提早、生长期变短的现象。(3)甘肃北部、四川北部、山西北部、河北北部是年际主色调在绿色和黄色之间变化最为频繁的区域。这些年际主色调变化频繁区域也是中国绿度变化最显著的区域,也是在LUCC分类中易产生错误的地区。     

Scrutinising MODIS and GIMMS Vegetation Indices for Extracting Growth Rhythm of Natural Vegetation in India

Satellite derived vegetation vigour has been successfully used for various environmental modeling since 1972. However, extraction of reliable annual growth information about natural vegetation (i.e., phenology) has been of recent interest due to their important role in many global models and free availability of time-series satellite data. In this study, usability of Moderate Resolution Imaging Spectro-radiometer (MODIS) and Global Inventory Modelling and Mapping Studies (GIMMS) based products in extracting phenology information about evergreen, semi-evergreen, moist deciduous and dry deciduous vegetation in India was explored. The MODIS NDVI and EVI time-series data (MOD13C1: 5.6 km spatial resolution with 16 day temporal resolution—2001 to 2010) and GIMMS NDVI time-series data(8 km spatial resolution with 15 day temporal resolution—2000 to 2006) were used. These three differently derived vegetation indices were analysed to extract and understand the vegetative growth rhythm over different regions of India. Algorithm was developed to derive onset of greenness and end of senescence automatically. The comparative analysis about differences in the results from these products was carried out. Due to dominant noise in the values of NDVI from GIMMS and MODIS during monsoon period the phenology rhythm were wrongly depicted, especially for evergreen and semi-evergreen vegetation in India. Hence, care is needed before using these data sets for understanding vegetative dynamics, biomass cestimation and carbon studies. MODIS EVI based results were truthful and comparable to ground reality. The study reveals spatio-temporal patterns of phenology, rate of greening, rate of senescence, and differences in results from these three products.     

中国东部气溶胶光学厚度季节变化的数值模拟

气候模式对气溶胶光学厚度AOD的合理模拟,是模拟研究气溶胶气候效应的前提。利用在线耦合的区域气候—大气化学—气溶胶耦合模式系统RIEMS-Chem,模拟研究了2010年中国东部地区AOD的季节变化情况。模拟结果与卫星搭载的中分辨率成像光谱仪(MODIS)的反演资料和地基气溶胶观测网(AERONET)的站点观测资料分别进行了一年四季的详细对比,检验结果显示尽管模拟值有所低估,模式仍然能够合理地反映AOD的季节变化情况和空间分布特征,与AERONET站点观测值相比,整体相关系数为0.6。MODIS反演和相应模拟结果均显示,中国东部地区AOD整体水平夏季最大,春季次之,秋、冬季最小,华北平原、四川盆地和华中地区是AOD的主要大值区。只考虑日间AOD时,其季节分布特征略有不同,在华北平原地区,日间AOD夏季最大(1.1—1.5),在长江中下游流域地区,日间AOD则在春季最大(1.1—1.7);在中国东部,日间AOD的大值在夏、冬两季分别主要分布在长江以北、以南地区,而在春、秋两季则主要位于长江中下游流域。     

Differences between cropland and rangeland MODIS phenology (start-of-season) in Mali

Start-of-season data are more and more used to qualify the land surface phenology trends in relation with climate variability and, more rarely, with human land management. In this paper, we compared the phenology of rangeland vs cropped land in the Sahel belt of Africa, using the only currently available global phenology product (MODIS MCD12Q2 – Land Cover Dynamics Yearly), and an enhanced crop mask of Mali. The differences in terms of start-of-season (SOS) are spatially (north south gradient), and temporally (10 years, 2001–2009) analyzed in bioclimatic terms. Our results show that globally the MODIS MCD12Q2 SOS dates of croplands and rangelands differ, and that these differences depend on the bioclimatic zone. In Sahelian and Guinean regions, cropland vegetation begins to grow earlier than rangeland vegetation (8-day and 4-day advance, respectively). Between, in the Sudanian and Sudano-Sahelian parts of Mali, rangeland vegetation greens about one week earlier than croplands. These results are discussed in the context of the land surface heterogeneity at MODIS scale, and in the context of the natural vegetation ecology. These results could help interpreting phenological trends in climate change analysis.     

Rice crop phenology mapping at high spatial and temporal resolution using downscaled MODIS time-series

Satellite data holds considerable potential as a source of information on rice crop growth which can be used to inform agronomy. However, given the typical field sizes in many rice-growing countries such as China, data from coarse spatial resolution satellite systems such as the Moderate Resolution Imaging Spectroradiometer (MODIS) are inadequate for resolving crop growth variability at the field scale. Nevertheless, systems such as MODIS do provide images with sufficient frequency to be able to capture the detail of rice crop growth trajectories throughout a growing season. In order to generate high spatial and temporal resolution data suitable for mapping rice crop phenology, this study fused MODIS data with lower frequency, higher spatial resolution Landsat data. An overall workflow was developed which began with image preprocessing, calculation of multi-temporal normalized difference vegetation index (NDVI) images, and spatiotemporal fusion of data from the two sensors. The Spatial and Temporal Adaptive Reflectance Fusion Model was used to effectively downscale the MODIS data to deliver a time-series of 30 m spatial resolution NDVI data at 8-day intervals throughout the rice-growing season. Zonal statistical analysis was used to extract NDVI time-series for individual fields and signal filtering was applied to the time-series to generate rice phenology curves. The downscaled MODIS NDVI products were able to characterize the development of paddy rice at fine spatial and temporal resolutions, across wide spatial extents over multiple growing seasons. These data permitted the extraction of key crop seasonality parameters that quantified inter-annual growth variability for a whole agricultural region and enabled mapping of the variability in crop performance between and within fields. Hence, this approach can provide rice crop growth data that is suitable for informing agronomic policy and practice across a wide range of scales.