多时相遥感影像的甘蔗种植范围提取

针对利用遥感技术提取农作物种植范围容易混淆其他植被类型的难题，提出一种基于生长关键物候期原理的农作物种植范围提取方法。该方法利用目标农作物在时间序列归一化植被指数(NDVI)上的数值变化确定其关键物候期，采用关键物候期植被指数的差值作为主要提取指标，统计分析各类型样本图斑指标特征值，确定用于提取目标农作物种植范围的指标阈值，采用决策树分类方法提取出种植范围。该文以我国南方甘蔗种植区为研究对象，结果表明：该方法充分利用了农作物生长规律特征，增强了目标农作物与其他地表覆盖类型的可分性，单纯自动化提取结果精度达87.53%,能够满足总体掌握农作物种植范围的需要，可为农作物种植范围提取提供参考。     

利用MODIS数据识别水稻关键生长发育期

利用遥感方法提取中国范围内的水稻关键生长发育期。首先, 对时间序列Terra MODIS-EVI(Enhanced Vegetation Index)进行傅里叶和小波低通滤波平滑处理, 然后, 根据水稻在移栽期、分蘖初期、抽穗期和成熟期的EVI变化特征, 实现对各个生长发育期的识别。通过将利用2005年MODIS数据识别的结果与当年气象台站的地面观测资料进行比较, 采用本研究中的识别方法得出的水稻各个生长发育期的绝对误差大部分小于16d, 经过F检验表明提取的结果与地面观测资料在0.05水平下具有显著一致性。研究中的信息提取方法可被用于其他年份的水稻生长发育期识别, 根据其他作物的生长发育特点, 也可能适合于提取其他作物的生长发育期。     

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...     

全美物候观测计划为气候变化研究提供证据

UCAR、芝加哥植物园（Chicago Botanic Garden）等单位与美国国家物候网（USA National Phenology Network）、美国国家生态观测网（National Ecological Observatory Network）共同组织发起了一个全美物候观测计划（BudBurst计划），资金来源于美国鱼类和野生动物局（U．S．Fishand Wildlife Service）、     

陆表物候监测的遥感指数多维度评估

针对陆表植被物候监测已发展了很多遥感指数,但不同遥感指数表征陆表植被季节性变化的能力存在差异。目前,有关陆表植被物候遥感指数的评估大多在不同标准下开展,导致研究结果间的可比性较差,致使无法根据不同区域选择出最佳的遥感指数,从而影响大尺度（如半球乃至全球）的陆表物候监测精度。本文在北半球中高纬度地区,以75个碳通量塔站点的406条记录和129个物候相机站点的482条记录为参考标准,对10种遥感指数应用于陆表物候监测的能力进行了系统性评估,并从两个精度评估视角（物候提取准确度、物候变化趋势一致性）、4个维度（植被类型、地理环境、物候类型、物候事件）对比分析了各种情况下的最佳遥感指数及其精度。虽然部分遥感指数在多数情况下均表现最佳,但不同植被类型、地理环境、物候类型（功能物候、结构物候）、物候事件（春季、秋季）组合情况下的最佳遥感指数并不聚焦于少数几种,而是散布于各类遥感指数之中;即使是采用了最佳遥感指数,但在某些情况下,其用于陆表物候监测的误差仍较大。从不同的精度评估视角来看,物候提取准确度高的遥感指数并不一定与物候变化趋势一致性高的遥感指数相对应,说明应根据关注视角来选择最佳遥感指数。本...