基于LSWI和NDVI时间序列的水田信息提取研究

利用多时相的Landsat TM/ETM+和DEM数据,分别采用直方图匹配(HM)和准不变特征点(PIFs)方法对影像序列进行相对辐射校正,减少了影像的光照和大气条件在时间上的不确定性,提高了归一化植被指数(NDVI)和地表水分指数(LSWI)的计算精度。根据水稻在不同生育期表现出的生理特征,基于LSWI和NDVI时间序列及高程特征,采用二叉树方法提取了浙江省金华市水田信息。经过验证,在空间上水田信息的提取精度达到92.3%,在县域尺度上提取面积与统计年鉴具有0.97的相关度。     

应用面向对象的决策树模型提取橡胶林信息

橡胶林的无序和不合理种植引发了一系列的生态问题,快速监测橡胶林空间分布及动态变化,对橡胶的合理种植、区域生态环境保护以及有关部门的规划决策有重要的指导意义。以MODIS归一化植被指数NDVI时间序列数据和多时相的Landsat TM数据为基础分析橡胶林的季相和光谱特征,确定橡胶识别的关键时期和特征参数,构建面向对象的决策树分类模型,开展橡胶信息提取研究。结果表明,多时相的遥感数据可反映橡胶的季相特征,以TM数据为基础计算得到的陆表水分指数LSWI和归一化植被指数NDVI可作为橡胶识别的光谱特征参数,橡胶休眠期是利用遥感方法进行橡胶提取的最佳时期。相比于单时相数据,利用包含橡胶关键物候期的多时相遥感数据能得到更高的橡胶林提取精度。     

美国南达科他州Black Hills国家森林公园2000年森林火灾后植被恢复过程研究(英文)

森林火灾在景观上往往造成不同程度的森林冠层损失,而冠层影响光合作用和蒸散,因此刻画灾后森林冠层恢复的轨迹对于了解生态系统过程具有重要意义。森林冠层的损失和恢复通常采用叶面积指数(LAI)或其它能够反映冠层光合能力的植被指数进行表征。本研究中,我们采用Terra卫星搭载的中分辨率成像光谱仪(MODIS)的长时间序列影像(2000-2009年)来重建火灾后森林冠层恢复的过程。以美国南达科他州布莱克山国家森林公园(The Black Hills National Forest, South Dakota)为例,该地区在2000年8月24日经历了一次大的自然火灾,烧毁了近33 785 ha森林,其中大部分是美国黄松林。基于LAI的研究表明,植被冠层光合能力在3年内(2001-2003年)基本恢复,这主要来自于林下未烧毁草地在灾后的快速生长;火烧迹地的NDVI和EVI在这3年内也呈现恢复的态势。可见,LAI、NDVI和EVI在火灾几年之后便难以有效地识别火烧迹地。然而,陆地表面水分指数(基于近红外和短波红外波段的遥感标准化指数,简称LSWI),能够有效地识别和追踪火烧迹地至今的整个过程(2000-2009年)。这一研究结果也使得采用其它具有近红外和短波红外波段的传感器研究森林火灾迹地恢复和干扰过程成为可能,其中包括Landsat 5 TM影像(可追溯至1984年)。更长时间序列的数据对于研究森林火灾灾后生态系统干扰和恢复过程、森林演替模拟以及碳循环具有重要的支撑作用,LSWI指标证明能够有效地刻画这一过程。     

基于遥感数据的江苏省水稻收获期时空分析研究

本研究基于2001—2020年中分辨率成像光谱仪遥感产品,使用谐波分析重建完整作物生长过程植被指数变化曲线,对江苏省范围内水稻种植区域的收获期进行提取。同时利用Sen趋势分析与相关分析方法,研究水稻收获期时空动态变化趋势与影响因子。结果表明:利用谐波分析方法能够较好地重建作物生长期生理参数变化曲线,滤波值与原始值线性相关系数达到0.8;水稻收获期分布在9月中旬到12月上旬之间,2010年之后,10月中下旬之后占比增加,达到50%以上;部分地区水稻收获期呈现延迟趋势,南京北部、扬州、盐城北部地区为3 d·a^-1及以上,泰州、南通等地区保持稳定,趋势绝对值低于1 d·a^-1;9—11月降水日数与降水量均对水稻收获期有影响,10月降水量与收获期存在负相关,10、11月降水日数与收获期存在正相关。本研究的基于遥感的水稻收获期提取方法为大范围的水稻农业物候信息提取提供参考。     

2000-2014年蒙古高原植被覆盖时空变化特征及其对地表水热因子的响应

利用MODIS NDVI数据、同期地表水热组合数据和植被类型数据,对2000-2014年蒙古高原生长季和三季（春、夏、秋季）植被覆盖时空演变特征及其对地表水热因子响应模式进行分析。研究表明：这15 a来,蒙古高原生长季及三季归一化植被指数NDVI均呈增加趋势,且呈显著增加趋势区域主要集中在内蒙古地区,一定程度上反映了该地区生态恢复工程的有效性。研究区植被覆盖变化与地表水分指数LSWI有密切的关系,因此证明研究区植被覆盖的增加归因于自然和人为因素的共同作用。不同类型植被NDVI均呈增加趋势,其中荒漠植被NDVI增加最明显,森林植被增加平缓,且存在季节性差异。此外,不同类型植被NDVI受水热因子影响也存在季节性差异。     

珠穆朗玛峰国家级自然保护区湿地分布研究

利用2000～2009年覆盖珠穆朗玛峰国家级自然保护区的MOD09A1和MOD13Q1数据集的相关数据,该保护区1：5万DEM,并结合2008年9月采集的野外湿地数据,进行了基于增强型植被指数（EVI）、改进型调整植被指数（MSAVI）、地表水分指数（LSWI）、海拔和坡度5个参数的保护区湿地分布特征研究。结果表明,珠穆朗玛峰国家级自然保护区的湿地类型主要为河流、湖泊、沼泽和沼泽化草甸;湿地主要分布在海拔4100～4700m且坡度≤4°的佩枯错、浪强错、多布扎等湖泊密集的高原湖盆地区、佩枯错与浪强错之间的平原地带和保护区中部及北部坡度较缓的河谷地区,大部分湿地分布在保护区的实验区内;2000～2008年保护区湿地以季相变化为主,6～9月（湿季）湿地面积约占保护区总面积的11．2％;6～9月湿地面积年际变化幅度小于保护区总面积的0．1％;坡度和海拔是影响保护区湿地空间分布的关键因素和提取该地区湿地空间分布范围的有效参数。     

基于GlobeLand 30的水田提取方法研究

Globe Land 30是全球首套30 m分辨率地表覆盖数据产品,分为10种类型,包括耕地、森林、草地、灌木地等,分类精度经过多方验证达83.51%,Kappa系数0.78,耕地的分类精度达83.06%。由于Globe Land 30耕地图层没有更加详细的耕地亚类信息,限制了其广泛应用。本文试图基于Globe Land 30耕地数据探索一种快速提取水田信息的方法,进而为获取全球范围的水田分布信息提供技术支持。该方法基于TM影像的归一化植被指数NDVI、地表水分指数LSWI、近红外波段的反射率ρnir和短波红外波段的反射率ρwir,通过Google Earth选取的水田样本,统计水田的光谱特征和空间特征,建立水田提取的知识规则,然后结合多尺度的分割对象图斑自动化识别水田信息。文中选取了江苏省高邮市实验区进行水田提取试验,结果表明:采用该方法分类精度比基于像素的决策树方法提升大约6%,并能有效地消除椒盐误差,图斑完整性较好。