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。     

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。     

利用Landsat时序NDVI数据进行新疆石河子垦区灌溉作物分类

精确的农作物分类信息对于农业环境评估、水资源利用规划非常重要,尤其是在干旱、半干旱地区。本文利用30 m分辨率的Landsat NDVI时间序列数据进行了新疆石河子垦区混合农作物精确区分的潜力研究。首先利用S-G滤波重构了Landsat NDVI时间序列,然后基于SVM模型对研究区域农业类型进行了精确分类。在SVM分类模型作用下,S-G重构后的时间序列有效地将该地区棉花、玉米、小麦等主要作物区分开来,精度高于0.86,Kappa系数大于0.82。结果表明,S-G滤波能够有效提高NDVI时间序列数据质量;TM影像时间序列在监测干旱、半干旱地区的作物类型和种植方式随时间的变化方面存在巨大潜力。     

基于NDVI时间序列数据的江西省水稻种植制度变化研究

利用Savitzky-Golay滤波对覆盖江西省范围的SPOT VGT NDVI时间序列数据进行平滑处理的基础上,结合坡度数据,通过非监督分类的方法提取了江西省2000、2005和2010年水稻种植范围,并根据NDVI的年内动态变化,从水稻种植范围、水稻生长季起始时间、水稻复种指数和NDVI最大振幅等分析了江西省水稻种植和生长情况,探讨2000~2010年江西省水稻生产的变化。     

MODIS和HJ-1 CCD数据时空融合重构NDVI时间序列

遥感数据反演高时空分辨率NDVI对监测植被动态变化过程具有重要意义,然而受天气影响,单颗卫星难以提供时间连续的高空间分辨率NDVI数据。以华北平原中东部为实验区,联合HJ-1 CCD数据和MODIS数据,对STARFM算法进行了改进,(1)考虑了不同地物对光谱响应的差异,为减少分类错误利用统计学上()对分类数据进行筛选,按照不同地物类型分别利用线性拟合方法修改光谱距离权重;(2)定义了预测半径,对HJ-1 CCD数据因外界影响而缺失的影像进行了预测。结果表明,与真实影像相比,预测结果呈现了较好的空间一致性,相关系数均达到了极显著相关,改进算法的预测精度要高于原算法。利用该方法将HJ-1 CCD NDVI的空间变化信息与MODIS NDVI时间变化信息有机结合重构了高时空分辨率NDVI序列,有效补充了HJ-1CCD NDVI的缺失数据集。     

基于MODIS—NDVI时序数据的重庆市植被变化研究

采用最大值合成（MVC）与最佳指数斜率提取（BISE）组合法和时间序列谐波分析法（HANTS）对重庆地区2006～2010年的共五年MODIS—NDVI时序数据进行降噪处理与数据重构,对重构结果进行对比与评价,并选其优者来评估重庆市的植被生长动态变化。结果表明,HANTS方法的除云去噪效果优于MVC与BISE组合法;2006～2010年,重庆市400m以下的地区植被变化较大,400m以上的区域植被呈连续变好趋势,研究结果可为重庆市生态保护与生态建设提供依据。     

基于MODIS—NDVI时序数据的重庆市植被变化研究

采用最大值合成（MVC）与最佳指数斜率提取（BISE）组合法和时间序列谐波分析法（HANTS）对重庆地区2006～2010年的共五年MODIS—NDVI时序数据进行降噪处理与数据重构,对重构结果进行对比与评价,并选其优者来评估重庆市的植被生长动态变化。结果表明,HANTS方法的除云去噪效果优于MVC与BISE组合法;2006～2010年,重庆市400m以下的地区植被变化较大,400m以上的区域植被呈连续变好趋势,研究结果可为重庆市生态保护与生态建设提供依据。     

子像元NDVI时间序列曲线生成研究

获取具有时态特性的NDVI曲线是进行土地利用与植被覆盖变化分析的必要步骤,为有效地利用多源遥感影像数据,本文基于尺度下降理论,利用具有不同时间分辨率的高、低空间分辨率遥感影像,采用线性光谱混合模型反向分解低空间分辨率混合像元,计算其子像元级地物反射率,生成具有高时态特性的子像元级NDVI时间序列曲线,使利用有限的遥感数据资源进行较精细的动态植被生物量变化分析成为可能。通过真实影像数据实验分析,其结果验证了该方法的有效性。     

基于极大熵和小波的时间序列数据预测研究

在极大熵准则的基础上,以苏州虎丘塔的历史形变观测数据为例,进行时序数据的预测分析。研究不同的样本数据选择原则对预测效果的影响。然后在一致的样本基础上,得到基于不同的模型参数估计方法的时序数据预测曲线,并通过小波的去噪分析进行不同曲线之间优劣的比较。结果表明,在1985年到2000年期间,塔体的变形周期在不断的延长,但总体而言,塔体的变形是在不断的加剧。而基于极大熵参数估计法的AR(p)模型能对实际的观测曲线有很好模拟和预测效果,选择均匀步长的样本数据对提高模型预测精度是很重要的。     

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%。     

基于MODIS时间序列数据的滤波降噪新方法

去噪的效果对MODIS时序数据产品的应用有很大影响。过去二十年里,出现了很多去噪方法(例如,MVC,BISE,小波变换,拟合函数等等),这些方法大多分为两个步骤:使用质量标记,然后采用具体滤波方法或进行曲线拟合。这些方法多数是参考了质量信息或其他辅助数据后选出时间点值。本文指出,可以在以上两步间增加一个去除尖峰信号的过程。该方法首先选择三个定位点以确定曲线,然后进行双向棘波检测,利用设定的阈值去除异常的尖峰信号,并选择Savitzky-Golay平滑滤波器作为该方法的实例检验。结果表明,该方法改善了时序曲线的可视化效果,当结合实际场景时,曲线解译效果有较大改进。通过加入该步骤,其他滤波方法也能得到相似的改进。     

Mapping crop phenology using NDVI time-series derived from HJ-1 A/B data

With the availability of high frequent satellite data, crop phenology could be accurately mapped using time-series remote sensing data. Vegetation index time-series data derived from AVHRR, MODIS, and SPOT-VEGETATION images usually have coarse spatial resolution. Mapping crop phenology parameters using higher spatial resolution images (e.g., Landsat TM-like) is unprecedented. Recently launched HJ-1 A/B CCD sensors boarded on China Environment Satellite provided a feasible and ideal data source for the construction of high spatio-temporal resolution vegetation index time-series. This paper presented a comprehensive method to construct NDVI time-series dataset derived from HJ-1 A/B CCD and demonstrated its application in cropland areas. The procedures of time-series data construction included image preprocessing, signal filtering, and interpolation for daily NDVI images then the NDVI time-series could present a smooth and complete phenological cycle. To demonstrate its application, TIMESAT program was employed to extract phenology parameters of crop lands located in Guanzhong Plain, China. The small-scale test showed that the crop season start/end derived from HJ-1 A/B NDVI time-series was comparable with local agro-metrological observation. The methodology for reconstructing time-series remote sensing data had been proved feasible, though forgoing researches will improve this a lot in mapping crop phenology. Last but not least, further studies should be focused on field-data collection, smoothing method and phenology definitions using time-series remote sensing data.     

AMSR-E微波极化指数与MODIS植被指数关系研究

首先，利用辐射传输方程对微波极化指数（MPI，Microwave Polarization Index)进行推导，以AMSR-E像元经纬度为控制条件，采集与之对应的MODIS植被指数（ LAI/NDVI），并将其平均值作为AMSR-E对应像元的值； 然后，对AMSR-E微波极化指数与LAI/NDVI进行相关分析。结果表明，MPI与LAI/NDVI之间存在着指数关系，而且频率越低，相关性越好。     

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。     

Directional effects on NDVI and LAI retrievals from MODIS: A case study in Brazil with soybean

The Moderate Resolution Imaging Spectroradiometer (MODIS) is largely used to estimate Leaf Area Index (LAI) using radiative transfer modeling (the “main” algorithm). When this algorithm fails for a pixel, which frequently occurs over Brazilian soybean areas, an empirical model (the “backup” algorithm) based on the relationship between the Normalized Difference Vegetation Index (NDVI) and LAI is utilized. The objective of this study is to evaluate directional effects on NDVI and subsequent LAI estimates using global (biome 3) and local empirical models, as a function of the soybean development in two growing seasons (2004–2005 and 2005–2006). The local model was derived from the pixels that had LAI values retrieved from the main algorithm. In order to keep the reproductive stage for a given cultivar as a constant factor while varying the viewing geometry, pairs of MODIS images acquired in close dates from opposite directions (backscattering and forward scattering) were selected. Linear regression relationships between the NDVI values calculated from these two directions were evaluated for different view angles (0–25°; 25–45°; 45–60°) and development stages (<45; 45–90; >90 days after planting). Impacts on LAI retrievals were analyzed. Results showed higher reflectance values in backscattering direction due to the predominance of sunlit soybean canopy components towards the sensor and higher NDVI values in forward scattering direction due to stronger shadow effects in the red waveband. NDVI differences between the two directions were statistically significant for view angles larger than 25°. The main algorithm for LAI estimation failed in the two growing seasons with gradual crop development. As a result, up to 94% of the pixels had LAI values calculated from the backup algorithm at the peak of canopy closure. Most of the pixels selected to compose the 8-day MODIS LAI product came from the forward scattering view because it displayed larger LAI values than the backscattering. Directional effects on the subsequent LAI retrievals were stronger at the peak of the soybean development (NDVI values between 0.70 and 0.85). When the global empirical model was used, LAI differences up to 3.2 for consecutive days and opposite viewing directions were observed. Such differences were reduced to values up to 1.5 with the local model. Because of the predominance of LAI retrievals from the MODIS backup algorithm during the Brazilian soybean development, care is necessary if one considers using these data in agronomic growing/yield models.     

利用MODIS遥感影像获取近地层气温的方法研究

由于冠层叶片群体效应,在1km的空间尺度上遥感获取浓密植被陆面温度与气温近似相等。根据这个原理对利用遥感手段获取气温进行了尝试,提出利用NDVI-Ts空间获取气温的方法,计算气温空间分布模式,同时对Prihodko和Goward提出的气温遥感获取模型(简称P-G模型)进行试验并与NDVI-Ts空间法进行了对比。根据Parton和Logan提出的气温尺度转换模型,利用气象站观测最高气温和最低气温获取Terra卫星过境时刻气温作为“测定值”,对遥感获取的气温进行检验,得到以下结论:P-G模型计算气温与观测结果相比偏高,而NDVI-Ts法计算结果偏低,但是其总体误差范围相当,大约为 4℃;与P-G模型相比,尽管NDVI-Ts空间法获得的气温在精度上对P-G模型没有多大的改善,但这种方法能够更加充分利用遥感获取的信息,而且在计算机运算效率上也有很大的改进,NDVI-Ts空间法相对于P-G模型具有一定优势。     

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。     

基于MODIS数据对不同植被覆盖下土壤水分监测的可行性研究

论文利用2005年、2006年怀来实验场附近玉米生长期中的多次野外试验数据，以热惯量模型为基础，探讨MODIS数据监测土壤水分的可行性。论文对该模型与算法进行了分析，并探讨了不同植被覆盖度下，热惯量方法监测土壤水分的可行性。论文引入归一化植被指数对热惯量法进行修正，得到一个新的回归参数，通过实验分析验证，在不同植被覆盖下，该参数与土壤含水量具有较好的相关关系，具有一定的实际可行性。     

建筑物沉降规律的综合时序分析

建筑物的沉降监测数据序列具有趋势变化和随机变化的特点，本文针对两种变化项的特点分别建立相应的数学模型，再将其组合起来建立综合数学模型，从总体上把握沉降数据序列的变化规律。实例计算分析表明，此方法具有较高的拟合精度和预测能力，具有一定的应用参考价值。