关中地区MODIS NDVI变化时序分析

NDVI对绿色植被表现敏感,能更好地反映植被的状况及变化。通过对合成的MODIS NDVI数据采用最大值合成法、基于像元的一元线性回归法等研究关中地区2003―2012年间生长季的植被覆盖变化趋势。结果表明,关中地区近一半地区的植被覆盖保持稳定状态,有近36%的地区植被覆盖处于不同程度的改善中,而有近20%的区域植被覆盖处于减少状态。     

基于GIMMS NDVI3g的青海高原植被分布特征研究

利用GIMMSNDVI3g等数据对青海高原地区植被覆盖的空间分布特征、自相关特征、聚集规律以及分异特征进行研究。结果表明,研究区3000m以下主要为荒漠和草甸覆盖,3000~4000m主要为草甸、荒漠和草原覆盖,而4000m以上主要为草甸、草原和高山植被覆盖,高程分异特征显著;研究区植被覆盖从东南向西北方向呈递减趋势,年内总体NDVI在0.11~0.34范围内变化,3000~4000m区域的植被覆盖最好;东部及东南部地区的NDVI值具有较高的高值聚集性,西北部地区具有较高的低值聚集性;全局NDVI与经度有明显的正相关关系,与纬度有明显的负相关关系,NDVI分布有明显的水平地带性特征。     

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400 m以下的地区植被变化较大,400 m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。     

Landsat时序数据支持下的藏东南植被时空变化监测

本文利用GEE平台和1990—2019年巴宜区Landsat遥感影像,采用像元二分模型、相关性分析等方法分析了巴宜区植被覆盖度的时空变化特征与驱动力。研究结果表明:①1990—2019年巴宜区植被覆盖度总体呈稳中有增的趋势,其中,河谷区域增加明显,而高海拔区域相对稳定;②1990—2019年巴宜区气温呈显著升高,降水略有下降,总体呈"暖干化",气温较降水量对植被覆盖变化更明显,但气候变化对植被覆盖变化影响总体不明显;③1990—2019年巴宜区植被覆盖变化与人类活动有很好的相关性,其中,低、中低、中、中高植被覆盖区域,呈显著的负相关,而高植被覆盖区域呈正相关。本文基于遥感大数据和地理云计算的植被覆盖监测动态监测和定量分析方法,能对高山峡谷区生态评估和演替分析提供一定的技术支撑和科学数据。     

基于时序NDVI的昭觉植被覆盖度变化研究

归一化植被指数(NDVI)能精确地反映植被绿度、光合作用强度,在一定程度上反映着植被的演化信息,是评价生态环境状况的重要指标之一。本文利用Landsat TM数据分别对昭觉地区2009年和2014年的NDVI进行计算,并分别利用均值法、像元二分模型及NDVI差值植被指数对研究区域植被覆盖变化进行定量分析,结果表明:昭觉县NDVI均值上升了11.6%,植被覆盖度中极度改善的面积比例约占38%,昭觉县整体NDVI植被覆盖度显著提高,并对其变化原因进行简要分析,为生态环境建设提供决策依据。     

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。     

利用经验模态分解的近地面植被指数时序数据重构研究

NDVI遥感产品可以较好地反映植被的生长情况,已被广泛应用于植被物候的遥感分析。本文利用PhenoCam物候相机观测网络林地站点的近地面多光谱数码相机照片,通过近红外和红光波段组合提取近似NDVI的时序数据,并在景观尺度上采用经验模态分解方法(EMD,Empirical Mode Decomposition)实现一定容差范围内NDVI时序数据的重构。结果表明:EMD方法能够有效地减少NDVI时序数据噪声干扰,经验证,趋势项残差的趋势较为明确。实验基于重构结果进行植被物候分析,得到的物候分布特征与植被实际生长反映的变化特征基本一致。     

利用S-G滤波进行MODIS-EVI时间序列数据重构

采用S-G滤波方法对MOD13A2-EVI自2001~2007年间数据进行时间序列重构,以达到去云、消除离异值的目的,从而提高数据质量及可信度。对比重构前后数据发现,重构后的EVI数据在空间上更加一致,在时间维度上时序数据年间变化更加稳定。     

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。     

不同趋势法的宁夏长时序植被变化分析

宁夏地处黄土高原,植被变化趋势直接影响其生态保护。本文应用2005—2015年的MODIS NDVI月合成产品,并采用最大合成法得到年NDVI数据,分别利用一元线性回归法和Sen+Mann-Kendall法对宁夏11年间植被变化趋势和空间差异进行研究分析。结果表明,在月际变化上,月NDVI均值呈高斯分布,7—9月是植被长势最好的阶段;在年际变化上,2005—2007年NDVI值明显增长,2008—2012年NDVI值呈稳定性增长,2013—2015年NDVI值有下降趋势;在变化趋势上,一元线性回归法与Sen+MannKendall法得到的植被变化趋势基本一致,均表现为北部植被整体改善,但局部城区植被退化较为严重;中部地区轻微改善,局部存在明显改善;南部植被有明显改善且植被改善面积较大;通过差异性分析二者差异性仅为22.95%,且Sen+Mann-Kendall法能更好地监测轻微变化区域,变化趋势更加准确。     

应用遥感时序数据研究植被变化与气候因子的关系——以环渤海地区为例

在全球气候变化背景下研究陆地植被的时空变化规律,探讨气候因素的驱动作用,对于预测未来气候变化对生态系统的可能影响、制定合适的生态环境保护策略具有重要意义。利用2000—2009年MODIS归一化差值植被指数(normalized difference vegetation index,NDVI)时间序列数据和地面气象站点的气温、降水量数据,从遥感角度分析环渤海地区植被的时空变化,并研究变化与气温、降水的相关关系,探讨区域植被年内和年际变化的驱动因素。结果表明,2000—2009年环渤海地区植被覆盖总体呈增加的趋势,但存在一定的空间异质性,局部有减少的倾向;区域植被的生长受温度和降水的双重驱动,对降水和温度的响应存在明显的滞后,滞后期大约为1个合成期;年际的变化主要受降水和人类活动的影响,降水增加可使区域NDVI提高;不同的人类活动会导致NDVI向相反的方向发展。     

黑河中下游植被覆盖度变化遥感监测

自2000年国家决策实施水量统一调度以来,黑河中下游生态环境得到好转,但缺乏一个客观公正的评价方法加以验证。本文考虑黑河中下游区域面积大、数据资料缺乏等特点,提出了基于卫星遥感影像提取生长季植被指数计算植被覆盖度（VFC）,并对VFC的空间分布特征、面积占比、变化趋势等进行了分析。研究表明,2000—2017年18年间,黑河中下游区域均存在低覆盖植被向其他类型覆盖植被转化现象,高植被覆盖区域面积增加,植被覆盖情况整体趋好。该结论与黑河中下游区域生态环境变化现状相符,证明本文方法可以作为区域生态环境评价的重要方法支撑。     

基于谷歌地球引擎的植被覆盖度变化长时间序列检测

利用遥感技术进行植被覆盖度提取,是实现植被覆盖度变化检测的一种有效手段.然而,进行大尺度长时间序列的植被覆盖度变化检测时,传统遥感技术具有操作复杂、耗时较多等缺点.本文利用谷歌地球引擎(Google Earth Engine,GEE)平台,获取美国陆地卫星(Landsat)归一化植被指数(normalized diff...     

基于MODIS时序植被指数的区域物候信息提取

利用黑龙江省2012年16 d 250 m的MODIS NDVI数据,使用Savitsky-Golay滤波法、Logistic调合函数模型和非对称Gaussian模型3种方法对曲线拟合重构,引入均方根误差比较3种方法的优劣;在曲线平滑的基础上提取物候参数,分别对森林和农用地用固定阈值和动态阈值提取其物候参数,目的在于比较两种阈值设定方法的优劣,并获取阈值使物候参数结果与作物农事历信息吻合。结果表明,Savitsky-Golay滤波法在与原始曲线近似度方面优于另外两种拟合方法。     

胜利矿区植被覆盖度时序变化的空间异质性监测

通过对胜利矿区的地理位置、气候条件等背景的分析,本文为实现获取时序性植被覆盖度的空间异质性的目的,使用ENVI、GIS、Matlab等软件,基于胜利矿区1985—2017年的Landsat TM/ETM+/OLI遥感数据计算NDVI,利用像元二分模型计算植被覆盖度,得到研究区植被覆盖度均值的时序变化情况。采用转移矩阵法和Sen+Mann-Kendall法对研究区域内不同等级的植被覆盖转移情况及变化趋势情况进行分析。研究表明:胜利矿区植被覆盖度均值波动较大,呈轻微下降趋势。在监测时段内68.36%的高植被覆盖区域植被发生了退化,只有3.2%左右的极低植被覆盖区域得到了良好的改善。此外,研究区植被覆盖度受到结构性因子和随机性因子的影响,空间异质性明显,灌溉区由于人为干涉,植被生长良好,极低植被覆盖面积维持在3%以下,植被覆盖显著下降区域主要集中在露天采坑、排土场等矿业景观区。     

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。     

西山村滑坡时序形变的SBAS-InSAR监测

针对传统地表形变监测技术在我国西南山区深厚堆积层滑坡体形变监测中存在的时空分辨率问题,该文利用72景时序Sentinel-1A TOPS SAR影像,基于短基线集(SBAS-InSAR)技术获取2016—2019年四川理县通化乡西山村滑坡的时序形变特征。结果表明:西山村滑坡整体呈近线性沉降的运动趋势,在监测时段内未出现加速现象,处于长期活跃的蠕动形变。其时序形变结果呈现较为均匀的变化,与坡体形态吻合度较高,雷达视线方向的累计形变量在-315.2~20 mm之间变化,形变速率在-116~9.5 mm/a之间变化。时序形变结果表明:最严重的形变区域位于水田寨村组与马崩渔湾村组的交界处,其次是坡体中下部的水田寨村组,坡体后部的拉海拉湾村组的形变程度最小。     

超贫磁铁矿区植被覆盖度变化的遥感监测

超贫磁铁矿的开发会对地表产生剧烈的扰动。为监测2001年以来长河矿区植被盖度的变化情况,本文分别采用2001年和2015年的Landsat TM和OLI影像数据,基于归一化植被指数(Normalized Difference Vegetation Index,NDVI)的像元二分模型对该地区的植被盖度进行定量估算,并分析其时空变化特征。结果显示:2001—2015年间,高级植被覆盖度区域面积减少了29.4 km~2,低级和中低级植被覆盖度区域面积增加了17.9 km~2;在变化幅度上,植被覆盖度中、大幅度增加区的面积为1.9 km~2,而中、大幅度减少区面积为25.6 km~2。空间特征分析表明,研究区内植被覆盖度变化较大的区域均与采矿活动区有紧密联系。     

基于SBAS-InSAR的地表非线性形变时序监测

针对具有小区域特征的地表非线性形变对于合成孔径雷达干涉测量(InSAR)技术从监测点密度和监测精度都提出了更高的要求这一现状。该文基于SBAS-InSAR的技术原理,提出了一种基于高效率、低成本的地表非线性形变时序监测方法,并以柴达木盆地一处油田为研究对象,获取了研究区2007年初到2010年中期的形变结果,表明4处采油点中1处下降、3处隆升,隆升主要由注水引起。研究证明:SBAS-InSAR技术在地表非线性形变时序监测方面具有较强能力,提取的形变成果可为生产单位和政府部门分析决策提供科学依据。     

时序InSAR多源数据地面沉降监测研究

随着遥感技术的发展,基于时间序列的合成孔径雷达干涉测量(时序InSAR)技术凭借全天时不接触、不易受环境影响、监测效率高等优势,极其适用于对大面积地面进行微小形变应用.通过对时序InSAR多源数据的研究,选取合理的数据源和数据处理方法进一步提高监测精度.