基于NDVI的新疆荒漠地区植被覆盖度遥感估算经验模型研究

新疆荒漠地区植被覆盖度遥感估算模型十分缺乏,给荒漠化监测等相关工作带来很大不便,开展植被覆盖度遥感估算经验模型研究,对于促进和完善相关地区的生态监测及研究工作具有积极的现实意义。通过对阜康市北部沙漠南缘和克拉玛依市中部平原荒漠进行无人机航拍,利用无人机遥感提取（光合）植被信息,并将无人机航拍影像的植被覆盖度统计单元与高分辨率卫星影像像元在空间上直接相对应,获取在高分辨率卫星影像像元尺度上的植被盖度,然后通过植被覆盖度和空间上与其相对应的源自高分辨率卫星影像的NDVI数据的拟合关系,建立基于源自高分二号影像的NDVI的阜康北部沙漠植被覆盖度遥感估算线性模型以及基于源自ZY1-02C影像的NDVI的克拉玛依平原荒漠植被覆盖度遥感估算二次多项式模型。研究中所采用的无人机遥感与卫星遥感相结合、植被覆盖度统计单元与卫星像元在空间上直接对应的方法,可避免以往相关工作中常以点位测量数据代表卫星像元数据所带来的不确定性。由于所用卫星影像的NDVI数据稳定性相对不足等原因,所建立的遥感估算模型的估算精度尚相对偏低,有待于今后进一步的工作加以改进。     

Winter cover crops in Dutch maize fields: Variability in quality and its drivers assessed from multi-temporal Sentinel-2 imagery

Planting a cover crop between the main cropping seasons is an agricultural management measure with multiple potential benefits for sustainable food production. In the maize production system of the Netherlands, an effective establishment of a winter cover crop is important for reducing nitrogen leaching to groundwater. Cover crop establishment after maize cultivation is obliged by law for sandy soils and consequently implemented on nearly all maize fields, but the winter-time vegetative ground cover varies significantly between fields. The objectives of this study are to assess the variability in winter vegetative cover and evaluate to what extent this variability can be explained by the timing of cover crop establishment and weather conditions in two growing seasons (2017–2018). We used Sentinel-2 satellite imagery to construct NDVI time series for fields known to be cultivated with maize within the province of Overijssel. We fitted piecewise logistic functions to the time series in order to estimate cover crop sowing date and retrieve the fitted NDVI value for 1 December (NDVI_Dec). We used NDVI_Dec to represent the quality of cover crop establishment at the start of the winter season. The Sentinel-2 estimated sowing dates compared reasonably with ground reference data for eight fields (RMSE = 6.6 days). The two analysed years differed considerably, with 2018 being much drier and warmer during summer. This drought resulted in an earlier estimated cover crop sowing date (on average 19 days) and an NDVI_Dec value that was 0.2 higher than in 2017. Combining both years and all fields, we found that Sentinel-2 retrieved sowing dates could explain 55% of the NDVI_Dec variability. This corresponded to a positive relationship (R² = 0.50) between NDVI_Dec and the cumulative growing degree days (GDD) between sowing date and 1 December until reaching 400 GDD. Based on cumulative GDD derived from two weather stations within Overijssel, we found that on average for the past three decades a sowing date of 19 September (± 7 days) allowed to attain these 400 GDD; this provides support for the current legislation that states that from 2019 onwards a cover crop should be sown before 1 October. To meet this deadline, while simultaneously ascertaining a harvest-ready main crop, in practice implies that undersowing of the cover crop during spring will gain importance. Our results show that Sentinel-2 NDVI time series can assess the effectiveness and timing of cover crop growth for small agricultural fields, and as such has potential to inform regulatory frameworks as well as farmers with actionable information that may help to reduce nitrogen leaching.     

基于城市地表温度与归一化植被指数对北京市建成区热环境分析

针对研究城市热环境的过程中,利用归一化植被指数(NDVI)进行地表温度(LST)反演,再将LST和NDVI结合说明地物变迁与城市热环境的影响的现状,利用Landsat-8多时相遥感影像、高分辨率影像、公开GIS等多源数据,通过人工交互判读和量化统计分析,实现了2013—2017年北京建成区NDVI变化及其对地表热环境影响分析,再对分析结果进行差值拟合评价。对NDVI阈值分割按照大小为LC1、LC2、LC3、LC4,对LST分为高温区(TH)、常温区(TR)和低温区(TL)。结果表明,2013年至2017年:1)建成区的平均NDVI增加0.03,其中LC1增加1.0%,LC2减少11.6%,LC3区域减少1.7%,LC4区域增加12.3%。2)建成区平均LST增加2.55 K,TH百分比增加0.6%;TR百分比减少1.1%,TL百分比增加0.5%。3)NDVI相对增加,地表温度相对下降以及NDVI相对减少,地表温度相对上升占60%,NDVI相对下降,地表温度相对下降以及NDVI相对增加,地表温度相对上升的占40%。     

遥感影像时—空融合的“点”—“线”—“面”质量评价

遥感影像时—空融合可集成多源数据高空间分辨率和高时间分辨率互补优势,生成时间连续的高空间分辨率影像,在遥感影像的动态监测与时序分析等方面具有重要应用价值.然而,现有多数研究往往基于单一数据产品对时—空融合算法进行评价,而在实际生产应用中,需要验证算法在多种遥感产品数据的融合表现;此外,目前研究大多基于“单点时刻”进行评...     

近15a陕西省植被时空变化与影响因素分析

利用2000—2014年MODIS/NDVI时间序列数据,采用栅格像元趋势分析、稳定性评价的方法,研究了陕西省近15 a植被的时空变化特征和规律;利用Hurst指数对陕西省植被未来变化趋势进行了预测;并利用相关性分析法分析了NDVI与年均温度和降雨量的关系。结果表明,2000年、2015年陕西省NDVI均值分别为0.4273、0.4942, 15 a来增加了0.067,增长了16.0%,其中陕北地区NDVI增加明显,关中部分地区出现负增长,陕南地区NDVI总体依旧维持在较高水平。陕西省植被变化趋势具有明显的空间差异性,全省植被未变化的占52.0 %,改善部分占44.27 %,退化部分占3.73%,说明15 a间陕西省植被覆盖改善面积大于退化面积,植被状况有所改善;其中陕北地区植被呈明显改善区域面积较大,关中地区植被覆盖面积有所减少,陕南地区植被变化幅度较小。陕西省植被稳定区域占50%以上（0 0.2),说明15a间陕西省植被较为稳定,变化程度不大;其中陕西省植被最稳定地区主要集中在陕南、延安南部,榆林部分、西安、渭南少部地区变化幅度较大。Hurst指数分析表明陕西省44.54%面积的植被未来有可能面临退化,主要分布在陕北和关中地区的北部,植被未来有可能退化也有可能改善的面积占49.78%,主要分布在延安和陕南地区。陕西省近15 a气温和降水量总体呈增加趋势,增加速率分别为0.48 ℃·(10 a)-1和69.5 mm ( a)-1;相关性分析结果表明,年均降雨量是影响NDVI的主要气象因子,同时陕西省植被变化也受到了退耕还林还草、防沙治沙、生态政治等人为因素的影响。     

基于无人机和MODIS数据的巴丹吉林沙漠植被分布特征与动态变化研究

荒漠植被在减缓沙漠扩张、阻挡风沙入侵绿洲、维护绿洲稳定性方面具有重要意义。通过无人机搭载多光谱相机获取地面样地高分辨率NDVI数据以计算植被覆盖度,结合MODIS-NDVI数据,分析了MODIS-NDVI与无人机获取NDVI数据之间的一致性,进而建立MODIS-NDVI数据与样方植被覆盖度的空间反演模型,以研究巴丹吉林沙漠植被分布特征、动态变化及其对气温、降水的响应规律。结果表明:(1)基于无人机多光谱数据大样方植被覆盖度和MODIS-NDVI数据构建的植被覆盖度反演模型具有较高的模拟精度。(2)研究区总体植被覆盖度较低,空间上呈由东南向西北递减的趋势。(3)植被覆盖度总体呈现上升趋势,沙漠边缘的增速较沙漠内部更为明显,其中沙漠边缘增长率达1.53%/10a,而沙漠内部为0.84%/10a。沙漠边缘57.12%植被出现改善,而沙漠内部植被改善的面积约为21.26%。(4)植被生长主要受制于生长季降水量并呈现出明显的季节变化,此外植被对降水和气温的响应存在一定的滞后效应。     

基于时间序列遥感数据的嵯岗国家沙化土地封禁保护成效评估

2013年中国启动实施了内蒙古自治区新巴尔虎左旗嵯岗国家沙化土地封禁保护区试点。本研究利用2001-2017年生长季NDVI数据分析了嵯岗封禁保护区及周边区域植被长势时空演变特征,分析了多年的生长季降水量和历年旱情,之后利用植被降水利用效率和NDVI残差趋势分析对保护成效进行了评估。结果表明:(1)封禁项目实施之前,封禁区内外植被长势变化趋势基本一致,而在项目实施后的2016、2017年,封禁区内NDVI距平明显高于封禁区外;(2)降水为影响该区域植被长势的主导气候因素,在封禁实施后的2015-2017年该区域连续3 a干旱,极大地限制了区域植被生长;(3)封禁区内植被降水利用效率和NDVI残差均呈现明显的增加趋势,而封禁区外变化不明显,说明封禁提升了植被的自我修复能力;(4)嵯岗封禁保护区由3个地块组成,其中嵯岗林场封禁效果比牧场八队和牧场十一队明显。国家沙化土地封禁保护措施有效促进了植被自我修复,提高了沙漠生态系统应对气候变化的能力。     

GF-2支持下的干旱区稀疏植被区植被覆盖度估算

现有像元二分模型MODIS植被覆盖度模型因其形式简单、适用性较强的特点被广泛应用于区域植被覆盖度（FVC）的估算。然而,研究表明在沙漠和低植被覆盖的西部干旱区,从250 m的影像上很难精准地获取NDVI_veg（全植被覆盖植被指数）和NDVI_soil（全裸土区植被指数）参数。利用常用的直方图累计法获取模型所需参数NDVI_veg和NDVI_soil,估算结果存在普遍高估现象。为此,本文首先引入同期获取的GF-2号卫星数据,从GF-2号影像上提取植被覆盖像元;然后,利用Pixel Aggregate方法重采样至250 m分辨率,获取250 m空间分辨率下纯植被和纯裸土像元;最后,将纯植被和纯裸土像元各自空间位置相对应的MODIS NDVI数据最大值作为模型所需NDVI_veg和NDVI_soil参数,实现研究区内植被覆盖度的估算。试验通过与线性回归法、多项式回归法和直方图累计像元二分模型法估算结果进行精度对比,结果表明：利用GF-2影像辅助的像元二分模型,精准地获取了低植被覆盖区NDVI_veg和NDVI_soil模型参数,提高了干旱区植被覆盖度的估算精度,并有效地抑制了受稀疏植被影响NDVI在干旱区普遍偏高问题导致的FVC高估的现象。     

秦岭地区NDVI与地形因子的相关性分析

秦岭山区地形因子是影响植被分布的重要因素。选取2001、2009和2017年MODIS陆地产品MOD13Q1数据和DEM数据,从DEM中提取地形因子,高程、坡度和坡向,与MODIS的NDVI数据结合,分析了地形对秦岭地区植被空间分布影响。研究结果表明:(1)NDVI随着高程的增大而逐渐增大,在高程1800 m左右时达到最大值,随后又随着高程的增大而减小;(2)NDVI在坡度0°～5°间逐渐增大,在5°～40°呈稳定趋势,从40°开始缓慢减小,60°达到乔木能够生长的坡面倾角临界值,当坡面倾角大于60°时植被指数开始快速减小;(3)受太阳辐射的影响,坡向在NW 270°～360°,SE 240°～270°之间的植被长势较好,其余坡向上长势一般。     

Spatial associations between NDVI and environmental factors in the Heihe River Basin

Journal of Geographical Sciences - The Heihe River Basin is located in the arid and semi-arid regions of Northwest China. Here, the terrestrial ecosystem is vulnerable, making it necessary to...