ESTARFM算法在长江中下游平原地区的适用性研究

时空融合技术是目前解决单一遥感数据源难以同步获取高时空分辨率数据的有效途径。然而,如何设置参数使模型融合效果最佳,如何设置在植被监测中广泛应用的植被指数的融合步骤,进而获得最佳的植被指数时序数据,目前仍不明晰。本文以长江中下游平原地区的典型县域—南昌县为例,基于Landsat和MODIS多时相数据对当前主流时空融合模型—ESTARFM （Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）进行参数敏感性分析,并系统地对比分析了2组融合实验RI（先融合波段反射率后计算植被指数）和IR（先计算植被指数后直接融合）的融合效果。结果表明： ① ESTARFM算法中参数的敏感性在波段反射率、植被指数融合中表现出相似的特征,随着滑动窗口与相似像元数量的增大,融合误差整体呈现出先减小后趋于稳定或增大的趋势;在ESTARFM算法应用中,存在着最佳参数设置范围;② 相较于RI组,IR组模拟结果精度更高（R²_RI-NDVI=0.866,R²_IR-NDVI=0.953,R²_RI-EVI =0.814,R²_IR-EVI =0.930）,且能够较好地削弱“斑块”现象,更好地表征出细小地物和纹理特征。研究结果为遥感数据时空融合模型在地块破碎、种植制度多变的复杂环境中的应用提供借鉴和参考。     

Reconstruction of time series MODIS EVI data using de-noising algorithms

Long-term Moderate Resolution Imaging Spectroradiometer (MODIS) Enhanced Vegetation Index (EVI) data have inherent noise due to clouds and poor atmospheric conditions that limit its applicability for environmental applications. This study was carried out with an objective of noise removal and reconstruction of time series MODIS EVI data (16 day) for the period 2010–2014 using de-noising algorithms. Relative evaluation of de-noising algorithms for smoothing temporal data with ideal noise free data is not possible in actual scenario. Hence, synthetic signals were generated and introduced Gaussian noise at different variance levels for evaluation purpose. Spatial analysis was carried out by introducing noise at different variance levels into the noise free EVI images from the raw EVI stacked image. Spatio-temporal analyses of noise signals in the reconstructed EVI images were evaluated in terms of performance indicators, namely Peak Signal-to-Noise Ratio and Mean Square Error.     

Inference of herder presence from GPS collar data of semi-free range cattle

Although global positioning system (GPS) location data have been used to derive animal movement parameters including step length, rarely have these parameters been used to predict animal responses to human interventions. In this study, we tested whether GPS-derived step length of semi-free range cattle is a function of herder presence. The derived step-length model was used to predict herder presence on independent cattle GPS collar data. We also tested whether cattle foraging behaviour is explained by herder activity and vegetation greenness. We used logistic regression to model herder presence as a function of step length and relate cattle behaviour with herder activity and vegetation greenness. The field-based step length model successfully predicted herder presence on GPS collar data. The average predicted frequency of herder presence for the GPS-collared herds was 31%, whilst the field-based GPS frequency was 27%. Herding activities and vegetation greenness also explained different cattle foraging behaviour.     

基于EVI和MNDWI指数的石羊河流域水体、植被时空变化特征

水体和植被是生态环境的重要自然要素,水体和植被的动态研究对认识干旱区生态环境的变化过程及保护和恢复具有重要的理论和实践意义。基于2001-2016年96期MODIS遥感数据和1992、1998、2004、2010、2016年5年Landsat遥感数据,提取EVI植被指数和改进的归一化水体指数（MNDWI）,结合一元线性回归趋势分析方法对石羊河流域的水体和植被的时空变化特征进行了分析。结果表明,近16年来,流域植被EVI整体呈增加趋势,植被覆盖度上升,但随着季节变化,上、中、下游植被覆盖度变化分异明显;EVI植被指数年际变化倾向率与之一致。植被覆盖小幅增加地区占21.5%（春）、14.9%（夏）、8.8%（秋）,保持不变区域占流域总面积的52.5%（春）、40.2%（夏）、35.0%（秋）;此外,仍有轻度退化区和严重退化区。近25年来,研究区水域面积总体呈增大-减小-增大的波动变化趋势,1998年水域面积增大至725.92 km²,此后水域面积2010年减小至710.11 km²;但2010年以后水域面积又呈稳定增加趋势,水域面积2016年增加至723.00 km²。自然因素和人为因素是研究区水体和植被时空变化的驱动因素。     

京津冀地区不透水表面覆盖率的时空演变及其对植被的影响

基于不透水表面和MODIS增强型植被指数(EVI)数据,辅以分段线性回归、趋势分析等方法,定量分析2000—2018年京津冀不透水表面覆盖率(ISP)的时空演变及其对植被的影响。结果表明:①京津冀ISP呈显著增加的趋势,增速为0.024%/a(P<0.01)。分阶段来看,2000—2010年和2011—2018年ISP均呈显著增加趋势,增速分别为0.019%/a(P<0.01)和0.037%/a(P<0.01),后一阶段的增速快于前一阶段;②空间上,ISP快速增加的区域主要位于城市和近郊,缓慢增加和增加的区域主要位于主城区和农村;③从不同ISP区域ΔEVI的时间变化趋势来看,城区、近郊和远郊的ΔEVI均呈显著下降趋势(P<0.05)的地市分别有6个、6个和3个。主城区的ΔEVI呈显著增加趋势的地市有3个(P<0.05)。从EVI的空间变化趋势来看,显著增加的区域主要位于北京、天津等市的主城区,显著减少的区域主要位于北京、天津、石家庄等地市的近郊和远郊;④从EVI随ISP的空间变化趋势看,所有地市EVI随ISP的增加均呈显著减小的趋势(P<0.01)。...     

岭谷组合地形的植被空间变异性对比及成因

滇西南山地纵向排列着老别山、邦马山、无量山、哀牢山,其对气候因子及植被生态的影响一直是我国山地生态学的主要研究内容之一.采用moran 系数(MC)度量了植被主要气假因子的空间自相关程度,通过构建半变异数研究了EVI各向异性及其气候因子的空间变异特征.结果显示:4山地气候因子的空间分异特征与地形走向吻合,表现出南-北方向的自相关程度较大,东-西方向自相关程度最小,表明山地延伸方向上"通道"作用明显而山地排列方向上"阻隔"作用显著;哀牢山和老别山的"阻隔"作用较大、影观异质性复杂,邦马山和无量山的"阻隔"作用较小、景观变化方向性不鲜明,各纵向山地的"通道-阻隔"作用与各山地走向、规模大小密切     

基于NOAA/AVHRR和Terra/MODIS数据的植被指数季节信息比较

依据云南省中部地区的气候系统和地形地貌的区域差异,选择西南山地和东部高原地区为对比区,应用ArcGIS 9.2点面结合分析了AVHRR-NDVI、MODIS-NDVI及MODIS-EVI 3种植被指数对植被季节性变化的敏感度.结果显示:MODIS-EVI在消除影响因素方面效果最好,其与植被覆盖度的线性关系得到明显改善,尤其是在高植被覆盖区表现良好,既避免了植被指数饱和问题的产生,又削弱了大气云雨、地形地貌及土壤背景的影响程度,为遥感定量研究陆地植被提供了数据保证,尤其是涉及有关植被季节性信息的研究.     

四川草原MODIS数据的产草量估算

四川草原是我国5大牧区之一,其可利用的天然草地占全省草原总面积的85%,准确掌握草原产草量信息对草原管理和当地经济发展具有重要意义。本研究利用2011年7月MODIS不同分辨率(250m、500m、1km)NDVI、EVI产品和同期地面调查数据(共181个采样点),对四川草原4种主要草地类型(即高寒草甸草地、高寒灌木草地、高寒沼泽草地和山地疏林草地)产草量鲜重分类型建立估产模型。研究发现,NDVI对该地区4种主要草地类型产草量的拟合效果普遍优于EVI;相对于500m和1km的遥感数据,250m的遥感数据拟合效果较好;分草地类型建立模型的效果优于对全体样本建立模型;该地区除高寒沼泽草地用幂函数模型拟合效果较好外,其余均用指数模型进行建模效果较好;对该地区各草地类型建立的最优估产模型,精度均在70%以上,回归判定系数R2在0.75以上;利用最优模型对2011年四川省草原进行估产,总体估产精度约为90%。     

A monitoring protocol for vegetation change on Irish peatland and heath

Amendments to Articles 3.3 and 3.4 of the Kyoto Protocol have meant that detection of vegetation change may now form an interracial part of national soil carbon stocks. In this study multispectral multi-platform satellite data was processed to detect change to the surface vegetation of four peatland sites and one heath in Ireland. Spectral and spatial thresholds were used on difference images between master and slave data in the extraction of temporally invariant targets for multi-platform cross calibration. The Kolmogorov–Smirnov test was used to evaluate any difference in the cumulative probability distributions of the master, slave and calibrated slave data as expressed by the D statistic, with values reduced by an average of 89.7% due to the cross calibration procedure. A change detection model was created which incorporated a spatial threshold of 9 pixels and a standard deviation (SD) spectral threshold. Kappa accuracy values for the five sites ranged from 80 to 97%, showing that 1.5 SD was the optimum spectral threshold for detecting vegetation change. Change detection results showed mean percentage change ranging from 2.11 to 3.28% of total area and cumulative change over the observed time period of between 15.24 and 49.27% of total area.     

MODIS EVI时序数据重建方法及拟合分析

植被遥感监测中长时间序列数据择优的重建方法,已成为当今一个研究热点。本文以东北地区5种主要植被覆盖类型为例,在定性分析TIMESAT提供的3种常用重建方法对EVI（Enhanced Vegetation Index）时序曲线重建效果的基础上,定量对比研究了各方法,对原始高质量EVI点真实值的保真性,及对原始曲线整体特征的保持度。结果表明：S-G（Savitzky-Golay）滤波对原始曲线生长季的峰值及宽度重建效果较好,但容易因过度拟合保留过多噪声,特别是草地和灌丛类型;非对称性高斯函数（AG）和双Logistic曲线（DL）方法相似,对草地、灌丛和耕地的重建结果更接近真实值,但AG拟合对波峰处异常值的处理结果较差,重建后波峰表现低平。3种算法对原始EVI时序数据的保真性和对原始时序数据曲线特征的保持度,都表现出与植被类型分布相关的空间分布格局。分析结果表明,在东北地区,AG算法对草原和灌丛的重建效果最好,DL算法对耕地重建效果最优,S-G算法最适合对落叶阔叶林和落叶针叶林进行重建处理。