共查询到20条相似文献，搜索用时 312 毫秒
1.
2.
《地理空间信息》2020,(5)
基于2000-2017年石羊河流域NDVI时间系列数据,利用Landsat系列卫星的TM、ETM、OLI数据获取了研究区的NDVI;并根据NDVI时序变化特征,利用趋势分析法,结合气象数据,研究了近18a来石羊河流域NDVI时空演变的规律。研究结果表明:①2000-2017年石羊河流域时序NDVI总体呈上升趋势,说明植被覆盖程度具有明显增长的趋势;②不同区域NDVI变化差异明显,总体可划分为显著增加、增加、稳定、减少、显著减少5类;③年际NDVI平均值、最大值与气温、降水相关性分析表明,二者与气温相关性在2000-2010年为负相关、在2011-2017年为正相关,二者与降水量总体呈正相关,相关系数分别为0.09、0.29,降水量的增大有利于促进石羊河流域植物的生长。 相似文献
3.
多源遥感与作物模型同化模拟作物物生长参数时空域连续变化 总被引：3，自引：1，他引：2
本文将遥感信息与作物模型同化实现作物生长参数的时空域连续模拟,进而监测生长参数的时空域变化.首先将作物模型WOFOST(World food studies) 与冠层辐射传输模型PROSAIL 耦合构建WOPROSAIL 模型,利用微粒群算法(PSO) 通过最小化从CCD 数据获取的土壤调节植被指数观测值SAVI(soil adjusted vegetation index) 与耦合模型得到的模拟值SAVI’之间差值优化作物模型初始参数.通过MODIS 数据反演实现参数的区域化,并将区域参数作为优化后作物模型输入参数驱动模型逐像元计算生长参数,实现生长参数的时空域连续模拟与监测,最终建立区域尺度遥感-作物模拟同化框架模型RS-WOPROSAIL .结果表明：同化模型解决了作物模型模拟空间域和遥感信息时间域的不连续问题.模型模拟的叶面积指数(LAI) 、穗重(WSO) 、地上总生物量(TAGP) 等生长参数较好地体现了水稻生长状况时空域变化,研究区水稻模拟产量与实际产量的误差为27.4% . 相似文献
4.
太湖水生植被NDVI的时空变化特征分析 总被引：2，自引：0，他引：2
为了明确太湖不同生态区水生植被长势的变化规律及其影响因子,利用MODIS传感器提供的NDVI数据,分析了太湖2000年—2015年NDVI的时间及空间变化特征。结果表明:太湖水生植被NDVI存在明显的季节变化和年际变化,NDVI每年最小值出现在冬季,最大值出现在植被生长旺盛的8月或9月,其值可达0.35;太湖全湖NDVI多年平均值为0.1,最大值为0.14,出现在2007年。太湖NDVI的空间差异可将太湖划分为不同的植被类型区,太湖西北部(竺山湾和梅梁湾)NDVI最大值可达0.2,植被类型主要以浮游藻类为主,东太湖区域最大值超过0.6,主要以沉水植被为主;太湖不同区域植被动态特征对气象因子的响应也不尽相同,沉水植物生长与平均气温有显著的正相关关系,而浮游植物区的生长状况受平均风速影响较大。 相似文献
5.
叶面积指数(Leaf Area Index)可用来反映作物的生长状况,常作为主要指标应用于农作物估产。本文研究遥感中常见的混合像元问题对LAI反演所带来的不确定性问题。研究的混合像元由两种情况构成,一种是由不同长势的作物所构成的混合像元,另一种情况是由不同端元形成的混合像元。结果表明,不同长势形成的混合像元对LAI的准确反演影响不大;不同组分形成的混合像元对LAI反演影响很大。从验证的角度讲,地面实测点的LAI数据不能代表一定分辨率区域的LAI的值,对于像元LAI的验证要注意正确获得像元的LAI。 相似文献
6.
7.
基于无人机影像对不同农作物植被在不同生长期的净初级生产力进行估算.本文对试验田区域的可见光植被指数(GRRI、GBRI、NGRDI、NGBDI、VDVI及RGBVI)与NDVI指数进行相关性分析,发现可见光波段差异指数(VDVI)与NDVI指数呈显著相关性.在此基础上,将无人机影像的VDVI指数代入CASA模型,对试验田的农作物的月净初级生产力进行估算.结果表明:1)VDVI指数可以很好地区分水稻、玉米和黄豆等作物.2)碳密度月均值的大小与作物的生长时期有直接关系.处于枯萎期的玉米的碳密度均值小于实验田的碳密度月均值,处于生长期的水稻、黄豆和芋头等作物植被的碳密度值大于实验田的碳密度月均值.3)作物混种的碳密度均值大于单一作物的碳密度均值. 相似文献
8.
利用MODIS NDVI进行淮南矿区植被覆盖度动态监测 总被引：6，自引：4，他引：2
为了分析2005—2014年10年间淮南矿区的植被覆盖演化并为矿区生态恢复提供科学参考,基于像元二分模型并利用每16 d周期的MODIS NDVI时间序列产品提取了2005年、2008年、2011年、2014年淮南矿区植被覆盖度,并从时序演化、数量转移和空间演化3个方面分析了植被覆盖的时空演化特征。结果表明:监测时段内年际NDVI均值由2005—2008年呈下降趋势,2008—2015年呈现稳步上升趋势;监测时间内区域平均植被覆盖度分别为0.722 3、0.701 7、0.718 1和0.702 8,平均减幅为2.7%;较高植被覆盖的面积是区域内主导植被覆盖,占整个研究区面积的50%,中、低和无植被覆盖面积在监测时间内保持稳定且面积均不足200 km2,表明植被覆盖状况总体良好;植被覆盖等级转化主要以高覆盖和较高覆盖之间的转化为主,稳定是植被覆盖的主要演化状态,而植被的轻度退化与交替演变趋势明显。 相似文献
9.
秦巴山区是我国重要的生态屏障,对该区的植被信息提取开展研究,可为区内生态服务功能及自然资源开发利用提供基础数据。通过加窗处理改进DTW距离相似性算法,结合临近度模糊分类方法对2005—2014年的MODIS NDVI时序数据进行植被信息提取。首先利用S-G滤波对MODIS NDVI时序数据进行重建;再利用2013年的采样数据构建各类植被的标准NDVI时序曲线,逐像元计算与标准NDVI时序曲线的加窗DTW距离,利用临近度模糊分类实现植被信息提取;最后验证提取精度。结果表明,算法具有较高的运行效率,可避免错误匹配,以较高的精度(总体精度83.8%,kappa系数0.77)实现长时间序列的植被信息提取。 相似文献
10.
植被指数对旱灾的响应研究—以中国西南地区2009年—2010年特大干旱为例 总被引：8，自引：1，他引：7
基于中国西南地区5个省(市)2001年—2010年期间由中分辨率成像光谱仪MODIS影像资料反演得到的归一化植被指数NDVI产品数据和区内气象站点的连续观测资料,提取了研究区内各气象站点印迹区的NDVI值,计算了降水距平百分率Pa和D指数(降水量与潜在蒸散量之差)这两种气象干旱指数。依据全国植被类型图(2000年版),对研究区内的主要植被类型在季节时间尺度上开展了这两种气象干旱指数与距平NDVI的相关性分析。研究结果表明:距平NDVI对D指数的最大响应滞后约一个月,在此尺度上表现出明显的线性相关性,所选取的6个季度的相关系数均接近或大于0.7,显著性水平小于0.01;对干旱敏感的植被类型如旱地和草地等,表现出更显著的相关性,其相关系数分别达到了0.83和0.71(平均);在干旱季节,D指数与距平NDVI表现出较为一致的空间分异规律,而Pa指数仅在旱情比较严重的情况下或对干旱比较敏感的植被类型区与距平NDVI表现出一致性分布。 相似文献
11.
复种指数遥感监测方法 总被引：36，自引：6，他引：36
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。 相似文献
12.
13.
农作物长势综合遥感监测方法 总被引：54，自引：5，他引：54
作物收获之前进行大范围作物生长状况评价 ,可以尽早的获得有关作物产量信息。介绍了中国农情遥感监测系统的综合作物长势监测方法。以遥感数据标准化处理、云标识、云污染去除和非耕地去除为基础 ,生成质量一致的遥感数据产品集 ,提取区域作物生长过程。作物长势监测分为实时作物长势监测和作物生长趋势分析。实时的作物长势监测可以定性和定量地在空间上分析作物生长状况 ,分级显示作物生长状况 ,分区域统计水田和旱地中不同长势占的比重。作物生长趋势分析可以进行年际间的生长过程对比 ,从时间轴上反映作物持续生长的差异性 ,统计全国、主产区、省和区划单元 4个尺度的耕地、水田、旱地作物生长过程曲线年际间差异 ,从而为早期的产量预测提供信息。通过处理流程的系统化 ,建设了运行化的作物长势遥感监测分析系统 ,为用户构建了综合的作物实时生长状况 ,苗情的生长趋势分析环境。同时可以依据野外地面实测信息对遥感监测结果进行标定和检验。 1998年以来 ,系统在满足日常运行的前提下 ,技术方法逐渐改进和完善 ,监测结果的精度和可靠性不断得到提高。 相似文献
14.
针对中国开展的国外农作物产量遥感估测大多依靠中低分辨率耕地信息、省级(州级)或国家级作物产量统计数据的现状,本文以美国玉米为例,探讨利用多年中高分辨率作物分布信息、时序遥感植被指数和县级作物产量统计数据开展国外重点地区作物单产遥感估测技术研究,以期进一步提高中国对国外农作物产量监测精度和精细化水平。首先,利用美国农业部国家农业统计局(NASS/USDA)生产的作物分布数据(CDL)获得多个年份玉米空间分布图,并对相应年份250 m分辨率16天合成的MODIS-NDVI时序数据进行掩膜处理,统计获得每年各县域内玉米主要生育期NDVI均值;其次,以各州为估产区,以多年县级玉米统计单产和县域内玉米主要生育期NDVI均值为基础,建立各州玉米主要生育期NDVI与玉米单产间关系模型;然后,通过主要生育期玉米单产和玉米植被指数间拟合程度,筛选确定各州玉米最佳估产期和最佳估产模型。最终,利用最佳估产模型实现美国各州玉米单产估测和全国玉米单产推算。其中,建模数据覆盖时间为2007年—2010年,验证数据为2011年。结果表明,应用最佳估产模型的2011年美国各州玉米单产估测相对误差在-4.16%—4.92%,均方根误差在148.75—820.93 kg/ha,各州估测结果计算获得全国玉米单产的相对误差仅为2.12%,均方根误差为285.57 kg/ha。可见,本研究的作物单产遥感估测技术方法具有一定可行性,可准确估测全球重点地区作物单产信息。 相似文献
15.
遥感定量反演地表参数时间序列产品已被广泛应用于植被动态变化、全球气候变化、防灾减灾及环境保护等领域。由于卫星观测往往受到大气条件（如云、气溶胶、水汽等）以及传感器自身稳定性的影响等,许多由卫星观测反演得到的陆表产品,如归一化差值植被指数（NDVI）、叶面积指数（LAI）、地表温度（LST）、微波极化亮温（PDBT）等存在严重的时空不连续问题。为了获取时间序列上连续、空间上完整的地表参数遥感产品以满足长时序的陆面过程分析与建模的需求,目前已发展多种遥感时间序列重建模型。本文介绍了基于傅里叶变换的时间序列谐波分析（HANTS）方法,能够识别并去除受到云和大气影响的像元（噪声）,对原始时序数据进行时间插值来重建连续时间序列的数据,并针对其面向多种不同时空尺度的遥感反演地表参数以及在非洲、南美洲、欧洲、中国及印度等全球不同地区的应用研究进行了综述,包括植被动态变化对于气候变化及流域水循环过程的响应、干旱监测、基于土壤含水量饱和度时间序列分析的洪涝灾害易发区监测、遥感估算地表蒸散发时间尺度扩展等方面的研究,充分阐释了遥感时间序列产品在地气相互作用的各类研究领域的应用。 相似文献
16.
NDVI (Normalized Difference Vegetation Index) time series usually suffer from remaining cloud presence, even after data pre-processing. To address this issue, numerous gap-filling (or reconstruction) techniques have been developed in the literature, although their comparison has mainly been local to regional, with only two global studies to date, and has led to sometimes contradictory results. This study builds on these different comparisons, by testing different parameterizations for five NDVI temporal profile reconstruction techniques, namely HANTS (Harmonic Analysis of Time Series), IDR (iterative Interpolation for Data Reconstruction), Savitzky-Golay, Asymmetric Gaussian and Double Logistic, and then comparing them as generally parameterized, and then with the best of the tested parameterizations. These comparisons show that the HANTS reconstruction technique provides lower errors in cloud prone areas, while the IDR method works best with shorter cloud covers. However, the remaining errors in cloud prone areas are still high, and there is room for new reconstruction techniques. Although these results are only applicable to the range of the tested parameterizations, these latter have been chosen within widely used configurations, and should provide interested users with a better understanding of the different methods and the best parameterization for their needs, as well as an estimate of the expected error in the reconstruction of NDVI time series. 相似文献
17.
谐波改进的植被指数时间序列重建算法 总被引：1，自引：0，他引：1
提出一种基于傅里叶谐波分析的改进算法,引入异常值检测算法,检测拟合过程中的异常值,增加数据拟合的真实性;迭代前动态估算出待处理序列点的峰值个数(即频数),解决整个区域预设单一频数的不合理性;引入拟合影响因子,自动控制迭代终止条件,避免传统方法中人为设置阈值导致的不确定性。利用2003年华北平原MODIS_EVI时间序列图像验证表明,较之HANTS算法,改进算法能够有效修正噪声污染像元值,修正后的EVI时序曲线更能反映地物内在的物候变化规律,并能够更好地保真原始曲线上的特征(点),如作物EVI最大值、最小值出现的时间和大小关系。 相似文献
18.
Within-season forecasting of crop yields is of great economic, geo-strategic and humanitarian interest. Satellite Earth Observation now constitutes a valuable and innovative way to provide spatio-temporal information to assist such yield forecasts. This study explores different configurations of remote sensing time series to estimate of winter wheat yield using either spatially finer but temporally sparser time series (5daily at 100 m spatial resolution) or spatially coarser but denser (300 m and 1 km at daily frequency) time series. Furthermore, we hypothesised that better yield estimations could be made using thermal time, which is closer to the crop physiological development. Time series of NDVI from the PROBA-V instrument, which has delivered images at a spatial resolution of 100 m, 300 m and 1 km since 2013, were extracted for 39 fields for field and 56 fields for regional level analysis across Northern France during the growing season 2014-2015. An asymmetric double sigmoid model was fitted on the NDVI series of the central pixel of the field. The fitted model was subsequently integrated either over thermal time or over calendar time, using different baseline NDVI thresholds to mark the start and end of the cropping season. These integrated values were used as a predictor for yield using a simple linear regression and yield observations at field level. The dependency of this relationship on the spatial pixel purity was analysed for the 100 m, 300 m and 1 km spatial resolution. At field level, depending on the spatial resolution and the NDVI threshold, the adjusted R² ranged from 0.20 to 0.74; jackknifed – leave-one-field-out cross validation – RMSE ranged from 0.6 to 1.07 t/ha and MAE ranged between 0.46 and 0.90 t/ha for thermal time analysis. The best results for yield estimation (adjusted R² = 0.74, RMSE =0.6 t/ha and MAE =0.46 t/ha) were obtained from the integration over thermal time of 100 m pixel resolution using a baseline NDVI threshold of 0.2 and without any selection based on pixel purity. The field scale yield estimation was aggregated to the regional scale using 56 fields. At the regional level, there was a difference of 0.0012 t/ha between thermal and calendar time for average yield estimations. The standard error of mean results showed that the error was larger for a higher spatial resolution with no pixel purity and smaller when purity increased. These results suggest that, for winter wheat, a finer spatial resolution rather than a higher revisit frequency and an increasing pixel purity enable more accurate yield estimations when integrated over thermal time at the field scale and at the regional scale only if higher pixel purity levels are considered. This method can be extended to larger regions, other crops, and other regions in the world, although site and crop-specific adjustments will have to include other threshold temperatures to reflect the boundaries of phenological activity. In general, however, this methodological approach should be applicable to yield estimation at the parcel and regional scales across the world. 相似文献
19.
20.
农作物长势综合监测——以印度为例 总被引：2，自引：0，他引：2
提出农作物长势综合监测方法,利用卫星遥感得到的NDVI时间序列数据,综合采用实时监测、过程监测和时间序列聚类监测方法,明确不同方法适用的监测尺度及监测目的,对不同范围农作物长势进行监测。改进了Crop Watch全球农情遥感速报系统运行化作物长势监测方法,克服了原有作物长势监测中实时监测方法无法反映相同区域苗情在整个生长过程中的连续变化情况的缺点。实现对相同区域作物长势连续变化的定量描述,可对作物长势进行更准确的判断。利用官方发布的作物单产变幅数据,对单产变幅较大的12个作物主产省区作物长势监测结果的准确性进行判断,结果表明:6个邦的实时监测和聚类监测方法所得结果一致,都符合作物单产变化的实际状况;4个邦的聚类监测方法所得结果对作物长势监测更为准确,更符合该区域作物单产的实际变化;1个邦实时监测结果对作物长势监测比聚类监测方法更为准确;只有1个邦采用两种方法对作物长势的监测存在误差,聚类监测方法在对农作物生长过程的连续监测及空间分布的定量化表述方面,比实时监测更为准确。3种方法可以综合使用,实现业务化运行的农作物长势监测。 相似文献