基于MODIS数据的水稻种植面积提取研究进展

概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明：MODIS具有高光谱、高时间分辨率、多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法;近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。     

基于MODIS数据的水稻种植面积提取研究进展

概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明：MODIS具有高光谱、高时间分辨率和多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法。近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。     

西北地区MODIS/NDVI与MODIS/EVI对比分析

为了了解西北地区MODIS/NDVI和MODS/EVI 2种植被指数的特点,利用2003年植被生长期TERRA/MODIS资料和西北地区植被类型数据,分析了西北地区MODIS/NDVI和MODIS/EVI空间分布特征和不同类型植被随时间变化特征,比较了大气订正对NDVI和EVI的影响。结果表明:NDVI和EVI空间分布格局一致,与降水空间分布形式比较一致。NDVI与EVI值的差异随着植被覆盖度的增加而增大。不同类型植被NDVI和EVI变化特征一致。大气对NDVI和EVI的影响较大,大气订正前许多地区NDVI值小于EVI值。大气订正使NDVI增大,EVI减小,大气订正后NDVI值普遍大于EVI值。通过对大气气溶胶粒子较多地区的NDVI和EVI值的对比分析,EVI具有较好的抗大气气溶胶的作用。     

MODIS植被指数及其分县统计分析的实现

MODIS归一化植被指数(NDVI)已引起了广泛的注意,它与NOAA/AVHRR的NDVI既有联系又有区别。利用同一天的NOAA/AVHRR和EOS/MODIS资料,介绍了各县域内平均NDVI的统计方法和计算结果及NDVI与增强植被指数(EVI)的差异。MODIS和AVHRR两种资料得到的NDVI数值虽然有差异,但都能很好地反映植被的空间分布和时间变化。MODIS增强植被指数(EVI)对植被条件的变化更加敏感,使定量分析的精确性提高,具有较好的应用前景。     

基于MODIS时序数据提取河南省水稻种植分布

以河南省为研究区,利用2009年多时相8d合成MODIS地表反射率产品提取水稻种植分布。根据稻田含水量变化特征及水稻生长规律,构建水稻种植分布提取流程。为减少云等噪声的影响,对地表水含量指数（ILSW,land surface water content index）和增强型植被指数（IEV,enhanced vegetation index）的时序数据进行平滑重建。然后,依据豫北和豫南稻区水稻物候期差异,分别建立标准水稻IEV生长线,以计算像元尺度的水稻相似性指数作为影像分类的特征波段。同时,对重建的ILSW和IEV时序数据分别进行主成份分析,选择各自的前3个成份作为特征波段。在此基础上,采用支持向量机分类算法对组建的特征波段进行分类,提取影像中水稻的种植分布。结果显示,提取的河南省水稻种植分布与实际情况吻合较好,豫北稻区水稻分布呈现集中连片的特征,多分布在沿黄河两岸,而豫南稻区水稻种植广泛,多在大型水库灌区周边及沿淮和低洼易涝地区。与各地区水稻统计面积相比,MODIS提取的水稻面积平均相对误差为6.56%,根均方误差为5.63khm2。受到混合像元影响,以及个别地区水稻种植分散且面积相对较小,使该地区水稻面积相对误差超过±60%。     

植被指数及其研究进展

介绍了植被的光谱特征，概述了几种常见的植被指数及其优缺点。对MODIS探测器监测植被的特点和美国NASA归一化差值植被指数(NDVI)和增强植被指数(EVI)产品特性和不足做了说明。指出了研究西北地区MODIS植被指数的重要意义。     

吉林省水田种植面积的遥感监测

根据水稻在不同发育期的地面光谱特征,确定了利用MODIS数据识别水田种植面积的最佳波段及最佳时相,在地理信息系统的支持下提取了吉林省2012年水田种植面积,并将提取的水田种植面积与基于TM影像水田种植面积进行对比分析。结果表明:利用MODIS数据与TM数据提取的面积对比,结果表明利用多时相MODIS数据进行水田种植面积监测是可行的。利用MODIS数据识别水稻的最佳波段组合是6、2、1波段,最佳时相为移栽期和分蘖期之间及灌浆至乳熟期之间。利用已有的TM数据或者MODIS数据提取的水田种植分布图为底图,能够适时地、快速地进行每年的水田种植面积动态变化监测。     

利用HJ—1卫星多光谱数据监测城市 湖泊蓝藻研究

以2009年8月中旬东湖支湖局部暴发蓝藻为案例,对蓝藻暴发前后三个时期的HJ-1卫星多光谱遥感影像数据进行对比分析,利用比值植被指数(RVI)、归一化植被指数(NDVI)以及增强型植被指数(EVI)三种植被指数对蓝藻信息进行判别提取,通过已验证的样本点率定判别方法阈值,并对三种植被指数精度及判别结果进行比较分析。结果表明,利用HJ-1遥感数据可快速鉴别蓝藻范围及其程度,大气校正突出了蓝藻水体和其他地物光谱差异,EVI方法精度较高,可剔去水质中泥沙等悬浮物的干扰,可作为城市湖泊蓝藻变化检测经验模型。     

基于MODIS和HJ-1数据的宿鸭湖水库面积遥感监测研究

水体与植被、城市和土壤等地物在不同波段的光谱反射率的差异是利用遥感手段提取水体信息的基本原理。以宿鸭湖水库为例,在水体光谱特征分析的基础上,采用归一化植被指数（NDVI）方法提取2010年的MODIS和HJ-1遥感影像上的水体信息。首先将MODIS数据的第1和第2波段,以及HJ-1数据的第3和第4波段经过波段运算得到NDVI图像。将两种遥感图像中NDVI值为负的像元判识为水体,NDVI值为正的判识为水库周围的农田,经过计算像元数量得到水体面积信息。水体判识阈值在全年变化范围在-0．08和0．08之间。HJ-1数据具有较高的空间分辨率,水体判识的结果比MODIS数据更加精确。利用HJ—I数据水体监测结果对MODIS数据结果进行校正,使得到的监测结果同时具有较高的时间分辨率和空间分辨率。研究结果表明：利用HJ-1数据校正后的MODIS数据所测得的水域面积与实际观测得到的水库蓄水量之间的复相关系数为0．8603,显著提高了水体监测的精度,从而为大范围的水资源与水环境动态监测提供了迅速、可靠的依据。     

基于MODIS数据的博州植被变化及驱动因子分析

基于2006—2017年MODIS的归一化植被指数(normallized different vegetation index,NDVI)数据,采用像元尺度的回归分析方法,对博州地区NDVI的时空变化进行分析;并结合气温、降水等气象要素,参考统计年鉴的载畜量数据综合分析引起博州地区NDVI变化的驱动因子。结果表明,2006—2017年博州地区的植被尤其是草地植被以退化为主,其退化原因与人类活动关系密切。     

基于MODIS的广东省植被指数序列构建与应用

植被指数是衡量植被长势的重要指标,植被指数序列有助于准确地认知植被覆盖、土地利用和土壤水分的时空变化规律,以及进行干旱和植被生长监测.利用2004-2006年的MODIS数据,选择RVI、NDVI和EVI三种植被指数,采用最大值合成法进行广东省植被指数序列构建.按照不同植被覆盖对三种植被指数的年际变化规律进行分析,并通过NDVI进行植被覆盖度计算以及植被覆盖等级分类来分析植被的空间分布.结果表明,建立的植被指数序列能真实地反映植被生长规律,植被覆盖度和广东地区的植被实际分布状况一致.说明建立植被指数序列是动态监测广东省植被长势的及植被环境的变化的有效方法.     

大气订正对MODIS植被参数的影响研究

在"全球能量和水循环实验(GEWEX)亚洲季风青藏高原实验(GAME/Tibet)"实验区采用6S辐射传输模式,对MODIS的前三个波段进行了大气订正,得到订正后的植被参数。NDVI在订正后增大,而EVI在订正后减小,且在季风来临时的7月变化最大,而且EVI经订正后的变化大于NDVI。将订正后的结果与MODIS的植被参数产品进行比较,发现由MODIS植被参数产品得到的结果普遍大于订正后的结果,在季风中的7月和季风后的9月表现的相对明显,且EVI的差别大于NDVI。     

Retrieval of aerosol optical depth for Chongqing using the HJ-1 satellite data

Aerosol optical depth (AOD) is a common indicator applied in monitoring aerosols in the atmosphere. The hilly landscape and rapid economic growth of the megacity Chongqing have facilitated increased aerosol concentration, and it is meaningful to accurately retrieve AOD over Chongqing. The HJ-1A/B satellite of China carries a sensor/camera called the Charge Coupled Device (CCD), the spatial resolution of which meets the requirement for retrieving high resolution AOD. In this paper, analysis of the AOD retrievals from different methods using the HJ-1 satellite data revealed the most suitable algorithm. Through comparison with the AOD product of Moderate Resolution Imaging Spectroradiometer (MODIS), the AOD retrieval results using enhanced vegetation index (EVI) to estimate dark pixels showed the highest correlation. The continental aerosol model was used to build a lookup table that was able to facilitate a good AOD retrieval for both city and rural areas. Finally, the algorithm that combined dark pixels, buffer areas, and the deep blue algorithm was found to be most suitable for AOD retrieval. The AOD retrieval results based on the HJ-1 data were consistent with MODIS products, and our algorithm yields reasonable results in most cases. The results were also compared with ground-based PM₁₀ measurements synchronized with the overpass time of the HJ-1 satellite, and high correlation was found. The findings are relevant to other Chinese satellite data used for retrieving AOD on the same channels.     

EOS/MODIS数据在广西甘蔗种植信息提取及面积估算的应用

通过计算广西区域多时相MODIS-NDVI值,结合GPS选定甘蔗样本训练区多时相NDVI值变化曲线,以及甘蔗生长周期长达8个月至1年以上,蔗糖生产期间甘蔗面积逐渐递减的特性,采用最大似然法提取非样本训练区甘蔗种植信息,最终实现广西区域的甘蔗种植空间分布遥感信息的提取。经对遥感影像图甘蔗连片种植区域、零散点种植区与GPS实地定位调查比较,结果表明广西区域甘蔗种植信息遥感监测与实况相符。在此基础上,对广西区域甘蔗种植面积估算面积进行初步统计,精度达到90%以上。     

基于哨兵2A数据的北京松柏分布及花粉致敏风险评估初步研究

开展北京松柏植被的高分辨率空间信息提取及其花粉致敏风险评估对花粉浓度监测及预报具有重要意义。本文利用2019—2020年冬季304景高分辨率哨兵2A号（Sentinel 2A）卫星影像，引入新型增强型归一化植被指数（Enhanced normalized Vegetation Index,EVI）和地表水分指数（Land Surface Water Index,LSWI），开展了10 m空间分辨率的北京松柏植被分布制图研究；同时依据风险评估原理，结合2020年北京松柏花粉浓度观测数据，建立了基于松柏植被分布的花粉致敏风险空间评估方法，并初步开展了影响松柏花粉浓度范围与花粉致敏风险空间评估研究。结果表明：①基于冬季合成晴空Sentinel 2A卫星影像，利用EVI和LSWI可有效提取北京10 m空间分辨率的松柏植被分布，用户精度可达80%以上；②松柏花粉观测站14 km范围内松柏植被对该站花粉浓度具有正贡献，其中6 km范围内的松柏植被贡献最大；③松柏花粉致敏相对高风险区主要分布在西北部山区、昌平北部以及门头沟东部、石景山西北和海淀西南等地区。     

基于MODIS数据的作物苗期干旱监测方法

针对苗期低植被覆盖情况,在原有的归一化植被指数基础上,增加了土壤调节植被指数,将其与条件温度指数结合,通过与地面实测土壤相对湿度进行相关分析,分别建立作物苗期的干旱监测模型,并与热惯量方法和供水植被指数方法进行对比分析,初步得出辽宁省范围内作物苗期进行大范围干旱遥感监测的最适宜模型为土壤调节植被指数一温度模型.