Logistic函数方法拟合多时序NDVI数据的改进研究

单Logistic函数曲线拟合法是NDVI时间序列重建及物候遥感中关键物候期划分的重要方法之一。虽然该方法不需要设定阈值或经验系数、较适应于不同环境区域的物候遥感监测,但是在山区NDVI噪音较大的情形下,其拟合精度仍会受到较大影响。选取秦岭中部山区为研究区,在分析了多年NDVI时间序列数据特征基础上,利用山区NDVI数据序列最大值相对于最小值更为稳定的特性,对传统单Logistic模型求解方法进行改进,采用更为稳定的参数构建模型以提高NDVI时间序列重建的精度。基于秦岭样区MODIS NDVI多年遥感数据,分别在保持植被生长季特征能力和保留高质量原始真值程度两方面对原方法与改进方法的计算结果进行比较。研究表明改进的方法在上述两个方面都具有更好的效果。在植被指数噪音较大的山区,改进的方法对NDVI时间序列重建表现出更好的适用性,可为复杂的山区物候遥感相关研究提供参考。     

古尔班通古特沙漠梭梭林地NDVI的时间效应-基于物候变化和MODIS图像的研究

遥感图像信息提取研究是遥感研究中的一个关键问题,也是遥感研究的热点和难点之一。使用2000~2010年MODIS-NDVI 16 d合成数据和物候记录,借助GIS空间分析和统计分析方法,重构了古尔班通古特沙漠梭梭林地Mean NDVI时间序列特征曲线。分析物候与Mean NDVI时间序列表明,梭梭林地内的短命植物生长期早于梭梭。研究梭梭林地Mean NDVI时间序列曲线发现,曲线中存在一个明显区别于其他地物的特征点,该点可以作为梭梭林地信息“诊断点”。根据“诊断点”特征构建了梭梭林地特征指数模型(HFFI),进而反演了古尔班通古特沙漠梭梭林地信息,并利用地面实际观测资料进行验证,结果表明分类精度达到83%。     

物候信息在大范围作物长势遥感监测中的应用

大范围的农作物长势监测可以为农业政策的制订和粮食贸易提供决策依据,也是农作物产量估测的必要前提。遥感估算的作物生物量是评价作物长势的主要群体特征指标,在大范围上开展作物长势监测时,不同区域的作物因为所处的物候阶段不同而导致生物量存在差异,这种差异与因作物长势状况差别而产生的差异混合在一起,增加了长势监测结果的不确定性。以中国河南、山东两省为研究区,以MODIS 250 m NDVI产品数据为主要数据源,结合改进的CASA模型实现了区域内冬小麦生物量的估算,结合冬小麦生长过程特征进行了典型物候期的监测。在此基础上,分析了扬花期前后物候差异对冬小麦生物量估算的影响,研究其特定物候阶段的变化规律,从而实现了生物量的物候归一化,初步探索了如何消除大区域物候差异对作物长势监测与评估的影响。     

北京一号小卫星NDVI时间序列重建方法研究

利用目前使用较广泛的Savitzky-Golay滤波拟合法和傅立叶谐波分析法对NDVI时间序列进行滤波处理,分析植被指数时间序列滤波重建方法对北京一号小卫星数据的适用性。试验结果表明,较之Savitzky-Golay方法,傅立叶谐波改进算法的重建结果更能体现地物的物候变化规律,且对原始数据的扰动较小,更有利于基于植被指数时间序列的土地覆盖分类及作物估产等定量应用,比较适合于北京一号小卫星NDVI时间序列的重建。     

基于MODIS时间序列数据的作物季相信息提取

基于MODIS NDVI时间序列数据对浙北平原单季稻区进行作物季相一致性分析。对NDVI时间序列数据进行离散傅立叶变换去除噪声,再利用土地利用现状图提取耕地区的NDVI影像图,根据时间序列曲线的最大值研究作物的季相。结果表明:水稻生长期对NDVI时间序列曲线的响应和季相一致性均较小麦和油菜好;8 d合成的数据较16 d合成的数据可以更详细地反映作物季相信息。研究证实了MODIS NDVI时间序列曲线对区域作物季相分析的意义。     

基于SVM的高分时序冬小麦种植区提取研究

冬小麦作为我国重要的粮食作物,准确获取其空间分布情况,对农业生产管理及农情监测有重要意义。以河南省商丘市为例,利用覆盖冬小麦完整生育期的GF-1数据,计算归一化植被指数（Normalized Difference Vegetation Index,NDVI）、增强植被指数（Enhanced Vegetation Index,EVI）时间序列,结合关键生育期影像,构建不同特征量组合数据集,利用支持向量机方法进行冬小麦提取。同时采用主成分分析法对数据进行降维处理,尝试通过压缩特征集数据量来提高冬小麦提取效率。研究结果表明：EVI时序数据较NDVI能更好地描述作物的物候,提取精度皆高于NDVI,其中EVI时序数据与关键生育期影像组合提取精度最高,达到97.67%。结果表明,降维后数据并未对提取精度造成显著影响,达到压缩数据量保持提取精度的目的,为大区域作物提取提供参考价值。     

基于哨兵2时间序列组合植被指数的作物分类研究

时间序列是一种常用的物候研究方法。为充分利用哨兵2数据在红边波段的丰富信息,本文利用多种植被指数组合成时间序列进行作物分类。将NDVI、EVI、红边NDVI三种植被指数进行组合,构建时序植被指数图像,然后使用支持向量机、随机森林、CART决策树和最大似然4种不同的算法对四种作物、三种林草、裸露地表、水体进行分类。原始分类结果中,总体精度最高的随机森林为87.92%,最低的最大似然为80.07%,在分类细节上,随机森林和支持向量机的边界最清晰,4种分类结果中,农作物的分类精度均高于其他地类,仅次于水体的精度,误差主要来自三种林草的混分,表明时间序列组合植被指数用于农作物分类是可行的。     

基于多时相光谱和物候特征的陕西省神木县地物遥感分类研究

开展了时间序列Landsat TM/ETM遥感影像定量化处理与相对辐射校正,提取了陕西神木县不同地物光谱和NDVI物候特征,结合时间序列NDVI物候特征和多时相光谱信息,采用了地表覆盖的决策树分类算法,实现了陕西神木县地物的高精度遥感分类,包括水体、沙地、城镇、耕地、林地、草地及灌丛等7类地物,分类总体精度达95.77%,Kappa系数达0.93。研究结果表明,基于多时相光谱和物候特征的决策树分类算法能够有效集成多时相、多光谱信息,从而克服了单时相影像分类的缺陷,实现了地物的分类。论文研究方法和结果能够为三北防护林区域的生态环境监测与评估提供技术支持。     

基于多时相环境星NDVI时间序列的农作物分类研究

时相和归一化植被指数(NDVI)时间序列特征在农作物分类提取方面具有重要的应用价值。以黑龙江红星农场为研究区,利用多时相环境星HJ-1A/B CCD数据及其多期平滑重构后的NDVI时间序列曲线特征,在对象尺度上采用决策树算法开展了农作物分类研究,通过与单独利用多时相遥感数据分类结果的对比分析,研究了增加NDVI时序曲线特征对分类精度的影响。结果表明:面向对象分类方法得到的地块较为规则,平滑了地块内部同种作物间的噪声,避免了"椒盐现象",适合于我国东北地区农作物分类识别;利用NDVI时序曲线特征参与分类,增强了不同作物之间的光谱差异,提高了作物分类精度,比仅使用3个多时相HJ-1A/B CCD数据分类精度提高了5.45%,Kappa系数提高了0.09。通过该研究探讨了NDVI时序曲线特征在作物分类中的应用,拓展了遥感数据在农业领域的应用范围,具有推广价值。     

基于MODIS时间序列数据的春尺蠖虫害遥感监测方法研究——以新疆巴楚胡杨为例

春尺蠖虫害近年在新疆天然胡杨林区暴发成灾,严重威胁天然胡杨林的生存和绿色屏障功能的发挥。由于胡杨林面积大且胡杨树体高大,传统监测方法难以满足对胡杨林春尺蠖虫害进行快速监测的需求。以新疆巴楚县夏马勒林场为研究区,通过2014年至2017年上半年MODIS数据重构了NDVI时间序列数据集,并采用滤波技术进一步拟合了NDVI时间序列曲线。对比分析了3种滤波方法的效果,发现S-G滤波在拟合的同时较好的保留了原始曲线的细节,且全局拟合能较好地减弱异质性,使得植被覆盖空间连续性较好。通过飞机防治区样本点NDVI时间序列数据年际对比和与未飞防区样本点年内对比分析和突变点检测发现,飞机生物药剂喷洒手段针对春尺蠖病虫害有较明显防治效果,与地面虫口数量调查结果一致,且飞防效果具有一定延续性。研究结果表明通过胡杨林NDVI时间序列来监测分析春尺蠖病虫害可行。     

HJ-1A NDVI与MODIS NDVI时间序列提取植被物候特征对比研究

以HJ-1A和MODIS为数据源,通过动态阈值法提取物候特征参数,对HJ-1A NDVI和MODIS NDVI时间序列进行植被物候特征提取进行定性和定量比较,通过比较结果,提出HJ-1A NDVI数据在该应用中存在的问题,促进国产中空间高时间分辨率影像数据在植被物候信息提取研究中的应用,提高其在生态系统研究中的应用价值。结果表明:在SOS、EOS和LOS以及TOMS几个主要的物候时间点上,MODIS NDVI时间序列的标准差较小,所得物候数据更为集中,偏离度较小,所得物候数据较稳定;而HJ-1A NDVI时间序列所得物候数据的标准差较大,数据偏离程度较大,而在POS、BOS和AOS等表征植被生命周期中生长幅度数据上,其标准差较小,离散程度小。     

MODIS NDVI与MODIS EVI的比较分析

MODIS NDVI与MODIS EVI是目前应用比较广泛的植被指数,MODIS EVI是对NDVI的发展和延续,从植被指数计算公式和合成方法两方面做了改进。具体表现在:避免了MODIS NDVI在植被高覆盖区易饱和的问题,考虑了土壤背景对植被指数的影响,对气溶胶等残留做了进一步校正,采用BRDF/CV-MVC合成方法保证了合成采用最佳像元。EVI时间序列相较于NDVI时间序列季节性更明显,能够更好地反映高植被覆盖区的季节性变化特征,并且很少有突降现象,时间序列曲线较平滑。EVI的这些优势为高覆盖植被物候特征的季节性变化监测提供了新的思路。     

基于遥感的黑河流域植被物候空间格局提取分析

植被物候的检测对于认识自然季节现象的变化规律,服务农作物生产、全球变化、生态学应用方面具有重要价值。植被指数是描述植被数量、质量、植被长势和生物量指标的重要参数。利用SPOT VEGETATION NDVI时间序列数据,采用Savitzky-Golay滤波方法重建了NDVI的年内变化序列,并利用此数据提取了黑河流域植被物候空间分布格局。结果表明,采用此方法得到的植被物候信息和该区域的农事历信息符合较好。黑河流域植被物候具有明显的空间格局。上游的高寒草地区生长季长度较短。中游地区受人类活动影响严重,较为符合该区农作物生长信息。     

基于TIMESAT的3种时序NDVI拟合方法比较研究——以藏北草地为例

以藏北地区2007～2009年MODIS 16 d合成的NDVI时间序列为例,介绍了基于TIMESAT 2.3软件的3种主要拟合算法--非对称高斯函数(AG)拟合、双Logistic曲线(D-L)拟合和Savitzky-Golay(S-G)滤波法的基本原理和实现流程;重点从拟合重建NDVI时间序列对原始NDVI值上包络...     

基于Sentinel-1/2影像的水稻种植面积提取方法研究——以三江平原为例

水稻是中国主要粮食作物之一，稻米产量关系到民生福祉。及时、准确地获取水稻种植面积信息及其空间分布状况对于区域农业发展规划和产量评估具有重要意义。针对水稻与其他农作物易混以及光学数据易受云雨天气影响等问题，以东北三江平原为例，利用中高分辨率Sentinel-1微波数据、Sentinel-2光学数据，分别构建时序水体指数SDWI和植被指数NDVI组成水稻完整的物候生长曲线，分析水稻移栽期、分蘖期、抽穗期、成熟期4个重要生长时期不同的光谱差异，通过阈值分割和组合不同时期的数据，来实现水稻不同物候时期种植面积的提取，并与传统的基于单一光学数据的方法进行对比。研究结果表明：经过地表样本点的验证，所构建方法可以精确提取三江平原水稻几个关键生育期的种植面积并且优于单一使用光学数据的方法。同时利用单生育期影像例如移栽期影像提取水稻面积也可使总体精度达到87.08%，随着生育期数据的完整，总体精度也不断提高，其中基于全生育期的面积提取总体精度也高达91.88%,Kappa系数为0.834，可以满足实际应用需求。因此这种的多源数据结合的水稻种植面积提取方法能够准确、高效地提取三江平原水稻不同物候时期种植面...     

利用时序数据构建冬小麦识别矢量分析模型

鉴于作物类型识别中存在光谱特征相似的困扰,"异物同谱"问题难以有效解决,而时序归一化植被指数(Normalized Different Vegetation Index,NDVI)曲线数据能够反映作物不同时期的动态变化趋势,该文将NDVI时间序列投影到N维空间构成多维特征矢量,结合冬小麦特有的物候特征,充分利用矢量的方向和大小参量,构建冬小麦识别的矢量分析模型,模型的识别能力较强,可以充分发挥NDVI时间序列的优势。以唐山市为研究区,基于高分一号WFV(Wide Field of View)数据的高分辨率优势,构建覆盖冬小麦生长期的NDVI时间序列,采用矢量分析模型进行冬小麦识别,同时与最大似然法、马氏距离法、支持向量机法、神经网络法、最小距离法等分类方法进行对比。结果显示,后5种分类方法的Kappa系数介于0.701 8和0.790 3之间,而矢量分析模型达到了0.895 2,精度有了较大提高。该研究为冬小麦识别提取提供了新的思路,也对推动遥感农情信息调研具有一定学术和应用价值。同时,基于研究区训练样本提出了模型阈值参数自动确定的方法,为今后冬小麦自动提取奠定了基础。     

我国遥感植被生长季节的地面检验研究-以温带草原和暖温带落叶阔叶林区为例

利用1982～2000年NOAA AVHRR NDVI时间序列数据,分别采用中值法、经验公式法、延迟滑动平均法和原型曲线法,划分我国温带草原区7个牧业试验站和暖温带落叶阔叶林区5个物候站所在像元的植被生长季节。通过比较各种方法划分结果与物候观测结果的标准差,以及遥感生长季节划分结果的绝对误差分级百分比、相关误差指标和相关系数,对比分析了各种方法生长季节划分结果的稳定性、准确性和有效性。研究结果表明,划分生长季节的开始,在草原区和森林区均以原型曲线法最为适宜。划分生长季节的结束,在草原区以中值法的划分结果最好,其次是原型曲线法衰落点的划分结果;而在森林区,则以原型曲线法休眠点的划分结果最好。本文为遥感生长季节划分结果的地面检验与划分方法的筛选,提供了典型的案例和方法。     

基于时序MODIS EVI匹配的棉花信息提取以新疆博乐市为例

增强植被指数(EVI)是植被生长状态及植被覆盖度的指示因子,其时序数据也已成为基于物候特征开展大区域植被和土地覆盖分类的基本手段。利用Savitzky-Golay滤波对MODIS EVI 16 d合成时间序列数据进行重建,并利用2006~2010年重建得到的时序数据建立棉花理想时序EVI曲线,通过比较待分类像元与理想曲线欧氏距离的方法,提取新疆博乐市棉花种植分布。使用2011年实地调查的棉花地块为感兴趣区,利用混淆矩阵对2011年棉花种植分布的提取结果进行精度检验,总体精度为82.31%。结果表明:利用多年数据建立的理想时序EVI曲线提取棉花种植分布有效可行。     

基于Sentinel-2的UNVI植被指数及性能对比研究

作物精准识别和分类是农业遥感检测的重要内容,对作物长势监测以及估产十分重要。以美国混合农业带为研究区,基于Sentinel-2时间序列影像,根据其传感器响应函数计算了针对Sentinel-2的通用归一化植被指数（Universal Normalized Vegetation Index,UNVI）,并通过两个对比实验,分析UNVI等6个指数在作物精准分类中的性能。实验一以JM（Jeffries-Matusita）距离为指标对不同作物类别之间的可分性进行分析,结果表明UNVI优于NDVI、EVI、WDRVI、NDre1和NDWI指数,在玉米和棉花、玉米和水稻、玉米和水稻的区分上,UNVI优于其他指数区分能力相当,但在其余的作物组合上如棉花和水稻,NDVI等指数则无法将其很好的区分,此时UNVI指数依然可以表现出较好的区分能力;实验二对6种时间序列指数特征分别使用随机森林和支持向量机进行作物分类,结果表明UNVI指数的总体精度和Kappa系数最高,其次是NDre1指数和WDRVI指数,EVI的总体精度和Kappa系数最低,这表明UNVI比其他6个指数更好地区分了研究区大豆、玉米、棉花和水稻等4种主要作物。综上,基于Sentinel-2时间序列的UNVI指数在进行作物分类时与其他5种遥感植被指数相比,具有较大的优势,UNVI可为农作物长势分析和作物估产研究等农业研究和应用的可选植被指数。     

基于NDVI数据的三江平原农田物候监测

物候现象被称为气候变化的积分仪,研究农田物候现象对农业生产有重要的指导意义。多时相遥感影像使区域物候监测成为可能。利用傅里叶级数对MODIS NDVI数据进行平滑,结合地面观测资料,采用动态阈值法提取物候信息,并与实际观测结果进行比较分析。研究结果表明:三江平原大部分农作物在第120~130 d开始生长,在第250~260 d左右停止生长,2003年三江平原农作物开始生长和结束的时间较早,2005年开始生长日期比2003年有所推迟,2007年农作物开始生长的日期早于2005年,但生长季结束的日期比2003年和2005年都晚,2007年生长季长度较长。采用MODIS NDVI数据获取的物候参数具有一定的可靠性,在农田大面积分布区域监测结果更为准确。
