基于时空融合NDVI及物候特征的江汉平原水稻种植区提取研究

江汉平原是中国重要的商品粮基地,高精度的水稻种植面积的获取对国家的农业发展与规划具有重要意义。但是我国南方区域云雨天气较多,光学遥感影像缺失严重,同时受卫星重访周期的影响,可用数据较少,进而影响水稻种植面积提取的精度。为解决高时空分辨率影像缺失问题,基于ESTARFM (enhanced spatial and temporal adaptive reflectance fusion model)模型开展Landsat 8 OLI与MODIS数据的融合研究,获取具有高时空分辨率的Landsat NDVI时序数据。利用时序数据分析水稻的物候特征并结合关键物候期参数,采用多种机器学习方法对水稻种植区域进行提取。结果表明:利用该种方法能较好地提取研究区水稻种植的面积,并且在采用SVM方法分类时效果最好,水稻种植区域提取的总体分类精度为93.31%,Kappa系数为0.920 2。该研究为多云雨地区农作物种植信息提取提供了一种有效的方法。     

基于EVI相似性分区的冬小麦面积提取及其动态监测

及时、准确地获取冬小麦种植面积及时空变化信息对提升作物估产精度和保障粮食安全具有重要意义。冬小麦物候期受地理条件和人为因素影响差异很大，利用遥感进行大尺度种植面积提取时其精度容易受物候差异的影响。根据MODIS EVI数据和Landsat影像，在定量评价冬小麦EVI相似性并结合高程信息对研究区进行分区的基础上，通过对比冬小麦参考时序曲线与待分类像元时序曲线之间相似性提取冬小麦种植面积，并对湖北省2009～2017年冬小麦种植面积时空变化过程进行分析。结果表明：（1）冬小麦面积提取平均精度达95.3%，R ²大于0.90，明显优于未分区提取结果；（2）冬小麦主要集中分布于中部和北部地区，其中，襄阳县、枣阳市的种植面积尤为集中；（3）冬小麦空间分布大致呈现向西北、东南部地区扩张的时空变化格局；（4）在2009～2017年期间，冬小麦种植面积先增后减，总体呈上升趋势，2017年比2009年增加了4%。基于EVI相似性的作物分区提取方法可提高种植面积精度，为大区域内冬小麦面积时空变化遥感监测提供有效方法。     

基于HJ卫星混合像元分解法的湖北省四湖地区夏收作物种植信息提取

混合像元是造成中低空间分辨率遥感数据计算机解译不准确的主要原因，通过收集2013年四湖地区夏收作物生长期内的不用生育时期的三景HJ卫星CCD数据，生成一个15波段的“类高光谱”数据；在采用阀门技术结合夏收作物NDVI指数变化特点，提取所有夏收作物（小麦与油菜）在四湖地区的空间分布的基础上，成功运用改进的逐步回归法计算出小麦与油菜在混合像元中的丰度值，高精度地取得了四湖地区小麦、油菜种植区的空间分布；将部分结果与同期资源三号卫星融合数据作为标准进行比较，证明基于改进的逐步回归法计算混合像元的丰度值是比较准确的，为运用HJ卫星CCD数据高精度提取农作物种植信息提供了一种可行的方法     

山区县域生态系统安全因子遥感和GIS分析--以重庆市忠县为例

数据的高效获取和信息的实时提取,长期以来一直是困扰区域生态安全研究领域和地学过程研究领域的瓶颈和难题。在对案例研究区——重庆忠县地区TM卫星遥感数据进行波谱信息特征分析的基础上,通过人机交互目视判读解译和模型模拟自动信息提取等多种有效技术和方法,实现用遥感影像数据对山区县域生态环境系统安全因子体系中的3个主要因子：土地覆被、水土流失强度、植被盖度等进行数据提取,并用GIS技术对这些指标因子数据进行空间分析。这在一定程度上解决了中尺度山区县域生态环境系统安全评价指标因子数据提取与地学分析的技术和方法难题。通过GIS空间分析,揭示出忠县部分生态安全因子的时空分异特征,为山区县域生态环境退化评价和生态恢复研究提供了一种新的方法尝试。     

江苏省水稻遥感估产研究

结合水稻遥感估产研究工作，阐述了遥感估产全过程，根据江苏省境内水热条件、地貌、土壤条件、种植制度等，进行水稻遥感估产区划和样点布设，建立估产背景数据库。利用混合像元分解方法提取水稻种植面积，以及采用遥感植被指数单产模型，进而预测水稻产量。     

基于时序MODIS-NDVI的油菜种植面积变化趋势分析——以江汉平原为例

油菜是我国主要油料作物,其种植与监测对于保障食油生产安全具有重要意义。本文以江汉平原作为研究区,利用2002~2014年250 m分辨率的MODIS-NDVI时序数据,采用经验模态分解(EMD)方法,结合地面调查数据以及作物物候数据等辅助数据,获取主要地物覆盖类型的端元信息,然后利用线性光谱混合模型(LSMM)进行混合像元分解,得到油菜种植面积丰度的空间分布。结果表明,EMD方法较好地过滤了时序数据的噪声;经年鉴统计数据验证,油菜提取面积精度达到了92.5%以上,R2大于0.9。油菜种植面积的时空变化结果很好地反映出江汉平原油菜种植面积总体呈增长态势。此外,政策导向和市场价格对油菜种植面积的影响明显。     

基于多源遥感数据及DEM的人口统计数据空间化——以浙江省为例

利用DMSP/OLS遥感夜间灯光数据进行人口等社会经济数据的空间化时,往往受到其较低的空间分辨率、像元过饱和以及像元溢出现象的影响。植被指数（如NDVI）与不透水面呈负相关关系,与夜间灯光数据在反映人类活动、提取建成区方面可以互补,将这两种数据融合可以有效减少夜灯数据像元过饱和等因素引起的误差。通过进一步融合DEM数据对基于DMSP/OLS夜间灯光数据和NDVI构建的人居指数进行了海拔修正,基于修正后的人居指数与统计人口之间很强的线性相关建立人口空间化模型,获得2010年浙江省1 km×1 km分辨率下的人口密度空间分布。模拟结果显示,浙江省平均人口密度为515人/km2,模拟的平均相对误差为183%,相比海拔订正前的模拟误差减少约5%,表明利用多源遥感数据融合后的人居指数在省级尺度上模拟人口空间分布的精度较高     

基于知识与规则的土地利用信息分层提取研究——以南京市都市区为例

为了克服利用统一分类模型难以有效提高土地利用分类精度的问题,为土地利用/覆被定性、定量信息的提取提供一种高精度、高效率的提取方法,将分层信息提取法和基于知识规则的信息提取方法相结合,基于对南京市都市区的土地利用时空特点和研究区TM影像数据中各地类波谱信息的分析,结合了地类提取指数模型、DEM数据、城市建成区边界等,充分利用地学先验知识,设计了一套土地信息分层提取的流程,对土地利用信息进行了提取。利用该方法对2012年南京市都市区的土地利用/土地覆被信息提取的总体精度达到了88.67%,Kappa系数达到了0.85。实践证明,基于知识与规则的土地利用信息分层提取方法提取精度较高,适用性强,对其他地区的土地利用/覆被信息分类提取也有一定的借鉴意义。     

MERIS卫星数据定量反演长江河口的悬沙浓度

悬浮泥沙浓度是描述水质的重要参数，获取其空间和时间上的分布，有助于水环境监测及泥沙输运观测。首先介绍了欧空局（ESA）发射的ENVISAT上携带的中分辨率成像光谱仪（MERIS）基本特点，其数据较SeaWiFS、MODIS在水色波段设置和灵敏度上具有一定优势，然而在我国高浑浊河口如长江口，MERIS二级产品如离水辐射率和总悬浮物浓度的反演结果与实测数据有较大的偏差。故直接利用其一级数据即传感器接收到的辐射率，采用基于辐射传输模型的MODTRAN算法进行大气校正以获得水表遥感反射率。应用遥感反射率与悬沙浓度的关系模型，反演了2005年夏季三个寻常潮（7月30日、8月3日、8月9日）悬沙浓度。通过对反演结果与实测数据进行分析，得出反演偏差可由二级产品90%相对误差降低到53%左右。最后给出了2005年8月15日、9月16日悬沙浓度分布图，通过分析得出利用MERIS数据反演高浑浊河口悬沙浓度是可行的.     

基于遥感反演长江中游地区悬浮泥沙研究

悬浮泥沙定量研究对于调查长江的水质、地貌、生态环境等起着至关重要的作用。以长江中游武汉地区2012~2013年14幅不同时相的Landsat ETM+遥感影像为主要数据源，结合野外采样悬浮泥沙浓度数据，分析了悬浮泥沙遥感定量反演方法，数据处理中针对ETM+SLC OFF影像缝隙问题，采用自适应局部回归匹配算法（ALR）进行影像自动恢复处理，在波段选择中对悬浮泥沙浓度和光谱反射率数据进行相关性分析，并运用传统关系建模方法和高斯模型方法对比，比较悬浮泥沙定量反演模型，利用实测验证数据对反演模型精度进行评估。研究结果表明：（1）ALR可以有效的获取悬浮泥沙敏感波段的遥感光谱反射率；（2）ETM+Band3悬浮泥沙浓度的高斯模型相关系数最高，通过对比得到模型反演的验证精度较高，研究证明遥感定量反演适合于长江流域武汉段泥沙含量大范围监测     

基于MODIS/NDVI与EVI的皖江流域植被覆盖比较分析

利用多时相的TERRA/MODIS影像资料比较了皖江流域NDVI和EVI的时空分布特征，并分析了空间分辨率和大气校正对NDVI和EVI的影响。结果表明：MODIS/NDVI与MODIS/EVI所反映的植被覆盖状况基本一致，但5月份较8月份NDVI和EVI的空间分布差异明显，且在植被生长旺盛时期，EVI比NDVI更能反映植被覆盖状况。在相同的空间分辨率下（250 m、500 m、1 000 m），EVI比NDVI能更好的反映植被覆盖的空间差异性，随着空间分辨率的降低，这两种指数反映植被覆盖的差异性在减小。大气校正对NDVI和EVI的影响不同，大气校正前NDVI值小于EVI值，大气校正后NDVI值普遍大于EVI值，但大气校正对NDVI的影响不大，对EVI的影响明显     

利用多时相HJ CCD影像监测江汉平原南部地区棉花和中稻种植面积

为探讨利用国产HJ卫星遥感数据进行农作物种植面积估算及农业气象灾害定量监测评估的可行性,以江汉平原南部县市为研究区,利用2011年6景不同时相的HJ卫星CCD遥感数据,结合野外调查样方点和面积较大的试验基地样本,通过分析研究区主要秋收作物（棉花、一季中稻）不同生育期的光谱特征和归一化植被指数（NDVI）时序变化特征,对分类影像进行序列阈值分割、掩膜处理,最后利用决策树算法成功提取了棉花和一季中稻的种植面积,得到面积精度和样本点精度均大于90%,Kappa系数为0983 5的结果。只要不受到云和降水的影响,能获取江汉平原区域关键时相（5月中下旬、6月上旬、7月上旬、7月下旬或8月上中旬、10月上旬）HJ 卫星CCD影像数据,便能很好地应用于江汉平原棉花和中稻作物提取     

不同土地利用类型的地表特征参量的遥感反演研究——以猫跳河流域为例

利用2007年5月Lansat5 TM数据,运用单通道算法,基于全国遥感监测土地利用/覆盖分类体系,对贵州省猫跳河流域的地表特征参量进行了反演,得到不同土地利用类型下的典型地表特征参数值。在3种主要的土地利用类型中,林地的植被指数最高、地表温度最低,农田的植被指数最低而地表温度最高,草地介乎林地和农田之间。城镇建设用地主要表现为热岛效应,而水域则主要表现为地表温度（LST）和归一化植被指数（NDVI）的双低特征。进一步对二级土地利用类型的分析表明,由于结构、功能的不同,土地利用二级类在地表特征参量方面也表现出了有规律地变化。有助于深入认识不同土地利用类型的物理特征,可以丰富主要土地利用类型的影像分类的先验知识,有望将不同土地利用方式的生态环境效应研究推进一步     

基于高光谱遥感和HJ 1卫星的冬小麦SPAD反演研究

冬小麦SPAD（Soil and Plant Analyzer Development）是评价其健康状况的重要农学参数,传统监测方法效率较低,旨在将田间监测和遥感技术相结合,探讨我国江汉平原地区冬小麦SPAD的遥感监测方法。研究选取湖北省潜江市后湖管理区为研究区域,利用ASD Fieldspec 3地物光谱仪和SPAD 502叶绿素仪在田间采集冬小麦冠层光谱和叶片SPAD,选取4种植被指数与叶片SPAD进行回归分析并构建预测模型。经模型精度检验,NDVI较适合对该地区冬小麦SPAD反演。然后将NDVI SPAD反演模型与HJ 1卫星影像相结合,进行研究区域的冬小麦SPAD反演,通过比较HJ 1卫星影像反演SPAD与田间实测值,经分析均方根误差（RMSE）为632。结果表明,利用NDVI植被指数模型能够较好进行研究区内冬小麦SPAD反演。实现了从地面监测到卫星遥感不同尺度的冬小麦SPAD反演,为大面积冬小麦SPAD监测提供技术和方法     

基于中低分辨率遥感影像的分类方法对比研究——以鄱阳湖水鸟栖息地遥感分类为例

选取中国鄱阳湖南矶山湿地为研究范围,通过分析候鸟在越冬期的栖息特征,构建适宜于提取候鸟栖息地的湿地分类系统。以Landsat8卫星OLI遥感影像为数据源,采用面向对象分类方法,通过多尺度分割、特征提取和决策树建立等关键步骤,实现湿地信息的快速提取;通过与传统像元法的分类结果对比,系统分析了面向对象方法在基于中低分辨率遥感影像的湿地信息提取中的有效性。研究表明:在面向对象湿地信息提取中,构建不同等级的分割尺度,在多个尺度上提取同一地物,可以更好识别复杂的湿地景观类型;相比仅依据像元光谱特征进行分类的传统像元方法,面向对象方法综合利用光谱、空间、形状和纹理等多种特征,因此可以获得更高的精度(总体分类精度达到87.64%,Kappa系数为 0.855 2);基于中低分辨率遥感影像,采用面向对象分类方法,能够获得较高精度的湿地景观分布,是一种成本较低且行之有效的技术手段。     

基于MODIS NDVI汉江中游植被时空变化及其地貌分异分析

基于2001~2015年的时间序列MODIS NDVI数据,通过逐像元线性趋势回归和回归系数计算,分析汉江中游地区植被年均NDVI变化的时空规律;通过植被时空变化的地貌分异分析,评估人类活动的影响及其空间差异。研究结果表明:汉江中游地区近15 a来,植被年均NDVI值呈现明显的波动增长趋势;植被时空变化表现出一定的地貌分异规律,平原、河漫滩、台地植被年均NDVI呈现明显的增长趋势,而丘陵、低山和中山植被年均NDVI增长趋势不明显。不同地貌类型区年均NDVI值变化受人类活动影响程度的强弱依次为:平原、台地、河漫滩、丘陵、低山、中山。人类活动是汉江中游平原区年均NDVI稳定增长的主要原因。     

基于决策树—山体阴影模型的植被信息提取研究

植被是土地覆被分类的重要内容,植被分类对研究流域生态具有重要参考价值。鄂西犟河流域是南水北调中线工程的重要水源地,该区以中低山和丘陵为主,地形起伏剧烈,导致遥感影像存在大量阴影,制约了植被分类的精度。基于LandSAT OLI影像,使用ArcGIS的Hillshade模块,输入DEM数据和传感器具体参数,计算得到影像成像时刻阴影的准确分布;统计野外采集地物样本点在MNDWI、NDVI和RVI等指数上的差异;结合决策树分类法,分别设定阴影和非阴影下6类样本的阈值进行分类。结果表明:(1)该方法总分类精度能够达到92.93%,Kappa系数为0.912;(2)阴影和非阴影区植被具备明显的同物异谱和异物同谱特征,表现为阳面的植被指数整体高于阴面;3类林地的RVI值由高往低依次为:灌木,混交林和针叶林。(3)传统经验模型在不同纬度的适用性不同,无法精确提取阴影的范围,降低了分类精度;决策树—山体阴影模型作为一种智能分类方法,能够还原Landsat OLI影像准确的阴影分布,提高山地和丘陵等阴影面积大、形状复杂区域的植被分类精度。