基于MODIS时间序列及物候特征的农作物分类

论文以2012年6月至2014年6月期间的MOD09Q1及2013年四五月的MOD09A1为数据源,合成归一化植被指数(NDVI)和归一化水体指数(NDWI),利用TIMESAT软件对NDVI时间序列数据应用分段高斯函数拟合方法重构NDVI时序曲线,并获取7个物候特征(Phenology,以下简称PH,包括生长季始期,生长季末期,生长季长度,NDVI振幅,NDVI左导数,NDVI右导数,生长季期间的NDVI积分).结合Landsat 8 OLI遥感影像,中国第二次土地调查数据和实地采样样本数据,根据2013年多种地物平滑后的NDVI曲线特征,将年NDVI最大值低于0.5的水体和建设用地掩膜去除.为了获取研究区农作物的最优分类方法,采用分层分类:首先对平滑后的46个NDVI时序数据进行支持向量机(SVM)分类,得到农用地等分类信息;其次利用平滑后的46个NDVI波段,7个物候参数及6期归一化水体指数相互组合,对农用地进行支持向量机分类提取3种农作物的分布信息.经不同波段组合分类对比可知,分类总体精度及Kappa系数的关系为:NDVI+NDWI>NDVI+PH+NDWI>PH+NDWI>NDVI+PH>NDVI>PH.研究结果表明,遥感数据波段的增加不一定带来较高的分类精度;论文中归一化水体指数有效地提高了水稻的分类精度.此外,辅以物候特征对农作物分类也具有一定的可行性.     

基于MODIS数据的若尔盖草场植被覆盖时空变化分析

一般意义上将反映植被生长状态及植被覆盖度的指示因子称为归一化植被指数(即NDVI),它也是判断基于生物气候特征开展大区域植被和土地覆盖分类的基本手段。利用NDVI的时序数据的进行土地覆盖分类,即提取NDVI时间信号所包含的植被生物学参数,构建起一个包含植被生物学信息的分类特征空间。     

基于多时相NDVI数据的复种指数提取方法研究

多熟种植是中国重要的种植制度,在农业生产中具有重要的地位。复种指数反映了耕地实际利用强度,及时获取其空间分布信息是国家农业决策的基础。论文在重新理解和定义复种指数的基础上,提出了一种基于NDVI曲线迭代修正的复种指数遥感提取方法,并以SPOT/VGT多时相NDVI数据为基础,提取了1999~2004年中国北方17省市区农用地的复种指数。结果表明:提取的复种指数空间分布符合我国耕作制度区划,基于目视解译的样点检验总体精度为95.24%,Kappa系数为0.9057,与根据统计数据得出的复种指数结果的线性回归斜率为0.9288（R2=0.9159,P<0.001）,表明该方法能够准确快捷地提取复种指数,及时地为农业和土地管理部门提供耕作制度的空间信息。     

基于人工神经网络多源数据融合的子像元冬油菜提取——以两湖平原为例

油菜是我国第五大农作物和重要的油料作物。获取油菜的种植分布信息对食用油市场的发展和粮食安全具有重要意义。两湖平原泛指包括湖北江汉平原和湖南洞庭湖平原在内的广大平原区域,是我国重要的粮棉油生产基地,"湖广熟,天下足"指的就是这一地区。由于耕地破碎,种植结构复杂,两湖平原轮作和间作的现象非常普遍,传统的遥感监测方法难以准确地获取冬油菜的空间分布。本文提出了一种基于人工神经网络ANN的子像元冬油菜提取方法,将时间序列MODIS-EVI和GF-1数据结合以提取两湖平原的冬油菜丰度信息。首先采用顺序前向选择SFS算法从时间序列MODIS-EVI数据集中进行物候特征优选;然后构建融合多源数据的ANN模型估算两湖平原的冬油菜丰度。结果表明:基于ANN方法获取的冬油菜分布具有较高的精度(ANN估算结果与GF-1和统计数据的验证精度分别为91.54%和74.70%),在利用中分辨率影像进行大尺度冬油菜精细制图方面显示出巨大潜力,可为我国冬油菜的空间分布制图和时空格局分析提供技术方法。     

垦利县耕地利用动态监测研究

对土地利用变化进行监测是全球变化的一项基本内容,基于遥感技术的两个最主要的应用是通过影像分类制作土地覆被图和通过变化监测分析土地覆被变化,从而为土地利用分析提供了有力的工具与手段。论文以山东省垦利县为研究对象,探讨了利用TM数据进行耕地信息提取及监测,包括遥感图像的几何精校正、数据配准、研究区数据提取及图像增强等,分别采用屏幕目视解译法和自动分类与目视解译结合法两种分类方法提取耕地信息,在此基础上对耕地分类结果进行叠加监测,并对分类和监测结果进行了验证;最后对耕地资源的变化做了一个系统的分析。结果表明,在计算机自动分类结果的基础上,进行目视修正,可以有效地提高分类精度,适宜于农用土地区尤其是滨海盐渍土区的耕地信息提取。     

泰国水稻种植区耕地信息提取研究

耕地信息是重要的农业信息,是分析土地资源利用程度的基础。论文通过面向对象的方法提取了泰国的水稻种植区耕地信息。研究中以TM影像作为数据源,首先考虑多光谱特征、紧密度和光滑度等几何特征,通过区域合并方法进行影像的多尺度分割,生成同质的影像对象多边形。然后选取影像中样地的光谱标准差、形状指数、对称度和密度作为耕地类别的识别特征,并采用模糊函数方法对各特征进行了定义。最后利用最相近匹配方法,对每个对象多边形进行类别判别。在分类的基础上,进行同类别的合并和统计,得到耕地的分布和比例信息。通过野外实测样地和目视解译结果检验,耕地类别符合率为90.25%,面积相同率为90.25%,形状一致性为90%,最终土地利用程度分析结果精度为90%。     

基于人工神经网络多源数据融合的子像元冬油菜提取——以两湖平原为例

油菜是我国第五大农作物和重要的油料作物。获取油菜的种植分布信息对食用油市场的发展和粮食安全具有重要意义。两湖平原泛指包括湖北江汉平原和湖南洞庭湖平原在内的广大平原区域,是我国重要的粮棉油生产基地,“湖广熟,天下足”指的就是这一地区。由于耕地破碎,种植结构复杂,两湖平原轮作和间作的现象非常普遍,传统的遥感监测方法难以准确地获取冬油菜的空间分布。本文提出了一种基于人工神经网络ANN的子像元冬油菜提取方法,将时间序列MODIS-EVI和GF-1数据结合以提取两湖平原的冬油菜丰度信息。首先采用顺序前向选择SFS算法从时间序列MODIS-EVI数据集中进行物候特征优选;然后构建融合多源数据的ANN模型估算两湖平原的冬油菜丰度。结果表明：基于ANN方法获取的冬油菜分布具有较高的精度（ANN估算结果与GF-1和统计数据的验证精度分别为91.54%和74.70%）,在利用中分辨率影像进行大尺度冬油菜精细制图方面显示出巨大潜力,可为我国冬油菜的空间分布制图和时空格局分析提供技术方法。     

基于RS和GIS的贺兰山高山林线初步研究

论文基于RS和GIS方法,运用Landsat 8-OLI影像和DEM数据获取贺兰山高山林线分布信息,并对林线植被NDVI特征和林线分布特征进行研究。结果表明：1）生长季初期山地针叶林和高山灌丛草甸NDVI值差异明显,两种植被NDVI栅格像元的分布及其数量在山地垂直空间的变化指示出贺兰山2 900~3 200 m海拔范围出现高山林线现象。2）贺兰山高山林线主要分布在中部顶峰周边区域,林线上边界平均高度3 106 m,下边界平均高度3 022 m。主山脊两侧区域的东坡和北坡林线的平均高度较高,西坡和南坡低。3）山地针叶林与高山灌丛草甸NDVI栅格数据可以作为影像分类数据的补充,对影像分类方式确定的高山林线分布区域进行修正,能够提高林线提取的准确性。     

鄱阳湖区粮食供给功能的空间格局分析

在种植制度复杂、地块破碎及多阴雨天气的南方地区,应用卫星遥感植被指数时间序列数据提取复种指数受到中低空间分辨率的限制。使用较高空间分辨率影像是提取该区域复种信息有效的数据源。论文以鄱阳湖区为研究区,通过遥感解译提取水田空间信息;在界定单/双季稻生长期物候历的前提下,根据水稻不同生长期内归一化植被指数(NDVI)的明显差异,选择合理时间窗口的TM影像获取水田NDVI数据,采用非监督分类法提取单/双季稻的空间分布信息;结合湖区乡镇不同熟制水稻单产数据估算出基于栅格的水稻产量。研究表明,4月下旬到6月下旬是判别双季早稻与单季稻空间分布的合理时间窗口;7月上旬到8月上旬及9月中旬到10上旬是判别单季稻与双季晚稻空间分布的合理时间窗口。2005年,单季稻播种面积为3 081.58 km²,晚稻/早稻播种面积为3 602.97 km²,水稻复种指数为153.9%。单季稻普遍分布在市县建成区周边,双季稻主要分布在河口三角洲等地。全年水稻总产量约1 650×10⁴ t,单季稻占30.5%,双季稻占69.5%。赣江下游地区两种熟制水稻产量均较高,而湖汊及湖区外围丘陵地区产量较低。     

1999—2013年中国东北植被物候信息遥感监测

随着3S技术的迅猛发展,用于地表遥感监测的卫星影像数据浩如烟海,而影像上地表植被长势等隐含信息的提取通常工作量大、耗费时间。论文提出了一种计算机自动提取地表植被物候信息的方法,主要用于对地表植被生长季及其年内长势进行快速提取。方法的基本原理是基于NDVI序列数据集,构建时间点对的时长跨度与该点对半方差的函数关系。选择东北松嫩平原地区作为重点试验区,计算了该区域1999—2013年地表植被生长季长度和长势特点,并选择东北地区物候观测数据进行验证分析。结果表明：1）东北地区农耕作物的生长季持续期在107~126 d左右。计算得到的结果与实测数据的最大误差在5 d值域范围内,沼泽植被在160 d以上（误差10 d左右）,草地为120~139 d;2）研究区地表植被的生长盛期峰值出现在第150天前后。结果较为真实、合理地反映了研究区域地表植被的物候信息。     

东北多年冻土区植被NDVI变化及其对气候变化和土地覆被变化的响应

利用1982~2006年的NOAA AVHRR-GIMMS和MODIS 2种数据集的归一化植被指数(NDVI)数据对东北多年冻土区植被NDVI年际动态和空间差异进行分析,并结合气象数据和土地利用/覆被数据分析了植被NDVI对气候变化和土地利用/覆被变化的响应.研究表明,东北多年冻土区植被NDVI值较高,且空间差异明显;森林为该区主要植被类型,NDVI值较高,主要分布于大小兴安岭和伊春地区;草地集中分布于西南部, NDVI值相对较低.东北多年冻土区过去25a间植被生长的变化趋势为:伴随着气温的显著升高和降水量减少,植被NDVI显著下降.较气温而言,降水量是影响植被NDVI的主要因子(r = 0.77, P < 0.01).在气候变化和人类活动的双重作用下,东北多年冻土区植被NDVI在1982~2006年间表现为4个阶段:1982~1990年,植被NDVI虽有小幅波动,但整体上呈持续增加的趋势;1990~1993年,植被NDVI呈迅速下降趋势; 1993~1997年,植被NDVI呈现回升态势,表现出缓慢上升的趋势;1998~2006年,植被NDVI呈现总体下降趋势.不同植被类型表现出不同的NDVI年际变化规律,尤以草地NDVI值波动最大.植被NDVI变化空间异质性显著.气候变化和多年冻土退化影响了东北多年冻土区植被NDVI动态.年均气温升高和年降水量降低影响了植被的生长.从像元尺度来看,研究区植被NDVI与气温和降水均具有较显著的相关性.研究区土地利用/覆被变化的分析结果表明,不同的土地利用类型间的转变对植被NDVI的大小和空间分布产生了重要影响.     

东北地区植被时空演变及影响因素分析

基于2000~2020年MODIS NDVI遥感数据,辅以气象数据和土地利用数据,通过小波分析、Sen+Mann-Kendall趋势分析、Hurst指数、偏相关分析及残差分析法,以不同地形地貌为单元,对不同周期阶段下东北地区植被时空演变特征及其对气候变化和人类活动的响应机制进行深入解析.结果表明:时间上,21a间东北地区植被NDVI呈速率为0.0308/10a(P<0.001)的上升趋势,以16a第一主周期下10a左右的周期变化最为稳定;空间上,东北地区植被NDVI整体处于较高水平,但空间分异明显,呈“西南低东北高”的格局.各周期阶段均为NDVI改善面积大于退化面积且改善范围不断扩增.NDVI未来变化趋势主旋律为持续改善,占总面积的63.56%;响应机制上,东北地区植被NDVI受气候变化与人类活动共同影响.2000~2020年NDVI与气温、降水和相对湿度呈正相关,与日照时数呈负相关,其中降水对NDVI的影响作用最强,且随周期演替以降水为主导气候因子的面积显著递增.各周期阶段人类活动对NDVI变化均以正向促进为主,林业工程实施是植被状况改善的关键,而建设用地扩张是植被减少的主要原因.     

基于ANN分类的农田遥感动态监测模型研究

保护基本农田是我国农业可持续发展的基础和前提,动态监测基本农田在时间和空间上的变化能够为农业开发政策的制定,农业经济发展的规划与管理提供有效的辅助决策手段。论文利用人工神经网络的BP算法实现了对两个时期的遥感影像进行基本农田类型的分类提取,在保证精度的前提下,探索了一条把单要素监测和多要素监测相结合的遥感动态监测模型,并详细描述了模型实现的算法与步骤。最后利用该模型对实验区进行了监测,并对监测结果进行了分析,结果表明模型很好地评估了研究区基本农田的数量和发展潜力,定性、定量、定位地揭示了研究区基本农田类型在时空上的变化规律。     

基于遥感技术的区域生态脆弱性评价方法研究——以黄山市黄山区为例

基于SPOT_VGTNDVI时序数据和LandsatTM数据,提出了生态脆弱性遥感评价方法,获取了黄山区植被覆盖和土地覆被信息,分析了黄山~2001—2008年生态脆弱性动态变化情况,结果表明,黄山区在这一时期生态脆弱性呈现波动性,但总体上趋于平稳。此外,利用黄山区统计年鉴数据,采用层次分析法对黄山区生态脆弱性进行评价,结果与基于遥感技术的方法基本一致,证明所提出的遥感方法在生态脆弱性研究中具有可行性。     

基于高分1号杭州湾南岸滨海陆地土地覆盖信息提取方法研究

针对滨海陆地复杂地物环境下如何提高土地覆盖信息遥感提取精度的关键问题,基于最新发射的国产高分(高分辨率)1 号和资源3 号影像,采用面向对象分类法和最大似然法,开展杭州湾南岸滨海陆地土地覆盖信息的遥感提取。结果表明,相比最大似然法,面向对象法结合高分1 号既考虑对象的光谱、空间和纹理等多种属性特征,又充分利用高分影像所提供的丰富纹理和空间信息,对于土地类型多样、边界模糊等混合像元具有较好的识别能力,获得较高分类总精度(90.4%)和Kappa 系数(0.876 7);分割尺度对高分影像分类精度具有重要影响,高分1 号2 m和8 m最优分割尺度分别为63%和65%,资源3 号影像最优分割尺度为66%;高分1号比资源3 号更能体现在植被和水体等地物信息提取方面的优势。     

Effect of land use and land cover change on soil erosion and the spatio-temporal variation in Liupan Mountain Region, southern Ningxia, China

The Liupan Mountains are located in the southern Ningxia Hui Autonomous Region of China, that forms an important divide between landforms and biogeographic regions. The populated part of the Liupan Mountain Region has suffered tremendous ecological damage over time due to population pressure, excessive demand and inappropriate use of agricultural land resources. To present the relationship between land use/cover change and spatio-temporal variation of soil erosion, data sets of land use between the late 1980s and 2000 were obtained from Landsat Thematic Mapper (TM) imagery, and spatial models were used to characterize landscape and soil erosion conditions. Also, soil erosion in response to land use and land cover change were quantified and analyzed using data from geographical information systems and remote sensing. Soil erosion by water was the dominant mode of soil loss, while soil erosion by wind was only present on a relatively small area. The degree of soil erosion was classified into five severity classes: slight, light, moderate, severe, and very severe. Soil erosion in the Liupan Mountain Region increased between the late 1980s and 2000, both in terms of acreage and severity. Moderate, severe, and very severe eroded areas accounted for 54.86% of the total land area. The lightly eroded area decreased, while the moderately eroded area increased by 368817 ha (22%) followed by severe erosion with 146552 ha (8.8%), and very severe erosion by 97067.6 ha (5.8%). Soil loss on sloping cropland increased with slope gradients. About 90% of the cropland was located on slopes less than 15°. Most of the increase in soil erosion on cropland was due to conversion of steep slopes to cropland and degradation of grassland and increased activities. Soil erosion was severe on grassland with a moderate or low grass cover and on dry land. Human activities, cultivation on steep slopes, and overgrazing of pastures were the main reasons for the increase in erosion severity.     

Land cover change and landscape fragmentation—comparing the utility of continuous and discrete analyses for a western Honduras region

Current studies of land cover change and landscape fragmentation rely predominantly on land cover classifications derived from remotely sensed images. However, limitations of traditional land cover classifications are numerous and well known. This research compares classification-based techniques (discrete data) to the use of vegetation indices (continuous data) for land cover modeling and analyses of landscape fragmentation for a study area in western Honduras. The study area typifies many regions of tropical developing countries, where a complex interaction of social and environmental factors have given rise to a dynamic mosaic of patches of reforestation and deforestation. Understanding the complex human dimensions of land use and land cover change in these parts of the world continues to present a challenge for researchers.The land cover modeling analysis compares two models using different formulations for the dependent variable: (i) a continuous analysis using a tobit model regressing the normalized difference vegetation index (NDVI), with non-forest values truncated at 0, on the variables elevation, slope, distance from roads and distance from the nearest market; and (ii) a discrete analysis using a probit model with threshold NDVI coverages (representing forest and non-forest). To examine the patterns of landscape fragmentation, a discrete analysis of a forest/non-forest classification using the software FRAGSTATS is compared to a continuous NDVI-based analysis using the local indicator of spatial association (LISA) statistic. Estimated marginal effects and overall predictive power are compared across the tobit and probit formulations. Because the tobit formulation included variation in the dependent variable for forested areas, greater information was retained regarding the subtle relationships among the independent variables and land cover. The LISA statistic, using the NDVI coverages as input, were helpful in the interpretation of the data and its spatial arrangement in the landscape, indicating that the LISA was a good complement to the FRAGSTATS, classification-based analysis. Given the LISA statistic is parametric and hence subject to outliers, whereas landscape metrics tend to be non-parametric, we found that the use of both FRAGSTATS and LISA together was more beneficial than either analysis by itself. While there is increasing awareness of the need for using continuous data for land cover modeling and fragmentation, this area remains little explored. The research presented provides insights for additional future applications utilizing continuous data analyses.