岷江上游小流域多尺度NDVI与地形的关系研究

基于2015年OLI遥感影像和DEM数据,运用二维小波变换研究了岷江上游干旱河谷渭门小流域NDVI与地形因子的多尺度耦合关系。结果表明：（1）渭门小流域NDVI的空间分布特征为东南低西北高、河谷低山地高。多尺度下低频部分NDVI与地形因子的空间相似性和相关性大小均为坡向 > 高程 > 坡度。高程、坡度与NDVI低频系数的最强相关性出现在较大尺度,而坡向与NDVI低频系数的最强相关性出现在较小尺度。（2）NDVI的空间波动性随着分解尺度的增大而增强,但波动性的强弱与地形因子并未表现出明显的空间相似性。高频部分NDVI与各地形因子的相关性随小波分解尺度的变化规律不明显。（3）NDVI的空间分布特征是由高程、坡度和坡向共同决定,但是各因子对NDVI的控制作用大小随尺度发生改变。小波变换可以揭示出NDVI和地形因子的多尺度特征,对干旱河谷植被景观的合理布局,提高生物多样性,生态环境保护和农业产业规划具有重要意义。     

基于TM数据的自贡市热岛时空变化研究

热岛效应是城市化对城市环境影响的一个重要特征.为了研究自贡市10年来城市化进程对热岛效应的影响,采用TM数据与GIS相结合的方法定量分析城市地表温度的时空变化.根据2000和2009年两个时相的LandsatTM影像本文提取了研究区的地表温度以及土地覆被信息,在此基础上对这10年来自贡地区的热岛时空变化及其与植被、建筑用地变化的关系进行研究.分析结果表明,研究区地表温度与植被、建筑用地之间存在明显的相关性.     

2000~2020年黄河流域植被时空演化驱动机制

以归一化植被指数（NDVI）作为植被覆盖及生长状况指标,基于2000～2020年MODIS NDVI数据及同时期气象数据,采用Theil-Sen斜率估算、Mann-Kendall检验、相关性分析和残差分析等方法研究了2000～2020黄河流域植被时空演化驱动机制.结果表明,2000～2020年黄河流域生长季NDVI均值以0.005 a^-1的速率波动上升,植被明显改善的区域主要分布于流域中游的秦岭山系、陕北高原和吕梁山系;黄河流域生长季NDVI与降水和气温的偏相关系数均值分别为0.57和0.49,降水对植被的影响高于气温;人类活动对植被生长起明显改善的区域主要分布在流域中部的陕北高原、吕梁山系和宁夏南部等区域,对植被生长起抑制作用的区域主要分布在银川、包头、西安、洛阳、郑州和太原等人类活动强烈的城市区域;人类活动和气候变化分别对黄河流域植被变化贡献了72%和28%,在人类活动和气候变化的驱动下,黄河流域植被生长得到改善的面积占流域面积的96.4%,其中人类活动贡献率大于80%的区域面积占34.3%,主要分布在流域中部和东南部.气候变化贡献率大于80%的区域面积占4....     

基于MODIS时序NDVI主要农作物种植信息提取研究

农业在黄河三角洲地区占有重要地位,及时、准确地掌握该地区农作物分布信息对政府有关部门制定农业政策、指导农业生产具有十分重要的意义。时序植被指数能够反映农作物物候特征,帮助识别农作物类型,在农作物种植信息提取方面具有明显优势。论文选取2014年MOD09Q1时序遥感数据集,以黄河三角洲主要农作物为研究对象,利用Harmonic Analysis of NDVI Time-Series（Hants）滤波重构NDVI时序曲线,通过对比待分像元NDVI时序曲线与参考时序曲线的相似性,实现农作物种植信息提取。对分类结果进行面积统计和空间分布精度检验：冬小麦、棉花、玉米的面积提取精度分别达到96.8%、95.5%、85.1%,空间匹配总体精度达86.9%。结果表明该方法有效可行,能够为该地区农业监测提供技术基础。     

基于NDVI的淮河流域植被覆盖度动态变化

基于淮河流域1998～2005年每年第三季度的SPOT VEGETATION逐旬NDVI数据,采用MVC法（最大值合成法）获得月NDVI值,用均值法求取季均NDVI值,然后用像元二分模型求得各年的植被覆盖度。在此基础上,从不同角度分析近8年植被覆盖度的变化情况,并用Hurst指数预测未来植被覆盖度变化趋势。结果表明：近8年淮河流域地表植被覆盖度总体呈上升趋势,上升率为0007/a,其中1999年值最低,2004年值最高。植被变化以稳定和轻微恢复为主,更多区域由较低等级的植被覆盖度转变为较高等级植被覆盖度。由Hurst指数预测到未来植被覆盖度变化将保持增加趋势     

基于洪水过程的农业洪灾变化遥感快速评估模型及其应用

洪涝灾情的准确测度需要同时兼顾淹没区的面积大小和淹水时长信息。利用淹没区内由水和作物等多种地物所组成的"复合水体"不同于水体的波谱时间变化特性,将不同洪灾时期的水体指数和植被指数进行信息复合,以有效凸显水体和洪涝淹没区之间的影像差异,据此进行了灾初期、峰期和中后期等3个时次受淹范围的有效识别。在此基础上,根据洪涝灾情随着淹没时长而加重以及灾区内淹水时长非均匀分布的特性,建立基于淹没时长的受淹面积不等权参与的洪灾扩展动态度指数(Variation Index of Flood,VIF)和区域灾情比较指数(Comparison Index of Flood Disaster,CIFD)两种模型,并将模型应用于鄱阳湖区2016年夏季农业洪涝灾害的时空变化遥感监测。结果显示,应用上述两种模型不仅可以准确获取鄱阳湖区本次农业洪涝灾情的演变趋势,而且能够方便地对比分析区域内不同地方的受灾程度。鄱阳湖区在2016年6月23日~7月25日期间的洪涝灾情具有由弱增强再趋弱的特征,其VIF指数由初始阶段(6月23日~7月9日)的3.75降至后续阶段(7月9日~7月23日)的1.29;鄱阳县是研究区内受灾最严重的区域,其CIFD指数值居于研究区内各受灾县市之首,该县受灾总面积以及多次被淹的灾区面积均高于其他县市。     

若尔盖草原NDVI的季节特点和变化规律

文章使用NOAA17/AVHRR数据,采用归一化差值植被指数(NDVI)模型,对2006年3月～2007年2月若尔盖及周边地区进行计算和分析得出,NDVI在7月最大,12月最小;结合降水量和气温的年变化,分析了NDVI的季节特点和变化规律的气候基础.     

Evaluating Change in Rangeland Condition using Multitemporal AVHRR Data and Geographic Information System Analysis

Coarse-scale, multitemporal satellite image data were evaluated as a tool for detecting variation in vegetation productivity, as a potential indicator of change in rangeland condition in the western U.S. The conterminous U.S. Advanced Very High Resolution Radiometer (AVHRR) biweekly composite data set was employed using the six-year time series 1989–1994. Normalized Difference Vegetation Index (NDVI) image bands for the state of New Mexico were imported into a Geographic Information System (GIS) for analysis with other spatial data sets. Averaged NDVI was calculated for each year, and a series of regression analyses were performed using one year as the baseline. Residuals from the regression line indicated 14 significant areas of NDVI change: two with lower NDVI, and 11 with higher NDVI. Rangeland management changes, cross-country military training activities, and increases in irrigated cropland were among the identified causes of change.     

基于Sentinel-2遥感影像的巢湖蓝藻水华提取方法研究

Sentinel-2卫星兼具了空间分辨率高、重放周期短、谱段丰富三方面特点,为蓝藻水华爆发阶段及时准确的蓝藻水华提取提供了影像基础,但目前在大型湖泊蓝藻水华提取中的应用报道较少.为此,文章以2018—2020年巢湖的Sentinel-2遥感影像为例,开展包括浮游藻类指数(FAI)在内的多指标蓝藻水华提取方法研究,针对F...     

1982—2022年黄土高原归一化植被指数变化的时空特征

长时间地表植被指数变化序列构建与分析是生态环境监测领域的重要内容。以我国生态工程建设重点地区——黄土高原为研究区，采用时间序列的方差匹配方法，融合了2套卫星遥感的归一化植被指数(NDVI)数据产品(GIMMS 3g和MODIS),建立了覆盖1982—2022年的黄土高原暖季(5—9月)NDVI数据集，揭示了其间黄土高原植被覆盖变化的时空特征。研究发现：黄土高原暖季NDVI呈现“先慢后快”的增加趋势，转折点大致出现在2002年，1982—2002年暖季NDVI增速仅为0.01/(10 a),2003—2022年增速高达0.06/(10 a),其中十八大以来增速尤为显著；暖季NDVI快速增加区域主要位于黄土高原中部，并向东北、西南方向延展，与“退耕还林(草)”重点区域范围基本一致；在黄土高原南部、东部和青海省东部一带，暖季NDVI呈缓慢下降趋势。过去40年间黄土高原NDVI增加与生态工程建设关系密切。