基于MODIS数据黄海绿潮覆盖面积精细化提取

针对MODIS数据绿潮提取存在大量混合像元导致绿潮覆盖面积偏大这一问题,基于3 m分辨率的机载SAR高分影像,结合归一化植被指数(NDVI),对MODIS研究区中大于NDVI阈值的像元进行混合像元分解得到绿潮的"覆盖面积";获取的准同步3 m机载SAR提取的绿潮面积为"真实值",然后建立二者之间的关系模型,并选取不同的样本区域对该模型进行了验证。实验结果表明:NDVI等传统算法所提取的绿潮覆盖面积约为"真实值"的2.68倍;基于混合像元分解的方法所提取的绿潮面积较"真实值"偏小,约为"真值"的0.56倍;与传统的NDVI等多波段比值法相比,该精细化模型方法提取的绿潮覆盖面积更接近于"真实值",与"真实值"误差仅为6.7%。     

空间分辨率对绿潮覆盖面积、密集度卫星遥感信息提取的影响

研究表明,多源卫星数据提取的绿潮信息存在较大差异,通常认为可能的主要原因是不同卫星遥感器的的空间分辨率、过境时间差、波段设置等各不相同,但对此仍缺乏深入的研究。本文采用波段设置和过境时间完全相同、仅空间分辨率不同的四景 MERIS 全、降分辨率（300 m 和1200 m）影像,利用统一的算法（NDVI）进行绿潮信息提取,量化了空间分辨率对绿潮覆盖面积、密集度（由斑块个数、聚合度表征）卫星遥感信息提取的影响。结果表明：空间分辨率对绿潮覆盖面积卫星遥感信息提取影响显著,全、降分辨率 MERIS 影像提取的绿潮覆盖面积最大相对偏差可达67％,遥感影像的空间分辨率对绿潮面积提取结果的影响既与绿潮 NDVI 探测阈值有关,还可能与绿潮发展阶段有关。绿潮密集度卫星遥感提取结果也受遥感影像空间分辨率的影响,全分辨率 MERIS 影像提取的绿潮斑块个数为降分辨率影像的7～21倍,绿潮聚合度较降分辨率影像高15％～25％。     

基于线性混合模型和NDVI阈值法的MODIS影像黄海浒苔监测

水体富营养化等原因,导致浒苔(Enteromorpha prolifera)灾害自2007年在中国黄海海域频发,成为黄海最严重的生态灾害。卫星遥感具有大范围监测、瞬时优势,成为浒苔灾害最重要的监测手段之一。中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)影像因其幅宽大、时间分辨率高、免费分发,成为浒苔业务化监测的主要数据源。由于空间分辨率(250 m)较低,混合像元的存在导致传统阈值法获取的浒苔面积误差较大。本文结合线性混合模型(linear mixing model,LMM)和归一化差值植被指数(normalized different vegetation index,NDVI)阈值法对250 m空间分辨率的MODIS影像进行浒苔面积提取。选择1个大区及其内部3个小区,以准同步5.8 m空间分辨率资源三号(ZY-3)卫星影像提取浒苔结果为准进行精度评价。发现NDVI阈值为0.04提取的浒苔像元对线性混合模型分解结果掩膜所得浒苔面积误差最小,大区及其3个小区的误差分别是7.86%、14.59%、-7.65%、-0.15%。应用本文提供方法可有效排除浒苔混合像元和非浒苔像元对浒苔面积信息提取的干扰,与阈值法相比大幅提高了反演精度,且在不同区域精度较稳定,可为浒苔生态灾害的处置决策和评估提供支撑。     

利用静止轨道卫星开展绿潮业务化监测的可行性研究

针对光学遥感手段无法探测云雾覆盖下绿潮分布区域这一现状问题,本文着力于开展绿潮时空分布的监测研究,获取了近三年五月中旬到八月中旬的GOCI(geostationary ocean color imager)数据,基于该数据进行绿潮范围提取、绿潮漂移路径分析、精细化云区域提取和统计云覆盖情况,分析云量覆盖对利用静止轨道卫星监测绿潮的影响程度,进而从探测能力和动态能力两方面论证利用静止轨道卫星开展绿潮业务化监测的可行性。     

浒苔遥感监测研究进展

浒苔大规模集聚形成的绿潮灾害是海洋生态系统主要生态环境问题之一,基于卫星遥感影像监测浒苔及其扩展动态已成为一种及时有效的手段。对国内外浒苔遥感监测方面文献进行归纳整理,认为光学遥感数据、多波段比值法是最常用的遥感数据和监测方法。对遥感监测浒苔机理进行了阐述,并对分类方法进行评价认为监督分类法解译精度不高。目前单波段阈值法和多波段比值法应用广泛,但在监测漂浮浒苔和混合象元解译存在不足。辐射传输模型法能有效提高信息解译的精度,但还处于起步阶段。遥感监测浒苔灾害的未来发展需要提高影像空间分辨率,深入研究监测方法,进行多种平台和多源遥感数据相结合,并由定性走向定量,从而建立健全遥感监测预警系统。     

基于MODIS NDVI的东北虎分布区植被变化趋势

基于2000-2010年MODIS NDVI(分辨率250 m)生长季均值数据,采用普通线性回归方法,分析了东北虎分布区——俄罗斯远东和中国东北东部地区植被的变化趋势及其与人类活动的关系.结果表明:研究期间,归一化植被指数(NDVI)显著下降像元面积占当前东北虎分布区面积的比例为9.6％,NDVI显著上升像元所占面积比例仅0.5％;NDVI显著下降像元散布于整个研究区,NDVI显著上升像元则集中在俄罗斯远东的北部中间区域;东北虎分布区内NDVI显著下降像元的面积比例稍高于其在整个研究区域的面积比例.当前东北虎分布区内土地覆盖类型的变化以渐变形式为主.NDVI显著下降的像元主要分布在海拔低、坡度缓以及距公路和铁路较近的区域;NDVI显著下降的像元先随着与居民点最近距离的增加而增多,而后持续下降,NDVI显著下降与人类活动密切相关.采取有效措施减少人类活动的干扰,可遏制该地区植被退化,进而为东北虎保护和维护该区域丰富的生物多样性提供可持续的基础.     

基于地-空遥感耦合的冬小麦叶片氮积累量估算

利用不同冬小麦生态区同步的SPOT-5多光谱遥感影像、地面光谱数据和植株取样数据,提出一种基于波谱响应函数拟合和混合像元分解的纯净像元光谱提取方法,并对比分析了纯净像元光谱、模拟像元光谱和实测像元光谱与冬小麦叶片氮积累量（LNA）的定量关系.结果表明： 模拟像元光谱对叶片氮积累量的反演效果较好,纯净像元光谱反演效果次之,实测像元光谱最差;但基于模拟像元光谱的LNA监测模型不能直接外推至空间尺度.模型检验结果表明,基于纯净像元光谱的LNA监测模型在2个小麦生态区均具有较好的精度和稳定性,该方法综合利用了地-空遥感的优点,可以推广应用到其他不同空间分辨率和光谱分辨率的遥感数据,从而为区域性冬小麦氮素营养状况的遥感监测提供技术依据.     

基于实测光谱混合像元分解的苹果园地遥感提取技术

以山东省栖霞市为研究区,对苹果花期的TM影像进行混合像元分解,提取苹果园地信息.基于实测地物光谱端元,利用小波变换对线性分解模型进行改进,采用实测端元改进后线性分解模型、实测端元线性分解模型、TM影像端元线性分解模型分别提取研究区苹果园地信息,并以ALOS数据进行精度评价.结果表明:经过精确的大气及地形校正后,可以利用实测光谱端元进行混合像元分解,面积精度＞97％,对丰度图像的归一化植被指数(NDVI)值与ALOS数据的平均NDVI值进行回归分析,R2＞0.8;利用小波变换对线性分解模型进行改进,可在一定程度上提高分解精度.     

基于中高分辨率遥感的植被覆盖度时相变换方法

植被覆盖度是衡量地表植被状况、指示生态环境变化的一个重要指标,也是许多学科的重要参数。传统的测量方法难以获取时间连续的面状数据,且耗时、耗力,很难大范围推广。遥感估算方法虽然可以弥补传统方法的不足,但由于云覆盖等天气条件的影响,获得同一时相覆盖整个研究区的遥感影像非常困难,时相的差异必然导致研究结果产生误差。针对植被覆盖度这一重要生态参数,结合低分辨率遥感数据的时间优势和中高分辨率遥感数据的空间优势,提出一种时相变换方法,将源于中高分辨率影像的植被覆盖度变换到研究需要的时相上。首先,利用像元二分模型计算MODIS尺度的时间序列植被覆盖度,并利用已经获得的SPOT影像计算其获取时相上的植被覆盖度;其次,利用土地利用图划分植被覆盖类型,并利用MODIS数据和土地利用数据之间的空间对应关系制作MODIS像元内各类植被覆盖的面积百分比数据;再次,利用面积百分比数据提取各类植被覆盖的纯像元,结合MODIS植被覆盖度时间序列,从而提取各类植被覆盖纯像元的植被覆盖度时间序列曲线;最后利用像元分解的方法提取MODIS像元内各类植被覆盖组分的植被覆盖度的变化规律,将其应用到该组分对应位置上SPOT像元的植被覆盖度上,从而将其变换到所需要的时相上。在密云水库上游进行试验,将覆盖研究区的10景SPOT5多光谱影像计算的植被覆盖度统一变换到7月上旬,结果显示:视觉效果上明显好转,且空间上连续一致;变换前后植被覆盖度的统计量对比结果也符合植被生长规律;利用外业样点数据与对应位置的植被覆盖度变换结果进行回归分析,结果发现各植被覆盖类型的R2均在0.8左右,表明变换结果与实测值非常接近,时相变换的效果较好,从而可以很好地促进相关研究精度的提高。     

基于不同光谱指数的植被物候期遥感监测差异

植被物候是陆地生态系统响应气候和环境变化的一项综合性指标.遥感光谱已经被广泛用于提取植被物候期,但遥感提取的物候期与站点观测差别很大,其物理意义尚不明确.本文选取中国东北部的一景MODIS数据(2000—2014年),分析了基于红波段和近红外波段的归一化差值植被指数(NDVI)和简单比植被指数(SR)提取的植被生长季起始期(SOS)和结束期(EOS)的差异.结果表明:两者的物候期存在显著差别,基于NDVI提取的SOS比SR提取的SOS平均早18.9 d,基于NDVI提取的EOS比SR提取的EOS平均晚19.0 d,NDVI得到的生长季长度更长.基于NDVI和SR提取的物候期的年际变化也存在显著差别,超过20%的像元SOS和EOS甚至表现出相反的年际变化趋势.上述差异与两种植被指数自身的季节曲线特征和抗噪性差异有关.NDVI与SR观测数据来源完全一致,仅数学表达形式不同,提取的物候期结果却存在显著差异.说明遥感监测的植被物候期高度依赖于植被指数的数学表达形式,如何建立可靠的植被物候期遥感提取方法仍需进一步研究.     

Vegetation variation of mid-subtropical forest based on MODIS NDVI data — A case study of Jinggangshan City,Jiangxi Province

Vegetation variation is an important topic of global change research, which is of great significance to deeply understand the relationship between vegetation and global change or human activities, and to disclose regional environment evolution and transition. The dynamics of forest vegetation in the mid-subtropical zone have received little attention. Thus, this paper takes the typical distribution area of the subtropical forest ecosystem — Jinggangshan City in Jiangxi Province as a study area. The changes within the year, inter-annual changes trend and spatial variation of the mid-subtropical forest vegetation index during the recent 10 years are analyzed based on MODIS NDVI data from 2000–2011 with the spatial resolution of 250 m. The Savitzky–Golay filter is used to smooth the original MODIS NDVI data. The forest distribution data is taken as the mask to eliminate the impact of non-forest cover area. The results showed that: (1) The changes of forest vegetation index within the year present a single peak mode with the maximum value in July; in the past 10 years, the forest vegetation index fluctuated with a downward trend; NDVI values were high and stable in summer and autumn, but low and unstable in winter; (2) The distribution of NDVI values of forest vegetation had great spatial difference. The NDVI values were low in the area nearby non-forest area in the north, where the non-forest vegetation is widely distributed. The NDVI values were high in the northwestern and southeastern areas. The distribution of NDVI values are comparatively even in the middle area with the NDVI values of more than 0.7; (3) High NDVI values (>0.75) distributed most in the northwestern and southeastern areas with the altitude of 400–600 m. Low NDVI values (<0.65) distributed mostly in the northern areas with the altitude less than 400 m. As for different altitude zones, NDVI values are high in the area with altitude of 400–800 m and low in the area with altitude below 400 m or above 1200 m. There is an agreement between the spatial distribution of the NDVI value of forest vegetation and regional topography, because topography has great impacts on the distribution of forest types which are different in coverage; (4) The NDVI value of forest vegetation presents a downward trend in the northern area, but an increasing trend in the southern area. The vegetation coverage tends to decrease with high population density and intensive distribution of township and scenic spot.     

黑河流域叶面积指数（LAI）空间尺度转换

为有机地整合利用不同分辨率遥感数据获取的陆面过程以及其他相关的环境变量,尺度问题越来越受到人们的重视.选取黑河张掖绿洲区为实验研究区,利用ETM 影像反演的LAI通过升尺度转换到900m分辨率,对LAI尺度转换过程中引起的误差进行了定量分析,尝试提出一种新的基于NDVI像元分解的更有效的升尺度转换方法.研究发现非线性的升尺度算法引起的误差不超过 10.5%,且误差大小与地表异质性程度正相关,而地表异质性是导致LAI尺度转化误差的主要原因,严重时可能造成 45%的偏差,但纯像元LAI的计算不受尺度影响.提出的基于NDVI像元分解的LAI升尺度转换算法,分两步考虑了地表异质性问题,很好的实现了研究区30m空间精度 LAI向900m的尺度转换,该方法应用于干旱、半干旱的中国西北黑河流域NASA 发布的MODIS LAI产品校正,取得了良好效果.     

利用不同分辨率卫星影像的NDVI数据估算叶面积指数(LAI) ——以岷江上游为例

短周期的低分辨率遥感数据为大面积估算LAI及季节动态和物候趋势提供了有利工具,但基于高分辨率LAI的遥感估算模型在低分辨率遥感数据上应用有很大的不确定性。研究利用LAI-2000冠层分析仪与跟踪辐射和冠层结构测量仪(TRAC),测定了岷江上游流域范围内490块野外调查样地（50m×50m样方）的LAI数据,结合同期较高精度卫星数据（TM）建立了不同植被类型的LAI-NDVI算法,在经过传感器的相对校正后,将这种算法应用到同期分辨率较低的MODIS数据和SPOT VEGETATION数据上。结果表明,30m 分辨率的TM LAI的均值为4.53,250m MODIS LAI的均值为3.55,1000m VGT LAI的均值为4.20,随着栅格分辨率的降低,总体标准差有增加的趋势,并且LAI值也有不同程度的低估,其中MODIS LAI值被低估约22%。但利用TM LAI数据验证MODIS 和VGT LAI数据后发现,250m的MODIS数据预测误差在30%左右,1000m的SPOT数据预测误差则高达50%,空间重采样分析表明,栅格分辨率的降低是导致预测误差扩大的主要原因,而这也是岷江流域植被分布破碎化的体现。     

古尔班通古特沙漠旱生植物时空分布特征

根据2000—2016年MODIS NDVI数据提取旱生植物的时空格局,并结合MODIS地表温度数据和TRMM降水数据,我们分析了古尔班通古特沙漠旱生植物的空间分布和变化特征。结果表明:(1) 2000—2016年间,古尔班通古特沙漠旱生植物覆盖的年际波动明显,但整体呈现缓慢上升趋势;(2)沙漠中旱生植物覆盖空间分布具有明显的地区差异性,位于南部靠近农田地区的覆盖最高,中东部地区次之,西北部最少;(3)古尔班通古特沙漠反映旱生植物长势的NDVI值与温度及降水呈现正相关,降水对NDVI的影响大于温度,并且NDVI与温度或降水之间存在明显的滞后效应,降水与NDVI之间的滞后效应更强。     

Assessing Seasonal and Inter-Annual Variations of Lake Surface Areas in Mongolia during 2000-2011 Using Minimum Composite MODIS NDVI

A minimum composite method was applied to produce a 15-day interval normalized difference vegetation index (NDVI) dataset from Moderate Resolution Imaging Spectroradiometer (MODIS) daily 250 m reflectance in the red and near-infrared bands. This dataset was applied to determine lake surface areas in Mongolia. A total of 73 lakes greater than 6.25 km²in area were selected, and 28 of these lakes were used to evaluate detection errors. The minimum composite NDVI showed a better detection performance on lake water pixels than did the official MODIS 16-day 250 m NDVI based on a maximum composite method. The overall lake area detection performance based on the 15-day minimum composite NDVI showed -2.5% error relative to the Landsat-derived lake area for the 28 evaluated lakes. The errors increased with increases in the perimeter-to-area ratio but decreased with lake size over 10 km². The lake area decreased by -9.3% at an annual rate of -53.7 km² yr^-1 during 2000 to 2011 for the 73 lakes. However, considerable spatial variations, such as slight-to-moderate lake area reductions in semi-arid regions and rapid lake area reductions in arid regions, were also detected. This study demonstrated applicability of MODIS 250 m reflectance data for biweekly monitoring of lake area change and diagnosed considerable lake area reduction and its spatial variability in arid and semi-arid regions of Mongolia. Future studies are required for explaining reasons of lake area changes and their spatial variability.     

2000-2010年黄河流域植被覆盖的时空变化

黄河流域位于干旱、半干旱和半湿润地区,生态环境脆弱,近年来,在气候变化和人类活动影响下,植被覆盖状况发生了变化。因此需要对黄河流域植被覆盖的变化进行监测,进而掌握流域植被的动态变化特征。在此背景下,利用2000-2010年的250 m分辨率的MOD13Q1数据来研究黄河流域植被覆盖区域的NDVI时空变化特征。采用Theil-Sen Median趋势分析和Mann-Kendall检验来研究NDVI的变化趋势特征,通过对Theil-Sen Median趋势分析和Mann-Kendall检验的结果和Hurst指数的结果的叠加,来研究NDVI的可持续特征。研究表明：1）从空间分布上看,黄河流域NDVI呈现出西部和东南部高,北部低的特征;2）从时间变化特征上看,2000-2010年植被覆盖区域年均NDVI均值在0.3-0.4之间波动,其中2000-2004年NDVI波动较大,但自2005年以来NDVI呈现快速增长的趋势;3）从变化趋势上看,2000-2010年黄河流域植被改善的区域远远大于退化的区域,改善的区域占植被覆盖区域总面积的62.9%,退化的区域占27.7%,9.4%的区域NDVI稳定不变;4）从可持续性来看,86.0%的植被覆盖区域NDVI呈现正向可持续性,即NDVI的可持续性较强;由变化趋势与Hurst指数的耦合信息得出,持续改善的面积占植被覆盖区域总面积的53.7%,持续稳定不变的区域占7.8%,持续退化的区域占24.5%,另外14.0%的区域未来变化趋势无法确定,持续退化和未来变化趋势无法确定区域的植被变化状况需要研究人员继续关注。     

2001—2018年长白山自然保护区生长季NDVI变化特征及其对气候变化的响应

为了解全球变化背景下东北亚温带森林的动态变化及其对气候变化的响应,基于MODIS 250 m分辨率遥感数据、1 km分辨率地表温度数据以及研究区内及周边气象站点数据,分析2001—2018年生长季长白山自然保护区的归一化植被指数(NDVI)变化情况及其与温度、降水的相关性。结果表明: 2001—2018年生长季,研究区NDVI均值为0.711,植被覆盖度较高,且呈逐年增加趋势(0.0025·a^-1);气温极显著增加(0.032 ℃·a^-1),增速高于全球平均;降水显著增加(5.54 mm·a^-1),但年际间变异加大。空间上,NDVI呈现西北部略高且随着海拔升高而降低的格局;研究期间,NDVI增加的区域占46.2%,主要集中在北部以及中南部高海拔地区,53.8%的区域基本无变化或微弱减少。研究区NDVI主要受温度影响;在年尺度上,NDVI与地表温度主要表现为正相关,正相关区域占90.2%,且有43.6%的区域相关性显著;在月尺度上,气温对NDVI的影响在生长季初和末期更为显著。     

植被叶面积指数遥感反演的尺度效应及空间变异性

遥感作为宏观生态学研究中数据获取的一种便捷手段,有助于把握较大尺度内生态学现象的特征.应用遥感数据反演LAI时,由于像元的异质性,不同尺度遥感数据之间的转换是遥感发展的一个重要问题.以河北省黄骅市为研究区,在利用TM和MODIS遥感数据对芦苇LAI反演误差产生原因进行分析的基础上,利用半变异函数对像元空间异质性进行了定量描述.发现NDVI算法的非线性带给LAI尺度转换的误差很小,而LAI的空间异质性则是引起LAI尺度效应的根本原因.并且当像元内空间异质性很大时半变异函数的基台值比纯像元要大得多,空间自相关的程度是引起LAI尺度转换误差的主要原因;反之,像元内空间异质性不大时,随机误差是引起LAI尺度转换误差的主要原因.当像元为纯像元时,由像元异质性引起的反演误差基本可以忽略.此外,研究区芦苇的空间相关有效尺度约为360m,超过此距离空间相关性则不复存在.