黄河三角洲是我国最年轻、最完整的河口湿地生态系统,湿地演变剧烈使其成为我国生态较脆弱的地区之一,亟需监测其生态环境的时空演变。然而,由于单一传感器难以兼顾遥感数据的空间分辨率与时间分辨率,其很难获得高时空分辨率的遥感数据...黄河三角洲是我国最年轻、最完整的河口湿地生态系统,湿地演变剧烈使其成为我国生态较脆弱的地区之一,亟需监测其生态环境的时空演变。然而,由于单一传感器难以兼顾遥感数据的空间分辨率与时间分辨率,其很难获得高时空分辨率的遥感数据。因此,本研究基于Landsat和MODIS数据集,通过使用灵活的时空数据融合方法(Flexible Spatiotemporal Data Fusion,FSDAF)和时间序列线性拟合模型(Time Series Linear Fitting Model,TSLFM),首次获得了2000–2020年黄河三角洲地区8 d时间分辨率、30 m空间分辨率的增强植被指数(Enhanced vegetation index,EVI)数据集。为保证数据集的准确性和可靠度,本数据集从数据源的质控,融合模型的选择,以及模型独立验证进行质量控制,且获得了较好的验证结果(R2>0.92)及空间格局。本数据集能很好反映黄河三角洲植被长期动态变化的空间格局,为研究黄河三角洲复杂植被动态、植被生产力等提供数据支撑。展开更多
MODIS植被指数数据是区域土地利用信息提取的重要数据源。为了对比MODIS两种主要植被指数(NDIV、EVI)在耕地信息提取中的应用,采用通过时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS),对2006年全年MODIS 16天250m的NDVI和...MODIS植被指数数据是区域土地利用信息提取的重要数据源。为了对比MODIS两种主要植被指数(NDIV、EVI)在耕地信息提取中的应用,采用通过时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS),对2006年全年MODIS 16天250m的NDVI和EVI时间谱数据进行了重构,从而进行了河西走廊绿洲中东部样区一系列耕地信息的提取实验,包括耕地、休耕地识别以及耕地复种指数、作物种类提取。在此基础上,对MODIS的NDVI与EVI数据的应用进行了对比分析。结果显示:(1)利用傅立叶谐波变换得到的EVI和NDVI时间谱曲线的谐波余项及谐波振幅对耕地进行识别,从识别精度来看,EVI要优于NDVI,识别精度分别为97.17%和95.99%,Kappa系数分别达到0.7938和0.6518;(2)通过计算时间序列曲线的波峰数能够提取耕地的复种指数,并且在EVI和NDVI曲线波峰阈值分别设为0.20和0.25时,休耕地能较为准确地被识别出来;(3)通过提取作物生长期内曲线的VI最大增长速率时间点以及峰值时间点等信息,作物种类能被初步识别,并且EVI较NDVI具有更强的识别能力。展开更多
T erra-M OD IS数据集同时具有归一化植被指数(NDV I)和增强型植被指数(EV I)两种植被指数。为了对比这两种植被指数在农作物估产中的应用效果,该文利用M OD IS-NDV I和M OD IS-EV I作为遥感特征参量,以对美国冬小麦的长势监测与产量预...T erra-M OD IS数据集同时具有归一化植被指数(NDV I)和增强型植被指数(EV I)两种植被指数。为了对比这两种植被指数在农作物估产中的应用效果,该文利用M OD IS-NDV I和M OD IS-EV I作为遥感特征参量,以对美国冬小麦的长势监测与产量预测为例进行了研究:运用区域作物特定生育期内多年的NDV I和EV I值与作物产量进行相关分析,采用一次线性拟合方法分别建立回归方程,估算当年的农作物产量。结果表明,EV I明显地比NDV I更好地与产量建立回归方程,用EV I建立的回归方程,各州相关系数大多在0.7以上;而用NDV I建立的回归方程,相关性不稳定。因此利用EV I建立的模型对2004年美国冬小麦进行估产,并将预测结果与美国国家统计署6月1号公布的预测结果进行对比,结果发现,美国国家统计署预测单产误差为3.05%,总产误差为-2.56%,而该研究预测结果单产误差为2.62%,总产误差为-1.77%且预测时间比美国国家统计署预测时间提前约半个月。可见EV I可以更有效地进行作物监测及估产,提高预测的准确性。展开更多
文摘黄河三角洲是我国最年轻、最完整的河口湿地生态系统,湿地演变剧烈使其成为我国生态较脆弱的地区之一,亟需监测其生态环境的时空演变。然而,由于单一传感器难以兼顾遥感数据的空间分辨率与时间分辨率,其很难获得高时空分辨率的遥感数据。因此,本研究基于Landsat和MODIS数据集,通过使用灵活的时空数据融合方法(Flexible Spatiotemporal Data Fusion,FSDAF)和时间序列线性拟合模型(Time Series Linear Fitting Model,TSLFM),首次获得了2000–2020年黄河三角洲地区8 d时间分辨率、30 m空间分辨率的增强植被指数(Enhanced vegetation index,EVI)数据集。为保证数据集的准确性和可靠度,本数据集从数据源的质控,融合模型的选择,以及模型独立验证进行质量控制,且获得了较好的验证结果(R2>0.92)及空间格局。本数据集能很好反映黄河三角洲植被长期动态变化的空间格局,为研究黄河三角洲复杂植被动态、植被生产力等提供数据支撑。
文摘MODIS植被指数数据是区域土地利用信息提取的重要数据源。为了对比MODIS两种主要植被指数(NDIV、EVI)在耕地信息提取中的应用,采用通过时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS),对2006年全年MODIS 16天250m的NDVI和EVI时间谱数据进行了重构,从而进行了河西走廊绿洲中东部样区一系列耕地信息的提取实验,包括耕地、休耕地识别以及耕地复种指数、作物种类提取。在此基础上,对MODIS的NDVI与EVI数据的应用进行了对比分析。结果显示:(1)利用傅立叶谐波变换得到的EVI和NDVI时间谱曲线的谐波余项及谐波振幅对耕地进行识别,从识别精度来看,EVI要优于NDVI,识别精度分别为97.17%和95.99%,Kappa系数分别达到0.7938和0.6518;(2)通过计算时间序列曲线的波峰数能够提取耕地的复种指数,并且在EVI和NDVI曲线波峰阈值分别设为0.20和0.25时,休耕地能较为准确地被识别出来;(3)通过提取作物生长期内曲线的VI最大增长速率时间点以及峰值时间点等信息,作物种类能被初步识别,并且EVI较NDVI具有更强的识别能力。
