共查询到20条相似文献，搜索用时 20 毫秒
1.
为确定适用于宁夏不同类型区域的植被指数,基于研究区多时相FY-3A/MERSI和TERRA/MODIS数据,通过频率统计、误差分析方法比较了NDVI与EVI的适用性。结果表明:①宁夏全区,在低植被区EVI更有优势,在高植被区NDVI更有优势;②中部干旱带、南部山区、草地、旱地,在中度植被区,NDVI更有优势;③基于FY-3A/MERSI与TERRA/MODIS的EVI相关性高于NDVI、误差低于NDVI。比较FY-3A植被指数区域适用性为科学认识宁夏植被长势提供参考。 相似文献
2.
利用EOS／MODIS信息提取陕西冬小麦种植面积研究 总被引：2，自引：0，他引：2
EOS/MODIS数据1、2波段是具有250m空间分辨率红和近红外波段,也具有较高时间分辨率,可对冬小麦长势进行动态跟踪监测.随着冬小麦生长发育,NDVI值逐渐增大,并在一定生育期内达到最大值后开始下降.陕西南北较长,秦岭山脉是南北气候主要分界线,冬小麦在不同种植区的生长发育期进程略有不同,NDVI峰值出现的时间也不完全一致.通过对陕西2002-2003年3-6月的EOS/MODIS数据的NDVI值采样分析,结合冬小麦生产调查,陕西冬小麦主产区NDVI值在3月中下旬相对较高,5月上中旬最大.利用陕西1∶10万土地利用数据,依据冬小麦主产区NDVI值的时序变化从MODIS数据中提取陕西冬小麦面积,生成其空间分布图,精度可达到91%以上. 相似文献
3.
GEE支持下的河南省冬小麦面积提取及长势监测 总被引：4，自引：0，他引：4
【目的】使用遥感技术对2017—2020年河南省冬小麦的空间分布信息进行高精度的提取,然后对2020年冬小麦的长势进行高频度的监测并结合气象条件进行分析。【方法】本文基于谷歌地球引擎（Google Earth Engine,GEE）云平台,对选取的Landsat 8影像数据根据NDVI最大值进行合成,然后进行特征构建,添加地形特征、纹理特征、NDVI以及一个新特征NDVI增幅,使用随机森林分类方法对样本数据按照构建的特征进行训练提取河南省2017—2020年冬小麦的播种面积信息;经过精度验证后对提取的河南省2020年的冬小麦种植区域生成掩膜,对掩膜区域（冬小麦种植区域）结合MODIS高时间分辨率影像数据,使用NDVI同期差值法对2020年2—4月份的冬小麦进行高频度的长势监测。【结果】使用GEE云平台能够对河南省冬小麦种植区域的空间分布信息进行快速制图;使用随机森林方法加入地形特征、纹理特征、NDVI后再加入新特征NDVI增幅,能够有效提高冬小麦的提取精度以及降低与统计数据的相对误差,基于混淆矩阵计算的平均总体分类精度为95.2%、平均kappa系数为0.909、冬小麦的平均分类精度为95.3%,与河南省统计年鉴数据相比,本文方法提取的2017—2019年河南省冬小麦播种面积相对误差均低于3%,河南省冬小麦主要种植区域的冬小麦播种面积的平均相对误差低于6%;使用MODIS影像数据结合NDVI差值模型能够对河南省2020年的冬小麦进行高频度的长势监测,河南省冬小麦在返青初期长势较往年及2019年好,到生育后期大部分区域长势与往年及2019年持平,总体上2020年冬小麦的长势较往年及2019年好。【结论】本文提出的方法能够对河南省冬小麦进行高精度的提取以及高频度的长势监测,且能够为地方政府或者一些农业部门在安排指导农事活动上提供科学依据。 相似文献
4.
[目的]分析甘肃省植被覆盖时空变化特征,为区域生态环境规划提供理论基础.[方法]基于2010-2019年MODIS NDVI产品,结合土地利用、生态功能区划分等数据,采用一元线性回归趋势分析方法和变异系数等分析方法对2010-2019年甘肃省植被覆盖时空分布特征进行阐述,对植被指数变化趋势及变化稳定性进行定量分析.[结果]甘肃省植被指数在年均月尺度上呈现单峰分布,在夏季处于高位,年均NDVI呈现稳步增长的趋势,增速平均为0.0032/a;植被指数空间分布具有明显的地域差异性,西部地区NDVI值小,可认为基本无植被生长,中东部平原和祁连山地区植被长势较好,NDVI明显较高,南部地区NDVI最高;农业耕作区的植被指数变化波动性比较大,其他地区植被覆盖变化趋于稳定.[结论]基于MODIS NDVI时间序列分析方法可为了解甘肃省土地覆盖状况、开展具有区域差异性的生态保护与修复工程等提供一定的理论依据. 相似文献
5.
6.
基于MODIS-NDVI的草地长势变化监测——以锡林郭勒盟为例 总被引：3，自引：0，他引：3
基于锡林郭勒盟2002-2006年MODIS的影像数据,提取植被指数NDVI,采用最大值合成法得到旬度植被指数NDVI数据,结合地面实测数据判断锡林郭勒盟的各类草地在空间上的分布情况,结果表明根据植被指数判断的植被分类情况和全盟的植被实际分布状况基本一致。在此基础之上利用两年旬度植被指数NDVI的差值研究锡林郭勒盟草地的长势变化情况,结果表明,2002-2006年植被状况在逐渐变好。这说明植被指数可以很好反映全盟的植被长势变化状况,该方法是动态监测全盟植被长势的有效方法。 相似文献
7.
【目的】寻找最能真实反映南方地区植被变化状况的遥感数据,并将其用于评价土地覆被变化及其带来的影响.【方法】通过分析韩江流域2001—2006年间AVHRR、SPOT-VGT和MODIS 3种归一化植被指数(NDVI)遥感数据,比较它们对不同植被响应特征的异同,并采用线性回归方法分析它们的相关关系.【结果和结论】3种NDVI遥感空间分布总体格局大体一致,且MODIS和SPOT-VGT的NDVI空间分布吻合良好.MODIS传感器波段宽度窄、空间分辨率高,对地物分辨能力高,NDVI在流域内的变化范围大,数值分布分散.3种NDVI的季节变化步调基本一致,幅度相当.MODIS NDVI最能精确反映地面植被覆盖的变化,而AVHRR NDVI反映的流域地面植被变化情况与实际不相符.3种NDVI反映的各种植被季节变化情况基本一致,MODIS NDVI与SPOT-VGT NDVI的相似度更高.MODIS NDVI能够明显区分农作物、郁闭灌木林和草地的季节变化与其他植被的不同,比SPOT-VGT NDVI和AVHRR NDVI能更好地反映地面植被的多样性和植被覆盖的变化.在全流域和各种植被类型上,3种NDVI两两间都表现出一定的线性关系,其中MODIS NDVI与SPOT-VGT NDVI间的线性关系最强.由MODIS NDVI与AVHRR NDVI的线性回归关系预测的韩江流域2000年的NDVI与实测值吻合良好,为MODIS NDVI时间序列向历史年份拓展提供了思路. 相似文献
8.
以甘肃省临夏州所包括的8个县市为研究区域,应用遥感手段,采用8个年份的250m分辨率的MODIS-NDVI遥感数据,经过低通滤波技术进行平滑处理后对春小麦进行估产。研究选用了春小麦关键生育期月NDVI数据范围为0.2~0.8,相关处理后,建立起其与小麦产量的关系。最后采用逐步回归方法建立春小麦关键生育期月NDVI与冬小麦产量间关系的估产模型。获得实测春小麦产量数据,选取某一年份的NDVI数据对建立的估产模型进行精度检验,结果表明,估产的相对误差在-3.93%~4.72%之间。表明,经过低通滤波技术平滑后的作物关键生育期内MODIS-NDVI遥感数据用于春小麦估产,其方法精度较高,具有一定的可行性。 相似文献
9.
利用遥感数据与非遥感数据相结合的方法对内蒙古草地进行分类研究.以MODIS EVI(MODIS增强型植被指数)数据为基础,计算得到MODIS EVI月度数据,分剐取其一、二、三主成分作为分类的前3个参数;引入研究区域同期的气温、降水、生物温度及DEM(数字高程)数据,通过克里金插值、主成分变换、重采样等方法确定分类的第4、第5个参数.在此基础上,应用ISODATA技术对草地进行分类.结果表明,该分类结果能够提供比AVHRR NDVI(AVHRR归一化植被指数)和MODIS NDVI(MODIS归一化植被指数)更丰富的分类信息,可以清晰识别到5大草地类,对草甸草原、典型草原和荒漠草原可以进一步识别到草地亚类.因此,MODIS EVI数据与非遥感数据结合的多源信息综合分类能提高草地分类的精度. 相似文献
10.
西安市NDVI时空演变分析 总被引：1，自引：0，他引：1
NDVI时空演变可以反映研究区生态环境变化和水土流失情况,是进行水土保持工作的重要参考指标。利用8年期MODIS NDVI构建时序数据集,借鉴时空数据分析模型,以栅格像元为分析单元,对西安市2003-2010年的NDVI变异系数、变化趋势进行分析,并对2003年和2010年地表植被覆盖度进行反演。结果表明,西安市总体植被生长状况平稳良好,南部山地和渭河洪冲积平原区植被长势维持平稳,沿山洪积扇、黄土台塬区以及骊山低山丘陵区植被恢复效果显著,在新建城区和城市重点开发区植被出现退化趋势。经过分析,引起西安市局地植被退化的主要因素为人为建设造成的植被破坏。基于像元的变化趋势分析更易于体现区域NDVI时空演变的细节信息。 相似文献
11.
为利用中分辨率光谱成像仪FY3B/MERSI数据进行水稻种植面积信息提取及长势监测,首先对FY3B/MERSI与AQUA/MODIS单通道反射率进行对比分析;其次,通过目视解译和遥感监督分类方法提取了环鄱阳湖区双季早稻的空间分布;最后,基于面积识别结果,利用NDVI对环鄱阳湖区双季早稻长势进行监测。结果表明：（1） FY3B/MERSI与AQUA/MODIS水稻种植区红光和近红外通道反射率具有极显著相关性,且MERSI红光波段及近红外波段反射率都略小于对应MODIS反射率;（2）水稻的提取精度总体达到了92％,可以满足其生育期长势遥感监测的需求;（3） FY3B/MERSI和AQUA/MODIS计算的水稻区NDVI存在显著正相关,且二者测得的水稻长势均与实际苗情数据基本吻合,因此,由FY3B/MERSI遥感影像直接得到的水稻苗情分类基本可以满足业务化需要。 相似文献
12.
基于EOS/MODIS资料的江西省水稻长势遥感监测 总被引：1，自引：0，他引：1
基于2010年的MODIS数据,进行江西省水稻长势遥感监测指标的研究,提取了4种植被指数作为遥感参数,即比值植被指数RVI、归一化植被指数NDVI、植被状态指数VCI和增强植被指数EVI,并利用植被指数进行叶面积指数LAI的反演,建立了植被指数VI-LAI模型。在VI-LAI模型中EVI、NDVI与LAI的相关性较好。利用LAI的预测值和地面实测数据进行精度的分析,结果显示EVI的三次方(Cubic)模型在各方面都优于其他植被指数和其他模型,因此选择EVI作为水稻的长势遥感监测指标。 相似文献
13.
陕北地区GIMMS、SPOT--VGT和MODIS归一化植被指数的差异分析 总被引：5，自引：1，他引：4
为了选择适合监测陕北黄土高原地区植被的最佳遥感序列数据,精确监测陕北黄土高原退耕前后的植被变化,选取GIMMS、SPOT-VGT和MODIS3种常用的遥感数据,运用相关分析和均方根误差分析方法,比较3种遥感数据在陕北黄土高原植被空间分布、归一化差异植被指数(NDVI)季节变化和年际变化3个方面的异同。结果表明:1)在植被空间分布方面,GIMMS/NDVI、SPOT-VGT/NDVI和MODIS/NDVI在大范围上的空间分布格局基本一致,但通过分布图分析可以看出,MODIS遥感数据由于其地物分辨率高及NDVI动态范围大的优点,比SPOT-VGT和GIMMS数据更适合于反映植被类型多样的陕北黄土高原地区植被的空间分布。2)在季节变化方面,3种遥感数据NDVI季节变化之间存在极显著的相关关系。其中,均方根误差分析结果表明,MODIS/NDVI与GIMMS/NDVI之间的差异明显大于MODIS/NDVI与SPOT-VGT/NDVI之间的差异;不同季节3种遥感数据NDVI差异也不同,夏季由于云雨较多,3种遥感数据NDVI之间差异最大。3)在年际变化方面,MODIS和SPOT-VGT数据反映出陕北黄土高原地区NDVI在1999—2007年间呈显著增加趋势,而GIMMS/NDVI却未呈现显著变化,说明GIMMS/NDVI在反映陕北高原地区植被年际变化方面存在显著缺陷。通过相关分析可以看出,GIMMS/NDVI和MODIS/NDVI年际变化之间的相关系数随植被覆盖度的升高而降低,尤其在针阔混交林区,其NDVI相关系数甚至为负值,表明GIMMS传感器对高覆盖度植被变化的响应不太敏感,与其他两者相比更易受水气和云的干扰。因此,GIMMS/NDVI不能作为历史均值NDVI直接应用到MODIS应用模型中,尤其在反映高覆盖度植被年际变化方面。 相似文献
14.
以沈阳地区为研究实例,利用NASA对地观测系统EOS系列卫星遥感影像,经过了滤波处理MODIS归一化植被指数（NDVI）数据,对研究地区的旱田作物进行不间断监测.计算出2003 ～ 2007年的年平均NDVI,分析出NDVI年际变化特征、作物生育期内的NDVI变化规律,并找出产量与植被指数变化关系.结果表明,沈阳地区旱田植被指数的年际间差异明显,旱田作物生育进程与作物生育期内NDVI变化规律大致吻合,这表明作物产量与遥感植被指数间存在较好的相关.因此,根据同期地面作物产量调查数据与MODIS遥感数据,采用一次线性拟合法建立回归方程,简单分析出沈阳地区旱田作物产量与NDVI变化关系. 相似文献
15.
基于FY-3A/MERSI与Terra/MODIS的单波段反射率和NDVI差异性分析 总被引：2，自引：0，他引：2
为了实现FY-3A/MERSI数据产品与Terra/MODIS数据产品的衔接,利用统计方法,对FY-3A/MERSI与Terra/MODIS的红光、近红外波段反射率和NDVI的相关性进行了分析。结果表明:FY-3A/MERSI和Terra/MODIS数据中红光、近红外波段反射率和NDVI值具有极显著的相关性,相关系数均超过0.93;在不同的土地覆盖类型中,FY-3A/MERSI与Terra/MODIS的单波段反射率和NDVI值不同,但FY-3A/MERSI计算的NDVI值均小于Terra/MODIS计算的NDVI值,并且NDVI平均值的日变化大于红光和近红外波段反射率平均值的日变化。 相似文献
16.
【目的】探究黄土高原退耕还林工程实施前后植被覆盖变化特征,评估生态修复效果,对于制定更为有效的生态修复战略政策具有重要意义。【方法】该研究以黄土高原水蚀风蚀交错区为研究区,以EOT算法为核心,基于GIMMS NDVI数据集和MODIS NDVI数据集的重叠时期数据,构建1982—2000年1 km分辨率的NDVI数据集（EOT NDVI）,并联合MODIS NDVI数据（2001—2019年）,形成1982—2019年逐月1 km NDVI数据集（EM NDVI）,以探究研究区的NDVI时空动态变化。【结果】（1）EOT算法对GIMMS NDVI降采样应用是合理的,同时期EOT NDVI与MODIS NDVI之间的平均误差（ME）、平均值绝对误差（MAE）、均方根误差（RMSE）均较小,且决定系数（R2）较高;（2）1982—2019年年均NDVI呈现先下降后上升趋势,年均NDVI增长速率为0.007 8;（3）1982—2019年植被增长速率呈现空间异质性,且退耕还林工程实施前（1982—2000年）年均NDVI呈下降趋势的地区是退耕还林工程实施后（2001—2019年）年均NDVI增加趋势显著的地区。【结论】研究成果可为评估生态恢复措施实施效果和未来生态环境建设提供理论依据和数据支撑。 相似文献
17.
基于MODIS NDVI数据,利用线性回归法分析植被覆盖度的时空变化趋势.研究海流兔河流域2000～2014年间植被覆盖度的变化规律,确定其变化的影响因素.结果表明,研究区96.9％的区域面积NDVI处于不断上升的趋势,区域年平均NDVI增量达到0.0065.通过转移矩阵法研究出该区3个时段4种不同等级植被覆盖度的变化趋势,各等级植被覆盖度均有不同程度的增加.NDVI值＜0.40的区域面积的百分比由88.0％降低到75.8％,尤其是＜0.20的区域变化最为明显,由最初占区域总面积的20.8％下降到3.5％.研究区15年来植被覆盖度不断增加,植被生态呈现良性发展趋势,导致这种变化的主要影响因素是人类活动. 相似文献
18.
大兴安岭植被指数年际变化及影响因子分析 总被引：1，自引：1，他引：0
通过遥感数据获取的归一化植被指数(NDVI)能够较好地反映植被的生长状况,并且为区域尺度、长时间序列的植被监测提供可能。本研究采用黑龙江大兴安岭地区2000—2009年MODIS/NDVI月值数据,分析和监测该地区年际NDVI变化,并利用趋势分析、假设检验、相关分析等方法研究了多种影响因子对该地区NDVI变化的影响。结果表明:研究区10年间年平均NDVI在0.455 4~0.509 3之间变化,平均值为0.477 3,年际间变化呈现出无规律的波动,没有显著的变化趋势;分析了森林火灾、温度和降水对NDVI的影响,一般森林火灾对过火区域NDVI的变化没有显著影响,重大森林火灾和过火面积小于1万hm2的特大森林火灾会促进过火区域NDVI的增长,过火面积大于1万hm2的特大森林火灾会使过火区域NDVI大幅降低;温度在10~25 ℃时会促进森林NDVI增长,在5 ℃以下对NDVI变化无显著影响;月降水量在75 mm以下会促进森林NDVI增长,大于100 mm对NDVI变化无显著影响。 相似文献
19.
以广西上思县为研究区,利用环境减灾卫星HJ-1遥感数据提取甘蔗种植面积,采用归一化植被指数模型NDVI对单一时相甘蔗长势进行监测,构建NDVI偏差分级模型对甘蔗工艺成熟期长势进行多年对比监测.结果表明：①利用NDVI均值和偏差2个分析指标,可定性分析监测区内甘蔗长势状况.除2011年甘蔗总体长势差于常年外,2009、2010、2012年甘蔗总体长势好于常年.②利用NDV1偏差分级模型可对监测区甘蔗长势进行定量评价.2012年上思县甘蔗长势最好,长势好、差所占面积比例分别为96.87％、3.13％;2011年甘蔗长势最差,长势好、差比例分别为99.57％、0.43％. 相似文献
20.
连续一致的遥感植被指数是获取地表植被动态变化的基础和前提。MODIS遥感指数具有较高时间分辨率且记录时间长,是快速、大面积获取植被信息的重要数据。然而,MODIS处于超期服役阶段,VIIRS是MODIS传感器的继承和发展,研究2种传感器同类植被指数的关系,以实现二者的联合应用,具有重要的应用价值。采用探索性数据分析方法,探究植被覆盖区VIIRS NDVI和MODIS NDVI的定量关系,结果发现:农田、林地、草地的VIIRS NDVI和MODIS NDVI均表现出显著的线性相关,相关系数最高可达0.96(P0.01),均值在0.8以上。经验证,面向农田、林地和草地的综合模型能精确反映植被区VIIRS NDVI和MODIS NDVI的线性关系。农田、林地、草地的MODIS NDVI的时序特征和综合模型反演NDVI的时序特征具有一致性,综合模型可有效应用于两者间的转换和时序应用。 相似文献