罗亮
, 闫慧敏, 牛忠恩
LUO Liang, YAN Huimin, NIU Zhong'en
通讯作者:
收稿日期: 2017-02-24
修回日期: 2017-09-27
网络出版日期: 2018-03-02
版权声明: 2018 《地球信息科学学报》编辑部 《地球信息科学学报》编辑部 所有
基金资助:
作者简介:
作者简介：罗 亮（1991-）,男,湖北赤壁人,硕士生,主要研究陆地生态系统生产力。E-mail: luol.15s@igsnrr.ac.cn
展开
摘要
借助多源遥感数据融合技术能够得到高时空分辨率的遥感数据,可以为高精度农业遥感动态监测提供强有力的支持。在诸多融合算法不断发展的情况下,评估每种方法的特点及其适用性,有助于找到最适宜的融合方法,进而应用于农田生产力监测的实践之中。本研究根据高标准农田建设成效评估对高时空分辨率生产力信息的需求,以宁夏灵武市农业综合开发项目区为实验区,采用线性拟合法、时序拟合法、时空融合法3种多源遥感数据融合方法,融合空间分辨率30 m的Landsat遥感数据的空间精度信息与空间分辨率500 m、时间步长8 d的MODIS遥感数据的高时相信息并对比不同方法对于农田生产力的空间格局精细化描述能力、对于农田生产力变化监测的能力以及运算速度的差异。研究结果表明：① 3种融合方法融合的30 mNPP数据均能显示出道路、田埂等线状裸地与田间NPP的差异,但是时序拟合法、时空融合法比线性拟合法更加清晰;在NPP相对均匀的田块内部,时空融合法比时序拟合法更能体现出农田内部均匀度的差异。② 线性拟合法仅适用于农田生产力年季变化的评估,不能用于作物生产力的实时动态监测;时序拟合法和时空融合法适用于农田生产力变化动态监测且时序拟合法适宜于大范围监测。③ 3种方法的计算速度差异显著,线性拟合法计算速率最快,时空融合法计算速率最慢;线性拟合法计算速率分别是时序拟合法和时空融合法的1.5倍和20倍。
关键词：
Abstract
Multi-source remote sensing data fusion models can produce remotely sensed data products with both fine spatial resolution and frequent coverage from multi-source satellite data. It is able to provide strong support for the dynamic monitoring of vegetation with high precision. With the development of different fusion models, evaluating the characteristics and applicability of each model is of great importance for choosing the fittest fusion model in the practice of cropland productivity monitoring. In this paper, we chose Agriculture Comprehensive Exploitation Zone in Lingwu, Ningxia as a focal area. By using linear fitting, time series fusion, and spatial-temporal fusion model to blend the remote sensing data of the Landsat with spatial resolution of 30 m and MODIS with spatial resolution of 500 m, and the time step of 8 days, respectively. Finally, we made a comparison of ability to make a fine description of farmland productivity in spatial pattern, ability of conducting the dynamic monitoring of farmland productivity, and computing speed based on different multi-source remote sensing data fusion models. Results show that: (1) all of the three fusion models can clearly show the differences of NPP between threadiness bare objects such as roads, ridges and cropland. However, time series fusion and spatial-temporal fusion models are clearer than linear fitting model. The spatial-temporal fusion model shows more differences in evenness than time series fusion model for a relatively homogeneous cropland field. (2) Linear fitting model is suitable for estimating the annual variation of farmland productivity only, time series fusion model and spatial-temporal fusion model is suitable for the dynamic monitoring of farmland productivity. What's more, time series fusion model is suitable for monitoring farmland productivity at large or small-scale. (3) There are obvious vatiation in computing speed among the three fusion models. Computing speed of linear fitting model is the fastest, while spatial-temporal fusion model is the slowest. Among them, the computing speed of linear fitting model is 1.5 times faster than time series fusion model and 20 times faster than the spatial-temporal fusion model, respectively.
Keywords：
利用遥感手段进行耕地资源调查、农作物长势监测及农田生产力动态监测已经逐渐得到广泛应用[1,2,3,4],以MODIS为代表的中等空间分辨率的遥感数据[5,6,7,8,9]和以Landsat、HJ-1等为代表的高空间分辨率的多源遥感数据[10,11,12],凭借其各自高时间或高空间分辨率、低成本的优势,在农情遥感监测方面发挥了重要作用。大范围、高精度、快速变化的农田生产力遥感监测依赖于高时空分辨率的遥感数据。然而单纯应用中等空间分辨率的MODIS数据无法实现农作物生产力空间尺度上的精细表达,单纯应用高空间分辨率的Landsat、HJ-1等遥感数据无法表现出农田生产力的时序变化[13,14,15,16]。与单一数据源相比,多源遥感数据融合技术不但能够实现不同数据源之间的优势互补,而且在一定程度上能够对所研究区域缺失的数据进行插补,满足用户对高时空分辨率遥感数据的迫切需求[17,18]。因此,综合多源遥感数据高时间分辨率和高空间分辨率优势的多源遥感数据时空融合技术越来越多的被应用于农田生产力遥感监测的实践中[19]。
农田生产力遥感监测常用的数据融合方法主要有线性拟合法、时序拟合法和时空融合法3类。线性拟合法是依据植被净初级生产力（Net Primary Productivity, NPP）与归一化植被指数（Normalized Difference Vegetation Index, NDVI）或增强型植被指数（Enhanced Vegetation Index, EVI）之间存在的线性相关关系,建立低分辨率纯像元NPP与遥感植被指数间的线性拟合函数,利用拟合函数实现高分辨率NPP的估算。应用该方法已经对黄河三角洲湿地NPP、大田县均溪谷地植被NPP、华北平原冬小麦NPP等进行监测[20,21,22,23,24,25]。时序拟合法是在线性拟合法的基础上引入了植被生长变化趋势的时序信息,建立由低分辨率时序遥感信息到高分辨率时序遥感信息的融合算法。该方法已经应用于融合藏北草地时序NDVI、秦岭样区时序EVI、东北地区不同植被时序EVI[26,27,28]。时空融合法综合考虑相似像元间的空间距离、光谱相似性、时相差异等因素对融合像元的影响,通过赋予不同时空影响因子相应的权重系数,建立由低分辨率时序遥感信息到高分辨率时序遥感信息的融合算法,实现高时空分辨率的遥感信息融合[29,30,31]。时空融合法已经应用于北方羊草草原、宁夏农田生产力等的监测[30,31]。随着诸多遥感数据融合算法的不断发展,选择准确且高效的方法成为实践应用中首要解决的问题。通过对比分析不同融合方法的特点,以期为农田生产力监测用户选择适宜的时空遥感数据融合方法提供科学依据。
本研究以宁夏灵武市崇新镇高标准农田建设项目区为实验区,基于空间分辨率500 m、时间步长8 d的MODIS多时相遥感数据与空间分辨率30 m的Landsat卫星影像数据,以评估生成高分辨率农田生产力数据融合方法的准确性和时间效率为目标,选取线性拟合法、时序拟合法和时空融合法3种遥感数据融合方法,对比分析3种方法的农田生产力的空间格局精细化表述能力、农田生产力变化监测的能力和运算速度。
实验区位于宁夏回族自治区灵武市,105.59°~106.37° N,37.60~38.01° E。实验区地处黄河东岸,地形平坦,有成片的自流灌溉区域,农田广泛分布,主要粮食作物有小麦、水稻、玉米等（图1）。自2004以后,宁夏大力开展了包括中低产田改造以及高标准农田建设在内的一系列土地治理项目,及时准确地评估高标准农田建设成效对于保障粮食高产稳产意义重大。本文选取灵武市崇新镇农业综合开发项目区为实验区,该实验区为高标准农田建设项目区,项目实施时间为2012年。
计算NPP的VPM模型所需的数据主要有：EVI、LSWI、农业多熟种植、作物历、温度数据等。其中,时间分辨率为8 d、空间分辨率为500 m的EVI、LSWI数据由2011年和2014年的MOD09A1地表反射率数据（http://ladsweb.nascom.nasa.gov/）计算得到。空间分辨率为30 m的EVI、LSWI数据由美国地质调查局网站（http://glovis.usgs.gov/）提供的2011年和2014年Landsat5、Landsat8数据经辐 射校正、FLAASH大气校正等一系列预处理之后计算得到。研究中2011年使用的6期Landsat5数据日期分别为2011年1月1日、2011年3月30日、2011年6月2日、2011年6月18日、2011年7月20日和2011年8月21日;2014年使用的6期Landsat8数据日期分别为2014年1月1日、2014年4月7日、2014年6月26日、2014年7月12日、2014年7月28日和2014年10月16日。温度数据来源于国家气象局气象观测站记录的2011、2014年逐日均气温,并采用 ANUSPLIN气象插值软件插值获得;熟制、作物历数据由EVI、LSWI数据采用CROPSYS软件提取[1,32];土地利用数据通过30 mTM数据解译得到[33,34]。
本研究采用植被光合作用模型（Vegetation Photosynthesis Model, VPM）估算农田生产力,该模型是一个基于卫星遥感数据和通量观测数据发展起来的光能利用率模型,VPM模型表达式为：
式中：PAR（Photosynthetically Active Radiation,PAR）是光合有效辐射/（μmol Photon/m2·s）;FPARchl表示被植被光合部分吸收的光合有效辐射比例;
VPM模型的主要遥感驱动数据为时序增强型植被指数（EVI）和地表水分指数（LSWI）数据。自2004年模型建立以来,VPM模型已在全球范围的农田生态系统开展了一系列的模型校验和验证研究[5-6,36-38]。在禹城通量站冬小麦-夏玉米轮作农田、盈科农田（玉米）站等中国的典型农田生态系统类型VPM模型表现出良好的模拟能力[6,36-37],并且有效改善了传统光能利用率模型对C4作物以及多熟农业区的明显低估问题[6]。
3.2.1 线性拟合法
首先基于中等空间分辨率的农田生产力NPP年值数据与植被指数EVI数据之间的线性相关关系,构建出纯像元NPP数据与植被指数EVI数据间的线性函数关系式[23,24,25],其次将生长季所有无云的30 m空间分辨率Landsat-EVI加和求平均值之后作为输入数据,借助上述构建的线性函数关系式计算出30 m分辨率的农田生产力年值数据。具体的步骤包括：
（1）提取纯像元
基于30 m分辨率的植被类型图（植被类型数据的一级分类体系包括耕地、林地、草地等）逐像元判断NPP是否为纯像元,即：若一个中等分辨率NPP像元范围内所对应的植被类型相同,那么该NPP像元就被视为纯像元。遍历所有像元,提取出纯像元NPP及其对应的EVI像元值作为一组数据。
（2）构建相关函数
将每种植被类型对应的若干组纯像元数据作为输入数据,使用ENVI\IDL的linfit函数进行线性拟合,分别得到每种植被类型对应的NPP与EVI之间的拟合公式：
式中：
（3）计算30 m分辨率农田生产力
基于拟合公式所得的参数及植被生长季30 m分辨率的
式中：
图2 线性拟合法估算30 m NPP流程图
Fig. 2 The flowchart of estimating 30 m NPP using linear fitting model
3.2.2 时序拟合法
线性拟合法无法计算出时序的农田生产力数据,不能实现作物生长过程中高效、快速、实时监测。因此,本研究依据相邻时相农田生产力变化的趋势,利用由MODIS数据估算的空间分辨率500 m、时间步长8 d的农田生产力数据的时序关系对线性拟合法进行优化,形成能够生成空间分辨率30 m、时间步长8 d的农田生产力遥感产品的数据融合方法。具体的步骤包括：
（1）提取纯像元：提取方法与线性拟合方法中的纯像元提取方法相同;
（2）构建相关函数
选取
式中：
（3）计算30 m分辨率农田生产力
借助上述拟合方法得到的参数
式中：
基于同一时期、同一植被类型、不同空间分辨率植被生产力时间变化趋势相似这一假设,可得公式：
式中：
基于上述方法遍历
图3 时序拟合法估算30 m空间分辨率NPP流程图
Fig. 3 The flowchart of estimating 30 m NPP using time series linear fitting model
3.2.3 时空融合法
本研究采用的增强型时空自适应反射率融合模型（Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model, ESTARFM）由STARFM时空融合法发展而来[17,29,31]。应用该方法生成农田生产力数据需要先分别融合30 m的Landsat/EVI、Landsat /LSWI和500 m、8 d的MODIS/EVI、MODIS/LSWI数据,由此得到30 m、8 d的EVI、LSWI时间序列数据,然后将其作为VPM模型的输入数据模拟生成空间分辨率30 m、时间步长8 d的农田生产力数据。具体的步骤包括：
（1）Landsat、MODIS数据预处理;
Landsat数据预处理主要包括：辐射校正、大气校正以及波段运算等,最终得到30 m的 EVI、LSWI;MODIS数据预处理主要包括：参照Landsat数据进行投影转换、重采样等,最终得到30 m、8 d的EVI、LSWI。
（2）寻找Landsat、MODIS相似像元并计算相似像元权重和转换系数
基于Tm、Tn时段无云的Landsat EVI、LSWI以及Tm、Tn时段的MODIS EVI、LSWI数据,利用ESTARFM时空融合法,寻找滑动窗口内Landsat、MODIS相似像元并计算相似像元权重Wi和转换系数Vi。
（3）计算30 m分辨率EVI、LSWI
计算出相似像元权重Wi及转换系数Vi之后,利用Tm、Tn时刻的Landsat EVI、LSWI和MODIS EVI、LSWI数据及Tp时刻的MODIS EVI、LSWI数据可分别计算出Tp时刻30 m分辨率的EVI、LSWI数据,ESTARFM时空融合法详细的原理和步骤参照Zhu等[29]、牛忠恩等[31]发表的相关文献。
（4）计算30 m分辨率农田生产力
将ESTARFM时空融合法得到的时序30 m、8 d的EVI、LSWI作为VPM模型的输入数据,借助VPM模型以及其它数据模拟30 m、8 d的NPP,最终全年46期30 m、8 d的NPP加和得到30 m NPP年数据。ESTARFM时空融合法流程图如图4所示。
图4 ESTARFM时空融合法估算30 m NPP流程图
Fig. 4 The flowchart of estimating 30 m NPP using ESTARFM model
基于VPM模型估算的空间分辨率500 m的NPP数据由于空间分辨率低,缺乏足够的细节信息,在小范围内无法实现生产力状况的精细表达（图5(a)）。基于线性拟合法、时序拟合法、时空融合法得到的空间分辨率30 m的NPP数据则具有良好的空间细节信息,可以表现出田块、道路分布及其它较小地物的空间差异（图5(b)-(d)）。
为掌握不同融合方法估算的NPP数据在空间细节表达上的差异,本研究对比分析了3种方法在3×3滑动窗口内NPP像元标准差的差异（图6）。邻近像元NPP标准差分布图显示融合后的NPP数据能够显示出清晰的道路、田埂等线状裸地与田间的NPP差异,而在田块内部NPP数据则相对均匀 （图6(b)-(d)）;时序拟合法（图6(c)）和时空融合法（图6(d)）融合数据的线状地物比线性拟合法 （图6a）清晰。线性拟合法通过空间分辨率500 m的年NPP总量与空间分辨率30 m的年EVI均值之间的相关关系构建,忽略了因500 m像元内部作物生长时相特征差异引起的空间异质性,因此空间细节的表达能力明显弱于时序拟合法。时空融合法除了应用多时相数据还考虑到相似像元间的波谱差异,较时序拟合法对30 m分辨率像元间差异的描述更细致,因此时空融合法比时序拟合法更能体现出农田内部均匀度的差异。
图6 基于不同融合方法估算的NPP标准差分布图
Fig. 6 The standard deviation of NPP estimated by different fusion models
农田生产力变化通常会由于田块尺度的耕地产能提升措施产生,从本研究实验区宁夏灵武市崇新镇高标准农田建设项目区建设前后农田生产力变化遥感监测结果来看,中等空间分辨率、高时相的MODIS数据显然无法监测出耕地产能的变化（图7(a)）,而应用线性拟合法、时序拟合法和时空融合法获得的空间分辨率为30 m的农田生产力变化均能够清晰体现项目区内田块尺度的变化情况（图7(b)-(d)）。
图7 不同数据融合方法进行农田生产力变化监测能力对比
Fig. 7 The comparison of the ability of monitoring the variation of farmland productivity based on different fusion methods
将时序拟合法和时空融合法计算得到NPP数据与VPM模型模拟得到的NPP数据进行比较 （图8）,可以看出基于2种融合方法生成的时间步长8 d、空间分辨率30 m NPP平均值及其变动趋势与VPM 模型模拟的时间步长8 d、空间分辨率500 m NPP非常接近,即这2种数据融合方法不仅提高了农田生产力动态遥感监测的空间细节表达能力,同时还很好地保持了模型原有的模拟精度及对NPP变化过程的刻画。
图8 高标准农田建设前后不同融合方法估算的时间步长8 d的NPP动态变化
Fig. 8 Dynamic variation of NPP at a time step of 8 days based on different fusion models before and after the construction of high-standard farmland
从图9可看出,应用时序拟合法和时空融合法得到的时序 NPP数据与VPM模型模拟得到的 NPP数据之间存在很强的相关性,决定系数R2分别为0.99和0.95,即2种融合方法得到的时序动态数据精度能够满足农田生产力动态监测需求。
图9 不同方法时序NPP数据间相关性
Fig. 9 The correlation of time series of NPP data based on different fusion models
线性拟合法只能融合得到NPP的年值数据,但与其它2种融合方法一样,也能够检测出农田生产力年季间的变化（图10）。应用线性拟合、时序拟合和时空融合3种方法计算得到实验区高标准农田建设后（2014年）较建设前（2011年）生产力分别提升了13.2%、14.5%和9.5%,线性拟合法与另外2种方法的变化检测能力相当。不同的是,因为不能表达作物生长的时间序列特征,线性拟合法适用于农田生产力年季变化的评估,但不能用于作物生长季内的动态监测。
图10 高标准农田建设前后基于不同融合方法计算的农田生产力
Fig. 10 The farmland productivity based on different fusion models before and after the construction of high-standard farmland
线性拟合法、时序拟合法和时空融合法在时间效率上也有较大的差异。线性拟合法利用500 m NPP年值与对应年份所有生长季30 m EVI的平均值直接计算出30 m NPP年值,算法简单,计算也最省时。时序拟合法首先由可获取的TM数据,根据时相邻近的MODIS/NPP 与TM/EVI 间的关系计算对应时相的TM/NPP;然后基于已有时相的TM/NPP数据,根据相邻时相MODIS/NPP的变化幅度,逐时相计算各生长季的TM/NPP,最终获得时间步长8 d的、空间分辨率30 m的TM/NPP时间序列数据;时序拟合法算法相对复杂,运算耗时是线性拟合法的1.5倍。时空融合算法则需要首先融合得到全年46期的空间分辨率30 m的EVI和LSWI数据,以此驱动VPM模型计算出时间步长8 d的、空间分辨率30 m的TM/NPP;时空融合算法复杂,计算也最为耗时,其运算耗时达时序拟合法的13倍。
高时空分辨率的农田生产力遥感监测需要高效的多源遥感信息融合技术的支持。本研究针对空间分辨率30 m的Landsat数据与空间分辨率500 m的MODIS时间序列数据的信息融合方法,对比3种常用数据融合技术应用于高时空分辨率农田生产力监测的可行性及运算效率,以期为农田生产力遥感监测用户选择适宜的时空遥感数据融合方法提供依据。研究结果表明：
（1）应用线性拟合法、时序拟合法和时空融合法生成的空间分辨率30 m的农田生产力数据均能显示出道路、田埂等线状裸地与田间的差异,但是时序拟合法和时空融合法比线性拟合法更加清晰;对于生产力水平相对均匀的田块内部,时空融合法比时序拟合法更能体现出农田内部的差异。
（2）3种融合方法都能够体现灵武市崇新镇高标准农田项目区耕地生产力的提升,且时序拟合法和时空融合法还能够因保持MODIS的高时相特征、体现作物生长过程,从而实现空间分辨率30 m、时间步长8 d农田生产力变化动态监测。由于线性拟合法只能融合得到年值数据,因此仅适用于农田生产力年季变化的评估,不能用于作物生产的实时动态监测。
（3）线性拟合法、时序拟合法、时空融合法估算空间分辨率30 m、时间分辨率8 d的NPP数据在时间效率上也有较大的差异。线性拟合法算法简单,计算也最为省时,在配置为Windows系统、I5处理器、2G内存的计算机中,其计算速率为9.2 km²/min;时序拟合法算法比较复杂,计算效率略低于线性拟合法,其计算速率为6.0 km²/min;而时空融合算法更为复杂,其计算速率仅为0.46 km²/min（表1）。
表1 不同融合方法估算NPP的时间效率对比
Tab. 1 Comparison of the efficiency of estimating NPP based on different fusion models
| 方法 | 线性拟合方法 | 时序拟合方法 | 时空融合方法 |
|---|---|---|---|
| 时间尺度 | 年 | 8 d | 8 d |
| 空间尺度/m | 30 | 30 | 30 |
| 计算时间效率/(km²/min) | 9.20 | 6.00 | 0.46 |
在目前尚无法直接获取高时空分辨率遥感数据的情况下,多源遥感数据融合技术可以综合不同遥感数据的空间和时间分辨率的优势,为高精度的植被遥感动态监测提供强有力的支持。本文研究了3种融合算法对农田生产力的精细化描述能力、农田生产力变化监测的能力以及运算速度3方面的差异。根据三者运算效率的差异,在较小区域范围,时空融合法和时序拟合法都适于高时空分辨率NPP的估算,但大区域范围的运算时空融合法则因耗时太长不适于高时空分辨率NPP的估算。
线性拟合法和时序拟合法基于EVI和NPP之间的经验关系构建,应用在较大区域范围时,自然及气候条件的地域差异性会使得EVI和NPP之间的关系也呈现不同的规律。因此,在实践应用线性拟合法和时序拟合法进行数据融合时,应首先依据研究区的区域分异特征进行分区,使得每个区域内部具有自然条件和种植制度的相对均一性（如可采用中国耕作制度区划）,进而对各个耕作区进行函数关系式构建。
数据融合所应用的Landsat数据时相和数据质量也是影响融合结果的重要因素。在应用时,应在保证Landsat数据质量的前提下要优先选择作物生长旺盛期且与MODIS数据时相最为接近时相的影像,选择非生长季或接近生长季起止时段的数据则难以取得很好的融合效果。此外,在进行数据融合时,为了提高融合的精度,需要使用尽量多期的生长季的数据。当同一年份有多期可用的Landsat数据时,线性拟合法采用多期数据的平均值进行拟合,时序拟合法按照Landsat数据的时相分段进行拟合。在进行大面积的农田生产力遥感监测实践应用中,时序拟合法可以实现快速的高时空分辨率的动态监测,在融合方法构建过程中应依据区域热量、水分、地貌等指标的地域分异性合理进行区划,并充分利用生长季Landsat数据的时相信息,有助于提高融合数据的精度。
3种数据融合方法旨在提升农田生产力遥感监测的时空分辨率,进而提升农田生产力的遥感监测精确度。3种方法均是基于生态系统生产力光能利用率遥感模型进行中等分辨率与高分辨率遥感信息的融合,因此监测结果的精度取决于2个方面：一方面是数据融合算法的精度,另一方面是光能利用率遥感模型自身的精度。
本研究采用的VPM模型是经过位于多个典型农田生态系统的涡度相关碳通量长期定位观测数据验证的模型[6,31,37-38],因此在该研究中只探讨决定遥感监测结果精度的融合算法的精度。在实践应用中,在选择农田生产力遥感监测方法时,同样需要根据3种融合方法的时空精度与时间效率差异选择符合应用需求的方法,同时还要注意选择适宜的农田生态系统生产力遥感模型,以保障农田生产力的估算值的准确性。
The authors have declared that no competing interests exist.
| [22] |
华北平原冬小麦总初级生产力的遥感监测 [J].https://doi.org/10.3969/j.issn.1002-6819.2011.z1.067 URL [本文引用: 1] 摘要
该文以华北平原冬小麦为研究区,验证MODIS-GPP产品数据在下垫面复杂的农田生态系统的适用性,及农田生态系统的碳源/汇功能。首先采用MODIS-NDVI产品数据,根据冬小麦物候特征,解译出冬小麦种植面积;然后与经过验证并校正后的MODIS-GPP产品数据估算华北平原冬小麦2010年生长季内的GPP总量;最后,由涡度相关实测数据估算出冬小麦的生态系统呼吸量(RE)和净生态系统生产力(NEP)。结果显示:MODIS-NDVI解译出的冬小麦面积结果与TM解译结果的用户精度高达90.6%,总体精度达87.2%;MODIS-GPP产品数据与涡度相关数据估算结果的复相关系数高达0.9227;2010年华北平原冬小麦生长季GPP约为6.24×108kgC,约占该区所有植被GPP的21.3%;华北平原冬小麦固碳能力较强,净生态系统生产力(NEP)占GPP的58.7%。研究表明,MODIS-GPP产品数据满足华北平原冬小麦GPP统计精度需求,冬小麦生态系统对陆地生态系统起到了重要的碳汇功能。
Remote sensing monitoring of gross primary productivity of winter wheat in North China Plain [J].https://doi.org/10.3969/j.issn.1002-6819.2011.z1.067 URL [本文引用: 1] 摘要
该文以华北平原冬小麦为研究区,验证MODIS-GPP产品数据在下垫面复杂的农田生态系统的适用性,及农田生态系统的碳源/汇功能。首先采用MODIS-NDVI产品数据,根据冬小麦物候特征,解译出冬小麦种植面积;然后与经过验证并校正后的MODIS-GPP产品数据估算华北平原冬小麦2010年生长季内的GPP总量;最后,由涡度相关实测数据估算出冬小麦的生态系统呼吸量(RE)和净生态系统生产力(NEP)。结果显示:MODIS-NDVI解译出的冬小麦面积结果与TM解译结果的用户精度高达90.6%,总体精度达87.2%;MODIS-GPP产品数据与涡度相关数据估算结果的复相关系数高达0.9227;2010年华北平原冬小麦生长季GPP约为6.24×108kgC,约占该区所有植被GPP的21.3%;华北平原冬小麦固碳能力较强,净生态系统生产力(NEP)占GPP的58.7%。研究表明,MODIS-GPP产品数据满足华北平原冬小麦GPP统计精度需求,冬小麦生态系统对陆地生态系统起到了重要的碳汇功能。
|
| [23] |
基于MODIS数据的草地生物量估算模型比较 [J].
准确估算草地生物量对合理规划区域畜牧业、评估草地植被的生态效益有重要意义。目前,在常用的遥感估算模型中,采用的植被指数和模型函数形式多样。本文根据野外生物量调查结果和MODIS数据,分别采用归一化植被指数(NDVI)、增强植被指数(EVI)和修正的土壤调节植被指数(MSAVI)建立了内蒙古科尔沁左翼后旗草地地上生物量和地上地下总生物量估测的3种(线性、乘幂和指数)模型,并进行了比较。结果表明:3种模型能够对草地生物量进行较好的模拟,其中指数模型效果最佳;3个植被指数(NDVI,EVI和MSAVI)与草地生物量均有较高的相关性,可用于该草地产量估测,其中MSAVI对地上生物量拟合效果最好(R2=0.900);NDVI和EVI的线性模型对总生物量的模拟明显好于对地上生物量的模拟。
Comparison of models estimating biomass of grassland based on MODIS data [J].
准确估算草地生物量对合理规划区域畜牧业、评估草地植被的生态效益有重要意义。目前,在常用的遥感估算模型中,采用的植被指数和模型函数形式多样。本文根据野外生物量调查结果和MODIS数据,分别采用归一化植被指数(NDVI)、增强植被指数(EVI)和修正的土壤调节植被指数(MSAVI)建立了内蒙古科尔沁左翼后旗草地地上生物量和地上地下总生物量估测的3种(线性、乘幂和指数)模型,并进行了比较。结果表明:3种模型能够对草地生物量进行较好的模拟,其中指数模型效果最佳;3个植被指数(NDVI,EVI和MSAVI)与草地生物量均有较高的相关性,可用于该草地产量估测,其中MSAVI对地上生物量拟合效果最好(R2=0.900);NDVI和EVI的线性模型对总生物量的模拟明显好于对地上生物量的模拟。
|
| [24] |
基于MODIS增强型植被指数的青海省牧草产量估产研究 [J].https://doi.org/10.3969/j.issn.1000-0526.2007.06.015 URL [本文引用: 2] 摘要
利用青海省22个生态环境监测站在2003和2004年牧草生长季内各月所测的牧草鲜草产量 数据，并搜集了该时段内逐日的MODIS遥感数据，通过对图像的预处理，云区识别，植被指数的计算及月最大植被指数的合成，形成了与牧草产量数据相对应的 MODIS EVI数据。然后按牧草生长季和草地类型建立了牧草鲜草产量与MODIS植被指数的关系模型。结果表明，牧草产量和MODIS EVI之间存在较高的相关性，用指数函数建立产量模型效果较好。按牧草生长季建立的牧草产量检测模型比按草地类型建立的模型相关性要高。
Grass productivity estimated by EVI of MODIS in Qinghai Province [J].https://doi.org/10.3969/j.issn.1000-0526.2007.06.015 URL [本文引用: 2] 摘要
利用青海省22个生态环境监测站在2003和2004年牧草生长季内各月所测的牧草鲜草产量 数据，并搜集了该时段内逐日的MODIS遥感数据，通过对图像的预处理，云区识别，植被指数的计算及月最大植被指数的合成，形成了与牧草产量数据相对应的 MODIS EVI数据。然后按牧草生长季和草地类型建立了牧草鲜草产量与MODIS植被指数的关系模型。结果表明，牧草产量和MODIS EVI之间存在较高的相关性，用指数函数建立产量模型效果较好。按牧草生长季建立的牧草产量检测模型比按草地类型建立的模型相关性要高。
|
| [25] |
基于MODIS的植被指数模型及其在草地生态系统中的应用 [J].A model of vegetation index based on MODIS data and its application in grass ecosystem [J]. |
| [26] |
MODIS EVI时序数据重建方法及拟合分析 [J].https://doi.org/10.3724/SP.J.1047.2015.00732 URL Magsci [本文引用: 1] 摘要
<p>植被遥感监测中长时间序列数据择优的重建方法, 已成为当今一个研究热点。本文以东北地区5种主要植被覆盖类型为例, 在定性分析TIMESAT提供的3种常用重建方法对EVI(Enhanced Vegetation Index)时序曲线重建效果的基础上, 定量对比研究了各方法, 对原始高质量EVI点真实值的保真性, 及对原始曲线整体特征的保持度。结果表明:S-G(Savitzky-Golay)滤波对原始曲线生长季的峰值及宽度重建效果较好, 但容易因过度拟合保留过多噪声, 特别是草地和灌丛类型;非对称性高斯函数(AG)和双Logistic曲线(DL)方法相似, 对草地、灌丛和耕地的重建结果更接近真实值, 但AG拟合对波峰处异常值的处理结果较差, 重建后波峰表现低平。3种算法对原始EVI时序数据的保真性和对原始时序数据曲线特征的保持度, 都表现出与植被类型分布相关的空间分布格局。分析结果表明, 在东北地区, AG算法对草原和灌丛的重建效果最好, DL算法对耕地重建效果最优, S-G算法最适合对落叶阔叶林和落叶针叶林进行重建处理。</p>
Analysis of time-series data reconstruction method and fitting based on EVI of MODIS [J].https://doi.org/10.3724/SP.J.1047.2015.00732 URL Magsci [本文引用: 1] 摘要
<p>植被遥感监测中长时间序列数据择优的重建方法, 已成为当今一个研究热点。本文以东北地区5种主要植被覆盖类型为例, 在定性分析TIMESAT提供的3种常用重建方法对EVI(Enhanced Vegetation Index)时序曲线重建效果的基础上, 定量对比研究了各方法, 对原始高质量EVI点真实值的保真性, 及对原始曲线整体特征的保持度。结果表明:S-G(Savitzky-Golay)滤波对原始曲线生长季的峰值及宽度重建效果较好, 但容易因过度拟合保留过多噪声, 特别是草地和灌丛类型;非对称性高斯函数(AG)和双Logistic曲线(DL)方法相似, 对草地、灌丛和耕地的重建结果更接近真实值, 但AG拟合对波峰处异常值的处理结果较差, 重建后波峰表现低平。3种算法对原始EVI时序数据的保真性和对原始时序数据曲线特征的保持度, 都表现出与植被类型分布相关的空间分布格局。分析结果表明, 在东北地区, AG算法对草原和灌丛的重建效果最好, DL算法对耕地重建效果最优, S-G算法最适合对落叶阔叶林和落叶针叶林进行重建处理。</p>
|
| [27] |
基于TIMESAT的3种时序NDVI拟合方法比较研究——以藏北草地为例 [J].
以藏北地区2007-2009年MODIS 16 d合成的NDVI时间序列为例,介绍了基于TI MESAT2.3软件的3种主要拟合算法——非对称高斯函数（AG）拟合、双Logistic曲线（D-L）拟合和Savitzky-Golay（S-G）滤波法的基本原理和实现流程;重点从拟合重建NDVI时间序列对原始ND-VI值上包络线的拟合效果及保持原始高质量NDVI点值真实值的程度两个方面,分析比较3种算法的特点。结果表明：①3种拟合算法均能不同程度提高整个区域的NDVI平均值,AG与D-L拟合法处理后的NDVI时间序列与原始NDVI曲线的整体特征较S-G滤波方法更加吻合;②AG与D-L拟合重建的NDVI时间曲线在生长季峰期高于上包络线,S-G滤波法处理结果低于上包络线,3种方法中AG拟合结果与上包络线最为接近;③在保持原始高质量NDVI值真实性方面,AG与D-L拟合法处理结果相似,除生长季曲线的峰期外,均优于Savitzky-Golay滤波法。该研究结论为基于NDVI时间序列进行陆地系统生态环境各方面研究中数据去噪预处理的方法选择提供参考。
Comparison of three fitting methods based on time-series of NDVI in grassland of northern Tibet [J].
以藏北地区2007-2009年MODIS 16 d合成的NDVI时间序列为例,介绍了基于TI MESAT2.3软件的3种主要拟合算法——非对称高斯函数（AG）拟合、双Logistic曲线（D-L）拟合和Savitzky-Golay（S-G）滤波法的基本原理和实现流程;重点从拟合重建NDVI时间序列对原始ND-VI值上包络线的拟合效果及保持原始高质量NDVI点值真实值的程度两个方面,分析比较3种算法的特点。结果表明：①3种拟合算法均能不同程度提高整个区域的NDVI平均值,AG与D-L拟合法处理后的NDVI时间序列与原始NDVI曲线的整体特征较S-G滤波方法更加吻合;②AG与D-L拟合重建的NDVI时间曲线在生长季峰期高于上包络线,S-G滤波法处理结果低于上包络线,3种方法中AG拟合结果与上包络线最为接近;③在保持原始高质量NDVI值真实性方面,AG与D-L拟合法处理结果相似,除生长季曲线的峰期外,均优于Savitzky-Golay滤波法。该研究结论为基于NDVI时间序列进行陆地系统生态环境各方面研究中数据去噪预处理的方法选择提供参考。
|
| [1] |
黄淮海多熟种植农业区作物历遥感检测与时空特 [J].
多熟种植是高强度农业土地利用的重要特征，但由于缺乏在空间和时间上清晰描述农业多熟种植和作物种植历时空分布的数据,使得区域尺度农田生态系统碳动态估计、农田生产力监测与模拟等有很大的不确定性。黄淮海农业区是以冬小麦-夏玉米二熟制为主的我国粮食主产区，冬小麦和夏玉米分别为光合作用途径为C3和C4的作物，已有研究证明如果在估算生态系统生产力时不考虑一年两季作物及其光能利用率的差异则会导致生产力估算结果过低。研究结合农业气象站点地面作物物候观测数据和空间分辨率500m、8d合成的MODIS时间序列数据，分析研究区二熟制作物的生长过程、物候特征和作物历的空间差异，发展基于EVI和LSWI时间序列曲线检测多熟区各季作物种植历的方法，获取黄淮海农业区空间表述清晰的熟制和各季作物的生长开始与结束时间数据，并应用农业气象站点数据对方法和所获取的作物历数据进行了比较验证。论述的方法和提取的各季作物的作物历时空数据将能够应用于区域尺度农田生产力估算、生物地球化学循环模拟和农业生态系统监测。
Crop calendar and its spatiotemporal characteristics of Huanghuaihai multi-cropping farming area by remote sensing detection [J].
多熟种植是高强度农业土地利用的重要特征，但由于缺乏在空间和时间上清晰描述农业多熟种植和作物种植历时空分布的数据,使得区域尺度农田生态系统碳动态估计、农田生产力监测与模拟等有很大的不确定性。黄淮海农业区是以冬小麦-夏玉米二熟制为主的我国粮食主产区，冬小麦和夏玉米分别为光合作用途径为C3和C4的作物，已有研究证明如果在估算生态系统生产力时不考虑一年两季作物及其光能利用率的差异则会导致生产力估算结果过低。研究结合农业气象站点地面作物物候观测数据和空间分辨率500m、8d合成的MODIS时间序列数据，分析研究区二熟制作物的生长过程、物候特征和作物历的空间差异，发展基于EVI和LSWI时间序列曲线检测多熟区各季作物种植历的方法，获取黄淮海农业区空间表述清晰的熟制和各季作物的生长开始与结束时间数据，并应用农业气象站点数据对方法和所获取的作物历数据进行了比较验证。论述的方法和提取的各季作物的作物历时空数据将能够应用于区域尺度农田生产力估算、生物地球化学循环模拟和农业生态系统监测。
|
| [28] |
基于秦岭样区的四种时序EVI函数拟合方法对比研究 [J].https://doi.org/10.5846/stxb201501070054 URL [本文引用: 1] 摘要
函数曲线拟合方法是植被指数时间序列重建的一个重要方法,已经广泛应用于森林面积动态变化监测、农作物估产、遥感物候信息提取、生态系统碳循环研究等领域.基于秦岭样区多年MODIS EVI遥感数据及其质量控制数据,探讨并改进了时序EVI重建过程中噪声点优化和对原始高质量数据保真能力的评价方法;在此基础上,比较了常用的非对称性高斯函数拟合法(AG)、双Logistic函数拟合法(DL)和单Logistic函数拟合法(SL).基于SL方法,调整了模型形式并重新定义d的参数意义,提出了最值优化单Logistic函数拟合法(MSL),并与其他3种方法进行对比.结果表明;在噪声点优化及保留原始高质量数据方面,AG方法和DL方法二者整体差别不大,而在部分像元的处理上AG方法表现出更好的拟合效果;MSL方法和SL方法相比于AG方法和DL方法其效果更为突出;在地形气候复杂,植被指数噪声较多的山区,MSL方法表现出更好的适用性.
Comparison of four fitting methods based on time-series of EVI In Qinling zone [J].https://doi.org/10.5846/stxb201501070054 URL [本文引用: 1] 摘要
函数曲线拟合方法是植被指数时间序列重建的一个重要方法,已经广泛应用于森林面积动态变化监测、农作物估产、遥感物候信息提取、生态系统碳循环研究等领域.基于秦岭样区多年MODIS EVI遥感数据及其质量控制数据,探讨并改进了时序EVI重建过程中噪声点优化和对原始高质量数据保真能力的评价方法;在此基础上,比较了常用的非对称性高斯函数拟合法(AG)、双Logistic函数拟合法(DL)和单Logistic函数拟合法(SL).基于SL方法,调整了模型形式并重新定义d的参数意义,提出了最值优化单Logistic函数拟合法(MSL),并与其他3种方法进行对比.结果表明;在噪声点优化及保留原始高质量数据方面,AG方法和DL方法二者整体差别不大,而在部分像元的处理上AG方法表现出更好的拟合效果;MSL方法和SL方法相比于AG方法和DL方法其效果更为突出;在地形气候复杂,植被指数噪声较多的山区,MSL方法表现出更好的适用性.
|
| [2] |
Deriving maximal light use efficiency from coordinated flux measurements and satellite data for regional gross primary production modeling [J].https://doi.org/10.1016/j.rse.2010.05.001 URL [本文引用: 1] 摘要
Remote sensing models based on light use efficiency (LUE) provide promising tools for monitoring spatial and temporal variation of gross primary production (GPP) at regional scale. In most of current LUE-based models, maximal LUE ( ε max) heavily relies on land cover types and is considered as a constant, rather than a variable for a certain vegetation type or even entire eco-region. However, species composition and plant functional types are often highly heterogeneous in a given land cover class; therefore, spatial heterogeneity of ε max must be fully considered in GPP modeling, so that a single cover type does not equate to a single ε max value. A spatial dataset of ε max accurately represents the spatial heterogeneity of maximal light use would be of significant beneficial to regional GPP models. Here, we developed a spatial dataset of ε max by integrating eddy covariance flux measurements from 14 field sites in a network of coordinated observation across northern China and satellite derived indices such as enhanced vegetation index (EVI) and visible albedo to simulate regional distribution of GPP. This dynamic modeling method recognizes the spatial heterogeneity of ε max and reduces the uncertainties in mixed pixels. Further, we simulated GPP with the spatial dataset of ε max generated above. Both ε max and growing season GPP show complex patterns over northern China that reflect influences of humidity, green vegetation fractions, and land use intensity. “Green spots” such as oasis meadow and alpine forests in dryland and “brown spots” such as build-up and heavily degraded vegetation in the east are clearly captured by the simulation. The correlation between simulated GPP and EC measured GPP indicate that the simulated GPP from this new approach is well matched with flux-measured GPP. Those results have demonstrated the importance of considering ε max as both a spatially and temporally variable values in GPP modeling.
|
| [3] |
农作物空间格局遥感监测研究进展 [J].https://doi.org/10.3864/j.issn.0578-1752.2010.14.006 URL Magsci [本文引用: 1] 摘要
<P><FONT face=Verdana>遥感技术因其高时效、宽范围和低成本等优点正被广泛应用于对地观测活动中,为大区域尺度掌握农作物空间格局提供了新的科学技术手段。本文系统总结了近10年来国内外农作物空间格局遥感监测在理论、方法、实践应用等方面取得的新进展,指出了亟待解决的问题,并对今后的发展方向进行了展望。研究认为,农作物种植面积遥感监测主要根据遥感传感器记录的不同农作物光谱特征的差异,进行不同农作物种植面积的识别,方法主要包括：基于光谱特征、基于作物物候特征和基于多源数据的农作物遥感识别方法。遥感技术应用于农作物复种模式监测主要根据时间序列植被指数描述的作物季节活动过程,利用不同的拟合方法得到作物生长曲线,实现作物复种模式有效监测。农作物种植方式遥感监测是更高层次的遥感应用,主要利用时间序列遥感数据,根据作物植被指数的变化规律区分不同作物生育周期,判断不同复种模式下作物的种植顺序和方式。在未来相当长的一段时间内,建立农作物空间格局遥感监测的理论和技术体系、发展和改进遥感影像分类方法、优化时间序列遥感数据平滑技术和提高信息提取的自动化与流程化将是农作物空间格局遥感监测需要重点解决的几个关键问题。<BR></FONT></P>
|
| [29] |
An enhanced spatial and temporal adaptive reflectance fusion model for complex heterogeneous regions [J].https://doi.org/10.1016/j.rse.2010.05.032 URL [本文引用: 3] 摘要
Due to technical and budget limitations, remote sensing instruments trade spatial resolution and swath width. As a result not one sensor provides both high spatial resolution and high temporal resolution. However, the ability to monitor seasonal landscape changes at fine resolution is urgently needed for global change science. One approach is to lend the radiometry from daily, global data (e.g. MODIS, MERIS, SPOT-Vegetation) with data from high-resolution sensors with less frequent coverage (e.g. Landsat, CBERS, ResourceSat). Unfortunately, existing algorithms for blending multi-source data have some shortcomings, particularly in accurately predicting the surface reflectance of heterogeneous landscapes. This study has developed an enhanced spatial and temporal adaptive reflectance fusion model (ESTARFM) based on the existing STARFM algorithm, and has tested it with both simulated and actual satellite data. Results show that ESTARFM improves the accuracy of predicted fine-resolution reflectance, especially for heterogeneous landscapes, and preserves spatial details. Taking the NIR band as an example, for homogeneous regions the prediction of the ESTARFM is slightly better than the STARFM (average absolute difference [ AAD] 0.0106 vs. 0.0129 reflectance units). But for a complex, heterogeneous landscape, the prediction accuracy of ESTARFM is improved even more compared with STARFM ( AAD 0.0135 vs. 0.0194). This improved fusion algorithm will support new investigations into how global landscapes are changing across both seasonal and interannual timescales.
|
| [30] |
数据融合技术在提高NPP估算精度中的应用 [J].https://doi.org/10.3778/j.issn.1002-8331.1301-0034 URL Magsci [本文引用: 2] 摘要
针对现有遥感数据不能同时满足在时间和空间上精确监测植被动态变化的问题，提出利用时空适应性反射率融合模型（STARFM）的方法对MODIS-NDVI和TM-NDVI影像数据进行融合处理获得30 m较高时空分辨率的融合NDVI影像，进而将多种尺度的MODIS-NDVI和融合NDVI数据分别输入到CASA模型，对锡林浩特地区进行植被净初级生产力（NPP）的多尺度估算。将不同尺度的NPP估算结果与地上生物量地面实测值进行验证比较，结果表明：随着输入NDVI空间分辨率的提高，NPP估算值与实测地上生物量之间的相关性也逐渐增大，[r]最大值达到了0.915。此外以融合NDVI影像作为输入数据之一的NPP估算值与实测地上生物量的相关性均比未融合NDVI的相关性高，说明融合NDVI估算NPP的效果较未融合NDVI好，并且以融合NDVI影像作为模型输入数据可提高NPP估算精度。
Application of data fusion technology in improving the precision of estimating NPP [J].https://doi.org/10.3778/j.issn.1002-8331.1301-0034 URL Magsci [本文引用: 2] 摘要
针对现有遥感数据不能同时满足在时间和空间上精确监测植被动态变化的问题，提出利用时空适应性反射率融合模型（STARFM）的方法对MODIS-NDVI和TM-NDVI影像数据进行融合处理获得30 m较高时空分辨率的融合NDVI影像，进而将多种尺度的MODIS-NDVI和融合NDVI数据分别输入到CASA模型，对锡林浩特地区进行植被净初级生产力（NPP）的多尺度估算。将不同尺度的NPP估算结果与地上生物量地面实测值进行验证比较，结果表明：随着输入NDVI空间分辨率的提高，NPP估算值与实测地上生物量之间的相关性也逐渐增大，[r]最大值达到了0.915。此外以融合NDVI影像作为输入数据之一的NPP估算值与实测地上生物量的相关性均比未融合NDVI的相关性高，说明融合NDVI估算NPP的效果较未融合NDVI好，并且以融合NDVI影像作为模型输入数据可提高NPP估算精度。
|
| [31] |
基于MODIS-OLI遥感数据融合技术的农田生产力估算 [J].https://doi.org/10.11849/zrzyxb.20150632 URL [本文引用: 5] 摘要
大范围、高精度的农田生产力遥感监测依赖于高时空分辨率的遥感数据,单纯依靠由单一类型传感器数据获取的高时相或者高空间分辨率的遥感数据都不能满足清晰掌握田块尺度上作物生长动态的需求。全球免费提供的空间分辨率250~1 000 m的MODIS数据和空间分辨率30 m的Landsat数据是植被动态监测普遍应用的数据源,针对应用MODIS数据估算的农田生产力空间分辨率较低而Landsat卫星重访周期长的局限性,研究基于空间分辨率30 m的Landsat 8 OLI数据与空间分辨率500 m的MODIS数据,应用时空数据融合技术,融合OLI数据的高清晰空间表达能力与时间间隔8 d的MODIS数据的植被生长时间序列过程的监测能力,获得空间分辨率30 m、时间步长8 d的时间序列数据,利用VPM（Vegetation Photosynthesis Model）模型以宁夏永宁县部分地区为试验区估算该区域的NPP。研究结果表明,融合后所得30 m分辨率的NPP具有良好的空间细节信息,提高了MODIS数据中混合像元上的估算精度,并保留了MODIS数据原始的时间过程信息,以30 m的空间分辨率刻画出作物的生长动态;较单独应用MODIS数据,使用融合数据估算的NPP可更有效检测出高标准农田建设对农田生产力的提升。
|
| [3] |
Progress in remote sensing monitoring of crop spatial pattern [J].https://doi.org/10.3864/j.issn.0578-1752.2010.14.006 URL Magsci [本文引用: 1] 摘要
<P><FONT face=Verdana>遥感技术因其高时效、宽范围和低成本等优点正被广泛应用于对地观测活动中,为大区域尺度掌握农作物空间格局提供了新的科学技术手段。本文系统总结了近10年来国内外农作物空间格局遥感监测在理论、方法、实践应用等方面取得的新进展,指出了亟待解决的问题,并对今后的发展方向进行了展望。研究认为,农作物种植面积遥感监测主要根据遥感传感器记录的不同农作物光谱特征的差异,进行不同农作物种植面积的识别,方法主要包括：基于光谱特征、基于作物物候特征和基于多源数据的农作物遥感识别方法。遥感技术应用于农作物复种模式监测主要根据时间序列植被指数描述的作物季节活动过程,利用不同的拟合方法得到作物生长曲线,实现作物复种模式有效监测。农作物种植方式遥感监测是更高层次的遥感应用,主要利用时间序列遥感数据,根据作物植被指数的变化规律区分不同作物生育周期,判断不同复种模式下作物的种植顺序和方式。在未来相当长的一段时间内,建立农作物空间格局遥感监测的理论和技术体系、发展和改进遥感影像分类方法、优化时间序列遥感数据平滑技术和提高信息提取的自动化与流程化将是农作物空间格局遥感监测需要重点解决的几个关键问题。<BR></FONT></P>
|
| [4] |
中国陆地生态系统近30年NPP时空变化研究 [J].
通过陆地生态系统碳循环模型(CASA模型),利用AVHRR的NDVI长期监测数据,逐像元模拟1981~2008年中国陆地生态系统NPP的时空变化,分析其对气候因子的响应关系。结果表明,中国陆地生态系统NPP总量在3.38 ~4.35 Pg C/a之间变化,平均约为3.8 Pg C/a,且研究期间呈上升趋势。在青藏高原、新疆天山地区和东北大小兴安岭、长白山等冷湿区,NPP年总累积量和年均温呈显著正相关,和年降水量呈显著负相关;地处华北的太行山、燕山等山区和内蒙古中部草原区等干燥环境区,NPP与年降水呈正相关关系;青藏高原及新疆地区和华北平原、四川盆地等农业区,NPP与年均温呈正相关关系。
|
| [31] |
Estimation of farmland productivity based on the MODIS-OLI remote sensing data fusion technology [J].https://doi.org/10.11849/zrzyxb.20150632 URL [本文引用: 5] 摘要
大范围、高精度的农田生产力遥感监测依赖于高时空分辨率的遥感数据,单纯依靠由单一类型传感器数据获取的高时相或者高空间分辨率的遥感数据都不能满足清晰掌握田块尺度上作物生长动态的需求。全球免费提供的空间分辨率250~1 000 m的MODIS数据和空间分辨率30 m的Landsat数据是植被动态监测普遍应用的数据源,针对应用MODIS数据估算的农田生产力空间分辨率较低而Landsat卫星重访周期长的局限性,研究基于空间分辨率30 m的Landsat 8 OLI数据与空间分辨率500 m的MODIS数据,应用时空数据融合技术,融合OLI数据的高清晰空间表达能力与时间间隔8 d的MODIS数据的植被生长时间序列过程的监测能力,获得空间分辨率30 m、时间步长8 d的时间序列数据,利用VPM（Vegetation Photosynthesis Model）模型以宁夏永宁县部分地区为试验区估算该区域的NPP。研究结果表明,融合后所得30 m分辨率的NPP具有良好的空间细节信息,提高了MODIS数据中混合像元上的估算精度,并保留了MODIS数据原始的时间过程信息,以30 m的空间分辨率刻画出作物的生长动态;较单独应用MODIS数据,使用融合数据估算的NPP可更有效检测出高标准农田建设对农田生产力的提升。
|
| [32] |
鄱阳湖农业区多熟种植时空格局特征遥感分析 [J]. |
| [4] |
Spatial and temporal changes of net primary productivity in China's terrestrial ecosystem for nearly 30 years [J].
通过陆地生态系统碳循环模型(CASA模型),利用AVHRR的NDVI长期监测数据,逐像元模拟1981~2008年中国陆地生态系统NPP的时空变化,分析其对气候因子的响应关系。结果表明,中国陆地生态系统NPP总量在3.38 ~4.35 Pg C/a之间变化,平均约为3.8 Pg C/a,且研究期间呈上升趋势。在青藏高原、新疆天山地区和东北大小兴安岭、长白山等冷湿区,NPP年总累积量和年均温呈显著正相关,和年降水量呈显著负相关;地处华北的太行山、燕山等山区和内蒙古中部草原区等干燥环境区,NPP与年降水呈正相关关系;青藏高原及新疆地区和华北平原、四川盆地等农业区,NPP与年均温呈正相关关系。
|
| [5] |
Modeling gross primary production of temperate deciduous broadleaf forest using satellite images and climate data [J].https://doi.org/10.1016/j.rse.2004.03.010 URL [本文引用: 2] 摘要
Net ecosystem exchange (NEE) of CO 2 between the atmosphere and forest ecosystems is determined by gross primary production (GPP) of vegetation and ecosystem respiration. CO 2 flux measurements at individual CO 2 eddy flux sites provide valuable information on the seasonal dynamics of GPP. In this paper, we developed and validated the satellite-based Vegetation Photosynthesis Model (VPM), using site-specific CO 2 flux and climate data from a temperate deciduous broadleaf forest at Harvard Forest, Massachusetts, USA. The VPM model is built upon the conceptual partitioning of photosynthetically active vegetation and non-photosynthetic vegetation (NPV) within the leaf and canopy. It estimates GPP, using satellite-derived Enhanced Vegetation Index (EVI), Land Surface Water Index (LSWI), air temperature and photosynthetically active radiation (PAR). Multi-year (1998 2001) data analyses have shown that EVI had a stronger linear relationship with GPP than did the Normalized Difference Vegetation Index (NDVI). Two simulations of the VPM model were conducted, using vegetation indices from the VEGETATION (VGT) sensor onboard the SPOT-4 satellite and the Moderate Resolution Imaging Spectroradiometer (MODIS) sensor onboard the Terra satellite. The predicted GPP values agreed reasonably well with observed GPP of the deciduous broadleaf forest at Harvard Forest, Massachusetts. This study highlighted the biophysical performance of improved vegetation indices in relation to GPP and demonstrated the potential of the VPM model for scaling-up of GPP of deciduous broadleaf forests.
|
| [32] |
Multi-cropping and its spatiotemporal characteristics of Poyang lake farm belt by remote sensing detection [J]. |
| [33] |
20世纪90年代LUCC过程对中国农田光温生产潜力的影响——基于气候观测与遥感土地利用动态观测数据 [J].Influence of LUCC process on light and temperature potential productivity of Chinese cropland in 1990s based on the data from climatological and remote sensing observation of dynamic change of land use [J]. |
| [34] |
1980-2000年中国LUCC对气候变化的响应 [J]. |
| [6] |
中国陆地生态系统总初级生产力VPM遥感模型估算 [J].https://doi.org/10.3969/j.issn.1001-7410.2014.04.05 URL Magsci [本文引用: 5] 摘要
陆地生态系统总初级生产力（Gross Primary Productivity，简称GPP）时空格局及其变化动态的准确监测是区域碳收支研究的核心问题之一，遥感模型正在为区域碳通量监测提供更为实时、准确的模拟数据。基于中分辨率成像光谱仪（MODerate-resolution Imaging Spectroradiometer，简称MODIS）遥感数据和涡度相关碳通量观测数据发展而来的VPM模型经过10年的努力，目前已经在全球涵盖十类生态系统的21个站点上开展模型的校验与验证研究，为区域GPP的准确估算与监测奠定了方法基础。本研究构建了评估GPP区域格局的VPM模型区域模式，以空间分辨率500m、时间步长8天的MODIS卫星影像数据以及相同时空分辨率的温度与光合有效辐射数据为模型输入数据，模拟估算我国2006~2008年GPP及其空间分布格局。VPM模型模拟的中国陆地生态系统GPP年总量平均值为5.0PgC/a，其中森林、草地、农田和灌丛生态系统分别占34%，17%，37%和12%。本研究模拟的全国GPP总量与多模型模拟的平均结果（5.40PgC/a）相当，但不同模型估算的各类生态系统GPP存在较大差异。本研究通过利用遥感数据对VPM模型中的关键参数（最大光能利用率）进行参数空间化，表达同一土地覆被类型内部光能利用率的空间异质性；应用目前我国准确性最为可靠的土地利用与植被数据提取土地覆被数据，首次将农业多熟种植作为单独的植被类型引入模型中，模型参数与输入数据的精度保障了模型模拟结果的可靠性。
Gross primary productivity of chinese terrestrial ecosystem estimated by Vegetation Photosynthetic Model [J].https://doi.org/10.3969/j.issn.1001-7410.2014.04.05 URL Magsci [本文引用: 5] 摘要
陆地生态系统总初级生产力（Gross Primary Productivity，简称GPP）时空格局及其变化动态的准确监测是区域碳收支研究的核心问题之一，遥感模型正在为区域碳通量监测提供更为实时、准确的模拟数据。基于中分辨率成像光谱仪（MODerate-resolution Imaging Spectroradiometer，简称MODIS）遥感数据和涡度相关碳通量观测数据发展而来的VPM模型经过10年的努力，目前已经在全球涵盖十类生态系统的21个站点上开展模型的校验与验证研究，为区域GPP的准确估算与监测奠定了方法基础。本研究构建了评估GPP区域格局的VPM模型区域模式，以空间分辨率500m、时间步长8天的MODIS卫星影像数据以及相同时空分辨率的温度与光合有效辐射数据为模型输入数据，模拟估算我国2006~2008年GPP及其空间分布格局。VPM模型模拟的中国陆地生态系统GPP年总量平均值为5.0PgC/a，其中森林、草地、农田和灌丛生态系统分别占34%，17%，37%和12%。本研究模拟的全国GPP总量与多模型模拟的平均结果（5.40PgC/a）相当，但不同模型估算的各类生态系统GPP存在较大差异。本研究通过利用遥感数据对VPM模型中的关键参数（最大光能利用率）进行参数空间化，表达同一土地覆被类型内部光能利用率的空间异质性；应用目前我国准确性最为可靠的土地利用与植被数据提取土地覆被数据，首次将农业多熟种植作为单独的植被类型引入模型中，模型参数与输入数据的精度保障了模型模拟结果的可靠性。
|
| [7] |
Monitoring vegetation phenology using MODIS [J].https://doi.org/10.1016/S0034-4257(02)00135-9 URL [本文引用: 1] |
| [8] |
Evaluation of MODIS NPP and GPP products across multiple biomes [J].https://doi.org/10.1016/j.rse.2006.02.017 URL [本文引用: 1] 摘要
Estimates of daily gross primary production (GPP) and annual net primary production (NPP) at the 1km spatial resolution are now produced operationally for the global terrestrial surface using imagery from the MODIS (Moderate Resolution Imaging Spectroradiometer) sensor. Ecosystem-level measurements of GPP at eddy covariance flux towers and plot-level measurements of NPP over the surrounding landscape offer opportunities for validating the MODIS NPP and GPP products, but these flux measurements must be scaled over areas on the order of 25km 2 to make effective comparisons to the MODIS products. Here, we report results for such comparisons at 9 sites varying widely in biome type and land use. The sites included arctic tundra, boreal forest, temperate hardwood forest, temperate conifer forest, tropical rain forest, tallgrass prairie, desert grassland, and cropland. The ground-based NPP and GPP surfaces were generated by application of the Biome-BGC carbon cycle process model in a spatially-distributed mode. Model inputs of land cover and leaf area index were derived from Landsat data. The MODIS NPP and GPP products showed no overall bias. They tended to be overestimates at low productivity sites often because of artificially high values of MODIS FPAR (fraction of photosynthetically active radiation absorbed by the canopy), a critical input to the MODIS GPP algorithm. In contrast, the MODIS products tended to be underestimates in high productivity sites often a function of relatively low values for vegetation light use efficiency in the MODIS GPP algorithm. A global network of sites where both NPP and GPP are measured and scaled over the local landscape is needed to more comprehensively validate the MODIS NPP and GPP products and to potentially calibrate the MODIS NPP/GPP algorithm parameters.
|
| [34] |
The response of Chinese LUCC caused by climate change during 1980-2000 [J]. |
| [35] |
Satellite-based modeling of gross primary production in an evergreen needleleaf forest [J].https://doi.org/10.1016/j.rse.2003.11.008 URL 摘要
The eddy covariance technique provides valuable information on net ecosystem exchange (NEE) of CO 2 , between the atmosphere and terrestrial ecosystems, ecosystem respiration, and gross primary production (GPP) at a variety of CO 2 eddy flux tower sites. In this paper, we develop a new, satellite-based Vegetation Photosynthesis Model (VPM) to estimate the seasonal dynamics and interannual variation of GPP of evergreen needleleaf forests. The VPM model uses two improved vegetation indices (Enhanced Vegetation Index (EVI), Land Surface Water Index (LSWI)). We used multi-year (1998–2001) images from the VEGETATION sensor onboard the SPOT-4 satellite and CO 2 flux data from a CO 2 eddy flux tower site in Howland, Maine, USA. The seasonal dynamics of GPP predicted by the VPM model agreed well with observed GPP in 1998–2001 at the Howland Forest. These results demonstrate the potential of the satellite-driven VPM model for scaling-up GPP of forests at the CO 2 flux tower sites, a key component for the study of the carbon cycle at regional and global scales.
|
| [9] |
Estimating crop yield using a satellite-based light use efficiency model [J].https://doi.org/10.1016/j.ecolind.2015.08.013 URL [本文引用: 1] 摘要
Satellite-based techniques that provide temporally and spatially continuous information over vegetated surfaces have become increasingly important in monitoring the global agriculture yield. In this study, we examine the performance of a light use efficiency model (EC-LUE) for simulating the gross primary production (GPP) and yield of crops. The EC-LUE model can explain on average approximately 90% of the variability in GPP for 36 FLUXNET sites globally. The results indicate that a universal set of parameters, independent of crop species (except for C4 crops), can be adopted in the EC-LUE model for simulating crops GPP. At both irrigated and rainfed sites, the EC-LUE model exhibits a similar level of performance. However, large errors are found when simulating yield based on crop harvest index. This analysis highlights the need to improve the representation of the harvest index and carbon allocation for improving crop yield estimations from satellite-based methods.
|
| [10] |
LEDAPS: Mapping North American disturbance from the Landsat Record [ |
| [36] |
Modeling gross primary productivity for winter wheat-maize double cropping system using MODIS time series and CO2 eddy flux tower data [J].https://doi.org/10.1016/j.agee.2008.10.017 URL [本文引用: 2] 摘要
Accurate and spatially explicit monitoring of gross primary productivity of agricultural ecosystems at a large scale is of great significance to assessment of crop conditions and agricultural production, and is necessary for understanding the carbon balance of the terrestrial biosphere. Identifying crop intensity (including multiple cropping and crop calendar) dynamics and assigning appropriate light use efficiency to C3 and C4 crops could substantially improve our ability to model and evaluate the seasonal dynamics of carbon flux in intensified agricultural ecosystems. In this paper, we have analyzed temporal dynamics of vegetation indices and phenological characteristics in the winter-wheat and maize double cropping system using multi-year satellite images from the moderate resolution imaging spectral radiometer (MODIS) and in situ observation of key crop phenological transition dates. The multiple cropping and crop calendar information were incorporated into simulations of the satellite-based vegetation photosynthesis model (VPM). Canopy-level maximum light use efficiency, a key parameter in the satellite-based VPM model, was estimated for both winter wheat (C3) and maize (C4) based on the observed CO 2 flux data from an eddy flux tower site in a winter wheat-maize double cropping agro-ecosystem in the Huang-Huai-Hai plain, China. The seasonal dynamics of GPP predicted by the VPM model agreed well with estimated GPP from eddy flux tower data. These results demonstrate the potential of the satellite-driven VPM model for scaling-up GPP estimation of intensified agricultural ecosystems, which is relevant to food production and security.
|
| [37] |
基于VPM与MOD17产品的中国农田生态系统总初级生产力估算比较 [J].
VPM（vegetation photosynthesis model）与PSN（photosynthesis）模型是2个基于MODIS数据估算生态系统总初级生产力（gross primary productivity，GPP）的光能利用率模型，该文对比了VPM和PSN模型在中国农田生态系统估算中的结果并对其差异形成的原因进行了分析。研究表明：1）在位于冬小麦-夏玉米二熟区的中国科学院禹城综合试验站以及种植春玉米的盈科灌区绿洲站，与碳通量观测数据相比，VPM模拟结果分别高估3.82%、12.08%，基于PSN模型利用MODIS数据计算的MOD17产品则分别低估53.35%、63.03%。2）在中国农田生态系统，MOD17产品普遍低于VPM模拟结果，在西北、东北及黄淮海等地区约低于50%以上，在南方地区低于不到30%。3）在中国北方旱作区，MOD17产品与VPM模拟结果呈强相关关系，相关系数为0.85，模型中的最大光能利用率参数是导致MOD17产品在北方旱作种植区低于VPM模拟结果的主要原因。
|
| [11] |
基于SEBAL模型的农作物NPP反演 [J].https://doi.org/10.6041/j.issn.1000-1298.2014.11.042 URL [本文引用: 1] 摘要
基于能量平衡原理,运用SEBAL陆地能量平衡模型,利用国产HJ-1卫星CCD、IRS影像反演了河北省保定市涿州市和高碑店市的农作物净初级生产力(NPP).利用J-1卫星影像、DEM、气象数据,反演净辐射通量、土壤热通量、感热通量,通过能量平衡计算蒸发比系数,进而计算光能利用率;基于DEM计算太阳总辐射,结合通过H J-1卫星影像计算的光合有效辐射分量(fPAR)反演被作物吸收的光合有效辐射(APAR);利用反演的农作物APAR和光能利用率2个因子,反演农作物NPP.实验结果表明:研究区日蒸散量范围为4.43～8.18 mm/d,均值为6.28 mm/d,与利用气象数据和Penman-Monteith公式计算结果(7.15 mm/d)大致相等,反演精度较高;研究区农作物NPP均值为31.02 g/(m2.d),最高达到139.29 g/(m2.d),其空间分布特征与地物类型分布特征一致.
NPP of crops estimated by SEBAL Model [J].https://doi.org/10.6041/j.issn.1000-1298.2014.11.042 URL [本文引用: 1] 摘要
基于能量平衡原理,运用SEBAL陆地能量平衡模型,利用国产HJ-1卫星CCD、IRS影像反演了河北省保定市涿州市和高碑店市的农作物净初级生产力(NPP).利用J-1卫星影像、DEM、气象数据,反演净辐射通量、土壤热通量、感热通量,通过能量平衡计算蒸发比系数,进而计算光能利用率;基于DEM计算太阳总辐射,结合通过H J-1卫星影像计算的光合有效辐射分量(fPAR)反演被作物吸收的光合有效辐射(APAR);利用反演的农作物APAR和光能利用率2个因子,反演农作物NPP.实验结果表明:研究区日蒸散量范围为4.43～8.18 mm/d,均值为6.28 mm/d,与利用气象数据和Penman-Monteith公式计算结果(7.15 mm/d)大致相等,反演精度较高;研究区农作物NPP均值为31.02 g/(m2.d),最高达到139.29 g/(m2.d),其空间分布特征与地物类型分布特征一致.
|
| [37] |
Comparison of estimating gross primary productivity of Chinese farmland ecosystem based on VPM and MOD17 data [J].
VPM（vegetation photosynthesis model）与PSN（photosynthesis）模型是2个基于MODIS数据估算生态系统总初级生产力（gross primary productivity，GPP）的光能利用率模型，该文对比了VPM和PSN模型在中国农田生态系统估算中的结果并对其差异形成的原因进行了分析。研究表明：1）在位于冬小麦-夏玉米二熟区的中国科学院禹城综合试验站以及种植春玉米的盈科灌区绿洲站，与碳通量观测数据相比，VPM模拟结果分别高估3.82%、12.08%，基于PSN模型利用MODIS数据计算的MOD17产品则分别低估53.35%、63.03%。2）在中国农田生态系统，MOD17产品普遍低于VPM模拟结果，在西北、东北及黄淮海等地区约低于50%以上，在南方地区低于不到30%。3）在中国北方旱作区，MOD17产品与VPM模拟结果呈强相关关系，相关系数为0.85，模型中的最大光能利用率参数是导致MOD17产品在北方旱作种植区低于VPM模拟结果的主要原因。
|
| [38] |
Potential promoted productivity and spatial patterns of medium- and low-yield cropland land in China [J].https://doi.org/10.1007/s11442-016-1267-2 URL [本文引用: 2] 摘要
With a continuously increasing population and better food consumption levels, improving the efficiency of arable land use and increasing its productivity have become fundamental strategies to meet the growing food security needs in China. A spatial distribution map of medium- and low-yield cropland is necessary to implement plans for cropland improvement. In this study, we developed a new method to identify high-, medium-, and low-yield cropland from Moderate Resolution Imaging Spectroradiometer(MODIS) data at a spatial resolution of 500 m. The method could be used to reflect the regional heterogeneity of cropland productivity because the classification standard was based on the regionalization of cropping systems in China. The results showed that the proportion of high-, medium-, and low-yield cropland in China was 21%, 39%, and 40%, respectively. About 75% of the low-yield cropland was located in hilly and mountainous areas, and about 53% of the high-yield cropland was located in plain areas. The five provinces with the largest area of high-yield cropland were all located in the Huang-Huai-Hai region, and the area amounted to 42% of the national high-yield cropland area. Meanwhile, the proportion of high-yield cropland was lower than 15% in Heilongjiang, Sichuan, and Inner Mongolia, which had the largest area allocated to cropland in China. If all the medium-yield cropland could be improved to the productive level of high-yield cropland and the low-yield cropland could be improved to the level of medium-yield cropland, the total productivity of the land would increase 19% and 24%, respectively.
|
| [12] |
Combining medium and coarse spatial resolution satellite data to improve the estimation of sub-pixel NDVI time series [J].https://doi.org/10.1016/j.rse.2007.04.004 URL [本文引用: 1] 摘要
Results showed that application of the algorithm provided good estimates of sub-pixel NDVIs even for poorly represented land-cover classes (i.e., with a low total cover in the test area). No significant accuracy differences were found between results obtained on daily and composite MODIS images. The main advantage of the proposed technique with respect to others is that the inclusion of the spectral term in weight calculation allows an accurate estimate of sub-pixel NDVI time series even for land-cover classes characterized by large and rapid spatial variations in their spectral properties.
|
| [13] |
On the blending of the Landsat and MODIS surface reflectance: predicting daily Landsat surface reflectance [ |
| [14] |
A new data fusion model for high spatial- and temporal-resolution mapping of forest disturbance based on Landsat and MODIS [J].https://doi.org/10.1016/j.rse.2009.03.007 URL [本文引用: 1] 摘要
Investigating the temporal and spatial pattern of landscape disturbances is an important requirement for modeling ecosystem characteristics, including understanding changes in the terrestrial carbon cycle or mapping the quality and abundance of wildlife habitats. Data from the Landsat series of satellites have been successfully applied to map a range of biophysical vegetation parameters at a 30m spatial resolution; the Landsat 16day revisit cycle, however, which is often extended due to cloud cover, can be a major obstacle for monitoring short term disturbances and changes in vegetation characteristics through time. The development of data fusion techniques has helped to improve the temporal resolution of fine spatial resolution data by blending observations from sensors with differing spatial and temporal characteristics. This study introduces a new data fusion model for producing synthetic imagery and the detection of changes termed Spatial Temporal Adaptive Algorithm for mapping Reflectance Change (STAARCH). The algorithm is designed to detect changes in reflectance, denoting disturbance, using Tasseled Cap transformations of both Landsat TM/ETM and MODIS reflectance data. The algorithm has been tested over a 185 185km study area in west-central Alberta, Canada. Results show that STAARCH was able to identify spatial and temporal changes in the landscape with a high level of detail. The spatial accuracy of the disturbed area was 93% when compared to the validation data set, while temporal changes in the landscape were correctly estimated for 87% to 89% of instances for the total disturbed area. The change sequence derived from STAARCH was also used to produce synthetic Landsat images for the study period for each available date of MODIS imagery. Comparison to existing Landsat observations showed that the change sequence derived from STAARCH helped to improve the prediction results when compared to previously published data fusion techniques.
|
| [15] |
An enhanced spatial and temporal data fusion model for fusing Landsat and MODIS surface reflectance to generate high temporal Landsat-like data [J].https://doi.org/10.3390/rs5105346 URL [本文引用: 1] 摘要
Remotely sensed data, with high spatial and temporal resolutions, can hardly be provided by only one sensor due to the tradeoff in sensor designs that balance spatial resolutions and temporal coverage. However, they are urgently needed for improving the ability of monitoring rapid landscape changes at fine scales (e.g., 30 m). One approach to acquire them is by fusing observations from sensors with different characteristics (e.g., Enhanced Thematic Mapper Plus (ETM+) and Moderate Resolution Imaging Spectroradiometer (MODIS)). The existing data fusion algorithms, such as the Spatial and Temporal Data Fusion Model (STDFM), have achieved some significant progress in this field. This paper puts forward an Enhanced Spatial and Temporal Data Fusion Model (ESTDFM) based on the STDFM algorithm, by introducing a patch-based ISODATA classification method, the sliding window technology, and the temporal-weight concept. Time-series ETM+ and MODIS surface reflectance are used as test data for comparing the two algorithms. Results show that the prediction ability of the ESTDFM algorithm has been significantly improved, and is even more satisfactory in the near-infrared band (the contrasting average absolute difference [AAD]: 0.0167 vs. 0.0265). The enhanced algorithm will support subsequent research on monitoring land surface dynamic changes at finer scales.
|
| [16] |
Remote estimation of crop gross primary production with Landsat data [J].https://doi.org/10.1016/j.rse.2012.02.017 URL [本文引用: 1] 摘要
An accurate and synoptic quantification of gross primary production (GPP) in crops is essential for studies of carbon budgets at regional and global scales. In this study, we tested a model, relating crop GPP to a product of total canopy chlorophyll (Chl) content and potential incident photosynthetically active radiation (PAR potential ). The approach is based on remotely sensed data; specifically, vegetation indices (VI) that are proxies for total Chl content and PAR potential , which is incident PAR under a condition of minimal atmospheric aerosol loading. Using VI retrieved from surface reflectance Landsat data, we found that the model is capable of accurately estimating GPP in maize, with coefficient of variation (CV) below 23%, and in soybean with CV below 30%. The algorithms established and calibrated over three Mead, Nebraska AmeriFlux sites were able to estimate maize and soybean GPP at tower flux sites in Minnesota, Iowa and Illinois with acceptable accuracy.
|
| [17] |
多源遥感数据时空融合模型应用分析 [J].https://doi.org/10.3724/SP.J.1047.2014.00776 URL Magsci [本文引用: 2] 摘要
<p>多源遥感数据时空融合模型是解决目前遥感数据获取能力不足问题的重要方法之一，当前主要融合方法的研究，集中于平原区域，缺乏复杂条件下的多源遥感数据融合技术的应用研究。针对我国南方复杂条件，本文对比研究了多源遥感数据时空融合模型在我国南方复杂条件下的应用能力。针对LORENZO模型、LIU模型、统计回归模型、STARFM和ESTARFM 5种主流多源遥感数据时空融合模型，采用Landsat-ETM+和MODIS数据，以江苏省南京市的小块区域为实验区，利用5种模型生产融合影像，以真实Landsat-ETM+数据为模板，定性和定量评价融合效果的好坏。结果表明：除LORENZO模型外，其余4种模型获得的融合影像与真实影像之间都具有较高的相关性，相关系数均高于0.6，其中，ESTARFM模型的融合影像与真实影像间的相关性最高，融合效果最好，其次为STARFM模型，再次为LIU模型和统计模型法。在融合过程中采用距离、时间和光谱等信息越多，融合效果越好，在复杂地区的适用能力越强，融合影像更能反映地物的细节特征。</p>
Application analysis of multi-source remote sensing data fusion by spatial-temporal model [J].https://doi.org/10.3724/SP.J.1047.2014.00776 URL Magsci [本文引用: 2] 摘要
<p>多源遥感数据时空融合模型是解决目前遥感数据获取能力不足问题的重要方法之一，当前主要融合方法的研究，集中于平原区域，缺乏复杂条件下的多源遥感数据融合技术的应用研究。针对我国南方复杂条件，本文对比研究了多源遥感数据时空融合模型在我国南方复杂条件下的应用能力。针对LORENZO模型、LIU模型、统计回归模型、STARFM和ESTARFM 5种主流多源遥感数据时空融合模型，采用Landsat-ETM+和MODIS数据，以江苏省南京市的小块区域为实验区，利用5种模型生产融合影像，以真实Landsat-ETM+数据为模板，定性和定量评价融合效果的好坏。结果表明：除LORENZO模型外，其余4种模型获得的融合影像与真实影像之间都具有较高的相关性，相关系数均高于0.6，其中，ESTARFM模型的融合影像与真实影像间的相关性最高，融合效果最好，其次为STARFM模型，再次为LIU模型和统计模型法。在融合过程中采用距离、时间和光谱等信息越多，融合效果越好，在复杂地区的适用能力越强，融合影像更能反映地物的细节特征。</p>
|
| [18] |
多源遥感数据融合应用研究 [J].Application of multi-source remote sensing data fusion [J]. |
| [19] |
净初级生产力遥感估算模型空间尺度转换 [J].https://doi.org/10.11834/jrs.20100602 URL Magsci [本文引用: 1] 摘要
采用基于混合像元的结构分析方法和支持向量机(SVM)算法, 建立了高分辨率遥感数据(TM)向低分辨\n率遥感数据(MODIS)的尺度转换模型, 实现了由高分辨率遥感数据获得的NPP 向低分辨率遥感数据获得的NPP 的\n空间尺度转换。对低分辨率遥感数据(MODIS)估算的NPP 结果进行了尺度效应校正。结果表明: SVM 回归模型模\n拟出的尺度效应校正因子Rj_corrected 与1-F 中覆盖度草地之间的相关性较高, R2 达到0.81。尺度效应校正前的NPPMODIS\n与NPPTM 的相关性较低, R2 仅为0.69, RMSE 为3.47; 尺度效应校正后的NPPMODIS_corrected 与NPPTM 的相关性较高, R2\n达到0.84, RMSE 为1.87。因此, 经过尺度效应校正后的NPP 无论是在相关性还是在误差方面有了很大程度的提高。
Transformation of the spatial scale in remote sensing model for the estimation of net primary productivity [J].https://doi.org/10.11834/jrs.20100602 URL Magsci [本文引用: 1] 摘要
采用基于混合像元的结构分析方法和支持向量机(SVM)算法, 建立了高分辨率遥感数据(TM)向低分辨\n率遥感数据(MODIS)的尺度转换模型, 实现了由高分辨率遥感数据获得的NPP 向低分辨率遥感数据获得的NPP 的\n空间尺度转换。对低分辨率遥感数据(MODIS)估算的NPP 结果进行了尺度效应校正。结果表明: SVM 回归模型模\n拟出的尺度效应校正因子Rj_corrected 与1-F 中覆盖度草地之间的相关性较高, R2 达到0.81。尺度效应校正前的NPPMODIS\n与NPPTM 的相关性较低, R2 仅为0.69, RMSE 为3.47; 尺度效应校正后的NPPMODIS_corrected 与NPPTM 的相关性较高, R2\n达到0.84, RMSE 为1.87。因此, 经过尺度效应校正后的NPP 无论是在相关性还是在误差方面有了很大程度的提高。
|
| [20] |
基于MODIS黄河三角洲湿地NPP与NDVI相关性的时空变化特征 [J].
应用EOS/MODIS卫星遥感资料,分析2001-2006年黄河三角洲地区植被净初级生产NPP及NDVI时空变化特征,在到海岸线不同距离的区域内,讨论了年植被净初级生产力(aNPP)与年均归一化植被指数(ANDVI)的相关性,并建立一元回归分析模型。可以看出,黄河三角洲湿地生态系统分布自海向陆具有明显的空间异质性,滩涂湿地分布于沿海地区,生产力高,该地区aNPP值高且与ANDVI呈显著正相关;其他区域由于是盐碱荒地或农业生态系统,因土壤盐分含量高而系统生产力低,或农耕地受人类干扰严重,一年总的生产力下降,而导致这些区域ANDVI与aNPP呈负相关。利用NDVI进行黄河三角洲生产力监测的可行区域,在距离海岸线小于6_km的范围内,所研究的6a回归模型均通过<em>α</em>=0.01的显著水平的<em>F</em>检验,模型的<em>R</em><sup>2</sup>值为0.86-0.97。同时在生产力无法估测的区域,可以使用NDVI有效管理黄河三角洲生态系统,提高其生产力水平。
Spatial-temporal variations of relevance based on the NPP and NDVI estimated by MODIS data in Yellow River Delta wetland [J].
应用EOS/MODIS卫星遥感资料,分析2001-2006年黄河三角洲地区植被净初级生产NPP及NDVI时空变化特征,在到海岸线不同距离的区域内,讨论了年植被净初级生产力(aNPP)与年均归一化植被指数(ANDVI)的相关性,并建立一元回归分析模型。可以看出,黄河三角洲湿地生态系统分布自海向陆具有明显的空间异质性,滩涂湿地分布于沿海地区,生产力高,该地区aNPP值高且与ANDVI呈显著正相关;其他区域由于是盐碱荒地或农业生态系统,因土壤盐分含量高而系统生产力低,或农耕地受人类干扰严重,一年总的生产力下降,而导致这些区域ANDVI与aNPP呈负相关。利用NDVI进行黄河三角洲生产力监测的可行区域,在距离海岸线小于6_km的范围内,所研究的6a回归模型均通过<em>α</em>=0.01的显著水平的<em>F</em>检验,模型的<em>R</em><sup>2</sup>值为0.86-0.97。同时在生产力无法估测的区域,可以使用NDVI有效管理黄河三角洲生态系统,提高其生产力水平。
|
| [21] |
基于MODIS的大田县均溪谷地NPP与NDVI相关性的时空变化特征 [J].Spatial-temporal variations of relevance based on the NPP and NDVI of MODIS in tbe valley of Datian county [J]. |
/
| 〈 |
|
〉 |
