该文采用M OD IS N DV I时序数据对东北区土地覆盖分类进行研究,以验证M OD IS区域土地覆盖制图的可靠性。通过试验发现经过Sav izky-G o lay滤波处理能有效去除云、缺失数据及异常值的影响,使得N DV I时序曲线能更好的反映植被季相变化特征,分类结果表明N DV I时序数列能较好的区分植被与非植被、草本(一年生)与木本(多年生)覆盖类型。但研究区内一年一熟的农作物与高盖度草地、落叶针叶林与落叶阔叶林具有相似的物候特征,混分现象比较严重。该研究通过添加地表温度(land surface tem perature,LST)数据解决这一问题,利用所得温度/植被指数TV I对研究区进行土地覆盖分类。所得结果用363个野外调查样区进行验证,N DV I及TV I时序数据的分类精度分别为62.26%与71.63%。结果表明TV I比N DV I对土地覆盖类型中的植被类型识别更有效。
该文以中国冬小麦主要种植区黄淮海平原典型县市的冬小麦为研究对象,以植物净初级生产力模型对冬小麦估产进行研究。其中光合有效辐射数据(PAR)主要通过TOM S传感器紫外反射率月数据来计算获得。并且通过投影转换和内插方法,将分辨率由经度1.25度、纬度1度转为250 m。光合有效辐射分量(f PAR)主要通过250 m分辨率M OD IS的最大值合成法生成的N DV I月数据和f PAR之间的统计直线关系(f PAR=a N DV I+b)来反演。在研究中光能转化有机质效率(ε)被视为常数,其值通过前人研究结果确定。然后计算冬小麦净初级生产力(N P P=ε×f PAR×PAR)。文中主要考虑冬小麦产量形成关键期内N P P的形成,然后将累积的N P P转化为作物干物质的量,最后通过冬小麦收获指数修正,得到估计的冬小麦产量。而且利用地面实际调查产量数据对所预测的植物净初级生产力N P P和所预测的产量进行了验证,通过N P P计算的冬小麦生物量与实际生物量间相对误差为-4.30%;预测冬小麦产量与实际小麦产量间相对误差平均为-4.41%,结果令人满意。
