大區(qū)域TM影像歸一化植被指數(shù)季相歸一化處理方法

陳賢干，汪小欽，陳蕓芝

（1.福州大學(xué)空間數(shù)據(jù)挖掘與信息共享教育部重點實驗室，福州350002；2.福州大學(xué)空間信息工程研究中心，福州350002）

大區(qū)域TM影像歸一化植被指數(shù)季相歸一化處理方法

陳賢干1，2，汪小欽1，2，陳蕓芝1，2

（1.福州大學(xué)空間數(shù)據(jù)挖掘與信息共享教育部重點實驗室，福州350002；2.福州大學(xué)空間信息工程研究中心，福州350002）

針對高分辨率遙感監(jiān)測植被時大范圍獲取影像的季相往往不一致，影響了歸一化植被指數(shù)的連續(xù)性與可比性問題，借助MODIS歸一化植被指數(shù)產(chǎn)品，開展TM歸一化植被指數(shù)季相歸一化方法研究。以福建省為例，分析不同季相MODIS歸一化植被指數(shù)之間的一次項、二次項最小二乘關(guān)系及差值關(guān)系，對比分析轉(zhuǎn)換結(jié)果。結(jié)果表明，二次項關(guān)系優(yōu)于其他兩種效果，較好地消除歸一化植被指數(shù)時相不一致問題，獲得了較為滿意的效果。利用MODIS歸一化植被指數(shù)構(gòu)建二次項，完成福建省TM歸一化植被指數(shù)季相歸一化，消除了不同景影像間的季相不一致，使在大區(qū)域范圍內(nèi)歸一化植被指數(shù)具有空間上的可比性和一致性。

MODIS NDVI；歸一化方法；TM NDVI；季相差異；最小二乘關(guān)系

0 引 言

植被指數(shù)主要通過紅光波段和近紅外波段反射率的組合計算來設(shè)計并反映植被狀態(tài)，常被用來表征地表植被覆蓋、評價植被的生長及分布特征，并作為一種有效的遙感指標(biāo)應(yīng)用于植被監(jiān)測、農(nóng)情監(jiān)測、土地覆蓋變化等領(lǐng)域。目前遙感領(lǐng)域中提出的植被指數(shù)有100多種［1］，如歸一化植被指數(shù)（NDVI）、比值植被指數(shù)（RVI）、差值植被指數(shù)（DVI）、垂直植被指數(shù)（PVI）、土壤修正植被指數(shù)（SAVI）等［2－5］，其中NDVI是最常用的。

高時間分辨率的遙感數(shù)據(jù)能以較短的重訪周期進(jìn)行大范圍的重復(fù)訪問，能夠較好地反映植被的季相變化，但空間分辨率較低。如MODIS的NDVI產(chǎn)品能提供一致的、空間分布的、多時相的全球植被狀態(tài)參數(shù)，在區(qū)域與全球植被動態(tài)監(jiān)測中得到廣泛應(yīng)用［6－14］。然而其250m～1km的空間分辨率卻不足以反映地表植被狀況空間分布中高分辨率的差異，無法滿足中高分辨率的植被監(jiān)測應(yīng)用需求。在應(yīng)用中高分辨率遙感進(jìn)行植被監(jiān)測時，中高空間分辨率的遙感數(shù)據(jù)通常只覆蓋較小的空間范圍，在多云多雨的廣大南方地區(qū)，同一區(qū)域或者較大區(qū)域所獲取影像季相往往不一致，影響了植被指數(shù)的連續(xù)性與可比性，如何消除較大區(qū)域范圍內(nèi)植被指數(shù)的季相影響，是中高分辨率遙感應(yīng)用的難題之一。

如何綜合利用中高空間分辨率數(shù)據(jù)和高重訪周期數(shù)據(jù)，生成同時具有高時間和高空間分辨率的遙感數(shù)據(jù)對于遙感的深入應(yīng)用意義重大。大多數(shù)研究人員采用時空融合的方法，如Lorenzo等［15］將多時相低分辨率NDVI與基于高分辨率遙感數(shù)據(jù)的植被分類圖相結(jié)合，進(jìn)行亞像元分解，得到了高時空分辨率的NDVI數(shù)據(jù)；Gao等［16］提出時空適應(yīng)性反射率融合模型（STARFM），獲取MODIS數(shù)據(jù)相應(yīng)時間的模擬 Landsat數(shù)據(jù)；蒙繼華等［17］改進(jìn)STARFM算法，發(fā)展出不同時空分辨率植被指數(shù)融合模型STAVFM，將MODIS NDVI時間變化信息與ETM NDVI空間差異信息的有機(jī)結(jié)合，從而構(gòu)建高時空分辨率NDVI數(shù)據(jù)。但是，這些融合方法大多關(guān)注于算法的實現(xiàn)，應(yīng)用區(qū)域較小，其對大范圍的應(yīng)用效果和效率有待于驗證。針對不同傳感器的植被指數(shù)，研究主要側(cè)重于分析不同傳感器由于光譜響應(yīng)函數(shù)差異引起的植被指數(shù)間存在差異及相互轉(zhuǎn)換［18－20］，沒有考慮季相的差異。

在中高分辨率遙感數(shù)據(jù)中，TM數(shù)據(jù)應(yīng)用最廣，且時間序列長。本文以福建省為例，針對不同季相的TM數(shù)據(jù)，借助MODIS的NDVI產(chǎn)品，開展TM影像NDVI季相歸一化方法研究。

1 研究區(qū)域與方法

1.1 研究區(qū)概況與數(shù)據(jù)預(yù)處理

（1）研究區(qū)概況

福建省地處我國東南沿海，介于23°33′N～28° 20′N、115°50′E～120°40′E之間，東與我國臺灣省隔海相望，東北與浙江毗鄰，西北橫貫武夷山脈與江西相交，西南與廣東相連，如圖1所示。位于亞熱帶地區(qū)，屬典型的亞熱帶季風(fēng)氣候，夏季高溫多雨，冬季溫和少雨，平均氣溫15.3℃～21.9℃，平均降雨量930mm～1843mm。全省土地面積121400km2，其中山地、丘陵占全省總面積的80%以上，地勢總體上西北高、東南低。研究區(qū)主要的土地覆蓋／利用類型為林地、耕地、裸地、居民地和水體，以林地為主，約占全省土地面積的2／3。

（2）Landsat5TM數(shù)據(jù)預(yù)處理

完整覆蓋福建省TM影像需要13景，選擇2010年左右無云和少云的影像，影像的獲取時間如下：軌道號118／41、118／42的2009年4月28日TM影像；軌道號119／41、119／42、119／43的2009年6月6日TM影像；軌道號120／41、120／42、120／44的2009年10月3日TM影像；軌道號120／40、120／42、120／43的2009年12月6日TM影像；軌道號121／41、121／42、121／43的2010年1月14日TM影像。其中軌道號120／42的影像有2景，2009年12月6日的影像作為參與季相歸一化的數(shù)據(jù)，2009年10月3日影像作為方法驗證比較的參考數(shù)據(jù)。

利用遙感圖像處理軟件，對Landsat5TM遙感影像進(jìn)行幾何校正、大氣輻射校正、影像裁剪等預(yù)處理，計算NDVI（文中用TM NDVI表示）。由于影像獲取的季相各不相同，無法進(jìn)行對比分析，擬將不同時相TM NDVI數(shù)據(jù)歸一化到2009年10月中上旬。

（3）MODIS NDVI數(shù)據(jù)預(yù)處理

MODIS NDVI數(shù)據(jù)來源于美國國家航空航天局NASA免費提供的覆蓋福建省的MOD13Q1級植被指數(shù)產(chǎn)品，時間范圍為2009年～2010年，空間分辨率250m，時間分辨率為16d。采用MODIS網(wǎng)站上提供的MRT（MODIS Reprojection Tool）重投影工具對研究區(qū)數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換和重投影，將影像的原始投影轉(zhuǎn)換為與TM數(shù)據(jù)一致的投影，同時完成圖像裁剪和重采樣。

圖1 福建省地理位置圖

1.2 方法

首先對TM數(shù)據(jù)和MODIS NDVI數(shù)據(jù)進(jìn)行預(yù)處理獲得相應(yīng)的NDVI數(shù)據(jù)，分析TM NDVI與MODIS NDVI時間變化趨勢相似性，根據(jù)不同季相MODIS NDVI之間不同關(guān)系，將T0時刻TM NDVI分別模擬為Tt時刻的TM NDVI數(shù)據(jù)，并與參考數(shù)據(jù)進(jìn)行對比分析，選擇適宜的模擬方法進(jìn)行TM NDVI數(shù)據(jù)季相歸一化。所采用的總體技術(shù)路線如圖2所示。

（1）TM影像植被指數(shù)計算

歸一化植被指數(shù)［21］（Normalized Difference Vegetation Index，NDVI）是植被生長狀態(tài)及植被覆蓋度的最佳指示因子，在植被遙感中應(yīng)用最為廣泛。NDVI經(jīng)比值處理可以部分消除與太陽高度角、衛(wèi)星觀測角、地形、云、陰影和大氣條件有關(guān)的輻照度條件變化（大氣程輻射）等的影響。其計算公式為：

（2）歸一化方法

植被指數(shù)季相歸一化，是基于同一時相的植被長勢在空間地域上和同一空間地域的植被在不同時相上存在差異，為消除植被物候引起的季相差異而提出來的歸一化方法，使其具備時間和空間上可比性［20］。季相歸一化基本原理的前提是同一時相的MODIS NDVI與TM NDVI滿足空間分布和動態(tài)變化的一致性［22－24］，根據(jù)選定 T0、Tt時刻的MODIS NDVI數(shù)據(jù)，利用它們之間的相互關(guān)系來模擬回歸方程，將T0時刻的TM NDVI數(shù)據(jù)歸一化到Tt時刻的TM NDVI數(shù)據(jù)。

本文主要基于最小二乘多項式（一次項和二次項）、差值關(guān)系開展季相的歸一化。

由于多項式擬合方法簡單，計算速度快，且能擬合所有像元，考慮到研究區(qū)范圍和NDVI變化特征，因此采用最小二乘多項式回歸方程來完成影像歸一化：

其中，x是T0時相的影像；y是Tt時相影像；c0、c1、c2、c3…cn為擬合系數(shù)。利用T0、Tt時相的MODIS NDVI建立最小二乘多項式關(guān)系，求出相關(guān)的擬合系數(shù)，然后應(yīng)用于TM影像。本文采用一次項式（3）、二次項式（4）方法。

式（3）、式（4）中，a、b、c為擬合系數(shù)。

差值關(guān)系是指不同時相數(shù)據(jù)之間存在差值增量，根據(jù)不同時相參考數(shù)據(jù)之間的差值關(guān)系來模擬實驗數(shù)據(jù)，實現(xiàn)季相的歸一化：

4.耦合協(xié)調(diào)評價表明，2001—2014年京津冀城市群土地綜合承載力與區(qū)域經(jīng)濟(jì)發(fā)展的耦合協(xié)調(diào)度均較低，處于從中度失調(diào)向輕度失調(diào)、再向勉強(qiáng)協(xié)調(diào)、然后向中度協(xié)調(diào)過渡狀態(tài)；京津冀城市群土地綜合承載力與區(qū)域經(jīng)濟(jì)發(fā)展之間還存在著互動不足、協(xié)調(diào)不力等問題，有必要探索土地綜合承載力約束下京津冀城市群經(jīng)濟(jì)發(fā)展的持續(xù)增效策略。

其中，x為已知T0時相的TM NDVI，y為待歸一化的Tt時相的影像；Δm為Tt、T0時刻的MODIS NDVI數(shù)據(jù)之間的差值。

2 結(jié)果與分析

2.1 TM NDVI與MODIS NDVI時間變化趨勢分析

TM NDVI是否與MODIS NDVI具有相似的時間變化趨勢，是MODIS NDVI的變化方程能否應(yīng)用于TM NDVI歸一化的關(guān)鍵。利用軌道號120／42獲取的2009年12月6日（T0）和10月3日（Tt）TM數(shù)據(jù)及相應(yīng)時期的MODIS NDVI開展兩者時間變化趨勢分析。

分別將T0、Tt時刻的TM NDVI和MODIS NDVI的像元值投影到二維特征空間上，進(jìn)行回歸分析，求出轉(zhuǎn)換方程（圖3），統(tǒng)計它們的直方圖（圖4），并且利用它們之間的轉(zhuǎn)換方程分別對T0時刻TM NDVI實驗數(shù)據(jù)進(jìn)行回歸模擬，然后分別用各模擬數(shù)據(jù)減去參考數(shù)據(jù)，獲得各模擬的差值直方圖（圖5）。

圖3中，從轉(zhuǎn)換方程來看，T0、Tt時刻TM NDVI一次項和二次項轉(zhuǎn)換方程及MODIS NDVI的轉(zhuǎn)換方程決定系數(shù)在0.60～0.71之間，相關(guān)性較高。TM NDVI一次項轉(zhuǎn)換關(guān)系與MODIS NDVI一次項的差異小于0.03；在T0時刻TM NDVI的主要分布區(qū)域（0.15，0.55），二次項的差異也小于絕對值0.03。因此TM NDVI與MODIS NDVI的轉(zhuǎn)換相關(guān)差異較小，兩者具有較為一致的時間變化趨勢。

圖3 T0時刻N(yùn)DVI（X軸）與Tt時刻N(yùn)DVI（Y軸）散點圖及轉(zhuǎn)換方程

圖4 不同時相NDVI直方圖分布

圖5 差值直方圖

從圖4直方圖得出，12月份NDVI值小于10月份，MODIS NDVI總體上大于TM NDVI，在中高植被覆蓋區(qū)域，T0和Tt時刻TM NDVI的變化趨勢與MODIS NDVI的變化趨勢非常相似。從差值直方圖（圖5）看出，T0、Tt時刻TM NDVI之間模擬結(jié)果與MODIS NDVI之間模擬結(jié)果的差值誤差均在x＝0兩側(cè)分布，且變化趨勢一致，說明滿足其轉(zhuǎn)換精度要求。綜上分析，可知TM NDVI與MODIS NDVI隨時間變化趨勢具有很高的相似性，利用MODIS NDVI的變化趨勢來進(jìn)行TM NDVI的季相歸一化是可行的。

2.2 歸一化方法比較分析

利用真實數(shù)據(jù)，從誤差分析、模擬數(shù)據(jù)統(tǒng)計分析等方面對不同歸一化方法進(jìn)行比較分析。

（1）誤差分析

根據(jù)歸一化方法原理，將 T0、Tt時刻的MODIS NDVI的像元值投影到二維特征空間上，然后對二者的關(guān)系進(jìn)行回歸分析，求出二者NDVI之間的轉(zhuǎn)換方程（圖3（b））。利用二者一次項、二次項以及差值關(guān)系的轉(zhuǎn)換方程對T0時刻TM NDVI實驗數(shù)據(jù)進(jìn)行回歸模擬，利用圖3（b）關(guān)系方程以及公式（5）方法將實驗數(shù)據(jù)歸一化為Tt時刻TM NDVI模擬數(shù)據(jù)。

本文利用模擬數(shù)據(jù)與參考數(shù)據(jù)進(jìn)行比較，從而對轉(zhuǎn)換關(guān)系方程進(jìn)行驗證。在影像上隨機(jī)選取67026個像元作為驗證樣本，然后分別用各模擬數(shù)據(jù)減去參考數(shù)據(jù)，獲得各模擬的差值數(shù)據(jù)，并將差值數(shù)據(jù)與參考對應(yīng)數(shù)據(jù)投影到二維特征空間上（圖6），差值數(shù)據(jù)的值越趨近于零就越接近真實值。再將模擬數(shù)據(jù)與參考數(shù)據(jù)的驗證樣本像元值投影到二維特征空間（圖7），通過計算均方根差（RMSE）來評價轉(zhuǎn)換方程的模擬精度［25］。RMSE計算公式如下：

其中，Z′k為模擬數(shù)據(jù)的NDVI值，Zk為參考數(shù)據(jù)的NDVI值，N為驗證樣本個數(shù)。

圖6中，一次項、二次項的誤差數(shù)據(jù)基本上分布在y＝0兩側(cè)，點更加的聚集；而差值關(guān)系的誤差值大部分分布在y＝0下方。二次項的斜率較一次項平緩，更接近于y＝0直線，表明二次項擬合的效果更接近真實值。圖7中，一次項、二次項模擬數(shù)據(jù)的RMSE很小，只有0.0673和0.0671，表明擬合效果好，二者中又以二次項模擬的RMSE稍小些，而且二次項模擬值與參考值的散點基本沿y＝x線兩側(cè)分布，較一次項模擬、差值模擬精度更高。特別是在NDVI大于0.3的區(qū)域，模擬值與參考值更為接近，對于季相變化敏感的植被覆蓋區(qū)域有較好的適宜性。

圖6 各模擬的差值數(shù)據(jù)與參考數(shù)據(jù)散點圖

圖7 參考數(shù)據(jù)與模擬數(shù)據(jù)NDVI散點圖

（2）TM NDVI統(tǒng)計分析

統(tǒng)計實驗數(shù)據(jù)、參考數(shù)據(jù)與模擬數(shù)據(jù)，數(shù)據(jù)結(jié)果如表1所示。

從表1可見，一次項、二次項模擬數(shù)據(jù)的統(tǒng)計特征值與參考數(shù)據(jù)對應(yīng)的統(tǒng)計特征值接近，差值關(guān)系的統(tǒng)計特征值與實驗數(shù)據(jù)對應(yīng)的統(tǒng)計特征值接近，這說明一次項、二次項模擬數(shù)據(jù)的結(jié)果比差值模擬結(jié)果理想，主要原因是差值關(guān)系的運(yùn)算考慮到不同時相間隔時間要短，以及不同空間分辨率尺度轉(zhuǎn)換。

表1 軌道號120／42 TM NDVI數(shù)據(jù)統(tǒng)計特征比較

從一次項、二次項模擬數(shù)據(jù)統(tǒng)計特征值得出，獲取時間為12月實驗數(shù)據(jù)其NDVI小于10月獲取的值是符合季相變化特征的。經(jīng)過歸一化處理后，3種歸一化方法的均值、最大值均有不同程度的提高，一次項和二次項的結(jié)果統(tǒng)計特征比較接近，其中二次項的模擬結(jié)果與參考影像最為相似。利用二次項關(guān)系進(jìn)行季相歸一化處理，基本可以滿足中高分辨率大范圍NDVI數(shù)據(jù)一致性的應(yīng)用要求。

（3）典型地物NDVI比較

一次項與二次項模擬結(jié)果統(tǒng)計上比較接近，但他們對不同典型地物的適應(yīng)程度如何還需要進(jìn)一步分析。在模擬和參考影像上選取林地、耕地、裸地、不透水面、水體等不同地物的NDVI值作為樣本，計算均值和RMSE，如表2所示。從表中可以看出：

林地：一次項、二次項歸一化均值很接近參考均值0.598，RMSE小于0.05，二者林地模擬整體精度很高。

耕地：一次項、二次項的模擬均值較參考均值相差0.1左右，且兩者RMSE相似，由于不同季相耕地的植被覆蓋受季節(jié)種植作物變化影響很大，且空間尺度上也未能準(zhǔn)確地反映其細(xì)節(jié)，所以在耕地模擬上未能達(dá)到較理想的效果。

非植被區(qū)域：裸地二次項比一次項的模擬均值接近參考均值，且RMSE也較小。而在不透水面和水體區(qū)域，從模擬的均值來看，二者歸一化的結(jié)果都并不理想，但是二次項RMSE小于一次項，RMSE分別為0.1433、0.2138小于0.1679，0.2465，二次項模擬精度更高。

理論上，裸地、不透水面、水體在同一區(qū)域不同季相上的NDVI值變化不大，從這三類地物的模擬結(jié)果來看，二次項模擬結(jié)果更好；在同一區(qū)域林地占了80%以上植被覆蓋類型，其模擬精度的高低決定了季相歸一化效果的好壞；而耕地植被覆蓋變化情況在同一區(qū)域隨季節(jié)變化影響大，給季相歸一化帶來很大的難度。綜上分析，總體上二次項模擬效果更好，本文利用二次項模擬方法對福建省進(jìn)行大區(qū)域季相歸一化處理。

表2 軌道號120／42不同地物TM NDVI均值及其RMSE比較

2.3 福建省TM NDVI季相歸一化

從以上分析可知，二次項的擬合效果總體上優(yōu)于一次項和差值方法。利用各軌道TM影像獲取時相和2009年10月上旬的MODIS NDVI，計算二次擬合方程；利用這些二次擬合方程，完成福建省全省TM NDVI的季相歸一化（圖8（c））。圖8（a）為福建省原始TM NDVI，圖8（b）為福建省鑲嵌影像生成的TM NDVI，圖8（d）為福建省2009年10月中上旬的MODIS NDVI，主要用于對比分析，其中圖8（a）和圖8（c）的拼接方法相同，基本不改變影像原始的NDVI值，圖8（b）為鑲嵌影像生成的NDVI，為了使同一區(qū)域目視效果好，使其色調(diào)較一致，其鑲嵌過程方法不同與圖8（a）和圖8（c）的拼接方法，從而改變影像原始的NDVI值。圖9為圖8中6個局部區(qū)域的放大圖像，其中第1列為TM影像、第2列為原始TM NDVI、第3列為鑲嵌影像生成的TM NDVI、第4列為季相歸一化后TM NDVI、第5列為2009年10月中上旬的MODIS NDVI。

對比圖8（a）、圖8（c）和圖9可以看出，當(dāng)原始TM影像的季相差異較大時，歸一化前的NDVI色調(diào)差異明顯，相鄰區(qū)域的數(shù)據(jù)出現(xiàn)明顯的分塊現(xiàn)象，影響了大范圍區(qū)域數(shù)據(jù)的可比性；從圖8（b）、圖8（c）和圖9得出，整體上，鑲嵌影像生成的NDVI較圖8（a）消除了一定的色調(diào)差異，與歸一化后NDVI相比，色調(diào)過渡稍差，尤其是圖8（b）中沿海地區(qū)NDVI值明顯偏高（局部圖9（f）可看出），這是由于影像鑲嵌時改變了影像原始的NDVI值所造成；從圖8（c）、圖8（d）和圖9中得出，歸一化后NDVI色調(diào)過渡自然，與MODIS NDVI具有較為一致的空間變化特征，且歸一化后TM NDVI更能體現(xiàn)原始影像的細(xì)節(jié)差異和植被紋理特征，空間分辨率較MODIS NDVI有較大的提高，能夠滿足較大比例尺的植被監(jiān)測應(yīng)用。

綜上所述，借助MODIS NDVI數(shù)據(jù)，基于二次項最小二乘關(guān)系能夠快速實現(xiàn)TM NDVI的季相歸一化，減少不同時相NDVI的差異性，使得大區(qū)域范圍內(nèi)NDVI具有空間上的可比性和連續(xù)性。

圖8 福建省NDVI對比分析

圖9 福建省NDVI局部區(qū)域?qū)Ρ?/p>

4 結(jié)束語

TM NDVI的季相變化與MODIS NDVI具有較高的一致性，借助MODIS NDVI不同時相的相關(guān)方程，可以應(yīng)用于TM影像NDVI的季相歸一化。一次項、二次項模擬結(jié)果好于簡單的差值關(guān)系；從不同方法歸一化后全局和典型地類統(tǒng)計分析可以看出，二次項模擬效果最優(yōu)?；诙雾椀母＝ㄊM NDVI影像季相歸一化處理，很好地消除了不同季相NDVI的空間差異性，且較MODIS NDVI較好地反映了原始影像細(xì)節(jié)和紋理特征，使得大區(qū)域范圍內(nèi)NDVI不僅具有較高空間分辨率，而且有更好的空間可比性、連續(xù)性和一致性。如何改進(jìn)歸一化方法，對歸一化結(jié)果進(jìn)行更為客觀的評價與分析需要進(jìn)一步的深入研究。

［1］傅銀貞，汪小欽.基于北京一號CCD數(shù)據(jù)的植被指數(shù)特性分析［J］.測繪科學(xué)，2010，35（6）：35－38.

［2］ROUSE J W，HAAS R H，SCHELL J A，et al.Monitoring vegetation systems in the Great Plains with ERTS［R］.Third Erts Symposium，NASA SP－351，1973，1：309－317.

［3］JORDAN C F.Derivation of leaf area index from quality of light on the forest floor［J］.Ecology，1969，50：663－666.

［4］RICHARDSON A J，WIEGAND C L.Distinguishing vegetation from soil background information［J］.Photogrammetric Engineering and Remote Sensing，1977，43：1541－1552.

［5］HUETE A R.A soil adjusted vegetation index（SAVI）［J］.Remote Sensing of Environment，1988，25：295－309.

［6］JUSTICE D H，SALOMONSON V，PRIVETTE J，et al.The Moderate Resolution Imaging Spectroradiometer（MODIS）：Land remote sensing for global change research［J］.IEEE Transactions on Geoscience and Remote Sensing，1998，36（4）：1228－1249.

［7］RUNNING S W，JUSTICE C，SALOMONSON V，et al.Terrestrial remote sensing science and algorithms planned for EOS／MODIS［J］.International Journal of Remote Sensing，1994，15（17）：3587－3620.

［8］陳燕麗，龍步菊，潘學(xué)標(biāo)，等.MODIS NDVI和AVHRR NDVI對草原植被變化監(jiān)測差異［J］.遙感學(xué)報，2011，15（4）：831－845.

［9］張峰，吳炳方，劉成林，等.利用時序植被指數(shù)監(jiān)測作物物候的方法研究［J］.農(nóng)業(yè)工程學(xué)報，2004，20（1）：155－159.

［10］王紅說，黃敬峰.基于MODIS NDVI時間序列的植被覆蓋變化特征研究［J］.浙江大學(xué)學(xué)報，2009，35（1）：105－110.

［11］何月，樊高峰，張小偉，等.浙江省植被物候變化及其對氣候變化的響應(yīng)［J］.自然資源學(xué)報，2013，28（2）：220－233.

［12］朱明明，侯西勇，毋亭.基于MODIS NDVI的中國東部植被覆蓋時空變化特征［J］.遙感技術(shù)與應(yīng)用，2013，28（6）：1027－1032.

［13］劉憲鋒，任志遠(yuǎn)，林志慧，等.2000—2011年三江源區(qū)植被覆蓋時空變化特征［J］.地理學(xué)報，2013，68（7）：897－908.

［14］穆少杰，李建龍，陳奕兆，等.2001—2010年內(nèi)蒙古植被覆蓋度時空變化特征［J］.地理學(xué)報，2012，67（9）：1255－1268.

［15］BUSETTO L，MERONI M，COLOMBO R.Combining medium and coarse spatial resolution satellite data to improve the estimation of subpixel NDVI time series［J］.Remote Sensing of Environment，2008，112（1）：118－131.

［16］GAO F，MASEK J，SCHWALLER M，et al.On the blending of the Landsat and MODIS surface reflectance：predicting daily Landsat surface reflectance［J］.IEEE Transactions on Geosciences and Remote Sensing，2006，44（8）：2207－2218.

［17］蒙繼華，吳炳方，杜鑫，等.高時空分辨率NDVI數(shù)據(jù)集構(gòu)建方法［J］.遙感學(xué)報，2011，15（1）：44－59.

［18］郭麗峰，高小紅，亢健，等.偽不變特征法在遙感影像歸一化處理中的應(yīng)用［J］.遙感技術(shù)與應(yīng)用，2009，24（5）：588－595.

［19］甘文霞，沈煥鋒，張良培，等.采用6S模型的多時相MODIS植被指數(shù)NDVI歸一化方法［J］.武漢大學(xué)學(xué)報（信息科學(xué)版），2014，39（3）：300－304.

［20］裴志遠(yuǎn)，楊邦杰.多時相歸一化植被指數(shù)NDVI的時空特征提取與作物長勢模型設(shè)計［J］.農(nóng)業(yè)工程學(xué)報，2000，16（5）：20－22.

［21］郭鈮.植被指數(shù)及其研究進(jìn)展［J］.干旱氣象，2003，21（4）：71－75.

［22］陳拉，黃敬峰，王秀珍.不同傳感器的模擬植被指數(shù)對水稻葉面積指數(shù)的估測精度和敏感性分析［J］.遙感學(xué)報，2008，12（1）：143－151.

［23］徐涵秋，張鐵軍.ASTER與Landsat ETM＋植被指數(shù)的交互比較［J］.光譜學(xué)與光譜分析，2011，31（7）：1902－1907.

［24］杜加強(qiáng)，舒儉民，王躍輝，等.青藏高原MODIS NDVI與GIMMS NDVI的對比［J］.應(yīng)用生態(tài)學(xué)報，2014，25（2）：533－544.

［25］趙凱，徐劍波，趙之重，等.HJ－1A／B CCD與Landsat TM／ETM＋植被指數(shù)的交互比較［J］.遙感技術(shù)與應(yīng)用，2013，28（4）：674－680.

Seasonal Normalization Processing Methods of TM NDVI Images in Large Areas

CHEN Xian－gan1，2，WANG Xiao－qin1，2，CHEN Yun－zhi1，2
（1.Key Laboratory of Spatial Data Mining ＆Information Sharing of Ministry of Education，F(xiàn)uzhou350002；2.Spatial Information Research Center of Fujian Province，F(xiàn)uzhou University，F(xiàn)uzhou350002）

Moderate resolution remote sensing data is widely used in vegetation monitoring.However，seasonal aspects of large areas is easily inconsistent in acquired images，which impair the continuity and comparability of normalized difference of vegetation index.MODIS data has the characteristics of high temporal resolution and wide coverage.The correlation analysis of TM NDVI and MODIS NDVI in different seasons shows that the variation of TM NDVI is quite similar to that of MODIS NDVI in the vegetation covered area.Therefore，with the MODIS NDVI products data，this paper studies TM NDVI on the seasonal normalization methods.By making a demonstration based on Fujian province，we analyze the relationship of quadratic least squares，the relationship of linear least squares and differential relationship between MODIS NDVI in different season phases.Subsequently，we analysis the converted results.The results show that the relationship of quadratic least squares method is superior to the other two methods，which can better eliminate the inconsistency of NDVI seasonal aspects and obtain satisfactory results.By using MODIS NDVI products，we build a quadratic term least squares relationship and fulfill the seasonal normalized of TM NDVI in Fujian province and eliminate the inconsistency of NDVI seasonal aspects at the same time，making the NDVI data in large areas has comparability and consistency on the space.

MODIS NDVI；normalization method；TM NDVI；seasonal difference；least squares

10.3969／j.issn.1000－3177.2015.06.016

TP751

A

1000－3177（2015）142－0081－08

2014－11－13

2015－01－08

國家科技支撐課題（2013BAC08B01）；福建省自然科學(xué)基金項目（2012J01166、2013J01158）。

陳賢干（1989—），男，碩士，主要從事遙感應(yīng)用研究。

E－mail：549352703＠qq.com

汪小欽（1972—），女，博士，研究員，主要從事資源環(huán)境遙感應(yīng)用研究。

E－mail：wangxq＠fzu.edu.cn