归一化植被指数(normalized difference vegetation index,NDVI)时间序列已广泛应用于植被信息提取研究,然而目前NDVI时间序列的研究主要集中于中低分辨率遥感影像,从而影响了植被信息提取的精度。随着中国高分专项首颗卫星高分一号(GF...归一化植被指数(normalized difference vegetation index,NDVI)时间序列已广泛应用于植被信息提取研究,然而目前NDVI时间序列的研究主要集中于中低分辨率遥感影像,从而影响了植被信息提取的精度。随着中国高分专项首颗卫星高分一号(GF-1)的发射,为高分辨率NDVI时间序列的构建提供了可能。该文尝试利用GF-1卫星16 m宽覆盖(wide field of view,WFV)影像,构建16 m分辨率NDVI时间序列,以河北省唐山市南部区域为研究区,开展作物分类研究。该文采用覆盖作物完整生长期的GF-1数据构建NDVI时间序列,避免了利用自然年(1-12月)数据构建NDVI时间序列的不足,有助于作物信息的提取。通过分析样地的NDVI时序曲线,发现GF-1/WFV NDVI时间序列能够清晰地区分不同作物的物候差异,捕捉作物特有的生长特性,而且能够识别研究区当年的作物种植模式。该文分别采用最大似然法、马氏距离、最小距离、神经网络分类、支持向量机(support vector machine,SVM)等分类方法,基于GF-1/WFV NDVI时间序列对研究区作物进行分类,研究结果表明SVM分类方法总体精度最高,达到96.33%。同时该文还采用时间序列谐波分析法(harmonic analysis of time series,HANTS)对NDVI时间序列进行了平滑处理,结果表明处理后的NDVI时间序列能更好地描述作物的物候特性,作物分类精度得到进一步提高。展开更多
干旱区植被生态系统对气候变化极为敏感,并且干旱区的植被变化研究对全球碳循环具有重要意义。然而近几十年来,中亚干旱区植被对气候变化的响应机制尚不甚明朗。利用归一化植被指数NDVI数据集和MERRA(Modern-Era Retrospective Analysis...干旱区植被生态系统对气候变化极为敏感,并且干旱区的植被变化研究对全球碳循环具有重要意义。然而近几十年来,中亚干旱区植被对气候变化的响应机制尚不甚明朗。利用归一化植被指数NDVI数据集和MERRA(Modern-Era Retrospective Analysis for Research and Applications)气象数据,采用经验正交函数(EOF,Empirical Orthogonal Function)和最小二乘法等方法系统分析了31a(1982—2012年)来中亚地区NDVI在不同时间尺度的时空变化特征。进一步分析和研究NDVI与气温和降水的相关性,结果表明:1982—2012年,中亚地区年NDVI总体呈现缓慢增长趋势,而1994年以后年NDVI呈现明显下降趋势,尤其在哈萨克斯坦北部草原地区下降趋势尤为突出。这可能是由于过去30年间,中亚地区降水累计量的持续减少造成的。NDVI的季节变化表明春季NDVI增长最为明显,冬季则显著下降。与平原区相比,中亚山区的NDVI值增长幅度最大,并且山区年NDVI与季节NDVI呈现显著增加趋势(P<0.05)。中亚地区年NDVI与年降水量正相关,而年NDVI与气温变化存在弱负相关。年NDVI和气温的正相关中心在中亚南部地区,负相关中心则出现在哈萨克斯坦的西部和北部地区;NDVI和降水的相关性中心刚好与气温相反。此外,在近30年间的每年6月至9月,中亚地区NDVI与气温存在近一个月的时间延迟现象。本研究为中亚干旱区生态系统变化和中亚地区碳循环的估算提供科学依据。展开更多
文摘归一化植被指数(normalized difference vegetation index,NDVI)时间序列已广泛应用于植被信息提取研究,然而目前NDVI时间序列的研究主要集中于中低分辨率遥感影像,从而影响了植被信息提取的精度。随着中国高分专项首颗卫星高分一号(GF-1)的发射,为高分辨率NDVI时间序列的构建提供了可能。该文尝试利用GF-1卫星16 m宽覆盖(wide field of view,WFV)影像,构建16 m分辨率NDVI时间序列,以河北省唐山市南部区域为研究区,开展作物分类研究。该文采用覆盖作物完整生长期的GF-1数据构建NDVI时间序列,避免了利用自然年(1-12月)数据构建NDVI时间序列的不足,有助于作物信息的提取。通过分析样地的NDVI时序曲线,发现GF-1/WFV NDVI时间序列能够清晰地区分不同作物的物候差异,捕捉作物特有的生长特性,而且能够识别研究区当年的作物种植模式。该文分别采用最大似然法、马氏距离、最小距离、神经网络分类、支持向量机(support vector machine,SVM)等分类方法,基于GF-1/WFV NDVI时间序列对研究区作物进行分类,研究结果表明SVM分类方法总体精度最高,达到96.33%。同时该文还采用时间序列谐波分析法(harmonic analysis of time series,HANTS)对NDVI时间序列进行了平滑处理,结果表明处理后的NDVI时间序列能更好地描述作物的物候特性,作物分类精度得到进一步提高。
文摘草地是不可或缺的自然资源,但关于我国草地面积到底有多大存在很大争议.本文主要利用植被分布与降水之间的相关关系来探讨我国草地的分布和面积.归一化植被指数(NDVI)数据能够很好地反映植被的覆盖状况,与降水之间也存在良好的相关关系,因此可以通过建立已知草原地区的降水与NDVI的关系来反演草地的分布和面积.利用此方法及与遥感数据相匹配的过去30年(1982~2011年)的平均降水量数据,估算得到我国的草地总面积约为293×104 km2.将研究期间的降水数据每5年求其平均,估算得到我国草地面积的年际变化并不显著,变动于290×104~295×104 km2.
文摘干旱区植被生态系统对气候变化极为敏感,并且干旱区的植被变化研究对全球碳循环具有重要意义。然而近几十年来,中亚干旱区植被对气候变化的响应机制尚不甚明朗。利用归一化植被指数NDVI数据集和MERRA(Modern-Era Retrospective Analysis for Research and Applications)气象数据,采用经验正交函数(EOF,Empirical Orthogonal Function)和最小二乘法等方法系统分析了31a(1982—2012年)来中亚地区NDVI在不同时间尺度的时空变化特征。进一步分析和研究NDVI与气温和降水的相关性,结果表明:1982—2012年,中亚地区年NDVI总体呈现缓慢增长趋势,而1994年以后年NDVI呈现明显下降趋势,尤其在哈萨克斯坦北部草原地区下降趋势尤为突出。这可能是由于过去30年间,中亚地区降水累计量的持续减少造成的。NDVI的季节变化表明春季NDVI增长最为明显,冬季则显著下降。与平原区相比,中亚山区的NDVI值增长幅度最大,并且山区年NDVI与季节NDVI呈现显著增加趋势(P<0.05)。中亚地区年NDVI与年降水量正相关,而年NDVI与气温变化存在弱负相关。年NDVI和气温的正相关中心在中亚南部地区,负相关中心则出现在哈萨克斯坦的西部和北部地区;NDVI和降水的相关性中心刚好与气温相反。此外,在近30年间的每年6月至9月,中亚地区NDVI与气温存在近一个月的时间延迟现象。本研究为中亚干旱区生态系统变化和中亚地区碳循环的估算提供科学依据。
