NDVI对气候因子的响应研究

利用东北地区气象站点的气温、降水数据和GIMMS NDVI数据,采用趋势分析、相关分析方法,基于GIS技术分析了东北地区气候因子(气温、降水)、NDVI的变化趋势及其偏相关关系,并研究了不同气候区NDVI对气候因子的敏感性。     

澜沧江流域2000-2017年植被NDVI时空特征及其对气候因子的响应

基于MODIS-NDVI数据分析澜沧江流域生长季植被NDVI时空特征和变化趋势,结合地形数据、气象站点数据和植被类型数据,利用趋势分析和相关性分析法研究植被NDVI变化对气候因子的响应。结果表明:1)2000-2017年澜沧江流域生长季植被NDVI均值为0.592,整体呈现出由西北向东南波动增加趋势,增长速率为0.09%/10年;2) 2000-2017年澜沧江流域气温呈上升趋势,降水呈下降趋势,植被NDVII总体与平均气温的相关性高于累积降水量;3)澜沧江流域生长季植被NDVI驱动因子分析表明,气候驱动中以气温降水联合驱动为主,流域植被NDVI变化整体为非气候驱动。     

MODIS NDVI和AVHRR NDVI 对草原植被变化监测差异

以草地作为研究载体,对比分析草原植被AVHRR NDVI和MODIS NDVI两种NDVI序列的年内、年际变化特征,讨论两种NDVI序列对降水量、平均气温和水汽压3种气候因子的响应差异,为合理选择NDVI序列对植被进行监测研究提供参考。结果表明：(1)两种NDVI序列所反映的草原植被年内变化趋势相似,但MODIS NDVI对各类草原的区分度优于AVHRR NDVI;(2)两种NDVI序列所反映的2000年—2003年草原植被年际变化差异明显。较之于MODIS NDVI,AVHRR NDVI变化趋势分类图表现出更强的植被改善趋势,植被改善面积在AVHRR NDVI变化趋势分类图中占94.25%,在MODIS NDVI中为83.33%;两种NDVI变化趋势分类图反映的植被变化趋势吻合度为52.88%。(3)两种NDVI序列与水汽压、降水量相关性差异显著。MODIS NDVI与各站点平均气温的相关系数均大于GIMMS NDVI;而MODIS NDVI与水汽压的相关系数83%(10个站点)小于GIMMS NDVI,与降水量的相关系数67%(8个站点)小于GIMMS NDVI。     

基于MODIS的植被指数变化研究及其与气候因子的关系分析

以2012年1~12月的MODIS 13Q1数据产品为基础,提取四川西南地区7市植被指数进行相关分析。基于各月植被指数,采用对比分析法,研究植被指数时空变化规律。同时,结合研究区内2012年月降水量和气温月平均值,选择多项式拟合法,对EVI,NDVI月平均值进行相关性分析,研究植被指数与气候因子的相关性。     

秦岭地区NDVI与地形因子的相关性分析

秦岭山区地形因子是影响植被分布的重要因素。选取2001、2009和2017年MODIS陆地产品MOD13Q1数据和DEM数据,从DEM中提取地形因子,高程、坡度和坡向,与MODIS的NDVI数据结合,分析了地形对秦岭地区植被空间分布影响。研究结果表明:(1)NDVI随着高程的增大而逐渐增大,在高程1800 m左右时达到最大值,随后又随着高程的增大而减小;(2)NDVI在坡度0°～5°间逐渐增大,在5°～40°呈稳定趋势,从40°开始缓慢减小,60°达到乔木能够生长的坡面倾角临界值,当坡面倾角大于60°时植被指数开始快速减小;(3)受太阳辐射的影响,坡向在NW 270°～360°,SE 240°～270°之间的植被长势较好,其余坡向上长势一般。     

宁夏不同植被类型归一化指数与气象因子分析

针对植被动态对气候变化响应的问题,提出了从小尺度范围研究植被指数与气象因子的相关性,采用2000—2010年MODIS归一化植被指数数据集和宁夏10个气象站2000—2010年逐月气象资料,分析了气象站点周围10km缓冲区内不同植被类型NDVI与气象因子的相关性。结果表明:2000—2010年宁夏不同植被类型NDVI均呈上升趋势;极端最低气温、最高气温、平均气温、平均相对湿度以及日照时数对宁夏地区植被的生长有明显的滞后效应;植被NDVI与极端最低气温的相关性系数最大,其次是平均气温;不同植被类型的NDVI与极端最高气温、极端最低气温以及平均气温的相关性由南向北呈现波动性增长,与降水量的相关性由南向北呈现明显的减小趋势;且耕地NDVI与各气象因子的相关性最大。     

25年来秦岭NDVI指数的气候响应

利用1982—2006年的植被指数和研究区域内4个气象站的气温、降水数据,研究陕西秦岭地区植被指数、气温、降水的多年变化趋势,分析植被指数与气温和降水的相关关系。利用植被类型数据分析不同植被种类的NDVI与不同气候因子的相关程度。结果表明,1982—2006年,研究区域年均气温有明显的上升,升幅达2.1℃,而年总降水量每10年下降约72 mm,秦岭地区NDVI略有上升。整体而言,植被指数的变化与气温之间的相关性在中部最大,向东西两侧递减;与降水之间的相关性在中部最小,向东西两侧递增。气温对果树园、经济林的影响最大,降水对阔叶林的影响最大。气温是影响该地区植被指数变化的主要因素。     

应用遥感时序数据研究植被变化与气候因子的关系——以环渤海地区为例

在全球气候变化背景下研究陆地植被的时空变化规律,探讨气候因素的驱动作用,对于预测未来气候变化对生态系统的可能影响、制定合适的生态环境保护策略具有重要意义。利用2000—2009年MODIS归一化差值植被指数(normalized difference vegetation index,NDVI)时间序列数据和地面气象站点的气温、降水量数据,从遥感角度分析环渤海地区植被的时空变化,并研究变化与气温、降水的相关关系,探讨区域植被年内和年际变化的驱动因素。结果表明,2000—2009年环渤海地区植被覆盖总体呈增加的趋势,但存在一定的空间异质性,局部有减少的倾向;区域植被的生长受温度和降水的双重驱动,对降水和温度的响应存在明显的滞后,滞后期大约为1个合成期;年际的变化主要受降水和人类活动的影响,降水增加可使区域NDVI提高;不同的人类活动会导致NDVI向相反的方向发展。     

三江源区植被NDVI对区域气候的时滞效应分析

以三江源区为研究区,主要利用一元线性趋势法和简单相关分析法分析了源区1982~2004年生长季累积NDVI的时间序列变化特征及其与气温、降雨、光照时间、风速、地表温度这些气候因子之间的相关性,从月尺度上研究了三江源区植被NDVI对气候因子响应的滞后性特征。最后表明,生长季累积NDVI对气温的滞后期为1个月,对风速的滞后期为2个月,对地表温度的滞后期为4个月,而对降雨量和日照时数不存在滞后响应或者滞后期小于1个月。     

基于GIMMS AVHRR NDVI数据的中国寒旱区植被动态及其与气候因子的关系

本文基于遥感和地理信息系统技术,用气象数据对中国的寒旱区作了初步的定义.利用GIMMS AVHRR NDVI (Normalized Difference Vegetation Index)数据对中国寒旱区植被覆盖的情况进行了动态监测.采用最大化合成植被指数SINDVI,一元线性回归趋势分析和偏差分析得出寒旱区植被变化特征,并且结合各个气象台站的年平均气温和年总降水数据采用相关分析方法,分析植被动态对气候对气候变化的响应.得出结论:东北的长白山、大小兴安岭、山西的太行山、新疆的准格尔盆地和阿尔泰山的部分地区植被呈现明显退化趋势;而天山、喜马拉雅山、祁连山、阴山、蒙古高原、东北平原及大巴山的高山区,植被呈现改善趋势.中国寒旱区大部分区域植被变化与降水和温度均呈现正相关关系.     

基于MODIS植被指数的塔河流域植被时空变化特征研究

基于获取的塔河流域2000~2014年历年4~10月间逐月MODIS植被指数产品,采用时间序列谐波分析法(HANTS)对最大值合成的逐月NDVI时间序列数据进行了重建,用趋势线分析法对塔河流域近15年生长季(4~10月)MODIS NDVI的时间变化进行计算,用一元线性回归趋势法计算得到了塔河流域近15年生长季(4~10月)NDVI变化趋势的空间分布。结合植被类型分布图对计算得到的实验结果进行了研究分析,总结了塔河流域多年植被覆盖的时空分布及其变化规律,成果可为塔河流域综合治理及生态环境评价提供依据。     

多光谱影像NDVI阴影影响去除模型

归一化植被指数(NDVI)在植被多光谱遥感反演中占据尤为重要的地位,而遥感影像中普遍存在的阴影对NDVI的精度产生很大的影响,因此去除阴影对植被NDVI的影响对更精确的定量化研究具有应用价值。本文基于光照区和阴影区的太阳辐射能量差异,模拟出同一植被在光照区和阴影区的辐亮度,分析阴影对NDVI的影响机理;利用植被固有反射率谱间关系,引入对阴影极敏感的且与植被信息相关性小的归一化暗像元指数NDPI(Normalized Dark Pixel Index),分析同一植被处于光照区与阴影区的NDVI关系,构建以光照区植被NDVI为基准的NDVI阴影影响去除模型NSEE (NDVI Shadow-Effect-Eliminating),并应用于Landsat 8 OLI影像进行验证。结果表明:NDVI阴影影响基本去除,阴影区NDVI接近正常值,且光照区NDVI保持稳定;有效解决了阴影导致NDVI统计直方图的偏态问题,使其更接近正态分布;与验证影像NDVI沿剖面线逐像元比对发现,植被NDVI阴影影响基本去除;均方根误差RMSE为0.067。本模型能够将本身NDVI值很低的像元与阴影导致NDVI降低的植被像元区分开,符合实际地物情况;模型基于影像自身信息,去除NDVI阴影影响的同时,有效保持了NDVI的相对空间关系;本文基于物理机理构建模型,模型表达简洁、易于应用,且仅依赖于影像自身信息,无需异源数据,计算方便且高效。     

基于NDVI城镇土地利用变化检测探讨

通过归一化植被指数（NDVI）结合影像差值,对经过辐射校正后的1993年和2005年武汉地区TM影像进行了土地利用变化检测,与监督法分类进行比较,得出NDVI更宜于实现变化信息探测和提取。     

肾综合征出血热疫情与NDVI的时间关系——以内蒙古自治区大杨树镇为例

利用月度肾综合征出血热发病人数和长时序月度NDVI值的相互关系, 对肾综合征出血热的发病趋势及发病人数进行预测。研究区大杨树镇2001—2005年共有144例完整的HFRS病人资料, 以及同期详细的宿主动物捕获数据。基于Landsat TM影像以及Google earth 影像, 大杨树地区土地利用分为4种类型, 山地、林地、农田以及居民点。各类土地利用类型的NDVI数据由SPOT-4 卫星的 VGT-S10数据集(10d最大化合成的NDVI数据)提供。对HFRS病例与NDVI之间的关系进行图解分析、相关分析和回归分析。研究表明, NDVI的峰值多出现于8月, 而HFRS发病人数的峰值多出现在11月。前朔3个月的农田NDVI值与HFRS病例数之间的相关系数为0.67(P值<0.001)。农田NDVI峰值比HFRS病例的峰值提前了3个月。研究量化了NDVI与HFRS之间的关系, 为HFRS早期预警系统的建立提供了依据。     

基于NDVI和LSMM的干旱区植被信息提取研究——以新疆吐鲁番市为例

植被是干旱区生态建设重要的组成部分,而植被覆盖度是生态环境变化的重要指示,是评价生态系统健康的前提条件。本文在遥感等技术的支持下,以landsatTM影像为数据源,选用归一化植被指数(NDVI)和线性光谱混合分析模型(LSMM)两种方法进行分析比较,提取吐鲁番市近20年植被覆盖度,并对该地区植被覆盖度的演变特征进行分析。结果表明:①LSMM方法能较好地提取干旱区植被信息,指标简单且分类精度较高。②NDVI方法提取植被时,受到很多限制,在干旱区不宜采用。     

基于遥感的植被年际变化及其与气候关系研究进展

植被具有明显的年际变化和季节变化特点,对植被的动态监测可以从一定程度上反映气候变化的趋势,因此监测植被动态变化以及分析这种变化与气候的关系已经成为全球变化研究的一个重要领域.随着遥感卫星获得长时间系列逐日观测数据,许多国际组织和机构制定了全球卫星数据接收、处理和生成数据集计划,所产生的标准数据集则极大地促进了该项研究.大量研究在全球尺度、洲际尺度（北美洲和欧亚大陆）以及区域尺度上广泛开展.在阅读国内外大量文献的基础上,比较分析了常用于植被监测的卫星传感器和主要数据集,汇总了植被年际变化及其与气候关系研究的主要研究方法和研究结果.结果表明近20年来全球植被活动明显增强,表现为北半球普遍存在增加的趋势,南半球干旱半干旱区出现降低的植被光合作用,但这些变化因空间位置不同和研究尺度不一样体现出不同的动态变化特征.气温和降水是影响植被变化的最主要的因素.     

A comparison of geographic datasets and field measurements to model soil carbon using random forests and stepwise regressions (British Columbia,Canada)

We used geographic datasets and field measurements to examine the mechanisms that affect soil carbon (SC) storage for 65 grazed and non-grazed pastures in southern interior grasslands of British Columbia, Canada. Stepwise linear regression (SR) modeling was compared with random forest (RF) modeling. Models produced with SR performed better than those produced using RF models (r² = 0.56–0.77 AIC = 0.16–0.30 for SR models; r² = 0.38–0.53 and AIC = 0.18–0.30 for RF models). The factors most significant when predicting SC were elevation, precipitation, and the normalized difference vegetation index (NDVI). NDVI was evaluated at two scales using: (1) the MOD 13Q1 (250 m/16-day resolution) NDVI data product from the moderate resolution imaging spectro-radiometer (MODIS) (NDVI_MODIS), and (2) a handheld multispectral radiometer (MSR, 1 m resolution) (NDVI_MSR) in order to understand the potential for increasing model accuracy by increasing the spatial resolution of the gridded geographic datasets. When NDVI_MSR data were used to predict SC, the percentage of the variance explained by the model was greater than for models that relied on NDVI_MODIS data (r² = 0.68 for SC for non-grazed systems, modeled with SR based on NDVI_MODIS data; r² = 0.77 for SC for non-grazed systems, modeled with SR based on NDVI_MSR data). The outcomes of this study provide the groundwork for effective monitoring of SC using geographic datasets to enable a carbon offset program for the ranching industry.