时序重构的长时间序列植被变化监测研究

植被是生态系统组成的重要部分，植被指数更是植被生长变化的重要监测因子，目前已有的植被指数数据集不能很好地剔除噪声等影响，在植被生长变化的反映中存在一定的误差。基于此，本研究以惠州市作为研究区，采用极限梯度提升方法，利用2000年至2015年的GIMMS3g NDVI数据作为训练集，借助地表温度数据作为因子，进行基于极限梯度回升算法的植被指数长时间序列重构，结果表明：时序重构后的GIMMS NDV在年际变化上特征相似度较高，达到0.88,时序重构后的NDVI数据集有明显的降低。通过年、季、月、生长周期等多维度对比，时序重构后的NDVI变化周期整体较原始数据集更平滑，异常值较少，整体更符合植被生长变化的实际情况。