中国夏季气候对植被覆盖的影响:1982～2001(英文)     

HABIB Aziz Salim  陈晓玲  龚健雅  张力 《地球空间信息科学学报》2009,(1)

In this paper, we apply lagged correlation analysis to study the effects of vegetation cover on the summer climate in different zones of China, using NOAA/AVHRR normalized difference vegetation index (NDVI) data during the time period from 1982 to 2001 and climate data of 365 meteorological stations across China (precipitation from 1982 to 2001 and temperature from 1982 to 1998). The results show that there are positive correlations between spring NDVI and summer climate (temperature and precipitation) in m...  相似文献   

Spatial associations between NDVI and environmental factors in the Heihe River Basin   总被引：1，自引：0，他引：1  

Yuan  Lihua  Chen  Xiaoqiang  Wang  Xiangyu  Xiong  Zhe  Song  Changqing 《地理学报(英文版)》2019,29(9):1548-1564

Journal of Geographical Sciences - The Heihe River Basin is located in the arid and semi-arid regions of Northwest China. Here, the terrestrial ecosystem is vulnerable, making it necessary to...  相似文献   

基于无人机和MODIS数据的巴丹吉林沙漠植被分布特征与动态变化研究   总被引：2，自引：2，他引：2  

刘婵  赵文智  刘冰  孟阳阳 《中国沙漠》2019,39(4):92-102

荒漠植被在减缓沙漠扩张、阻挡风沙入侵绿洲、维护绿洲稳定性方面具有重要意义。通过无人机搭载多光谱相机获取地面样地高分辨率NDVI数据以计算植被覆盖度，结合MODIS-NDVI数据，分析了MODIS-NDVI 与无人机获取NDVI数据之间的一致性，进而建立MODIS-NDVI数据与样方植被覆盖度的空间反演模型，以研究巴丹吉林沙漠植被分布特征、动态变化及其对气温、降水的响应规律。结果表明：（1）基于无人机多光谱数据大样方植被覆盖度和MODIS-NDVI数据构建的植被覆盖度反演模型具有较高的模拟精度。（2）研究区总体植被覆盖度较低，空间上呈由东南向西北递减的趋势。（3）植被覆盖度总体呈现上升趋势，沙漠边缘的增速较沙漠内部更为明显，其中沙漠边缘增长率达1.53%/10a，而沙漠内部为0.84%/10a。沙漠边缘57.12%植被出现改善，而沙漠内部植被改善的面积约为21.26%。（4）植被生长主要受制于生长季降水量并呈现出明显的季节变化，此外植被对降水和气温的响应存在一定的滞后效应。  相似文献   

西南地区近21年来NDVI变化特征分析   总被引：1，自引：0，他引：1  

华维  范广洲  李洪权  周定文 《成都信息工程学院学报》2008,23(1):91-97

利用美国国家航天航空局（NASA）归一化植被指数（GIMMS NDVI）资料,初步分析了近21年（1982~2002）来西南地区植被变化特征。结果发现：21年来西南地区植被覆盖状况较好,总体呈增加趋势,同时也存在较明显的季节和区域差异：春季西南大部分地区植被呈较明显的增加趋势。夏季全区NDVI以显著的减小趋势为主,尤以90年代中期以后更为明显。秋季NDVI与夏季类似同样表现为减少趋势,并且范围有所增加。冬季ND-VI以增加为主,存在明显的东西反向特征,东部以减少为主,西部则以增加为主。  相似文献   

Estimation of potential evapotranspiration over the Yellow River basin: reference crop evaporation or Shuttleworth–Wallace?     

M. C. Zhou  H. Ishidaira  K. Takeuchi 《水文研究》2007,21(14):1860-1874

Potential evapotranspiration (PET) is a key input to hydrological models. Its estimation has often been via the Penman–Monteith (P–M) equation, most recently in the form of an estimate of reference evapotranspiration (RET) as recommended by FAO‐56. In this paper the Shuttleworth–Wallace (S–W) model is implemented to estimate PET directly in a form that recognizes vegetation diversity and temporal change without reference to experimental measurements and without calibration. The threshold values of vegetation parameters are drawn from the literature based on the International Geosphere–Biosphere Programme land cover classification. The spatial and temporal variation of the LAI of vegetation is derived from the composite NOAA‐AVHRR normalized difference vegetation index (NDVI) using a method based on the SiB2 model, and the Climate Research Unit database is used to provide the required meteorological data. All these data inputs are publicly and globally available. Consequently, the implementation of the S–W model developed in this study is applicable at the global scale, an essential requirement if it is to be applied in data‐poor or ungauged large basins. A comparison is made between the FAO‐56 method and the S–W model when applied to the Yellow River basin for the whole of the last century. The resulting estimates of RET and PET and their association with vegetation types and leaf area index (LAI) are examined over the whole basin both annual and monthly and at six specific points. The effect of NDVI on the PET estimate is further evaluated by replacing the monthly NDVI product with the 10‐day product. Multiple regression relationships between monthly PET, RET, LAI, and climatic variables are explored for categories of vegetation types. The estimated RET is a good climatic index that adequately reflects the temporal change and spatial distribution of climate over the basin, but the PET estimated using the S–W model not only reflects the changes in climate, but also the vegetation distribution and the development of vegetation in response to climate. Although good statistical relationships can be established between PET, RET and/or climatic variables, applying these relationships likely will result in large errors because of the strong non‐linearity and scatter between the PET and the LAI of vegetation. It is concluded that use of the implementation of the S–W model described in this study results in a physically sound estimate of PET that accounts for changing land surface conditions. Copyright © 2006 John Wiley & Sons, Ltd.  相似文献   

基于影像多种特征的决策树分类方法   总被引：1，自引：0，他引：1  

闫利  孙颖超 《地理空间信息》2009,7(6):15-17

阐述了决策树分类CART算法原理,将纹理信息、NDVI指数引入决策树方法对影像进行分类,并将分类结果与最大似然分类结果进行比较,研究表明决策树分类方法相对传统分类方法总体精度提高了8.9148%,Kappa系数提高了0.1074。  相似文献   

多源遥感数据的降水空间降尺度研究——以川渝地区为例   总被引：2，自引：0，他引：2  

嵇涛  刘睿  杨华  何太蓉  吴建峰 《地球信息科学学报》2015,(1):108-117

大量研究表明,通过传统地面气象站点实测的单点数据,不能有效地反映降水的空间变化特征。目前,以遥感数据获取的降水产品已得到了广泛的应用,但在地形地势复杂区域,遥感降水产品的空间分辨率与数据精度等方面仍然存在着极大的不足。因此,本文以四川重庆(川渝)地区为例,通过建立降水产品降尺度算法,以实现降水产品的降尺度估算,提高降水数据的空间分辨率。依据在不同尺度下(0.25°、0.50°、0.75°和1.00°),TRMM 3B43、地理因子,以及MOD13A3(NDVI)之间存在的相关关系,构建了多元回归模型。通过对比这4种尺度下的回归模型,选择其中精度最高的作为最终的降尺度算法,然后再把这种降尺度算法应用到1 km分辨率下进行降水估算。进一步,以区域差异分析(GDA)和区域比率分析法(GRA)对降尺度估算的降水数据进行校正,并结合部分地面气象站点实测的降水数据进行验证。验证结果表明:降尺度算法是可靠的,能有效提升降水产品的空间分辨率,同时GDA和GRA校正方法能减小误差,进一步提升降水估算的精度,满足区域地表过程应用的需求。  相似文献   

NDVI与气候因子关系在不同时间尺度上的结果差异     

沈斌  房世波  余卫国 《遥感学报》2016,20(3):481-490

植被指数是反映地表植被覆盖状况的重要参数,分析气候因子与植被指数间的相互关系有助于揭示气候变化对植被的影响,然而当前研究有两种分析植被指数与气候因子关系的方法,分别为分析植被指数与生长季内和生长季间气候因子的关系,然而这两种法差异如何,何种方法更为合适需要进一步分析。利用2000年—2009年生长季的MODIS的归一化植被指数NDVI(Normalized Difference Vegetation Index)数据集和藏北那曲地区3个气象站逐月气象资料(月平均气温、≥0℃活动积温和月降水量),分析比较了生长季内和生长季间气候因子对植被生长影响的差异,并分析了两种方法的优劣。结果表明:(1)生长季内植被NDVI与同期气温和降水量均呈高度正相关,生长季内时滞时间尺度为1个月时,植被NDVI对月平均气温及降水响应均最为强烈。(2)生长季间NDVI与同期降水量相关性并不明显,气候因子的滞后效应在生长季间也较弱。(3)生长季内和生长季间植被NDVI与气候因子的关系所得出的结论有一定差异性,可能是因为两方面的原因:生长季内植被NDVI与水热因子的高相关性与中国季风季候造成的高温多雨出现在夏季有关,而生长季内高水热条件与高植被指数对应的多年重复必然造伪的高相关系数,但这种相关性不一定能真实反映植被与水热条件的关系,而生长季间水热等气候因子与植被指数年际变化相关性分析不存在水热与高植被指数同期问题,更能真实反映气候因子年际变化对植被的影响。  相似文献   

基于时序MODIS NDVI的黑河流域土地覆盖分类研究   总被引：7，自引：1，他引：6  

顾娟  李新  黄春林 《地球科学进展》2010,25(3):317-326

归一化植被指数(NDVI)是植被生长状态及植被覆盖度的最佳指示因子,其时序数据也已成为基于生物气候特征开展大区域植被和土地覆盖分类的基本手段。基于时序NDVI数据的土地覆盖分类,即通过提取NDVI时间信号所包含的植被生物学参数,构建起一个包含植被生物学信息的分类特征空间。利用2006年重建得到的MODIS NDVI 16天合成时间序列数据,并结合1 km分辨率的DEM数据、野外实地调查资料等辅助数据,综合分析了不同土地覆盖类型对应的时序NDVI谱线及其第一、二谐波的特征阈值,建立决策树对黑河流域的土地覆盖开展分类研究。结果表明,基于时序MODIS NDVI谱线特征的决策树分类精度为78%,Kappa系数为0.74。利用1 km时序MODIS NDVI时间序列获得较为准确的黑河流域土地覆盖类型是可行的。  相似文献   

基于Google Earth Engine和NDVI时序差异指数的作物种植区提取   总被引：1，自引：0，他引：1  

姜伊兰  陈保旺  黄玉芳  崔佳琪  郭宇龙 《地球信息科学学报》2021,23(5):938-947

为提高农作物种植信息遥感监测的效率,扩展数据适用范围,本文提出了一种基于时间序列NDVI差异指数的作物种植区提取方法。随着海量遥感与云计算的发展,Google Earth Engine作为一个全球尺度地理空间分析云平台,弥补了单机计算耗时长的不足,为快速遥感分类带来了新机遇。基于Google Earth Engine平台,以河南省开封市杞县为研究区,以2019—2020年杞县地区多时相Sentinel-2影像为数据源,结合物候信息,根据不同作物在时间序列NDVI曲线上的差异构建NDVI时序差异指数,从而提取作物种植区,区分不同作物类型,并与其他方法进行了精度验证和对比。结果表明：① NDVI时序差异指数法以作物物候信息为基础,与GEE高性能的计算能力相结合,形成了作物种植信息快速提取框架,可以方便快捷地进行作物种植区提取,较本地处理具有明显优势;② 杞县冬小麦和大蒜种植区有明显的空间分异性,冬小麦种植区主要集中在研究区西北部以及南部的农村居民点周围,而杞县大蒜则由于产品流通需要,主要集中在研究区中部以及东北部,居民点较为密集,交通便利的城市周边;③ 与时间序列支持向量机法和最大似然法相比较, NDVI时序差异指数进行作物种植区提取的总体精度达到83.72%, Kappa系数为0.67,分别比最大似然法提高了10.02%和0.21,比支持向量机法提高了4.18%和0.09,表明该方法能更高效率,更高精度地提取作物种植信息,实现区域作物种植信息的高效准确监测。总体来看,该方法在一定程度上可拓展遥感数据在农业领域的应用范围,具有推广价值。  相似文献