基于大数据技术的内蒙古草原草情监测系统的研究与实现
这是一篇关于内蒙古草原监测,大数据,遥感,物联网,NDVI的论文, 主要内容为内蒙古草原是欧亚草原重要的组成部分,是我国北方重要的生态安全屏障,在维持生态系统稳定、生物多样性完整、固碳、居民收入以及地区和谐稳定等方面有重要的战略意义。但草原退化已经成为内蒙古草原最严重的生态问题之一,其已经暴露出来的和潜在的风险对草原的可持续发展构成严重威胁。然而针对内蒙古草原草情监测方面多采用地面人工调查的方法,耗时费力,且覆盖范围有限,代表性较差,无法快速反映辽阔草原长势的时空差异,影响到草原管理措施的时效性。遥感具有全天候、无死角连续观测的特点。物联网作为智慧草原的支撑可以实现实时数据通信和信息交换。将遥感技术和物联网技术结合可以实现快速、动态的草原生态指标监测。但针对遥感观测产生的大量对地观测数据和物联网监测站产生详细具体的实时数据,传统的数据处理已经不能满足这些数据实时处理的需求,亟需利用大数据技术分析这些数据获得全域的草地资源和生态领域的重要信息。本文针对以上问题研究并实现了基于大数据技术的内蒙古草原草情监测系统,采用Hadoop及Spring Boot框架,将Spark作为平台的核心分析引擎,将HDFS、HBase和My SQL结合作为储存系统,采用前端可视化技术设计了监控大屏幕,以物联网和遥感技术相结合的方式实现对内蒙古草原草情自动、高效、直观的监测。其次使用高性能的地理数据处理引擎Geo Trellis实现了基于NDVI百分位草情监测算法的并行化,对促进天然草地资源良性发展和内蒙古放牧畜牧业可持续发展有重要的研究意义和应用价值。
青藏高原高时空分辨率NDVI时间序列数据重建及应用
这是一篇关于青藏高原,NDVI,高时空分辨率,时间序列,数据重建,GEE,湖泊变化,驱动因素的论文, 主要内容为地球“第三极”青藏高原(Qinghai-Tibetan Plateau,QTP)是世界上最大的高山生态区,对当前的全球气候变化极为敏感,是全球生态研究的热点区域。基于光学遥感卫星的归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列数据可以反映地表植被时相动态变化特征,是生态遥感研究中最广泛使用的基础数据。然而,受限于青藏高原复杂地形、多云雾天气条件,目前可获取的青藏高原NDVI时序数据仍无法满足应用需求,如空间分辨率较粗(如250米MODIS NDVI)或时相不连续(如30米Landsat NDVI)。为此,本论文研究重建了2000-2020年青藏高原地区高时空分辨率(30米-8天)NDVI数据集,并应用该数据集揭示了高原湖泊水体面积的高时空变化特征,具体研究工作包括:(1)研制了青藏高原地区2000-2020年高时空分辨率的NDVI时间序列(称为QTP-NDVI30)。通过融合30米Landsat和250米MODIS NDVI时间序列数据,获得空间分辨率为30米,时间分辨率为8天的高质量数据集。QTP-NDVI30的研制使用了2000-2020年高原区域所有可用的Landsat 5/7/8影像(>10万景),重建方法基于最近开发的Gap-Filling和Savitzky-Golay滤波(GF-SG)方法,并在此基础上增加了去除积雪污染模块,以提高在青藏高原地区的适用性和稳健性。我们对QTP-NDVI30进行了全面的精度评估。首先,我们在青藏高原地区随机选取了100个生长季(7-9月)期间无云的Landsat影像区域,重建数据与其相比,平均绝对误差(MAE)为0.022,空间结构相似性(SSIM)为0.941。其次,我们在青藏高原地形变化明显的区域将QTP-NDVI30与无云的3米空间分辨率Planet高分影像进行比较,观察到了一致的空间变化(平均SSIM=0.874)。我们进一步基于QTP-NDVI30产品估算了30米空间分辨率的植被返青期,将30米的植被返青期与250米空间分辨率的MODIS返青期产品比较,二者在空间上具有相似的空间分布,但QTP-NDVI30提供了更丰富的空间细节变化信息。QTP-NDVI30已发布在国家青藏高原数据中心(https://data.tpdc.ac.cn/zh-hans/data/80ee374d-b956-4c51-9572-ee4f6017e0d7),下载量已达3257.52TB(截止2023.3.15)。(2)揭示了青藏高原2011-2018年湖泊面积的时空变化特征。QTP-NDVI30的高时空分辨率特征将为高原生态研究带来新的契机,我们使用QTP-NDVI30数据集,首先基于改进的Land Trendr变化检测模型,检测了高原上所有面积大于1km2的湖泊面积变化,并且可检测到湖泊面积变化的具体时间(Landsat原始数据无法获取变化时间)。在青藏高原地区随机选取了100个湖泊变化对象,将QTP-NDVI30探测结果与8月份的Planet高分影像进行对比评价,结果显示二者在时间和空间上均保持较高的一致性(平均总体精度为0.701,精确度为0.878,召回率为0.807)。此外,我们分析了青藏高原湖泊面积的变化趋势及主要驱动因素。实验结果表明,青藏高原2011-2018年湖泊变化特征主要分为三个阶段:第一阶段(2011-2015年)为缓慢增长期,湖泊面积总体呈扩张趋势,但扩张速率逐年下降(Trend=-24.97 km2/yr;第二阶段(2015-2017年)为快速增长期,湖泊总面积迅速增大(Trend=469.22 km2/yr);第三阶段(2017-2018年)回归至缓慢增长期,且该阶段湖泊扩张的下降速率(Trend=-133.74 km2/yr)大于第一阶段。其次,我们对面积大小不同的湖泊变化情况进行了分析,结果表明湖泊面积在一定范围内(<50km2),湖泊变化面积与其自身面积呈正相关。最后,我们研究了气候特征(潜在蒸散量、不同季节的温度和降水)对青藏高原湖泊变化的驱动影响,结果表明:春冬季(10-4月)降水特征是青藏高原湖泊变化的主要驱动因素,贡献度为53.4%,其次是贡献度为16.14%的夏秋季(5-9月)降水特征和贡献度为13.42%的温度特征。
基于数据重建的土壤水分遥感监测系统研究
这是一篇关于LST,NDVI,数据重建,土壤水分,系统的论文, 主要内容为土壤水分是植物生长所需水分的重要来源,区域尺度或全球范围的土壤水分是陆地表面参数化的一个关键变量。卫星遥感是监测土壤水分的重要方法,但由于卫星传感器往往受云、气溶胶等影响,获取的信息常无法准确反映地表状况,这在我国南方尤为严重。为此,本文以江苏省为研究区,用2003-2011年MODIS地表温度(LST, Land Surface Temperature)产品和地表反射率产品,结合质量控制信息(QA flag),提出了基于背景数据库和mTSF原理的数据重建方法(背景库重建法),重建了LST和NDVI (Normalized Difference Vegetation Index).该方法填补了空缺数据,提高了土壤含水量的准实时反演精度,满足了业务需要,并综合应用C#和IDL构建了农田的干旱监测系统。研究主要结论有： (1)2003-2011年重建前的8天合成地表反射率产品,质量良好像元所占比例最高,云污染主要发生在夏季,其次为冬季和秋季,春季的污染像元比例相对较少。MODIS的LST日时序产品受云污染的像元比例最大,其中云干扰主要发生在夏季,其次是秋季和冬季,春季比例较低。为提高土壤水分遥感监测的精度和效率,重建NDVI和LST的时间序列数据是恢复数据质量的可用方法。 (2)利用基于背景数据库和1mTSF原理的数据重建方法,重建的NDVI能够填补空值时段,并达到较高精度。通过方法对比,本文提出的重建方法和原始NDVI质量良好像元的平均相关性最高,达到0.84,而Savitzky-Golay (S-G)方法、非对称高斯方法(A-G)和双Logistic方法(D-L)分别为0.80、0.73和0.72。假设云区的验证中,基于背景库的重建NDVI精度较高,与原始NDVI的平均绝对误差为0.049,平均相对误差为10.14%,平均RMSE为0.059,平均相关性为0.82。 (3)利用基于背景数据库和mTSF原理的数据重建方法,重建的LST能保留原始数据的真实值,并能反映地表温度的变化趋势。2009-2011年云覆盖区的LST重建结果和实测地表温度有较高响应关系,云污染的像元的重构LST和实测值平均相关系数达到0.87。重构后,数据的平均绝对误差减小。假设云区验证中,基于背景库的重建LST达到一定精度,与原始LST的平均绝对误差为0.57"C,平均RMSE为0.71,平均相关性为0.78。 (4)重建得到的数据可为遥感实时监测土壤水分提供有效的服务,且反演结果较为准确地反映了淮北冬小麦区的土壤水分变化。无雨时段的平均反演值与实测值的偏差范围为0.22%-2.89%,平均相对误差为20.28%-26.69%。而没有对参数进行重建时,原始影像仅3月26日有与实测站点对应的像元有LST值,且反演结果的平均相对误差高达35.19%。 (5)综合应用IDL和C#技术,构建了江苏省淮北冬小麦区的土壤水分遥感监测系统。系统使得用户可对研究区旱情进行近实时动态监测,提高抗旱工作的针对性和高效性。平台开发完成后可为旱情预警、抗旱决策等提供及时有效的信息服务。
重庆市植被指数时空变化研究
这是一篇关于NDVI,气象因子,地形因子,人为因子,时间序列的论文, 主要内容为植被的生长一般受到多方面因素的影响,即相对固定的地形因子,长时间累计变化的温度、降水等气候因子,人口分布、GDP增加及城市化过程等的人为因子。其中地形因子和气候因子可称为自然因子,它们奠定了植被空间分布的总体格局。人为因子则引起植被的局部变化。从长期来看,自然因子和人为因子都驱动着植被分布格局及其变化,但是在短期内,人类活动则是主要的驱动因素。本文主要研究地形因子、气候因子和人为因子与植被覆盖之间的关系,从而更好的解释植被变化情况,为重庆市生态环境的调节改善提供一定的依据。 本研究运用1998-2007年1 km空间分辨率的SPOT-VGTS10数据,提取重庆市归一化植被指数(normalized difference vegetation index, NDVI)影像,共计351景。采用Savitzky-Golay滤波平滑处理、最大值合成法、线性回归分析、时间序列分析等方法研究重庆市NDVI、降水量、温度、人口、GDP等的动态变化情况,构建重庆市的NDVI、气象因子、人为因子的时序数据集；分析重庆市NDVI及各因子的空间分布格局；探讨重庆市NDVI与气象因子,地形因子,人为因子之间的关系。主要研究成果包括： (1)运用Savitzky-Golay滤波技术,可有效地去除NDVI数据中的云、气溶胶及异常值的影响,NDVI时序数据经过滤波平滑后,能更好地反映植被覆盖情况,为研究重庆市植被覆盖变化奠定了基础。 (2)重庆市NDVI的年平均值和各年NDVI值都表现出较强的稳定性。从1999年到2007年NDVI总体呈上升趋势,说明重庆市植被量逐年增加。空间分布特征表明,在四个种植业分区(渝东北、渝南、渝中和渝西)各年份NDVI值大小趋势基本保持一致。根据NDVI值排序表现为：渝东北>渝南>渝中>渝西。而各年NDVI则表现出明显的季节性,在1月份和8月份分别为谷值和峰值。另外NDVl年际变化率也表明重庆市近十年植被覆盖量增加,且西部除主城外最为明显。 (3)以区县为单位研究各区域旬NDVI与同期降水量、平均气温的相关性发现,NDVI与二者均有较好的相关性,但是NDVI与平均气温相关性远远大于与降水量的相关性。季节NDVI与同期降水量及温度相关性的空间分布结果表明,春季降水量与NDVI在空间上呈正相关；气温对NDVI的影响较为显著,正相关面积占总面积的比例达到72%。夏季NDVl与降水量仅在西北部及中北部个别地区为正相关,其余各地均呈负相关；NDVI与温度总体以正相关为主,在西部地区尤其是主城地区呈现较显著的负相关性；东南部地区及西南部相关性较小。秋季东北部大巴山区NDVI与降水量相关系数较大,其余地区呈负相关；NDVI与温度的相关性则明显呈现出东部地区为正相关,西部地区为负相关的现象。在冬季,东北及东南部各地NDVI受到降水量的影响较大,长江以北大部分地区与降水量呈负相关;与其他季节相比,东北部及东南部地区冬季NDVI受温度的影响相对有所减小,部分地区的植被情况受温度的影响并不大,而西部则呈现很强的正相关性,相关系数达到0.8左右。 (4)NDVI与高程有一定的相关性,其中渝东北地区相关性最为明显。而坡度、坡向与NDVI的相关性不明显。 (5)重庆市最大化NDVI与人口及GDP均呈负相关,负相关的面积分别达到51.59%和54.39%；通过研究1999年到2006年积分NDVI与城市化的关系表明,城市化对重庆市的植被也有一定的影响,与城市化率呈负相关关系。
降水—气温—植被时空分布与相关性研究——以滇中引水工程取水点上游金沙江流域为例
这是一篇关于滇中引水工程,NDVI,M-K趋势检验法,相关性,像元二分模型的论文, 主要内容为降水和气温是对人类生产生活与陆地生物生长有着极其重要影响的气候因子,目前却面临着干旱、全球变暖等气候危机。植被作为陆地生态系统中的组成因子之一,对改善区域内的气候与生态起到了积极的作用。因此,研究滇中引水工程取水点上游金沙江流域的降水、气温和植被的时空分布与相关关系,为流域水资源的管理调度、环境恢复和保护与合理开发植物资源的动态平衡提供了参考依据,对保护生态环境和改善气候具有重要的现实意义。本文基于2000—2019年的降水、气温与MODIS-NDVI数据,综合运用云模型、克里金插值法、一元线性回归趋势法、M-K检验法、小波分析法、像元二分模型、相关性分析法等模型与方法分析了滇中引水工程取水点上游金沙江流域的降水、气温、植被NDVI在时间、空间两个角度的变化与分布情况,并进一步研究了降水、气温与植被NDVI的相互关系。研究内容及得到的结论如下:(1)时间上,研究流域的年内降水分配不均,7月份降水量最大,12月份最小;20年来,存在3种尺度的周期变化规律,研究时间域内的第一主周期为15a。年际、春季与秋季的降水量呈现上涨的趋势,夏、冬二季降水量呈下降趋势;按照降水量大小,为“夏秋春冬”的排序。空间上,流域降水量呈现“南多北少,东多西少”的趋势,在流域的中段存在一个降水极低值区。四季的降水量中,夏、秋二季存在明显东西向差异;流域上段与中段的大部分地区降水量呈现上升趋势,流域下段基本呈现降水量下降的趋势;变化趋势存在明显的纬向差距。(2)从时间上看,研究流域月平均气温差值较大,平均气温7月最高,1月气温最低,年内气温与降水量的分布相近;20年来,气温存在3种尺度的周期变化规律,6a为气温变化的第一主周期;年际与四季气温呈现上升趋势;按照气温高低,为“夏秋春冬”排序。从空间上看,总体上呈现“南高北低”;在流域中段出现气温极高值区,流域下段出现气温极低值区;各个季节的气温空间分布与年际气温空间分布大体类似。流域绝大部分地区气温呈现上升趋势;仅在流域上段尾部、流域下段中部出现少量下降趋势。(3)时间上,研究流域的NDVI值年内各月份差距较大,8月出现最大值,3月出现最小值;20年来,年际与春、冬二季的NDVI增长趋势显著,夏、秋二季增长趋势不显著;四季NDVI值大小为“夏秋春冬”排序。年际与四季平均NDVI值空间上分布表现为“东高西低,南高北低”;研究流域内绝大部分地区20年来的NDVI处于稳定与轻度改善的趋势,植被生长情况稳中向好。研究流域内各个等级的植被覆盖度变化趋势不尽相同,第Ⅰ、第Ⅲ级植被覆盖度为减少的趋势,第Ⅱ、第Ⅴ级则呈现增加趋势。(4)研究流域年内NDVI与降水、气温的相关性极高,通过了0.01的显著性检验,NDVI对于降水、气温的响应滞后程度约为一个月,年际NDVI与降水、气温二者的相关性较高,NDVI与降水的相关性比气温略好,而季节的NDVI与气温的相关性比降水好;站点上,位于流域上段的站点NDVI与降水、气温的相关性较好,流域中、下段较差。空间上,流域的年际、春、夏、秋三季的NDVI与降水和气温正相关的面积占据比重较大,主要在流域的上段;而冬季NDVI与降水和气温的正相关的面积占据比重较小;季节的NDVI与气温的相关性要好于降水。
新疆植被覆盖变化及其对气候的敏感性分析
这是一篇关于新疆地区,植被覆盖度,NDVI,气候因子,相关分析的论文, 主要内容为新疆地处欧亚大陆干旱半干旱气候区,区域内植被数量稀少,水土流失现象严重,生态环境极其脆弱。荒漠化导致了土地面积锐减、流动沙丘不断增加,土地生产力下降等一系列生态环境问题。以2002-2015年为研究时段,以新疆地区为研究区域,以年、季、月为研究尺度,利用52个气象站点数据、MODIS NDVI产品数据、社会经济统计数据以及野外观测资料等,采用均值法、MVC最大值合成法、回归分析、趋势分析、相关性分析法,揭示了植被覆盖变化时空特征及分布规律;在考虑多因子的基础上采取逐步综合的方法模拟降水量、气温的空间分布信息,剖析其时间序列变化趋势;从时空相关性的角度,运用空间计量分析和模型分析植被与气象因子的关系,并解释新疆地区植被覆盖变化的原因。结果表明:(1)新疆地区植被覆盖的空间分布规律为NDVI由西南向东北逐渐增加,与该区降水量分布相同;其中,裸土区的分布面积最大,稀疏植被区、较少植被区、适中植被区、茂密植被区、很密植被区面积依次减少;月尺度变化上,NDVI变化率4-6月>2-4月>6-8月;季节变化上,春、夏、秋季平均NDVI的线性趋势均为正值,春季平均NDVI最低,其次为秋季,夏季植被覆盖度最大;年际变化上,2002-2015年间,NDVI总体为上升趋势,2005-2009年间NDVI明显下降,2009年NDVI达到最低。(2)新疆年最大NDVI 14年间的变化趋势上,大部分地区植被覆盖均有增长的趋势,NDVI趋势率在-0.077-0.076之间,趋势不变的范围(-0.01
重庆市植被指数时空变化研究
这是一篇关于NDVI,气象因子,地形因子,人为因子,时间序列的论文, 主要内容为植被的生长一般受到多方面因素的影响,即相对固定的地形因子,长时间累计变化的温度、降水等气候因子,人口分布、GDP增加及城市化过程等的人为因子。其中地形因子和气候因子可称为自然因子,它们奠定了植被空间分布的总体格局。人为因子则引起植被的局部变化。从长期来看,自然因子和人为因子都驱动着植被分布格局及其变化,但是在短期内,人类活动则是主要的驱动因素。本文主要研究地形因子、气候因子和人为因子与植被覆盖之间的关系,从而更好的解释植被变化情况,为重庆市生态环境的调节改善提供一定的依据。 本研究运用1998-2007年1 km空间分辨率的SPOT-VGTS10数据,提取重庆市归一化植被指数(normalized difference vegetation index, NDVI)影像,共计351景。采用Savitzky-Golay滤波平滑处理、最大值合成法、线性回归分析、时间序列分析等方法研究重庆市NDVI、降水量、温度、人口、GDP等的动态变化情况,构建重庆市的NDVI、气象因子、人为因子的时序数据集；分析重庆市NDVI及各因子的空间分布格局；探讨重庆市NDVI与气象因子,地形因子,人为因子之间的关系。主要研究成果包括： (1)运用Savitzky-Golay滤波技术,可有效地去除NDVI数据中的云、气溶胶及异常值的影响,NDVI时序数据经过滤波平滑后,能更好地反映植被覆盖情况,为研究重庆市植被覆盖变化奠定了基础。 (2)重庆市NDVI的年平均值和各年NDVI值都表现出较强的稳定性。从1999年到2007年NDVI总体呈上升趋势,说明重庆市植被量逐年增加。空间分布特征表明,在四个种植业分区(渝东北、渝南、渝中和渝西)各年份NDVI值大小趋势基本保持一致。根据NDVI值排序表现为：渝东北>渝南>渝中>渝西。而各年NDVI则表现出明显的季节性,在1月份和8月份分别为谷值和峰值。另外NDVl年际变化率也表明重庆市近十年植被覆盖量增加,且西部除主城外最为明显。 (3)以区县为单位研究各区域旬NDVI与同期降水量、平均气温的相关性发现,NDVI与二者均有较好的相关性,但是NDVI与平均气温相关性远远大于与降水量的相关性。季节NDVI与同期降水量及温度相关性的空间分布结果表明,春季降水量与NDVI在空间上呈正相关；气温对NDVI的影响较为显著,正相关面积占总面积的比例达到72%。夏季NDVl与降水量仅在西北部及中北部个别地区为正相关,其余各地均呈负相关；NDVI与温度总体以正相关为主,在西部地区尤其是主城地区呈现较显著的负相关性；东南部地区及西南部相关性较小。秋季东北部大巴山区NDVI与降水量相关系数较大,其余地区呈负相关；NDVI与温度的相关性则明显呈现出东部地区为正相关,西部地区为负相关的现象。在冬季,东北及东南部各地NDVI受到降水量的影响较大,长江以北大部分地区与降水量呈负相关;与其他季节相比,东北部及东南部地区冬季NDVI受温度的影响相对有所减小,部分地区的植被情况受温度的影响并不大,而西部则呈现很强的正相关性,相关系数达到0.8左右。 (4)NDVI与高程有一定的相关性,其中渝东北地区相关性最为明显。而坡度、坡向与NDVI的相关性不明显。 (5)重庆市最大化NDVI与人口及GDP均呈负相关,负相关的面积分别达到51.59%和54.39%；通过研究1999年到2006年积分NDVI与城市化的关系表明,城市化对重庆市的植被也有一定的影响,与城市化率呈负相关关系。
基于大数据技术的内蒙古草原草情监测系统的研究与实现
这是一篇关于内蒙古草原监测,大数据,遥感,物联网,NDVI的论文, 主要内容为内蒙古草原是欧亚草原重要的组成部分,是我国北方重要的生态安全屏障,在维持生态系统稳定、生物多样性完整、固碳、居民收入以及地区和谐稳定等方面有重要的战略意义。但草原退化已经成为内蒙古草原最严重的生态问题之一,其已经暴露出来的和潜在的风险对草原的可持续发展构成严重威胁。然而针对内蒙古草原草情监测方面多采用地面人工调查的方法,耗时费力,且覆盖范围有限,代表性较差,无法快速反映辽阔草原长势的时空差异,影响到草原管理措施的时效性。遥感具有全天候、无死角连续观测的特点。物联网作为智慧草原的支撑可以实现实时数据通信和信息交换。将遥感技术和物联网技术结合可以实现快速、动态的草原生态指标监测。但针对遥感观测产生的大量对地观测数据和物联网监测站产生详细具体的实时数据,传统的数据处理已经不能满足这些数据实时处理的需求,亟需利用大数据技术分析这些数据获得全域的草地资源和生态领域的重要信息。本文针对以上问题研究并实现了基于大数据技术的内蒙古草原草情监测系统,采用Hadoop及Spring Boot框架,将Spark作为平台的核心分析引擎,将HDFS、HBase和My SQL结合作为储存系统,采用前端可视化技术设计了监控大屏幕,以物联网和遥感技术相结合的方式实现对内蒙古草原草情自动、高效、直观的监测。其次使用高性能的地理数据处理引擎Geo Trellis实现了基于NDVI百分位草情监测算法的并行化,对促进天然草地资源良性发展和内蒙古放牧畜牧业可持续发展有重要的研究意义和应用价值。
滇中引水工程受水区降水—植被时空分布及相关性研究
这是一篇关于TRMM 3B43,NDVI,小波分析,像元二分模型,相关性的论文, 主要内容为滇中引水工程是解决滇中地区严重缺水问题的特大型跨流域调水工程,也是我国西南地区投资最多、规模最大的水资源配置工程。滇中引水工程受水区分布在昆明、玉溪、楚雄、大理、红河以及丽江6个州(市)。研究滇中引水工程受水区降水、植被时空分布及相关性,为滇中引水工程跨区域水资源配置提供科学指导,具有重要的科学价值和迫切的工程实际需求。本文基于2000-2017年TRMM 3B43降水数据、同期MODIS植被数据、DEM地理空间数据,通过散点斜率法、相关系数、相对误差研究TRMM 3B43精度适用性分析,利用Mann-Kendall检验、小波分析、MVC、像元二分模型、趋势分析、空间相关性分析等技术方法,研究了2000-2017年滇中引水工程受水区降水、植被时空分布以及二者之间的相关性。主要研究内容和结论如下:(1)TRMM 3B43降水数据精度适用性分析。年、季、月尺度中,TRMM 3B43降水量在整个滇中引水工程受水区及单个站点偏差较小、精度较高,在滇中引水工程受水区具有较好的适用性,可为地面降水数据提供有效补充。(2)18a来滇中引水工程受水区降水的时空分布及变化。受水区年内降水量分布不均匀,分布趋势呈单峰型,夏季降水量占全年降水量比重最大,冬季降水量占比低;各个站点年内分布总体水平及各月降水量波动幅度均有差异;年降水量按5.7mm/a减少,春季和夏季降水量呈明显下降趋势,秋季和冬季降水量处于略微上升趋势;滇中引水工程受水区降水量下降突变年份为2003年,多个站点年降水量下降突变点大多在2002-2003年;滇中引水工程受水区大体经历了2个周期的丰枯变化降水;降水在空间分布存在异质性和不均匀性,空间分布整体呈现出“西多东少,南多北少”的现象,局部出现降水量较多的情况,出现在两个位置,分别是大理市洱海和昆明滇池流域,降水量减少趋势在空间上不断扩张。(3)18a来滇中引水工程受水区植被的时空分布及变化。滇中引水工程受水区NDVI年内分布变化明显,月平均NDVI在0.45～0.75,变化趋势呈cos函数型,8月NDVI达到最大值;各站点NDVI年内分布及总体水平也略有差异;2000-2017年滇中引水工程受水区年最大NDVI空间均值在0.74～0.80之间,在研究时域内呈上升趋势;春季NDVI空间均值在0.50～0.61,夏季NDVI空间均值在0.71～0.78之间,秋季NDVI空间均值在0.71～0.77之间,冬季NDVI空间均值在0.565～0.65之间,均成上升趋势;NDVI空间分布存在异质性,其中红河州绿春县西南角植被NDVI数值大,植被覆盖情况较好;18a来滇中引水受水区各等级植被覆盖度面积有所增减,整体植被覆盖度处于较好的水平,在昆明滇池流域周围以及大理市周围等低海拔地区植被覆盖程度出现明显下降。(4)滇中引水工程受水区的年最大NDVI与年降水在相关性方面负相关略多于正相关,总体负相关占到受水区面积的比例为52.1%;春季降水量与植被NDVI在相关性方面总体现实为正相关关系,占受水区面积的64.79%;夏季降水量与植被NDVI在相关性方面正相关占比略多于负相关,占受水区面积的52.56%;秋季降水量与植被NDVI在相关性方面正相关占比略多于负相关,占受水区面积的60.95%;冬季降水量与植被NDVI在相关性方面总体现实为正相关关系,占受水区面积的99.75%;弱正相关和弱负相关的区域占比较大,受水区大部分区域NDVI对降水响应变化不明显。
重庆地区NDVI时间序列重建研究
这是一篇关于重庆地区,时间序列,NDVI,模型评价的论文, 主要内容为归一化植被指数(NDVI)是一种常用的植被指数,广泛应用于全球气候变化、植被动态监测、植被生物量反演等众多研究领域。重庆地区云雾众多,常年平均日照百分率低于35%,严重影响该地区NDVI遥感产品的质量,导致相关应用研究受到阻碍。因此,本文以重庆地区作为研究区域,在质量分析基础上,基于MODIS和SPOT-VGT两种数据源的NDVI对多种重建方法各自的特点、适用性进行系统研究,为相关应用提供一定借鉴。研究首先对MODIS/QA和SPOT-VGT/SM数据进行时空分析,同时从原理、模型、参数设置等方面介绍了BISE、MEAN、S-G、A-G、D-L、WS、SWETS和HANTS共8种方法;其次采用8种方法分别重建MODIS/NDVI和SPOT-VGT/NDVI两种不同数据源的NDVI;最后对重建效果进行基于噪声影像的视觉对比、基于不同植被类型的曲线对比、基于均方根误差(RMSE)和相关系数(R)的保真性对比,以及基于赤池信息准则(AIC)和贝叶斯信息准则(BIC)的模型对比,全方面系统化地对比评价以研究不同方法的适用性,并在揭示两种数据源NDVI数据的特点的基础上对两种数据的评价结果进行定量的统计分析。结果表明:(1)在两种数据源NDVI的质量方面,MODIS/QA和SPOT-VGT/SM数据受气候条件影响均具有一定的季节性分布特征,春季最佳,冬季最差;在空间上,两数据源均为主城及周边地区遥感数据质量较差,渝东北质量较好,渝东南地区MODIS/NDVI数据质量较好,SPOT-VGT/NDVI较差。(2)8种重建方法具有各自的特点和适用情况:(1)A-G和D-L法的重建效果在两种数据的应用中均较为稳定,D-L法对噪声填补值较为杂乱而A-G法仍存在未填补值,二者重建曲线较为相似,可以有效地识别重建噪声值,同时二者在保真性和模型评价中表现均处于较佳的水平,其中A-G法略好于D-L法;(2)WS法所需参数较少,在对MODIS/NDVI进行重建时表现较好,虽然重建曲线平滑度不佳,对于同像元连续出现噪声的情况重建能力不佳,但可以有效地填补原始影像中的缺失值,同时在保真性和模型评价中有较好的表现,对SPOT-VGT/NDVI的保真性和模型评价结果不如MODIS/NDVI好;(3)SWETS法在MODIS/NDVI的重建中表现略逊与WS法,在重建SPOT-VGT/NDVI时保持均方根误差的能力较好;(4)HANTS法可以有效地填补缺失数据,保持重建曲线的平滑,但其重建结果可信度有待考证,适用于数据质量时空连续缺失的情况;(5)S-G法在两种数据的重建研究中表现处于中等水平,其重建曲线较为平滑,处于数据的上包络线,但会出现忽略正常低值的情况,重建后影像可以有效填补缺失值,在SPOT-VGT/NDVI中的效果略好,在MODIS/NDVI的重建处于中等水平;(6)BISE法不适合粗空间分辨率数据的重建,重建曲线较为粗糙,多项指标的评价结果也较差;(7)MEAN法比较适合数据噪声较少且不连续出现的研究区,其对数据保真效果较好,可以有效地保持高质量数据的质量,但噪声消除能力较差。(3)与SPOT-VGT/NDVI相比,MODIS/NDVI数据范围较广,可以清晰地显示河流等地物信息,二者之间的相关系数普遍在0.7以上的水平,渝东北最高,渝西地区东北部较低并向四周提高。在年内各月间MODIS/NDVI值较高于SPOT-VGT/NDVI,而趋势相近,均为夏季较高,春秋季次之,冬季最低。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设导航 ，原文地址：https://bishedaima.com/lunwen/55524.html
