Heihe Logo

黑河流域NDVI周期性及种植结构分类研究


作者


摘要

地表植被覆盖了四分之三的陆地表面,是联结土壤和大气之间物质、能量交换的关键环节,在陆地表面能量交换、水分循环和生物地球化学循环过程中起着至关重要的作用。基于遥感方法监测植被动态变化以及分析这种变化与气候的关系已成为全球变化研究的一个重要领域。黑河流域地处我国西北干旱区,气候干旱少雨,生态环境脆弱,是我国第二大内陆河流域,植被既是黑河流域重要的自然资源,也是最为敏感的环境要素。 本论文以黑河流域为研究区,利用长时间序列归一化植被指数(NormalizedDifference Vegetation Index, NDVI)数据,展开了如下工作: 1.黑河流域NDVI周期性分析及其与气候因子的关系。利用2007-2009年的SPOT VEGETATION NDVI数据来延长1982-2006年GIMMS(Global InventoryMonitoring and Modeling Studies)NDVI数据,从而得到1982-2009年的NDVI数据,结合同时期的气象观测资料,利用经验模态分解(Empirical Mode Decomposition,EMD)方法,对黑河流域季节合成植被指数(Seasonally Integrated NormalizedDifference Vegetation Index, SINDVI)、气温以及降水序列的周期性进行了分析,并进一步分析了黑河上中下游NDVI和气温、降水之间的关系。结果表明:黑河上游SINDVI与气温、降水均存在准3年和准6年的相似周期,中游SINDVI与气温存在准3年和准10年的相似周期,而与降水存在准3年、准6年、准8年和准15年的相似周期,下游SINDVI与气温存在准3年和准10年的相似周期,与降水存在准3年和准6年的相似周期。说明在黑河流域,气温和降水均是影响植被变化的重要因子,而气候因子的周期性变化主要受大气运动的影响,进而影响植被的周期变化。 2.黑河中游灌区种植结构分类研究。以黑河中游张掖灌区为研究区,利用时间分辨率为1天,空间分辨率为250m的MODIS09反射率产品计算NDVI,并以3天为时长进行波段合成,最终得到140个波段的NDVI图像立方体,以野外考察样点作为植被类型训练样本,结合专家知识目视判读结果,分别提取玉米、小麦、油菜、蔬菜等作物的时间序列光谱曲线,构建典型植被特征光谱曲线。借助Adaboost(Adaptive Boosting)和支持向量机(Support Vector Machine, SVM)算法,对研究区主要农作物进行分类。结果表明:Adaboost和SVM算法在中游灌区均具有较高的精度,Adaboost算法总体精度更高,达87.06%,Kappa系数为0.8477,SVM算法总体精度为74.48%,Kappa系数为0.6988。分类结果能较好的反映黑河中游灌区主要农作物的空间分布状况。与此同时,在了解灌区主要农作物分布信息的基础上,对分类结果进行了混合像元分解,对改进和优化陆面过程模型及其它应用具有重要意义。


关键词

  • Climatic factor
  • crop planting classification
  • Heihe River Basin
  • NDVI
  • Periodicity analysis
  • 黑河流域
  • 气候因子
  • 种植结构分类
  • 周期分析

引用方式

韩辉邦. 黑河流域NDVI周期性及种植结构分类研究[D]. 安徽农业大学, 2012.

RIS下载 相关数据(共条)