年我国北方植被生长季变化及其与气候因子的eileileilWang_h.pptVIP

5.3 精度评价 基于曲线拟合的大部分地区草原返青期的误差大约在10天左右，而少部分地区的返青期误差大于20天，拟合结果较好的少数部分地区的误差小于5天。基于曲线拟合的森林和灌丛展叶始期比实地观测展叶开始日期更早，大部分地区的误差大约为20天左右，而少数部分地区的误差达到了30天以上。 * * 1982～1999年我国北方植被生长季变化及其与气候因子的关系 指导老师：李晓兵 教授 研 究 生：王 宏 专 业：生态学 方 向：全球变化与陆地生态系统 资源学院硕士论文答辩 论文框架 论 文 绪 论 研究区、数据来源及处理方法 植被生长季监测 植被生长季变化与降水、温度的关系 不同植被类型生长季动态监测 不同区域的植被生长季动态监测 植被生长季空间变化监测 1 绪论 1.1 研究背景及意义 卫星遥感数据提供了植被的许多特征信息，如季节性信息、植被光合能力的信息等；该数据不仅可以进行长时间的积累，而且可以提供植被覆盖变化信息，因此，遥感数据可以用于森林，草地等自然植被监测。 揭示植物物候生长季节对气候变化响应的机理和限度，对于诊断和鉴定植被较长时间尺度的演变趋势具有生态预警意义。 1.1 国内外研究进展 1.1.1 根据植物的物候期确定生长季 1.1.2 农业气象标准确定植被生长季 1.1.3 基于遥感监测植被生长季 1.2 技术路线 提取不同植被类型的NDVI时间序列曲线 提取不同纬度带NDVI时间序列曲线 基于曲线拟合象元对应的生长季 气候因子对生长季变化的影响 生长季时空分异规律 植被类型图 NDVI影像 分类 植被类型影像 NDVI时间 序列影像 降水、气温时 间序列影像 野外实测 数据表 生长季开始、结束日期、长度数据表 纬度带影像 结果验证 相关、回归分析 阈值 滑动平均 最大变化斜率 EOF分析 2 研究区、数据来源及预处理方法 2.1 研究区 2.2 数据及预处理方法 2.2.1 数据 全国1982年～1999年的727个基本标准气象站的旬降水量和旬均温资料；遥感数据为NOAA/AVHRRR第1、2通道及NDVI数字影像，图象分辨率为8km×8km，时间分辨率为旬，时间跨度为1982年1月～1999年12月；植被物候期实测数据是从锡林浩特牧业气象站获得的植物返青期观测数据及从文献中查到的数据。 2.2.2 数据预处理 （1）气象数据的处理 插值 去除噪声点 提取研究区 （2）遥感影像分类 分类图像为1km的NOAA/AVHRR的1992年NDVI图像，图像覆盖整个欧亚大陆，投影类型为兰勃特方位等积投影（兰伯特方位相等的范围）。 分类结果图 （3）去除NDVI影像噪声点 对1982-1999年中每张影像的噪声点都用3×3窗口平均值代替噪声点象元值的方法去除噪声点，假定NDVI影像的第i行，第j列的象元是噪声点，有以下的公式： ? 式中，Yi,j是3×3窗口平均值替换后的象元值， Ym,n是NDVI影像的象元值。 （4）NDVI影像值域转换 获取的NDVI影像值域在3～253之间，利用下面的公式将NDVI影像的值域转换到-1～1之间： 式中，NDVIi是转换前的NDVI值，NDVIj是转换后的NDVI值。-0.2～0.1范围内的NDVI值主要表现积雪、内陆水体、沙漠以及裸露的土壤，0.1～0.7之间的NDVI值的增加表示绿色植被的增长 （5）MSAVI指数构建 为了研究植被覆盖较少的荒漠地区植被生长季的变化，必须利用较好的消除了土壤背景影响的植被指数进行监测，从而，选用MSAVI作用研究荒漠的植被指数，其计算方法如下： 式中，Ch1为可见光通道数据，Ch2为近红外通道数据。 （6） NDVI和MSAVI影像值平滑处理 为了降低云和大气对NDVI时间序列的影响，必须对NDVI时间序列进行平滑。所采用的方法为Savitzky-Golay滤波法 式中：X是未平滑的NDVI值，Ci是第i个NDVI值的权重系数，N是滤波卷积算子的NDVI值个数，其值大小等于平滑窗口的大小（2m+1），j是在未平滑数据表中的序数。m值等于平滑窗口宽度的一半。 Savitzky-Golay滤波平滑结果 3 不同植被类型的物候期动态监测 3.1 阈值法 基于NOAA/NDVI数据估计植被生长季的研究表明，用气候数据对生长季的开始的估计和NDVI值之间有很大的相关性。生长季的长度为一年中植被生长季开始阈值和生长季结束阈值之间的最长连续日期（onset，生长季开始日期；offset，生长季结束日期； LGP，生长季长度）。 Onset Offset LGP 时间(月、或日、或年) NDVI 3.