CN101718865A - 基于遥感的植被响应延迟方法 - Google Patents

基于遥感的植被响应延迟方法 Download PDF

Info

Publication number
CN101718865A
CN101718865A CN200910113562A CN200910113562A CN101718865A CN 101718865 A CN101718865 A CN 101718865A CN 200910113562 A CN200910113562 A CN 200910113562A CN 200910113562 A CN200910113562 A CN 200910113562A CN 101718865 A CN101718865 A CN 101718865A
Authority
CN
China
Prior art keywords
vegetation
data
year
vegetation index
precipitation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN200910113562A
Other languages
English (en)
Other versions
CN101718865B (zh
Inventor
周可法
王桂刚
孙莉
张清
秦艳芳
李明明
程宛文
刘朝霞
许文强
孙雷刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinjiang Institute of Ecology and Geography of CAS
Original Assignee
Xinjiang Institute of Ecology and Geography of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xinjiang Institute of Ecology and Geography of CAS filed Critical Xinjiang Institute of Ecology and Geography of CAS
Priority to CN2009101135626A priority Critical patent/CN101718865B/zh
Publication of CN101718865A publication Critical patent/CN101718865A/zh
Application granted granted Critical
Publication of CN101718865B publication Critical patent/CN101718865B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于遥感的植被响应延迟方法，该方法利用多年植被指数旬、月或半月的时间序列数据以及对应的气候数据，以每年1-8月数据为对象，确定在该时间段内植被指数和某一气象要素的距平值，利用回归计算的方法，得到植被指数的变点(理论上该应为回归线与时间轴的交点)，以同样的方法确定某一气象要素的变点，两者的时间间隔即为该气候要素所对应的植被的延迟时间间隔。本发明利用了遥感数据宏观性及长期观测的优点，结合了地面气象站的数据，综合分析不同植被类型对于主导气象因素的响应时间。

Description

基于遥感的植被响应延迟方法
技术领域
本发明涉及一种基于遥感的植被对于气候变化的响应延迟方法
植物叶片组织对蓝光(470nm)和红光(650nm)有强烈吸收，而对绿光和红外光强烈反射。叶片中心的海绵组织和叶片背面组织对近红外辐射(NIR，700-1000nm)反射较强。从红光(Red)到红外光，裸地反射率较高但增幅很小。植被覆盖越高，红光反射越小，近红外光反射越大。红光吸收很快达到饱和，而近红外光反射随着植被增加而增加。所以，任何强化Red和NIR差别的数学变换都可以作为植被指数，来描述植被状况。归一化植被指数(NDVI)就被定义为：[(NIR/Red-1)/(NIR/Red+1)]。
植被的生长状况的好坏与该地区的气候的条件关系紧密。气象条件的变化往往要引起植被指数的增加或是减少，但植被对于降水、温度及其他气象指标的变化，存在延迟响应的机制，植被对于气候变化延迟响应时间的长短测量是需要解决得一个问题。本发明提出了一种基于遥感的月尺度植被响应延迟方法。
研究的目的是通过遥感的手段，利用多年NDVI时间序列，估算植被对于气候变化响应的延迟时间的长度。该方法简单、高效、易于应用，成本较低，可用于大范围长时间序列区域植被对于气候变化的响应时间研究。随着遥感技术的发展，存在多种的NDVI时间序列数据可供利用，这使得基于遥感估算植被响应的延迟时间成为可能。
发明内容
本发明的目的在于，提供一种基于遥感的植被响应延迟方法，该方法利用多年植被指数(NDVI)旬、月或半月的时间序列数据以及对应的气候数据，以每年1-8月数据为对象，确定在该时间段内植被指数(NDVI)和某一气象要素的距平值，利用回归计算的方法，得到植被指数(NDVI)的变点(理论上该应为回归线与时间轴的交点)，以同样的方法确定某一气象要素的变点，两者的时间间隔即为该气候要素所对应的植被的延迟时间间隔。本发明利用了遥感数据宏观性及长期观测的优点，结合了地面气象站的数据，综合分析不同植被类型对于主导气象因素的响应时间。
本发明所述的一种基于遥感的植被响应延迟方法，按下列步骤进行：
a、利用最大值合成或平均值合成方法，获得各气象站点的数据；
b、将遥感数据以8月份为间隔，将一年的植被指数数据分为两部分，计算前半年1-8月份的平均植被指数值，进一步获得距平值；
c、由于气象数据为点数据，需要对其进行空间插值处理，使每个栅格的大小与遥感数据栅格大小一致，以8月份为间断点将一年的数据分为两部分，根据相同的原则计算距平值；
d、在每年的上半年植被指数呈显著的增加趋势，利用线性回归的方式近似模拟其变化状况，根据回归方程获得，当植被指数的距平值为零时，为对应的月份；
e与植被指数相类似，降水也有相似的趋势，通过回归获得降水的变化趋势，根据回归方程获得，当植被指数的距平值为零时，为对应的月份；
f、两者之差即可得到植被指数对于降水增加的延迟响应时间；
g、利用多年的植被指数数据与气候数据，分别获得每一年对应的滞后时间，根据求其平均值，获得草地对于降水的延迟时间；
h、结合遥感分类数据，获得不同植被类型对于降水的不同响应时间的差异。
本发明所述的方法在应用过程中，需要注意的突出问题在于：在确定延迟响应时间之前，需要分析各植被类型主要的气候响应因子，然后据此确定不同植被类型的延迟时间。
本发明所述的方法利用了遥感数据宏观性及长期观测的优点，结合了地面气象站的数据，综合分析不同植被类型对于主导气象因素的响应时间，其特点为：
原理简单，且操作简便，利用一年内降水及NDVI数据，基于回归原理，得到植被NDVI和对应点降水量变化的点，通过比较两者的差别，确定植被对于气候变化的响应时间。
充分利用遥感宏观性的特点，得到每一象元对应的延迟时间，根据土地覆盖的分类图，进一步确定同一类植被的响应时间。
可获得大尺度植被对于气候变化的响应，以往的方法均是针对小范围内的植被，计算的结果在小范围内适用，该方法在较大的尺度上实现，应用于大尺度的植被滞后效应分析。
附图说明
图1为本发明植被响应延迟路线图
图2为本发明植被指数(NDVI)数据分析界面
具体实施方式
实施例
由于本发明是面向专业用户和研究部门的，考虑到在实际工作中，大都是研究部门的人员应用，现结合附图进一步描述。
以植被对于降水变化的响应时间为例
a、利用最大值合成或平均值合成方法，获得各气象站点的月降水量数据，结合ARCGIS的空间分析功能进行差值处理；
b、将遥感数据以8月份为间隔，将一年的植被指数数据分为两部分，计算前半年1-8月份的平均植被指数值，进一步获得距平值；
c、由于气象数据为点数据，需要对其进行空间插值处理，使每个栅格的大小与遥感数据栅格大小一致，以8月份为间断点将一年的数据分为两部分，根据相同的原则计算距平值；
d、在每年的上半年植被指数呈显著的增加趋势，利用线性回归的方式近似模拟其变化状况，根据回归方程获得，当植被指数的距平值为零时，为对应的月份；
e与植被指数相类似，降水也有相似的趋势，通过回归获得降水的变化趋势，根据回归方程获得，当植被指数的距平值为零时，为对应的月份；
f、两者之差即可得到植被指数对于降水增加的延迟响应时间；
g、利用多年的植被指数数据与气候数据，分别获得每一年对应的滞后时间，根据求其平均值，获得草地对于降水的延迟时间；
h、结合遥感分类数据，获得不同植被类型对于降水的不同响应时间的差异。
利用ARCGIS技术，设计一种植被延迟方法，计算延迟响应时间之前，厘定各植被类型主要的气候响应因子变化特征，输入各参数并计算，得出不同植被类型的延迟时间。

Claims (1)

1.一种基于遥感的植被响应延迟方法，其特征在于按下列步骤进行：
a、利用最大值合成或平均值合成方法，获得各气象站点的数据；
b、将遥感数据以8月份为间隔，将一年的植被指数数据分为两部分，确定前半年1-8月份的平均植被指数值，进一步获得距平值；
c、由于气象数据为点数据，需要对其进行空间插值处理，使每个栅格的大小与遥感数据栅格大小一致，以8月份为间断点将一年的数据分为两部分，根据相同的原则计算距平值；
d、在每年的上半年NDVI呈显著的增加趋势，利用线性回归的方式近似模拟其变化状况，根据回归方程获得，当植被指数的距平值为零时，为对应的月份；
e与植被指数相类似，降水也有相似的趋势，通过回归的方式获得降水的变化趋势，根据回归方程亦可获得，当植被指数的距平值为零时，为对应的月份；
f、两者之差即可得到植被指数对于降水增加的延迟响应时间；
g、利用多年的植被指数数据与气候数据，分别获得每一年对应的滞后时间，根据求其平均值，获得草地对于降水的延迟时间；
h、结合遥感分类数据，获得不同植被类型对于降水的不同响应时间的差异。
CN2009101135626A 2009-12-07 2009-12-07 基于遥感的植被响应延迟方法 Expired - Fee Related CN101718865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2009101135626A CN101718865B (zh) 2009-12-07 2009-12-07 基于遥感的植被响应延迟方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2009101135626A CN101718865B (zh) 2009-12-07 2009-12-07 基于遥感的植被响应延迟方法

Publications (2)

Publication Number Publication Date
CN101718865A true CN101718865A (zh) 2010-06-02
CN101718865B CN101718865B (zh) 2012-02-08

Family

ID=42433467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009101135626A Expired - Fee Related CN101718865B (zh) 2009-12-07 2009-12-07 基于遥感的植被响应延迟方法

Country Status (1)

Country Link
CN (1) CN101718865B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104143031A (zh) * 2013-05-07 2014-11-12 福州大学 一种基于小波多尺度分解的植被指数时序数据重构方法
CN106918816A (zh) * 2017-03-21 2017-07-04 中国科学院遥感与数字地球研究所 农作物长势监测系统及其数据处理方法和模块
CN110852585A (zh) * 2019-10-30 2020-02-28 北京师范大学 植被生长稳定性的计算方法及装置
CN111489063A (zh) * 2020-03-25 2020-08-04 北京师范大学 一种评估风力发电机对周边环境影响的方法及系统
CN117407838A (zh) * 2023-11-07 2024-01-16 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) 一种绿色植被适应气候变化恢复力确定方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107092793B (zh) * 2017-04-20 2020-02-04 国网湖南省电力有限公司 一种输电线路沿线降雨响应程度计算方法及其系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101482612B (zh) * 2009-01-21 2012-05-23 华东师范大学 基于地理信息系统技术的河网地区水系连通性测度方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104143031A (zh) * 2013-05-07 2014-11-12 福州大学 一种基于小波多尺度分解的植被指数时序数据重构方法
CN104143031B (zh) * 2013-05-07 2017-08-11 福州大学 一种基于小波多尺度分解的植被指数时序数据重构方法
CN106918816A (zh) * 2017-03-21 2017-07-04 中国科学院遥感与数字地球研究所 农作物长势监测系统及其数据处理方法和模块
CN106918816B (zh) * 2017-03-21 2019-08-02 中国科学院遥感与数字地球研究所 农作物长势监测系统及其数据处理方法和模块
CN110852585A (zh) * 2019-10-30 2020-02-28 北京师范大学 植被生长稳定性的计算方法及装置
CN110852585B (zh) * 2019-10-30 2022-05-10 北京师范大学 植被生长稳定性的计算方法及装置
CN111489063A (zh) * 2020-03-25 2020-08-04 北京师范大学 一种评估风力发电机对周边环境影响的方法及系统
CN111489063B (zh) * 2020-03-25 2022-03-22 北京师范大学 一种评估风力发电机对周边环境影响的方法及系统
CN117407838A (zh) * 2023-11-07 2024-01-16 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) 一种绿色植被适应气候变化恢复力确定方法及系统

Also Published As

Publication number Publication date
CN101718865B (zh) 2012-02-08

Similar Documents

Publication Publication Date Title
CN101718865B (zh) 基于遥感的植被响应延迟方法
Son et al. Prediction of rice crop yield using MODIS EVI− LAI data in the Mekong Delta, Vietnam
Zardo et al. Estimating the cooling capacity of green infrastructures to support urban planning
Wang et al. Modelling above-ground biomass based on vegetation indexes: a modified approach for biomass estimation in semi-arid grasslands
Rojas Operational maize yield model development and validation based on remote sensing and agro‐meteorological data in Kenya
Henebry et al. Remote sensing of land surface phenology: A prospectus
CN105760978B (zh) 一种基于温度植被干旱指数(tvdi)的农业旱灾等级监测方法
Atzberger et al. Evaluating the effectiveness of smoothing algorithms in the absence of ground reference measurements
Nouri et al. A review of ET measurement techniques for estimating the water requirements of urban landscape vegetation
Jaafar et al. Crop yield prediction from remotely sensed vegetation indices and primary productivity in arid and semi-arid lands
Wang et al. Remotely sensed drought index and its responses to meteorological drought in Southwest China
Brenner et al. Estimation of evapotranspiration of temperate grassland based on high-resolution thermal and visible range imagery from unmanned aerial systems
Chang et al. Relating vegetation dynamics to temperature and precipitation at monthly and annual timescales in Taiwan using MODIS vegetation indices
Choudhary et al. Agriculture phenology monitoring using NDVI time series based on remote sensing satellites: a case study of Guangdong, China
CN103513290A (zh) 基于遥感的区域陆地生态系统呼吸监测方法
CN103675234A (zh) 基于地表温度与植被指数特征空间的干旱指数快速监测方法
CN104143043B (zh) 一种多功能气候数据获取方法
Wang et al. Rice heading date retrieval based on multi-temporal MODIS data and polynomial fitting
CN103674998A (zh) 基于热成像技术的植物健康状态检测方法
Hall et al. Object-based analysis of grapevine canopy relationships with winegrape composition and yield in two contrasting vineyards using multitemporal high spatial resolution optical remote sensing
Liu et al. Understanding the role of phenology and summer physiology in controlling net ecosystem production: a multiscale comparison of satellite, PhenoCam and eddy covariance data
Gaznayee et al. Integrating remote sensing techniques and meteorological data to assess the ideal irrigation system performance scenarios for improving crop productivity
Donnelly et al. Comparing in situ spring phenology and satellite-derived start of season at rural and urban sites in Ireland
Park Cloud and cloud shadow effects on the MODIS vegetation index composites of the Korean Peninsula
Sun et al. Monitoring rice lodging grade via Sentinel-2A images based on change vector analysis

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120208

Termination date: 20151207

EXPY Termination of patent right or utility model