CN104537222B - 基于遥感的区域植被覆盖对地表气温影响的估算方法 - Google Patents

Abstract

基于遥感的区域植被覆盖对地表气温影响的估算方法，本发明涉及一种模拟区域植被覆盖对地表气温影响的方法，本发明的目的是为了解决现有关于植被对气候反馈研究未能结合植被覆盖随时间变化问题。一、获取覆盖研究区域的数据并进行预处理；二、提取研究时间段内未发生土地利用变化的某一植被类型分布；三、实现地表观测气温格点数据的距平处理；四、得到每一格点的OMR气温数值；五、将OMR气温数据栅格化；六、计算逐像元NDVI变化趋势值与逐像元OMR气温变化趋势值；七、提取所有像元的整个研究时间段的NDVI年平均值，NDVI变化趋势值与OMR气温变化趋势值；八、构建OMR气温预测模型。本发明应用于生态气候研究领域。

Description

基于遥感的区域植被覆盖对地表气温影响的估算方法

技术领域

本发明涉及一种模拟区域植被覆盖对地表气温影响的方法，特别是涉及一种通过遥感数据与地面观测气温数据估算植被覆盖状况及动态变化对地表气温影响的方法。

背景技术

人类活动能够对气候变化产生重要影响，其最主要的两个方面在于温室气体的排放和土地利用/覆被变化。但由于两者均趋向于增加地表气温，因此很难从观测数据中将土地利用/覆盖变化对局地气候的影响信息从全球变暖的大背景中剥离出来，因此更多的研究致力于数值模拟方面。近期，Kalnay和Cai(2003)提出一种“Observation MinusReanalysis”(即观测减去再分析,简称OMR)方法来估算土地利用/覆被变化对气候的影响。OMR方法的基本原理在于美国国家环境预测中心和大气研究中心(NCEP-NCAR)的再分析资料(NNR)能够表现出由于温室气体增加和大气环流等引起的大尺度气候变化。另一方面，由于NNR再分析资料没有在同化系统中使用地表观测数据,其地表气候场是由上层大气信息结合陆面过程模式产生，故NNR地表气温对土地利用/覆被变化等下垫面状况不敏感。因此，将地表观测气温减去NNR再分析气温就能将局地近地表气温变化信息从全球变暖中剥离出来。根据OMR方法的原理，地表观测气温与再分析气温之差(OMR气温)的变化，便可以表示由地表属性变化所引起的地表气温变化。

当前，国内外许多研究利用OMR方法探究区域土地利用或植被覆盖变化对气候的影响，但所有关于植被对气候反馈研究集中在植被类型/平均覆盖状况(均利用多年平均NDVI值表示)对气候影响上，没有考虑到植被生长是一个动态的过程，植被覆盖随时间变化同样会对气候产生影响的问题。

发明内容

本发明的目的是为了解决现有关于植被对气候反馈研究未能结合植被覆盖随时间变化问题，提出一种基于遥感的区域植被覆盖对地表气温影响的估算方法。

一种基于遥感的区域植被覆盖对地表气温影响的估算方法，按以下步骤实现：

步骤一、获取覆盖研究区域的归一化植被指数NDVI数据集、NNR再分析气温数据集、地表观测气温格点数据集与研究时间段起止年份的土地利用/覆被数据，并进行数据预处理；

步骤二、根据研究时间段起止年份的两期土地利用/覆被数据，提取研究时间段内未发生土地利用变化的某一植被类型分布；

步骤三、分别移除NNR再分析气温数据集和地表观测气温格点数据集在整个研究时间段的年平均值，实现地表观测气温格点数据的距平处理；

步骤四、采用双线性插值法将距平处理后的NNR再分析气温数据插值到地表观测气温数据的格点上，用地表观测气温数值减去NNR再分析气温数值，得到每一格点的OMR气温数值；

步骤五、将每一格点的OMR气温数值组成的OMR气温格点数据集进行栅格化，并将栅格化得到的OMR气温时间序列数据集重采样为与NDVI数据相同分辨率的数据集以统一分辨率；

步骤六、利用均值法计算整个研究时间段的逐像元NDVI年平均值，利用基于像元的一元线性回归分析计算整个研究时间段统一分辨率后的逐像元NDVI变化趋势值与逐像元OMR气温变化趋势值；

步骤七、根据步骤二确定的研究时间段内未发生土地利用变化的某一植被类型分布，提取某一植被对应所有像元的整个研究时间段的NDVI年平均值，NDVI变化趋势值与OMR气温变化趋势值；

步骤八、根据步骤七提取出的OMR气温变化趋势值、NDVI年平均值与NDVI变化趋势值，通过多元逐步回归构建OMR气温预测模型。

发明效果：

本发明结合长时间序列植被NDVI数据、土地利用/覆被数据、地表观测气温与NNR再分析气温数据集，提出了一种结合OMR方法与遥感影像处理技术，利用逐像元的OMR气温变化趋势值、植被NDVI平均值与变化趋势值进行多元回归拟合，估算植被覆盖状况及其动态变化对地表气温影响的方法。

在传统的OMR方法的基础上，提出了一种结合植被生长随时间的变化，来估算植被覆盖对地表气温影响的方法。该方法改善了传统应用OMR方法探究植被对气候影响时，只利用了植被覆盖总体状况(用多年平均NDVI值表示)来代表下垫面植被属性，而未能与植被覆盖动态变化相关联的缺点。本发明对于利用长时间序列的遥感植被数据及NNR再分析数据，在区域空间尺度上，预测植被覆盖区地表气温变化提供了新的方法。

附图说明

图1为本发明的流程图；

图2为一个实施例中未变化草地植被空间分布图；

图3为一个实施例中NDVI多年平均值图；

图4为一个实施例中NDVI变化趋势图；

图5为一个实施例中OMR变化趋势图；

图6为一个实施例中地表观测气温与模拟气温比较图。

具体实施方式

具体实施方式一：本实施方式的一种基于遥感的区域植被覆盖对地表气温影响的估算方法按以下步骤实现：

步骤一、获取覆盖研究区域的归一化植被指数NDVI数据集、NNR再分析气温数据集、地表观测气温格点数据集与研究时间段起止年份的土地利用/覆被数据，并进行数据预处理；

步骤二、根据研究时间段起止年份的两期土地利用/覆被数据，提取研究时间段内未发生土地利用变化的某一植被类型分布；

步骤三、分别移除NNR再分析气温数据集和地表观测气温格点数据集在整个研究时间段的年平均值，实现地表观测气温格点数据的距平处理；

步骤四、采用双线性插值法将距平处理后的NNR再分析气温数据插值到地表观测气温数据的格点上，用地表观测气温数值减去NNR再分析气温数值，得到每一格点的OMR气温数值；

步骤五、将每一格点的OMR气温数值组成的OMR气温格点数据集进行栅格化，并将栅格化得到的OMR气温时间序列数据集重采样为与NDVI数据相同分辨率的数据集以统一分辨率；

步骤六、利用均值法计算整个研究时间段的逐像元NDVI年平均值，利用基于像元的一元线性回归分析计算整个研究时间段统一分辨率后的逐像元NDVI变化趋势值与逐像元OMR气温变化趋势值；

步骤七、根据步骤二确定的研究时间段内未发生土地利用变化的某一植被类型分布，提取某一植被对应所有像元的整个研究时间段的NDVI年平均值，NDVI变化趋势值与OMR气温变化趋势值；

步骤八、根据步骤七提取出的OMR气温变化趋势值、NDVI年平均值与NDVI变化趋势值，通过多元逐步回归构建OMR气温预测模型。

具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤一：数据预处理过程为：

步骤一1：对四种数据集进行投影转换，统一到同一坐标系和投影之下；

步骤一2：运用最大值合成法将旬NDVI数据合成为月NDVI值。

其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤六：逐像元NDVI变化趋势值与逐像元OMR气温变化趋势值计算公示如下：

公式(1)

公式(2)

其中，n为研究时间段的年数；i从1到n，为研究时间段内年份的序号；SLOPE_NDVI与SLOPE_OMR分别表示某月逐像元NDVI变化趋势值、逐像元OMR气温变化趋势值；NDVI_i与OMR_i分别表示第i年的某月NDVI平均值与OMR气温平均值。

其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述步骤七提取某一植被对应所有像元的整个研究时间段的NDVI年平均值，NDVI变化趋势值与OMR气温变化趋势值的步骤如下：

步骤七1：利用研究时间段内未发生土地利用变化的某一植被类型分布图截取NDVI与OMR影像数据；

步骤七2：将截取后的任一NDVI影像数据转换为点图层；

步骤七3：利用点图层提取NDVI、OMR影像数据中每一像元对应数值。

其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：所述步骤八多元逐步回归构建OMR气温预测模型公式如下：

OMR_trend＝β₁NDVI_mean+β₂NDVI_trend+β₃ 公式(3)

其中，所述OMR_trend表示OMR气温变化趋势值，NDVI_mean与NDVI_trend分别表示NDVI平均值和变化趋势值，β₁、β₂和β₃表示回归系数。

其它步骤及参数与具体实施方式一至四之一相同。

选择中国温带草原区为实施区域，以植被生长较为旺盛的8月为例，如图1～6所示，本发明技术方案具体实施将结合以下实施进行说明，图1说明了基于遥感的区域植被覆盖对地表气温影响估算方法的具体步骤：

(一)获取初始遥感影像数据与地表观测数据，并对其进行预处理。

分别下载覆盖温带草原区的1982-2005年8月GIMMS NDVI数据集(http://glcf.umd.edu/data/gimms/)、NNR再分析8月气温2.5°×2.5°格点数据集(www.esrl.noaa.gov/psd)、地表观测8月气温0.5°×0.5°格点数据集(http://cdc.cma.gov.cn/index.jsp)、以及1980s和2005年两期100m×100m分辨率的土地利用/覆被数据(http://www.geodata.cn)，分别对四种数据集进行投影转换，将其统一到同一坐标系和投影之下；再运用最大值合成法将旬NDVI数据合成为月NDVI值；

(二)、根据两期土地利用/覆被数据，提取研究时间段内未发生土地利用变化的某一植被类型分布；

为了尽可能的排除土地利用变化对地表气温的影响，将1980s和2005年两期土地利用数据叠加后，提取温带草原区未变化草地植被分布(如图2所示)；

(三)、分别移除NNR再分析和地表观测气温数据在整个研究时间段的年平均值，实现气温格点数据的距平处理(如图3所示)，分析气温距平值而非气温绝对值可以避免对气温插值进行海拔订正；

(四)、采用双线性插值法将处理后的NNR再分析气温数据插值到观测气温数据的格点上。用观测气温数值减去再分析气温数值，得到每一格点的OMR气温数值；

(五)、将每一格点的OMR气温数值组成的OMR气温格点数据集进行栅格化，并将栅格化得到的OMR气温时间序列数据集重采样为与NDVI数据相同分辨率的数据集；

(六)、利用ARCGIS栅格计算工具，计算整个研究时间段的逐像元NDVI年平均值；利用基于像元的一元线性回归分析，分别计算统一分辨率后的逐像元NDVI与OMR变化趋势值；图3、4、5分别为1982年-2005年8月温带草原区未发生土地利用变化的草地植被多年平均NDVI、NDVI变化趋势、OMR气温变化趋势图。

计算逐像元NDVI与OMR变化趋势值公式如下，其中n为研究时间段的年数；i从1到n，为研究时间段内年份的序号；SLOPE_NDVI与SLOPE_OMR分别表示某月逐像元NDVI与OMR气温变化趋势值；NDVI_i与OMR_i分别表示第i年的某月NDVI与OMR气温平均值。

公式(1)

公式(2)

(七)、根据步骤二确定的研究时间段内未发生土地利用变化的某一植被类型分布，提取研究区内该植被类型的所有像元逐一对应的NDVI平均值，NDVI趋势值与OMR气温趋势值；

(八)、根据提取出的OMR气温变化趋势值、NDVI平均值与变化趋势值，通过多元逐步回归构建OMR气温预测模型；

根据本实施例提取温带草原区1982-2005年未变化草地所有像元对应的8月OMR趋势值、NDVI平均值、NDVI变化值，多元逐步回归得到方程：

OMR_trend＝-0.503NDVI_mean-6.451NDVI_trend+0.293

P＜0.001；R²＝0.752

(九)、回归模型结果的验证。

为验证回归模型的预测效果，利用覆盖温带草原区的2006年8月NNR再分析气温数据，根据预测模型计算得到同一时期地表气温估算值。

地表气温估算按照如下方程计算：

EST₂₀₀₆＝NNR₂₀₀₆-0.503NDVI_mean-6.451NDVI_trend+0.293

选取温带草原区内站点3km缓冲区内土地利用类型以草地植被为主的67个地面气象站点观测数据进行验证(结果如图6所示)。具体方法：将利用模型估算出的地表气温栅格数据进行线性插值，得到67个气象站点对应的2006年8月气温估算值，并与各气象站点2006年8月地面观测气温值进行比较。结果表明，模型估算气温值和地表实测气温值具有较高的相关性(两者相关系数R＝0.997，样本数67)，平均绝对误差MAE为0.07℃，均方根误差RMSE为0.08℃。验证结果表明，该回归模型可以应用到估算该区域草地植被覆盖对地表气温所产生的影响。

Claims (5)

1.基于遥感的区域植被覆盖对地表气温影响的估算方法，其特征在于它按以下步骤实现：

步骤一、获取覆盖研究区域的归一化植被指数NDVI数据集、NNR再分析气温数据集、地表观测气温格点数据集与研究时间段起止年份的土地利用/覆被数据，并进行数据预处理；

步骤二、根据研究时间段起止年份的两期土地利用/覆被数据，提取研究时间段内未发生土地利用变化的某一植被类型分布；

步骤三、分别移除NNR再分析气温数据集和地表观测气温格点数据集在整个研究时间段的年平均值，实现地表观测气温格点数据的距平处理；

步骤四、采用双线性插值法将距平处理后的NNR再分析气温数据插值到地表观测气温数据的格点上，用地表观测气温数值减去NNR再分析气温数值，得到每一格点的OMR气温数值；

步骤五、将每一格点的OMR气温数值组成的OMR气温格点数据集进行栅格化，并将栅格化得到的OMR气温时间序列数据集重采样为与NDVI数据相同分辨率的数据集以统一分辨率；

步骤六、利用均值法计算整个研究时间段的逐像元NDVI年平均值，利用基于像元的一元线性回归分析计算整个研究时间段统一分辨率后的逐像元NDVI变化趋势值与逐像元OMR气温变化趋势值；

步骤七、根据步骤二确定的研究时间段内未发生土地利用变化的某一植被类型分布，提取某一植被对应所有像元的整个研究时间段的NDVI年平均值，NDVI变化趋势值与OMR气温变化趋势值；

步骤八、根据步骤七提取出的OMR气温变化趋势值、NDVI年平均值与NDVI变化趋势值，通过多元逐步回归构建OMR气温预测模型。

2.根据权利要求1所述的一种基于遥感的区域植被覆盖对地表气温影响的估算方法，其特征在于所述步骤一：数据预处理过程为：

步骤一1：对四种数据集进行投影转换，统一到同一坐标系和投影之下；

步骤一2：运用最大值合成法将旬NDVI数据合成为月NDVI值。

3.根据权利要求2所述的一种基于遥感的区域植被覆盖对地表气温影响的估算方法，其特征在于所述步骤六：逐像元NDVI变化趋势值与逐像元OMR气温变化趋势值计算公示如下：

${\mathrm{SLOPE}}_{\mathrm{NDVI}}=\frac{n*\underset{i=1}{\overset{n}{\mathrm{\Σ}}}i*{\mathrm{NDVI}}_i-\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}i\right)\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{NDVI}}_i\right)}{n*\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^2-{\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}i\right)}^2}$ 公式(1)

${\mathrm{SLOPE}}_{\mathrm{OMR}}=\frac{n*\underset{i=1}{\overset{n}{\mathrm{\Σ}}}i*{\mathrm{OMR}}_i-\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}i\right)\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{OMR}}_i\right)}{n*\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^2-{\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}i\right)}^2}$ 公式(2)

其中，n为研究时间段的年数；i从1到n，为研究时间段内年份的序号；SLOPE_NDVI与SLOPE_OMR分别表示某月逐像元NDVI变化趋势值、逐像元OMR气温变化趋势值；NDVI_i与OMR_i分别表示第i年的某月NDVI平均值与OMR气温平均值。

4.根据权利要求3所述的一种基于遥感的区域植被覆盖对地表气温的影响估算方法，其特征在于所述步骤七提取某一植被对应所有像元的整个研究时间段的NDVI年平均值，NDVI变化趋势值与OMR气温变化趋势值的步骤如下：

步骤七1：利用研究时间段内未发生土地利用变化的某一植被类型分布图截取NDVI与OMR影像数据；

步骤七2：将截取后的任一NDVI影像数据转换为点图层；

步骤七3：利用点图层提取NDVI、OMR影像数据中每一像元对应数值。

5.根据权利要求4所述的一种基于遥感的区域植被覆盖对地表气温的影响估算方法，其特征在于所述步骤八多元逐步回归构建OMR气温预测模型公式如下：

OMR_trend＝β₁NDVI_mean+β₂NDVI_trend+β₃ 公式(3)

其中，所述OMR_trend表示OMR气温变化趋势值，NDVI_mean与NDVI_trend分别表示NDVI平均值和变化趋势值，β₁、β₂和β₃表示回归系数。