CN109359411B - 一种气候变化影响下沼泽湿地植被覆盖度估算方法 - Google Patents

一种气候变化影响下沼泽湿地植被覆盖度估算方法 Download PDF

Info

Publication number
CN109359411B
CN109359411B CN201811295450.2A CN201811295450A CN109359411B CN 109359411 B CN109359411 B CN 109359411B CN 201811295450 A CN201811295450 A CN 201811295450A CN 109359411 B CN109359411 B CN 109359411B
Authority
CN
China
Prior art keywords
vegetation coverage
ndvi
coverage
data set
data
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.)
Active
Application number
CN201811295450.2A
Other languages
English (en)
Other versions
CN109359411A (zh
Inventor
神祥金
姜明
吕宪国
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.)
Northeast Institute of Geography and Agroecology of CAS
Original Assignee
Northeast Institute of Geography and Agroecology 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 Northeast Institute of Geography and Agroecology of CAS filed Critical Northeast Institute of Geography and Agroecology of CAS
Priority to CN201811295450.2A priority Critical patent/CN109359411B/zh
Publication of CN109359411A publication Critical patent/CN109359411A/zh
Application granted granted Critical
Publication of CN109359411B publication Critical patent/CN109359411B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Processing (AREA)

Abstract

一种气候变化影响下沼泽湿地植被覆盖度估算方法，本发明涉及一种气候变化影响下沼泽湿地植被覆盖度估算方法。本发明的目的是为了解决现有方法缺少对大的区域尺度模拟及未来预测的问题。方法为：获取及预处理遥感影像数据和地表观测气象数据；提取时间段内未变化沼泽湿地分布作为研究区范围；对气象数据进行插值，并对结果进行重采样；利用像元二分模型计算逐像元植被覆盖度；提取研究区所有像元对应的植被覆盖度及气象要素数值；利用多元逐步回归构建气候变化影响下沼泽湿地植被覆盖度估算模型。本发明利用了遥感数据宏观性及长期监测的优点，结合地表观测数据模拟了气候变化影响下沼泽湿地植被覆盖度。本发明应用于沼泽湿地植被覆盖度估算领域。

Description

一种气候变化影响下沼泽湿地植被覆盖度估算方法
技术领域
本发明涉及一种气候变化影响下沼泽湿地植被覆盖度估算方法。
背景技术
湿地是世界上最重要的自然生态系统之一，湿地生态系统在保护生物多样性，控制环境质量，服务社会经济可持续发展等方面起到重要作用。沼泽湿地作为一种非常重要的湿地类型，不仅可以促进水资源储存和净化，调节区域气候，还能为野生动物的繁殖提供栖息地。植被作为沼泽湿地生态系统的核心组成部分，能够将大气圈、水圈和土壤圈紧密联系在一起。沼泽湿地植被在沼泽湿地生态系统中的能量交换、生物地球化学循环和水文循环中起着重要的作用。
植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区域总面积的百分比，是衡量地表植被状况一个重要的指标，并已成为监测植被动态的重要生物物理参数。当前，有关沼泽湿地植被覆盖度的获取主要有两种方法，一种是地表实测法，主要借助植被覆盖度测量仪来开展地面实地观测；第二种方法是传统的模型估算法，主要借助植被归一化指数等遥感影像数据，利用模型方法计算地表植被覆盖度。第一种地表实测法，由于受实地观测的时间和空间尺度的限制，仅能在相对较小的区域或样点开展，且很难进行长时间监测。第二种传统模型估算法，由于是利用的历史植被指数遥感影像数据，很难对未来区域植被覆盖度变化做出预测。
地表植被覆盖度主要受人类活动和气候变化的影响。在人类活动影响下，明确气候变化对沼泽湿地植被覆盖度的影响对预测未来区域沼泽湿地植被覆盖度具有重要的意义。当前有关探究气候变化对沼泽湿地植被覆盖度影响的研究较少，同时缺少在像元尺度上对未来气候变化影响下的区域植被覆盖度做出估算。
发明内容
本发明的目的是为了解决现有关于沼泽湿地植被覆盖度观测尺度较小，且无法对未来做出预测的问题，提出一种气候变化影响下沼泽湿地植被覆盖度估算方法。
本发明一种气候变化影响下沼泽湿地植被覆盖度估算方法包括以下步骤：
步骤一、获取覆盖研究区域的中等分辨率成像光谱仪NDVI数据集、地面气象观测数据集、以及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/覆被变化的沼泽湿地分布，并将其作为研究区范围；
步骤三、采用克里格插值法，将地面气象观测数据集进行插值，得到研究时间段内各气象要素数值空间分布数据集；
步骤四、分别将各气象要素数值空间分布数据集重采样为与NDVI数据集相同分辨率的长时间序列气象要素数据集；
步骤五、从步骤一NDVI数据集中提取研究区内所有像元逐旬NDVI数值，分别计算各像元累积频率5％和95％的NDVI数值，作为NDVI阈值；
步骤六、采用像元二分模型，根据步骤五确定的NDVI阈值，利用NDVI数据集计算逐像元植被覆盖度，得到长时间序列植被覆盖度数据集；
步骤七、根据步骤二的未发生土地利用/覆被变化的沼泽湿地分布，从步骤六得到的长时间序列植被覆盖度数据集和步骤四得到的长时间序列气象要素数据集中提取研究区范围内所有像元逐一对应的植被覆盖度值及各气象要素值；
步骤八、根据提取出的所有像元逐一对应的植被覆盖度值及各气象要素值，通过多元逐步回归，构建气候变化影响下逐像元植被覆盖度估算模型，利用该模型估算气候变化影响下沼泽湿地植被覆盖度。
本发明的有益效果是：
在传统的植被覆盖度模型估算方法的基础上，提出了一种构建像元尺度上的气候变化与沼泽湿地植被覆盖度定量关系模型，来估算气候变化影响下的沼泽湿地植被覆盖度的方法。该方法改善了传统模型估算法不能对未来气候变化影响下沼泽湿地植被覆盖做出预测的缺点。本发明既能够在高的空间分辨率上，对区域沼泽湿地植被覆盖度做出估算，又能够预测未来气候变化影响下的沼泽湿地植被覆盖度。本发明对于利用长时间序列的遥感植被数据及地面观测气象数据，在区域尺度上，预测未来沼泽湿地植被覆盖提供了新的方法。
附图说明
图1为本发明的流程图；
图2为实施例一中未变化沼泽湿地空间分布图；
图3为实施例一中沼泽湿地植被覆盖度估算值及实地观测点图；其中星形图标为实地观测点；
图4为实施例一中沼泽湿地植被覆盖度实测值与估算值比较图。
具体实施方式
本发明技术方案不局限于以下所列举的具体实施方式，还包括各具体实施方式之间的任意组合。
具体实施方式一：本实施方式一种气候变化影响下沼泽湿地植被覆盖度估算方法包括以下步骤：
步骤一、获取覆盖研究区域的中等分辨率成像光谱仪NDVI数据集、地面气象观测数据集、以及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/覆被变化的沼泽湿地分布，并将其作为研究区范围；
步骤三、采用克里格插值法，将地面气象观测数据集进行插值，得到研究时间段内各气象要素数值空间分布数据集；
步骤四、分别将各气象要素数值空间分布数据集重采样为与NDVI数据集相同分辨率的长时间序列气象要素数据集；
步骤五、从步骤一NDVI数据集中提取研究区内所有像元逐旬NDVI数值，分别计算各像元累积频率5％和95％的NDVI数值，作为NDVI阈值；
步骤六、采用像元二分模型，根据步骤五确定的NDVI阈值，利用NDVI数据集计算逐像元植被覆盖度，得到长时间序列植被覆盖度数据集；
步骤七、根据步骤二的未发生土地利用/覆被变化的沼泽湿地分布，从步骤六得到的长时间序列植被覆盖度数据集和步骤四得到的长时间序列气象要素数据集中提取研究区范围内所有像元逐一对应的植被覆盖度值及各气象要素值；
步骤八、根据提取出的所有像元逐一对应的植被覆盖度值及各气象要素值，通过多元逐步回归，构建气候变化影响下逐像元植被覆盖度估算模型，利用该模型估算气候变化影响下沼泽湿地植被覆盖度。
本实施方式的有益效果是：
在传统的植被覆盖度模型估算方法的基础上，提出了一种构建像元尺度上的气候变化与沼泽湿地植被覆盖度定量关系模型，来估算气候变化影响下的沼泽湿地植被覆盖度的方法。该方法改善了传统模型估算法不能对未来气候变化影响下沼泽湿地植被覆盖做出预测的缺点。本实施方式既能够在高的空间分辨率上，对区域沼泽湿地植被覆盖度做出估算，又能够预测未来气候变化影响下的沼泽湿地植被覆盖度。本实施方式对于利用长时间序列的遥感植被数据及地面观测气象数据，在区域尺度上，预测未来沼泽湿地植被覆盖提供。
具体实施方式二：本实施方式与具体实施方式一不同的是：步骤一中数据预处理过程为：对NDVI植被指数及土地利用/覆被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。其它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：步骤六中利用像元二分模型，计算逐像元植被覆盖度公式如下：
Figure BDA0001851070090000041
其中FVC为植被覆盖度计算数值，NDVI为研究时间段的生长季内NDVI平均值，NDVIsoil和NDVIveg分别为累积频率为5％和95％的NDVI数值。其它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：步骤七中的数据提取方法为：(1)、利用未变化沼泽湿地分布图截取植被覆盖度影像数据；(2)、将截取后的任一植被覆盖度栅格数据转换为点图层；(3)、利用点图层提取插值并重采样后的气象数据集中各气象要素数值。其它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：步骤八中多元逐步回归是将植被覆盖度值作为因变量，各气象要素值作为自变量。其它与具体实施方式一至四之一相同。
采用以下实施例验证本发明的有益效果：
实施例一：
本实施例一种气候变化影响下沼泽湿地植被覆盖度估算方法包括以下步骤：
步骤一、分别获取覆盖东北地区的2000-2016年逐旬MODIS NDVI数据集、地表逐月气象观测数据集、以及2000年和2016年两期100m×100m分辨率的土地利用/覆被数据。分别对NDVI及土地利用/覆被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。
步骤二、根据两期土地利用/覆被数据，提取研究时间段内未发生变化的沼泽湿地分布(图2)，并将其作为研究区范围；
为了尽可能的排除土地利用变化对沼泽湿地植被覆盖的影响，将2000年和2016年两期土地利用数据叠加后，提取研究时间段内东北地区未变化沼泽湿地分布(如图2所示)。
步骤三、采用克里格插值法，将长时间序列气象要素观测数据进行插值，得到研究时间段内气象要素数值空间分布数据集；
步骤四、分别将各气象要素数值空间分布数据集重采样为与NDVI数据相同分辨率的长时间序列气象要素数据集；
步骤五、提取研究区内所有像元逐旬NDVI数值，分别计算各像元累积频率5％和95％的NDVI数值，作为NDVI阈值；
步骤六、采用像元二分模型，根据步骤五确定的NDVI阈值，利用NDVI数据计算逐像元植被覆盖度，得到长时间序列植被覆盖度数据集；
步骤七、根据步骤二的未发生土地利用/覆被变化的沼泽湿地分布，从步骤六得到的长时间序列植被覆盖度数据集和步骤四得到的长时间序列气象要素数据集中提取研究区范围内所有像元逐一对应的植被覆盖度值及各气象要素值；
步骤八、根据提取出的所有像元逐一对应的植被覆盖度值及各气象要素值，通过多元逐步回归，构建气候变化影响下逐像元植被覆盖度估算模型。
本实施例试验流程如图1所示。
为验证估算模型的估算效果，利用东北地区的2017年NDVI数据和逐月气象数据，根据逐像元估算模型计算得到2017年东北地区沼泽湿地植被覆盖度估算值。
图3为实施例一中沼泽湿地植被覆盖度估算值及实地观测点图；从图3中可以看出大、小兴安岭地区沼泽湿地植被覆盖度较高，而松嫩平原及内蒙古东部地区沼泽湿地植被覆盖度较低，这一结果与东北沼泽湿地植被覆盖度实际观测结果相一致。
图4为实施例一中沼泽湿地植被覆盖度实测值与估算值比较图；从图4中可以看出沼泽湿地植被覆盖度估算值与实测值具有较高的相关性，两者线性拟合程度较高，拟合决定系数为0.968。
在东北典型沼泽湿地分布区，选取45个沼泽湿地分布区域，利用植被覆盖度观测仪进行实地植被覆盖度测量，并将度数值和地表实测植被覆盖度数值具有较高的相关性(两者相关系数为0.98，与2017年实际观测结果与模型估算结果进行比较。结果表明，模型估算植被覆盖本数45)，平均绝对误差为2.4％，均方根误差为1.6％。验证结果表明，该回归模型建立方法可以很好地应用到估算气候变化影响下沼泽湿地植被覆盖度上。

Claims (4)

1.一种气候变化影响下沼泽湿地植被覆盖度估算方法，其特征在于气候变化影响下沼泽湿地植被覆盖度估算方法包括以下步骤：
步骤一、获取覆盖研究区域的中等分辨率成像光谱仪NDVI数据集、地面气象观测数据集、以及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/覆被变化的沼泽湿地分布，并将其作为研究区范围；
步骤三、采用克里格插值法，将地面气象观测数据集进行插值，得到研究时间段内各气象要素数值空间分布数据集；
步骤四、分别将各气象要素数值空间分布数据集重采样为与NDVI数据集相同分辨率的长时间序列气象要素数据集；
步骤五、从步骤一NDVI数据集中提取研究区内所有像元逐旬NDVI数值，分别计算各像元累积频率5％和95％的NDVI数值，作为NDVI阈值；
步骤六、 采用像元二分模型，根据步骤五确定的NDVI阈值，利用NDVI数据集计算逐像元植被覆盖度，得到长时间序列植被覆盖度数据集；
步骤七、根据步骤二的未发生土地利用/覆被变化的沼泽湿地分布，从步骤六得到的长时间序列植被覆盖度数据集和步骤四得到的长时间序列气象要素数据集中提取研究区范围内所有像元逐一对应的植被覆盖度值及各气象要素值；
步骤八、根据提取出的所有像元逐一对应的植被覆盖度值及各气象要素值，通过多元逐步回归，构建气候变化影响下逐像元植被覆盖度估算模型，利用该模型及未来气候情景下气象数据预测未来气候变化影响下沼泽湿地植被覆盖度,其中多元逐步回归是将植被覆盖度值作为因变量，各气象要素值作为自变量。
2.根据权利要求1所述的一种气候变化影响下沼泽湿地植被覆盖度估算方法，其特征在于步骤一中数据预处理过程为：对NDVI植被指数及土地利用/覆被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。
3.根据权利要求1所述的一种气候变化影响下沼泽湿地植被覆盖度估算方法，其特征在于步骤六中利用像元二分模型，计算逐像元植被覆盖度公式如下：
Figure 809673DEST_PATH_IMAGE002
其中FVC为植被覆盖度计算数值，NDVI为研究时间段的生长季内NDVI平均值，NDVI soil和NDVI veg分别为累积频率为5％和95％的NDVI数值。
4.根据权利要求1所述的一种气候变化影响下沼泽湿地植被覆盖度估算方法，其特征在于步骤七中的数据提取方法为：（1）利用未变化沼泽湿地分布图截取植被覆盖度影像数据；（2）将截取后的任一植被覆盖度栅格数据转换为点图层；（3）利用点图层提取插值并重采样后的气象数据集中各气象要素数值。
CN201811295450.2A 2018-11-01 2018-11-01 一种气候变化影响下沼泽湿地植被覆盖度估算方法 Active CN109359411B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811295450.2A CN109359411B (zh) 2018-11-01 2018-11-01 一种气候变化影响下沼泽湿地植被覆盖度估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811295450.2A CN109359411B (zh) 2018-11-01 2018-11-01 一种气候变化影响下沼泽湿地植被覆盖度估算方法

Publications (2)

Publication Number Publication Date
CN109359411A CN109359411A (zh) 2019-02-19
CN109359411B true CN109359411B (zh) 2022-09-09

Family

ID=65343817

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811295450.2A Active CN109359411B (zh) 2018-11-01 2018-11-01 一种气候变化影响下沼泽湿地植被覆盖度估算方法

Country Status (1)

Country Link
CN (1) CN109359411B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110047084A (zh) * 2019-04-08 2019-07-23 河北省水利水电勘测设计研究院 基于土地利用矢量成果计算小流域植被覆盖率系统及方法
CN111814326A (zh) * 2020-07-02 2020-10-23 中国科学院东北地理与农业生态研究所 一种沼泽湿地芦苇地上生物量估算方法
CN113762383B (zh) * 2021-09-07 2024-04-05 甘肃中星鸿图科技有限公司 一种基于多源数据的植被指数融合方法
CN113806943B (zh) * 2021-09-22 2024-04-02 河海大学 一种基于关键水情变量与植被固碳速率关系的湿地植被固碳速率预测方法
CN113887841A (zh) * 2021-11-23 2022-01-04 中国科学院东北地理与农业生态研究所 一种区域沼泽湿地植被净初级生产力的预测方法
CN114092831B (zh) * 2021-12-02 2023-03-24 中国科学院东北地理与农业生态研究所 一种草本沼泽植被物候信息提取方法
CN114297578A (zh) * 2021-12-07 2022-04-08 辽宁工程技术大学 一种基于遥感的草地植被覆盖度估算及预测方法
CN116843495B (zh) * 2023-09-01 2023-11-10 生态环境部卫星环境应用中心 一种植被修复工程实施区识别方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120287273A1 (en) * 2011-05-09 2012-11-15 Abengoa Bioenergia Nuevas Tecnologias, S.A. System for identifying sustainable geographical areas by remote sensing techniques and method thereof
US9390331B2 (en) * 2014-04-15 2016-07-12 Open Range Consulting System and method for assessing riparian habitats
US9824276B2 (en) * 2014-04-15 2017-11-21 Open Range Consulting System and method for assessing rangeland
CN104376204A (zh) * 2014-11-06 2015-02-25 中国测绘科学研究院 一种采用改进的像元二分法反演植被覆盖度的方法
CN104537222B (zh) * 2014-12-18 2017-06-06 中国科学院东北地理与农业生态研究所 基于遥感的区域植被覆盖对地表气温影响的估算方法

Also Published As

Publication number Publication date
CN109359411A (zh) 2019-02-19

Similar Documents

Publication Publication Date Title
CN109359411B (zh) 一种气候变化影响下沼泽湿地植被覆盖度估算方法
CN107316095B (zh) 一种耦合多源数据的区域气象干旱等级预测方法
Weng Land use change analysis in the Zhujiang Delta of China using satellite remote sensing, GIS and stochastic modelling
Hassan et al. Spatial mapping of growing degree days: an application of MODIS-based surface temperatures and enhanced vegetation index
CN102651096B (zh) 同化叶面积指数时序曲线特征的冬小麦估产方法
CN104537222B (zh) 基于遥感的区域植被覆盖对地表气温影响的估算方法
CN105912836B (zh) 一种纯遥感数据驱动的流域水循环模拟方法
Zhang et al. Quantifying methane emissions from rice paddies in Northeast China by integrating remote sensing mapping with a biogeochemical model
Hazarika et al. Estimation of net primary productivity by integrating remote sensing data with an ecosystem model
CN107014753B (zh) 作物长势监测方法和系统
Wang et al. Summer maize growth under different precipitation years in the Huang-Huai-Hai Plain of China
CN111062526B (zh) 一种冬小麦单产预测方法及系统
CN109800921B (zh) 基于遥感物候同化和粒子群优化的区域冬小麦估产方法
CN112651108B (zh) 一种解耦气象要素和植被动态对水文要素影响的方法
CN106483147B (zh) 基于多源数据的长时间序列被动微波土壤水分精度改进研究方法
CN114297578A (zh) 一种基于遥感的草地植被覆盖度估算及预测方法
CN104143043B (zh) 一种多功能气候数据获取方法
CN102722766A (zh) 基于修订的区域气候模式数据的小麦产量预测方法
Trouet A tree-ring based late summer temperature reconstruction (AD 1675–1980) for the northeastern Mediterranean
El Kenawy et al. Climatological modeling of monthly air temperature and precipitation in Egypt through GIS techniques
CN115983511A (zh) 基于改进统计降尺度方法的降水预估方法和系统
Yin et al. Statistical downscaling of regional daily precipitation over southeast Australia based on self-organizing maps
Wei et al. A new satellite-based indicator to identify spatiotemporal foraging areas for herbivorous waterfowl
CN113887841A (zh) 一种区域沼泽湿地植被净初级生产力的预测方法
CN111737876A (zh) 一种具有时空分布特征的茶叶开采期及采摘时长预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant