长-短NDVI时序检测植被局部突变特征方法研究

提出一种长-短NDVI时序检测植被局部变化特征方法,利用2000—2020年和田地区的MODIS数据,对研究区域同一格网内不同年度的NDVI时序作相似性检验以检测格网内植被是否发生突变,进而研究植被局部变化特征,检测植被局部发生生态突变的时间、位置及变化前后植被类型。结果表明:和田地区植被覆盖突变好转的年份为2006年、2013年、2016年和2018年,分布在平原绿洲、山区与平原交汇区域。除了开垦、耕作及其他逐利人为因素外,大部分植被覆盖突变发生在气候变化剧烈的南部山区,故和田地区局部植被退化是气候变化与人类活动共同作用的结果。

基于NDVI时间序列数据的土地覆盖变化检测指标设计

大中尺度土地覆盖格局及其变化检测是研究全球变化和能量平衡的重要内容.NDVI时间序列数据在土地覆盖变化动态遥感监测中占据着重要地位.针对NDVI时间序列数据,现有的土地覆盖变化检测方法和指标存在许多不足之处.本文在分析现有土地覆盖变化检测指标的基础上,设计了一个新的基于交叉相关光谱匹配(CCSM)和兰氏距离的变化检测指标.该指标充分考虑了NDVI时间序列曲线形状和数值两个变化特征.理论与实例检验结果表明本文设计的指标能够较好的抑制各种干扰噪音的影响,正确检测真实的土地覆盖变化,是一种较为理想的检测指标.

基于时序突变检测的植被空间变化特征识别方法——以海河北部山区为例

长时序植被变化趋势分析是分析植被生长与退化状况的主要手段之一,但难以精细揭示分析时段内植被变化动态的时空特征。将归一化植被指数(NDVI)时序突变检测与趋势分析结合起来,建立了精细识别植被空间变化特征的方法,并以海河北部山区为案例,开展了实证研究。案例分析结果表明:2000—2018年间,海河北部山区有78.1%的区域NDVI发生了突变,其中1.7%的面积发生退化。应用基于时序突变检测的植被变化识别方法进一步发现:植被变化在2011年出现突变拐点,突变前(2000—2011年)在西北草原区和东南林农区存在1.6%的显著退化,突变后(2011—2018年)在东部林农区存在1.2%的显著退化。分析表明,海河北部山区植被整体改善与气象因子的关系不大,局部恶化则是气象因子与人类活动共同作用的结果。与常规长时序植被变化趋势分析相比,基于时序突变检测的植被空间变化特征识别方法揭示了评估时段内植被空间变化的动态趋势,可为明确区域植被的变化以及差异化的植被恢复策略提供决策信息。

基于断点检测的延安市富县植被变化研究

【目的】多项生态工程实施以来,陕北黄土高原地区环境明显改善,探究该区域植被的时空变化,为生态环境建设与差异化决策提供依据。【方法】以陕西省延安市富县为研究对象,利用2000—2019年生长季的Landsat TM/ETM+/OLI影像,运用DBEST算法对归一化植被指数(NDVI)时间序列进行断点检测,并提出多阶段趋势分析方法分析富县植被变化时空特征。【结果】富县植被的断点检测结果表明:66.47%的区域断点NDVI变化幅度小于0.2,主要分布在富县西部和东北地区,植被相对稳定,未发生剧烈变化;33.53%的区域断点NDVI变化幅度大于0.2,其中断点数量多于4个的区域仅占5.88%,集中分布于道路、河流沿线,变化频繁,与人为活动有关。当前阶段趋势分析表明:断点NDVI变化幅度大于0.2的区域,改善的面积占总面积的24.57%,退化面积仅占2.12%;开始时间均在2014年之前,时间分布跨度大,空间异质性强,揭示了富县植被变化的多样性及复杂性;富县有林地、疏林地、灌木林地、未成林造林地4种主要林地均趋于改善,改善面积占林地面积的96.23%。【结论】2000—2019年,富县植被整体呈现改善趋势,生态建设工程取得良好的效果;植被变化的时空特征存在差异,后续决策需因地制宜。

基于高空间分辨率时间序列影像的对象级侵占林地图斑快速检测

【目的】为掌握森林资源动态变化情况,及时、快速、准确地发现侵占林地地块,并解决主流遥感变化检测方法对数据源和时相一致性要求高、人工干预多、过程繁琐等应用瓶颈,采用一种基于高空间分辨率时间序列影像的多尺度对象级分割和变化提取方法,对主流方法的分类和检测两个过程进行了融合和简化。【方法】以陕西省白水县为研究区,采用GF-1和ZY-3卫星数据源,将前后两期遥感影像波段拆分和重组形成时间序列影像,对时间序列影像进行多尺度面向对象的分割,通过分割结果的光谱变化值统计学抽样判断临界点并制定提取阈值,再利用NDVI变化值对结果进行优化。【结果】以人工目视解译结果作为参照,该方法的检测精度达86.2%。在成功检出的侵占林地图斑中,形状吻合较好或基本吻合的图斑占48.8%。【结论】该方法能够实现侵占林地图斑的快速检测,在检测效率、精度和适应性方面可满足大范围、多时相、混合数据源森林资源监测工作的实际应用需要。

时间序列植被覆盖度断点检测方法研究

断点检测技术能够提取时间序列数据中发生变化的信息,对时序变化特征的研究和分析具有重要意义。在植被变化研究中,它有助于发掘时序植被参数数据中潜在的连续变化信息(如火烧、砍伐和病虫害等),具有较广阔的应用前景。本文以2000-2015年空间分辨率为250 m的福建省长汀县MODIS NDVI遥感时序产品计算的植被覆盖度(Vegetation Fractional Coverage,VFC)为数据源,利用DBEST(Detecting Breakpoints and Estimating Segments in Trend)模型开展植被变化断点检测与分析,并讨论了模型参数对实验结果的影响。经研究发现,使用DBEST推荐的第一、第二水平变化阈值(即θ1、θ2分别为0.1和0.2)可较好地界定植被覆盖度的变化级别;变化持续时长φ可根据所用时序数据的类型和当地植被变化特点进行调整,表示断点变化级别的阈值β也可根据研究目标自定义;本文φ取3,β取0.2,实验得到断点位置和断点类型的精确度分别为92%和80%,表明DBEST模型能够很好地提取时间序列VFC数据中的重要变化信息,与当地实际情况比较吻合。