吉林省主要产粮区NDVI时空变化特征

为了确定作物长势遥感监测的评价指标,利用2000—2012年吉林省EOS/MODIS数据,采用NDVI旬最大值法,结合吉林省主要农作物生长发育的特点,对主要产粮区作物生长季旱田和水田的NDVI时空变化规律进行研究,并分析其与气温和降水的关系。结果表明:2000—2012年吉林省作物生长季农作物的NDVI随作物生长发育进程有明显的变化,水田和旱田两种作物的NDVI时间变化均呈单峰型;吉林省不同区域的NDVI变化趋势一致,5月上旬至6月上旬,NDVI呈缓慢增加的趋势;6月中旬至7月上旬,NDVI迅速增加;7月中旬至8月上旬,NDVI增加缓慢;8月中旬开始,NDVI开始下降。6月中旬开始,吉林省中部地区旱田NDVI明显高于西部地区,NDVI增长速率中部地区大于西部地区,达到峰值的时间中部地区也早于西部地区。吉林省水田NDVI变化中西部地区差异较小,均在8月上旬达到峰值,植被指数时间变化与吉林省作物生长发育进程相吻合。吉林省中西部地区作物的NDVI与气温和降水均呈正相关,气温和降水对NDVI的影响有明显滞后效应,且气温的影响大于降水。

基于机器学习的新疆植被覆盖变化及其影响因子之间的关系

以新疆植被覆盖变化及其影响因子之间的关系作为研究对象,通过比较多元线性回归、随机森林回归、XGBoost、支持向量机回归,优选出精度最高的模型,依据最优模型计算出的属性重要程度,对15个影响因子进行重组并分析,探索了气温、降水量、辐射量、潜在蒸发、经度、纬度、高程、地貌类型、坡度、坡向、人类影响指数、径流、土壤类型、土壤湿度、植被类型15个影响因子对植被覆盖变化的影响。结果表明,XGBoost模型对归一化植被指数(NDVI)预测准确率最高,随机森林回归次之。在研究区内对NDVI影响程度最大的影响因子是土壤湿度、径流、植被类型、经度、潜在蒸发、气温、辐射量、地貌类型、降水量。在影响因素类型方面,气候条件因素对NDVI影响程度最大,土壤特征因素影响程度次之,地形地貌因素比前两者低。