出版社:科学出版社
年代:2018
定价:98.0
如何对遥感缺失和低质量数据进行数据重建及对重建数据进行时序分析逐渐成为遥感应用领域一个新的研究热点。选择MODIS陆表产品中时序变化特征有代表性的归一化植被指数(NormalizedDifferenceVegetationIndex,NDVI)和地表温度(LandSurfaceTemperature,LST)作为研究对象进行数据重建及时间序列分析。通过设计月无云概率(),月平均无云率(),月内>80%无云期占比,月内连续无云期众数四个指标对研究区的云覆盖时空特征进行分析,定量阐述数据重建的必要性;对NDVI的空间平稳性和分形特征进行研究,确定NDVI数据重建方法;根据NDVI行(列)剖面线的分形特征设计了NDVI数据的分形插值重建算法;在LST与高程、NDVI、经度和纬度因子相关性分析的基础上,设计了LST时序重建算法和云覆盖LST修正模型,该方法利用低日照时数天数对LST影响的突变特征,以期内低日照时数天数为判别条件对LST重建地温进行修正;基于加窗DTW距离的贴近度模糊分类算法,对研究区内不同高程和不同地类的LST重建数据进行时序特征分析,构建LST和NDVI时序数据的自向量回归模型,分析二者之间的时滞变化规律;利用AVHRR-NDVI、MODIS-NDVI和SPOT-NDVI三种遥感数据在秦岭地区植被变化研究中的差异性和适用性进行了分析,并使用Landsat影像计算的NDVI,独立的评估了三种数据集的性能,提出了相应的数据修正方法。研究成果对于陆表产品数据广泛应用在生态环境领域具有重要的作用。