CN110378576A - 城市化植被效应有效距离的定量化检测方法 - Google Patents
城市化植被效应有效距离的定量化检测方法 Download PDFInfo
- Publication number
- CN110378576A CN110378576A CN201910587655.6A CN201910587655A CN110378576A CN 110378576 A CN110378576 A CN 110378576A CN 201910587655 A CN201910587655 A CN 201910587655A CN 110378576 A CN110378576 A CN 110378576A
- Authority
- CN
- China
- Prior art keywords
- vegetation index
- city
- vegetation
- cities
- areas
- 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.)
- Pending
Links
- 238000011002 quantification Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 230000000694 effects Effects 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000012417 linear regression Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- DFPOZTRSOAQFIK-UHFFFAOYSA-N S,S-dimethyl-beta-propiothetin Chemical compound C[S+](C)CCC([O-])=O DFPOZTRSOAQFIK-UHFFFAOYSA-N 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000003139 buffering effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 2
- 230000001373 regressive effect Effects 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000013316 zoning Methods 0.000 abstract 1
- 230000008859 change Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 238000011160 research Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 2
- 238000005054 agglomeration Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004173 biogeochemical cycle Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 244000038651 primary producers Species 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical group [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Image Processing (AREA)
Abstract
本发明公开了城市化植被效应有效距离的定量化检测方法,包括:建立城市/城市群的多年时空连续遥感植被指数的数据集;基于遥感数据提取城市/城市群的建成区最新范围;基于遥感植被指数的空间分辨率设定建成区的缓冲区间距;计算城市/城市群建成区和缓冲区的多年平均植被指数;计算区域平均植被指数变化趋势;逐像元计算城市/城市群建成区和缓冲区的植被指数变化趋势;计算城市/城市群建成区和缓冲区的植被指数显著变化面积比例;建立三个指标动态变化曲线,判断影响有效距离。上述方法能够实现城市建设对植被影响有效距离的定量化检测,简单易用、鲁棒性好、精度高,为城市生态环境保护、城市园林绿化、生态修复、生态监管等提供直接技术支撑。
Description
技术领域
本发明涉及一种遥感数据数据分析技术领域,特别是关于一种城市化植被效应有效距离的定量化检测方法。
背景技术
城市化已经对生态***服务与功能、生物多样性等产生了深远的影响,被认为是生态***变化的主要驱动力之一。城市化对生态***的影响存在“空间溢出效应”,即城市化进程不仅会影响城市建成区内部生态环境,也会在一定程度上影响建成区周边生态环境。因此,定量化城市建设对生态***的有效影响距离,对于城市发展规划、生态环境保护以及划定城镇发展边界、生态保护红线等工作具有十分重要的现实价值和实践意义。
植被是陆地生态***最重要的组成部分,对于生态***服务和功能的形成与发挥具有重要的支撑作用。作为食物链底端的初级生产者,植被能够通过光合作用转变太阳能为化学能,为包括人类在内的有机体提供能量;通过呼吸作用、蒸腾作用和改变表面反照率,从根本上调节地表的能量平衡、水循环和生物地球化学循环,并为其他生物提供食物和栖息地。近年来,全球环境变化正在讯速地改变着陆地植被状况,以至于对地球***的功能和生态***服务的提供产生影响。作为生态功能的综合测量,植被生产力的时空变化对于陆地碳汇估算、自然资源管理、生态学研究非常重要,监测植被生长变化、理解其成因已经成为过去几十年全球变化的关键问题之一。NDVI(Normalized Difference VegetationIndex,归一化差值植被指数)被认为是植被生产力的有效代理指标和植被生长状况的最佳表征指标,是生态退化的关键度量指标之一,从区域到全球尺度均得到了非常广泛的关注和应用。EVI(Enhanced Vegetation Index,增强型植被指数)是在NDVI的基础上改善提出的,不仅考虑了土壤背景影响,还根据大气校正所包含的影响因子,比如大气分子、气溶胶、薄云、水汽和臭氧等因素进行全面的大气校正,处理了土壤、大气及饱和度等问题,对植被具有更高的灵敏性和优越性。因此,采用NDVI、EVI等植被指数来代表生态***状况是较为通行、公认的方法。
当前,城市化对植被影响的研究多集中在拟合城市化进程与植被覆盖度、植被生产力、植被物候、森林损失、植被恢复、生态***服务及其价值等之间的关系,继而判断城市化的植被、生态效应。部分研究认为城市建设对植被、生态的影响不仅仅局限在建成区,对其周边也有一定的影响,从城市建成区***5-10km和100km均有应用,但影响距离多为定性判断。
由此可见,目前有关城市化对生态***影响有效距离的检测方法十分缺乏,不同专家得出的结果不一致,准确性和精确性不可避免地存在不确定性,在应用过程中也会存在一定的问题。
本发明基于长时间序列植被遥感数据,通过建立多个指标、多尺度、多区域对比分析的方法,揭示城市化进程对植被影响随距离的衰减过程,达到定量化城市化对植被影响有效距离的目的。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种城市化植被效应有效距离的定量化检测方法,其能够实现城市建设对植被影响有效距离的定量化检测,简单易用、鲁棒性好、精度高。
为实现上述目的,本发明提供了一种城市化植被效应有效距离的定量化检测方法,该定量化检测方法基于长时间序列植被遥感数据,包括以下步骤:
S01:依据遥感产品或遥感影像建立城市和/或城市群的多年时空连续遥感植被指数的数据集;
S02:基于遥感数据提取城市和/或城市群的建成区最新范围;
S03:基于遥感植被指数的空间分辨率设定所述建成区的缓冲区间距,构建所述建成区的缓冲区,其中,缓冲区间距大于遥感植被指数的空间分辨率;
S04:从区域尺度计算城市和/或城市群建成区的多年平均植被指数和缓冲区的多年平均植被指数;
S05:从区域尺度计算城市和/或城市群建成区区域平均的植被指数的变化趋势和缓冲区区域平均的植被指数的变化趋势;
S06:从像元尺度通过逐像元计算城市和/或城市群建成区的植被指数变化趋势和缓冲区的植被指数变化趋势;
S07:从像元尺度计算城市和/或城市群建成区的植被指数显著变化面积比例和缓冲区的植被指数显著变化面积比例,所述植被指数显著变化面积比例的计算方法是:计算同一区内植被指数发生显著变化的像元个数占所有像元个数的比例;
S08:建立所述多年平均植被指数、植被指数变化趋势、植被指数显著变化面积比例三个指标在城市和/或城市群建成区和缓冲区沿时段的动态变化曲线,通过曲线拟合求导或目视判断影响有效距离。
在一优选的实施方式中,S01中,所述遥感植被指数是NDVI、EVI中的一种或两种。
在一优选的实施方式中,S02中,所述遥感数据是夜间灯光数据、遥感解译土地利用数据中的一种或两种。
在一优选的实施方式中,S05中所述区域平均的平均植被指数变化趋势和S06中所述植被指数变化趋势采用一元线性回归趋势、F检验、Sen+Mann-Kendall非参数检验中的一种或多种绘制。
在一优选的实施方式中,采用子集提取、图像镶嵌、裁剪数据、格式转换、投影转换、质量检验的方式处理遥感植被指数NDVI、EVI。
在一优选的实施方式中,上述夜间灯光数据选自DMSP NTL数据、NPP-VIIRS夜间灯光遥感数据中的一种或两种。
在一优选的实施方式中,上述DMSP NTL数据是订正后的DMSP NTL数据,所述订正的方法包括:相互校准、年内合成和年际序列校准。
在一优选的实施方式中,上述一元线性回归趋势是NDVI一元线性回归趋势。
在一优选的实施方式中,上述(1)当需要绘制的是S05中所述区域平均的植被指数变化趋势时,所述NDVI一元线性回归趋势的计算公式为:
式中,Slope表示研究时段区域平均NDVI的变化趋势即年际变化拟合曲线斜率值;
n为年数;
i为年份序号;
xi为第i年区域平均的生长季NDVI值。
(2)当需要绘制的是S06中所述植被指数变化趋势时,所述NDVI一元线性回归趋势的计算公式为:
式中,Slope表示研究时段逐像元NDVI的变化趋势;
n为年数;
i为年份序号;
xi,jk是第i年NVDI图像上第j行第k列像元的年最大NDVI值。
需要注意的是:城市和/或城市群建成区的缓冲区的构建过程中,需要综合考虑所选遥感数据的空间分辨率以及影响有效距离的精度要求,缓冲区的间距应大于遥感数据空间分辨率,以保证不同缓冲区包括不同的植被指数像元。
与现有技术相比,根据本发明具有如下有益效果:
(1)本发明提供的一种城市化进程对植被影响有效距离的定量化检测方法,适用于在单一城市或区域城市化识别城市建设对植被影响的有效距离,能够实现城市建设对植被影响有效距离的定量化检测,具有简单易用、鲁棒性好、精度高的特点。
(2)本发明通过采用长时间序列数据和多年平均植被指数、植被指数变化趋势和植被指数显著变化面积比例三个指标,能够简便、直观地检测城市和/或城市群在城市化进程中城市扩张等活动对植被影响的有效距离,以下述实施例中36个城市和城市群最为测定对象,得到如下结论:36个城市和城市群建成区与缓冲区植被指数的变化斜率差异明显;36个城市和城市群建成区与各个缓冲区之间植被变化趋势在空间上存在着明显差异,植被指数显著变化的像元占全部像元的比例在建成区和各个缓冲区之间变化十分明显,且规律性较强;随着缓冲区距离的不断扩大,建成区植被指数呈先增加后趋于平稳的变化趋势,在30-40km缓冲区之后变化幅度显著降低;植被指数变化率则从建成区的负值变为0-10km缓冲区的正值,并逐渐扩大,至30-40km缓冲区之后基本保持不变;植被指数显著变化像元所占比例的变化表明,显著增加的像比例沿缓冲区距离加大而明显增加,显著减少的像元比例则随缓冲区距离变远而明显减小,且均在30-40km缓冲区之后变化降低或趋于稳定。因此,该检测方法能够为城市生态环境保护、城市园林绿化、生态修复、生态监测与评估、生态监管等工作确定边界范围、工程实施点位等提供直接技术支撑,可产生重要的社会经济效益。
定义或释义
NDVI:Normalized Difference Vegetation Index,归一化植被指数,标准差异植被指数,计算公式为:其中,ρNIR和ρRED分别代表近红外波段和红光波段的反射率,NDVI的值介于-1和1之间。
EVI:Enhanced Vegetation Index,增强型植被指数,计算公式为:其中,ρNIR、ρRED和ρBLUE分别代近红外波段、红光波段和蓝光波段的反射率。
遥感植被指数的空间分辨率:指遥感影像上能够识别的两个相邻地物的最小距离,即遥感影像上能够详细区分的最小单元的尺寸或大小。
区域平均的植被指数的变化趋势:城市建成区内所有像元植被指数的平均作为区域平均值被指数,其在计算时段内的增加或减少的趋势。
逐像元:遍历区域内的所有像元。
鲁棒性:robustness,表征控制***对特性或参数扰动的不敏感性。
附图说明
图1是根据本发明实施方式的城市化植被效应有效距离的定量化检测方法的流程图。
图2是根据本发明实施方式的1982年、1992年、2002年和2013年中国生长季植被指数NDVI空间格局。
图3是根据本发明实施方式的1992年和2013年中国夜间遥感灯光数据。
图4是根据本发明实施方式的中国36个主要城市和城市群建成区及10个缓冲区。
图5是根据本发明实施方式的中国主要城市和城市群1982-2013年植被指数变化趋势。
图6是根据本发明实施方式的中国主要城市和城市群建成区和缓冲区的多年平均植被指数。
图7是根据本发明实施方式的中国主要城市和城市群建成区和缓冲区的植被指数变化趋势。
图8是根据本发明实施方式的中国主要城市和城市群建成区和缓冲区植被指数显著变化像元比例。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
研究区域:
选择2015年GDP超过5000亿元的34个城市和另外12个省会城市,共46个城市为主要研究城市,其中,长三角、珠三角城市群共包含了12个城市,因此,总共分析了36个城市和城市群。
注:上述36个城市和城市群包括:哈尔滨市、乌鲁木齐市、长春市、沈阳市、呼和浩特市、北京市、天津市、唐山市、大连市、银川市、石家庄市、太原市、烟台市、潍坊市、济南市、西宁市、青岛市、兰州市、郑州市、西安市、徐州市、合肥市、重庆市、武汉市、成都市、拉萨市、南昌市、长沙市、贵阳市、昆明市、福州市、泉州市、南宁市、海口市以及珠三角城市群和长三角城市群。
选取数据:
针对全球、各大洲、全国等大范围城市群或特大型城市,可选AVHRR(The AdvancedVery High Resolution Radiometer,甚高分辨率辐射计)、GIMMM(Global InventoryModeling and Mapping Studies,全球检测与模型研究组)、MODIS(Moderate ResolutionImaging Spectroradiometer,中分辨率成像光谱仪)、SPOT(Systeme Probatoired’Observation dela Terre,地球观测卫星***)等具有连续时间序列的卫星遥感数据,提取植被指数数据;针对单个特大城市,可选MODIS、Landsat(land satellite,美国NASA的陆地卫星)等影像数据,提取植被指数数据。
实施例
结合附图1,对城市化植被效应有效距离的定量化检测方法进行详细阐述,具体步骤如下:
S01:建立城市和城市群的多年时空连续遥感植被指数的数据集
具体:选择NASA戈达德航天中心全球监测与模拟研究组制作的15d最大化合成的8km的AVHRR GIMMMS NDVI3g(3g:指第三代AVHRR GIMMS数据集)数据集作为植被指数数据,时间跨度是1982-2013年,其中NDVI3g数据经过子集提取、图像镶嵌、裁剪数据、格式转换、投影转换及质量检验等预处理过程;通过最大值合成MVC方法获得植被指数的月值数据集,生长季4-10月各月平均的NDVI合成值表征全年植被生长,以反映区域的植被覆盖状况;
所得1982年、1992年、2002年和2013年中国生长季植被指数NDVI空间格局参见附图2。根据附图2可知,1982年、1992年、2002年和2013年生长季NDVI之间的对比表明,植被指数变化明显,例如,位于鄂尔多斯市南部、榆林市北部的毛乌素沙地植被覆盖恢复趋势显著。同时,也说明了NDVI数据能够准确地反映我国宏观尺度陆地表面植被的生长状态及其空间格局,是植被生产力和植被覆盖的有效代理指标之一。
S02:基于遥感数据提取近年城市和城市群的建成区最新范围
具体:选择采用订正后的DMSP(Defense Meteorological Satellite Program,美国国防气象卫星计划)NTL(night time light,夜间稳定灯光数据)遥感夜间灯光数据,获取2013年上述城市数据和建成区空间范围;其中,根据Elvidge等和Liu等的方法完成DMSPNTL数据的订正工作,具体包括相互校准、年内合成和年际序列校准;
所得1992年和2013年中国夜间遥感灯光数据参见附图3。根据附图3可知,在我国东部城市化地区和西部主要城市夜间灯光亮度值较大,与周边地区形成了鲜明的对比,能够提取所选城市的建成区空间范围。多期对比也表明,夜间遥感灯光数据能够反映城镇建成区的空间扩张过程,尤其是中东部的特大城市、城市群。
S03:构建城市和城市群建成区的缓冲区
具体:采用的NDVI数据空间分辨率约为8km,采用10km作为缓冲区间距,共10个缓冲区,即最***到城市建成区外边界以外100km,并剔除缓冲区中的水体、其他城市的建成区等干扰区域;
所得36个城市和城市群的缓冲区参见附图4。根据附图4可知,36个城市和城市群及其缓冲区分布在我国东西南北各处,其中,中东部城市化进程较快,水平较高的区域城市分布也较多,缓冲区面积也较大,具有较强的代表性。
S04:从区域尺度计算城市和城市群的建成区和缓冲区的多年平均植被指数
首先,利用各城市和城市群建成区和缓冲区矢量边界获取1982-2013年分年度的区域平均的生长季植被指数;然后,分别计算建成区、缓冲区NDVI的多年平均值;
所得城市和城市群的建成区1982-2013年各年度的区域平均的生长季植被指数参见表1-1至表1-3,各缓冲区也均有类似的数据表。
城市和城市群的建成区和缓冲区的多年平均植被指数参见表2。由表2可知,同一城市和城市群建成区不同年度的区域平均植被指数差异明显,建成区以及10个缓冲区相互之间多年平均植被指数差异明显。
表1-1 1982-1992年各城市和城市群建成区区域平均的生长季植被指数
表1-2 1993-202年各城市和城市群建成区区域平均的生长季植被指数
表1-3 2003-2013年各城市和城市群建成区区域平均的生长季植被指数
表2各城市和城市群建成区多年平均生长季植被指数
S05:从区域尺度计算城市和城市群的建成区和缓冲区的平均植被指数变化趋势
采用一元线性回归趋势及F检验方法计算植被指数变化趋势,其中线性回归斜率为NDVI变化量,与年份的相关性用于检验该种变化趋势的显著性;按照统计学原理和公认惯例,根据显著性检验结果,将变化趋势分为2个等级:显著(P<0.05)和不显著(P≥0.05);
利用随时间变化的NDVI数值进行线性拟合分析时,斜率可以反映出该时间段内的植被变化趋势。其中,NDVI一元线性回归趋势的计算公式为:
式中,Slope表示1982-2013年间区域平均NDVI的变化趋势(即年际变化拟合曲线斜率值);
n为研究时段年数,为32,表示1982-2013年时间序列长度;
i为1-32,表示1982-2013年份序号;
xi为第i年区域平均的生长季NDVI值。
城市和城市群的建成区和缓冲区的区域平均植被指数变化趋势结果见表3。由表3可见,城市和城市群建成区与缓冲区区域平均植被指数的变化斜率差异明显。
表3 1982-2013年城市和城市群建成区区域平均植被指数的变化趋势(10-4/年)
S06:逐像元计算城市和城市群的建成区和缓冲区的植被指数变化趋势
在像元尺度,即逐像元采用一元线性回归趋势及F检验方法计算NDVI变化趋势;
城市和城市群的建成区和缓冲区逐像元的植被指数变化采用一元线性回归趋势,计算公式如下:
式中,Slope表示1982-2013年间逐像元NDVI的变化趋势;
n为研究时段年数,为32,表示1982-2013年时间序列长度;
i为1-32,表示1982-2013年份序号;
xi,jk是第i年NVDI图像上第j行第k列像元的年最大NDVI值。
1982-2013年城市和城市群建成区和缓冲区逐像元植被指数变化趋势计算的结果参见附图5。根据附图5可知,城市和城市群建成区与各个缓冲区之间植被变化趋势在空间上存在着明显差异。
S07:计算城市和城市群的建成区和缓冲区的植被指数显著变化面积比例
在像元尺度上,分别在建成区、各个缓冲区统计NDVI显著增加、显著减少、增加(包括显著增加和不显著增加两部分)的像元比例;
全国尺度、长三角城市群和珠三角城市群建成区和各个缓冲区植被指数显著变化像元所占面积比例,参见表4。由表4可知,无论是全国尺度,还是长三角、珠三角等重点城市群,植被指数显著变化的像元占全部像元的比例在建成区和各个缓冲区之间变化十分明显,且规律性较强。
表4全国尺度、长三角城市群和珠三角城市群植被指数呈不同变化趋势的像元所占比例(%)
S08:建立变化曲线,通过曲线拟合求导或目视判断影响有效距离
建立多年平均植被指数、植被指数变化趋势、显著变化面积比例三个指标在城市建成区、多个缓冲区的变化曲线,通过目视即可判断上述城市(群)城市化进程对植被影响的有效距离为30-40km。
全国尺度和各个城市和城市群多年平均植被指数与1982-2013年植被指数变化率沿10个缓冲区的变化见表5。全国尺度多年平均植被指数、1982-2013年植被指数变化率、植被指数显著变化像元所占面积比例沿建成区、缓冲区距离的变化分别见附图6、附图7和附图8。
由表5、附图6、附图7和附图8可知,随着缓冲区距离的不断扩大,建成区多年平均植被指数呈先增加后趋于平稳的变化趋势,在30-40km缓冲区之后变化幅度显著降低;1982-2013年植被指数变化率则从建成区的负值变为0-10km缓冲区的正值,并逐渐扩大,至30-40km缓冲区之后基本保持不变;植被指数显著变化像元所占比例的变化表明,显著增加的像比例沿缓冲区距离加大而明显增加,显著减少的像元比例则随缓冲区距离变远而明显减小,且均在30-40km缓冲区之后变化幅度降低或趋于稳定。植被指数呈增加趋势(包括显著增加和不显著增加两部分)的像元所占比例也呈随远离建成区而增大的趋势,且也在30-40km缓冲区之后趋于稳定,也验证了上述结果。
表5多年平均NDVI与1982-2013年NDVI变化率沿建成区和10个缓冲区的变化
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (9)
1.一种城市化植被效应有效距离的定量化检测方法,其特征在于,所述定量化监测方法基于长时间序列植被遥感数据,包括以下步骤:
S01:依据遥感产品或遥感影像建立城市和/或城市群的多年时空连续遥感植被指数的数据集;
S02:基于遥感数据提取城市和/或城市群的建成区最新范围;
S03:基于遥感植被指数的空间分辨率设定所述建成区的缓冲区间距,构建所述建成区的缓冲区,其中,缓冲区间距大于遥感植被指数的空间分辨率;
S04:从区域尺度计算城市和/或城市群建成区的多年平均植被指数和缓冲区的多年平均植被指数;
S05:从区域尺度计算城市和/或城市群建成区区域平均的植被指数的变化趋势和缓冲区区域平均的植被指数的变化趋势;
S06:从像元尺度通过逐像元计算城市和/或城市群建成区的植被指数变化趋势和缓冲区的植被指数变化趋势;
S07:从像元尺度计算城市和/或城市群建成区的植被指数显著变化面积比例和缓冲区的植被指数显著变化面积比例,所述植被指数显著变化面积比例的计算方法是:计算同一区内植被指数发生显著变化的像元个数占所有像元个数的比例;
S08:建立所述多年平均植被指数、植被指数变化趋势、植被指数显著变化面积比例三个指标在城市和/或城市群建成区和缓冲区沿时段的动态变化曲线,通过曲线拟合求导或目视判断影响有效距离。
2.根据权利要求1所述的定量化检测方法,其特征在于,S01中,所述遥感植被指数是NDVI、EVI中的一种或两种。
3.根据权利要求1所述的定量化检测方法,其特征在于,S02中,所述遥感数据是夜间灯光数据、遥感解译土地利用数据中的一种或两种。
4.根据权利要求1所述的定量化检测方法,其特征在于,S05中所述区域平均的植被指数变化趋势和S06中所述植被指数变化趋势采用一元线性回归趋势、F检验、Sen+Mann-Kendall非参数检验中的一种或多种绘制。
5.根据权利要求2所述的定量化检测方法,其特征在于,采用子集提取、图像镶嵌、裁剪数据、格式转换、投影转换、质量检验的方式处理遥感植被指数NDVI、EVI。
6.根据权利要求3所述的定量化检测方法,其特征在于,所述夜间灯光数据选自DMSPNTL数据、NPP-VIIRS夜间灯光遥感数据中的一种或两种。
7.根据权利要求6所述的定量化检测方法,其特征在于,所述DMSP NTL数据是订正后的DMSP NTL数据,所述订正的方法包括:相互校准、年内合成和年际序列校准。
8.根据权利要求4所述的定量化检测方法,其特征在于,一元线性回归趋势是NDVI一元线性回归趋势。
9.根据权利要求8所述的定量化检测方法,其特征在于,
(1)当需要绘制的是S05中所述区域平均的平均植被指数变化趋势时,所述NDVI一元线性回归趋势的计算公式为:
式中,Slope表示各年间区域平均NDVI的变化趋势即年际变化拟合曲线斜率值;
n为年数;
i为年份序号;
xi为第i年区域平均的生长季NDVI值。
(2)当需要绘制的是S06中所述植被指数变化趋势时,所述NDVI一元线性回归趋势的计算公式为:
式中,Slope表示各年间逐像元NDVI的变化趋势;
n为年数;
i为年份序号;
xi,jk是第i年NVDI图像上第j行第k列像元的年最大NDVI值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910587655.6A CN110378576A (zh) | 2019-07-01 | 2019-07-01 | 城市化植被效应有效距离的定量化检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910587655.6A CN110378576A (zh) | 2019-07-01 | 2019-07-01 | 城市化植被效应有效距离的定量化检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110378576A true CN110378576A (zh) | 2019-10-25 |
Family
ID=68251506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910587655.6A Pending CN110378576A (zh) | 2019-07-01 | 2019-07-01 | 城市化植被效应有效距离的定量化检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110378576A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111210166A (zh) * | 2020-02-17 | 2020-05-29 | 电子科技大学 | 一种城市功能***的鲁棒性评估方法 |
CN111402169A (zh) * | 2020-03-23 | 2020-07-10 | 宁波大学 | 一种海岸带潮汐影响下遥感植被指数时间序列的修复方法 |
CN111982822A (zh) * | 2020-09-28 | 2020-11-24 | 武汉工程大学 | 一种长时间序列高精度植被指数改进算法 |
CN112116242A (zh) * | 2020-09-17 | 2020-12-22 | 福州福大经纬信息科技有限公司 | 一种结合多种遥感指标的裸土变化识别方法 |
CN112561722A (zh) * | 2020-12-24 | 2021-03-26 | 滨州学院 | 一种生态***属性组分组成结构时间演变量化分析方法 |
CN112818923A (zh) * | 2021-02-25 | 2021-05-18 | 中国科学院地理科学与资源研究所 | 一种城市群居住空间建成时间识别方法 |
CN115034546A (zh) * | 2022-04-20 | 2022-09-09 | 中国地质大学(武汉) | 基于客观天气图法量化城市对热带气旋降水影响的方法 |
CN116011879A (zh) * | 2023-02-01 | 2023-04-25 | 长江水利委员会长江科学院 | 生态***稳定性评估方法、装置、电子设备及存储介质 |
CN116596326A (zh) * | 2023-04-11 | 2023-08-15 | 常州双炬智能科技有限公司 | 一种基于遥感数据的城市环境检测及综合评估方法 |
CN116957622A (zh) * | 2023-07-06 | 2023-10-27 | 成都理工大学 | 结合夜光遥感的城市群城市经济发展特征变化分析方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778241A (zh) * | 2014-02-10 | 2014-05-07 | 中国科学院南京地理与湖泊研究所 | 一种大尺度植被退化区域遥感识别方法 |
CN107480818A (zh) * | 2017-08-09 | 2017-12-15 | 中国热带农业科学院科技信息研究所 | 一种快速评估人类活动对植被覆盖变化影响的方法 |
WO2018081043A1 (en) * | 2016-10-24 | 2018-05-03 | Board Of Trustees Of Michigan State University | Methods for mapping temporal and spatial stability and sustainability of a cropping system |
-
2019
- 2019-07-01 CN CN201910587655.6A patent/CN110378576A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778241A (zh) * | 2014-02-10 | 2014-05-07 | 中国科学院南京地理与湖泊研究所 | 一种大尺度植被退化区域遥感识别方法 |
WO2018081043A1 (en) * | 2016-10-24 | 2018-05-03 | Board Of Trustees Of Michigan State University | Methods for mapping temporal and spatial stability and sustainability of a cropping system |
CN107480818A (zh) * | 2017-08-09 | 2017-12-15 | 中国热带农业科学院科技信息研究所 | 一种快速评估人类活动对植被覆盖变化影响的方法 |
Non-Patent Citations (2)
Title |
---|
HARINI NAGENDRA,SUPARSH NAGENDRAN,SOMAJITA PAUL,SAJID PAREETH: "Graying, greening and fragmentation in the rapidly expanding Indian city of Bangalore", 《LANDSCAPE AND URBAN PLANNING》 * |
杜加强,贾尔恒·阿哈提,赵晨曦,方广玲,阴俊齐,香宝,袁新杰,房世峰: "1982—2012 年新疆植被NDVI 的动态变化及其对气候变化和人类活动的响应", 《应用生态学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111210166A (zh) * | 2020-02-17 | 2020-05-29 | 电子科技大学 | 一种城市功能***的鲁棒性评估方法 |
CN111210166B (zh) * | 2020-02-17 | 2023-06-20 | 电子科技大学 | 一种城市功能***的鲁棒性评估方法 |
CN111402169A (zh) * | 2020-03-23 | 2020-07-10 | 宁波大学 | 一种海岸带潮汐影响下遥感植被指数时间序列的修复方法 |
CN111402169B (zh) * | 2020-03-23 | 2023-04-11 | 宁波大学 | 一种海岸带潮汐影响下遥感植被指数时间序列的修复方法 |
CN112116242A (zh) * | 2020-09-17 | 2020-12-22 | 福州福大经纬信息科技有限公司 | 一种结合多种遥感指标的裸土变化识别方法 |
CN112116242B (zh) * | 2020-09-17 | 2022-08-16 | 福州福大经纬信息科技有限公司 | 一种结合多种遥感指标的裸土变化识别方法 |
CN111982822B (zh) * | 2020-09-28 | 2022-10-18 | 武汉工程大学 | 一种长时间序列高精度植被指数改进算法 |
CN111982822A (zh) * | 2020-09-28 | 2020-11-24 | 武汉工程大学 | 一种长时间序列高精度植被指数改进算法 |
CN112561722A (zh) * | 2020-12-24 | 2021-03-26 | 滨州学院 | 一种生态***属性组分组成结构时间演变量化分析方法 |
CN112818923A (zh) * | 2021-02-25 | 2021-05-18 | 中国科学院地理科学与资源研究所 | 一种城市群居住空间建成时间识别方法 |
CN115034546A (zh) * | 2022-04-20 | 2022-09-09 | 中国地质大学(武汉) | 基于客观天气图法量化城市对热带气旋降水影响的方法 |
CN115034546B (zh) * | 2022-04-20 | 2024-06-11 | 中国地质大学(武汉) | 基于客观天气图法量化城市对热带气旋降水影响的方法 |
CN116011879A (zh) * | 2023-02-01 | 2023-04-25 | 长江水利委员会长江科学院 | 生态***稳定性评估方法、装置、电子设备及存储介质 |
CN116596326A (zh) * | 2023-04-11 | 2023-08-15 | 常州双炬智能科技有限公司 | 一种基于遥感数据的城市环境检测及综合评估方法 |
CN116596326B (zh) * | 2023-04-11 | 2024-04-26 | 泰州城发数字科技有限公司 | 一种基于遥感数据的城市环境检测及综合评估方法 |
CN116957622A (zh) * | 2023-07-06 | 2023-10-27 | 成都理工大学 | 结合夜光遥感的城市群城市经济发展特征变化分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378576A (zh) | 城市化植被效应有效距离的定量化检测方法 | |
WO2021184550A1 (zh) | 一种基于土壤传递函数的目标土壤性质含量预测方法 | |
CN106909722B (zh) | 一种近地面气温的大面积精准反演方法 | |
Yang et al. | Remote sensing monitoring of grassland vegetation growth in the Beijing–Tianjin sandstorm source project area from 2000 to 2010 | |
CN103513290B (zh) | 基于遥感的区域陆地生态***呼吸监测方法 | |
Chen et al. | A data-model fusion approach for upscaling gross ecosystem productivity to the landscape scale based on remote sensing and flux footprint modelling | |
CN108549858B (zh) | 一种城市热岛效应的定量评价方法 | |
CN104657935B (zh) | 一种近地面气温反演方法 | |
Wang et al. | GIS and RS based assessment of cultivated land quality of Shandong Province | |
CN115204691B (zh) | 基于机器学习和遥感技术的城市人为热排放量估算方法 | |
CN109033543A (zh) | 一种地表异质区植被覆盖度估算方法、装置及设备 | |
Wu et al. | Evaluation of winter wheat yield simulation based on assimilating LAI retrieved from networked optical and SAR remotely sensed images into the WOFOST model | |
Qing-Ling et al. | Topographical effects of climate data and their impacts on the estimation of net primary productivity in complex terrain: A case study in Wuling mountainous area, China | |
CN103455856B (zh) | 一种城市空间功能识别的技术方法 | |
Gong et al. | Evaluating the monthly and interannual variation of net primary production in response to climate in Wuhan during 2001 to 2010 | |
Zhang et al. | Impact of urban expansion on forest carbon sequestration: A study in Northeastern China. | |
Wang et al. | Modeling the climatic effects of the land use/cover change in eastern China | |
Geng et al. | Estimation of NPP in Xuzhou based on improved CASA model and remote sensing data | |
CN113987778A (zh) | 一种基于野外站点的水土流失模拟值时空加权校正方法 | |
Ju et al. | Application of GEE in cotton monitoring of the 7th division of Xinjiang Production and Construction Corps | |
Xie et al. | Spatio-temporal process of oasification in the middle-Heihe River basin during 1368–1949 AD, China | |
You | Determining paddy field spatiotemporal distribution and temperature influence using remote sensing in Songnen Plain, Northeastern China | |
Jia et al. | Optimization of street tree species based on green plot ratio | |
Zhao et al. | Carbon sink response of terrestrial vegetation ecosystems in the Yangtze River Delta and its driving mechanism | |
Hu et al. | Characteristics of Spatial and Temporal Evolution of Land Desertification in Typical Areas of the Horqin Sandy Land in the Past 35 Years and the Driving Mechanism of the Study |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191025 |