【摘要】：植被物候是用來描述植被自身周期性生長(zhǎng)節(jié)律的參量,能夠反映植被生長(zhǎng)狀況及其對(duì)氣候變化的響應(yīng),具有重要的研究意義。基于近地面多光譜數(shù)碼相機(jī)照片時(shí)間序列數(shù)據(jù),在景觀尺度上進(jìn)行植被物候自動(dòng)化及可視化分析是對(duì)遙感大尺度分析和人工物候觀測(cè)的有效補(bǔ)充。本文基于R語言Web開發(fā)框架Shiny構(gòu)建了基于近地面多光譜影像的植被物候參數(shù)提取分析系統(tǒng),實(shí)現(xiàn)了站點(diǎn)分布可視化、ROI(Region of Interest,感興趣區(qū))選取、植被指數(shù)計(jì)算、數(shù)據(jù)過濾、生長(zhǎng)曲線擬合與物候參數(shù)提取、像素尺度物候提取分析。本W(wǎng)eb系統(tǒng)在UI(User Interface,用戶界面)端實(shí)現(xiàn)界面設(shè)計(jì)與參數(shù)輸入,Server端接收輸入?yún)?shù)進(jìn)行算法運(yùn)算,最終實(shí)現(xiàn)結(jié)果輸出與存儲(chǔ)。經(jīng)Phenocam物候相機(jī)觀測(cè)網(wǎng)絡(luò)提供的多覆被類型數(shù)據(jù)驗(yàn)證及分析,系統(tǒng)界面友好且具有良好的實(shí)時(shí)交互性,有效提高了近地面多光譜相機(jī)植被物候研究效率。此外基于系統(tǒng)應(yīng)用結(jié)果,在ROI尺度下探索了物候提取過程中的植被指數(shù)時(shí)序數(shù)據(jù)過濾、生長(zhǎng)曲線擬合與關(guān)鍵物候參數(shù)提取等方法的效果與適用性,并進(jìn)行不確定性估計(jì);還實(shí)現(xiàn)ROI內(nèi)逐像素物候參數(shù)提取與分析。主要結(jié)論如下:(1)相對(duì)植被指數(shù)中GI振幅最為顯著,經(jīng)Max方法處理后能夠有效地去除儀器、光照、天氣等帶來的噪聲影響,其時(shí)間序列能夠有效表征植被實(shí)際生長(zhǎng)軌跡;NDVI(Normalized Difference Vegetation Index,歸一化植被指數(shù))時(shí)序數(shù)據(jù),經(jīng)EMD(Empirical Mode Decomposition,經(jīng)驗(yàn)?zāi)B(tài)分解)方法分解后,趨勢(shì)項(xiàng)r反映的時(shí)間分布特征與相對(duì)植被指數(shù)反映變化特征基本一致,可作為GI指數(shù)物候結(jié)果參照。(2)不同擬合方法與物候參數(shù)提取方法的組合適用植被類型不同,林地和森林適用KLOSTERMAN擬合方法和TRS、Klosterman、GU提取方法組合;單生長(zhǎng)季作物(小麥、玉米)適用于GU擬合方法和TRS、Derivatives、Klosterman、GU物候提取方法組合;多生長(zhǎng)季植被適用于SPLINE擬合方法擬合生長(zhǎng)軌跡,然后采用變化點(diǎn)方法提取關(guān)鍵物候參數(shù)。對(duì)上述優(yōu)選生長(zhǎng)曲線擬合及參數(shù)提取方法組合進(jìn)行不確定性估計(jì),發(fā)現(xiàn)提取結(jié)果無顯著異常值,具有較強(qiáng)的魯棒性;此外,利用MODIS EVI提取結(jié)果對(duì)相機(jī)數(shù)據(jù)提取物候參數(shù)進(jìn)行驗(yàn)證,兩者結(jié)果較為一致。(3)經(jīng)ROI內(nèi)逐像素計(jì)算提取分析的方法提取關(guān)鍵物候參數(shù),可以直觀識(shí)別統(tǒng)一群落尺度下個(gè)體間或群落內(nèi)的物候差異,未來可以嘗試作為自動(dòng)化分析群落尺度生物多樣性的方法。
【學(xué)位授予單位】：山東理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：P237
【圖文】：

論文框架及主要研究?jī)?nèi)容Fig.1.1Paperframeworkandmainresearchcontent

植被物候觀測(cè)相機(jī)工作原理如圖2.1 所示。圖 2.1 近地面植被物候觀測(cè)相機(jī)工作原理Fig. 2.1 Working principle of near-surface vegetation phenology observation cameraPhenoCam 生態(tài)網(wǎng)絡(luò)中大部分站點(diǎn)均按照標(biāo)準(zhǔn)化協(xié)議部署了 StarDot NetCam SC型高分辨率網(wǎng)絡(luò)數(shù)碼相機(jī)，將其拍攝的圖像以每半小時(shí)的頻率上傳至 PhenoCam 服務(wù)器，實(shí)時(shí)存檔了數(shù)碼相機(jī)圖像。與傳統(tǒng)遙感技術(shù)不同的是，近地表遙感技術(shù)可以提供具有時(shí)間連續(xù)性的圖像，且不受云層的污染，不需要校正大氣效應(yīng)；此外，數(shù)碼相機(jī)

圖 2.2 2013 年 Freemangrass 冷季型草地站點(diǎn) RGB 數(shù)據(jù)示例Fig. 2.2 RGB data example of cold season grassland of Freemangrass site inmangrass 站點(diǎn) 2013 年對(duì)應(yīng)的近地面近紅外數(shù)據(jù)如圖 2.3 所示，adiation, 近紅外)數(shù)據(jù)主要作用是為計(jì)算植被指數(shù)提供近紅外波段

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張晗;任志遠(yuǎn);;基于Whittaker濾波的陜西省植被物候特征[J];中國(guó)沙漠;2015年04期

2 謝相建;薛朝輝;王冬辰;劉偉;杜培軍;;顧及物候特征的喀斯特?cái)嘞菖璧赝恋馗采w遙感分類[J];遙感學(xué)報(bào);2015年04期

3 劉雙俞;張麗;王翠珍;閆敏;周宇;鹿琳琳;;基于MODIS數(shù)據(jù)的青藏高原植被物候變化趨勢(shì)研究(2000年～2010年)[J];遙感信息;2014年06期

4 王金英;李曉松;范文義;;基于HJ-CCD數(shù)據(jù)的中高分辨率植被物候提取——以密云水庫(kù)上游為例[J];東北林業(yè)大學(xué)學(xué)報(bào);2014年11期

5 常清;王思遠(yuǎn);孫云曉;殷慧;尹航;;青藏高原典型植被生長(zhǎng)季遙感模型提取分析[J];地球信息科學(xué)學(xué)報(bào);2014年05期

6 康峻;侯學(xué)會(huì);牛錚;高帥;賈坤;;基于擬合物候參數(shù)的植被遙感決策樹分類[J];農(nóng)業(yè)工程學(xué)報(bào);2014年09期

7 周磊;何洪林;孫曉敏;張黎;于貴瑞;任小麗;王佳音;張軍輝;;基于數(shù)字相機(jī)圖像的長(zhǎng)白山森林物候模擬（英文）[J];Journal of Resources and Ecology;2013年04期

8 周磊;何洪林;張黎;孫曉敏;石培禮;任小麗;于貴瑞;;基于數(shù)字相機(jī)圖像的西藏當(dāng)雄高寒草地群落物候模擬[J];植物生態(tài)學(xué)報(bào);2012年11期

9 李正國(guó);唐華俊;楊鵬;吳文斌;陳仲新;周清波;張莉;鄒金秋;;植被物候特征的遙感提取與農(nóng)業(yè)應(yīng)用綜述[J];中國(guó)農(nóng)業(yè)資源與區(qū)劃;2012年05期

10 劉玲玲;劉良云;胡勇;;基于AVHRR和MODIS數(shù)據(jù)的全球植被物候比較分析[J];遙感技術(shù)與應(yīng)用;2012年05期

相關(guān)碩士學(xué)位論文 前1條

1 董奎;數(shù)碼相機(jī)與MODIS衛(wèi)星遙感結(jié)合的森林物候監(jiān)測(cè)及管理系統(tǒng)初步研建[D];四川農(nóng)業(yè)大學(xué);2015年

本文編號(hào)：2754455