2022年NDVI與氣象因子的相關(guān)關(guān)系分析

1、NDVI 與氣象因子的相關(guān)關(guān)系分 析 遙感應(yīng)用模型實(shí)習(xí) NDVI 與氣象因子相關(guān)性分析 實(shí)習(xí)報(bào)告 班級(jí) xxxx 班 學(xué)號(hào) xxxxxx 姓名 xxxxx 日期 201x, 0 x, 0 x 第 1 頁,共 11 頁NDVI 與氣象因子的相關(guān)關(guān)系分 析 武漢高校教學(xué)試驗(yàn)報(bào)告 遙感信息工程 學(xué)院 遙感科學(xué)與技術(shù) 專業(yè) 201x 年 x 月 x 日 試驗(yàn)名稱 NDVI 與氣象因子相關(guān)性分析 指導(dǎo)老師 xx 姓名 xx 班級(jí) xxxx 班 學(xué)號(hào) xxx 成果 一, 預(yù)習(xí)部分 1. 試驗(yàn)?zāi)康?試2. 驗(yàn)基本原理 3. 主要儀器設(shè)備 含必要的元器件,工具 第 2 頁,共 11 頁NDVI 與氣象因子的相

2、關(guān)關(guān)系分 析 1.試驗(yàn)?zāi)康?利用已有的 MODIS 影像數(shù)據(jù)運(yùn)算歸一化植被指NDVI,并利用地面氣象站同步觀測(cè) 數(shù)據(jù)提取積溫,日照等氣象因子 , 建立起 NDVI 與氣象因子的體會(huì)模 , 分析二者之間的相 關(guān)性, 并通過在生物化學(xué)方面對(duì) NDVI 與氣象因子之間的關(guān)系進(jìn)行說明分析 , 實(shí)現(xiàn)在植被 生理方面說明它們之間的關(guān)系 , 從而期望之后能夠利用地面氣象站的氣象數(shù)據(jù)推測(cè) NDVI 并實(shí)現(xiàn)估產(chǎn)等方面的應(yīng)用； 也期望通過這次實(shí)習(xí) , 學(xué)會(huì)如何合理科學(xué)地建立體會(huì)模型 實(shí)際規(guī)律熟識(shí)的說明 , 這就是很重要的； , 并在建立模型后實(shí)現(xiàn)符合 2.試驗(yàn)基本原理 依據(jù)植被特有的光譜特點(diǎn) , 它在可見光部分由

3、于色素的存在 , 會(huì)有較強(qiáng)的吸取 , 而在 紅邊波段處快速抬升；利用這一特點(diǎn)可以建立起植被指數(shù)來探測(cè)植被像元并且以植被指 數(shù)可以求取許多植被相關(guān)參數(shù) , 如植被掩蓋率,葉面積指數(shù) , 甚至用于植被估產(chǎn)等；歸一 化植被指數(shù) NDVI 就就是以此為基礎(chǔ)提出的 , 并在許多領(lǐng)域廣泛利用； NDVI 值分布在 -1 到 1 之間 ,NDVI0 時(shí)可確定植被的存在 , 且 NDVI 越大 , 植被掩蓋率越高 , 但在高植被掩 蓋 率地區(qū) ,NDVI 就簡(jiǎn)潔飽與了； NDVI 的運(yùn)算公式如下 : 而植被的生理狀態(tài)常常會(huì)影響 NDVI,氣象因子又會(huì)影響植被的生理狀態(tài) , 所以可以 NDVI=NIR-Red/

4、NIR+Red 建立起氣象因子與 NDVI 的關(guān)系模型；一般在遙感應(yīng)用模型中可以建立的模型類型包括 驗(yàn)?zāi)Ｐ?物理模型與半體會(huì)半物理模型； 此處氣象因子與 NDVI 的關(guān)系我們建立的時(shí)體 模型, 即通過分析兩類數(shù)據(jù)之間的相關(guān)性選擇合適的關(guān)系式建立模型；體會(huì)模型的建立 , 如期望它能夠有意義 , 樣本點(diǎn)至少要有 30 個(gè), 仍應(yīng)有相應(yīng)的驗(yàn)證樣本 , 但此處受數(shù)據(jù)限 制, 樣本不足 , 只能建立模型 , 無法完成驗(yàn)證；模型的相關(guān)性應(yīng)在確定閾值以上才能證明二 者之間相關(guān)；最終在模型建立后仍應(yīng)從實(shí)際植被生理方面對(duì)模型有所說明 , 能夠找到與實(shí) 際相符的關(guān)系才認(rèn)為模型可以接受； 3.主要儀器設(shè)備 本次實(shí)習(xí)

5、中利用的數(shù)據(jù)包括隨州 2022年與 2022年 MODIS250m辨論率的紅波段與近 紅外影像 , 隨州 03 年 04 年地面站每日溫度, 日照數(shù)據(jù)；由于溫度對(duì)植被的作用就是累加 的, 所以需要利用每日溫度求積溫 , 積溫定義為溫度在 0 以上的每日溫度的累加值 , 同理 , 日照有延時(shí)效應(yīng) , 所以可以統(tǒng)計(jì)一個(gè) 5 日累計(jì)日照時(shí)間, 10 日累計(jì)日照時(shí)間與 15 日累計(jì) 日照時(shí)間； 實(shí)習(xí)中使用的軟件包括 ERDA,S Excel與 Matlab；利用 ERDAS可以運(yùn)算 MODIS 影像的平均 NDVI 求取積溫,累計(jì)日照時(shí)間 ,Matlab 用于擬合氣象因子與 NDVI 值,Excel

6、的關(guān)系 , 并求出 R2與 RMSE判定擬合成效與數(shù)據(jù)相關(guān)性； 第 3 頁,共 11 頁NDVI 與氣象因子的相關(guān)關(guān)系分 析 二, 1. 2. 3. 試驗(yàn)操作部分 試驗(yàn)數(shù)據(jù),表格及數(shù)據(jù)處理 試驗(yàn)操作過程 可用圖表示 結(jié)論 1.試驗(yàn)數(shù)據(jù),表格與數(shù)據(jù)處理 試驗(yàn)區(qū)域我們組分到的就是隨州 2022 年與 2022 年的 MODIS 影像與對(duì)應(yīng)的地面站 象數(shù)據(jù) , 包括每日氣溫與每日日照時(shí)間；由于我們需要建立的就是 NDVI 與氣象因子之的關(guān)系 , 所以需要先利用 MODIS影像的近紅外與紅波段求 NDVI,這里應(yīng)當(dāng)要對(duì)數(shù)據(jù)進(jìn)行 間 預(yù)處理 , 包括去除條帶噪聲 ,Bow-tie 校正 , 太陽天頂角訂

7、正與幾何校正等 , 但現(xiàn)有的數(shù)據(jù) 已經(jīng)做好預(yù)處理了 , 可以直接用就好；運(yùn)算 NDVI 就是利用 ERDAS里的 modeler模塊 , 留 分母為 0 的情形要去除；而氣象數(shù)據(jù)就是每日溫度與每日日照時(shí)間 , 考慮氣象因子的延時(shí) 效應(yīng) , 需要運(yùn)算累計(jì)值 , 這里我就是用 Excel 直接進(jìn)行的統(tǒng)計(jì) , 留意最終求出的結(jié)果都要 乘以 0,1；在求出 NDVI 與積溫,累計(jì)日照時(shí)間后 , 利用 Matlab 的 CFTool 模塊進(jìn)行相 關(guān)系擬合并運(yùn)算 R2與 RMSE判 , 斷評(píng)判擬合成 效； 2.試驗(yàn)操作過程 MODIS 影像的 NDVI 運(yùn)算 得到的 MODIS 影像已經(jīng)經(jīng)過數(shù)據(jù)預(yù)處理步驟

8、 ,可直接利用 Modeler Maker 建立運(yùn)算 NDVI 的模型 ,在建模時(shí)需要留意分母有可能為 0 的情形 ,所以添加判定語句 :NDVI 分母為 0 時(shí),NDVI 直接取值為 0；又由于最終用于曲線擬合的 NDVI 值就是整幅影像的 NDVI 值取平均 ,而 NDVI 值小于 0 處一般認(rèn)為不就是植被 ,所以我又增加了一個(gè)判定 ,NDVI 值 0 的像元不進(jìn)入平均運(yùn)算 ,這樣可得到兩種平均 NDVI 值,一為整幅圖的 NDVI 取平均 ,另一 個(gè)就就是去除 NDVI 小于 0 的像元后再取平均得到的平均 NDVI 值；將對(duì)應(yīng)日期的 NDVI 導(dǎo)入 Excel 中 ,便于之后的關(guān)系擬合

9、； 2.2 氣象數(shù)據(jù)的積溫,累計(jì)日照時(shí)間求解 得到的地面站氣象數(shù)據(jù)就是每日的氣溫與每日日照時(shí)間 ,但考慮到溫度與日照對(duì)植 被的影響并不就是馬上見效的 ,總有延時(shí)效應(yīng) ,所以需要對(duì)溫度與日照時(shí)間進(jìn)行累加 ,運(yùn)算 積溫與 5 日, 10 日與 15 日的累計(jì)日照時(shí)間 ,這些累加都就是利用 Excel 完成的； Matlab 擬合 NDVI 與氣象因子關(guān)系 取出 Excel 中影像對(duì)應(yīng)的 NDVI 與積溫,累計(jì)日照時(shí)間值 ,導(dǎo)入 Matlab 中；利用 Matlab 第 4 頁,共 11 頁NDVI 與氣象因子的相關(guān)關(guān)系分 析 中曲線擬合的 cftool 模塊 ,導(dǎo)入數(shù)據(jù) ,選擇擬合關(guān)系的形式 ,比

10、如線性的,二次曲線,三次 曲線等 ,即可實(shí)現(xiàn)曲線擬合 ,并運(yùn)算出 R2 與 RMSE 用于擬合成效評(píng)判；留意有一些氣象 數(shù) 據(jù)比如 03 年 12 月的兩個(gè) ,由于沒有對(duì)應(yīng)的影像數(shù)據(jù)需要?jiǎng)h除； 3.結(jié)論 利用 Matlab 擬合積溫,累積日照時(shí)間與 NDVI 的關(guān)系 , 由于體會(huì)模型的建立需要大 的樣本 , 至少 30 個(gè)左右 , 而可以利用的 03 年與 04 年的影像數(shù)據(jù)加起來才能達(dá)到這一量 級(jí), 所以在之后的擬合中 , 將 03 與 04 年的數(shù)據(jù)一起加入擬合 , 就不按年份分開來做了 , 否 就可能會(huì)顯現(xiàn)因樣本數(shù)不足而使擬合成效不行信的情形； NDVI 與積溫的相關(guān)關(guān)系擬合 以累積溫度

11、作為 x 軸,NDVI 作為 y 軸,以二次曲線對(duì)數(shù)據(jù)進(jìn)行擬合 ,成效如下 : 圖 1 累計(jì)溫度與 NDVI 的關(guān)系 Goodness of fit: SSE: 0, 08114 R-square: 0, 8449 Adjusted R-square: 0, 8339 RMSE: 0 , 05383 可以瞧到方程的可決系數(shù) R2值為 0, 8449, 而可決系數(shù)越趨 1, 說明模型對(duì)數(shù)據(jù)的 近 擬合成效越好；均方根誤差 RMSE為 0, 05383,RMSE越小 , 說明數(shù)據(jù)的離散程度越?。灰钥梢郧频?NDVI 與積溫之間的確有相關(guān), 并且二者呈二次曲線關(guān)系 , 即在確定范疇內(nèi) , 溫度越高

12、,NDVI 也隨之增加 , 但到確定閾值后 , 積溫越大 ,NDVI 反而減??；這與實(shí)際情形也 就是相符的；在植物生長(zhǎng)過程中 , 溫度慢慢增加 , 利于植被的發(fā)芽長(zhǎng)葉與葉綠素的合成 , 由此 NDVI 值也更加增大 , 但溫度太高 , 超過植被生長(zhǎng)的最高溫度 , 植被就有可能缺水甚 至死亡 , 這樣 NDVI 就會(huì)隨溫度增加反而下降； 這就是符合植物生理過程 , 也說明這個(gè)模 的 第 5 頁,共 11 頁NDVI 與氣象因子的相關(guān)關(guān)系分 析 型可以接受； NDVI 與累積日照時(shí)間的相關(guān)關(guān)系 10 日累積日照時(shí) 累計(jì)日照時(shí)間可以用 3 種不同時(shí)長(zhǎng)累積 , 包括 5 日累計(jì)日照時(shí)間, 間與 15

13、日累積日照時(shí)間； NDVI 與 5 日累積日照時(shí)間的相關(guān)關(guān)系 以 5 日累計(jì)日照時(shí)間為 x 軸,NDVI 為 y 軸, 擬合成效如下 : 圖 2 5 日累積日照時(shí)間與 NDVI 擬合 Goodness of fit: SSE: 0, 4451 R-square: 0, 1495 Adjusted R-square: 0 , 1201 RMSE: 0 , 1239 可以瞧到 5 日累積日照與 NDVI 之間的相關(guān)性并不明顯 ,從散點(diǎn)圖來瞧幾乎可以斷言 二者僅有脆弱的相關(guān)性；而通過結(jié)合實(shí)際分析 ,日照時(shí)間的確應(yīng)當(dāng)與 NDVI 相關(guān),所以 ,可 能就是由于數(shù)據(jù)太少 ,無法排除誤差等因素造成的影響；

14、為了驗(yàn)證去除了小于 0 的 NDVI 平均值就是否能與累計(jì)日照時(shí)間有更好的相關(guān)性 , 將去除負(fù)值后的 NDVI 值也導(dǎo)入 Matlab 進(jìn)行曲線擬合 ,成效如下 : 第 6 頁,共 11 頁NDVI 與氣象因子的相關(guān)關(guān)系分 析 圖 3 5 日累計(jì)日照時(shí)間與去除負(fù)值后的 NDVI 平均值的相關(guān)關(guān)系 Goodness of fit: SSE: 0, 4429 R-square: 0, 1499 Adjusted R-square: 0 ,1206 RMSE: 0 , 1236 可以瞧到點(diǎn)分布仍就是特別別散的 , 擬合成效仍就是不如人意；但僅從 等定量的評(píng)判指標(biāo)來瞧 , 去除負(fù)值后的 NDVI 平均

15、值衡量模型擬合成效的可決系R2 與 RMSE R2增了 0, 0004, 反映數(shù)據(jù)離散程度的 RMSE削減了 0,0003,仍就是在向好的方向提升的；因 為 NDVI 為負(fù)值的像元理論上認(rèn)為它不屬于植, 雖然 MODIS 一個(gè)像元對(duì)應(yīng)的地面面積大就是 250 米 x250 米, 很簡(jiǎn)潔顯現(xiàn)混合像元 , 但仍就是直接將負(fù)的 NDVI 認(rèn)為非植被去了, 這樣的確應(yīng)當(dāng)對(duì)擬合成效有所提高 果不佳也就是可能的； , 但又由于對(duì)實(shí)際地表情形也不清楚 , 所以提升效 NDVI 與 10 日累積日照時(shí)間的相關(guān)關(guān)系 以 10 日累計(jì)日照時(shí)間為 x 軸,NDVI 為 y 軸, 擬合成效如下 : 第 7 頁,共 1

16、1 頁NDVI 與氣象因子的相關(guān)關(guān)系分 析 圖 4 10 日累計(jì)日照時(shí)間與 NDVI 的相關(guān)關(guān)系 Goodness of fit: SSE: 0, 5053 R-square: 0, 03441 Adjusted R-square: 0 , 001118 RMSE: 0 , 132 由圖中樣本點(diǎn)的分布可以瞧出 , 基本沒有相關(guān)性；從定量指標(biāo) R2與 RMSE來瞧 , 二的確基本可以判定為無明顯相關(guān)性； 而由于結(jié)合實(shí)際情形 , 日照有利于植被生長(zhǎng)與葉綠素 的合成 , 理論上會(huì)越長(zhǎng)的日照會(huì)使 NDVI 增加 , 所以選擇利用一次曲線進(jìn)行擬 , 而成效類 似 5 日日照時(shí)間的累計(jì)值 , 分析緣由有可

17、能就是數(shù)據(jù)的問題 , 但由于樣本數(shù)不足 , 無法對(duì) 其中的噪聲,誤差進(jìn)行排除 , 所以擬合成效不好； 類似的 , 期望分析去除負(fù)值后的平均 NDVI 值 與 能對(duì)結(jié)果有所優(yōu)化 , 二者的擬合成效如下 : 圖 5 10 日累計(jì)日照時(shí)間與去除負(fù)值后的 10 日日照累計(jì)時(shí)長(zhǎng)的關(guān)系 , 瞧就是否 NDVI 相關(guān)關(guān)系 第 8 頁,共 11 頁NDVI 與氣象因子的相關(guān)關(guān)系分 析 Goodness of fit: SSE: 0, 5033 R-square: 0, 03409 Adjusted R-square: 0 , 0007806 RMSE: 0 , 1317 由散點(diǎn)圖分布瞧 , 成效并無明顯改善

18、; 而從定量指標(biāo)分析來瞧 , 成效不僅沒有改善 , 反 而愈發(fā)差了；說明由于 MODIS 像元辨論率太低 , 混合像元情形許多 , 復(fù)雜的地面情形導(dǎo) 僅以 NDVI 值為負(fù)判定植被就是否存在就是不行取 致 , 所以擬合成效反而變差了； 的 NDVI 與 15 日累積日照時(shí)間的相關(guān)關(guān)系 以 15 日累計(jì)日照時(shí)間為 x 軸,NDVI 為 y 軸, 擬合成效如下 : 圖 6 15 日累計(jì)日照時(shí)間與 NDVI 的相關(guān)關(guān)系 Goodness of fit: SSE: 0, 4685 R-square: 0, 1048 Adjusted R-square: 0 , 0739 RMSE: 0 , 1271

19、由散點(diǎn)圖來瞧 ,15 日累計(jì)日照時(shí)間與 NDVI 的相關(guān)性優(yōu)于 10 日的 ,但仍就是相關(guān)性很 低；由定量評(píng)判指標(biāo)來瞧 ,15 日日照時(shí)長(zhǎng)累計(jì)值與 NDVI 僅脆弱相關(guān)且數(shù)據(jù)離散； 分析去除負(fù)值后的 NDVI 平均值與 15 日累計(jì)日照時(shí)間的相關(guān)性 ,擬合成效如下 : 第 9 頁,共 11 頁NDVI 與氣象因子的相關(guān)關(guān)系分 析 圖 7 15 日累計(jì)日照時(shí)間與去除負(fù)值后的 Goodness of fit: NDVI 的相關(guān)關(guān)系 SSE: 0, 4668 R-square: 0, 1042 Adjusted R-square: 0 , 07328 RMSE: 0 , 1269 可以瞧到去除負(fù)值前

20、后的 NDVI 平均值與 15 日累計(jì)日照時(shí)間的擬合成效類似 ,說明 期望通過 NDVI 為負(fù)判定植被存在與否 ,并通過去除這些負(fù)值提高精度就是不行能的 ,這 與地面復(fù)雜情形有關(guān)； 三,試驗(yàn)成效分析 包括儀器設(shè)備等使用成效 第 10 頁,共 11 頁NDVI 與氣象因子的相關(guān)關(guān)系分 析 將 NDVI 與溫度,累計(jì)日照時(shí)間擬合成效建立一個(gè)表格 RMSE 來分析擬合成效； ,通過對(duì)比它們的可決系數(shù) R2 與 表 1 NDVI 與氣象因子的相關(guān)性分析 氣象因子 可決系數(shù) R2 均方根誤差 RMSE 積溫 0, 8449 0, 05383 5 日累計(jì)日照時(shí)間 0, 1495 0, 1239 10 日累計(jì)日照時(shí)間 0, 03441 0, 132 15 日累計(jì)日照時(shí)間 0, 1048 0, 1271 可決系數(shù) R2 適用于衡量模型的擬合程度的一個(gè)指 ,R2 越趨 1 證明擬合成效越好 ; 均方 根誤差 RMSE 反映數(shù)據(jù)的離散程度 ,RMSE 值越大 ,說明數(shù)據(jù)越離散；依據(jù)這樣的評(píng)判指標(biāo) , 可以瞧到積溫與植被指數(shù)就是的確存在強(qiáng)相關(guān)性的 ,而累計(jì)日照時(shí)間 ,特殊就是 10 日的累計(jì) 日照時(shí)間與植被指數(shù)之間基本不相關(guān)； 分析擬合結(jié)果 ,可以瞧到對(duì)于溫度與 NDVI 的擬合使用的就是二次曲線 ,由于結(jié)合實(shí)際生 理情形 ,溫度與植被生長(zhǎng)的確中意二次曲線的關(guān)系 理