数据驱动的全球NPP变化模式分析

摘要：

传统方法在分析NPP变化时,将区域按照地理位置、植被类型等进行划分,会将先验信息引入结论.针对这一问题,本文采用支持向量聚类(supporting vector clustering,SVC)的方法从数据驱动角度分析1990-2014年全球NPP的时空变化特征.对GLOPEM AVHRR年NPP数据产品和MODIS MOD17A3 NPP数据进行聚类,得到12种变化模式,分析不同NPP变化模式的时空变化特征以及与气候类型和土地覆盖类型分布的关系.结果 表明,SVC1、SVC2 NPP最低,SVC11、SVC12 NPP较高,SVC5、SVC6、SVC9～SVC12主要是热带雨林与热带草原气候,热带低纬度地区NPP变化模式较为复杂.SVC3、SVC4 NPP要明显高于同纬度其他地区,可能是受气候类型的影响.多数NPP变化模式主要是土地覆盖类型面积减少,其中SVC5、SVC9变化显著,2000-2014年SVC9 NPP减少.不同NPP变化模式的同一土地覆盖类型的NPP存在差异.

关键词：数据驱动、支持向量聚类、全球、NPP、变化模式

所属期刊栏目：34

分类号：TP79(遥感技术)

资助基金：国家重点研发项目2016YFA0600304

在线出版日期：2019-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：26-33