Published May 1, 2024 | Version v1
Publication Metadata-only

Spatio-temporal dynamics of vegetation over cloudy areas in Southwest China retrieved from four NDVI products

Creators

  • 1. Sichuan Agricultural University
  • 2. Institute of Mountain Hazards and Environment
  • 3. Chinese Academy of Sciences
  • 4. Institute of Environment and Sustainable Development in Agriculture
  • 5. Chinese Academy of Agricultural Sciences

Description

The Normalized Difference Vegetation Index (NDVI) is the most commonly used index for assessing vegetation. However, significant differences among various satellite datasets, complex terrain, and the impact of clouds on optical sensors limit vegetation change assessment based on NDVI. To address these issues, this study utilizes multi-source satellite data (GIMMS3g NDVI, CDR AVHRR NDVI, SPOT NDVI, and MODIS NDVI) to monitor vegetation dynamics at different time scales from 1990 to 2020 in Sichuan Province, China. The results indicate that over time, NDVI values from the four NDVI products in Sichuan Province have shown an upward trend. There are certain differences in the spatial distribution and spatial heterogeneity of the change rate of NDVI values among the four NDVI products at different time scales, and the differences are mainly concentrated in the Sichuan Basin (SB) and the Western Sichuan alpine plateau region (WS). Compared with the other three NDVI products, GIMMS NDVI has the highest value but the smallest increase during the study period. The SPOT NDVI value is the smallest, but the increase is relatively large. However, within the overlapping period of the four NDVI datasets, only the annual average of CDR AVHRR NDVI showed a downward trend (slope2000–2013 = −0.0001·a−1). The annual fluctuation of CDR AVHRR NDVI is the smallest, and compared to other NDVI datasets, its correlation with climate factors shows significantly weaker spatial variability. Moreover, the ability of CDR AVHRR NDVI to distinguish different vegetation land cover types is significantly poor (STD = 0.045). The findings of this study will provide a reference for further research on vegetation changes in Sichuan Province and NDVI reconstruction in cloudy areas.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

مؤشر الاختلاف الطبيعي للغطاء النباتي (NDVI) هو المؤشر الأكثر استخدامًا لتقييم الغطاء النباتي. ومع ذلك، فإن الاختلافات الكبيرة بين مجموعات البيانات الساتلية المختلفة، والتضاريس المعقدة، وتأثير السحب على أجهزة الاستشعار البصرية تحد من تقييم تغير الغطاء النباتي بناءً على NDVI. لمعالجة هذه القضايا، تستخدم هذه الدراسة بيانات الأقمار الصناعية متعددة المصادر (GIMMS3g NDVI و CDR AVHRR NDVI و SPOT NDVI و MODIS NDVI) لمراقبة ديناميكيات الغطاء النباتي على نطاقات زمنية مختلفة من 1990 إلى 2020 في مقاطعة سيتشوان، الصين. تشير النتائج إلى أنه بمرور الوقت، أظهرت قيم NDVI من منتجات NDVI الأربعة في مقاطعة سيتشوان اتجاهًا تصاعديًا. هناك اختلافات معينة في التوزيع المكاني وعدم التجانس المكاني لمعدل التغير في قيم NDVI بين منتجات NDVI الأربعة على نطاقات زمنية مختلفة، وتتركز الاختلافات بشكل أساسي في حوض سيتشوان (SB) ومنطقة هضبة جبال سيتشوان الغربية (WS). مقارنة بالمنتجات الثلاثة الأخرى لمؤشر NDVI، فإن مؤشر GIMMS لمؤشر NDVI له أعلى قيمة ولكنه أقل زيادة خلال فترة الدراسة. قيمة NDVI الفورية هي الأصغر، لكن الزيادة كبيرة نسبيًا. ومع ذلك، خلال الفترة المتداخلة لمجموعات البيانات الأربعة لمؤشر بيانات التنمية الوطنية، أظهر المتوسط السنوي فقط لمؤشر بيانات التنمية المجتمعية AVHRR NDVI اتجاهًا هبوطيًا (المنحدر 2000-2013 = -0.0001·a-1). يعد التذبذب السنوي لمؤشر التباين المكاني لمؤشر التباين المكاني لمؤشر التباين المكاني لمؤشر التباين المكاني لمؤشر التباين المكاني لمؤشر التباين المكاني هو الأصغر، وبالمقارنة مع مجموعات بيانات مؤشر التباين المكاني الأخرى، فإن ارتباطه بالعوامل المناخية يظهر تقلبًا مكانيًا أضعف بكثير. علاوة على ذلك، فإن قدرة المؤشر الوطني للغطاء النباتي AVHRR على التمييز بين أنواع الغطاء النباتي المختلفة ضعيفة للغاية (STD = 0.045). ستوفر نتائج هذه الدراسة مرجعًا لمزيد من البحث حول تغيرات الغطاء النباتي في مقاطعة سيتشوان وإعادة إعمار NDVI في المناطق الملبدة بالغيوم.

Translated Description (French)

L'indice de végétation à différence normalisée (NDVI) est l'indice le plus couramment utilisé pour évaluer la végétation. Cependant, des différences significatives entre divers ensembles de données satellitaires, un terrain complexe et l'impact des nuages sur les capteurs optiques limitent l'évaluation du changement de végétation basée sur NDVI. Pour résoudre ces problèmes, cette étude utilise des données satellitaires multi-sources (GIMMS3g NDVI, CdR AVHRR NDVI, SPOT NDVI et MODIS NDVI) pour surveiller la dynamique de la végétation à différentes échelles de temps de 1990 à 2020 dans la province du Sichuan, en Chine. Les résultats indiquent qu'au fil du temps, les valeurs de l'IVDN des quatre produits de l'IVDN dans la province du Sichuan ont montré une tendance à la hausse. Il existe certaines différences dans la distribution spatiale et l'hétérogénéité spatiale du taux de variation des valeurs NDVI entre les quatre produits NDVI à différentes échelles de temps, et les différences sont principalement concentrées dans le bassin du Sichuan (SB) et la région du plateau alpin occidental du Sichuan (WS). Par rapport aux trois autres produits NDVI, GIMMS NDVI a la valeur la plus élevée mais la plus faible augmentation au cours de la période d'étude. La valeur SPOT NDVI est la plus petite, mais l'augmentation est relativement importante. Cependant, au cours de la période de chevauchement des quatre ensembles de données NDVI, seule la moyenne annuelle de CdR AVHRR NDVI a montré une tendance à la baisse (pente2000-2013 = −0,0001·a−1). La fluctuation annuelle de CdR AVHRR NDVI est la plus faible, et par rapport à d'autres ensembles de données NDVI, sa corrélation avec les facteurs climatiques montre une variabilité spatiale significativement plus faible. De plus, la capacité du CdR AVHRR NDVI à distinguer différents types de couverture végétale est significativement faible (MST = 0,045). Les résultats de cette étude serviront de référence pour d'autres recherches sur les changements de la végétation dans la province du Sichuan et la reconstruction de l'IVDN dans les zones nuageuses.

Translated Description (Spanish)

El Índice de Diferencia Normalizada de Vegetación (NDVI) es el más utilizado para evaluar la vegetación. Sin embargo, las diferencias significativas entre varios conjuntos de datos satelitales, el terreno complejo y el impacto de las nubes en los sensores ópticos limitan la evaluación del cambio de vegetación basada en NDVI. Para abordar estos problemas, este estudio utiliza datos satelitales de múltiples fuentes (GIMMS3g NDVI, CDR AVHRR NDVI, SPOT NDVI y MODIS NDVI) para monitorear la dinámica de la vegetación en diferentes escalas de tiempo desde 1990 hasta 2020 en la provincia de Sichuan, China. Los resultados indican que a lo largo del tiempo, los valores de NDVI de los cuatro productos de NDVI en la provincia de Sichuan han mostrado una tendencia al alza. Existen ciertas diferencias en la distribución espacial y la heterogeneidad espacial de la tasa de cambio de los valores de NDVI entre los cuatro productos de NDVI en diferentes escalas de tiempo, y las diferencias se concentran principalmente en la cuenca de Sichuan (SB) y la región de la meseta alpina de Sichuan occidental (WS). En comparación con los otros tres productos de NDVI, GIMMS NDVI tiene el valor más alto, pero el aumento más pequeño durante el período de estudio. El valor de NDVI al CONTADO es el más pequeño, pero el aumento es relativamente grande. Sin embargo, dentro del período de superposición de los cuatro conjuntos de datos de NDVI, solo el promedio anual de CDR AVHRR NDVI mostró una tendencia a la baja (pendiente 2000-2013 = −0,0001· a −1). La fluctuación anual de CDR AVHRR NDVI es la más pequeña y, en comparación con otros conjuntos de datos de NDVI, su correlación con los factores climáticos muestra una variabilidad espacial significativamente más débil. Además, la capacidad de CDR AVHRR NDVI para distinguir diferentes tipos de cobertura vegetal es significativamente pobre (Std = 0.045). Los hallazgos de este estudio proporcionarán una referencia para futuras investigaciones sobre los cambios en la vegetación en la provincia de Sichuan y la reconstrucción del NDVI en áreas nubladas.

Additional details

Additional titles

Translated title (Arabic)
الديناميكيات المكانية والزمانية للغطاء النباتي فوق المناطق الملبدة بالغيوم في جنوب غرب الصين المستخرجة من أربعة منتجات NDVI
Translated title (French)
Dynamique spatio-temporelle de la végétation sur les zones nuageuses du sud-ouest de la Chine extraite de quatre produits NDVI
Translated title (Spanish)
Dinámica espacio-temporal de la vegetación sobre áreas nubladas en el suroeste de China recuperada de cuatro productos NDVI

Identifiers

Other
https://openalex.org/W4396655325
DOI
10.1016/j.ecoinf.2024.102630

Is supplement to
https://openalex.org/W4385533602 (Other)
https://openalex.org/W4324030030 (Other)
https://openalex.org/W4309269549 (Other)
https://openalex.org/W3212175006 (Other)
https://openalex.org/W3207046288 (Other)
https://openalex.org/W3189212133 (Other)
https://openalex.org/W3103150534 (Other)
https://openalex.org/W3023446922 (Other)
https://openalex.org/W2968817434 (Other)
https://openalex.org/W1980260791 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W1491321328
  • https://openalex.org/W1953709337
  • https://openalex.org/W1981028777
  • https://openalex.org/W1993746883
  • https://openalex.org/W1995091554
  • https://openalex.org/W1995775970
  • https://openalex.org/W2003326025
  • https://openalex.org/W2003795236
  • https://openalex.org/W2013700605
  • https://openalex.org/W2018093805
  • https://openalex.org/W2022270279
  • https://openalex.org/W2053086167
  • https://openalex.org/W2057387551
  • https://openalex.org/W2058926715
  • https://openalex.org/W2071978272
  • https://openalex.org/W2081585295
  • https://openalex.org/W2107977037
  • https://openalex.org/W2113952909
  • https://openalex.org/W2120580365
  • https://openalex.org/W2151454884
  • https://openalex.org/W2152287417
  • https://openalex.org/W2313504342
  • https://openalex.org/W2360616893
  • https://openalex.org/W2509132632
  • https://openalex.org/W2725897987
  • https://openalex.org/W2758393630
  • https://openalex.org/W2793529083
  • https://openalex.org/W2924753635
  • https://openalex.org/W2947253263
  • https://openalex.org/W2970224384
  • https://openalex.org/W2970963473
  • https://openalex.org/W2991848483
  • https://openalex.org/W3003603589
  • https://openalex.org/W3004566916
  • https://openalex.org/W3011400958
  • https://openalex.org/W3118349307
  • https://openalex.org/W3123980597
  • https://openalex.org/W3162588466
  • https://openalex.org/W3185442927
  • https://openalex.org/W3196708372
  • https://openalex.org/W3212175006
  • https://openalex.org/W3216397365
  • https://openalex.org/W4220781392
  • https://openalex.org/W4224918366
  • https://openalex.org/W4283734848
  • https://openalex.org/W4308492583
  • https://openalex.org/W4311720476
  • https://openalex.org/W4315566118
  • https://openalex.org/W4322504334
  • https://openalex.org/W4322632442
  • https://openalex.org/W4323967749
  • https://openalex.org/W4327949224
  • https://openalex.org/W4366382506
  • https://openalex.org/W4376875520
  • https://openalex.org/W4378951693
  • https://openalex.org/W4383552640
  • https://openalex.org/W4384560720
  • https://openalex.org/W4385976743
  • https://openalex.org/W4387008551
  • https://openalex.org/W4387703455
  • https://openalex.org/W4387705535