本发明涉及遥感和植被监测，特别是涉及一种草原沙化生态修复时序遥感植被监测方法。
背景技术：
1、草原沙化是全球范围内面临的重要生态问题之一，影响土地生产力和生物多样性。传统的遥感监测方法如ndvi，虽然在全球植被监测中广泛应用，但在沙化区域因土壤背景反射率高而精确度受限。尽管evi等指数改善了ndvi的缺陷，但在极端环境下仍存在局限性。因此，需要一种能够更准确反映植被状态和生态修复进程的监测方法。
技术实现思路
1、为了克服现有技术的不足，本发明的目的是提供一种草原沙化生态修复时序遥感植被监测方法，能够显著提高了植被监测的精度和敏感性。
2、为实现上述目的，本发明提供了如下方案：
3、一种草原沙化生态修复时序遥感植被监测方法，包括：
4、采集目标区域的红光波段和近红外波段的影像数据；
5、对所述影像数据进行数据预处理，得到预处理数据；
6、计算所述预处理数据中的每个像素的ndvi值；
7、应用高斯核变换对所述ndvi值进行优化，得到kndvi值；
8、基于时间序列分析方法，根据所述kndvi值分析所述目标区域的植被覆盖变化趋势。
9、优选地，采集目标区域的红光波段和近红外波段的影像数据，包括：
10、根据所述目标区域的植被的生长周期和季节变化确定采集频率；
11、基于所述采集频率，使用装备有高分辨率多光谱传感器的卫星确定红光波段和近红外波段的影像数据。
12、优选地，对所述影像数据进行数据预处理的方式包括：辐射校正、大气校正和云雾去除。
13、优选地，对所述影像数据进行数据预处理的软件为envi或erdas。
14、优选地，所述kndvi值的计算公式为：
15、kndvi＝tanh(ndvi2)
16、其中，kndvi为所述kndvi值，ndvi为所述ndvi值。
17、优选地，所述kndvi值的计算公式为：
18、
19、其中，kndvi为所述kndvi值，σ为在每个特定应用中指定的长度尺度参数，nir为预处理数据中的近红外波段数据；red为预处理数据中的红光波段数据。
20、优选地，所述时间序列分析方法为动态时间扭曲算法。
21、根据本发明提供的具体实施例，本发明公开了以下技术效果：
22、本发明提供了一种草原沙化生态修复时序遥感植被监测方法，包括：采集目标区域的红光波段和近红外波段的影像数据；对所述影像数据进行数据预处理，得到预处理数据；计算所述预处理数据中的每个像素的ndvi值；应用高斯核变换对所述ndvi值进行优化，得到kndvi值；基于时间序列分析方法，根据所述kndvi值分析所述目标区域的植被覆盖变化趋势。本发明不仅提供了一种科学和有效的植被监测方法，而且通过实际应用展示了其在环境监测和生态恢复中的广泛应用潜力。本发明通过核方法改进了传统的ndvi，使其在复杂环境中的应用更为准确和可靠。
1.一种草原沙化生态修复时序遥感植被监测方法，其特征在于，包括：
2.根据权利要求1所述的草原沙化生态修复时序遥感植被监测方法，其特征在于，采集目标区域的红光波段和近红外波段的影像数据，包括：
3.根据权利要求1所述的草原沙化生态修复时序遥感植被监测方法，其特征在于，对所述影像数据进行数据预处理的方式包括：辐射校正、大气校正和云雾去除。
4.根据权利要求1所述的草原沙化生态修复时序遥感植被监测方法，其特征在于，对所述影像数据进行数据预处理的软件为envi或erdas。
5.根据权利要求1所述的草原沙化生态修复时序遥感植被监测方法，其特征在于，所述kndvi值的计算公式为：
6.根据权利要求1所述的草原沙化生态修复时序遥感植被监测方法，其特征在于，所述kndvi值的计算公式为：
7.根据权利要求1所述的草原沙化生态修复时序遥感植被监测方法，其特征在于，所述时间序列分析方法为动态时间扭曲算法。
