利用Sentinel-2卫星的NDVI时间序列和主成分分析方法，检测意大利南部地中海生态系统中的植被异常现象

《Scientific Reports》：Detecting vegetation anomalies in mediterranean ecosystems in southern Italy using sentinel-2 NDVI time series and principal component analysis

　　

摘要

植被对生态系统的运作至关重要，它支持生物多样性和人类生计。然而，植被对气候变异性、土地利用变化以及自然干扰非常敏感。植被异常现象（即植物生长显著偏离预期模式的区域）可能表明生态系统处于压力状态、生产力下降或存在土地退化风险。因此，监测这些异常现象对于理解生态系统的恢复力以及为可持续管理提供依据至关重要。本研究利用Sentinel-2卫星图像和归一化植被指数（NDVI），分析了意大利南部（巴西利卡塔地区）两个相邻水文流域在2017年至2023年七年期间的植被异常情况。通过选择性主成分分析（PCA）技术，增强了局部时间变化的检测能力，降低了数据维度，并提取了关键的生态信号，包括季节性动态、年际变化以及突发性干扰。研究结果揭示了不同生态系统中植被异常的空间和时间分布模式，突显了气候变异性和土地利用方式（如土地弃耕）的影响。该研究证明了多时相PCA方法在识别植被动态显著变化方面的有效性，为评估变化环境条件下的生态系统功能、恢复力及管理措施提供了有价值的工具。