This paper presents a novel methodological approach to countrywide vegetation mapping. We used green vegetation biomass over the year as captured by coarse resolution hyper-temporal NDVI satellite-imagery, to generate vegetation mapping units at the biome, ecoregion and at the next lower hierarchical level for Namibia, excluding the Zambezi Region. Our method was based on a time series of 15 years of SPOT-VGT-MVC images each representing a specific 10-day period (dekad). The ISODATA unsupervised clustering technique was used to separately create 2–100 NDVI-cluster maps. The optimal number of temporal NDVI-clusters to represent the information on vegetation contained in the imagery was established by divergence separability statistics of all generated NDVI-clusters. The selected map consisted of legend of 81 cluster-specific temporal NDVI-profiles covering each a 15-year period of averaged NDVI data representing all pixels classified to that cluster. Then, by legend-entry using the dekad-medians of all 15 annual repeats, we produced generalized legend-entries without year-specific anomalies for each cluster. Subsequently, a hierarchical cluster analysis of these temporal NDVI-profiles was used to produce a dendrogram that generated grouping options for the 81 legend-entries. Maps with cluster-groups of 8 and 4 legend-entries resulted. The 81-cluster map and its 65 legend-entries vector version have no equivalent in published vegetation maps. The 8 cluster-group map broadly corresponds with published ecoregion level maps and the 4 cluster-group map with the published biome maps in their number of legend units. The published vegetation maps varied considerably from our NDVI-profile maps in the location of mapping unit boundaries. The agreement index between our map and published biome maps ranges from 70−93. For the ecoregion level, the agreement index is much lower, namely 51−75. Our methodological approach showed a considerably higher discretionary power for hierarchical levels and the number of vegetation mapping units than the approaches applied to previously published maps. We recommended an approach to transform our three hyper-temporal NDVI-profiles based legend-entries into more specific vegetation units. This might be accomplished by re-analysis of available, spatially-comprehensive plant species occurrence data.

本文提出了一种在全国范围内进行植被测绘的新颖方法。我们利用粗分辨率超时态NDVI卫星图像捕获的一年中的绿色植被生物量，在生物群落，生态区以及纳米比亚（不包括赞比西河地区）的下一个较低层次级别上生成了植被测绘单元。我们的方法是基于15年的SPOT-VGT-MVC图像的时间序列，每个图像代表一个特定的10天期限（十天）。使用ISODATA无监督聚类技术分别创建2–100个NDVI集群图。通过对所有生成的NDVI群集的散度可分离性统计，确定了代表图像中包含的植被信息的最佳NDVI群集的最佳数量。所选地图由81个特定于群集的时态NDVI资料的图例组成，每个图例均覆盖代表该群集中所有像素的15年平均NDVI数据。然后，通过使用所有15次年度重复的十进制中值进行图例输入，我们为每个聚类生成了没有特定年份异常的广义图例输入。随后，对这些时间NDVI剖面进行了层次聚类分析，以生成树状图，该树状图为81个图例条目生成了分组选项。生成具有8个和4个图例条目的聚类组的地图。81个群集的地图及其65个图例条目的矢量版本在已发布的植被地图中没有等效功能。8个群集组地图大致对应于已发布的生态区域级别地图，而4个群集组地图具有已发布的生物群系地图（其图例单位数量）。已发布的植被图与我们的NDVI剖面图在制图单位边界位置上有很大不同。我们的图谱与已发布的生物群落图谱之间的一致性指数范围为70-93。对于生态区域级别，协议指数要低得多，即51-75。与应用于以前发布的地图的方法相比，我们的方法论方法显示出更高的层次结构和一定数量的植被测绘权。我们推荐了一种方法，可将基于图例条目的三个超时态NDVI剖面转换为更特定的植被单位。这可以通过重新分析可用的，空间综合的植物物种发生数据来实现。我们的地图和已发布的生物群落图之间的一致性指数范围为70-93。对于生态区域级别，协议指数要低得多，即51-75。与应用于以前发布的地图的方法相比，我们的方法论方法显示出更高的层次结构和一定数量的植被测绘权。我们推荐了一种方法，可将基于图例条目的三个超时态NDVI剖面转换为更特定的植被单位。这可以通过重新分析可用的，空间综合的植物物种发生数据来实现。我们的图谱与已发布的生物群落图谱之间的一致性指数范围为70-93。对于生态区域级别，协议指数要低得多，即51-75。与应用于以前发布的地图的方法相比，我们的方法论方法显示出更高的层次结构和一定数量的植被测绘权。我们推荐了一种方法，可将基于图例条目的三个超时态NDVI剖面转换为更特定的植被单位。这可以通过重新分析可用的，空间综合的植物物种发生数据来实现。与以前发布的地图所采用的方法相比，我们的方法论方法显示出更高的层次结构和一定数量的植被测绘权。我们推荐了一种方法，可将基于图例条目的三个超时态NDVI剖面转换为更特定的植被单位。这可以通过重新分析可用的，空间综合的植物物种发生数据来实现。与以前发布的地图相比，我们的方法论方法显示出更高的层次结构和一定数量的植被测绘权。我们推荐了一种方法，可将基于图例条目的三个超时态NDVI剖面转换为更特定的植被单位。这可以通过重新分析可用的，空间综合的植物物种发生数据来实现。