基于MODIS像元尺度的三峡库区植被覆盖度变化的地形分布特征

区域植被覆盖变化监测是研究资源环境承载力的基础，其对区域可持续发展至关重要。基于MODIS NDVI数据，采用像元二分模型计算了2001~2018年三峡库区植被覆盖度，结合植被覆盖度变化类型提取模型及分布指数，揭示了库区植被覆盖度变化在不同地形因子上的分布特征。研究表明：（1）三峡库区植被以高和中高覆盖度为主，其分别占库区总面积的65.72%和28.61%。18年来，库区年均植被覆盖度增长率为0.14%；（2）库区植被稳定类型占总面积的79.50%，植被改善占16.71%，植被退化占3.79%。26个区（县）中，长寿区、江北区等7区的植被改善面积小于植被退化面积，存在生态退化风险；（3）高程小于500 m、坡度小于6°的区域植被退化优势显著；高程500~1 100 m的区域植被改善为主导类型；坡度6°~15°的区域无明显优势分布；高程大于1 100 m、坡度大于15°的区域植被稳定和植被改善类型为优势分布；（4）库区不同坡向上，平坡上的植被退化类型显著，当坡向由阴坡向阳坡转变（西坡→南坡，北坡→东坡）时，植被覆盖度变化优势分布类型由植被退化型转变为植被改善型。研究结果揭示了三峡库区植被覆盖的空间分布和变化特征，对库区生态环境评价和植被恢复及保护具有一定的借鉴意义。     

湖北省植被覆盖度时空变化特征与影响因素分析

湖北省植被结构变化受自然和人类活动因素的影响较大,揭示湖北省植被变化的空间特征对其生态环境改善具有重要意义.基于MOD13Q1 NDVI数据计算湖北省的植被覆盖度,结合气象、DEM数据分析湖北省2000～2020年植被覆盖度的时空变化及分布格局,并探讨了其对气候变化、人类活动的响应.结果 表明:(1)2000～2020年湖北省植被覆盖度总体呈现增加的趋势,增大区域集中在湖北省的西北部,十堰、神农架林区和随州周围;(2)局部地区存在植被退化现象,退化面积呈先减小后增加的趋势.2000～2005年植被恢复区域主要集中在西北部和西南部,退化区域分布在武汉、襄阳、仙桃和黄石等地区;2005～2010年湖北省整体植被覆盖状况相对较差,退化区域分布在西北部和东南部,十堰和武汉较为明显,改善区域集中湖北省中部、神农架林区、襄阳、随州和天门;2010～2015年湖北省植被退化面积减少,分布在东部和西北部;2015～2020年植被覆盖度整体呈现下降趋势;(3)湖北省的东北部、西南部以及襄阳等地区的植被覆盖度与气温、降水呈现正相关,随着海拔的升高,气温、降水及风速和植被覆盖度正相关和负相关所占比重逐渐减少;(4)人类因素对湖北省的生态环境有正影响,对植被恢复有促进作用;负影响主要集中在武汉周边城市、襄阳、荆州等区域.     

基于MODIS NDVI的攀枝花市植被覆盖变化及其驱动力#br#

攀枝花市位于金沙江与雅砻江的交汇处是长江上游生态脆弱区,也是天然林保护工程和退耕还林工程等的重点实施区。基于2001~2010年MODIS NDVI数据,以及同时期的气象数据和其他辅助数据,利用最大值合成法（MVC）、趋势分析法以及线性相关分析等方法研究了攀枝花市植被覆盖时空变化及其与气候因素和人类活动的关系。研究结果表明：攀枝花市植被覆盖整体较高,属于高植被覆盖区域,年际尺度上,植被覆盖呈上升的趋势,增长速率为0.02/10 a;从年内来看,9月NDVI达到最大值,NDVI最小值出现在3月;植被覆盖在水平空间上呈“南低北高”的分布特征,并在垂直空间上呈现出显著的差异性,研究区植被覆盖分别在海拔2 000~3 000 m、坡度30°~40°达到最大值;受水热条件的影响,阴坡（0°~45°, 315°~360°）植被覆盖高于阳坡（135°~225°）,而平地（-1°）植被覆盖度最低;就整个研究区而言,植被退化的面积与增加的面积分别占0.7%和44.4%,增加的面积远大于退化的面积;年际尺度上植被受气温的影响高于受降水的影响;大规模生态工程建设是研究区植被覆盖增加的主要驱动因素。 关键词： 植被覆盖变化;归一化植被指数;气候变化;人类活动;攀枝花市     

FAST电磁波宁静区植被覆盖度及景观格局时空变化

植被覆盖度是描述区域内植被修复和生长的重要因子,定量研究了FAST项目实施前后植被覆盖度变化时空特征,并利用景观格局对该区的植被覆盖度进行分析.基于Landsat TM/OLI影像反演FAST电磁波宁静区2008～2018年5期植被覆盖度数据,利用Fragstats 4.2进行景观格局分析.结果 表明:(1)2008～2018年,林地的增长趋势明显,该区域的植被覆盖度呈现明显的时空差异特征,植被覆盖类型上,2008年集中在中、低植被覆盖度,2018年多为中高、高植被覆盖度.(2)从植被覆盖度的转移情况可以看出,植被覆盖度增加的面积远大于退化的面积,增长趋势显著.核心区2010～2016年的植被覆盖度增长面积为48.01 km2,退化面积仅为16.19 km2,实际表现为该地区的生态环境质量明显改善,森林面积增加.(3)FAST电磁波宁静区林地面积的增加对植被覆盖度具有正向影响,同时在景观格局上表现为植被覆盖度的斑块密度和斑块数量呈下降趋势,景观破碎化程度降低,连通性增强,景观格局趋于稳定,聚集度上升,说明有效的林地保护措施对该地区的景观格局影响很大,稳定的景观格局对台址的保护起到重要作用,同时为该地区不同范围的植被保护力度提供遥感监测支撑.     

喀斯特地貌区植被覆盖与地形因子的空间关系分析——以贵州普定县为例

以贵州省普定县为研究区,选取区内植被覆盖为研究对象,综合运用遥感和GIS技术,借助空间叠加分析,研究了区内植被覆盖度分别随地形因子变化的规律,再利用普定县土地利用现状图与植被覆盖分布图和各地形因子叠加综合并结合分布指数分析了地形因子与植被覆盖分布的格局。研究结果表明：（1）向阳坡向、低海拔地区以低植被覆盖度为主;高程1 400~1 600 m的地区,坡度在25°以上的地区,坡向上东北坡、北坡、西南坡、西北坡的地区,地表切割深度30~40 m上的地区为植被分布的优势地形位;（2）在优势地形位上各级植被覆盖的分布面积波动较大,这也体现了植被覆盖的分布格局与地形因子的空间关系具有较大的不确定性;（3）人为因素对植被发育、分布的影响较大,地形因素通过影响会限制人类活动,而间接影响或有利于植被的生长。研究结论有助于揭示普定县植被覆盖的空间分布和变化特征,对喀斯特区域生态环境的评价和改良具有重要的参考价值,同时也为喀斯特地区植被修复、保护和石漠化防治提供决策依据     

基于MODIS NDVI的攀枝花市植被覆盖变化及其驱动力

攀枝花市位于金沙江与雅砻江的交汇处是长江上游生态脆弱区,也是天然林保护工程和退耕还林工程等的重点实施区。基于2001~2010年MODIS-NDVI数据,以及同时期的气象数据和其他辅助数据,利用最大值合成法(MVC)、趋势分析法以及线性相关分析等方法研究了攀枝花市植被覆盖时空变化及其与气候因素和人类活动的关系。研究结果表明:攀枝花市植被覆盖整体较高,属于高植被覆盖区域,年际尺度上,植被覆盖呈上升的趋势,增长速率为0.02/10 a;从年内来看,9月NDVI达到最大值,NDVI最小值出现在3月;植被覆盖在水平空间上呈"南低北高"的分布特征,并在垂直空间上呈现出显著的差异性,研究区植被覆盖分别在海拔2 000~3 000 m、坡度30°~40°达到最大值;受水热条件的影响,阴坡(0°~45°,315°~360°)植被覆盖高于阳坡(135°~225°),而平地(-1°)植被覆盖度最低;就整个研究区而言,植被退化的面积与增加的面积分别占0.7%和44.4%,增加的面积远大于退化的面积;年际尺度上植被受气温的影响高于受降水的影响;大规模生态工程建设是研究区植被覆盖增加的主要驱动因素。     

三江源区植被覆盖度的定量估算与动态变化研究

植被覆盖度是衡量地表植被状况的重要指标,其时空分布和变化对政府进行区域规划和决策起着重要作用。MODIS植被指数是区域植被覆盖度提取的重要数据源。利用2000年1月到2009年10月的MODIS 250 m归一化植被指数16 d合成产品（MODIS NDVI）和其他MODIS辅助数据估算三江源区的植被覆盖度并分析时空格局变化趋势。在混合像元二分模型的基础上改进了NDVI参数的确定方法,然后利用重构后的MODIS数据估算植被覆盖度。与2007年8月的野外采样点数据比较,估算精度是8772%,相关系数r为0889 7,表明该模型估算大面积植被覆盖度是可行的。将获得的植被覆盖度分为5个等级,从年最大化植被覆盖度Mfc的角度进行10 a里植被覆盖度的年际变化趋势分析和时空格局变化分析。趋势分析结果表明,2000~2009年三江源区植被覆盖波动式变化,东北部地区得到改善,西部地区在退化,总体呈现退化趋势;时空格局变化分析结果表明,植被覆盖破碎度降低,趋于集中化分布;不同等级覆盖度分布的复杂化程度降低     

基于时序MODIS/NDVI影像的鄂东南低山丘陵区植被覆盖度季节变化特征

遥感估算植被覆盖度的精度受云噪声的影响较大。最大值合成法（MVC）法能够较好消除时序NDVI影像上云污染的影响，但对于长时间多云或连阴雨天气常见的地区来说，该方法难以彻底去除云覆盖。以鄂东南低山丘陵区为研究对象，应用BISE算法对其2006年时序MODIS/NDVI影像进行噪声检测和处理。在此基础上，应用改进后的像元二分模型对这些NDVI影像进行植被覆盖度的估算和分级统计与分析。研究结果表明:根据改进后的像元二分模型和NDVI指数估算植被覆盖度的平均绝对误差和平均相对误差分别为0149和277%；对时序植被覆盖度影像的分级统计结果显示：鄂东南低山丘陵区植被覆盖整体较高，全年高覆盖度（>80%）、中高覆盖度（60%～80%）和中等覆盖度（40%～60%）植被区所占的面积比之和约为75%～84%，尤其是7～9月份80%左右的区域为高覆盖度或中高覆盖度植被所覆盖；除了低覆盖度植被以外，其他等级的植被区季节变化明显，尤其是高覆盖度和中高覆盖度植被的年内变化极为显著，并且二者之间存在着明显的此消彼长的转化关系。     

2000～2015年川西高原植被EVI海拔梯度变化及其对气候变化的响应

川西高原植被系统受地形因子影响在垂直方向上空间特征差异明显。以MODIS EVI遥感数据作为植被动态监测指数,结合高程数据分析2000～2015年川西高原植被EVI沿海拔梯度的变化规律,然后根据川西高原内部及附近39个气象站点的气温和降水资料开展川西高原植被EVI变化对气候变化的响应研究。结果表明:(1)川西高原近16年生长季植被EVI以0.8%/10 a的速率波动增加,沿海拔梯度具有先升高后降低的特点,垂直分布特征差异显著;(2)川西高原植被EVI变化趋势整体处于稳定状态,改善面积多于退化面积。在1 000 m的低海拔区域,由于人类活动的干扰,植被退化严重;中等海拔范围内水热条件充足,利于植被生长,植被逐渐得到改善,局部地区有轻微退化现象;在4 000 m的高海拔地带,植被EVI波动幅度较低并趋于稳定;(3)不同高程区间内植被EVI变化受气候影响不同,川西高原高海拔地区植被生长主要受气温控制,而中等海拔地区受降水影响较大。(4)在0.05显著性水平下,川西高原植被EVI变化受非气候因子驱动的面积分布较广,约84.22%;受气候因子驱动的面积占比为15.78%,气温对植被生长和分布的驱动作用强于降水驱动作用。     

2000～2015年丹江口库区植被覆盖时空变化趋势及其成因分析

基于MODIS NDVI、Landsat遥感影像及气象观测数据,应用趋势分析、偏相关分析和土地利用转移矩阵等方法,阐明了2000~2015年丹江口库区植被覆盖时空变化趋势,并探讨了气候变化和人类活动对库区植被覆盖的影响。结果表明：（1）近16 a来丹江口库区植被覆盖度呈增加的趋势,增速为4.73%/10 a（p < 0.001）;（2）40.94%的区域植被覆盖度增加显著,主要分布在库周丘陵和平原地带;10.04%的区域植被覆盖度减少显著,主要位于西北部伏牛山区及库区建成区周边;49.02%的区域变化不显著;（3）丹江口库区植被覆盖度受气候变化影响不显著,但受人类活动影响较大,其中灌草地和农业用地转变为林地是库区植被覆盖度升高的主要原因,农业用地转变为水体和建设用地是部分区域植被覆盖度降低的重要因素,这些土地利用/覆被变化主要受造林、退耕还林、水库蓄水以及建设活动的驱动;（4）生态建设工程和项目的实施对库区植被覆盖度的稳步增加起到了积极作用。 关键词： 植被覆盖度;变化趋势;土地利用;丹江口库区     

基于MODIS EVI的2000~2015年重庆植被覆盖季节变化

基于2000~2015年的MODIS EVI数据，采用MVC、趋势分析和分布指数法，分析了重庆近16 a来植被的季节变化趋势和空间分布特征。结果表明：（1）植被减少类型冬季比例最高（6.33%），主要分布于受库区蓄水和建设用地扩张影响的河谷、城镇及其周边地区；植被不变类型秋季比例最高（88.23%）；植被增加类型春季比例最高（31.50%），主要分布于农业种植的西部丘陵区和中部平行岭谷地区。（2）植被变化类型优势分布区域各异，植被减少主要分布于小于400 m、小于 6°区域，植被增加主要分布于400~1 000 m、6°~15°区域，在大于1 000 m、大于15°区域植被相对稳定。（3）从春季到夏季，植被减少类型向低地形区（< 800 m，< 6°）移动，而植被增加类型则向高地形区（> 800 m，> 6°）移动；从夏季到秋季，植被减少类型向高地形区（> 500 m，> 6°）移动，而植被增加类型则向低地形区（< 500 m，< 6°）移动；从秋季到冬季，植被减少和增加类型均在向高地形区移动，在高地形区，植被减少（> 1 300 m，> 15°）分布强于植被增加（> 500 m，> 6°），在低地形区则是植被减少（< 1 300 m，< 15°）分布弱于植被增加（< 500 m，< 6°）。（4）在坡向的分布上，除了平地区域外，植被变化幅度在北、东、南、西坡向上随季节变化不明显。 关键词： 植被覆盖度；MODIS EVI；趋势分析；地形分布指数；季节变化     

Forest community analysis in the Songshan national nature reserve of China using self-organizing map

The forest communities in the Songshan National Nature Reserve (SNNR) of China were analyzed by using self-organizing map (SOM). Seven types of vegetation were defined by SOM, and represented the panorama of forest communities in the SNNR. The classification of samples and species contribution was consistent. SOM classification and the dominant species visualization in the forest community data in SNNR reflected the impact of the environmental factors, such as elevation, and slope.     

基于面向对象的石漠化山区植被信息提取及分布特征研究

重庆东北部地区是重庆岩溶石漠化重点治理区,该区地形复杂,山高坡陡,植被退化现象严重。了解该地区的植被分布特征,对该区环境的改善和石漠化治理具有十分重要的现实意义。基于Landsat OLI等数据,运用面向对象分类方法对研究区植被信息进行提取,然后对分类后的数据进行统计、制图和分析,并在空间布局上进行总结和探讨,旨在了解该区域植被的空间分布特征和规律。结果表明：（1）在eCognition 9.0软件中进行多尺度分割,再结合地物类型特征使用隶属度函数法进行分类,该方法符合山地地物类型的分布规律和特点,分类精度达到81.35%;（2）研究区属典型的中山地区,海拔在500~1 500 m之间的地区约占64.49%,林地和耕地是该区域主要的地物类型,所占总面积为8 872.22 km2,占研究区总面积的96.50%,各地物类型分布受地形地势的影响较大;（3）综合研究区地形因子(高程和坡度)与植被分布的相关性可知,耕地和草灌主要分布在高程为200~1 500 m且坡度等级在2~4级（5°~35°）之间,该区域人类活动频繁,故受人类活动影响较大,植被覆盖度低,群落生长不稳定,容易受到干扰。针阔混交林主要分布在高程>500 m且坡度等级在2~4级（5°~35°）之间。马尾松林、阔叶林和柏木林主要分布在高程大于500 m且坡度等级在2~5级（5°~45°）之间。 关键词： 多尺度分割;面向对象分类;地形因子;植被空间分布     

三峡库区森林植被分布的地形分异特征

基于森林植被GIS数据库和群落调查,对三峡库区森林植被分布的地形分异特征进行分析。结果表明：（1）三峡库区森林植被主要分布在海拔400~1200 m,随海拔上升和坡度增大,森林覆盖率逐步提高,海拔为400 m以下区间森林覆盖率最低。（2）不同海拔级的优势森林类型分别为灌木林（400 m以下、1 200~1 600 m、1 600~2 000 m和2 000 m以上）、马尾松林（400~800 m和800~1 200 m）。各森林类型分布面积占该类型总面积百分比在不同海拔级上的分布都为单峰型,海拔由低到高出现峰值的森林类型依次为竹林、经济林和柏木林（800 m以下）、暖温性针叶林（1 600 m以下）、针叶混交林和针阔叶混交林（400~1 600 m）、阔叶林（800~2 000 m）、温性针叶林（1 200~2 000 m）。（3）柏木林、马尾松林、杉木林、温性松林、针叶混交林及针阔混交林主要分布在坡度低于35°区域,竹林和经济林主要分布在坡度小于25°区域。在坡度低于5°、6°~15°和16°~25°的区域,马尾松面积均最大,在坡度为26°以上的区域,灌木林分布面积均最大。（4）各类植被类型在各个坡向上分布面积变化不大。研究结果为三峡库区生态规划和建设提供科学依据.     

Autumn bed site selection by sika deer (<Emphasis Type="Italic">Cervus nippon</Emphasis>) in the Taohongling National Nature Reserve,China

To better understand the habitat requirements of sika deer in the Taohongling National Nature Reserve, transect lines were set out to collect data on bed sites used by sika deer during the autumn. The results showed that sika deer displayed a preference for bed sites with a moderate height of grass fallow and brush fallow, lower shrub density, higher herb density, lower canopy coverage, and higher undergrowth coverage. The bed sites were also characterized as being located on sunny slopes, gentle slopes, and upper slopes, with high elevation. In addition, most bed sites were located far away from human disturbance (more than 1000 m). A logistic regression analysis model indicated that undergrowth coverage, slope location, canopy coverage, and height of undergrowth were important factors that contributed to the difference between used and non-used plots. The habitat–animal relationship is one of the most important types of information, which could provide important references for the conservation and management of sika deer and their habitats in the Taohongling reserve.     

元谋干热河谷近30年植被变化遥感监测

针对元谋干热河谷植被变化问题，选择多种遥感数据提取NDVI，基于DEM生成地形因子，应用GIS叠加分析其变化特征。结果表明：近30 a来，元谋干热河谷植被变化经历先剧烈退化后缓慢恢复过程；而且恢复期内，中山区、中高山区、平坡和无坡向恢复效果显著且持续稳定，平坝区、缓坡、斜坡、半阴坡和阴坡强烈的恢复过程伴随有强烈的退化过程，低山丘陵区、中低山区、陡坡、险坡、阳坡和半阳坡均又出现退化趋势，中高山区、险坡和阴坡对植被破坏与恢复重建响应最迅速；植被恢复的空间差异和可持续性差异显著。
     

长江上游不同地形条件下的土地利用/覆盖变化

基于1〖DK〗∶10万的1980、2000和2005年的土地利用/覆盖数据和90 m分辨率的DEM数据,采用转移概率矩阵和地形 面积频度方法,分析了1980~2005年长江上游地区不同地形因子条件下的土地利用/覆盖变化。结果表明：1）1980~2000年,草地、林地和农业用地面积变化趋势与2000~2005年相反。后5 a,可能由于退耕的土地出现反弹现象增多,草地和林地面积出现缩减而农业用地面积增加。两个分析时段主要的土地利用/覆盖类型变化趋势类似,包括农业用地向林地和草地的转化,林地向农业用地的转化以及草地向裸地的转化。2）农业用地和城镇用地主要分布于低海拔区而林地、草地则主要分布于高海拔区。低海拔区主要是退耕还林和城市化过程。高海拔区主要是林地的退化消失和草地退化沙化过程。3）农业用地在坡度段10~25°所占面积比例最大。林地用地面积比例随坡度变陡呈现规则递增,城镇用地分布趋势与之相反。近年裸地趋向分布于缓坡区。坡度0~5°的区域主要是草地退化沙化过程;5~10°坡度段主要是退耕还林过程;大于10°的区域造林工程与森林退化并存。4）各种土地利用/覆盖类型对不同坡向的适宜性相差不大。各种坡向上土地利用/覆盖类型变化类似.     

近34年祁连山南坡植被覆盖变化与气象因子关系研究

基于1982~2015年GIMMS NDVI数据，通过趋势线法和相关性分析方法，对祁连山南坡植被覆盖变化及影响因素进行分析。研究结果表明：（1）祁连山南坡植被覆盖整体呈显著上升趋势，线性回归增速为0.99%/10 a；各季节平均NDVI依次为夏季>秋季>春季>冬季， NDVI变化斜率排序依次为冬季>夏季>秋季>春季； NDVI月变化趋势基本一致，夏季NDVI在2004~2015年最大。（2）近34年来，祁连山南坡大部分区域属于常绿区域，三时间阶段植被增加面积整体表现出增加-减少-增加趋势，且在2004~2015年之间植被增加面积最大，占比为92.66%，增加速度最快的区域在门源县境内。（3）在影响因素方面，研究区NDVI与气温的相关性（0.58）大于降雨的相关性（0.27），研究区生长季 (4~9月)植被覆盖受气温和降水共同影响。