福建省长汀县植被覆盖度遥感动态监测研究

遥感估算植被覆盖度的关键在于:一是植被指数的选择,二是植被指数转换方法。针对中国南方多山的特点,论文提出了能较好地削弱影像中山体阴影、土壤背景、岩石、建筑用地等地物对植被覆盖度信息干扰的复合植被指数V BSI;在植被指数转换方法上,采用混合像元法,对福建省长汀县1994年和2003年的遥感影像进行了植被覆盖度的估算。研究结果表明:采用VBSI进行植被覆盖度的估算,影像阴影信息的干扰作用可以被削减为NDV I的50%,基于VBSI的混合像元法估算植被覆盖度的总体精度达到80%以上;动态监测表明,从1994至2003年研究区高植被覆盖面积增加了150.47km₂,占国土面积的比例提高了4.9个百分点,据调查,这与近年来长汀县加大水土流失治理力度有着重要关系。     

生态环境变化遥感评价指数的应用研究——以敖江流域为例

利用1994年5月12日与2009年6月6日的Landsat TM和2001年5月23日的Landsat ETM＋卫星影像,选用遥感生态指数（RSEI）,结合流域的植被覆盖度状况,定量评价了15年间敖江流域的生态环境变化与植被覆盖度变化情况,并对二者的关系进行了简要分析.结果表明：15年间,敖江流域生态等级为优所占的面积比例从13.48％上升到24.90％,增加了304.29 km2;植被覆盖度等级为极高的面积增加比例为29.31％.总体看来,敖江流域生态环境状况和植被覆盖状况均有明显的提高,两者具有较好的对应关系.     

北运河流域植被覆盖度变化及其生态环境质量评估

北运河流域作为北京城市副中心建设涉及的重要自然地理单元,流域内人类活动剧烈,生态问题突出,植被覆盖率下降.基于植被覆盖度快速实现流域内生态环境质量的全面评价,是打造生态和谐宜居示范区的重要支撑,也是实现新时期首都生态文明建设的关键.本文选取1990年、2004年、2018年时相相近的3期Landsat TM/OLI数据,首先采用线性光谱混合模型进行植被覆盖度(FVC)的计算,再利用主成分分析法构建遥感生态指数(RSEI),并对二者时空变化规律及相关性进行探究.结果表明,1990—2018年,研究区平均植被覆盖度与遥感生态指数均呈现先增后减的趋势,植被覆盖度由0.36增长至0.43再降至0.41,遥感生态指数由0.545增加为0.584后又降至0.545.1990—2004年生态质量下降的区域集中分布在北京市主城区四周,环境质量改善的区域集中分布在北运河流域北部、中心城区及东南部,而2004—2018年生态质量下降的重点区域则向东南部流域下游转移,环境质量改善的区域则大面积减少.流域内生态质量保持稳定的区域大幅增加,生态质量差与较差区域占比连续降低,表明研究区大部分区域生态系统状况趋于稳...     

区域生态环境变化的遥感评价指数

基于遥感信息技术提出一个新型的遥感生态指数(RSEI),以快速监测与评价区域生态质量.该指数耦合了植被指数、湿度分量、地表温度和土壤指数等4个评价指标,分别代表了绿度、湿度、热度和干度等4大生态要素.与常用的多指标加权集成法不同的是,本研究提出用主成分变换来集成各个指标,各指标对RSEI的影响是根据其数据本身的性质来决定,而不是由人为的加权来决定.因此,指标的集成更为客观合理.将RSEI应用于福建长汀水土流失区,并与国家环境保护部《生态环境状况评价技术规范》中的生态指数EI的计算结果相比较,发现二者的结果具有可比性.不同的是,RSEI不仅可以作为一个量化指标,而且还可以对区域生态环境变化进行可视化、时空分析、建模和预测.因此,可弥补EI指数在这些方面的不足.     

滨海半城市化地区植被覆盖度的时空变化——以青岛市崂山区为例

基于青岛市崂山区1990、1997、2002、2008年四期TM遥感影像数据,利用遥感二分像元估算模型和归一化植被指数,定量研究了半城市化地区的植被覆盖度演化过程及其时空动态变化特征,结果表明:研究区植被覆盖度演变具有快速性、差异性和不稳定性特征;1990-1997年,植被平均覆盖度由48.71%下降到24.74%,是植被覆盖度下降最快时期;2002-2008年间,植被平均覆盖度由23.58%增加到44.49%,属于植被覆盖恢复时期。整体空间变化呈现分散和无序特征,地形因子显著影响植被覆盖度的分布及变化。从气候因素和人为活动影响两个方面分析了造成崂山地区植被覆盖度下降的原因,对降雨量与各地区植被覆盖度进行了相关性分析,划分出气候影响显著区域。最后通过主成份分析定量研究气候、人为因素对当地植被覆盖度的影响程度,结果发现城市化作用是造成植被覆盖度变化的主要因素。     

东北黑土水土流失区生态环境遥感动态监测

为及时快速地监测水土流失地区的生态环境变化状况,以拜泉县为例,选取1985年、1996年、2006年和2015年Landsat影像,反演得到能反映生态环境的绿度、湿度、热度和干度指标,利用主成分分析方法,依据RSEI（遥感生态指数）对拜泉县1985—2015年的生态环境进行评价.结果表明:1985—2015年拜泉县RSEI从0.645增至0.851,增幅为31.94%,生态环境质量改善地区面积高于退化区域面积,总体上生态质量向好的方向发展;拜泉县整体生态环境质量综合指数由3.78升至4.87,各乡镇的生态环境质量综合指数均呈现不同程度的增加,从空间分布来看,西南部和南部乡镇的变幅大于北部,中部基本保持不变,水土流失重点区域生态环境质量显著提高;逐步回归分析结果表明,所选的指标均为生态环境质量的关键指标;绿度逐渐成为研究区生态环境质量正向作用的重要指标,说明植树造林等生态治理措施对环境质量的改善起到主导作用.研究显示,RSEI能够综合刻画水土流失区生态环境质量,同时拜泉县生态环境质量整体不断改善,水土流失治理成效明显.      

大山包黑颈鹤自然保护区植被覆盖度遥感监测及分析

基于2001、2006年的TM/ETM遥感数据,利用像元二分模型,估算出不同时期内大山包黑颈鹤自然保护区的植被覆盖度,并对其变化进行了定量分析。结果表明,2006年较2001年的植被覆盖度呈增高趋势。植被覆盖度的变化与人类活动有密切关系,大山包黑颈鹤自然保护区核心区居民异地迁移工程以及国家级自然保护区的建立是大山包黑颈鹤自然保护区植被覆盖度增高的重要原因。     

大山包黑颈鹤自然保护区植被覆盖度遥感监测及分析

基于2001、2006年的TM/ETM遥感数据,利用像元二分模型,估算出不同时期内大山包黑颈鹤自然保护区的植被覆盖度,并对其变化进行了定量分析。结果表明,2006年较2001年的植被覆盖度呈增高趋势。植被覆盖度的变化与人类活动有密切关系,大山包黑颈鹤自然保护区核心区居民异地迁移工程以及国家级自然保护区的建立是大山包黑颈鹤自然保护区植被覆盖度增高的重要原因。     

密云水库流域2000-2005年植被覆盖度变化监测

植被是生态系统最重要的组成部分,而植被覆盖度是衡量地表植被状况的一个最重要的指标,是生态系统健康评价的前提和必要的基础。文章利用2000和2005年2个时相的Landsat 7 ETM+遥感影像为数据源,以BP神经网络法为植被覆盖度估算模型,计算了密云水库流域内不同时期的植被覆盖度,生成了该流域2个时相内的植被覆盖度图,以此分析密云水库流域植被覆盖度的时空变化。结果表明,从2000-2005年,密云水库流域内除无植被覆盖类型外(即水域部分),其余土地利用类型的植被覆盖度都呈增加趋势,其中以沙质地和耕地最为明显,分别增长了29.5%和27.3%,并且密云水库流域的平均植被覆盖度不高,尤其西部地区植被覆盖度较差,水土流失和土地沙化情况比较严重。     

晋西南黄土高原区植被覆盖度变化及其生态效应评估

水土流失和生态退化是黄土高原区面临的严峻问题,已经严重制约了经济发展。基于TM和OLI数据,分别估算晋西南黄土高原区的植被覆盖度（FVC）和遥感生态指数（RSEI）,定量分析了晋西南黄土高原区的植被和生态恢复效果,并提出需要重点治理的区域。研究结果表明：（1）15年间晋西南黄土高原区的植被覆盖度和遥感生态指数都呈现增加的趋势,FVC指数从2002年的42.69%增加至2017年的47.67%,RSEI指数由2002年的45%增加至2017年的52.5%,反映出研究区生态质量有了明显提高;（2）除研究区内芝河流域、汾河谷地和沁河流域的生态质量出现严重退化外,研究区大部分区域的FVC指数和RSEI指数都呈改善趋势,因此需对芝河流域、汾河谷地和沁河流域加大生态治理力度;（3）除研究区汾河谷地外,其余地区植被覆盖度和遥感生态指数的变化趋势基本吻合,汾河谷地由于冬小麦大面积种植,植被覆盖度得到一定程度改善,但遥感生态指数并没有明显改善。     

基于遥感信息的吕梁山贫困区生态安全评价

本文基于四个时段的遥感影像光谱信息计算了吕梁山连片贫困区的遥感生态指数（RSEI）及植被覆盖度（FVC）,分析了其生态环境时空变化规律.结果表明：（1）1993~2018年间研究区FVC整体呈下降趋势,FVC由1993年0.65下降到2018年0.55;而RSEI整体上亦呈下降趋势,由1993年的0.47下降到2018年的0.40.（2）研究区整体生态环境呈退化趋势,其中北部、南部退化最为严重,除黄河沿岸外,其他河道沿线区域的FVC及生态环境退化明显.（3）研究区RSEI值整体偏低且区域差异性显著,其中部地区是生态环境最为脆弱,北部忻州及南部临汾地区近年来生态环境退化尤为显著.（4）FVC变化趋势与RSEI变化趋势基本一致,FVC的增加对生态环境产生积极影响,而经济快速发展带来的道路、建筑用地、农田的增加对生态环境产生消极影响.区域扶贫发展的过程中应注意平衡经济发展与生态环境保护间的关系,避免进一步损害该区脆弱的生态环境.     

1987～2015年嘉陵江源区植被覆盖度时空变化特征

江河源头地区植被建设与生态保护意义重大。应用遥感技术分析植被覆盖状况近年来已渐成热点。本文以嘉陵江源头所在地陕西省宝鸡市凤县为研究区,基于1987年、2000年和2015年3期Landsat卫星遥感影像,提取归一化植被指数NDVI（Normalized Difference Vegetation Index）,采用像元二分模型,运用ENVI 5.3和ArcGIS10.4软件计算得到研究区植被覆盖度分布格局及动态变化。结果表明：（1）1987~2015年期间研究区植被以高覆盖区为主,高覆盖区面积增加了5.96%,呈上升趋势;（2）研究区植被退化面积占3.91%,基本不变的面积占85.36%,改善面积占10.73%,研究区植被改善面积多于退化面积,与退耕还林还草工程关系密切;（3）植被覆盖度随坡度和高程的增大呈先增加后降低的趋势;阴坡的植被覆盖度低于阳坡,但高于平地,坡向对植被覆盖的影响主要体现在温度上;（4）矿产资源开发对植被破坏的影响大于风力发电场建设,建议当地政府加强矿山生态环境修复力度。研究结果可服务于嘉陵江源区生态保护与流域管理。     

基于遥感技术的县级区域环境质量评价模型研究

建立了一种完全基于遥感数据的县级区域生态环境状况评价模型,该模型利用支持向量机的方法对广西钦州市钦南区HJ-1星CCD数据进行分类,提取土地利用类型,同时建立了生物丰度指数、植被覆盖度指数、水资源密度指数、土壤侵蚀指数和人类活动指数5种评价指标,对这些指数加权求和得到区域生态环境状况指数,定量化评价实验区域生态环境质量.评价结果表明,该区域整体生态环境质量良好,生态环境状况为良的区域占总面积的64.105%,主要集中在钦南区的林地区域,生态环境状况为一般的区域占31.206%,主要分布在水资源丰富的区域,而生态环境状况为差的区域则占3.668%,主要集中在人类活动频繁的城区.     

淳安县生态环境质量评价及对策建议

利用中国环境监测总站生态遥感数据库和浙江大学遥感与GIS实验室的遥感影像数据,结合地面监测网调查与测量,按照中国环境监测总站制定的《生态环境质量评价技术规定》方法,计算出淳安县生态环境质量指数,系统的评价分析淳安县生态环境质量状况,结果表明,淳安县生态环境质量优异,排名浙江省第四位.最后,在结合同浙江省其它区县生态环境质量对比的基础上,科学的分析淳安县在生态环境上存在的不足,并就当前如何进一步提高淳安县生态环境质量提出了对策建议,为淳安县生态环境管理和创建国家级生态示范区建设提供科学依据.     

基于GIS的陕西省水土保持自然生态修复区研究

水土保持自然生态修复作为生态建设的一项主要任务,需要进行水土保持生态修复适宜区研究。论文以陕西省为例,应用ArcGIS 9.2空间数据分析工具,综合分析土地利用类型、年降雨量、土壤侵蚀、人口密度等指标,划分出陕西省水土保持自然生态修复适宜区域,并分析了陕西省水土保持综合治理实施情况。结果表明,陕西省水土保持自然生态修复区面积为23 911 km²,秦岭大巴山区适宜自然生态修复的面积最大,研究为水土保持综合治理下一步实施提供借鉴意义。     

基于MCR模型的大别山核心区生态安全格局异质性及优化

以大别山核心区精准扶贫对象岳西县为研究单元,选择10个生态阻力因子建立生态安全评价指标体系,利用ArcGIS构建生态阻力面,应用空间数据探索分析方法（Exploratory Spatial Data Analysis,ESDA）、最小累积阻力模型（Minimum Cumulative Resistance,MCR）和重力模型对生态安全进行诊断和潜在生态廊道识别提取。研究表明：（1）岳西县生态安全较高及高等级区域占县域总面积37.79%,而较低及低等级区域占51.89%,整体呈现北低南高的空间特征,生态安全水平总体偏低。（2）ESDA分析显示,生态安全空间分布全局Moran's I指数为0.6374,LISA图显示岳西县生态安全等级主要以高高（HH）、低低（LL）两种聚集类型为主,在空间上呈明显的片状集聚分布特征。在此基础上,选择生境良好的自然保护区及大型风景区斑块为生态源,生成累积耗费阻力面,基于MCR最小累积阻力模型构建生态源之间的最小累积耗费路径,提取潜在生态廊道90条,生态节点103个,利用重力模型识别出21条重要潜在生态廊道,其中,一级和二级潜在生态廊道分别为13条和8条。（3）结合岳西县旅游产业空间发展规划,提出了“一环三带”生态网络框架空间布局模式及优化对策,该模式可作为岳西县生态经济产业发展格局的有效补充。     

北京市平原区裸露地风蚀扬尘排放量

以北京市平原区为研究对象,基于美国国家航空航天局（NASA）的陆地卫星（Landsat系列）遥感资料,设计算法批量提取裸露地信息,并结合通用扬尘排放模型,计算估计北京市平原区的裸露地风蚀扬尘源中PM₁₀、PM_2.5的排放系数及年排放量,建立了北京市各区的裸露地风蚀扬尘排放清单.研究表明,1987~2016年间北京市平原区裸露地面积减小了约600km²;风蚀扬尘最严重的地区为大兴区,其次为通州区;以气候年均值为参数计算获得,2016年北京平原区裸露地由于风蚀扬尘效应产生的PM₁₀年排放量为7591.7t,这一排放量与前人研究估算的北京裸地风蚀扬尘PM₁₀排放量较为接近.在此基础上,进一步引入月和季度尺度气候参数,并对模型进行改进,探讨了逐月和季度累计的扬尘排放结果.进一步的研究表明：北京市平原区裸露地面积具有显著季节变化特征,2月裸露地面积最大,可达4500km²,8月最小为500km²;基于月气候参数和季度气候参数结合每月卫星资料反演获得的裸地面积估算,逐月累计的PM₁₀年排放量可达55175t,分季度累计PM₁₀年排放量为39294t.这说明当前常采用的裸地扬尘估算方法,由于扬尘排放模型的气候参数采用年均值,忽视了风蚀过程的季节差异,将会导致裸地风蚀扬尘的极大低估.