南方红壤典型水土流失区植被覆盖度变化及其生态效应评估——以福建省长汀县为例

南方红壤典型水土流失区--福建省长汀县曾因生态破坏导致严重的水土流失.经过多年以植树为主的生态修复,该县生态面貌有了明显的改观.论文首先采用线性光谱混合分析模型计算植被覆盖度,并在此原始模型的基础上提出了对地形阴影进行修正的方法来获取植被覆盖度.精度验证表明,在线性光谱混合分析模型中加入山地指数(NDMVI)波段能够削弱地形阴影问题,提高植被覆盖度反演精度.在此基础上利用多时相遥感影像分析了长汀2001-2013 年植被覆盖度的时空变化,并利用遥感生态指数(RSEI)定量评价了长汀水土流失生态修复的效果.结果表明,经过13 a 的水土流失治理,长汀的植被覆盖度有了明显的升高,从2001 年的75.1%上升到2013 年的86.5%.RSEI 生态指数值也随之上升,生态等级为优良的面积比例从85.83%增加到90.59%,反映了长汀县生态质量整体有了明显的提高.植被的生态效应定量研究表明,长汀县的植被覆盖度每增加10%,RSEI 生态指数值至少提高10%,植被覆盖度的生态提升效应显著.     

天山北坡典型退化草地植被覆盖度监测模型构建与评价

草地退化是当今世界面临的一个极为严峻的生态问题。植被覆盖度作为草地退化监测的重要指标之一,在草地退化、荒漠化治理方面起着重要的作用。为了构建适合于天山北坡典型草地植被覆盖度监测模型,便于对草地及时、快速的监测分析,研究利用新疆阜康市2008年9月Landsat TM遥感影像数据和相应的实测数据,分别探讨5种植被指数(NDVI、RVI、GNDVI、SAVI和MSAVI)与植被覆盖度的线性和非线性(二次多项式、指数、对数以及幂函数)关系,以便获得最佳监测草地状况的植被指数和模型。研究结果表明,MSAVI和GNDVI与植被覆盖度的相关性最好(P<0.01),而NDVI和RVI较差;通过5种植被指数和植被覆盖度进行回归分析,MSAVI和GNDVI与植被覆盖度分别建立模型最佳,即:y=138.45x-1.248 2(R²=0.502 7,P<0.01)和y=2 596.66x²-561.54x+38.488(R²=0.605 3,P<0.01),精度达到90%以上。该研究结果说明不同的植被指数适用的条件不同,为今后利用3S技术深入研究荒漠退化草地植被状况的快速监测和科学管理提供支持。     

生态恢复背景下喀斯特地区植被覆盖的时空变化——以黔中地区为例

为了揭示退耕还林(草)、封山育林和石漠化综合治理等生态恢复工程驱动下喀斯特地区的植被覆盖度的时空变化情况,以黔中为研究区,利用2000年、2005年和2010年三期的MODIS影像数据,通过NDVI像元二分模型法,对研究区植被覆盖进行了动态变化评估。结果表明:2000年到2010年,极高植被覆盖度面积持续增长,高植被覆盖度面积持续减少,极低植被覆盖度、低植被覆盖度和中等植被覆盖度面积先增后减,植被覆盖总体呈现转好趋势;此外,植被覆盖景观斑块数减小,平均斑块面积增大,香农多样性指数减小,表明这一时期内植被覆盖景观的破碎化程度逐渐降低,生态恢复工程取得良好实效。     

黑河流域中游地区生态环境变化特征及驱动力

多角度分析黑河流域中游地区植被覆盖度时空变化特征,并建立基于演变过程的生态系统灰色关联度模型,分析生态环境变化的驱动因子.研究表明:1)1999~2008年,平原旱地、低覆盖草地、有林地年最大归一化差异植被指数(NDVI)增幅较大,达0.1~0.2,疏林地2004年后保持高速增长,年最大NDVI增幅0.208,增长了77.6%; 2)张临高盆地年最大植被覆盖度线性拟合年均增幅0.0063,生长季节平均植被覆盖度在小幅波动中呈现稳定增长趋势,拟合优度达0.74;甘州区生态治理成效最显著,年增长幅度集中在0.03~0.3;临泽县和高台县以增长为主,但局部过渡带地区下降幅度达0.1~0.3; 3)植被7~10月覆盖度呈现明显增长趋势,峰值从6~7月延迟到7~8月,2007年达0.39;植被覆盖度分级结构呈现优化趋势,极低覆盖度植被逐渐转化为低覆盖度植被,2007年相比2000年降低25%以上,高覆盖度植被1998~2008年间增长约16%; 4)根据3种植被覆盖度变化与各驱动因子关联分析,气象水文因子主要包括降雨量、蒸发量、径流量,最大关联度分别为0.91、-0.83、0.76,社会经济因子主要包括农作物播种面积、第一产业产值、农业科技水平,最大关联度分别为-0.81、0.78、0.81.     

黑河流域中游地区生态环境变化特征及驱动力

多角度分析黑河流域中游地区植被覆盖度时空变化特征,并建立基于演变过程的生态系统灰色关联度模型,分析生态环境变化的驱动因子.研究表明:1)1999~2008年,平原旱地、低覆盖草地、有林地年最大归一化差异植被指数(NDVI)增幅较大,达0.1~0.2,疏林地2004年后保持高速增长,年最大NDVI增幅0.208,增长了77.6%;2)张临高盆地年最大植被覆盖度线性拟合年均增幅0.0063,生长季节平均植被覆盖度在小幅波动中呈现稳定增长趋势,拟合优度达0.74;甘州区生态治理成效最显著,年增长幅度集中在0.03~0.3;临泽县和高台县以增长为主,但局部过渡带地区下降幅度达0.1~0.3;3)植被7~10月覆盖度呈现明显增长趋势,峰值从6~7月延迟到7~8月,2007年达0.39;植被覆盖度分级结构呈现优化趋势,极低覆盖度植被逐渐转化为低覆盖度植被,2007年相比2000年降低25%以上,高覆盖度植被1998~2008年间增长约16%;4)根据3种植被覆盖度变化与各驱动因子关联分析,气象水文因子主要包括降雨量、蒸发量、径流量,最大关联度分别为0.91、-0.83、0.76,社会经济因子主要包括农作物播种面积、第一产业产值、农业科技水平,最大关联度分别为-0.81、0.78、0.81.     

大兴安岭林草交错带植被NDVI时空演变及定量归因

探究植被动态变化并识别其驱动因素对区域生态环境恢复与可持续发展具有重要意义.基于2000～2020年MODIS NDVI数据与同期气象、 DEM和土地利用类型等数据,运用Sen+Mann-Kendall趋势分析与Hurst指数法,深入解析大兴安岭林草交错带植被时空变化特征,预测其未来演变规律,并引入地理探测器模型,定量揭示全域及不同自然地理分区尺度下,各探测因子及其交互作用对植被空间分异的影响程度和作用机制.结果表明：(1)时空演变上,2000～2020年大兴安岭林草交错带NDVI时空异质性明显,时间上以0.002 a^-1(P <0.05)的速率波动增长并于2011年发生上升突变;空间上呈“自西南向东北递增”分布格局,21年间NDVI等级转移以“中植被覆盖→中高植被覆盖”为主,植被改善区域面积远大于退化区域面积.(2)趋势预测上,大兴安岭林草交错带NDVI未来变化趋势主要为持续改善,占比37%,但以弱持续居多.(3)驱动机制上,风速、蒸发和相对湿度对全域NDVI空间分异的影响最为显著,21年间自然因素的影响呈削减态势,而人为因素的影响愈发增强,在不同植被区、...     

2010-2020年广西植被覆盖变化及其地形与LUCC分异效应

监测和分析植被覆盖变化是评估区域植被恢复成效及资源环境承载力的重要内容之一,对区域可持续发展至关重要。该文基于MODIS NDVI数据、DEM和土地利用数据等,采用像元二分模型计算2010-2020年广西植被覆盖度,结合植被覆盖度变化类型提取模型、趋势分析法和分布指数,定量分析广西植被覆盖度变化及其在不同地形、土地利用类型上的分异特征。结果表明：（1）广西植被覆盖度多年均值为69.68%,且空间分布差异明显,呈现南部、东部向中部、西部和西北部递减的规律。2010-2020年植被覆盖度以高和中高植被覆盖度为主,两者面积占比高达88.74%。（2）广西植被覆盖变化相对比较稳定,其植被稳定型占总面积的58.94%;植被减少型占1.08%,植被增长型占39.98%。植被覆盖恢复改善相对明显,主要来源于低和中植被覆盖度类型向中高和高植被覆盖度转化。（3）海拔<300 m、坡度<5°的区域植被退化减少优势明显。海拔在300～800 m的区间和坡度>15°的区域植被增长型为优势分布。而在海拔>1 000 m区间和坡度≤12°区间范围内植被稳定型分布优势相对明显。（4）有林地植...     

基于遥感的青海省植被覆盖时空变化定量分析

使用1km分辨率MODIS NDVI时间序列数据,采用决策树分类、监督分类和非监督分类相结合的综合分类方法,将青海省土地覆盖类型划分为14个类别.这种分类方法重点突出了植被,特别是稀疏植被(包括稀疏草地和稀疏灌丛)的空间分布.在将青海省分为5个高程带的基础上,使用GIS软件的空间分析功能,对青海省2001～2006年的地表植被覆盖在各级高程带上的空间分布和时间序列变化进行了定量分析.结果表明,近5a青海省的植被覆盖有所改善,植被覆盖面积从2001年的370047km2增加到2006年的374576km2,植被覆盖率增加了0.63%.青海省5级高程带中高山地带的植被覆盖率最高,达到67.92%.在青海省各级高程带上,高山地带上中覆盖度草地的分布面积最大,为94003km2.高山地带高覆盖度草地的面积增加最多,为1280km2.5a间植被覆盖变化最大的是高山地带上稀疏草地向中覆盖度草地的转变,转变面积达到15931km2.     

石漠化地区植被对干旱敏感性的遥感观测

西南石漠化地区是国家重点治理的生态脆弱区域,该区尽管年降雨量大,但由于独特的水文特征,植被也常因缺水生长受到抑制。本文利用2000至2004年中分辨率成像光谱辐射计(MODIS)250 m归一化植被指数(NDVI)作为植被生长的指标参数,分析了石漠化地区植被对春旱、夏旱的敏感性。结果表明:干旱发生后,石漠化地区NDVI降低明显,而非石漠化地区植被受到的影响很小。春旱发生后,生长初期NDVI比其它年份减少约12%,生长期开始的时间与春季降雨量有重要关系;夏旱发生后,生长后期NDVI减小约16%,但夏旱对植被的影响具有一个月的滞后。这说明石漠化使生态系统抗旱能力减弱,更易受气候波动的影响。     

基于NDVI的三北防护林工程区植被覆盖度变化图谱特征

基于1985、1995、2000、2010年4期GIMMS NDVI3g数据,利用像元二分模型估算植被覆盖度,并运用图谱分析法对三北防护林工程区4期植被覆盖度变化进行了时空分析。结果表明:(1)图谱空间差异上,植被覆盖度变化主要发生在内蒙古东北部、新疆西北部以及陕甘宁地区,且在工程区内先分散再集中;(2)图谱数量变化上,植被覆盖度变化的总面积先减少后增加,总体呈现出上升趋势;(3)图谱变化模式上,以稳定型、最近转换型和平稳转换型为主,而变化最大的图谱单元类型大部分是植被覆盖度等级转好的类型,植被覆盖度呈现稳定增长的态势,尤以2000-2010年最明显。研究结果可以及时准确地反映该工程区植被变化状况,为三北防护林工程进一步建设提供科学指导。     

北部湾沿海地区植被覆盖对气温和降水的旬响应特征

论文分析北部湾沿海地区植被覆盖对气候变化的响应,为该区域植被恢复和植被生产力研究提供依据.基于研究区2000--2011年423景SPOT-VEGETATION逐旬NDVI数据及逐日气温和降水数据,利用像元二分模型,相关分析,偏相关分析和时滞偏相关分析等数理统计方法,对研究区植被覆盖时空变化特征及与旬降水和旬均温的相关性及滞后性进行分析.结果表明:1)近12 a来,北部湾沿海地区植被覆盖度平均值呈增长趋势,由2000年的65.23%增加到2011年的72.02%,增加了6.79%;2)研究区植被生长季旬NDVI均值介于0.21~0.67之间,在不同时期变化是不同的,其值呈现出"降低--增长--降低"3种变化过程;3)各种植被类型与温度具有显著的相关关系,全部通过了0.01的显著性水平,且NDVI与温度的显著性水平高于NDVI与降水的显著性水平,说明北部湾沿海地区植被覆盖NDVI对气象因子中的温度更为敏感;4)NDVI与气温的时滞偏相关系数显著高于NDVI与降水的时滞偏相关系数,旬NDVI与旬降水的滞后时间多集中于6~9旬之间,而旬NDVI与旬气温的滞后时间多以0~5旬为主;5)不同类型植被的生长对气温和降水的响应时间不一致,但与水热条件时滞偏相关系数越高的植被类型响应时间越短.上述研究结果表明,近12 a来北部湾沿海地区植被处于恢复状态,且植被对降水和气温具有明显的阈值和滞后性.     

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。     

基于多时相MODIS数据的四川省森林植被类型信息提取

森林植被类型信息对于生态的保护、规划和建设具有重要的意义。论文针对单一时相遥感数据在提取森林植被类型信息方面的局限性,探讨了基于多时相MODIS遥感数据实现提取主要森林植被类型信息的方法。将四川省的森林植被划分为常绿落叶混交林、常绿阔叶林、常绿针叶林、落叶阔叶林、落叶针叶林5 种类型。通过对其年内生长差异的分析,选取多时相（2005 年1 月9日、2 月26 日、4 月22 日、7 月19 日和10 月23 日）特征数据,利用光谱和时相特征知识建立了常绿林、落叶林和针叶林的提取模型;通过特征组合与逻辑判断,实现了5 种植被类型信息的提取,提取精度总体达到84%,植被类型最低精度达到76%。研究表明,该方法可以节约大量的人力、物力和财力,在大范围的植被类型调查与监测方面具有较大的应用价值。该研究表明,四川省2005 年的森林覆盖率为28.43%。各类型按所占百分比由高到低的排序为落叶阔叶林、常绿针叶林、常绿阔叶林、落叶针叶林和常绿落叶混交林。该数据对四川省森林植被的保护和利用具有重要的应用价值。     

2000～2017年贵州省植被覆盖时空变化特征及其对气候变化的响应

利用MODIS/NDVI数据、近18年来贵州省气象站点数据，辅以时间序列、变化趋势和空间动态变化分析等方法，研究贵州省植被覆盖的时空变化特征；探讨植被覆盖变化对气象因子在地域、变化速率和变化方向方面的时空响应规律。研究结果显示：（1）2000~2017年贵州省植被覆盖呈现显著增加的趋势，增速为0.004/a，夏季NDVI值最高，冬季增加趋势最大；空间上，贵州省植被覆盖格局呈现"南高北低、东高西低"的空间分布特征。在变化趋势上，贵州省植被覆盖呈改善和退化趋势的面积分别占贵州省总面积的94.97%和5.03%。（2）2000~2017年，贵州省气候变化特征是降雨量在年内分布不均，且主要分布在5月至8月；温度在各个季节变化趋势不明显，但是总体呈上升的趋势。气温和降水变化趋势大于零的面积分别占贵州省总面积的98.4%和60.46%，说明在全球暖湿化的大背景下，贵州省大部分地区亦呈温度升高、降水增加的态势。（3）贵州省NDVI与气温的相关性大于降水，但其对降水的滞后性却高于气温。其中，秋季植被受降水影响滞后性最强，其次是夏季。（4）不同气候要素对贵州省植被生长影响具有空间差异性，98.4%的地区NDVI与同期温度均达到正相关水平；NDVI与同期降水并未表现出良好的相关性，但82.63%的地区植被与前一年降水呈正相关水平。植被与降水呈负相关的地区，建设用地、裸地占更大比率，且人类活动在植被变化中的作用不容忽视。     

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。     

秦岭南北地区植被覆盖对区域环境变化的响应

利用GIMMS(Global Inventory Modeling and Mapping Studies)和SPOT VGT(Spot Vegetation)两种数据集的归一化植被指数(Normalized Difference Vegetation Index, NDVI)对1982~2007年26年间秦岭南北地区植被覆盖变化进行了比较,并对其环境驱动力进行了分析.结果表明,研究时段内,秦岭南北地区的植被覆盖均呈降低趋势,且秦岭以北地区的降低速度大于秦岭以南.经计算分析得出,两地区春季和夏季的季平均NDVI与温度的相关系数均通过了p<0.1的显著性检验,其中,秦岭以南地区1982~1997年春季NDVI与温度的相关系数最高为0.61(p<0.05);秦岭以北地区春季的降水与年NDVI之间也显著相关(p<0.05).值得注意的是,1998~2007年间,秦岭以北地区冬季NDVI与温度相关系数高达0.75(p<0.05),这是秦岭地区在区域环境影响下植被覆盖变化的一个重要特征,表明秦岭以北地区的植被更多地受气温变化的影响,在全球变暖大趋势下,该地区植被可能更为敏感,是区域生态响应的一个重要信号.人为活动（如土地利用类型的改变）也是影响该区植被覆盖变化的一个重要因子.     

基于MODIS-OLI遥感数据融合技术的农田生产力估算

大范围、高精度的农田生产力遥感监测依赖于高时空分辨率的遥感数据,单纯依靠由单一类型传感器数据获取的高时相或者高空间分辨率的遥感数据都不能满足清晰掌握田块尺度上作物生长动态的需求。全球免费提供的空间分辨率250~1 000 m的MODIS数据和空间分辨率30 m的Landsat数据是植被动态监测普遍应用的数据源,针对应用MODIS数据估算的农田生产力空间分辨率较低而Landsat卫星重访周期长的局限性,研究基于空间分辨率30 m的Landsat 8 OLI数据与空间分辨率500 m的MODIS数据,应用时空数据融合技术,融合OLI数据的高清晰空间表达能力与时间间隔8 d的MODIS数据的植被生长时间序列过程的监测能力,获得空间分辨率30 m、时间步长8 d的时间序列数据,利用VPM （Vegetation Photosynthesis Model）模型以宁夏永宁县部分地区为试验区估算该区域的NPP。研究结果表明,融合后所得30 m分辨率的NPP具有良好的空间细节信息,提高了MODIS数据中混合像元上的估算精度,并保留了MODIS数据原始的时间过程信息,以30 m的空间分辨率刻画出作物的生长动态;较单独应用MODIS数据,使用融合数据估算的NPP可更有效检测出高标准农田建设对农田生产力的提升。     

多指数决策融合的MODIS浒苔提取方法

针对MODIS（moderate resolution imaging spectroradiometer,中分辨率成像光谱仪）影像浒苔提取中存在的植被指数自适应阈值不普适等问题,本文提出了多指数决策融合的MODIS浒苔提取算法（multi-index decision fusion,MIDF）。计算影像的归一化植被指数（normalized difference vegetation index,NDVI）、增强型植被指数（enhanced vegetation index,EVI）、差值植被指数（difference vegetation index,DVI）和比值植被指数（ratio vegetation index,RVI）,采用局部阈值法对4个指数灰度图进行自适应阈值分割得到初始浒苔覆盖范围,通过“绝对多数投票法”对上述初始浒苔覆盖范围投票表决得到最终提取结果。实验结果表明,MIDF可适应不同密度的浒苔覆盖区域,且精度优于传统的NDVI、EVI、DVI和RVI自适应阈值法。本算法为无监督法,自动化程度较高,可应用于浒苔灾害遥感业务化监测。