2001～2007年天山南坡中段不同植被类型NDVI变化分析——以新疆和静县为例

利用MODIS数据建立近7年和静县NDVI时间序列,通过采用均值法、最大合成法和一元线性回归法,分析了该区不同植被类型年内变化、年际变化趋势.结果表明,和静县植被季相变化明显,不同植被类型变化幅度差异显著;近7年大部分地区植被存在退化趋势,局部区域植被有所改善;不同植被类型退化程度从大到小为荒漠草原＞荒漠植被＞草原＞高山垫状植被＞高寒草原＞草甸 沼泽＞落叶阔叶林＞耕地;平原区植被NDVI的变化主要受人为活动的影响.山区植被NDVI除受季节性放牧影响外,更多的受气候变化的影响.     

基于MODIS数据的安徽省植被水分利用效率时空变化及影响因素

水分利用效率是衡量生态系统碳水循环耦合程度的重要指标。基于MODIS数据、土地覆盖类型数据和气象数据，估算安徽省植被水分利用效率(WUE），采用趋势分析法和相关分析法对安徽省2000~2014年植被WUE的时空格局、变化趋势及影响因素进行研究。研究表明:（1）不同植被类型的WUE年均值差异明显，常绿阔叶林和常绿针叶林的WUE均值较高，分别达到1.66和1.69 gC?mm-1?m-2，而耕地的年均WUE最低，各植被类型的年均WUE按照“常绿针叶林>常绿阔叶林>灌木>草地>落叶阔叶林>针阔混交林>耕地”的顺序递减。植被年均WUE具有较强的空间分异性规律，整体上呈现南北高中间低的趋势，植被WUE的高值区主要分布在大别山区和皖南山区，分布范围与常绿针叶林、常绿阔叶林的分布范围基本一致。（2）安徽省2000~2014年植被WUE年内变化呈现出“增加-减小-增加-减小”的M状“双峰型”趋势，具有明显的季节差异，呈现出春季＞秋季＞夏季＞冬季的特征，各季节植被WUE的均值分别占植被WUE的32.58%、24.91%、29.27%、13.24%。（3）安徽省植被WUE动态变化受到降水影响显著的区域占比3.88%；气温显著影响的区域占比2.19%；降水显著影响的地区主要分布在林地范围内，温度显著影响的地区则位于耕地范围内，降水和气温综合显著影响所占面积最小，为0.11%；而植被WUE受气温和降水影响均不显著占比为93.82%；整体上，安徽省大部分地区的植被WUE变化主要受非气候因素影响。     

山山见绿 川川见水 加快成都龙泉山脉生态建设

成都是国务院1993年确定的西南地区科技、商贸、金融中心和交通、通信枢纽,辖9区4市6县,面积1.21万平方公里,平原占40%,丘陵、山区各占30%,常住人口1407万,自古享有"天府之国"美誉,世界500强企业已有217家落户,美国、德国、法国等9个国家在成都设立总领馆,开通直飞巴黎、东京、阿姆斯特丹、阿布扎比、班加罗尔等城市的24条国际航线。先后荣获全国文明城市、国家环境保护模范城市、国家园林城市     

应用卫星遥感技术调查和评价潮白河密云水库流域的植被

本研究应用卫星遥感技术将区内植被解译成16种类型，编绘了植被分布图，侧重研究和评价了植被蓄水保土的功能，结论是，流域植被生态功能较好，对密云水库水源保护十分有利，提高植被覆盖率的限制因素是水，应从封山育草开始，促进植被次生演替的进行，才能确保密云水库的长久利用。     

气候变化和人类活动对黄河三角洲植被动态变化的影响

黄河三角洲是我国暖温带最完整、面积最大的湿地生态系统,其植被变化对于黄河三角洲生态功能和生态安全具有重要意义.本研究基于植被覆盖度(fractional vegetation cover,FVC)、叶面积指数(leaf area index,LAI)、净初级生产力(net primary productivity,NPP)3个生态参数,分析了2000-2017年黄河三角洲地区植被的动态变化,并以NPP为指标量化分析了气候变化和人类活动对植被生产力的贡献.研究发现,2000-2017年黄河三角洲FVC(Slope=0.004,p<0.05)、LAI(Slope=0.011,p<0.05)、NPP(Slope=3.54 g·m-2·a-1,p<0.01)呈显著增加趋势,说明2000-2017年黄河三角洲植被生长状况趋好、植被生产力提高.气温、降水和太阳总辐射对植被NPP变化的贡献分别为0.006、0.81、-0.03g·m-2·a-1,即降水对植被NPP变化的贡献最大,这主要是因为黄河三角洲的主要土地利用类型为耕地,受降水影响大,当地土壤具有盐碱化风险,降水可以补充淡水资...     

基于无人机影像的城市植被精细分类

针对传统植被资源调查方法工作量大、成本高、效率低的问题,利用高分辨率无人机遥感影像,联合地物光谱-纹理-空间信息,构建了一种适用于描述城市不同植被种类的多维特征空间,在此基础上对三种应用广泛的分类算法(基于像素的、面向对象的支持向量机及深度学习Mobile-Unet语义分割模型)开展了对比分析研究.结果表明:本文提出的联合地物光谱-纹理-空间信息的特征空间构建方法能够有效地描述城市不同类型植被的特征差异,提升影像分割、植被分类的精度;在分类精度上,基于像素和面向对象的支持向量机分类结果的总体精度均超过90%,深度学习方法的总体分类精度为84%;在算法效率上,传统机器学习方法也优于深度学习方法.因此,得出结论针对城市小区域、小样本的植被精细分类,传统机器学习分类方法比深度学习方法效果更好.     

因子回归和交互联合探索区域植被覆盖度的影响因素——以三江源地区为例

利用SPOT VEGETATION数据获取的归一化植被指数（NDVI）,分析三江源地区植被覆盖度（FVC）的空间异质性,围绕自然和人类活动因素,基于因子回归与交互作用联合探索自然因素和人为因素对三江源地区植被覆盖的影响.结果表明：（1）三江源地区植被覆盖度整体呈现明显的空间异质性;（2）总体上FVC空间分布的影响因素表现为自然环境因素>人类活动因素;（3）降水是影响三江源地区FVC的主要驱动因子,解释力达0.777;（4）因子交互发现：驱动解释系统呈现双因子增强,说明从系统的角度来看不存在独立起作用的因子,年降水量与其他因子的交互作用最强;（5）降水梯度影响了三江源地区FVC空间异质性的解释程度.随着降水增加,因子解释力趋稳,在降水量较多的三江源东部地区,FVC趋向于更易受高程和气温的影响;（6）数据结果亦验证了因子独立的全局最优筛选仅仅是模拟因变量特征的最优函数,其解释效果与因变量的驱动解释不能完全等同.     

共有的家园

正1998年,肆虐的暴雨,横扫着我国的南方和北方。暴雨所到之处,江湖水涨,河沟漫溢。此时,流经中国大地的长江、嫩江、松花江隐去了往日温柔美丽的笑靥,露出了凶猛恐怖的狰狞。肆虐的洪水像一只只无情的魔爪,几千万亩良田被淹,几百万人痛失家园。浩浩荡荡的江水,每天都在制造大大小小的险情。这次大灾过后,人们开始反思:给水以家园,给万物生灵以家园,人类才会有自己的家园;给水以活路,给万物生灵以活路,人类才会能生存和发展。当我们享受着快乐祥和的生活时,你可曾想到     

植被混凝土在官地水电站的试验分析

本文主要对官地水电站高陡边坡植被混凝土前期绿化试验成果进行分析,以寻求在干湿季节明显、雨量集中、干旱季节漫长、温度高、蒸发量大等干热河谷气候特征条件下的最佳生境构筑方法,为官地水电站乃至雅砻江流域水电工程高陡边坡生态恢复提供技术依据。