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     

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     

基于NDVI的重庆市植被覆盖变化及其对气候因子的响应

运用美国NASA发布的MOD13Q1级产品16d最大值合成数据结合重庆市34个气象站点的气候资料,分析2000～2011年重庆市植被变化状况以及NDVI与主要气候因子温度、降水的相互关系。结果表明：12 a来重庆市年均NDVI呈增长趋势,但空间时间尺度上有所差异,从空间尺度上看NDVI增长区域主要分布在东北、东南、西南部区域,NDVI降低区域主要分布在重庆主城区、区县城区及长江沿岸、三峡库区消落带;从时间尺度上看,春季、秋季NDVI有一定幅度的增长,夏季NDVI趋于稳定,冬季NDVI有所下降;NDVI在年际尺度上与温度和降水相关并不显著,但在月份尺度上与气温降水均呈显著相关关系,且与气温相关性大于降水     

川中丘陵区植被遥感动态监测及其驱动力分析

川中丘陵区是长江上游重要的生态屏障,也是国家退耕还林还草和天然林资源保护工程重点实施区。近年来,由于气候变化与人类活动的影响,该区植被覆盖及生态发生了较大变化。利用该地区2000～2015年MODIS NDVI数据、气象和土地利用数据以及研究区统计数据,采用最大值合成法(MVC)、趋势分析法和相关系数法,分析了川中丘陵区经国家生态工程建设后的植被动态变化特征,并探讨了气候变化和人类活动对植被覆盖的影响。研究结果表明:近15年,川中丘陵区植被呈增加的趋势,增速为5. 84/10 a(P0. 01);31. 58%的区域植被NDVI显著增加,主要分布在嘉陵江中游和岷江中下游,2. 90%的区域植被NDVI显著减少,主要分布在城市中心及周边;研究区植被对降水的敏感性较气温更强,22. 08%的区域面积NDVI与降水是呈显著相关的,仅7. 69%区域面积NDVI与气温是显著的;森林、灌木和草地的NDVI增加明显,各自增加比例超过60%,而建设用地和湿地是NDVI减少最明显的土地利用类型;退耕还林还草和天然林资源保护工程的建设,对川中丘陵区植被覆盖的增长起到了积极作用。     

卧龙自然保护区植被覆盖度变化及其对地形因子的响应

通过像元二分模型在NDVI数据基础上,估算了卧龙自然保护区2000和2015年的植被覆盖度,分析了这15年间研究区域植被覆盖的变化及空间分异特征,初步揭示了植被覆盖变化与地形因子的响应关系。结果表明：（1）2000~2015年间卧龙自然保护区植被覆盖度整体良好,以中高和高植被覆盖为主,空间格局上呈现东南高、西北低的总体趋势。（2）研究时段内高覆盖度面积明显减少,而其他覆盖等级面积存在不同程度的增加,植被覆盖度均值降低。（3）研究区域各海拔范围内均以植被稳定类型为主,低海拔和高海拔地区植被退化显著,在1 500~3 250 m的高程范围内植被稳定和植被改善相对显著。（4）研究区不同坡度间植被变化类型差异不明显;不同坡向上植被变化显著,其中阳坡的植被退化分布,阴坡的植被改善分布明显,随着坡向由阴坡转阳坡,植被退化增加,改善减少。其结论有助于揭示卧龙自然保护区植被覆盖的时空变化特征,对保护区生态环境评价和改进具有重要的参考价值,同时对保护区的管理和植被恢复有一定借鉴意义。     

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。     

基于RUE的宝鸡地区生长季退耕还林（草）工程生态效果评价

综合评价第一轮退耕还林（草）工程实施期间（2001~2008）、第一轮退耕还林（草）工程实施后（2009~2013）及第二轮退耕还林（草）工程实施以来（2014~2017）宝鸡地区的生态修复效果，为后续国家生态修复政策的完善和实施提供有针对性的理论参考。研究基于植被降水利用效率（Rainfall Use Efficiency, RUE）模型，综合气候、土地利用/覆盖及光学遥感3个维度，采用经分离后的人为干预（增加/减少）因素探讨了自然和人为驱动因子对植被恢复的影响。结果表明：（1）自2001年以来，宝鸡地区造林面积呈增加趋势的区域遍布全区（83%），第一轮退耕还林（草）工程实施后植被改善面积占比为83.32%，林地（介于0.64~0.67）植被改善最好；（2）夏季人为干预区域降水量最大，RUE值最小。春季RUE增加最显著，夏季RUE减少最显著；（3）累计增强型植被指数（Enhanced Vegetation Index, EVI）与RUE在2001~2008年、2009~2013年和2014~2017年，均呈较好的正相关性。∑EVI分别以0.148、0.029、0.143/a的速度逐年增长；（4）3个时间段上，林地的RUE值最高。其中2001~2008年、2009~2013年人为干预减少的年均RUE值（0.40、0.43）小于人为干预增加（0.48、0.46），2014~2017年人为干预减少的RUE值（0.54）大于增加的RUE值（0.51）。可见，时空尺度上人为干预在短期时间内能够促进植被恢复显著改善，但气候因素对宝鸡地区植被覆盖的影响是长期效应。     

基于MODIS NDVI时序数据的湖南省植被变化研究

基于MODIS NDVI时间序列数据集,运用Mann-Kendall趋势分析检验、Hurst指数和相关分析等方法,对2000～ 2018年湖南省植被时空变化特征、演化趋势的可持续性及其与气温、降水和日照时数的关系进行了研究.结果 表明:(1)湖南省植被覆盖整体较高(年均NDVI为0.54),高植被覆盖区主要分布在以林地覆盖为主的山地和丘陵地区;NDVI具有明显的季节变化特征,8月份最高(0.67),2月份最低(0.36).(2)近19年湖南省NDVI整体呈上升态势,增速为8.6％/10 a(P＜0.01);其中显著增加的地区占76.09％,主要分布在湘中与湘西北的林地、耕地、草地区域;NDVI显著下降的区域仅占1.46％,主要分布在长株潭等建设用地区域以及洞庭湖平原的局部耕地区域.(3)未来湖南省植被变化的总体趋势可能向退化的恶性方向发展(占76.59％),其中改善与强反持续性趋势占23.25％.(4)日照时数、气温对研究区植被NDVI的影响主要表现为冬季的正相关.     

气候变暖背景下安徽省月NDVI动态变化研究

地表植被覆盖时空动态变化能很好地反映气候变化.基于2000～2016年MODIS NDVI逐月数据及同期内格点降水和气温数据,探讨了安徽省NDVI时空变化及其与气象因子的关系,结果表明:(1)安徽省NDVI呈显著增加的趋势,全省平均增速为5.7～ 11.3×10-3/a,其中,旱地增长较快,阔叶林和灌丛增长较缓.时间上,除水田外,10月至翌年3月具有显著增加趋势,6～9月增加趋势不明显.空间上,皖南山区、江淮之间大别山区和淮北平原增长较快;(2)各种植被类型月均NDVI与气温或降水具有相关性.且NDVI均为与前一个月的气温或降水相关性最高的时滞特点;(3)像元尺度NDVI与气温的偏相关系数较大,其中正相关达到0.01显著性水平的面积占92.2％.而与降水的偏相关性较小,其中正相关达到0.01显著性水平的面积仅占8.2％.月尺度NDVI的驱动类型分析结果表明,气温驱动型占75.0％,降水气温共同驱动型占15.3％.研究结果可为全球变暖背景下区域生态系统管理和保护提供理论参考.     

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。     

1982~2010年洞庭湖流域植被指数的变化及其与气候因子的相关分析

基于GIMMS 3 g、PAL、LTDR V3、FASIR及MODIS 5种不同的遥感影像数据,及洞庭湖流域30个气象站点的气温、降水和日照时数月值数据,采用逐像元一元线性回归模型,对比分析了在不同数据集背景下的植被变化趋势,并基于时间序列长度以及数据精度的考虑,选择GIMMS 3 g作为研究洞庭湖流域植被覆盖变化的基础数据集,进而利用相关系数和多元线性回归分析模型探讨流域植被覆盖变化与降水、气温、日照时数的关系。结果表明:(1)过去29 a间,流域GIMMS 3 g NDVI在时空尺度上均以增加趋势为主,1998~2000年出现最大的降低,以植被覆盖较好的山区减少最快;(2)去除年际变化趋势和季节性影响的NDVI与同期降水量距平、累积3个月气温距平值及同期日照时数距平值相关性程度最高;(3)统计意义上,降水量、气温和日照时数解释洞庭湖流域植被月NDVI变化的37%,日照时数对该流域NDVI变化的影响最大,其次为降水和气温;(4)在时间和空间范畴,生长季NDVI可以作为反映洞庭湖流域森林覆盖率变化的指标。     

基于时序NDVI的湖北省植被覆盖动态变化监测分析

基于1998～2011年7、8月份SPOT VEGETATION NDVI数据,求取两月份NDVI平均值,构建14 a间的NDVI时序文件,通过对NDVI时序文件进行信息提取、分析,反映湖北省植被生长情况,从而监测、研究湖北省植被生长高峰期植被覆盖动态变化及趋势。具体为：利用植被覆盖分区法,将研究区分为弱植被覆盖区、稀疏植被覆盖区、低植被覆盖区、中植被覆盖区、高植被覆盖区和密集植被覆盖区等区域,监测各区域14 a间植被覆盖动态变化,结果表明,研究区整体上植被覆盖变化不大;利用Mann Kendall趋势分析法,对研究区植被覆盖变化趋势进行研究,结果表明绝大部分呈现无明显变化趋势,1655%的区域表现增加趋势,033%的区域表现减少趋势。通过以上分析结论可知,植被覆盖分区法和Mann Kendall趋势分析法的分析结果基本一致,表明两种方法能从植被覆盖状况和变化趋势角度动态反映植被的变化情况     

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。     

西南地区近14a植被覆盖变化及其与气候因子的关系

基于1999~2012年NDVI数据,结合气温和降水资料,运用GIS和RS技术,分析了西南地区近14a植被覆盖的时空变化特征及与气温、降水的关系。结果表明:(1)该区植被生长良好,各植被类型NDVI均呈显著增加趋势。空间整体表现为改善状态,改善面积远大于退化面积,严重退化区仅占1.18%。退化区分布于横断山地北部、四川盆地东部以及云贵高原中部。(2)植被覆盖变化将以良性发展为主,但强持续性的退化区和弱持续性的改善区应值得关注;强持续性的退化区主要分布在横断山地中北部、云贵高原中西部、若尔盖高原中部、四川盆地与若尔盖高原相交区域;草原强持续性的退化面积最大,针阔混交林强持续性的改善面积最大。(3)NDVI与温度存在明显的正相关关系,而与降水及干旱指数变化的关系不太明显,温度是影响该区植被变化的主要自然因素。     

长江流域中上游植被NDVI时空变化及其地形分异效应

研究植被NDVI的时空演变及其地形分异效应,对于深入理解植被与人类活动的关系,揭示区域环境变迁,指导区域生态环境科学治理具有重要意义。以长江流域中上游作为研究区,基于1998～2015年SPOT-VEGETATION NDVI年度数据、DEM数据和基础地理信息数据,运用RS、GIS和数理统计分析等方法,探究了植被NDVI的时空演变特征及其地形分异效应,并对其影响原因进行了探讨。结果表明:(1)1998～2015年长江流域中上游地区生态环境得到极大改善,植被年均NDVI在时间上由1998年0.67增长至2015年0.75,年均增长率为0.57%。(2)植被NDVI在空间上的改善区域(48.58%)明显大于退化区域(11.1%),改善区域主要集中分布在研究区中东部地区。(3)植被NDVI在海拔500～1 000、1 000～1 500 m及坡度8°～15°、15°～25°区域改善趋势最大,在5 000 m和坡度0°～5°区域退化趋势最大;坡向对植被NDVI变化影响不显著。(4)18年间长江流域中上游地区植被NDVI变化可能是受天然林保护、退耕还林(草)等生态工程实施和人类社会经济活动共同作用的结果。该文能为长江流域中上游地区脆弱生态环境的治理和改善提供科学依据,进而筑牢长江中上游重要生态屏障,推进长江经济带绿色发展。     

长江上游生态建设工程与植被覆盖时空变化的响应特征研究

"退耕还林"、"天然林保护"等重大生态建设工程在长江上游实施已有十余年,剖析重大生态建设工程实施以来长江上游植被覆盖时空变化特征与生态建设投入间的响应关系,对区内未来生态建设的布局具有重要指导意义。以年际时间序列的SPOT-VEGETATION NDVI遥感数据为基础,利用遥感及地理信息系统技术,趋势拟合等方法,研究长江上游地区2002年至2013年植被覆盖时空动态变化特征。并以县级行政区为单元,分析长江上游植被覆盖时空变化与生态建设工程投入的响应关系。结果表明:研究区内植被指数NDVI(Normalized Difference Vegetation Index)整体呈现缓慢增加趋势,年均增长率为1.06%,主要体现为中等植被覆盖向高植被覆盖转化;植被覆盖增加区域远远大于植被覆盖减少区域,其中增加的区域占整个长江上游流域的86.02%,主要分布于秦巴山地以北、云贵高原以及横断山区中小起伏的山地;植被覆盖减少区域占6.09%,主要分布于汶川地震灾区以及成都,重庆、昆明等大型城市群及其周边。其次,近10 a生态建设重大工程投资对长江上游植被覆盖增长起促进作用,在研究区内有261个县级行政区具有较好的造林效率,达县级行政区总数的90%,集中分布于云贵、川陕交界处及西部高山、高原区。     

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     

基于地理探测器的城市热岛驱动因素分析——以武汉市为例

城市热岛是由地表特征、社会经济和气象等因素综合引起的环境问题，具有显著的季节差异。大量的研究分析了土地覆盖类型、地表覆盖指数、景观指数等和城市热岛之间的相互关系，忽略了气象因素以及气象因素、地表特征与社会经济之间的交互作用对城市热岛的影响。在分析武汉市不同季节热岛强度及空间自相关分析的基础上，采用地理探测器研究了不同季节城市热岛强度的驱动因素及其交互作用和热岛风险区探测。结果表明：武汉市各季节热岛强度在空间上呈现强烈的集聚特征。按春夏秋冬顺序，武汉市4个季节热岛强度的主要驱动因素分别为地表特征、社会经济、社会经济和气象因素，四季对应的主要驱动因子分别是土地覆盖类型、夜间灯光、夜间灯光和气压。在11个驱动因子的交互影响中，四季热岛强度交互影响作用最大的分别为土地覆盖类型与夜间灯光、土地覆盖类型与NDVI、土地覆盖类型与夜间灯光、气压与土地覆盖类型或与NDVI。风险探测结果显示春夏秋冬平均热岛强度最高的分别为城市建成区、城市建成区、城市建成区、裸地和低植被覆盖区，最低的分别是水体、水体、水体、植被；四季的平均城市热岛强度随着夜间灯光的增加而增加；NDVI子区域平均热岛强度呈现先上升后下降的趋势；气压子区域平均热岛强度总体呈现逐步上升的趋势。这些结果揭示了热岛强度的季节变异特征，可为缓解城市热岛效应措施的制订提供依据。