京津冀大气污染变化规律及其与植被指数相关性分析

基于2017年逐时空气质量监测数据、归一化植被指数（NDVI）16 d合成数据以及社会经济数据,对京津冀大气污染特征进行了系统分析,并利用线性回归、地理加权回归模型等探讨了其变化规律与NDVI的关系,及其受社会经济因素的影响.结果表明：①京津冀地区大气污染整体表现为南高北低、平原高山区低的分布特征,由北向南递次升高,大气污染呈现出显著的空间异质性;②从季节变化看,呈现冬季 > 秋季 > 春季 > 夏季的总体规律,京津冀地区大气污染呈现出显著的时间异质性;③SO₂、NO₂、CO、PM_2.5、PM₁₀等污染物浓度均与NDVI值呈负相关关系;在气候、地形等自然条件较为一致的前提下,NDVI值越低人类活动干扰越明显、产业经济布局越集中,进而污染排放量越大,对空气质量产生显著负面影响;④NDVI指数一定程度上反映了土地利用、人口分布以及产业布局状况,而这些因素直接或间接决定着大气污染排放水平,进而能够指示区域的污染分布特征;⑤地理加权回归模型（GWR）计算结果表明,经济发展水平越高的地区NDVI与社会经济因子、PM_2.5等污染物浓度相关性越好.NDVI的分布可以大体反映社会经济发展水平.对PM_2.5的分布也有一定的指示作用.     

1998~2016中国八大经济区植被覆盖对PM2.5浓度时空分布的影响

目前很少有PM_2.5污染与植被覆盖的相关性深入研究,尝试对此进行补充.基于1998~2016年的PM_2.5和归一化植被指数（NDVI）的栅格数据,以中国内地八大经济区为研究对象,对NDVI值进行3个等级划分（低植被覆盖区、中植被覆盖区和高植被覆盖区）,并计算相应等级的PM_2.5污染浓度.在此基础上,从NDVI的景观尺度和类型尺度分析PM_2.5污染的时空特征,然后利用面板数据模型定量化NDVI景观格局指数对PM_2.5的影响.结果表明：①北部沿海、东部沿海、南部沿海、长江中游和东北经济区在植被覆盖相对较低的区域,PM_2.5污染较严重;而黄河中游、西南地区及大西北经济区则在植被覆盖相对较低的区域表现出较轻的PM_2.5污染;②大部分区域的PM_2.5随时间变化呈显著上升趋势;③PM_2.5与NDVI景观格局指数相关性显著（P<0.05）的区域相对较少;④景观形状指数（LSI）、斑块面积比（PLAND）、斑块数量（NP）、最大斑块占景观面积比（LPI）和聚集度指标（AI）指数对PM_2.5的影响都表现出明显的空间异质性.     

湿地植被叶面积指数对光化学指数和光能利用率关系的影响————基于实测数据和PROSPECT-SAIL模型

光化学指数PRI(Photochemical Reflectance Index)是估算光能利用率LUE(Light Use Efficiency)的一种快速监测的有效指标,分析各种因素对二者的影响是提高估算精度的前提.论文针对三种杭州湾典型湿地植物 [旱柳(Salix matsudana),柽柳(Tamarix chinensis)和芦苇(Phragm itescommunis)],实地观测了其光合作用及日变化,叶面积指数以及同步植被光谱.同时采用PROSPECT-SAIL模型模拟叶面积指数LAI(Leaf Area Index)从小到大变化时植被冠层反射率,分析LAI的变化对冠层PRI的影响.结果表明:1)三种植被在日变化上,芦苇,旱柳和柽柳的PRI和LUE的相关性较好,R²分别为0.581 6,0.524 6和0.514 6;而对同一种植被在不考虑时间变化的条件下,PRI和LUE的相关性会有所减弱,对于LAI较小的冠层,PRI不能精确反映LUE;2)当LAI < 5时,冠层下土壤背景对冠层PRI影响较大,在不同土壤背景下,土壤亮度低的对冠层PRI影响较小;3)当LAI > 5时,土壤背景对冠层PRI影响较小,冠层自身的LAI才是影响PRI和LUE相关性的决定因素.因此,PRI和LUE关系模型还需要进一步探索和完善,引入更精确的模型和参数,不断提高LUE估算的准确度.     

基于多项植被指数的景观生态类型遥感解译与分类——以额济纳天然绿洲景观为例

基于研究区2001年Landsat7ETM+遥感影像数据,运用遥感与GIS技术手段,在对遥感影像的边界裁定、几何校正、辐射校正等预处理的基础之上,根据绿洲景观生态类型分类体系,通过综合应用非监督分类、植被指数与波段比值指数聚类、监督分类以及类型叠加与图像整合等方法,进行绿洲景观生态类型的遥感解译与分类,生成研究区2001年的景观生态类型图。为尽可能利用到遥感影像的所有原始数据信息,论文选取5种植被指数(NDV I、DV I、RV I、IPV I、SA VI)和9种波段比值指数(Index1I-ndex9)参与到遥感影像的解译与分类当中,结果表明:NDV I、DV I、IPV I、SAV I、R VI、Index5、Index6具有较大的相似性,能够明显地将具有植被信息的类别分离出来,利于划分具有植被信息的景观类型;Index1-Index4具有较好的类别空间分离性,利于不同类别间的聚类与区分;而Index7-Index9的类别分离性则较差,不利于类别聚类与划分。因此,在实际的应用中,选取多项植被指数参与景观分类,不仅能够发现新的信息,而且也会明显提高景观生态类型、尤其是干旱区绿洲景观生态类型的遥感解译与分类能力。     

广州市1990-2005年植被覆盖度的时空变化特征

植被是生态系统的最重要组成部分,以植被覆盖度为指标研究区域植被的时空动态特征,是生态系统健康评价的前提和必要基础。以1990、1995、2000和2005年4个时相的TM遥感影像为数据源,对其进行大气辐射校正以及进行空间图像运算,生成广州市不同时序的植被覆盖度图,以此分析广州市植被覆盖度的时空变化特征。结果表明,广州市过去15a植被覆盖度变化很大,从58.75%下降到46.06%,特别是中心城区和番禺区内的植被覆盖度变化更显著。植被覆盖度下降最多的时间段是1990—1995年,恢复阶段是2000—2005年间。但是,从空间分布上看,植被恢复的区域主要是从化市,市区仍然处于继续下降状态,值得各方面关注,因为市区是人口密度和经济高度集中的区域,也是生态元素最缺乏的区域。     

NCIVI及其在城市绿化航空遥感调查中的应用一以宁波市为例

植被信息提取是城市绿化遥感调查的关键内容之一，在分析城市彩红外航空摄影特点的基础上，研究了彩红外航空遥感图像植被信息的表现特征，提出了针对城市绿化航空遥感调查新的植被指数——非线性彩红外植被指数(NCIVI)，并应用于宁波市城市绿化调查。研究结果表明，NCIVI对城市绿化提取效果明显优于NDVI，正确提取串可以提高3．5％。     

基于无人机多光谱影像的海滨景区浒苔信息提取研究

2007年以来,黄海绿潮（浒苔）灾害连年大规模暴发,对山东半岛近岸海域生态环境造成严重影响,大量靠岸浒苔若处置不及时会腐烂发臭,严重影响海滨景区旅游业及附近居民健康。为了提高绿潮灾害重点区域遥感监测的精度、提升靠岸浒苔预警的准确性和浒苔清理的工作效率,本研究利用无人机航拍的高精度影像对乳山市银滩海滨景区绿潮灾害进行监测,结合地物光谱仪实地测量浒苔和岸边植被的光谱特征,通过四种植被指数对浒苔和岸边植被进行光谱分析和识别对比,验证不同植被指数下浒苔和岸边植被的提取情况,并基于提取方法对靠岸浒苔生物量进行估算。研究表明:在红边波段,浒苔和岸边植被具有明显的可区分性,使其可以利用MTCI（MERIS terrestrial chlorophyll index）、NDVI_redge、SR_redge、MSR_redge四种植被指数与岸边植被进行区分,MTCI区分提取效果最好,精度可达91.3%,其次是SR_redge、NDVI_redge、MSR_redge,提取精度分别为85.3%,83.8%,81.2%;利用MTCI指数建立的生物量估算模型,估算的300 m研究区内靠岸浒苔约600 t,为海滨景区绿潮灾害动态监测及清理工作提供有效方法。     

基于RS和GIS的河北省生物丰度和植被覆盖度归一化系数研究

利用河北省生态环境十年变化（2000—2010）遥感调查与评估项目2010年土地利用类型数据,计算河北省2010年省级生物丰度和植被覆盖指数归一化系数,并对各县市的归一化系数进行分析和研究,绘制2010年河北省生物丰度和植被覆盖指数等级图,清晰反映出全省的区域分布特征,为河北省生态环境影响评价研究提供技术支撑。     

江门市区冬季地表热环境与土地覆盖类型关系的研究

应用美国陆地资源卫星Landsat ETM＋影像资料,反演了江门市区的地表温度（LST）,并提取研究区的NDVI、NDBI和MNDWI指数。分析了江门市区冬季LST的空间分布特征及城市地表热环境与土地覆盖类型之间的关系。结果表明：江门市区LST分布具有空间差异性,不同土地覆盖类型有较大差异,存在城市热岛效应;LST与3种归一化指数存在相关性,其中LST与NDVI存在非线性相关、与NDBI存在线性正相关、与MNDWI存在线性负相关。     

基于Landsat(ETM+)遥感影像对非渗透性表面提取的研究

随着城市化进程持续快速增长,城市水文过程受到显著影响,表现为非渗透性表面的增加阻碍了降水渗入地下而使大部分降雨随地表径流直接进入城市排水系统,同时对城市局部气候、生物多样性等生态环境要素也产生影响。非渗透性表面的提取,可用于研究城市水文循环过程、农业面源污染、植被分布及变化过程等,是城市生态、环境研究的主要参数。利用归一化光谱混合分析手段对植被-非渗透性表面-土壤(Vegetation-Impervious surface-Soil)模型进行分析,提取出非渗透性表面在某小流域中所占比例,便于进一步应用于空间分布型水文模型、生态环境模型等。结果表明研究所用方法能较好测算出非渗透性表面的空间分布情况及其比例。分析模型残差发现,在非渗透性表面比例为0.8~1时,本模型的模拟值低于真实比例。