利用数码相片对冬小麦生物量的试算

数码相片属于地面遥感资料的一种,被广泛应用于实地调查中.然而,目前利用数码相片对植被生物量进行推算的研究很少.利用数码相片提取小麦生长期的小麦覆盖度,结合地面实测叶面积指数(LAI)、归一化植被指数(NDVI)和小麦生物量,分析小麦覆盖度与LAI,NDVI,生物量与小麦覆盖度、LAI,NDVI各自的相关系数,建立各自合适的回归模型推算冬小麦的生物量.结果表明,在小麦生长期,小麦覆盖度与LAI,NDVI的相关系数R2分别达到0.765,0.896,生物量与小麦覆盖度、LAI,NDVI的相关系数R2分别为0.774,0.876,0.712,生物量与其小麦覆盖度、LAI,NDVI之间具有很高的相关性,多元回归分析效果更好,系数R2达0.891.结果说明,在不破坏植被生长状态的情况下,基于数码相片可有效地推算小麦的生物量,这为大面积实地测量和遥感监测作物长势及其生物量估算提供了理论参考依据.     

基于植被指数和地表反照率影响的北京城市热岛变化

利用TERRA/MODIS遥感反演的地表温度资料,对2000—2006年北京城市热岛季节变化特征进行了研究,结合同期降水量、植被指数和地表反照率变化,分析了该地夏季城市热岛的年际变化成因. 结果表明:北京多年四季热岛分布主要以城区为中心向周边郊区延伸,其中夏季城市热岛最强,春、秋和冬季较弱,这种热岛强度的季节性差异主要与太阳辐射强度、地表植被覆盖状况和城市人为热释放等的季节性变化密切相关. 北京夏季城市热岛的年际变化特征为:2005和2006年最显著,热岛中心强度分别为10.54和9.61 ℃;2002和2004年城市热岛最弱,热岛中心强度分别为6.54和7.39 ℃. 2000—2006年北京市夏季城市热岛具有明显增强趋势,热岛强度增温率为0.326 ℃/a. 北京夏季降水对城区地表温度影响大于郊区,降水主要通过影响城区地表温度来影响城市热岛变化;夏季地表植被和地表反照率变化对地表温度和城市热岛也均有较大影响. 2000年以来,北京郊区夏季地表植被指数增加率远高于城区,受地表植被和地表反照率变化的影响,郊区降温率明显大于城区,致使城郊温差增大,热岛效应加强.      

天津植被指数对气候因子响应的敏感性分析

探索植被覆盖与气候变化相互关系是全球环境变化研究领域的重要内容之一,研究特定区域植被对气候变化响应特征对植被重建和生态恢复具有重要意义。然而,目前植被对气候因子响应的敏感性研究还十分缺乏。利用1982—2003年8km×8km的NASA/GIMMS半月合成的归一化植被指数（NDVI）和同期气候数据,研究了天津地区NDVI对气候因子响应特征及其敏感性。结果表明：植被NDVI与气温及降水均有显著非线性正相关关系（P〈0.0001）;在半月平均气温低于0℃时,植被NDVI与气温没有显著性相关,而从气温高于0℃,一直到高于22℃,NDVI与气温的关系均达到显著性水平（P〈0.05）,但相关性是逐渐降低的;当半月平均气温高于23℃及以上时,NDVI与气温没有显著的相关关系（P〉0.05）;当半月降水量〉0mm时,NDVI与降水存在极显著正相关关系（P〈0.0001）,随着降水量的增加,相关关系减弱,在降水量大于50mm时,NDVI与降水没有显著相关关系（P〉0.05）;研究结果证实,天津地区植被指数对气候的响应存有明显的非线性特征,在低温和低降水量条件下植被的响应更为敏感,23℃和50mm分别是该地区影响植被生长的气温和降水阈值。结合1982—2003年逐半月气候条件分析发现,气温的影响主要是春、秋两季,而降水的影响主要表现在春、秋及夏初。     

三江源地区基于植被生长季的NDVI对气候因子响应的差异性研究

采用1999—2008年NDVI和三江源地区及周边31个气象站点的温度和降水旬数据,在确定每年5月中旬至9月底作为三江源地区植被生长季（14旬）的基础上,分析NDVI对气候因子变化响应的区域差异。结果显示：以巴颜喀拉山为界,三江源西部生长季内NDVI指数对温度、降水的线性相关性明显比中东部普遍,同时,不同海拔地段响应程度存在着明显的差异,且海拔5300m左右为线性响应的最高限,NDVI对气候因子的线性响应主要表现为对温度正相关和降水负相关。因此,对三江源生长季内植被生长而言,水条件明显好于温度条件,并且温度对植被覆盖的影响通过直接正相关和降水负相关表现出来,温度是三江源地区植被生长的主导因子。     

Changes in vegetation persistence across global savanna landscapes, 1982–2010

We present a global analysis of the changing face of vegetation persistence in savanna ecosystems by boreal seasons. We utilized nearly 30 years of monthly normalized difference vegetation index data in an innovative time-series approach and developed associated statistical significance tests, making the application of continuous vegetation metrics both more rigorous and more useful to research. We found that 8,000,000–11,000,000 km² of savanna have experienced significant vegetation decline during each season, while 20,000,000–23,000,000 km² have experienced an increase in vegetation persistence during each season, relative to the baseline period (1982–1985). In addition, with the exception of the March–April–May season, which is mixed, the pattern of significant vegetation persistence in the Northern Hemisphere is almost exclusively positive, while it is negative in the Southern Hemisphere. This finding highlights the increasing vulnerability of the Southern Hemisphere savanna landscapes; either resulting from changing precipitation regimes (e.g., southern Africa) or agricultural pressures and conversions (e.g., South America).     

Sensitivity of modelled gross primary productivity to topographic effects on surface radiation: A case study in the Cotter River Catchment, Australia

Gross primary productivity (GPP) is a critical response variable for many environmental problems, including terrestrial carbon accounting and the calculation of catchment water balances. Various approaches for modelling GPP have been developed and applied at continental and landscapes scales, but little attention has been given to the sensitivity of GPP to the spatial scale of its driving variables. A key driving variable is surface radiation (R_s) which is influenced by both meso-scale factors (latitude, time of year, cloudiness) and the topographic variables of slope, aspect and horizon shading. We compared the sensitivity of modelled GPP to two different sources of surface radiation (R_s): (1) the ANUCLIM method which only captures the meso-scaled factors; and (2) the SRAD method which incorporates the topographic effects GPP was calculated using the radiation use efficiency (RUE) model (Roderick et al., 2001) to discern general patterns of vegetation productivity at a sub-catchment (i.e. sub-water shed) scale. The radiation use efficiency approach uses the normalized difference vegetation index (NDVI) derived from satellite data (MODIS TERRA), along with estimates of solar radiation at the top of the atmosphere (R_o) and canopy (R_s). In this approach, R_o and R_s capture the influence of diffuse irradiance in canopy photosynthesis and vegetation productivity respectively. This research showed that R_s calculated using the SRAD program provides important discrimination of GPP regimes at a sub-catchment scale, as the result of minimum and maximum daily radiation varying between shaded and exposed surfaces. However, mean daily radiation at a whole-of-catchment scale did not differ between the two sources as the differences in the minimum and maximum daily values tend to cancel each other out. Applications of GPP models therefore need to consider whether topographic factors are important and select the appropriate source of R_s values. GPP models should also reflect understanding of radiation use efficiency. However, further research is required especially with respect to the influence of water stress on plant response.     

基于NDVI的风景区索道建设前后植被覆盖动态变化研究

基于归一化植被指数(NDVI)分析方法,利用黄山风景名胜区新云谷索道建设前(2004年)后(2008年)的2个时相的遥感数据对索道建设区进行植被覆盖动态变化分析。结果表明:新云谷索道建设后周边的植被覆盖和生长情况明显优于建设前,森林生态系统正向演替没有因为工程建设而受到限制,工程建设导致的人工干扰没有使植被遭受明显破坏,研究区植被生态系统的结构与功能没有因索道建设而受到影响。以遥感技术(Remote sensing,RS)为手段的风景区植被指数分析方法在生态环境研究中具有广阔的应用前景。     

基于TM影像的弥勒县植被覆盖变化率研究

归一化植被指数（NDVI）是目前用以表征植被覆盖、生长状况的一个简单、有效的度量参数。本文以弥勒县1992年4月及2006年6月的两景不同时期的TM影像数据为基础,提取NDVI植被指数并进行优化处理,做出植被覆盖的基本分类,并将所得数字图像在Arcgis平台上进行面积统计,最后通过统计变化数据得到弥勒县的植被覆盖变化情况。     

长三角地区植被退化的空间格局及影响因素分析

植被退化是陆地生态系统功能下降的重要表征。利用2000~2010年SPOT-VEGETATION NDVI遥感数据、土地利用数据,采用趋势分析、叠加分析和格网计算方法,对长三角植被退化的空间格局及其影响因素进行分析。结果表明:10a间长三角地区最大化NDVI均值空间分布南北高、中间低,区域14%的植被覆盖面积显著退化。植被退化呈现一定的空间分异,而人类活动是导致植被退化的主要原因。在长江以南、太湖的北部与东部,环杭州湾地区及南京、南通和台州等城市快速无序的城镇化,造成了建设用地面积增加和耕地的破碎化,使植被退化区域集中连片分布。经济利益驱动农民将水田转化为向水产养殖,引起植被退化。部分区域植被面积未减少而呈退化态势的原因有待研究。     

基于PCA变换和神经元网络分类方法的中国森林制图研究

主要讨论基于NOAA AVHRR数据生成的NDVI时间序列数据与其他来源的地理数据结合进行中国森林细分类和制图的研究。首先利用ISODATA聚类方法对由NDVI时间序列数据派生的NDVI矩阵变量因子进行土地覆盖类型的分类，然后利用已有的植被类型图、TM影像以及地面样点数据作为参考依据, 进行类合并，获得中国森林边界。然后用PCA方法对NDVI时间序列数据进行信息增强与压缩处理，以排除各种干扰因素，提高分类精度。最后结合部分地理数据和地面样点调查数据，利用神经元网络方法进行中国森林分类，并依据种属和物候学特征、中国气候区划图以及国家植被分类二、三级分类系统，进行重新归类，得到最后的1 km中国森林分类图。分类结果表明，所用方法能够更加细致地划分森林类型，并且能保留一个相对较高的分类精度。