秦皇岛市2001—2020年植被覆盖动态变化及预测

本研究基于谷歌地球引擎(Google Earth Engine,GEE)遥感数据云端运算平台,利用1443景的Landsat Surface Reflectance(陆地卫星地表反射率数据)长时间序列遥感影像数据,使用归一化植被指数、像元二分模型、变异系数、线性回归分析和CA-Markov模型等方法监测秦皇岛市2001—2020年间植被覆盖度的动态变化,并预测了2025年的植被覆盖情况。研究表明：(1)2001—2020年,秦皇岛市20年间的植被覆盖度总体良好,整体上以中高植被覆盖度和高植被覆盖度为主,二者面积之和均达到总面积的65%以上;低植被覆盖度与中低植被覆盖度的面积之和均未超过20%。(2)河流、湖泊以及城区周边的植被覆盖度波动性较大,变异系数范围在0.8到3.2之间。(3)20年间秦皇岛市植被覆盖度明显变化的区域占57.7%,其中减少的区域占17.7%,增加的区域占40%,植被覆盖度基本保持不变的区域占42.3%,且人为因素仍是影响植被覆盖度变化的主要因素。(4)预测结果表明,秦皇岛市2025年仍以高植被覆盖度为主,占比达到47.4%,增长了0.9%,低植被覆盖度和中植被覆盖度分别减少了0.8%和0.4%,中低植被覆盖度和中高植被覆盖度均增长了0.1%。此研究可为秦皇岛市的环境治理、城市规划等工作提供数据参考和理论依据。     

基于RS和GIS的榆林市植被覆盖度动态变化研究

植被覆盖度是反映区域生态环境状况的一个主要因素,进行植被覆盖度研究是目前国际研究的主要内容和热点内容.该研究以遥感数据为主要数据源,以榆林市为研究对象对其植被覆盖度进行动态评价,结果表明:从1988--2002年,各类型的面积在整个时间段的变化趋势是极高覆盖度、高覆盖度和中覆盖度都有一定的增加,而其他各类型的植被覆盖呈下降态势.榆林市植被覆盖度是以中低覆盖度为主体.影响其变化的原因主要除政策制定与实施等人文因素,降水量等自然因素是一个不可忽视的影响因子.     

西安市植被覆盖度冷热点时空动态变化及其风险分析

水库等电力工程的修建和退耕还林政策在黄土高原特别是黄河中游地区的实施,有效地减轻了水土流失现象,并改善了生态环境,研究该区域典型城市的植被覆盖度的动态变化及其风险状况对于新时期黄河流域生态环境高质量发展具有重要意义和价值。本研究基于冷热点分析理论的Getis-Ord G~*统计量、Mann-Kendall趋势检验、Hurst指数和Pettitt检验法,识别了西安市2000—2013年植被覆盖度的冷热点分布,捕捉了植被覆盖度Getis-Ord G~*统计量的变化趋势和突变点,采用概率分布函数分析了植被覆盖度冷热点发生的概率风险大小。结果表明:1)西安市植被覆盖度存在冷热点,且多年平均植被覆盖度热点和冷点占全市总面积的5.27%和13.91%;2)海拔较高的山区和海拔较低的城区周边植被覆盖度Getis-Ord G~*统计量呈现显著减少,海拔较低的蓝田县北部和临潼区南部呈现显著增加,分别占全市总面积的15.93%和12.89%,未来在城区、蓝田县北部和临潼区南部植被覆盖度可能会呈现高值聚集的状态;3)西安市植被覆盖度Getis-Ord G~*统计量在2004—2008年发生了突变,集中在蓝田县北部和临潼区南部以及城区周边;4)周至县山区、鄠邑区山区和长安区山区等高海拔地区出现热点区域的概率较高,城区和蓝田县北部、临潼区南部低海拔区域出现冷点的概率较高。林业生产活动和城市园林绿化等人类活动的增加对植被变化具有显著影响。研究成果有助于进一步了解西安市植被覆盖变化情况,可以为下一步加强生态环境治理和绿化工作以及降低植被退化风险提供科学依据。     

黄河流域中段植被覆盖时空变化特征及影响因素分析

黄河流域植被保护与生态治理至关重要，探究植被变化特征及因素影响机制，对黄河流域生态修复及高质量发展具有重要应用价值。基于1981—2020年植被覆盖度数据、气候数据、地形数据及土地利用数据，利用趋势分析、Hurst指数、相关分析等研究方法，定量分析黄河流域中段植被覆盖度变化特征、未来发展趋势及影响因素。结果表明：1)1981—2020年黄河流域中段植被覆盖度呈波动上升趋势，增加速率为0.045/10a,空间格局呈现为东南部及中部高，西北部低的特征；2)近40年来研究区植被覆盖度改善情况良好，其中改善区域面积占比为87.50%,未来持续改善区域面积占比为96.65%;3)研究区植被覆盖度与降水、气温均以正相关为主，地形因子对植被覆盖度的影响主要体现在高程及坡度上，随二者的增加植被覆盖度表现为先增长后减少的趋势，且在不同地形条件下，植被覆盖度受温度影响大于降雨。     

基于Landsat8影像的植被覆盖度遥感估算方法比较

植被覆盖度在生态环境中扮演着非常重要的角色,遥感影像可以反映不同空间尺度的植被覆盖信息及其变化的趋势,因此,遥感监测是获取区域植被覆盖度参数的重要的手段。在前人研究基础上,本文结合现有数据,选择Landsat8数据作为植被覆盖度估算的研究数据,通过像素的二元模型和线性像素的混合模型估算铜川地区的植被覆盖度, Geoland2植被覆盖率数据集用于验证两种模型的估算结果。     

郑州市植被覆盖度动态监测与分析

植被覆盖度是用来衡量地表植被状况的重要指标之一.植被覆盖度及其变化也是区域生态环境变化的重要指标.拟基于郑州市1994年7月2日、2002年6月19日、2009年6月29号和2013年6月28日的TM/ETM+遥感影像数据,利用ENVI 5.1软件,分别采用像元二分法和监督分类法,提取郑州市植被覆盖度信息,并对比分析研究期间郑州市植被覆盖度的变化情况.从而得到郑州市植被覆盖度在研究期间的变化趋势.结果表明:郑州市植被覆盖度呈先下降后上升的变化趋势,但区域内分布不平衡;在提取植被覆盖度时,像元二分模型比监督分类法更具有优势.     

重庆植被覆盖度时空演变及驱动力地理学探究

为了分析2000年以来重庆市植被时空变化情况及其驱动力作用性质,基于MODIS-NDVI数据,采用像元二分模型、差值法、均值法、一元线性回归模型研究重庆市2000—2015年遥感影像的植被覆盖度年、季时空演变特征,并利用地理探测器分析气温、降水量、人口密度、国内生产总值(gross domestic product, GDP)等因子对植被覆盖度的交互影响作用,及重庆市植被适宜性生长区域。结果表明:2000—2015年重庆市植被覆盖度季节均值呈春季到夏季增加,夏季到冬季减少的趋势;低覆盖度、中低覆盖度和中等覆盖度呈春季到夏季减少,夏季到冬季增加的趋势。2000—2015年重庆市植被覆盖度总体趋于改善,植被覆盖度提升面积远远大于退化面积,植被覆盖度在空间分布上东部地区高于西部地区。影响因子对植被覆盖度(fractional vegetation cover, FVC)影响的强度依次为:气温降水量人口密度GDP。人为因子和气候因子共同作用时,增强了对植被覆盖度的影响力。重庆市植被生长适宜性区域是年均降水量等级为1 383.3～1 567.6 mm、气温分区为5～10.2℃、人口分区为22.7～211.5人/km~2及年均GDP为17万～2 947.7万元/km~2的地区。研究结果可为重庆市生态环境治理和保护提供科学依据,丰富地理探测器模型研究成果。     

渭河流域关中段近30年植被动态变化分析

选取渭河流域关中段1980、1990、2000、2005、2007年5期MSS/TM/ETM影像数据,计算提取流域不同时期的归一化植被指数(NDVI),并根据像元二分模型估算关中段流域1980—2007年的植被覆盖度分布,将计算得到的植被覆盖度进行分级处理,获得渭河流域关中段植被覆盖度分级图,系统研究了渭河关中段近30 a来的NDVI和植被覆盖的时空变化特征,详细地分析了不同时期、不同区域植被在其生长周期内的长势情况,以及植被生长状况在空间上的差异性,系统研究了渭河流域关中段近30 a的植被动态变化.结果表明:该区域NDVI和植被覆盖度近30 a总体上呈增长趋势,仅1990—2000年期间有所下降.     

云南石林县植被覆被时空变化及影响因素

基于ArcGIS 10.2空间分析平台、MODIS NDVI植被数据及标准气象站的气象数据,采用提取分析、统计分析及相关性分析等方法,研究了石林县2000-2015年植被覆盖的时空变化特征及其与气候因子、人类活动的关系.结果表明:石林县植被每年5月进入生长季,而9月生长结束,植被覆盖度主要以高植被覆盖度为主且总体呈上升趋势,速率为0.04/(10 a);石林县植被覆盖度呈增加趋势的面积占研究区总面积的72.36%,减少部分的面积占总面积的27.64%,植被NDVI减少最为严重的区域主要集中在石林县城的周边地区,增加较明显的区域主要集中在西街口镇,植被NDVI总体上由东北向中西部递减;气候因子中气温与降水量变化与石林县植被NDVI年内变化相关,气温是影响植被NDVI变化的主要气候因子;石林县实施的退耕还林工程,极大地提高了石林县植被的覆盖度.     

基于ENVI的祁连山哈溪林区植被覆盖度信息提取研究

应用landsat TM5影像,进行了影像辐射校正、大气校正和监督分类等预处理。在对像元二分模型2个重要参数推导的基础上,用NDVI归一化植被指数植被覆盖度定量估算模型,对研究区植被覆盖度进行了估算。用GPS实地调查表明,应用NDVI归一化植被指数可以快速获得大范围植被覆盖度信息,为区域植被覆盖度估算提供了便捷的途径。     

基于遥感技术的地表水源地植被覆盖度的动态变化

植被覆盖及其动态变化可以有效地反映出区域环境变化特征,监测植被变化在评价区域生态环境质量中是不可缺少的一部分。数据源采用Landsat遥感影像,在运用归一化植被指数及像元二分模型的基础上,提取出2002、2009、2018年珲春老龙口水库地表水源地植被覆盖度,并进行动态变化分析。结果表明:2002—2018年珲春老龙口水库地表水源地区平均植被覆盖度值呈先减少后增加的趋势,2009—2018年,该研究区植被覆盖度处于相对良好的状态,中高度植被覆盖区与高度植被覆盖区占总面积的比重达到86.99%。从空间上来看,地表水源地的东北部分植被覆盖度较高,由东向西呈降低趋势。高植被覆盖区变化明显,近20年内增加了1 818.80 km~2。政府政策、生态恢复工程、人类活动等是影响珲春老龙口水库地表水源地植被覆盖度的主要因素。     

国家重点生态功能区植被覆盖度变化及其对地形因子的响应——以湖北省长阳县为例

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.该研究基于2000年—2015年的NDVI数据,借助于偏差分析、变异系数分析、地形差异修正指数模型等方法,对县域植被覆盖度变化特征及其对地形因子的响应进行研究,主要结论如下：1) 2000年—2015年植被覆盖度整体上处于较高水平,呈现出小幅度的波动增加趋势,年均增长率为0.12%;高覆盖度和中高覆盖度等级面积合计占研究区总面积80%以上.2) 研究期内县域植被覆盖度变异程度总体上稳定,植被稳定型面积占研究区总面积的82.84%,植被改善型面积大于植被退化型,其占比分别为13.07%和4.08%,能够在很大程度上对维护区域生态安全发挥重要作用.3) 随着高程的升高植被退化型先减小后增加,在大于1 250 m的高程内为主导类型;植被稳定型先缓慢增加后逐步减少,在500～1 750 m高程内优势明显;而植被改善型呈不断减少趋势,仅在小于500 m高程内呈优势分布.坡度对植被退化型分布的影响较大,在0°～15°范围内优势程度最明显,当坡度大于25°时植被稳定型和改善型呈现出一定程度的优势分布.不同坡向上植被变化显著,随着坡向由阴坡转向阳坡,植被改善型分布增加,而植被稳定型分布减少.该研究能够在一定程度上为国家重点生态功能区县域生态环境治理及生态保护提供有效的参考和借鉴.     

基于Landsat-8影像数据的北京植被覆盖度时空特征与地形因子的关系

以北京市为研究区,通过像元二分法模型,基于Landsat-8影像,反演北京市2014年4月、2021年4月的植被覆盖度;并根据DEM数据,计算研究区的坡度、高程数据,将植被覆盖度与坡度、坡向、高程进行空间叠加分析,研究植被覆盖度时空特征与地形因子的关系.研究结果表明,北京市坡度较小的区域以中低植被覆盖区为主,随着坡度的...     

基于NDVI的贵州省植被覆盖时空特征分析

利用2001—2018年的500 m分辨率的MOD13A1数据,计算每个像元的NDVI的变化趋势,并采用线性趋势分析法和相关性分析法,分析贵州省植被覆盖面积在18年间的时空变化特征;结合2001—2018年植被的降水利用效率与2010、2017年2期土地覆盖数据,研究不同土地覆盖类型的NDVI的特征. 研究结果表明:(1) 2001—2018年,贵州省的植被覆盖面积总体呈增加趋势,表明生态环境得以明显改善,以毕节、六盘水市最为显著;(2)从植被覆盖面积变化趋势来看,贵州省的植被改善区域大于退化区域,植被退化区主要集中在城镇扩张区;(3)贵州省的整体植被降水利用效率与植被覆盖面积的变化趋势不具有一致性;(4)贵州省的NDVI与同期降雨量、气温均呈现良好的相关性,而植被生长对气温变化不存在明显滞后性、对降雨量变化的滞后期为1个月,即植被生长对气温的敏感性高于降雨量;(5)在植被生长季,不同土地覆盖类型的NDVI具有不同的特征: NDVI(林地)>NDVI(耕地)>NDVI(草地)>NDVI(建设用地)>NDVI(水体).     

北部湾沿海流域植被覆盖动态变化及其驱动因素

基于2000—2018年的中分辨率成像光谱仪13Q1数据,利用修正的变化矢量分析、变异系数、Hurst指数等方法分析北部湾沿海流域植被覆盖动态变化趋势及其持续性、预测未来植被覆盖变化情况以及植被覆盖变化的驱动因素.研究表明:北部湾沿海流域植被覆盖度较高,且年际变化幅度较小,多年植被指数均值表现出从陆地到滨海、从流域外边界到河流中心逐渐递减的规律.2000—2018年以来,流域内植被覆盖改善区域(73.6％)大于退化区域(26.3％),河口、滨海区不仅为植被退化明显区域,且为植被变化波动性较强区域.未来流域内植被覆盖变化波动性较强,其中持续改善区域仅占19.6％,持续退化区域占8％,其余的72.4％为波动性变化区域.流域内植被覆盖变化趋势与人为因素和气候因素相关性较高,与地形特征相关性较低.     

基于3S技术的玛曲县草地植被覆盖度变化及其驱动力

利用GIS空间统计分析、多元统计分析方法和改进的遥感二分像元估算模型估算了玛曲县高寒草地植被覆盖度。结果显示:玛曲县2000,2002,2004,2006,2008年的平均植被覆盖度依次为66.17%,56.41%,57.34%,77.38%,58.93%。玛曲县高寒草地植被覆盖度总体呈下降趋势,优等植被的退化比较严重。草地植被的演变情况主要由优等植被覆盖向劣等植被覆盖演变,进一步证实了玛曲县草地呈退化趋势。并对导致玛曲县高寒草地植被覆盖度变化的因素进行PCA分析,结果显示人为因素是导致玛曲县植被覆盖度变化的主要因素,进一步说明人类活动对玛曲高寒草地生态环境变化影响巨大。     

由冠层孔隙度反演植被叶面积指数的算法比较

植被的叶面积指数（LAI）是植被最重要的生态参数之一，也是估算多种植被冠层功能过程的关键参数迄今已提出的LAI的获取方法可归纳为直接测定和间接估算两大类．本文以河北省黄骅市为研究区，从遥感光学模型建立机理及数量分析的角度，对由植被冠层孔隙度反演植被LAI的4种间接估算方法进行了试验和比较．研究结果表明，LAI与植被盖度之间呈明显的正相关关系，即随着LAI的增大，植被盖度也在增大．在这4种估算方法中，LAI-2000算法最适用于研究区植被LAI的估算．     

广西南流江流域1986—2020年植被覆盖度时空变化及预测

为探究我国南方丘陵山地流域植被覆盖度长时序变化情况,本研究基于1986—2020年Landsat系列影像数据,运用Google Earth Engine平台计算植被覆盖度FVC,利用Theil-Sen median趋势分析和Mann-Kendall 以及Hurst指数方法分析南流江流域植被覆盖度时空变化趋势特征。结果表明：南流江流域植被覆盖度高,植被覆盖度变化呈现明显的上升趋势。1986—2020年间,流域植被改善面积（58.23%）远远大于植被退化面积（8.29%）,植被改善区域在流域中、下游表现最为显著,退化区域自流域上游而下依次减少。未来南流江植被覆盖度变化将呈现波动变化趋势,其中持续性改善面积占14.83%,持续性不变面积占12.25%,持续性退化面积占3.48%,余下69.44%面积为波动变化区域,流域植被覆盖变化与造林绿化工程及城市扩张发展息息相关。Google Earth Engine平台在遥感影像处理中有明显优势,它能在长时序、大尺度植被监测研究中发挥重要作用。     

2005-2015年三江源地区玛沁县植被覆盖度变化分析

基于美国Landsat TM卫星遥感影像数据,通过ArcGIS10.0与ENVI5.1软件,提取并分析了玛沁县不同时期的植被覆盖度动态变化总体特征。分析结果表明:2005年、2010年、2015年的平均植被覆盖度依次为72.53 %、65.76 %、68.27 %,植被覆盖度fc>0.65的区域面积占总面积的比例达到60 %以上,植被覆盖总体情况良好;植被覆盖变化面积转移矩阵表明,近10年来植被覆盖度呈现出下降趋势,各级植被覆盖度减少面积近4 000 hm²,自然生态环境退化程度明显;玛沁县植被覆盖度减少区面积占比20.96 %,比重较大,植被覆盖不稳定并呈现退化趋势,自然生态环境亟待保护。     

基于时序NDVI的三峡库区植被覆盖时空变化特征分析

基于250 m 分辨率的MODIS-NDVI数据,从时间变化和空间变化两方面分析2000年～2015年三峡库区植被变化特征,运用一元线性回归趋势分析方法和F检验方法对三峡库区NDVI的变化趋势进行了定量研究.结果表明：16 a 来三峡库区NDVI总体上趋于波动增长,年均增长率为0.17%,但在时间和空间上有不同的变化特点.从季节差异上看,春季NDVI增长最快,其次是秋季和冬季,夏季NDVI变化趋势较平缓.从NDVI的空间变化格局上看,NDVI呈显著增加趋势的面积占整个库区面积的14.47%,轻微增加占55.77%,增加区主要分布在库区的北部、东北部、东部及东南部.库区20个县(区)NDVI 呈显著增加的面积均大于显著减少面积,其中巫溪、兴山、宜昌、巴东4县的增减面积均在800 km2以上,植被覆盖提升明显;忠县、重庆市区、渝北、长寿4县(区)的增减面积差均低于30 km2,植被覆盖增加相对较慢.库区各类型植被的NDVI均呈上升态势,其中草地NDVI增长最快,阔叶林NDVI显著增加面积占其总面积的比例最高,灌丛NDVI显著增加面积在所有植被类型中最大,退耕还林还草和农业生产模式转型也促使农作物NDVI缓慢增长.