基于PIE-Engine云平台的2018—2022年辽宁省植被覆盖度时空演变及影响因素

基于PIE-Engine(航天宏图)云平台,对2018—2022年辽宁省哨兵2A(Sentinel-2A)地表反射率数据进行处理,计算得到归一化植被指数NDVI,在此基础上利用像元二分模型计算植被覆盖度FVC,对计算得到的FVC结果运用趋势分析、偏相关分析等方法分析了辽宁省FVC时空演变情况及其影响因素。研究表明：1)2018—2022近5年辽宁省植被覆盖度FVC均值整体上呈波动上升趋势,植被覆盖度FVC均值由71.5%增至73.2%,其增长速率为2.3%。2)植被覆盖度FVC在空间上由西北向东北呈现逐渐递增的趋势,相比于退化地区的植被覆盖度提高的幅度大。植被覆盖度改善的区域明显大于退化区域,表明辽宁省植被覆盖情况得到恢复。3)相比较而言,高程和坡度是影响植被覆盖度FVC值的显著因子,FVC值随高程呈“下降—上升—下降”的变化趋势,同时FVC值随坡度的增加呈逐渐增加的趋势;4)FVC受气候的影响因素较大,3个气候因子与FVC有较强的相关性,年平均气温对FVC变化影响最大。     

基于FVC指数的松嫩平原生态环境变化研究

基于两年的松嫩平原遥感影像数据,利用FVC指数设计出松嫩平原生态环境图——FVC平均值分布图、FVC差值分布图、FVC趋势动态分布图、空间变异系数分布图,并借助GIS技术对松嫩平原的植被覆盖进行空间格局分析和动态分析.由松嫩平原FVC平均值分布图可以看出,较高度植被覆盖主要分布在松嫩平原的北部、东北以及东南部地区;FVC差值的增加状态明显高于减少状态,可以说明松嫩平原植被的生长趋势在逐年变好;FVC变异系数呈现明显离散.4个模型综合可以看出松嫩平原植被FVC呈高度增加趋势,也由此可以反映出松嫩平原的生态环境逐渐改善.     

河北坝上地区植被覆盖变化遥感时空分析

基于MODIS数据,采用基于像元尺度的趋势分析和稳定性分析方法,深入分析了河北坝上地区近13 a的植被变化特征。研究表明:空间分布上,坝上全区地表植被覆盖从西向东依次渐好,各分区域的季节变化特征具有明显的差异性;时间上,近13 a以来坝上大部分地区植被覆盖有改善的趋势,其中得到改善的区域占坝上总面积的51.35%,基本不变的区域占25.68%;同时,因坝上地区生态环境比较脆弱,植被生长易受自然和人为因素的干扰,植被覆盖在时间序列上的稳定性较差,坝上全区每年的NDVI最大值合成数据的变异系数Cv平均值达到14.85%,Cv10%的区域仅占坝上总面积的15.3%。     

陕北黄土高原植被覆盖时空变化及其归因分析北大核心CSCD

本文借助Google Earth Engine(GEE)云平台,以Landsat影像、气温降水和土地利用类型为基础,利用Theil-Sen Median趋势分析、Mann-Kendall检验、偏相关性和多元回归残差分析法,分析了1999—2018年陕北黄土高原植被覆盖时空特征、变化趋势及气候变化与人类活动对于不同土地利用类型的影响,得出以下结论:(1)1999—2018年陕北黄土高原年际FVC呈改善趋势,其平均增速为0.004 9/a(P<0.01),植被覆盖度呈增加趋势的面积占总面积的74.43%;(2)植被覆盖度与降水和气温的偏相关系数具有明显的空间差异,植被生长对降水变化较敏感;(3)气候变化和人类活动的共同作用是植被生长的主要原因,其中气候变化对植被FVC的影响范围为-0.001 0/a~0.003 6/a,而人类活动对植被FVC的影响范围为-0.046 1/a~0.049 0/a;(4)在不同土地利用类型中,气候变化对水体增幅影响最大,对针叶林和阔叶林增幅影响最小,而人类活动变化对人类占用地增幅影响最大,对阔叶林增幅影响最小。     

Landsat时序数据支持下的藏东南植被时空变化监测

本文利用GEE平台和1990—2019年巴宜区Landsat遥感影像,采用像元二分模型、相关性分析等方法分析了巴宜区植被覆盖度的时空变化特征与驱动力。研究结果表明：①1990—2019年巴宜区植被覆盖度总体呈稳中有增的趋势,其中,河谷区域增加明显,而高海拔区域相对稳定;②1990—2019年巴宜区气温呈显著升高,降水略有下降,总体呈“暖干化”,气温较降水量对植被覆盖变化更明显,但气候变化对植被覆盖变化影响总体不明显;③1990—2019年巴宜区植被覆盖变化与人类活动有很好的相关性,其中,低、中低、中、中高植被覆盖区域,呈显著的负相关,而高植被覆盖区域呈正相关。本文基于遥感大数据和地理云计算的植被覆盖监测动态监测和定量分析方法,能对高山峡谷区生态评估和演替分析提供一定的技术支撑和科学数据。     

草原植被覆盖度遥感估算模型的适用性比较

植被覆盖度及其变化对区域生态系统的稳定性具有直接影响,且这种影响在草原地区更加明显。为探寻草原植被覆盖度的最佳遥感估算方法,本文对像元二分模型、Carlson模型和Baret模型的估算精度和适用性进行了比较,优化了Baret模型的参数,以提高其在草原地区的估算精度。内蒙古呼伦贝尔地区的草地计算结果表明：像元二分模型有高估植被覆盖度的现象;Carlson模型在低植被覆盖区低估了植被覆盖度,而在高植被覆盖区高估了植被覆盖度;Baret模型在草原地区的估算精度最高。对Baret模型进行参数优化后,其在高植被覆盖度区域的估算精度提升了4.9%。     

基于MODIS的神东矿区植被动态监测与趋势分析

以神府-东胜矿区(简称神东矿区)为研究对象,利用2000―2015年获取的250 m分辨率MODIS NDVI数据,采用像元二分法提取矿区植被覆盖度(fractional vegetation coverage,FVC)的基础上,利用一元线性回归方法和重标极差分析法分析矿区植被空间格局变化并预测其未来发展趋势。结果表明:16 a来神东矿区的年均植被指数(NDVI)呈上升趋势,增加速率为8.9%/10 a;矿区大部分地区地表植被覆盖得到改善,其中明显改善面积占比为50.43%,分布趋向为矿区东南方向;而退化面积仅为4.90%,分布在乌兰木伦河、窟野河两侧以及西部和北部沟壑区;65.03%的矿区区域Hurst指数值在0.35~0.45之间,具有较弱的反持续性;矿区中部Hurst指数较高,而西部Hurst指数偏低;结合FVC来看,矿区地表植被未来仅有较弱的退化趋势。综合遥感分析结果,神东矿区植被改善的主要原因在于神东矿区对环保的重视和投入的增加,以及科学和高效的生态环境综合防治技术体系的建立与实施。     

京津冀平原区植被覆盖变化及地下水开采对其影响分析

使用京津冀平原区2000—2019 MODIS NDVI数据,采用像元二分模型、线性回归分析、趋势分析等方法,估算分析近20年京津冀平原区植被覆盖度的时空变化趋势,结合地下水开采数据,分析地下水开采对其的影响.研究结果表明:近20年京津冀平原区植被覆盖度呈不显著下降趋势,下降速度为0.017/10 a;京津冀平原区植被覆盖度变化趋势主要为轻微改善和轻微退化,两者占比69.97％,严重退化区占比11.94％,邯郸市和邢台市植被覆盖度退化尤为严重,植被覆盖度明显改善占比为5.34％,改善的地区主要分布在沧州、衡水、天津的一些小区县;京津冀平原区地下水不同开采程度区域的植被覆盖度并未表现出明显差异性变化,地下水开采对植被覆盖度影响不显著.     

基于RS的北京山区植被覆盖变化空间特征

利用1979年和2005年的Landsat TM/MSS影像,采用基于植被指数的像元二分法分别计算了北京山区的植被覆盖度,分析了植被覆盖变化及地貌对植被覆盖变化的影响。结果显示:北京山区高海拔地区植被覆盖较稳定,低海拔区变化剧烈;陡坡区生态较脆弱,缓坡区生态修复和植被退化的概率较大;同一时相阳坡植被覆盖度小于阴坡,西北坡生态较脆弱,东南坡植被生态修复机率较大。     

基于RS的北京山区植被覆盖变化空间特征

利用1979年和2005年的LandsatTM／MSS影像,采用基于植被指数的像元二分法分别计算了北京山区的植被覆盖度,分析了植被覆盖变化及地貌对植被覆盖变化的影响。结果显示：北京山区高海拔地区植被覆盖较稳定,低海拔区变化剧烈;陡坡区生态较脆弱,缓坡区生态修复和植被退化的概率较大;同一时相阳坡植被覆盖度小于阴坡,西北坡生态较脆弱,东南坡植被生态修复机率较大。     

地表植被覆盖度遥感估算及其气候效应研究进展

FVC是研究表植被覆盖的重要参数,其估算精度直接影响生态、环境变化研究结论的科学性。本文通过研究用于FVC计算的遥感数据,以及统计模型、混合像元分解、数据挖掘等估算方法和植被覆盖变化气候效应,指出大数据时代背景下融合海量、多平台、多时空、多尺度数据的FVC估算是必然趋势,其方法不仅具有高精度、高可靠性等特点,而且将向智能化、自动化的方向发展,植被覆盖变化气候效应研究将逐步定量化,地气作用过程和机理将成为其重要的研究方向。     

植被覆盖度与温度关系的MODIS高光谱研究

针对我国局部区域的植被覆盖度与气候变化研究仍然较少的现状,该文以四川盆地为例,利用MODIS高光谱数据,以植被覆盖度作为监测植被动态变化指标,根据皮尔逊相关系数分析植被覆盖度与气候的相关性,总结2003—2010年四川盆地植被覆盖度动态变化趋势,研究温度变化对植被覆盖度的影响。研究表明:植被覆盖度与温度为极强正相关,除地震等特殊情况,两者变化趋势相似,夏高冬低。     

草原矿区长时序植被覆盖度变化趋势对比分析

呼伦贝尔草原区生态脆弱,在人类活动和气候等因素影响下草原生态变化备受关注。本文以宝日希勒矿区及周边为研究区,应用1985-2015年Landsat年度最大合成NDVI数据,采用像元二分模型反演植被覆盖度;分别利用一元线性回归法和Sen+Mann-Kendall法对研究区植被覆盖度趋势和空间差异进行了对比分析。结果表明：两种方法得到的植被变化趋势基本一致,Sen+Mann-Kendall方法相较于一元线性回归法对植被覆盖度改善和退化反应更为敏感。研究结果有助于科学评价长时序煤炭开发活动对地表生态的影响并为长时序植被变化监测提供方法参考。     

基于无人机数据的植被指数空间尺度效应研究

利用cm级空间分辨率的无人机高光谱图像研究了NDVI、PRI等14种植被指数随空间尺度升高的变化规律,并分析了不同植被覆盖度(FVC)下植被指数的空间尺度效应,比较了各植被指数空间尺度效应的强弱。得到的结论如下:(1)随着空间尺度升高,不同植被指数的变化趋势和幅度并不一致;(2)cm级的空间分辨率下,由于植被类内光谱差异和冠层阴影的影响,植被指数在植被覆盖度大于等于0.5的中高植被覆盖下受空间尺度效应的影响更大;(3)由相对简单的比值形式构成的植被指数如NDVI、SR等,具有抵抗空间尺度效应的能力,增加计算公式的复杂性会降低这种能力;(4)对色素和冠层水分敏感的窄波段容易受到空间尺度效应的影响,进而使得由这些窄波段构成的植被指数对空间尺度变化更为敏感。     

Soil salinity and vegetation cover change detection from multi-temporal remotely sensed imagery in Al Hassa Oasis in Saudi Arabia

Detecting soil salinity changes and its impact on vegetation cover are necessary to understand the relationships between these changes in vegetation cover. This study aims to determine the changes in soil salinity and vegetation cover in Al Hassa Oasis over the past 28 years and investigates whether the salinity change causing the change in vegetation cover. Landsat time series data of years 1985, 2000 and 2013 were used to generate Normalized Difference Vegetation Index (NDVI) and Soil Salinity Index (SI) images, which were then used in image differencing to identify vegetation and salinity change/no-change for two periods. Soil salinity during 2000–2013 exhibits much higher increase compared to 1985–2000, while the vegetation cover declined to 6.31% for the same period. Additionally, highly significant (p < 0.0001) negative relationships found between the NDVI and SI differencing images, confirmed the potential long-term linkage between the changes in soil salinity and vegetation cover.     

混合像元聚集指数研究及尺度分析

本文提出了一种新的混合像元聚集指数计算方法。该方法基于高分辨率遥感数据,采用方向孔隙率公式和线性混合模型相结合的方法,详细描述了混合像元内部由于植被覆盖度(FVC)、端元聚集指数以及叶倾角分布等引起的尺度差异。利用模拟数据进行初步敏感性分析,将计算得到的混合像元聚集指数与所占面积比例最大的端元聚集指数进行比较,结果表明端元聚集指数的不均一性对计算结果影响最大,由此得到的混合像元聚集指数较最大面积端元聚集指数下降了55%;植被覆盖度的不均一性影响次之,可使聚集指数降低43%;植被叶倾角分布(G函数)的空间异质性影响最小,约12%。敏感性分析的结果同时也证明了对于空间异质性较强的混合像元进行尺度差异修正的必要性。利用本文中提出的混合像元聚集指数方法有望在提高低分辨率叶面积指数反演中发挥重要作用。     

南水北调中线水源区植被覆盖度遥感监测分析

南水北调中线工程是我国大规模跨流域调水工程的一部分,开展该区域植被覆盖度变化的研究与分析,对于保护该区域的生态环境及水质具有重要意义。该文以2000年和2009年两期遥感图像为本底数据,利用基于NDVI的像元二分模型对南水北调中线水源区的植被覆盖度进行了估算,并分析了该区植被覆盖度的时空变化特征。结果表明:2000年该水源区植被覆盖度的平均值为67.5%,2009年的平均值达到72%,植被覆盖度总体呈增长趋势;植被覆盖度增幅的空间特征表现为水源区中部地区高,东西部地区相对较低;在不同植被类型中,落叶针叶林的覆盖度平均值增幅最大,草地覆盖度增幅最小;位于水源区的大多数县(市)的植被覆盖度在近十年来都有不同程度的增加,其中柞水县的植被覆盖度平均值增长幅度最大,这与国家实施退耕还林、封山育林、基本农田建设等政策有关。     

基于Landsat影像的木里煤田矿区植被覆盖提取及时空变化分析

木里煤田地处青藏高原典型生态环境脆弱地带的大通河源头,本文以Landsat影像为数据源,基于归一化植被指数像元二分模型估算木里煤田矿区1990-2016年植被覆盖度,监测其动态变化及时空发展规律。研究发现,1990-2016年矿区裸土及低植被覆盖面积增加156.60 km^2,中植被覆盖面积增加153.37 km^2,高植被覆盖面积减少309.99 km^2。动态监测结果表明,1990-2016年木里煤田植被覆盖呈现严重退化趋势,退化最明显区域出现在矿区周边;时空格局变化分析结果表明,矿区植被覆盖等级逐渐向低植被覆盖等级转变,植被覆盖区域面积逐渐缩小。通过监测木里煤田矿区植被覆盖动态变化并分析其时空变化特征,为研究区生态环境修复,土地复垦等工作提供相关数据参考及技术支撑。     

2012-2015年中缅油气管道重要节点土地利用/覆被时空变化分析

"中缅油气管道"是我国陆上第三大能源通道,该项目的建设将改变其沿线周边的土地利用/覆盖现状,同时对沿线地区的自然环境和社会经济发展产生重要影响。本文选取中缅油气管道沿线的国内11个重要节点和缅甸境内4个重要节点作为研究区,以2012年和2015年2期Landsat7 ETM+和Landsat8 OLI影像数据作为数据源,利用决策树分类算法提取2012年和2015年2期中缅油气管道沿线重要节点的土地利用/覆被信息,分析2012年和2015年2个时期的中缅油气管道沿线15个重要节点土地利用/覆被的时空变化。研究结果表明：①15个节点中,除德宏芒市、保山隆阳区、缅甸若开邦外,其他11个节点的土地覆被变化均在20%左右;②15个节点中,最主要的土地覆被变化为植被和裸土的相互转换,其次为其他土地覆被类型向建筑的转换;③由于中缅油气管道项目的辐射作用,带动当地经济发展,改变当地的经济作物结构,因此造成大量的植被和裸土的相互转换,并造成建筑用地需求增加,出现大量的其他地表覆被类型向建筑的转换。