近30年来渭河流域植被与气候变化互影响模式的探寻分析

基于1982-2006年间的GIMMS NDVI和2001-2013年的MODIS NDVI数据对渭河流域30年来植被NDVI的年际变化和空间分布特征进行了分析,并结合研究区内的气象数据探讨了植被NDVI与气候因子的相互影响关系。研究显示,近32年间渭河流域植被NDVI整体呈上升趋势,且空间差异显著,主要表现为流域西北地区的黄土丘陵沟壑区及北部的黄土高原区NDVI较低,植被覆盖较差;流域南部的秦岭山区、关中平原区等地植被生长状况较好。流域气温和降水呈现缓慢增长趋势。植被NDVI与年均气温整体上表现为负相关,与年降水量间呈正相关。总体上,降水是渭河流域植被生长的主要影响因子。     

1982-2013年青藏高原植被动态变化时序分析

针对不同的数据源及时间和空间尺度会使植被覆盖度及其与气象因子影响的结果有所差别这一情况,该文基于青藏高原1982-2012年GIMMS NDVI和2001-2013年MODIS NDVI遥感数据集,结合研究区内12个典型的气象站点数据,进行了青藏高原地区植被覆盖时空动态变化规律及其与气象因子响应的时序分析,并利用重合时间段的数据对比分析了两种传感器在青藏高原地区对植被动态变化监测方面的差异.结果表明:近30年来,青藏高原地区植被呈整体改善趋势,尤其是高海拔地区;不同阶段植被的变化趋势有所不同;两种传感器在反映植被动态变化趋势上差异显著,但两者与气候因子的响应规律相同.     

NDVI与气候因子关系在不同时间尺度上的结果差异

植被指数是反映地表植被覆盖状况的重要参数,分析气候因子与植被指数间的相互关系有助于揭示气候变化对植被的影响,然而当前研究有两种分析植被指数与气候因子关系的方法,分别为分析植被指数与生长季内和生长季间气候因子的关系,然而这两种法差异如何,何种方法更为合适需要进一步分析。利用2000年—2009年生长季的MODIS的归一化植被指数NDVI(Normalized Difference Vegetation Index)数据集和藏北那曲地区3个气象站逐月气象资料(月平均气温、≥0℃活动积温和月降水量),分析比较了生长季内和生长季间气候因子对植被生长影响的差异,并分析了两种方法的优劣。结果表明:(1)生长季内植被NDVI与同期气温和降水量均呈高度正相关,生长季内时滞时间尺度为1个月时,植被NDVI对月平均气温及降水响应均最为强烈。(2)生长季间NDVI与同期降水量相关性并不明显,气候因子的滞后效应在生长季间也较弱。(3)生长季内和生长季间植被NDVI与气候因子的关系所得出的结论有一定差异性,可能是因为两方面的原因:生长季内植被NDVI与水热因子的高相关性与中国季风季候造成的高温多雨出现在夏季有关,而生长季内高水热条件与高植被指数对应的多年重复必然造伪的高相关系数,但这种相关性不一定能真实反映植被与水热条件的关系,而生长季间水热等气候因子与植被指数年际变化相关性分析不存在水热与高植被指数同期问题,更能真实反映气候因子年际变化对植被的影响。     

利用经验模态分解的近地面植被指数时序数据重构研究

NDVI遥感产品可以较好地反映植被的生长情况,已被广泛应用于植被物候的遥感分析。本文利用PhenoCam物候相机观测网络林地站点的近地面多光谱数码相机照片,通过近红外和红光波段组合提取近似NDVI的时序数据,并在景观尺度上采用经验模态分解方法(EMD,Empirical Mode Decomposition)实现一定容差范围内NDVI时序数据的重构。结果表明:EMD方法能够有效地减少NDVI时序数据噪声干扰,经验证,趋势项残差的趋势较为明确。实验基于重构结果进行植被物候分析,得到的物候分布特征与植被实际生长反映的变化特征基本一致。     

宁夏不同植被类型归一化指数与气象因子分析

针对植被动态对气候变化响应的问题,提出了从小尺度范围研究植被指数与气象因子的相关性,采用2000—2010年MODIS归一化植被指数数据集和宁夏10个气象站2000—2010年逐月气象资料,分析了气象站点周围10km缓冲区内不同植被类型NDVI与气象因子的相关性。结果表明:2000—2010年宁夏不同植被类型NDVI均呈上升趋势;极端最低气温、最高气温、平均气温、平均相对湿度以及日照时数对宁夏地区植被的生长有明显的滞后效应;植被NDVI与极端最低气温的相关性系数最大,其次是平均气温;不同植被类型的NDVI与极端最高气温、极端最低气温以及平均气温的相关性由南向北呈现波动性增长,与降水量的相关性由南向北呈现明显的减小趋势;且耕地NDVI与各气象因子的相关性最大。     

基于物候特征参数的山西煤矿区典型复垦植被分类

基于2001―2013年获取的MOD13Q1 NDVI数据,采用低通平滑Savitzky-Golay(S-G)滤波方法、插值法及切比雪夫多项式(Chebyshev Polynomial)拟合对NDVI时序数据进行重构;通过提取植被生长季开始日期、生长季长度、生长季结束日期、生长季NDVI最大值及NDVI最大值出现日期等关键物候特征参数,对研究区典型复垦植被类型进行分类。结果表明:研究区不同植被的物候特征具有显著差异,从生长季开始日期及NDVI最大值出现日期来看,农作物较有规律;而林地的生长季NDVI累积总值则明显区别于农作物及草地;农作物、草地和林地基于植被物候特征参数分类取得了较好结果,总体分类精度达到89.67%,优于采用多时相非监督分类的结果;该研究为山西省煤炭矿区生态环境恢复评价提供了一定的数据基础。     

MODIS NDVI和AVHRR NDVI 对草原植被变化监测差异

以草地作为研究载体,对比分析草原植被AVHRR NDVI和MODIS NDVI两种NDVI序列的年内、年际变化特征,讨论两种NDVI序列对降水量、平均气温和水汽压3种气候因子的响应差异,为合理选择NDVI序列对植被进行监测研究提供参考。结果表明：(1)两种NDVI序列所反映的草原植被年内变化趋势相似,但MODIS NDVI对各类草原的区分度优于AVHRR NDVI;(2)两种NDVI序列所反映的2000年—2003年草原植被年际变化差异明显。较之于MODIS NDVI,AVHRR NDVI变化趋势分类图表现出更强的植被改善趋势,植被改善面积在AVHRR NDVI变化趋势分类图中占94.25%,在MODIS NDVI中为83.33%;两种NDVI变化趋势分类图反映的植被变化趋势吻合度为52.88%。(3)两种NDVI序列与水汽压、降水量相关性差异显著。MODIS NDVI与各站点平均气温的相关系数均大于GIMMS NDVI;而MODIS NDVI与水汽压的相关系数83%(10个站点)小于GIMMS NDVI,与降水量的相关系数67%(8个站点)小于GIMMS NDVI。     

基于时序NDVI的昭觉植被覆盖度变化研究

归一化植被指数(NDVI)能精确地反映植被绿度、光合作用强度,在一定程度上反映着植被的演化信息,是评价生态环境状况的重要指标之一。本文利用Landsat TM数据分别对昭觉地区2009年和2014年的NDVI进行计算,并分别利用均值法、像元二分模型及NDVI差值植被指数对研究区域植被覆盖变化进行定量分析,结果表明:昭觉县NDVI均值上升了11.6%,植被覆盖度中极度改善的面积比例约占38%,昭觉县整体NDVI植被覆盖度显著提高,并对其变化原因进行简要分析,为生态环境建设提供决策依据。     

GF-1WFV与Landsat8OLI的NDVI交互比较与定量关系研究

为弥补、修正构建Landsat 8归一化植被指数(normalized differential vegetation index,NDVI)长时间序列中因云层覆盖、影像质量与重访周期导致的数据缺失问题,交互比较高分一号(GF-1)与Landsat 8两类传感器的植被探测能力,并对其植被指数的定量关系进行研究,探讨以GF-1局部镶嵌或全局替换Landsat 8缺失数据构建时序NDVI的可行性。结果显示,Landsat 8与GF-1具有NDVI差异性,具体表现为Landsat 8探测地物信号更强,而GF-1获取地物信息量更多;相同空间分辨率(30 m)下两传感器NDVI数据呈现高度线性相关,经方程转换后,GF-1的NDVI拟合数据与Landsat 8的NDVI关系增强;同时,两传感器的NDVI数据存在区域差异性,且拟合数据可以有效减少差异程度。实验表明,此方法可实现Landsat 8高分辨率时序NDVI的构建,具有一定应用价值。     

澜沧江流域2000-2017年植被NDVI时空特征及其对气候因子的响应

基于MODIS-NDVI数据分析澜沧江流域生长季植被NDVI时空特征和变化趋势,结合地形数据、气象站点数据和植被类型数据,利用趋势分析和相关性分析法研究植被NDVI变化对气候因子的响应。结果表明:1)2000-2017年澜沧江流域生长季植被NDVI均值为0.592,整体呈现出由西北向东南波动增加趋势,增长速率为0.09%/10年;2) 2000-2017年澜沧江流域气温呈上升趋势,降水呈下降趋势,植被NDVII总体与平均气温的相关性高于累积降水量;3)澜沧江流域生长季植被NDVI驱动因子分析表明,气候驱动中以气温降水联合驱动为主,流域植被NDVI变化整体为非气候驱动。     

中国陆域1∶100万植被指数UNVI多维数据集（2017）

中国陆域1∶100万植被指数UNVI（Universal Normalized Vegetation Index）多维数据集（2017）是在分析MODIS地表反射率产品数据MOD09GA特点,参照传统的植被指数合成算法,为了满足植被长时间序列变化研究需要而生成的16 d合成UNVI数据集。本研究合成的UNVI数据集在反映植被密度、植被覆盖度、植被光合作用速率,以及反演植被理化参数方面,与传统的NDVI和EVI合成数据集相比,具有明显的优势。合成算法主要分为两步：首先对16 d合成周期内存在无效值和反射率负值的MODIS数据进行筛选处理;然后读取合成周期内的质量控制波段数据统计“无云”数据的天数,并根据“无云”数据的天数选择相应合成算法进行UNVI的16 d合成,从而获得2017年中国陆域时间分辨率为16 d,空间分辨率约为0.00286°的UNVI时间序列影像。基于本文提出的合成算法生成的中国陆域UNVI数据集,采用1∶100万标准经纬线分幅,共64景（Tile）,每景所覆盖的经纬度范围为6°×4°,为方便起见,数据集采用MDD多维数据格式（Multi-Dimensional Dataset）存储,每个.mdd文件下存放每景2017年所有时相的影像数据。同时为便于数据下载,全部数据按照分幅压缩为64个.zip文件,压缩后的数据量约为3.78 GB。本数据集能为从事全球变化研究的科研人员提供更方便的植被指数长时间序列数据产品。     

基于狄克松检验的NDVI时序数据噪声检测及其在数据重建中的应用

归一化差值植被指数NDVI(Normalized Difference Vegetation Index)时序数据已被广泛应用于植被变化监测、植被物候识别和土地覆盖分类等领域,但受观测条件限制,NDVI原始数据中包含大量噪声,在实际应用时需对其进行检测并去除。目前常用的NDVI数据去噪重建方法主要包括阈值检测法、滤波拟合法及曲线拟合法3类。各方法在应用时均需根据不同的土地覆盖类型或特定的研究区域设置一定数量的经验参数,对噪声的定义缺乏客观标准;此外,这3类方法都没有进行专门的噪声检测,在进行NDVI数据重建时只是根据经验进行噪声判断。本文提出了一种基于狄克松(Dixon)检验法、适用于对小样本进行检测的数理统计噪声检测方法,该方法首先对同一像元、同一时段、不同年份的NDVI时序数据进行统计分析,然后再结合质量评估数据的分析结果,最终给出NDVI是否异常的判断。运用狄克松检验法对噪声进行检测,然后结合已有的两种数据重建方法--变权重滤波法和Savitzky-Golay方法,基于2001年-2010年250 m分辨率的MODIS NDVI时序数据,对覆盖中国55种植被类型共520个测试样点及洞庭湖测试区域进行了NDVI时序数据重建实验,结果表明,狄克松检验法降低了对先验知识的依赖程度,应用该方法对NDVI时序数据中的噪声进行检测预处理后,可以有效提高变权重和Savitzky-Golay方法的数据重建质量。     

近20年攀枝花煤矿集中区地表覆被变化及其环境影响浅析

我国绝大多数煤矿集中区生态环境脆弱,存在地表植被破坏、水土流失和土地荒漠化等现象。NDVI作为监测植被生长状态及地表覆被变化的最佳指示因子,是反映生态环境状况的重要指标。本文基于Landsat系列卫星影像,利用趋势分析和像元二分法对1995—2016年攀枝花煤矿集中区NDVI和地表覆被变化开展了研究。     

1983—1992年中国陆地植被NDVI演变特征的变化矢量分析

以NDVI时序资料为基本数据源，综合应用变化矢量分析和主成分分析方法对1983年至1992年中国陆地植被NDVI的变化强度、变化类型及空间结构变化特征进行了分析。研究结果表明在此期间中国陆地植被NDVI变化有以下特点：（1）十年间NDVI变化东西分异明显，东部变化幅度远大于西部。NDVI变化整体表现为稳中略增，增加区主要分布在台湾、福建、四川、河南等地；减少区主要分布在云南省和新疆北部等地。（2）空间结构信息表现了景观异质性，其变化主要发生在南方，反映了植被的生长和衰老过程及地形（山脉走向）变化。     

中国北方地区秋季植被变化及对气候变化的响应研究

基于1982~2006年的AVHRR GIMMS NDVI数据,使用一元线性回归和分段线性回归等方法,通过对中国北方地区植被变化及其与气候因子的关系研究,揭示该地区近25年来在不同时段的植被变化趋势及对气候变化的响应规律,从而为该地区的生态环境变化研究提供理论依据。研究结果表明:1)中国北方地区秋季植被在25年时间内整体呈上升趋势。秋季NDVI在秋季温度断点之前以上升趋势为主,秋季NDVI在秋季温度断点之后仍以上升趋势为主,但上升趋势有所放缓。2)通过分段线性回归方法和相关分析研究得出中国北方地区秋季温度是秋季NDVI变化的主要驱动力。在秋季温度断点之后,秋季温度仍呈上升趋势而降水呈显著减少的面积增多,从而在温度和降水双重影响下的干旱胁迫导致植被下降;当秋季温度下降而秋季降水增多时干旱发生概率变小,从而使秋季NDVI呈上升趋势。     

南方丘陵区植被覆盖度遥感估算的地形效应评估

植被覆盖变化是生态环境领域的核心研究内容之一,但其估算精度常受到地形效应、土壤背景、大气效应等各种因素影响。以Landsat 8 OLI为遥感数据源,基于像元二分模型,分别利用归一化差值植被指数(NDVI)、经Cosine-C校正的归一化差值植被指数(NDVI)和归一化差值山地植被指数(NDMVI)建立植被覆盖度估算模型,以评估南方丘陵区植被覆盖度的地形效应。结果表明,3种植被覆盖度估算模型均能削弱地形效应,但消除或抑制地形效应影响的能力不同。比较而言,基于NDMVI指数构建的植被覆盖度估算模型的地形效应最小,更适合地形复杂区域的植被覆盖度遥感估算;基于Cosine-C校正的NDVI植被指数构建的植被覆盖度估算模型的地形效应次之,但存在一定的过度校正现象;基于NDVI植被指数构建的植被覆盖度估算模型的地形效应最大,尤其当坡度≥10°时,阴坡植被覆盖度比阳坡明显偏低。     

青藏高原小嵩草高寒草甸返青期遥感识别方法筛选

小嵩草高寒草甸是青藏高原的主要植被类型,研究其返青期识别方法对于模拟及预测青藏高原植被物候变化具有重要意义。常用的植被返青期遥感识别方法主要是先对遥感植被指数原始时序数据进行拟合去噪声再求取返青期,各种方法对研究区域、研究经验、参数设置、函数初值设置等有很强的依赖性。为避免返青期识别方法在曲线拟合时对参数初值的依赖性和陷入局部最优解,本文引入了模拟退火算法对双高斯和双逻辑斯蒂函数进行参数优化,并分别对基于以上两种函数及多项式拟合的植被指数时序曲线进行对比,从而选出最佳拟合方法,最后采用最大斜率阈值法、动态阈值法和曲率法识别返青期。利用青藏高原小嵩草高寒草甸34个样本点的返青期地面观测数据及相应的8 km分辨率的NOAA归一化差值植被指数(NDVI)时序数据对以上各种组合的返青期遥感识别方案进行了测试,并选取了153个遥感实验点求取了近30年(1982年—2011年)青藏高原小嵩草高寒草甸的返青期,结果表明:采用双高斯函数拟合的NDVI曲线与原始NDVI时序数据最为接近,在此基础上采用最大斜率阈值法识别的小嵩草高寒草甸返青期及其变化趋势与地面物候观测结果最为一致;同时发现近30年青藏高原小嵩草高寒草甸的平均返青期主要集中在每年的第120—140天,并且呈逐年提前趋势,30年来提前了7天。     

基于MODIS-NDVI的天津市蓟州区植被特征时空变化分析

基于MODIS-NDVI数据和气象数据,研究了天津市蓟州区植被NDVI近16年的时空变化特征以及16年间气温、降水变化规律.研究结果表明,蓟州区2000-2015年年平均NDVI趋势为先降后升,最低值出现在2004年.月际NDVI均值与月平均降水量的相关性高于最大降水量的相关性,说明最低温度比最高温对植被的影响更大,月平均降水量比最大降水量对植被的影响更大.除去人类活动的影响,蓟州区县植被指数的变化主要归因于降水减少和温度增加,对于指导当地生产实践具有实际意义.     

基于植被覆盖度的植被变化分析

植被覆盖度是衡量地表植被状况的一个最重要的指标,也是影响土壤侵蚀与水土流失的主要因子,对于区域环境变化和监测研究具有重要意义。为了有效地从遥感资料中提取植被覆盖度,以像元线性分解模型两个重要参数为基础,建立基于归一化植被指数(NDVI)进行估算植被覆盖度的模型。最后以杭州地区为实验样区,利用MODIS影像数据对覆盖度进行估算,并对样区的植被变化进行分析。     

基于Landsat影像的NDVI与RVI反演结果实验与分析

为研究归一化植被指数(NDVI)和比值植被指数(RVI)的特点,选取德阳市旌阳区作为实验区,以2007年、2014年和2018年的Landsat影像为数据源,反演得到实验区NDVI和RVI的分布状况.结果表明,二者均能较客观地反映地表植被覆盖的整体情况;通过剖面分析发现,当NDVI值在0.5左右时,RVI反映的地表植被覆盖状况变化非常显著,当NDVI值在0.2左右时,部分RVI反映的地表植被覆盖状况与实际存在一定的差异,个别低植被覆盖区域RVI值在1附近.