京津冀地区植被覆盖度时空演变特征分析

利用MODIS EVI遥感数据,采用AG滤波法(Asymmetric Gaussians)和像元二分模型来实现对2001-2015年京津冀EVI数据的重建和植被覆盖度的估算,在此基础上运用线性回归分析等方法,从时空两个维度分析了2001-2015年京津冀植被覆盖的演变趋势。研究结果表明:(1)2001-2015年京津冀地区植被覆盖度年际变化呈不显著增长,2003-2004年植被生态环境退化明显。(2)京津冀城市群植被覆盖度差异明显,大多数城市植被覆盖度处于稳定波动中,张家口市植被覆盖度呈波动上升。(3)2001-2015年京津冀植被覆盖度超过95%区域有所变化,呈增长趋势的区域占研究区面积的56.36%。显著变化区域中,中度改善区域占比例最高,达到28.18%;严重退化区域占比最小,仅为3.25%。     

胜利矿区植被覆盖度时序变化的空间异质性监测

通过对胜利矿区的地理位置、气候条件等背景的分析，本文为实现获取时序性植被覆盖度的空间异质性的目的，使用ENVI、GIS、Matlab等软件，基于胜利矿区1985—2017年的Landsat TM/ETM+/OLI遥感数据计算NDVI，利用像元二分模型计算植被覆盖度，得到研究区植被覆盖度均值的时序变化情况。采用转移矩阵法和Sen+Mann-Kendall法对研究区域内不同等级的植被覆盖转移情况及变化趋势情况进行分析。研究表明：胜利矿区植被覆盖度均值波动较大，呈轻微下降趋势。在监测时段内68.36%的高植被覆盖区域植被发生了退化，只有3.2%左右的极低植被覆盖区域得到了良好的改善。此外，研究区植被覆盖度受到结构性因子和随机性因子的影响，空间异质性明显，灌溉区由于人为干涉，植被生长良好，极低植被覆盖面积维持在3%以下，植被覆盖显著下降区域主要集中在露天采坑、排土场等矿业景观区。     

梵净山长时序植被覆盖变化趋势与对比分析

梵净山具有独特的亚热带孤岛山岳生态系统和丰富的生物多样性,研究其植被覆盖长时序的时空演变和变化趋势,对于保护区的生态管理具有重要意义。本文基于GEE云平台,利用Landsat SR数据集进行去云和融合处理,使用最大值复合法合成年度NDVI数据集。通过像元二分模型法反演植被覆盖度,采用一元线性回归趋势分析法和Sen+Mann-Kendall趋势分析法对梵净山自然保护区的FVC进行逐像元的时空演变和趋势分析,并对比两种趋势分析的差异。结果表明：(1)近30年来,梵净山自然保护区的植被覆盖度呈先下降后上升的“U”形增长趋势,增长率为3.46%,植被覆盖情况得以明显改善。(2)在空间分布上,梵净山自然保护区的植被覆盖度呈现出中间高、四周低的特点。植被改善面积(占94.80%)远大于植被退化面积(占5.20%)。(3)两种趋势分析方法得出的梵净山自然保护区植被覆盖度变化趋势基本相似,但Sen+Mann-Kendall趋势分析法对显著变化结果的敏感程度高出2.18%。     

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。     

不同趋势法的宁夏长时序植被变化分析

宁夏地处黄土高原，植被变化趋势直接影响其生态保护。本文应用2005—2015年的MODIS NDVI月合成产品，并采用最大合成法得到年NDVI数据，分别利用一元线性回归法和Sen+Mann-Kendall法对宁夏11年间植被变化趋势和空间差异进行研究分析。结果表明，在月际变化上，月NDVI均值呈高斯分布，7—9月是植被长势最好的阶段；在年际变化上，2005—2007年NDVI值明显增长，2008—2012年NDVI值呈稳定性增长，2013—2015年NDVI值有下降趋势；在变化趋势上，一元线性回归法与Sen+Mann-Kendall法得到的植被变化趋势基本一致，均表现为北部植被整体改善，但局部城区植被退化较为严重；中部地区轻微改善，局部存在明显改善；南部植被有明显改善且植被改善面积较大；通过差异性分析二者差异性仅为22.95%，且Sen+Mann-Kendall法能更好地监测轻微变化区域，变化趋势更加准确。     

毛乌素沙地植被覆盖变化的遥感分析

为了防止毛乌素沙地沙漠化、改善生态环境质量,近10年国家在该区域实施了一系列生态环境建设工程。这些工程的主要目标就是恢复退化植被,提高植被覆盖率。本研究基于2000年、2005年、2010年三期的Landsat数据,利用eCognition软件中面向对象分类技术和地理信息系统的叠加分析功能,分析了2000~2010年间毛乌素沙地植被覆盖变化情况。同时,通过MODIS-NDVI数据计算分析了植被覆盖度的变化趋势。研究得出:1)该区域草地大幅度增加,尤其是2005年到2010年之间,增加更加明显;林地基本稳定;旱地由于退耕还林等政策有所减少;2)近10年来毛乌素沙地植被覆盖度呈逐步增加趋势,西北部和东南部增加尤为明显。产生上述变化的自然因素和人为因素的贡献率需要进一步研究。     

陕西省1998～2008年植被覆盖度的时空变化研究

以1998-04～2008-07的372景逐旬SPOT4VEGETATION数据(S10)为主要数据源,利用MVC法、一元线性回归趋势分析法和差值法,分析1998～2007年陕西省年最大化NDVI的变化趋势,并对年最大化NDVI和月最大化NDVI的年际变化规律和陕西省植被覆盖度动态变化及其空间分布规律进行分析。结果表明,1998～2008年间,年最大化NDVI整体呈变好的趋势,但是月最大化NDVI的年际变化趋势在不同月份存在很大的差异;年最大化NDVI和月最大化NDVI在每相邻2a间的变化均存在很大差异,植被退化与改善波动出现;1998～2008年陕西各地区植被覆盖度变化是很明显的,一般8、9月份植被覆盖度最高。从空间分布上看,陕北北部地区(榆林市的东南部和延安市北部地区)植被覆盖度显著增加,宝鸡市中南部、西安市、商洛和安康部分地区植被改善也较明显。     

雅安市植被覆盖度时空变化与驱动力分析

以2005—2020年遥感影像为数据源,采用像元二分法计算得到雅安市植被覆盖度,并结合DEM和气象数据,通过趋势分析、地理探测器和变异指数分析了不同海拔带、坡度带、坡向、降水和气温下植被覆盖度的时空变化特征和波动程度,探讨了影响植被覆盖度的主要因子。结果表明：(1)雅安市2005—2020年植被覆盖度一直呈上升趋势,且植被覆盖度较高;(2)植被覆盖度波动小,受外界环境影响小,植被生态环境稳定;(3)植被覆盖度整体得到改善的面积比例远大于退化;(4)海拔对植被覆盖度变化的解释力最强,交互作用以非线性增强为主,其中海拔和坡度的叠加作用最大。     

晋城市植被覆盖时空变化与地形效应耦合

植被作为生态系统的基础,是生态循环系统中重要的研究对象,位于黄土丘陵南部的晋城盆地,由于其特殊的地形地貌特征,植被对环境变化极为敏感.基于2006—2015年MOD13的NDVI植被数据和DEM数据,本文选取山西省晋城市作为研究区,获取植被覆盖度的时间序列数据、晋城行政区县界矢量数据,对其数据进行趋势分析和稳定性分析,运用转移矩阵对晋城市植被覆盖的时空变化特征及其与地形因子耦合.结果表明:1)晋城市2006—2015年的植被覆盖度是轻微增长的,其中以高植被覆盖度分布为主,主要围绕在陵川、泽州、阳城和沁水的周边;2)依据晋城市植被覆盖度的标准差,可以得出晋城市植被覆盖度的离散程度低、变化小、稳定性高;3)在不同的地形因子下,相比于坡向,高程和坡度对植被覆盖度的影响更为明显.     

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。