21世纪初中国北方地区植被变化特征分析

利用增强型植被指数(EVI)作为植被活动的指标, 用MODIS-EVI时间序列数据定量分析了2000～2009年间中国北方地区EVI的变化规律。结果表明:1)21世纪初中国北方地区植被覆盖总体改善, 局部退化, 10年来区域年平均EVI增加5.97%;2)逐季节平均EVI均呈现上升趋势, 春季、秋季上升幅度小, 夏季、冬季上升幅度大;3)中国北方地区植被稀少的区域呈减少趋势, 同时单位面积EVI增加, 植被生长更加茂盛;4)中国北方地区EVI变化空间异质性大。东北平原、华北平原、黄土高原和新疆农业区显著增加, 东北和西部部分地区植被退化。     

中国北方植被覆盖度特征及其与沙尘暴关系

采用气象观测数据和遥感数据,借助数据统计分析技术,对中国北方年、季植被覆盖度变化规律、植被覆盖度变化强度、植被覆盖度变化趋势和植被覆盖度对沙尘暴灾害的影响进行了分析。结果表明,中国北方地区的植被覆盖度总体上呈波动增加的趋势,波动范围为0.395～0.487,植被覆盖度上升趋势与沙尘暴日数下降趋势有着很好地对应关系;中国北方春季和夏季植被覆盖度变化具有随季节的不同,植被覆盖度变化强度表现出不同的空间分布特征,在春季植被覆盖度变化强度与植被覆盖度的空间分布有较好的一致性。尽管中国北方地区植被覆盖状况整体呈上升趋势,但在华北和西北的干旱半干旱区土地退化严重,荒漠化在加剧。     

青藏高原不同时间尺度植被变化特征及其与气候因子的关系分析

利用1982-2006年GIMMS NDVI数据,以多种统计方法为基础,探讨了青藏高原(下称高原)不同时间尺度(年际、季节及月)植被变化的时空特征及其与气候因子的关系。结果表明:高原整体年平均NDVI变化呈波动上升趋势,其中夏季趋势最大,达0.004(10a)-1。不同覆盖度像元变化对总体植被变化的贡献不同,低植被覆盖像元变化对各季节总体植被变化贡献均较大,其中冬季最大;中等植被覆盖像元变化的贡献主要在秋季;高植被覆盖像元的贡献则夏季最明显。青藏高原植被变化存在显著的空间差异,其中夏季呈增加和减少趋势的面积均最大,分别达30.51%、10.52%,增加的区域主要位于高原东部,减少的区域主要在高原中部的藏北高原。进一步分析高原植被和气候因子的相关性表明,中等植被覆盖区植被与气候因子的相关性最高,其次是高植被覆盖区,低植被覆盖区的相关性则最低。在年际和季节尺度上,植被生长主要与温度和降水的累积效应有关,其中在植被生长较好的季节和区域更明显。而在月尺度上,中低植被覆盖区植被生长受短期降水事件影响较大,高植被覆盖区则仍是温度的累积效应占主导。     

基于MODIS数据的黄河口植被覆盖变化与气候因子相关性分析

为黄河口地区植被的定量和动态监测等提供技术支持,利用2000—2015年黄河口地区250 m分辨率的MODIS数据,应用像元二分法原理,通过提取NDVI定量估算植被覆盖度并对其进行分级统计,并结合同期气象观测数据,研究分析了黄河口地区植被覆盖度与气候因子的相关性。结果表明:16a来黄河口地区植被低、中覆盖度面积呈减少趋势,高覆盖度面积呈增加趋势;植被覆盖变化对各类气候因子的敏感度不同,光照条件是影响黄河口地区植被覆盖变化的主要限制因子;最大相关时段内植被覆盖度与气候因子的年际变化总体趋势较为相似,在大多数年份两者具有一致性。     

中国植被覆盖季节变化和空间分布对气候的响应--多年平均结果

文中利用 1982～ 1993年的 12a平均归一化植被指数数据 ,并结合同期的温度、降水数据 ,运用经验正交函数分解的方法 (EOF)分析了中国植被覆盖变化的时空特征及其与温度、降水气候因子的定量关系 ,发现在多年平均意义上 ,在中国大尺度研究区域 ,归一化植被指数所表现出的植被变化时空特征具有 :(1)植被的空间分布与降水空间分布更吻合 ,植被季节生长变化与温度的季节变化特征更近似 ;(2 )植被与温度在季节生长变化上存在e指数关系 ;与降水存在幂指数关系 ;(3)植被季节生长与温度存在同期相关 ;与降水存在滞后相关 ,滞后时间两旬     

青藏高原冬、春季植被特征及其对西南地区夏季降水的影响

本文利用西南地区96个气象台站1982-2001年夏季(6-8月)月平均降水资料和归一化植被指数(GIMMS NDVI)资料,分析了青藏高原冬、春季植被特征及其对西南地区夏季降水的影响,得到以下几点认识:青藏高原冬、春季植被呈现东南部覆盖较好,逐渐向西北部减少的特征.近20 a来,高原冬、春季植被总体呈增加趋势,其高原中西部、南部、北部增加明显,而南部侧边界和中东部呈减少趋势.相关分析和奇异值分解表明:高原冬、春季植被对西南地区夏季降水有较明显影响,且这种影响也存在一定的区域差异.高原前期植被变化可以作为西南地区夏季降水长期预报综合考虑的一个参考因子.     

基于MODIS-EVI数据的神农架林区植被指数变化特征研究

对植被覆盖动态变化监测可以提供生态系统状况有价值的信息,可以检测到人类或气候作用引起的变化.以2003-2012年MODIS的遥感数据为信息源,利用增强型植被指数(EVI),采用最大值合成法,对神农架林区植被覆盖动态变化进行监测,并与同期的气候因子进行相关性分析,结果表明:10 a来神农架林区植被覆盖整体呈增加趋势,且东部地区的EVI增幅大于西部增幅,特别是近5 a(2008-2012年),除2010年外,植被指数均为正距平.说明神农架林区近5 a来植被生长状况较好,生态环境得到了进一步改善.与气候因子进行相关性分析说明,气温是制约神农架植被生长的主要气候因子,而降水和日照是影响该地区植被生长的重要气候因子.     

西南地区植被变化与气温及降水关系的初步分析

利用卫星遥感植被归一化指数(NDVI)资料和西南地区96个实测台站的月平均气温以及降水资料,初步分析了西南地区植被变化与气温及降水的关系。结果表明:近20年来西南地区植被覆盖状况较好,其中夏季植被覆盖最好,冬季植被分布空间差异最大;西南地区植被整体呈增加趋势,同时也存在较明显的季节和区域差异:春季西南大部分地区植被以增加为主,夏季、秋季全区以减少为主,冬季则以增加为主且存在明显的东西反向特征,东部减少西部增加。时滞互相关分析表明:西南地区11~2月份的植被对超前其1~2个月的气温以及夏季的植被对春季气温的敏感性比较大,3~4月的植被生长对上年夏季的降水敏感性比较大;同期时,1~3月植被和气温为正相关关系,6~9月的植被生长和降水为明显的负相关关系;在植被超前气候的条件下,1~2月的植被和滞后1~2个月的气温呈正相关关系,与滞后1个月的降水有明显的负相关关系。      

基于MODIS遥感数据的武汉市植被覆盖变化监测分析

植被覆盖变化遥感监测是区域生态监测的一个重要部分,可为区域生态建设和可持续发展提供科学依据.利用2003-2008年(每年8月)的MODIS遥感数据,基于归一化植被指数的像元二分模型原理,对武汉市近6 a来植被覆盖的变化情况进行遥感监测,并分析了2003年8月和2008年8月2个时期不同等级植被覆盖度的空间分布特征以及面积变化情况.结果表明:近6 a来,武汉市植被覆盖总体呈上升趋势,植被覆盖度由2003年的59.5%上升到2008年的65.1%,其中高植被覆盖度的面积明显增加,增幅高达68.26%,反映出武汉市生态环境建设成效显著.但局部地区的植被覆盖度却出现了不同程度的下降,说明人类活动是城市植被覆盖变化的重要原因.     

青藏高原表层土壤热通量的时空分布特征

利用青藏高原(简称高原)9个站点的实测数据分析了表层土壤热通量G0的季节变化、日变化特征,然后利用MODIS数据(MOD13Q1和MOD09CMG)、中国西部逐日1 km空间分辨率全天候地表温度数据集和同化数据(ITPCAS-SRad和ITPCAS-LRad),借助G0遥感估算模型Ma模拟了高原四期(2014年7月12日和10月16日,2015年1月1日和4月7日)的G0空间分布特征。结果表明:G0振幅随季节变化,夏季较大,冬季最小,站点之间振幅不同可能与下垫面有关,下垫面植被覆盖度越高,振幅越小;G0在春、夏季以及全年整体为正,而秋、冬季G0则为负。高原G0呈现倒立的"U"型的日变化曲线,夜晚的变化相对白天而言比较平缓;G0日变化曲线为正值的时长存在明显季节差异,四个季节的顺序是夏季春季秋季冬季;高原G0的空间分布特征与高原地表温度的空间分布有较好的正相关,站点数据显示地表温度每增加1℃,G0随之增大2～5 W·m-2。     

基于MODIS资料分析近15年广州城市热岛特征及演变规律

利用MODIS地表温度数据,计算城市热岛强度指数,分析近15年广州市城市热岛的时空分布特征及演变规律,并结合气象观测数据、社会统计数据定性分析其主要影响因素。结果表明:广州市城市热岛的空间分布受地形地貌影响明显,负热岛区主要分布于森林密集的北部山区,无热岛区主要分布于中部低山丘陵区域,热岛区主要分布于高度城市化的中南部平原区。关于城市热岛的日变化规律,白天热岛区、负热岛区面积均小于夜间,但白天热岛区强度、负热岛区强度大于夜间。关于城市热岛的季节变化规律,冬季热岛区面积最大,热岛强度最小,夏季热岛区面积最小,热岛强度最大;冬季负热岛区面积最小,负热岛强度最小,夏季负热岛区面积最大,负热岛强度最大。对于城市热岛的年际变化规律,近15年来广州市的热岛区、负热岛区占全市总面积的百分比呈上升趋势,无热岛区所占百分比呈下降趋势,人为热排放在城市中心区域的持续增长,加上区内建筑物密度大、植被覆盖度低,导致了热岛区的增加,而北部山区至中部丘陵山区的植被的持续好转,加上地理特征限制了该区域的城市化发展,导致了负热岛区的增加。      

三峡大坝运行后长江中下游流域气温与植被变化特征及原因分析

基于长江中下游流域120个气象站点1971-2015年日值气温数据,2006-2015年ERA-Interim土壤湿度再分析资料和2006-2015年MODIS卫星遥感植被指数产品MOD13A3,研究了在考虑全球变暖背景下,长江中下游流域春、夏、秋、冬4个季节平均气温在三峡大坝运行前后的变化,采用百分比阈值方法量化最高和最低气温并进行MK突变检验,并分析三峡大坝运行后的长江中下游流域四季土壤湿度和增强型植被指数（EVI）的变化。结果表明：长江中下游流域四季平均气温在三峡大坝运行以后出现明显变化,江南地区主要出现增温现象,江北地区主要出现降温现象;MK突变检验结果显示,江南地区的高温日和江北的低温日均在2006年左右发生突变,与三峡大坝完全运行的时间相符;长江中下游流域土壤湿度在三峡大坝运行后出现南湿北干的变化趋势;EVI在江南地区诸多区域出现显著增加趋势,其中冬季最突出（33.06%）,而江北地区诸多区域则出现显著减小趋势,其中夏季最明显（5.11%）,EVI与平均气温的空间变化在春、夏、冬3个季节显著相关。     

基于GOSAT反演的中国地区二氧化碳浓度时空分布研究

卫星遥感监测大气二氧化碳柱平均干空气体积混合比(XCO₂)是实现碳源汇全球监测的最有效手段,本文对国际上4种应用GOSAT卫星观测的短波红外反演算法进行了介绍和结果分析。首先对于4种反演产品的有效数据量的分析表明:现有单一反演产品还不足以支撑XCO₂时空分布研究。其次利用集合平均方法,综合使用4种反演产品研究了2010年中国地区XCO₂时空分布特征,结果表明:XCO₂呈现显著的地理分布和季节变化,不同地区季节变化趋势基本一致,均在春季达到最高值、夏季达到最低值,多数地区全年高于380 ppm (×10-6);在地理分布上,东部和西部地区存在较明显的差异,东部地区人口密集、工农业生产等人为活动旺盛,周边多被森林和草地覆盖,碳源汇强度大,因此XCO₂季节变化幅度较大,全年约8 ppm;中、西部地区受人类活动影响较少,植被覆盖稀疏,XCO₂全年变化仅5 ppm。     

CHARACTERISTICS OF CLIMATE WARMING AND IMPACT ON CLIMATE ZONES CHANGE IN GUANGDONG

Based on temperature data in Guangdong in the past 50years, statistical methods are used to analyze the characteristics of temperature in spatial and temporal variation. The results show that land surface temperature warms by 0.16 °C/10a in Guangdong. The range of warming was lower than the average of nationwide and global land surface. Furthermore, the temperature has a larger increase tendency in winter and spring and coastal areas than in summer and autumn and inland areas. Climate zones move towards the north obviously. North tropical zone is expanding, south subtropical zone is reducing and central subtropical zone is relatively stable. Under the global climate warming, characteristics of climate warming in Guangdong were influenced by atmosphere general circulation, sea surface temperature and human activities etc.     

利用MODIS卫星资料反演中国地区晴空地表短波反照率及其特征分析

利用MODIS地表双向反照率产品(MOD43B1),结合地表海拔高度和地表覆盖类型资料,计算并分析了中国地区晴空反照率的时空分布,以及地表反照率与地形和地表覆盖的关系.首先,利用改则自动气象站的地基观测对MODIS地表反照率进行了对比验证.验证结果表明卫星观测可以较好地反映反照率随时间的变化,MODIS地表反照率与地表实测反照率符合较好.年平均地表反照率与海拔高度有很好的相关,反照率的高值出现在高海拔山区.冬春季节,我国高海拔山区因积雪覆盖成为反照率的高值区;夏秋季节,地表反照率主要受地表土壤湿度和植被盖度的影响,沙地和沙漠地带反照率最高.最后,计算了中国典型地表类型的反照率随时间的变化,结果表明大部分地表类型的反照率具有较大的时间变化,地表反照率在春秋季节较大,夏季反照率较小.     

1982～2006年中国东部植被覆盖度的变化

陆地植被是影响地表水热通量,乃至气候的重要因素,植被覆盖度是气候模式（陆面过程模型）中的关键参数。为更全面认识中国东部植被覆盖度变化的时空特征,以便于今后研究陆地植被变化对气候的反馈效应,利用NOAA AVHRR-NDVI数据集,采用像元二分模型法,计算了中国东部（105°E以东）1982～2006年的植被覆盖度,并对其空间分布特征与时间演变过程进行了分析。结果表明：（1）研究区多年平均植被覆盖度为0～84.2%,呈现南高北低、东高西低的空间分布特征,南北差异在冬季最大,夏季最小;（2）森林、灌丛、农业植被和草原的年平均植被覆盖度依次减小,分别是49.9%、44.7%、40.4%和31.1%,并且植被覆盖度的季节变幅也依植被类型而异,其中森林的季节变幅最大,达31.5%,其次是灌丛,为27.7%,草原的季节变幅最小,为15.3%;（3）1982～2006年中国东部超过74%的地区植被覆盖度呈增加趋势,其中黄淮海平原、关中地区以及东北平原增幅相对较大,前两个地区主要表现为春季和冬季增加,后一地区则主要表现为夏季和秋季增加;在植被覆盖度降低的区域中,长三角、珠三角的降低趋势最强。上述结论为进一步研究中国东部地-气相互作用提供了科学基础。     

青藏高原冬、春植被归一化指数变化特征及其与高原夏季降水的联系

青藏高原气候独特,影响高原夏季降水的原因是十分复杂的和多方面的。文中利用1982—2001年的卫星遥感植被归一化指数(NDVI)资料和青藏高原55个实测台站降水资料,应用经验正交分解(EOF)、奇异值分解(SVD)等方法分析了青藏高原冬、春植被变化特征及其与高原夏季降水的联系,得到以下几点初步认识:青藏高原冬、春季植被分布基本呈现东南地区植被覆盖较好,逐渐向西北地区减少的特征。其中高原东南部地区和高原南侧边界地区NDVI值最大,而西北地区和北侧边界地区NDVI较小。EOF分析表明,20年来冬、春季高原植被的变化趋势是总体呈阶段性增加,其中尤以高原北部、西北部(昆仑山、阿尔金山和祁连山沿线)和南部的雅鲁藏布江流域植被增加明显。由SVD方法得到的高原前期NDVI与后期降水的相关性是较稳定的。青藏高原多数区域冬、春植被与夏季降水存在较好的正相关,且这种滞后相关存在明显的区域差异。高原南部和北部区域的NDVI在冬春两季都与夏季降水有明显的正相关,即冬春季植被对夏季降水的影响较显著。而冬季高原中东部玉树地区附近区域的NDVI与夏季降水也存在较明显的负相关,即冬季中东部区域的植被变化对夏季降水的影响也较显著。由此可见,高原前期NDVI的变化特征,可以作为高原降水长期预报综合考虑的一个重要参考因子。     

近50a山东中部地区四季开始日期及长度变化特征

利用山东中部地区8个气象站1966—2015年逐日气温观测资料,用5日滑动平均气温作为划分依据,结合气候趋势法、Mann-Kendall法和经验正交分解法,对山东中部地区近50 a的四季开始日期及长度时空变化特征进行分析。结果表明:山东中部地区春季和夏季开始日期呈提前趋势,秋季和冬季呈推迟趋势,其中,夏季和冬季开始日期在1993年发生突变,四季开始日期的主要空间变化趋势一致,秋季变化强度中心在中北部平原,其他三季变化强度中心均出现在中部地区,四季开始日期空间变化规律在第二特征向量上呈现区域变化的不一致性。冬季日数最多,其次为夏季,春季日数最少,春季和冬季日数呈减少趋势,冬季减少趋势显著,气候倾向率为-2.98 d/10 a,夏季和秋季日数呈增加趋势,夏季日数增加显著,四季日数主要空间变化规律一致,强度中心在中部地区,四季日数空间变化规律在第二特征向量上存在不一致性,其中,夏季和秋季第二特征向量呈现南部山区与其他地区不同。     

基于MODIS时序植被指数和线性光谱混合模型的水稻面积提取

水稻是中国的主要粮食作物,及时获取水稻种植面积和空间分布信息对指导水稻生产、调整区域供需平衡等具有重要的意义。以江苏省为例,利用2009—2011年连续三年的MODIS 8 d合成地表反射率数据(MODIS09A1),计算了归一化差值植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI)和陆表水指数(land surface water index,LSWI)。结合水稻在不同生长发育期EVI的时间序列变化特征,确定了水稻面积提取的关键生育期。根据水稻移栽期稻田土壤含水量高的特征,利用NDVI、EVI和LSWI三种指数构建判别条件,确定可能种植水稻的区域。利用线性光谱混合像元分解模型对包含水稻的混合像元进行分解,得到江苏省三年水稻种植空间分布。最后,选取研究区内的水稻典型样区,利用与MODIS同时期的较高分辨率的环境小卫星HJ-1 CCD(30 m)数据提取水稻种植面积和空间分布,以此作为参考数据进行精度验证,同时利用统计部门的江苏省水稻种植面积统计数据对江苏省水稻面积进行验证,两种方法验证后表明误差均在10%以内。研究表明,采用MODIS09A1数据结合线性光谱混合模型可以更高精度地提取大范围的水稻种植面积。