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。     

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%。     

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。     

基于遥感的植被长时序趋势特征研究进展及评价

基于遥感的植被长时序变化特征是植被生态学研究的核心领域, 也是全球变化研究的重点方向。AVHRR、SPOT VGT和MODIS是当前研究植被长时序趋势变化的主要数据源。海量数据不断积累的同时, 植被长时序趋势特征研究方法却缺乏对比评价和分析。当前常用的方法有代数运算法、傅里叶变换、主成分分析、小波变换法、回归分析法和相关系数分析法等。在对各种方法评述和分析的基础上, 重点讨论和对比了主流方法中的回归分析法和相关系数分析与新兴方法Sen＋Mann-Kendall法。结果表明, Sen＋Mann-Kendall能克服主流方法的不足, 不需要数据服从某一特定分布, 并且对数据的误差具有较强的抵抗能力。     

利用线性融合方法进行金花茶自然保护区植被覆盖度时空变化研究

在利用高空间分辨率影像研究小区域植被覆盖度（FVC）变化时,传感器、成像条件及云量的影响会导致连续的长时序影像数据缺失或数据质量较差,同时影像的低时间分辨率也限制了对小区域连续时序FVC变化的研究。针对该问题,本文采用线性融合方法融合出连续的长时序FVC影像,解决了在研究FVC时空变化时云量和条带影响导致的Landsat影像连续时序数据缺失和低时间分辨率问题;利用Sen+Mann-Kendall进行趋势分析发现,金花茶自然保护区的FVC在2000-2016年整体呈增加趋势,FVC显著增加的区域约占37.32%,不显著增加的区域约占58.56%。线性融合方法得到的FVC影像可以精细地表征地表FVC的变化,较好地解决了高空间分辨率影像FVC连续时序数据缺失的限制,有利于小区域FVC的长时序时空变化研究。     

河南省植被覆盖度时空变化及其原因分析

基于河南省2010—2019年MODIS NDVI数据,利用像元二分模型估算植被覆盖度,利用一元线性回归获取变化趋势,并利用Pearson相关系数法探究河南省的植被指数和植被覆盖度的时空变化原因,可为河南省生态现状、生态环境建设规划和布局提供参考。结果表明：(1)2010—2019年河南省年度最大NDVI均值存在波动,呈微弱下降趋势;(2)河南省较高和中等植被覆盖度占比较大,且存在中等植被覆盖度向高植被覆盖度和低或无植被覆盖度的转换,社会因素是中等分化到低或无植被覆盖度的主要因素;(3)不同类型植被对降水变化的敏感性存在差异,森林、降水丰富地区和以灌溉为主的农业区受降水变化影响较弱,城镇、乡村和以降水为主的农业区受降水影响较强。     

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.     

GF-2支持下的干旱区稀疏植被区植被覆盖度估算

现有像元二分模型MODIS植被覆盖度模型因其形式简单、适用性较强的特点被广泛应用于区域植被覆盖度（FVC）的估算。然而，研究表明在沙漠和低植被覆盖的西部干旱区，从250 m的影像上很难精准地获取NDVI_veg（全植被覆盖植被指数）和NDVI_soil（全裸土区植被指数）参数。利用常用的直方图累计法获取模型所需参数NDVI_veg和NDVI_soil，估算结果存在普遍高估现象。为此，本文首先引入同期获取的GF-2号卫星数据，从GF-2号影像上提取植被覆盖像元；然后，利用Pixel Aggregate方法重采样至250 m分辨率，获取250 m空间分辨率下纯植被和纯裸土像元；最后，将纯植被和纯裸土像元各自空间位置相对应的MODIS NDVI数据最大值作为模型所需NDVI_veg和NDVI_soil参数，实现研究区内植被覆盖度的估算。试验通过与线性回归法、多项式回归法和直方图累计像元二分模型法估算结果进行精度对比，结果表明：利用GF-2影像辅助的像元二分模型，精准地获取了低植被覆盖区NDVI_veg和NDVI_soil模型参数，提高了干旱区植被覆盖度的估算精度，并有效地抑制了受稀疏植被影响NDVI在干旱区普遍偏高问题导致的FVC高估的现象。     

不同分辨率影像反演植被覆盖度的参数确定与尺度效应分析

选择新疆古尔通班古特沙漠南缘的石河子地区作为研究区,针对统计回归模型需要大量实测数据,而像元二分模型(dimidiate pixel model,DPM)参数难以确定的缺点,提出了利用统计回归的结果反推像元二分模型参数来建立研究区遥感反演植被覆盖度的方法。运用该方法研究了利用TM和MODIS遥感影像数据分别反演植被覆盖度的参数化方案;同时,还研究了采用不同遥感数据源和不同反演模型时研究区植被覆盖度信息提取中存在的尺度效应。     

基于OMAP平台的近30年辽东湾植被指数时空变化特征分析

为了明确辽东湾植被长势的时空变化特征,本文针对传统的遥感影像信息提取速度缓慢、效率较低等问题,基于奥维互动地图(Ovid interactive map, OMAP)平台,利用Landsat遥感影像提取1990—2019年辽东湾生长季NDVI数据,采用一元线性回归对NDVI时空变化特征进行讨论。结果表明：1)以2010年为转折点,近30年来,辽东湾地表植被NDVI呈现先增后减再增的变化趋势,植被覆盖总面积变化较小,但中高植被覆盖区(0.6相似文献   

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。     

Driving forces of grassland vegetation changes in Chen Barag Banner,Inner Mongolia

ABSTRACT

Inner Mongolia is an important ecological zone of northern China and 67% of its land area is grassland. This ecologically fragile region has experienced significant vegetation degradation during the last decades. Although the spatial extents and rates of vegetation change have previously been characterized through various remote sensing and GIS studies, the underlying driving factors of vegetation changes are still not well understood. In this study, we first used time-series MODIS NDVI data from 2000 to 2016 to characterize the temporal trend of vegetation changes. These vegetation change trends were compared with climate and socioeconomic variables to determine the potential drivers. We used a set of statistical methods, including multiple linear regression (MLR), spatial correlation analysis, and partial least squares (PLS) regression analyzes, to quantify the spatial distribution of the driving forces and their relative importance to vegetation changes. Results show that the main driving factors and their impact magnitude (weight) are in the order of human activities (r = -0.785, p < 0.01, VIP = 1.37), precipitation (r = 0.541, p < 0.05, VIP = 0.89), temperature (r = -0.319, p > 0.05 VIP = 0.59). The area affected by human activities was 10.57%. Specific human activities, such as coal mining and grazing were negatively associated with vegetation cover, while eco-engineering projects had positive impacts. This study provided thorough quantification of driving forces of vegetation change and enhanced our understanding of their interactions. Our integrated geospatial-statistical approach is particularly important for sustainable development of ecosystem balance in Chen Barag Banner and other areas facing similar challenges.     

Google Earth Engine平台下秦岭地区植被覆盖时空变化分析

秦岭地区植被覆盖动态变化对其生态环境有重要影响。本文利用Google Earth Engine云平台,选取1986—2019年Landsat TM/OLI地表反射率数据,结合像元二分模型估算秦岭地区植被覆盖度(FVC);通过年际变化斜率、变异系数、Hurst指数等评价指标,对FVC的时空变化、稳定性和持续性变化进行分析。此外,探究FVC与气温、降雨的耦合关系,并分析土地利用变化对FVC的影响。结果表明:34年间,秦岭地区FVC整体上呈现良好的状况,中高等及以上植被覆盖区达73.11%;FVC由1986年的62.86%增长到2019年的70.01%,植被活动在不断增强;FVC的变异系数均值为0.34,标准差为0.45,其稳定性与其空间分布呈高度自相关性;秦岭地区的植被覆盖变化受气候变化和人为因素的共同影响。     

NDVI时间变换一致性的贵州茂兰植被覆盖变化分析

利用近18年贵州茂兰自然保护区的Landsat TM/ETM+/OLI数据，针对云覆盖对影像质量的影响，提出并使用了一种基于NDVI时间变换一致性的方法，构建出较为完整的研究区植被指数时间序列，实现了小区域尺度下长时间序列的植被覆盖变化研究，并采用一元线性回归模型和相关分析法探讨研究区植被覆盖变化趋势及其对气象因子的响应关系。得出结论：NDVI时间变换一致性处理方法可以有效地消除云覆盖的影响；研究区近18年植被覆盖状况良好且正呈缓慢上升趋势，气候因子与植被覆盖变化呈显著正相关关系，其中平均温度的影响在当月最强，而降水量和平均相对湿度的影响则存在滞后性。     

陕北黄土高原植被覆盖度动态变化分析研究

以Landsat TM归一化植被指数(NDVI)为数据源,运用像元二分模型提取陕北黄土高原1990、2000、2010年夏季的植被覆盖度,分析陕北黄土高原植被覆盖度的空间变化情况。结果显示:研究区植被覆盖度呈波动上升趋势。不同等级植被覆盖度在数量和空间位置上的转移较为活跃。大于等于60%的植被覆盖度和小于等于40%的植被覆盖度在空间上呈西南—东北两个方向扩张的分布趋势。受气候和人为等因素的影响,陕北黄土高原植被改善良好。     

基于像元二分模型的地表植被覆盖度估算模块化设计与实现

地表植被覆盖度是的一种应用广泛的定量遥感产品,在水文、生态、区域变化等方面都具有重要的意义。像元二分模型是应用最多的一种遥感估算地表覆盖度的方法。目前,用遥感的方法进行地表植被覆盖度估算没有完整、系统的工具,用户只能逐步进行操作,效率低下,鉴于上述情况,本文运用IDL交互式数据语言,基于ENVI二次开发了一个植被覆盖度估算程序,取得了一定的成效,对遥感定量产品的生产、应用具有一定意义。