湖北省植被净初级生产力时空变化特征及其影响因素分析

基于改进的光能利用率模型,本文利用MODIS数据和同期气象数据估算分析了湖北省2001—2012年间植被净初级生产力(NPP)的时空变化特征并借助多元统计分析方法定量探究自然因素(气温、降水量、太阳辐射)和人为因素(土地覆被/土地利用、粮食播种面积、粮食产量、人口数量)对NPP变化的影响.结果表明:1)湖北省NPP呈波...     

2001—2015年华北平原植被覆盖度时空 变化特征及影响因素分析

以MODIS数据和气象数据为数据源,用偏相关和复相关分析、趋势分析、残差分析及驱动分区法,从生态区和时空尺度分析2001—2015年华北平原植被覆盖度变化及与气候、人类的关系.基于像元的小样本分析跟以往把整个研究区作为统计单元相比更能体现空间差异性.     

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。     

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%。     

云贵高原地区生态系统服务价值时空变化特征北大核心CSCD

针对云贵高原地区在开展生态恢复工程后的生态系统服务价值(ESVs)如何变化问题,本文基于当量因子和空间自相关分析等方法,研究了云贵高原地区ESVs的时空变化特征。结果表明:(1)土地利用类型转移主要是农田转为建设用地与水体。(2)在开展生态恢复工程后,生态系统得到了改善,ESVs在38年间呈先减少后增加的趋势,累计增加94.91亿元,森林的生态调节能力及产生的价值总量在2180亿元以上,最少的为荒漠,约为0.1亿元。(3)ESVs的空间分布格局表现为西南地区较高、中部较低。(4)1980—2018年ESVs表现为显著空间正相关,莫兰指数大于0.46,有明显的聚集特征。     

周口市近地面臭氧浓度变化特征及其影响因素分析

利用国控观测点位的空气质量监测数据,揭示了周口市主城区2019年近地面臭氧(O3)浓度的时间变化特征以及与前体物的相关性;并采用遥感解译与实地调查相结合的方法,分析了人类活动类型对周口市主城区近地面O3浓度的影响.结果 表明,O3浓度具有明显的日、月、季节变化规律,在前体物中与二氧化氮浓度存在负相关性.人类活动与近地面...     

中国北方地区生态环境质量时空变化及其对气候变化与人类活动的响应

中国北方地区地域辽阔,干旱面积分布较广,风沙危害、水土流失等问题严重,是典型的气候敏感区及生态环境脆弱区。然而,该区域近几十年来生态环境质量演变及其对气候变化与人类活动响应的规律还不清晰,研究这些规律对加强北方地区生态文明建设及维护生物多样性具有重要意义。本文基于中国历史高分辨率生态环境质量数据(CHEQ),以及气候指标、夜间灯光等遥感数据,利用趋势分析、变异系数、偏相关分析、多元回归分析、重标极差分析等方法,探究了北方地区2001—2018年生态环境质量时空变化特征及其对气候变化与人类活动的响应。结果表明：(1)2001—2018年CHEQ指数总体呈小幅下降趋势,空间上呈东高西低、南北高中部低的分布特征;(2)近18年来,北方地区生态环境质量改善的区域仅为18.66%,而退化面积比例为40%;(3)生态环境质量与气温和人类活动呈显著负相关关系(P<0.05),而与降水呈显著正相关关系(P<0.05);(4)气候变化对生态环境质量变化起主导作用的区域占研究区面积的90%。本文在弥补现有研究不足的同时,可以为快速掌握北方地区绿色经济发展下生态环境质量的变化规律和提高生态文明建...     

时空可达性研究现状分析北大核心CSCD

为了让现有的时空可达性分析能够更好地满足实际应用需求,帮助改善城市交通状况,该文从传统的、基于GIS的以及基于效用的度量方法3个方面分类归纳了现有的时空可达性度量方法,总结了各种时空可达性度量方法的优缺点,讨论了时空可达性模型的应用现状,指出这些方法存在的问题和局限性:①度量方法中,只考虑单一出行模式,但实际出行中存在不同代步工具的换乘,应当考虑公交-地铁,汽车-公交等换乘情况;②方法的前提是假设区域内个体差异很小,忽略了地域不同个体的差异性;③不适用于交通不发达的小型城镇区域;④对最后一公里问题未提出有效的解决策略。最后,展望了时空可达性的相关热点研究方向。     

中国北方地区植被覆盖度遥感估算及其变化分析

为了分析中国北方地区2000年之后植被覆盖度的时空分布及其变化,利用MODIS光谱反射率数据计算归一化植被指数,采用像元二分模型对中国北方地区2000—2012年植被覆盖度进行定量估算,分析研究区13 a间植被覆盖度的时空变化特征。研究结果表明:植被覆盖度年内变化特征体现在最大植被覆盖度一般出现在7和8月份,与中国北方地区植被的生长季相一致;整个中国北方地区年最大植被覆盖度呈现缓慢增长的趋势,其增长速率为每年0.2%;年最大植被覆盖度变化的空间分布具有较大差异,其中东北、华北和黄土高原等三北防护林工程建设区的年最大植被覆盖度有较明显的增长。     

陇中黄土高原地区耕地变化趋势及驱动力研究

本文结合1995～2005年陇中地区耕地统计资料,对该区耕地资源利用与变化的基本特征、耕地数量变化的基本过程进行研究,应用主成分分析法对近10年耕地变化的驱动因子进行定量分析。结果表明:①对耕地面积变化的总趋势预测显示,未来耕地面积会逐渐减少;②经济增长与社会发展和农业科技进步是耕地面积变化的主要宏观驱动因子,耕地减少在发生时间上和经济的快速增长基本同步,在空间分布上与地区经济发展速度水平相一致。     

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。     

用ANUDEM建立水文地貌关系正确DEM的方法研究

针对区域尺度的径流、水土流失定量评价和植被适宜性评价等研究工作需要,利用1∶25万数字地形图和ANUDEM软件,对黄土丘陵区中等分辨率水文地貌关系正确DEM建立方法进行了研究。结果表明该方法所建立的DEM,可以正确反映地貌梁、沟结构及其与流水线网络的关系,对地形描述的能力优于TIN方法建立的DEM;利用ANUDEM和1∶25万地形图插值建立黄土丘陵区DEM的三个主要参数分别为分辨率50或100,计算迭代次数40,第二糙率系数0.8。     

青藏高原地表冻融循环与植被返青期的变化趋势及其气候响应特征

青藏高原特殊的地理环境使其对全球气候变化十分敏感,所以研究其地表冻融循环和植被返青期的时空动态对于回顾和预测青藏高原对全球气候变化的响应具有重要意义。本文通过利用双指标地表冻融状态识别算法和被动微波亮温数据(SMMR、SSMI和SSMIS)来获取青藏高原长时间序列(1982年—2013年)逐日地表冻融状态,通过对GIMMS全球植被指数数据产品进行NDVI的滤波重建和返青期提取来获取青藏高原植被长时间序列(年份)的返青期;并且分析了地表冻融循环和植被返青期的变化趋势、相互关系及对青藏高原气候变化的响应特征。总体来看,在空间上,青藏高原的地表冻结集中发生在10月30日至次年4月2日,平均地表融化首日集中在5月12—27日,平均植被返青期集中在5月19—29日。植被返青期平均发生在地表融化首日后的3.94±5.58日,两者具有显著的相关关系(R=0.51,P=0.003)。青藏高原的地表融化首日和植被返青期在1982年—2013年间经历了推迟、提前再推迟的3个过程,融化时间和返青期在1982年—1987年分别以1.93±1.81 d/a和0.28±1.01 d/a的速度推迟;在1987年—2006年分别以0.67±0.20 d/a和0.13±0.16 d/a的速度提前;在2006年—2013年分别以0.97±0.84 d/a和1.04±0.52 d/a的速度推迟。中国气象局布设在青藏高原的CMA气象站的温度数据表明,高原的春季地表0 cm土壤温度呈持续上升的趋势,而植被返青期和地表融化首日并未持续提前,这可能是由几十年来高原不同地区降水等其他环境因素变化的差异造成。同时在气温持续升高期间,植被返青期的返青温度阈值也不断具有上升的趋势(R=0.72,P0.001),这可能与植被适应气候变化的自身调节能力有关。     

Spatio-temporal variation of vegetation coverage and its response to climate change in North China plain in the last 33 years

Global climate change has led to significant vegetation changes in the past half century. North China Plain, the most important grain production base of china, is undergoing a process of prominent warming and drying. The vegetation coverage, which is used to monitor vegetation change, can respond to climate change (temperature and precipitation). In this study, GIMMS (Global Inventory Modelling and Mapping Studies)-NDVI (Normalized Difference Vegetation Index) data, MODIS (Moderate-resolution Imaging Spectroradiometer) – NDVI data and climate data, during 1981–2013, were used to investigate the spatial distribution and changes of vegetation. The relationship between climate and vegetation on different spatial (agriculture, forest and grassland) and temporal (yearly, decadal and monthly) scales were also analyzed in North China Plain. (1) It was found that temperature exhibiting a slight increase trend (0.20 °C/10a, P < 0.01). This may be due to the disappearance of 0 °C isotherm, the rise of spring temperature. At the same time, precipitation showed a significant reduction trend (−1.75 mm/10a, P > 0.05). The climate mutation period was during 1991–1994. (2) Vegetation coverage slight increase was observed in the 55% of total study area, with a change rate of 0.00039/10a. Human activities may not only accelerate the changes of the vegetation coverage, but also c effect to the rate of these changes. (3) Overall, the correlation between the vegetation coverage and climatic factor is higher in monthly scale than yearly scale. The correlation analysis between vegetation coverage and climate changes showed that annual vegetation coverage was better correlatend with precipitation in grassland biome; but it showed a better correlated with temperature i the agriculture biome and forest biome. In addition, the vegetation coverage had sensitive time-effect respond to precipitation. (4) The vegetation coverage showed the same increasing trend before and after the climatic variations, but the rate of increase slowed down. From the vegetation coverage point of view, the grassland ecological zone had an obvious response to the climatic variations, but the agricultural ecological zones showed a significant response from the vegetation coverage change rate point of view. The effect of human activity in degradation region was higher than that in improvement area. But after the climate abruptly changing, the effect of human activity in improvement area was higher than that in degradation region, and the influence of human activity will continue in the future.     

DEM数据在黄土高原典型地貌区的误差分布

针对SRTM3DEM数据的误差研究在黄土高原比较薄弱的问题,该文采用基于1:5 000地形图生成精确DEM数据的方法,对最新版的SRTM3DEM V4数据在黄土高原典型地貌区的误差分布进行了研究;并对研究区内典型黄土地貌类型(黄土塬、黄土梁和黄土峁)的误差分布进行了分析,从而获取SRTM3DEM V4数据在黄土高原地区的误差分布规律。研究结果表明:SRTM3DEM V4数据误差较大,且与坡度分布密切相关;黄土塬与黄土梁的误差相似,它们均与黄土峁有明显差异。研究结果对基于SRTM DEM数据的数字地形分析与相关地学研究具有一定意义。     

Autumn NDVI contributes more and more to vegetation improvement in the growing season across the Tibetan Plateau

ABSTRACT

Detecting changes in vegetation, distinguishing the persistence of changes, and seeking their causes during multiple periods are important to gaining a deeper understanding of vegetation dynamics. Using the Global Inventory Modeling and Mapping Studies Normalized Difference Vegetation Index (NDVI) version NDVI_3g dataset in the Tibetan Plateau, the trends in the seasonal components of NDVI and their linkage with climatic factors were analyzed over 14 asymptotic periods of 18–31 years since 1982. Dynamic trends in vegetation experienced an obvious increase at regional scale, but the increases of vegetation activity mostly tended to stall or slow down as the studied time period was extended. At pixel scale, areas with significant browning significantly expanded over 14 periods for all seasons, but for significant greening significantly increased only in autumn. The changes of vegetation activity in spring were the most drastic among three seasons. Increased increments of NDVI in summer, spring, and autumn took turns being the main reason for the enhanced vegetation activity in the growing season in the nested 14 periods. Vegetation activity was mainly regulated by a thermal factor, and the dominant climatic drivers of vegetation growth varied across different seasons and regions. We speculate that the increase of NDVI will continue but the increments will decline in all seasons except autumn.