2001—2019年洞庭湖流域生态环境质量时空变化及其影响因素

近年来,自然灾害和人类不合理开发利用等因素给洞庭湖流域生态环境造成巨大压力。准确、实时地获取生态环境质量的时空格局和演变趋势,对洞庭湖流域生态环境保护和建设具有重要意义。针对洞庭湖流域多植被、生物多样性丰富的生态情况,本文基于中国高分辨率生态环境质量数据集(CHEQ)研究了洞庭湖流域生态环境质量时空演变特征,并通过标准化系数的多元线性回归法和随机森林算法从时间和空间角度分别探究了社会因素和自然因素对洞庭湖流域生态的影响。结果表明：(1)洞庭湖流域生态环境质量在2001—2009年为快速下降期,在2010—2019年为缓慢上升期;CHEQ平均趋势率为-0.17×10^-3 a^-1,即19年间洞庭湖流域生态环境呈恶化趋势。其中,洞庭湖流域的生态环境质量明显改善区域的面积占比约为20.31%,生态环境质量严重退化区域的面积占比约为24.33%。(2)平江县、桃源县、桃江县的生态环境质量排名稳居前3,且生态质量基本处于良好等级;排名处于末尾的芙蓉区在19年间生态质量从较差等级退化为差等级。(3)从时间角度探究近19年洞庭湖流域生态环境质量变化的驱动因素...     

赣州市人地关系的耦合响应研究

人类改造自然的速度和强度在不断提高，对区域生态环境的可持续发展构成了重大威胁。基于Modis卫星影像数据，利用遥感生态指数探究了赣州市2001—2015年生态环境质量时空变化特征及其对人类活动的响应，并利用趋势分析法研究了像元尺度上赣州市生态环境质量和人类活动强度的空间变化趋势。结果表明：(1)2001—2015年间，赣州市的生态环境质量呈波动上升趋势，且在所有的区县中，章贡区的RSEI最低，多年平均值为0.518;(2)人类活动强度和耦合协调度在市中心发达地区呈下降趋势，在市中心周围呈上升趋势；(3)人类活动强度与生态环境质量之间表现出负相关关系，人类活动的持续增强，使得耦合协调度呈现先增后减的趋势，表明人类活动强度的提高不会一直对区域环境产生积极影响。     

黄土高原生态环境对气候变化与人类活动的双重响应

在气候变化和人类活动日益剧烈的背景下,为评估黄土高原地区生态环境质量时空变化,本文基于GEE平台,以黄土高原为研究区域,选用2000—2020年MODIS产品数据构建RSEI指数,采用趋势分析法、标准差椭圆法、残差分析法等方法分析黄土高原生态环境质量时空变化特征及其对气候变化和人类活动的响应。结果表明：(1)过去21年间,黄土高原RSEI呈升高趋势,其增长速率为0.005/a(p<0.01);(2)空间上,RSEI以增长趋势为主,占全区总面积的92.78%,且在未来一段时间内继续保持改善趋势;(3)迁移上,差等级迁移距离最大,为85.67 km,其次是良等级,为49.05 km,迁移距离最小的是中等级,为30.18 km;(4)气候变化和人类活动均对黄土高原RSEI产生正面影响,且人类活动是主要驱动因素。     

2001—2018年长三角城市群城市化与生态环境耦合协调度变化监测

城市化的发展与生态环境紧密相关,利用遥感方法可准确地进行城市化与生态质量耦合协调度动态监测与分析,为区域的城市化建设、生态治理及发展规划提供必要的参考依据。本文以长三角城市群为例,利用Landsat系列数据和DMSP-OLS夜间灯光数据分别建立表征区域生态环境的遥感生态指数(RSEI)和表征区域城市化水平的灯光指数(CNLI),采用耦合协调度模型探究了2001—2018年长三角城市群城市化与生态环境耦合协调度时空变化特征。结果表明：(1)2001—2018年,长三角城市群城市化水平不断提高,城市化指数由2001年的0.112提高至2018年的0.288;(2)2001—2018年,长三角城市群生态环境质量不断下降,生态等级为优的区域不断收缩,其中上海市与南京市最明显;(3)2001—2018年,耦合协调度总体呈现上升趋势,且各城市空间差异性较大。     

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。     

适用于秋冬季节RSEI的三峡库区生态质量评估

遥感生态指数(RSEI)是一种能快速、实时、定量、多时序评估生态环境质量的评价生态指标,但RSEI在秋冬季节生态质量反演表征上存在不足。针对该问题,本文提出了一种适用于秋冬季节的RSEI。首先利用地理探测器分析RSEI的4个指标是否适用于秋冬季节的生态质量反演;然后采用植被覆盖度、植被健康指数、表层水分含量指数、地表温度、空气质量指数构建适用于秋冬季节的RSEI,并进行适用性验证;最后对三峡库区秋冬季节的生态环境质量进行反演与时空分析。结果显示：(1)库区生态环境质量总体呈现改善的趋势;(2)库区77%的面积生态环境质量较为稳定;(3)预测库区生态环境总体呈未来改善、持续性改善的趋势。     

基于高分辨率遥感影像的徐州市区生态环境质量评估

以2016、2017和2018年中高分辨率哨兵影像为主要数据源,在Google Earth Engine平台支持下利用变异系数法构建了区域生态环境质量评估模型,并对徐州市区生态环境质量进行了定量评估与分析。结果表明,徐州市大部分区域生态环境质量处于较好的水平,但市区生态环境质量略呈下降趋势。生态环境质量提升的区域集中在徐州市云龙湖周围的老城区一带,生态环境质量下降的区域主要聚集在城市郊区以及大龙湖附近。通过引入皮尔森相关系数分析发现,地表湿度和地表温度是影响徐州市区生态环境质量的主要因素。     

汶川县震后5年生态环境质量恢复评价

对汶川县震后5年生态恢复状况进行评价,以多源遥感数据为主,其他调查统计数据为辅,构建了基于压力—状态—响应模型的生态环境质量评价指标体系,采用综合指数法对汶川县2007年、2008年和2013年生态环境质量进行评价,得到震前、震后以及5年后的生态环境质量评价分级图,并对震后5年汶川县生态恢复状况进行分析。结果表明,2007年汶川县有79.4%的区域生态环境质量良好,2008年5月12日地震对生态环境造成极大破坏,尤其是靠近震源地区,生态环境质量下降更为严重。通过震后5年恢复,到2013年汶川县生态环境质量恢复比较显著,有55.84%的区域环境质量有明显改善,特别是生态环境质量较差地区改善幅度较大,但仍未达到2007年区域生态环境质量水平。最后为今后该区域生态环境恢复重建提出相应的建议。     

永定客家土楼世界遗产地土地覆盖与生态变化遥感评价

以世界文化遗产客家土楼所在地福建省龙岩市永定区及其规划保护区(湖高区)为研究区,选取1988年、1996年、2002年、2009年和2014年5期Landsat系列卫星影像,应用多分类器集成及新型遥感生态指数(remote sensing based ecological index,RSEI)获取研究区5个时期土地覆盖分类图及RSEI图,采用分类后变化检测方法获得研究区土地覆盖及生态环境变化情况。结果表明:(1)1988—2014年26 a间研究区土地覆盖变化明显,林地、灌木/草地、建设用地面积快速增长,耕地、退化地、开垦地面积大幅减少;(2)RSEI适合用于土楼遗产地生态环境评价;(3)2个研究区的生态质量1988—1996年间均下降,其后均呈逐年上升趋势;(4)从土地覆盖与生态环境的关系来看,生态质量变好区域位于坡耕地、原有中高海拔退化地及开垦地转化为林草地区域;变差区域集中在林草地转化为耕地、退化地和开垦地区域以及城镇周边扩展区域。     

基于GEE的石嘴山地区生态环境质量时空演变特征研究

以石嘴山市为研究对象，基于GEE平台选取30年的Landsat影像数据，提取绿度、湿度、干度、热度，并加入符合地区特点的盐碱度指标共同构建改进后的遥感生态指数(RSEI),采用长时间序列的趋势分析方法，对1991—2021年石嘴山地区的生态环境变化进行综合评价。1991—2021年研究区的RSEI指数与绿度、湿度呈正相关，与盐碱度、干度、热度呈负相关，生态环境质量呈现出“下降-快速上升-缓慢上升”的趋势。1991—2021年石嘴山市的生态环境质量呈明显改善趋势，生态环境质量显著上升区域面积为4 787.8km²,占比71.0%,显著下降区域面积为117.4 km²,占比1.7%。在1991—2021年，除主城区及周边地区生态环境质量下降以外，其余地区较之前都有明显上升，尤其是在沙湖以及黄河两侧。研究表明区域生态环境质量下降的主要原因是城市扩张，上升的主要原因是内陆湖以及土壤盐渍化改良工程对生态环境的积极改善作用。     

1975年—2018年白洋淀湿地变化分析

白洋淀湿地生态功能重要、战略地位特殊,研究其时空变化规律具有重要意义。本文基于1975年—2018年间10期Landsat卫星遥感影像,辅以2017年—2018年高分二号（GF-2）卫星遥感影像,在野外考察湿地类型及其覆被特征基础上,人机交互解译获取各期土地利用/覆被分类图,从面积变化、类型转化、景观格局变化方面分析了近43年白洋淀湿地变化时空特征,讨论了影响分析结果的不确定性因素以及湿地变化成因。结果表明：1975年—2018年白洋淀湿地面积总体呈减少趋势,净变化-68.20 km²（-24.83%）。其中,1975年—1990年湿地面积波动性小、基本稳定,1990年—2011年湿地面积持续性减少,2011年—2018年湿地面积呈现增加趋势。湿地与非湿地类型相互转换区域主要分布于淀区南部、西部、北部的水体—水生植物—耕地—建设用地过渡区域。近43年白洋淀湿地景观趋于破碎、复杂和异质。遥感影像选取月份、年份,以及土地利用/覆被分类体系、分类方法,是影响分析结果的主要不确定性因素。气候、水文等自然因素变化,叠加工农业及城镇生活用水、上游水利工程蓄水、地下水开采等人为因素变化,是白洋淀湿地面积减少、趋于干化的成因。     

中国西北地区NDVI变化及其与温度和降水的关系

稀疏的植被覆盖是干旱和半干旱地区最主要的环境特征,因此长期定量的植被分布和变化观测能够分析干旱和半干旱地区的环境变化。在以干旱和半干旱地区为主要的中国西北地区存在着森林减少、土地侵蚀、盐碱化和沙漠扩张等严重的环境问题,生态环境十分脆弱。通过NOAA/AVHRR建立近20年来中国西北地区NDVI变化序列,利用差分法、斜率变化和主成分分析3种方法分析植被变化。3种方法显示出基本一致的结果,即大部分地区植被状况恶化,局部地区有所好转。通过分析植被变化与温度、降水变化的关系,发现NDVI与降水存在明显的正相关关系,而与温度变化的关系并不明显,表明降水是影响西北地区植被变化最主要的自然因素。     

中国东海叶绿素浓度变化分析及其海水温度响应

海洋叶绿素浓度时空格局分析及与海水温度的响应研究对于海洋资源的开发和保护及赤潮的预防具有重要意义。本文基于2004—2018年东海叶绿素浓度和海水温度数据运用趋势分析及ArcGIS10.2软件,对东海叶绿素浓度作了时空分析研究,并结合海水温度进行了回归分析,以探究叶绿素对海水温度变化的响应机制。结果表明：①东海叶绿素浓度在2004—2018年间没有明显的年际变化特征。年内则随时间上下波动,冬季为波峰,夏季为波谷。离海岸带越近,叶绿素浓度越高。②东海海域海水温度在年际尺度上呈波动式起伏变化。在季节尺度上夏秋两季温度较高,春季次之,冬季最低。从沿海到外海海域海温逐渐升高。③就空间相关性而言,东海海域叶绿素浓度与海水温度整体呈负相关,在不同海域相关程度不同。长江口和外海区域叶绿素浓度与海水温度具有很强的相关性;在沿海区域,由于受到城市环境、经济发展及人类生产生活的影响,海水温度与叶绿素浓度的相关性不明显。     

基于多源遥感数据的生态系统服务功能时空演变趋势分析

研究区域生态系统服务功能的时空演变趋势,有助于揭示人类活动或气候变化对该区域生态环境的影响,从而为生态系统服务功能的保育和管理提供依据。本文以淮安市为研究区,通过在时间维上拓展生态系统服务功能重要性评估的遥感指数法,计算了2000—2018每年的水源涵养、水土保持和生物多样性维护功能,并利用Mann-Kendall非参数检验和Hurst趋势性分析方法分析了时空演变趋势,结合中高分辨率遥感数据解译探索了变化原因。研究结果表明：①淮安市大部分区域生态系统服务功能呈显著增加趋势,其中水源涵养和生物多样性的增长趋势持续性较弱,而水土保持增长趋势持续性较强;②生态系统服务功能增加区域主要发生在耕地、林地等植被覆盖区域,减少区域主要发生在建筑用地等非生态用地区域;③淮安市耕地和林地等植被覆盖区域占比基本不变,甚至随着建筑用地占比的增加而稍有减少,生态系统服务功能增加的主要原因可能在于植被活力的增强,具体表现为植被绿度和植被生产力的增加。     

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.     

Spatiotemporal analysis of vegetation variability and its relationship with climate change in China

This paper investigated spatiotemporal dynamic pattern of vegetation, climate factor, and their complex relationships from seasonal to inter-annual scale in China during the period 1982–1998 through wavelet transform method based on GIMMS data-sets. First, most vegetation canopies demonstrated obvious seasonality, increasing with latitudinal gradient. Second, obvious dynamic trends were observed in both vegetation and climate change, especially the positive trends. Over 70% areas were observed with obvious vegetation greening up, with vegetation degradation principally in the Pearl River Delta, Yangtze River Delta, and desert. Overall warming trend was observed across the whole country (>98% area), stronger in Northern China. Although over half of area (58.2%) obtained increasing rainfall trend, around a quarter of area (24.5%), especially the Central China and most northern portion of China, exhibited significantly negative rainfall trend. Third, significantly positive normalized difference vegetation index (NDVI)–climate relationship was generally observed on the de-noised time series in most vegetated regions, corresponding to their synchronous stronger seasonal pattern. Finally, at inter-annual level, the NDVI–climate relationship differed with climatic regions and their long-term trends: in humid regions, positive coefficients were observed except in regions with vegetation degradation; in arid, semiarid, and semihumid regions, positive relationships would be examined on the condition that increasing rainfall could compensate the increasing water requirement along with increasing temperature. This study provided valuable insights into the long-term vegetation–climate relationship in China with consideration of their spatiotemporal variability and overall trend in the global change process.     

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.     

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。     

中国湿地变化的驱动力分析

在全球气候变化及中国社会经济迅速发展的背景下,为了解中国湿地分布的时空动态特征及演化规律,以4期(1978年、1990年、2000年、2008年)中国湿地遥感制图数据和3期(1990年、2000年、2005年)土地利用数据为基础,同时考虑到对湿地变化的影响程度和数据的可获取性,选取12个影响因子(平均温度、平均湿度、累计降水量、人口数量、地区生产总值、农林牧渔产值、耕地面积、粮食产量、有效灌溉面积、水库库容量、除涝面积、治碱面积)研究1978年—2008年这30年间中国湿地变化的驱动机制。考虑到地理现象的空间非平稳性,本文采用地理加权回归的方法分析驱动因子对湿地变化的影响作用。地理加权回归作为一种局部线性回归方法,能够直观地反映湿地驱动因子对湿地作用的地域差异。结果表明:不同类型的湿地变化的主要影响因素不同,内陆湿地与温度、降水以及农业耕作灌溉等密切相关;人工湿地与经济发展水平和水利设施兴建密切相关;滨海湿地与农林牧渔产业和人口等密切相关。同一类型湿地变化的主要影响因素随着时间推移也有所变化,并且影响程度在地域上也存在较为明显的南北和东西差异。本次研究结果基本反映了1978年—2008年中国湿地变化的特征规律。