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。     

三江源草地覆盖度时空变化及对气候的响应

草地退化一直是三江源主要生态问题之一,严重制约着三江源地区生态安全和经济发展。遥感技术可实现对草地资源大面积监测,因此可以及时掌握三江源地区草地动态变化情况,为三江源地区生态保护提供依据。本文基于Google Earth Engine遥感大数据云计算平台,以2007~2018年MODIS NDVI为数据源,采用像元二分模型对三江源地区草地覆盖度进行估算,分析草地覆盖度时空变化以及与覆盖度气候因子的相关关系。结果表明,2007~2018年三江源草地覆盖度总体呈增加趋势,草地退化得到好转,覆盖度空间分布差异显著,表现出东南高、西北低的特点。三江源地区草地覆盖度与降水相关性不明显,对温度因子的响应更为敏感。     

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。     

路域植被覆盖度时空变化遥感定量反演

通过对路域植被覆盖度反演及其时空变化特征分析,可再现公路建设和运营对路域两侧生态环境的干扰过程和强度,反映路域生态环境质量。以京港澳高速(G4)长潭段为研究区,建立路域植被覆盖度遥感定量模型及主成分分析模型,分析路域植被覆盖度的动态变化空间格局及其变异性,并寻求其主要驱动因子。结果表明,影响路域植被时空格局的主要驱动力因子是公路运营带来的经济因素,环境因素次之,与地区实际经济发展情况吻合。     

近20年鄂西地区植被覆盖度时空变化特征分析

基于2000—2020年的MOD13Q1 NDVI遥感数据,使用像元二分模型计算湖北省西部山体区域的植被覆盖度,并利用斜率模型、马尔可夫转移矩阵模型和赫斯特指数综合分析了植被覆盖度的时空变化规律。结果表明,研究区的植被覆盖度总体呈上升趋势,平均植被覆盖度增加了0.025,轻微增长区域面积为44 359.26 km²,显著性增长面积为3 069.375 km²,不显著性变化的面积为39 862 km2。2000—2020年期间,时序植被覆盖度的赫斯特指数为0.63,表明研究区内植被覆盖度的增长趋势在未来是可持续的。本研究成果不仅可为城市生态环境评价提供科学依据,而且可为城市的生态建设和可持续发展提供决策支持。     

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。     

大连市河岸带植被覆盖度监测

利用遥感数据,采用NDVI像元二分模型对大连市河流河岸带植被覆盖度进行监测。结果表明,2000年、2007年、2011年和2016年全市河岸带平均植被覆盖度分别为0.55、0.55、0.52和0.52,处于0.4～0.6间的河岸带面积超过河岸带总面积的60%。在研究时间范围内,碧流河水系、大沙河水系、英那河水系、庄河水系河岸带植被覆盖度逐渐降低,登沙河水系、复州河水系河岸带植被覆盖度呈升高趋势。除复州河水系外,其他水系干流河岸带植被覆盖度的变化趋势与整个水系基本相同。河岸带植被覆盖度变化主要受河流水利工程建设影响,与降水量和平均温度无关。     

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。     

禹州市1992-2015年矿区植被覆盖度动态变化研究

以禹州市1992-2015年7景Landsat影像数据为数据源,利用像元二分模型计算获取每一景影像的植被覆盖度并进行分析;再结合河南省地质环境监测院发布的2018年禹州市矿区图斑矢量分析了禹州市矿区内20 a间植被覆盖度的时空变化特征.结果表明:①禹州市矿区范围内平均植被覆盖度较低,1992-2015年禹州市矿区的平均...     

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%。     

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。     

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.     

利用不同植被指数估算植被覆盖度的比较研究

选用蔬菜地和草地2种植被类型,利用ASD光谱仪实测二者在不同覆盖度下的光谱响应,分析了归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、修正植被指数(MVI)、修改型土壤调节植被指数(MSAVI)以及全球环境监测植被指数(GEMI)等6种植被指数所用的最佳波段及其组合,进而研究了利用像元二分模型估算植被覆盖度时的不同植被指数的表现.结果表明,与蔬菜地植被指数相关系数较高的波段组合为620 ～ 740 nm谱段和780 ～ 900 nm谱段内波段的组合,与草地植被指数相关系数较高的波段组合为620 ～750 nm谱段和760 ～900 nm谱段内波段的组合,相关系数均达0.8以上;在高光谱数据构建的植被指数和模拟卫星数据构建的植被指数中,用DVI和MSAVI估算植被覆盖度,平均总体精度分别达到83.7％和79.5％,与其他4种植被指数相比,这2种指数更适合于利用像元二分模型进行植被覆盖度的估算.     

基于NDVI估算植被覆盖度的研究——以滁州市为例

植被覆盖度是衡量地表植被状况的一个最重要的指标,也是影响土壤侵蚀与水土流失的主要因子。本文是在像元二分模型两个重要参数(NDVIveg、NDVIsoil)推导的基础上,对已有模型进行了改进,建立用归一化植被指数(NDVI)估算植被覆盖度的模型,并应用该模型计算出滁州市的植被覆盖度。通过滁州市部分地区的实地考察,对植被覆盖度的估算结果进行了验证,结果表明使用此改进模型进行植被覆盖度遥感监测是可行的。     

基于GEE的诺木洪洪积扇植被时空变化特征、成因及趋势分析

Google Earth Engine(GEE)平台使植被遥感监测突破了数据获取难、本地存储量大和处理效率低的限制.基于GEE平台,利用空间分辨率为30 m的Landsat卫星数据和空间分辨率为250 m的MODIS卫星数据,结合温度和降水气象数据研究2000—2017年间青海省诺木洪洪积扇地表植被的时空变化趋势及持续...     

基于像元二分模型的北票市植被覆盖度动态变化研究

植被覆盖度是衡量植被群落对地表覆盖的一个综合指标,应用ENVI软件和NDVI植被归一化指数可以快速获得研究区域的植被覆盖度。本文以辽宁省北票市的Landset-8遥感影像为研究对象,应用ENVI软件,在像元二分模型的基础上,利用NDVI归一化植被指数对辽宁省北票市植被覆盖度进行估算,得出了2013、2015、20173个年度覆盖度的变化情况。     

基于GEE的2000—2019年间升金湖湿地不同季节地表温度时空变化及地表类型响应

为更好地开展长江下游湿地生态保护与恢复建设,以谷歌地球引擎(Google Earth Engine,GEE)云平台上2000—2019年不同季节升金湖区域Landsat影像为数据源,基于辐射传输方程法批量反演地表温度,综合分析了2000—2019年近20 a间升金湖湿地的地表温度时空变化及其与地表类型的响应关系.结果表...     

像元分解模型的植被覆盖度遥感估算

为了提高植被覆盖度遥感估算方法的精度,该文针对置信度方法和空间克里金插值方法各自存在的问题,基于线性像元二分模型,分别采用置信度方法和空间克里金插值方法计算推导,确定像元二分模型中两个重要参数NDVIveg和NDVIsoil,实现估算植被覆盖度,并对两种方法进行对比分析,同时提出方法中存在的问题以及模型的优化改进方向。     

基于时序NDVI的昭觉植被覆盖度变化研究

归一化植被指数(NDVI)能精确地反映植被绿度、光合作用强度,在一定程度上反映着植被的演化信息,是评价生态环境状况的重要指标之一。本文利用Landsat TM数据分别对昭觉地区2009年和2014年的NDVI进行计算,并分别利用均值法、像元二分模型及NDVI差值植被指数对研究区域植被覆盖变化进行定量分析,结果表明:昭觉县NDVI均值上升了11.6%,植被覆盖度中极度改善的面积比例约占38%,昭觉县整体NDVI植被覆盖度显著提高,并对其变化原因进行简要分析,为生态环境建设提供决策依据。