基于MODIS/NDVI的新疆伊犁河谷植被变化

利用2000-2010年16 d合成的MODIS/[NDVI]数据,结合植被异常指数、趋势线分析和Hurst指数等分析方法,对新疆伊犁河谷植被覆盖的时空变化特征进行了分析。结果表明：（1） 伊犁河谷内植被覆盖随海拔增高而先增加后减小,最高植被覆盖区位于2 000～2 500 m的高程带;2000-2010年伊犁河谷各高程带内植被覆盖整体下降趋势明显,但海拔低于1 000 m的高程带除外。（2）受干湿环境影响,伊犁河谷全区平均被植异常指数最高值出现在降水最多的2002年,最低值出现在降水最少的2008年,但不同区域植被异常指数的变化存在较大差异。（3）伊犁河谷内植被覆盖增加和减小的区域分别占总面积的4.09%和19.34%,增加区域主要位于伊犁河两岸的平原区,减小区域主要位于乌孙山两端以及伊犁河谷周围海拔2 000 m左右的低山区域;变标度极差分析结果表明,伊犁河谷内植被覆盖年际变化呈现很强的持续性,未来一定时间内将保持现有变化趋势不变。     

鄂尔多斯高原毛乌素沙漠湖泊植被生态与地下水关系研究

在鄂尔多斯高原毛乌素沙漠腹地选择有代表性湖泊——布寨淖尔湖为研究区,在野外调查的基础上,选取典型剖面详细研究优势植被与地下水的关系,系统总结湖盆周缘地形地貌、包气带岩性结构、地下水水位埋深、水化学特征与植物类型和植被种群的关系,分析影响植被生态的主要因素,揭示湖盆周缘生态水文地质分带规律,划分四个生态水文地质区,提出湖盆周缘优势植被沙蒿(Artemisia)、沙柳(Salix psammophila)和苔草(Carex)的适生地下水位埋深。     

祁连山MODIS LST时空变化特征及影响因素分析

地表温度(Land Surface Temperature,LST)是研究区域尺度和全球尺度上地表能量和水平衡物理过程中不可缺少的参数。祁连山LST的时空变化规律及其影响因素模式未知。通过采用趋势分析法和相关性分析法,探讨2000—2017年间祁连山LST〖WTBZ〗的时空变化特征及与植被的相互关系,分析各植被类型下地表温度的时空分异特征。结果表明：（1） MODIS LST产品的精度能够满足祁连山地表温度时空变化分析的要求。（2） 祁连山LST时间序列呈 “上升—下降—上升—下降”的波动变化,整体呈小幅上升趋势,以0.17 ℃·（10 a）^-1的速率波动上升,冬季LST上升趋势最显著（63.37%）,变化率为0.22℃·（10 a）^-1;空间上呈西北降低东南升高的变化趋势,显著上升面积（14.89%）远大于下降面积（0.90%）。（3） 祁连山年均LST与NDVI呈负相关,显著相关区域占22.56%,夏季NDVI对LST的调控作用较显著（25.45%）;荒漠NDVI对LST的影响大于其他植被类型。（4） 海拔对各植被类型LST有强烈的影响,相关性依次为荒漠>林地>草甸>耕地;然而,夏季LST与海拔的相关性因植被覆盖增加而显著降低。（5）祁连山LST上升是NDVI、海拔以及植被类型综合影响的结果。     

天山北麓地下水与自然植被的空间变异及其分形特征

对面积约670km^2的具有干旱气候特征的新疆三工河流域地下水埋深和自然植被盖度进行取样检测，应用地质统计学方法对取得数据进行半方差函数分析，计算均值、方差、标准差、变异系数等传统统计特征值，指出用该方法表示地下水埋深和自然植被盖度引起的困惑。在此基础上，将分形理论与地质统计学原理相结合，计算了三工河流域地下水埋深和自然植被盖度的分形维数，分别为1．3154、1．3677；而它们的变异系数分别为0．．537、0．368。该地区地下水埋深和自然植被盖度在空间上存在显著的变异性，而且它们具有相似的变异特征，即随着地下水埋深的递增(或递减)，自然植被盖度有所减少(或增加)，说明干旱区自然植被盖度对地下水埋深有很大的依赖性。这暗示着在干旱地区影响自然植被盖度的众多因素中最具有决定性的因素是地下水埋深。     

2000年以来朝鲜植被覆盖变化及其与气候因子的相关性研究

生态环境的可持续与人类福祉和生态系统服务息息相关,研究植被覆盖变化及其与气候因子的相关性,探讨植被覆盖时空变化规律,探究气候因子对植被变化的驱动机制,对预见气候因子对生态系统影响、制定生态环境可持续保护策略具有深远意义。基于此,利用美国国家航空航天局发布的MODIS NDVI数据并结合相关的气候资料,通过对像元信息进行提取与分析,采用最大合成法、克里金插值法、相关分析法等方法,对2000-2016年朝鲜全境植被覆盖变化及其与气候因子的相关性进行了研究。结果表明：朝鲜全境植被覆盖空间分布不均,北部盖马高原、东北部咸镜山区,中、东部山地丘陵区为高值区;西、南部平原地区,东部沿海地带为低值区。NDVI值整体上增加,局部减少,空间差异明显。植被生长受气温和降水双重驱动,其中,气温对植被年内生长变化比降水作用更大;而气温因素中,年平均气温对植被生长的影响程度略大,NDVI对降水的响应存在明显滞后效应;NDVI对温度和降水的响应程度与空间地理位置、高程有关。区域植被NDVI年际变化主要受年最低气温和人类活动的影响。     

近10年蒙古高原植被覆盖变化及其对气候的季节响应

利用2001~2010年间MODIS NDVI数据、同期气象数据和MODIS土地覆盖分类产品,探讨蒙古高原植被覆盖变化趋势及其对气温和降水量的季节响应特征。结果表明,10 a来,蒙古高原植被覆盖度呈增加趋势和呈下降趋势的面积基本持平;春季和夏季植被覆盖度呈下降趋势,而秋季呈上升趋势,降水量是最主要的影响因子;在秋季5种植被类型均呈增加趋势,而在春季和夏季不同植被类型的增减趋势因植被类型而异。     

2000-2012年祁连山植被覆盖变化及其与气候因子的相关性

研究祁连山地区植被覆盖变化及其与气候因子的响应关系对这一地区土地利用总体特征以及对区域及全球气候和环境变化都将产生深远的意义。利用2000-2012年美国国家航空航天局提供的MODIS NDVI数据并结合相应的气候资料,通过对逐像元信息的提取和分析,运用均值法、斜率分析法、相关分析法,研究了2000-2012年不同季节祁连山植被覆盖的时空变化及其与气候因子的相关性。结果表明:13 a来祁连山植被覆盖整体上呈增加趋势,其中春季植被改善最为明显,秋季次之;植被覆盖变化在不同季节都存在明显的空间差异;不同季节植被与气温、降水的时滞效应不尽相同;祁连山春季大部分地区NDVI与气温呈显著正相关,夏季NDVI与降水呈显著正相关,秋、冬季NDVI与降水、气温的相关性不明显。     

青藏高原植被覆盖变化的地域分异特征

植被的空间分布及其变化都具有明显的地域分异特征。本研究以1981-2006年间的GIMMS/NDVI产品为主要数据源,在地理信息系统技术的支持下,分别从植被空间分布、植被波动和植被变化等方面,探讨了青藏高原植被覆盖变化的水平地域分异特征。研究结果显示,1981-2006年间,雅鲁藏布江河谷区、错那县和墨脱县的西北部、柴达木盆地南缘、三江源地区的顶端和青海南山北麓等区域地表植被年际波动较大。反映区域植被盖度时间变化趋势的SLOPE值以及植被盖度,具有从南部、东南部向北、西北部"下降—上升—不变"的规律。植被盖度下降显著的区域主要分布在喜马拉雅山南麓和青海湖南部,其次是三江源中南部地区;植被没有明显变化的区域主要分布在藏北高原和柴达木盆地。植被指数显著上升的区域集中在雅鲁藏布江河谷区,植被指数明显上升区域主要分布在人迹罕至的唐古拉山和念青唐古拉山等山间盆地区,轻微上升的区域分散在明显改善区的周围。依据SLOPE值的空间分异特征将整个高原划分为4个一级区:帕米尔高原植被指数上升区、藏北高原—阿里高原—柴达木盆地植被指数稳定区、高原中部—雅鲁藏布江中上游河谷植被指数上升区和三江源—横断山区植被指数下降区。     

长江黄河源区高寒植被变化的NDVI记录

使用8 km分辨率Pathdfinder NOAA-AVHRR/NDVI时间序列数据, 对青藏高原长江、黄河源区1982~2001年地表植被覆盖的空间分布和时间序列变化进行了分析, 并在典型区NDVI与气温、降水量和浅层地温单相关关系分析的基础上, 在不考虑地温作用和考虑地温作用两种条件下, 构建了NDVI与气温、降水量和浅层地温的统计模型。结果表明：近20年来江河源区的植被覆盖总体上保持原状,　局部继续退化。黄河源区的扎陵湖、鄂陵湖周边及其北东部地区、巴颜喀拉山北麓的多曲源头地区、长江源区的曲麻莱和治多一带、托托河沿至伍道梁之间的青藏公路两侧一定范围、格拉丹冬局部地区年NDVI减少显著,　幅度在0%~20%之间,　植被退化严重。江河源区年NDVI的变化, 即植被覆盖状况的好坏主要受温度, 尤其是40 cm附近地温的影响, NDVI对40 cm的地温变化极为敏感。在江河源多年冻土区, 冻土冻融过程不仅与地温变化息息相关, 而且影响土壤含水量的多少, 冻土的退化将会直接影响该区植被的生长。     

近15a陕西省植被时空变化与影响因素分析

利用2000—2014年MODIS/NDVI时间序列数据,采用栅格像元趋势分析、稳定性评价的方法,研究了陕西省近15 a植被的时空变化特征和规律;利用Hurst指数对陕西省植被未来变化趋势进行了预测;并利用相关性分析法分析了NDVI与年均温度和降雨量的关系。结果表明,2000年、2015年陕西省NDVI均值分别为0.4273、0.4942, 15 a来增加了0.067,增长了16.0%,其中陕北地区NDVI增加明显,关中部分地区出现负增长,陕南地区NDVI总体依旧维持在较高水平。陕西省植被变化趋势具有明显的空间差异性,全省植被未变化的占52.0 %,改善部分占44.27 %,退化部分占3.73%,说明15 a间陕西省植被覆盖改善面积大于退化面积,植被状况有所改善;其中陕北地区植被呈明显改善区域面积较大,关中地区植被覆盖面积有所减少,陕南地区植被变化幅度较小。陕西省植被稳定区域占50%以上（0 0.2),说明15a间陕西省植被较为稳定,变化程度不大;其中陕西省植被最稳定地区主要集中在陕南、延安南部,榆林部分、西安、渭南少部地区变化幅度较大。Hurst指数分析表明陕西省44.54%面积的植被未来有可能面临退化,主要分布在陕北和关中地区的北部,植被未来有可能退化也有可能改善的面积占49.78%,主要分布在延安和陕南地区。陕西省近15 a气温和降水量总体呈增加趋势,增加速率分别为0.48 ℃·(10 a)-1和69.5 mm ( a)-1;相关性分析结果表明,年均降雨量是影响NDVI的主要气象因子,同时陕西省植被变化也受到了退耕还林还草、防沙治沙、生态政治等人为因素的影响。     

青海省都兰县察汗乌苏绿洲植被覆盖度变化研究

为研究青海省都兰县察汗乌苏绿洲植被覆盖度变化,利用归一化植被指数NDVI提取察汗乌苏绿洲不同时期的植被覆盖度等级图,定量分析评价植被覆盖度的多年变化。结果表明,近16 a来,察汗乌苏绿洲植被覆盖度总体呈现波动增长趋势,2001—2006年期间各植被覆盖等级变化幅度明显高于1990—2001年期间的变化幅度,1990—2001年植被整体向好的方向发展,有50 017.50 hm2的极低覆盖度植被转变为更高覆盖度植被,2001—2006年增加了6 026.85 hm2的极低覆盖度植被,并有4 048.47 hm2的高覆盖度植被减少,说明仍存在局部退化。影响都兰县察汗乌苏绿洲植被覆盖度变化的主要因子是生态工程措施、气候因素和水资源因素。研究结果可以为该区域植被恢复和荒漠化防治提供理论支撑。     

北京山区植被覆盖动态变化遥感监测研究

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.利用北京市1979年7月14日和2005年7月25日的Landsat MSS和TM影像,采用基于归一化植被指数(ND-VI)的像元二分模型,计算了这2个时期的植被覆盖度,并对北京山区1979-2005年间植被覆盖的变化情况进行了遥感监测和定量分析.结果表明,北京山区的植被覆盖度由1979年的70.05%下降为2005年的66.14%;植被退化的总面积为3672.90km2;植被覆盖度在80%～100%的退化面积最大,为617.45km2.     

宁夏植被覆盖动态变化及与气候因子的关系

利用1999-2009年的SPOT-VGT NDVI数据,计算出宁夏近11 a来的植被覆盖度,对其变化特征进行了研究,结合同期气象观测资料,从空间上分析了植被覆盖度与区域气候因子之间的关系。结果表明,南部六盘山区和北部引黄灌区植被覆盖度高,而中部干旱带等地区的植被覆盖度较低,但中部干旱带却有较高的绝对变化率;从时间变化来看,近11 a来宁夏大部分地区的植被覆盖度在逐年增加。植被覆盖度的变化与气候因子有关,除引黄灌区和六盘山林区外,中部干旱带等地的植被覆盖度与降水呈正相关,区域气候的干湿波动,影响了植被覆盖度的高低;在有灌溉保障条件的农业垦殖区,植被覆盖度还与气温呈正相关,即有效积温的增加,会促进农作物生长,从而导致区域植被的覆盖度提高。     

基于MODIS NDVI时序数列的柴达木盆地土地覆盖分类研究

以2003年柴达木盆地的MODIS卫星遥感影像为基础数据,结合野外实地考察资料,综合分析了2003年柴达木盆地的植被指数时间变化与空间分布特征,提取了该年度该区域各主要土地覆盖类型NDVI的时序数列曲线,采用NDVI时序数列变化曲线形状匹配方法对柴达木盆地进行了土地覆盖类型分类.在此基础上使用了将以月为单位的变化曲线转换为十二维空间中的单位向量,比较向量夹角以决定其相似度的先进算法,取得了良好的分类效果,获得了2003年柴达木盆地比较精确的土地覆盖分类图.提出了利用MODIS卫星遥感影像进行土地覆盖分类的新方法.     

青海湖地区植被覆盖及其与气温降水变化的关系

使用1981年到2003年月NDVI(归一化植被指数）资料,计算了青海湖地区植被覆盖度,分析了该地区植被覆盖度的历史演变,发现其值在增大,尤其是从1996到2003年,青海湖地区的植被覆盖度都为正距平,NDVI年平均增长率为1.07×10-3。四季的植被覆盖度均为增加趋势,夏季增加最多。月平均温度与月植被覆盖度、春夏季降水与夏秋季植被覆盖度显著正相关。因此,热量条件和春夏季降水是影响青海湖地区植被生长的关键性因素。     

基于MODIS数据的济南市年最大植被覆盖度动态监测

植被覆盖度是反映地表植被覆盖状况的重要指标,也是衡量区域环境质量与水土保持情况的重要因子。以济南市MODIS数据为数据源,应用像元二分模型计算,获得济南市不同年份最大植被覆盖度。应用一元线性回归方法,通过数据统计,分析2001—2013年间济南市最大植被覆盖变化状况,并分析了主要变化驱动因子。结果表明:2001—2013年济南市最大植被覆盖度空间分布具有显著的区域性,大部分地区以稳定为主,局部地区变化较大;济南市植被覆盖度变化与降水的相关性较小,与气温的相关性较高,受人为影响大;植被覆盖度空间分布受地形影响:地势平缓地带,植被覆盖度与坡度负相关,在地势较高地区,植被覆盖度与坡度正相关。根据植被生长需求的特殊性,可以因地制宜、因时制宜地调整植被布局,改善济南市生态环境。     

2000-2015年石羊河流域植被覆盖度及其对气候变化的响应

内陆河流域植被覆盖度的敏感性是预测未来生物多样性变化的重要指标,是植被应对气候变暖的重要反馈。分析了2000-2015年MODIS-NDVI数据反演的植被覆盖度时空动态变化趋势,结合平均气温、降水量、日照时数、相对湿度、地面温度和蒸发量数据,研究了流域及各生态功能区的植被覆盖度与气候因子的相关性,探讨植被覆盖度变化过程中的气候因素制约方式,了解不同时空尺度下内陆河流域植被覆盖度在全球暖湿化过程中对气候的响应。结果表明：（1）石羊河流域平均植被覆盖度较低,上游的植被覆盖度59.4%,下游13.6%;2000-2015年,流域植被呈现改善趋势的面积远远大于退化的面积,盆地绿洲区植被覆盖度增加趋势最明显。流域植被总体恢复较好,但高海拔地区、城市和民勤绿洲的周边地区植被有不同程度的退化。（2）2000-2015年,石羊河流域各气候因子对植被覆盖度表现为不显著的相关关系,其中与降水量呈正相关的面积最大,与蒸发量呈负相关的面积最大;从上游到下游,植被生长与热量的相关程度逐渐变弱,与水分的相关程度则逐渐增强。（3）石羊河流域的植被覆盖度与气候因子的样条函数存在极显著的线性相关,水原涵养区和荒漠区的植被覆盖度对气候因子的响应较高;绿洲区的植被覆盖度对气候因子的响应相对较低。地面温度的变化是影响石羊河流域植被覆盖度空间格局变化的主要气候制约因素。     

青藏高原植被覆盖变化及其与气候变化的关系

近几十年来,全球气候变化对青藏高原植被覆盖产生了重要影响。基于青藏高原1981—2005年遥感影像及同期气象数据,结合生态学模型,分析了青藏高原植被覆盖度变化趋势及其与气候变化的关系。结果显示,25 a间,青藏高原温度升高、降水量增加,植被覆盖度呈"整体升高、局部退化"趋势;地表植被改善区主要位于植被低覆盖区,退化区主要位于高覆盖区;从不同植被类型看,除针叶林、阔叶林受采伐影响覆盖度下降外,其他植被覆盖度均不同程度的上升;植被覆盖度变化与同期降水量变化、温度变化均呈正相关,且具有明显的区域差异。     

柴达木盆地植被覆盖度的分析与模拟——空间自相关方法的运用(英文)

Relationship between vegetation and environmental factors has always been a major topic in ecology, but it has also been an important way to reveal vegetation’s dynamic response to and feedback effects on climate change. For the special geographical location and climatic characteristics of the Qaidam Basin, with the support of traditional and remote sensing data, in this paper a vegetation coverage model was established. The quantitative prediction of vegetation coverage by five environmental factors was initially realized through multiple stepwise regression (MSR) models. However, there is significant multicollinearity among these five environmental factors, which reduces the performance of the MSR model. Then through the introduction of the Moran Index, an indicator that reflects the spatial auto-correlation of vegetation distribution, only two variables of average annual rainfall and local Moran Index were used in the final establishment of the vegetation coverage model. The results show that there is significant spatial autocorrelation in the distribution of vegetation. The role of spatial autocorrelation in the establishment of vegetation coverage model has not only improved the model fitting R2 from 0.608 to 0.656, but also removed the multicollinearity among independents.