MODIS影像植被时空变化分析——以吉林省为例

利用2000至2006年的MODIS-NDVI影像数据,通过年最大NDVI随时间的变化斜率和对变化趋势的分区统计、重心分析及空间自相关分析,探索近年来吉林省植被的时空变化规律。吉林省大多数区域NDVI呈现出稳定或增加趋势,反映出吉林省植被生态系统有所恢复。植被变化趋势具有明显的空间分异特征,东部主要为稳定型,西部主要为增长型,局部区域有衰退迹象,主要分布在吉林省东南角和西南角、长春市市辖区及沿河沿湖地区。空间自相关分析表明,植被变化过程在研究区域内具有较强的空间正相关,即变化趋势在空间上具有趋同性,集聚现象明显。     

太湖水生植被NDVI的时空变化特征分析

为了明确太湖不同生态区水生植被长势的变化规律及其影响因子,利用MODIS传感器提供的NDVI数据,分析了太湖2000年—2015年NDVI的时间及空间变化特征。结果表明:太湖水生植被NDVI存在明显的季节变化和年际变化,NDVI每年最小值出现在冬季,最大值出现在植被生长旺盛的8月或9月,其值可达0.35;太湖全湖NDVI多年平均值为0.1,最大值为0.14,出现在2007年。太湖NDVI的空间差异可将太湖划分为不同的植被类型区,太湖西北部(竺山湾和梅梁湾)NDVI最大值可达0.2,植被类型主要以浮游藻类为主,东太湖区域最大值超过0.6,主要以沉水植被为主;太湖不同区域植被动态特征对气象因子的响应也不尽相同,沉水植物生长与平均气温有显著的正相关关系,而浮游植物区的生长状况受平均风速影响较大。     

2000—2018年黑龙江省干旱时空特征分析

干旱指数是反映气候干旱程度的指标,其是监测和评估干旱事件的有效工具。文中以黑龙江省为研究区,采用标准化降水蒸散指数(SPEI),结合干旱面积比、干旱频率和单位面积干旱强度,利用M-K检验方法、GIS空间分析方法和统计分析方法,从多角度分析研究区干旱的时空特征,揭示2000—2018年黑龙江省干旱的时空变化规律。研究结果可为区域干旱防灾减灾风险评估提供参考依据。     

基于MODIS植被指数的塔河流域植被时空变化特征研究

基于获取的塔河流域2000~2014年历年4~10月间逐月MODIS植被指数产品,采用时间序列谐波分析法(HANTS)对最大值合成的逐月NDVI时间序列数据进行了重建,用趋势线分析法对塔河流域近15年生长季(4~10月)MODIS NDVI的时间变化进行计算,用一元线性回归趋势法计算得到了塔河流域近15年生长季(4~10月)NDVI变化趋势的空间分布。结合植被类型分布图对计算得到的实验结果进行了研究分析,总结了塔河流域多年植被覆盖的时空分布及其变化规律,成果可为塔河流域综合治理及生态环境评价提供依据。     

中国区域加权平均温度的时空分析及模型研究

加权平均温度(T_m)是全球卫星导航系统技术反演大气可降水量的关键参数,影响着水汽反演的精度。针对传统的Bevis模型运用在中国区域精度不高的问题,该文提出新的增加时空参数的T_m多元线性回归模型。根据2013—2015年中国86个探空站点的探空资料,分析了T_m的时空特征;然后根据2013年站点资料,利用线性回归建模方法建立了中国区域的T_m单因子回归模型和增加了时空参数的T_m多因子回归模型,并利用2014—2015年的探空数据进行验证。T_m单因子回归模型和T_m多因子回归模型的精度分别为3.1 K和2.6 K,比Bevis模型(精度3.3 K)分别提高了约6.0%和21.2%。考虑到季节对T_m的影响,将T_m多因子回归模型按季节分段,得到按季节分段的T_m多因子回归模型,其精度与T_m多因子回归模型大致相当,但能更细致表达出不同季节T_m的精度情况。结果表明增加了时空参数的T_m多因子回归模型更加适合中国区域的加权平均温度T_m的计算。     

基于MOD13Q1数据的大湄公河次区域植被覆盖时空变化分析

基于MOD13Q1-NDVI数据,采用最大值合成法提取2000—2017年的月植被指数,分别从月平均NDVI和年平均NDVI两个角度分析了大湄公河次区域植被覆盖的时空变化特征.结果表明:2000年以来,大湄公河次区域年平均NDVI总体上呈波动增长;但不同时段植被覆盖度变化不同,2000—2005年植被覆盖度总体略有降低...     

2000—2021年黑龙江省植被水分利用效率的时空变化

水分利用效率(WUE)是衡量生态系统碳水循环耦合程度的重要指标,本文以黑龙江省为研究区,基于500 m空间分辨率的长时间序列MODIS NPP和MODIS ET数据源,计算年尺度和多年尺度的植被水分利用效率,采用M-K分析方法、EOF分析方法和GIS空间分析方法,探究了2000—2021年黑龙江省植被水分利用效率的时空变化规律,以及WUE和NPP、ET关系。研究表明:1)在时间上,WUE总体上随着时间变化呈现出增加的趋势;2)在空间上,WUE呈现了以同向分布模式为主,北—南反向分布模式为辅的特点;3)不同时间尺度WUE和NPP呈显著正相关,而其他关系存在明显的时间尺度依赖性。研究结果可为我国生态文明建设提供科学参考,有助于预测气候变化对陆地生态系统碳水过程的影响。     

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。     

基于MODIS-NDVI的天津市蓟州区植被特征时空变化分析

基于MODIS-NDVI数据和气象数据,研究了天津市蓟州区植被NDVI近16年的时空变化特征以及16年间气温、降水变化规律.研究结果表明,蓟州区2000-2015年年平均NDVI趋势为先降后升,最低值出现在2004年.月际NDVI均值与月平均降水量的相关性高于最大降水量的相关性,说明最低温度比最高温对植被的影响更大,月...     

湖北省气溶胶光学厚度时空分布特征研究

利用MODIS遥感数据反演湖北省2003～2008年气溶胶光学厚度(AOD)数据,研究了AOD平均值的空间分布与时间变化特征;利用自组织映射(SOM)模型与线性模型,分析了湖北省AOD与人口密度、人均工业产值、森林覆盖率之间的关系。结果表明,在空间分布上,AOD高值区主要位于地势较低、人口密度较大、人均工业产值较高、森林覆盖率较低的湖北中南部;AOD次高值、低值区位于地势较高、人口密度较小、人均工业产值较低、森林覆盖率较高的湖北西部、东北部和东南部,对高值区呈环绕之势。在时间变化上,AOD年均值呈逐年增加的趋势;四季均值及细粒比分布存在明显差异;月平均值在冬春、春夏之交分别呈上升与下降趋势。在AOD时空分布的影响因素上,SOM模型与线性模型分析结论一致,AOD分布与人口密度、人均工业产值呈正相关,与森林覆盖率呈负相关。     

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。     

基于TVDI的湖南省干旱监测分析

利用归一化植被指数(NDVI)与地表温度(LST)构建温度植被干旱指数(TVDI)。结合湖南省地形特征对TVDI拟合结果进行高程订正,能较好地反映旱情演变规律。将处理结果划分为5个等级,湖南省存在不同程度的干旱问题,直到8月份旱情开始有缓解趋势,但干旱问题一直存在。通过插值得到的同一时期标准化降水指数对结果进行验证发现,该模型具有一定的可靠性,对于湖南省干旱监测和趋势演变具有较好的指示作用,可为湖南省旱情的预警监测提供参考。     

天津地区大气水汽含量时空分布变化

大气中的水汽是大气中重要的组成部分,水汽含量在人类日常生活中扮演重要的角色,大气水汽含量探测工作对于水汽循环、水汽输送、人工降水以及水资源评估等气象研究具有重要意义。本文对高质量的欧洲中期数值预报中心(ECMWF)再分析资料的进展进行了介绍,并且利用该资料对天津地区水汽含量的时空变化进行了分析,研究发现水汽含量的变化具有明显的季节性,受季风的影响显著。在空间分布上,天津上空水汽含量呈现从东部沿海往西部内陆地区逐步均匀减少的趋势,并且其上空的水汽含量呈现逐年增加的趋势,水汽含量的增加可能和温室效应有关。     

山东半岛海岸线时空变化分析

随着国家海洋战略的发展,各个地区对沿海地带的开发不断深入,使得海岸线处于不断发展变化之中,研究海岸线的变迁过程有利于监测和保护海岸带的资源与环境,为沿海城市对海岸的开发提供科学依据。因此本文以山东半岛为研究对象,对海岸线的长度,陆域面积和演变过程的动态变化进行分析,通过目视解译和计算机分类对比的方法,对1986、1996、2006和2016年的海岸线数据进行提取,研究发现:(1)1986-2016年30年间山东半岛的海岸线长度总体呈增长趋势,共增长315km,其中2006年到2016年的海岸线增长最快,新增岸线占原海岸线的10%;(2)海岸线变化使陆域面积也不断增加,1986-1996年面积增了309.367km2,1996-2006年面积增加332.082km2,2006-2016年面积增加611.607km2,由面积变化可以看出海岸线的移动趋势是向海移动;(3)海岸线分布以基岩岸线为主,东营地区的黄河口处受侵蚀淤积作用,海岸线变化显著,烟青威地区受蓝色经济区建立的影响,养殖区增加,盐田减少,海岸线由自然岸线逐渐向人工岸线变化,砂质岸线分布地区人工码头和港口等建设较多。     

基于RS和GIS的黑龙江省积雪时空变化研究

以黑龙江省为研究区域,以风云三号气象卫星遥感数据资料为基础,通过对FY－3 A和FY－3 B的VIRR波段特性的深入分析,对2013～2015年多期FY－3A和FY－3B的VIRR遥感影像提取出黑龙江省多期积雪数据,进行黑龙江省积雪时空变化监测研究,结合RS和GIS技术对其进行了分析并得出结论,对了解其时空分布特征及变化规律,对于促进该区的工农业生产和生态环境保护都具有十分重要的意义。     

基于温度植被干旱指数的河南省旱情演化分析

2014年河南省遭遇自1951年来最严重干旱。针对这一现象,在对目前的干旱监测类型进行简要对比分析的基础上,着重阐述了温度植被干旱指数(TVDI)的基本原理;结合MODIS数据,通过数据处理提取地表温度(LST)和归一化植被指数(NDVI),从而建立NDVI-Ts特征空间。根据干边和湿边的散点图,对特征空间中最低温度和最高温度进行线性拟合,计算出TVDI,最后以TVDI为分级指标进行干旱等级划分,对河南省2014年7月下旬到9月上旬的旱情演化趋势进行分析。     

2016年四川省PM2.5浓度时空分布研究

PM2.5导致大气能见度下降,造成雾霾天气.本文基于2016年四川省89个空气质量监测站的PM2.5数据,对2016年四川省PM2.5浓度时空分布特征进行研究分析.结果表明,2016年四川省PM2.5浓度空间分布呈现出西北部PM2.5浓度较低、空气质量较好,东南部PM2.5浓度较高、空气质量较差的趋势;时间分布呈现夏季PM2.5浓度较低、空气质量较好,冬季PM2.5浓度较高、空气质量较差的趋势,从而得出四川省PM2.5浓度时间和空间分布规律及分布图.     

时序变差函数特征驱动下的月平均降水空间分布模拟

高精度降水场是水文、气象以及环境分析的重要数据支撑,直接影响相关服务的准确性。传统降水分布模拟大多依赖站点空间维的驱动因素,而忽略了降水时序变化特征对其空间分布的影响。使用2015—2017年中国湖北省83个国家气象观测站点和28个省级观测站点近3 a月平均累积降水资料,通过相关性分析,引入站点降水时序理论变差函数模型的拱高值(C)和块金值(C₀)作为影响因素,使用地理加权回归(geographically weighted regression, GWR)建立湖北省月平均降水分布模型。结果表明:（1）各站点降水的时序变差函数曲线与降水的季节性基本吻合。站点时序理论变差函数模型中,有25.3%能够在4个月内达到平稳,36.14%在6个月内达到平稳。（2）站点降水时序理论变差函数模型的C和C₀与逐年12月平均累积降水在0.01水平（双侧）上显著相关,平均相关系数分别为0.745和0.526,大于地理位置和高程对降水的影响。（3）引入C和C₀ 有助于提升GWR模型的整体拟合优度和插值精度。对比仅使用经纬度的GWR模型和引入时序理论变差函数特征的GWR模型,3 a平均整体拟合优度从0.852提升至0.912。验证集站点插值精度评价显示,3 a绝对误差、均方根误差和平均绝对百分误差下降幅度均大于60%。因此,引入时序理论变差函数特征的时空GWR模型能够获得较高精度的降水模拟结果,更适合具有丰富历史降水资料地区的降水空间分布估算。     

京津冀地区植被覆盖度时空演变特征分析

利用MODIS EVI遥感数据,采用AG滤波法(Asymmetric Gaussians)和像元二分模型来实现对2001-2015年京津冀EVI数据的重建和植被覆盖度的估算,在此基础上运用线性回归分析等方法,从时空两个维度分析了2001-2015年京津冀植被覆盖的演变趋势。研究结果表明:(1)2001-2015年京津冀地区植被覆盖度年际变化呈不显著增长,2003-2004年植被生态环境退化明显。(2)京津冀城市群植被覆盖度差异明显,大多数城市植被覆盖度处于稳定波动中,张家口市植被覆盖度呈波动上升。(3)2001-2015年京津冀植被覆盖度超过95%区域有所变化,呈增长趋势的区域占研究区面积的56.36%。显著变化区域中,中度改善区域占比例最高,达到28.18%;严重退化区域占比最小,仅为3.25%。