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。     

2000-2016年青海湖湖冰物候特征变化

湖冰物候特征是气候变化的灵敏指示器。基于2000-2016年青海湖边界矢量数据,结合Terra MODIS和Landsat TM/ETM+遥感影像及气象数据,利用RS和GIS技术综合分析青海湖湖冰物候特征变化及其对气候变化的响应。结果表明：① 青海湖开始冻结、完全冻结、开始消融和完全消融的时间分别为12月中旬、1月上旬、3月中下旬和3月下旬至4月上旬,平均封冻期和平均完全封冻期为88 d和77 d,平均湖冰存在期和平均消融期为108 d和10 d。② 近16年间青海湖湖冰物候特征各时间节点变化呈现较大的差异性。湖泊开始冻结日期相对变化较小,完全冻结日期呈先提前后推迟的波动趋势,开始消融日期呈先推迟后提前的波动趋势,完全消融日期在2012-2016年呈明显提前趋势。青海湖封冻期在2000-2005年和2010-2016年呈缩短趋势,但减少速率慢于青藏高原腹地的湖泊。③ 青海湖冻结和消融的空间模式相同,即湖冰形成较早的区域则消融较早,且前者持续时间（18~31 d）整体上大于后者（7~20 d）,二者相差约10 d。④ 冬半年负积温大小是影响青海湖封冻期的关键要素,但风速和降水对青海湖湖冰的形成和消融亦发挥着重要作用。     

气候变化对阿拉善荒漠植被的影响研究

利用1982—2003年NASA GIMMS归一化植被指数(NDVI)数据集和阿拉善左旗、右旗和额济纳旗气温和降水资料,对阿拉善地区NDVI变化和气候变化特征及其相互关系进行了分析。结果表明：①1982—2003年东部地区(左旗植被指数略有增加,而中部(右旗)和西部地区(额济纳旗)则呈下降趋势。季节变化东、中、西部表现不同。左旗和额济纳旗多年平均NDVI的月变化和右旗相反。②东部地区升温率最大,其次是西部和中部地区。降水表现为东部和西部地区(额济纳旗)稍有增加,而中部地区(右旗)呈缓慢减少趋势。季节变化东、中、西部表现不同。多年平均气温和降水量的月变化趋势东、中、西部一致,呈单峰型曲线。③东部地区和中部地区,降水量与植被指数存在明显的年相关、隔季和当季相关,而西部地区额济纳旗没有明显的相关性。阿拉善地区NDVI同温度的相关性不好。     

利用MODIS影像和气候数据模拟青藏高原草地地上生物量（英文）

精确量化高寒区域的草地地上生物量在精确量化全球碳循环方面起着非常重要的作用。本研究利用月尺度的归一化植被指数、增强型植被指数、平均空气温度、≥5℃积温、总降水、降水积温比模拟了青藏高原高寒草地地上生物量。本研究对比分析了三种多重逐步回归模型,即地上生物量与归一化植被指数和增强型植被指数的逐步回归模型,地上生物量与空气温度、积温、降水和降水积温比的逐步回归模型,地上生物量与归一化植被指数、增强型植被指数、空气温度、积温、降水和降水积温比的逐步回归模型。结果表明,在高寒草甸,归一化植被指数模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为31.05 g m~(-2)和44.12 g m~(-2);在高寒草原,归一化植被指数模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为95.43 g m~(-2)和131.58 g m~(-2)。在高寒草原,积温模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为33.61g m~(-2)和48.04 g m~(-2)。在高寒草甸,植被指数和气象数据模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为28.09 g m~(-2)和42.71 g m~(-2);在高寒草原,植被指数和气象数据模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为35.86 g m~(-2)和47.94 g m~(-2)。因此,植被指数和气候数据同时参与的逐步回归模型比植被指数或气候数据单独参与的逐步回归模型的精度高;不同高寒草地类型的回归模型精度不同。     

长白山北坡林线岳桦种群动态对气候变化响应的坡向分异

选取长白山北坡岳桦(Betula ermanii)苔原交错带3个不同坡向(东北坡、东南坡、东坡)的岳桦径级结构为研究对象,分析坡向在岳桦种群动态与气候变化之间关系的异同。结果表明:三坡向的岳桦种群扩张和气温高低存在明显差异。14个生态气候指标与对应年份内繁殖且存活下来的岳桦棵数的逐步回归分析和相关分析表明三坡向岳桦种群扩张是对气温变化的积极响应,但响应有差异:东坡>东南坡>东北坡。不同坡向岳桦种群扩张的差异是对气温变化差异的响应。     

2000—2018年青海湖流域气温和降水量变化趋势空间分布特征

青藏高原是全球气候变化的敏感区,气温和降水量的空间分布及变化趋势是气候变化研究的核心和基础,为开展生态环境变化评估提供基础资料。基于2000—2018年青海湖流域及其周边气象站观测数据,以高程为协变量,结合专业气象插值软件ANUSPLIN对气温和降水量进行空间插值。利用线性回归法分析了青海湖流域2000—2018年气温和降水量的变化趋势;利用双变量空间自相关分析法分析了青海湖流域气温和降水量空间匹配关系。结果表明：（1） 2000—2018年青海湖流域年平均气温呈显著增加趋势,平均增速为0.30 ℃·（10a）^-1,春季增温显著。（2） 降水量呈显著增加趋势,平均增速为73.20 mm·（10a）^-1,春夏季增速显著、秋季变化不明显、冬季趋于变干。（3） 青海湖流域气温和降水量空间匹配差异显著。从年尺度来看,气温和降水量莫兰指数（Moran’s I）为-0.66,表现为显著的负相关,面积比为67.56%,水热组合空间匹配不佳。从季节尺度来看,青海湖流域春季、夏季、秋季和冬季的气温和降水量Moran’s I分别为-0.49、-0.80、-0.32和-0.14,均为空间负相关。春夏季,流域低海拔区域气温逐渐升高,高海拔区域降水量逐渐增多,气温和降水量空间负相关面积逐渐增大,水热组合空间匹配不佳。值得强调的是青海湖巨大水体对环湖区局地气温的调节作用明显,是青海湖流域的“气候调节器”。     

基于植被供水指数法的上蔡县农业春旱遥感监测

利用2006年4月7日的Landsat5 TM影像、2013年4月2日Landsat7 ETM+影像和2014年4月5日Landsat7 ETM+影像,采用植被供水指数法对河南省上蔡县进行农业春旱监测,并将归一化植被指数(单一植被指数)法的结果与植被供水指数法的结果进行对比。结果表明:(1)上蔡县历年春季普遍发生农业干旱,程度有所不同。研究区2006年至2014年干旱程度逐年减轻,干旱发生区域逐年减少,干旱治理成效较为明显。(2)植被供水指数法与单一植被指数(归一化植被指数)法的监测结果一致,且数据易于获得,可操作性强,有助于提高监测精度和效率,可用于该研究区以及与其地形和覆被等情况一致区域的农业干旱监测。     

青海湖环湖地区草地植被生物量遥感监测模型

利用青海湖环湖地区2000年陆地卫星TM遥感图像数据和同期野外实测的34处样方产草量数据,分析了遥感植被指数与草地植被生物量之间的相关关系,进而分别建立了遥感植被指数与草地植被生物量的一元线性回归模型和非线性回归模型。研究表明,遥感植被指数与草地生物量之间存在较好的相关性,但不同遥感植被指数与草地植被生物量相关性程度存在一定差别。此外,所建遥感植被指数与草地植被生物量的非线性回归模型在拟合精度上优于一元线性回归模型,且由三次方程得到的非线性回归模型最适用于监测青海湖环湖地区的草地植被生物量。     

2000-2012年青海湖流域NPP时空分布特征

利用青海湖流域及周边地区气象资料和MODIS遥感影像等数据,结合地理信息系统技术和植被净初级生产力(NPP)估算模型(CASA模型),确定了2000-2012年青海湖流域NPP值,并评价了其时空分布特征。结果表明:2000-2012年青海湖流域年均NPP为4.77×10¹² g,空间分布以青海湖为中心,由低到高呈环带状,并呈由东南向西北递减趋势,在青海湖北侧河流中游地区年均NPP达到最高,为374.19 g·m^-2。2000-2012年NPP呈波动中逐渐增长趋势,年均增加4.81×10¹⁰ g;NPP年内变化显著,7月NPP达到全年最高值,占全年的28.77%。13年间流域内大部分地区NPP呈增长趋势,显著增长区主要分布在共和县江西沟乡、石乃亥乡和天峻县周围;青海湖北侧哈尔盖河上游、沙柳河中游地区则是主要减少区。多元回归分析表明归一化植被指数(NDVI)和降水是青海湖流域NPP的主要影响因素。     

贵州高原复杂地形下月平均日最高气温分布式模拟

在前人研究的基础上,对以前的模型进行改进,考虑了坡度、坡向和地形相互遮蔽作用对复杂地形下天文辐射的影响,基于数字高程模型(DEM)数据,建立以天文辐射为起始数据的复杂地形下月平均日最高气温的分布式模型,在模型中考虑了海拔高度、复杂地形下太阳总辐射、日照百分率对月平均日最高气温的影响.以贵州高原为例.应用100m×100m分辨率的DEM数据.1960-2000年贵州省及周边102个气象站常规气象要素观测资料以及NOAA-AVHRR观测资料,10个气象站的太阳辐射量资料,计算了贵州高原各月及年平均日最高气温精细空间分布.结果表明:(1)坡度、坡向、地形遮蔽对月平均日最高气温的影响较大,由于局地地形因子的影响,复杂地形下月平均日最高气温的空间分布具有明显的地域分布特征,局地地形对月平均日最高气温的影响是不容忽视的.(2)季节不同,局地地形因子对复杂地形下月平均日最高气温空间分布的影响不同,冬半年大于夏半年.月平均日最高气温随海拔高度的增加而降低.南坡随坡度的增大而升高:北坡随坡度的增大而降低.在坡向影响上,1-5月、10-12月偏北坡月平均日最高气温偏低,偏南坡月平均日最高气温偏高;7-8月因太阳高度较高,因此出现相反的情况.北坡高于南坡.     

基于遥感反演的山东省森林资源调节温度服务的研究

森林生态服务的量化研究是森林生态服务评估的关键之一。利用TM数据、实际采集的外业数据、山东气象数据,对山东省不同树种、不同时间森林调节气温的生态服务进行了量化分析。主要结论有:温度和森林的NDVI(归一化植被指数)是负相关的关系,NDVI值越高,温度越低;森林温度变化的振幅比农田、城镇都小,森林对温度的调节作用比农田大;不同类型的降温效果不同,在不同的季节降温作用也不一样。在分析时,限定了分析的条件,森林对气温的实际调节作用远大于分析的结果。     

基于多窗口线性回归模型的浙北地区冬季气温估算

气温(Ta)是描述陆地气候环境的一个重要参数,其异常变化直接影响人类的生存环境,因此如何高精度地估算气温成为当前研究的热点。MODIS数据因其分辨率较低不能提供精细的地表信息,为此,本文以更高分辨率的Landsat8影像为数据源,结合自动气象站的气温数据,耦合经纬度、归一化植被指数、归一化建筑指数和改进的归一化水体指数等多种因子,建立了多窗口线性回归模型(Multi-Window Linear Regression Model,MWLR)。最后以浙江北部为研究区,使用MWLR模型对该地区冬季气温进行了估算,模型预测的RMSE在1.458~1.551℃之间,R~2在0.835~0.842之间,当窗口大小为3×3时取最优精度(RMSE=1.458℃,R~2=0.835),优于一般的空间内插方法。研究结果验证了利用MWLR模型和Landsat8影像进行气温估算的有效性,并提供了一种基于遥感数据在局部地区开展高精度和高分辨率气温估算的模型。     

基于EOS/MODIS数据的NDVI与EVI比较研究

作为NOAA/AVHRR 归一化植被指数(NDVI) 的延续和发展, EOS/MODIS 归一化植被指 数(NDVI) 和增强植被指数( EVI) 在许多领域得到广泛应用。应用数理统计和地统计学方法对二 者进行的对比研究表明: NDVI 在植被生长旺盛期容易达到饱和, 而EVI 则能克服这一现象, 比 较真实地反映植被的生长变化过程; 相同空间分辨率下, EVI 取值范围、标准差与变异系数均高 于NDVI, NDVI 数据比较均一, 其空间相关性高于EVI, EVI 更能反映研究区域内植被空间差异。 关键词:MODIS; 归一化植被指数(NDVI) ; 增强植被指数( EVI) ; 对比     

三江平原沼泽湿地归一化植被指数分布特征及其变化分析

利用遥感数据和气象数据,分析了三江平原沼泽湿地2000年8月和2015年8月归一化植被指数的分布特征及其差异。研究结果表明,2000～2015年三江平原沼泽湿地丧失严重,面积减少了约2847 km²,面积减少率约为31%,沼泽湿地丧失的区域主要集中在三江平原的东北部;三江平原沼泽湿地8月归一化植被指数较大值分布在三江平原东部,而较小值分布在三江平原西北部;2015年8月三江平原大部分沼泽分布区域的水热条件优于多年平均状态,归一化植被指数比2000～2015年多年平均值更大。     

2001—2020年蒙古高原昼夜非对称变暖对植被返青期的影响

基于2001—2020年归一化植被指数(NDVI)、增强型植被指数(EVI)2种遥感植被指数以及蒙古高原94个气象站点的月最高、最低温和降水量数据,利用累积NDVI的Logistic曲线曲率极值法和动态阈值法2种物候识别方法提取蒙古高原植被返青期,分析蒙古高原昼夜非对称变暖的时空变化及其对植被返青期的影响。结果表明：(1)2001—2020年蒙古高原生长季开始前6个月(上一年11月—当年4月)平均最高温[0.7℃·(10a)^-1]和最低温[0.3℃·(10a)^-1]均呈上升趋势,最高温的变暖速率是最低温的2.3倍。(2)季前昼夜非对称变暖对植被返青期均产生提前作用,但与最高温相比,最低温对返青期的影响程度更大,且影响范围更为广泛。(3)季前昼夜非对称变暖对不同植被类型返青期产生不同影响,白天变暖对灌丛、农田和稀疏植被返青期的影响更明显,夜间变暖对森林和草地返青期的影响更强,特别是森林地区(25.5%)。研究白天和夜间非对称变暖对蒙古高原植被物候的影响,对揭示温度对春季植被物候的影响机制有重要意义。     

红壤侵蚀区马尾松林碳储量估算的遥感植被指数选择——以长汀河田地区为例

以福建省长汀县河田地区为研究区,在野外样方生物量调查和典型植被光谱测定基础上,对比分析SPOT5影像8种植被指数与马尾松林(Pinus massoniana)碳储量关系,估算区域尺度马尾松林碳储量。结果表明,马尾松林冠层与林下植被芒萁(Dicranopteris dichotoma)在短波红外波段(SWIR)反射率区分明显。加入SWIR的修正的归一化植被指数(MNDVI)与森林碳储量回归决定系数最高,并有较小的均方根误差,同时可减少林下植被覆盖对马尾松林碳储量估算影响。生态恢复驱动下研究区平均碳储量增加到30.37 t/hm2。     

维管植物遗传多样性与气候因子的关系（英文）

遗传多样性对植物响应全球气候变化至关重要,研究遗传多样性和气候因子之间的关系有利于预测未来全球气候变化对植物遗传多样性的影响。然而,到目前为止,气候因子对植物遗传多样性影响的范围和程度目前并不清楚。从68篇已发表的文献中,我们收集了79种维管植物的两种常用的种群遗传多样性指标(平均期望杂合度和平均观测杂合度)及种群坐标数据,并从WorldClim提取了19种气候因子数据。然后,利用线性回归分析了遗传多样性与气候因子之间的关系。在用平均期望杂合度来度量遗传多样性的75种植物中,58.7%(44种)植物的种群平均期望杂合度与某种气候因子显著相关,而在用平均观测杂合度来度量遗传多样性的63种植物中,65.1%(41种)植物的平均观测杂合度与某种气候因子显著相关。其中,最湿季均温、降水季节性、最干季降水量和温度季节性对平均期望杂合度的影响最为广泛,而平均观测杂合度则与最暖季降水量、最湿季均温、最干季降水量和最干月降水量的相关性最为广泛。木本植物种群遗传多样性与气候因子之间的显著相关比例高于草本植物,不同气候因子对这两种生长型植物遗传多样性的影响不同。这些研究结果表明,气候可能在植物种群遗传多样性的形成过程中起着重要的作用,未来气候变化可能改变植物的遗传多样性,以及不同类型植物的遗传多样性可能对气候变化有不同的响应。     

利用 GIS地理统计模块预测海南岛植被指数季节性变化趋势

虽然采用遥感图像提取的植被指数在空间上能较好的反映作物的状况,但其不能预测植被指数在空间上的变化范围,如果能从整体上了解不同市县在不同季节的平均植被指数值,就可以对该区域整体植被状态进行量化分析,也就可以从大范围内进行植被指数的预测分析.利用地理信息系统(GIS)和地统计学相结合的地理统计分析模块(ArcGIS Geostatistical Analyst),根据MODIS遥感数据提取的每季度不同市县平均NDVI植被指数,采用Kriging插值的方法分析了海南岛归一化植被指数(NDVI)季节性变化趋势,并     

华东地区夏季高温期的气候特征及其变化规律

基于华东气象站点1961-2005 年逐日最高地面气温资料, 分析了华东高温日数和高温 日平均最高气温的时空动态变化特征。结果表明: 过去45 年间, 华东年均高温日数为15.1 天, 高温日平均最高气温为36.3 ^oC, 高温以12~15 年为显著振荡周期, 在20 世纪80 年代为 弱负距平, 而在其他时期都为正距平。华东高温日数呈北少南多的空间分布, 高温日平均最 高气温以安徽、浙江和江西较高, 高温过程数是东北部少, 西南部多。高温日数和高温过程 数是以7 月最多, 高温日平均最高气温也是以7 月最高。在21 世纪最初5 年, 站点高温日数 和高温日平均最高气温增加, 4-10 月高温都为正距平, 各级高温过程数总体最多, 各级高温 过程日平均最高气温也最高。     

1999—2010年中国西北地区植被覆盖对气候变化和人类活动的响应

中国西北地区气候干旱,频繁出现沙尘天气,属于生态脆弱区域,而植被变化是生态系统对气候变化响应的指示器,研究其变化对改善西北生态环境具有重要意义.本文利用1999—2010年归一化植被指数(NDVI)以及气象数据研究中国西北地区植被覆盖时空变化,以Sen趋势度结合Mann-Kendall检验、相关和偏相关分析以及残差法分析人类活动和气候变化对植被覆盖变化的影响.结果表明:西北地区植被覆盖整体呈增加趋势,但在局部地区气候干旱少雨和人类活动抑制植被生长.植被变化强度空间差异是人类活动和气候要素共同作用的结果:气温高,降水少,大部分地区植被覆盖与气候要素相关显著,并且植被变化对气温和降水的响应存在一定滞后时间;蒸发量大于降水量,人类引水灌溉弥补降水不足,使得农业植被呈增长趋势.新疆北部地区植被覆盖呈下降趋势,原因是气候干旱、沙漠化严重会抑制植被生长,人类活动频繁、城市扩建同样会破坏植被生长.