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。     

基于无人机和MODIS数据的巴丹吉林沙漠植被分布特征与动态变化研究

荒漠植被在减缓沙漠扩张、阻挡风沙入侵绿洲、维护绿洲稳定性方面具有重要意义。通过无人机搭载多光谱相机获取地面样地高分辨率NDVI数据以计算植被覆盖度,结合MODIS-NDVI数据,分析了MODIS-NDVI与无人机获取NDVI数据之间的一致性,进而建立MODIS-NDVI数据与样方植被覆盖度的空间反演模型,以研究巴丹吉林沙漠植被分布特征、动态变化及其对气温、降水的响应规律。结果表明:(1)基于无人机多光谱数据大样方植被覆盖度和MODIS-NDVI数据构建的植被覆盖度反演模型具有较高的模拟精度。(2)研究区总体植被覆盖度较低,空间上呈由东南向西北递减的趋势。(3)植被覆盖度总体呈现上升趋势,沙漠边缘的增速较沙漠内部更为明显,其中沙漠边缘增长率达1.53%/10a,而沙漠内部为0.84%/10a。沙漠边缘57.12%植被出现改善,而沙漠内部植被改善的面积约为21.26%。(4)植被生长主要受制于生长季降水量并呈现出明显的季节变化,此外植被对降水和气温的响应存在一定的滞后效应。     

基于时间序列遥感数据的嵯岗国家沙化土地封禁保护成效评估

2013年中国启动实施了内蒙古自治区新巴尔虎左旗嵯岗国家沙化土地封禁保护区试点。本研究利用2001-2017年生长季NDVI数据分析了嵯岗封禁保护区及周边区域植被长势时空演变特征,分析了多年的生长季降水量和历年旱情,之后利用植被降水利用效率和NDVI残差趋势分析对保护成效进行了评估。结果表明:(1)封禁项目实施之前,封禁区内外植被长势变化趋势基本一致,而在项目实施后的2016、2017年,封禁区内NDVI距平明显高于封禁区外;(2)降水为影响该区域植被长势的主导气候因素,在封禁实施后的2015-2017年该区域连续3 a干旱,极大地限制了区域植被生长;(3)封禁区内植被降水利用效率和NDVI残差均呈现明显的增加趋势,而封禁区外变化不明显,说明封禁提升了植被的自我修复能力;(4)嵯岗封禁保护区由3个地块组成,其中嵯岗林场封禁效果比牧场八队和牧场十一队明显。国家沙化土地封禁保护措施有效促进了植被自我修复,提高了沙漠生态系统应对气候变化的能力。     

青藏高原月NDVI时空动态变化及其对气候变化的 响应

青藏高原脆弱的高寒植被对外界干扰十分敏感,使其成为研究植被对气候变化响应的理想区域之一。青藏高原气候变化剧烈,在较短的合成时间研究气候变化对植被的影响十分必要。因此,本文利用GIMMS NDVI时间序列数据集,研究了1982-2012年青藏高原生长季月尺度植被生长的时空动态变化,探讨了其与气温、降水量和日照时数等气候因子的响应关系。结果表明：在区域尺度上,除8月外,其他各月份植被均呈增加趋势,显著增加多发生在4-7月和9月;大部分月份的NDVI增加速率随着时段的延长显著减小,表明NDVI增加趋势放缓;在像元尺度上,月NDVI显著变化的区域多呈增加趋势,但显著减少范围的扩张多快于显著增加。4月和7月植被生长主要是受气温和日照时数共同作用,6月和9月受气温的控制,而8月则主要受降水量的影响。长时间序列NDVI数据集的出现为采用嵌套时段研究植被生长变化趋势奠定了前提,而植被活动变化趋势的持续性则有助于形象表征植被活动变化过程、深入理解植被对气候变化的响应和预测植被未来生长变化趋势。由此推测,青藏高原月NDVI未来增加趋势总体上趋于缓和,但在像元尺度显著变化的区域趋于增加。     

京津冀地区植被时空动态及定量归因

作为气候变化的敏感指示器,植被的物候、生长、空间分布格局等特征及其动态变化主要取决于气候环境中的水热条件,因此在气候变化背景下,气候-植被关系成为了全球变化研究的前沿和热点问题。本文综合平均温度、降水、水汽压、湿度、日照时数、SPEI等气候因子,坡度、坡向海拔等地形因子及人为活动因子,应用地理探测器方法针对2006-2015年京津冀地区不同季节NDVI、不同地貌类型区、不同植被类型区生长季NDVI的定量归因研究,揭示了过去10年间植被时空分布格局,及植被对气候、非气候因素响应的季节差异与区域差异,以期为生态工程的建设与修复提供参考意义。趋势分析表明：①2006-2015年京津冀地区NDVI呈现增加趋势,但存在显著的空间差异,如山地生长季NDVI的增长速率大于平原、台地、丘陵等地;②基于地理探测器的定量归因结果表明,降水是年尺度上NDVI空间分布的主导因子（解释力39.4%）,土地利用与降水的交互作用对NDVI的影响最为明显（q=58.2%）;③NDVI对气候因子的响应存在季节性及区域性差异,水汽压是春季NDVI空间分布的主导因子,湿度是夏、秋两季的主导因子,土地利用是冬季的主导因子;④影响因子对生长季NDVI的解释力因不同地貌类型区、不同植被类型区而差异显著。     

青海湖流域植被盖度时空变化研究

高寒区植被变化一直是气候和生态学领域关注的热点问题。本研究基于MODIS NDVI数据计算的植被覆盖度数据和高分辨率气象数据,分析了青海湖流域2001-2017年植被覆盖度分布格局及动态变化,探讨了其对气候变化、人类活动和冻土退化的响应。结果表明：① 近十几年青海湖流域植被覆盖度整体表现为增加趋势,不同植被类型增幅存在差异性,草地增幅最大,达到6.1%/10a,其它植被类型增幅在2%~3%/10a之间;② 流域局部地区仍存在植被退化现象,研究期植被退化面积表现为先增加后减小的变化趋势。2006-2011年重度退化区集中在青海湖东岸,2011-2017年重度退化区集中在流域的西北部,这些区域是青海湖流域荒漠分布区,植被覆盖度较低,是今后生态恢复需重点关注的区域;③ 气候变化是流域植被覆盖度变化的主导因素,气候变化对青海湖流域主要植被类型覆盖度变化的贡献率为84.21%,对草原、草甸和灌丛植被覆盖度变化的贡献率分别为81.84%、87.47%和75.96%;④ 人类活动对流域主要植被类型覆盖度变化的贡献率为15.79%,对草原、草甸和灌丛植被覆盖度变化的贡献率分别为18.16%、12.53%和24.04%,环青海湖地区人类活动对植被恢复有促进效应,在青海湖流域北部部分地区人类活动的破坏力度仍大于建设力度;⑤ 冻土退化对青海湖流域草甸和灌丛植被覆盖度变化影响很小,主要影响草原植被覆盖度变化,冻土退化造成草原植被覆盖度增长速率减小了1.2%/10a。     

基于“DEM-NDVI-土地覆盖分类”的天山博格达自然遗产地山地垂直带提取与变化分析

本文基于Landsat影像数据获取天山博格达自然遗产地土地覆盖分类,结合归一化植被指数（NDVI）和数字高程模型（DEM）构建“DEM-NDVI-土地覆盖分类”散点图分析研究区植被受海拔和坡向的水热空间变化影响的分布特征,通过概率统计分析提取博格达遗产地山地垂直带,并结合研究区的气温、降水数据和NDVI变化特征分析垂直带变化的原因。研究结果表明：① 本文利用“DEM-NDVI-土地覆盖分类”散点图,揭示了研究区1989年和2016年的NDVI值和分类类别随着海拔上升的变化特征,其中NDVI值随着海拔上升呈现“倒U形”变化,而不同分类类别在一定的海拔区间内呈现出聚集效应,且不同分类类别有明显的高程界限。② 1989年和2016年博格达遗产地山地垂直带分带上限分别为：1278 m和1185 m（温带荒漠草原带）、1784 m和1759 m（山地草原带）、2706 m和2730 m（山地针叶林带）、3272 m和3293 m（高山草甸带）、3636 m和3690 m（高山垫状植被带）。③ 博格达遗产地1989年和2016年山地垂直带受区域气温升高和降雨增加的影响有较为明显的改变,其中温带荒漠草原带最为敏感,其上限变化最大,向下收缩93 m;山地针叶林带的分布范围则向两侧扩张49 m;山地草甸带带宽基本保持不变,但整体上移了约20 m;冰雪带则受到全球气候变暖的影响向上退缩54 m。     

A novel dynamic stretching solution to eliminate saturation effect in NDVI and its application in drought monitoring

The normalized difference vegetation index(NDVI) is one of the key input variables for developing drought indices.However,the NDVI quickly saturates in high vegetation surfaces,and thus,the generalization of a drought index over different ecosystems becomes a challenge.This paper presents a novel,dynamic stretching algorithm to overcome the saturation effect in NDVI.A scaling transformation function to eliminate saturation effects when the vegetation fraction(VF) is large is proposed.Dynamic range adjustment is conducted using three coefficients,namely,the normalization factor(a),the stretching range controlling factor(m),and the stretching size controlling factor(e).The results show that the stretched NDVI(S-NDVI) is more sensitive to vegetation fraction than NDVI when the VF is large,ranging from 0.75 to 1.00.Moreover,the saturation effect in NDVI is effectively removed by using the S-NDVI.Further analysis suggests that there is a good linear correlation between the S-NDVI and the leaf area index(LAI).At the same time,the proposed S-NDVI significantly reduces or even eliminates the saturation effect over high biomass.A comparative analysis is performed between drought indices derived from NDVI and S-NDVI,respectively.In the experiment,reflectance data from the moderate resolution imaging spectroradiometer(MODIS) products and in-situ observation data from the meteorological sites at a regional scale are used.In this study,the coefficient of determination(R2) of the stretched drought index(S-DI) is above 0.5,indicating the reliability of the proposed algorithm with surface soil moisture content.Thus,the S-DI is suggested to be used as a drought index in extended regions,thus regional heterogeneity should be taken into account when applying stretching method.     

多源遥感数据的降水空间降尺度研究——以川渝地区为例

大量研究表明,通过传统地面气象站点实测的单点数据,不能有效地反映降水的空间变化特征。目前,以遥感数据获取的降水产品已得到了广泛的应用,但在地形地势复杂区域,遥感降水产品的空间分辨率与数据精度等方面仍然存在着极大的不足。因此,本文以四川重庆(川渝)地区为例,通过建立降水产品降尺度算法,以实现降水产品的降尺度估算,提高降水数据的空间分辨率。依据在不同尺度下(0.25°、0.50°、0.75°和1.00°),TRMM 3B43、地理因子,以及MOD13A3(NDVI)之间存在的相关关系,构建了多元回归模型。通过对比这4种尺度下的回归模型,选择其中精度最高的作为最终的降尺度算法,然后再把这种降尺度算法应用到1 km分辨率下进行降水估算。进一步,以区域差异分析(GDA)和区域比率分析法(GRA)对降尺度估算的降水数据进行校正,并结合部分地面气象站点实测的降水数据进行验证。验证结果表明:降尺度算法是可靠的,能有效提升降水产品的空间分辨率,同时GDA和GRA校正方法能减小误差,进一步提升降水估算的精度,满足区域地表过程应用的需求。     

肾综合征出血热疫情与NDVI的时间关系——以内蒙古自治区大杨树镇为例

利用月度肾综合征出血热发病人数和长时序月度NDVI值的相互关系, 对肾综合征出血热的发病趋势及发病人数进行预测。研究区大杨树镇2001—2005年共有144例完整的HFRS病人资料, 以及同期详细的宿主动物捕获数据。基于Landsat TM影像以及Google earth 影像, 大杨树地区土地利用分为4种类型, 山地、林地、农田以及居民点。各类土地利用类型的NDVI数据由SPOT-4 卫星的 VGT-S10数据集(10d最大化合成的NDVI数据)提供。对HFRS病例与NDVI之间的关系进行图解分析、相关分析和回归分析。研究表明, NDVI的峰值多出现于8月, 而HFRS发病人数的峰值多出现在11月。前朔3个月的农田NDVI值与HFRS病例数之间的相关系数为0.67(P值<0.001)。农田NDVI峰值比HFRS病例的峰值提前了3个月。研究量化了NDVI与HFRS之间的关系, 为HFRS早期预警系统的建立提供了依据。