基于MODISNDVI数据的陕甘宁地区植被覆盖时空变化及其对极端气候的响应

干旱、热浪等极端气候事件对植被生态系统有重要的影响。基于MODIS NDVI数据集、日降水、日平均气温以及最高和最低气温数据,辅以Sen趋势分析、相关分析等方法,分析了2000—2014年陕甘宁地区植被覆盖的时空演变及其对极端气候的响应。结果表明:(1)近15年来陕甘宁地区NDVI呈显著增加趋势(p0.01),其增加速率为0.066/10a,就不同的植被类型来看,草地、灌丛、栽培作物、针叶林和阔叶林均呈现显著上升的趋势(p0.01),其上升速率分别为0.06/10a,0.058/10a,0.077/10a,0.039/10a和0.036/10a;(2)空间上,NDVI呈由东南向西北递减的分布格局,显著增加的区域主要位于榆林、延安等生态工程重点建设的区域;(3)就极端气候指数的变化来看,除TXx外,其他极端气候指数的变化均未通过0.05置信水平检验;(4)在月尺度上,NDVI与极端降水指数(RX5day和RX1day)和极端气温指数(TMAXmean,TMINmean,TNx,TNn,TXn和TXx)存在显著相关性;(5)在季节尺度上,春季和秋季植被NDVI与极端气候指数均存在显著的相关性(p0.01),夏季植被NDVI与极端降水指数呈显著正相关(p0.05),冬季植被NDVI与RX5day呈显著负相关(p0.05);(6)滞后性分析表明月NDVI与极端降水指数(RX1day和RX5day)和极端气温指数(TMAXmean和TXx)前1个月的相关性大于当月、前2个月以及前3个月,表明该地区的植被对这些极端气候指数的响应存在一定的滞后性。     

重庆南部TM图像植被指数与植被覆盖度信息的关系研究

以TM影像为数据源,以重庆南川市为研究区,结合地面调查数据,利用ERDAS遥感处理软件,对植被覆盖度信息提取方法及植被覆盖度与植被指数的关系进行了研究。运用统计分析方法,分析得出研究区植被覆盖度与归一化差异植被指数(NDVI)之间具有显著的相关性,研究结果可为利用遥感资料进行大面积植被覆盖度估算提供了理论依据。     

华北地区干旱时空变化及其对植被NDVI的影响

采用2000-2020年华北地区90个气象站点气象观测数据构建标准化降水蒸散指数（SPEI）,选取30m空间分辨率的归一化植被指数栅格数据提取归一化植被指数（NDVI）,量化植被覆盖情况,采用Sen’s斜率估计、Mann-Kandall检验、相关性分析、Copula-Bayesian条件概率公式等对华北地区植被干旱敏感性进行分析。结果表明：（1）华北大部分地区SPEI值呈极显著增长,华北北部部分地区SPEI值呈极显著下降;华北西部及北部地区NDVI值呈极显著增长,其余地区呈极显著下降;（2）华北地区干旱与植被以不显著空间集聚为主,小部分地区出现干旱与植被呈高值集聚和低值集聚;（3）华北地区总体上年尺度SPEI与NDVI相关性较好,植被对干旱的响应速度较慢,敏感程度较低,河南部分地区月尺度SPEI与NDVI相关性较好,植被对干旱敏感程度较高,NDVI与SPEI的联合分布函数最符合Clayton Copula函数;（4）华北地区植被低覆盖度出现的可能性随着干旱程度减轻而不断减少,较低覆盖度出现的可能性在极旱至中旱时不断增加,从中旱至轻旱时不断减少,植被中覆盖度、较高覆盖度和高覆盖度的可能性...     

基于NDVI象元二分法的植被覆盖变化监测

研究了NDVI象元二分法计算植被覆盖度的精度,并对其适用范围进行了分析。利用2002年、2007年合肥市的TM数据,针对于城市地区的特点,选择合适的NDVIsoil 和NDVIveg,计算各自时相的植被覆盖度,然后采用差值运算方法得到该时段合肥市区植被覆盖度变化数据。对于合肥市来说,在研究时段,植被覆盖度总体呈下降的趋势,下降最为明显的是滨湖新区和包河工业区,下降值分别为16.7%和21.4%,植被覆盖的锐减是由于城市扩张造成的,是一个值得注意的生态问题。与航片调绘结果进行比较,NDVI二分法得到的植被覆盖度对于低植被覆盖区偏高,对于高植被覆盖的林区偏低,两个时相植被覆盖度差值可以消除部分系统误差的影响,具有更高的精度,可以作为植被覆盖监测的重要手段。     

沙漠腹地绿洲植被覆盖度提取及植被指数优选

[目的] 对沙漠腹地绿洲植被覆盖度提取及植被指数优选进行分析和研究，为该区选取最优植被指数反演极端干旱区绿洲植被覆盖状况提供科学依据。 [方法] 选取塔克拉玛干沙漠腹地达里雅布依绿洲天然植被作为研究对象，以无人机航拍样地影像获取的植被覆盖度为基准，采用Sentinel-2B卫星影像提取多种典型植被指数，运用回归统计方法建立植被指数-植被覆盖度统计模型，在卫星像元尺度上确定反演干旱绿洲覆盖度的最优植被指数。 [结果] ①利用Image J软件提取样方植被覆盖度精度较高，总体精度可达88.67%。 ②土壤调节型植被指数(SAVI，MSAVI)在标准回归系数、确定系数评价指标中表现良好，指示极端干旱区天然植被覆盖变化有较好的适用性。 [结论] 在极端干旱区，Image J提取稀疏植被效果较好，SAVI，MSAVI更适合绿洲植被覆盖变化研究。     

基于像元二分模型的沙漠化地区植被覆盖度提取——以毛乌素沙地为例

以ETM＋为数据源，基于植被指数（NDVI）建立像元二分模型，对毛乌素沙地进行了植被覆盖度提取，然后根据实地调查数据对提取结果进行了精度验证，二者线性相关系数达到了0．92，平均精度为79．4％。研究结果表明，基于NDVI的像元二分模型适合于沙漠化地区的植被覆盖度提取。     

延安市1999-2008年植被恢复的成效分析

延安市1999年被确定为退耕还林示范地区,迄今实施退耕还林工程已10余年,研究和监测退耕前后植被覆盖变化就成为退耕还林工程的重要任务之一.选取了SPOT/VGT NDVI数据,借助Erdas和ArcGIS平台,利用一元趋势线模型和植被覆盖度模型对延安市1998-2008年间植被的动态变化进行了分析.结果表明:(1)延安市10a间大部分地区植被恢复情况良好,植被指数明显改善的地区占总面积的21.27％,中度改善地区占61.46％.(2)延安市植被覆盖率呈现为南高北低,该市平均覆盖度为0.519 8.(3)0°～35°坡度之间明显改善和中度改善的面积比例均超过了各自面积的75％,其中15°～25°坡度明显改善面积比例最高,占总面积的35.8％.     

近20年黄河三角洲地区植被覆盖度时空变化及其趋势分析

[目的]探究黄河三角洲地区植被覆盖度的时空动态变化以及植被覆盖度对土地利用变化的响应机制,为地区生态保护、建设与高质量发展提供参考。[方法]基于2000—2019年的归一化植被指数(NDVI)数据和2000—2020年5期土地利用数据,采用slope趋势分析和相关性分析等方法,分析了2000—2019年东营市植被覆盖度的时空动态变化及其对土地利用类型变化的响应。[结果]植被覆盖度在东营市南部地区、黄河沿岸以及黄河故道地区较高,而北部和东部沿海地区较低。在时间上,2000—2019年东营市NDVI为0.25～0.33,植被覆盖度呈现先增加后减少的趋势,在2010年达到最高水平。在空间上,东营市植被覆盖度改善区域面积大于退化区域,其面积占比分别为44.86%,37.94%。[结论]草地和未利用土地向城乡、工矿、居民用地和水域转化是造成植被覆盖退化的主要原因。     

江西省水稻高温热害发生规律研究

利用江西省74个台站1961-2010年6-8月日平均气温、日最高气温和日平均相对湿度资料,采用线性回归法、多项式回归法、Morlet小波分析和数字高程模型(DEM),以探究该区水稻高温热害发生时段分布、年际变化、发生频次的时频特征和空间分布等规律.结果表明,(1)江西省水稻高温热害集中于7月中、下旬和8月上旬,其中7月13-24日为高温热害发生概率最大的时段;(2)1961-1982年高温热害总发生次数呈下降趋势,1983-2010年则呈极显著上升趋势(P＜0.01),不同等级高温热害发生次数的年际变化特点与总发生次数变化相一致;(3)各等级高温热害次数呈现不同时间尺度的周期震荡,轻高温热害表现为准2a、4a、8a左右、15a、25a周期变化,中高温热害以准2a、4a、10a左右、23a的周期震荡表现显著,重高温热害则表现出准2a、6a、准13a、25a的周期震荡;(4)高温热害发生频次的高值区分布于江西东北部、赣州北部、吉泰盆地和赣抚平原,并向周边山区递减.     

1989—2019年库布齐沙漠植被覆盖度的时空变化

[目的]探究库布齐沙漠近1989—2019年植被覆盖度的时空动态变化规律,为库布齐沙漠植被恢复及生态建设提供理论参考和基础数据。[方法]以1989—2019年每5 a为1期(共7期)的Landsat影像为数据源,结合归一化植被指数(NDVI)像元二分法模型,利用ENVI 5.3和ArcGIS 10.2分析库布齐沙漠1989—2019年植被覆盖度(FVC)时空动态变化特征。[结果](1)在时间变化上,近30 a间库布齐沙漠植被覆盖度整体呈增长趋势,平均植被覆盖度由0.104增长到0.243。在空间分布上,库布齐沙漠植被覆盖度呈现由西向东、向北增加的特征。(2)库布齐沙漠植被覆盖在1999—2004年和2009—2014年均呈现退化趋势,平均植被覆盖度分别减少0.053和0.054,退化面积分别为3 870.22和6 093.59 km~2,退化程度均以植被覆盖度减少10%～30%为主。[结论] 1989—2019年库布齐沙漠植被覆盖度总体有所改善,未来该区生态修复重点关注低植被覆盖区域。     

基于HJ-1 CCD的夏玉米FPAR遥感监测模型

以山东禹城为研究区,利用我国自主研发运行的HJ-1卫星数据,计算了4种植被指数（NDVI,RVI,SAVI,EVI）,结合同步观测数据,对植被指数与实测FPAR进行回归分析,比较4种植被指数模型对夏玉米FPAR的估测精度,结果表明各植被指数与FPAR均具有较高的相关性,整个研究区NDVI具有最高的反演精度,对估算夏玉米FPAR的最优模型进行验证,得出模型的平均误差仅为3.8%,模型达到了较高的精度。利用HJ-1 CCD反演了山东禹城9月的FPAR。     

2000-2013年江苏省不同植被类型NDVI时空变化特征

基于2000—2013年美国国家航空航天局（NASA）发布MODIS NDVI数据产品,运用最大值合成法、趋势分析法和稳定性分析法,对江苏省近14年来不同植被类型时空变化特征进行了分析。结果表明:（1）江苏省整体植被覆盖呈下降趋势,下降速率为0.000 8/a。水田、草地呈下降趋势,水田下降趋势明显,下降速率为0.002 1/a,旱地和林地呈上升趋势,旱地上升趋势较大,为0.001 5/a;（2）近14年江苏省植被退化面积占总面积的32.21%,主要集中在城市中心区和沿江沿海环湖地区。水田退化面积呈由南往北,由东往西逐渐递增的空间分布特征,旱地退化面积主要分布在苏北地区;（3）近14年江苏省植被表现出较好的稳定性,变异系数小于10%的面积占总面积的86.97%,林地、水田和旱地稳定性较好,草地稳定性最差;（4）近14年江苏省植被NDVI、植被变化趋势与植被稳定性在空间上表现出较好的耦合性,植被NDVI高、稳定性高的地区植被以轻微改善和中度改善为主,植被覆盖度低、稳定性较差地区以轻度退化和中度退化为主。     

江苏省植被覆盖动态变化及其与气候因子的关系

[目的]研究2000—2013年江苏省植被覆盖状况的时空分布特征,并从年际和季节尺度上分析植被覆盖的空间变化特征以及NDVI与气温、降水量的相关关系和滞后性,以期为区域生态环境监测、生态环境保护和植被可持续发展提供参考。[方法]运用美国国家航空航天局(NASA)发布的2000—2013年MODIS 13Q1级产品(归一化植被指数)和江苏省1999—2013年各气象站点气象资料,采用最大值合成法、趋势线分析法、Person相关分析法和偏相关分析法。[结果](1)14a来,江苏省植被NDVI整体上呈下降趋势,且在时间和空间尺度上有所差异;(2)由于气温、降水量、厄尔尼诺和拉尼娜等事件的影响,NDVI在年际和季节间呈波动性变化;(3)NDVI对降水变化响应的滞后期为1个月,NDVI基本同步于相应气温的变化,仅夏季滞后期为1月。[结论]从时间尺度上看,年际、秋季,NDVI呈下降趋势,而春夏季,NDVI呈上升趋势;从空间尺度上看,江苏省西部的植被覆盖程度明显优于东部沿海和长江中下游平原。NDVI在年际和季节尺度上与气候因子的相关性显著,且与气温的相关性最好。     

2001-2013年宝鸡地区植被NDVI对气温和降水量的季节响应特征

[目的]研究2001-2013年陕西省宝鸡地区植被变化与气温和降水量的时空变化特征及其相关性,为区域农业发展和区域生态文明建设提供有力支撑.[方法]基于2001-2013年宝鸡地区气温和降水量数据,利用MODIS NDVI数据和11个气象站点实测数据,结合实际调查,采用一元线性回归、标准化处理、相关分析等方法,基于季尺度、参照年尺度分析宝鸡地区植被覆盖季节时空变化及其与气温和降水量的相关性.[结果]夏季植被NDVI增加趋势最为明显,其次为秋季,冬季植被覆盖最差;宝鸡地区四季标准化值NDVI与气温、降水量的变化趋势相接近,其最大值点的出现时间与气温和降水量基本对应.同一季节NDVI与气温的相关系数均高于NDVI与相应季节降水量的相关系数(除夏季);春季NDVI与冬季气温(-0.592)、夏季NDVI与春季降水量(0.640)之间显著相关,表明近13 a来春季植被覆盖变化与冬季气温、夏季植被覆盖与春季降水量的变化较为一致,NDVI与降水之间的滞后关系为0～3个月.[结论]2001-2013年宝鸡地区年均、季NDVI整体均呈增加趋势,8月植被覆盖变化与降水量的变化较为一致,降水量较气温对8月植被生长影响强烈.     

基于信息扩散理论分析华北平原夏玉米花期高温热害的风险概率

利用1980−2019年华北平原40个站点的气象数据,将夏玉米花期日最高气温≥35℃持续3d及以上作为高温指标,综合考虑频次和持续时间,制定轻度、中度、重度高温热害等级;利用灾害发生次数和站次比分析夏玉米花期高温热害的变化规律;基于信息扩散理论评估高温热害风险概率,为科学应对夏玉米花期高温热害,保障夏玉米的高产稳产提供依据。结果表明：（1）2010−2019年是华北平原夏玉米受花期高温热害影响加重的阶段,呈现连年发生、范围明显扩大的特征,河南省表现明显。（2）夏玉米花期高温热害高风险区主要为山东西部和河南省,山东西部以轻度热害为主,风险概率在10a一遇以上（≥10%）。河南省受灾范围广、频次高、程度重,重度高温热害的风险概率在10a一遇以上（≥10%）的面积占比为66%,5a一遇以上（≥20%）的面积占比为18%。     

黄土高原地区植被变化及其对极端气候的响应

[目的]研究黄土高原地区植被变化及其对极端气候的响应,为减缓和应对气候异常提供科学依据。[方法]基于1982—2017年遥感影像数据和气象数据,采用趋势分析、相关分析等方法,研究黄土高原地区植被时空变化及其对极端气候的响应。[结果] 1982—2017年期间,黄土高原NDVI以每年0.37%的速率呈显著的增加趋势(p0.01);空间上,NDVI呈现从西北到东南递增的空间分布格局。极端气候指数变化中,极端气温指数变化趋势较为一致,即表征极高温事件的极端气温指数呈极显著的增加趋势,表征极低温事件的指数呈现显著的下降的趋势,而极端降水指数未发生显著变化。NDVI年际变化与极端气温指数FD_0,TMAX_(mean),TMIN_(mean),TN_(10p),TN_(90p),TR_(20),SU_(25)均呈极显著相关(p0.01);四季NDVI变化与极端降水指数均未表现出明显的相关性,但与极端气温指数显著相关且春季和夏季的相关性高于秋季和冬季;月尺度上,NDVI与极端降水指数(RX_(1day),RX_(5day))和极端气温指数(TMAX_(mean),TMIN_(mean),TN_(90p),TX_x,TN_n)呈显著的相关性(p0.01)。NDVI与极端气温指数TMAX_(mean),TN_(10p),TN_(90p),TX_x前1个月的相关性大于当月、前2个月、前3个月的相关性。[结论]黄土高原地区NDVI呈显著增加的趋势,年际和月际NDVI变化与极端气温指数存在相关性,而与极端降水指数均未表现出明显的相关,且黄土高原地区的植被覆盖变化对极端气候的响应存在一定的滞后性。     

1999—2018年河南省植被覆盖时空演变分析

为了研究河南省植被覆盖的时空演变特征,利用slope趋势分析、典型地市分析、典型年份和月份分析、土地利用类型改变对植被覆盖的影响分析等方法,分析了1999—2018年河南省植被覆盖时空演变特征。结果表明:(1)河南省西部和南部植被覆盖改善十分明显,河南省北部和东部有轻微改善,而河南省中部植被覆盖有所退化;(2)河南省NDVI分布具有较强的空间差异性,从南北向来看,NDVI均值中部最低,南部最高,北部次之。从东西向来看,NDVI均值中部最低,东部最高,西部次之。河南省NDVI平均值在空间上呈现两头高中间低的趋势;(3)河南省月尺度的NDVI呈现出明显的季节性,最高值出现在夏季8月,最低值出现在冬季1月。(4)居民用地的增加影响着河南省的植被覆盖状况,并且呈负影响;(5)河南省自从实施“退耕还林”政策后,耕地明显减少、林地增多。由此可以得出,1999—2018年河南省总体植被覆盖率改善,NDVI值增加。     

山东降水时空分布变化及其影响因素

基于山东省18个气象台站1981-2010年30年逐日降水资料,利用反距离加权、Mann-Kendall非参数检验法、皮尔逊相关系数和小波分析等方法,综合起来对30 a来山东地区降水的时空分布特征及其影响进行了研究。结果表明:空间分布上,泰山、日照和石岛地区为多雨区,年降水量达740 mm以上;莘县、惠民县和东营等地为少雨区,年降水量500~550 mm。降水量沿海大于内陆,山区大于平原。时间分布上,年降水量呈现上升趋势,沿海地区降水上升幅度普遍大于内陆地区,其中威海上升幅度最大,高达9.71 mm/a。分季节来看,春夏季和全年保持一致,降水呈上升趋势,秋冬季部分站点呈现下降趋势,其中秋季最为明显,东南沿海和鲁南地区出现大面积负值区。突变检验可以看出,在1997年左右山东年降水量有一次显著的突然上升的过程。分析表明,山东地区降水变化与南方涛动和东亚夏季风之间有相似的震荡周期,在空间上存在一定的响应关系,但存在明显的区域差异。     

青藏高原草地植被秋季物候动态及其对极端降水的敏感性分析

[目的]草地植物物候是陆地生态系统对气候变化响应的最显著和最敏感的指标,研究其变化对于理解和预测陆地生态系统的显著变化非常重要。[方法]基于1986—2015年的GIMMS NDVI提取了草地生长季末期(end of growing season,EOS),探究了30年间青藏高原草地EOS时空动态及其对不同极端降水指标的敏感性情况。[结果]近30年青藏高原西北边缘草地EOS集中在9月底,西南边缘和东南边缘集中在11月上旬。喜马拉雅山脉和横断山脉是整个区域EOS最晚地区,昆仑山脉以北和柴达木盆地及周围地区是EOS最早区域。EOS以推迟趋势为主,推迟速率集中在0～1.5 d/a。EOS变化相对稳定,但在唐都拉山脉以东、横断山脉和喜马拉雅山脉东部地区波动性相对较大。未来一段时间内草地EOS变化趋势与过去30年变化趋势相反。降雨强度(SDII)对高山亚高山草甸植被EOS负影响最大,低强度降雨天数(R10MM)对其正影响最大。高山亚高山草原EOS主要受到SDII、中度强度降雨天数(R20MM)的负影响和最长连续湿润天数(CWD)的正影响。荒漠草原植被主要受到CWD的正影响和R20 MM,SDII的负影响。平地草原EOS对SDII的负敏感性较高。山地草甸EOS对最大1 d降雨量(RX1DAY)正敏感性最高。[结论] 青藏高原不同草地植被秋季物候对不同极端降水事件变化的响应呈显著的空间异质性,如较高海拔的高山亚高山草甸和高山亚高山草原的EOS受SDII和R20MM的负影响较大,而干旱区域的荒漠草原与SDII和R20MM呈正相关。研究提供了植物秋季物候如何在未来气候变暖的情况下,极端降水事件增加的情况下青藏高原草地植被秋季物候可能会呈何种变化,可为青藏高原植被草地生长监测、应对气候异常保护策略制定和构建稳定生态屏障提供指导意义。     

江西省信江流域极端降水时空变化特征

随着全球气候变化加剧,极端降水事件对人类社会造成严重影响。基于江西省信江流域1960—2005年逐日降水数据,利用ClimDex模型与集合经验模态分解法（EEMD）分析信江流域极端降水指数时空分布特征。结果表明:各类极端降水指数呈不同程度上升趋势,其中以极端降水量（R95P）上升趋势最为显著。经EEMD分解得出各项极端降水指数的IMF分量,具体表现出2.56~2.88 a,5.11~6.57 a,9.20~11.50 a和22.59~36.48 a的准周期,其中以IMF1方差贡献率最大,IMF3的振荡周期较为显著。在3种典型年的极端降水事件空间分布上,五日最大降水量（RX5day）和极端降水量（R95P）呈中部略高于周边地区,且极端多水年高于平水年和极端少水年,表明流域中部地区极端多水年的极端降水事件发生频率相对较高。