典型干湿区植被与气候因子的相互响应关系研究

根据中国干湿区分布图,选取典型的干旱地区（额济纳地区）、半干旱/半湿润（关中盆地/黄土高原）和湿润地区（鄱阳湖地区）为研究区域。基于1982～2000年的NDVI数据和1981～2000年3个研究区气象观测资料,探讨了不同干湿分布区植被NDVI与气候因子（温度、降水）之间相互响应关系。结果表明,植被对气候因子的响应关系中,干旱地区（额济纳地区）植被对降水的变化较为敏感;半湿润/半干旱地区（关中盆地/黄土高原地区）植被对温度和降水的变化均较为敏感;而湿润地区（鄱阳湖地区）植被对温度的变化敏感;植被对气候因子的影响中,干旱地区（额济纳地区）前一年冬季植被NDVI与当年夏季温度、降水的分别呈显著的负、正相关;而半干旱/半湿润地区（关中盆地/黄土高原地区）当年植被NDVI与当年温度呈显著正相关。     

北京林业生物质资源空间密度分布计算及加工点选址优化

以研究区域遥感影像数据为基础,利用遥感和地理信息系统工具,计算出归一化植被指数(NDVI);以各区县各林地类型林业生物质资源理论资源总量和NDVI地理图层为基础(NDVI为权数),生成林业生物质资源理论量空间密度分布图层;再利用理论量地理图层计算研究区域林业生物质资源的可用量,最后进行林业生物质资源收集地点和加工地点的选址分析和优化。在选址的定性分析过程中,充分考虑经济和操作可行性,以一系列定性因素作为约束条件,利用GIS的空间数据处理功能,确定出候选区域;在定量分析过程中,以定位配给模型和服务区模型为基础,按照给定的选址分析步骤和优化方法,计算出各候选选址位置(候选区域的质心)的评价指标,用于评价各候选点的优先等级。最后给出了研究区域内生物质燃料加工厂和林业生物质资源收集点的理论上的最优位置,以及现有加工地点和候选加工地点的服务区域。     

变化检测技术在森林采伐监测中的应用

利用变化检测技术从高分辨率遥感卫星影像上提取森林采伐区植被覆盖情况的变化信息,可以实现对森林采伐的监测。主要通过归一化植被指数（NDVI）结合影像差值,对经过校正后不同时相的spot5影像进行植被覆盖变化检测,结果表明,能较好地检测出采伐区变化的地面类型、林班界线,检测出采伐区植被减少的面积与实际采伐面积相比较,精度达到80%以上,检测的效果较好,该方法适用于对森林采伐进行监测。     

基于SPOT-VGT的陕西黄河湿地保护区植被覆盖研究

为了研究陕西黄河湿地省级自然保护区内植被覆盖的动态变化,使用2004—2013年的SPOT-VGT时序数据,采用针对NDVI的最大化合成法、均值统计法和差值法,分析了保护区内植被覆盖的时空分布及其动态变化。结果显示,空间分布上,保护区内植被覆盖较好,特别是南部、西部最好;时间变化上,10年间保护区内的NDVI年均值在波动的基础上呈缓慢增长,其植被覆盖逐年好转;变化特征上,保护区内植被覆盖在北部和中部显著增加,南部情况微有变化,某些局部有退化趋势。     

基于MODIS的2000～2013年巢湖蓝藻水华暴发时空分布特征

[目的]研究2000 ～2013年巢湖蓝藻水华暴发时空分布特征,为巢湖流域水环境的综合治理提供决策支持.[方法]利用2000～2013年长时间序列MODIS遥感影像数据计算归一化植被指数,着重分析巢湖蓝藻水华时空分布特征.[结果]巢湖蓝藻水华总体暴发频率较高,以小面积水华为主,大面积水华暴发具有偶然性.2010年起,蓝藻水华暴发频次和程度有增加趋势,其中2010年水华暴发程度最严重.2000 ～2013年巢湖蓝藻水华发生区域呈扩大趋势,发生时间呈延长趋势.4月就开始出现且伴有大面积水华暴发,7、8、10月是蓝藻暴发主要月份,9月份次之,11月明显减少;蓝藻水华先在西北湖区产生,逐渐向东部和中部蔓延,在高峰期覆盖至整个湖心区域,其中湖区南部、东南和东北沿岸是最后新增的水华区域.[结论]2000 ～2013年巢湖蓝藻水华总体暴发频率较高,发生时间呈延长趋势,发生面积呈扩大趋势.     

黄河源区青海省玛多县2000—2014年NDVI变化及气候驱动因子

[目的]研究黄河源区青海省玛多县2000-2014年NDVI的变化及其驱动因子气候的变化,为玛多县生态环境保护和土地资源规划提供决策依据.[方法]利用玛多县及其周边地区9个气象站生长季气象资料和MOD 13Q1/NDVI遥感影像数据集,采用最大值合成法、趋势分析法和相关分析方法,分析NDVI的变化及气候驱动因子.[结果]近15 a玛多县NDVI整体上呈增加趋势,增速为0.012/10 a;玛多县65.84％区域的植被覆盖保持在基本不变状态,改善区域(27.47％)大于退化区域(6.69％);NDVI与生长季气温和降水均呈正相关关系,其中生长季降水对NDVI的影响更大;研究区内NDVI变化主要受非气候因子驱动影响,占研究区面积的83.61％,受气候驱动影响的面积仅占16.39％,其中,气温降水综合驱动型占3.93％,气温驱动型占2.74％,降水驱动型占9.72％.[结论]2000-2014年非气候因素是影响玛多县植被NDVI变化的决定性因素.     

一种基于趋势单产和遥感修正模型的混合估产模型

【目的】在分析国内外农作物估产方法的相关研究进展基础上,将传统统计估产方法和遥感估产方法相结合,提出一种新的混合估产模型。【方法】该模型由趋势单产、遥感修正单产和随机误差项三部分组成,其中趋势单产利用历史长时间序列的单产统计数据,通过多项式回归的方法结合ARIMA模型修正得到,遥感修正单产利用3个作物关键生育期NDVI和实测单产多元回归得到。为验证所提出估产方法的可行性和精度,利用2015年冬小麦关键生育期的三景环境卫星遥感影像和冬小麦实测地块单产数据以及近30年(1985—2014年)北京市各区县的冬小麦单产数据,对2015年的北京市的冬小麦单产进行估算,与真实值(2015年单产统计数据)对比。【结果】混合估产模型对北京市的冬小麦单产预测精度达到98.7%,各区县估产精度均超过90%,除房山(90.3%)外,各县单产预测相对精度均超过95%;传统趋势单产模型对北京市的冬小麦单产预测精度达到94.75%,但在区县尺度上,传统估产模型预测精度较低,对房山区的估产精度不足80%;引入ARIMA模型可以提高传统趋势单产模型的精度。修正后的趋势单产模型冬小麦单产预测精度平均提高了1.59%。本文建立的遥感修正模型,利用三景遥感影像修正结果最优,此方法使冬小麦估产精度整体提升3.55%,尤其是房山、平谷等区县,精度明显提升。【结论】该模型在市级尺度和县级尺度上预测冬小麦单产均取得较高精度,充分考虑冬小麦时间尺度和空间尺度上的变化,对农作物估产有一定的指导意义。     

基于GIS的喀斯特区域不同岩性基底植被NDVI变化分析

为了探索喀斯特区域植被变化的一般性规律,揭示纯喀斯特与亚喀斯特区域植被效应的差异性。以1:20万地质图为岩性基底,利用2000-2013年SPOT VGT_NDVI数据,通过变化倾斜率、变异系数以及相关分析法,对比分析了不同岩性区植被,NDVI的变化规律及主导因素。研究发现:（1）不同岩性基底上的NDVI值、NDVI变化率及变异系数存在一定差异性,NDVI值表现为非喀斯特区域 > 纯喀斯特区域 ≈ 亚喀斯特区域;年际波动亚喀斯特区域 > 纯喀斯特区域 > 非喀斯特区域;呈增加趋势变化像元比重纯喀斯特区域 > 亚喀斯特区域 > 非喀斯特区域,减少趋势比重相反;各岩性区NDVI分布的差异性由土地覆被差异导致,其中森林和农用地比重贡献最大。（2）10 a时间尺度上植被NDVI变化主要受人为因素影响,与气候变化关系不显著。（3）受岩性控制,亚喀斯特区域生态环境比较敏感,与纯喀斯特相比较更易受人为作用影响。因此在喀斯特区域可持续发展过程中,“亚喀斯特”地质背景上的生态安全更应引起关注。     

河套灌区沈乌灌域GF-1/WFV遥感耕地提取

为提高基于遥感影像的灌区耕地自动快速提取,该文针对河套灌区沈乌灌域种植结构特点,利用实地调查结果、Google earth和GF1-WFV遥感影像构建了研究区主要作物及土地利用类型的NDVI时间序列,并利用HANTS滤波法对NDVI时间序列进行了平滑处理。分别采用基于遥感与Google earth的目视解译、监督分类(支持向量机)、基于NDVI时间序列的决策树分类与监督分类相结合的方法、基于HANTS滤波法平滑处理后的NDVI时间序列决策树分类与监督分类相结合的方法对灌区耕地进行提取。利用基于Google earth与目视解译的10 000个随机验证点以及正确率(用户精度)、完整率(生产者精度)和整体精度(提取耕地面积与实际面积的比值)3个指标对提取结果进行了评价。验证结果表明:监督分类(支持向量机)提取结果的正确率、完整率和总体精度仅为84.82%、64.4%和75.68%;基于NDVI时间序列的决策树分类与监督分类相结合的方法提取精度分别为94.28%、84.21%和89.1%;基于HANTS滤波法平滑处理后的NDVI时间序列决策树分类与监督分类相结合的方法提取精度进一步提高,3个指标分别达到94.47%、87.32%和92.24%。在作物种类繁多的大型灌区,时空分辨率优异的GF1-WFV数据在耕地面积提取上具有很强的实用性;结合作物生长规律与遥感信息的联合方法能够有效提高耕地面积的提取精度。     

基于遥感的甘肃省庆阳市植被物候信息提取

以黄土高原退耕还林还草工程重点区域——甘肃省庆阳市为研究区域,利用1999—2012年的SPOT-VGT NDVI数据,采用Savitzky-Golay滤波和TIMESAT物候提取算法,得到了庆阳市近14 a返青期和枯黄期数据,详细描述了庆阳市物候期时空变化格局。结果表明:庆阳地区近14 a期间返青期日序位于90~188天,东南地区相对于西北地区返青期要早,表现出较强的空间差异性,枯黄期日序位于275~309天,南部地区相对北部地区枯黄期要晚;从时间上来讲,14 a间,庆阳市返青期日序呈降低趋势,在一定程度上呈现出返青期的提前和枯黄期的推迟;空间上来讲,55.46%的研究区返青期变化率基本不变（-1~1 d/a）,49.61%的区域出现了枯黄期的推迟（1~3 d/a）。研究结果与已有的研究较为一致,并详细描述了庆阳市物候期时空变化格局,可为中国北方农牧交错带生态环境评估和保护提供一定的参考。