北方农牧交错带植被对气象因子变化的响应规律研究

研究了2001—2013年我国北方农牧交错带内表征植被生态特征的归一化差值植被指数(NDVI)、总初级生产力(GPP)时空变化规律,分析了研究区该时间段内的温度、降水量变化特征,利用Pearson相关系数法分析了不同植被类型对气象因子的响应规律。结果显示:研究区内生长季的植被生态状况与温度呈负相关、与降水量呈正相关;非生长季的植被生态状况则相反,其生态状况与温度呈正相关、与降水量呈负相关。这是因为生长季温度高于最适温度会抑制增长,而干旱地带的降水会促进植被生长;而非生长季气温较低,温度的增加会对植被有明显的促进作用,而降水量并不是影响植被生态状况的主要因素,植被对其响应也并不明显。     

2000-2016年辽宁省NDVI时空变化及其与降水量的关系

为了开展辽宁地区的生态环境保护和干旱预警,基于MODIS遥感影像的MOD13A2数据,对辽宁省2000-2016年归一化植被指数(NDVI)的时间变化和空间变化进行分析,并研究归一化植被指数与降水量的相关性.结果表明:辽宁省NDVI的空间分布区域性较为明显,呈现出东部最高、中部和南部次之、北部较低、西部最低的特点.辽宁省年均NDVI值的年际变化总体上呈现波动上升的趋势,植被覆盖度呈增加的状态.NDVI年内存在季节变化,且呈现单峰型.最大值和最小值基本上分别发生在7月和5月.辽宁省NDVI与降水量两者有相关性,且与降水量存在一定的滞后性.     

2000—2012年科尔沁沙地植被与气候因子间的响应关系

利用2000—2012年气温、降水量、归一化植被指数（NDVI）数据,对科尔沁沙地气候与植被变化特征及其定性与定量响应关系进行了分析。结果表明,研究区植被长势自东向西逐渐变差有28.56%的面积呈变差趋势,其余呈变好趋势;多年植被长势呈变好趋势,降水呈微弱增加趋势,气温变化趋势不明显。累积2~3个月降水量、当月及平均2~3个月气温对植被影响较大;降水量增多、年内4—11月份气温升高、4—8月份单月年际变化中4月最低气温升高和6—8月份平均、最高气温降低,均促进植被生长;水热同期比单独因子变化对植被影响更大。NDVI在0.03~0.33时受气温影响显著;在0.33~0.43时受降水量影响显著;在0.43~0.62时受水热共同影响显著;在0.53~0.62时气温升高会抑制生长。当降水、气温分别在一定范围内变化,或在一定范围内变化时的水热共同作用下,NDVI响应于一定范围,且部分响应范围间有共同的重叠响应区域。     

滇池流域NDVI动态变化特征及其对气候的响应

归一化植被指数（Normalized Difference Vegetation Index,NDVI）是反映森林植被变化的重要参数,分析滇池流域NDVI的变化趋势及其影响因素,对准确评估该流域近年来植被覆盖及变化情况,分析气候驱动力因素具有重要意义。采用两种数据集:中国科学院计算机网络信息中心地理空间数据云平台2000—2015年的全国合成产品;美国国家航空航天局2020—2021年的MOD13A2产品。使用趋势分析法分析滇池流域NDVI的年际和年内变化。在中国气象数据网下载1999—2015年滇池流域降水和平均气温的数据,结合NDVI数据,分别分析NDVI与降水、温度的相关关系。研究结果表明,2000—2015年间滇池流域年际和年内的春季、秋季及冬季NDVI均呈增长趋势,而年内夏季NDVI呈下降趋势。但2020年滇池流域NDVI较小,且在年内呈季节性变化趋势。滇池流域不同区域植被空间分布差异明显,整体上呈现由南向北,由西向东逐渐增大的变化趋势。NDVI较高的地区集中在流域上游,而水体及其周围地区植被覆盖较低,且水体及其周围的NDVI呈减小的趋势。滇池流域的降水量和平均温度均呈波动性变化,且2000—2015年的降水量呈明显的下降趋势。通过相应的偏相关分析发现,降水量和平均气温对NDVI均表现出正相关关系,并且相关性最强的是前期（气象因素相比于NDVI提前一个季度的时间）情况的平均气温和NDVI。总体上,2000—2015年滇池流域的NDVI在时空上呈增长趋势,但2020年滇池流域的NDVI较小;在气候响应方面,3个月前的平均气温变化对NDVI的变化起主要影响作用。      

贵州省2001—2015年植被覆盖NDVI时空演变及其对SPEI的响应

引起植被覆盖变化的气候因子占据主导地位。研究探讨了贵州省近15年来植被指数长时间序列的变化特征、基于标准化降水蒸散指数（SPEI）的干旱时空变化特征及两者之间的相关关系,可为区域植被覆盖保护与恢复提供一定的理论依据。选择2001—2015年MODIS NDVI（1 km）及19个气象站点气温、降水数据,采用一元线性回归的方法探究贵州省近15年来植被覆盖NDVI在年、月尺度下时空演变特征,及其与气温、降水和标准化降水蒸散指数（SPEI）的相关关系。结果表明:贵州西北至东南地区多年平均NDVI呈低中高分布格局,p<0.01上的生长速率为0.051/（10 a）,呈显著增加的趋势;多年平均气温、降水量的空间分布从西北到南方向呈现出低-中-高的特征,其易发生干旱的地区主要集中在贵州的西北地区,干旱在区域内的空间差异较大,黔西北、黔西南地区为易旱集中区;年均NDVI与年均SPEI、年均气温和年均降雨量的相关系数均为正值,表示NDVI与其响应因子具有一定的相关性,但与SPEI的相关性不显著,与气温和降水的相关性在p<0.01上呈显著性的正相关,且相关系数均大于0.5以上,相关程度较高;1—6月大致（p<0.01显著）呈现不显著的负相关,7—9月和11月表现为除9月（p<0.01显著）外均呈现不显著的正相关。      

雅鲁藏布江流域NDVI与降水量时空分布特征及其相关性分析

结合归一化植被差异指数NDVI与降水量数据,利用突变分析将整个流域划分成高程3 523 m以下、3 523~5 000 m和5 000 m以上3个分区;并基于Arc GIS平台,分析了年尺度和生长季3个高程区域内NDVI的分布特征及其变化趋势,同时还对两种时间尺度上NDVI与降水量的相关性进行了探讨。结果表明,NDVI与降水量总体均呈现随高程增加而减少的分布特征,且高程3 523 m以下、3 523~5000 m和5 000 m以上分区内样点NDVI总体分别位于[0.6,0.8)、[0.2,0.6)、[0,0.2)之间;流域内高达90%的样点年尺度和生长季植被呈改善趋势,最大趋势系数达0.94。此外,流域内NDVI与降水量以负相关关系为主,高程5 000 m以上区域表现尤为显著,年尺度上二者最大负相关系数达-0.73,整个流域内年NDVI与降水量呈负相关关系的61%样点中有30%样点分布于高程5 000 m以上区域内。通过探究具有显著高程差异的雅鲁藏布江流域NDVI时空分布特征及其与降水量的关系,以期为高海拔缺资料地区植被分布规律及其与气象因子关系研究奠定基础。     

基于RS与GIS的保定市植被覆盖度动态变化

以1991、2004和2015年3个时相的TM/OLI遥感影像为数据源,利用基于归一化植被指数（NDVI）的像元二分模型估算保定市植被覆盖度,对其进行等级划分,并分析其时空变化特征。结果表明,1991—2015年,保定市植被覆盖度整体呈现下降的趋势,且不同区域存在差异现象。低植被与中低植被覆盖区面积整体呈增加趋势,而高植被覆盖区面积呈降低趋势。在4个研究分区中,保定市主城区植被覆盖度下降最为明显,1991—2015年的25年间,植被覆盖率下降了12.76%,平均每年下降约0.5%。研究发现,城市开发与建设及其导致的农用地减少等是植被覆盖度变化的主要原因。      

基于NDVI与EVI的作物长势监测研究

基于2015年大气校正后的时间序列Landsat8影像,研究了归一化植被指数NDVI与增强型植被指数EVI随植被覆盖度增加的变化规律,定量分析了二者监测低、中、高植被覆盖的差异,比较分析了NDVI和EVI分布频率曲线差异及时间序列曲线差异。结果表明:地表刚出现植被时,NDVI和EVI的增加速度最快,随着地表植被覆盖度的增加,NDVI与EVI的增加速度减缓。低植被覆盖下NDVI的增加速度大于EVI,中等植被覆盖下NDVI和EVI的增加速度接近,高植被覆盖下NDVI的增加速度小于EVI,不同植被覆盖下的NDVI值始终大于EVI值。NDVI和EVI分布频率曲线能描述不同植被覆盖度像元数量和随时间的变化。NDVI和EVI时间序列曲线能清晰反映一种作物的长势变化规律及不同作物在同一时期的长势差异。在作物生长初期或低植被覆盖下,NDVI、EVI都偏高估计植被覆盖度,NDVI估计值略高于EVI的估计值。在作物生育中期或中等植被覆盖下,二者对植被描述能力相似。在作物生育高峰期或高植被覆盖下,监测作物长势变化EVI比NDVI更敏感。综上所述,监测作物时可根据作物生育期植被覆盖度变化特点合理选取NDVI和EVI植被指数,也可同时选用NDVI和EVI两种植被指数互为补充。     

归一化植被指数对陆地水储量和降水变化的响应研究——以塔里木河流域为例

利用美国国家航空航天局(NASA)提供的MODIS归一化植被指数(NDVI)数据,探讨了2003-2013年10 a间塔里木河流域NDVI的时空动态分布情况,辅以根据GRACE重力场恢复与气候实验重力卫星和TRMM热带降雨测量使命卫星数据所反演的陆地水储量和降水量数据,研究了10 a间塔里木河流域植被覆盖变化对陆地水储量变化的响应。结果表明:(1)春季NDVI最大值为0.033 67,最小值为-0.010 13,夏季NDVI值最大值为0.617 39,最小值为-0.111 72,秋季NDVI最大值为0.563 38,最小值为-0.047 11,冬季NDVI最大值为0.281 61,最小值为-0.078 64;植被NDVI呈现出夏季秋季冬季春季的规律,离河道越近,植被覆盖度也就越高,同时,植被覆盖度指数会随着越靠近沙漠、戈壁而逐步降低。(2)10 a间NDVI呈现大范围的降低趋势,只有少许范围内具有显著的增加趋势;陆地水储量和降水量的变化趋势,从西北向东南方向呈现出由急剧降低逐步递增为急剧增加。(3)区域A、B、C、D 10 a间NDVI的变化趋势分别是较为复杂、微弱降低、微弱增加和非常显著的增加。(4)降水量与NDVI之间呈现正相关关系,但影像有明显的时滞性,降水量与NDVI之间呈现负相关,植被NDVI与陆地水储量呈负相关,但是对NDVI的影响明显比陆地水储量对NDVI的影响更为显著。     

鄂尔多斯市近10年植被变化及其与降水的响应关系

利用EOS／MODIS卫星遥感数据,对鄂尔多斯市2002-2012年地表植被指数及变化成因进行了分析。鄂尔多斯市近11年来NDVI虽具有一定的波动性,但整体呈明显的增长趋势,与降水量呈现显著的正相关关系。NDVI大于0.4以上的面积逐年增加,表明该地区植被覆盖率逐年增加,生态环境得到有效改善。分析其主要原因,在于生态建设政策及资金投入力度的大幅增加。     

中国区域植被对降水异常的时空响应特征

【目的】分析中国植被生长对降水异常的响应方式及其强度。【方法】基于1982―2015年GIMMS-NDVI和高分辨率栅格气候数据,采用二阶偏相关和时滞相关分析方法,研究了中国区域植被生长对降水异常响应的时空模式。【结果】①中国生长期植被NDVI呈显著的上升趋势,上升幅度为0.000 7/a,而降水年际间波动较大,整体趋势并不显著;②NDVI与降水异常的偏相关系数呈现显著的空间差异性,内蒙古中东部植被生长受降水异常的影响最为显著;③总体而言,植被生长对前1个月降水异常的响应最强烈,并且与超过3个月累积的降水异常相关性最强,而受同期降水异常的影响并不明显。【结论】降水变化对半干旱区植被生长活动影响最大;同时,不同植被类型的地区,植被对降水异常的响应模式存在显著差异,相比于灌木和草地,森林受降水异常的影响更小,且响应更迟缓。     

城市水源地植被覆盖度遥感估算与时空变化动态分析

选取云南省昭通市渔洞水库流域1996~2012年6期TM/ETM影像数据提取归一化植被指数（NDVI）,根据像元二分模型利用不同时期NDVI计算了流域植被覆盖度,得到渔洞水库流域植被覆盖度分级图。结果表明：该区域1996~2012年间植被覆盖度变化明显,平均植被覆盖度从1996年0.306增加到2012年0.356,增加值为0.05,植被覆盖度增加区域的面积达到412.440km2,约占流域总面积的58.17%。其中2000~2008年间为植被恢复期,植被覆盖度呈现持续增长趋势,2008~2012年间为植被退化期,植被覆盖度持续减小。1996~2012年间,高植被覆盖度区域增加显著,主要分布在流域东部、中偏西部以及东南部地区,而2008~2012年间流域西北部地区植被覆盖度等级有明显下降情况,且历年来高植被覆盖度集中的东部地区也呈现植被覆盖度等级明显下降的情况。     

清镇市1985—2015年气候变化特征分析与粮食产量相关性

【目的】明确清镇市1985—2015年气候变化特征与粮食产量的相关性。【方法】利用清镇市1985—2015年逐年平均气象数据(风速、海平面气压、降水、平均气温、日照时间、相对湿度、蒸发量),通过M-K检验、小波分析、HP滤波、RDA等方法,分析了气候变化特征及其与产量间的相关性。【结果】气温升高极显著,1994年、1997年出现突变,其他因子呈降低或减少趋势,日照时间突变最频繁;各因子振荡周期不一,变化周期以28 a最突出,目前除气温处于偏高期外,其他因子均处在偏低期;气候变化对粮食产值的影响有正有负,正影响最大值出现在2009年,在1990年和2011年负作用力达到最大。【结论】Monte Carlo Test表明,气候因子均与产量之间显著相关(P<0.05),粮食产量的43.3%能被选取的气候因子解释,气候产量与降水量、气温以及相对湿度正相关,与风速、海平面气压、蒸发量、日照时间负相关。     

基于人工神经网络的雅鲁藏布江流域NDVI预测模型

雅鲁藏布江流域既是生态资源的宝库,又是全球气候变化的敏感区。研究基于2000-2015年的MODIS数据和30个地面站点气象数据资料,在分析雅鲁藏布江流域的NDVI归一化植被指数时空变化特征的基础上,分别采用偏相关分析和主成分分析法,辨识了影响各子流域NDVI变化的主导气候因素,并此基础上构建了基于人工神经网络的雅鲁藏布江流域NDVI预测模型。结果表明:①雅鲁藏布江流域NDVI整体上呈现出从流域的上游到流域的下游逐渐增加的趋势;②主成分分析(PCA)和偏相关分析(PAR)的结果表明,降雨和气温的影响主要集中在前3个月且气温的影响大于降水;③分别构建了ANN-PCA、ANN-PAR和ANN模型,其率定期NASH效率系数平均值达到0.75,0.71,0.63,验证期平均达到0.73,0.69,0.62。结果表明,因子筛选能够显著提高模型精度,所建的模型精度较高,能够较好的模拟和预测雅鲁藏布江流域的NDVI时空变化趋势。