基于地理探测器模型的珠三角植被覆盖度时空变化驱动力分析

[目的]探究珠三角植被覆盖度空间分布和时空变化的驱动力,为该地区生态环境的保护提供科学参考。[方法]基于Landsat 5 TM和Landsat 8 OLI数据,利用像元二分模型反演珠三角2000,2005,2010,2015和2020年5个时期的植被覆盖度,分析珠三角植被覆盖度的空间格局和时空变化的过程。并结合5个时期的年降水量、年均温度、人口密度和土地利用,采用相关系数和地理探测器等方法开展研究。[结果](1)珠三角植被覆盖度在空间上表现为中部较低,边缘区域较高的分布格局,在佛山市、中山市、珠海市、广州市西南部、东莞市和深圳市较低,肇庆市、江门市和惠州市较高。植被覆盖度总体上表现为改善的趋势,改善的面积比例为64.99%,在时间上存在阶段性的差异,2010—2015年期间高植被覆盖度(80%以上)增长的面积最明显;(2)影响因素对植被覆盖度的驱动有明显的区域差异性,年降水量和土地利用程度起抑制作用的面积大于起促进作用的面积,年均温度和人口密度起促进作用的面积大于起抑制作用的面积;(3)植被覆盖度空间格局因子探测表明土地利用程度的解释力最强,交互探测表明年均温度与土地利用程度交互作用...     

四川省2009—2020年植被覆盖度时空变化遥感动态监测

[目的]监测和分析四川省2009—2020年植被覆盖度时空变化特征,为定量评估区域生态环境提供重要的基础研究数据,也为城市规划及可持续城市发展提供科学参考。[方法]借助Google Earth Engine云计算平台,获取了2009—2020年四川省Landsat系列影像,利用像元二分模型对研究区植被覆盖度进行了定量估算。[结果](1)2009—2020年间,四川省主要以高、中高植被覆盖度为主,其面积可达全省面积的80%,而低、中低植被覆盖度面积所占比例低于10%。(2)从空间上分布,四川省植被覆盖度空间差异比较明显,植被覆盖度较低区域主要分布在成都平原经济区及川西部分地区;(3)从空间变化特征上分析,2009—2020年研究区的植被覆盖度整体呈现基本稳定趋势(44.39%),植被覆盖度改善的区域面积(30.78%)大于植被覆盖度退化区域(24.82%),其中明显退化区域面积所占比例最少,仅占全省面积的4.96%。[结论]总体上,2009—2020年四川省的植被覆盖状况良好,以高、中高植被覆盖度为主,植被覆盖度呈现基本稳定趋势。     

1986—2021年彬长矿区植被覆盖度时空变化及其影响因子

[目的] 分析彬长矿区植被覆盖度变化特征及空间分布影响因素,判别矿区的生态状况断,为矿区复垦和生态恢复提供科学参考和理论依据。[方法] 基于Google Earth Engine云平台,获取1986—2021年30 m分辨率Landsat Surface Reflectance Tier 1 Data（地表反射率数据）,基于像元二分模型,采用趋势分析法、F检验等方法对彬长矿区植被覆盖度多年时空变化作出定量分析;在此基础上运用地理探测器对植被覆盖度的空间分异性进行地理因子解析。[结果] ①1986—2021年彬长矿区植被覆盖度改善状况较好,总体呈现增长趋势,平均增长率为0.64%/a;研究区多年平均植被覆盖度水平较高,中覆盖度及以上面积占87.14%,空间分布上呈现“东南高,西北低”的特点。②植被覆盖度变化趋势上,研究区以显著改善区域为主,其面积所占比例为56.65%,但仍有些许地区植被显著退化,主要集中在靠近城市河流道路区域。③各因子对植被覆盖度的影响大小排序为：坡度>高程>年降水>GDP>人口密度>年均温>植被类型>土壤类型,坡度与年降水交互作用对植被覆盖度空间分异性影响最强。[结论] 1986—2021年彬长矿区植被覆盖状况良好,整体呈现显著增长趋势,植被改善情况明显,坡度为影响研究区植被覆盖度空间分异性的主导因子。     

长白山区植被覆盖度时空变化及地形分异研究

[目的] 探究长白山区植被动态变化及其与地形的响应关系,为山区生态环境保护与治理提供科学支撑。[方法] 基于MODIS NDVI与DEM数据,采用像元二分模型估算长白山区2000—2020年植被覆盖度,运用Sen+Mann-Kendall趋势分析、空间自相关分析及重心迁移模型,结合地形面积差异修正系数,深入解析植被覆盖度时空演变特征,并定量揭示植被覆盖变化在高程、坡度、坡向因子上的分异效应。[结果] ①时空分布上,2000—2020年长白山区植被覆盖度以0.023 7/(10 a)(p＜0.001)的速率增长并于2010年发生明显的上升突变,呈“四周高,中间低”的分布格局,整体处于较高水平。②时空变化上,2000—2020年长白山区植被改善区域面积远大于退化区域面积,呈以“高—高”模式为主的显著聚集状态,但聚集程度波动下降;21 a间植被覆盖重心整体向西南迁移。③地形分异上,长白山区植被覆盖度随海拔、坡度升高均表现为先增加后减少趋势,不同时段下海拔＜600 m,≥1 200 m及坡度＜2°,≥25°区域植被普遍呈退化趋势,海拔600~1 200 m及坡度2°~25°范围内以改善或稳定趋势为主;平地区域植被退化趋势明显,其他坡向上各变化类型差异较小。[结论] 近21 a来长白山区植被状况总体向好发展,不同高程和坡度条件下植被变化空间分异明显,而坡向对植被变化的影响并不显著。     

2000-2018年乌海市植被覆盖度时空变化

为了探究乌海市植被覆盖度时空动态变化特征以及预测NDVI变化趋势,基于Lantsat OLI/TM/ETM,DEM影像运用像元二分模型法、趋势分析法研究了乌海市2000—2018年植被覆盖度时空动态变化特征,重标极差(R/S)分析法的Hurst指数预测了乌海市未来NDVI变化趋势。结果表明:(1) 2000—2018年乌海市植被覆盖度整体呈现上升趋势,增长速率为0.07%/10 a,植被覆盖度均值由22.26%增至41.30%;(2)空间上植被覆盖度呈现由西北向东南逐渐递增的趋势,植被覆盖度改善的区域大于退化区域,海南区改善趋势更明显;(3)从地形因子来看,植被覆盖度受高程、坡度影响较大,不同坡向间变化不明显;(4)乌海市大部分地区植被未来变化趋势为随机发展,持续改善区域占10.95%,持续退化区域占2.93%,海勃湾区持续变化性强,乌达区反持续变化性强。整体来看研究区2000—2018年植被覆盖度持续上升,植被改善明显,未来进行生态保护时应多关注地形因素和植被退化的区域,从而制定合理的政策。     

北洛河流域植被覆盖度时空变化的遥感动态分析

采用1987,1995及2007年3期Landsat TM遥感影像,计算归一化植被指数(NDVI),利用像元二分法估算植被覆盖度并进行分级,分析了北洛河流域近20 a的植被覆盖变化趋势,对黄土高原地区环境演变及水沙变化机理分析提供基础数据信息.研究结果表明:(1)在气候变化和人类活动双重影响下,1987 2007年北洛河流域植被呈缓慢增长—迅速增长趋势,其流域植被覆盖面积比例从41.12％,46.43％,增加至63.43％.(2)流域不同分区中,丘陵沟壑区、高塬沟壑区植被均呈缓慢增加—迅速增加的趋势,而土石山林区植被表现出较强稳定性.丘陵沟壑区植被恢复以吴旗、志丹县为主,高塬沟壑区植被恢复以洛川塬为主.     

基于Google Earth Engine的淮河流域越冬作物种植面积制图

越冬作物是中国重要的作物类型,其面积的变化不仅对中国粮食产量和经济产生直接的影响,还潜在地影响中国的粮食安全,因此有必要准确绘制越冬作物种植面积图来为决策制定者提供科学参考。该研究以淮河流域为例,基于Google Earth Engine云平台,融合时间序列Landsat-7/8和Sentinel-2A/B卫星影像,采用S-G（Savitzky-Golay）滤波器重构作物时间序列的归一化差异植被指数（Normalized Difference Vegetation Index,NDVI）,根据不同植被类型物候期的差异,选取越冬作物生长旺盛期NDVI最大值、越冬作物播种期和收获期中相应的NDVI最小值和中位数,在像元尺度上构建越冬作物提取算法,绘制淮河流域越冬作物的种植面积。研究结果表明,所构建算法能够精确提取淮河流域越冬作物的种植面积,总体精度为95.8%,Kappa系数为0.912,该研究可为作物面积的提取和监测提供方法参考。     

植被覆盖度时空变化特征与地形因子关系分析

采用MODIS NDVI遥感影像数据和像元二分模型估算大凌河流域5个时期植被覆盖度,通过线性趋势分析和DEM数据揭示植被覆盖度的时空变化特征及其与地形因子的关系。结果表明：大凌河流域2006—2021年植被覆盖度整体呈上升趋势,并以高、中高和中覆盖度为主,流域下游植被覆盖度良好;大凌河流域植被覆盖度随高程的增加而提高,随坡度的增大而逐渐增高,植被覆盖度与坡向的关系较小,不同坡向的变化较为平缓;大凌河流域植被生长状况和覆盖状况逐渐变好,植被生长受地形因子影响显著。     

基于GoogleEarthEngine的黄土高原植被覆盖度时空变化特征分析

[目的]探究黄土高原植被覆盖度变化的时空特征，揭示植被对气候因子变化的时滞效应，进而为地区生态保护与高质量发展提供数据支撑。[方法]基于2001年至2020年的黄土高原地区NDVI数据、气温和降水数据，利用像元二分法、一元线性回归和时滞偏相关分析等方法，开展地区植被与气候因子变化关系的研究。[结果]过去20年间，黄土高原植被覆盖度以0.076/10 a的速率增加，在空间上主要呈现极显著增加，但占总面积38.29%的区域植被覆盖变化波动较大。黄土高原月植被覆盖度与气温和降水呈现显著正相关关系，其中降水是影响植被变化的主要因素。植被对降水的响应滞后时间主要集中在3个月，而气温的滞后时间在空间上存在较大差异，东南部植被主要滞后0至1个月，而西北部植被主要滞后2至3个月。[结论]黄土高原植被变化主要受降水影响，20年间植被恢复情况良好，但变化波动较大，未来应继续生态保护工作进行巩固。     

1981—2012年黄土高原植被覆盖度时空变化特征

植被覆盖度是反映植被覆盖状况最直接的指标。基于1981—2012年的MODIS影像,采用像元二分模型反演黄土高原植被覆盖度,分析了黄土高原各省区、典型流域及土壤侵蚀类型区生长季(5—10月)的植被覆盖度时空动态变化。结果表明:1981—2012年期间,黄土高原生长季植被覆盖度由31%增加到50%,呈显著上升趋势,但各区域增长幅度不同。2001年之前,黄土高原植被覆盖度平均为36%,年际间以小幅波动为主;之后,该区生长季年平均植被覆盖度为41%,年际间呈显著增加趋势。按省区,河南省植被覆盖度增幅最大,陕西省次之,内蒙古、宁夏增幅不明显且覆盖度在20%左右波动。按典型流域,延河流域增幅最大,窟野河流域增幅最小。按土壤侵蚀类型,水力侵蚀区植被覆盖度增长较快,风力侵蚀区则变化不明显。按植被覆盖度构成,低覆盖度面积比例减少,高覆盖度面积比例增加,其中黄土高原丘陵沟壑区植被覆盖度增加趋势最为明显,植被恢复成效显著。     

沈阳市植被覆盖度计算及其时空变化特征分析

根据沈阳市2018—2020年Landsat影像和GEE云平台,采用最大值合成法及像元二分法计算沈阳市2020年月尺度NDVI值和植被覆盖度,并深入揭示时空变化特征。研究表明：综合利用Landsat影像与GEE云计算平台可实现月尺度植被覆盖度的大面积估算,2020年沈阳市植被覆盖度达到中低水平,覆盖度值37.38%;植被覆盖度的高低与其生长周期保持一致,1月最低为32.2%,7月最高达到46.2%;从空间上,沈阳市东、南、西三面的植被覆盖度较高,而中、北部较低,应加强沙地植被建设,治理林下水土流失,注重特色经果林开发和植被恢复、保护。     

黄河流域甘肃段植被覆盖度时空变化及对气候因子的响应

[目的]分析黄河流域甘肃段2000—2018年植被覆盖度变化的时空演变规律,探讨该区域植被覆盖度的变化对气候的响应机制,为该区域生态环境与社会经济的协调可持续发展和进一步落实生态环境保护、建设及恢复提供科学依据。[方法]基于2000—2018年的MODIS NDVI数据、气象数据,采用线性趋势分析和相关性分析等方法,对黄河流域甘肃段植被覆盖度的时空变化特征及与气候因子之间的关系进行分析。[结果]①空间上,近19 a研究区植被覆盖度自西南向东北在不断降低,以甘南州的植被覆盖状况最好;植被覆盖度改善面积占36.64%,主要分布于兰州市北部、临夏州、定西市、庆阳市、平凉市大范围区域、天水市南部等,而退化面积占4.2%,主要集中于甘南州等地区。②时间上,研究区植被覆盖度以2013年为界呈现"先持续增加后波动减少"的变化趋势,但整体在不断增加;以平凉市的增加速度最快,平均每年增长0.96%。③研究区植被覆盖度对降水量变化的响应敏感,与降水量呈现显著的正相关关系。[结论]研究区植被覆盖度空间差异明显,2000—2018年植被以改善为主,降水是影响这些区域植被改善的有利因素,降水状况的改善对研究区生态环境建设与修复至关重要。     

2000-2020年黄土高原植被覆盖度时空格局变化分析

以2000—2020年MODIS-NDVI植被指数为数据源,反演计算黄土高原植被覆盖度,通过转移矩阵和重心迁移等方法分析黄土高原植被覆盖度时空格局变化及其与降水、气温、坡度和土壤类型等因素的关系。结果表明：(1)2000—2020年黄土高原植被覆盖度由0.39提高到0.61,整体呈上升趋势,2017年后实现快速提升;(2)近20年,黄土高原植被覆盖度显著好转类型与极显著好转类型改善面积比例达到37.93%,2009年前以低覆盖和中低覆盖植被为主,2010年后以中覆盖及更高等级覆盖植被为主,2019年以后中高覆盖植被所占比例最高;(3)从2000年到2020年,黄土高原低覆盖、中低覆盖、中覆盖和中高覆盖植被向更高等级覆盖植被转化比例分别为93.10%,96.57%,82.99%,43.34%,中低覆盖、中覆盖、中高覆盖和高覆盖植被向更低等级覆盖植被转化比例分别为0.30%,2.21%,7.83%,12.47%;(4)近20年黄土高原植被覆盖度变化与气温和降水的变化表现敏感,斜坡地和陡坡地植被覆盖度较高,淋溶土类型下的植被覆盖度较高,国家政策和措施实施等人为因素对植被覆盖度改善发挥重要作用...     

内蒙古草原植被覆盖度时空格局变化及驱动因素分析

植被覆盖度（Fractional Vegetation Cover,FVC）是定量反映植被生长状况的重要参数,对水土保持、防风固沙等生态系统功能具有重要影响,多被用于监测植被长时间序列变化特征。为系统分析近20年内蒙古草原及不同类型植被FVC时空格局变化及其驱动因素,该研究基于MOD13Q1产品,首先采用像元二分模型反演构建2001-2020年内蒙古草原逐年FVC数据集,随后利用Sen + Mann-Kendall趋势分析探究内蒙古草原植被时空分布与变化特征,最后通过相关性分析和地理探测器方法分析内蒙古草原FVC对气候因子和社会经济因子的响应机制。结果表明：内蒙古草原FVC呈\     

基于GIMMS-NDVI的新疆植被覆盖时空变化

利用1982—2006年的GIMMS NDVI数据,采用最大值合成法、平均值法、时间序列分析、T值检验等方法等以年数据研究了新疆的植被覆盖动态变化情况,并结合气候等相关因素综合分析了其时空分布特征。研究表明:（1）新疆的植被覆盖有明显的南北差异,北疆优于南疆,西北优于东南。（2）研究区近25 a间植被覆盖呈现增长趋势的区域有20.33万 km²,占总面积的12.4%;呈现减少趋势的区域面积为11.75万km²,占总面积的7.0%;面积无变化或变化不大的区域占总面积的80.6%。（3）新疆1982—2006年间植被覆盖主要是呈现出波浪式上升的良好增长趋势,并且相对较为稳定。     

基于Google Earth Engine的中老缅交界区橡胶林分布遥感提取

天然橡胶林作为东南亚地区主要的经济林和关系国计民生的一种重要战略物资,对当地社会经济发展和环境保护发挥着重要作用。目前对于中、老、缅交界区的橡胶林空间分布情况、分布面积和演变特征等方面相关信息缺乏相应的研究,严重限制了中国农业上关于橡胶产量消费、贸易以及储备。此外,针对橡胶林的时空大尺度的监测主要是采用长时间序列的中低分辨率影像,但此类影像存在大量的混合像元,严重限制了橡胶提取精度。为解决这些问题,该研究基于Google Earth Engine（GEE）云计算平台,利用2015－2019年Landsat OLI的多时相遥感影像数据,通过分析橡胶的物候特征,构建分类参数和模型,应用专家知识决策树的分类方法,并结合2015－2019年间每年12月份实地调查数据对橡胶的分类结果进行验证。结果表明基于GEE平台利用橡胶物候信息计算参数的方法提取较大范围研究区内的橡胶林的准确性较高。总体精度为90.32%,Kappa系数为0.87,可满足一般生产需求。截至2019年中老缅交界区橡胶林总面积达126.29万hm2,其中,西双版纳区域橡胶林面积有52.37万hm2,缅甸区域橡胶林面积有56.93万hm2,老挝北部5省橡胶林面积有16.99万hm2。分析发现在替代政策发展过程中,由于老挝、缅甸实际情况不同而出现政策差异性,导致区域政策发展不均衡。该研究结果表明应用云计算技术可以克服时空大尺度橡胶监测运算能力不足的问题,可为中老缅甸交界地区橡胶合理布局与区域可持续发展提供科学依据和决策支持。     

黄土高原植被覆盖时空变化及原因

研究黄土高原地区植被覆盖动态变化及其与人类活动和气象因子的关系对评价区域生态环境质量及生态过程具有重要意义。以黄土高原1982—2018年NDVI(1982—2011年GIMMS NDVI和2000—2018年MODIS NDVI)数据为基础,利用像元二分模型对植被覆盖度进行估算,借助植被绿度、相关分析和多元回归残差法分析了黄土高原植被覆盖度时空变化规律及其对人类活动和气象因子的响应特征。结果表明:(1)过去37年,黄土高原春、夏、秋和生长季植被覆盖度呈现升高趋势,且各季节FVC增加速率逐年升高,尤其以夏季和生长季增加速率的变化最为明显;(2)空间上,春、夏、秋和生长季FVC呈由西北向东南递增的趋势,且大部分地区呈显著上升趋势,植被呈现改善趋势的面积要大于呈现退化趋势的面积;(3)春、夏、秋和生长季人类活动对FVC主要以正面影响为主,且夏季人类活动对于FVC影响更为显著。在气象因素方面,FVC与平均气温在夏季和生长季呈现显著正相关的区域面积占比较大,FVC与总降水量在春季和秋季呈现显著正相关的区域面积占比较大。退耕还林(草)等生态工程的实施,使得黄土高原植被状态得到明显改善,但是城市扩...     

2000-2019年新疆植被覆盖度时空格局及重心变化分析

植被对生态环境稳定有着极其重要的意义,研究植被覆盖变化及驱动机制,可为区域生态保护工作提供参考。该研究利用2000-2019年MODIS/EVI数据,基于像元二分法获取植被覆盖度（Fractional Vegetation Cover,FVC）,运用线性回归分析揭示了FVC变化规律,进一步利用重心模型分析了植被、气温和降水的空间变化过程。结果表明：1）2000-2019年新疆平均FVC值为0.255,空间分布差异明显,以极低覆盖度为主,极高覆盖度区域主要分布在西北部、北部以及南疆的绿洲地区。2）新疆FVC呈上升趋势,变化平稳。东疆波动较大,2015年FVC高于平均值近20%,其他地区FVC在平均值5%上下波动;全疆植被减少趋势区域占总面积的53.04%,极显著恶化区域占总面积的4.73%。3）从重心迁移分析,气温是新疆FVC空间变化的主要驱动因素,在经度方向上呈正相关（相关系数为0.734）;伊犁河谷地区植被重心和降水重心在经度方向上呈负相关（相关系数为?0.492）。新疆植被覆盖度低且分布不均匀,具有显著性变化（P<0.05）的像元主要分布在人类活动区域,好转区域面积大于恶化区域,生态恢复工作效果明显,在恶化区域应当继续加强植被保护工作。     

甘肃白龙江流域植被覆盖度及景观格局变化

基于1998—2012年SPOT NDVI数据,采用像元二分模型和景观格局分析方法,对甘肃白龙江流域植被覆盖度及景观格局时空变化及影响因素进行分析。结果表明:（1）1998—2012年白龙江流域植被覆盖度明显增加,高植被覆盖度面积增加量最大（737.30 km²）,2012年中高和高植被覆盖度面积比例达70.7%,植被覆盖度增加区域主要分布在宕昌县北部、岷江东岸、舟曲—武都段白龙江两岸及其以北区域。（2）研究期间,白龙江流域植被覆盖整体改善、局地退化,植被覆盖度显著增加和轻度增加的总面积和比例分别为4 675.90 km²,25%,显著减少的面积仅占3.84%。（3）1998—2012年景观破碎度增大,斑块密度增加了58.23%;景观形状趋于复杂化,LSI,AWMPFD和IJI分别增大到25.14,1.128,80.01;香农多样性和均匀度指数分别减少到1.342,0.834。（4）白龙江流域植被覆盖度增加是自然因素和人为因素共同作用的结果,退耕还林、天然林保护等一系列生态工程的实施是植被覆盖度增加的主要原因。     

青海湟水流域植被覆盖度时空变化分析

利用2001-2009年的MODIS遥感数据与归一化植被指数的像元二分模型,并结合湟水流域的地形特征数据,分析流域内植被覆盖度时空变化动态特征.结果表明:湟水流域的植被覆盖度空间分布差异十分显著,基于地形特征的脑山区(69.47%)、浅山区(56.46%)和川水区(45.43%)植被覆盖度地带性特点明显;近9年来湟水流域总体植被覆盖度略有下降,尤其是高植被覆盖度减少了17.23%.而较高植被覆盖度增加了12.15%;脑山区的高植被覆盖度与较高植被覆盖度之间转换剧烈,浅山区的各级植被覆盖度都相对稳定,川水区的中植被覆盖度与较低植被覆盖度之间转换明显.