世界自然遗产地荔波县植被覆盖时空变化研究

基于2000—2015年MODIS NDVI数据,在GIS技术支持下,采用最大值合成法、趋势分析和变异系数等方法,研究了世界自然遗产保护区荔波县植被覆盖的时空变化特征。结果表明:荔波县植被覆盖较好的区域主要分布在东部和西部区域,城镇及交通线沿线的植被覆盖较差。研究期间植被覆盖总体呈上升趋势,其中2000—2006年间植被覆盖变化比较缓慢,2006—2012年间植被上升趋势最显著,2013—2015年间植被上升趋势变缓。研究区植被覆盖变化空间差异性显著,自然保护区的植被覆盖较好,植被覆盖比较稳定;南部区域的植被退化应该引起重视。     

津巴布韦近20年植被覆盖度时空动态变化特征研究

植被覆盖度是反映生态环境的重要指标，津巴布韦是中国“一带一路”上重要合作伙伴，对津巴布韦植被覆盖度进行监测对区域内生态环境经济建设具有重要意义。基于MODIS NDVI数据，采用像元二分法、趋势分析、Hurst指数等方法从时空角度分析了津巴布韦近20年植被覆盖度动态变化特征。结果表明，总体上津巴布韦植被覆盖度较高；2001—2009年、2015—2017年植被覆盖度呈波动上升趋势，2009—2015年、2017—2019年呈现波动下降趋势；从空间上，存在明显的区域差异性，植被覆盖度北部高，西南和中部地区低。津巴布韦植被覆盖度变化趋势主要以不显著变化为主（占81.70%）,11.52%的地区呈增加趋势，6.78%的地区呈减少趋势。津巴布韦地区植被覆盖度反向持续性强于正向持续性，增加趋势占7.44%，减少趋势占9.69%。津巴布韦植被覆盖度受降水量、气温共同影响，主要受降水量因素的影响。植被覆盖度受夜间灯光数据影响，呈负相关区域主要在哈拉雷和布拉瓦约，正相关区域主要在马邵纳兰省。     

黄土高原地区2001-2015年植被覆盖变化及气候影响因子

为研究国家"退耕还林还草"工程实施以来黄土高原植被覆盖动态变化,以2001-2015年的MODIS NDVI为数据源,结合2001-2015年的气象数据(温度/降水),分析黄土高原地区植被NDVI、气温和降水量的空间分布特征,以及植被NDVI对气温和降水量的响应关系。结果表明,近15a黄土高原地区植被NDVI总体呈现增长趋势。黄土高原地区植被NDVI的空间分布差异显著,大体趋势是植被覆盖从西北部向东南部逐渐递增。研究区植被的空间变化也具有明显的差异特征,研究区的西安市、渭南市及豫西山地的洛阳市等地的植被退化严重,但是随着国家"退耕还林还草"计划的实施,黄土高原地区中部的植被覆盖有了明显的改善。黄土高原地区的温度年际间变化不大,而降水量起伏变化较大。降水量对植被NDVI的影响大于温度对植被NDVI的影响。     

21世纪以来河南省植被覆盖变化及气候驱动解析

借助MODIS NDVI数据和气象插值数据,采用一元线性回归、Hurst指数及相关分析等方法,从年际尺度探讨河南省21世纪以来植被覆盖时空变化规律,并分析其对气候因素的响应特征。结果表明:河南省植被覆盖区域差异较大,NDVI频度呈单峰结构;近16年来,河南省大部分地区植被覆盖呈现增加趋势,10年平均增速约为4%(P0.01),且阶段性明显;河南省植被变化的同向特征强于反向特征,植被覆盖整体上呈持续改善态势,但郑州、洛阳、焦作等市域局部地区存在持续减小现象;年平均温度的上升是平原区植被覆盖增加的主要驱动因子,但升温尤其是年平均最高温度增加抑制了山区植被生长,植被覆盖对气候因子的敏感程度地域异质性明显。     

基于MODIS的宁夏植被覆盖时空变化特征分析

以2000—2015年宁夏回族自治区NDVI数据及高程数据为基础,采用趋势分析、变异系数、GIS空间统计等方法,分析宁夏近年来植被覆盖时空分布及变化特征.结果表明,从年际变化情况看,近16年来宁夏植被覆盖整体呈缓慢增长趋势,NDVI值增速为0.008/10年,其中固原市增速最高;从月际变化情况看,宁夏植被覆盖表现为冬春季低,夏秋季高,呈先增加后减少的趋势.近16年来宁夏全区年均NDVI值为0.37,植被覆盖整体处于中低水平,中低覆盖地区面积占比达到70.39％;从地域分布来看,表现为南北植被覆盖高,中部地区植被覆盖低;高程方面,植被覆盖随着高程增加呈现"降低—升高—降低"的变化趋势,其中2400～<2700 m海拔范围内植被覆盖最高.近年来宁夏植被覆盖整体维持稳定且有所改善,植被覆盖呈改善趋势的区域占比为50.17％,其中南部黄土高原地区植被覆盖改善最明显,城镇地区植被退化较严重.宁夏植被覆盖变异系数介于0.002～0.651,整体呈现中高波动态势,中高波动区域占比达到57.88％.     

近21年固原市植被指数变化及其与气候因子的关系分析

本文利用宁夏固原市2000—2020年的NDVI数据和气候资料,分析了固原市植被指数的变化及其与气候因子的关系。结果表明：近21年来固原市的植被状况总体呈明显的波动上升趋势,且植被覆盖呈北低南高的分布,各县（区）中泾源县的植被覆盖度最好,但增长速度最慢,而彭阳县的增长速度最快。近21年固原市的年平均潜在蒸散量总体呈下降趋势,但下降趋势不明显。5年平均潜在蒸散量波动比较大,其中2005—2009年平均年蒸散量最多,2010—2014年平均年蒸散量最少。原州区、隆德县、彭阳县年潜在蒸散量总体呈上升趋势,且隆德县上升趋势最明显,西吉县、泾源县年潜在蒸散量总体呈下降趋势,且泾源县下降趋势最明显。原州区年平均潜在蒸散量最多,西吉县最少。夏季潜在蒸散量最多,春季次之,冬季最少。6月潜在蒸散量最多,1月潜在蒸散量最少。在年潜在蒸散量、年平均气温、年降水量、年平均相对湿度4个气候因子中,年降水量对于植被状况起关键作用,年降水量越大,越有利于植被生长,而植被指数与年潜在蒸散量呈负相关,对于不能进行灌溉的半干旱地区植被指数与年潜在蒸散量呈显著负相关;植被指数与年平均气温均呈正相关性;植被指数与年平均相对湿...     

基于ITPCAS驱动数据集的黄河源区植被变化及其与气候因子相关分析

【目的】厘清近年来黄河源区植被覆盖变化及其对驱动因子的响应,为黄河源区生态环境可持续发展与科学预估气候变化对植被格局的影响提供理论依据。【方法】基于1999-2015年SPOT VGT-NDVI数据集和中国区域高时空分辨率地面气象要素(ITPCAS)驱动数据集,运用趋势分析、Mann-Kendall非参数统计检验、R/S分析和相关分析等方法,分析了1999-2015年NDVI和气象因子的时空变化特征,并探讨温度、降水量、地表净辐射(R_n)等气象因子以及人类活动对植被覆盖变化的影响。【结果】(1)黄河源区多年平均NDVI空间分布呈东南高、西北低的格局,整体上NDVI呈增加趋势,每10年增速为1.6%,其中上升趋势的区域占研究区78.2%;NDVI在2003年附近存在突变;同时期温度和降水为振荡上升趋势,而R_n为振荡下降趋势,并且未来NDVI和各气象因子将持续这种变化趋势。(2)年平均NDVI与年平均温度呈显著正相关关系,与年平均降水量呈不显著正相关关系,而与年平均R_n呈不显著负相关关系;在偏相关分析中,NDVI与年平均温度的相关性最好。(3)NDVI对温度、降水量变化的响应滞后1个月左右,对R_n变化的响应滞后2个月左右。【结论】ITPCAS驱动数据集在黄河源区有较好的适用性;在年尺度和月尺度上,温度都是黄河源区植被生长影响最大的气象要素;黄河源区植被覆盖的增加主要归因于温度上升以及生态保护"综合性"工程的实施。     

辽宁省沿海区域生态系统质量及其变化研究——以2000—2015年为例

沿海区域是海陆之间相互作用的地带,在资源环境可持续发展方面具有重要作用。以辽宁省沿海区域为研究对象,系统分析2000—2015年生态系统质量变化。结果表明:2000—2015年,森林生态系统年生物量为上升趋势,但相对生物量密度总体处于退化状态,年均植被覆盖度状况总体呈好转趋势;草地生态系统年生物量呈先下降后上升趋势,相对生物量密度总体呈现逐步转好的状态,年均植被覆盖度状况总体呈好转趋势;湿地生态系统年生物量呈先上升后下降的趋势,湿地生态系统相对生物量密度总体呈现逐步转好的状态,年均植被覆盖度状况总体呈好转趋势。     

基于MODIS数据的白芨滩自然保护区人工植被恢复区植被指数研究

基于白芨滩国家级自然保护区2000—2019年的中分辨率成像光谱仪(MODIS)的归一化植被指数(NDVI)和增强植被指数(EVI)时序数据,结合实地踏查和遥感数据,选取了6个研究地区(P1-P6)。通过物候提取和趋势分析等方法,多方面探索了研究区域植被物候变化规律和植被覆盖的时空格局等特征。结果表明：基于NDVI与EVI平均值得出的植被季节物候变化曲线呈现单峰状态,且植被生长季长度略有不同。NDVI与EVI的年最大值及年均值呈波动上升趋势,植被指数的年最大值增长较快,但波动性较大,年均值增长较慢,但波动性较小。因此,在研究该地区植被长期生长变化趋势时,可选择植被指数年均值,以减小误差。2000—2019年研究区域的NDVI与EVI均呈波动上升趋势,各研究区域的NDVI均高于EVI,且NDVI的上升趋势明显,拟合程度更好,并未出现随植被生长而达到饱和状态的现象。这说明在研究小尺度荒漠地区植被生长变化趋势时,NDVI比EVI更敏感且更稳定。     

基于NDVI的福建省植被变化特征分析

运用中等分辨率成像光谱仪( MODIS)遥感植被指数数据,利用趋势线分析法和小波分析方法对福建省近年来的植被覆盖时空变化规律进行分析。结果表明：福建省近11 a来整体植被覆盖较好较稳定,但沿海人口较密集、城镇建设拓展较快的区域及沿海的岛屿植被覆盖较低;归一化比值植被指数( NDVI)最高值出现在8-9月,最低值出现在3月;时间尺度为12个月的年内生长季与非生长季NDVI值变化最明显;福建省年平均NDVI值、生长季平均NDVI值、非生长季平均NDVI值在2003年之前呈增长趋势,之后转为下降趋势,2005年总体上达到最低值,随后缓慢上升;福建省植被增加显著的区域是龙岩西北部、漳州东南部及莆田中部,植被覆盖状况显著变差区域是福州市区、莆田、泉州、厦门沿海城镇区域。     

基于NDVI的渭河流域时空演变分析

基于渭河流域2010—2015年MODIS NDVI时序数据集,采用GRC趋势分析法、植被覆盖度估算,分析2010—2015年渭河流域NDVI的变化趋势,并对2010和2015年植被覆盖度的时空格局进行分析。结果表明,2010—2015年,渭河流域NDVI均值呈缓慢增加趋势,仅增加了2.7%。渭河流域植被覆盖度总体呈现由西北向东南逐渐增加的趋势,高覆盖区仍集中分布在渭河谷地及延安南部。2010—2015年中高覆盖和高覆盖区面积分别增加3.2%、9.3%,中低覆盖和中覆盖区面积分别减少6.7%、5.9%。轻微改善区主要分布在天水地区,轻度退化区主要分布在秦岭北麓以及延安南部,明显退化区分布在六盘山南麓以及关中地区。     

青藏高原NDVI时空变化特征研究(1982—2008)

利用1982—2000年AVHRR-Path Finder植被指数数据、2001—2008年SPOT-Vegetation植被指数数据,验证了两个遥感产品具有较好的延续性,可以用于时间序列植被特征分析。利用合成的归一化植被指数(Normalized Difference Vegetation Index,NDVI)数据集,分析得出了从1982年至2008年青藏高原地区植被NDVI的时空变化特性。结果表明:(1)时间序列上,该地区NDVI的最大值和平均值均未超过0.4,表明整个青藏高原地区的植被覆盖度低;NDVI整体呈现缓慢上升趋势;四季的变化表现秋季NDVI值缓慢上升,其他季节变化趋势不明显。(2)该地区NDVI空间格局分析发现NDVI变化率最高达到0.024/27 a,最低在-0.025/27 a;整体趋势呈现由东南地区向西北地区递减;季节的空间格局分析发现大部分区域在春、夏和秋季上升,而冬季下降,春夏秋3个季节NDVI的变化区域比冬季更广泛,冬季的植被覆盖变化除西藏东南的少部分地区以及云南西北部的少部分地区有明显变化外,整个青藏高原地区的其他大部分地区变化基本不明显。     

基于CA-Markov模型的陕西省植被覆盖模拟及预测

以陕西省作为研究区域,首先基于MODIS NDVI中国月合成数据计算研究区2000、2005、2010和2015年度的植被覆盖度并进行等级划分;而后利用CA-Markov模型,以植被覆盖度等级作为元胞类型,计算不同时期各植被覆盖度等级的转移矩阵,由此模拟2010和2015年的NDVI值;对比模拟NDVI结果和原始影像数据,评价模拟精度,并预测2020年NDVI的空间分布状况。结果表明,利用CA-Markov模型进行植被覆盖空间分布的模拟,得到2010和2015年模拟结果的Kappa系数分别为0.797 5、0.853 2,符合精度要求,可以用于植被覆盖空间分布的预测。陕西省植被覆盖存在明显的空间差异性,呈现出陕北—关中—陕南地区植被覆盖度逐渐递增的纬度地带性规律。2000—2020年各级植被覆盖区均有向更高一级植被覆盖区变化的趋势。总体上植被覆盖度上升趋势明显,尤以陕北地区北部变化最为显著,关中地区和陕南秦巴山区植被覆盖度增幅较小。     

广东省植被覆盖度时空变化及驱动因素分析

以南方重点林区广东省为研究对象,以2000—2010年MODIS NDVI月度合成数据、2000—2010年全球辐射定标夜间灯光数据DMSP/OLS为主要信息源,在植被覆盖度计算基础上,进行了植被覆盖度时间系列分析、空间趋势面分析、驱动因素分析。结果表明:2001—2010年间,广东省的年均植被覆盖度呈现围绕78.6%均线上下波动、总体趋势保持基本不变的时间系列变化格局;在空间格局上,广东省植被覆盖度从高到低,总体呈现由北向南逐渐降低的带状分布格局;年均植被覆盖度与年降水日高度负相关,与年日照时数低度正相关,与年平均温度、年平均降水量、灯光指数不相关。     

黄土高原水蚀风蚀交错区退耕还林工程前后NDVI时空变化特征

【目的】探究黄土高原退耕还林工程实施前后植被覆盖变化特征,评估生态修复效果,对于制定更为有效的生态修复战略政策具有重要意义。【方法】该研究以黄土高原水蚀风蚀交错区为研究区,以EOT算法为核心,基于GIMMS NDVI数据集和MODIS NDVI数据集的重叠时期数据,构建1982—2000年1 km分辨率的NDVI数据集（EOT NDVI）,并联合MODIS NDVI数据（2001—2019年）,形成1982—2019年逐月1 km NDVI数据集（EM NDVI）,以探究研究区的NDVI时空动态变化。【结果】（1）EOT算法对GIMMS NDVI降采样应用是合理的,同时期EOT NDVI与MODIS NDVI之间的平均误差（ME）、平均值绝对误差（MAE）、均方根误差（RMSE）均较小,且决定系数（R2）较高;（2）1982—2019年年均NDVI呈现先下降后上升趋势,年均NDVI增长速率为0.007 8;（3）1982—2019年植被增长速率呈现空间异质性,且退耕还林工程实施前（1982—2000年）年均NDVI呈下降趋势的地区是退耕还林工程实施后（2001—2019年）年均NDVI增加趋势显著的地区。【结论】研究成果可为评估生态恢复措施实施效果和未来生态环境建设提供理论依据和数据支撑。      

基于MODIS-NDVI的地表植被时空变化特征及其与环境因子的关系

[目的]分析植被覆盖时空变化特征及其与环境因子之间的响应关系，为区域生态环境治理和植被保护提供理论基础。[方法]基于16 d合成的MODIS-NDVI数据，结合气象站点数据、地表数字高程模型数据，利用空间动态变化趋势分析法、变异系数法和相关性分析等，开展安徽省长时间序列的地表植被覆盖时空变化特性的研究，探讨植被覆盖变化对气象因子、地形条件等的响应规律。[结果]安徽省月均NDVI变化呈现双峰分布；2010—2019年NDVI呈现振荡上升的趋势，增速为0.000 7/a; 4个季度的NDVI夏季最高，春季和秋季次之，冬季最低；春季和夏季的NDVI呈现振动缓慢增长的趋势，涨幅均为0.001 6/a,秋季NDVI呈现缓慢下降的趋势，降幅为0.001 8/a,冬季NDVI波动性及降幅较大，为0.009 9/a。空间分布上，安徽省植被覆盖变化整体趋于稳定，植被分布具有明显的南高北低的地域性差异和明显的季节性差异，以淮河和长江为界，春季和冬季的NDVI呈现出中间低南北高的分布特点，秋季安徽省大部分地区的NDVI呈现减少趋势，NDVI由南到北递减。不同气象因素对安徽省植被生长的影响具有空间差异性，ND...     

中国东北部地区植被与气候因子相关关系研究

利用1982～2006年NOAA/AVHRR-NDVI数据和气象站点观测的降水、温度资料,对我国东北部地区的植被覆盖和气候变化特征及其相互关系进行了诊断分析。结果表明,东北部地区NDVI(降水)呈不明显上升(下降)趋势,温度总体呈显著的升高趋势;全区NDVI与降水的相关不明显,但在降水较少的辽宁和内蒙古地区,降水量是影响植被的重要因子;NDVI与温度呈显著的正相关,尤其在春季;温度较低地区的植被与温度相关更明显,植被覆盖较高(低)地区的植被对温度的响应(影响)明显。     

青藏高原植被覆盖变化及气候驱动因子分析

利用青藏高原2001—2015年的MODIS归一化植被数据集、地表温度数据集和317个气象站的气温、降水量数据,分析了归一化植被指数(NDVI)与气温、降水量及地温的相关性,讨论了3种气候因子的联合驱动机制。结果表明,青藏高原植被覆盖呈由东向西、自南向北的递减状态,且总体上呈波动增长趋势;青藏高原植被覆盖与降水量、气温及地温均呈正相关,与气温相关性最强;青藏高原植被增长的首要驱动因子是热量,且降水量与热量对植被生长的驱动作用呈互补性。     

基于NDVI的云南省植被覆被变化趋势分析

选取云南省为研究区域,利用2001-2015年MODIS中国植被指数合成产品Tiff遥感图像,通过Arcgis软件对遥感图像进行分区统计,得到研究区域各年每月的植被归一化指数(NDVI)。在此基础上进行统计分析,结合当地的生长季与种植制度,分析研究区域植被指数的年际、季节及月变化的特点。结果表明,在2001-2015年,云南省植被指数有增加的趋势,表明在2001-2015年云南省植被覆盖度基本保持稳定或略有增加的趋势;2001-2015年云南省春季和冬季的NDVI整体呈增加趋势,冬季的增速大于春季,夏季NDVI整体呈减少趋势,而秋季处于平稳状态,说明云南省2001-2015年春、冬两季植被覆盖度不断增加;云南省NDVI月变化差异较为明显,与当地生长季和种植制度密切相关,说明植被指数的月变化特征主要受种植作物的影响。     

基于MODIS NDVI的西双版纳植被覆盖变化趋势研究

西双版纳作为中国特有的热带雨林生物多样性保护热点地区,分析其植被覆盖变化意义重大。基于MODIS NDVI遥感数据,利用M-K检验和方差评价法,在时间和空间上对2001—2015年西双版纳植被覆盖变化进行趋势分析。结果表明:月变化呈典型底部单峰式分布,年迹变化趋势呈波动上升,季节变化与植物生长期一致;空间分布受气候条件、经济价值、生态恢复等影响,东部地区植被覆盖高于西部,中、东部地区覆盖变化波动明显;研究区植被指数年迹、季节、月变化特征基本符合当地植被生长季节特点。