黄河源区土壤水分空间变异及其主控因子

【目的】以黄河源区25 km的ECV土壤水分遥感数据为基础,根据黄河源区土壤覆被类型、植被覆盖指数(NDVI)、地形和气候数据进行分析,分别得出不同季节影响该地区土壤水分分布和空间变异的主要影响因子.【方法】将不同季节的各土地覆被类型的土壤水分和空间变异性进行定量的分析;分别分析不同海拔(4 000 m以下,4 001～5 000 m和5 000 m以上)和坡度(15°以下,15°～30°和30°以上)的土壤水分与空间变异性之,并得出以上不同环境因子区间的土壤含水量和变异情况(CV),最后根据相关性分析和主成分分析得出黄河源区不同季节影响土壤水分分布和空间变异的主要环境因子.【结果】黄河源区土壤水分变异性(CV)都在较低变异的范围内,变异性由高至低依次为林地低覆盖度草地高覆盖度草地中覆盖度草地沙地、戈壁和裸地覆盖地区;暖季土壤含水量高于寒季,而寒季土壤水分空间变异性较强;低海拔地区空间变异性达到了19.6%,强于高海拔地区;坡度较缓地区土壤水分变异性较强.【结论】暖季降水、海拔和气温因子与土壤水分的相关性分别高达0.68、-0.55和0.51,并且降水和海拔因子的累计贡献率达到了68.38%,得出暖季影响土壤水分分布和空间变异的环境因子强弱表现为降水海拔气温NDVI坡度;而寒季的主要影响因子为海拔.     

高分一号提取植被信息方法对比

针对高分一号WFV传感器的参数特点,选取归一化植被指数(NDVI)、增强型植被指数(EVI)和土壤调整植被指数(SAVI)3种植被指数,采用不同时期的数据对四川省茂县地区进行植被信息提取,计算分析不同植被指数提取植被信息的差异性。结果表明:高分一号数据提取的NDVI植被效果最好,其中2013年分类总精度为94.55%,Kappa系数为0.88;2015年分类总精度为90.47%,Kappa系数为0.85。根据统计指标分析表明:在高原山区地形环境下,利用植被指数提取植被信息,高分一号卫星采用NDVI比较合适。     

基于遥感数据的根河市火烧迹地植被覆盖度时空分析

以根河市火烧迹地2000、2003、2006、2010和2014年的影像数据为数据源,提取5个时相的植被覆盖度数据,采用NDVI像元二分线性模型估算法,分析2003年5月5日金河-根河地区森林火灾前后,火烧迹地植被覆盖度时空动态变化。结果表明:(1)2000—2014年火烧迹地年均植被覆盖度分别为0.542 2、0.332 7、0.505 3、0.488 1、0.472 4,火烧前的年均植被覆盖度大于火烧后的年均植被覆盖度,火烧后随着植被恢复年限的增加,中低度以上等级的植被覆盖度面积均有增加的趋势。(2)在空间上,除海拔600~800 m,火烧前的平均植被覆盖度小于火烧后平均植被覆盖度,其余不同海拔、坡度和坡向上,火烧前植被覆盖度均大于火烧后植被覆盖度,且随着植被恢复年限的增加,植被覆盖度有逐年增加的趋势。(3)火烧后的2003—2006年,较低海拔和较小坡度上植被恢复比较显著,且植被恢复速度大于2006—2014年;2006—2014年在较高海拔和较大坡度上植被恢复比较显著。     

辽宁省NDVI时空变化及其与地形因子的关系

通过MODIS的月合成NDVI产品和辽宁省的地形数据（包括高程、坡度、坡向），分析2001—2020年辽宁省的NDVI时空变化情况及其与地形因子的相关性。结果表明，辽宁省20年内的植被情况总体上呈轻微改善状态，空间上植被退化地区面积较小，改善地区面积较大。受辽宁省海拔较低的情况影响，研究区内整体气温不会随海拔升高而下降，故辽宁省高程与NDVI成正比，海拔越高，NDVI越大。NDVI随着坡度的增加呈先上升后下降的趋势，在急坡时NDVI最大。坡向与植被的关系较弱，没有明显差异，北面略高于南面。     

呼图壁县NDVI变化与气候因子的响应

利用2010~2014年Landsat 8数据,通过差值和相关性分析法,对呼图壁县植被指数(NDVI)的时空演变进行分析,并对NDVI与气候因子相应的敏感性进行分析。结果表明,呼图壁县植被覆盖变化呈现明显的空间差异,植被指数有明显的地域特征,中部平原地区的NDVI最大,植被覆盖度明显较高,主要分布在林地、农田;南部的高山、丘陵及北部荒漠地区的NDVI较低,植被覆盖度也较低;呼图壁县具有明显的季节性NDVI变化,NDVI增加最快在夏季和秋季,而冬季增长缓慢,且NDVI对气候因子(降水、气温)响应存在时滞性;呼图壁县植被覆盖NDVI与降水和气温呈极显著相关关系,相关系数分别为0.843 1、0.870 2;复杂地形对植被指数有影响,农田耕作区的NDVI变化更大程度上体现了人类活动对植被指数的影响。随着人口增加、城市化进程加快、城乡建设侵占大量土地,会减少植被覆盖的面积,影响植被指数的分布。     

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。     

鄱阳湖区植被覆盖的遥感动态研究

利用归一化植被指数(NDVI)估算植被覆盖度的模型,根据遥感数字图像,对鄱阳湖区1989年和2003年的植被覆盖度进行了估算,在此基础上,求得研究区不同植被覆盖度等级的变化转移矩阵,分析了鄱阳湖区14年来植被覆盖度等级变化的空间过程和变化趋势。总体上,该地区的植被覆盖度变化不大,仅局部区域变化较大。     

基于Quick Bird的阿其克苏河植被覆盖度研究

[目的]利用高分辨率Quick Bird影像,并结合实地的植被和土地类型调查,对艾比湖地区阿其克苏河植被覆盖进行归一化植被指数( NDVI)遥感分类,利用遥感影像处理软件(如Envi软件、Arcgis软件、Erdas软件)提取了该区的植被覆盖等信息.[方法]基于NDVI图对该区进行植被覆盖度反演,并结合实际测量数据提出了荒漠区NDVI分类标准和植被覆盖等级划分标准.[结果]通过NDVI分类图和植被等级覆盖图,发现该地区植被大多集中于河滩及其两岸;而且离水源越近,植被覆盖度越高,NDVI值也越高,这与荒漠区植被分布特点吻合.[结论]植被覆盖度反演结果与实地测量对比分析有很好的切合度.     

基于克里金插值法的植被覆盖度研究——以扎陵湖、鄂陵湖区为例

基于2013年国产资源遥感卫星数据和Google Earth高分数据,利用ArcGIS9.3及Eardas9.2软件,对研究区域的遥感影像进行克里金插值分析,在此基础上得出研究区域遥感影像的植被指数NDVI,最后反演出该区域的植被覆盖度结果.通过与该区域的真实植被覆盖度进行比较分析,得出了基于克里金插值法的植被覆盖度分析方法,该方法对植被覆盖度分析有一定的实际性的参考意义.此次实验研究了黄河源头姊妹湖扎陵湖、鄂陵湖区域的植被覆盖度,同时也是三江源地理国情监测的一部分.     

陕北地区GIMMS、SPOT--VGT和MODIS归一化植被指数的差异分析

为了选择适合监测陕北黄土高原地区植被的最佳遥感序列数据,精确监测陕北黄土高原退耕前后的植被变化,选取GIMMS、SPOT-VGT和MODIS3种常用的遥感数据,运用相关分析和均方根误差分析方法,比较3种遥感数据在陕北黄土高原植被空间分布、归一化差异植被指数(NDVI)季节变化和年际变化3个方面的异同。结果表明:1)在植被空间分布方面,GIMMS/NDVI、SPOT-VGT/NDVI和MODIS/NDVI在大范围上的空间分布格局基本一致,但通过分布图分析可以看出,MODIS遥感数据由于其地物分辨率高及NDVI动态范围大的优点,比SPOT-VGT和GIMMS数据更适合于反映植被类型多样的陕北黄土高原地区植被的空间分布。2)在季节变化方面,3种遥感数据NDVI季节变化之间存在极显著的相关关系。其中,均方根误差分析结果表明,MODIS/NDVI与GIMMS/NDVI之间的差异明显大于MODIS/NDVI与SPOT-VGT/NDVI之间的差异;不同季节3种遥感数据NDVI差异也不同,夏季由于云雨较多,3种遥感数据NDVI之间差异最大。3)在年际变化方面,MODIS和SPOT-VGT数据反映出陕北黄土高原地区NDVI在1999—2007年间呈显著增加趋势,而GIMMS/NDVI却未呈现显著变化,说明GIMMS/NDVI在反映陕北高原地区植被年际变化方面存在显著缺陷。通过相关分析可以看出,GIMMS/NDVI和MODIS/NDVI年际变化之间的相关系数随植被覆盖度的升高而降低,尤其在针阔混交林区,其NDVI相关系数甚至为负值,表明GIMMS传感器对高覆盖度植被变化的响应不太敏感,与其他两者相比更易受水气和云的干扰。因此,GIMMS/NDVI不能作为历史均值NDVI直接应用到MODIS应用模型中,尤其在反映高覆盖度植被年际变化方面。     

基于NDVI数据的双峰县22年植被变化研究

为研究双峰县县域最近20多年来的植被覆盖动态变化,选用Landsat卫星1996年、2007年和2018年3个时相遥感影像,通过影像几何校正、大气校正、影像拼接和裁剪等系列预处理后计算归一化植被指数（NDVI）,基于NDVI分级和差值法对植被空间分布及其变化进行分析研究。结果表明,全县植被覆盖空间分布呈现东高西低的规律;高、极高覆盖植被主要分布在北部、东部、南部边缘和东南群山之间,中、低覆盖植被主要分布在中部、西部的丘陵岗地中。1996-2018年22 a间,植被变化表现为随时间先退化后改善的趋势,总体以改善趋势为主,双峰县NDVI均值从1996年的0.532 1提高到2018年的0.705 7。前11 a植被变化以逆向变化为主,主要表现在:低覆盖植被面积增长了18.80%,中覆盖植被和高覆盖植被面积分别减少了21.96%、2.89%。后11 a植被变化以正向变化为主,主要表现在:低覆盖、中覆盖和极低覆盖植被面积分别减少27.27%、15.23%和5.34%,高覆盖和中高覆盖植被面积分别增长了27.34%和20.50%。后11 a间植被指数的增长幅度大于前11 a植被指数的减小幅度,反映出植被发生正向变化的程度要强于植被退化程度,反映了我国生态文明建设近十余年以来取得了较大成果。     

近20年宝鸡市植被覆盖度动态变化及驱动力分析

植被覆盖度是反映地区生态环境的重要指标,本文利用1988、2000、2007年三期TM遥感数据,计算出宝鸡市的归一化植被指数(NDVI),并通过像元二分模型计算出不同时段的植被覆盖度,最后将归一化植被指数的差值进行分级,以此来分析宝鸡市1988~2007近20年的植被覆盖变化动态。结果表明:1988~2000年间,极低覆盖度、高覆盖度、极高覆盖度比例都呈现出减少趋势,减少比例分别为宝鸡市土地面积的0.02%、1.66%和1.98%,其他各级别植被覆盖度也都有不同程度下降;2000~2007年间,极高植被覆盖度增大的比例达到8.04%。NDVI差值指数分级结果显示,1988~2000年植被退化明显,2000~2007年有大幅度改善;从长时间序列看,生态退化比较明显的区域是金台区、扶风县、岐山县、凤翔县。人为因素是影响植被覆盖变化的主要驱动因素,主要包括山区或平原区的生态绿化工程、城市景观绿化工程、农业产业结构调整、畜牧业发展、人口因素等。     

江西省兴国县植被覆盖度及其空间格局变化

  目的  分析植被覆盖度及其空间格局的变化特征,为生态环境建设和土地利用等提供参考依据。  方法  以江西省兴国县为研究区,利用6期Landsat TM/OLI遥感数据,基于归一化植被指数的像素二分模型和景观生态学原理,分析了1988?2019年不同时期的植被覆盖度及其空间格局演变特征。  结果  ①1988?2019年兴国县植被覆盖度增加,年际植被覆盖度均值由1988年的63.89%增至2019年的79.16%;31 a间植被覆盖度增长区占总面积的72.18%,主要表现为林地、农地面积的增加,减少区占总面积的11.30%,主要表现为建设用地面积的增加;各级植被覆盖度主要呈现为朝更高级覆盖度进化演变的特征。②植被覆盖度呈中部与南部较小,东、西、北部较大的分布特征,其大小总体上与海拔高低较为吻合;31 a间植被覆盖度极度增加区主要集中在南部的龙口镇、杰村乡、社富乡等,极度减少区主要在中部的潋江镇和长岗乡。③1988?2019年植被覆盖度呈破碎化、异质性、多样性降低、空间分布不均匀的变化趋势,而聚集度呈增大趋势。不同盖度等级下的空间格局表现为极低、低、中、中高植被覆盖斑块异质性减小,斑块形状趋于简单化;高、极高植被覆盖占优势地位,其形状趋于不规则,极高植被覆盖主要以较为集中的连片形式分布。  结论  兴国县植被覆盖及其空间格局总体上向良性方向发展,有利于区域的可持续发展。土地利用类型、海拔、人类活动等因素对植被空间格局有着重要影响。图5表2参35     

阿拉善高原植被覆盖动态监测与驱动因素分析

阿拉善高原作为我国生态环境重度危急区,定期评价植被动态变化对区域生态环境保护和建设、保障北方地区生态安全及维护社会经济可持续发展具有极其重要的作用。利用遥感影像和气象数据,辅以趋势分析、重标极差及偏相关分析等方法,从全区及旗县尺度对2000-2015年阿拉善高原植被覆盖时空变化及其影响因素进行分析研究。从时间变化特征来看,额济纳旗、阿拉善右旗、阿拉善左旗植被覆盖度均呈增加趋势,其中,阿拉善左旗植被覆盖度最高。总体而言,近16 a阿拉善高原植被覆盖度呈现改善趋势,但以低植被覆盖区为主,植被覆盖区域占阿拉善高原总面积的24.77%。从空间分布特征来看,阿拉善高原植被覆盖具有明显的空间差异,具有东南部高,西北部低的分布特征。Hurst指数表明阿拉善高原植被覆盖度未来变化趋势为东南部持续改善,西北部严重退化。从驱动因子来看,植被覆盖对降水和潜在蒸散存在时滞效应。此外,阿拉善高原植被覆盖度的增加与当地牲畜数量的下降具有负相关关系。     

基于ETM+遥感图像的漓江水系生态环境变化分析

运用卫星遥感技术对漓江水系生态环境条件进行解译,综合分析了林地、植被、土壤为主要类型的生态环境现状,应用ERDAS 9.2软件对4个年份的影像进行监督分类,计算归一化植被指数(NDVI).结果表明,2000-2008年林地面积、裸地面积、水体面积分别增长19.63％、-15.85％和247.21％,漓江流域的生态环境条件有所改善.     

藏北申扎县植被退化的遥感分析

为了监测和分析申扎县草地退化的空间特征及其退化趋势,利用两个时相的遥感数据,分别提取申扎县的植被指数,根据植被指数转化模型,计算植被覆盖度,按植被覆盖度将植被划分为4个不同退化等级,并分析了申扎县植被退化的时空变化特征。结果表明:1989-2009年申扎县植被覆盖发生了很大的变化,总体变化趋势是植被退化面积不断增加,中度、重度退化面积在总退化面积中所占比例呈增加趋势。1989年植被退化以中东部地区最严重,2009年申扎县的北部植被退化最严重。     

基于TM影像和SPSS软件天然草地植被指数及相关性分析

为了研究乌兰县天然草地植被指数特征,利用比值植被指数(RVI)、归一化植被指数(NDVI)、差值环境植被指数(DVI)、土壤调节植被指数(SAVI)、修正后的土壤调节植被指数(MSAVI)5种植被指数和植被信号与土壤噪音之比(S/N)对研究区天然草地植被指数进行研究,结果表明研究区天然草地植被覆盖度普遍表现不佳。这说明对研究区天然草地资源的利用应该慎重,并且应重视其生态价值。     

基于Landsat的四川盆地NDVI变化研究——以眉山市东坡区和仁寿县为例

利用Landsat遥感数据,计算归一化植被指数（NDVI）并结合空间分析技术,研究了分别代表四川盆地平原和丘陵地貌的眉山市东坡区和仁寿县的NDVI动态演变特征。结果表明,NDVI呈波动变化,总体表现为上升;除1975年外,仁寿县均高于东坡区,即丘陵区均大于平原区;NDVI变化与环境政策、农业政策和农村经济状况密切相关,而丘陵区生态最为脆弱,水是最重要的限制因子。     

沈阳地区旱田植被指数变化与产量关系的研究

以沈阳地区为研究实例,利用NASA对地观测系统EOS系列卫星遥感影像,经过了滤波处理MODIS归一化植被指数（NDVI）数据,对研究地区的旱田作物进行不间断监测.计算出2003 ～ 2007年的年平均NDVI,分析出NDVI年际变化特征、作物生育期内的NDVI变化规律,并找出产量与植被指数变化关系.结果表明,沈阳地区旱田植被指数的年际间差异明显,旱田作物生育进程与作物生育期内NDVI变化规律大致吻合,这表明作物产量与遥感植被指数间存在较好的相关.因此,根据同期地面作物产量调查数据与MODIS遥感数据,采用一次线性拟合法建立回归方程,简单分析出沈阳地区旱田作物产量与NDVI变化关系.