多尺度遥感数据协同的干旱地区植被覆盖度提取

纯植被像元获取是植被覆盖信息遥感反演的必要环节。干旱地区植被分布零散稀疏,使用中、低分辨率遥感数据提取植被覆盖度时,难以获取纯植被像元,致使植被覆盖度提取精度较低。针对上述问题,本文提出一种基于多尺度遥感数据协同的干旱区植被覆盖度反演方法。该方法利用空间分辨率较高的Landsat-8 OLI数据确定纯植被像元,考虑到不同传感器之间的光谱差异,使用实测地物光谱数据进行光谱转换,代替中等分辨率MODIS数据的纯植被像元,应用于像元二分模型,选择典型的干旱区新疆阜康市为研究区,进行植被覆盖度反演实验,最后使用无人机航拍影像对反演结果进行精度验证。结果表明,植被覆盖度反演结果精度较高,与实测值间存在较高的相关性(R2=0.75),均方根误差较低(RMSE=0.10)。该方法能够有效提高干旱区植被覆盖度反演精度,可为利用中低分辨率数据研究干旱地区生态环境变化提供一种新思路。     

基于Hyperion的锡林郭勒草原光合植被、非光合植被覆盖度估算

掌握草原生态系统光合植被覆盖度(fPV)与非光合植被覆盖度(fNPV)时空动态对了解干旱半干旱草原生态系统特征(覆盖状况、火灾负载、载畜量、干扰及恢复等)及进行科学、有效地草地资源管理具有重要的意义。选取锡林郭勒典型草原为试验区,以Hypeiron高光谱数据为数据源,利用NDVI-CAI三元线性混合模型对试验区fPV和fNPV的时空动态分布进行了估算,并对不同端元选择方法(最小包含端元特征法、纯净象元指数法和实测法)对估算结果的影响进行了比较分析。研究结果表明,NDVI-CAI三元线性混合模型是同时估测锡林郭勒草原fPV和fNPV的有效方法,且估算的fPV和fNPV的季节变化与牧草的物候发育特征相吻合。不同端元选择方法对估算精度具有一定的影响,其中基于最小包含端元特征法提取端元进行估算的精度最高,fPV估算的均方根误差RMSE=4.57,估算精度EA=91.2%;fNPV估算的RMSE=5.90,EA=67.91%(样本数N=52)。     

基于遥感估算方法的干旱区植被覆盖度适应性评价

与浓密植被覆盖区相比,半干旱、干旱地区因植被覆盖较少、空间分布零散的特点,致使利用遥感手段提取植被覆盖度(vegetation fractional coverage,VFC)的精度较低。针对上述问题,本文首先分别讨论了回归模型法、像元二分法和混合像元分解法3种典型的VFC提取方法在干旱区VFC反演应用中的适应性及限制性因素;然后通过分析干旱区纯土壤端元植被指数值(NDVIs)对植被覆盖度的敏感性,将基于地面光谱测量的NDVIs应用于传统方法进行改进,以新疆大黄山典型干旱区为例,使用Landsat-8 OLI数据,进行植被覆盖度反演实验,最后使用实测VFC数据对反演结果进行精度验证。验证结果表明:基于混合像元分解理论的全约束最小二乘法在干旱区植被覆盖度的反演精度最高,反演值与实测值间的相关性(R~2)达到0.989,其次为改进的像元二分法(R~2=0.848)和回归模型法(R~2=0.827)。     

天然草地植被覆盖度的高光谱遥感估算模型

利用ASD FieldSpec Pro FR^TM光谱仪,对内蒙古自治区锡林郭勒盟的天然草地进行高光谱遥感地面观测,并计算天然草地植被覆盖度;选择25个高光谱特征变量与天然草地植被覆盖度进行相关性分析.结果表明,共有17个变量通过极显著性检验,尤以红边波长范围内一阶微分波段值总和(SDr)的相关系数0.781为最高在此基础上将观测数据分成两组:一组观测数据作为训练样本(n=49),运用单变量线性、非线性和逐步回归方法,建立植被覆盖度高光谱遥感估算模型;另一组观测数据作为检验样本(n=32),进行精度检验分析结果显示,采用逐步回归分析方法,运用冠层原始反射率数据估算草地植被覆盖度的效果并不理想;而以红边波长范围内一阶微分波段值的总和(SDr)为变量的线性回归方程是最佳估算模型,模型标准差为10.4%,估算精度为83.99%.     

滩涂湿地入侵种互花米草植被覆盖度的高空间分辨率遥感估算

互花米草是沿海滩涂生态系统的重要入侵物种,其分布状况和覆盖度是湿地生态研究的重要参数和基础。以宁德三沙湾(三都澳)滩涂湿地为研究区,以SPOT6 6 m空间分辨率卫星影像为数据源,对互花米草分布和植被覆盖度进行研究,并与同期10 cm空间分辨率无人机影像进行比较验证。结果表明,影像覆盖区域内互花米草总面积为20.19 km~2,其中蕉城区互花米草分布较广,面积为9.63 km~2,占研究区互花米草总面积的47.70%。互花米草植被覆盖度整体上以40%-60%和60%-80%的中、高覆盖度分布为主,其分布面积分别为5.44 km~2和4.95 km~2,占互花米草总分布面积的26.92%和24.52%,而40%以下的低覆盖度和80%以上较高覆盖度分布相对较少。SPOT6遥感影像估算得到的互花米草植被覆盖度具有较好的精度,与无人机影像值之间的均方根误差RMSE为0.117,线性回归决定系数R~2为0.918,可用于滩涂湿地植被覆盖度分析。     

基于带宽优选地理加权回归模型的深圳市植被碳储量反演

植被碳储量估测是自然资源监测的重要内容,遥感技术结合地面样地进行反演可以获得区域范围内植被碳储量的空间连续分布,弥补了传统人工抽样调查估测的不足。然而,现有的参数和非参数遥感估测模型大多忽略了样地数据的变异与空间自相关关系。研究以Landsat 8 OLI影像为数据源提取遥感变量,结合植被碳储量实测调查数据,利用最小信息准则(AICc)、最大空间自相关距离(MSAD)和交叉验证(CV)分别确定最优带宽,组合Gaussian、Bi-square和Exponential核函数构建地理加权回归(GWR)模型估算深圳市植被碳储量,并与多元线性回归(MLR)进行比较,选择最优模型绘制深圳市植被碳储量空间分布图。研究结果表明,GWR模型整体精度优于MLR模型,GWR模型的决定系数(R~2)均高于MLR模型,且均方根误差(RMSE)和平均绝对误差(MAE)显著降低。带宽和核函数的选择对GWR模型估测结果产生了显著影响。以CV确定带宽、Exponential为核函数组合构建的GWR模型效果最佳,其R~2为0.697,RMSE为10.437 Mg C/hm~2,相比其它模型精度上升了13.87%—32....     

内蒙古大兴安岭根河森林保护区植被覆盖度变化

基于2000年Landsat-5 TM和2013年GF-1两期遥感影像,利用像元二分模型分别进行了内蒙古大兴安岭根河森林保护区植被覆盖度的估算,并对该区13年间植被覆盖度的变化情况及其与地形因子的相关性进行了分析。结果表明:利用像元二分法可准确地估算研究区植被覆盖度(决定系数R~2=0.52,相对平方误差RSE=0.54)。两期植被覆盖度与高程正相关性最大,其次为坡度。两期植被覆盖度变化图表明,该地区13年间植被覆盖度总体呈下降趋势,其中高覆盖度的下降最为明显。两期植被覆盖度及其差值随高程的增加而增大,海拔超过1027 m两者均变化缓慢,且植被覆盖度变化主要为正变化。火灾、水系富集、人工抚育频繁等因素对低海拔地区植被覆盖度的下降影响较大。     

沙地油蒿群落覆盖度的遥感定量化研究

鄂尔多斯地区荒漠化与沙地植被覆盖度有紧密的关系。用 NOAA卫星数据对沙地植被覆盖度进行动态监测可以为认识该地区的荒漠化动态变化及过程提供丰富的信息。通过分析沙地反射机理 ,建立了沙地油蒿(Artemisia ordosica)群落盖度与修正后的土壤调节植被指数 (MSAVI)之间的关系模型。然而 ,卫星数据用于该关系模型之前 ,必须进行处理。本文首先用裸沙土壤线法校正大气影响 ,然后 ,用 MSAVI消除土壤背景影响     

基于无人机和决策树算法的榆树疏林草原植被类型划分和覆盖度生长季动态估计

植被覆盖度是评估生态环境质量与植被生长的重要指标,也是全球众多陆面过程模型和生态系统模型中表达植被动态的重要参数。卫星遥感和地面测量是估算植被覆盖度的常见方法。然而,如何精确估计榆树疏林草原上木本、草本不同类型植被的覆盖度仍然具有挑战性。无人机飞行系统有效的补充了区域尺度低空间分辨率的卫星遥感影像与样地尺度实地调查之间的缺口,为精确的监测、评估疏林草原的植被动态提供了新途径。利用无人机监测平台和决策树算法构建了一套快速、准确、自动获取景观尺度植被类型和估算植被覆盖度的自动化工具,以浑善达克沙地榆树疏林草原为对象,应用无人机监测平台对榆树疏林草原长期定位监测大样地2017年生长季植被状况进行7次监测。结果表明:1)无人机植被监测平台数据飞行高度100 m,获取的样地数字正射影像空间分辨率为2.67 cm/像元,远高于高分卫星影像,利用决策树算法基于数字正射影像可以实现自动划分榆树疏林草原木本和草本植被类型和估算植被覆盖度; 2)生长季内榆树疏林草原木本植被覆盖度为(19±2)%,草本植被覆盖度为(50±8)%,植被总覆盖度为(69±9)%,相对于木本植被,草本植被生长季内盖度变幅较大; 3)在整个生长季中,木本植被和草本植被对植被总覆盖度的平均贡献率分别为27%和73%,草本植被对植被总盖度的贡献远大于木本植被,榆树疏林草原植被的盖度主要受草本植被的影响。本研究证明无人机监测平台是一种高效、准确的植被监测工具,结合机器学习算法,实现了景观尺度植被类型的自动划分和不同类型植被覆盖度快速获取;在浑善达克沙地榆树疏林草原地区首次获取了木本植被和草本植被覆盖度的生长季动态。该平台未来可应用于各种类型生态系统植被类型划分、监测和评估。     

基于多源遥感数据的荒漠植被覆盖度估测

以塔里木河下游为靶区,根据地面调查和不同分辨率的多源遥感数据,逐级建立荒漠植被覆盖度遥感估测模型,并对不同模型、不同估测方法的估测精度进行比较.结果表明: 随着遥感数据空间分辨率的提高,植被覆盖度遥感估测模型精度增加;基于高分辨率、中高分辨率及中低分辨率遥感数据建立的植被覆盖度模型的估测精度分别为89.5%、87.0%和84.6%;遥感模型法的估测精度高于植被指数法.不同分辨率遥感数据估测荒漠植被覆盖度的精度变化规律,实现了荒漠植被覆盖度估测的高、中、低分辨率遥感数据参数及尺度的定量转换,可为研究区生态恢复遥感综合监测方案的制定和实施提供直接依据.     

基于WorldView 2影像的矿区植被重建效果评估

植被盖度反映植被质量,是评价矿区复垦土地植被重建效果的重要指标。该文选择安太堡矿区为案例区,基于高空间分辨率World View 2(WV 2)影像新波段,使用混合像元模型和实地数据验证相结合的方法计算得到研究区的植被盖度,并对植被重建效果进行了评估,主要得到以下结论:(1)基于WV 2影像的近红外2波段和红波段,采用混合像元法得到的植被盖度反演值Fc_2与实测值最为接近,相关性最强(R~2=0.934),均方根误差最小(RMSE=0.048);(2)研究区植被重建效果整体较好,中等、较高和高植被盖度区域占研究区的60%以上,低植被盖度仅占22.09%。受植被重建年限和管理措施的影响,不同复垦区域植被重建状况之间存在着差异,内排土场、西排土场、南排土场的植被重建效果较好,而西排土场扩大区植被状况相对较差,其中等及以上植被盖度所占比例依次为75.24%、68.35%、68.20%、22.29%。(3)就植被组合模式看,乔灌草模式重建效果(按冠层盖度)最好,其次是乔草模式,其他模式如灌草、草地、自然恢复地依次降低。土壤表层水分含量随着复垦地植被盖度的增大而增大,说明植被重建状况对土壤表层的水分保持具有重要作用。     

星载大光斑LiDAR与HJ-1A高光谱数据联合估测区域森林地上生物量

以吉林省汪清林业局经营区为研究区,利用HJ-1A/HSI高光谱数据和ICESat-GLAS波形数据,估测区域森林地上生物量。从平滑后的GLAS波形数据中提取波形长度W和地形坡度参数TS,建立GLAS森林最大树高估测模型;从GLAS波形数据中提取能量参数I(植被回波能量Ev和回波总能量E之比),建立GLAS森林郁闭度估测模型;利用GLAS估测的森林最大树高和森林郁闭度联合建立森林地上生物量模型。由于GLAS呈离散条带状分布,无法实现区域估测,因此研究将GLAS波形数据与HJ-1A/HSI高光谱数据联合,基于支持向量回归机算法实现森林地上生物量区域估测,得到研究区森林地上生物量分布图。研究结果显示,基于W和TS建立的GLAS森林最大树高估测模型的adj.R~2=0.78,RMSE=2.51m,模型验证的adj.R~2=0.85,RMSE=1.67m。地形坡度参数TS能够有效的降低地形坡度的影响;当林下植被高度为2m时,得到的基于参数I建立的GLAS森林郁闭度估测模型效果最好,模型的adj.R~2=0.64,RMSE=0.13,模型验证的adj.R~2=0.65,RMSE=0.12。利用森林最大树高和森林郁闭度建立的森林地上生物量模型的adj.R~2=0.62,RMSE=10.88 t/hm~2,模型验证的adj.R~2=0.60,RMSE=11.52 t/hm~2。基于支持向量回归机算法,利用HJ-1A/HSI和GLAS数据建立的森林地上生物量SVR模型,生成了森林地上生物量分布图,利用野外数据对得到的分布图进行验证,验证结果显示森林地上生物量估测值与实测值存在很强的线性关系(adj.R~2=0.62,RMSE=11.11 t/hm~2),能够满足林业应用的需要。因此联合ICESat-GLAS波形数据与HJ-1A高光谱数据,能够提高区域森林地上生物量的估测精度。     

基于GEE和BRT的1984—2019年长三角生态绿色一体化发展示范区植被覆盖度变化

长三角生态绿色一体化发展示范区是国家重大战略的区域,生态环境保护是该区域发展的优先本底。探究植被覆盖度(FVC)时空变化有利于更准确地认识生态环境质量状况,对区域绿色可持续发展具有重要意义。本研究基于Google Earth Engine(GEE)云平台,分析了一体化示范区1984—2019年植被覆盖的时空变化特征和变化趋势,并基于增强回归树(BRT)量化不同生态因子对FVC的影响。结果表明: 1984—2019年间,研究区域植被覆盖整体呈先减少后增加的趋势。研究区域植被覆盖空间分布具有阶段性和区域性的特征。植被覆盖以退化为主, 相较于1984年,2019年覆被退化和改善的区域面积占比分别为49.8%和12.8%。其中,覆被退化主要发生于吴江北部、嘉善南部和青浦东北部。人类活动完全削弱了自然因素对FVC的影响。基于研究结果,提出GEE平台是实现植被覆盖常态化监测的有效工具。     

间伐强度对阿尔泰山天然林下植被的影响

以阿尔泰山天然林为研究对象,探究不同间伐强度（19%、33%、55%、62%）对林下植被的影响,为该区天然林的经营管理提供理论依据。运用样地调查法,对间伐30 a后的林木进行每木检尺,调查林下植被结构、物种多样性,对测定数据进行单因素方差分析和LSD多重比较检验。结果表明：（1）草本层物种丰富度随间伐强度的增大而增大,62%间伐强度显著大于其他处理;灌木层物种丰富度随间伐强度的增大呈先增后减的趋势,55%间伐强度最大（P>0.05）;不同间伐强度处理之间,林下植被的Simpson指数、Shannon-Wiener指数和Pielou均匀度指数均无显著差异（P>0.05）,草本植物优势种各间伐强度之间大致相同;（2）适当增加间伐强度可以明显提高灌木层和草本层密度,以55%间伐强度为优（P<0.05）,林下植被的盖度随着间伐强度的增大先增后减,间伐显著影响灌木植物盖度,而对草本层盖度则影响不显著（P>0.05）。以上研究表明从恢复林地多样性的角度考虑,间伐强度选取55%更合理。     

不同地形条件下植被盖度信息提取技术研究

为系统地研究特定区域的植被盖度信息提取技术, 在不同的地形条件下, 比较了目前流行的多种高光谱遥感植被盖度提取方法。结果表明: 最优高光谱归一化植被指数(NDVI₁)的建模和验证精度均高于其他两种归一化植被指数(NDVI), 直接采用NDVI建立的回归模型对研究区植被盖度的估测能力低于像元二分模型; 阴坡的最佳模型为基于一阶微分的偏最小二乘回归模型(PLSR模型), 其建模决定系数(R²)为0.810, 均方根误差(RMSE)为6.29, 验证R²为0.773, RMSE为8.85; 阳坡的最佳模型为基于二阶微分的PLSR模型, 其建模R²为0.823, RMSE为6.04, 验证R²为0.801, RMSE为7.35; 平原的最佳模型为全受限的线性光谱混合分解模型(FCLS), 其验证R²为0.852, RMSE为5.86。     

放牧方式对浑善达克沙地榆树疏林退化的影响

浑善达克沙地榆树疏林是分布于草原地带的隐域植被类型,相较周边的典型草原区,其植被更加茂密,乔灌丛生,水草丰美,千百年来一直是牧民的优质冬季牧场。近半个世纪以来,因人类的过度开垦以及不合理的放牧管理,浑善达克沙地植被遭到空前的破坏,沙丘活化,载畜能力降低,生态价值和经济价值严重受损。近年来,随着国家草畜平衡以及禁牧政策的推广落实,放牧的牲畜总量得到一定程度的遏制,然而大面积草场还在继续退化。在牧民对生产生活的基本需求下,牲畜总量不可能无限制的压制。另外,适度的放牧对草原生态系统健康是有益的。因此,如何改良放牧方式,合理利用草场,在保持生态良好的基础上合理发挥草场的畜牧价值,是我们亟待探索的问题。以浑善达克沙地的典型天然植被榆树疏林为例,对不同放牧方式下的植被进行调查,基于沙地特殊的基质和植被特征,探讨适合沙地的放牧利用方式。研究表明,在相似的放牧强度下,把沙地作为冬营地,其榆树种群更新正常,植被覆盖度以及植物种类等均能保持良好,而把沙地作为夏季营地,榆树疏林植被退化严重,具体表现为:(1)榆树种群自然更新受阻;(2)灌木群落大量死亡或消失;(3)草本覆盖度显著降低,植物种类减少,多年生草本比例减少,一、二年生草本比例增加;(4)裸沙面积增加,沙丘趋于活化。本研究认为目前沙地植被的退化主要由不合理的放牧引起,并非气候因素所致。沙地适合于冬季放牧而不适合其他季节放牧。借鉴牧民的传统放牧方式,建议配合周边的典型草原区实行季节性倒场放牧,仅将沙地作为冬季营地使用,既能有效保护沙地植被又能充分发挥其畜牧价值。     

Vegetation dynamics under variable conditions in the famous sandy steppe of southern Tunisia

During last decades, the natural vegetation cover in southern Tunisia, mainly dominated by dwarf and sparse shrub, was continuously disturbed under various human activities especially on sandy soil (easily eroded). The ecological characteristics (soil structure and texture, vegetation, topography…) of sandy steppes, with Rhanterium suaveolens Desf., enhanced their sharp decline. This study aims to investigate the vegetation status of two R. suaveolens steppes (R: protected; r: degraded) under different conditions in five sites belonging to southern Tunisia using the quadrat point method and some ecological indicators. Main results show that vegetation cover is related to climatic conditions. Plant density is mainly affected by rainfall and human activities. The annual and perennial density and cover are high during the rainy season (spring) compared with the dry one (fall). The degraded steppes (r) are mainly dominated by annual plants but the protected steppes (R) contain more perennials. This work can be very useful for the sustainable sandy steppes management under different stress and human disturbances in dry area. It presents a great national and international importance (economic, social, nature conservation…) such as job creation and limiting rural exodus.     

亚热带湖滨沙地典型下垫面土壤水分变化

亚热带湖滨沙化作为南方荒漠化的一种典型类型,阐明沙化土壤水分变化规律对该地区植被恢复与重建具有重要指示意义。研究于2013年2月至2014年2月对鄱阳湖多宝湖滨沙地的土壤水分动态进行了监测,分析了不同覆被条件下沙地土壤水分在年内及极端气候条件下的动态特征。结果如下:(1)湖滨沙地土壤水分在梅雨和伏旱时期差异显著。在梅雨期及其前后,土壤水分主要受降水控制,各下垫面土壤平均含水量相对较高(0.063 cm~3/cm~3),且差异较小;而在伏旱及其后期,覆盖条件的差异起关键作用,湿地松样地的土壤平均含水量均低于0.035 cm~3/cm~3。(2)持续高温干旱天气下,浅层10cm土壤含水量迅速降低,之后维持在极低水平(0.01 cm~3/cm~3);随着深度增加,不同样地土壤含水量差异将会增强。(3)在多雨季节,17年生湿地松能有效增加土壤表层的持水能力;在干旱季节,湿地松对降水的截留及吸附作用强烈地影响土壤水分的补给量及补偿深度,当降水强度较低时,17年生湿地松样地的浅层土壤水分难以获得补给。因此,在亚热带沙地进行湿地松种植时,应增大初植密度,并且对于植株过高的湿地松林,也应采取适当措施降低其密度,以抵御愈加频发的极端干旱事件带来的风险,促使沙化地区发生持续的正向演替。     

Vegetation recovery and recent degradation in different karst landforms of southwest China over the past two decades using GEE satellite archives

Over the past two decades, eco-engineering has been recognized as an important restoration approach to promote vegetation regrowth and greenness in a widespread rocky desertification land of southwest China. However, it remains unclear of recovery patterns and dominating drivers in different types of karst landforms. Here we use multi-satellite archives based on Google Earth Engine (GEE) to reveal the rapid greening process although encountered severe drought, especially in Karst Peak-Cluster Depression (+0.0035y⁻¹) and Karst Trough Valley (+0.0035y⁻¹) influenced by subtropical monsoon climate and afforestation endeavor, while degradation happened recently at non-karst areas of west highland in Karst Fault Basin (−0.0043y⁻¹ since 2006) and Karst Plateau (−0.0039y⁻¹ since 2014) influenced by decreasing rainfall. Afforestation project and sloping land conversion program is found to play crucial part in explaining a large part of the greening trend in Peak-Cluster Depression and Trough Valley but not in other landforms, suggesting that geomorphic heterogeneity should be further considered in restoration implementation and vegetation assessment, in conjunction with climate change and anthropogenic factors. Our study provides a helpful perspective for karst conservation priorities of various rocky desertification region ecosystems.     

基于SNIC-CNN-SVM模型的京津风沙源二期工程区土地利用/土地覆盖遥感识别研究

稀疏植被覆盖（草地、沙地、戈壁）演变能够直接表征区域生态环境和人类活动的动态影响变化。但由于大尺度稀疏植被区一般都具有地理跨度大,景观结构复杂多样,破碎化程度高,现有地表覆盖分类产品针对性不足等问题,使得该区域内林草沙的遥感提取难度较大,精度普遍偏低,直接制约生态效应评价模型的应用效果。因此,以典型大尺度稀疏植被区--京津风沙源治理二期工程区为研究区,研建了SNIC-CNN-SVM （SCS）模型,实现了大尺度稀疏植被区林草沙典型要素的信息自动提取和主要土地利用/土地覆盖类型识别。研究结果表明：1）引入惩罚性机制优化后的SNIC分割算法,有效提升了稀疏植被区与沙地区的边界区分度,有助于分类精度的提升;2）基于改进SNIC-CNN-SVM模型方案的研究区总体分类精度达89.41%,较优化前提高了11.17%,特别是乔、灌、草、沙地和戈壁的分类识别精度显著提升,表明该优化方案在以研究区为代表的稀疏植被区域分类中具有较好的应用效果和推广价值;3）分类结果显示,2020年工程区草地面积最大,占到了一半以上（51.52%）,沙地占比11.96%,稀疏植被覆盖（草地、沙地、戈壁）区域占比68.68%,表明工程区处在林地-稀疏植被-沙地的过渡地带,生态环境保护压力与防沙治沙形势依然严峻;4）近20年来,乔灌草等植被增加面积约占工程区20.64%,主要由沙化土地转化,沙化土地减少面积约占工程区的4.58%,表明研究区植被状况不断改善,实施的各项生态工程作用显著,能够更有效地服务于多维度生态系统服务功能评价。该研究以期能够为京津风沙源二期工程区的生态系统演变规律研究及生态工程评价等工作提供重要科学支撑。