广州市植被覆盖度等级结构及其时空格局特征

城市化过程直接改变了城市景观,研究城市植被覆盖度及其景观特征动态变化,再现了人们对城市自然景观的干扰过程与强度,反映出城市生态环境质量。1990～2005年间,广州市经济发展迅速,同时也使城市植被系统经历了从严重破坏到逐步恢复的过程,用TM遥感影像解译区域植被覆盖度并进行其等级结构的时空特征研究。结果表明,1990～1995年间是区域植被破坏最严重的时期;以后的时段内,这种趋势在中心城区有所减缓,但没有根本改变,郊区从化市则从2000年起,植被系统未再受到破坏,表现为植被覆盖度增加,植被覆盖度等级结构也获得改善,而这一过程对全市的植被系统产生积极的影响作用。     

基于多时相Landsat遥感影像的海州露天煤矿排土场植被时空特征分析

矿区土地复垦是目前土地整理的一项重要内容,也是矿区可持续发展实现的保障.矿区植被及其恢复状况是矿区土地复垦质量的一种重要的指示器,表征土地复垦的程度与质量.研究基于1975～2000年共4期遥感影像,构建植被覆盖度指数,考察辽宁省阜新市海州露天煤矿排土场25a来植被生长状况及时空变化特征.分析结果表明:1975～2000年间,研究区植被处于不断生长、逐渐恢复的状态,并存在明显的空间差异.时间尺度上,植被覆盖度较高(0.4～0.6)的区域所占面积比例从1975年的14.04%增长到2000年的34.83%;空间分布上,植被覆盖度低(0～0.25)的区域多分布在台地之间相连接的边坡位置上,植被覆盖度较高(0.25～0.6)的区域则分布于台地内部的平坦地面上.     

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.     

基于中高分辨率遥感的植被覆盖度时相变换方法

植被覆盖度是衡量地表植被状况、指示生态环境变化的一个重要指标,也是许多学科的重要参数。传统的测量方法难以获取时间连续的面状数据,且耗时、耗力,很难大范围推广。遥感估算方法虽然可以弥补传统方法的不足,但由于云覆盖等天气条件的影响,获得同一时相覆盖整个研究区的遥感影像非常困难,时相的差异必然导致研究结果产生误差。针对植被覆盖度这一重要生态参数,结合低分辨率遥感数据的时间优势和中高分辨率遥感数据的空间优势,提出一种时相变换方法,将源于中高分辨率影像的植被覆盖度变换到研究需要的时相上。首先,利用像元二分模型计算MODIS尺度的时间序列植被覆盖度,并利用已经获得的SPOT影像计算其获取时相上的植被覆盖度;其次,利用土地利用图划分植被覆盖类型,并利用MODIS数据和土地利用数据之间的空间对应关系制作MODIS像元内各类植被覆盖的面积百分比数据;再次,利用面积百分比数据提取各类植被覆盖的纯像元,结合MODIS植被覆盖度时间序列,从而提取各类植被覆盖纯像元的植被覆盖度时间序列曲线;最后利用像元分解的方法提取MODIS像元内各类植被覆盖组分的植被覆盖度的变化规律,将其应用到该组分对应位置上SPOT像元的植被覆盖度上,从而将其变换到所需要的时相上。在密云水库上游进行试验,将覆盖研究区的10景SPOT5多光谱影像计算的植被覆盖度统一变换到7月上旬,结果显示:视觉效果上明显好转,且空间上连续一致;变换前后植被覆盖度的统计量对比结果也符合植被生长规律;利用外业样点数据与对应位置的植被覆盖度变换结果进行回归分析,结果发现各植被覆盖类型的R2均在0.8左右,表明变换结果与实测值非常接近,时相变换的效果较好,从而可以很好地促进相关研究精度的提高。     

基于无人机遥感监测滩涂湿地入侵种互花米草植被覆盖度

为了实现对沿海滩涂湿地资源与生态环境的有效管理与利用,需要对区域内的入侵种互花米草进行高精度的监测与分析.本文以福建三沙湾为试验区,以低空无人机获取的可见光和多光谱影像为数据源,对互花米草植被覆盖度进行监测与分析,通过NDVI指数模型获取了多光谱影像的植被覆盖度信息,以可见光影像为参考进行了精度检验.结果表明: 影像区互花米草植被覆盖度以40%～60%和60%～80%的中高和高等级覆盖度为主.NDVI模型估算值与真实值之间的均方根误差RMSE为0.06,决定系数R²为0.92,两者具有较好的一致性.     

基于植被覆盖度的藏羚羊栖息地时空变化研究

植被的分布及动态变化在一定程度上反映了动物栖息地的分布与变化。基于植被遥感影像数据及GIS空间分析,对阿尔金山国家级自然保护区植被景观的变化进行分析,同时通过植被类型要素识别出适宜藏羚羊生存的主要区域,对其植被覆盖度的时空变化进行分析。结果表明:保护区的植被覆盖度处于较低水平,低覆盖度植被区域占总植被覆盖区的50%左右,且植被覆盖度高的区域均集中在卡尔墩检查站的东南部。植被覆盖度在2000年、2005年、2010年间的增长趋势表明保护区植被对于动物的承载能力不断增大,植被的分布表明藏羚羊的活动区域植被覆盖度较高,而产羔区域的植被覆盖度较低且海拔较高。对藏羚羊取食植被针茅草原植被覆盖度的变化分析表明,针茅草原植被覆盖度随时间而有所提高,藏羚羊栖息地的面积可能有所增大,覆盖度分布的变化表明藏羚羊栖息地有向保护区西南方向扩散的趋势。对植被覆盖度与海拔关系的分析表明,高海拔区域植被覆盖度较低,中度海拔区域植被覆盖度较高,但是两者并不存在显著地相关性。     

内蒙古草原植被覆盖度遥感估算

以内蒙古锡林浩特市南部中国科学院草原生态系统定位研究站周围的草场为研究对象, 分析比较了统计模型和亚像元分解模型进行草地植被覆盖度(vegetation coverage, VC)遥感估算的适用性。结果表明, 根据Landsat-5 TM影像数据计算的比值植被指数(simple ratio vegetation index, SR)与观测的VC的相关性最高(R² = 0.761); 统计模型和亚像元分解模型生成的VC空间分布特征相似, 但亚像元分解模型得到的VC平均值比统计模型的结果高0.091; 在VC的低值和高值区, 两种方法得到的VC结果相似; 但在VC的中值区, 亚像元模型得到的结果较统计模型的结果偏高。     

基于植被信息季节变换的植被覆盖度变化——以福建省连江县为例

基于植被覆盖度的植被信息遥感变化检测已成为研究植被及其相关生态系统变化的主要途径,但由于云覆盖等天气条件的影响,很难获得不同年份同一季节覆盖整个研究区的光学遥感影像来进行植被变化检测,而采用季节差异的影像必然会影响植被变化检测的结果.为此,本研究利用中高分辨率遥感数据的空间分辨率优势和MODIS遥感数据的时间分辨率优势,基于二者关系的拟合,提出一种植被信息季节变换的方法,将不同季节影像的植被覆盖度变换到研究所需的季节上.结果表明: 将该方法应用到福建敖江流域连江片区发现,植被信息变换的效果较好,经过将覆盖研究区的2007年冬季和2013年春季的中高分辨率影像的植被信息统一变换到夏季后,2007年的植被覆盖度由66.5%上升到79.7%,2013年由58.6%上升到77.9%,有效消除了因季节差异而对植被覆盖度估算产生的误差,提高了结果的准确性.     

福建省长汀县河田水土流失区植被覆盖度变化及其热环境效应

南方红壤典型水土流失区——福建省长汀县河田盆地区的大片山地曾由于植被稀少、山岭裸露、气候炎热,而被称之为“火焰山”.通过20多年的水土流失治理,该区的生态环境有了很大的改善.利用遥感技术,计算了长汀县河田盆地区在1988-2010年间的植被覆盖度变化及其伴随的地表温度变化.结果表明,通过近22a的水土流失治理,该区的平均植被覆盖度有了明显的升高,从1988年的48.83％上升到2010年的59.78％;而同期盆地内外的温度差异也随之下降,盆地裸露区和周边地区的温差降低了近1 ℃.定量研究表明,河田盆地区的植被覆盖度每增加10％,可降低地表温度0.6-1℃.     

陕西省植被覆盖度变化特征及其成因

基于像元分解模型,利用2000—2009年MODIS NDVI数据(250m分辨率)定量分析了陕西省植被覆盖度的时空变化特征及其成因.结果表明:2000—2009年,陕西省植被覆盖度在波动中呈极显著增加趋势(P0.001),变化率为35.0%,植被覆盖度由2000年的56.9%增至2009年的68.9%,其中,陕北地区植被覆盖度的增幅尤为显著,榆林市、延安市植被覆盖度分别增加了21.6%和22.0%.研究期间,陕西植被覆盖整体改善、局地退化,改善极显著(P0.01)、显著(P0.05)的面积比例分别为37.8和11.9%,变化趋势不明显的面积占46.1%,退化的面积仅占4.2%;植被覆盖度变化率200%、100%～200%、10%～100%、-10%～10%和-10%的面积分别占研究区总国土面积的12.2%、13.3%、38.8%、29.3%和6.4%.2000—2009年,陕西省植被覆盖结构转好,高覆盖植被所占的面积呈极显著上升趋势(P0.001),增幅为10.0%;中覆盖植被所占的面积呈显著上升趋势(P0.05),增幅为8.4%;低覆盖植被所占的面积呈极显著下降趋势(P0.001),降幅为18.4%.陕西省植被覆盖度的增加是人类活动和自然因素共同作用的结果,封山育林、退耕还林等一系列生态建设工程的实施是陕北地区植被覆盖度增加的主要原因.     

基于大气辐射校正的广州市植被覆盖度遥感估算

植被覆盖度是描述生态系统的基本参数,也是进行生态系统健康与安全评价的重要生态参数.基于1990、1995、2000和2005年4个时相的TM遥感数据源,以广州市为研究区域,运用减少大气辐射影响的植被指数计算模型,通过非监督分类及图像空间模型运算,修正了大气辐射校正参数,建立了植被覆盖度与校正植被指数的模型,估算了不同时期内广州市的植被覆盖度.结果显示,广州市植被覆盖度在1990—2000年的10年内持续下降,从2000年开始呈上升趋势,符合广州市的经济发展与环境建设实际.所建立的模型适合于区域植被覆盖度动态变化研究,且在植被覆盖度的动态变化特征研究方面有较大优势,其结果适于进行城市生态环境质量与动态评价.     

基于图像融合与混合像元分解的城市植被盖度提取

城市植被盖度提取对于开展城市绿色空间保护和城市规划具有重要意义。随着遥感技术的发展,混合像元分解模型被广泛用于从中等分辨率的多光谱影像提取城市植被盖度,但较低的影像空间分辨率限制了该模型的应用领域。为此,以杭州市为例,首先引入Gram-Schmidt(GS)方法对Landsat ETM+的多光谱波段和全色波段进行融合,再通过混合像元分解模型从ETM+融合影像上提取城市植被盖度,最后利用SPOT影像进行精度检验。结果发现,采用GS方法对影像进行融合后,标准差、信息熵、平均梯度提高,相对偏差小于0.07,说明在保留多光谱信息的基础上提高了其空间分辨率。与SPOT影像相比,在融合影像上75%以上样本的植被盖度值相似,误差较大的区域是市区植被特别稀疏或茂盛的像元。与源影像相比,从融合影像上提取的植被盖度的均方根误差和系统误差降低了0.01。该方法在降低城市植被监测成本、提高监测精度方面具有潜力。     

基于TM卫星影像数据的北京市植被变化及其原因分析

植被覆盖变化是全球变化研究的重要内容之一,由于NDVI与植被的分布密度呈线性相关,是指示大尺度植被覆盖的良好指标,因此在宏观植被盖度的估算中常被应用.利用1987年9月26日和2009年9月22日的Landsat TM卫星影像,以NDVI为桥梁,分别计算了北京市域的植被盖度和大于0.1的NDVI差值指数,北京市域与不同生态区域两个尺度对其植被变化情况进行了量化分析,结果表明,2009年与1987年相比,北京市极低覆盖度、中覆盖度和高覆盖度植被的面积均有所减少,其所占全市土地面积的比例从1987年到2009年分别降低了5.15％和0.54％和0.03％;而低覆盖度和极高覆盖度植被的面积比例则分别增加了5.71％和0.01％.大于0.1的植被差值指数统计结果显示,全市域植被质量以改善为主,全市植被发生改善变化的土地面积共919302.3 hm2,其中发生轻微改善的比例为28.31％,中度改善的为41.33％,极度改善的面积为30.36％;全市植被发生退化变化的面积326931.12 hm2,其中发生中度退化、轻微退化和极度退化的面积分别占到了退化变化土地面积的41.98％、43.20％和14.82％.从不同区域的植被差值指数看,植被发生退化变化最明显的区域为燕山山区北部、五环以内和五至六环间区域,这几个区域退化变化的植被面积占相应区域的面积比例分别达到了30.25％、58.17％和47.38％,而且均以严重退化与中度退化为主,两者合计的面积比例分别为15.79％、44.72％和34.19％.而发生退化变化面积比例最小的区域为太行山区和延庆盆地,其退化面积占该区域植被面积的比例分别为13.35％和17.02％,且退化程度均以轻微退化和中度退化为主,其面积比例介于5％-8％之间.从植被变化的驱动力看,目前还看不出北京这种植被变化结果与气候变化之间的直接关联.北京市植被变化的驱动力主要还是人为因素.这包括了区域性的大环境绿化生态工程建设(包括山区与平原区),城市绿化市政工程建设、平原区农业结构调整、新农村生态环境建设,以及由于降水而导致的山区河岸带变化等.其中河流水面变化对河岸带植被变化的影响范围在多年平均水面线外0-150 m范围内,0-100 m范围为受影响较大的区域.     

基于TM遥感影像的陕北黄土区结构化植被因子指数提取

根据结构化植被因子指数的概念,以TM影像为信息源,探讨了利用遥感技术提取陕北黄土区结构化植被因子指数（C_s）的途径与方法.结果表明：在陕北黄土区,C_s能更好地描述植被群落的水土保持效益,其与绿度植被指数（归一化植被指数NDVI、修正土壤调整植被指数MSAVI）和黄度植被指（归一化差异衰败指数NDSVI、归一化耕作指数NDTI）等单一的遥感植被指数虽然均存在良好的相关关系,但用绿度与黄度植被指数相结合可综合反映植被的水土保持功能,能较好地克服单一指数在描述植被控制水土流失中的不足;MSAVI、NDTI分别是基于遥感影像提取C_s较为理想的绿度和黄度植被指数;根据群落结构化植被因子指数与遥感植被指数的关系推算区域尺度上的结构化植被因子指数是可行的,但由于不同地区植物物候期的差异,要使该方法在其他地区适用,仍需开展相应的率定和验证工作.     

广州市公园植物景观特色与品种配置相关性研究

通过植物调查和拍摄植物景观照片,采用风景质量评价方法,对广州市公园植物景观特色与品种配置的相关性进行研究,筛选能体现岭南园林风格及南亚热带植物景观特色的最佳植物配置模式,为植物造景提供科学依据。     

广州城市绿地系统景观异质性分析

选用景观多样性等7个指数对广州城市绿地景观异性质进行了分析.结果表明,广州绿地斑块密度和绿廓道密度分别为118和187km·km-2,在老城区绿地具有斑块小,破碎度大,多样性高,以随机分布为主的高异质性空间结构;在新城区,绿地斑块大,以均匀分布为主,因此,在同等大小的区域内,这类绿地空间结构更能提高景观的异质性,更有效地发挥绿地的生态功能     

杭州湾滨海湿地不同植被类型沉积物磷形态变化特征

研究了杭州湾滨海湿地不同植被类型下0-5 cm和10-20 cm沉积物总磷(TP)、无机磷(IP)、有机磷(OP)及其形态变化特征,揭示湿地植被演替对沉积物磷形态的影响.结果表明,沉积物TP,互花米草(MC)显著高于其他植被类型.在IP中,可溶性松散态磷(Soluble and loosely bound P,SL-Pi)含量光滩(CK)最小、MC最大;还原态可溶性磷(Reductant soluble P,RS-Pi)含量芦苇(LW)和MC显著高于CK和海三棱藤草(BC);钙磷(Ca-Pi)含量CK和BC显著大于LW和MC.在OP中,活性有机磷( Labile Po,L-Po)含量最低、中等活性有机磷(Moderately labile Po,ML-Po)含量最高、非活性有机磷(Nonlabile Po,NL-Po)处于中间水平.IP是磷素的主要形态、占TP的74％ -89％,而Ca-Pi又是IP的主要形态、于湿地沉积物淤积初期通过吸附沉淀作用存留.杭州湾湿地植被自然演替过程中不同植物生物量积累和营养物质循环过程的变化导致沉积物中磷形态的差异.植被演替初期,BC显著改变0-5 cm沉积物磷形态,对10-20 cm沉积物无显著影响;植物演替后期的LW和MC促使0-5 cm沉积物有机磷快速积累、10-20 cm沉积物有机磷小幅增加,同时促进Ca-Pi向可溶性、活性态磷转变.     

基于可见光植被指数的面向对象湿地水生植被提取方法

利用ESP分割工具确定最佳分割尺度,通过多尺度分割算法创建最优分割影像,基于微型无人机影像数据生成可见光植被指数,从一系列可见光植被指数中选取一组最优植被指数,建立决策树规则,利用隶属度函数对研究区自动分类,生成水生植被分布图.结果表明: 监督分类法的总体精度为53.7%,面向对象分类法总体精度为91.7%,与基于像元的监督分类法相比,面向对象分类法显著改善了影像分类结果,并大大提高了水生植被提取精度,监督分类法的Kappa系数为0.4,而面向对象分类法的Kappa系数为0.9.这表明利用微型无人机数据生成的可见光植被指数结合面向对象分类方法提取水生植被在该研究区是可行的,并能够应用到其他类似区域.