基于遥感的植被覆盖变化景观分析——以北京海淀区为例

提出了基于土地利用分类的植被覆盖度计算的亚象元模型,针对不同的植被覆盖类型,综合利用“等密度模型“和“变密度模型“计算植被覆盖度,使其能有效地从遥感数据中提取植被覆盖信息。在GIS的支持下,应用该模型对北京海淀区1975年、1991年和1999年5月份植被覆盖度进行计算,并着重对其景观变化过程进行了分析。研究结果表明：1975至1999年来,海淀区植被覆盖整体表现为增加趋势,但空间格局分布不均衡,全植被覆盖区和高植被覆盖区过分集中在西北部狭长地带,东南部则多为低植被覆盖区,反映出北京海淀区土地利用的结构特征。     

基于遥感影像的广州市植被覆盖度内部结构与时空变化

以覆盖广州市的4个时相（1990、1995、2000和2005年）的TN遥感影像为数据源,经大气辐射校正,获得植被指数的计算模型,估算广州市域范围内的植被覆盖度,分5个等级研究植被覆盖度等级结构特征及其时空分异。结果表明：1990年至1995年间,广州市植被覆盖度下降幅度较大;植被覆盖等级结构也表明植被状态明显向不利于城市生态环境的方向变化。2000年至2005年间,植被覆盖度有所增加,等级结构也显示植被覆盖度有逆转的趋势。植被覆盖度变化幅度相对较大的是中心城区以外的新区,表明城市向郊区不断扩展。     

长江上游近19年植被覆盖度动态变化及驱动力分析

为探究2000—2018年来长江上游植被覆盖度动态变化及驱动力,基于2000、2010及2018年3期Landsat TM影像,以长江首城宜宾为例,对其19年间植被覆盖度动态变化进行监测。应用ENVI和GIS技术对数据进行预处理,运用像元二分模型计算植被覆盖度,结合主成分分析和相关性分析方法探讨其变化的驱动力,实现对长江上游植被覆盖度的局部动态分析。这对于长江上游沿岸的生态保护意义重大。结果表明:1)中植被覆盖区在2000年和2010年面积占比最大,而2018年高植被覆盖度占比变为最大,宜宾市域整体植被覆盖度向好的方向发展。2)近19年植被改善和退化面积分别占33.51%、29.48%。退化区域遍布整个研究区,改善区主要分布在东部边缘。3)植被覆盖度随海拔升高而上升;随坡度的增加而呈不同变化;坡向对植被覆盖度的影响主要表现在温度上,阴坡小于阳坡,但宜宾正西北方向植被覆盖度最高,这是由于西北方向有大面积原始森林。4)研究区植被变化受经济、社会和人口的共同影响。森林面积、建设用地面积、GDP、总人口、耕地面积等因子是影响研究区植被覆盖变化的主要驱动力因子。     

2001-2015年天山北坡植被覆盖动态变化研究

利用天山北坡2001-2015年植被生长比较旺盛月份（6-9月）的MODIS NDVI产品数据,结合像元二分法进行植被覆盖度提取,并对其空间分布特征、随时间及地形的动态变化和面积加权重心进行分析。研究表明：（1）天山北坡6-9月多年平均植被覆盖度介于0.4-0.5,以低、中低植被覆盖度为主,各等级植被覆盖度大致呈西北-东南向相间分布;（2）2001-2015年间,植被覆盖度有逐渐上升的趋势;植被覆盖改善区域（54.42%）大于退化区域（45.58%）,西部较东部改善更为明显;植被覆盖度变异类型以弱变异和中等变异为主,植被覆盖度变化类型以稳定型为主;（3）天山北坡区域植被覆盖度变化受海拔高度影响明显：随着海拔高度的上升,较低植被覆盖度比例呈现先上升后下降再次上升趋势,较高植被覆盖度则与之相反;海拔3880 m以上低植被覆盖度占绝对优势,较高的植被覆盖度占比逐渐下降直至几乎绝迹;（4）各等级植被覆盖度面积加权重心集中在沙湾县、石河子市、玛纳斯县及呼图壁县;并呈现由集中到相对分散的趋势。     

气候和土地利用变化对中国北方农牧交错带植被覆盖变化的影响

基于1986、2000年中国北方农牧交错带的遥感影像及研究区的气象数据,利用植被覆盖度信息提取模型研究了1986—2000年间研究区植被覆盖度的时空变化,并分析了气候和土地利用变化对植被覆盖度变化的影响.结果表明：1986—2000年,研究区高盖度植被的面积缩减,低盖度植被的面积增加;植被覆盖升高区主要位于该区东北段的东部、北段的西部和西北段的西部,其他地段的植被覆盖明显退化;植被覆盖度与降水、干燥度指数呈正相关,与温度呈负相关;不同土地利用类型的植被覆盖度变化方向和程度各异.     

1982-2015年黄土高原植被变化特征及归因

黄土高原植被对于黄河中下游泥沙量减少以及区域生态安全维持发挥着重要作用。气候变化和人类活动是驱动黄土高原植被覆盖度变化的两大因素,然而先前研究多基于统计方法建立植被覆盖度与气候变化的线性关系,忽略了植被覆盖度与气候变化之间复杂的非线性关系,限制了对黄土高原植被变化驱动机制的理解。基于1982-2015年黄土高原植被覆盖度(GIMMS NDVI)数据,以1999年退耕还林工程开始实施为界限,采用随机森林和残差阈值法等手段量化并分析了1982-2015年植被变化特征及气候变化和人类活动对植被变化的影响。结果表明:(1)1982-2015年黄土高原植被覆盖度整体上呈现增长趋势,1999年之后植被覆盖度增加的面积大于1999年之前, 1999年以前显著增长的区域只占总面积的54.68%,1999年以后显著增长的区域面积占比增长至85.11%;(2)在考虑时滞效应的基础上,1982-1998年黄土高原超过80%的区域的逐月温度、降水、日照时数与植被覆盖度存在显著的正相关关系,表明1999年以前植被覆盖度变化主要与气候变化有关。随机森林算法能较好地模拟植被覆盖度与气候因子之间的关系,99.71%的区域拟合的决定系数R²达到0.5以上;(3)2000-2015年,气候因素和人类活动对植被覆盖度的影响具有空间异质性。人类活动对植被覆盖度产生积极影响的面积增加了55.94%,气候消极影响的面积减少了42.58%,气候积极影响的面积减少了12.86%。研究提出的量化气候变化与人类活动对植被覆盖度影响的方法能够更好的区分黄土高原植被覆盖度变化的驱动因素,为黄土高原生态建设以及黄河流域的生态安全和高质量发展提供数据支撑。     

砒砂岩区植被覆盖度环境驱动因子量化分析——基于地理探测器

砒砂岩区地形破碎,生态环境恶劣,降水量少且以暴雨为主,研究该区植被覆盖变化及环境驱动因子作用机制对区域植被建设具有重要的理论意义。基于1999—2018年的NDVI数据分析了砒砂岩区近20年植被覆盖度时空变化特征,利用了地理探测器方法量化分析了不同环境因子对植被覆盖度的影响。结果表明：1)近20年砒砂岩区平均植被覆盖度为42.3%,时间尺度上1999—2018年区域植被覆盖度呈增加趋势,平均上升幅度为0.086/10 a,空间尺度上植被覆盖度呈现从东南向西北递减的空间分布特征;2)近20年区域植被覆盖整体得到改善要比退化的区域面积大,45.5%的区域面积植被覆盖度极显著增加,主要分布在砒砂岩区东部区域,该区植被覆盖度未来变化趋势将以持续性改善为主,但仍有约41.6%的植被将由改善向退化方向变化;3)降水、土壤水分和气温是影响砒砂岩区植被覆盖空间分布的主导环境因子,且降水同其他环境因子的交互作用对植被覆盖影响最大。     

黄土高原典型干旱区退耕还林后植被覆盖变化研究

以MODIS NDVI 为数据源, 选择退耕还林意义最为典型的甘肃省会宁地区为示范区, 应用像元二分模型计算该地区2000-2010 年11 a 的植被覆盖度, 分析了退耕还林后该地区植被覆盖度动态变化特征及趋势。结果表明: 从实施退耕还林还草政策以来, 会宁县植被覆盖度虽然年际间有较大波动, 但总体上呈微弱的增加趋势, 并以低植被覆盖度类型和中低植被覆盖度类型为主, 11 a 监测期植被覆盖度增加的面积达到70.60%, 且植被覆盖度主要向10%-45%范围内转化。空间上植被覆盖度差异较大, 南部高、中部和北部显著偏低。人类活动与气候变化是影响植被覆盖度变化的主要因素。     

2006-2016年岷江上游植被覆盖度时空变化及驱动力

基于MODIS NDVI遥感数据,采用像元二分模型估算岷江上游植被覆盖度,运用一元线性回归分析和稳定性分析方法,研究2006-2016年岷江上游植被覆盖度时空变化格局及稳定性,并分段讨论2008年"5.12汶川地震"对岷江上游植被的破坏程度以及震后植被恢复情况,利用地理探测器模型对岷江上游植被覆盖度影响因子及影响力进行探测,分析岷江上游植被覆盖度变化驱动力。结果表明：（1）2006-2016年岷江上游植被覆盖整体状况良好,植被覆盖总体情况较为稳定,多年平均植被覆盖度为0.79,植被覆盖度大于0.8的区域占整个岷江上游地区面积的69%。（2）2008年"5.12汶川地震"给整个岷江上游植被造成了严重的破坏,植被覆盖度退化区域面积为14013.41 km²,占整个岷江上游面积的57%,2008-2016年岷江上游植被恢复状况良好,植被覆盖度改善区域面积为17390.69 km²,占整个岷江上游面积的71%,岷江上游植被覆盖度已经超过震前水平。（3）岷江上游植被覆盖度主要受海拔、气温、土壤类型、降水4个因子的影响,其解释力均在40%以上;地貌类型、植被类型的解释力在20%-40%之间;坡度、坡向的解释力均小于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.     

基于修正的亚像元模型的植被覆盖度估算

植被覆盖度是陆地生态过程模型、气象和气候模型的一项重要参数.通过消除植被类型分类精度以及遥感影像噪声带来的误差,结合实际测量值确定了归一化植被指数(NDVI)的最大值和最小值,修正了亚像元模型,并通过计算北京市植被覆盖度对模型进行了验证. 结果表明: 修正后模型的模拟值与实测值非常接近,尤其是对植被类型一致但密度有不同变化的草本植被, 但对乔木植被覆盖度的估算误差相对较大,这可能与遥感影像分辨率、植被破碎度及采用的混合像元模型有关.     

Fractional Vegetation Cover Estimation Based on an Improved Selective Endmember Spectral Mixture Model

Vegetation is an important part of ecosystem and estimation of fractional vegetation cover is of significant meaning to monitoring of vegetation growth in a certain region. With Landsat TM images and HJ-1B images as data source, an improved selective endmember linear spectral mixture model (SELSMM) was put forward in this research to estimate the fractional vegetation cover in Huangfuchuan watershed in China. We compared the result with the vegetation coverage estimated with linear spectral mixture model (LSMM) and conducted accuracy test on the two results with field survey data to study the effectiveness of different models in estimation of vegetation coverage. Results indicated that: (1) the RMSE of the estimation result of SELSMM based on TM images is the lowest, which is 0.044. The RMSEs of the estimation results of LSMM based on TM images, SELSMM based on HJ-1B images and LSMM based on HJ-1B images are respectively 0.052, 0.077 and 0.082, which are all higher than that of SELSMM based on TM images; (2) the R² of SELSMM based on TM images, LSMM based on TM images, SELSMM based on HJ-1B images and LSMM based on HJ-1B images are respectively 0.668, 0.531, 0.342 and 0.336. Among these models, SELSMM based on TM images has the highest estimation accuracy and also the highest correlation with measured vegetation coverage. Of the two methods tested, SELSMM is superior to LSMM in estimation of vegetation coverage and it is also better at unmixing mixed pixels of TM images than pixels of HJ-1B images. So, the SELSMM based on TM images is comparatively accurate and reliable in the research of regional fractional vegetation cover estimation.     

干旱区荒漠稀疏植被覆盖度提取及尺度扩展效应

选择线性混合像元分解模型、亚像元模型、最大三波段梯度差法模型以及修正的三波段梯度差法的2个变异模型来提取植被覆盖度,结合地面实测数据,探讨了提取干旱区荒漠稀疏植被覆盖度信息的适宜模型,并以简单平均法模拟了不同尺度的覆盖度影像,通过尺度上推检验了模型在MODIS尺度上的反演效应.结果表明：线性混合像元分解模型反演覆盖度的精度高于其他模型,适于稀疏植被地区,但端元的正确选取较难,从而影响其运用;亚像元分解模型是一个通用模型,植被分类图越精细,通过亚像元分解模型得到的覆盖度精度越高,但这也同时意味着该模型需要测定大量的输入参数;最大三波段梯度差法的算法简单、易于操作,其在农田等中高植被覆盖区及裸土区的预测值与实测值接近,但对干旱区稀疏植被的估计精度偏低;修正后的三波段最大梯度差法模型在稀疏植被覆盖区的预测值与实测值基本一致,在不同尺度上反演的覆盖度信息与实测值的一致性较好.该方法可有效提取干旱区低覆盖度植被信息.     

复杂地形草地植被碳储量遥感估算研究进展

草地生态系统是我国最大的陆地生态系统，其植被碳储量的准确评估对维护国家生态安全和指导畜牧发展有重要作用。植被生物量和草地面积是草地植被碳储量估算的关键，随着遥感技术的发展，两者估算精度和效率显著提高，先后发展出多种草地生物量遥感估算模型和土地覆被产品，并已在平坦地区取的较好估算结果。然而，复杂地形区迥异于平地的几何形态和水热分布所产生的不均一的生态系统结构和功能，给草地生物量和草地面积的遥感估算带来诸多困难，影响对草地植被碳储量的准确判定。本文在回顾国内外草地植被碳储量遥感估算方法与所需关键参数的基础上，对遥感估算复杂地形草地植被碳储量过程中所面临“遥感影像地形效应的去除和尺度选择”、“植被指数与地形指标的选取”、“过程模型植被生长参数的率定”、“草地面积估算”以及“气象数据与复杂地形上微气候的匹配”等问题进行了总结并提出相应的解决思路，以期为草地植被碳储量遥感估算模型的合理构建以及估算精度的提高提供参考。     

毛乌素沙地南缘植被景观格局演变与空间分布特征

以1991、1999和2007年TM/ETM+影像为数据源,利用RS和GIS技术提取研究区植被覆盖度信息,将其按地貌分区,计算景观格局指数,分析植被景观格局变化特征.结果表明:(1) 1999年是研究区16a植被景观结构变化的转折点,植被覆盖状况前期恶化后期好转.1991-1999年两区极低和低级植被覆盖度占绝对优势,继续增强,风沙区55％-70％,丘陵区70％-80％.高等级比例均在5％以下,持续下滑.2007年两区的优势级别提升为低级和中级,风沙区比例55％,丘陵区70％.极低级别比例减小,风沙区40％-20％,丘陵区50％-15％.高级比例不同程度增大.(2)1999年前后植被景观格局反向演变,两区变化趋势基本相同程度不同.植被多样性和均匀度先减小后增大,等级问交替分布规律先弱后强.风沙区景观形状由复杂到简单,破碎度先增后减;丘陵区破碎度持续增大,形状变化微小.整体上来看,风沙区植被多样性高整体性好,植被均匀度指数大,交替分布规律明显,丘陵区植被格局较差.但外界对风沙区的干扰比丘陵区强烈.(3)植被景观格局演变过程中始终保持多核心模式,核心面积、形状甚至类型发生不同程度的变化.风沙区核心多为无植被斑块,丘陵区多为高植被覆盖度斑块.核心外围植被分布具有梯度性.     

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。     

生物土壤结皮对照相法测量植被覆盖度结果的影响

植被覆盖度测度的准确性很大程度上影响着研究结论是否科学合理。在干旱半干旱退化草原区,尤其是受采矿剧烈扰动的矿区,发育的生物土壤结皮(Biological soil crust,BSC)由于其颜色和光谱同绿色植被具有相似性,导致对植被覆盖度的测量存在一定的影响。以伊敏露天矿区为研究区,在西排土场和内排土场采集了含苔藓结皮、地衣结皮和藻结皮的样方相片各四组(每组中包含样方喷水前和喷水后的相片各一张),并采集了一组不含结皮的样方相片作为对照组,运用数码照相法提取植被覆盖度,通过不同的数据处理方法(最大似然分类法及RGB阈值法)进行植被覆盖度提取,设立对比试验,分析BSC对于植被覆盖度测度是否有影响,其影响大小如何,影响程度是否受BSC含水量大小的影响,并对比各常规处理方法的优劣,研究能否通过结合纹理特征与色彩信息剔除BSC对植被覆盖度提取值的影响。研究结论:1)基于照相法的常规数据处理方法提取植被覆盖度时,BSC的存在导致测得的植被覆盖度值偏高,且苔藓结皮、地衣结皮吸水后比吸水前影响更显著,藻结皮相反;2)3个演替阶段的BSC中,尤以含苔藓结皮的样方植被覆盖度高估最为明显,其次为地衣,而含藻结皮样方规律不明显;3)样方内BSC覆盖度越高,植被覆盖度越低,其植被覆盖度测度越不准确,因此在研究草原矿区这类草本植物覆盖度较低、结皮发育的区域时,应当注意BSC的影响;4)试通过应用纹理信息提出改进的提取方法,发现单纯的纹理分类精度极低,而结合了纹理信息与RGB色彩信息的分类精度较高;5)对两种常规分类方法的精度进行比较,RGB阈值法较最大似然分类法更为不准确,对植被覆盖度的高估接近最大似然分类法的2倍。对两种改进的提取方法的精度进行比较,二者都可以有效提高测量精度,基于波段合成的纹理分类方法最佳。四种方法精度由高到低的顺序为:纹理结合RGB法考虑生物土壤结皮的最大似然分类法普通最大似然分类法RGB阈值法。     

多尺度遥感综合监测我国北方典型草原区植被盖度

利用多尺度遥感影像综合进行全球和区域尺度的土地利用/覆盖变化(LUCC)研究是最近全球变化研究的重要方向之一。本文综合利用野外群落样方、数字相机、ETM+影像、NOAA/AVHRR影像,在遥感、GIS和GPS支持下,对我国北方典型草原区植被盖度进行了综合监测、模拟与分析。结果表明:(1) 利用经处理后的数字相机影像测量盖度的结果准确性较高,可以作为植被盖度测量的标准结果,反映真实的覆盖特征,并用以验证利用其它方法测量结果的精度。(2) 利用野外1 m2样方网格法目视估测的植被盖度结果变化较大,不稳定。本次实验中,与数字相机测量结果相比,样方估测的盖度普遍偏高,平均偏差为9.92%;但两者相关性较好(r2=0.89)。(3) 采用Gutman模型ETM+影像、NOAA/AVHRR影像反演植被盖度的结果与数字相机测量结果偏差分别为7.03%、7.83%,ETM+像元分解NOAA像元后得到的植被盖度与数字相机测量结果偏差5.68%。三者与数字相机测量结果的相关系数r2分别为0.78、0.61和0.76。(4)利用野外实测植被盖度数据直接与NOAA-NDVI影像建立统计模型估算植被盖度的精度较低(r2=0.65),而通过空间分辨率介于两者之间的ETM+影像进行转换后,该精度得到一定的提高(r2=0.80)。利用像元分解的方法提高了大尺度植被盖度监测的精度,是利用遥感数据进行尺     

基于地形梯度的黄河流域中段植被覆盖时空分异特征——以延安市为例

植被恢复是黄河流域生态保护和高质量发展的关键,深入研究植被的时空分异特征具有重要的现实意义。本研究以4期Landsat TM/OLI为遥感数据源,采用像元二分模型估算植被覆盖度,运用转移矩阵、地学信息图谱和重心迁移模型分析1988—2018年黄河流域中段延安市植被覆盖的时空演变特征;并结合地形数据,利用地形分布指数分析高程、坡度上植被覆盖的空间响应规律。结果表明: 研究期间,延安市植被覆盖呈北低南高的空间分布特征,植被覆盖受政策影响而大幅增高;1988—2018年,延安市植被变化模式以持续向好和稳定不变为主导,有50%的区域植被覆盖情况改善,83%的高植被覆盖区域保持稳定。在各高程和坡度等级上,高植被覆盖的分布优势度随时间变化而增大;在各坡度等级上,植被增加百分比和植被稳定性随坡度增加而增大。延安不同等级植被覆盖的迁移方向与植被覆盖整体的迁移趋势基本一致,总体向北偏西转移。延安植被建设已取得显著成效,但北部植被覆盖状况仍待提高,优化植被类型和结构是未来植被建设的重要方向。