中国西北干旱区气温时空变化特征

依据我国西北干旱区95个站点1951-2008年月平均气温资料,运用经验正交分解法(EOF)、Morlet小波分析、MannKendall秩次相关检验法及气候趋势系数等方法剖析了西北干旱区气温场空间分布结构及多时间尺度下的变异规律和变化趋势.结果表明:西北干旱区气温存在3a、9a及准12a主周期;气温场空间分布以“相间复杂”型为主(对总体方差贡献为30.93％),基于此将西北干旱区划分为北疆子区、南疆子区、河西子区、青海子区及内蒙古子区.全区44.8％的年份气温属正常范围,15.5％年份异常偏暖,3.4％显著偏暖,13.8％年份偏冷,显著偏冷和异常偏冷年份均为8.6％.自90年代以来,西北干旱区开始增温,2001-2008年温度正距平值达6.9℃,正距平年数由80年代40％上升至100％.西北干旱区97.9％的地区呈现增温趋势,其中94.7％的地区通过信度0.01的显著性检验,96.8％的站点通过了0.05的显著性检验;增温幅度为0.02℃/10a-1.21℃/10a;并形成了北疆以富蕴(1.09℃/10a),南疆以喀什(0.22℃/10a),东疆以巴里坤(0.76℃/10a),柴达木盆地以小灶火(0.81℃/10a),河西地区以松山(0.08℃/10a),内蒙古西部以吉诃德(0.03℃/10a)为中心的增温区.     

时间信息熵及其在植被覆盖时空变化遥感检测中的应用

基于遥感影像的变化检测是当前的研究热点,可为区域生态环境保育、资源管理与发展规划等提供决策支撑。目前遥感影像的变化检测多基于两个时相,不能充分地反映植被在时间维的连续变化特征。通过引入信息论,提出了利用时间信息熵来综合表征植被长时间序列的变化特征。研究以延河流域为试验区,基于MODIS/NDVI数据,应用时间信息熵方法来计算了2000—2010年该区域的植被覆盖变化信息,厘清了时空变化特征。研究结果表明,近10年延河流域的植被覆盖的变化以增加为主,占流域面积的80.7%;植被覆盖明显增加的区域占流域面积13.9%,主要分布在流域的东北部和东南部;植被覆盖减少的区域占比2.4%,主要分布在流域的西部和西北部;严重减少的区域占比1.1%,主要分布在流域的中部和西南部,是需要重点的生态恢复与治理区域。时间信息熵方法与回归分析法相比,能够更为客观地表征长时间序列植被覆盖的连续变化强度和变化趋势,可为区域生态环境的保护和管理提供更为科学的理论依据。     

1982-2013年基于GIMMS-NDVI的新疆植被覆盖时空变化

利用美国国家航天航空局（NASA）全球检测与模型组（Global Inventor Modeling and Mapping Studies,GIMMS）的归一化植被指数数据（NDVI）和英国东英格利亚大学气候研究所（Climate Research Unit,CRU）全球气温降水数据（1982至2013年）,研究新疆1982-2013年植被覆盖格局的时空变化。运用一元线性回归法分析近32年来新疆NDVI变化趋势;运用Theil-Sen median与Mann-Kendall检验研究新疆NDVI格局及趋势特征;并将检验的结果和Hurst指数的结果相结合,研究新疆NDVI格局的可持续性特征。研究表明：（1）新疆植被覆盖在空间分布上差异明显,其中北疆优于南疆,西北优于东南;（2）近32年来新疆年NDVI均值在0.10-0.12之间波动,且存阶段变化性;（3）新疆植被改善趋势的区域占总面积的25.89%,轻微退化的区域占总面积的18.00%;（4）从可持续性来看,新疆大部分地区植被变化将保持现在的趋势,但局部地区具有反持续性,持续性改善的面积占全疆总面积的24.39%,持续性轻微退化的区域占15.73%,另外59.88%为严重退化和未来变化趋势无法确定区域。开展NDVI空间格局的变化研究,对于干旱区新疆来说具有重要的理论和实际意义。     

1982-2012年中国植被覆盖时空变化特征

利用GIMMS NDVI、MODIS NDVI和气象数据,辅以趋势分析、分段回归以及相关分析等方法,分析了1982—2012年我国植被NDVI时空变化特征及其驱动因素。结果表明:(1)近30年我国植被NDVI呈缓慢增加趋势,增速为0.2%/10a;植被覆盖变化阶段性特征明显:即1982—1997年和1997—2012年植被覆盖均呈显著增加趋势,增速分别为1.2%/10a和0.6%/10a,均通过显著水平0.05的检验。(2)空间上,我国陕北黄土高原、西藏中西部以及新疆准格尔盆地等地区植被NDVI呈显著增加趋势;而东北地区的大、小兴安岭和长白山、新疆北部的天山和阿尔泰山以及黄河源和秦巴山区等地区植被NDVI呈显著下降趋势,其中东北地区和新疆北部山区下降尤为显著,说明近年来我国中高纬度山区植被活动呈下降趋势。(3)不同区域植被对气温和降水的响应存在差异,我国北方地区植被对气温具有较长的响应持续时间;而除云南外,南方地区植被对降水的响应时间存在1—3个月的响应时间,且随着滞后时间的延长,相关性逐渐增大。(4)我国植被覆盖增加是气候变化和人类活动共同驱动的结果,尤其是1999年之后人类活动影响逐渐加强。而我国东北地区和新疆北部山区植被覆盖的下降可能是由于该区降水减少所致,东南沿海地区植被退化则受城市化影响显著。     

2000-2010年黄河流域植被覆盖的时空变化

黄河流域位于干旱、半干旱和半湿润地区,生态环境脆弱,近年来,在气候变化和人类活动影响下,植被覆盖状况发生了变化。因此需要对黄河流域植被覆盖的变化进行监测,进而掌握流域植被的动态变化特征。在此背景下,利用2000-2010年的250 m分辨率的MOD13Q1数据来研究黄河流域植被覆盖区域的NDVI时空变化特征。采用Theil-Sen Median趋势分析和Mann-Kendall检验来研究NDVI的变化趋势特征,通过对Theil-Sen Median趋势分析和Mann-Kendall检验的结果和Hurst指数的结果的叠加,来研究NDVI的可持续特征。研究表明：1）从空间分布上看,黄河流域NDVI呈现出西部和东南部高,北部低的特征;2）从时间变化特征上看,2000-2010年植被覆盖区域年均NDVI均值在0.3-0.4之间波动,其中2000-2004年NDVI波动较大,但自2005年以来NDVI呈现快速增长的趋势;3）从变化趋势上看,2000-2010年黄河流域植被改善的区域远远大于退化的区域,改善的区域占植被覆盖区域总面积的62.9%,退化的区域占27.7%,9.4%的区域NDVI稳定不变;4）从可持续性来看,86.0%的植被覆盖区域NDVI呈现正向可持续性,即NDVI的可持续性较强;由变化趋势与Hurst指数的耦合信息得出,持续改善的面积占植被覆盖区域总面积的53.7%,持续稳定不变的区域占7.8%,持续退化的区域占24.5%,另外14.0%的区域未来变化趋势无法确定,持续退化和未来变化趋势无法确定区域的植被变化状况需要研究人员继续关注。     

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。     

珠江流域植被覆盖时空变化分析

为阐明珠江流域植被覆盖变化的整体状况,基于RS与GIS技术,应用美国国家航天航空局最新的全球植被指数变化研究数据(GIMMS),对珠江流域1982~2003年间的地表植被覆盖的空间分布及时间序列变化进行了综合分析。结果表明:(1)22年来,珠江流域大部分地区的NDVI都呈现不同程度的下降趋势,表明珠江流域植被活动在减弱;(2)从季节变化来看,珠江流域平均植被覆盖除春季呈不显著上升外,其余各季均呈不显著下降趋势;(3)空间上,中下游地区都呈现不同程度的下降趋势,其中珠江三角洲地区达到了极显著水平;而上游南、北盘江流域、右江、左江及郁江流域则呈不显著增加趋势。这种空间异质性是由于城市化过程、农业生产活动、区域气候特征等综合因素作用的结果。     

1982-2012年中亚植被变化及其对气候变化的响应

归一化植被指数(NDVI)能够反映植被生长状况, 被广泛应用于区域乃至全球的植被变化研究中。该文利用1982-2012年GIMMS-NDVI数据, 通过基于像元的线性趋势分析、偏相关分析, 基于场域的经验正交分解(EOF)、奇异值分解(SVD), 综合时间和空间两个维度上的信息, 研究了近31年来中亚植被的变化及其变化中的区域差异, 分析了植被对气候变化的响应关系。线性趋势分析发现, 34%的中亚植被NDVI显著增长(p < 0.05), 山区植被NDVI的增长速率可达到每年0.004。偏相关分析表明, 63%的中亚植被受到降水的显著影响(p < 0.05, 仅4%为负相关), 而32%的植被受到气温的显著影响(p < 0.05, 仅9%为正相关)。EOF分析发现, 中亚植被NDVI的变化表现出较大的空间差异: 山区及东北部的植被NDVI变化主要分为3个阶段, 即先增长(1982-1994年)、后波动(1994-2002年)、然后继续增长(2002-2012年); 而西北部平原区的植被NDVI变化主要表现为两个阶段, 即先增长(1982-1994年)而后减少(1994-2012年)。SVD分析表明: 1982-2012年间中亚植被受到降水和气温的共同影响, 植被NDVI的空间变化特征与降水的空间变化特征较为一致, 但西北部和山区的植被NDVI对气温的响应存在差异。     

云南中部地区植被覆盖时空变化特征及其影响因素研究

基于MODIS NDVI数据通过像元二分模型提取植被覆盖, 利用线性趋势、相关分析方法分析了云南中部地区2000—2016年植被覆盖的时空分布特征与变化趋势, 并探讨了气候因子、地形因子、人类活动对其植被覆盖的影响。研究结果为: 云南中部地区植被覆盖春季最低(平均58.75%), 秋季最高(平均66.30%), 大部分地区年植被覆盖度的平均值在50%—70%之间; 植被覆盖高值区主要分布在曲靖境内(>80%); 滇池周边人口高密度区植被覆盖常年最低(<20%)。近17年来云南中部地区植被覆盖总体呈现增长趋势, 年平均增长率0.3%•a-1, 其中秋季增幅最大(0.42%•a-1)。坡度对植被覆盖影响较大, 坡度≤8°地区的植被覆盖明显较低。除了冬季降水量与植被覆盖呈现显著正相关关系, 其他季节多呈现负相关关系; 气温与植被覆盖多呈现正相关关系, 云南中部地区植被覆盖变化主要受气温影响。人类活动对植被覆盖变化影响较大, 造林面积变化与植被覆盖趋势变化具有相对一致性, 经济发展水平较高的昆明市区植被覆盖为常年最低。     

2000～2008年长白山地区植被覆盖变化特征

利用2000～2008年250 m分辨率MODIS/NDVI数据,结合谐波分析、影像处理和多种统计方法分析长白山地区的植被覆盖年内和年际变化特征,并结合区划图和植被类型图对不同区域和不同植被类型的植被覆盖变化进行分析.结果显示:近9年长白山地区覆盖总体呈上升趋势,其中春季植被覆盖略有下降,夏季植被覆盖变化不大,而秋季植被覆盖显著上升;和龙林业局、露水河林业局和长白山自然保护区的植被覆盖较好,而朝鲜一侧、泉阳林业局和长白林业局的植被覆盖较差;针叶林、阔叶林和针阔混交林的植被覆盖要高于荒草地、沼泽地、高山岳桦林和高山苔原,但后几种植被类型的植被覆盖增长趋势明显.     

青海省东部农业区植被覆盖时空演变遥感监测与分析

基于象元二分模型,利用MODIS植被指数产品定量估算研究区2000—2009年生长季(4—9月)植被覆盖度,采用相关系数法和有序聚类分析方法对植被覆盖度时空变化趋势及突变进行了分析,并结合DEM分析其对地形因子的响应。结果显示:1)研究区2000—2009年整体植被覆盖度在波动中呈不显著增加趋势,其中2001年是显著突变年份,表明研究区植被覆盖度发生比较显著的变化;2)通过对地形因子的响应分析,植被覆盖度在高程2500m和4100m,坡度4°和26°发生突变;对各高程带、坡度带植被覆盖度年际变化趋势及突变年份进行分析,获得了各带的变化趋势及其突变年份。对研究获得的结果进行讨论,结果表明:研究区降水量的变化及退耕还林措施是植被覆盖度变化的重要影响因素,其中退耕还林措施对植被覆盖度变化的影响较大。     

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。     

基于不同光谱指数的植被物候期遥感监测差异

植被物候是陆地生态系统响应气候和环境变化的一项综合性指标.遥感光谱已经被广泛用于提取植被物候期,但遥感提取的物候期与站点观测差别很大,其物理意义尚不明确.本文选取中国东北部的一景MODIS数据(2000—2014年),分析了基于红波段和近红外波段的归一化差值植被指数(NDVI)和简单比植被指数(SR)提取的植被生长季起始期(SOS)和结束期(EOS)的差异.结果表明:两者的物候期存在显著差别,基于NDVI提取的SOS比SR提取的SOS平均早18.9 d,基于NDVI提取的EOS比SR提取的EOS平均晚19.0 d,NDVI得到的生长季长度更长.基于NDVI和SR提取的物候期的年际变化也存在显著差别,超过20%的像元SOS和EOS甚至表现出相反的年际变化趋势.上述差异与两种植被指数自身的季节曲线特征和抗噪性差异有关.NDVI与SR观测数据来源完全一致,仅数学表达形式不同,提取的物候期结果却存在显著差异.说明遥感监测的植被物候期高度依赖于植被指数的数学表达形式,如何建立可靠的植被物候期遥感提取方法仍需进一步研究.     

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.     

USLE/RUSLE模型中植被覆盖管理因子的遥感定量估算研究进展

通用土壤流失方程（USLE）及其后续修正方程（RUSLE）是区域土壤侵蚀风险评估和水土保持规划的有效工具.植被覆盖管理因子作为USLE和RUSLE的重要参数之一,其合理估算对土壤侵蚀的准确预测尤为重要.基于野外实地调查和测量的传统估算法费时、费力且费用高,无法满足宏观尺度上植被覆盖管理因子的快速提取.近年来,遥感技术的发展为大尺度植被覆盖管理因子获取提供了丰富的数据和方法.本文基于国内外相关研究成果,综述了植被覆盖管理因子遥感定量估算方法的研究进展,评述了各类方法的优劣,以期为进一步开展大尺度植被覆盖管理因子的定量估算及拓展现有研究思路提供借鉴.     

1988—2001年重庆市主城区植被的时空变化

利用Landsat遥感影像,分析了重庆市主城区1988、1993和2001年共3期植被的时空动态变化。结果表明:1988—2001年主城区的植被面积呈加速下降趋势,植被斑块的破碎程度逐渐增大,空间分布越来越分散,其中1993—2001年的变化比1988—1993年的变化更明显;对3期影像进行叠加,得到了8类变化轨迹的斑块;通过分析不同变化轨迹的斑块的空间格局和空间作用,揭示出植被的时空动态变化特征;3期中均为植被和非植被的轨迹所对应的斑块自相关程度较高;其余6类变化轨迹所包含的斑块自相关程度低,并在1988—2001年经历了植被与非植被的转变。     

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。     

植被叶面积指数遥感监测模型

叶面积指数是植被定量遥感的重要参数,区域的时序列叶面积指数揭示了区域生态的演化过程,反演方法上主要是通过植被指数建立相关模型实现的,对于不同地区或不同气候带而言,模型的通用性以及各种植被指数在模型中的灵敏度都需做进一步的探讨。以江苏省宜兴市作为研究区,采用2002年8月22日获得的Landsat-5TM图像数据和2003年8月23～26日采用LAI-2000进行的野外实测植被叶面积指数(LAI)数据,分别探讨了植被指数(VI)与LAI的一元、多元线性回归模型和非线性回归模型,其中的非线性回归模型包括对数、指数、乘幂和多项式回归模型。结果表明,VI与LAI之间的最佳回归模型为多元线性回归模型,R2达0.864;采用逐步选择剔除法,遴选出了用于回归模型的植被指数为RVI、PVI、SAVIL=0.35、MSAVI、ARVIγ=1、ARVIγ=0.5和SARVI。经模型LAI=-ln((VI-VI∞)/(VIg-VI∞))/KVI检验,预测值(y)与实测值(x)的拟合度较好y=0.5345x 1.3304,R2为0.7379。RVI与LAI的三次多项式回归模型也较好,R2为0.7806。再次为RVI与LAI的一元线性回归模型,R2为0.7726,比值植被指数RVI在反演叶面积指数模型中具有较高的灵敏度。     

中国重要生态系统保护和修复工程区域植被覆盖时空变化研究

植被覆盖变化是气候变化和生态环境变化的双重指示器,如何量化全国尺度植被变化、评估生态修复成效,成为当前陆地表层生态系统研究领域共同的科学问题。利用2000—2020年的植被覆盖度(FVC)数据,采用增幅变化分析、Theil-Sen Median趋势分析、稳定性分析方法,对中国六大重要生态系统保护和修复工程区域的自然植被覆盖度本底和时空变化特征进行了研究,并对不同区域植被覆盖度变化与气温、降水的相关性进行了分析,以期掌握我国生态系统保护和修复“家底”。结果表明：(1)2020年,六大区域平均植被覆盖度为27.66%,2000—2020年,黄河重点生态区、北方防沙带和青藏高原生态屏障区增幅分别为54.4%、34.6%和21.8%,是全国范围平均植被覆盖度增幅的1.04—2.59倍;长江重点生态区、东北森林带和南方丘陵山地带增幅分别为18.0%、13.7%和12.9%,均低于全国增幅,我国西北方较南方改善更明显。(2)2000—2020年,六大区域植被覆盖度变化总体呈增加趋势。黄河重点生态区、东北森林带、南方丘陵山地带和长江重点生态区增加区域面积占比均超过60%,北方防沙带和青藏高原生态屏障...