基于Landsat影像的北京植被覆盖度变化趋势分析

植被覆盖状况是决定大城市地区生态环境质量的重要因素之一,但在快速城市化进程下城市内部及周边地区植被覆盖的动态变化状况尚不清晰,需结合遥感数据进行分析。以北京市为研究区,基于Landsat影像获取植被覆盖度的空间分布,计算移动窗口内植被覆盖度的均值和标准差,将其分别作为表征局部植被覆盖水平和植被覆盖度异质性的指标,采用Mann-Kendall检验识别均值和标准差具有显著变化趋势的窗口,并使用Sen’s Slope估算变化梯度,进而分析北京植被覆盖度变化趋势。结果表明在1984~2014年间：①植被覆盖水平呈显著上升趋势的区域主要分布在市中心与西部和北部山区,而在市中心外“东北、东、东南、南、西南”方向的近郊分布有大量植被覆盖水平显著下降的区域;②植被覆盖度异质性呈显著上升趋势的区域主要分布在平原区,呈显著下降趋势的区域主要集中在北部山区。     

石家庄1995～2015年植被覆盖变化监测及预测

为揭示石家庄1995~2015年植被覆盖变化状况,掌握植被覆盖的变化趋势,该文基于1995、2001、2007、2009、2012和2015年Landsat TM/OLI遥感影像数据,通过像元二分模型求得石家庄6个时期的植被覆盖度,借助变异系数模型和Slope模型分析该地区20年内植被覆盖的空间变化特点和变化趋势,最后利用元胞自动机-马尔可夫模型对石家庄2018年各级植被覆盖状况进行预测。结果表明:从1995到2015年,石家庄植被覆盖度均值增加了3.71%;全市平均变异系数为0.211,人为因素是植被覆盖波动变化的主要因素;植被覆盖变化趋势呈基本不变和三类变好区域共占全市面积的82.22%,三类变差区域多分布在城市建设和经济发展的活跃地区;到2018年,石家庄高植被覆盖和中高植被覆盖面积都有下降,中植被覆盖和低植被覆盖面积有所提高,极低植被覆盖面积基本不变。     

基于Google Earth Engine的中国植被覆盖度时空变化特征分析

植被覆盖时空变化是全球及区域生态环境重要研究内容之一。基于Google Earth Engine云平台,利用2000~2017年250 m分辨率的MODIS-EVI长时间序列数据,采用像元二分模型并辅以趋势分析、去趋势标准差、Hurst指数方法定量估算中国自2000年来植被覆盖度时空变化,并从省域尺度分析中国植被覆盖度近18 a以及未来趋势变化的时空分异特征。研究结果表明:①2000年以来中国植被覆盖度的变化速率为0.09%/a(P<0.01),平均植被覆盖度为44.63%,空间分布格局上整体呈现“东南高、西北低”的特点,但存在空间异质性;②从省级尺度来看,海南省平均植被覆盖度最高(79%),新疆维吾尔自治区最低(13%),山西省改善趋势最显著(0.4%/a),天津市年际波动最大(DSD=0.039),位于中国最西部的3省:新疆、西藏、青海植被覆盖度年际波动最小;③全国尺度植被覆盖度Hurst指数为0.72,未来将继续保持改善的趋势。具有改善持续性的省份基本呈“T”型分布,位于东西两侧的省份应注重加强植被生态修复与防护工作,保障区域生态文明建设的持续性。     

武汉地区1988~2002年植被覆盖度变化动态分析

植被是生态系统最重要的组成部分,而植被覆盖度是衡量地表植被状况的一个最重要的指标,是生态系统健康评价的前提和必要的基础。利用1988、1991、1996和2002年4个时相的TM和ETM+遥感影像为数据源,以归一化植被指数(NDVI)像元二分法为植被覆盖度估算模型,计算了武汉地区不同时期的植被覆盖度,生成了该地区不同时序的植被覆盖度图,以此分析武汉地区植被覆盖度的时空变化。结果表明,武汉地区在1988~2002年这14年,植被覆盖度变化明显,整个地区的平均植被覆盖度从58.41％下降到50.45％,下降值为7.96%,特别是江夏区和主城区变化幅度最为显著,下降值分别为9.98%和7.14%。植被覆盖度下降最快时间段是1996~2002年,恢复阶段是1991~1996年。从空间上来看,全地区都处于下降阶段,特别是郊区江夏区和市区,通过分析发现,这大部分原因都是城市发展的结果,导致了生态环境的恶性发展,值得各方面的注意。     

南方丘陵区植被覆盖度遥感估算与时空变化研究——以福建省永定县为例

植被覆盖度是生态环境监测的重要指标,而复杂地形因素影响对山地植被遥感信息准确提取。基于Landsat-8OLI遥感数据,分别采用像元二分模型和线性混合光谱分解法,在对比分析植被覆盖度的地形敏感性基础上,选择山地植被指数(NDMVI)估算了1992、2002和2014年永定县的植被覆盖度,并分析其变化。结果表明:1基于山地植被指数(NDMVI)的覆盖度估算模型的地形敏感性最弱,更适合于南方丘陵山地的植被覆盖度遥感反演;2永定县总体植被覆盖度较高,平均植被覆盖度达77.99%以上,高覆盖度区占59.73%以上,22年内植被覆盖度经历了先提高再下降的过程;3在空间上,高坎抚、金丰和西部片区的植被覆盖度较低,动态变化较明显。永定县金丰片区植被覆盖度明显提高;而近12年内高坎抚片区因矿业开采活动对生态环境的破坏,植被覆盖度降低幅度大,且变化面积较大。     

基于遥感的海南本岛植被覆盖度时空变化及其地形效应研究北大核心CSCD

植被覆盖在维持生态系统结构稳定和防治水土流失等方面发挥着重要的作用,海南自1988年建省以来迅速发展,导致海南岛植被覆盖也产生了巨大的变化.为揭示海南本岛地形因子对植被覆盖度的影响以及为海南本岛进一步制定合理的生态环保策略提供依据,基于1988、1998、2008、2017和2020年Landsat-TM/OLI多光谱影像,以海南本岛为研究区域,采用归一化植被指数和像元二分模型进行植被覆盖度提取,通过线性趋势分析海南本岛近30a植被覆盖变化特征.并结合30 m_DEM获取的海、坡度和坡向数据,来进一步探讨海南本岛植被覆盖度在不同地形因子条件下的空间分布特征.结果表明:①1988～2020年海南岛平均植被覆盖度介于0.58～0.88之间,整体呈先下降后上升趋势;②海南岛高植被覆盖主要分布于海南岛中部、西南部和东南部地区,低植被覆盖主要出现在居住区、沿海地区等人为干扰因素较高的地区;③海南岛各等级植被覆盖均随海拔的增加而不断降低,在海拔小于100 m的区域分布面积最大;坡度为0～5°时植被覆盖面积达到最大值,随着坡度的增加,植被覆盖面积呈减少趋势;各等级植被覆盖在阴坡和阳坡的分布面积变化差异不大,主要以高植被覆盖类型为主.     

基于MODIS植被指数估算青海湖流域植被覆盖度研究

将MODIS数据合成的4种植被指数作为输入参数,采用像元二分模型对研究区的植被覆盖度进行估算,利用2006年的TM数据解译结果和2011年8月的野外实测数据对反演结果进行验证。结果显示:采用ND-VI估算的植被覆盖度比较符合研究区实地状况,样点估算精度达到87.13%;其他3种植被指数估算的植被覆盖度值比实际值低,尤其是对该区域典型植被草原草甸的覆盖度估算结果明显偏低。研究表明:2011年8月青海湖流域植被覆盖度以中高覆盖度为主,占整个流域面积的57%以上;植被覆盖度在空间上呈中部高、西北低的分布特点。     

基于高分数据木里煤矿植被覆盖度遥感估算

木里煤矿是青海省最大的露天煤矿,该煤矿的大量开采影响了木里镇的生态平衡,本文通过估算木里煤矿区域的植被覆盖度验证该区域的生态情况,经估算,木里煤矿区域2016～2018的年平均植被覆盖度分别为0.22、0.43、0.54。从计算结果表明木里煤矿区域的植被覆盖度在逐年增加,恢复情况较好。通过研究木里煤矿近3年的植被覆盖情况可以反映出矿区的恢复与治理效果较好,同时为其它矿区的恢复与治理提供参考。     

基于Landsat TM数据的潮白河流域植被覆盖变化研究

使用经严格配准的同一时间(1991年和2002年)Landsat TM图像数据，编制归一化植被指数(NDVI)图，进而计算生成植被覆盖度图像。通过掩膜技术和变化检测等提取了北京潮白河流域中上游地区从1991～2002年的植被覆盖变化信息。研究结果表明，北京潮白河流域中上游地区11年间植被退化的总面积为1635．3km^2，占该区域总面积的30．6％；其中植被覆盖度为40％～50％的类型退化的面积最多，为411．74km^2，变化率为66．0％，覆盖度为90％～100％的类型退化的面积最少，为14km^2，变化率为4．4％；覆盖度为30-40％的类型变化率最大，为100％，覆盖度为90％～100％的类型的变化率最小。为4．4％；从植被覆盖度变化的趋势来看，随着植被覆盖度的增加，变化率在逐渐降低；流域中游、密云水库北部和东北部以及上游的河谷地带由于受人类活动干扰的强度较大，植被退化较严重；而上游的山地区域由于人类活动干扰较少，再加上近年来采取封山育林、植树造林等措施，植被覆盖程度有所改善。     

基于遥感的植被覆盖度估算方法述评

随着遥感技术的发展,作为描述植被覆盖及生长状况的度量参数--“植被覆盖度”在农业、环境、生态等领域应用越来越广泛。介绍了植被覆盖度的重要作用及研究意义,叙述了其遥感监测方法的研究现状及常用遥感数据源,主要从统计、物理、FCD等模型入手讨论植被覆盖度的遥感估算方法及其优缺点,并对今后研究方向及发展趋势进行了展望。
     

面向对象的黑河下游河岸林植被覆盖信息分类!

地表植被覆盖是描述区域生态系统的基础数据,也是全球及区域陆面过程、生态与水文众多模型中所需的重要地表参数。对于黑河下游额济纳绿洲,以Landsat 30m分辨率为主的遥感影像难以真实提取下游绿洲河岸林植被覆盖信息,而高分辨率影像目标地物轮廓清晰、空间细节信息丰富,有利于干旱背景下景观破碎、异质性强的植被覆盖信息分类。基于黑河下游额济纳绿洲QuickBird影像,通过面向对象的分类方法提取耕地、胡杨、柽柳、草地和裸地等主要植被覆盖类型,分类总体精度和Kappa系数分别为84.71%和0.7986。结果表明:利用面向对象分类方法对高分辨率影像进行植被覆盖信息分类,分类结果较好,能够满足精度要求。     

辽宁抚顺近10年来市域热场与植被变化分析

利用1999年和2010年的TM卫星遥感影像,定量反演了抚顺市域的热场和植被指数,并对其变化进行了分析。结果表明,11 a全市的平均热场温度升高了1.53 ℃,城市热岛主要集中在抚顺市的城市建成区以及苏子河河谷和黑大线沿线地带,但强热岛和极强热岛的空间分布范围2010年较1999年压缩幅度空前。从植被盖度总体情况来看,高覆盖度植被覆盖面积均在60%以上,而全市低覆盖度等级以下的植被面积比例很小,其面积比例都在1.5％以下。从植被盖度的变化看,高覆盖度和较高覆盖度的植被面积比例分别下降了3.22％和2.31％;而中覆盖度的植被面积比例增加了4.94％,其变化最大的区域在抚顺市区,该区域变化的比率是全市变化的3~5倍。从热场与植被的变化原因来看,首先是受植物生长季节气候的暖干化变化趋势的影响,其次还与土地利用类型中耕地和草地的减少以及建设用地的快速增加有关,此外,抚顺市生态建设工作对其也有一定程度的影响。     

Analysis of Vegetation Changes in Fujian Province Using MODIS EVI Time Series Data (2000~2017)

Fujian province has the highest forest coverage rate in China for decades, which has played an important role in maintaining a good ecosystem quality in southeastern China. This study conducted an investigate aiming to find out the spatial and temporal changes of the vegetation status in Fujian and the impact factor involving in the vegetation growth during the period from 2000 to 2017, using the summer data of MODIS Enhanced Vegetation Index (EVI) product, associated with meteorological and non-meteorological data. The results showed that the mean EVI of Fujian rose as a whole during the 17 study years, from 0.454 in 2000 to 0.505 in 2017, increased by 11.2% in the period. This indicates that the overall vegetation status in Fujian has been improved, especially in, south and west parts of the province, while eastern coastal areas have shown decrease in vegetation coverage. Correlation analysis showed that during the study period, meteorological factors (temperature and precipitation) had no significant impact on the provincial EVI change, and the improvement of the vegetation status mainly due to non-meteorological factors. Both the construction of the ecological province in Fujian starting in 2003 and the soil erosion treatment starting in 2012 have strong relationships with vegetation increase. The increase of forest coverage rate and the decrease of soil erosion area have contributed significantly to the enhancement of Fujian’s EVI in the past 17 years.     

利用MODIS EVI时间序列数据分析福建省植被变化(2000~2017年)

以全国森林覆盖率最高的福建省为研究对象,利用2000~2017年夏季的MODIS EVI植被指数数据和气象与非气象因子进行协同分析,以揭示近17年福建植被的时空变化及其影响因子。结果表明:研究期内福建的EVI均值整体上升,从2000年的0.454上升至2017年的0.505,17 a间上升了11.2%,表明福建省的植被整体处于变好的状态,且在中部和西南部的变化最明显。相关分析表明,在研究期内,气象因子(气温和降水)对EVI变化的影响不显著,植被的变好主要为非气象因子的作用。EVI的提高主要得益于2003年福建省建设生态省后森林覆盖率的提高,并和2012年开始的水土流失治理有明显关系,这说明人类活动的积极作用对福建植被的变好起到了关键的作用。     

一种简单的估算植被覆盖度和恢复背景信息的方法

植被覆盖度是评估生态环境的一个重要参数，其对于全球环境变化和监测研究具有重要意义．如何从遥感资料估算植被覆盖度，并提高估算精度是建立全球或区域气候、生态模型的基础工作．该文从分析土壤、植被光谱信号的特点出发，根据植被覆盖度的定义，推导出计算植被覆盖度的方法，并进一步提出了计算植被覆盖度的三波段最大梯度差法．在此基础上，对部分植被覆盖下的土壤光谱实现重建．上述方法实现简单，适用范围广，并可有效分离植被、土壤的影响，因而有望替代常用的通过NDVI估算植被覆盖度的方法．     

温度植被旱情指数在吉林省干旱监测中的应用

遥感技术在干旱监测中具有其他技术不可替代的优势。利用2005年8~9月的MODIS产品,获取逐日地表温度数据和逐日植被指数数据,建立了LST\|NDVI特征空间,根据此特征空间建模,计算得出温度植被干旱指数作为表征干旱的监测指标,并结合2005年土壤湿度数据对该指标进行定量验证。在此基础上利用ArcGIS软件分析了2005年8~9月吉林省干旱时空分布特征。结果表明：吉林省干旱总体分布趋势从东南到西北呈现出湿润到正常-轻旱-中旱-重旱的变化规律,体现出吉林省旱情的多样性和复杂性,8月19日、8月25日、9月8日正常和轻旱分布区域面积所占总区域面积比例分别为26.84%和59.53%、41.31%和41.73%、40.40%和32.83%,9月中旬轻旱和中旱分布最广,其比例分别为38.27%和36.26%;重旱和中旱分布区主要位于白城和松原市,轻旱区主要分布在长春、四平和辽源市,正常分布区集中在吉林、通化和白山市境内,湿润分布区主要分布在延边市。     

基于Landsat８影像的额济纳荒漠绿洲植被覆盖度估算方法对比研究

荒漠绿洲是维持当地人类生存和社会发展的主要依托,但其地表植被稀疏,生态系统极其脆弱,而植被覆盖度是反映荒漠生态环境信息的重要指标之一.以黑河下游额济纳荒漠绿洲为例,基于Landsat８影像和野外实测植被覆盖度数据,对比和分析现有的适宜于干旱荒漠区的３类植被覆盖度提取方法(经验模型法、像元二分法和三波段梯度差法)在该区域的应用效果,并尝试利用基于转换型土壤调整植被指数(TSAVI)的像元二分模型法和修正的三波段梯度差法(MTGDVI)进行植被覆盖度估算,以期找到计算额济纳荒漠绿洲植被覆盖度的最佳模型. 研究结果表明:用TSAVI像元二分模型法的反演精度高而且能够较好地估算额济纳荒漠区域和绿洲区域的植被覆
盖度,适用于估算额济纳荒漠绿洲的植被覆盖度.     

内蒙古浑善达克沙地南部草地盖度探测及其变化分析

陆地生态系统植被覆盖程度是评价区域生态环境变化的重要因子。以内蒙古浑善达克沙地南部(锡林郭勒盟正蓝旗北部地区)为研究区,应用中国环境与灾害监测预报小卫星数据HJ-1A CCD及美国陆地卫星数据Landsat TM,分别基于像元二分模型和三波段梯度差模型、使用NDVI和RDVI等参数,对研究区草地植被覆盖度进行了探测,并对比了不同模型方法和参数所得研究区草地植被盖度成果的分类精度。研究结果表明,基于像元二分模型和RDVI参数探测植被盖度的方法表现最好;以此为基础,进一步分析了研究区2000~2009年区域植被覆盖度动态变化,发现本地区在2000年之后草地覆盖改善区面积超过草地盖度下降区面积,浑善达克沙地南缘植被恢复状况总体较好。     

Simulation and Analysis on the Influence of Soil Background of Wheat Farmland on NDVI under Different Vegetation Coverage

It is quite confusing to effectively monitor and precisely evaluate growing conditions of wheat by using normalized differential vegetation index (NDVI)which is based on pixel scale as they are significantly different when acquired by the same growth status wheat with different background of soil types.This paper selects 9 typical soil types in our country as background with the wheat canopy spectrum is fixed which means the NDVIc is a constant value to study the influence of different soil background types on NDVI of wheat and analyze the sensitivity of NDVI of wheat to the vegetation coverage simulated by diverse liner mixed ratio of wheat canopy and soil background.The results show that：(1)wheat NDVI of farmland increases along with the increase of vegetation coverage under the same of soil background type,and vice versa;(2)wheat NDVI of farmland vary greatly with different soil background types,and the difference decrease while the vegetation coverage exceed 25%;(3)NDVI sensitivity also shows a quite difference to vegetation coverage under the diverse soil background types.With the increase of vegetation coverage,NDVI sensitivity decreases with the lower\|reflectance soil background while it increases monotonously with the higher reflectance soil background.It provides the foundation for the times of calculating the remote sensing’s NDVI information of all wheat growing periods under different types of soil background.