基于MOD13Q1数据的大湄公河次区域植被覆盖时空变化分析

基于MOD13Q1-NDVI数据,采用最大值合成法提取2000—2017年的月植被指数,分别从月平均NDVI和年平均NDVI两个角度分析了大湄公河次区域植被覆盖的时空变化特征.结果表明:2000年以来,大湄公河次区域年平均NDVI总体上呈波动增长;但不同时段植被覆盖度变化不同,2000—2005年植被覆盖度总体略有降低,2005—2010年和2010—2015年植被覆盖度总体在增加;从植被覆盖度的空间变化来看,大湄公河次区域上游北部地区植被覆盖整体情况较差,下游西南地区植被覆盖呈现明显减少的趋势,今后应加强对上游北部地区和下游西南部地区的植被保护与生态修复.     

陕北黄土高原植被覆盖度动态变化分析研究

以Landsat TM归一化植被指数(NDVI)为数据源,运用像元二分模型提取陕北黄土高原1990、2000、2010年夏季的植被覆盖度,分析陕北黄土高原植被覆盖度的空间变化情况。结果显示:研究区植被覆盖度呈波动上升趋势。不同等级植被覆盖度在数量和空间位置上的转移较为活跃。大于等于60%的植被覆盖度和小于等于40%的植被覆盖度在空间上呈西南—东北两个方向扩张的分布趋势。受气候和人为等因素的影响,陕北黄土高原植被改善良好。     

河南省植被覆盖度时空变化及其原因分析

基于河南省2010—2019年MODIS NDVI数据,利用像元二分模型估算植被覆盖度,利用一元线性回归获取变化趋势,并利用Pearson相关系数法探究河南省的植被指数和植被覆盖度的时空变化原因,可为河南省生态现状、生态环境建设规划和布局提供参考。结果表明：(1)2010—2019年河南省年度最大NDVI均值存在波动,呈微弱下降趋势;(2)河南省较高和中等植被覆盖度占比较大,且存在中等植被覆盖度向高植被覆盖度和低或无植被覆盖度的转换,社会因素是中等分化到低或无植被覆盖度的主要因素;(3)不同类型植被对降水变化的敏感性存在差异,森林、降水丰富地区和以灌溉为主的农业区受降水变化影响较弱,城镇、乡村和以降水为主的农业区受降水影响较强。     

中国北方地区植被覆盖度遥感估算及其变化分析

为了分析中国北方地区2000年之后植被覆盖度的时空分布及其变化,利用MODIS光谱反射率数据计算归一化植被指数,采用像元二分模型对中国北方地区2000—2012年植被覆盖度进行定量估算,分析研究区13 a间植被覆盖度的时空变化特征。研究结果表明:植被覆盖度年内变化特征体现在最大植被覆盖度一般出现在7和8月份,与中国北方地区植被的生长季相一致;整个中国北方地区年最大植被覆盖度呈现缓慢增长的趋势,其增长速率为每年0.2%;年最大植被覆盖度变化的空间分布具有较大差异,其中东北、华北和黄土高原等三北防护林工程建设区的年最大植被覆盖度有较明显的增长。     

喀什市城市植被及其覆盖度研究

针对国内外对城市植被及其覆盖度方面的研究不够深入的现状,该文以喀什市1990年、2000年及2010年3期Landsat TM/ETM+遥感影像为数据源,结合归一化植被指数(NDVI)与植被覆盖度估算方法,对喀什市植被覆盖区土地类型、面积变化等方面进行研究。结果表明:1990年至2010年,高覆盖区所占比例由1990年到2000年逐步增加,2010年稍有减少;中高覆盖区面积出现先减小后增加的变化趋势;中覆盖区面积逐年增加;低覆盖区呈先减小后增加的趋势;极低覆盖区变化最慢,2010年比1990年稍有增加。     

阜新地区植被覆盖度变化提取及分析

植被覆盖度是反应地区生态环境的重要指标,利用1995,2007年的两期TM遥感数据,以归一化植被指数(NDVI)像元二分法为植被覆盖度估算模型,计算阜新地区不同时期的植被覆盖度并得出阜新地区植被覆盖度等级图以及阜新地区植被覆盖度变化等级图。得出如下结论:1995年到2007年阜新地区植被覆盖度退化面积为64.817%,好转面积为6.547%,基本无变化区域为28.636%,阜新地区植被覆盖度退化严重。     

鄱阳湖生态经济区成立前后植被覆盖变化

针对鄱阳湖生态经济区成立后,国家加大区域生态保护力度,区域植被覆盖度发生变化的问题,该文采用像元二分法估算植被覆盖度,并分析其在生态经济区成立前后变化特征。结果表明:鄱阳湖生态经济区植被覆盖情况较好,中高植被覆盖度和高植被覆盖度区域面积所占比例较高。生态经济区成立前后,植被覆盖变化呈现差异,成立之前(1995—2010年)植被生长发生负向转移,退化现象较为严重,发生退化的区域主要分布在鄱阳湖周边和南部;成立之后(2010—2015年)植被生长发生正向转移,在省会和城市周围呈现退化趋势,其他区域呈现增长趋势。农业耕作效率和林地资源保护是生态经济区成立前后植被覆盖变化差异的主要原因。     

南方丘陵区植被覆盖度遥感估算的地形效应评估

植被覆盖变化是生态环境领域的核心研究内容之一,但其估算精度常受到地形效应、土壤背景、大气效应等各种因素影响。以Landsat 8 OLI为遥感数据源,基于像元二分模型,分别利用归一化差值植被指数(NDVI)、经Cosine-C校正的归一化差值植被指数(NDVI)和归一化差值山地植被指数(NDMVI)建立植被覆盖度估算模型,以评估南方丘陵区植被覆盖度的地形效应。结果表明,3种植被覆盖度估算模型均能削弱地形效应,但消除或抑制地形效应影响的能力不同。比较而言,基于NDMVI指数构建的植被覆盖度估算模型的地形效应最小,更适合地形复杂区域的植被覆盖度遥感估算;基于Cosine-C校正的NDVI植被指数构建的植被覆盖度估算模型的地形效应次之,但存在一定的过度校正现象;基于NDVI植被指数构建的植被覆盖度估算模型的地形效应最大,尤其当坡度≥10°时,阴坡植被覆盖度比阳坡明显偏低。     

海南岛植被覆盖变化驱动因子及相对作用评价

为了解海南岛植被覆盖变化影响因子,利用MODIS归一化植被指数(normalized difference vegetation index,NDVI)数据,采用残差分析法、趋势分析法和相对作用分析法对海南岛2001—2015年间植被覆盖变化特征进行研究,定量分析了气候变化和人类活动对海南岛植被覆盖变化的贡献。研究表明,2001—2015年间,海南岛植被总体呈现增加趋势,其增长速率为0.024/10 a,植被覆盖增加区域占全岛的77.77%,植被退化区域所占比例仅为22. 23%。在植被改善区域,气候变化和人类活动的相对作用分别为31.04%和68.96%,其中相对作用大于50%的区域(即以人类活动为主)占整个植被改善区域的80.79%;植被退化区域,气候变化和人类活动的相对作用分别为35.03%和64.97%,其中相对作用大于50%的区域(即以人类活动为主)占整个植被退化区域的75. 59%。整体来看,气候变化对海南岛植被生长有促进作用,人类活动对海南岛地区植被的建设作用大于破坏作用。     

Landsat时序数据支持下的藏东南植被时空变化监测

本文利用GEE平台和1990—2019年巴宜区Landsat遥感影像,采用像元二分模型、相关性分析等方法分析了巴宜区植被覆盖度的时空变化特征与驱动力。研究结果表明：①1990—2019年巴宜区植被覆盖度总体呈稳中有增的趋势,其中,河谷区域增加明显,而高海拔区域相对稳定;②1990—2019年巴宜区气温呈显著升高,降水略有下降,总体呈“暖干化”,气温较降水量对植被覆盖变化更明显,但气候变化对植被覆盖变化影响总体不明显;③1990—2019年巴宜区植被覆盖变化与人类活动有很好的相关性,其中,低、中低、中、中高植被覆盖区域,呈显著的负相关,而高植被覆盖区域呈正相关。本文基于遥感大数据和地理云计算的植被覆盖监测动态监测和定量分析方法,能对高山峡谷区生态评估和演替分析提供一定的技术支撑和科学数据。     

2000～2016年石羊河北部植被覆盖度动态变化特征

基于MODIS归一化植被指数产品(MOD13Q1),以石羊河流域北部盆地防沙治沙区为研究对象,统计该区域2000～2016年间植被覆盖度,并结合温度、降水数据分析研究区植被覆盖度时空变化特征。结果表明:①2000～2016年,研究区平均植被覆盖度从16.30%增长到20.79%,高盖度植被面积增加明显,劣覆盖度植被面积减少。②从不同土地利用类型来看,虽然各地类的平均植被覆盖度的变化趋势是逐渐增加,但种植土地的植被覆盖度增加速度要明显高于非种植土地。③研究区降水、气温与植被覆盖度变化相关性较低,表明研究区植被覆盖度的恢复与一些植被恢复工程的实施有关。     

黄河三角洲建设用地与植被覆盖度时空变化及其相关性分析

为了研究黄河三角洲植被与建设用地的关系,利用1985—2010年的专题制图仪(Thematic Mapper,TM)影像,通过归一化植被指数(Normalized Difference Vegetation Index,NDVI)、增强的指数型建筑用地指数(Enhanced Index Building Land Index,EIBI)、影像对比与Spearman相关分析的方法,对该地区建设用地和植被覆盖度的时空变化进行研究,探讨该地区建设用地对植被覆盖度的影响.结果显示,该地域建设用地与植被覆盖变化明显,城镇建设用地由126.927 km2增加到286.9425 km2;植被覆盖度由42.7％增长到50.8％,两者没有明显相关性.但是建设用地与高植被覆盖区(>50％)、中植被覆盖区(40％～50％)存在明显相关性,建设用地的发展对其造成影响.     

植被覆盖度与温度关系的MODIS高光谱研究

针对我国局部区域的植被覆盖度与气候变化研究仍然较少的现状,该文以四川盆地为例,利用MODIS高光谱数据,以植被覆盖度作为监测植被动态变化指标,根据皮尔逊相关系数分析植被覆盖度与气候的相关性,总结2003—2010年四川盆地植被覆盖度动态变化趋势,研究温度变化对植被覆盖度的影响。研究表明:植被覆盖度与温度为极强正相关,除地震等特殊情况,两者变化趋势相似,夏高冬低。     

基于RS的北京山区植被覆盖变化空间特征

利用1979年和2005年的Landsat TM/MSS影像,采用基于植被指数的像元二分法分别计算了北京山区的植被覆盖度,分析了植被覆盖变化及地貌对植被覆盖变化的影响。结果显示:北京山区高海拔地区植被覆盖较稳定,低海拔区变化剧烈;陡坡区生态较脆弱,缓坡区生态修复和植被退化的概率较大;同一时相阳坡植被覆盖度小于阴坡,西北坡生态较脆弱,东南坡植被生态修复机率较大。     

基于RS和GIS的松花江流域植被覆盖动态变化研究

利用遥感和地理信息系统技术对1989,1995年的Landsat TM数据和2002年Landsat ETM＋三期遥感数据进行处理,反演和计算松花江流域的归一化植被指数（NDVI）,在此基础上,获取研究区域植被覆盖度。在ArcGIS9.2软件空间分析模块的支持下,对研究区域三期植被覆盖影像进行叠加分析,以流域尺度和栅格尺度分析植被覆盖变化的时间和空间特性,获取研究区域植被覆盖度空间格局分布特征,为该区域植被覆盖度的自动化监测提供很好的技术支持。     

基于RS的北京山区植被覆盖变化空间特征

利用1979年和2005年的LandsatTM／MSS影像,采用基于植被指数的像元二分法分别计算了北京山区的植被覆盖度,分析了植被覆盖变化及地貌对植被覆盖变化的影响。结果显示：北京山区高海拔地区植被覆盖较稳定,低海拔区变化剧烈;陡坡区生态较脆弱,缓坡区生态修复和植被退化的概率较大;同一时相阳坡植被覆盖度小于阴坡,西北坡生态较脆弱,东南坡植被生态修复机率较大。     

基于PIE-Engine云平台的2018—2022年辽宁省植被覆盖度时空演变及影响因素

基于PIE-Engine(航天宏图)云平台,对2018—2022年辽宁省哨兵2A(Sentinel-2A)地表反射率数据进行处理,计算得到归一化植被指数NDVI,在此基础上利用像元二分模型计算植被覆盖度FVC,对计算得到的FVC结果运用趋势分析、偏相关分析等方法分析了辽宁省FVC时空演变情况及其影响因素。研究表明：1)2018—2022近5年辽宁省植被覆盖度FVC均值整体上呈波动上升趋势,植被覆盖度FVC均值由71.5%增至73.2%,其增长速率为2.3%。2)植被覆盖度FVC在空间上由西北向东北呈现逐渐递增的趋势,相比于退化地区的植被覆盖度提高的幅度大。植被覆盖度改善的区域明显大于退化区域,表明辽宁省植被覆盖情况得到恢复。3)相比较而言,高程和坡度是影响植被覆盖度FVC值的显著因子,FVC值随高程呈“下降—上升—下降”的变化趋势,同时FVC值随坡度的增加呈逐渐增加的趋势;4)FVC受气候的影响因素较大,3个气候因子与FVC有较强的相关性,年平均气温对FVC变化影响最大。     

利用MODIS NDVI进行淮南矿区植被覆盖度动态监测

为了分析2005—2014年10年间淮南矿区的植被覆盖演化并为矿区生态恢复提供科学参考,基于像元二分模型并利用每16 d周期的MODIS NDVI时间序列产品提取了2005年、2008年、2011年、2014年淮南矿区植被覆盖度,并从时序演化、数量转移和空间演化3个方面分析了植被覆盖的时空演化特征。结果表明:监测时段内年际NDVI均值由2005—2008年呈下降趋势,2008—2015年呈现稳步上升趋势;监测时间内区域平均植被覆盖度分别为0.722 3、0.701 7、0.718 1和0.702 8,平均减幅为2.7%;较高植被覆盖的面积是区域内主导植被覆盖,占整个研究区面积的50%,中、低和无植被覆盖面积在监测时间内保持稳定且面积均不足200 km2,表明植被覆盖状况总体良好;植被覆盖等级转化主要以高覆盖和较高覆盖之间的转化为主,稳定是植被覆盖的主要演化状态,而植被的轻度退化与交替演变趋势明显。     

基于RS的北京山区植被覆盖变化空间特征

利用1979年和2005年的Landsat TM/MSS影像,采用基于植被指数的像元二分法分别计算了北京山区的植被覆盖度,分析了植被覆盖变化及地貌对植被覆盖变化的影响.结果显示:北京山区高海拔地区植被覆盖较稳定,低海拔区变化剧烈;陡坡区生态较脆弱,缓坡区生态修复和植被退化的概率较大;同一时相阳坡植被覆盖度小于阴坡,西北坡生态较脆弱,东南坡植被生态修复机率较大.     

基于ASTER与TM数据的黑河流域中游旱区典型区域植被覆盖度研究

以2000、2001和2008年黑河流域ASTER与TM影像为主要数据源,综合RS和GIS技术,通过在ENVI平台编写IDL程序,并利用6S模型进行大气校正,反演得到归一化植被指数(NDVI)。在此基础上定性了分析该区域植被覆盖度空间分布格局,定量研究了2001~2008年植被覆盖度的变化情况,并对其成因进行了探讨;同时对比ASTER和TM传感器进行植被覆盖度反演结果,并结合研究区域土地覆盖调查数据资料,说明ASTER传感器较TM传感器在局部土地利用调查方面更具有优势。