西藏那曲县NDVI变化及与气象因子、畜牧量相关分析

利用NASA提供的16天合成MODIS数据,以归一化植被指数(NDVI)作为植被覆盖特征指标,研究了2001~2008年那曲县NDVI变化特征,分析了温度、降水等气象因子与NDVI关系。结果显示:近年来那曲县最大NDVI、年均NDVI呈减小趋势;NDVI月变化与温度、降水显著正相关;年平均NDVI、植被生长季平均NDVI与气象因子相关性不明显;畜牧总量与植被生长季NDVI显著负相关。      

辽河流域水生态功能一级分区指标体系与技术方法

流域水生态功能分区是实现流域综合管理的重要基础,也是水环境管理由水质目标管理向流域水生态管理转变的重要依据。根据辽河流域大尺度水生态空间格局分异的自然属性,结合国内外相关生态环境分区的研究进展,通过对辽河流域水热比（P/T）、径流深（RD）、数字高程（DEM）、多年归一化植被指数（NDVI）和水文地质（RP）等自然因素、河流水环境因子及水生生物指标的典型相关分析（CCA）,筛选出DEM、RD、RP、NDVI指数作为水生态功能一级分区的主要因子,并依此建立了辽河流域水生态功能一级分区指标体系与分区技术方法。结果表明：辽河流域可分为4个水生态功能一级区,即西辽河上游内蒙古大兴安岭东南—冀北山地丘陵水生态区、西辽河中下游西辽河平原水生态区和辽河中下游平原水生态区及浑河—太子河上游山地丘陵水生态区。辽河流域多年历史数据与野外水生态调查数据分析表明,流域内鱼类聚类分析结果与水生态功能一级分区结果在空间分布上具有较好的吻合性。水生态功能分区结果为辽河流域水生态综合管理提供了科技支撑,同时也为中国水生态功能分区技术方法的制订提供了参考依据。     

新疆植被指数与气象因子关系分析

以新疆为研究区,分析2002—2008年MODIS植被指数(NDVI)及气象因子(温度、降水和日照)的时间序列特征、植被指数与气象因子响应范围分析,还有时间滞后分析等。结果表明:新疆植被指数和各气象因子7 a来呈增长趋势,新疆MODIS植被指数与温度和降水量相关关系显著,并有时间滞后差,而与日照时数相关关系不大。气象因子与以气象站点为中心半径60 km范围的植被指数相关关系最大。新疆气象因子与植被指数响应强度为降水最强,温度次之,日照最弱。     

利用条件植被指数评价西藏植被对气象干旱的响应

基于2000—2014年4—10月西藏气象站遥感干旱指数 (条件植被指数,VCI) 和气象干旱指数 (标准降水指数,SPI) 之间的相关性,评估植被对气象干旱的响应特征,通过分析气候环境要素对响应特征的影响并归纳相应规则,获取西藏地区植被对气象干旱有明显响应的区域分布。结果显示:VCI与12周时间尺度的SPI具有较强相关性,说明西藏地区植被生长对降水的响应大约滞后12周;植被对气象干旱响应不敏感的原因主要包括气候极度干燥或极度湿润、土地覆盖类型为森林、年平均归一化植被指数 (NDVI) 值过小、多年NDVI变化标准差过小、有降水之外的其他水源补给等;基于对区域气候环境要素特征的分析,可以得出西藏中部偏南地区植被对气象干旱有明显响应,主要包括拉萨地区、山南地区北部、日喀则地区东部、那曲地区中部和西南部、阿里地区的东南部。     

天山北麓植被指数变化特征及其与气温和降水的关系

利用1982-2005年的归一化植被指数(NDVI)和气象资料,研究了天山北麓各地区不同植被类型ND-VI的年际变化特征及其对气候因子的响应.结果表明:1)近24 a来天山北麓各地区植被指数在波动中有所增长.2)不同植被类型对气候因子的响应不同,但各类型植被NDVI都与气温和降水存在着明显的正相关关系.3)平原区植被指数增幅大于山区植被指数增幅,说明植被生长不仅受自然因素影响,也受人为因素影响.     

基于逐月标准化降水蒸散指数的多尺度方法分析气候变化对澜沧江流域归一化植被指数的影响

基于澜沧江流域10个气象站点1951~2012年的日降水资料的逐月标准化降水蒸散指数(SPEI)值、各站1998~2012年流域的归一化植被指数(NDVI)值,利用SPEI以及趋势分析法,多尺度分析了澜沧江流域干旱发生的时间和强度演变特征以及上中下游NDVI时间变化特征,探讨了气候变化对植被变化的影响,并对NDVI与SPEI的变化进行了相关性分析。结果表明,不同站点和不同时间尺度的SPEI值均呈现出干旱化逐年加强的线性趋势,上游相对于中下游干旱态势较轻,且时间尺度越大,干旱波动趋势越明显;在季节尺度上,夏、秋、冬的SPEI值均呈下降趋势,其中冬季干旱最为严重;15年来澜沧江流域各区域年平均NDVI总体表现为先降低后增加,总体植被状况得到改善,其中下游较明显。从年际变化看,对于流域的不同区域,NDVI与不同尺度的SPEI的相关性和滞后性有较大差异,年代际之间的响应规律也不同,中下游的SPEI对同年NDVI的响应比较敏感,而上游则表现出明显的滞后性。说明NDVI对SPEI的响应比较敏感,干旱程度的变化在一定程度上影响着流域的植被状况,SPEI是影响NDVI的因素之一。     

乌鲁木齐地区生长季NDVI序列影像的植被覆盖变化分析’

应用EOS／MODIS—Terra卫星数据,按照NDVI(归一化植被指数)最大值合成法计算了乌鲁木齐地区2007、2010年生长季逐旬植被NDVI序列,得到植被长势演变图和植被指数分布基础数据,结合气象资料和南山中山带牧草监测站实测数据,分析了NDVI在乌鲁木齐地区的变化特点及其与气候因子的关系。结果表明：气温、降水是NDVI变化的主要驱动因子,但植被对于气候因子的响应普遍存在滞后性。乌鲁木齐地区NDVI旬最大值总体变化在0．46～0．83范围内。与近10 a中植被长势最好的2007年同期数据比较,2010年春季植被指数比2007年推迟4旬达到0．7以上,表明植被发育期比2007年推迟10～15 d;秋季植被指数7月中旬就出现下降拐点,表明植被发育期比2007年提前4旬进入种子成熟、黄枯期或停止生长。以上结论与南山中山带牧草监测站实测结果相符。     

若尔盖地区典型湿地NDVI动态特点分析

本文基于NOAA/AVHRR,将若尔盖地区典型湿地与草地的归一化植被指数(NDVI)进行对比研究的结果表明,湿地NDVI的年变化特点与草地NDVI的年变化特点存在明显差别.其中,多时相NDVI样本法,湿地NDVI年的变化为单峰值型,草地NDVI为双峰值型;夏季草地与湿地NDVI的差值(△NDVI)较大,可以作为湿地的主要判识因子;冬半年△NDVI 很小.NDVI月最大值法,各月的△NDVI均较小,夏半年△NDVI为双峰值型.上述特点与当地月降水量呈现相关性.     

若尔盖地区典型湿地NDVI动态特点分析

本文基于NOAA/AVHRR,将若尔盖地区典型湿地与草地的归一化植被指数(NDVI)进行对比研究的结果表明,湿地NDVI的年变化特点与草地NDVI的年变化特点存在明显差别。其中,多时相NDVI样本法,湿地NDVI年的变化为单峰值型,草地NDVI为双峰值型;夏季草地与湿地NDVI的差值(△NDVI)较大,可以作为湿地的主要判识因子;冬半年△NDVI很小。NDVI月最大值法,各月的△NDVI均较小,夏半年△NDVI为双峰值型。上述特点与当地月降水量呈现相关性。     

MODIS植被指数及其分县统计分析的实现

MODIS归一化植被指数(NDVI)已引起了广泛的注意,它与NOAA/AVHRR的NDVI既有联系又有区别。利用同一天的NOAA/AVHRR和EOS/MODIS资料,介绍了各县域内平均NDVI的统计方法和计算结果及NDVI与增强植被指数(EVI)的差异。MODIS和AVHRR两种资料得到的NDVI数值虽然有差异,但都能很好地反映植被的空间分布和时间变化。MODIS增强植被指数(EVI)对植被条件的变化更加敏感,使定量分析的精确性提高,具有较好的应用前景。     

我国东部地区NDVI与气温、降水的关系研究

利用东部地区的1982—2001年归一化植被指数(NDVI)资料以及131个标准气象台站的气温、降水资料,用相关分析、奇异值分析(SVD)方法研究了该地区的植被与气温、降水的相互作用,得到以下几点认识：NDVI的最大值滞后于气温最高值的时间尺度在一个月左右。前期气温与后期NDVI的相关系数在春夏为负值,在秋冬却以正值为主。前期植被与后期气温的相关系数以负值为主。NDVI最大值滞后于降水最大值的时间尺度在两个月左右,同期NDVI与降水的相关系数为负值,而无论降水超前于NDVI或者NDVI超前于降水的时间尺度大于1个月时,二者的相关系数转为正值。由SVD方法得到东部地区7月份的NDVI与8月份的气温、降水有较好的相关关系。河南西南部及东北部区域NDVI与大部分地区的气温为正相关;长江流域NDVI与32 °N以南地区的降水有较好的负相关。因此,前期植被的变化特征可以作为后期气温、降水的预报的一种参考因子。     

2000—2009年锡林郭勒典型草原植被对气象因子的响应

应用MODIS数据对2000—2009年植被变化情况及其与气温、降水量进行相关分析。2007年年均气温最高,降水最少,NDVI最大值和生长季平均值最低;在降水量最大的2003年NDVI最大值和生长季平均值最高。全生长季中气温和降水量与NDVI值具有显著或极显著相关,相对于气温、降水量对NDVI值影响更大;前一个月的气温和降水量对NDVI值的影响最大,植被对气象因子的响应具有时滞性。     

植被归一化植被指数对气候因子的空间敏感性

基于全球土地利用类型和覆盖度,利用生长季多年平均（1982～2015年）归一化植被指数（Normalized Difference Vegetation Index,NDVI）和气候平均态（气温、降水量）数据,讨论了全球植被格局与气候因子之间的关系,建立了两者之间的多元回归模型,并分析了植被对气温和降水气候态敏感性的特征。植被与气候因子在气候梯度上存在明显的对应关系,回归模型可较好拟合气候态NDVI的全球分布格局,拟合与观测NDVI的相关系数达0.90。其中,常绿阔叶林、混交林、常绿针叶林、落叶阔叶林、农田和木本稀树草原空间分布的拟合能力较好（r>0.8）。不同土地覆盖类型的NDVI对气温、降水气候态的空间敏感性特征不同。整体而言,植被对气温和降水的敏感性呈现反相关关系（r=-0.6）。不同土地覆盖类型对气温表现出正/负敏感性,寒带灌木对气温的敏感性最强,而农作物、草原、裸地对气温负敏感性较大;植被对降水的敏感性均表现出正敏感性,其中落叶针叶林、草原和稀树草原对降水的空间敏感性较强。     

气候变化背景下黄河流域植被变化及其成因北大核心CSCD

研究黄河流域植被的时空变化及其影响因素,对生态文明建设政策的制定具有重要意义。基于2001~2020年MODIS(Moderate Resolution Imaging Spectroradiometer)植被指数(Normalized Different Vegetation Index,NDVI)数据集及同期气象数据,运用均值法、一元线性回归、偏相关性分析和回归残差法等方法研究了近20年黄河流域植被时空变化及驱动因素。结果表明:黄河流域NDVI整体呈上升趋势并具有较大的空间异质性,其中黄河中游NDVI增长幅度最大,为0.0496(10 a)^(-1)。生长季受降水和沿黄灌区耕作的影响,西部地区、东南部区域和宁夏平原、河套平原植被指数明显较高;从整个流域来看,降水和温度变化对NDVI的贡献分别为32.6%和15.9%,其中降水对NDVI变化的贡献主要体现在黄河上游(50.7%),而温度的贡献则在黄河下游表现最突出(32.3%);20年来,人类活动和气候变化分别对黄河流域植被变化贡献了78%和22%,其中人类活动贡献率超过80%的区域主要集中在黄土高原中部区域;整个黄河流域NDVI与干旱程度有显著的正相关性,尤其在陇中黄土高原和河东沙区等区域。黄河上游NDVI与改进的帕默尔干旱指数scPDSI的相关性最高,而下游相对较低。     

大渡河流域积雪特征及其与气候要素和径流的关系

利用MOD10A2遥感影像提取大渡河流域2010~2014年积雪覆盖数据,结合水文气象站点数据分析了大渡河流域积雪时空分布特征及气象因子-积雪面积-径流之间的关系。结果表明:年平均积雪面积最大的是康定,最小的是泸定。积雪在冬季最大,夏季积雪最少。积雪面积变化随月份起伏明显,积雪过程集中在10月到次年4月。降水和气温变化较一致,其峰值滞后于积雪面积峰值。积雪和气温、降水的相关性表明,积雪面积与气温、降水呈负相关,且气温与积雪面积相关性更大。径流的变化具有周期性,5月开始迅速增大,7月达到最大值。径流和积雪以及气象因子的相关性分析表明,径流与积雪面积呈负相关,与气温和降水都是正相关,且径流与降水相关性更大。      

Interannual variability and correlation of vegetation cover and precipitation in Eastern China

Based on the SPOT/VEGETATION Normalized Difference Vegetation Index (NDVI) data and daily precipitation data of 357 meteorological stations, the spatial and temporal variability of vegetation cover, measured by NDVI, and precipitation as well as their relationships are investigated in Eastern China, which is portioned into three subregions (regions I, II, and III), for the period 1998–2010. The results show that high NDVI values appear mainly in Northeastern China and in August while high precipitation (PRETOT) occurs in Southeastern China and in July (June for Southern China). Extreme precipitation days (RD95p) and amount (EPRETOT) coincide well with PRETOT. Extreme precipitation intensity (RINTEN) has a similar spatial variability to PRETOT but with a smaller seasonal variation than PRETOT. Growing season NDVI is positively correlated with PRETOT in 11.7 % of the study area (mostly in arid to subhumid regions of Northern China), where precipitation is a limiting factor for vegetation growth. In contrast, a negative correlation between growing season NDVI and PRETOT is found in 4.8 % of the study area, mostly in areas around the Yangtze River and deep Northeastern China. No significant correlations between these two variables are found for the other regions because vegetation response to precipitation is affected by other factors such as temperature, radiation, and human disturbance. On a monthly scale, there is a positive correlation between NDVI and PRETOT in May (for region II) and September (all subregions except region I). NDVI variations lag 1 month behind PRETOT in June (for region I) and October. Correlations between NDVI and RD95p, EPRETOT are similar to that with PRETOT, but the relationships between NDVI and RINTEN are relatively weaker than with PRETOT. This study provides the technical basis for agriculture development and ecological construction in Eastern China.     

基于遥感和GIS的中国植被指数变化的驱动因子分析及模型研究

在样带和典型区研究的基础上,采用相关分析和偏相关分析方法,对影响植被指数变化的因子（水、热和地表植被覆盖类型）进行了分析。结果表明：中国植被指数的时空变化极其复杂,虽受水、热和地表植被覆盖类型三个主导因子的影响和控制,但因时和因地而异,三者对植被指数影响和控制的主导地位也因时因地而不同;基于空间上的概念模型Indv=F(x,y,z)只能定性地描述以上三个主导因子时空变化同植被指数的相互关系。     

The Influence of Vegetation Cover on Summer Precipitation in China： a Statistical Analysis of NDVI and Climate Data

This study provides new evidence for the feedback effects of vegetation cover on summer precipitation in different regions of China by calculating immediate (same season), and one-and two-season lagged correlations between the normalized difference vegetation index (NDVI) and summer precipitation. The results show that the correlation coefficients between NDVI in spring and the previous winter and precipitation in summer are positive in most regions of China, and they show significant difference between regions. The stronger one-and two-season lagged correlations occur in the eastern arid/semi-arid region, Central China,and Southwest China out of the eight climatic regions of China, and this implies that vegetation cover change has more sensitive feedback effects on summer precipitation in the three regions. The three regions are defined as sensitive regions. Spatial analyses of correlations between spring NDVI averaged over each sensitive region and summer precipitation of 160 stations suggest that the vegetation cover strongly affects summer precipitation not only over the sensitive region itself but also over other regions, especially the downstream region.     

2000年以来中国区域植被变化及其对气候变化的响应

气候是植被变化的主要驱动因子,研究全球增暖背景下中国区域植被变化及其对气候的响应对于国家开展重大生态恢复评估和未来植被保护政策制定具有重要意义.利用2000-2016年MODIS植被指数(Normalized Difference Vegetation Index,NDVI)数据集,运用统计分析方法,从平均态、线性趋势...     

Spatial patterns of vegetation phenology metrics and related climatic controls of eight contrasting forest types in India – analysis from remote sensing datasets

Summary Leaf phenology describes the seasonal cycle of leaf functioning and is essential for understanding the interactions between the biosphere, the climate and the atmosphere. In this study, we characterized the spatial patterns in phenological variations in eight contrasting forest types in an Indian region using coarse resolution NOAA AVHRR satellite data. The onset, offset and growing season length for different forest types has been estimated using normalized difference vegetation index (NDVI). Further, the relationship between NDVI and climatic parameters has been assessed to determine which climatic variable (temperature or precipitation) best explain variation in NDVI. In addition, we also assessed how quickly and over what time periods does NDVI respond to different precipitation events. Our results suggested strong spatial variability in NDVI metrics for different forest types. Among the eight forest types, tropical dry deciduous forests showed lowest values for summed NDVI (SNDVI), averaged NDVI (ANDVI) and integrated NDVI (I-NDVI), while the tropical wet evergreen forests of Arunachal Pradesh had highest values. Within the different evergreen forest types, SNDVI, ANDVI and INDVI were highest for tropical wet evergreen forests, followed by tropical evergreen forests, tropical semi-evergreen forests and were least for tropical dry evergreen forests. Differences in the amplitude of NDVI were quite distinct for evergreen forests compared to deciduous ones and mixed deciduous forests. Although, all the evergreen forests studied had a similar growing season length of 270 days, the onset and offset dates were quite different. Response of vegetative greenness to climatic variability appeared to vary with vegetation characteristics and forest types. Linear correlations between mean monthly NDVI and temperature were found to yield negative relationships in contrast to precipitation, which showed a significant positive response to vegetation greenness. The correlations improved much for different forest types when the log of cumulative rainfall was correlated against mean monthly NDVI. Of the eight forest types, the NDVI for six forest types was positively correlated with the logarithm of cumulative rainfall that was summed for 3–4 months. Overall, this study identifies precipitation as a major control for vegetation greenness in tropical forests, more so than temperature.