基于遥感影像的哈尔滨市城市热环境变化

以Landsat TM/ETM+为基本数据源,利用遥感和GIS技术定量反演了哈尔滨市1989和2000年的地面亮温和植被指数(NDVI),对标准化地面亮温分级数据进行热力景观指数计算,研究城市热场分布的空间格局、时空变化规律和不同植被指数(NDVI)等级下热环境的变化特征.结果表明:1989和2000年哈尔滨市建成区均存在显著的热岛效应,2000年建成区热岛效应增强,哈尔滨市总体地面亮温升高;热力景观日趋破碎,各景观类型受干扰程度较大,处于很不稳定的状态.NDVI与地面亮温的负相关性随着植被覆盖度的升高而增大;植被覆盖度与地面亮温的空间变异呈负相关.     

遥感图像信息容量与植被指数的耦合关系研究

遥感信息容量能表征地表复杂度,为深入探究信息容量与植被之间关系,研究对植被盖度、NDVI、RVI等5种植被指数的均值、均方差与信息容量做了多种回归分析。结果表明:植被覆盖度均值、植被指数均方差与信息容量有明显相关性,其中植被盖度均方差与信息容量相关性最大,确定系数R~2为0.851 8;相关系数最大R~2为0.8642,说明遥感信息容量与植被指数、植被盖度之间有明显的相关性,证明了信息容量能有效地表征地表覆盖的变化。     

基于MODIS数据的吉林省中部地表温度反演及空间分布研究

利用MODIS数据,采用劈窗算法,定量反演吉林省中部陆地表面温度;利用TM数据,通过目视解译获得研究区的土地利用状况,并结合地势图,研究吉林省中部农业区的地表温度空间分布特征以及地表温度与土地利用类型之间的关系。结果表明,研究区陆地表面温度南高北低,西高东低,符合该区域气候特征;由于地表土地类型热力性质的不同,不同土地利用类型的地表温度存在差异,地表温度最高的裸岩要比最低的湖泊高出26.6K;地表温度与海拔呈负相关关系,即随着海拔的升高,地表温度呈下降趋势,下降率为23.6°C/km;在植被覆盖区,地表温度与NDVI之间存在负相关性,且城市地表温度对植被覆盖度的敏感性要高于农田和林地;对于整个研究区土地利用空间结构,地表温度与NDVI表现为LST-NDVI梯形关系。     

三江并流河源区植被覆盖度对气候要素的响应

基于AVHRR/NDVI和MODIS/NDVI遥感数据,通过拟合两种数据源延长NDVI时间序列来反演了三江并流河源区1982—2012年植被覆盖度空间格局的变化规律,并结合气温和降水量数据,从不同时空尺度上分析了植被覆盖变化趋势及其对气候变化的响应。结果表明:1.研究区植被覆盖度整体上随着热量梯度呈南高北低、东高西低的态势分布,且海拔在4 000 m以下的区域植被覆盖度较高,平均值在0.68~0.75;2.研究期间,植被覆盖度以0.02/(10 a)的变化率呈增加趋势,海拔在4 600 m左右和低覆盖度的区域植被增加趋势显著,显著增加区域面积占研究区总面积的36.4%,主要分布于沱沱河流域、怒江流域(除源头外)和研究区东南部等地区,这些区域植被覆盖度平均值仅为0.36;3.相对于降水量,研究区的植被覆盖度与气温要素相关性更为显著,特别是高原面上的植被覆盖度整体上与气温呈显著正相关关系,显示了强烈的热量限制性生态类型的特点。     

黄河流域植被覆盖度动态变化与降水的关系

利用8km分辨率Pathfinder NOAA-NDVI数据，对黄河流域1982－1999年地表植被覆盖的空间分布及时间序列变化进行了分析，并通过计算不同时段降水量与年最大NDVI之间的相关系数分析了降水对流域植被覆盖的影响。结果发现近20年来黄河流域平均植被覆盖度有增加趋势，但青藏高原上有所减小；汛期降水量的多少对地表植被覆盖度的年际变化起主要作用，其中草原地区影响最显著，而在森林植被区及部分灌溉农作区，降水的年际变化对地表覆盖的影响比较小。     

重庆市气候因子变化及其与植被活动的相关性

全球变化背景下气候因子与地表植被的相互作用过程是地球科学领域的研究重点和热点。利用重庆市50年来气象站点数据和1999年以来的SPOT4-VGT NDVI数据,采用Mann-Kendall检验、时空分析、相关分析等方法,对年均温、年降水时空变化特征及其与植被活动变化之间的关系进行了分析。结果表明,重庆市50 a间年均温、年降水量波动明显,其中年均温2002年以后增温趋势显著。植被覆盖近10 a呈明显增加趋势,且存在显著的时空差异。空间上,三峡库区及长江、嘉陵江沿岸NDVI增加最为明显;时间上,春季、秋季NDVI增加最为显著。植被覆盖年内周期变化与降水、特别是气温的相关性显著,但年际变化与年均温和年降水量变化相关性不显著。初步分析表明,人类活动,特别是农业生产、耕地保护和植被生态建设等,是近10 a重庆市植被覆盖上升的首要因素。     

干旱区典型绿洲地表温度与植被覆盖度相关性研究

 绿洲空间热环境的研究是深入了解绿洲-沙漠间,以及绿洲内部物质能量流动机理的重要手段。利用TM/ETM+遥感影像反演了于田地区地表温度以及植被覆盖度,在统计地表温度-植被覆盖度二维散点图的基础上,研究不同结构区域下绿洲地表温度与植被覆盖度的相关关系。结果表明:①于田地区地表温度与植被覆盖度呈显著负相关关系,相关系数在-0.79158和-0.48816范围之间。②从1991年到2002年,于田绿洲内部区域地表温度与植被覆盖度散点图上各点分布由密集到分散,表明原有相对整体的植被覆盖地块被打散,成为多种土地类型交错的破碎化地块。③外部荒漠带及绿洲与荒漠交错带区域地表温度与植被覆盖度散点图上各点分布由分散到集中,表明绿洲外部荒漠化程度的逐年加剧,导致了绿洲外围植被覆盖有所降低,植被物种单一,植被多样性也呈现下降趋势。     

青海湖地区植被覆盖及其与气温降水变化的关系

使用1981年到2003年月NDVI(归一化植被指数）资料,计算了青海湖地区植被覆盖度,分析了该地区植被覆盖度的历史演变,发现其值在增大,尤其是从1996到2003年,青海湖地区的植被覆盖度都为正距平,NDVI年平均增长率为1.07×10-3。四季的植被覆盖度均为增加趋势,夏季增加最多。月平均温度与月植被覆盖度、春夏季降水与夏秋季植被覆盖度显著正相关。因此,热量条件和春夏季降水是影响青海湖地区植被生长的关键性因素。     

城市地域地表温度-植被覆盖定量关系分析--以深圳市为例

地表温度-植被覆盖间的关系一直是城市热岛研究的热点之一,两者均为描述生态系统特征的重要参数。本文利用深圳市2004年的ETM+影像,基于遥感技术提取相关的下垫面类型、地表温度和植被覆盖等信息,探讨不同下垫面类型对地表温度-植被覆盖关系的影响,并结合分形维度计算方法,比较不同分辨率下地表温度、植被覆盖及其相关关系的变化。研究结果表明,植被覆盖程度与地表温度之间存在明显的负相关,并且在不同的植被覆盖程度下,地表温度-植被覆盖关系呈现分段线性关系。下垫面类型及其组合主要通过植被覆盖的分布对地表温度产生影响。而在不同空间分辨率下(30m至960m),地表温度和植被覆盖的空间变异程度均表现为先升后降,在120m的分辨率下,两者的相关程度达到最高。结果证实区域植被覆盖状况可直接影响辐射、热动力以及土壤水分等多种地表特征,从而导致地表温度分异等。     

山地城市土地覆盖变化对地表温度的影响

针对山地城市复杂的城市地貌和下垫面类型,本文使用TM、DEM、ETM⁺等遥感影像资料,提取了重庆市土地利用覆盖类型;借助TM、MSS等遥感数据的红外波段,反演出1988年和2000年的地表温度。分析了重庆市近十年的土地覆盖变化及其对地表温度的影响,结果表明,在1988~2000年间,研究区土地覆盖变化明显,特别是城市土地覆盖面积有显著增加。土地覆盖类型的变化会改变地表温度的空间分布,尤其是城市土地的扩展会提高地表温度。对山地、丘陵、平坝、陡坡四种耕地的地表温度进行了深入分析与研究,结果表明:山地城市土地覆盖变化引起了植被覆盖度的变化,而植被覆盖度的变化又相应地影响了地表温度的变化,植被覆盖度每下降10%,地表温度上升0.49K。     

基于遥感的北京山区植被覆盖景观格局动态分析

根据l994年和1999年的两期Landsat TM数据，在FCD Mapping model原理和方法的基础上，得到北京北部山区昌平、怀柔、密云和平谷的植被覆盖牢固，并利用FRAGSTATS软件对所得的植被覆盖等级图从斑块大小、斑块数、斑块密度、斑块平均面积、分形维数和聚集度等角度进行了空间格局变化的剖析。结果表明：1)各研究区均显示无植被覆盖类型占据着景观中的优势地位。1994一1999年期间，研究区总的植被覆盖率除平谷降低外，其它三个区均呈现增长趋势，其中昌平增长最显著。说明平谷的植被覆盖状况逐渐变差，而昌平、怀柔和密云的植被覆盖状况逐渐转为良好。然而各研究区的植被仍需进一步进行保护。2)1994一1999年期间，景观整体的斑块密度都在减少，其中平谷减少的最多，说明景观整体的破碎化程度降低；多样性指数和均匀度指数也呈现降低趋势，其中密云减少最为显著，表明景观越来越由少数植被覆盖等级类型所控制。3)各研究区中景观整体的分维数相差不大，各景现组分的分维数标准差均较低，说明山区的斑块形状主要取决于自然地貌及自然环境条件。4)1994—1999年期间，蔓延度指数均呈现增长的趋势，聚集度指数的变化不显著，但都接近于1，说明景现整体的聚集程度较高。     

天山北麓地下水与自然植被的空间变异及其分形特征

对面积约670km^2的具有干旱气候特征的新疆三工河流域地下水埋深和自然植被盖度进行取样检测，应用地质统计学方法对取得数据进行半方差函数分析，计算均值、方差、标准差、变异系数等传统统计特征值，指出用该方法表示地下水埋深和自然植被盖度引起的困惑。在此基础上，将分形理论与地质统计学原理相结合，计算了三工河流域地下水埋深和自然植被盖度的分形维数，分别为1．3154、1．3677；而它们的变异系数分别为0．．537、0．368。该地区地下水埋深和自然植被盖度在空间上存在显著的变异性，而且它们具有相似的变异特征，即随着地下水埋深的递增(或递减)，自然植被盖度有所减少(或增加)，说明干旱区自然植被盖度对地下水埋深有很大的依赖性。这暗示着在干旱地区影响自然植被盖度的众多因素中最具有决定性的因素是地下水埋深。     

黄土高原植被覆盖度变化的地形分异及土地利用/覆被变化的影响

基于16 d合成MODIS NDVI数据提取的时间序列植被覆盖度数据,采用一元线性回归趋势分析,对黄土高原2000-2008年植被覆盖度的时空变化及其地形分异、土地利用/覆被变化的影响进行了定量分析。结果表明：（1）研究时段黄土高原植被覆盖度整体呈快速上升趋势,局部下降;（2）黄土高原植被覆盖度变化存在明显的地形分异,陡坡等植被恢复、重建和保育的主要区域植被覆盖度增速显著;（3）土地利用/覆被变化对植被覆盖度的增加影响突出,土地利用/覆被类型变更区植被覆盖度增速显著高于未变化区域,退耕还林还草区增速尤其突出;（4）土地利用/覆被类型未变化区域植被覆盖度总体上也呈增加趋势,但因植被覆盖度水平相对较高,增速明显低于土地利用/覆被类型变化区。上述结果表明,黄土高原植被保育、植被恢复和重建在植被覆盖度提升方面取得了明显成效。     

金沙江干热河谷土地荒漠化评价的植被指标分析

土地荒漠化是在人和自然因素的综合作用下，地表环境退化的总过程，其实质是土地减弱或丧失生长绿色植物的能力。因此，植被因子是评价土地荒漠化的关键因子。植被盖度和生物量能很好地反映土地是否荒漠化和荒漠化的强弱程度，但靠常规方法要获得这两项指标非常困难。以元谋老城乡为试验区，对土地荒漠化与植被盖度和生物量的关系、利用遥感技术获取的植被指数与植被盖度和生物量的关系进行了分析研究。试验研究表明，植被指数与盖度和生物量具有很高的相关性，是对二者的综合反映；植被指数为土地荒漠化评价提供了定量依据。     

全球及区域模式中陆面过程的地表植被覆盖分类方法

全球和区域尺度上陆面生态系统与气候密切相关。全球和区域模式的发展对于我们认识气候与陆地生态的变化起到重要作用。在这些模型中,植被覆盖是影响大气-植被间热量、水分和CO2等交换的重要陆面参数。在分析了陆地植被覆盖分类原理基础上,介绍了目前全球不同植被覆盖分类方案,包括基于地基观测的植被分布、基于生物气候特征的分类方案（如：Holdridge的方案）;特别近年来陆面过程试验表明,各种遥感数据源（如：NOAA—AVHRR,EOS—MODIS,Landsat—TM）等为我们提供了有利的工具来监测全球植被动态,完善植被分类,并且采用高时空分辨率的全球土地覆盖状况特征,在不同时空尺度揭示植被-大气相互作用。本文分析了代表性的3种基于卫星遥感技术的陆面植被分类方案,分别是BATS（18类）、SIB（9类）、SIB2（12类）和BIOME—BGC（31类）陆地模式的植被覆盖分类方案．最后分析了目前可用于全球植被覆盖分类的新的遥感数据库。     

干旱区典型流域近30年土地利用/土地覆被变化的分形特征分析——以玛纳斯河流域为例

利用1976、1989、2005年三期遥感影像,运用GIS和分形理论研究干旱区典型流域——玛纳斯河流域近30年的土地利用/土地覆被变化的复杂性和稳定性。结果表明:玛纳斯河流域各时段的土地利用/土地覆被类型分布具有分形结构,土地利用/土地覆被类型形状复杂性和斑块的稳定性波动变化,1976、1989、2005年三时期的各种土地利用/土地覆被类型总平均分维值分别为1.394 0、1.363 4和1.389 9。总平均稳定性指数分别为0.606 0、0.636 6、0.610 1。三期土地利用/覆被类型平均稳定性排序为:沙地>未利用土地>居民点工矿用地>水域>林地>草地>耕地>盐碱地。耕地、林地、草地、盐碱地稳定性相对较差。通过对流域土地利用/土地覆被类型变化复杂性和稳定性的研究,可以为政府协调水土开发和调整土地利用结构提供支持。     

Monitoring Growth in Rapidly Urbanizing Areas Using Remotely Sensed Data

Urbanization and the ability to manage for a sustainable future present numerous challenges for geographers and planners in metropolitan regions. Remotely sensed data are inherently suited to provide information on urban land cover characteristics, and their change over time, at various spatial and temporal scales. Data models for establishing the range of urban land cover types and their biophysical composition (vegetation, soil, and impervious surfaces) are integrated to provide a hierarchical approach to classifying land cover within urban environments. These data also provide an essential component for current simulation models of urban growth patterns, as both calibration and validation data. The first stages of the approach have been applied to examine urban growth between 1988 and 1995 for a rapidly developing area in southeast Queensland, Australia. Landsat Thematic Mapper image data provided accurate (83% adjusted overall accuracy) classification of broad land cover types and their change over time. The combination of commonly available remotely sensed data, image processing methods, and emerging urban growth models highlights an important application for current and next generation moderate spatial resolution image data in studies of urban environments.     

Monitoring Growth in Rapidly Urbanizing Areas Using Remotely Sensed Data

Urbanization and the ability to manage for a sustainable future present numerous challenges for geographers and planners in metropolitan regions. Remotely sensed data are inherently suited to provide information on urban land cover characteristics, and their change over time, at various spatial and temporal scales. Data models for establishing the range of urban land cover types and their biophysical composition (vegetation, soil, and impervious surfaces) are integrated to provide a hierarchical approach to classifying land cover within urban environments. These data also provide an essential component for current simulation models of urban growth patterns, as both calibration and validation data. The first stages of the approach have been applied to examine urban growth between 1988 and 1995 for a rapidly developing area in southeast Queensland, Australia. Landsat Thematic Mapper image data provided accurate (83% adjusted overall accuracy) classification of broad land cover types and their change over time. The combination of commonly available remotely sensed data, image processing methods, and emerging urban growth models highlights an important application for current and next generation moderate spatial resolution image data in studies of urban environments.     

Reconstructing pre-agricultural expansion vegetation cover of Ethiopia

Landscape reconstructions can be used to define a reference condition from which to assess the magnitude of land changes caused by human influence. Since the beginning of the last century, the population of Ethiopia has increased drastically with large effects on the natural vegetation and biodiversity. However, the original land cover patterns in Ethiopia have not been precisely mapped, which hinder the identification of the biophysical and socio-economic factors that contributed to the current landscape patterns. The objective of this study was to reconstruct the past century vegetation landscapes of Ethiopia (i.e. vegetation cover before agricultural expansion) and identify which ecosystems have been most affected by land changes. First, the net primary productivity (NPP) was modelled based on the climatic constraints of natural vegetation growth (water availability, solar radiation and minimum temperature) derived from remote sensing and climate data. This analysis showed that water availability is the most critical constraint for vegetation growth for all regions and land cover types in Ethiopia. Then, the past vegetation was mapped based on predicted NPP. Our results show that i) the extent of broadleaved evergreen or semi-deciduous forest, open broadleaved deciduous forest, closed to open shrubland, mosaic forest-shrubland/grassland, sparse vegetation and grassland was 18.8%, 12.4%, 20.6%, 31.5%, and 16.8%, respectively, and ii) current agricultural landscapes were previously covered mainly by broadleaved evergreen and deciduous forest, which encompassed 38.9%. The least affected by agricultural expansion were sparse vegetation and grassland. Our study provides novel insights on pre-agricultural expansion landscapes in Ethiopia with critical information for scientists and other stakeholders working on the restoration and rehabilitation of degraded areas.