区域地表水体_归一化植被指数与热环境多样性格局的关联分析
基于归一化植被指数的城市热岛效应分析
市 总面 积 1 5 m , 12 8k 占江苏 省 总 面积 的 1 % , 中市 区 1 其
面积 9 3k 境 内地势 东南 高西北 低 , 6 m , 海拔 1 4 。 9— 5m
2 热 岛效 应 的 定 量 分 析 模 型
2 1 基 于 归 一化 植 被指 数 模 型 .
iln f c ,s t p e au t n i d x,a d p o i e a i f rt e mo i r sa d ef t e v l ai n e e u o n r vd sb ss o h n t ,ma a e n ,a d pa nn fct n i n n . o n g me t n ln i g o i e vr me t y o Ke r s u b n h a sa d ef c ;n r l e i e ̄l e o e ea in i d x;C ER y wo d : r a e t ln f t o mai d df l i fv g tt n e i e z i e o B S;d cso r e e i nt i e
o u v yn n a pn , h n nv ri f nn n e h o g , u h u 2 1 1 ,C i a fS r e iga dM p ig C ia U ie s y o iga d T c n l y X z o 2 1 6 hn ) t Mi o
城市热岛效应的影响因素、研究方法及缓解对策研究进展
第33卷第4期2020年12月 仲恺农业工程学院学报JournalofZhongkaiUniversityofAgricultureandEngineering Vol.33,No.4December,2020DOI:10.3969/j.issn.1674-5663.2020.04.012收稿日期:2019-05-10作者简介:许 睿(1993-),男,江西宁冈人,在读硕士研究生. 通信作者:E mail:wangfl2002@163.com城市热岛效应的影响因素、研究方法及缓解对策研究进展许 睿1,2,董家华2,王凤兰1(1.仲恺农业工程学院园艺园林学院,广东广州510225;2.环境保护部华南环境科学研究所,广东广州510655)摘要:在快速城市化和全球气候变暖背景下,城市热岛效应加剧城市极端气候发生的范围和强度,导致城市居民健康风险显著增大.目前,城市热岛效应越发严重,已成为全球关注的热点问题.本研究系统综述了国内外相关研究现状,梳理出城市热岛效应的成因与危害、研究方法、研究内容及缓解对策及效果评价等方面的最新进展,并有针对性的提出目前研究中的不足和未来发展趋势,为进一步研究热岛效应提供参考.关键词:热岛效应;影响因素;研究方法;缓解对策中图分类号:B220 文献标志码:A 文章编号:1674-5663(2020)04-0065-06Reviewontheinfluencingfactors,methodsandcountermeasuresofurbanheatislandeffectXURui1,2,DONGJiahua2,WANGFenglan1(1.CollegeofHorticultureandLandscapeArchitecture,ZhongkaiUniversityofAgricultureandEngineering,Guangzhou510225,China;2.SouthChinaInstituteofEnvironmentalScience,MinistryofEnvironmentalProtection,Guangzhou510655,China)Abstract:Underthebackgroundofrapidurbanizationandglobalwarming,urbanheatislandeffectin tensifiesthescopeandintensityofurbanextremeclimate,leadingtoasignificantincreaseinthehealthriskofurbanresidents.Sofar,urbanheatislandeffecthasbecomemoreandmoreprominentandhasbeenavitalissueofglobalconcern.Thecurrentstatusofrelevantresearchathomeandabroadwassys tematicallysummarized.Andthelatestprogressinthecausesandhazardsofurbanheatislandeffect,re searchmethods,researchcontent,mitigationmeasuresandeffectevaluationwerereviewedandtheshort ageandfuturedevelopmenttrendofthepresentresearchwereputforward.Thestudywillprovidearefer enceforthebetterdevelopmentoftherelatedresearchontheheatislandeffect.Keywords:heatislandeffect;researchprogress;relieve;afforestationofcity 在全球城市化迅速发展的今天,居住在城市内成了许多人的选择.城市人口迅速增加,引发城市下垫面结构的巨大变化.同时,城市规模的扩大导致城市人为热释放的迅速增加,对城市所在区域气候的影响也越来越严重.城市热岛效应(Urbanheatislandeffect,UHI)是指城市“高温化”的现象,即城市内的温度显著高于周围郊区的温度.1833年,英国气候学家Howard首次记录了伦敦市中心气温高于郊区的现象[1].而城市热岛的概念,则由Manley于1958年第一次提出[2].此后,城市热岛效应便引起了国内外众多专家学者的关注,如彭少麟等[3]提出了适合城市发展、交通、绿地生态利用的合理规划模式;Dolvlos等[4]建议采用能降温、节能、减轻热岛强度的室外建筑材料;Akbari[5]主张使用透水路面材料等.当前,城市热岛效应不仅会增加城市资源的消耗,还会引起城市气候的异常变化,甚至导致城市居民生命财产的损失,寻找可以有效缓解城市热岛效应的对策和方法,迫在眉睫.本研究将从城市热岛效应的成因、危害、影响因素、研究方法和缓解对策等方面综述国内外学者对热岛效应的研究成果,在此基础上提出将来的重点研究方向,希望能够为缓解城市热岛效应、美化城市环境方面提供参考.1 城市热岛效应的成因及危害1 1 城市热岛效应的成因关于热岛效应的成因,研究者多是从城市本身的地面覆盖状况、人为活动的影响及客观条件的变化等方面着手来探讨.1 1 1 城市下垫面性质的改变 覆盖整个城市的“水泥森林”更容易吸收大量的热辐射,导致城市夜间红外线辐射热量相应增加,致使城市温度升高.随着世界性城市化、工业化进程的加快,城市不断“摊大饼”一样的蔓延扩大及农村人口进一步向城市集中导致本来比例就不多的绿地进一步减少,加剧了城市热岛效应的影响.同时,热辐射在城市内经过多次反射及吸收是城市热岛效应形成的一个重要原因[3].1 1 2 人为热排放及大气污染 彭少麟等[3]把城市的人为热归纳为汽车、工厂、空调、居民炊事和建筑储热.城市居民的人为热排放直接导致了城市气温的上升.同时,工厂煤灰及污染气体一起排放,如N2O、CO2和CH4等温室气体,覆盖了城市的上表面.而CO2等气溶性微粒吸收长波辐射能量,包围了城市上空的隔热层,阻止了长波辐射的散射,增加大气辐射,从而导致城市热岛效应的增强.1 1 3 其他因素 城市热岛效应还与城市地形、城市建成率和几何形态之间存在显著的相关关系.例如,广州位于低纬、高温、暴雨、高湿、北、东北和东、东南风的方向上,具有高频率的通风和静风,近地层的高频反转,强烈的热岛效应[6].此外,夏季,我国大部分地区受副热带高压的控制,由于空气流量大、静风天气多和近地表散热少,UHI效应进一步加剧[8].1 2 城市热岛效应的危害对于城市及城市居民来说,城市热岛效应的危害是显而易见的.除了对局地小气候、大气环境造成不利影响外,还影响生物的生长以及危害人类的健康.当前引起研究者重点关注的危害包括以下几方面:1 2 1 对气候的影响 热岛效应对气候的影响非常大,甚至会引起城市的异常天气.例如冬季温度的上升,极端天气如暴雨、冰雹等[3].城市热岛效应使得城市凝结、霜冻、霜冻日、降雪频次和降雪时间都发生改变,明显差异于郊区[9].热岛效应还会对降雨产生影响.热岛效应影响云的凝结,也可能通过流场的作用影响冬夏降水过程[10].城市热岛效应增加了城市的降水量,但不造成降雨[11].1 2 2 破坏大气环境 热岛效应引起城市中气流的上升,上升的气流中含有大量的烟尘、温室气体等微粒,因而城市上空容易形成以这些微粒为团粒结构的云团,造成城市地区近地层空气污染严重.在高温季节,城市工厂排放的废气中,如氮氧化合物、碳氢化合物,经光化学反应形成一种浅蓝色的烟雾,在热岛的影响下形成二次污染物,其危害性更大[12].1 2 3 改变生物习性 城市热岛效应改变了城市地表附近的热结构,改变了城市温度,致使各种生物的生理活动、生殖活动和物候等都发生改变.由于城市气温的升高,寒冷期温度上升,使得许多不属于该地区的生物在城市中繁殖生长,同时,高温期温度持续升高,也限制了许多生物的生长[6].1 2 4 消耗能量与危害居民健康 城市热岛效应导致的极端温度,直接影响了城市居民的健康[13].UHI对居民身体健康的危害表现为:神经症、失眠、烦躁、记忆力减退和抑郁[14].2 城市热岛效应的影响因素2 1 城市下垫面对热岛效应的影响曹丽琴等[16]研究发现,城市下垫面构成不同,所带来的热岛效应的影响也不同,影响程度最大的下垫面类型为黑色不透水面,最小的为水面.土地利用类型不同,所造成的热岛效应也不同.建筑用地气温高于居住、农业用地[17],建成区建筑区内温度高于水域及绿地[18],即工业用地>住宅用地>城市绿地>水体[19].2 2 城市绿地空间尺度对热岛效应的影响城市绿地缓解热岛效应是目前备受关注的研究领域,根据研究空间尺度不同,将其分为局地尺度、景观尺度和区域尺度3种类型[20],即局地尺度聚焦于居民住宅区行道树、居住区内部组团和屋顶绿化垂直绿化.例如,城市绿化带宽度与温湿度效益具有明显相关性,当城市绿化带宽度大于40m时,降温增湿效果明显[20];研究屋顶绿化的降温效果时发现,在夏日,经绿化过的屋顶温度日平均66 仲恺农业工程学院学报第33卷 值低于正常屋顶温度日平均值[21].景观尺度上,城市规模、景观构成和空间格局是景观格局的重要指标[22].城市景观格局演变所带来的后果最直接的表现就是城市热岛效应[23].刘焱序等[22]认为昼夜、季节变化控制景观组分与热岛效应的相关性.城市规模与热岛效应的关联存在地带性规律,但是显著驱动热岛效应的关键空间构型指标仍有待遴选.在区域尺度上,植被覆盖度、归一化植被指数(NDVI)和城市绿地形态结构对城市地表温度的影响是研究UHI的重点.王刚等[24]在研究城市绿地对热岛效应的调控功能中发现,城市内绿地范围的表层温度与绿地结构的周长、面积呈反比,与周边非绿地结构的面积呈正比,表明绿地形态结构可以很好的调控其地表温度.因此,随着城市总绿地面积的增加,城市热岛效应有明显降低的趋势[25],并在植被覆盖度高的区域出现蓝色的“凉爽”区域[26].2 3 城市绿地格局对热岛效应的影响从城市绿地格局的角度出发,学者们分别从植物的个体、群落、种类及绿地内部格局等方面研究其缓解城市热岛效应的作用[12].在植物个体的降温效果方面,贺庆棠等[27]针对52种针叶树种、阔叶树、灌木和花卉的表面温度进行了研究,结果表明,北京各树种暖季降温效果显著,冷季升温效果显著.冷季升温效果的影响从小到大为针叶树种、花灌木和阔叶树种.不同树种降温效果排序为乔木林>乔灌林>灌木林>草地[28].唐罗忠等[29]通过比较不同绿地类型对城市的降温效果,发现乔木的缓解效果最强,草坪的降温增湿效果不明显.而“灌-草”、“乔-草”和“乔-灌-草”的类型组合可以起到明显的降温效果[30],即植物群落结构越复杂,植被覆盖度越大,郁闭度越高,绿地降温增湿效果越明显[31].2 4 其他因素对城市热岛效应的影响许多国内外专家学者过于关注城市绿化对热岛效应的影响,而忽略了其他例如气候、城市垂直结构和土地利用类型等因素对城市热岛效应的影响.在研究城市垂直结构对城市热岛效应的影响中,佟华等[32]采用数值模拟方法对北京市楔形绿地对热岛效应的缓解效应进行了模拟和预测,结果表明,1km范围内楔形绿地及周边区域温度降低,降温效果达到1~5℃.此外,土地利用规模和强度的变化、类型和布局的变化以及土地利用方式的变化对城市热岛效应也有重要影响.彭保发等[33]以上海市为例进行了研究,结果发现,(1)影响上海市热岛效应强度的主要因素之一就是土地利用方式,即城市化;(2)城市建成区面积不断增大对UHI强度影响的增量效应小于其累积效应;(3)土地利用模式的不同、城市发展模式的差异,导致了UHI的空间差异.3 城市热岛效应的研究方法3 1 气象观测数据对比方法利用气象站的观测数据进行对比研究是研究城市热岛效应常用的方法.利用气象站的统计资料,选取不同的温度指标,通过统计或数学模拟比较,得出研究区域在一个时段内热岛效应的特征及变化情况.石瑞玲等人[34]选取2004-2013逐年1、4、7和10月中旬的气象观测资料进行分析,大武口市区/郊区冬秋温差分别为2 4和1 9,夏春温差分别为1 3和1 4.大武口市区热岛强度在一个研究年份中表现为中度热岛,强度为“冬>秋>春、夏”.但是,气象观测数据比对法受到气象站的数量与设置环境的影响,且测点的变动、观测习惯和测定仪器的误差等均会影响分析结果[35].3 2 定点与运动样带观测法定点观测通常利用便携温度接收器在城区典型位置进行观测和研究而运动样带方法通常在车辆上安装温度测量仪器,并与便携式数据采集器连接以监测城市区域的温度[36].张一平等[37]将温度测量仪器悬挂在气球上进行试验,利用所得数据对昆明市城市热岛效应进行了分析.Kazimierz等[38]将VaisalaHMP 35传感器安装在5部车上,进行流动监测,从而研究热岛效应的空间格局.3 3 遥感技术反演城市热岛现如今,遥感技术由于其与时间同步度高、精确直观、覆盖度广等特点,在城市热岛效应研究中被广泛应用[39].遥感反演法就是根据地物所处不同波段辐射值的差异,利用热红外传感器对城市地表温度进行大面积观测,如张宇等[40]利用徐州地区1985-2010年夏季四期LandsatTM影像进行研究,发现环境温度随城市地表湿度增加而降低,表明城市地表湿度在调节城市热岛效应中扮演了重要的角色.城郊植被差异、不同植被类型,同一类型不同郁闭度的植被降温效果同样能通过遥感技术反映.苏雅丽[41]利用遥感技术分析了东莞市2004和2014年植被面积和森林降温效果的变化,结果表明降温效果最好的林为乔木林中的阔叶混交林,且郁闭度76 第4期 许 睿,等:城市热岛效应的影响因素、研究方法及缓解对策研究进展 不同的林分降温效果不同,通常郁闭度在0 7以上的林分降温效果最佳.3 4 模拟预测法模拟预测法以热力学和动力学为理论基础,采用建立统计、数值、分析和物理模型来模拟城市热岛效应[36].模拟预测法可以获得较高空间分辨率的结果,可以弥补传统观测试验在空间布点上的不足.李兴荣等[42]对北京6-9月夜间热岛进行研究发现,在MM5模式下存在的热量储存和人为热量对模拟预测热岛效应的效果更为准确.2011年,宋迅殊[43]利用中尺度预报模式对苏州城进行了城市热岛模拟.赵亚芳等[44]运用模拟预测与观测、遥感相结合的方式,分析了太湖市的热岛特征.江学顶等[45]利用四重嵌套网格,最高分辨率为1km的中尺度数值预报模式对广州市城市热岛效应进行了模拟.4 缓解城市热岛效应的对策4 1 合理规划城市布局城市热岛效应的程度和城市建筑密度成正比例关系,城市建筑布局密度越大,空气流通效率越低,热岛效应越强烈[46].因此,在做城市规划时,应该秉承生态观念,提升城市自我调节能力.具体措施有以下几点:①重点关注城市主导风向,同时尽量减少城市建筑物的密度;②城市规划分区需合理,如居住区、公园和厂区等;③科学布局城市中的常用区域;④对于污染严重的矿山企业给予严格控制;⑤在城市建设中尽可能选择合适的环保施工工艺和施工材料;⑥分散城市商业区的区位,降低城市中心的人口密度[47].4 2 保护、增加城市绿地面积城市绿地在缓解城市热岛效应过程中具有关键性的作用.合理搭配城市绿地植被类型,在城市绿化时多采用乔灌草的复合结构,可使得植被对地表的降温效果达到最佳状态.增加城市绿地面积,如增加城市公园等,可有效缓解热岛效应对城市温度的影响.陈敏捷等[48]以江西省赣州市为例,根据地表温度的反演原理与反演结果得出“当植被覆盖率越高,控制和减少城市热岛效应的作用越明显”的结论.但是当植被覆盖率较为固定,或是变化不大时,城市绿地系统的空间分布形态直接影响了城市的热岛效应[49].4 3 改善下垫面的材料类型运用环保型铺装材料,通过改变城市下垫面材料类型,进而缓解城市热岛效应.传统铺装材料例如铺砖、卵石、混泥土等,因其比热容较小,在高温天气中非常容易促使城市热岛效应加剧,而运用环保型铺装材料例如透水混凝土材料等就可以避免这个问题[44].4 4 减少人为热排放城市热排放的增长是加剧热岛效应的重要诱因之一.作为城市居民的一员,我们更应该自觉地避免人为热的过多排放.而在大力提倡低碳生活的今天,居民可以从各方面、各项行动来减少人为热的排放,例如减少塑料制品的使用、绿色出行、减少废物的燃烧和减少空调等大功率电器的使用等.同时,政府倡导、企业自律也是减少人为热排放的重要环节.5 展望综上所述,广大的专家和学者运用多种方法,在城市热岛效应的危害、影响因素和缓解措施等方面开展了广泛和深入的研究,取得了一定的研究成果.但也存在一些不足和问题,如确定空间范围的静态研究较多,对热岛效应在时空尺度上的动态变化关注不够,面向城市群尺度的研究更是寥寥无几.研究方法上以传统的方法和较单一的方法居多,将多种方法相结合并融入现代的技术方法的较少.在影响因素和舒缓措施上,更多地关注城市本身的因素而忽略了一些外在因素的影响,如政策的变化、周边环境的影响等[15].在城市化和工业化进程依然强劲,气候变化备受关注的背景下,热岛效应的研究依然是未来研究的热点领域.未来的研究方向将集中在以下几方面:(1)遥感技术与气象监测方法更紧密结合.传统气象观测手段可以反映点状的城市热岛情况,但不能反映大尺度的热岛效应,而遥感技术以其尺度大、覆盖广的优点能很好的弥补气象监测的不足.将两者结合起来使用,既能通过空间分析的方法形象地展示城市中尺度热岛效应的分布和差异,判读城市绿化结构和质量,还能运用现场监测数据分析重点区域小尺度的微细变化,并验证和修正遥感结果[50].如希望对热岛效应进行全面系统的研究,就可以利用遥感技术反演城市热岛,再利用观测与实测数据对热岛效应进行进一步的分析,观测点与遥感技术的控制面相结合,以减小自然以及人为的误差,使研究效果更加明显而具有可信度.(2)针对城市群进行研究.单个城市或者超大城市热岛效应的研究已有很多结果,但是就目前而言,针对城市群进行的研究还比较少.目前我国已86 仲恺农业工程学院学报第33卷 经建成了几大较为成熟的城市群,如京津冀、长三角和珠三角3个特大城市群,国家特别重视城市群的建设,随着城市群的发展,热岛效应不再局限于城市群内的单一城市内,各城市间通过紧密的合作、交流等人类活动会使得热岛效应在城市群内蔓延,成为各城市共同面对的共性问题[51].但目前将城市群作为一个整体的研究还比较缺乏.所以,对于城市群热岛效应的研究,也将是今后的一个发展趋势.(3)景观格局对热岛效应的影响.根据目前的研究成果我们可以判断出,城市规模与热岛效应成正比关系,但是这种正比关系更多的停留在定性的判断和半定量的推断上,其中是否存在一个阈值,能否定量地认识城市规模与热岛效应的关系,是今后一个重要的研究方向[22].同样,景观组分与空间构型如何作用于热岛效应也是尚待解决的问题之一.(4)大气因素.城市热岛与城市气候相互作用.大气因素不是孤立的,与城市热岛密切相关.大气中空气湿度、风速与风向等因子都对热岛效应具有影响.因此,在对热岛效应的研究中,要把大气因子考虑进去.因而,研究城市热岛对城市气候的影响也是今后的重要方向.参考文献:[1] HOWARDL.Climateoflondondeducedfrommetrologicalobser vations[M].London:HarveyandDortonPress,1833.[2] MNALEYG.Onthefrequencyofsnowfallinmetropolitanengland[J].QuarterlyJournaloftheRoyalMeteorologicalSociety,1958,80:70-72.[3] 彭少麟,周凯,叶有华,等.城市热岛效应研究进展[J].生态环境,2005,14(4):574-579.[4] DOLVLOSL,SATAMOURISM,LIYADAI.Passivecoolingofoutdoorurbanspaces[J].TheRoleofMaterialsSolarEnergy,2004,77:231-249.[5] AKBARIH,KONOPACKIS.Calculatingenergy savingpotentialsofheat Islandredtictionstrategies[J].EnergyPolicy,2005,33(6):721-756.[6] SUKOPPH.Urbanecology scientificandpracticalaspects[C]∥UrbanEcology.Berlin:Springer verlag,1998:3-16.[7] 佟贺.城市热岛效应对城市规划的影响[J].科技经济导刊,2017,9(2):135.[8] 白振平,齐童.利用红外遥感技术监测城市“热岛效应”[J].城市与减灾,2004(2):27-28.[9] ZHOUSZ,SHUJ.Theurbanclimate[M].Beijing:ChinaMeteoro LogicalPress,1994.[10]孙继松,舒文军.北京市热岛效应对冬夏季降水的影响研究[J].大气科学,2007,31(2):311-320.[11]SHEPHERDJM,PIERCEH,NEGRIAJ.Rainfallmodificationbymajorurbanareas:observationsfromspacebornerainradarontheTRMMsatellite[J].JournalofAppliedMeteorology,2002,41(7):689-701.[12]康文星,吴耀兴,何介南.城市热岛效应的研究进展[J].中南林业科技大学学报,2011,34(1):35-37.[13]杨续超,陈葆德,胡可嘉.城市化对极端高温事件影响研究进展[J].地理科学进展,2015,34(10):1219-1228.[14]ROSENFELDAH,ROMMJJ,AKBARIH,etal.Policiestore duceheatislands:magnitudesofbenefitsandincentivestoachievethem[R].PacificGrove:ACEEESummerStudyonEnergyEffi ciencyinBuildings,1996.[15]同丽嘎,张靖.城市绿地缓解热岛效应研究进展[J].内蒙古大学学报,2016,47(2):8-11.[16]曹丽琴,张良培,李平湘,等.城市下垫面覆盖类型变化对热岛效应影响的模拟研究[J].武汉大学学报:信息科学版,2008,33(12):1229-1232.[17]STABLERLB,MARTINCA,BRAZELAJ.Microclimateinadesertcitywererelatedtolanduseandvegetationindex[J].Ur banForestry&UrbanGreening,2005,3(3-4):137-147.[18]胡远满,徐崇刚,布仁仓,等.RS与GIS在城市热岛效应研究中的应用[J].环境保护科学,2002,28(2):1-3.[19]裴欢,房世峰.南京市夏季热岛特征及其与土地利用覆盖关系研究[J].干旱气象,2008,26(1):23-27.[20]朱春阳,李树华,纪鹏,等.城市带状绿地宽度与温湿效益的关系[J].生态学报,2011,31(2):383-394.[21]冯俊琪.平屋顶简易绿化对屋顶空气温度影响研究[J].西安:西安科技大学,2013.[22]刘焱序,彭建,王仰麟.城市热岛效应与景观格局的关联:从城市规模、景观组分到空间构型[J].生态学报,2017,37(23):276-288.[23]陈利顶,孙然好,刘海莲.城市景观格局演变的生态环境效应研究进展[J].生态学报,2013,33(4):1042-1050.[24]王刚,张秋平,肖荣波,等.城市绿地对热岛效应的调控功能研究—以广州为例[J].生态科学,2017,36(1):170-176.[25]王艳姣,闫峰,张培群,等.基于植被指数和地表反照率影响的北京城市热岛变化[J].环境科学研究,2009,22(2):215-220.[26]夏佳,但尚铭,陈刚毅.成都市热岛效应演变趋势与城市变化关系研究[J].成都信息工程学院学报,2007,22(S1):6-11.[27]贺庆棠,阎海平,任云卯,等.北京地区植物表面温度的初步研究[J].北京林业大学学报,2005,27(3):30-34.[28]何介南,肖毅峰,吴耀兴,等.4种城市绿地类型缓解热岛效应比较[J].中国农学通报,2011,27(16):70-74.[29]唐罗忠,李职奇,严春风,等.不同类型绿地对南京热岛效应的缓解作用[J].生态环境学报,2009,18(1):23-28.[30]朱春阳,李树华,纪鹏,等.城市带状绿地结构类型与温湿效应的关系[J].应用生态学报,2011,22(5):1255-1260.[31]张明丽,秦俊,胡永红.上海市植物群落降温增湿效果的研究[J].北京林业大学学报,2008,30(2):39-43.[32]佟华,刘辉志,李延明,等.北京夏季城市热岛现状及楔形绿地规划对缓解城市热岛的作用[J].应用气象学报,2005,16(3):357-366.[33]彭保发,石忆邵,王贺封.城市热岛效应的影响机理及其作96 第4期 许 睿,等:城市热岛效应的影响因素、研究方法及缓解对策研究进展 用规律—以上海市为例[J].地理学报,2013,68(11):1461-1471.[34]石瑞玲,孙学珍,周翠芳,等.大武口市区“城市热岛效应”观测资料对比分析[J].应用科技,2017,14(6):297.[35]杨恒亮,李婧,陈浩.城市热岛效应监测方法研究现状与发展趋势[J].绿色综述,2016,21(6):38-40.[36]林悦瑜.基于遥感技术的城市热岛效应研究综述[J].海峡科学,2011,57(9):3-4.[37]张一平,何云玲,马友鑫,等.昆明城市热岛效应立体分布特征[J].高原气象,2002,21(6):604-609.[38]KAZIMIERZK,KRZYSZTOFF.Temporalandspatialcharacter isticsoftheurbanheatislandoflodzpoland[J].AtmosphericEn vironment,1999,33:3885-3895.[39]白杨,王晓云,姜海梅,等.城市热岛效应研究进展[J].气象与环境学报,2013,29(2):101-106.[40]张宇,陈龙乾,王雨辰,等.基于TM影像的城市地表湿度对城市热岛效应的调控机理研究[J].自然资源学报,2015,30(4):629-640.[41]苏雅丽.东莞市林分缓解热岛效应作用研究[D].广州:华南农业大学,2016.[42]李兴荣,胡非,舒文军.北京夏季强热岛分析及数值模拟研究[J].气象,2007,33(6):25-31.[43]宋迅殊.城市发展对区域气象环境影响的数值模拟:以苏州为例[J].南京大学学报:自然科学版,2011,1(9):55-76.[44]赵亚芳,张宁,陈燕,等.环太湖地表城市热岛长期遥感资料分析[J].高原气象,2017,36(5):1394-1403.[45]江学顶,夏北成,郭泺,等.广州城市热岛空间分布及时域-频域多尺度变化特征[J].应用生态学报,2007,18(1):133-139.[46]彭玺,刘新宇,徐云,等.缓解热岛效应的措施分析初探[J].现代园艺,2017,64(9):112-114.[47]朱文月.浅谈缓解城市热岛效应的工程措施[J].低碳世界,2016,25(7):269-270.[48]陈敏捷,任艺琳,尹依.谈植被覆盖率对城市热岛效应的影响[J].山西建筑,2016,42(5):9-10.[49]陈爱莲,孙然好,陈利顶.基于景观格局的城市热岛研究进展[J].生态学报,2012,32(14):4553-4567.[50]刘凤凤,闫伟姣,孔繁花,等.基于气温实地调查的城市绿地降温效应研究现状与未来展望[J].应用生态学报,2017,28(4):1387-1396.[51]刘伟东,尤焕苓,孙丹.1971-2010年京津冀大城市热岛效应多时间尺度分析[J].气象,2016,42(5):598-606.【责任编辑 施祖荣櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆】(上接第64页)[37]刘苑星.昆仑雪菊中总黄酮的提取及其对肿瘤细胞活性研究[J].科技经济市场,2016(5):197-198.[38]帕尔哈提·买买提依明,令狐晨,朱青梅,等.雪菊对肝癌和肺癌细胞体外抗肿瘤作用研究[J].安徽农业科学,2015,43(24):46-48.[39]张艳梅,丰子凯,曾红.昆仑雪菊挥发油化学成分及对新生隐球菌抗菌作用[J].微生物学通报,2016,43(6):1304-1314.[40]康宏玲,杨玉红,康宗利.昆仑雪菊总黄酮的提取及抑菌和抗氧化分析[J].食品科技,2018,43(6):236-241.[41]张淑鹏,李琳琳,木合布力·阿布力孜,等.昆仑雪菊提取物对α 葡萄糖苷酶的抑制作用[J].现代生物医学进展,2011,11(6):1055-1058.[42]刘萍,段雅彬,陈红凯,等.昆仑雪菊中原花青素B2、绿原酸含量测定及对小鼠血糖的影响[J].西部中医药,2018,31(9):25-27.[43]舒畅,范强,杨丽霞.昆仑雪菊提取物对糖尿病大鼠胰岛素抵抗IRS 1/PI3K/GLUT4信号通路的影响[J].中国实验方剂学杂志,2017,23(11):122-127.[44]翟红月,敬思群,柴文杰,等.昆仑雪菊原花青素对四氯化碳致小鼠肝损伤的保护作用[J].现代食品科技,2018,34(10):22-28.[45]曾诚,杨晓艺,赵文惠,等.昆仑雪菊多糖预防急性及免疫性肝损伤[J].时珍国医国药,2017(11):2604-2607.[46]田勇,周督,邹双忆,等.昆仑雪菊水溶性黄酮提取物对D 半乳糖致衰老小鼠学习记忆障碍的改善作用[J].食品科学,2019,40(1):170-176.[47]张贵林,刘敏,葛红娟,等.昆仑雪菊水提取物对小鼠抗疲劳作用的研究[J].食品科技,2018,43(6):242-245.[48]康金森,赵伟,邓凯,等.新疆昆仑雪菊水提物对高脂环境胰岛β细胞的保护作用[J].新疆医科大学学报,2017,40(12):1501-1506.[49]秦乐,陈新梅,邢佰颖,等.昆仑雪菊总黄酮对小鼠胸腺指数及脾脏指数的影响[J].山东化工,2017,46(15):41-42.[50]沙爱龙,吴瑛,盛海燕,等.昆仑雪菊黄酮对衰老模型小鼠脑及脏器指数的影响[J].动物医学进展,2013,34(7):66-68.【责任编辑 夏成锋】07 仲恺农业工程学院学报第33卷 。
(2024届高三九省联考解析)甘肃省联考2024届高三新高考适应性测试地理试卷(含解析)
甘肃省普通高等学校招生考试适应性测试地理试题养成良好的答题习惯,是决定高考成败的决定性因素之一。
做题前,要认真阅读题目要求、题干和选项,并对答案内容作出合理预测;答题时,切忌跟着感觉走,最好按照题目序号来做,不会的或存在疑问的,要做好标记,要善于发现,找到题目的题眼所在,规范答题,书写工整;答题完毕时,要认真检查,查漏补缺,纠正错误。
总之,在最后的复习阶段,学生们不要加大练习量。
在这个时候,学生要尽快找到适合自己的答题方式,最重要的是以平常心去面对考试。
一、单项选择题:共16题,每题3分,共48分。
每题只有一个选项最符合题意。
清远市位于广东省中北部。
2012年3月,广东省提出“广清一体化”发展战略。
按照“广州总部、清远基地”的合作思路,建设高水平“广清经济特别合作区”,大力发展交通基础设施,建成了广清城际铁路、高速公路,广清实现了半小时通达,每天10余万人次往返两地。
图示意广州市和清远市地形和交通概况。
据此回答下面小题。
1.有利于清远市融入“广清经济特别合作区”的条件是( )A.距广州近、交通便利B.气候温和、水资源丰富C.地形平坦、土壤肥沃D.经济发达,劳动力充足2.清远市在“广清经济特别合作区”中,应重点发展( )A.传统种植业B.先进制造业C.酒店服务业D.金融服务业3.“广清一体化”发展有利于广州市( )A.缓解交通拥堵B.增加人口规模C.形成产业集群D.凝聚创新能力世界文化遗产“苏库尔文化景观”位于非洲尼日利亚东北部海拔1045米的石质山丘上(10°45′N,13°34′E),距州府约290千米,年平均气温约28℃,干湿季分明。
该遗产以梯田、传统村落、圣树崇拜等为文化特色并传承至今。
图示意该遗产地的传统村落景观。
据此回答下面小题。
4.该遗产地居民的主要生产活动是( )A.粮食作物种植B.干季游牧C.热带经济作物种植D.木材加工5.该遗产地发展旅游业的核心优势是( )A.国内客源市场广阔B.开发资金充足C.人地融合文化独特D.交通体系发达青海省海西蒙古族藏族自治州位于青藏高原东北部,面积约32万平方千米,境内的柴达木盆地自然景观奇特、矿产资源丰富。
大区域 TM 影像归一化植被指数季相归一化处理方法
大区域 TM 影像归一化植被指数季相归一化处理方法陈贤干;汪小钦;陈芸芝【摘要】针对高分辨率遥感监测植被时大范围获取影像的季相往往不一致,影响了归一化植被指数的连续性与可比性问题,借助 MODIS 归一化植被指数产品,开展 TM 归一化植被指数季相归一化方法研究。
以福建省为例,分析不同季相MODIS 归一化植被指数之间的一次项、二次项最小二乘关系及差值关系,对比分析转换结果。
结果表明,二次项关系优于其他两种效果,较好地消除归一化植被指数时相不一致问题,获得了较为满意的效果。
利用 MODIS 归一化植被指数构建二次项,完成福建省 TM 归一化植被指数季相归一化,消除了不同景影像间的季相不一致,使在大区域范围内归一化植被指数具有空间上的可比性和一致性。
%Moderate resolution remote sensing data is widely used in vegetation monitoring.However,seasonal aspects of large areas is easily inconsistent in acquired images,which impair the continuity and comparability of normalized difference of vegetation index.MODIS data has the characteristics of high temporal resolution and wide coverage.The correlation analysis of TM NDVI and MODIS NDVI in different seasons shows that the variation of TM NDVI is quite similar to that of MODIS NDVI in the vegetation covered area.Therefore,with the MODIS NDVI products data,this paper studies TM NDVI on the seasonal normalization methods.By making a demonstration based on Fujian province,we analyze the relationship of quadratic least squares,the relationship of linear least squares and differential relationship between MODIS NDVI in different season phases.Subsequently,we analysis the converted results.The resultsshow that the relationship of quadratic least squares method is superior to the other two methods,which can better eliminate the inconsistency of NDVI seasonal aspects and obtain satisfactory results.By using MODIS NDVI products,we build a quadratic term least squares relationship and fulfill the seasonal normalized of TM NDVI in Fujian province and eliminate the inconsistency of NDVI seasonal aspects at the same time,making the NDVI data in large areas has comparability and consistency on the space.【期刊名称】《遥感信息》【年(卷),期】2015(000)006【总页数】8页(P81-88)【关键词】MODIS NDVI;归一化方法;TM NDVI;季相差异;最小二乘关系【作者】陈贤干;汪小钦;陈芸芝【作者单位】福州大学空间数据挖掘与信息共享教育部重点实验室,福州350002; 福州大学空间信息工程研究中心,福州 350002;福州大学空间数据挖掘与信息共享教育部重点实验室,福州 350002; 福州大学空间信息工程研究中心,福州 350002;福州大学空间数据挖掘与信息共享教育部重点实验室,福州350002; 福州大学空间信息工程研究中心,福州 350002【正文语种】中文【中图分类】TP751植被指数主要通过红光波段和近红外波段反射率的组合计算来设计并反映植被状态,常被用来表征地表植被覆盖、评价植被的生长及分布特征,并作为一种有效的遥感指标应用于植被监测、农情监测、土地覆盖变化等领域。
南京市冷热岛格局的尺度效应研究
文章编号:2096-3424(2021)01-0075-08DOI:10.3969/j.issn.2096-3424.20015南京市冷/热岛格局的尺度效应研究郭 宇, 唐 明, 王宏伟, 侯梅芳, 刘信杉, 林 毅(上海应用技术大学 生态技术与工程学院,上海 201418)摘 要:城市地表覆被类型变化影响城市热环境的空间格局,研究城市地表覆被类型与城市冷/热岛格局的相关关系,对调节城市微气候,改善人居环境,提高城市韧性具有重要的意义。
基于landsat8影像数据,提取南京市4种主要地表覆被类型(水体、植被、不透水面、建筑)的参数;同时利用热红外波段反演地表温度,分别从像元(小)和市、区级行政区划(大)2个尺度,研究冷/热岛空间分布与主要地表覆被类型之间的关系并就其尺度效应进行了深入探讨。
研究结果如下:基于像元尺度的空间分析表明,植被和水体的分布与冷岛空间格局具有相关性;不同地表覆被类型的降温效应顺序为:水体>植被>不透水面>建筑;建筑和不透水面的分布与热岛空间格局具有相关性。
基于市、区级行政区划尺度的空间分析表明,4种地表覆被类型与冷岛效应相关性较低;建筑与不透水面与热岛效应相关性较高,其中建筑与热岛效应相关性最高(R2=0.95)。
总体而言,基于小尺度的研究能反映地表覆被类型与冷/热岛空间分布的相关关系,而基于大尺度的研究则从数据统计的角度反映城市热环境的综合特征。
研究有助于城市规划者理解城市冷/热岛形成的尺度特征,为应对全球气候变化,合理规划城市布局,促进城市可持续发展提供参考。
关键词:城市热环境;冷/热岛;尺度特征;土地覆被类型中图分类号:TP79 文献标志码:AStudy on the Scale Effect of the Cold/Heat Islands Pattern in NanjingGUO Yu, TANG Ming, WANG Hongwei, HOU Meifang, LIU Xinshan, LIN Yi (School of Ecological Technique and Engineering, Shanghai Institute of Technology,Shanghai 201418, China)Abstract:Changes in urban land cover types affect the spatial pattern of urban thermal environments, and the relationship between urban land cover types and urban cold/heat island patterns is of great significance for regulating urban microclimate, improving human settlements and improving urban resilience. Based on the landsat8 Satellite imaging data, the parameters of the four main types of land cover (water, vegetation, impervious surface, building) in Nanjing were extracted, at the same time, the surface temperature was retrieved using the thermal infrared band. The relationship between the spatial distribution of cold/heat islands and the main land cover types was studied from two scales: pixel (small) and city and district administrative division (middle) , and the scale effect was discussed in depth. The results are as follows:收稿日期:2020-03-05基金项目:国家自然科学基金(41171250);上海高等学校一流研究生教育引领计划(沪教委高[2019]22号-24)资助作者简介:郭 宇(1995-),男,硕士研究生,主要研究方向为城市热环境。
不同地表覆盖类型对城市地表热环境的调节
LI Qi a n。 W U Yi n g。 M Ao S h u a n g — s h u a n g
( Fo r e s t r y Co l l e ge, Gu a n gxi Un i v e r s i t y, Na n n i n g, Gu an g xi 5 3 0 0 0 4, Ch i n a)
Re g u l a t i o n Fu n c t i o n o f Di f f e r e n t S u r f a c e Co v e r T y p e s t o Ur b a n S u r f a c e Th e r ma l En v i r o n me n t
绿地 可 以达到 调 节地表 热环 境 , 缓 解 热 岛效应 的 目的 。
关键 词 : 地表 覆盖 类 型 ; 地表 温度 ; 像元; 小 区域 ; 南宁 市 中图分 类号 : S 7 1 8 . 5 1 文献标 志码 : A 文章 编号 : 1 0 0 1 - 7 4 6 1 ( 2 0 1 7 ) 0பைடு நூலகம்3 — 0 1 9 8 — 0 7
基于遥感技术的土地利用变化监测与生态环境评价研究
基于遥感技术的土地利用变化监测与生态环境评价研究摘要:本文基于遥感技术对土地利用变化进行了监测和评价,并分析了土地利用变化与生态环境的关系。
通过遥感数据获取和处理,采用土地利用变化监测方法和生态环境评价方法,得出了土地利用变化的时空分布特征和生态环境评价结果。
研究结果表明,土地利用变化对生态环境的影响较大,需要加强土地利用管理和生态环境保护。
最后,提出了相应的建议,以期为土地利用管理和生态环境保护提供参考。
关键词:遥感技术;土地利用;变化监测;生态环境评价;探究引言随着人口的增长和经济的发展,土地利用变化已成为全球性的问题。
土地利用变化对生态环境的影响日益显著,因此对土地利用变化进行监测和评价,对于制定合理的土地利用政策和保护生态环境具有重要意义。
遥感技术因其高效、快捷、全面的特点,成为土地利用变化监测和生态环境评价的重要手段。
一、研究方法1.1遥感数据获取和处理遥感数据获取和处理是指利用遥感技术获取地球表面信息,并对获取的数据进行处理和分析的过程。
具体步骤如下:(1)遥感数据获取:遥感数据获取主要有两种方式,一种是主动遥感,即利用雷达、激光等设备主动向地面发射信号,然后通过接收反射回来的信号来获取地面信息;另一种是被动遥感,即利用卫星、飞机等载体接收地面反射的电磁波信号来获取地面信息。
(2)遥感数据预处理:遥感数据预处理包括数据校正、大气校正、几何校正等步骤,目的是消除数据中的噪声和误差,使数据更加准确和可靠。
(3)遥感数据处理:遥感数据处理包括图像分类、特征提取、变化检测等步骤,目的是从遥感数据中提取出有用的信息,为后续分析和应用提供基础。
(4)遥感数据分析:遥感数据分析包括地表覆盖分类、土地利用变化分析、环境监测等步骤,目的是对地球表面进行定量分析和评估,为决策提供科学依据。
(5)遥感数据应用:遥感数据应用包括城市规划、资源管理、环境保护等领域,目的是利用遥感技术为社会和经济发展提供支持和服务[1]。
江西高三高中地理月考试卷带答案解析
江西高三高中地理月考试卷班级:___________ 姓名:___________ 分数:___________一、选择题1.我国某地为保证葡萄植株安全越冬,采用双层覆膜技术(两层覆膜间留有一定空间),效果显著。
下图中的曲线示意当地寒冷期(12月至次年2月)丰、枯雪年的平均气温日变化和丰、枯雪年的膜内平均温度日变化。
据此完成下题。
【1】图中表示枯雪年膜内平均温度日变化的曲线是A.①B.②C.③D.④【2】该地寒冷期A.最低气温高于-16℃B.气温日变化因积雪状况差异较大C.膜内温度日变化因积雪状况差异较大D.膜内温度日变化与气温日变化一致【3】该地可能位于A.吉林省B.河北省C.山西省D.新疆维吾尔自治区2.一般情况下,海水中的浮游植物数量与营养盐、光照、水温呈正相关,但在不同的季节、海域,影响浮游植物生长繁殖的主导因素不同。
下图示意长江口附近海域某年8月浮游植物密度的水平分布。
据此完成下列问题。
【1】夏季图示海域浮游植物密度自西向东A.递减B.先减后增C.先增后减D.递增【2】导致夏季图示海域浮游植物密度水平分布的主导因素是A.水体营养盐B.太阳辐射C.水体含沙量D.洋流流向【3】与夏季相比,冬季图示海域浮游植物A.总数量减少,密度高值区向陆地方向移动B.总数量增多,密度高值区向外海方向移动C.总数量减少,密度高值区向外海方向移动D.总数量增多,密度高值区向陆地方向移动3.下图是我国某区域水资源来源构成(单位:亿立方米)统计数据图。
据此完成下列各题。
【1】该区域的主要循环类型最可能是()A.海上内循环B.海陆间水循环C.陆地内循环D.不能确定【2】据图推断,该区域近年来()A.降水量呈现增加趋势B.地下水水位不断回升C.可用天然水逐年增加D.水资源利用率提高4.河南淅川是我国南橘北种的最后一站,因其个大、质优、早熟,深受消费者喜爱。
下图为“汉中、淅川位置示意图”。
读图回答下列问题。
【1】与同纬度汉中相比,淅川柑橘上市较早的优越自然条件是A.北部山地阻挡南下冷空气,冬季气温高B.地处山间谷地,云雾多,气温日较差小C.位置偏东,受东南季风影响大,降水多D.临近水库,水体对当地气候调节作用强【2】最适宜种植柑橘的地区是A.①B.②C.③D.④5.矮蒿草甸植被是高寒地区的典型植被。
北京地区地表温度与植被指数及热岛效应相关性研究
北京地区地表温度与植被指数及热岛效应相关性研究地表温度(LST)是研究区域地表能量平衡和资源环境变化重要的参数之一,也是区域生态环境过程的主要影响因素,同时也是地球科学中很重要的组成部分。
本文选取2009年8月北京的Landsat TM影像对北京地区的地面温度进行反演。
并通过城市热场变异指数(HI)对北京地区的热岛效应进行定量化分析,结果表明HI能够明显的反应出城市热岛现象。
标签:地表温度植被指数单窗算法热岛效应0引言地表温度[1](LST,Land Surface Temperature)是研究区域能量平衡和资源环境变化的重要参数之一,也是区域生态环境过程的主要因素。
LST作为地球科学非常重要的组成的部分,一方面决定了地表向大气的长波辐射能力,另一方面LST也取决于地表许多参数的状态,如地表湿度、植被覆盖和长势。
因此掌握LST的空间分布状态及其时间变化态势,对于准备模拟大气和地表、地表地物之间的能量交换是十分必要的。
同时,陆地卫星(Landsat)的TM遥感影像的天顶视角下的像元地面分辨率为120m×120m[1],这一地面分辨率远远比气象卫星NOAA-A VHRR[2,3]遥感数据的地面分辨率要高。
而且TM6热波段的波长区间为10.40~12.50μm [1],可以很好的用来分析地球表面的热辐射和温度的区域性差异。
因此,对于要求精确的区域温度分析来说,TM数据是很好的选择。
本次研究将利用Landsat-5 TM3和TM4波段进行计算NDVI,结合TM6波段数据对北京地区进行反演地表温度,研究北京地区的地表温度空间差异,并通过城市热场变异指数对北京地区的热岛效应进行分析,进一步认识北京地区的地表热力场空间差异[4],为协调北京的资源生态环境提供参考。
1研究区概况本次研究选择的研究区域选择北京市,位于39°50’N~41°10’N,115°51’E~116°53’E之间,面积约为15000平方千米。
基于归一化算法遥感解译的植被覆盖分析
基于归一化算法遥感解译的植被覆盖分析作者:洪明海来源:《科技创新与应用》2014年第31期摘要:为分析植被覆盖情况进而对区域环境进行评价和改进,文章利用ERDAS软件对其IMG图使用归一化植被指数法(NDVI)进行计算。
结合计算所得的植被覆盖指数IMG图、解译的植被覆盖图和所提取的植被分区面积,进行分析,结果表明:该地区的绿地植被覆盖(包括高覆盖地、中覆盖、低覆盖地、有林地、灌木丛以及其他林地)面积为9568.50公顷,占到总面积的42.68%,同时在解译图中可以清楚地看出此地区的水体流域分布情况,其面积为3446.03公顷,占15.37%。
通过资料比对,利用遥感解译的方法和实地基本一致,水体、高覆盖地区域等的面积也高度吻合。
这表明,通过遥感解译,我们可以方便地对某片地区进行植被的环境分析和评估,而不需要进行大量而复杂的实地考察,这在应用实践中具有良好的实用价值和经济效果。
关键词:归一化植被指数;植被覆盖度;解译1 概述植被,包括森林、灌丛、草地和农作物,既是生态系统的主要组成部分,也是生态系统存在的基础,具有截流降雨、减缓径流、防沙治沙、保持水土等功能,联结着土壤、大气和水分等自然过程,在陆地表面的能量交换、生物地球化学循环和水文循环等过程中扮演着重要角色,是全球变化研究中的“指示器”。
在遥感应用领域,植被指数是一种反映地表植被信息的重要信息源之一,已广泛用于定性和定量评价植被覆盖及其生长状况。
目前,预测植被情况的指数有很多种,如,比值植被指数(RVI)、差值植被指数(NVI)、土壤调节植被指数(SAVI)、修正突然植被指数(MSAVI)和归一化植被指数(NDVI)。
研究表明归一化植被指数NDVI对植被的生长势和生长量非常敏感,可以很好地反映地表植被的繁茂程度,是指示植被活动和植被生产力的良好指标,广泛应用于植被生长状况描述、土地覆盖类型分类、植被生产力估测、旱情监测分析、城市土地分等定级、荒漠化监测和城市生态环境质量评估等研究中。
植被数据分析报告(3篇)
第1篇一、前言随着全球气候变化和人类活动的加剧,植被覆盖状况已成为衡量生态环境质量和可持续发展的重要指标。
植被数据分析对于研究植被生长规律、生态环境变化、土地资源管理等方面具有重要意义。
本报告通过对某地区植被数据进行收集、整理和分析,旨在揭示该地区植被覆盖特征及其变化规律,为生态环境保护和可持续发展提供科学依据。
二、数据来源与处理1. 数据来源本报告所使用的数据主要来源于遥感影像、地面实测数据、气象数据等。
遥感影像数据采用Landsat 8卫星遥感影像,时间范围为2010年至2020年;地面实测数据包括植被类型、植被覆盖度、生物量等指标,数据来源于野外调查;气象数据包括温度、降水量等,数据来源于气象局。
2. 数据处理(1)遥感影像处理:对Landsat 8卫星遥感影像进行预处理,包括辐射校正、几何校正、大气校正等,以提高遥感影像的质量。
(2)地面实测数据处理:对地面实测数据进行整理和分类,建立植被类型与植被覆盖度的对应关系。
(3)气象数据处理:对气象数据进行整理和插值,生成空间分布图。
三、植被覆盖特征分析1. 植被类型分布根据遥感影像和地面实测数据,该地区植被类型主要有森林、草地、农田、水域等。
其中,森林覆盖面积最大,占该地区总面积的60%;草地覆盖面积次之,占25%;农田和水域分别占15%和10%。
2. 植被覆盖度通过对遥感影像进行植被指数提取,分析该地区植被覆盖度空间分布特征。
结果显示,该地区植被覆盖度整体较高,平均值为70%。
其中,森林覆盖度最高,平均值为80%;草地覆盖度次之,平均值为65%;农田和水域覆盖度较低,平均值为30%。
3. 植被生物量根据地面实测数据,该地区植被生物量空间分布特征与植被覆盖度基本一致。
森林生物量最高,平均值为5吨/公顷;草地生物量次之,平均值为3吨/公顷;农田和水域生物量较低,平均值为1吨/公顷。
四、植被变化规律分析1. 植被类型变化通过对遥感影像进行长时间序列分析,发现该地区植被类型变化主要表现为森林和草地的相互转化。
中国地表植被覆盖变化及其与气候因子关系基于NOAA时间序列数据分析
中国地表植被覆盖变化及其与气候因子关系基于NOAA时间序列数据分析一、本文概述本文旨在探讨中国地表植被覆盖的变化趋势及其与气候因子之间的关联。
通过利用NOAA(美国国家海洋和大气管理局)提供的时间序列数据,我们将深入分析过去几十年中国植被覆盖的动态变化,并试图揭示这些变化与气候因素(如温度、降水等)之间的潜在联系。
研究不仅有助于我们理解地表植被对气候变化的响应机制,而且可以为制定适应和减缓气候变化的策略提供科学依据。
文章将首先概述研究背景与意义,阐述中国地表植被覆盖变化的重要性和紧迫性。
随后,我们将介绍所采用的数据来源和处理方法,确保研究的科学性和可靠性。
在分析过程中,我们将重点关注植被覆盖的变化趋势、空间分布特征以及与气候因子的相关性。
文章还将讨论植被覆盖变化对生态系统服务功能和人类活动的影响,以及潜在的未来变化趋势。
最终,本文旨在提供一个全面、系统的视角,以理解中国地表植被覆盖变化及其与气候因子之间的关系,为生态环境保护和可持续发展提供有益参考。
二、研究方法与数据来源本研究采用时间序列的NOAA卫星遥感数据,结合地面观测站的气候数据,对中国地表植被覆盖变化及其与气候因子的关系进行深入分析。
具体研究方法与数据来源如下:遥感数据处理:使用遥感软件ENVI和ArcGIS,对NOAA时间序列数据进行预处理,包括辐射定标、大气校正、几何校正和重投影等步骤,以保证数据的质量和精度。
植被指数计算:基于预处理后的遥感数据,计算归一化植被指数(NDVI)和增强型植被指数(EVI),以量化地表植被覆盖情况。
时间序列分析:采用时间序列分析方法,如滑动平均、傅里叶变换等,对植被指数时间序列进行趋势分析、周期性分析和突变检测。
气候因子提取:从地面观测站获取气温、降水、日照时数等气候数据,与遥感数据进行时空匹配,以便分析植被覆盖变化与气候因子的关系。
遥感数据:本研究采用NOAA系列卫星的AVHRR传感器数据,该数据具有长时间序列、覆盖范围广、分辨率适中等特点,适合用于大尺度地表植被覆盖变化研究。
归一化植被指数波长
归一化植被指数波长
植被指数是一种用于评估植被覆盖程度和健康状况的指标。
常
见的植被指数包括NDVI(归一化植被指数)、EVI(增强型植被指数)等。
归一化植被指数(NDVI)是通过计算植被和非植被表面反
射率之间的比值来衡量植被覆盖度的指数。
它通常使用红光波段和
近红外波段的遥感数据进行计算。
在进行归一化处理时,植被指数的波长通常是指红光波段和近
红外波段的波长。
红光波段通常在0.6-0.7微米范围内,而近红外
波段通常在0.7-1.1微米范围内。
这两个波段的数据被用来计算NDVI,公式为(NIR-Red)/(NIR+Red),其中NIR代表近红外波段
的反射率,Red代表红光波段的反射率。
归一化处理通常是将数据
按照一定的比例缩放到特定的范围内,以消除不同数据之间的量纲
和数量级的影响,使它们具有可比性。
从植被指数的角度来看,归一化处理有助于消除不同遥感数据
之间的差异,使得不同时间、不同地点的植被指数数据具有可比性,从而更好地评估植被覆盖度和健康状况。
从遥感数据处理的角度来看,归一化处理有助于减小数据之间的差异,使得它们更适合用于
植被指数的计算和分析。
总的来说,归一化植被指数的波长处理是遥感数据处理中的重要环节,对于植被监测和评估具有重要意义。
使用遥感技术进行地表特征提取的方法与案例分析
使用遥感技术进行地表特征提取的方法与案例分析遥感技术是一种通过卫星、飞机等平台获取地球表面信息的技术手段。
利用遥感技术可以获取大范围的地表特征数据,包括地貌、植被、水体、土壤等,并能够对这些地表特征进行定量分析和提取。
本文将以遥感技术在地表特征提取方面的方法和应用案例进行详细分析。
在遥感技术中,常用的地表特征提取方法包括分类、指数和变化检测等。
分类方法是根据遥感图像的像元特征进行归类,从而将不同的地表特征区分开来。
其中,最常用的分类方法是基于光谱信息的分类方法,通过分析遥感图像在不同波段的反射率差异,将地表特征进行分类。
常见的分类方法包括最大似然法、支持向量机和人工神经网络等。
这些方法能够有效地提取地表特征,如森林、水体、裸地和农田等。
指数方法是通过计算遥感图像的特定指数进行地表特征提取。
特定指数是根据不同地表特征的光谱特性而定义的。
常见的指数包括归一化植被指数(NDVI)、水体指数(WI)和土壤湿度指数(SWI)等。
这些指数能够反映地表特征的数量和质量,并通过特定的计算公式将其提取出来。
例如,NDVI能够反映植被的生长状况,通过计算NDVI可以得到植被覆盖度的信息。
变化检测方法是通过比较不同时间或不同遥感图像之间的差异来提取地表特征的变化信息。
变化检测方法常用于自然资源调查、灾害监测和城市扩展等领域。
变化检测方法可以通过对遥感图像进行几何校正和辐射校正,消除因图像不一致而引起的误差。
常用的变化检测方法包括双差法、差值法和比率变化检测法等。
这些方法能够有效地提取地表特征的变化信息,如土地利用变化、城市扩张和湖泊变动等。
除了方法的介绍,下面将结合实际案例分析遥感技术在地表特征提取方面的应用。
以长江三角洲地区为例,通过遥感图像的分类和变化检测方法,可以提取出该地区的植被分布和土地利用变化等地表特征信息。
通过分类方法,可以将遥感图像中的植被、水体和城市等地表特征进行定量提取和分析。
通过变化检测方法,可以对不同时间的遥感图像进行比较,提取出长江三角洲地区土地利用的变化信息,如农田转化为城市用地、湖泊的增减和草地的退化等。
光谱指数 构成-定义说明解析
光谱指数构成-概述说明以及解释1.引言1.1 概述概述部分的内容应该对光谱指数的基本概念进行简要介绍,并提及光谱指数在不同领域的重要性和应用。
以下是一个例子:光谱指数是一种用于描述光谱特征的指标,通过分析不同波长区域的光谱信息,可以提取出目标物质的物理化学特性和特征参数。
光谱指数的应用涵盖了多个领域,如农业、环境监测、地质勘探、天文学等。
在农业领域,光谱指数被广泛应用于农作物的生长监测和作物营养状况评估。
通过测量和分析作物叶片的反射光谱,可以获取植物叶绿素含量、叶片营养状况以及生长状态等信息,为农民提供作物管理的科学依据。
在环境监测方面,光谱指数可以用于水质、大气污染和土壤质量的评估。
通过分析水体、大气和土壤的光谱特征,可以检测和监测污染物的浓度变化,为环境保护和污染治理提供数据支持。
在地质勘探和矿产资源调查方面,光谱指数可以用于探测矿产资源的类型和分布。
通过分析地表岩石和土壤的光谱特征,可以对潜在矿产资源的类型、含量和分布进行预测和评估,为矿产勘探和开发提供依据。
在天文学研究中,光谱指数被应用于对星体和宇宙物质的研究。
通过分析天体的光谱,可以获得天体的化学成分、温度、速度等重要参数,帮助科学家揭示宇宙的起源和演化。
总之,光谱指数作为一种重要的光谱分析工具,在各个领域都发挥着重要作用。
通过对光谱特征的定量分析和提取,可以深入了解目标物质的特性和变化趋势,为科学研究和实际应用提供有力支持。
1.2 文章结构文章结构部分的内容可以这样写:文章结构部分旨在为读者提供一个清晰的概念框架,让读者能够更好地理解本文的内容安排和逻辑关系。
本文共分为引言、正文和结论三个部分。
引言部分主要包括概述、文章结构、目的和总结四个小节。
首先,概述部分将介绍光谱指数的基本概念和背景,为读者提供一个整体的认识。
通过对光谱指数的简要描述,读者可以了解到光谱指数在现代科学研究和应用中的重要性。
接下来,文章结构小节将介绍本文的整体架构。
昆明城市热岛效应及驱动机制研究
昆明城市热岛效应及驱动机制研究冯华梅;张恩伟;胡文英【摘要】以昆明市2004年landsat5 TM、2014年landsat 80LI和MODIS中国合成产品的遥感影像为基础,完成土地利用分类,计算得出植被指数、建筑指数和水体指数.结合卫星遥感和地统计分析热岛效应的时空分布特征及驱动机制.结果表明:昆明市在2004~2014年热岛效应呈现增强趋势,温度垂直梯度增大;昆明市东部石林、东川干热河谷和昆明市主城区对热岛效应贡献较大;植被指数和水体指数与城区热岛效应均呈线性负相关,植被和水体可以缓解热岛效应;建筑用地指数与热岛效应呈线性正相关,城市建设用地对热岛效应有较大的贡献.【期刊名称】《云南地理环境研究》【年(卷),期】2017(029)003【总页数】8页(P69-76)【关键词】城市热岛效应;遥感;昆明市【作者】冯华梅;张恩伟;胡文英【作者单位】云南师范大学旅游与地理科学学院,云南昆明650500;云南师范大学旅游与地理科学学院,云南昆明650500;云南师范大学旅游与地理科学学院,云南昆明650500【正文语种】中文【中图分类】X16;P237随着全球经济快速发展,工业化进程不断加快,推动城市化快速发展,导致城市不透水面积大规模增加,城市建设改变了原有的土地利用方式,水域和植被面积减少,建设用地面积增加,由此引起了城市热岛效应。
城市热岛效应是指当城市发展到一定规模,由于城市下垫面性质的改变、大气污染以及人工废热的排放等使城市温度明显高于郊区,形成类似高温孤岛的现象[1]。
城市热岛效应不仅会改变城市的热量流动和平衡,促使气温升高,影响人体健康,还会造成暴雨、大风等各种极端城市天气事件,进而对人类生产生活产生不利影响[2]。
热岛效应作为城市化程度的一个重要指标,受到全世界的广泛关注[3]。
因此多年来,许多学者对城市热岛效应的时空演化[4-7]、形成演变机制[8-16]、环境影响和缓解措施[17-21]等方面开展大量的研究工作。
遥感植被指数与植物多样性的相关性及空间分布特征研究———以海口市主城区为例
㊀Guihaia㊀Mar.2021ꎬ41(3):351-361http://www.guihaia-journal.comDOI:10.11931/guihaia.gxzw201905011何荣晓ꎬ雷金睿ꎬ杨帆.遥感植被指数与植物多样性的相关性及空间分布特征研究 以海口市主城区为例[J].广西植物ꎬ2021ꎬ41(3):351-361.HERXꎬLEIJRꎬYANGF.Correlationandspatialdistributioncharacteristicsofremotesensingvegetationindexandplantdiversity AcasestudyofmainurbanareaofHaikouCity[J].Guihaiaꎬ2021ꎬ41(3):351-361.遥感植被指数与植物多样性的相关性及空间分布特征研究 以海口市主城区为例何荣晓1ꎬ2ꎬ雷金睿3∗ꎬ杨㊀帆1ꎬ2(1.海南大学林学院ꎬ海口570228ꎻ2.海南省热带特色花木资源生物学重点实验室ꎬ海口570228ꎻ3.海南省林业科学研究院/海口市湿地保护工程技术研究开发中心ꎬ海口571100)摘㊀要:植物多样性监测是开展物种保护与植被景观规划的重要基础ꎬ对实施生物多样性的优先区域保护具有重要意义ꎮ该文以海口市主城区为例ꎬ利用Landsat8遥感数据与样方实测数据分析了植被指数与植物多样性指数之间的相关性ꎬ根据相关性分析结果构建植物多样性遥感监测数学模型ꎬ并筛选出最优模型用于监测研究区植物多样性的空间分布状况ꎮ结果表明:Shannon ̄Wiener多样性指数㊁Simpson多样性指数和Pielou均匀度指数与MSAVI植被指数相关系数最高ꎬ呈显著相关性(P<0.01)ꎮ通过一元线性数学回归模型得到的海口市植物多样性空间分布特征与实际情况相符ꎬ植物多样性水平较高的区域主要分布在火山口㊁东寨港和羊山湿地一带ꎬ且具有明显的空间自相关性ꎮ根据研究结果建议继续实施严格的保护措施ꎬ加强生态修复与保护工程ꎬ提高植被覆盖率和生物多样性水平ꎮ关键词:生物多样性ꎬ植被指数ꎬ植被覆盖率ꎬ空间自相关ꎬ遥感监测中图分类号:Q948.1㊀㊀文献标识码:A㊀㊀文章编号:1000 ̄3142(2021)03 ̄0351 ̄11CorrelationandspatialdistributioncharacteristicsofremotesensingvegetationindexandplantdiversityAcasestudyofmainurbanareaofHaikouCityHERongxiao1ꎬ2ꎬLEIJinrui3∗ꎬYANGFan1ꎬ2(1.CollegeofForestryꎬHainanUniversityꎬHaikou570228ꎬChinaꎻ2.HainanBiologicalKeyLaboratoryforGermplasmResourcesofTropicalSpecialOrnamentalPlantsꎬHaikou570228ꎬChinaꎻ3.HainanAcademyofForestry/HaikouWetlandProtectionEngineeringTechnologyResearchandDevelopmentCenterꎬHaikou571100ꎬChina)Abstract:Plantdiversitymonitoringisanimportantbasisforspeciesconservationandvegetationlandscapeplanningꎬanditisofgreatsignificancefortheimplementationofpriorityareaprotectionforbiodiversity.Takingthemainurban收稿日期:2019-07-10基金项目:海南省自然科学基金(318QN195)ꎻ海南大学科研启动基金(KYQD[ZR]1839ꎬKYQD[ZR]1821)[SupportedbyHainanNaturalScienceFoundation(318QN195)ꎻResearchStart ̄upFundofHainanUniversity(KYQD[ZR]1839ꎬKYQD[ZR]1821)]ꎮ作者简介:何荣晓(1987-)ꎬ博士ꎬ讲师ꎬ研究方向为园林植物景观设计ꎬ(E ̄mail)rx.he@hainanu.edu.cnꎮ∗通信作者:雷金睿ꎬ硕士ꎬ助理研究员ꎬ研究方向为城市园林植物与景观评价ꎬ(E ̄mail)raykingre@163.comꎮareaofHaikouCityasanexampleꎬweanalyzedthecorrelationbetweenvegetationindexandtheplantdiversityindexbyapplyingremotesensingdatafromLandsat8andmeasureddatainsiteꎬandthenbuiltthemathematicalmodelofremotesensingmonitoringforplantdiversityandscreenedouttheoptimalmodelthatisusedtomonitoringthespatialdistributionofplantdiversityinthestudyregion.Theresultswereasfollows:Shannon ̄WienerdiversityindexꎬSimpsondiversityindexandPielouevennessindexhadthehighestcorrelationcoefficientwithMSAVIvegetationindexꎬwithsignificantcorrelation(P<0.01).ThespatialdistributionofplantdiversityinHaikouacquiredfromtheunitarylinearregressionmodelwasconsistentwiththeactualsituation.TheareaswithhigherplantdiversitiesweremainlydistributedinthevolcaniccraterꎬDongzhaiharborandYangshanwetlandꎬwhichhadobviousspatialself ̄correlation.Accordingtoresultsobtainedfromthisresearchꎬcontinualimplementationofstrictconservationmeasuresꎬenhancementofecologicalrestorationandconservationprojectsꎬandimprovementofvegetationcoverageandbiodiversityarerecommended.Keywords:biodiversityꎬvegetationindexꎬvegetationcoverageꎬspatialself ̄correlationꎬremotesensingmonitoring㊀㊀生物多样性是人类赖以生存的物质基础ꎮ随着全球范围内物种和栖息地的丧失ꎬ生物多样性破坏已严重威胁可持续发展和生态系统稳定性ꎬ成为生态学和地理学研究的热点问题(陈亮和王绪高ꎬ2008ꎻ胡海德等ꎬ2012)ꎮ近年来ꎬ随着遥感技术的快速发展ꎬ因其具备大尺度㊁长时间序列㊁多类型等优势而被广泛应用于土地利用变化(雷金睿等ꎬ2017)㊁生物量估测(张艳楠等ꎬ2012ꎻ王紫君等ꎬ2016)㊁环境监测(Koponen&Ullininenꎬ2002ꎻ闫峰等ꎬ2006)㊁森林健康(Arekhietal.ꎬ2017)等方面的研究ꎬ将遥感技术应用于生物多样性监测领域也是目前国际生物多样性研究的最新趋势ꎬ同时也是研究难点(徐文婷和吴炳方ꎬ2005ꎻ程乾等ꎬ2016ꎻ郭庆华等ꎬ2018ꎻ郭庆华和刘瑾ꎬ2018)ꎮ通过遥感手段监测植物多样性有多种方法ꎬ应用较多的是基于景观指数对植物多样性实施监测ꎬ它通过遥感影像生成土地覆盖数据ꎬ进而计算出各种景观指数ꎮ其理论基础是景观异质性与生物多样性的正相关关系(Kerretal.ꎬ2001ꎻGottschalketal.ꎬ2005)ꎬ如李祖政等(2018)利用LandsatETM+遥感影像探讨了徐州城市景观格局变化对植物多样性的影响ꎮ然而这种方法适合较大的空间尺度ꎬ单纯使用这种方法得到的多样性信息在精度上存在局限性(Griffiths&Leeꎬ2000ꎻLangfordetal.ꎬ2006)ꎮ卫星遥感影像衍生出的植被指数有助于分析生物多样性格局ꎬ这些影像是可更新且易获取的ꎬ并且还可以获得多个时空尺度上的影像信息(Duroetal.ꎬ2014)ꎮ有研究认为ꎬ归一化植被指数(NDVI)与植物多样性之间存在显著正相关关系(Fairbanks&McGwireꎬ2004ꎻCayuelaetalꎬ2006)ꎬ可以解释区域内物种丰富度或多样性变化ꎮ这为间接监测大尺度生物多样性提供了更为便捷的方式ꎬ用于评估区域和全球尺度的生物多样性现状和变化趋势(Oindo&Skidmoreꎬ2002ꎻTurneretal.ꎬ2003)ꎮFairbanks&McGwire(2004)的研究表明使用NDVI数据可以在区域尺度和长时间内对植物物种丰富度进行表征和监测ꎮArekhietal.(2017)使用Landsat数据研究了土耳其Gönen大坝流域植被指数与α和β多样性之间的相关性ꎬ研究表明NDVI有助于估计大面积植物的α多样性ꎮ程乾等(2016)研究表明NDVI监测湿地植物多样性的最佳空间尺度大小为152mˑ152mꎬ且与Simpson指数的相关性显著ꎮ在空间尺度的研究方面ꎬ方彬等(2007)利用基于空间变异理论和半方差函数探讨了植被指数用于生物多样性监测的最佳研究尺度ꎬ根据模拟结果得出不同植被指数用于生物多样性遥感监测的最佳尺度ꎮ国内外学者对于生物多样性遥感监测在不同植被指数㊁不同空间尺度甚至不同地域类型都开展了相关研究ꎬ表明遥感技术在生物多样性监测领域广泛的应用前景ꎬ但在大范围的实际应用中仍然处于探索阶段ꎮ海南岛地处热带北缘及干湿热带气候的过渡带ꎬ岛内地形复杂㊁气候多样㊁水热充沛㊁植被类型多样ꎬ保存了我国最大面积的热带雨林和丰富的生物多样性资源(张路等ꎬ2011)ꎮ2010年ꎬ环保部印253广㊀西㊀植㊀物41卷发的«中国生物多样性保护战略与行动计划(2011 2030年)»中ꎬ海南岛中南部被确定为我国生物多样性保护优先区域ꎮ2014年ꎬ海南省印发«生物多样性保护战略与行动计划(2014 2030年)»ꎬ将海南岛北部生物多样性保护优先区域(主要保护对象为海口火山岩地区植被生态系统)确定为全省4个生物多样性保护优先区域之一ꎮ随后ꎬ海口市于2015年在«生物多样性保护战略与行动计划»中也将火山㊁海岸带及近岸海域㊁红树林等列入生物多样性保护优先区域ꎬ提出建立生物多样性监测和评估体系ꎮ基于此ꎬ本研究以海口市主城区为例ꎬ将遥感技术应用于植物多样性监测领域ꎬ是对区域生物多样性监测与保护的有益探索ꎬ有助于快速开展生物多样性本底调查和监测信息化建设ꎬ加强生物多样性优先区域的保护ꎮ1㊀研究区概况海口市(110ʎ10ᶄ 110ʎ41ᶄE㊁19ʎ32ᶄ 20ʎ05ᶄN)位于海南岛北部ꎬ属热带海洋性季风气候ꎬ为典型的热带滨海省会城市ꎮ海拔为0~222mꎬ年平均气温24.4ħꎬ年平均降水量1696.6mmꎬ平均相对湿度85%ꎮ区域内以滨海平原地貌为主ꎬ东部有海南东寨港红树林自然保护区ꎬ西部有火山口世界地质公园ꎬ南部有羊山湿地ꎬ森林覆盖率33.63%ꎮ现有植被主要以人工纯林为主ꎬ如木麻黄(Casuarinaequisetifolia)㊁马占相思(Acaciamangium)㊁桉树(Eucalyptusrobusta)㊁橡胶树(Heveabrasiliensis)㊁龙眼(Dimocarpuslongan)㊁荔枝(Litchichinensis)等ꎮ天然林相对较少ꎬ以热带地区常见的野生灌木草丛植物种群为主ꎬ以及分布于东部沿海一带的东寨港红树林群落ꎮ本研究以海口市主城区为研究样区ꎬ面积约520km2(图1)ꎮ2㊀研究方法2.1植物多样性调查基于ArcGIS10.3采用随机抽样方法在海口市主城区范围内设置60个样方ꎬ大小为30mˑ30mꎮ在2013年6 11月间ꎬ采用高精度GPS定位实地寻找随机布设的样方ꎬ对样方内的调查记录内容包括:土地利用类型㊁地面覆盖情况ꎻ胸径ȡ3cm乔木的种类㊁株数㊁胸径㊁树高㊁干高㊁冠幅㊁健康状况等ꎻ灌木的种类㊁盖度㊁高度㊁健康状况ꎻ草本的种类㊁面积㊁高度㊁健康状况(何荣晓ꎬ2016)ꎮ但由于部分样方落在建筑㊁水面或农田上ꎬ为避免影响相关性分析精度ꎬ剔除代表性不强㊁易引起偏差的样方ꎬ最后优选出48个样方数据(图1)ꎮ从图1㊀研究区样方点分布示意图Fig.1㊀Distributionofsampleplotsinthestudyregion3533期何荣晓等:遥感植被指数与植物多样性的相关性及空间分布特征研究 以海口市主城区为例中随机抽取2/3的样方数据(即32个样方)用于建模ꎬ剩余的样方用于模型验证ꎮ植物多样性指数选取3种广泛使用的α多样性指数(刘鲁霞ꎬ2019)ꎮ其计算公式如下ꎮ(1)Shannon ̄Wiener多样性指数:H=-ðsi=1(PilnPi)ꎻ(2)Simpson多样性指数:D=1-ðsi=1(Pi)2ꎻ(3)Pielou均匀度指数:J=Hln(S)ꎮ式中:S为物种数ꎻPi为物种i的相对重要值ꎮ植物物种的相对重要值计算公式如下ꎮ(1)乔木层:重要值IV=(相对密度+相对频度+相对显著度)/3ꎻ(2)灌木层:重要值IV=(相对密度+相对频度+相对盖度)/3ꎻ(3)草本层:重要值IV=(相对高度+相对频度+相对盖度)/3ꎻ(4)相对重要值=该物种的重要值/该样地内所有物种的重要值之和ꎮ通过R.3.2.2的vegan软件包中的diversity函数完成植物物种多样性指数计算(何荣晓ꎬ2016)ꎮ植物综合多样性指数引用杨学军等(1998)的多序稳定假说提出的时间-稳定系数C=ln(a+1)(a为植物进入稳定状态的时间)来计算乔木层㊁灌木层㊁草本层权重ꎬ求和得到相应综合指数ꎮ本研究中乔木层㊁灌木层㊁草本层的权重值分别取0.6㊁0.3和0.1(周彬等ꎬ2002ꎻ程乾等ꎬ2016)ꎮ2.2植被指数计算选用海口市清晰少云㊁且与调查时间一致的Landsat8OLI ̄TIRS遥感影像(数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn))ꎬ获取时间为2013-10-26ꎬ云量为2.44%ꎬ轨道号为p124/r46ꎮ依托ENVI5.1软件平台ꎬ遥感影像经几何校正㊁辐射校正等预处理ꎬ误差控制在0.5个像元ꎬ运用栅格计算器分别计算生成各类植被指数栅格图ꎬ空间分辨率均为30mꎮ选取6种常用的植被指数进行处理分析(张艳楠等ꎬ2012ꎻArekhietal.ꎬ2017)ꎮ计算公式如下ꎮ(1)差值植被指数:DVI=NIR-Rꎻ(2)增强型植被指数:EVI=2.5ˑ(NIR-R)NIR+6ˑR-7.5ˑB+1ꎻ(3)修改型土壤调整植被指数:MSAVI=2NIR+1-(2NIR+1)2-8(NIR-R)2ꎻ(4)归一化差异植被指数:NDVI=NIR-RNIR+Rꎻ(5)比值植被指数:RVI=NIRRꎻ(6)转换型植被指数:TVI=NDVI+0.5ꎮ式中:NIR代表近红外波段即OLI ̄5ꎻR代表红外波段即OLI ̄4ꎻB代表蓝色波段即OLI ̄2ꎮ2.3数据统计分析根据前人对生物多样性遥感监测最佳空间尺度的研究成果(方彬等ꎬ2007ꎻMalihehetal.ꎬ2017)ꎬ本文DVI㊁IPVI㊁MSAVI㊁NDVI㊁RVI和TVI5种植被指数采用3ˑ3像元(即90mˑ90m)ꎬEVI采用4ˑ4像元(即120mˑ120m)ꎬ利用GIS空间分析工具分别对植被指数栅格图进行邻域均值统计分析ꎮ再通过样方中心点坐标提取得到每个样方所对应的植被指数值ꎬ导入SPSS22.0进行植被指数与植物多样性之间的Pearson相关性分析及回归分析ꎬ并建立相应的估测数学模型ꎮ通过计算估测值与实测值之间的标准误差(RMSE)㊁平均相对误差(MRE)㊁平均绝对误差(MAE)来分析研究区植物多样性遥感估测精度(Pereiraetal.ꎬ2010)ꎬ进而采用最佳数学模型估测研究区植物多样性ꎬ得到研究区植物多样性的空间分布矢量数据ꎮ为探索植物多样性的空间关联特征和聚集性ꎬ采用地统计学理论中的全局空间自相关Moran sI统计量对研究区植物多样性的空间分布特征进行表征ꎮ计算公式如下ꎮI=ni=1 nj=1wij(xi-x)(xj-x)S2( i jwij)ꎮ局部空间自相关指标常采用局部Moran sI统计量进行度量ꎬ用以准确地把握局部空间要素的聚集性和分异特征(Anselinetal.ꎬ2006)ꎮ计算公式如下ꎮ453广㊀西㊀植㊀物41卷Ii=(xi-x) nj=1wij(xi-x)S2ꎻS2=1n ni=1(xi-x)2ꎮ式中:n是空间单元数量ꎻxi和xj分别表示单元i和单元j的观测值ꎻwij是基于空间k邻接关系建立的空间权重矩阵ꎮ空间自相关分析采用GeoDa1.6.7软件完成ꎮ3㊀结果与分析3.1植物群落优势种从研究区各层次植物重要值排名前10位的物种来看(表1)ꎬ乔木层以椰子㊁印度紫檀为主要优势物种ꎬ重要值分别为10.51%和8.43%ꎻ灌木层优势物种以黄金榕㊁龙船花为主ꎬ重要值分别为9.81%和8.40%ꎻ草本层则以细叶结缕草㊁结缕草等为主要优势物种ꎬ重要值分别为13.71%和7.09%ꎮ从排名前10位优势物种的重要值之和来看ꎬ灌木层主要物种的优势程度要高于乔木层和草本层ꎬ其中除了鹅掌藤和福建茶为本地物种之外ꎬ其余的皆为栽培种ꎮ乔木层的本地物种种类较多ꎬ如椰子㊁秋枫㊁高山榕等ꎬ分布也较为广泛ꎮ草本层中本地种主要是牛筋草㊁地毯草㊁海芋等ꎬ其中南美蟛蜞菊为热带恶性入侵植物ꎮ3.2植被指数与植物多样性相关性分析对植被指数与实际调查各样点的植物多样性指数的相关性分析见表2ꎮ由表2可知ꎬShannon ̄Wiener多样性指数(H)㊁Simpson多样性指数(D)㊁Pielou均匀度指数(J)与6种植被指数均呈显著正相关(P<0.01)ꎮ其中ꎬShannon ̄Wiener多样性指数㊁Simpson多样性指数和Pielou均匀度指数与植被指数相关系数排前3位的分别是MSAVI㊁TVI㊁NDVIꎬ均在0.550以上(表2)ꎬ说明植物多样性与植被指数之间存在较强相关性ꎮ因此ꎬ可以利用植被指数建立植物多样性监测数学模型ꎮ在相关性分析的基础上ꎬ利用相关系数最高的植被指数与植物多样性进行回归分析ꎬ分别建立一元线性回归模型(图2)ꎮ其中Shannon ̄图2㊀植物多样性指数与植被指数的散点图分析Fig.2㊀ScattermapsbetweenvegetationindexesandplantdiversitiesWiener多样性指数的线性回归模型为y=1.8275x+0.0408ꎬ复相关系数为0.4244ꎻSimpson多样性指数的线性回归模型为y=0.9513x+0.0528ꎬ复相关系数为0.4467ꎻPielou均匀度指数的线性回归模型为y=1.2225x+0.1895ꎬ复相关系数为0.3310ꎬ均达到显著水平(P<0.01)ꎬ表明一元线性回归模型具有统计学意义ꎮ3.3植物多样性模型精度分析由表3可知ꎬ16个样地点的Shannon ̄Wiener多5533期何荣晓等:遥感植被指数与植物多样性的相关性及空间分布特征研究 以海口市主城区为例表1㊀植物层次的主要优势种Table1㊀Majordominantspeciesinplantlevel重要值前10Toptenofimportantvalue乔木层Treelayer重要值Importantvalue(%)灌木层Shrublayer重要值Importantvalue(%)草本层Herblayer重要值Importantvalue(%)1椰子Cocosnucifera10.51黄金榕Ficusmicrocarpa GoldenLeaves9.81细叶结缕草Zoysiapacifica13.712印度紫檀Pterocarpusindicus8.43龙船花Ixorachinensis8.40结缕草Zoysiajaponica7.093大王棕Roystonearegia5.05散尾葵Chrysalidocarpuslutescens6.58牛筋草Eleusineindica4.674垂叶榕Ficusbenjamina4.62扶桑Hibiscusrosa ̄sinensis5.92南美蟛蜞菊Sphagneticolatrilobata4.595小叶榕Ficusmicrocarpa4.27金叶假连翘Durantaerecta GoldenLeaves4.77水鬼蕉Hymenocallislittoralis3.966非洲楝Khayasenegalensis4.08鹅掌藤Scheffleraarboricola4.00旅人蕉Ravenalamadagascariensis3.317秋枫Bischofiajavanica3.39三角梅Bougainvilleaglabra3.99海芋Alocasiaodora2.828高山榕Ficusaltissima2.99朱蕉Cordylinefruticosa3.71斑茅Saccharumarundinaceum2.559黄葛榕Ficusvirens2.91花叶假连翘Durantaerecta Variegata3.53地毯草Axonopuscompressus2.4410鸡蛋花Plumeriarubra Acutifolia 2.49福建茶Carmonamicrophylla3.43鹤望兰Strelitziareginae2.24重要值之和Totalimportantvalue48.74重要值之和Totalimportantvalue54.15重要值之和Totalimportantvalue47.37表2㊀植被指数与植物多样性间的相关系数Table2㊀Correlationcoefficientsbetweenvegetationindexesandplantdiversities植物多样性指数PlantdiversityindexDVIEVIMSAVINDVIRVITVIShannon ̄Wiener多样性指数Shannon ̄Wienerdiversityindex(H)0.603∗∗0.551∗∗0.651∗∗0.620∗∗0.562∗∗0.634∗∗Simpson多样性指数Simpsondiversityindex(D)0.623∗∗0.561∗∗0.668∗∗0.639∗∗0.585∗∗0.652∗∗Pielou均匀度指数Pielouevennessindex(J)0.523∗∗0.470∗∗0.575∗∗0.550∗∗0.504∗∗0.561∗∗㊀注:∗∗表示在0.01水平上显著相关ꎮ㊀Note:∗∗meanssignificantcorrelationat0.01level.表3㊀植物多样性实测值与估测模型估测值的误差Table3㊀Errorofobservationvalueandsimulationvaluebasedontheestimatedmode植物多样性指数Plantdiversityindex均值差值Meandifferencevalue标准误差RMSE平均相对误差MRE(%)平均绝对误差MAE复相关系数R2Shannon ̄Wiener多样性指数Shannon ̄Wienerdiversityindex(H)0.0360.1056.900.0760.8871Simpson多样性指数Simpsondiversityindex(D)0.0260.1175.100.0440.8816Pielou均匀度指数Pielouevennessindex(J)0.0210.0477.030.0910.4781653广㊀西㊀植㊀物41卷图3㊀研究区植物多样性分级Fig.3㊀Gradesofbiologicaldiversitiesinthestudyregion图4㊀Shannon ̄Wiener多样性指数Moran散点图Fig.4㊀Moranscatter ̄plotofShannon ̄Wienerdiversityindex样性指数㊁Simpson多样性指数和Pielou均匀度指数估测值与实测值的均值差值分别为0.036㊁0.026㊁0.021ꎬMRE分别为6.90%㊁5.10%㊁7.03%ꎬ复相关系数分别为0.8871㊁0.8816㊁0.4781ꎮ结果表明ꎬShannon ̄Wiener多样性指数和Simpson多样性指数的拟合效果较好ꎬPielou均匀度指数相对较差ꎬ但均达到显著水平(P<0.01)ꎮ因此ꎬ可以使用线性回归模型估测研究区植物多样性的空间分布ꎮ3.4植物多样性空间分布从图3可以看出ꎬShannon ̄Wiener多样性指数㊁Simpson多样性指数和Pielou均匀度指数的空间分布较为一致ꎮ研究区主城区及南渡江入海口㊁西部长流开发区等区域ꎬ人口分布密集ꎬ植被覆盖程度低(多为城市人工绿地)ꎬ造成该区域的植物多样性水平偏低ꎮ在研究区西南部㊁东部等区域ꎬ因有海口火山口次生林以及东寨港红树林等自然植被的连片分布ꎬ植被覆盖程度很高ꎬ且生长旺盛ꎬ植物多样性等级也最高ꎮ但在城乡结合部的市区南部㊁南渡江以东区域零散分布有耕地㊁块状湿地等用地类型ꎬ自然与人工覆被镶嵌分布其中ꎬ所以植物多样性居于中等水平ꎮ另外ꎬ在城区中心的金牛岭公园㊁万绿园等地也表现出较高7533期何荣晓等:遥感植被指数与植物多样性的相关性及空间分布特征研究 以海口市主城区为例图5㊀Shannon ̄Wiener多样性指数空间自相关聚集图Fig.5㊀Clustergraphsofspatialself ̄correlationofShannon ̄Wienerdiversityindex的植物多样性和均匀度ꎮ3.5植物多样性空间自相关分析从图4可以看出ꎬMoran散点主要分布在第一象限(HH)和第三象限(LL)ꎬ第二象限(LH)和第四象限(HL)散点分布相对较少ꎬ全局Moran sI指数为0.6912ꎬ这说明研究区Shannon ̄Wiener多样性指数具有很强的空间正相关性ꎬ具有非常明显的聚集性ꎬ在空间分布上并非完全随机(图4)ꎮ从空间自相关分布图(图5)来看ꎬ直观反映了Shannon ̄Wiener多样性在空间聚集与分异的位置分布特征ꎮShannon ̄Wiener多样性指数HH聚集主要分布在研究区西南部㊁东南部以及南部区域ꎮLL聚集区主要出现在海口建成区以及西海岸开发区一带ꎮ在城乡结合部区域空间聚集性表现不显著(NS)ꎮ而HL聚集和LH聚集类型则在研究区内呈零星分布ꎮ4㊀讨论4.1植物多样性估测模型本研究利用Landsat8遥感数据与样方实测数据分析了植被指数与植物多样性指数之间的相关性ꎬ并估测植物多样性的空间分布特征ꎬ结果表明Shannon ̄Wiener多样性指数㊁Simpson多样性指数和Pielou均匀度指数与MSAVI的相关系数最高ꎬ线性回归模型拟合效果较好(P<0.01)ꎬ具有统计学意义ꎮ梁大双(2011)在对吉林蛟河地区的森林植物多样性与植被指数之间的数学关系研究中得出ꎬShannon ̄Wiener多样性指数与SAVI指数(土壤调整植被指数)的相关性最好ꎬ模型在一定程度上反映出森林植物多样性状况ꎬ这与本研究得出的结论一致ꎮ853广㊀西㊀植㊀物41卷不同的地表覆被会表现出不同的遥感光谱特征ꎬ目前利用这一特征在监测生物量㊁蓄积量等方面应用广泛(张艳楠等ꎬ2012ꎻ王紫君等ꎬ2016)ꎬ方法较为成熟ꎬ建立遥感观测信息与地面实测数据的紧密联系从而实现二者的互补和有效结合(郭庆华等ꎬ2018ꎻ郭庆华和刘瑾ꎬ2018)ꎬ使大尺度空间监测成为可能ꎮ然而ꎬ建立遥感光谱与植物多样性间的关系模型的方法目前仍然存在一些问题(梁大双ꎬ2011)ꎮ引入多个空间指标因子可以明显提高回归模型的拟合精度ꎬ如李燕军(2006)在植被指数与植物多样性的一元回归模型基础上引入坡向数据构建多元回归模型ꎬ显著提高了回归方程的拟合度ꎮ此外ꎬ高程对植物多样性指数的估测也会产生一定的负向影响ꎬ即高程增加会导致多样性的降低(梁大双ꎬ2011)ꎮ但本研究区域首先选择在海口市北部滨海平原区域ꎬ地势平坦ꎬ高程相差很小ꎬ因此高程因子对本研究中的植物多样性影响可忽略不计ꎻ其次ꎬ本研究中的遥感数据与样方定位均通过空间纠正处理ꎬ匹配精度满足研究需要ꎬ也为精确分析遥感植被指数和植物多样性指数之间的相关性奠定了基础ꎮ4.2植物多样性空间分布对区域保护的启示长期以来ꎬ生物多样性的空间分布大都是通过繁琐的野外调查和分析获取ꎬ但这种途径会消耗大量人力物力和时间ꎬ不利于规划管理者及时掌握生物多样性的时空分布和制定切实可行的生物多样性保护策略(Fallahetal.ꎬ2012ꎻDalmayneetal.ꎬ2013)ꎮ在保护栖息地和大量物种时ꎬ监测植物多样性已成为一个重要问题(Kiran&Mudaliarꎬ2012)ꎮ本研究利用卫星遥感数据确定植物多样性ꎬ结合地面调查数据构建监测模型ꎬ是一种获取植物多样性分布及其在大面积上的状态的便捷方式ꎬ这与郭庆华等(2018)和Turneretal.(2003)的研究结果一致ꎮ这些数据是可更新的㊁标准化的和多尺度的ꎬ这在生物多样性保护和植被景观规划的有效管理和决策中发挥着重要作用ꎬ使其在大尺度生物多样性监测㊁制图和评估方面具有极大优势ꎮ在研究区西南部区域靠近海口火山口地质公园ꎬ东部的红树林自然保护区均为植被覆盖程度最高的区域ꎬ因此植物多样性水平也随之较高ꎬ这也反映出在保护地范围内外植物多样性水平的明显差异ꎮ而在研究区南部的羊山湿地一带ꎬ湿地植物茂密且物种多样ꎬ表现出植物多样性也相对较高ꎮ此外ꎬ在海口市主城区的金牛岭公园㊁万绿园㊁人民公园等城市绿地ꎬ由于自然植被的高度覆盖也反映出较高的植物多样性水平ꎬ这与雷金睿等(2017)对海口城市公园植物物种多样性分析的结果趋同ꎮ可见ꎬ利用估测模型得出研究区域的植物多样性空间分布状况与实际情况基本相符ꎬ监测结果可以反映海口市植物多样性的空间分布状况ꎮ通过地统计学理论探讨研究区植物多样性空间自相关性ꎬ结果表现出显著的正空间自相关关系ꎬ具有非常明显的聚集性ꎮ根据空间聚类模式认为ꎬ在东寨港红树林自然保护区㊁火山口及其周边区域(HH聚集)建议继续实施严格的保护措施ꎬ禁止或限制建设扩张ꎬ维持高水平的植物多样性ꎮ而在研究区南部的羊山湿地区域ꎬ应当限制耕地侵占㊁人为破坏干扰等方式损害羊山湿地多用途功能ꎬ继续保持较高水平的植物多样性ꎬ发挥湿地蓄水㊁净化等多样化的生态系统服务功能ꎮ上述区域的植被生态系统也是海口市生物多样性行动计划的优先保护区域ꎬ而在部分植物多样性水平较低的区域(LL聚集)应考虑更多的生态修复工程或城市景观绿化建设ꎬ提高植被覆盖率ꎮ5㊀结论与展望本研究利用Landsat8遥感影像与样方实测数据研究了海口市植物多样性的相关性及空间分布状况ꎬ结果表明Shannon ̄Wiener多样性指数㊁Simpson多样性指数和Pielou均匀度指数与MSAVI㊁TVI㊁NDVI等3个植被指数的相关系数较高ꎬ均在0.550以上ꎻ以MSAVI与不同植物多样性指数建立线性回归模型ꎬ拟合效果较好ꎬ且均通过显著性检验(P<0.01)ꎬ说明回归方程具有统计学意义ꎮ通过最优模型监测研究区植物多样性结果与实际情况相符ꎬ表明本估测模型具有科学性与可靠性ꎬ证明利用遥感数据可快速有效地监测海9533期何荣晓等:遥感植被指数与植物多样性的相关性及空间分布特征研究 以海口市主城区为例口市植物多样性水平ꎮ根据研究结果建议继续实施严格的保护措施ꎬ加强城区的生态修复与保护工程ꎬ提高植被覆盖率和生物多样性水平ꎮ这对于植物多样性遥感监测㊁区域保护发展和维护生态安全具有重要的实践意义ꎬ是对海南岛生物多样性遥感监测与保护的有益探索ꎮ但应当注意的是ꎬ生态学和地理学的特征及现象常伴随着复杂的尺度效应ꎬ如何更科学地确定植被指数的空间尺度还有待于进一步研究ꎮ此外ꎬ引入其他空间指标如高分辨率的遥感影像㊁土壤类型等ꎬ继续提高植物多样性遥感监测精度也应当是今后重点研究的方向之一ꎮ参考文献:ANSELINLꎬSYABRIIꎬKHOYꎬ2006.GeoDa:Anintroductiontospatialdataanalysis[J].GeogrAnalꎬ38(1):5-22.AREKHIMꎬYILMAZOYꎬYILMAZHꎬetal.ꎬ2017.CantreespeciesdiversitybeassessedwithLandsatdatainatemperateforest?[J].EnvironMonitAssessꎬ189:586.CAYUELALꎬBENAYASJMRꎬJUSTELAꎬetal.ꎬ2006.Modellingtreediversityinahighlyfragmentedtropicalmontanelandscape[J].GlobEcolBiogeogrꎬ15:602-613.CHENLꎬWANGXGꎬ2008.Biodiversityandforestecosystemhealth:Somekeyquestions[J].ChinJEcolꎬ27(5):816-820.[陈亮ꎬ王绪高ꎬ2008.生物多样性与森林生态系统健康的几个关键问题[J].生态学杂志ꎬ27(5):816-820.]CHENGQꎬCHENYFꎬLISDꎬetal.ꎬ2016.ResearchonplantspeciesdiversityinestuarinewetlandofHangzhoubaybasedontheGF ̄1satelliteandinsitudata[J].JNatResourꎬ31(11):1938-1948.[程乾ꎬ陈奕霏ꎬ李顺达ꎬ等ꎬ2016.基于高分1号卫星和地面实测数据的杭州湾河口湿地植物物种多样性研究[J].自然资源学报ꎬ31(11):1938-1948.]DALMAYNEJꎬMÖCKELTꎬPRENTICEHCꎬetal.ꎬ2013.Assessmentoffine ̄scaleplantspeciesbetadiversityusingWorldView ̄2satellitespectraldissimilarity[J].EcolInformꎬ18:1-9.DURODCꎬGIRARDJꎬKINGDJꎬetal.ꎬ2014.PredictingspeciesdiversityinagriculturalenvironmentsusinglandsatTMimagery[J].RemoteSensEnvironꎬ144:214-225.FAIRBANKSDHKꎬMCGWIREKCꎬ2004.PatternsoffloristicrichnessinvegetationcommunitiesofCalifornia:Regionalscaleanalysiswithmulti ̄temporalNDVI[J].GlobEcolBiogeogrꎬ13:221-235.FALLAHCꎬMOZAFFARSBꎬHASHEMISAꎬ2012.ProbabilitymeasurementtoestimateforesttreediversityusingIRS ̄p6satelliteimagesinCaspianbroadleavedforests[J].ARPNJAgrBiolSciꎬ7:238-243.FANGBꎬCHENBꎬZHANGYꎬ2007.Researchonscaleselectionandmappingofinspectingbiologicdiversityusingremotesensing[J].GeogrGeo ̄InforSciꎬ23(6):78-81.[方彬ꎬ陈波ꎬ张元ꎬ2007.生物多样性遥感监测尺度选择及制图研究[J].地理与地理信息科学ꎬ23(6):78-81.]GOTTSCHALKTꎬHUETTMANNFꎬEHLERSMꎬ2005.Reviewarticle:Thirtyyearsofanalysingandmodellingavianhabitatrelationshipsusingsatelliteimagerydata:Areview[J].IntJRemoteSensꎬ26:2631-2656.GRIFFITHSGꎬLEEJꎬ2000.Landscapepatternandspeciesrichness:Regionalscaleanalysisfromremotesensing[J].IntJRemoteSensꎬ21:2685-2704.GUOQHꎬHUTYꎬJIANGYXꎬetal.ꎬ2018.Advancesinremotesensingapplicationforbiodiversityresearch[J].BiodiversSciꎬ26(8):789-806.[郭庆华ꎬ胡天宇ꎬ姜媛茜ꎬ等ꎬ2018.遥感在生物多样性研究中的应用进展[J].生物多样性ꎬ26(8):789-806.]GUOQHꎬLIUJꎬ2018.Remotesensinghasbecomeanindispensabletechnologyforbiodiversityresearchprotectionandchangemonitoring[J].BiodiversSciꎬ26(8):785-788.[郭庆华ꎬ刘瑾ꎬ2018.遥感已经成为生物多样性研究保护与变化监测不可或缺的技术手段[J].生物多样性ꎬ26(8):785-788.]HERXꎬ2016.Impactsofurbanizationonplantdiversity:AcasestudyofHaikouCity[D].Haikou:HainanUniversity.[何荣晓ꎬ2016.城市化对植物多样性的影响:以海口市为例[D].海口:海南大学.]HUHDꎬLIXYꎬDUYFꎬetal.ꎬ2012.Researchadvancesinbiodiversityremotesensingmonitoring[J].ChinJEcolꎬ31(6):1591-1596.[胡海德ꎬ李小玉ꎬ杜宇飞ꎬ等ꎬ2012.生物多样性遥感监测方法研究进展[J].生态学杂志ꎬ31(6):1591-1596.]KERRJTꎬSOUTHWOODTꎬCIHLARJꎬ2001.RemotelysensedhabitatdiversitypredictsbutterflyspeciesrichnessandcommunitysimilarityinCanada[J].PNatlAcadSciUSAꎬ98:11365.KIRANGSꎬMUDALIARAꎬ2012.Remotesensing&geoinformaticstechnologyinevaluationofforesttreediversity[J].AsianJPlantSciResꎬ2:237-242.KOPONENSꎬULLININENJꎬ2002.LakewaterqualityclassificationwithairbornehyperspectralspectrometerandsimulatedMERISdata[J].RemoteSensEnvironꎬ79:51-59.LANGFORDWTꎬGERGELSEꎬDIETTERICHTGꎬetal.ꎬ2006.Mapmisclassificationcancauselargeerrorsinlandscapepatternindices:Examplesfromhabitatfragmentation[J].Ecosystemsꎬ9:474-488.LEIJRꎬCHENZZꎬYANGQꎬetal.ꎬ2017.GIS ̄basedgradientanalysisofurbanlandscapepatternofHaikou[J].JNWForUnivꎬ32(3):205-210.[雷金睿ꎬ陈宗铸ꎬ杨琦ꎬ等ꎬ2017.基于GIS的海口市景观格局梯度分析[J].西北林063广㊀西㊀植㊀物41卷学院学报ꎬ32(3):205-210.]LEIJRꎬSONGXQꎬCHENZZꎬ2017.AnalysisonplantcommunitydiversityinHaikouCityparks[J].JSWForUnivꎬ37(1):88-93.[雷金睿ꎬ宋希强ꎬ陈宗铸ꎬ2017.海口城市公园植物群落多样性研究[J].西南林业大学学报ꎬ37(1):88-93.]LIYJꎬ2006.Vegetationindexscreeningandremotesensingmonitoringmodelofspeciesdiversity[D].Lanzhou:GansuAgriculturalUniversity.[李燕军ꎬ2006.植被指数筛选与物种多样性遥感监测模型研究[D].兰州:甘肃农业大学.]LIZZꎬYOUHMꎬWANGZYꎬ2018.Multi ̄scaleeffectsofurbanlandscapepatternonplantdiversityinXuzhouCityꎬJiangsuProvinceꎬChina[J].ChinJApplEcolꎬ29(6):1813-1821.[李祖政ꎬ尤海梅ꎬ王梓懿ꎬ2018.徐州城市景观格局对绿地植物多样性的多尺度影响[J].应用生态学报ꎬ29(6):1813-1821.]LIANGDSꎬ2011.Applicationresearchonremotesensingmonitoringofforestplantdiversity[D].Beijing:BeijingForestryUniversity.[梁大双ꎬ2011.森林植物多样性遥感监测应用研究[D].北京:北京林业大学.]LIULXꎬPANGYꎬRENHBꎬetal.ꎬ2019.PredicttreespeciesdiversityfromGF ̄2satellitedatainasubtropicalforestofChina[J].SciSilvSinꎬ55(2):61-74.[刘鲁霞ꎬ庞勇ꎬ任海保ꎬ等ꎬ2019.基于高分2号遥感数据估测中亚热带天然林木本植物物种多样性[J].林业科学ꎬ55(2):61-74.]MALIHEHAꎬOSMANYYꎬHATICEYꎬetal.ꎬ2017.CantreespeciesdiversitybeassessedwithLandsatdatainatemperateforest?[J].EnvironMonitAssessꎬ189:586.OINDOBOꎬSKIDMOREAKꎬ2002.InterannualvariabilityofNDVIandspeciesrichnessinKenya[J].IntJRemoteSensꎬ23:285-298.PEREIRAPꎬOLIVAMꎬBALTRENAITEEꎬ2010.Modellingextremeprecipitationinhazardousmountainousareas.Contributiontolandscapeplanningandenvironmentalmanagement[J].JEnvironEngLandscꎬ18:329-342.TURNERWꎬSPECTORSꎬGARDINERNꎬetal.ꎬ2003.Remotesensingforbiodiversityscienceandconservation[J].TrendsinEcolEvolꎬ18:306-314.WANGZJꎬSHENGRꎬZHUYꎬetal.ꎬ2016.ResearchoncharacteristicsofbiomassdistributioninurbanforestsofShanghaimetropolisbasedonremotesensingandspatialanalysis[J].ChinJPlantEcolꎬ40(4):385-394.[王紫君ꎬ申广荣ꎬ朱赟ꎬ等ꎬ2016.基于遥感和空间分析的上海城市森林生物量分布特征[J].植物生态学报ꎬ40(4):385-394.]XUWTꎬWUBFꎬ2005.Progressonmeasuringforestbiodiversitywithremotesensingtechnique[J].ActaEcolSinꎬ25(5):1199-1204.[徐文婷ꎬ吴炳方ꎬ2005.遥感用于森林生物多样性监测的进展[J].生态学报ꎬ25(5):1199-1204.]YANFꎬLIMSꎬWANGYJꎬetal.ꎬ2006.Applicationofremotesensingtechniquetomonitoragriculturaldisasters[J].JNatDisasterꎬ15(6):132-136.[闫峰ꎬ李茂松ꎬ王艳姣ꎬ等ꎬ2006.遥感技术在农业灾害监测中的应用[J].自然灾害学报ꎬ15(6):132-136.]YANGXJꎬJIANGZLꎬDAIGQꎬetal.ꎬ1998.Thestudyoncomparingthebiodiversityofthemainforesttypesinsouthprovince[J].ChinJEcolꎬ17(6):14-17.[杨学军ꎬ姜志林ꎬ戴国钦ꎬ等ꎬ1998.苏南主要森林类型的生物多样性调查与比较研究[J].生态学杂志ꎬ17(6):14-17.]ZHANGLꎬOUYANGZYꎬXIAOYꎬetal.ꎬ2011.PriorityareasforbiodiversityconservationinHainanIsland:Evaluationandsystematicconservationplanning[J].ChinJApplEcolꎬ22(8):2105-2112.[张路ꎬ欧阳志云ꎬ肖燚ꎬ等ꎬ2011.海南岛生物多样性保护优先区评价与系统保护规划[J].应用生态学报ꎬ22(8):2105-2112.]ZHANGYNꎬNIUJMꎬZHANGQꎬetal.ꎬ2012.Adiscussiononapplicationsofvegetationindexforestimatingabovegroundbiomassoftypicalsteppe[J].ActaPratacSinꎬ21(1):229-238.[张艳楠ꎬ牛建明ꎬ张庆ꎬ等ꎬ2012.植被指数在典型草原生物量遥感估测应用中的问题探讨[J].草业学报ꎬ21(1):229-238.]ZHOUBꎬZHENGXXꎬZHONGYꎬetal.ꎬ2002.Syntheticindicesforstandspeciesdiversity[J].JBeijingForUnivꎬ24(2):22-26.[周彬ꎬ郑小贤ꎬ钟艳ꎬ等ꎬ2002.林分物种多样性指标体系的研究[J].北京林业大学学报ꎬ24(2):22-26.](责任编辑㊀何永艳)1633期何荣晓等:遥感植被指数与植物多样性的相关性及空间分布特征研究 以海口市主城区为例 Copyright©博看网 . All Rights Reserved.。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
区域地表水体、归一化植被指数与热环境多样性格局的关联分析*段金龙1,2张学雷1,2**(1郑州大学自然资源与生态环境研究所,郑州450001;2郑州大学水利与环境学院,郑州450001)摘要以河南省省会郑州市为研究区域,在2km ˑ2km 网格尺度下将多样性理论与方法应用于区域地表水体、归一化植被指数(NDVI )和地表温度(LST )分布的离散性评价,将NDVI 和LST 各分为4个等级,计算了其空间分布多样性指数,并探索了它们之间的内在联系.结果表明:将多样性理论与研究方法应用于区域热环境的空间分布离散性评价具有可操作性和实际研究意义;地表水体分布与最低温区分布具有较高的区位重叠性,高的植被覆盖度往往伴随低的地表温度;1988—2009年,郑州市地表水体分布离散性呈明显降低趋势;地表水体分布离散性与区域内各温度区分布离散性存在紧密联系;NDVI 分级分布离散性与各温度区分布离散性之间关系复杂,需引入其他环境影响因素参与评价.关键词多样性归一化植被指数热岛效应热环境地表温度文章编号1001-9332(2012)10-2812-09中图分类号K903;TP79文献标识码ACorrelative analysis of the diversity patterns of regional surface water ,NDVI and thermalenvironment.DUAN Jin-long 1,2,ZHANG Xue-lei 1,2(1Institute of Natural Resources and Ecologi-cal Environment ,Zhengzhou 450001,China ;2College of Water Conservancy &Environmental Engi-neering ,Zhengzhou University ,Zhengzhou 450001,China ).-Chin.J.Appl.Ecol .,2012,23(10):2812-2820.Abstract :Taking Zhengzhou City ,the capital of Henan Province in Central China ,as the study area ,and by using the theories and methodologies of diversity ,a discreteness evaluation on the re-gional surface water ,normalized difference vegetation index (NDVI ),and land surface temperature (LST )distribution was conducted in a 2km ˑ2km grid scale.Both the NDVI and the LST were di-vided into 4levels ,their spatial distribution diversity indices were calculated ,and their connections were explored.The results showed that it was of operability and practical significance to use the the-ories and methodologies of diversity in the discreteness evaluation of the spatial distribution of re-gional thermal environment.There was a higher overlap of location between the distributions of sur-face water and the lowest temperature region ,and the high vegetation coverage was often accompa-nied by low land surface temperature.In 1988-2009,the discreteness of the surface water distribu-tion in the City had an obvious decreasing trend.The discreteness of the surface water distribution had a close correlation with the discreteness of the temperature region distribution ,while the dis-creteness of the NDVI classification distribution had a more complicated correlation with the dis-creteness of the temperature region distribution.Therefore ,more environmental factors were needed to be included for a better evaluation.Key words :diversity ;NDVI ;heat island effect ;thermal environment ;land surface temperature.*国家自然科学基金项目(41171177,40671012)资助.**通讯作者.E-mail :ZXLzzu@zzu.edu.cn 2012-01-16收稿,2012-07-16接受.多样性概念与分析方法最先应用于生物学研究领域.土壤多样性研究是土壤地理学研究领域的前沿性内容,21世纪初,张学雷等[1-4]将其引入我国,并基于海南岛土壤-地形体数字化数据库(SOTER )对海南岛的地形、母质、某些土壤性质等进行探索性研究.将土壤多样性理论引入土地利用的分析与评价是近年来相关领域研究的最新趋势[5-8],相关研究表明,土壤多样性最新研究方法在对象的空间分布离散性评价中具有广阔的应用前景[9-12].应用生态学报2012年10月第23卷第10期Chinese Journal of Applied Ecology ,Oct.2012,23(10):2812-2820区域热环境分布是评价区域内环境质量好坏的参数之一,气候、地形、下垫面性质和人类活动等因素都对其产生重要影响.城市热岛效应是区域热环境研究的重要组成部分和研究热点,不同区域间的热环境差异在城市这一特殊地域空间内表现得尤为突出[13-14].基于遥感的热环境和城市热岛效应研究方法已经比较成熟,地表温度(LST)分布是热环境分布的主要衡量因子,植被覆盖和水资源分布被证明是影响热环境分布的重要因子[15-17].以往,多采用面积统计的方法对不同土地利用方式与热环境之间的交互关系进行评价,缺少对两者之间空间分布离散性的关联性评价[18].本研究选取与区域热环境分布有直接关系的地表水体和归一化植被指数(NDVI)作为研究对象,将一种土壤多样性的最新研究方法引入其中,计算了2kmˑ2km网格尺度下,郑州市不同年份不同分区域地表水体、NDVI和热环境分布的空间分布多样性指数,探索并评价了区域地表水体、植被覆盖和热环境的空间分布离散性程度以及前两者对后者的影响,以期为资源的可持续利用和生态环境保护提供科学依据.1研究地区与研究方法1.1研究区概况郑州市(34ʎ16'—34ʎ58'N,112ʎ42'—114ʎ14' E)为河南省省会,地处河南省中部偏北伏牛山脉向黄淮平原的过渡地带,地势由西南向东北逐渐倾斜,西南部是黄土丘陵,向北过渡为黄土平原,向东是黄淮冲积平原和小范围的砂丘、砂地.全市总面积7446km2,平均海拔110m,属北温带大陆性季风气候,年均气温14.4ħ,年均降水量640.9mm.1.2数据来源研究选用美国地球资源卫星(Landsat)的1988年5月14日、2001年5月10日和2009年6月25日3景图像作为遥感数据源,其中,2001年为ETM+数据,其余为TM数据.其他相关资料包括郑州市降水、风力和气温等气象资料(源于中国地面国际交换站气候资料日值数据集).由于本研究重在分析不同资源要素在不同区域间的内在联系,且对植被、水体的研究主要考虑它们的级别间差异,故忽略数据间的时相差异.遥感数据的运行环境为ArcGIS 9.3和ENVI4.5.1.3研究方法本研究使用单窗算法[19]反演地表温度,公式如下:Lλ=0.1238+0.005632156QDN(1)式中:Lλ为TM传感器接收到的辐射强度(m·W·cm-2·sr-1·μm-1);QDN为图像像元的DN值.T6=K2/ln(1+K1/Lλ)(2)式中:T6为TM数据第6波段(热红外波段)的像元亮度温度(K);K1和K2为常量,K1=60.776m·W·cm-2·sr-1·μm-1,K2=1260.56K.由上式可以计算热红外波段每个像元点的亮度温度值,而像元点实际温度值的计算还需要考虑到地表比辐射率、大气平均作用温度和大气透射率.郑州市气象资料显示,1988年5月14日、2001年5月10日和2009年6月25日的平均温度分别为22.8、22.1和33.3ħ,且3景图像的获取日前后3日内都没有降水,空气稳定,这对城市热岛的形成极为有利.像元点的亮度温度值与实际温度值存在显著的线性关系[20],在天气干燥情况下,两者之间的差距约5 10ħ[21],故本研究使用亮度温度值近似代替地表实际温度值来评价郑州市热环境分布特点.本文使用仙农熵变形公式评价对象的空间离散性:Yh=-∑Si=1piln pi/ln S(3)式中:S为空间网格的数目;p i为第i个空间网格里研究对象的面积占其总面积的比例;Y h为多样性指数,表示研究区内对象空间分布的多样性特征,它表征了对象分布的离散性程度,即空间分布的多样性格局,其值在[0,1],当相对丰度分布极度不均匀(即一个或少数几个对象占支配地位)时,Yh值趋于0,当每个对象都均匀分布时,Yh值等于1.图1展示了一个人为构造的土壤空间分布的例子,网格尺度为1kmˑ1km,图中各网格中心数字表示该网格内土壤X的面积,网格左上角数字为网格编号,土壤X 总面积为1000m2,该例子中的空间分布多样性指数Y h=0.755.图1土壤X的空间分布Fig.1Spatial distribution of soil X.318210期段金龙等:区域地表水体、归一化植被指数与热环境多样性格局的关联分析本研究首先对3个年份遥感数据进行土地利用分类,提取郑州市地表水体信息;然后利用TM 和ETM +数据的第3、4波段提取郑州市NDVI 信息,并按其数值高低分为4类;以TM 和ETM +数据的第6波段为基础,利用式1、2和ArcGIS 的地图代数功能反演郑州市3个年份的LST ,按其数值高低分为4类;将郑州市分为8个面积相等的分区域;利用式3计算郑州全市和各分区域地表水体、NDVI 分级和LST 分级的空间分布多样性数值;评价各组数据间的内在联系.2结果与分析2.1郑州市地表水体和分区域分布根据土地利用分类体系的内涵,本研究中地表水体类型主要包括河流、湖泊、水库、鱼塘、灌溉用沟渠,受篇幅所限,本文仅列举1988年地表水体和其所在2km 网格(图2a ).郑州市地表水体以黄河及其支流为主,存在较多灌溉用沟渠.与1988年相比,2000年以后研究区地表水体变化较大(表1),其中,黄河河道变化明显.为评价郑州市不同区域地表水体和植被覆盖对热环境的贡献作用,将郑州市分为面积相等的8个分区域(图2b ),郑州市共包含2063个2km ˑ2km 网格,每个分区域面积950km 2(误差<2km 2).图2郑州市地表水体(a ,1988年2km 网格)和分区域(b )分布Fig.2Surface water (a ,2km grid scale ,1988)and subareas(b )of Zhengzhou City.Ⅰ:郑州市水体Surface water of Zhengzhou City ;Ⅱ:2公里网格2km grid scale ;Ⅲ:郑州市分区及编号Subareas and their number of Zheng-zhou City.2.2郑州市NDVI 分布及其分级作为表征植物生长状态和植被覆盖度的最佳因子,NDVI 在环境与资源遥感领域具有广泛应用[22-23].为更好评价不同植被覆盖度与不同热环境分布之间的交互关系,按照NDVI 数值高低,使用自然间隔分类法(natural breaks )将其分为4个等级(图3).使用自然间隔分类法会造成级间差异较大,在专题图中反映为不同年份间的类别统计数据差异明显,但在相同年份的数据分析中,能够更灵敏地反映出不同区域间的资源分布区别.最低植被覆盖区多由地表水体和郑州市市辖区组成,这是由于地表水体的NDVI 取负值,岩石和裸土的NDVI 取0;最高植被覆盖区多由林地组成,多分布于郑州市西南部的山区和丘陵地带.2001年,市区东部的NDVI 与其余两个年份数据相比差别明显,结合遥感数据、Google earth 高清卫片和研究区实际,认为这一现象的产生与该区域林地变化以及农作物的收割和栽种有直接联系.考虑到该区域的热环境存在相似的变化曲线,故在后期对NDVI 和热环境多样性的关联分析中忽略了数据间的时相差异.图3郑州市NDVI 分级Fig.3NDVI classification of Zhengzhou City.Ⅰ:最低植被覆盖区The lowest vegetation cover ;Ⅱ:次低植被覆盖区The second low-vegetation cover ;Ⅲ:次高植被覆盖区The second high-vegetation cover ;Ⅳ:最高植被覆盖区The highest vegetation cover.4182应用生态学报23卷表1郑州市地表水体和植被覆盖的分级统计Table1Statistics of surface water and NDVI classification of Zhengzhou City年份Year地表水体面积Area ofsurface water(km2)最低植被覆盖区Lowest vegetationcoverNDVI面积Area(km2)次低植被覆盖区Second low-vegetation coverNDVI面积Area(km2)次高植被覆盖区Second high-vegetation coverNDVI面积Area(km2)最高植被覆盖区Highest vegetationcoverNDVI面积Area(km2)1988307.50-0.320 0.069663.030.069 0.1922633.830.192 0.3152595.140.315 0.6601710.96 2001264.64-0.523 -0.1861434.95-0.186 -0.0812662.88-0.081 0.0242459.830.024 0.4001045.31 2009276.36-0.986 0.036500.740.036 0.2102952.330.210 0.3772562.520.377 0.7181587.382.3郑州市LST分布及其分级以TM和ETM+数据热红外波段为基础,基于ArcGIS9.3的地图代数功能建模获取郑州市3个年份的亮温分布,并以此近似代替地表真实温度分布.按照温度值高低,使用自然间隔分类法将其分为4个等级(表2).其中,最高温区多为城镇中心区或荒地、裸地,最低温区多为水体、森林(图4).2.4郑州市地表水体、NDVI分级和LST分级的关联性分析位于郑州北部的黄河河道是郑州市主要地表水体构成单元,其与各个年份的最低植被覆盖区和最低温区具有高度的空间位置相关性,这也与NDVI 和LST的定义有直接关系.最高植被覆盖区与次低温区在空间分布上存在较大相关性,该趋势在2009年的专题图对比中尤为明显,2009年郑州市最高植被覆盖区面积比例为21%,次低温区面积比例为29%,两者较接近.在NDVI与LST的纵向对比(1988年→2001年→2009年)中,发现最高植被覆盖区面积先大量减少(减少666km2),后明显增加(增加542km2),次低温区面积先增加415km2,后减少561km2;最低植被覆盖区面积先增加772 km2,后减少934km2,与其对应的最高温区面积先减少770km2,后增加1022km2(图5).综上,最高植被覆盖区与次低温区、最低植被覆盖区与最高温区这两组对象在总面积上呈现负相关变化趋势,这也说明高的植被覆盖度往往带来低的地表温度(地表水体除外).2.5郑州市地表水体、NDVI分级和LST分级的空间分布多样性分析传统的横向或纵向数据对比法,多从总量规模评价不同资源类型间的交互关系,缺乏对资源空间分布离散性的更客观描述.本研究使用土壤多样性最新理论与研究方法,计算了地表水体、NDVI分级和LST分级在2km网格尺度下的空间分布多样性指数(表3),并评价了这些指数所代表的实际意义和它们之间的内在联系.结果表明,1988—2009年,郑州市地表水体空间分布多样性持续降低,说明地表水体分布的广度在不断减少,这一现象在2001年以后更明显;最低温区和最低植被覆盖区的空间分布多样性在2001年以后也有明显降低,说明两者与地表水体分布的相关性较大.2.6郑州市地表水体、NDVI分级和LST分级的分区域分析在传统热环境相关研究中,植被覆盖与地表温度存在紧密联系,一般高植被覆盖对应较低温度,反之亦然,但表3中,最高植被覆盖区的分布离散性在研究期间存在明显的先降后升趋势,在最低温区和次低温区多样性中却并未发现相应变化.在传统统计分析研究中,多将主研究区按照行政区划划分为若干分研究区(如将郑州市划分为市辖区、中牟县、新郑市等7个行政区域),这种划分所得分区域的面积多不相同且差别较大,不利于对各分区域间资表2郑州市地表温度分级统计Table2Statistics of LST classification of Zhengzhou City年份Year最低温区Lowest temperatureregionLST(ħ)面积Area(km2)次低温区Second low-temperature regionLST(ħ)面积Area(km2)次高温区Second high-temperature regionLST(ħ)面积Area(km2)最高温区Highest temperatureregionLST(ħ)面积Area(km2)198813.75 23.461055.9523.46 26.452343.7526.45 29.072316.3629.07 37.561886.91 200114.23 23.851080.6523.85 26.902758.6426.90 29.482646.9329.48 44.151116.74 200911.82 30.70182.3530.70 37.642197.2037.64 42.003084.7342.00 52.972138.68518210期段金龙等:区域地表水体、归一化植被指数与热环境多样性格局的关联分析表3郑州市地表水体、NDVI 分级和LST 分级的空间分布多样性统计Table 3Statistics of spatial distribution diversities of surface water ,NDVI classification and LST classification in Zhengzhou City年份Year地表水体多样性Diversity of surface water 最低植被覆盖区多样性Diversity of the lowest vegetation cover 次低植被覆盖区多样性Diversity of the second low-vegetation cover 次高植被覆盖区多样性Diversity of the second high-vegetation cover 最高植被覆盖区多样性Diversity of thehighest vegetationcover 最低温区多样性Diversity of the lowest temperature region 次低温区多样性Diversity of the second low-temperature region 次高温区多样性Diversity of the second high-temperature region 最高温区多样性Diversity of the highest temperature region 19880.7910.8670.9730.9770.9400.8710.9540.9660.91220010.7880.9220.9750.9700.8860.8750.9680.9640.89420090.7380.8360.9630.9760.9250.6500.9110.9630.906图4郑州市地表温度分级Fig.4LST classification of Zhengzhou City.Ⅰ:最低温区The lowest temperature region ;Ⅱ:次低温区The second low-temperature region ;Ⅲ:次高温区The second high-temperature re-gion ;Ⅳ:最高温区The highest temperature region.源空间分布的区别进行客观评价.为深入研究郑州市地表水体、NDVI 分级和LST 分级空间分布离散性间的内在联系,并最大程度减弱因研究数据获取时间不同所造成的不利影响,本文按照邻接原则同时兼顾数据计算的简便性和合理性,将郑州市划分为面积相等的8个分区域,分别计算了3个时期各分区域内地表水体、NDVI 分级和LST 分级的空间分布多样性指数(表4),并探索了3者之间的内在联系.为确定地表水体空间分布与LST 分级空间分布之间的内在联系,将各时期的分区域地表水体多样性按数值大小从低到高排列,统计分区域各温区多样性随其变化的规律.由图6可以看出,3个时期的分区域地表水体多样性排序互不相同,说明随时间变化,郑州市不同区域地表水体空间分布离散性的变化程度不同.在各个时期,最低温区和次低温区多样性都随地表水体多样性的升高而升高,这一变化趋势在最低温区表现得更为明显.与之相反,次高温区和最高温区多样性与地表水体多样性之间呈现一定的负相关变化趋势,在3个时期的6组数据中,有5组支持这一推断.由此推断空间分布越离散的地表水体,会造成区域内的低温度区分布更加离散,同时造成高温度区分布更集中.为确定NDVI 分级空间分布与LST 分级空间分布之间的内在联系,将各时期的分区域NDVI 分级多样性按数值大小从低到高排列,统计分区域各温区多样性随其变化的规律.由于最低植被覆盖区分布与地表水体分布相关性较大,故选取次低和最高植被覆盖区与分区域各温区多样性进行分析比较.图5郑州市不同温区和植被覆盖区的面积变化Fig.5Area changes of different temperature and vegetation cover regions in Zhengzhou City.Ⅰ:最高植被覆盖区The highest vegetation cover ;Ⅱ:次低温区The second low-temperature region ;Ⅲ:最低植被覆盖区The lowest vegeta-tion cover ;Ⅳ:最高温区The highest temperature region.6182应用生态学报23卷表41988、2001和2009年郑州市地表水体、NDVI分级和LST分级的分区域多样性统计Table4Statistics of subarea diversities of surface water,NDVI classification and LST classification of Zhengzhou City in 1988,2001and2009年份Year 分区编号Subareanumber地表水体多样性Diversityof surfacewater最低植被覆盖区多样性Diversityof thelowestvegetationcover次低植被覆盖区多样性Diversityof thesecond low-vegetationcover次高植被覆盖区多样性Diversityof thesecond high-vegetationcover最高植被覆盖区多样性Diversityof thehighestvegetationcover最低温区多样性Diversityof thelowesttemperatureregion次低温区多样性Diversityof thesecond low-temperatureregion次高温区多样性Diversityof thesecond high-temperatureregion最高温区多样性Diversityof thehighesttemperatureregion198810.6810.8570.9610.9510.8840.8750.9460.9440.81720.7170.8190.9660.9580.9150.8790.9560.9410.86030.8460.8770.9750.9760.9270.8880.9490.9550.87940.8260.8820.9720.9630.9120.8930.9530.9490.87150.7490.8820.9650.9670.9060.8640.9580.9390.81060.5260.7900.9590.9830.9200.7230.9130.9710.90570.7940.8510.9480.9900.9290.7520.8970.9730.91280.7370.8210.9640.9850.9580.6900.9270.9820.965 200110.6720.8870.9610.9650.8830.8510.9630.9660.90120.7350.8480.9620.9700.9190.9050.9740.9170.84330.7900.9360.9680.9340.7970.8660.9600.9380.86540.8580.9350.9770.9560.8490.9080.9720.9270.78350.6830.8860.9630.9630.8900.7170.9250.9630.94760.5480.8710.9660.9610.8280.7110.9530.9840.91870.7410.8910.9570.9840.8850.7750.9640.9580.85980.7280.9480.9810.9500.7190.8410.9750.9600.829 200910.6330.8180.9550.9630.8650.6280.8050.9480.93920.6760.8270.9790.9530.8830.6260.7720.9530.97630.7620.9170.9870.9610.8840.5140.8830.9830.94040.8050.7300.9240.9640.9220.6190.9700.8980.56750.5520.7230.9290.9620.9040.5320.8800.9530.89760.4430.7920.9460.9790.9100.3140.8610.9770.89070.7100.8510.9720.9860.9250.3770.9210.9810.90680.5440.6260.9150.9830.9560.3950.9740.9300.561次低植被覆盖区主要由村镇、部分城区、部分低叶面积指数农田组成.随次低植被覆盖区分布离散性的不断增加,最低温区和次低温区的分布离散性多有不同程度增加(6组数据中的5组呈增加趋势),而次高温区和最高温区的分布离散性变化混乱(4组数据呈负相关趋势,2组呈正相关趋势,图7).最高植被覆盖区主要由林地、部分高叶面积指数农田组成.随最高植被覆盖区分布离散性的不断增加,最低温区和次低温区的分布离散性多有不同程度减少(6组数据中的5组呈减少趋势),而次高温区和最高温区的分布离散性变化混乱(3组数据呈正相关趋势,3组呈负相关趋势,图8).在以往的研究中[24-25],高植被覆盖面积的增加往往被证明能带来更低的环境温度.本文中3个时期的最低温区多样性与次低植被覆盖区多样性之间均呈现一定的正相关变化趋势,最低温区多样性与最高植被覆盖区多样性之间均呈现一定的负相关变化趋势.考虑到最低温区与地表水体具有极大的分布相似性,推断随最高植被覆盖区分布离散性的增加,地表水体分布的离散性逐渐减小,这与占郑州市地表水体重要组成部分的灌溉用沟渠分布有直接关系,郑州市灌溉用沟渠多分布于平原地带,在高植被分布的山地丘陵地带分布较少.与1988和2001年数据相比,2009年植被覆盖多样性与温区多样性之间的关系几乎完全相反(除2001年次高温区多样性与2001年最高植被覆盖区多样性间的关系以外),即同组数据比较中,2009年呈正相关变化趋势,其余两年的数据均呈负相关变化趋势.由此推718210期段金龙等:区域地表水体、归一化植被指数与热环境多样性格局的关联分析断,NDVI分级分布离散性与LST分级分布离散性之间并不存在恒定的正相关或负相关关系,对两者进行关联性评价时,还需引入诸如气候、人口、区域地理等其他环境影响因素.图6郑州市各温区多样性与地表水体多样性的关系Fig.6Relationships between diversity of each temperature region and diversity of surface water in ZhengzhouCity.图7郑州市各温区多样性与次低植被覆盖区多样性的关系Fig.7Relationships between the diversity of each temperature region and the second low-vegetation cover in Zhengzhou City.8182应用生态学报23卷图8郑州市各温区多样性与最高植被覆盖区多样性的关系Fig.8Relationships between the diversity of each temperature region and the highest vegetation cover in Zhengzhou City.3结语本文将土壤地理学领域前沿性的土壤多样性理论与方法应用于水资源、不同地表温度和不同植被覆盖度的区域空间分布离散性评价中,在2km 网格尺度下探索了三者之间的相互关系,发现它们在数量组成和空间分布上均存在一定联系.通过对研究区域的等面积划分和多样性理论的使用,可以评价相同气候、经济和人文条件下不同种类资源的空间分布离散性程度及其之间的固有联系,在不同资源间的关联性评价和环境资源保护工作中具有广阔的应用前景.参考文献[1]Zhang X-L (张学雷),Chen J (陈杰),Gong Z-T(龚子同).What to do in China after a review of resear-ches practices on pedodiversity in Europe and America.Acta Ecologica Sinica (生态学报),2004,24(5):1063-1072(in Chinese )[2]Zhang X-L (张学雷),Chen J (陈杰),Zhang G-L (张甘霖).Landform based pedodiversity of some soil properties in Hainan.Acta Geographica Sinica (地理学报),2003,58(6):839-844(in Chinese )[3]Zhang X-L (张学雷),Chen J (陈杰),Zhang G-L (张甘霖),et al .Soil parent material based geomorphicdiversity in Hainan Island ,China.Acta Pedologica Sini-ca (土壤学报),2004,41(2):170-175(in Chinese )[4]Zhang X-L (张学雷),Chen J (陈杰),Zhang G-L(张甘霖).Landform-based pedodiversity of some soilchemical properties in Hainan Island ,China.Chinese Journal of Applied Ecology (应用生态学报),2004,15(8):1368-1372(in Chinese )[5]Wang Z-F (王子芳),Qu S-R (屈双荣),Li Y-B (李阳兵),et al .Research on land use pattern diversity of different soil types in Chongqing karst area.Journal of Soil and Water Conservation (水土保持学报),2006,20(2):153-156(in Chinese )[6]Shao J-A (邵景安),Li Y-B (李阳兵),Meng Y-L(孟月玲),et al .Pedodiversity in karst area of Chongqing ,China.Acta Ecologica Sinica (生态学报),2007,27(5):2048-2058(in Chinese )[7]Guo H (郭慧),Bi R-T (毕如田).Soil diversitystudies on based on the different land utilization :Taking Yongji City as an example.Journal of Shanxi Agricultur-al University (Natural Science )(山西农业大学学报·自然科学版),2009,29(1):77-80(in Chinese )[8]Sun Y-C (孙燕瓷),Zhang X-L (张学雷),Cheng X-Q (程训强),et al .Gray correlative analysis of the im-pact from growing urbanization process on pedodiversity in Nanjing area.Acta Geographica Sinica (地理学报),2006,61(3):311-318(in Chinese )[9]Wang H (王辉),Zhang X-L (张学雷),Chen J(陈杰).Nested subset :Discussion on its possible use in pedodiversity analysis.Chinese Journal of Soil Science (土壤通报),2006,37(4):776-781(in Chi-918210期段金龙等:区域地表水体、归一化植被指数与热环境多样性格局的关联分析nese)[10]Zhang X-L(张学雷),Wang H(王辉),Zhang W (张薇),et al.Comparison of diversity characteris-tics between pedological and biological taxonomies.ActaPedologica Sinica(土壤学报),2008,45(1):1-8(in Chinese)[11]Yabuki T,Matsumura Y,Nakatani Y.Evaluation of pedodiversity and land use diversity in terms of theShannon entropy[EB/OL].(2009-05-19)[2011-11-24].http://cdsweb.cern.ch/record/1178038[12]Duan J-L(段金龙),Zhang X-L(张学雷).Correla-tive evaluation of pedodiversity and land use diversitybased on Shannon entropy.Acta Pedologica Sinica(土壤学报),2011,48(5):893-903(in Chinese)[13]Ding J-C(丁金才),Zhang Z-K(张志凯),Xi H (奚红),et al.A study of the high temperature distri-bution and the heat island effect in the summer of theShanghai area.Chinese Journal of Atmospheric Sciences(大气科学),2002,26(3):412-420(in Chinese)[14]Fang Y-X(方永侠),Shen S-H(申双和),Han Y (韩莹),et al.A study of seasonal urban heat envi-ronment in Beijing based on TM image.Climatic andEnvironmental Research(气候与环境研究),2011,16(4):487-493(in Chinese)[15]Chen J(陈健),Yang X-Y(杨旭媛).A study of remote sensing monitoring of urban thermal environmentbased on ASTER data.Remote Sensing for Land&Re-sources(国土资源遥感),2011,22(3):100-105(inChinese)[16]Wang B-J(王宝鉴),Song L-C(宋连春),Zhang Q (张强),et al.The response of water resource to cli-mate change and its impact on ecological environment inShiyang River basin.Advance in Earth Sciences(地球科学进展),2007,22(7):730-737(in Chinese)[17]Wang P-X(王鹏新),Gong J-Y(龚健雅),Li X-W (李小文),et al.Advances in drought monitoring byusing remotely sensed normalized difference vegetationindex and land surface temperature products.Advance inEarth Sciences(地球科学进展),2003,18(4):527-533(in Chinese)[18]Yue W-Z(岳文泽),Xu J-H(徐建华),Xu L-H(徐丽华).An analysis on eco-environmental effect of urbanland use based on remote sensing images:A case studyof urban thermal environment and NDVI.Acta EcologicaSinica(生态学报),2006,26(5):1450-1460(inChinese)[19]Qin Z-H(覃志豪),Zhang MH,Arnon K,et al.Mono-window algorithm for retrieving land surface tem-perature from Landsat TM6data.Acta Geographica Sini-ca(地理学报),2001,56(4):456-466(in Chinese)[20]Xu J-Q(许军强),Liu J-Y(刘嘉宜),Xing L-X(邢立新),et al.Temporal and spatial changes study onurban heat island in Changchun City.EnvironmentalProtection Science(环境保护科学),2007,33(3):8-10(in Chinese)[21]Qin Z-H(覃志豪),Li WJ,Zhang MH,et al.Estima-ting of the essential atmospheric parameters of mono-window algorithm for land surface temperature retrievalfrom Landsat TM6.Remote Sensing for Land&Resources(国土资源遥感),2003,14(2):37-43(in Chinese)[22]Sun Z-H(孙智辉),Liu Z-C(刘志超),Lei Y-P(雷延鹏),et al.The variations of NDVI and the relationwith climate in hilly and gully region of northern Yan’an.Acta Ecologica Sinica(生态学报),2010,30(2):533-540(in Chinese)[23]Wang F-M(王福民),Huang J-F(黄敬峰),Wang X-Z(王秀珍),et al.Effects of band position and band-width on NDVI measurements of rice at different growthstages.Journal of Remote Sensing(遥感学报),2008,12(4):626-632(in Chinese)[24]Li L-G(李丽光),Liu X-M(刘晓梅),Zhao X-L(赵先丽),et al.Characteristics of heat island effect in in-ner and outer suburbs of Shenyang and the relationshipswith urbanization.Chinese Journal of Applied Ecology(应用生态学报),2010,21(6):1609-1613(in Chi-nese)[25]Duan J-L(段金龙),Song X(宋轩),Zhang X-L (张学雷).Spatiotemporal variation of urban heat islandin Zhengzhou City based on RS.Chinese Journal ofApplied Ecology(应用生态学报),2011,22(1):165-170(in Chinese)作者简介段金龙,男,1984年生,博士研究生.主要从事地理信息及资源遥感研究.E-mail:215385212@qq.com责任编辑杨弘0282应用生态学报23卷。