基于GEE近20年三峡库区植被覆盖及相关特性分析

基于GEE近20年三峡库区植被覆盖及相关特性分析
发布时间：2022-06-15T01:49:15.363Z 来源：《科学与技术》2022年2月4期作者：陈行
[导读] 三峡工程的建成对生态环境也产生了巨大的影响，
陈行
（成都理工大学地球科学学院，四川成都 610059）
摘要：三峡工程的建成对生态环境也产生了巨大的影响，因此对三峡库区的植被变化和相关特性研究尤其重要。

基于Google Earth Engine（GEE）遥感数据云计算平台，以三峡库区为研究区域，利用长时间序列NDVI数据，采用像元二分模型对研究区2000-2015年的植被覆盖度进行定量估算。

研究结果表明2000-2015年三峡库区的植被覆盖度整体呈现出不断增加的趋势，虽然增加的趋势很轻微，但是整个库区大部分区域都呈现出改善的趋势，其中呈现出退化趋势的区域仅占库区总面积的1.01％，而呈现出改善趋势的区域占了库区总面积的
33.14％，剩下的区域几乎保持不变，整体来看改善区域远远大于退化区域，三峡库区植被覆盖呈现出逐渐趋好的状态。

关键词：三峡库区；Google Earth Engine；像元二分模型；时空变化；植被覆盖度
分类号：TP 79
1 绪论
三峡库区是我国重要的生态保护区域[1-5]，其生态环境非常脆弱敏感，又因三峡大坝修建，因此对库区修建前后植被覆盖情况研究有其必要性。

由于对植被覆盖变化的监测需要进行连续不断的研究[6-9]，所需要的数据量十分巨大，需要长时间的序列数据，而Google推出的 Google Earth Engine（简称GEE）平台正好满足需要[10]，利用GEE进行研究不需要进行前期的大量数据的下载和预处理，通过编程等手段就可以满足连续时间序列数据的获取。

到目前为止，已经有很多学者通过GEE云平台对全球植被覆盖、生态环境变化、土地利用类型和全球陆表水体变化等方面进行了长时间的研究，研究都取得了较为满意的研究结果。

研究成果有助于我们正确认识、评价库区内植被的演变发育过程，对三峡库区内的植被覆盖变化监测、生态环境的恢复和治理以及水土保持和治理都提供了有效的参考。

2 研究方法
2.1 技术路线
本文为了研究三峡库区近20年来的植被覆盖变化，通过在知乎和论坛上学习关于GEE编程的编写，来进行数据的预处理和下载等前期繁琐的工作，采用GEE云平台为数据处理平台，以GEE云平台的强大数据存储与计算能力，得到了多种数据的长时间序列数据，大大简化了前期的数据预处理等操作，并结合其他相关因子进行探究分析和时空分析特征分析。

图1 技术路线
2.2 像元二分模型
假设一个像元中的光谱信息主要由植被和裸土两部分组成，每一个像元的归一化植被指数NDVI值都是纯植被和裸土两部分的加权和，各部分占据的权重大小就是该部分所占的该像元中的面积比，公式如下：
（1）
式中：FVC为像元植被覆盖度大小，NDVI为像元归一化植被指数值，NDVIsoil为纯裸土像元的NDVI值，NDVIveg为纯植被像元的NDVI值。

3 研究结果与分析
图1结果显示整个长江流域的植被覆盖都是呈现出的改善的趋势，说明长江的治理也取得比较明显的成功。

特别是在重庆市和宜昌市周围，虽然城市区域的面积在扩大，但是植被覆盖情况并没有出现退化，并且大部分区域都是呈现出的植被覆盖情况在改善，这充分的说明了现代的可持续发展化城市的建设取得了重大的成功，整个三峡库区的城市建设和生态恢复建设措施都取得了阶段性的胜利。

4 结论
2000-2015年三峡库区的植被覆盖度整体呈现出不断增加的趋势，虽然增加的趋势很轻微，但是整个库区大部分区域都呈现出改善的趋势，其中呈现出退化趋势的区域仅占库区总面积的1.01％，而呈现出改善趋势的区域占了库区总面积的33.14％，剩下的区域几乎保持不变，整体来看改善区域远远大于退化区域，三峡库区植被覆盖呈现出逐渐趋好的状态。

参考文献
[1]王晓江,胡尔查,李爱平,李全基. 基于MODIS NDVI的内蒙古大青山自然保护区植被覆盖度的动态变化特征[J]. 干旱区资源与环
境,2014,28(08):61-65.
[2]陈效逑,王恒. 1982-2003年内蒙古植被带和植被覆盖度的时空变化[J]. 地理学报,2009,64(01):84-94.
[3]顾娟,李新,黄春林.基于时序MODIS NDVI的黑河流域土地覆盖分类研究[J].地球科学进展,2010,25(03):317-326.
[4]张滔,唐宏. 基于Google Earth Engine的京津冀2001～2015年植被覆盖变化与城镇扩张研究[J]. 遥感技术与应用,2018,33(04):593-599.
[5]Fangfang Yu,Kevin P Price,James Ellis,Peijun Shi. Response of seasonal vegetation development to climatic variations in eastern central Asia[J]. Remote Sensing of Environment,2003,87(1).
[6]Nemani Ramakrishna R,Keeling Charles D,Hashimoto Hirofumi,Jolly William M,Piper Stephen C,Tucker Compton J,Myneni Ranga B,Running Steven W. Climate-driven increases in global terrestrial net primary production from 1982 to 1999.[J]. Science,2003,300(5625).
[7]Zhou L,Tucker C, Kaufmann R et al. Variations in northern vegetation activity inferred fromsatellite data of vegetation index during 1981 to 1999.
Journal of Geophysical Research,2001,106,20069-20083.
[8]A. Kawabata,K. Ichii,Y. Yamaguchi. Global monitoring of interannual changes in vegetation activities using NDVI and its relationships to temperature and precipitation[J]. International Journal of Remote Sensing,2001,22(7).
[9]A. S. Hope,W. L. Boynton,D. A. Stow,D. C. Douglas. Interannual growth dynamics of vegetation in the Kuparuk River watershed, Alaska based on the Normalized Difference Vegetation Index[J]. International Journal of Remote Sensing,2003,24(17).
[10]王晶晶,白雪,邓晓曲,王明翠. 基于NDVI的三峡大坝岸边植被时空特征分析[J]. 地球信息科学,2008,10(06):6808-6815. 作者简介：陈行（1997—），男，汉族，四川荣县人，硕士研究生，研究方向：遥感地质、摄影测量。