利用归一化植被指数分析地表植被覆盖的时空变化
黄土高原植被覆盖度动态变化分析研究
2023Vol.55No.3林㊀业㊀科㊀技㊀情㊀报基金项目:国家林草局西北院自主创新课题计划 无人机林草资源智能监管系统关键技术与标准研究 (XBY -KJCX -2021-21)㊂∗第一作者简介:崔涵(1982-),女,陕西杨凌人,工程师,本科,主要从事森林资源监测㊁林业调查规划设计㊂∗通信作者:刘喆(1978-),女,陕西西安人,高级工程师,硕士,主要从事森林资源监测㊁林业调查规划设计㊂黄土高原植被覆盖度动态变化分析研究崔㊀涵∗㊀刘㊀喆∗(国家林业和草原局西北调查规划院,西安710048)[摘㊀要]㊀探析黄土高原植被覆盖演变及其驱动因素,有助于了解黄土高原生态现状㊂本研究以MOD13A2为主要数据源,采用像元二分模型㊁趋势分析法和相关性分析法对黄土高原地区植被覆盖度动态变化和驱动力进行分析㊂结果表明:(1)2000-2020年整体植被覆盖度呈上升趋势,其增速为0.005/a (p <0.01)㊂其中,2000-2010年增速为0.006/a ,2010-2020年增速为0.004/a ;(2)2000-2020年植被FVC 整体呈现从东南向西北逐渐递减的分布,但不同地区的变化趋势存在差异;(3)进一步分析表明,降水是黄土高原植被变化的主要驱动因素㊂[关键词]㊀黄土高原;植被覆盖度;动态变化;遥感数据中图分类号:Q948㊀㊀㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀㊀㊀文章编号:1009-3303(2023)03-0001-03Analysis of Dynamic Changes in Vegetation Coverage on the Loess PlateauCui Han∗㊀Liu Zhe ∗(Northwest Surveying and Planning Institute of National Forestry and Grassland Administration,Xi`a n 710048,China)Abstract :Exploring the evolution of vegetation cover and its drivers in the Loess Plateau helps to understand the ecological status of the Loess Plateau.In this study,MOD13A2was used as the main data source,and the dynamic changes and drivers of vegetation cover in the Loess Plateau region were analyzed using the like element dichotomous model,trend analysis method and correlation analysis meth-od.The results showed that (1)the overall vegetation cover showed an increasing trend from 2000to 2020,and its growth rate was 0.005/a (p <0.01).Among them,the growth rate was 0.006/a from 2000to 2010and 0.004/a from 2010to 2020;(2)the overall vegetation FVC showed a gradual decreasing distribution from southeast to northwest from 2000to 2020,but there were differences in the change trends in different regions;(3)further analysis showed that precipitation was the main driving factor of vegetation change in the Loess Plateau.Key words :Loess Plateau;fractional vegetation cover;dynamic change;remote sensing data植被覆盖度是评估植被生长状态和土壤侵蚀程度的重要指标之一㊂通过利用归一化植被指数(NDVI)采用像元二分模型可以近似估算植被覆盖度进而分析植被动态变化,可以揭示植被恢复和退化的趋势,为土地治理和生态保护提供科学依据㊂黄土高原是中国北方的一个重要生态区域,该地区的植被覆盖度对于水土保持㊁生态恢复和环境改善具有重要意义[1]㊂然而,由于气候变化㊁人类活动和土地利用变化等因素的影响,黄土高原的生态环境脆弱㊂随着遥感技术的发展,借助遥感数据进行植被覆盖度动态变化研究成为可能㊂1㊀研究区概况黄土高原位于中国大陆的中部和西北部(100ʎ54ᶄ-114ʎ33ᶄE,33ʎ43ᶄ-41ʎ16ᶄN),东临黄河中下游平原,西接内蒙古高原,南连四川盆地,北濒渭河平原㊂黄土高原是黄河流域的重要组成部分,面积约为63.4ˑ104km 2,该地区地貌多为丘陵和沟壑地貌,气候干旱,夏季炎热干燥,冬季寒冷干燥,年降水量较少且不均匀分布,气候条件对植被生长有着重要影响[2]㊂2㊀数据与方法2.1㊀数据源及预处理本研究所使用MODIS 植被指数产品MOD13A2来源于美国航天航空局发布的产品数据,下载地址(https:// /data /),数据空间分辨率为1km ˑ1km,时间分辨率为16d㊂利用MRT 工具对其进行格式转换等预处理工作,为消除云㊁雾以及大气气溶胶等外界因素的影响,本研究采用最大值合成法(MVC)计算得到月最大NDVI㊂本研究使用的气候数据来源于中国气象数据网( /),该数据集包括2000-2020年黄土高原及周边103个气象站点的逐日气温和逐日降水量数据㊂研究采用MATLAB 软件对该数据集进行清洗和异常值处理,对于空缺数据采用双线性内插方法对其进行填补,最后采用ANUS-PLIN 插值方法对其进行空间插值㊂㊃1㊃林㊀业㊀科㊀技㊀情㊀报2023Vol.55No.3 2.2㊀研究方法2.2.1㊀植被覆盖度反演方法根据研究区像元值大小,本研究采用像元二分模型利用NDVI近似估算植被覆盖度㊂即根据遥感影像中每个像元的光谱信息,将像元分为植被和非植被两个类别,并通过计算植被指数(如NDVI)的近似值来估算植被覆盖度㊂FVC=NDVI-NDVI sNDVI v-NDVI s(1)其中:FVC表示植被覆盖度,NDVI v表示完全被植被覆盖区的像元NDVI,NDVI s表示完全是无植被或者裸土覆盖区的像元NDVI㊂本研究参考前人研究[3],提取累计频率为2%的NDVI值作为NDVI s,累计频率为98%的NDVI值作为NDVI v㊂2.2.2㊀趋势分析为定量反映研究区内植被覆盖度的时空变化,本研究对像元进行逐一线性回归拟合,即θslope=nˑðn i=1iˑFVC i-ðn i=1iðn i=1FVC inˑðn i=1i2-(ðn i=1i)2(2)其中:θslope表示斜率,用以表示植被覆盖度的变化趋势㊂3㊀结果分析3.1㊀黄土高原植被覆盖度时间变化趋势根据黄土高原2000-2020年各年份植被FVC均值得到研究区多年年际变化趋势(图1)㊂总体上,黄土高原2000-2020年期间年均植被FVC值波动变化较大(0.477~0.610),但总体呈现波动上升趋势,其增速为0.005/a(p<0.01)(图1a),说明黄土高原地区21年间生态恢复效果显著㊂分时间段来看,2000~2010年期间植被FVC值由0.477增至0.551,其增速为0.006/a(图1b),由于2001年全面启动退耕还林(草)等生态修复工程,使得黄土高原地区植被覆盖度明显提高㊂2010-2020年期间植被FVC值由0.546增至0.610,其增速为0.004/a(图1c),其中在2015年植被FVC值处于低值状态,其原因可能是由于2010-2015年处于第一轮退耕还林(草)工程末期,部分地区出现复耕现象导致植被覆盖度有所下降㊂图1㊀2000-2010年、2010-2020年和2000-2020年黄土高原地区植被FVC时间变化趋势3.2㊀黄土高原植被覆盖度空间变化趋势采用趋势分析法基于像元尺度来分析2000-2010㊁2010-2020和2000-2020年黄土高原植被FVC空间分布特征(图2)㊂结果表明,三个时间段植被FVC整体以增长趋势为主,其增长率分别为0.006/a㊁0.004/a和0.005/a㊂2000-2010年植被FVC占研究区26.46%的区域呈现退化趋势,主要分布在库布齐沙漠北部㊁宁夏平原中部㊁陇中黄土高原北部㊁太行山脉西部和关中平原等地区;植被FVC占研究区73.54%的区域呈现改善趋势,主要分布在吕梁山脉中部和毛乌素沙地等地区;1999年开始黄土高原地区实施了大规模的生态工程治理,包括退耕还林㊁草地恢复㊁水土保持等措施㊂这些治理措施有助于改善土壤质量㊁增加水源涵养和减少水土流失,从而提供了有利于植被生长的环境条件㊂2010-2020年植被FVC占研究区32.54%的区域呈现退化趋势,主要分布在库布齐沙漠北部㊁宁夏平原中部㊁陇中黄土高原北部等地区,其中退化趋势显著的地区主要分布在内蒙古巴彦淖尔和东胜㊁宁夏回族自治区银川㊁青海西宁㊁山西太原等区域等中大型城市,由于城镇化建设,人类活动的扰动越发强烈,使得植被呈现明显退化趋势;植被FVC占研究区67.46%的区域呈现改善趋势,主要分布在吕梁山脉中部㊁毛乌素沙地㊁子午岭山脉西部等地区,其中改善趋势显著的地区主要分布在同心㊁民和㊁环县㊁右玉等地区;由于2010-2015年处于第一轮退耕还林(草)工程末期,部分地区出现复耕现象导致植被覆盖度有所下降;2000-2020年植被FVC整体呈现从东南向西北逐渐递减的分布,植被FVC占研究区20.88%的区域呈现退化趋势,主要分布在库布齐沙漠北部㊁宁夏平原中部㊁陇中黄土高原北部等地区,植被FVC占研究区79.12%的区域呈现改善趋势,主要分布在吕梁山脉中部等地区㊂退耕还林(草)等生态工程的实施,减少土壤的㊃2㊃2023Vol.55No.3林㊀业㊀科㊀技㊀情㊀报流失和水源的丧失,为植被生长提供了更稳定的环境[4-6]㊂图2㊀2000-2010年㊁2010-2020年和2000-2020年黄土高原地区植被FVC 空间变化趋势3.3㊀黄土高原植被覆盖度与气候因子的相关性为了研究气温和降水变化对黄土高原生态系统的影响,本研究利用黄土高原植被覆盖度(FVC)的时序数据与年降水量㊁年均气温进行相关性分析,以探讨气温和降水对植被覆盖的关键影响㊂结果显示,与气温的相关系数最大值为0.774,最小值为-0.780,整体区域的平均相关系数为0.078(图3a)㊂适宜的水热条件有利于土壤水分的补给,从而促进植被的生长㊂然而,当气温超过植被适宜温度时,土壤水分蒸发加速,间接限制植被的生长㊂对于降水与植被FVC 的相关性,相关系数的最大值为0.922,最小值为-0.805,整体区域的平均相关系数为0.237(图3b)㊂降水量的增加能够补给大气和土壤中的水分,促进植被的生长㊂然而,过量的降水导致土壤松软,容易引发滑坡等自然灾害,从而间接限制了植被的生长[7-8]㊂图3㊀黄土高原地区植被覆盖度与气温㊁降水相关性4㊀结论首先,2000-2020年整体植被覆盖度呈上升趋势,其增长速率为0.005/a(p <0.01)㊂其中,2000-2010年增速为0.006/a,2010-2020年增速为0.004/a;其次,2000-2020年植被FVC 整体呈现从东南向西北逐渐递减的分布,植被FVC 占研究区79.12%的区域呈现改善趋势;最后,黄土高原年际植被覆盖度与年降水量㊁年平均气温的相关性均呈现正相关性,其中与降水量的相关性(0.237)略高于年平均气温(0.078)㊂参考文献[1]王雄,张翀,李强.黄土高原植被覆盖与水热时空通径分析[J].生态学报,2023,43(2):719-730.[2]丁文斌,王飞.植被建设对黄土高原土壤水分的影响[J].生态学报,2022,42(13):5531-5542.[3]刘天弋,孙慧兰,卢宝宝,等.1998 2018年新疆伊犁河谷植被覆盖度时空变化及驱动力[J].东北林业大学学报,2023,51(4):68-74,79.[4]卢伟民.林业发展中营造林技术的有效应用探析[J].林业科技情报,2023,55(1):3.[5]张龙齐,贾国栋,吕相融,等.黄土高原典型地区不同植被覆盖下坡面土壤侵蚀阈值研究[J].水土保持学报,2023,37(2):12.[6]牛丽楠,邵全琴,宁佳,等.(2023).黄土高原生态恢复程度及恢复潜力评估[J].自然资源学报,2023,38(3):779-794.[7]王婧姝,毕如田,贺鹏,等.气候变化下黄土高原植被生长期NDVI 动态变化特征[J].生态学杂志,2023,42(1):67-76.[8]王海燕,张馨之,王海鹰,等.黄土高原生态系统保护修复潜在风险与优先发展领域[J].陕西林业科技,2022,50(5):86-89.来稿日期:2023-05-22㊃3㊃。
2023年新高考地理小题必练含答案9植被
小题必练9：植被植被与环境，森林，草原与荒漠。
（2020·山东高考）山地地形影响气候特性，进而使山地景观类型随海拔升高而变化。
太行山区地处华北地区，其间分布有盆地和丘陵；黔桂喀斯特山区岩溶地貌发育，形成了基座相连、异常陡峭的峰丛—洼地集合体。
下图示意两山区各景观类型沿海拔梯度分布的面积占比情况。
据此完成下面小题。
1．与黔桂喀斯特山区相比，太行山区针叶林A．垂直分布高差大B．总分布面积占比小C．各海拔梯度均有分布D．面积占比最大处海拔低2．黔桂喀斯特山区较低海拔区针叶林面积占比较高，主要由于该山区A．山体陡峭B．水分充足C．土壤肥沃D．热量充足3．两山区农田分布上限存在差异的主要原因是A．光照条件不同B．水热组合不同C．耕作技术不同D．耕种历史不同【答案】1．B2．A3．B【解析】1．读图可知，与黔桂喀斯特山区相比，太行山区针叶林在低海拔地区没有分布，因此太行山区针叶林的垂直分布高差小，AC错误。
与黔桂喀斯特山区相比，太行山区针叶林的总分布面积占比较小，B正确。
黔桂喀斯特山区针叶林面积占比最大处的海拔为600-800米，而太行山区针叶林面积占比最大处的海拔为2200-2400米，与黔桂喀斯特山区相比，太行山区针叶林面积占比最大处海拔高，D错误。
故选B。
2．黔桂喀斯特山区地处亚热带季风气候区，水分、热量充足，较低海拔地区本应该为阔叶林，但是由于该山区岩溶地貌发育，山体异常陡峭，导致水土流失快，水、土、热等条件随海拔升高而降低，所以，较低海拔区针叶林面积占比较高，A正确，BD错误。
黔桂喀斯特山区土层浅薄、土壤贫瘠，C错误。
故选A。
3．读图可知，黔桂喀斯特山区的农田分布上限较高，可以到达海拔2800米左右，而太行山区的农田分布上限较低，只能到达海拔2000米左右，主要原因是黔桂喀斯特山区所处的纬度较低，属于亚热带季风气候，所以海拔较高处水热条件依然较为充足，可以进行农田耕作，而太行山区所处的纬度较高，属于温带季风气候，所以海拔较高处水热条件较差，不能进行农田耕作，B正确。
如何利用遥感数据进行植被覆盖监测
如何利用遥感数据进行植被覆盖监测遥感技术的发展为植被覆盖监测提供了强有力的工具。
利用遥感数据进行植被覆盖监测可以帮助我们了解生态环境变化、评估植被生长状态、监测自然资源变化等，具有广泛的应用领域和重要的科学意义。
以下将从遥感数据获取、植被指数计算、植被变化分析等几个方面，介绍如何利用遥感数据进行植被覆盖监测。
首先，获取遥感数据是进行植被覆盖监测的第一步。
遥感数据可以来源于卫星、无人机、航空器等平台，不同平台获取的数据具有不同的空间分辨率和时间分辨率。
对于大范围的植被覆盖监测，卫星遥感数据是较为常用的选择，而对于小区域或细观测的植被覆盖监测，无人机获取的数据往往更加适合。
在数据获取过程中，需要考虑数据的质量和准确性，选择适当的影像时相和分辨率。
其次，植被指数计算是进行植被覆盖监测的关键步骤之一。
植被指数是通过遥感数据计算得到的反映植被生长状态的指标，可以提供植被覆盖密度、叶绿素含量、植被水分状况等信息。
常用的植被指数有归一化植被指数（NDVI）、差值植被指数（DVI）等。
计算植被指数需要利用遥感数据中的红光、近红外波段等信息，通过数学公式将其转化为植被指数数值。
植被指数计算过程中需要注意纠正大气效应、减少土壤背景干扰等影响因素，以提高指数的准确性和可靠性。
然后，植被变化分析是植被覆盖监测的核心内容之一。
通过对不同时间点的遥感数据进行对比和分析，可以获取植被覆盖的时空变化情况。
植被变化分析可以利用不同的方法，如差值法、比率法、分类法等。
其中，差值法是常用的一种方法，通过计算两个时相的植被指数差值，来反映植被覆盖的变化情况。
差值图可以直观地展示植被覆盖的变化状况，有助于发现植被覆盖的退化、扩张等现象。
植被变化分析还可以结合地面观测数据和其他环境因子数据，探讨各因素之间的关系和作用机制。
此外，利用遥感数据进行植被覆盖监测还可以结合机器学习和人工智能等技术手段。
机器学习算法可以通过对大量遥感数据的学习和训练，实现自动化、高效的植被覆盖监测。
基于Landsat_TM
总756期第二十二期2021年8月河南科技Journal of Henan Science and Technology基于Landsat TM/OIL的济宁市植被覆盖度动态变化分析陈峰（泰安金土地测绘整理有限公司，山东泰安271018）摘要：基于Landsat TM/OIL遥感数据，运用归一化植被指数与像元二分模型，反演了1989—2018年4个时期的山东省济宁市植被覆盖度，从时间和空间两个方面分析了济宁市30年的植被覆盖度动态变化状态。
结果表明，济宁市植被覆盖度空间分布总体表现为北部和西部地区高于南部和东部地区，时间变化表现为前20年先升高而后10年降低，最终整体趋于稳定。
低植被覆盖区域主要集中在城区和矿区，植被覆盖改善区域主要分布在山地丘陵地区，植被空间分布差异较大。
关键词：植被覆盖度；归一化植被指数；时空分布中图分类号：TTP751；Q948文献标识码：A文章编号：1003-5168（2021）22-0129-05 Dynamic Change Analysis of Vegetation Coverage in Jining City Based onLandsat TM/OILCHEN Feng（Taian Golden Land Surveying and Mapping Co.,Ltd.，Taian Shandong271018）Abstract:In this paper,based on Landsat TM/OIL remote sensing data,the normalized vegetation index method and the pixel dichotomy model were used to retrieve the fraction of vegetation cover(FVC)of Jining City in the four stages from1989to2018,the dynamic changes of FVC in Jining City in the past30years were analyzed.The results showed that the spatial distribution of FVC in Jining City was generally higher in the north and west than in the south and east,the change of the time distribution manifested as an increased first and then a decrease,and finally showed a stable trend as a whole.Areas with low FVC cover were mainly concentrated in urban areas and mining areas,and areas with improved FVC were mainly distributed in mountainous and hilly areas,with large differences in the spatial distribution of vegetation.Keywords:fraction of vegetation cover；normalized vegetation index；temporal and spatial distribution植被是生态系统的重要组成部分，在自然地理环境中起着重要作用，被作为评判地区生态质量好坏的重要标准。
归一化植被覆盖度模型
归一化植被覆盖度模型归一化植被覆盖度模型是一种用于评估和分析地表植被状况的重要工具。
通过计算植被覆盖度的数值，可以定量地衡量某一地区的植被状况，并为生态环境保护和土地利用规划提供科学依据。
植被覆盖度是指地表被植物覆盖的程度，一般使用百分比表示。
归一化植被覆盖度模型的基本原理是利用遥感技术获取的植被指数数据进行计算。
常用的植被指数有归一化差值植被指数（NDVI）和归一化植被指数（EVI）等。
这些指数通过计算植被的反射率与地表反射率的比值，反映了植被的状况。
归一化植被覆盖度模型的计算公式比较简单，一般为：植被覆盖度 = （植被指数值 - 植被指数最小值）/（植被指数最大值- 植被指数最小值）* 100%其中，植被指数最小值和最大值是根据研究区域和植被类型确定的。
归一化植被覆盖度模型可以应用于不同的领域。
在生态环境保护中，它可以用于监测和评估自然植被的恢复情况，以及人工植被的建设效果。
在土地利用规划中，它可以用于评估农田、林地和草地等不同土地类型的植被状况，并为农作物种植、林业经营和牧草养殖等活动提供科学指导。
归一化植被覆盖度模型还可以与其他地理信息数据进行集成分析，例如地形数据、土壤数据和气候数据等，从而更全面地了解植被与环境之间的关系。
通过分析不同地区的植被覆盖度变化，可以揭示植被演替过程、生态系统的健康状况以及气候变化的影响等重要信息。
归一化植被覆盖度模型是一种重要的工具，可以帮助我们更好地了解和评估地表植被状况。
通过科学的数据分析和应用，可以为环境保护和土地利用规划提供有效支持，促进可持续发展和生态文明建设。
希望未来能够进一步完善和应用这一模型，为我们的地球家园带来更美好的未来。
神东矿区植被覆盖和土壤侵蚀时空动态分析
神东矿区植被覆盖和土壤侵蚀时空动态分析作者：王小燕王丽云马宁来源：《人民黄河》2022年第05期摘要：神东矿区是我国西北地区最大的煤炭生产基地，为了给神东矿区煤炭资源合理开发和水土流失防治提供参考，基于卫星遥感影像数据、数字高程模型和经验性土壤侵蚀模型，对 2005—2018年神东矿区土地利用、植被覆盖度和土壤侵蚀时空动态变化情况进行了分析。
结果表明：神东矿区土地利用方式日趋合理、植被覆盖度总体向好发展、土壤侵蚀强度逐渐减弱;林地、居民点及工矿用地、草地面积增加，耕地面积减少;高覆盖度和中高覆盖度面积增幅较大，主要由中覆盖度和中低覆盖度转化而来;中度以上土壤侵蚀面积减少，较高强度侵蚀向较低强度侵蚀转化。
关键词：土地利用;植被覆盖度;土壤侵蚀强度;神东矿区中图分类号：S157.1;TV882.1 文献标志码：A引用格式：王小燕，王丽云，马宁.神东矿区植被覆盖和土壤侵蚀时空动态分析[J].人民黄河，2021，43（5）：124-127.Temporal and Spatial Dynamie Analysis of Soil Erosion in Shendong Mining Area WANG Xiaoyan，WANG Liyun，Ma Ning（Upper and Middle Yellow River Bureau， YRCC， Xi'an 710021， China）Abstract： The Shemdomg mining anea is the largest coal proluction hawe in Northwest Chima. In oriler to prowide refremes for the ratiomal dex welopment of coul resources and the prevention and control of water and soil erosion in the Shendong mining area， hased on satellite remste wwwing imape duta， digital eleation models and empirieal soil erasion models， the results af 2005-2018 the temporal and spatial dynamie changes of lamd use， werlation coverage and soil emsion in Shendong mining arra wre anuhzed. The reauls show that the land use of Shea-dong mining area is becsomingmore reasonable， the vegetation eoveragy is generally inproving and the soil erosion intensity is gradually weak-coing; the anra of wowdlmd， residemtial area， industrial and mining landl， and grasslamd has leen invreaved， while the area of arable land has been deereased; high and mediumelo-high coverage areas are inereased greatly mainly due to the comversion of medium and low coverage;the area of soil erosion above moderate is reduced and theerosion of higher intensity is transformed to lower intensity.Key words： land use; wegetution eoverage; soil erosion intensity; Shendong mining area神东矿区是我国西北地区最大的煤炭生产基地[1]煤炭资源开采在带动当地经济发展的同时曾导致区域土地荒漠化、土地沉陷和生态环境恶化[2]。
近30年呼伦贝尔沙地植被变化时空特征分析
第50卷第2期2021年3月内蒙古师范大学学报(自然科学版)Journal of Inner Mongolia Normal University(Natural Science Edition)Vol.50No.2Mar.2021近30年呼伦贝尔沙地植被变化时空特征分析布和，乌兰图雅，旭沙，其乐木格，李雅琴（内蒙古师范大学地理科学学院，内蒙古呼和浩特010022）摘要：利用1989—2019年4期TM/OLI遥感数据，采用归一化植被指数（NDVI）和像元二分模型相结合的方法，系统分析了呼伦贝尔沙地南部沙带植被变化的时空差异特征，结果如下：（1）沙地植被中高覆盖度和高覆盖度共占总面积的65.76%,主要分布于研究区北部和东部的沙带边缘以及外围的沙质平原上；中覆盖度面积占19.42%,主要分布于西部的沙带上；低覆盖度和中低覆盖度面积共占14.82%,相对集中发布于南部及西北部的沙带上。
（2）近30年研究区沙地植被低覆盖度、中低覆盖度和中覆盖度区面积呈波动式减少，减少幅度均在2009—2019年达到最大值；中高覆盖度和高覆盖度区面积呈波动式增加，增加幅度分别于2000—2009年和2009—2019年达到最大值。
研究期间中覆盖度区减少幅度最大，为23.39%,高覆盖度区增加幅度最大，为22.75%,表明研究区自然生态环境逐渐好转。
（3）近30年研究区植被覆盖度未发生变化区、恢复区和退化区面积分别占总面积的53.45%、29.28%、17.27%.其中研究区东部植被覆盖度变化不明显，研究区西部植被覆盖度呈增加趋势，主要表现为覆盖度低等级向高等级转变。
关键词：呼伦贝尔沙地；植被变化；时空特征；生态修复中图分类号：K903文献标志码：A文章编号：1001—8735（2021）02—0174—08doi：10.3969/j.issn.1001—8735.2021.02.011植被作为全球生态系统的重要组成部分，是连接土壤、大气和水分的自然纽带，在陆地表面能量转换、生物地球化学循环和水分循环等方面具有不可代替的作用［2］。
基于地理探测器模型的中亚NDVI时空变化特征及其驱动因子
基于地理探测器模型的中亚NDVI时空变化特征及其驱动因子中亚地区的土地覆盖和植被状况对当地气候和环境起着重要的影响。
了解中亚地区的植被时空变化特征及其驱动因子，对于有效地管理和保护当地生态环境至关重要。
地理探测器模型（Geographical Detector）是一种常用于探索地理过程和模式的统计方法。
它结合了决策树、偏最小二乘回归和方差分析等分析技术，能够同时考虑单因素和多因素对地理过程的影响。
本文将基于地理探测器模型，研究中亚地区的NDVI（归一化植被指数）的时空变化特征及其驱动因子。
首先，对中亚地区的NDVI进行数据采集和处理。
利用遥感数据获取NDVI的时间序列，并对数据进行预处理和去噪处理，以提高数据质量和准确性。
然后，利用地理探测器模型，分析NDVI的时空变化特征，并找出影响NDVI变化的驱动因子。
针对驱动因子的研究，可以从自然因素和人为因素两个方面进行探讨。
自然因素主要包括气候因素、土壤因素和地形因素等。
通过分析气候数据（如温度、降水等），可以探讨气候因素对NDVI变化的影响。
土壤因素和地形因素可以通过土壤类型和地形特征的空间分布，从而了解它们对植被的影响。
人为因素主要包括土地利用和农业活动等。
通过分析土地利用数据，可以了解不同土地利用类型对植被的影响。
农业活动对植被的影响主要表现为农田灌溉、施肥和农药使用等，可以通过农业统计数据和遥感影像，探讨这些因素对植被的影响。
在研究过程中，还应考虑NDVI的空间自相关性，并进行相应的空间分析。
此外，还可以对不同的地理单元（如县级、区域级）进行比较，进一步揭示NDVI的时空变化特征。
通过以上研究方法，可以得到中亚地区NDVI的时空变化特征及其驱动因子。
这对于中亚地区的生态环境保护和可持续发展具有重要的参考价值。
未来的研究工作还可以进一步深入探讨NDVI与其他环境指标（如温度、降水、土壤湿度等）之间的关系，以及NDVI的长期趋势和预测等方面的内容。
ndvi名词解释
ndvi名词解释NDVI是指归一化植被指数（Normalized Difference Vegetation Index），其本质是一种反映植被覆盖程度的指标。
使用NDVI可以对植被生长进行定量分析，了解植被覆盖度的变化情况，尤其对于遥感技术的应用更为广泛。
1. 归一化植被指数（NDVI）的原理归一化植被指数（NDVI）是通过计算近红外波段和红波段反射率的差异来获得的。
NDVI的计算公式为：NDVI = （NIR - R）/（NIR + R）其中，NIR表示植被反射的近红外波段的反射率，R表示植被反射的红波段的反射率。
NDVI数值范围从-1到+1之间，数值越高意味着植被面积越大，植被生长越旺盛。
2. NDVI在植被监测中的应用NDVI可用于监测植被覆盖变化、病害和叶片萎缩等情况，并对气候变化和全球变化等导致的跨栖生态问题提供支持。
下面一些具体应用：（1）植被变化监测NDVI可以定量分析农业地区的植被覆盖度，判断作物生长状态和绿化覆盖变化。
在林区，可以通过时空数据分析估测森林和草地的植被覆盖范围和生长状态。
通过多期NDVI数据比对，可以精确掌握植被变化趋势，特殊地物的生长变化可以更准确的分析。
（2）盐碱地生态监测在天然盐碱地的植被监测中，可通过比较绿色战略和土府沟指数等二次派生指数来判断植被覆盖变化。
通过多个时间段数据的对比，对盐碱土地的植被生长状态进行了详细分析。
（3）洪涝灾害监测可以使用NDVI监测洪灾后的植被恢复，以为农业、生态环境提供可靠参考数据。
例如，在独山河水库洪涝灾害的监测标记中，通过NDVI计算和图像处理技术，可以明确洪水期间植被的生长状况。
（4）生态监测通过使用NDVI可以对沙漠、金属矿区和陡坡地的生态环境监测，可以体现这些特殊地区与大环境的差异，及特殊地区土地的实际利用情况。
3.结论NDVI是一项简单而有用的指标，能够更加非常准确的分析植被的覆盖状况。
而它的大量应用在农业、生态环境、气候变化和全球变化等领域，更加反映了它在环保技术领域中的广泛应用价值，它不仅能够为科学研究和环保做出贡献，也能够为社会、城市规划等各个领域提供建议。
ndvi时间序列影像合成方法-概述说明以及解释
ndvi时间序列影像合成方法-概述说明以及解释1.引言1.1 概述引言概述NDVI（Normalized Difference Vegetation Index，归一化植被指数）是遥感领域中广泛应用于植被检测和监测的关键指标之一。
它通过计算可见光和近红外波段的反射率之差的比值，提供了植被的健康状况和生长状态的定量描述。
NDVI的时间序列影像合成方法是一种将多个时期的NDVI影像融合为一幅单一影像的技术，可以用于分析植被的动态变化和趋势。
随着遥感技术的快速发展和卫星数据的广泛应用，获取大范围、高分辨率的NDVI时间序列影像已经成为可能。
通过合成多个时期的NDVI影像，我们可以获得一幅完整的植被生长过程图像，以便更好地理解和研究植被的演变过程。
同时，NDVI时间序列影像合成方法也为植被监测、气候变化研究、生态环境评估等提供了可靠的数据基础。
在本文中，我们将介绍一些常用的NDVI时间序列影像合成方法，包括像元级方法和基于统计学的方法。
像元级方法通过对每个像元的NDVI数值进行运算融合，可以较为精细地重建植被动态变化的图像。
而基于统计学的方法则通过对NDVI数据进行统计分析，提取出植被生长的趋势和周期性变化，适用于大范围植被监测和研究。
本文的结构如下：引言部分对NDVI时间序列影像合成方法进行概述，明确文章的目的和意义；正文部分将详细介绍像元级方法和基于统计学的方法，并比较它们的优劣；最后，结论部分将总结本文的主要内容，并对未来可能的研究方向进行展望。
通过本文的阅读，读者将了解到NDVI时间序列影像合成方法的基本原理和应用意义，以及不同方法之间的特点和适用范围。
希望本文能为遥感研究人员和相关领域的科研工作者提供有益的参考和指导。
1.2 文章结构部分的内容:本文按照以下结构进行论述：第1章简介1.1 概述本章主要介绍本文的研究背景、研究目的以及数据来源和研究方法等，为读者提供研究主题的整体背景和意义。
1.2 文章结构本章将对整篇文章的结构进行概括性介绍，包括各个章节的内容和安排，以便读者了解文章的整体框架，明确每个章节的主要内容。
基于遥感技术的植被覆盖度的动态监测
基于遥感技术的植被覆盖度的动态监测作者：王国芳来源：《山西农业科学》 2015年第5期王国芳（山西农业大学资源环境学院，山西太谷 030801）摘要：植被覆盖度可以反映地表的植被状况，研究植被覆盖度变化对及时掌握生态环境变化有着重要的作用。
以山西省太谷县为研究区，以1990，2001，2009年3期TM遥感影像为数据源，基于像元二分模型，对太谷县的植被覆盖度进行遥感估算，分析了植被覆盖度的时空变化特征。
结果表明，1990，2001，2009年太谷县植被覆盖均以中覆盖度植被为主，分别占全县面积的42.55%，34.64%，43.91%；近20 a来，太谷县高覆盖度植被面积稳步增加，且主要分布在平原区；2001—2009年低覆盖度植被逐步向中高覆盖度植被转移。
说明太谷县各项生态工程显示出明显成效，生态环境不断改善。
关键词：遥感技术；植被覆盖度；归一化植被指数（NDVI）；动态监测中图分类号：P237文献标识码：A文章编号：1002-2481（2015）05-0592-04收稿日期：2014-11-16基金项目：山西农业大学科技创新基金项目（201322）作者简介：王国芳（1980-），女，山西左权人，讲师，主要从事GIS，RS的教学及研究工作。
植被是陆地生态系统的主要组成部分，也是其他生物生存的基础，具有截流降雨、减缓径流、防沙治沙、保持水土等功能[1]。
植被覆盖度指植被在地面的垂直投影面积占统计区总面积的百分比，是植物群落覆盖地表状况的一个综合量化指标[1]。
其不仅能反映地表植被的丰度，也是生态系统中的一个重要控制因子[2-3]。
植被的变化会影响地球表面与大气之间物质和能量的交换，进而影响到气候的变化。
因此，掌握植被覆盖度的变化规律，对评价人类生存环境质量、调节生态过程具有重要的实际意义[4-5]。
植被覆盖度监测目前最常用的方法是地面测量和遥感测量。
传统的地面测量估算方法主要包括目估法、采样法、仪器法等[6-7]，获取的采样数据通过空间插值可以扩展到区域尺度上，但这种方法耗时、耗力，且对采样数据要求比较高。
基于GEE与Landsat8数据的杭州市地表温度反演及时空变化分析研究
基于GEE与Landsat8数据的杭州市地表温度反演及时空变化分析研究张忠胜;贾凤鸣【期刊名称】《测绘标准化》【年(卷),期】2024(40)1【摘要】地表温度(LST)是地表物理过程的重要参数,与热环境密切相关,对城市气候、生态系统和城市规划等方面有重要影响。
为此,本文基于谷歌地球引擎(GEE)平台获取了杭州市2015年、2018年、2021年同一时间(5月28日)Landsat8数据集,应用单窗算法进行地表温度反演及时空变化分析,并研究归一化植被指数(NDVI)与地表温度之间的相关关系。
结果表明,应用单窗算法反演的杭州市地表温度具有较高的精度。
从时间变化来看,2015—2021年杭州市地表最高温度呈现上升趋势,地表最低温度在降低。
从空间变化来看,2015—2021年,杭州市地表温度高的区域主要分布在建设用地,地表温度较低的区域主要分布在水体及植被高覆盖区。
杭州市这3个时期同一天的地表温度反演结果与NDVI存在线性负相关;2015年、2018年、2021年杭州市地表温度与NDVI的相关系数分别为-0.13、-0.05、-0.28。
研究结果可为杭州市热环境的分析与应对提供相应依据。
【总页数】6页(P48-53)【作者】张忠胜;贾凤鸣【作者单位】浙江省地矿勘察院有限公司;湖北天地云地信科技集团有限公司【正文语种】中文【中图分类】TP753【相关文献】1.基于Landsat8数据的地表温度反演及分析研究——以武汉市为例2.基于GEE 的2000—2019年间升金湖湿地不同季节地表温度时空变化及地表类型响应3.基于Landsat8数据的地表温度反演分析研究--以南宁市城区为例因版权原因，仅展示原文概要，查看原文内容请购买。
关于黄土高原植被时空变化的统计分析
关于黄土高原植被时空变化的统计分析摘要：黄土高原是中国的一个重要地区，其植被时空变化对环境保护和可持续发展具有重要意义。
本文基于遥感数据和地面观测资料，对黄土高原植被时空变化进行了统计分析。
研究结果表明，在1990年至2015年期间，黄土高原植被覆盖率总体呈上升趋势，其中草地面积增加最为显著，而林地和草原面积变化较小。
与此同时，黄土高原植被覆盖呈现明显的时空差异性，不同地区的植被覆盖变化情况不同，受气候、人类活动等多种因素的影响。
关键词：黄土高原；植被时空变化；遥感；地面观测；统计分析1. 前言黄土高原是中国的一个经济发展较为落后的地区，然而其地理特征和自然环境对中国的生态安全和区域可持续发展具有重要作用。
植被是黄土高原自然环境中的一个关键要素，其时空变化对水土保持、生态环境保护和农村经济发展具有重要意义。
为了深入研究黄土高原植被的时空变化规律，本文利用遥感数据和地面观测资料，对黄土高原植被覆盖率和分布进行了统计分析。
2. 数据与方法本文采用了30米分辨率的遥感影像数据、基于该影像数据的植被指数和地面实测数据，进行了黄土高原植被时空变化的统计分析。
其中，植被指数通过归一化植被指数（NDVI）计算，反映了植被覆盖的强度和分布情况。
地面实测数据包括各类植被的面积、覆盖率、碳储量、水分利用效率等参数。
3. 结果与分析3.1 植被覆盖率的时空变化通过对黄土高原1990年至2015年的遥感影像数据进行处理和分析，本文得出黄土高原植被覆盖率的时空变化趋势如下：1990年到2000年，植被覆盖率呈缓慢下降趋势，1990年至2015年，植被覆盖率总体呈上升趋势，其中草地面积增加最为显著，而林地和草原面积变化较小。
3.2 植被覆盖的时空差异黄土高原各地区植被覆盖的变化情况是有明显时空差异的。
以植被覆盖率的年均变化率为指标，不同类型的植被在不同地区的变化情况如下：在草地区，草地的年均变化率最高；在林草混交区，草地与林地的年均变化率均较高；在纯林区，林地的年均变化率最小。
基于归一化指数（NDVI）的植被覆盖度分级研究——以贵州省为例
基于归⼀化指数（NDVI）的植被覆盖度分级研究——以贵州省为例基于归⼀化指数（N D V I)的植被覆盖度分级研究----以贵州省为例袁⼠聪⾕甫刚(贵阳⽣产⼒促进中⼼，贵阳5500〇2)摘要：⼟地植被覆盖度是反映⼟地利⽤变化的⼀个重要指标，但传统的研究⽅法需要耗⽤⼤量的⼈⼒与物⼒进⾏采点分析。
本⽂以贵州省为例，以CBERS2遥感影象为数据源，利⽤遥感与地理信息系统技术，根据归⼀化植被指数（NDVI)可提供植被反射重要信息的原理，通过建模反演植被覆盖度，利⽤遥感与地理信息系统软件，得出⼟地植被覆盖度数据与专题地图。
利⽤NDVI研究贵州省的植被覆盖度是切实可⾏的技术。
关键词：NDVI;归⼀化植被指数;植被覆盖度;贵州省中图分类号：X87 ⽂献标志码：AA study on vegetation coverage based on NDVI---taking Gui Zhou Province as an exampleYuan Shicong,Gu Pugang(Productivity Promotion Centre of Guiyang, Guiyang 550002)Abstract ：Vegetation coverage is an important index reflecting the land use change. Employing tradi-tional method, however, needs to consume massive manpower and materials for conducting sampling and analyzing. By employing remote sensing and geographic information system technology and using CBERS2 remote sensing image as the data pool, this research conducted an inversion calculation of vegetation coverage of Guizhou Province through modeling based on the theory that NDVI ( normalized difference vegetation index) can provide important information of vegetation reflection. Both land coverage data and thematic map were finally obtained thanks to the support of remote sensing and ge-ographic information system software. The results show that calculation of vegetation coverage of Guizhou Province using NDVI is feasible.Keywords ：normalized difference vegetation index ；vegetation coverage ；Guizhou Province⼟地覆盖是指⾃然营造物和⼈⼯建筑物所覆盖的地表诸要素的综合体,包括地表植被、⼟壤、湖泊、沼泽湿地及各种建筑物（如道路等），具有特定的时间和空间属性，其形态和状态可在多种时空尺度上变化[1]。
归一化植被指数法
归一化植被指数法归一化植被指数法是一种用于分析生态系统中植被覆盖度和植被生物量的统计方法。
在生态研究中,植被指数是一个重要的参数,可以帮助我们了解生态系统的健康状况和变化趋势。
但由于植被指数的计算方法不同,其结果也可能会存在一定的差异。
因此,本文将介绍一种基于归一化植被指数法的分析方法,旨在提高生态研究的准确性和可靠性。
一、归一化植被指数法的定义和原理归一化植被指数法(RVI)是一种基于植被指数的统计方法,其原理是通过将各个植被指数值除以它们的最大值,再将得到的结果取倒数,从而将指数值转化为占比关系。
RVI方法将植被分为五个类别,即乔木、灌木、草本、苔藓和地面植被,并且规定每个类别的权重为1。
归一化植被指数法的基本原理是将各个植被指数值转化为占比关系,通过这种方法可以更好地反映植被的种类和特征。
RVI方法将植被分为五个类别,并且规定每个类别的权重为1,这种分类方法可以帮助我们更好地了解植被的种类和特征。
二、归一化植被指数法的应用归一化植被指数法是一种常用的植被指数方法,广泛应用于生态研究中。
通过RVI方法可以对生态系统中的植被进行分类和比较,从而了解生态系统的健康状况和变化趋势。
例如,RVI方法可以用来研究森林生态系统的变化。
通过对森林中不同植被类型的RVI进行比较,可以了解森林生态系统的健康状况和变化趋势,并为保护森林资源和实现可持续发展提供科学依据。
还可以通过RVI方法来研究不同植被类型对生态系统的贡献。
例如,通过研究森林中乔木、灌木和草本植被的RVI,可以了解不同植被类型对森林生态系统的贡献,并为森林资源的合理利用提供科学依据。
三、归一化植被指数法的优缺点归一化植被指数法是一种简单而有效的统计方法,可以帮助我们了解生态系统中植被的种类和特征,以及对生态系统的贡献。
归一化植被指数法的主要优点是简单易用,结果准确可靠。
由于其分类方法基于乔木、灌木和草本植被,并且每个类别的权重为1,因此可以很好地反映植被的种类和特征。
1989—2019年库布齐沙漠植被覆盖度的时空变化
第42卷第2期2022年4月水土保持通报B u l l e t i no f S o i l a n d W a t e rC o n s e r v a t i o nV o l .42,N o .2A pr .,2022收稿日期:2021-08-17 修回日期:2021-11-10资助项目:国家重点研发专项 不同气候区固沙新材料研发㊁筛选与施配技术及效果研究 (2018Y F C 0507101) 第一作者:吴小燕(1996 ),女(汉族),内蒙古自治区鄂尔多斯市人,硕士研究生,研究方向为荒漠化防治㊂E m a i l :2514054621@q q .c o m ㊂ 通讯作者:高永(1962 ),男(汉族),内蒙古自治区包头市人,教授,博士生导师,主要从事荒漠化防治研究㊂E m a i l :139********@163.c o m ㊂1989 2019年库布齐沙漠植被覆盖度的时空变化吴小燕1,高永1,党晓宏1,张超1,杜斌2,张海龙2,包晓英1(1.内蒙古农业大学沙漠治理学院,内蒙古呼和浩特010018;2.内蒙古自治区航空遥感测绘院,内蒙古呼和浩特010018)摘 要:[目的]探究库布齐沙漠近1989 2019年植被覆盖度的时空动态变化规律,为库布齐沙漠植被恢复及生态建设提供理论参考和基础数据㊂[方法]以1989 2019年每5a 为1期(共7期)的L a n d s a t 影像为数据源,结合归一化植被指数(N D V I )像元二分法模型,利用E N V I 5.3和A r c G I S10.2分析库布齐沙漠19892019年植被覆盖度(F V C )时空动态变化特征㊂[结果]①在时间变化上,近30a 间库布齐沙漠植被覆盖度整体呈增长趋势,平均植被覆盖度由0.104增长到0.243㊂在空间分布上,库布齐沙漠植被覆盖度呈现由西向东㊁向北增加的特征㊂②库布齐沙漠植被覆盖在1999 2004年和2009 2014年均呈现退化趋势,平均植被覆盖度分别减少0.053和0.054,退化面积分别为3870.22和6093.59k m 2,退化程度均以植被覆盖度减少10%~30%为主㊂[结论]1989 2019年库布齐沙漠植被覆盖度总体有所改善,未来该区生态修复重点关注低植被覆盖区域㊂关键词:植被覆盖度;N D V I ;L a n d s a t 数据;时空变化;库布齐沙漠文献标识码:A 文章编号:1000-288X (2022)02-0300-07中图分类号:Q 948文献参数:吴小燕,高永,党晓宏,等.1989 2019年库布齐沙漠植被覆盖度的时空变化[J ].水土保持通报,2022,42(2):300-306.D O I :10.13961/j .c n k i .s t b c t b .2022.02.040;W u X i a o y a n ,G a o Y o n g ,D a n gX i a o h o n g ,e t a l .T e m p o r a l a n d s p a t i a l v a r i a t i o no f v e g e t a t i o n c o v e r a g e i nK u b u qi D e s e r t f r o m1989t o 2019[J ].B u l l e t i no f S o i l a n d W a t e rC o n s e r v a t i o n ,2022,42(2):300-306.T e m p o r a l a n dS p a t i a lV a r i a t i o no fV e g e t a t i o nC o v e r a ge i n K u b u qiD e s e r t f r o m1989t o 2019W uX i a o y a n 1,G a oY o n g 1,D a n g X i a o h o n g 1,Z h a n g C h a o 1,D uB i n 2,Z h a n g H a i l o n g 2,B a oX i a o y i n g1(1.C o l l e g e o f D e s e r tC o n t r o l ,I n n e rM o n g o l i aA g r i c u l t u r a lU n i v e r s i t y ,H o h o t ,I n n e rM o n gl i a 010018,C h i n a ;2.I n n e rM o n g o l i aI n s t i t u t e o f A e r o n a u t i c a lR e m o t eS e n s i n g a n dS u r v e y i n g ,H o h o t ,I n n e rM o n gl i a 010018,C h i n a )A b s t r a c t :[O b j e c t i v e ]T h e t e m p o r a l a n d s p a t i a l v a r i a t i o no f v e g e t a t i o n c o v e r a g e i n t h eK u b u q i D e s e r t d u r i n g 1989 2019w a s e x p l o r e d i n o r d e r t o p r o v i d e t h e n e c e s s a r y t h e o r e t i c a l b a s i s a n d s u p p o r t f o r e c o l o gi c a l r e s t o r a t i o n o f t h e l o c a l a r e a .[M e t h o d s ]L a n d s a t i m a g e s a c q u i r e d e v e r yf i v e y e a r s f r o m1989t o 2019w a s u s e d ,c o m b i n e d w i t h t h en o r m a l i z e dd i f f e r e n c e v eg e t a t i o n i n d e x (N D V I )m o d e l ,E N V I 5.3,a n dA r c G I S10.2t oa n a l yz e t h e f r a c t i o n a l v e g e t a t i o nc o v e r a g e (F V C )v a r i a t i o no f t h e K u b u q iD e s e r td u r i n g 1989 2019.[R e s u l t s ]①I n t e r m s o f t e m p o r a l v a r i a t i o n ,t h e a v e r a g e f r a c t i o n a l v e g e t a t i o nc o v e r a g eo f t h eK u b u qiD e s e r t i n c r e a s e d f r o m 0.104t o0.243d u r i n g 1989 2019.I nt e r m so f s p a t i a l d i s t r i b u t i o n ,f r a c t i o n a l v e g e t a t i o nc o v e r a g e i n c r e a s e d f r o m w e s t t o e a s t a n d n o r t h i n t h eK u b u q i D e s e r t .②T h e f r a c t i o n a l v e g e t a t i o n c o v e r a g e o f t h eK u b u qi D e s e r t d e c l i n e d d u r i n g 1999 2004a n d 2009 2014.T h e a v e r a g e f r a c t i o n a l v e g e t a t i o nc o v e r a g e f o r t h o s e t w o p e r i o d sd e c r e a s e db y 0.053a n d 0.054,r e s p e c t i v e l y ,a n dt h ed e g r a d e da r e a sw e r e3870.22k m 2a n d6093.59k m 2,r e s p e c t i v e l y.[C o n c l u s i o n ]O n t h ew h o l e ,t h ev e g e t a t i o nc o v e r a g eo f t h eK u b u q iD e s e r t i n c r e a s e dd u r i n g 1989 2019.I n t h e f u t u r e ,l o c a l e c o l o g i c a l r e s t o r a t i o ne f f o r t s s h o u l d f o c u s o n t h e l o wv e g e t a t i o n c o v e r a ge a r e a s .K e y w o r d s :f r a c t i o n a l v eg e t a t i o n c o v e r a g e ;N D V I ;L a n d s a t d a t a ;t e m p o r a l a n d s p a t i a l v a r i a t i o n ;K u b u q iD e s e r t 植被覆盖度(f r a c t i o n a l v e ge t a t i o nc o v e r ,F V C )在一定程度上表征植被生长状况㊁检测环境变化㊁衡量生态质量[1-2],是衡量区域植被变化情况甚至是区域生态环境变化的一个重要指标[3]㊂目前对于植被覆盖度提取方法主要分为实地测量和遥感影像提取,但实地测量耗时费力,只适用于小区域的植被覆盖度提取,并且结果受人为因素的影响较大,具有一定的局限性[4-6],因此并不适宜在较大的空间尺度上进行植被覆盖度动态变化的研究㊂遥感方法相较于实地测量在时效性㊁数据获取㊁测量范围等方面都存在着明显优势,适合大范围及长时间序列植被覆盖度监测[7-8]㊂其中,基于归一化植被指数(n o r m a l i z e d d i f f e r e n c e v e g e t a t i o n I n d e x,N D V I)像元二分法模型进行区域植被覆盖度研究应用较为广泛[9-11],在提取长时间序列和大范围植被覆盖度时,其利用植被指数区分无植被覆盖区域和植被覆盖区域,从而估算区域植被覆盖度,通过设定阈值对区域植被覆盖面积进行提取,结果具有较高的精度及科学性[12-13]㊂库布齐沙漠位于干旱半干旱区,生态环境相对脆弱,植被的动态变化在一定程度上影响着下一阶段区域的植物保护㊁生态规划和建设㊂目前学者们已经明晰了库布齐沙漠植被特征㊁土壤特征等[14-18],对长时序植被覆盖度变化动态监测的结果止于2013年[19],之后的植被动态鲜有报道㊂鉴于此,本文以L a n d s a t 遥感数据为数据源,利用N D V I像元二分法模型分析库布齐沙漠1989 2019年植被覆盖度的变化规律,从时间和空间尺度探究库布齐沙漠植被覆盖度动态变化,以期为库布齐沙漠植被恢复及生态建设提供一定的参考和基础理论数据㊂1研究区概况与研究方法1.1研究区概况库布齐沙漠位于107ʎ3'07ᵡ 111ʎ23'06ᵡE, 40ʎ34'22ᵡ 41ʎ48'29ᵡN,地处鄂尔多斯高原脊线的北部,内蒙古自治区鄂尔多斯市的杭锦旗㊁达拉特旗和准格尔旗的部分地区,面积约1.86ˑ104k m2,属典型温带大陆性干旱 半干旱季风气候,年平均气温6.0~7.5ħ,沙漠东部年均降水量约400mm,向西逐渐递减至150mm,年蒸发2100~2700mm,呈由东向西递增趋势㊂西北风为冬半年盛行风向,年均风速3.5m/s,其中春季平均风速为4.9m/s,最大风速为22m/s,年大风日数25~35d,主要集中在春季㊂库布齐沙漠植被主要包括:沙冬青(A m m o p i p t a n t h u s m o n g o l i c u s)㊁霸王(Z y g o p h y l l u m x a n t h o x y l o n)㊁四合木(T e t r a e n a m o n g o l i c a)㊁梭梭(H a l o x y l o n a mm o d e n d r o n)㊁藏锦鸡儿(C a r a g a n at i b e t i c a)㊁柠条锦鸡儿(C a r a g a n ak o r s h i n s k i i)㊁沙蒿(A r t e m i s i a d e s e r t o r u m)㊁沙柳(S a l i xc h e i l o p h i l a)等㊂1.2数据来源本研究以1989 2019年每5年1期共7期的L a n d s a t影像为数据源,其中1989,1994,1999,2004和2009年选用的是L a n d s a t4 5T M影像15景, 2014和2019年L a n d s a t8O L I影像6景,共7期21景遥感影像,分辨率均为30m,轨道号为127/32, 128/32,129/32㊂为保证影像和地物之间均具有可比性,7期影像获取时间均属于库布齐沙漠植被生长季(6 9月)㊂1.3研究方法利用E N V I5.3软件对数据进行辐射定标㊁大气校正㊁影像镶嵌等预处理㊂植被覆盖度计算采用基于归一化植被指数(N D V I)像元二分法模型[20-22],计算公式为:F V C=(N D V I-N D V I m i n)(N D V I m a x-N D V I m i n)式中:F V C表示植被覆盖度;N D V I m i n为N D V I最小值,表示裸土或无植被覆盖区域的N D V I值;N D V I m a x 为N D V I最大值,表示完全由植被所覆盖的纯植被像元值㊂因外界条件变化会对N D V I m i n值㊁N D V I m a x值产生影响,所以对N D V I m a x和N D V I m i n赋值时需要结合影像的时相与当地实际情况,本研究分别取N D V I 的5%和95%代表N D V I m i n和N D V I m a x㊂)参考相关文献[23-24]对于植被覆盖度的划分,并结合库布齐沙漠实际情况,将研究区植被覆盖测度结果划分为以下4个等级:①低植被覆盖度(0<F V Cɤ0.1);②中低植被覆盖区(0.1<F V Cɤ0.3);③中植被覆盖区(0.3<F V Cɤ0.5);④高植被覆盖区(0.5<F V Cɤ1)㊂通过空间统计1989 2019年影像低植被覆盖区㊁中低植被覆盖区㊁中植被覆盖区和高植被覆盖区比例㊂利用A r c G I S10.2,根据质心计算方法,分别计算不同等级植被覆盖度1989 2019年各期遥感影像的重心坐标,并绘制植被覆盖度重心迁移图[25-26],从而体现库布齐沙漠各级植被覆盖度在空间分布上的变化趋势㊂为能够更直观地体现出库布齐沙漠1989 2019年的植被覆盖度变化情况,利用G I S空间统计分析方法,分别将不同年份同一区域的植被覆盖度数据进行相减,获取植被覆盖度变化数据,数值为正表示植被覆盖度增加,植被覆盖情况改善;数值为负表示植被覆盖度减少,植被覆盖情况退化;若数值变化不明显,则说明植被覆盖基本未变㊂根据研究区植被覆盖度变化程度,将其划分为7个等级[27-28],分别为减少50%以上,减少30%~50%,减少10%103第2期吴小燕等:1989 2019年库布齐沙漠植被覆盖度的时空变化~30%,基本未变,增加10%~30%,增加30%~ 50%,增加50%以上㊂2结果与分析2.1库布齐沙漠植被覆盖度时序变化特征由图1可知,1989 2019年库布齐沙漠植被覆盖度整体呈现增长趋势,平均植被覆盖度由0.104增长到0.243㊂其中,平均植被覆盖度1994 1999年变化较小,仅减少0.002,而1999 2004年㊁2009 2014年这两个时间段出现较大波动,均呈下降趋势,分别减少0.053,0.054㊂低植被覆盖区占比总体呈降低趋势,其中1999 2004年㊁2009 2014年呈增加趋势,占比分别增加6.81%和24.44%,低植被覆盖区占比在1989 2014年只减少4.78%,而2014 2019年减少30.86%;中低植被覆盖度占比变化不明显,总体保持平稳;中植被覆盖区占比呈增加趋势, 1989 2014年增加5.14%,而2014 2019年增加11.9%;高植被覆盖区占比呈增加趋势,1989 2014年增加6.13%,而2014 2019年增加2.38%㊂图1库布齐沙漠1989—2019年植被覆盖度变化情况2.2库布齐沙漠植被覆盖度空间变化特征1989 2019年库布齐沙漠植被覆盖度在空间分布上呈现由西向东㊁向北增加的趋势㊂由重心迁移图发现,库布齐沙漠低植被覆盖度和中低植被覆盖度的重心向西迁移,中植被覆盖度和高植被覆盖度的重心均向东迁移(图2 3)㊂从各时间段植被覆盖度分布图来看,低植被覆盖度区域在沙漠的西部㊁中部及南部部分地区减少,尤其是在2014 2019年减少明显,减少总面积达5747.24k m2,但1999 2004年㊁2009 2014年低植被覆盖度区域在沙漠的中部㊁西部和南部有所增加,2009 2014年增加尤为明显,增加总面积达4552.52k m2㊂中植被覆盖度区域整体增加,变化主要发生在沙漠的东部㊁东南部及南部部分地区,但在1994 1999年㊁1999 2004年和2009 2014年中植被覆盖度区域均有小面积的减少,减少总面积分别为225.42k m2,277.33k m2, 679.97k m2㊂高植被覆盖度区域整体呈增加趋势,变化主要发生在东北部㊁北部和西北部边缘以及中部小面积区域,特别是在2019年,高植被覆盖度面积达2367.12k m2,仅在1999 2004年高植被覆盖度区域发生小范围减少,减少总面积为845.63k m2,主要在北部和西北部边缘减少㊂中低植被覆盖度区域在1989 2004年变化不明显,在2004 2019年有小幅度的变化,主要发生在沙漠西部㊁南部和中部的部分地区(图2 3,表1)㊂表1不同等级植被覆盖度面积统计k m2年份低植被覆盖度中低植被覆盖度中植被覆盖度高植被覆盖度198912931.334182.43726.17782.87 19948805.646038.951982.911795.31 19998892.766072.871757.491899.69 200410161.15927.491480.161054.06 20097489.587051.592363.611718.03 201412042.12973.911683.641923.11 20196294.866061.283899.552367.12 2.3库布齐沙漠植被覆盖度的变化程度通过对库布齐沙漠植被覆盖度变化程度分析(图4,表2),总体来看,1989 2019年库布齐沙漠植被覆盖改善面积有所增加,退化面积有所减少㊂从各个时段来看,1989 1994年植被覆盖以改善为主,改善面积为5830.77k m2,改善区域主要分布在沙漠东部㊁西部和北部边缘,改善程度以植被覆盖度增加10%~30%为主,占改善总面积的74.51%;1994 1999年植被覆盖度基本保持不变,改善面积与退化面积相差仅有247.45k m2;1999 2004年植被覆盖以退化为主,退化面积为3870.22k m2,退化区域主要分布在沙漠北部和南部边缘,退化程度以植被覆盖度减少10%~30%为主,占退化总面积的71.45%;2004 2009年植被覆盖以改善为主,改善面积为4664.78k m2,改善区域主要分布在沙漠东部㊁北部及中部小部分地区,改善程度以植被覆盖度增加10%~30%为主,占改善总面积的78.70%;2009 2014年植被覆盖以退化为主,退化面积为6093.59k m2,退化区域主要分布在沙漠西部和中部,退化程度以植被覆盖度减少10%~30%为主,占退化总面积的86.11%; 2014 2019年植被覆盖以改善为主,改善面积达8880.53k m2,改善区域主要分布在沙漠东部㊁南部和北部地区,改善程度以植被覆盖度增加10%~ 30%为主,占改善总面积的82.24%㊂203水土保持通报第42卷图2库布齐沙漠1989 2019年植被覆盖度空间分布图3库布齐沙漠1989 2019年植被覆盖度重心迁移路径303第2期吴小燕等:1989 2019年库布齐沙漠植被覆盖度的时空变化图4 库布齐沙漠1989 2019年植被覆盖度变化程度表2 库布齐沙漠1989 2019年植被覆盖度变化程度面积统计k m 2时期减少50%以上减少30%~50%减少10%~30%基本不变增加10%~30%增加30%~50%增加50%以上增加总面积减少总面积1989 199438.20102.92407.2312242.944344.35957.99528.435830.77548.351994 1999189.32436.382040.8813537.111638.01449.42331.702419.132666.581999 2004361.28743.802765.1413512.851043.07162.6833.981239.733870.222004 200950.09166.95759.8212981.173670.96688.55305.274664.78976.862009 2014225.74620.745247.1110583.611205.24421.37315.531942.146093.592014 2019344.58383.79905.618104.847303.621291.00285.918880.531633.982.4 库布齐沙漠1989 2019年气温和降水的变化由图5可以看出,近30a 来研究区年均降水量总体呈增加趋势,年均气温虽呈上升趋势但总体较为平稳㊂多年平均降水量为293.45mm ,多年平均气温为7.83ħ,其中1999 2004年年均降水量为270.01m m ,较多年平均值低23.44mm ,相应时期研究区年均气温为8.00ħ,高于多年平均值0.17ħ;20092011年年均降水量仅为237.61mm ,较多年平均值低55.84mm ,相应时期年均气温为7.86mm ,高于多年平均值0.03ħ,虽然在2012年降水量大幅度增加,达到年均降水量最大值(411.70mm ),但植被对降水的响应存在滞后[29],所以1999 2004年㊁2009 2014年研究区处于相对干旱的时期㊂3 讨论降水和气温是影响沙漠地区植被覆盖度变化的主要气候因子[30-31]㊂李朝生等[32]同样研究发现库布齐沙漠影响植被的主要限制因子是水分,降水的变化对植被产生较大的影响;而气温的变化会对蒸腾作用产生影响,从而在一定程度会影响降水对植被的作403 水土保持通报 第42卷用㊂通过研究发现,在时间变化上,库布齐沙漠植被覆盖度在1989 2019年整体呈增长趋势,平均植被覆盖度由0.104增长到0.243,这可能与近30a研究区年均降水量总体增加,年均气温虽上升但总体较为平稳有关㊂研究区1999 2004年和2009 2014年植被覆盖度降低,平均植被覆盖度分别减少了0.053和0.054,退化面积分别为3870.22和6093.59k m2,分析其原因可能是由于1999 2004年和2009 2014年研究区处于相对干旱的时期,并且1999 2014年植被覆盖度总体呈现降低的趋势,累积平均植被覆盖度减少0.043,且变化程度以减少为主,减少面积与增加面积相差3094.02k m2,该结论与王黎[19]所得出的2002 2013年研究区植被覆盖度提高不同,这可能是由于所采用的遥感数据时序不同以及对植被覆盖度分级划分标准不同所导致,其在时序上是以1981 2002年㊁2002 2013年两个时期分析植被覆盖度变化,而本文选取每5a一个时期分析植被覆盖度变化㊂在空间分布上,库布齐沙漠植被覆盖度呈现由西向东㊁向北增加的特征,这与何亮等[33]㊁田海静等[34]的研究结果一致,并且郑玉峰等[35]研究得出1969 2018年库布齐沙漠降水量在空间分布上呈由西向东递增的趋势,气温在空间分布上呈由西向东降低的趋势,这与本文研究得出的库布齐沙漠植被覆盖度的空间分布特征存在一定关联㊂图5库布齐沙漠1989 2019年年均降水量㊁气温变化趋势植被覆盖变化是气候㊁人为等多种因素共同作用的结果㊂研究期间 三北防护林体系 ㊁封沙育林育草及 库布齐沙漠生态建设项目 等生态项目的建设对研究区植被覆盖度增加起到一定促进作用,但是随着经济发展及人口的增多,居民地的增加及城镇化水平的提高在一定程度上造成植被的减少[36],并且人类活动多种多样,对植被覆盖的影响也较为复杂,所以人为因素对研究区植被覆盖的影响还需进一步研究㊂4结论(1)在时间变化上,1989 2019年库布齐沙漠植被覆盖度整体呈增长趋势,平均植被覆盖度由0.104增长到0.243㊂在空间分布上,库布齐沙漠植被覆盖度呈现由西向东㊁向北增加的特征㊂(2)库布齐沙漠植被覆盖在1999 2004年和2009 2014年均呈现退化趋势,平均植被覆盖度分别减少了0.053和0.054,退化面积分别为3870.22和6093.59k m2,退化程度均以植被覆盖度减少10% ~30%为主㊂[参考文献][1]郭辉,黄粤,李向义,等.基于多尺度遥感数据的塔里木河干流地区植被覆盖动态[J].中国沙漠,2016,36(5): 1472-1480.[2] F e n g H u i h u i,Z o uB i n,L u oJ u h u a.C o v e r a g e-d e p e n d e n ta m p l i f i e r so fv e g e t a t i o n c h a n g eo n g l ob a l w a t e rc y c l ed y n a m i c s[J].J o u r n a lo f H y d r o l o g y,2017,550(4):220-229.[3]王翠萍,田小雄,王凤帅.库布齐沙漠中段沙化土地植被状况及治理程度研究[J].内蒙古林业调查设计,2020,43(3):1-4,16.[4]W i l s o nA D,A b r a h a m N A,B a r r a t tR,e t a l.E v a l u a-t i o no f m e t h o d so fa s s e s s i n g v e g e t a t i o nc h a n g ei nt h es e m i-a r i dr a n g e l a n d s o f S o u t h e r n A u s t r a l i a[J].t h eR a n g e l a n d J o u r n a l,1987,9(1):5-13.[5]张云霞,李晓兵,陈云浩.草地植被盖度的多尺度遥感与实地测量方法综述[J].地球科学进展,2003,18(1):85-93.[6]路广,韩美,王敏,等.近代黄河三角洲植被覆盖度时空变化分析[J].生态环境学报,2017,26(3):422-428. [7]甘春英,王兮之,李保生,等.连江流域近18年来植被覆盖度变化分析[J].地理科学,2011,31(8):1019-1024.[8]王薪宇.江西省植被覆盖度时空变化及驱动因素分析[J].科学技术创新,2021(25):42-43.[9]刘广峰,吴波,范文义,等.基于像元二分模型的沙漠化地区植被覆盖度提取:以毛乌素沙地为例[J].水土保持研究,2007,14(2):268-271.[10]李姣,张春来,李庆,等.近15年来呼伦贝尔沙地土地沙漠化发展及其驱动力[J].北京师范大学学报(自然科学版),2017,53(3):323-328.[11]王华,杨乾鹏,郭山川,等.L a n d s a t时序数据支持下的藏东南植被时空变化监测[J].测绘通报,2020,524(11):7-12,38.[12]周丹,沈彦俊,陈亚宁,等.西北干旱区荒漠植被生态需水量估算[J].生态学杂志,2015,34(3):670-680. [13]吕丹红,姜琦刚,王德军,等.L a n d s a t数据的植被覆盖估算和景观格局分析[J].测绘科学,2018,43(11):157-164.503第2期吴小燕等:1989 2019年库布齐沙漠植被覆盖度的时空变化[14]李梓豪,李卓凡,王晓江,等.库布齐沙漠种子植物区系研究[J].内蒙古林业科技,2019,45(3):46-50. [15]张立欣,段玉玺,王伟峰,等.库布齐沙漠不同植被类型群落特征与土壤有机质㊁全氮㊁含水量关系研究[J].江西农业大学学报,2015,37(6):1044-1051. [16]刘源,段玉玺,王博,等.库布齐东段典型人工固沙林土壤水分时空变化特征[J].西北林学院学报,2021,36(1):1-8.[17]刘江,袁勤,张立欣,等.库布齐沙漠北缘不同人工灌木林地土壤肥力质量状况[J].西北林学院学报,2021,36(2):46-53.[18]聂素梅,高丽,闫志坚.库布齐沙漠植被特征与土壤营养状况的研究[J].草业科学,2010,27(8):23-28. [19]王黎,郭燕宇,清华,等.1981 2013年库布齐沙地植被覆盖度变化分析[J].环境与发展,2015,27(2):46-48.[20]张成才,娄洋,李颖,等.基于像元二分模型的伏牛山地区植被覆盖度变化[J].水土保持研究,2020,27(3):301-307.[21]井梅秀,蔡福,王学江,等.三江源区植被覆盖度空间特征[J].干旱区资源与环境,2020,34(2):141-147. [22]王瑾,闫庆武,谭学玲,等.内蒙古地区植被覆盖动态及驱动因素分析[J].林业资源管理,2019(4):159-167.[23]郭紫晨,刘树林,康文平,等.2000 2015年毛乌素沙区植被覆盖度变化趋势[J].中国沙漠,2018,38(5):1099-1107.[24]高鹏文,阿里木江㊃卡斯木,赵永玉,等.1988 2018年哈密绿洲植被覆盖度时空变化及其驱动力[J].水土保持通报,2020,40(6):273-280,287.[25]戴学军,杨楚铃,刘雪婷.基于R S的惠州市植被覆盖度的变化特征分析[J].惠州学院学报,2020,40(4):24-29.[26]吴佳梅,彭秋志,黄义忠,等.中国植被覆盖变化研究遥感数据源及研究区域时空热度分析[J].地球科学进展,2020,35(9):978-989.[27]何兰,董光,陈佳丽,等.若尔盖高寒高原植被覆盖及变化研究[J].科技通报,2021,37(3):1-8. [28]郭继凯,吴秀芹,董贵华,等.基于MO D I S/N D V I的塔里木河流域植被覆盖变化驱动因素相对作用分析[J].干旱区研究,2017,34(3):621-629.[29]王海军,靳晓华,李海龙,等.基于G I S和R S的中国西北N D V I变化特征及其与气候变化的耦合性[J].农业工程学报,2010,26(11):194-203.[30]杨怡,吴世新,庄庆威,等.2000 2018年古尔班通古特沙漠E V I时空变化特征[J].干旱区研究,2019,36(6):1512-1520.[31]刘婵,赵文智,刘冰,等.基于无人机和MO D I S数据的巴丹吉林沙漠植被分布特征与动态变化研究[J].中国沙漠,2019,39(4):92-102.[32]李朝生,丁一汇,李泽椿,等.气候变化对库布齐沙漠生态环境的影响及其适应性对策初探[J].沙漠与绿洲气象,2007,1(5):1-5.[33]何亮,梁海荣,李钢铁,等.近20年杭锦旗植被覆盖变化特征及驱动力分析[J].生态与农村环境学报,2021,37(5):587-596.[34]田海静,曹春香,戴晟懋,等.准格尔旗植被覆盖度变化的时间序列遥感监测[J].地球信息科学学报,2014,16(1):126-133.[35]郑玉峰,奇奕轩,全宇,等.库布齐沙漠及周边地区五十年气候变化特征[J].内蒙古林业科技,2019,45(4):47-49.[36]刘珞丹,李晶,柳彩霞,等.2000 2015年长江经济带植被覆盖时空变化特征及影响因素分析[J].水土保持研究,2021,28(6):330-336,347,3.603水土保持通报第42卷。
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。
近２０_年荆州市归一化植被指数时空演变特征及其对空气质量的影响
盖度和植被生长状态ꎬ 值域为 － １ ~ １ꎮ ＮＤＶＩ< ０ 表
示地面覆盖为水系、 冰雪或云层等ꎬ 对可见光高
( Ｎａｔｉｏｎａｌ Ａｅｒｏｎａｕｔｉｃｓ ａｎｄ Ｓｐａｃｅ Ａｄｍｉｎｉｓｔｒａｔｉｏｎꎬ
反射ꎻ ＮＤＶＩ > ０ 表示地表有植被生长ꎬ 其值越高
( ｈｔｔｐｓ: / / ｎｅｏ. ｓｃｉｇｓｆｃ. ｎａｓａ. ｇｏｖ ) ꎬ 空 间 分 辨 率 为
(０ ８８０) ꎮ 因此ꎬ 增加植被覆盖、 构建完善城市绿网始终是城市生态环境建设的重要方向ꎮ
关键词: 归一化植被指数 ( ＮＤＶＩ) ꎻ 空气质量ꎻ 相关性分析ꎻ 荆州市
ＤＯＩ: １０.１２１６９ / ｚｇｃｓｌｙ.２０２２.１２.０７.０００１
Ｓｐａｔｉｏ￣ｔｅｍｐｏｒａｌ Ｅｖｏｌｕｔｉｏｎ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ Ｖｅｇｅｔａｔｉｏｎ ＮＤＶＩ
标、 辐射误差的特点以及时间序列长、 运算简便
生物量情况的重要参数ꎬ 被普遍应用于植被动态
监测和植被年际变化研究
[５]
ꎮ 目前已有研究大多
ＮＤＶＩ 数据源分析 ２０００—２０１９ 年荆州市植被 ＮＤＶＩ
格局可持续发展提供参考ꎮ
是关于高原和流域地区植被 ＮＤＶＩ 时空演变与气
１ 研究区概况
斯特地区、 黄河流域、 长江流域等植被覆盖演变
Ａｂｓｔｒａｃｔ: Ｔｈｅ ｑｕａｎｔｉｔａｔｉｖｅ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｓｐａｔｉｏ￣ｔｅｍｐｏｒａｌ ｃｈａｎｇｅｓ ｏｆ ｖｅｇｅｔａｔｉｏｎ
ａｎｄ ａｉｒ ｑｕａｌｉｔｙ ｈｅｌｐｓ ｐｒｅｄｉｃｔ ｒｅｇｉｏｎａｌ ｅｃｏｓｙｓｔｅｍ ｈｅａｌｔｈ. Ｗｉｔｈ ｔｈｅ ｄａｔａ ｏｎ ＭＯＤ１３Ａ３ ＮＤＶＩ ａｎｄ ａｉｒ ｑｕａｌｉｔｙꎬ
基于地理探测器的太行山NDVI时空变化及其驱动力分析
江西农业学报㊀２０２１，３３（０６）：９８ １０４ＡｃｔａＡｇｒｉｃｕｌｔｕｒａｅＪｉａｎｇｘｉ㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀ＤＯＩ：１０．１９３８６／ｊ．ｃｎｋｉ．ｊｘｎｙｘｂ．２０２１．０６．０１７基于地理探测器的太行山ＮＤＶＩ时空变化及其驱动力分析王炜，刘海新，高叶鹏，文韶鑫㊀㊀收稿日期：２０２０－１０－１２基金项目：河北省社会科学发展研究课题（２０１９０３１２０３００３）；河北省邯郸市科技项目（１７２１２０３０４８－２）㊂作者简介：王炜（１９９５─），女，河南郑州人，硕士研究生，研究方向：生态环境遥感㊂（河北工程大学矿业与测绘工程学院，河北邯郸０５６０３８）摘㊀要：基于１９８２ ２０１５年ＧＩＭＭＳＮＤＶＩ数据，探究了太行山３４ａ来的植被覆盖状况，分析了ＮＤＶＩ的空间分布特征及其趋势变化；同时，基于地理探测器模型，结合自然因素和人为因素，探讨了各因子对太行山ＮＤＶＩ空间分布影响力的大小㊂结果表明：（１）太行山区的ＮＤＶＩ呈现波动上升的趋势，植被覆盖状况总体以改善为主；（２）各因子对ＮＤＶＩ分布影响程度的排序为：气温＞坡向＞土壤类型＞降水量＞地貌＞植被类型＞ＤＥＭ＞坡度＞人口＞ＧＤＰ，其中气温㊁坡向㊁土壤类型㊁降水的影响力均大于１０％，而ＧＤＰ和人口均小于１％；（３）任意２个影响因素的交互作用都为增强，其中气温和坡向结合对研究区ＮＤＶＩ空间分布的影响力最大（ｑ＝０．３２８１）㊂人为因素在与自然因素相互作用之后，影响力有了很大幅度的提升㊂关键词：ＧＩＭＭＳ－ＮＤＶＩ；太行山；空间分布；地理探测器；驱动力中图分类号：Ｘ８７㊀文献标志码：Ａ㊀文章编号：１００１－８５８１（２０２１）０６－００９８－０７ＡｎａｌｙｓｉｓｏｆＳｐａｔｉｏｔｅｍｐｏｒａｌＣｈａｎｇｅｓａｎｄＤｒｉｖｉｎｇＦｏｒｃｅｓｏｆＮＤＶＩｉｎＴａｉｈａｎｇＭｏｕｎｔａｉｎＢａｓｅｄｏｎＧｅｏｇｒａｐｈｉｃＤｅｔｅｃｔｏｒＷＡＮＧＷｅｉ，ＬＩＵＨａｉ－ｘｉｎ，ＧＡＯＹｅ－ｐｅｎｇ，ＷＥＮＳｈａｏ－ｘｉｎ（ＣｏｌｌｅｇｅｏｆＭｉｎｉｎｇａｎｄＧｅｏｍａｔｉｃｓ，ＨｅｂｅｉＵｎｉｖｅｒｓｉｔｙｏｆＥｎｇｉｎｅｅｒｉｎｇ，Ｈａｎｄａｎ０５６０３８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＢａｓｅｄｏｎＧＩＭＭＳＮＤＶＩｄａｔａｆｒｏｍ１９８２ｔｏ２０１５，ｔｈｅｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｓｔａｔｕｓｏｆＴａｉｈａｎｇＭｏｕｎｔａｉｎｉｎｔｈｅｐａｓｔ３４ｙｅａｒｓｗａｓｅｘｐｌｏｒｅｄ，ａｎｄｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｃｈａｎｇｅｔｒｅｎｄｗｅｒｅａｎａｌｙｚｅｄ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ａｇｅｏｇｒａｐｈｉｃｄｅｔｅｃｔｏｒｍｏｄｅｌｂａｓｅｄｏｎｓｔａｔｉｓｔｉｃａｌｐｒｉｎｃｉｐｌｅｗａｓｕｓｅｄｔｏｅｘｐｌｏｒｅｔｈｅｉｎｆｌｕｅｎｃｅｏｆｖａｒｉｏｕｓｆａｃｔｏｒｓｏｎｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆＮＤＶＩｉｎＴａｉｈａｎｇＭｏｕｎｔａｉｎ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅＮＤＶＩｏｆＴａｉｈａｎｇＭｏｕｎｔａｉｎａｒｅａｓｈｏｗｅｄａｎｕｐｗａｒｄｔｒｅｎｄｏｆｆｌｕｃｔｕａｔｉｏｎ，ａｎｄｔｈｅｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｗａｓｍａｉｎｌｙｉｍｐｒｏｖｅｄ．ＦｏｒＮＤＶＩｓｐａｔｉａｌｄｉｆｆｅｒｅｎｔｉａｔｉｏｎ，ｔｈｅｏｒｄｅｒｏｆｉｎｆｌｕｅｎｃｅｄｅｇｒｅｅｏｆｅａｃｈｆａｃｔｏｒｗａｓａｓｆｏｌ⁃ｌｏｗｓ：ｔｅｍｐｅｒａｔｕｒｅ＞ａｓｐｅｃｔ＞ｓｏｉｌｔｙｐｅ＞ｐｒｅｃｉｐｉｔａｔｉｏｎ＞ｌａｎｄｆｏｒｍ＞ｖｅｇｅｔａｔｉｏｎｔｙｐｅ＞ＤＥＭ＞ｓｌｏｐｅ＞ｐｏｐｕｌａｔｉｏｎ＞ＧＤＰ．Ｔｈｅｉｎ⁃ｆｌｕｅｎｃｅｏｆｔｅｍｐｅｒａｔｕｒｅ，ａｓｐｅｃｔ，ｓｏｉｌｔｙｐｅａｎｄｐｒｅｃｉｐｉｔａｔｉｏｎｗａｓｍｏｒｅｔｈａｎ１０％，ｗｈｉｌｅＧＤＰａｎｄｐｏｐｕｌａｔｉｏｎｗｅｒｅｌｅｓｓｔｈａｎ１％．Ｔｈｅｉｎｔｅｒａｃｔｉｏｎｂｅｔｗｅｅｎａｎｙｔｗｏｆａｃｔｏｒｓｗａｓｅｎｈａｎｃｅｄ，ａｎｄｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｔｅｍｐｅｒａｔｕｒｅａｎｄａｓｐｅｃｔｈａｄｔｈｅｇｒｅａｔｅｓｔｉｎｆｌｕｅｎｃｅｏｎｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆＮＤＶＩｉｎｔｈｅｓｔｕｄｙａｒｅａ（ｑ＝０．３２８１）．Ａｆｔｅｒｔｈｅｉｎｔｅｒａｃｔｉｏｎｂｅｔｗｅｅｎｈｕｍａｎｆａｃｔｏｒｓａｎｄｎａｔｕｒａｌｆａｃ⁃ｔｏｒｓ，ｔｈｅｉｎｆｌｕｅｎｃｅｈａｓｂｅｅｎｇｒｅａｔｌｙｉｍｐｒｏｖｅｄ．Ｋｅｙｗｏｒｄｓ：ＧＩＭＭＳ－ＮＤＶＩ；ＴａｉｈａｎｇＭｏｕｎｔａｉｎ；Ｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎ；Ｇｅｏｇｒａｐｈｉｃａｌｄｅｔｅｃｔｏｒ；Ｄｒｉｖｉｎｇｆｏｒｃｅ㊀㊀植被是环境生态系统的重要组成部分，在保持土壤㊁调节气候和维持生态环境稳定方面发挥着十分重要的作用［１］㊂归一化植被指数（ＮＤＶＩ）能够对植被生长状态进行检测，是表征区域地表植被覆盖的最佳指示因子［２］㊂随着环境的变化和人类社会的发展，人们对于生态环境的保护越来越重视，ＮＤＶＩ的分布状况和影响因素也越来越受到人们的关注［３－８］㊂太行山区主要分布在半湿润和半干旱区域，气候类型主要为暖温带半湿润大陆性季风气候㊂其位于我国华北平原和黄土高原的过渡地区，保护着京津冀和华北平原地区，但同时也是生态敏感区，自然生态环境容易受到自然和人为因素的干扰，又是我国水土流失情况较为严重的地区之一［９－１１］㊂目前，已有大量文献基于ＮＤＶＩ数据对植被的动态变化进行相关研究，以ＮＤＶＩ代表研究区植被状况得到了广泛的应用［１２－１５］㊂例如，代子俊等［１６］利用ＧＩＭＭＳＮＤＶＩ３ｇ．Ｖ１数据分析了青海省３４ａ生长季节植被的ＮＤＶＩ时空变化特征，结果表明，近３４ａ青海省的ＮＤＶＩ呈增长趋势，且大部分区域的植被呈改善趋势㊂张亮等［１７］利用ＧＩＭＭＳＮＤＶＩ数据探讨了长江流域地区的植被覆盖变化特征，以及植被对气候和人类活动干扰的响应机制，发现长江流域６９．７７％区域植被覆盖度呈上升趋势㊂关于太行山区以往的植被覆盖状况研究中，研究时期大多是从２０００年开始，且对影响因素的探究多为气象因素，即气温和降水为主，辅以高程㊁坡度等地形影响因素［１０，１１，１８，１９］㊂因此本文基于１９８２ ２０１５年的ＧＩＭＭＳＮＤＶＩ数据，探讨了太行山区３４ａ的植被变化特征，并使用地理探测器工具，定量分析了多种影响因素对研究区ＮＤＶＩ影响力的大小㊂１㊀研究区概况太行山区位于３４．５７ʎ ４０．７８ʎＮ，１１０．２３ʎ １１６．５８ʎＥ之间，位于山西省与华北平原之间，总体呈东北－西南走势，山脉绵延４００余ｋｍ㊂它处于中国地形第二阶梯的东部，地形整体呈现北面高南面低特征，海拔大部分在１２００ｍ以上㊂研究区内由于高程和地理位置的变化，导致植被生长和分布情况也呈现出一定的差异，其中农田或建设用地多分布在较为平坦的地区，而地形陡峭地段多为林地或草地［１１］，东西部的植被类型也有较大的差异，东部主要是以落叶阔叶林为主，而西侧则主要是森林草原［２０］㊂２㊀研究数据与方法２．１㊀数据来源及预处理研究数据包括ＮＤＶＩ㊁气温㊁降水㊁高程㊁地貌㊁土壤类型㊁植被类型㊁ＧＤＰ和人口㊂ＮＤＶＩ数据来源于来自于ＮＡＳＡ官网（ｈｔｔｐｓ：／／ｅｃｏｃａｓｔ．ａｒｃ．ｎａｓａ．ｇｏｖ／ｄａｔａ／ｐｕｂ／ｇｉｍｍｓ／３ｇ．ｖ１／），温度和降水数据下载于国家气象数据中心（ｈｔｔｐ：／／ｄａｔａ．ｃｍａ．ｃｎ／），其余数据均来源于资源环境云平台（ｈｔｔｐ：／／ｗｗｗ．ｒｅｓｄｃ．ｃｎ）㊂ＮＤＶＩ数据的时间跨度为１９８２年的１月至２０１５年的１２月，空间分辨率为８ｋｍˑ８ｋｍ，时间分辨率为１５ｄ［２１］㊂温度和降水量数据是由中国地面气候资料月值数据集通过插值得到的，其余数据为处理好的栅格数据集㊂从高程数据中提取坡度和坡向数据后，对影响因素数据进行裁剪和重采样等预处理，使其与ＮＤＶＩ数据具有相同的投影坐标并保持像元大小一致㊂根据曹峰等［２２］的研究，对数值量数据气温㊁降水㊁ＤＥＭ㊁坡度㊁ＧＤＰ㊁人口和ＮＤＶＩ进行分类处理，而类型量数据坡度㊁土壤类型㊁植被类型和地貌数据采用直接整理的方式㊂之后在ＡｒｃＧＩＳ软件中，按照８ｋｍˑ８ｋｍ的格网，生成２０６６个各网点㊂２．２㊀研究方法２．２．１㊀最大值合成法㊀最大值合成法可以进一步消除大气㊁云㊁太阳高度角等对遥感影像的影响，在国内外被广泛应用［１０，２３］㊂因此本文采用该方法，以１５ｄ的ＮＤＶＩ数据为基础，获取研究区的月ＮＤＶＩ数据㊂其计算公式如下㊂ＮＤＶＩｍ＝Ｍａｘ［ＮＤＶＩａ，ＮＤＶＩｂ］（１）式（１）中，ｍ表示月份，取值范围１ １２；ＮＤＶＩｍ表示ｍ月的ＮＤＶＩ值，ＮＤＶＩａ㊁ＮＤＶＩｂ分别表示了ｍ月上半旬和下半旬的ＮＤＶＩ值㊂２．２．２㊀趋势分析㊀基于１９８２ ２０１５年的ＮＤＶＩ数据，通过一元线性回归分析，获得ＮＤＶＩ的变化趋势，计算公式如下㊂θｓｌｏｐｅ＝ｎˑðｎｉ＝１（ｉˑＮＤＶＩｉ）－ðｎｉ＝１ｉðｎｉ＝１ＮＤＶＩｉｎˑðｎｉ＝１ｉ２－（ðｎｉ＝１ｉ）２（２）式（２）中：θｓｌｏｐｅ表示变化斜率，当θｓｌｏｐｅ＞０时，表示ＮＤＶＩ呈上升趋势；当θｓｌｏｐｅ＜０，表示ＮＤＶＩ呈下降趋势㊂ｉ为年序号，ＮＤＶＩｉ表示第ｉ年的ＮＤＶＩ值㊂２．２．３㊀地理探测器㊀地理探测器是一种对数据要求低㊁运算速度较快且精确度高的空间分析模型，被广泛应用于探测环境污染㊁植被覆盖变化㊁土地利用等方面［２４］㊂地理探测器主要由因子探测㊁风险区探测㊁交互作用探测和生态探测４个部分组成㊂因子探测器是可以探测影响因子对因变量空间分布的解释力大小［２５］㊂用ｑ值度量，表达式为：ｑ＝１－ðＬｈ＝１Ｎｈσｈ２Ｎσ２（３）式（３）中，ｈ＝１，２， ，Ｌ为变量Ｙ或因子Ｘ的分层，即分类或分区；Ｎｈ和Ｎ分别为层ｈ和全区的单元数；σｈ和σ分别是层ｈ和全区的Ｙ值的方差㊂ｑ的取值范围为０ １，如果因变量Ｙ是由自变量Ｘ影响的，则ｑ值越大表示自变量Ｘ对因变量Ｙ的解释力越强，反之则越弱㊂利用交互探测器来探测影响因子Ｘｉ，即气温㊁降水量㊁高程㊁坡度㊁坡向㊁地貌㊁土壤类型㊁植被类９９㊀６期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀王炜等：基于地理探测器的太行山ＮＤＶＩ时空变化及其驱动力分析型㊁ＧＤＰ和人口在影响ＮＤＶＩ空间分布上是否有交互作用，并且可以探测出不同影响因素之间的交互作用，即评估影响因子Ｘ１和Ｘ２共同影响ＮＤＶＩ时是增加或者是减弱对ＮＤＶＩ的影响程度，将作用类型分为５类［２５］，具体见表１㊂表１㊀影响因子交互作用的判断依据判断依据交互作用ｑ（Ｘ１ɘＸ２）＜Ｍｉｎ（ｑ（Ｘ１），ｑ（Ｘ２））非线性减弱Ｍｉｎ（ｑ（Ｘ１），ｑ（Ｘ２））＜ｑ（Ｘ１ɘＸ２）＜Ｍａｘ（ｑ（Ｘ１），ｑ（Ｘ２））单因子非线性减弱ｑ（Ｘ１ɘＸ２）＞Ｍａｘ（ｑ（Ｘ１），ｑ（Ｘ２））双因子增强ｑ（Ｘ１ɘＸ２）＝ｑ（Ｘ１）＋ｑ（Ｘ２）独立ｑ（Ｘ１ɘＸ２）＞ｑ（Ｘ１）＋ｑ（Ｘ２）非线性增强㊀㊀生态探测，用于探测２个影响因子对ＮＤＶＩ空间分布的影响是否存在显著性差异㊂而风险探测器，探测因子对ＮＤＶＩ变化是否具有风险性，指示因子在不同等级范围内对ＮＤＶＩ时空变化的影响［２６］㊂３㊀结果与分析３．１㊀太行山植被覆盖空间分布状况基于１９８２ ２０１５年月值ＮＤＶＩ数据提取每年最大ＮＤＶＩ值，得到年ＮＤＶＩ数据，由此获得年ＮＤＶＩ变化拟合曲线和年均ＮＤＶＩ空间分布图㊂由图１可知，近３４ａ来，研究区ＮＤＶＩ呈波动上升趋势，变化率为０．００１４３／ａ㊂其中１９８２ １９９０年间的年际变化趋势最为明显，其增长幅度达到了０．００４８／ａ，远大于整体的变化趋势；之后到１９９３年，ＮＤＶＩ出现明显的下降趋势；１９９１ ２００７年间ＮＤＶＩ值的变化具有明显的波动性，整体呈上升趋势，其增长幅度为０．００１１／ａ；２００８ ２０１５年期间，研究区的ＮＤＶＩ值呈波动下降的趋势，变化幅度为－０．００１３／ａ㊂３４ａ间的年均ＮＤＶＩ最低是１９８４年的０．３７２６，最高为２００８年的０．４４４８㊂㊀㊀从空间分布上来看（图２ａ），整个研究区南部的植被覆盖状况比北部好，结合土地利用数据和高程数据可知，ＮＤＶＩ较低的区域大多是耕地㊁城乡㊁工矿和居民用地㊁高海拔地区，其中耕地主要集中在研究区边缘以及山西省的长治市和晋中市境内，且两市由于特殊的盆地地貌，都较为适合农作物的生长；而高海拔地区主要分布在西北的五台山和小五台山地区，该地区由于地脉较多，且受到高海拔地区气候较为恶劣的影响，植被覆盖状况相对较差㊂ＮＤＶＩ值较高的区域，其土地类型多为草地和林地，具有较高的植被覆盖度㊂㊀㊀由图２ｂ可知，研究区ＮＤＶＩ改善区域远大于退化区域，其中增加趋势所占的比例达到９３．０１％，且极显著增加的比例高达７２．４３％，而显著和极显著减少区域所占的比例为１．８３％，零星地分布在河南省的安阳市㊁河北省的邯郸市和鹿泉市以及山西省的平遥县㊂图１㊀研究区３４ａ年均ＮＤＶＩ的变化趋势３．２㊀植被覆盖空间分布的主导影响因子以研究区多年的平均ＮＤＶＩ作为因变量Ｙ，气温㊁降水㊁ＤＥＭ㊁坡度㊁坡向㊁地貌㊁土壤类型㊁植被类型㊁ＧＤＰ和人口１０个重分类后的数据为影响因子Ｘ，使用地理探测器模型对这些影响因素进行分析，统计了各个影响因子的ｑ值（图３）㊂同时，也对影响因子做生态探测来探讨不同影响因子之间对ＮＤＶＩ空间分布影响是否存在显著性差异，结果见表２㊂由图３可以得出，各影响因子对应的ｑ值按照大小排序为：气温＞坡向＞土壤类型＞降水量＞地貌＞植被类型＞ＤＥＭ＞坡度＞人口＞ＧＤＰ㊂依据ｑ值大小来看，气温㊁坡向㊁土壤类型㊁降水量是影响研究区ＮＤＶＩ的主要因素，解释力均在１０％以上；地貌㊁植被类型㊁ＤＥＭ㊁坡度为次要影响因素，其解释力在１％ １０％之间；ＧＤＰ和人口对研究区ＮＤＶＩ的解释力大小均低于１％，说明太行山区ＮＤＶＩ受ＧＤＰ和人口的直接影响较小㊂总体来看，太行山区ＮＤＶＩ的空间分布是由人为因素和自然因素共同作用的，其中，气温㊁坡向㊁００１江㊀西㊀农㊀业㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀３３卷降水量和地貌对ＮＤＶＩ的影响较大，而人为影响因素ＧＤＰ和人口的影响程度较小㊂图２㊀研究区３４ａ年均ＮＤＶＩ空间分布（ａ）和３４ａ年均ＮＤＶＩ变化趋势空间分布（ｂ）㊀㊀表２为生态探测的结果，从表２可以看出，降水㊁ＤＥＭ㊁土壤类型㊁坡度㊁坡向㊁人口与其他因子之间无显著差异；地貌与气温之间存在显著性差异，与其他因子之间没有显著性差异；植被类型与气温之间也存在显著性差异，与其他因子之间没有显著性差异㊂表２㊀１９８２ ２０１５年ＮＤＶＩ分布影响解释力的生态探测指标气温降水ＤＥＭ地貌土壤类型植被类型ＧＤＰ人口坡度坡向气温降水ＮＤＥＭＮＮ地貌ＹＮＮ土壤类型ＮＮＮＮ植被类型ＹＮＮＮＮＧＤＰＮＮＮＮＮＮ人口ＮＮＮＮＮＮＮ坡度ＮＮＮＮＮＮＮＮ坡向ＮＮＮＮＮＮＮＮＮ㊀注：采用显著性水平为０．０５的Ｆ检验，Ｙ：Ｙｅｓ，表示２种因子在对ＮＤＶＩ影响上存在显著性差异；Ｎ：Ｎｏ，表示无显著性差异㊂图３㊀１９８２ ２０１５年ＮＤＶＩ分布影响解释力指标３．３㊀影响因子的交互作用交互探测和生态探测的结果可知（表３），任意２个影响因子的交互的作用都大于单个影响因子，即影响ＮＤＶＩ的分布状况不是由单一因子所造成的，而是由不同影响因子之间相互作用共同作用的㊂其中气温与坡向的交互作用的ｑ值最高，为０．３２８１㊂此外，气温与降水（０．３２５１）㊁气温与地貌（０．３１１９）交互作用也都达到了３０％以上，表明气温㊁坡度㊁降水除了单个影响力较高之外，交互作用之后对研究区ＮＤＶＩ的影响程度更高，而地貌在与气温交互作用之后，影响力有所上升，表明合适的气温与地貌更有利于促进植被的生长㊂整体上，ＧＤＰ和人口与各个因子的交互作用的ｑ值都比单个的ｑ值要高，解释了人为影响因子在与其他因子相结合之后对研究区ＮＤＶＩ的影响力有所增大㊂交互作用的探测结果表明：各个影响因子之间都存在着增强的作用，其中坡向和土壤类型，土壤类型和植被类型㊁地貌㊁降水㊁气温，植被类型和地貌，地貌和坡度都呈双因子增强，其他２个影响因子之间都呈现非线性增强的作用㊂结果表明，研究区ＮＤＶＩ的分布不是由单一的影响因素所造成的，并且任意２个影响因子的交互作用也并不是１０１㊀６期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀王炜等：基于地理探测器的太行山ＮＤＶＩ时空变化及其驱动力分析这２个因子之间影响力的简单相加㊂表３㊀影响ＮＤＶＩ分布的驱动因子之间的交互作用ＸɘＹｑ（Ｘ）ｑ（Ｙ）ｑ（ＸɘＹ）交互关系坡向ɘ土壤类型０．１４９９０．１２３９０．２６３０双因子增强坡向ɘ植被类型０．１４９９０．０７１８０．２３１８非线性增强坡向ɘ地貌０．１４９９０．０８４６０．２４５３非线性增强坡向ɘ降水０．１４９９０．１２０１０．２８２２非线性增强坡向ɘ气温０．１４９９０．１６８１０．３２８１非线性增强坡向ɘＤＥＭ０．１４９９０．０３５１０．１９２８非线性增强坡向ɘ坡度０．１４９９０．０１９８０．２３８８非线性增强坡向ɘＧＤＰ０．１４９９０．００８８０．１７１２非线性增强坡向ɘ人口０．１４９９０．００６９０．１８１１非线性增强土壤类型ɘ植被类型０．１２３９０．０７１８０．１８２２双因子增强土壤类型ɘ地貌０．１２３９０．０８４６０．１８８６双因子增强土壤类型ɘ降水０．１２３９０．１２０１０．２１８３双因子增强土壤类型ɘ气温０．１２３９０．１６８１０．２６３５双因子增强土壤类型ɘＤＥＭ０．１２３９０．０３５１０．１８４１非线性增强土壤类型ɘ坡度０．１２３９０．０１９８０．１５４０非线性增强土壤类型ɘＧＤＰ０．１２３９０．００８８０．１５０６非线性增强土壤类型ɘ人口０．１２３９０．００６９０．１５３８非线性增强植被类型ɘ地貌０．０７１８０．０８４６０．１３５５双因子增强植被类型ɘ降水０．０７１８０．１２０１０．２３６８非线性增强植被类型ɘ气温０．０７１８０．１６８１０．２６８１非线性增强植被类型ɘＤＥＭ０．０７１８０．０３５１０．１７６１非线性增强植被类型ɘ坡度０．０７１８０．０１９８０．１０１８非线性增强植被类型ɘＧＤＰ０．０７１８０．００８８０．０８７３非线性增强植被类型ɘ人口０．０７１８０．００６９０．０９２０非线性增强地貌ɘ降水０．０８４６０．１２０１０．２５０７非线性增强地貌ɘ气温０．０８４６０．１６８１０．３１１９非线性增强地貌ɘＤＥＭ０．０８４６０．０３５１０．２１１６非线性增强地貌ɘ坡度０．０８４６０．０１９８０．１０４８双因子增强地貌ɘＧＤＰ０．０８４６０．００８８０．１１２４非线性增强地貌ɘ人口０．０８４６０．００６９０．１１２６非线性增强降水ɘ气温０．１２０１０．１６８１０．３２５１非线性增强降水ɘＤＥＭ０．１２０１０．０３５１０．１７６４非线性增强降水ɘ坡度０．１２０１０．０１９８０．１８１８非线性增强降水ɘＧＤＰ０．１２０１０．００８８０．１４３８非线性增强降水ɘ人口０．１２０１０．００６９０．１６５６非线性增强气温ɘＤＥＭ０．１６８１０．０３５１０．２３９３非线性增强气温ɘ坡度０．１６８１０．０１９８０．２４５３非线性增强气温ɘＧＤＰ０．１６８１０．００８８０．１９７３非线性增强气温ɘ人口０．１６８１０．００６９０．２４３４非线性增强ＤＥＭɘ坡度０．０３５１０．０１９８０．１２９９非线性增强ＤＥＭɘＧＤＰ０．０３５１０．００８８０．０７２７非线性增强ＤＥＭɘ人口０．０３５１０．００６９０．０６８５非线性增强坡度ɘＧＤＰ０．０１９８０．００８８０．０４９１非线性增强坡度ɘ人口０．０１９８０．００６９０．０４２７非线性增强ＧＤＰɘ人口０．００８８０．００６９０．０３６９非线性增强４㊀讨论本研究利用ＮＤＶＩ数据，探讨了太行山地区植被覆盖的空间分布状况，并且利用地理探测器工具定量分析了ＮＤＶＩ分布的主要影响因素和不同影响因素之间的交互作用㊂结果表明，太行山区多年来ＮＤＶＩ整体呈波动上升的趋势，研究区植被覆盖状况趋于改善，在空间分布上，南部的植被覆盖状况比北部好；低海拔㊁耕地和城市工矿用地区域的植被覆盖较低，而草地㊁林地区域的植被覆盖状况较好㊂在研究区中，气温㊁坡向㊁土壤类型和降水是影响ＮＤＶＩ分布的主要驱动因素，其次是地貌㊁植２０１江㊀西㊀农㊀业㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀３３卷被类型㊁ＤＥＭ和坡度，人口和ＧＤＰ的影响最小㊂温度和降水量能够对植被的生长产生直接影响，温度适宜和降水量充足会对植被的生长有一定的促进作用㊂坡向对于植被的影响也主要通过温度来表现，阳坡光照较为充足，气温较高，湿度较低；对比之下，阴坡的光照较弱，温度较低，含水量高㊂植物的生长也在一定程度上受土壤类型的影响，风险区探测的结果表明，研究区内淋溶土和半淋溶土是较为适宜植物生长的土壤类型，而针阔混交林㊁落叶阔叶林㊁常绿阔叶－落叶阔叶混交林等的草本植物则是主要分布在淋溶土分布区中，因此植被类型也在一定程度上是由土壤类型所决定的，这些植被对研究区的植被状况有一定的改善作用㊂ＤＥＭ也与气温有一定的关系，随着海拔的升高，气温会逐渐降低㊂由此可以得出，研究区ＮＤＶＩ分布的影响并不是由单一因素所决定的，各个因素之间互相联系，共同影响了研究区ＮＤＶＩ的空间分布㊂研究中人口和ＧＤＰ对ＮＤＶＩ空间分布的影响相对较低，在与其他影响因子相结合之后，影响力会增强，人类活动会受地形㊁气候等因素的影响，例如海拔较低，降水量充沛，土地利用类型多为人类活动居住用地，该区域人口较为密集，人类活动比较集中；而在海拔较高的中部和西北部，土地利用类型多为林地和草地，人口数量也较少，经济发展也较为落后㊂而从２００２年开始实施的退耕还林政策和生态环境保护工作的持续推进，也会在一定程度上改善研究区的植被覆盖状况㊂人类活动对植被的影响有正有负［２７］，城镇的发展和人类的活动会对植被造成负面影响，而退耕还林等生态环境保护工作的推进又在一定程度上改善了植被状况㊂本文所选取的ＧＤＰ和人口２个人为因素，仅探讨出其对ＮＤＶＩ影响力的大小，而对其具体造成的影响类型没有具体体现㊂本文对研究区ＮＤＶＩ空间分布的影响因素进行了探究，选取了多种影响因子来分析其对ＮＤＶＩ空间分布的影响作用㊂研究区ＮＤＶＩ整体呈现改善的趋势，但是还有局部地区呈现退化的趋势，对影响因子的选择较少，在接下来的研究中可以选取更多的影响因子，来进一步探讨研究区ＮＤＶＩ变化的驱动因素，并且可以探讨影响因子的一个动态变化过程，对研究区ＮＤＶＩ的变化驱动力的分析进行探究㊂５ 结论（１）３４ａ来，太行山区的年均ＮＤＶＩ呈现波动上升，植被覆盖状况整体呈现改善的趋势，在空间分布上，南部植被覆盖状况较北部好，整个研究区植被覆盖呈现出南高北低㊁中部交叉分布的特征㊂（２）气温是太行山区ＮＤＶＩ分布的最主要影响因素，其次为坡向㊁土壤类型和植被㊂ＧＤＰ和人口２个人为因素对ＮＤＶＩ的影响程度较低㊂（３）不同影响因子交互作用对ＮＤＶＩ的影响都呈现增强的作用，表明ＮＤＶＩ的分布不是由单一因子所决定的，而是由多种影响因子共同作用㊂其中气温和坡向，气温与降水，气温与地貌的交互作用对ＮＤＶＩ的影响程度较大，表明气候因素还是影响研究区ＮＤＶＩ空间分布最主要的因素㊂参考文献：［１］裴志林，杨勤科，王春梅，等．黄河上游植被覆盖度空间分布特征及其影响因素［Ｊ］．干旱区研究，２０１９，３６（３）：５４６－５５５．［２］顾娟，李新，黄春林．基于时序ＭＯＤＩＳＮＤＶＩ的黑河流域土地覆盖分类研究［Ｊ］．地球科学进展，２０１０，２５（３）：３１７－３２６．［３］朱丽君，蒙吉军，李江风．河北省植被覆盖变化及对生态建设工程的响应［Ｊ］．北京大学学报：自然科学版，２０２０，５６（４）：７５５－７６４．［４］唐见，曹慧群，陈进．生态保护工程和气候变化对长江源区植被变化的影响量化［Ｊ］．地理学报，２０１９，７４（１）：７６－８６．［５］俱战省，杨青森，邢培茹．１９８７ ２０１５年嘉陵江源区植被覆盖度时空变化特征［Ｊ］．地球与环境，２０２０，４８（４）：４５２－４６０．［６］宫诏健，田景仁，陈杰，等．基于ＭＯＤＩＳＮＤＶＩ数据的辽宁省玉米种植面积提取研究［Ｊ］．江西农业学报，２０２０，３２（９）：１１９－１２６．［７］向凯旋，张喜，刘济明，等．石漠区柏木林植物多样性指数与土壤理化指标的相关性［Ｊ］．南方农业学报，２０１９，５０（８）：１７７１－１７７８．［８］毛转梅，陈劲松，彭尔瑞，等．甘肃省植被覆盖时空变化趋势研究［Ｊ］．江西农业学报，２０２０，３２（３）：１２５－１３０．［９］刘晗，吕斌．太行山区牛叫河小流域土地可持续利用模式探讨［Ｊ］．地理研究，２０１２，３１（６）：１０５０－１０５６．［１０］李薇，谈明洪．太行山区不同坡度ＮＤＶＩ变化趋势差异分析［Ｊ］．中国生态农业学报，２０１７，２５（４）：５０９－５１９．［１１］李晓荣，高会，韩立朴，等．太行山区植被ＮＰＰ时空变化特征及其驱动力分析［Ｊ］．中国生态农业学报，３０１㊀６期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀王炜等：基于地理探测器的太行山ＮＤＶＩ时空变化及其驱动力分析２０１７，２５（４）：４９８－５０８．［１２］邓元杰，姚顺波，侯孟阳，等．长江流域中上游植被ＮＤＶＩ时空变化及其地形分异效应［Ｊ］．长江流域资源与环境，２０２０，２９（１）：６６－７８．［１３］王君，杨晓梅，隋立春，等．西安市１９９５ ２０１６年植被覆盖度动态变化监测及景观格局分析［Ｊ］．生态科学，２０１９，３８（６）：１－１１．［１４］刘正才，屈瑶瑶．基于ＳＰＯＴ－ＶＧＴ数据的湖南省植被变化及其对气候变化的响应［Ｊ］．北京林业大学学报，２０１９，４１（２）：８０－８７．［１５］刘家琰，谢宗强，申国珍，等．基于ＳＰＯＴ－ＶＥＧＥＴＡＴＩＯＮ数据的神农架林区１９９８ ２０１３年植被覆盖度格局变化［Ｊ］．生态学报，２０１８，３８（１１）：３９６１－３９６９．［１６］代子俊，赵霞，李冠稳，等．基于ＧＩＭＭＳＮＤＶＩ３ｇ．ｖ１的近３４年青海省植被生长季ＮＤＶＩ时空变化特征［Ｊ］．草业科学，２０１８，３５（４）：７１３－７２５．［１７］张亮，丁明军，张华敏，等．１９８２ ２０１５年长江流域植被覆盖度时空变化分析［Ｊ］．自然资源学报，２０１８，３３（１２）：２０８４－２０９７．［１８］李新元，王莉，景海涛，等．２０００ ２０１５年太行山地区ＮＤＶＩ变化及驱动因素分析［Ｊ］．湖北农业科学，２０２０，５９（９）：７０－７６．［１９］ＨｕＳ，ＷａｎｇＦ，ＺｈａｎＣ，ｅｔａｌ．ＤｅｔｅｃｔｉｎｇａｎｄａｔｔｒｉｂｕｔｉｎｇｖｅｇｅｔａｔｉｏｎｃｈａｎｇｅｓｉｎＴａｉｈａｎｇＭｏｕｎｔａｉｎ，Ｃｈｉｎａ［Ｊ］．ＪｏｕｒｎａｌｏｆＭｏｕｎｔａｉｎＳｃｉｅｎｃｅ，２０１９，１６（２）：３３７－３５０．［２０］化春光．消夏太行山，畅爽天地间［Ｊ］．旅游时代，２０１５（６）：４６－４７．［２１］范松克，郝成元．２００１ ２０１６年河南省ＮＤＶＩ时空变化特征分析［Ｊ］．江苏农业学报，２０１９，３５（４）：８６０－８６７．［２２］ＣａｏＦ，ＧｅＹ，ＷａｎｇＪＦ．Ｏｐｔｉｍａｌｄｉｓｃｒｅｔｉｚａｔｉｏｎｆｏｒｇｅｏ⁃ｇｒａｐｈｉｃａｌｄｅｔｅｃｔｏｒｓ－ｂａｓｅｄｒｉｓｋａｓｓｅｓｓｍｅｎｔ［Ｊ］．ＧＩＳｃｉｅｎｃｅ＆ＲｅｍｏｔｅＳｅｎｓｉｎｇ，２０１３，５０（１）：７８－９２．［２３］马守存，保广裕，郭广，等．１９８２ ２０１３年黄河源区植被变化趋势及其对气候变化的响应［Ｊ］．干旱气象，２０１８，３６（２）：２２６－２３３．［２４］熊小菊，廖春贵，陈月连，等．地理因子对北部湾经济区植被覆盖的影响［Ｊ］．江苏农业科学，２０１９，４７（７）：２６８－２７３．［２５］王劲峰，徐成东．地理探测器：原理与展望［Ｊ］．地理学报，２０１７，７２（１）：１１６－１３４．［２６］王伟，阿里木㊃赛买提，吉力力㊃阿不都外力．基于地理探测器模型的中亚ＮＤＶＩ时空变化特征及其驱动因子分析［Ｊ］．国土资源遥感，２０１９，３１（４）：３２－４０．［２７］盛叶子，曾蒙秀，林德根，等．２０００ ２０１４年人类活动对贵州省植被净初级生产力的影响［Ｊ］．中国岩溶，２０２０，３９（１）：６２－７０．（责任编辑：曾小军）４０１江㊀西㊀农㊀业㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀３３卷。
2000-2014年乌鲁木齐市植被覆盖度时空变化分析
2000-2014年乌鲁木齐市植被覆盖度时空变化分析李培先;郑江华;刘萍【摘要】以乌鲁木齐市2000，2006，2010和2014年TM／ETM＋／OLI影像为数据源，基于NDVI的像元二分模型生成植被覆盖度图，再与ASTER GDEM数据生成的海拔、坡度、坡向图进行空间图像叠加，分析植被覆盖分布特征和变化原因。
15年来研究区植被覆盖度总体呈现先整体下降，然后以2006年为拐点显著回升的U型趋势。
较2006年，2014年乌鲁木齐县北部和米东区东北部的温带半灌木、矮半灌木荒漠有一定改善；米东区北部温带矮半乔木荒漠和达坂城区的温带丛生矮禾草、矮半灌木荒漠草原改善显著。
地形因子和植被覆盖类型影响了植被覆盖水平的分布格局，夏季当月及上月降水量对研究区植被覆盖尤其荒漠草地影响显著，草地与灌丛的变动性大于林地。
经济活动与生态工程建设等是植被覆盖变化的驱动因素。
荒漠草原覆盖度受自然和人为因子的耦合作用大，应加强保护力度。
近年来大规模实施系列林草业工程对全市植被覆盖度提高、生态环境改善起到了重要作用。
%Based on four periods of remote sensing images of TM/ETM+/OLI (2000,2006,2010 and 2014)and digital elevation model of ASTER GDEM,the vegetation fractional cover distribution maps in the four periods were got by conducting the pixel dichotomy model using NDVI (Normalized Difference Vegetation Index). Further,the vegetation coverage level maps in the four periods were overlaid with alti-tude map,slope gradient map and slope aspect map respectively. The map were generated using digital el-evation model ASTER GDEM to calculate and analyze the distributions and variations of vegetation cover in the horizontal and vertical direction. Finally the temporal and spatial changes of vegetation fractional cover,thevegetation improvement/degradation and the driving forces were analyzed. Massive degradation and significant improvement like the shape of U and the 2006 as a turning point showed the trends of veg-etation fractional cover in the four periods. Compared with 2006,the vegetation cover of temperate semi-shrubby and dwarf semi-shrubby desert region in the north of Urumqi County and in the northeast of Mi-dong District were improved to some extent. And the vegetation cover of temperate dwarf semi-arboreou desert in the north of Midong District and temperate dwarf needlegrass,dwarf semi-shrubby desert steppe in Dabancheng District were improved more significantly in 2014. Therefore,the distributions and varia-tions of vegetation cover in Urumqi city was affected by natural factors such as precipitation,terrain factors (elevation,slope,aspect)and vegetation cover type and so on,as well as anthropogenic factors including economic activity and ecological conservation program. Desert grassland coverage had stronger instability, which was coupled by natural and anthropogenic factors,so we should improve the level of protection. Especially,a variety of ecological protection projects of forestry and grass in recent years in Urumqi city were carried out on a large scale,which played a vital role in the promotion of vegetation frac-tional cover and improvement of the ecological environment of Urumqi city.【期刊名称】《林业资源管理》【年(卷),期】2016(000)004【总页数】8页(P88-95)【关键词】植被覆盖度;归一化植被指数(NDVI);植被变化趋势;地形因子;乌鲁木齐【作者】李培先;郑江华;刘萍【作者单位】新疆大学资源与环境科学学院，乌鲁木齐830046;新疆大学资源与环境科学学院，乌鲁木齐830046; 新疆大学绿洲生态教育部重点实验室，乌鲁木齐830046;华南农业大学林学院，广州510642【正文语种】中文【中图分类】TP79;S757.2植被覆盖度指单位面积内植被地上部分(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比[1]。
- 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)。
表 ２ 波段光谱对应表
蓝光波段 Ｌａｎｄｓａｔ５ＴＭ Ｂａｎｄ１ Ｌａｎｄｓａｔ８ＯＬＩ Ｂａｎｄ２
绿光波段 Ｂａｄ４
Ｂａｎｄ４
Ｂａｎｄ５
!!"#$$! !%$$$! !%$&$$! '%!$$! #$% %$$) & -./0 '() -
表示地物红光波段的反射率；ＮＤＶＩ的值是从 －１到 １之间的连 续 实 数，负 值 表 示 地 面 有 云、水、雪 等 对 可见光高反射的物体；０值表示地面覆盖类型为岩 石或是裸土等，ＮＩＲ和 Ｒ的值近似相等；正值表示地 面覆盖类型为植被，且覆盖度越大，正值越大。
本文利用的 Ｌａｎｄｓａｔ卫星的遥感影像的光谱所 对应的波段见表 ２，图 １为青岛市 ２００６年和 ２０１０年 的 ＮＤＶＩ分布图。
第 ３６卷第 ５期
中 国 锰 业
２０１８年 １０月
ＣＨＩＮＡ′ＳＭＡＮＧＡＮＥＳＥＩＮＤＵＳＴＲＹ
Ｖｏｌ．３６Ｎｏ．５ Ｏｃｔ．２０１８
利用归一化植被指数分析地表植被覆盖的时空变化
胡德陛
（青海省有色地质矿产勘查院，青海 西宁 ８１０００４）
摘 要：归一化植被指数和植被覆盖度是研究城市植被覆盖时空演变特征的常用遥感数据处理模 型。利用 Ｌａｎｄｓａｔ卫星于 ２００６、２０１０和 ２０１４年同时期获取的覆盖山东省青岛市的多光谱遥感影像 数据，基于 ＮＤＶＩ和植被覆盖度指数模型，开展了植被覆盖度时空动态变化特征及其演化过程的定 量分析，并在此基础上分析了变化原因。 关键词：Ｌａｎｄｓａｔ；ＮＤＶＩ；植被覆盖度；时空变化
２０４
中 国 锰 业
第 ３６卷
息提取带 来 的 不 利 影 响［４］。 本 文 中 在 综 合 考 虑 了 不同常用的遥感影像处理软件的情况下，选择了处 理效率高且算法集成度高的 ＥＮＶＩ对本文采用的遥 感影像进行相关的预处理，通过大气校正和辐射校 正等一系列的数据校正等预处理过程，初步完成对 研究区遥感影像预处理，为后续准确估算植被覆盖 做好相应的数据准备。
１２０／３５ ３０ｍ １６ｄ ２００９／３／２５ Ｌ２ ＦＡＳＴＢ
Ｌａｎｄｓａｔ８０ＬＩ１２０／３４ ３０ｍ １６ｄ ２０１４／４／８ Ｌ１Ｔ ＧＥＯＴＩＦＦ
１２０／３５ ３０ｍ １６ｄ ２０１４／４／８ Ｌ１Ｔ ＧＥＯＴＩＦＦ
２ 研究方法
２．１ 归一化植被指数 在获取遥感影像的过程中，传感器成像会受到
在植被遥感中，ＮＤＶＩ应用广泛，由于其对植被 覆盖较 为 敏 感，因 此 适 用 于 植 被 类 型 变 化 的 检 测［５］。ＮＤＶＩ的定 义 为，近 红 外 波 段 与 红 光 波 段 数 据之差与两者数据之和的比值，公式如下：
ＮＤＶＩ＝ＮＮＩＩＲＲ－＋ＲＲ 其中，ＮＩＲ表示地物在近红外波段的反射率，Ｒ
建 筑 用 地 和 裸 土 为 主，其 中 耕 地 面 积 约 为 ４９８８ｋｍ２，林地面积约为 １３５３ｋｍ２，裸土面积约为 ７２２ｋｍ２。
本文利用 ２００６－２０１４年同时期 （３月 底 ４月 初）的 ｌａｎｄｓｅｔ５／ｌａｎｄｓｅｔ８遥感影像［３］，以 ４年左右为 一个 周 期 研 究 该 区 域 的 植 被 覆 盖 和 变 化 情 况。 Ｌａｎｄｓａｔ数据均来 源 于 中 科 院 遥 感 地 球 所 数 据 共 享 中心，数据详情见表 １。
１ 研究区域与数据
青岛市地处山东半岛南部，太平洋黄海西岸，位 于东经 １１９（°）３０（′）～１２１（°）００（′）、北纬 ３５（°） ３５（′）～３７（°）０９（′）之间，全市地形主要为丘陵，地 势东部高西 部 低，南 北 两 部 突 起 （丘 陵 区 ），中 间 稍 低（平原区 ），其 土 地 覆 盖 类 型 以 林 地、耕 地、草 地、
成像时大气状况、太阳高度角和卫星轨道等不同因 素的影响，使得遥感图像中记录的信号与目标实际 信号之间存在一定差别，为了能够准确地表达目标 区域地物的实际反射特征，再获取到目标区域的遥 感影像之后，首先需要对遥感图像进行辐射定标等 预处理，消除大气差异等不良因素对数据处理和信
收稿日期：２０１８－０６－１９ 作者简介：胡 德 陛 （１９８４－），男，青 海 化 隆 人，测 绘 工 程 师，研 究 方 向：工 程 测 量、无 人 机 摄 影 测 量、遥 感 解 译 等，手 机： １３９９７２８７１１７，Ｅｍａｉｌ：１０５６０５６９１＠ｑｑ．ｃｏｍ．
中图分类号：Ｑ９４８ 文献标识码：Ａ ｄｏｉ：１０．１４１０１／ｊ．ｃｎｋｉ．ｉｓｓｎ．１００２－４３３６．２０１８．０５．０４９
随着城市人口不断增加，城市化成为了发展的 必然趋势，由此产生的建筑用地扩展，农用地、其他 地类的减少是不可扭转的过程。２０世纪 ８０年代以 来，随着改革开放和社会经济发展，城市化进程尤为 迅速，合理利用土地是该城市社会经济持续有序发 展的必要前提，要保持城市扩展与保护耕地两者之 间的平衡，必须对区域土地地表覆盖类型及其变化 进行监测研究，及时准确地获取城市扩张的最新动 态信息［１］。
表 １ 陆地卫星数据特征
轨道 空间 时间 获取 传感器类型 号 分辨率 分辨率 日期
数据 级别
数据 格式
Ｌａｎｄｓａｔ５ＴＭ １２０／３４ ３０ｍ １６ｄ ２００６／４／２ Ｌ４ ＧＥＯＴＩＦＦ
１２０／３５ ３０ｍ １６ｄ ２００６／４／２ Ｌ４ ＧＥＯＴＩＦＦ Ｌａｎｄｓａｔ５ＴＭ １２０／３４ ３０ｍ １６ｄ ２０１０／３／２８ Ｌ２ ＦＡＳＴＢ