2000-2020年陕西省植被NDVI时空变化及气候因子探测

[目的]揭示陕西省不同生态系统植被时空变化,厘清不同气候因子及相互作用对植被变化的影响机制,为区域生态环境保护提供理论依据。[方法]基于MODIS NDVI及年均高温、年均低温、年均温、年总降水数据,采用Theil-Sen Median趋势、偏相关、地理探测器等方法,分析了2000—2020年各地貌分区植被NDVI时空变化特征,结合变量分离探究了植被NDVI变化与降水、气温的内部关联和响应机制。[结果]2000—2020年陕西植被NDVI波动增加,速率为5.9%/10 a,速率大小为陕北>关中>陕南;全省多年植被NDVI值为0.71,南高北低;植被NDVI显著改善区域占比67%,分区占比为陕北>陕南>关中。2000—2020年陕西气候因子随时间波动变化,速率大小为陕南>关中>陕北,空间上呈现年均高温降低、年均低温上升、年均温降低、降水增加。2000—2020年陕西及各分区植被NDVI与年均高温整体呈负相关,与年均低温、年均温、年总降水量呈正相关;全省及陕北年总降水贡献最大,关中和陕南年均高温贡献最大;年均高温与年总降水交互主导全省、陕北及陕南植被NDVI变化,年均温与年总降水的交互主导关中植被NDVI变化。[结论]研究期陕西及各分区植被整体变好,各分区植被对气候的响应关系、各因子的贡献及其相互作用不同,降水和年均高温、年均温的交互显著影响植被NDVI变化。

基于无人机多光谱NDVI值估测玉米产量

【目的】研究基于UAS-8无人机采集数据,运用归一化植被指数(Normalized Difference Vegetation Index)模型估测玉米产量,为大田无人机多光谱预测玉米产量提供理论依据。【方法】以新疆18份春播玉米为研究对象,获取开花期多光谱图像,经过辐射校正、大气校正、建立掩膜、提取NDVI图,计算植被覆盖率,得到区光谱反射率和归一化植被指数实际数值,将NDVI值与田间实测产量值进行模型拟合。【结果】幂函数Y=23411.46-10997.99/X(R^(2)=0.4886),二次函数为Y=39003.00-117963.03X+103130.25X 2(R^(2)=0.562),正反比函数(Inverse Proportional Function)为Y 2=2840.5 X/(1-X)(R^(2)=0.495),利用偏最小二乘回归(Partial Least Squares Regression),其线性函数Y=24458.22X-9620.55(R^(2)=0.521)。【结论】在数值0.5~0.8区间,NDVI与玉米产量具有较高的相关性,线性函数方程NDVI值可预测玉米的产量。

高寒气候区生长季NDVI与昼夜不对称增温的Copula分析

利用1982—2016年的青海地区归一化植被指数和气象数据,基于马尔科夫链蒙特卡罗的Copula函数方法,深入探索昼夜增温不对称性与植被活动之间的复杂关系,揭示了昼夜增温和NDVI之间的联合概率分布及其季节性差异。研究结果表明,昼夜增温与NDVI之间的关系在不同季节呈现显著差异。尤其在秋季,昼夜增温对NDVI的影响最为显著,其次是夏季和春季。通过Copula函数模型,发现昼夜增温与NDVI在特定温度区间内呈现正相关,表明适宜的温度条件下昼夜增温对植被生长具有促进作用。然而,当昼夜增温超过某一阈值时,其对NDVI的促进作用转变为抑制作用,从而限制了植被的生长。同时,还揭示了重现期与昼夜增温及NDVI之间的关系。在较低的重现期下,昼夜增温与NDVI的联合概率较高,表明在这些条件下,植被生长良好的情况出现的频率较高。反之,较高的重现期对应于昼夜增温与NDVI较低的联合概率,表明植被生长受到抑制。本研究通过Copula函数提供了一个全新的视角来理解昼夜增温与植被动态之间的相互作用,强调了气温变化对植被生长影响的复杂性。

2000—2021年渭河流域NDVI变化及其影响因素

渭河流域是黄河中游重要的生态涵养地,同时也是黄土高原水土流失的典型区域,监测该地区植被生长变化趋势,并分析其与气候变化和人类活动的关系,对科学评估区域生态建设成效、黄土高原植被恢复和生态修复具有重要意义。基于2000—2021年归一化植被指数(NDVI)、气温、降水量、人口密度、土地利用数据,分析了渭河流域NDVI的时空变化特征,探究了气候变化和人类活动对NDVI变化趋势的影响。结果表明,2000—2021年,渭河流域植被生长季NDVI呈增加趋势,全区年平均增速为0.004。年际尺度上,NDVI与年平均降水量呈正相关关系,与年平均气温的相关性不显著;月尺度上,NDVI与4月和8月的气温、降水量均呈正相关关系,与7月气温呈弱的负相关关系。人口密度变化与NDVI变化趋势呈负相关,流域人口密度的减小有利于植被的恢复和改善。土地利用类型内部变化是植被NDVI变化的主要原因。NDVI显著减少区NDVI的减少趋势主要由关中平原耕地NDVI的减少引起,NDVI显著增加区NDVI的增加趋势主要由草地、林地以及黄土丘陵区、黄土残塬区耕地NDVI的增加引起。

四川省NDVI时空演化特征研究

研究归一化植被指数(NDVI)时空演化特征可为区域生态环境保护和自然资源管理提供理论参考和技术支撑.基于2000—2019年四川省NDVI遥感数据,通过趋势分析法探讨研究区NDVI时空演变规律,结果表明,从时间尺度看,四川省NDVI总体呈增长趋势,NDVI绝对值高低与植物生长的物候时序相吻合,表现为夏季>秋季>春季>冬季;从空间尺度看,NDVI增加区域占研究区总面积的91.41%,其中,秋、冬两季是NDVI显著增长季节,其增长区域主要集中于青藏高原东缘地带.由于城镇化进程加快,龙门山和龙泉山所夹持的成都平原地带NDVI值总体呈下降趋势.

中国沿海地区植被NDVI时空变化及驱动力分析

研究植被变化对区域生态修复具有重要意义。以中国沿海地区为例,基于归一化植被指数(NDVI)和降水、夜间灯光等自然和人为因子数据,运用Theil-Sen Median趋势分析+Mann-Kendall检验、最优参数地理探测器(OPGD)、相关分析和Hurst指数,多时空尺度探讨了中国沿海地区植被NDVI时空变化规律及其驱动力。结果表明:1)2001-2020年研究区植被状况较好,NDVI多年均值为0.762,具体到各分区,东北沿海的NDVI均值最高,其次是华南沿海,华东沿海和华北沿海;全区NDVI逐年变化率为0.019/10 a(P<0.01),不同分区的上升趋势从大到小为华南沿海、东北沿海、华北沿海和华东沿海,区域内植被状况不断改善,退耕还林还草和沿海防护林等生态工程效益不断显现;2)夜间灯光指数在全区各个因子中的解释力最大(q值为0.354),人为因素对NDVI的解释力明显大于自然因素,其对植被恢复产生了积极影响,并且随时间推移逐渐增强;3)两因子结合后的解释力大于单因子,表现为双因子增强和非线性增强。在全区范围内,影响最大的一对交互作用为土壤类型∩夜间灯光,其他分区则为日照时数∩夜间灯光(东北沿海地区),土壤类型∩夜间灯光(华北沿海和华东沿海地区),人口密度∩夜间灯光(华南沿海地区),自然因素和人类活动因素作用后影响力有了显著提升,但人类活动因素仍占据主导地位;4)Hurst指数均值为0.463,未来一段时间内,研究区内植被变化有66.3%的地区表现出一定的反持续性。研究结果有利于为中国沿海地区生态保护和高质量发展提供科学支撑。

基于Sentinel-2A NDVI时间序列数据和随机森林方法的高山冷凉蔬菜识别

该研究基于Sentinel-2A卫星的归一化差值植被指数(NDVI)时间序列数据,结合随机森林(RF)分类方法,对高山冷凉蔬菜种植区域进行精准识别与分类。以西吉县为研究区,利用2023年覆盖高山冷凉蔬菜全生育期的Sentinel-2A遥感数据,构建10 m高空间分辨率的NDVI时间序列数据,结合田间实测数据,使用RF分类方法对高山冷凉蔬菜进行识别分类。结果表明文章提出的方法在高山冷凉蔬菜种植区域识别中表现出了较高的精度和稳定性,总体精度达93.52%,Kappa系数为0.89。

2000-2020年内蒙古NDVI时空动态及其对水热条件的响应

[目的]了解植被生态现状,剖析植被变化影响因素,为区域生态环境治理和规划提供科学依据。[方法]基于MOD13A3 NDVI数据和气象数据,采用Sen趋势分析、M-K检验、Hurst指数、相关系数等方法研究了内蒙古地区NDVI时空变化及其对水热条件的响应。[结果]内蒙古NDVI显著增长(p<0.01),空间分布呈东高西低的特征,大部分地区NDVI以增加趋势为主,耕地增长率最大且呈增加趋势面积占比最大。研究期内NDVI变化相对稳定,林地的稳定性最好。未来内蒙古NDVI变化以反持续性为主,反持续性和持续性面积占比分别为76.51%,23.49%。NDVI与气温呈负相关的区域占78.25%,其中极显著和显著负相关的区域占19.92%;与降水、土壤湿度呈正相关的区域占93.16%,93.53%,其中极显著和显著正相关的区域分别占51.37%,55.85%。[结论]内蒙古地区植被生态整体趋于改善,未来植被生态可能退化,土壤湿度是影响内蒙古植被生长的主导因子。

河套灌区农田植被物候和NDVI峰值对气候变化的响应

【目的】研究河套灌区植被物候参数和NDVI峰值时空变化特征及对气候变化的响应。【方法】利用2001—2021年MOD13Q1数据和双logistic四参数模型,识别了河套灌区植被SOS、EOS、LOS、POS、NDVI峰值时空变化特征及对气候变化的响应。【结果】河套灌区植被SOS一般从5月下旬到6月中旬开始,到9月中旬至10月上旬结束,LOS主要介于95~116 d,POS主要介于200~220 d,NDVI峰值主要介于0.5~0.7。植被物候变化趋势主要体现在SOS的推迟、LOS的缩短和NDVI峰值的增加。SOS的推迟导致LOS的缩短。而EOS和POS呈提前和推迟趋势的像元比较接近。河套灌区SOS、EOS、POS与气温均以负敏感为主,与降水量以正敏感为主。NDVI峰值与气温和降水量均呈正敏感。【结论】河套灌区物候参数和NDVI峰值的变化趋势具空间异质性,对不同气候因子的响应也有所差异。

荒漠-绿洲过渡带NDVI演变及影响因子相关性分析

荒漠-绿洲过渡带是绿洲与荒漠相互转化过程中表现最活跃的地区,具有防止荒漠扩张、维持绿洲生态安全等重要的生态功能。本研究以民勤县为研究区域,根据绿洲外围归一化差异植被指数(Normalized difference vegetation index,NDVI)的变化规律,确定民勤荒漠-绿洲过渡带的范围;利用2000—2020年内最大NDVI数据及降水、温度、日照时数、土壤水分影响因子,在像元尺度采用偏相关及多元相关分析方法,研究过渡带NDVI变化趋势及影响因子相关性分析。结果表明,绿洲边界外5000 m范围为民勤荒漠-绿洲过渡带范围,其中绿洲外0~300 m为过渡带核心区,300~2000 m为过渡带交错区,2000~5000 m范围为过渡带缓冲区。自2000年以来,过渡带区域NDVI整体呈增加趋势,其中,明显改善和稳定不变的面积占比较高,分别为47.8%和42.2%,其他占比较小,严重退化区域主要在靠近绿洲的过渡带核心区。降水增加对过渡带南部地带性植被的改善起主导作用,温度的上升对过渡带东部及西北部NDVI改善的促进作用更明显,日照时数的增加对过渡带西部及东南部NDVI改善的促进作用更大,土壤水分的增加对过渡带整体NDVI的改善均具有促进作用。土壤水分和降水是促进过渡带NDVI改善的主要因子。

2000—2020年青海河湟谷地植被NDVI时空变化及影响因素

[目的]为了解青海河湟谷地植被时空变化情况,明晰气候变化、土地开发利用及人类活动等因素对植被变化的影响。[方法]利用2000—2020年MODIS NDVI数据集表征植被变化,基于Theil-Sen Median趋势检验法、偏相关性分析、地理探测器等方法,探究青海河湟谷地NDVI时空变化情况及其与气温、降水、坡度、土壤类型和人类活动等影响因素的关系。[结果](1)近20年河湟谷地植被NDVI呈波动增长趋势,显著增长区域面积为2.21×10^(4) km^(2)(p<0.05),占河湟谷地总面积的53.39%;植被NDVI显著下降区域面积为7.04×102 km^(2)(p<0.05),主要分布在湟水谷地中部,占总面积的1.69%;(2)自然因素上,NDVI与气温、降水呈正相关区域分别占总面积的50.32%,80.14%。植被显著上升的区域主要分布在海拔2800~3100 m、坡度15°~20°、坡向为北向的区域。在高程小于3200 m范围内,植被NDVI变化随高程增加呈现上升趋势,其中显著上升区域占总面积的54.37%。人类活动因素上,NDVI与人口密度、夜间灯光呈正相关区域分别占总面积的50.52%,38.53%。植被NDVI在森林、灌木、草地及建设用地上呈显著向好趋势。(3)综合偏相关性分析与地理探测器对植被NDVI变化归因分析可知,不同土壤类型上植被变化差异明显,年降雨量和人类活动是河湟谷地植被NDVI变化主要影响因素,各影响因素间存在交互作用,呈现相互增强和非线性增强关系。[结论]研究结果揭示了河湟谷地植被NDVI时空变化特征,明确了自然因素与人为因素对植被NDVI变化的驱动机制,可为未来青海省河湟谷地生态保护、建设规划以及生态工程实施提供理论支撑。

1982-2015年黄河中游NDVI时空变化及驱动力分析

[目的]探究黄河中游NDVI时空变化,阐明自然和人为因素对NDVI变化的影响和驱动力,并为黄河中游生态保护与发展提供科学依据。[方法]基于AVHRR GIMMS NDVI数据集,采用线性回归分析、Mann-Kendall检验、地理探测器模型,分析了1982—2015年黄河中游植被NDVI的时空演变特征,并对影响植被NDVI的自然和人为因子进行了驱动力分析。[结果]1982—2015年黄河中游NDVI呈上升趋势,空间上呈东南高西北低分布.植被覆盖改善面积高达70.79%,显著改善面积为49.2%。年降水量是黄河中游NDVI变化的主要驱动因子,植被类型、地貌类型、土地利用类型和土壤类型等因子也能很好地解释黄河中游植被覆盖状况。自然因子对植被变化的影响远高于人为因子,因子交互结果为双因子增强或非线性增强。[结论]黄河中游植被NDVI主要受年降水量影响,34年间在自然和人为因素交互作用下植被显著改善,未来应更加注重人类活动对植被覆盖的影响。

东北三省NDVI时空变化特征及对气候因子的响应

中国东北地区是全球气候变化最敏感的区域之一,了解植被的时空变化及对气候因子的响应对东北地区生态环境的构建和评价具有重要意义,对全球气候变化的响应也具有重要的指示作用。基于MODIS归一化差值植被指数(NDVI),利用Theil-Sen斜率估计、Mann-Kendall检验和Hurst指数开展2000—2021年东北三省NDVI时空演变特征及未来变化趋势研究,并通过相关分析方法研究NDVI对气候因子的响应。结果表明:2000—2021年NDVI整体均值为0.391,季节上呈现出春冬季低、夏秋季高的变化趋势,空间上呈现出西低东高的变化趋势;2000—2021年,NDVI年均增长率为0.003 a~(-1),而2010—2021年,NDVI整体呈现极显著上升趋势,年均增长率为0.006a~(-1);东北三省86.93%面积的NDVI在未来可持续增长,表明未来植被生长态势较好;相关分析表明,NDVI与气候因子在空间尺度上存在依赖性,气温与NDVI有更好的相关性;在东北三省大部分地区,气温和降水均对NDVI变化有正贡献,且两者的贡献相当,但在空间上存在着差异。

MODIS NDVI饱和性对高寒草甸草地生物量遥感估测的影响——以青藏高原东缘为例

自20世纪70年代开始,归一化植被指数(NDVI)在天然草地地上生物量估测研究中得到了广泛应用。然而,NDVI对高密度植被生物量遥感估测存在饱和现象,使草地生物量遥感估测有较大的不确定性。以青藏高原东缘高寒草甸为例,基于比值植被指数(RVI)探讨了NDVI的饱和性,并评估了NDVI饱和性对高寒草甸地上生物量时空动态变化分析的影响。结果表明:(1)虽然基于中分辨率成像光谱仪(MODIS)NDVI构建的草地地上生物量估测模型精度较基于RVI构建的估测模型高,但模型对高寒草地地上生物量(生物量大于2314.627 kg/hm^(2))灵敏度较RVI估测模型低,即NDVI阈值大于0.73时,估测模型呈现饱和现象(低估了草地地上生物量);(2)结合RVI和NDVI的相关关系,对饱和部分NDVI遥感植被指数进行校正,校正后最优地上生物量遥感估测模型为线性模型(y=5908.5x-2198.9,R=0.6190,RMSE=902.41 kg/hm^(2)),较调整前RMSE降低了11.72 kg/hm^(2);(3)就NDVI饱和性空间分布而言,从全年6月—9月初(全年第161—257天)饱和性呈现先自东南向西北延伸,后自西北向东南消退的变化趋势,平均低估值介于158.45—293.92 kg/hm^(2)之间,最大低估值出现在8月初(全年第225天),超过600 kg/hm^(2);(4)此外,NDVI饱和性对草地地上生物量年际动态变化趋势分析具有较大的影响,去除饱和性影响后草地地上生物量基本不变的区域减小了21.44%,而年际变化小于-10 kg/hm^(2)和大于30 kg/hm^(2)的区域分别增加了8.48%和16.19%。研究探讨了NDVI饱和性对草地地上生物量遥感估测的影响,以期为精确评估高寒草地地上生物量提供理论依据,同时也为高寒草地资源可持续发展提供科学依据。

河北省植被NDVI时空演变特征及影响因素

为了探究植被生长状况及影响因素,以河北省为研究区域,基于卫星遥感数据和气象数据,利用Mann-Kendell趋势检验、Sen斜率、偏相关分析等方法,探讨河北省植被时空分布特征,并结合NDVI与气候因子、人类活动的相关性分析河北省植被NDVI变化的影响因素。结果表明:(1)河北省2001—2020年植被NDVI值时间上总体呈增长趋势,年均增长率为2.84×10-3,其中2001—2005年呈现快速增长趋势,2005—2020年为缓慢增长,并伴有波动;(2)研究区植被NDVI值空间上由南向北逐级递增,植被改善区域(81.71%)大于退化区域(13.79%),改善区域主要集中在承德、张家口市;(3)人类活动(GDP)是影响NDVI增长的主要影响因素之一,气候因子(降水、温度)次之。GDP的变化对植被的生长有着显著的影响,且河北省植被的改善主要与林地和草地相关;气候因子中,降水是主要影响因素。

基于FY3/MERIS NDVI的辽宁省植被动态及与气候因子关系研究

基于风云三号卫星归一化植被指数(NDVI)数据和平均温度、平均水汽压、降水量、日照时数等9种气候因子数据,采用趋势分析、Pearson相关系数等方法,开展2009年-2019年辽宁省全域及分区域NDVI与气候因子相关性和时间滞后性分析。结果表明:辽宁省NDVI与平均水汽压相关性最好,与日照时数相关性最差;分区域NDVI与气候因子的相关性,除辽南外,与NDVI相关系数均高于全省。除平均相对湿度外,植被生长季(4-10月)NDVI与气候因子相关性均低于全年。降水量、气温和地温对NDVI的影响均存在着一定程度的时间滞后性,并且对植被生长茂盛期的影响要更为滞后。

基于MODIS-NDVI的岷江流域植被时空演变及地形分异研究

岷江是长江水系的重要分支之一,流经川西高原以及四川盆地地区。植被作为重要的生态指标之一,通过研究岷江流域的植被时空变化特征将有助于了解该流域的生态环境情况并为后续的生态治理提供参考依据。基于2003年~2021年岷江流域的MODIS-NDVI数据集以及DEM数据,借助于空间分析技术、Hurst指数、线性趋势分析、变异系数等方法多方面分析了岷江流域植被覆盖的时空演变特征以及地形因子对其变化趋势的影响性。结果表明:(1)研究时段内的NDVI均值介于0~0.9之间。其流域的NDVI值上中游偏高,下游偏低,岷江流域植被整体呈现波动上升的趋势,增长速率为2.4%/10a。(2)岷江流域植被覆盖呈增加趋势和减少趋势的面积分别占84.49%和15.51%。川西高原的河谷地区以及四川盆地的非城镇区域呈现显著增长趋势。呈减少趋势的主要分布在成都市向外扩张的新城区、眉山市和德阳市。(3)波动性较强的区域主要分布在川西高原的高海拔山地以及成都市,而低波动主要出现在川西高原的相对低海拔区域,植被较为稳定。(4)植被未来变化趋势呈现持续性减少的主要是成都市向外扩张的新城区。而呈现持续性增加的主要分布在四川盆地的非城镇地区以及川西高原的河谷地区。(5)海拔和坡度作为影响植被变化的主要因素,坡向与植被变化的相关性并未显示出明显的规律。

2001—2020年黄土高原气候对植被NDVI空间异质性的影响

选用2001—2020年归一化植被指数(Normalized difference vegetation index,NDVI)和气候数据,通过地理加权法探究黄土高原气候变化对植被及其变化趋势的影响。结果表明,黄土高原NDVI与地表温度在空间上具有非平稳关系,NDVI与温度指标的回归系数主要以负值为主,主要集中在北部的内蒙古高原,空间正相关则集中分布于胡焕庸线以南区域;对比不同气候指标的标准化系数可知,降水量是黄土高原植被变化的主要因素,占黄土高原总面积的30.90%,植被受水分控制作用较为显著的区域主要集中在黄土高原中北部的内蒙古高原及西部祁连山附近;而黄土高原中南部植被活动的主导因素为气温,面积占42.91%,其中最高气温对NDVI的主导区域范围最广,影响区包括甘肃省东部、陕西省中部、山西省南部及河南省,其植被主要以农业和林业为主,降水量充沛,随着温度的升高,植被活动均有所增强。NDVI变率与气候变率的回归结果表明,黄土高原气温增高对植被的生长起到促进作用的区域较广;但黄土高原西北部也存在气温和降水量减少而植被却表现为增长趋势的情况。

基于MODIS-NDVI数据的延河流域植被覆盖时空变化及其对极端降水的响应

基于2010-2020年MODIS-NDVI数据,分析延河流域归一化植被指数(normalizeddifference vegetation index,NDVI)和极端降水指数,辅以利用Sen趋势分析、M-K趋势检验法、Pearson相关分析等方法,研究植被覆盖时空变化及其对极端降水的响应。结果表明:1)2010-2020年,延河流域NDVI呈显著增加趋势,植被覆盖状况逐年改善,其增加速率为0.073/(10 a)(P<0.001);2)空间上,延河流域NDVI呈现从东南到西北减小的布局;3)趋势上,NDVI呈上升和减小趋势的面积占比分别为98.02%和1.98%,整体呈上升趋势,植被覆盖显著改善;4)近11年极端降水指数总体趋势变化平缓,R20(number of very heavy precipitation days)、RX_(5day)(max5-day precipitation amount)、CDD(consecutive dry Days)和CWD(consecutive wet days)呈上升趋势,R_(95P)(very wet day precipitation)和SDII(simple daily intensity index)呈下降趋势;5)NDVI与极端降水指数的相关性整体上偏低,除SDII外,其余指数都与NDVI正相关,且NDVI与RX_(5day)相关性最强,与R20相关性最弱。

基于MODIS-NDVI的塔城地区植被覆盖动态变化

【目的】研究20 a塔城地区植被覆盖动态变化与土地利用之间的关系。【方法】基于塔城地区2001~2020年植被生长比较旺盛月份(6~9月)的MODIS-NDVI产品数据和2000、2010以及2020年土地利用数据,运用Google earth engine平台、Theil-Senmedin趋势分析、Mann-Kendall检验、像元二分法、变异系数等工具和方法。【结果】塔城地区多年平均植被覆盖度介于0.32~0.46之间,以低、中低植被覆盖度为主,高植被覆盖度区主要集中于西北部和中部;2001~2020年,塔城地区植被覆盖度以0.38%/a的变化率呈现波动增长趋势;植被覆盖改善区(72%)大于退化区(26%),沙湾市和乌苏市南部、塔城市以及额敏县改善较为明显;弱变异和中等变异为该区域植被覆盖度变异主要类型;塔城地区主要的土地利用变化特征是未利用地向草地的转化以及草地向耕地的转化,未利用地在草地和耕地的补充与占用中发挥了重要作用;植被覆盖度与土地利用类型存在响应联系,未利用地面积的显著减少区域与植被显著增加区域高度重合,说明未利用地对植被覆盖度的贡献最大。【结论】反映出在研究时段内塔城地区未利用地的环境得到改善,荒漠化防治等生态修复工作取得显著成效。