Vegetation fractional coverage change in a typical oasis region in Tarim River Watershed based on remote sensing

Vegetation fractional coverage （VFC） is an important index to describe and evaluate the ecological system. The vegetation index is widely used to monitor vegetation coverage in the field of remote sensing （RS）. In this paper, the author conducted a case study of the delta oasis of Weigan and Kuqa rivers, which is a typical saline area in the Tarim River Watershed. The current study was based on the TM/ETM＋ images of 1989, 2001, and 2006, and supported by Geographic Information System （GIS） spatial analysis, vegetation index, and dimidiate pixel model. In addition, VBSl （vegetation, bare soil and shadow indices） suitable for TM/ETM＋ irrlages, constructed with FCD （forest canopy density） model principle and put forward by ITTO （International Tropical Timber Organization）, was used, and it was applied to estimate the VFC. The estimation accuracy was later prow^n to be up to 83.52%. Further, the study analyzed and appraised the changes in vegetation patterns and revealed a pattern of spatial change in the vegetation coverage of the study area by producing the map of VFC levels in the delta oasis. Forest, grassland, and farmland were the three main land-use types with high and extremely-high coverage, and they played an important role in maintaining the vegetation. The forest area determined the changes of the coverage area, whereas the other two land types affected the directions of change. Therefore, planting trees, protecting grasslands, reclaiming farmlands, and controlling unused lands should be included in a long-term program because of their importance in keeping regional vegetation coverage. Finally, the dynamic variation of VFC in the study area was evaluated according to the quantity and spatial distribution rendered by plant cover diigital images to deeply analyze the reason behind the variation.

Comparative Analysis of Fractional Vegetation Cover Estimation Based on Multi-sensor Data in a Semi-arid Sandy Area

The estimation of fractional vegetation cover(FVC) is important for identifying and monitoring desertification, especially in arid and semiarid regions. By using regression and pixel dichotomy models, we present the comparison of Sentinel-2A(S2) multispectral instrument(MSI) and Landsat 8(L8) operational land imager(OLI) data regarding the retrieval of FVC in a semi-arid sandy area(Mu Us Sandland, China, in August 2016). A combination of unmanned aerial vehicle(UAV) high-spatial-resolution images and field plots were used to produce verified data. Based on a normalized difference vegetation index(NDVI) regression model, the results showed that, compared with that of L8, the coefficient of determination(R2) of S2 increased by 26.0%, and the root mean square error(RMSE) and the sum of absolute error(SAE) decreased by 3.0% and 11.4%, respectively. For the ratio vegetation index(RVI) regression model, compared with that of L8, the R2 of S2 increased by 26.0%, and the RMSE and SAE decreased by 8.0% and 20.0%, respectively. When the pixel dichotomy model was used, compared with that of L8, the RMSE of S2 decreased by 21.3%, and the SAE decreased by 26.9%. Overall, S2 performed better than L8 in terms of FVC inversion. Additionally, in this paper, we develop a verified scheme based on UAV data in combination with the object-based classification method. This scheme is feasible and sufficiently robust for building relationships between field data and inversion results from satellite data. Further, the synergy of multi-source sensors(especially UAVs and satellites) is a potential effective way to estimate and evaluate regional ecological environmental parameters(FVC).

Dynamic change of net primary productivity and fractional vegetation cover in the Yellow River Basin using multi-temporal AVHRR NDVI Data

An exponential relationship between net primary productivity (NPP) and integrated NDVI has been found in this paper. Based on the relationship and using multi-temporal 8 km resolution NOAA AVHRR-NDVI data, the spatial distribution and dynamic change of NPP and fractional vegetation cover in the Yellow River Basin from 1982 to 1999 are analyzed. Finally, the effect of rainfall on NDVI is examined. Results show that mean NPP and fractional vegetation cover have an inclining trend for the whole basin, and rainfall in flood season influences vegetation cover most.

Estimating wheat fractional vegetation cover using a density peak k-means algorithm based on hyperspectral image data

Fractional vegetation cover(FVC)is an important parameter to measure crop growth.In studies of crop growth monitoring,it is very important to extract FVC quickly and accurately.As the most widely used FVC extraction method,the photographic method has the advantages of simple operation and high extraction accuracy.However,when soil moisture and acquisition times vary,the extraction results are less accurate.To accommodate various conditions of FVC extraction,this study proposes a new FVC extraction method that extracts FVC from a normalized difference vegetation index(NDVI)greyscale image of wheat by using a density peak k-means(DPK-means)algorithm.In this study,Yangfumai 4(YF4)planted in pots and Yangmai 16(Y16)planted in the field were used as the research materials.With a hyperspectral imaging camera mounted on a tripod,ground hyperspectral images of winter wheat under different soil conditions(dry and wet)were collected at 1 m above the potted wheat canopy.Unmanned aerial vehicle(UAV)hyperspectral images of winter wheat at various stages were collected at 50 m above the field wheat canopy by a UAV equipped with a hyperspectral camera.The pixel dichotomy method and DPK-means algorithm were used to classify vegetation pixels and non-vegetation pixels in NDVI greyscale images of wheat,and the extraction effects of the two methods were compared and analysed.The results showed that extraction by pixel dichotomy was influenced by the acquisition conditions and its error distribution was relatively scattered,while the extraction effect of the DPK-means algorithm was less affected by the acquisition conditions and its error distribution was concentrated.The absolute values of error were 0.042 and 0.044,the root mean square errors(RMSE)were 0.028 and 0.030,and the fitting accuracy R2 of the FVC was 0.87 and 0.93,under dry and wet soil conditions and under various time conditions,respectively.This study found that the DPK-means algorithm was capable of achieving more accurate results than the pixel dichotomy method in various soil and time conditions and was an accurate and robust method for FVC extraction.

Estimation of Fractional Vegetation Cover Based on Digital Camera Survey Data and a Remote Sensing Model

The objective of this paper is to improve the monitoring speed and precision of fractional vegetation cover (fc). It mainly focuses on fc estimation when fcmax and fcmin are not approximately equal to 100% and 0%, respectively due to using remote sensing image with medium or low spatial resolution. Meanwhile, we present a new method of fc estimation based on a random set of fc maximum and minimum values from digital camera (DC) survey data and a di- midiate pixel model. The results show that this is a convenient, efficient and accurate method for fc monitoring, with the maximum error -0.172 and correlation coefficient of 0.974 between DC survey data and the estimated value of the remote sensing model. The remaining DC survey data can be used as verification data for the precision of the fc estimation. In general, the estimation of fc based on DC survey data and a remote sensing model is a brand-new development trend and deserves further extensive utilization.

秦巴山区生态系统服务对植被覆盖变化的响应阈值

秦巴山区地处我国南北气候、生物区系的交汇地带,具有十分重要的地理与生态价值,蕴藏着巨大的发展潜力。确定生态系统服务对植被覆盖变化的响应阈值是实现秦巴山区环境资源有效配置、管理政策科学制定以及生态效益最大化的重要前提。在分析秦巴山区产水、固碳、土壤保持和生境质量4项生态系统服务时空特征的基础上,综合运用聚类分析、方差分析和弹性分析对比不同植被类型和地形梯度下生态系统服务的异同进而分区计算植被覆盖变化的影响阈值。结果表明:(1)2000—2020年,产水、固碳、土壤保持和生境质量服务整体提升且均表现为东南高西北低的空间分布。(2)不同类型植被下,生态系统服务整体供应能力从大到小依次为林地、草地和农田。不同地形变化下,除生境质量呈持续增长态势外,其他3项服务均出现了先提高后衰减的非线性趋势。(3)植被覆盖度对生态系统服务有促进作用,但超过一定阈值后这种作用会逐渐减弱。植被覆盖影响阈值在林地、草地和农田区分别为0.85、0.80和0.78;且该阈值随地形因子增加先增大后减小。本研究结果可以转变秦巴山区单纯依靠扩大森林面积提升生态系统服务供给的简单化生态保护模式,为构建分区管理、全面系统和动态平衡的生态可持续发展体系提供依据。

黄土高原极端降水变化及其对植被覆盖度影响

全球变暖背景下,黄土高原极端降水事件频发,对社会经济及植被生态产生了重要影响,研究黄土高原极端降水变化特征及其对植被覆盖度(fractional vegetation cover,FVC)影响,可为生态环境保护和区域可持续发展提供科学支撑。基于2000—2020年黄土高原64个气象站点逐日降水数据和MODIS NDVI数据,采用趋势分析、相关分析等方法,分析了黄土高原地区极端降水和FVC时空变化特征及极端降水对FVC的影响。结果表明:2000—2020年黄土高原地区总降水量P_(RCPTOT)、中雨日数R_(10mm)、大雨日数R_(20mm)、强降水日数R_(25mm)和降水强度S_(DII)均呈显著上升趋势(P<0.05),区域西部和北部强降水总体增加,但区域南部呈干旱化。2000—2020年黄土高原FVC总体呈显著上升趋势(P<0.05),集中分布在区域中东部,占区域总面积的32.00%;显著下降趋势主要分布在南部少部分地区,仅占区域总面积的4.91%。2000—2020年黄土高原地区FVC与中雨日数R_(10mm)、大雨日数R_(20mm)、强降水日数R_(25mm)和降水强度S_(DII)以正相关关系为主,其中呈显著正相关的区域占比分别为22.33%、48.19%、14.36%和24.37%,主要分布在中部地区。研究认为近20年黄土高原极端降水和FVC同步增加,表现为极端降水促进植被生态改善的作用,但应注意极端降水研究中的时间尺度效应问题,即年尺度数据可能掩盖了短时间尺度上极端降水对FVC的破坏作用。

基于无人机多光谱与热红外数据的冬小麦土壤水分反演

引入植被覆盖度会在一定程度上提高土壤水分反演模型的精度,但大多数研究均基于归一化植被指数NDVI估算植被覆盖度,未深入研究基于其他植被指数估算植被覆盖度对模型的影响。为此,以河南省驻马店市西平县人和乡冬小麦部分种植区域为实验区,基于分辨率高、机动性强的无人机平台搭载多光谱与热红外成像仪开展冬小麦覆盖地表的土壤水分反演研究,探究引入不同植被覆盖度参数后模型精度的变化,并弥补基于卫星遥感影像的土壤水分监测分辨率低、时效性差的不足。基于随机森林算法,将温度植被干旱指数TVDI、垂直干旱指数PDI两种干旱指数分别与7种植被指数估算的植被覆盖度参数耦合搭建土壤水分反演模型,并根据最优模型的反演结果对实验区的土壤水分空间分布情况进行分析。同时,建立耦合TVDI与PDI指数、不引入植被覆盖度的土壤水分反演模型TP模型为对照组。结果表明:在0~10 cm和>10~20 cm深度时,TP模型的决定系数R^(2)分别为0.606、0.670,均方根误差RMSE分别为0.045、0.041。7种引入植被覆盖度的模型精度较TP模型精度均有一定程度的提升,其中最优模型TPOSAVI的R^(2)较TP模型分别提高0.143、0.158,RMSE分别降低0.7百分点、0.8百分点。基于干旱指数引入植被覆盖度能够提高模型精度,且不同植被覆盖度参数对模型精度的提升程度有差异。

利用Sentinel-3 SLSTR气候参数对江西省干旱事件的分析

利用Sentinel-3 SLSTR数据研究地表温度(land surface temperature,LST)、植被覆盖度(fractional vegetation cover,FVC)、总柱水汽含量(total column water vapor content,TCWV)等气象参数及其与DEM的相互关系,分析了2018—2022年江西短期干旱等气象事件。分析结果表明:全省气候事件中FVC之间呈现显著正相关,相关系数在0.86~0.93且FVC逐年在增加;LST之间存在显著正相关;干旱事件中TCWV之间存在显著正相关,洪涝和干旱事件间TCWV之间存在中度负相关。同时,LST和FVC呈负相关,TCWV和FVC呈正相关,且FVC之间和TCWV之间的变化趋势相似。另外,DEM与FVC存在中度正相关,DEM与LST存在负相关,DEM与TCWV存在双重相关。因此,Sentinel-3 SLSTR数据可作为江西省气象异常事件监测的有效数据源,TCWV和FVC数据的利用对异常数据监测具有重要意义。

高寒草甸斑块化空间分异性及其地形因子影响

青藏高原高寒草甸在国家生态环境保护战略中占据重要位置,近几十年来,气候变化和人为因素导致大面积高寒草甸发生斑块化退化。为探究高寒草甸斑块化空间分异性及各斑块类型间(裸地斑块、短期恢复斑块和长期恢复斑块)的分布规律以及其地形因子的影响,本研究通过3S(RS,GIS,GNSS)技术获取位于青海省河南县和玛多县4个典型研究区的斑块类型分布及地形因子数据,利用景观生态指数探究不同斑块的空间分布差异。结果表明,研究区植被覆盖度随着海拔升高呈现先增加后减小的趋势,斑块景观的破碎化程度呈现先减小后增大的趋势。不同海拔地区斑块化程度最高的斑块类型都是长期恢复斑块。地形因子显著影响着不同斑块的分布,长期恢复斑块和健康草甸主要分布在阳坡平缓区域。

青海湖流域植被动态变化驱动力及空间粒度效应

基于Landsat遥感影像分析1986~2020年青海湖流域植被覆盖度时空变化特征,结合多元线性回归和地理探测器,考虑气候、地表及人类足迹的影响,阐明时间和空间尺度下植被覆盖度变化的机制,并探讨空间粒度对驱动因素及其相对贡献的影响.结果表明:(1)近35年来青海湖流域植被状况整体改善,表现为中等、中高覆盖度植被面积增加,其中环青海湖东北部及布哈河上游植被覆盖度呈显著增加趋势;(2)时间尺度上,流域平均植被覆盖度变化受气候暖湿化和生态恢复工程驱动;(3)空间尺度上,植被覆盖度变化由气候、地形、植被和土壤控制,解释力较大因素为气温(0.41),高程(0.34)和降水(0.30).气候、地形和人为因素对植被覆盖度的影响存在交互增强效应,气温、高程对交互效用具有控制作用,其中气温与距水系距离、降水和人类足迹的交互较为显著;(4)空间粒度对植被覆盖度空间变化驱动因素的贡献具有显著影响,考虑气候、地表和人为因素交互作用时青海湖流域植被覆盖度空间变化最佳研究粒度为6km.

气候变化和人类活动对环塔里木盆地植被覆盖度的影响

塔里木盆地生态系统脆弱,易受到人类活动的影响,植被对维持塔里木盆地生态系统稳定性具有极其重要的作用。以塔里木盆地边缘的绿洲区域、绿洲外围植被分布区及塔克拉玛干沙漠公路周围植被分布区作为研究区域,将植被覆盖度(FVC)作为反映植被变化的监测指标,利用归一化植被指数(NDVI)、气温、降水、植被类型数据,采用像元二分模型、一元线性回归法、残差分析等方法,分析了植被覆盖度的时空变化,以及气候变化和人类活动对环塔里木盆地、各植被类型植被覆盖度的影响。结果表明:(1)2000—2022年环塔里盆地植被覆盖度每10年增长0.008,各植被类型的植被覆盖度均呈现上升趋势,空间上植被覆盖度呈现“北高南低”的分布格局。气候变化影响的大部分区域植被覆盖度基本不变,人类活动影响的植被覆盖度以改善为主;(2)植被覆盖度的变化主要由气候变化和人类活动共同主导,但人类活动的影响大于气候变化。气候变化和人类活动共同作用时,植被覆盖度改善和退化的面积占比分别为19.79%、49.55%;(3)在植被覆盖度改善区,人类活动的相对贡献率整体较高。在植被覆盖度退化区,气候变化对绿洲区域内植被的相对贡献率更高,在绿洲区域外人类活动的相对贡献率更高。

天山北坡经济带植被覆盖度动态变化研究

为探明天山北坡经济带植被覆盖度时空变化及其原因,本研究基于MODIS13Q1NDVI数据、气象数据、地形数据、人文数据,基于Google Earth Engine(GEE)平台,利用Theil-Sen Median趋势分析、Mann-Kendall显著性检验和稳定性分析方法,探究2000-2020年天山北坡经济带植被覆盖度(FVC)时空变化特征及其影响因子.结果表明:天山北坡经济带的FVC表现为两条平行的高覆盖度带.其中中部地区具有较高的植被覆盖度,而边缘地区的植被覆盖度相对较低.2000~2020年间,天山北坡经济带的FVC在时空上呈轻度变化,约占总变化的70%.植被改善区域主要呈现带状分布,集中在研究区的中部,而植被减少区域主要分布在研究区的南缘.整体上,天山北坡的植被覆盖度呈现出西北至东南的相间分布趋势,并且有逐渐上升的趋势.与东部地区相比,西部地区的植被改善更为明显.2000~2020年间,天山北坡经济带的FVC整体上表现出较高的稳定性和较小的波动,其变异程度介于弱变异和中等变异之间.但是,在克拉玛依市北部、乌鲁木齐市西南部以及研究区南缘的零星地区,FVC存在较强的变异.通过地理探测器模型对天山北坡经济带FVC影响因素的研究表明,人类活动(人口密度、夜间灯光和土地利用类型)是FVC空间分异的主要解释因素.从驱动因素来看,人口密度P值为0.283,对FVC影响最大,夜间灯光P值为0.125,土地利用类型P值为0.179.

整合多源遥感数据的洪涝灾害评估恢复——以河南“7·20”暴雨灾害为例

洪涝灾害发生后通过植被指数和灯光指数定量评估灾后恢复情况,对灾区经济建设和生态恢复的评估具有重要科学意义。该文以河南“7·20”暴雨灾害区为研究区,基于日度和月度NPP-VIIRS数据、Sentinel-NDVI、MODIS-EVI数据和统计年鉴数据,构建归一化差异城市指数(normalized difference urban index,NDUI)来表征城市内部空间细节;基于回归模型模拟人口和国内生产总值的空间分布;从研究区的夜间灯光数据和植被覆盖数据2个不同的维度来评估洪涝灾害。结果表明:高危区和中危区总面积为1429.04 km^(2),占研究区总面积的6.06%,高危地区主要分布在郑州西部、新乡东部、安阳东部、鹤壁北部,其中郑州市受灾严重程度最高;从植被覆盖度恢复率(vegetation cover recovery rate,VCRR)来看,卫辉市、淇县、滑县、林州市等地区整体植被恢复情况较差,其VCRR的值大部分在0以下,植被覆盖有恶化趋势。NDUI与社会经济统计数据拟合精度高于0.8,表明NDUI可以在洪涝灾害发生后应用于精确位置救援和灾后针对性重建工作;NPP-VIIRS和MODIS-EVI评估洪涝灾害的结果具有很好的互补性,2种数据的有机结合进行洪涝灾害研究,对灾后救援和恢复评估均有较高的应用价值。

1990—2022年黄河流域植被时空变化特征及未来趋势预测

黄河流域生态环境脆弱,是我国水土流失最严重的地区,植被对该地区生态恢复和保护发挥重要作用。而以往研究对影响植被变化各驱动因素之间的协同效应及植被未来趋势预测的研究有限。利用像元二分模型反演了1990—2022年的植被覆盖度(Fractional Vegetation Coverage;FVC),结合趋势分析、重心迁移、转移矩阵和地理探测器等方法,分析了植被覆盖度时空变化特征及驱动因素对植被影响的空间异质性;并利用未来土地利用模拟(FLUS)模型预测了植被未来变化趋势。结果表明:(1)30年来流域植被覆盖度呈上升趋势,空间上表现为东南高西北低的分布特征;植被改善的面积占流域总面积的47.17%,流域中部地区植被恢复趋势明显。(2)流域植被变化受降水、植被类型、土壤类型以及土地利用类型的影响较大;同时研究揭示了影响FVC变化的驱动因子最适宜的范围和类型。(3)2040年黄河流域植被覆盖度呈上升趋势,中部地区植被恢复趋势明显,青海省部分地区植被有退化趋势。该研究结果为黄河流域生态保护和恢复提供科学依据。

1990—2020年黄土高原典型县域植被覆盖变化及影响因素

为探究吉县近30 a植被动态演变规律及其影响因素,本研究基于Landsat影像,结合气象、土地利用、夜间灯光等数据,采用趋势分析、偏相关分析、随机森林、残差分析等方法探究吉县植被覆盖度时空变化特征及气候和人为因素对植被变化的影响。结果显示:(1)1990—2020年研究区植被覆盖度(FVC)整体呈显著上升趋势,FVC年均增长速率约为0.49%,植被质量明显改善。(2)吉县FVC具有明显的“低值-高值”交错分布的空间特征。1990—2020年FVC显著增加区占51%,FVC显著减少区占7%。(3)气候因素对部分FVC高值区和建筑区植被生长起抑制作用,对其余地区植被覆盖起促进作用。将人类活动作为全域影响因素考虑时气候和人类活动对植被动态的贡献率分别为53.43%、46.57%,将其作为局域变量时相对贡献率减少至13.07%。人类活动在特定地区如吉县中部和东部是植被退化的重要影响因素,西侧和南部的植被恢复也与之相关。研究结果可为区域生态修复工作进一步开展提供科学依据。

西南地区2000-2020年植被覆盖度时空变化与影响因素分析

西南地区是我国重要的生态安全屏障区,也是生态脆弱和气候敏感区。本文基于MOD13A3的NDVI数据集,利用像元二分模型首先计算了西南五省市区2000-2020年西南整体和分省市区年、生长季和四季的平均植被覆盖度FVC(Fractional Vegetation Cover),并对不同时间尺度的FVC进行了时空变化特征分析,然后利用ERA5的气温、 GPCP卫星降水和DEM等资料,对过去21年影响西南地区FVC变化的主要影响因素进行了讨论,最后利用Hurst指数对FVC的未来变化趋势进行了预测。结果表明:(1)2000-2020年以来,西南地区东部FVC整体呈增加趋势,尤其在重庆和贵州增加最快,西藏地区总体呈下降趋势。(2)西南地区FVC在空间上总体呈现东高西低的特点,2000-2020年平均FVC为0.46,在年际空间变化上FVC的上升区域占西南地区总面积的43.9%,下降区域占53.5%。(3)降水对FVC起促进作用,气温在不同地区则表现出不同的影响。(4)人类活动对FVC的影响很大,对植被的促进、抑制和无影响区域分别占栅格百分比的40.4%、 47.6%和12.0%。(5)高程和不同时间尺度的FVC都显著相关,但都呈现出极显著的下降趋势;不同时间尺度的FVC随坡度增加都显著增加,但当坡度大于25°后FVC会逐渐减小;坡向对西南地区FVC的影响相较于坡度、高程和气候因子的影响并不显著。(6)未来西藏、西南地区东部的四川、云南和贵州交界处的FVC整体将呈增加趋势,而四川西部和横断山脉的大部分地区将呈减少趋势。研究结果能为西南地区生态保护方案的制定提供数据支撑和科学指导。

京津冀植被覆盖度时空演变及其对自然人为变化的响应

基于2001~2020年归一化差异植被指数(NDVI)数据,采用像元二分模型最大值合成FVC,通过Sen趋势分析、Mann-Kendall显著性检验、Hurst指数分析预测研究区植被覆盖时空变化,结合气象因子数据应用相关性分析与残差分析在开展植被变化响应分析的基础上新增量化影响因子相对贡献率.结果表明:近20年京津冀地区植被建设良好,全域平均覆盖度为64.5%,植被变化速率介于(-0.0597421~0.039797)/a,植被覆盖波动较大,呈现明显的地理差异变化;京津冀地区FVC时空变化受多因素共同影响,FVC与气温以负相关为主,分布区域贴合行政分区,与城市热岛效应相关;FVC与降水以正相关为主,分布范围贴合生态分区,主要受地理因子调控;人类活动平均残差为-0.00105,负向影响为主;自然与人为因素相对贡献率分别为31.33%和68.67%,人类活动是植被变化的主要驱动因素;未来FVC以改善趋势为主,但城市交界处FVC有下降趋势.研究成果可指导京津冀交界处FVC监测,开展正向人为干预,稳定京津冀环境质量,助推全域生态环境高质量发展.

赤峰市植被覆盖度时空变化及其与气候因子的关系

基于MODIS ENVI数据,利用像元二分模型计算赤峰市植被覆盖度,并通过Theil-Sen趋势分析法、Mann-Kendall显著性检验法、变异系数及偏相关性分析法,研究2000—2022年赤峰市植被覆盖度的时空变化特征及其与气候因子的相关性,结果显示:(1)赤峰市多年平均植被覆盖度为59.4%,年均增长率为0.4%。研究时段内,不同等级植被覆盖度的时序差异明显,中低、中植被覆盖度的面积占比显著下降,高植被覆盖度的面积占比显著增加。在空间上,赤峰市植被覆盖度呈增加趋势的面积占比为71.9%,其中33.6%的区域呈显著增加趋势。(2)赤峰市中等覆盖度的面积最大(占28.2%),主要分布在中部及西北部地区;中高及高覆盖度区主要分布在沿山地区;中低、低覆盖度和裸地主要集中在浑善达克沙地和科尔沁沙地。植被覆盖度低的地区,波动性强。(3)近23年,赤峰市降水呈显著增加趋势,变化率为5.0 mm/a,年平均气温增加不显著。(4)植被覆盖度与降水、气温整体上均呈正偏相关关系,且降水对植被覆盖度的影响强于气温,说明降水是影响赤峰市植被生长的主导气候因子。

荒漠植被覆盖度遥感提取研究进展

植被覆盖度(Fractional Vegetation Cover,FVC)是植被生长状况监测、荒漠化监测与评价等方面的重要指标,但荒漠植被的生理和光谱特征均有别于普通健康绿色植被,为其FVC遥感提取带来了诸多难点。本文从数据、方法及应用等方面总结分析了提取荒漠地区FVC各类方法的应用进展。结果表明:①在荒漠区应用的遥感数据源包括多光谱影像、高光谱影像、雷达影像以及无人机高分影像等,融合多源遥感数据、结合各方法可明显提高荒漠FVC的估算精度。②模型上,经验回归模型与像元分解模型应用较广泛,但经验回归模型过度简化了FVC与遥感数据之间的复杂关系,像元分解模型则忽略了荒漠植被显著的空间异质性,故二者都无法充分考虑遥感数据的时空特征和地物背景的影响。近年来,机器学习与数据挖掘算法广泛用于荒漠FVC遥感提取研究中,此类算法能够处理大规模数据,使处理效率大幅提高,并在一定程度上减少人为干扰等因素。然而,此类算法对地表环境变化的复杂性和非线性关系建模能力有限,可能面临样本不平衡、特征选择困难以及模型泛化能力不足等挑战。未来荒漠FVC遥感提取研究将是一个基于多尺度、多源数据、融合多种方法实现大尺度、高精度且时序兼具的估算模式,这种新形式可有效弥补单一卫星遥感影像数据在时间、空间及光谱分辨率信息方面的不足,但荒漠植被特殊的生理和光谱特征、新型的遥感指标和理论策略以及算法的改进程度有待进一步探索。