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。

大凌河流域1998~2019年NDVI时空变化及其对气温和降水的响应

利用9个国家气象站数据和1998~2019年SPOT/VEGETATION NDVI数据,运用趋势分析、偏相关分析和复相关分析方法,研究大凌河流域22年来NDVI时空演变规律及其与气温和降水之间的关系。研究发现:(1)研究区22年来植被覆盖整体变好,90.8%的区域NDVI呈增加趋势,不同季节变化趋势各异,夏季NDVI增长率最高,春季最低。(2)大凌河上游地区NDVI总体呈缓慢稳定增长状态,中下游地区增长与减退并存;(3)研究区NDVI总体与气温呈负相关、与降水量呈正相关,且NDVI与年降水量关系更密切。(4)研究区植被覆盖降水驱动型占总面积的4.33%,气温驱动型占比为0.03%,降水、气温共同驱动型占比为2.73%。

基于NDVI-NSSI空间与HSV变换的成熟期农作物遥感识别

成熟期农作物的识别在农作物种植面积估算、农业生产及产量统计方面具有重要作用。为提供一种简便的成熟期农作物遥感识别方法,利用Sentinel-2A数据,以安徽省滁州市凤阳县为研究区,通过归一化植被指数(Normalized difference vegetation index,NDVI)与归一化光谱分离指数(Normalized spectral separation index,NSSI)构成的空间,提取光合植被、非光合植被、裸土的纯端元,由像元三分模型,得到非光合植被覆盖度及成熟期农作物的空间分布。为进一步提取研究区内具有相同成熟期的冬小麦与油菜,利用油菜开花期Sentinel-2A数据,由Hue saturation value(HSV)图像变换方法,分别提取出成熟期冬小麦与油菜。与地面观测数据和辅助数据相比,提取的成熟区冬小麦、油菜的总体精度为95.34%,Kappa系数为0.904,高于支持向量机方法(总体精度91.66%,Kappa系数为0.813)与决策树方法(总体精度92.39%,Kappa系数为0.838)的提取精度。结果表明,NDVI-NSSI空间与HSV变换相结合的方法,可以有效将非光合植被与土壤背景分离,识别成熟期冬小麦与油菜,具有对数据需求较少,易操作等优势,也为提取农作物成熟期内的裸地以及与裸地具有相似波谱的地物提供了思路与方法。

1981~2020年昆仑山-阿尔金山草地NDVI时空变化及其对气温、降水的响应

基于NOAA-AVHRR NDVI数据,采用最大值合成法、回归分析法与相关分析法,探讨了1981~2020年昆仑山-阿尔金山草地归一化植被指数(NDVI)时空变化及其对气温、降水的响应。结果显示:1981~2020年,昆仑山-阿尔金山草地NDVI具有时序波动,在1989~1994年、1995~2000年与2006~2020年草地NDVI表现为显著增加。草地NDVI自西向东逐渐递减,多年均值为0.227(±0.037),相较于1981年(0.213),2020年(0.257)增加了0.044;过去40年,占昆仑山-阿尔金山草地总面积15.00%的草地NDVI呈显著增加,13.00%为显著减少。1981~2020年,昆仑山-阿尔金山气候变化以“暖湿化”(面积占比为48.02%)为主,草地NDVI与气温表现为正相关,与降水呈负相关,与气温、降水呈显著正相关的草地面积占比分别为18.00%、2.00%,呈显著负相关的面积占比分别为2.00%、11.00%。高寒草原类、温性荒漠类呈“暖湿化”的面积占比分别为18.06%、11.04%,相应的草地NDVI呈显著增加的面积占比分别为14.18%、16.82%;温性荒漠类对气温、降水呈显著正响应的面积占比分别为3.28%、0.60%;高寒草原类与气温呈显著正相关的面积占比为6.77%,与降水呈显著负相关的面积占比为4.94%。昆仑山北坡气温上升与适度的降水增加有利于草地植被生长,但降水的过度增加可能导致滑坡、泥石流,破坏草地生境,影响草地植被生长。

基于NDVI-Albedo特征空间的柴达木盆地荒漠化监测研究

荒漠化目前已成为威胁全球生态环境的主要问题,开展荒漠化监测对于荒漠化防治至关重要。基于2014—2021年植被生长季(5—9月)Suomi/NPP(National Polar-orbiting Partnership)遥感数据和柴达木盆地8个气象站点观测数据,利用NDVI-Albedo(Normalized Difference Vegetation Index-Albedo)特征空间计算荒漠化差值指数(Desertification Difference Index,DDI),运用自然间断法、Sen+M-K趋势分析法、相关性分析法、精度误差矩阵计算和转移矩阵计算等方法,探讨柴达木盆地植被生长季荒漠化土地时空动态演变及气象影响因素。结果表明:(1)基于NDVI-Albedo特征空间构建的DDI在柴达木盆地荒漠化监测中适用性较高,特征方程R2≥0.65,整体分类精度79.38%,Kappa系数0.62。(2)2014—2021年,柴达木盆地荒漠化程度东部、南部较低而西部、中部较高,且东部、南部部分地区DDI值以每年超过0.01的速率增大,部分地区增大显著;荒漠化土地总面积呈减小趋势,速率为-1 173 km^(2)·a^(-1),不同程度荒漠化土地之间存在转移特征,具体表现为荒漠化程度较重的土地向较轻的土地转移。(3)相关性分析表明,降水量、平均相对湿度均与DDI呈极显著正相关(P<0.01),相关系数分别为0.91、0.86,水分是影响柴达木盆地荒漠化的主要气象因子。

Albedo-NDVI特征空间及沙漠化遥感监测指数研究

利用遥感数据和野外调查数据分析了沙漠化与地表定量参数之间的关系,提出了A lbedo-NDVI特征空间的概念以及基于A lbedo-NDVI特征空间的沙漠化遥感监测模型,即沙漠化遥感监测差值指数模型(DD I)。这个模型充分利用了多维遥感信息,指标反映了沙漠化土地地表覆盖、水热组合及其变化,具有明确的生物物理意义。而且指标简单、易于获取,有利于沙漠化的定量分析与监测。

基于Albedo-NDVI特征空间的玛曲县荒漠化时空动态监测

开展荒漠化时空动态监测是荒漠化防治的一项重要基础工作。以地处青藏高原东北缘的甘肃省玛曲县为例,以该县2001年、 2005年、 2010年的TM影像和2015年的HJ-1影像为数据来源,利用Albedo-NDVI特征空间法,从整体到局部,分别对该县全区域及其黄河沿岸地区不同尺度区域近15年的土地荒漠化进行了监测和时空动态分析。研究结果表明:Albedo-NDVI特征空间法能便捷、有效、精确地对荒漠化信息进行提取和分级,有利于荒漠化的定量分析与监测;玛曲县近15年来实施的生态恢复工程效果显著,该县荒漠化状况有所改善,荒漠化土地的面积持续减小,程度不断降低,主要发生"轻度荒漠化土地向非荒漠化土地"的转移;但是由于沙源丰富、人口密集以及过度放牧等原因,玛曲县黄河沿岸5 km带状区域荒漠化以"非荒漠化土地向轻度荒漠化土地"转移为主,荒漠化状况较全县整体水平严重,并且仍有不断恶化的趋势。

基于NDVI-Albedo特征空间的陕西省干旱与荒漠化遥感监测

旱情与荒漠化遥感监测有助于了解时空分布特征并及时采取相应措施。以2000-2016年MODIS NDVI和地表反照度(Albedo)数据为基础,构建NDVI-Albedo特征空间,计算荒漠化差值指数(DDI)和植被条件反照度干旱指数(VCADI),利用气象站点实测10cm土壤湿度数据进行相关性验证,并利用DDI和VCADI分别分析17a间陕西省荒漠化和旱情的时空分布特征和规律;其次,利用一元线性回归和变异系数法分析陕西省荒漠化和旱情的变化趋势和稳定性;最后从降雨量、温度等自然因素和人为因素2个方面分析了陕西省荒漠化和旱情变化的原因。结果表明,DDI与土壤湿度呈正相关关系,相关系数为0.49～0.58,且通过了95%显著性检验;VCADI与土壤湿度呈负相关关系,相关系数为-0.36～-0.48,且通过了90%显著性检验,DDI和VCADI分别可作为土地荒漠化和旱情监测指标;陕西省旱情及荒漠化主要分布在关中东北部、西安市周边以及陕北黄土高原地区,呈现为自南向北逐渐加重的趋势;17a间陕西省旱情及荒漠化均呈逐渐减轻和减弱的趋势,旱情及荒漠化减轻和减弱的比例分别为67.94%、81.93%,主要分布在陕北黄土高原地区;DDI和VCADI变异系数<0.4所占比例分别为98.31%和84.05%,旱情及荒漠化呈较稳定状态,受干扰强度较小;DDI、VCADI分别与年降水量、年平均气温之间呈显著相关性的地区占陕西省面积比例均<20%,表明降水量、平均气温不是影响旱情与荒漠化变化的主导因素。

基于NDVI-SI特征空间的土壤盐渍化遥感模型

同时考虑植被和土壤信息,构建盐渍化遥感信息提取模型。选取具有长期研究基础的塔里木南缘于田绿洲为研究靶区,综合分析归一化差值植被指数(NDVI)、盐分指数(SI)二者之间的关系,在此基础之上提出NDVI-SI特征空间概念,并构建土壤盐渍化遥感监测指数模型(SDI),结果表明:土壤表层含盐量与SDI相关性较高,其R2=0.8596。非盐渍地、轻度盐渍地、中度盐渍地、重度盐渍地的SDI平均值分别为0.399,0.763,0.974和1.201,差异较大;经差异性矩阵分析,亦表明SDI能够很好的区分研究区内不同盐渍化程度地类的分布范围。SDI能反映盐渍化土壤地表盐量组合及其变化,具有明确的生物物理意义,并且指标简单、易于获取、有利于盐渍化定量分析与监测,对今后干旱区盐渍地信息提取以及动态监测研究具有重要意义。

运用NDVI-Albedo特征空间提取石漠化信息

石漠化是西南喀斯特地貌地区面临的最主要生态环境问题之一,对石漠化进行监测是其防治的一项重要工作。本文以威宁西部典型的石漠化研究区斗古乡为例,基于Landsat 8 OLI遥感数据,计算了研究区归一化植被指数(NDVI)和地表反照率(Albedo),通过NDVI-Albedo特征空间构建石漠化差值指数(RSDDI),对石漠化信息进行提取并对其进行精度验证。研究表明:基于NDVI-Albedo特征空间法构建的石漠化差值指数能够较为准确且便捷地对石漠化信息进行提取与分级,在中度石漠化及重度石漠化的制图精度均达到89%以上,提取效果较好,有利于西南喀斯特地貌地区对石漠化的定量评估与监测。

基于卫星遥感数据的地表信息特征——NDVI-Ts空间描述

介绍了基于卫星遥感数据的可操作NDVI、Ts和Ts/NDVI计算方法 ,讨论了NDVI、Ts和Ts/NDVI数据对植被覆盖信息表达的差异 ,分析了不同地表覆盖在NDVI Ts空间的年内变化特征。利用信息熵和平均梯度定量分析了NDVI、Ts和Ts/NDVI数据在信息表达丰富度方面的差异 ,讨论了在不同地表植被覆盖下 。

基于NDVI-Ts特征空间的黑龙江省干旱监测

NDVI-Ts特征空间方法结合了卫星遥感地表反射率和热红外特性,能较好地反映一定时空尺度的地表干旱状况,该文基于Terra-MODIS归一化植被指数(NDVI)和地表温度(LST)产品,构建NDVI-Ts三角形特征空间,采用植被温度状态指数结合MODIS地表分类产品IGBP对黑龙江省2007年夏季干旱进行监测和分析。结果显示:此次夏季干旱的空间分布广,持续时间长,干旱程度重,西部松嫩平原和东部三江平原等地主要农作物产区普遍发生干旱,且旱情严重。结合同期地面气象观测的月降水量数据对监测结果进行验证和评估表明:植被温度状态指数是一项近实时的干旱监测指标,不仅与当地最近的降水事件有关,而且与前期一段时间内的总体降水事件相关,可以较真实地反映当地干旱发生、发展的动态过程。

基于AVHRR和MODIS NDVI数据的黄土高原植被覆盖时空演变分析

黄土高原自退耕还林还草工程实施以来，区域植被覆盖发生了很大变化．为有效监测其变化程度，基于像元一元线性回归模型，利用该地区2001-2014年MODIS归一化植被指数fnormalized difference vegetation index，NDVI）数据对1982＋2006年GIMMSNDVI数据进行扩展．扩展数据通过了一致性检验，获得1982-2014年长时间序列植被NDVI数据集，分析该地区近33年植被NDVI的时空变化特征．研究结果显示：33年间黄土高原植被NDV1年际整体呈现显著的增加趋势，区域植被覆盖空间分布差异明显．其中南部和西部大部分地区植被覆盖轻微退化，中部地区植被覆盖基本不变，内蒙古边界、甘肃兰州以及陕西榆林等地区的植被覆盖均呈改善趋势．研究区各坡度等级植被覆盖良好，各坡度植被覆盖变化程度由强到弱依次为〉28°、20°-28°、14°-20°、9°-14°、4°-9°．其中黄土高原中部的坡地植被改善效果最为明显，甘肃与青海的交界处以及陕西南部、山西部分地区坡地植被覆盖呈轻微改善趋势．

NDVI-ST特征空间及干湿边变化特征

为了更好地解释归一化植被指数(NDVI)和地表温度(ST)的各种存在关系及其相互转换过程,以及监测和评价陆表变化,尤其是根据描述地表植被覆盖和土壤水分含量的参数,解释NDVI达到饱和以后的情况,以便更有效地应用,该文从归一化植被指数和地表温度之间机理出发,分析了植被指数与地表温度之间关系的研究以及NDVI-ST特征空间的干旱监测模型应用情况。结果表明,在高植被覆盖度情况下NDVI-ST特征空间拟合随意性增大,影响干旱的监测精度;同时多种因素对下垫面温度及植被指数影响的不确定性也影响干旱及植被的监测精度。今后的研究当中要针对不同时相、不同分辨率数据,分析不同植被覆盖类型和水分状况条件下NDVI-ST空间的变化规律,进一步研究修正NDVI-ST空间特征及干湿边(冷热边)的变化特征及在干旱监测中的应用,特别是高植被覆盖度下的修正应用,使ST-NDVI特征空间方法在干旱监测中发挥更好的作用。

基于GIMMS NDVI数据的四川植被覆盖度时空变化特征

利用四川地区1982-2006年的GIMMS NDVI数据集、植被类型数据集,运用MVC法、一元线性回归法、分维分析、时间序列分析等方法,对该区域植被覆盖度的空间异质性及其季节、年际动态变化过程进行了研究,初步揭示了研究区植被覆盖的时空变化特征。结果表明四川地区植被覆盖度以2%/10a的速率呈下降趋势(P<0.05)。1982-2006年间,四川地区植被覆盖度在空间上呈现北高南低、东高西低的分布特征;在春季,四川地区植被生长季在提前,其植被覆盖度以0.6%/10a(P>0.05)的速率在增长,针叶林、栽培植被、阔叶林、灌丛、草丛、草甸和沼泽植被等生长季提前的植被对全球变化的响应比其他类型的植被更加迅速;在植物生长旺盛的夏季,只有沼泽植被的植被覆盖度增加。

T_s-NDVI特征空间结构及与气候特征的相关性研究

基于实时观测的单一时段和多年合成的通用Ts-NDVI特征空间方法,利用2000 2008年黑龙江省MODIS数据和降水量资料,对研究区整个生长季的Ts-NDVI特征空间结构的年际和季节变化特征进行了研究,并从气候特征角度对Ts-NDVI特征空间结构变化与降水量的关系进行了分析。结果表明,Ts-NDVI特征空间结构的变化具有一定的规律,年际变化和季节变化都很大,在相同区域,不同时相的Ts-NDVI特征空间干、湿边截距呈现从春季到夏季升高、从夏季到秋季降低的趋势,斜率变化趋势与截距相反,湿边的变化对环境条件更加敏感。合成后通用Ts-NDVI特征空间干、湿边截距分别与历年最小、最大降水量之间呈显著正相关关系,湿边截距与最大降水量的相关性最好。

基于Landsat的兴安县植被覆盖度时空变化研究

本研究使用兴安县Landsat影像,采用像元二分模型估算植被覆盖度(FVC),并使用一元线性回归法分析植被覆盖度变化趋势。结果表明:(1)研究区平均FVC在2013-2021年间呈“S”型的上升趋势,在2016年达到最大(0.754),在2019年最小(0.635),平均FVC为0.707;(2)年平均FVC空间分布呈现南北高、中间低的分布情况,其中高等级FVC占比最多,低等级FVC占比最少;(3)研究区多年植被覆盖变化趋势向好。

贵州乌江流域NDVI降尺度适应性评价

降尺度获取较高的空间分辨率植被遥感数据,能更好地揭示出中小流域植被变化特征及其驱动因素。文章利用IDL实现AVHRR GIMMS NDVI数据空间统计降尺度,将原始1982—2000年8 km AVHRR GIMMS NDVI数据降尺度到250 m,并对其精度进行评价,再与2000—2016年MODIS NDVI数据相结合,分析1982—2016年贵州乌江流域NDVI时空变化。结果表明:应用空间统计方法得到的降尺度数据误差较小,可良好地反映乌江流域NDVI变化特征,说明该方法具有一定的适用性及科学性;1982—2016年,贵州乌江流域NDVI变化呈明显波动增加趋势,在逐年NDVI空间分布中,呈东高西低的分布格局;35年来,贵州乌江河流域NDVI年际变化呈上升趋势。

祁连山南坡主要河谷NDVI时空变化及影响因素分析

为进一步保护祁连山生态环境及合理开发利用河流沿线的植被资源,该文基于MODIS数据的NDVI产品及DEM数据集,对祁连山南坡主要河流谷地2000—2018年植被生长季的NDVI时空分布特征进行了研究,并提取研究区的主要地形因子,分析其对河流谷地植被生长季NDVI的影响。结果表明:随着河流两侧缓冲区距离逐渐增大,各年份的NDVI值呈现先增加后平稳再减少的分布特点;2000—2018年研究区河谷NDVI的变化趋势基本一致,整体表现出2010年出现了近20年的峰值;祁连山南坡河流谷地NDVI值,从斜坡(16°~25°)至急坡(41°~45°)增加的速率最大,说明该区间为NDVI值突变区间。2000—2018年祁连山南坡主要河流谷地的NDVI时空分布,可能受地形、气温和降水等自然因素影响较大,其受人为干扰因素影响较小,其中降水并非影响研究区河谷植被NDVI分布的主导因素,而气温可能是影响研究区河谷植被NDVI分布的主导因素。在地形因子中,存在较适合植被生长的特定坡度区间,且太阳辐射能量的增加有利于植被的生长。

1999-2018年黄河流域NDVI时空变化及驱动力分析

为了探究黄河流域NDVI时空变化及其驱动力,基于SPOT NDVI遥感数据,采用趋势分析、空间转移矩阵分析了1999—2018年黄河流域NDVI时空变化特征,并采用地理探测器模型对黄河流域NDVI空间分异特征与驱动力进行解释。结果表明:(1)从NDVI像元尺度的时间变化趋势来看,1999—2018年黄河流域NDVI变化趋势以极显著缓慢增长为主,占整个流域面积的53.12%,整体变化趋势向好,但可持续性不强;极显著较快增长和快速增长的区域占15.47%,主要位于山西西部吕梁山脉和陕西北部黄土高原。(2)从NDVI空间变化特征来看,20 a间,植被覆盖度保持稳定的区域占31.6%,持续增加的占65.99%。(3)黄河流域的NDVI空间差异主要由年平均降水量、湿润指数、干燥度、土壤类型所决定,其因子解释力均超过30%,这表明气候因素仍然是影响黄河流域NDVI的主导因素。绝大多数驱动因子间交互呈现相互增强或非线性增强,交互解释力最强的是年平均降水量和土地利用,q值为0.704。只有年平均降水量与土地利用类型交互及高程与人口密度的交互是相对独立的。