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.

应用CASA模型估算河南省主要森林植被碳储量

森林作为陆地生态系统的主体,也是最大的碳库,对维持全球气候稳定,减缓温室效应等有着至关重要的作用。为了解河南省主要森林的植被碳密度及碳储量,以遥感影像(MODIS13Q1)和气象数据为基础,利用CASA模型及植物枯损模型,对河南省2000、2005、2010、2015、2019年(以9月为例)主要森林区域的碳密度及碳储量进行了估算,并分析了其变化趋势。结果表明:2000-2019年,森林区域碳密度平均值为35.21~49.56 t/hm^(2),碳密度增加与减少的变化趋势面积比为2.52;主要森林区域植被碳储量整体呈现出增加趋势,由2000年的630962.48 t增加到2019年的716805.06 t,2000-2019年碳储量净增加85842.48 t,平均增长速率为4292.129 t·a^(-1);不同植被类型中碳储量由大到小依次为:阔叶林、灌从、针叶林、草丛、混交林。其中阔叶林碳储量最大,平均占总碳储量的比例为68.52%,混交林占比最少,仅为2.42%;不同植被类型的碳密度平均值每年从大到小排列总体表现为:落叶阔叶林、混交林、草丛、灌丛、针叶林;降水量对森林植被碳储量影响的灰色关联度最大为0.74。

新疆和田地区土地荒漠化时空特征分析

以干旱区土地荒漠化防治和生态环境修复为目的,对新疆和田地区土地荒漠化时空演变过程进行研究。基于RS和GIS技术,利用和田地区MODIS13Q1-NDVI遥感数据,以植被覆盖度作为荒漠化评价指标,对和田地区2000-2018年土地荒漠化时空变化特征进行分析。结果表明:(1)研究区植被覆盖度呈减少趋势的区域面积占总面积的0.38%,其中极显著减少区域面积占0.10%,显著减少区域面积占0.28%;植被覆盖度呈增长趋势的区域面积占12.88%,其中极显著增长区域面积仅占1.10%,显著增长区域面积占11.78%。(2)2006-2012年重度荒漠化区面积呈减少趋势,2012-2018年呈增加趋势,总体以年均0.59%的速率递增;中度荒漠化区面积呈减少趋势,平均每年以1.43%的速率减少,而轻度和非荒漠化区面积一直保持增加趋势,年均增速分别为2.19%和3.70%。(3)由面积转移矩阵可知,近20 a来,研究区土地类型未发生变化的面积为19.841×10^4 km^2,非荒漠化区转移面积最少,中度荒漠化区转移面积相对较多。由于气温、降水和人类活动等因素的影响,近20 a来和田地区重度荒漠化区面积略有增长,轻度和非荒漠化区面积增加显著。

基于MODIS MOD13Q1的植被变化研究:以西藏墨竹工卡为例

以西藏墨竹工卡为研究区域,利用NASA提供的MODIS MOD13Q1数据产品(2000～2012年),研究其植被空间分布规律及变化特征,结果表明:西藏墨竹工卡地区NDVI值从3 800 m到4 600 m逐渐小幅增加,而到了4 600 m以上逐渐减少。多年来,墨竹工卡大部分区域植被处于相对稳定状态,无变化区域占96.08%。

基于RS和GIS对那曲地区植被动态监测及分析

文章主要利用2006年1月至2010年8月MODIS13Q1资料,分析那曲地区的NDVI动态变化,进而来研究植被覆盖和长势情况。植被的生长状况和气候情况有密不可分的关系,文章是利用滑动平均法来去除气候因素的影响。此方法使得NDVI值能更好的反映植被生长状况及生长趋势。