, 丁建丽, 张喆Experimental analysis of spatial and temporal dynamics of fractional vegetation cover in Xinjiang
HEBaozhong, DINGJianli, ZHANGZhe通讯作者:
收稿日期:2016-05-21
修回日期:2016-09-9
网络出版日期:2016-11-25
版权声明:2016《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (7457KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
植被在全球能量交换、生物地球化学和水文循环方面作为研究全球变化的“指示器”上起着重要的作用[1-3]。植被覆盖度是指植被在地面的垂直投影面积占统计区总面积的百分比[4]。它是描述地表植被,作为地表植物群落定量指标和描述生态系统的基础数据等的重要参数,在研究区域生态系统方面起着特别重要的作用[3-5],也是蒸散蒸发、光合作用、陆面过程的控制因子[6-8]。植被覆盖度与区域的干旱条件和程度密切相关,大部分地区植被覆盖度与干旱程度呈正相关变化,而相关关系与地表植被覆盖类型有很大的联系[9]。研究植被覆盖度的主要方法包括两方面：一是地面调查法,包括逐点调查法[10-11]、摄影测量法、野外光谱分析法等[12];二是遥感监测法,包括经验模型（如NDVI,SAVI,MSAVI）[13-14]、光谱混合分析法（SMA）、像元二分模型、决策树[15]、分类树[16]、人工神经网络[17]、混合像元分解、像元分解密度模型法和光谱梯度差法[18]、代数运算、主成分分析、傅里叶变换、小波变换等[19]。像元二分法模型是研究植被覆盖度比较成熟的方法之一,并广泛应用于实际的植被覆盖度遥感监测中[20]。植被覆盖度对陆地退化和对干旱半干旱区域的陆地荒漠化极为敏感,被认为是评价土地荒漠化最有效的指标[21],准确获取干旱地区植被覆盖度对于土地资源的合理利用和土地荒漠化的准确评价具有重要意义[22]。
新疆为典型的山地—绿洲—荒漠系统（mountain oasis desert system, MODS）[23]。相关****已经针对新疆不同分区进行了研究,因为不同的研究区有着自身独特的气候特点、生态特征、行政区界限等特点。师庆东等[24]以NOAA影像的NDVI为数据源,根据植被区域特点,将研究区的植被区域划分为4个区,根据各个区域植被特点,采用不同分类标准,结果表明该类方法可以大大提高NDVI指数的植被分类精度;王智等[23]把新疆划分为东疆、南疆、北疆、伊犁等4大地区的山地、绿洲、荒漠等子系统,根据不同地区特点,探讨了不同地区的植被覆盖度变化情况;邵霜霜等[25]利用Sen+Mann-Kendall趋势分析和空间自相关分析方法,研究新疆植被覆盖的变化趋势;戴声佩等[26]发现新疆塔里木盆地、吐鲁番、塔河、托里等地区植被退化;张飞等[27]利用像元二分模型对新疆的植被覆盖度进行了研究;王智等[28]研究了中国西北干旱区植被覆盖变化Markov过程,结果表明植被覆盖变化受随机过程的控制和长期稳定的驱动因子影响;还有一些****在新疆不同地区对荒漠植被覆盖度进行了研究[29-32]。但已有研究主要运用1982-2006年的GIMMS/NDVI的数据,其分辨率只有8 km,因此不能很好地揭示细节上的演变。虽然也有较高分辨率的SPOT/VGT、MODIS1B、TM等数据[4, 25, 27],但是其研究的地点只是新疆某一个地点或只是某个特定的时期,大多数不超过2012年,并没有突出长时间序列变化和近期及未来演变的特点,而长时序（>10a）植被监测和评价是研究植被生长和受影响特征的核心区域,也是研究陆地生态系统过程和全球变化的重要环节[19]。而且,现有针对新疆植被覆盖度的研究,大多只在一定的时间序列中做定量的分析,对其未来植被覆盖变化的研究较少。因此,结合前人的研究,本文运用新疆2005-2015年500 m分辨率的MOA13A1-NDVI数据对新疆植被覆盖度变化做定量分析,揭示新疆近11年植被覆盖度变化趋势,然后用BP神经网络模型来对新疆未来植被覆盖度的变化做预测预警的研究,同时对比用NDVI回归分析法预测的精度。
1 研究区域
新疆位于中国西北部,其“三山夹两盆”的地域结构使得植被具有明显的纬向水平地带性分布规律,近30年来,由于气候变化和人类活动的影响,不同区域的植被均发生了相应变化,定量地分析其变化状况有着重要意义[33]。结合师庆东等[24]关于影像中的植被分区的方法,同时参考王智等[28]、邵霜霜等[25]的研究,在计算历年植被覆盖度数据后,把新疆分为东疆、南疆、北疆及伊犁地区,每个分区又分为山地、绿洲、荒漠和平原,其中伊犁只有山地和平原。基于此,将新疆共划分为2005-2015年11年4个分区在内的共11个子区,考虑所占篇幅,因此只列出2005年与2015年的分区结果（图1）。
显示原图|下载原图ZIP|生成PPT图1研究区示意图
-->Fig. 1Sketch of different sub-regions in the study area
-->
2 数据与处理方法
2.1 数据来源与预处理
从美国国家航空航天局NASA的EOS/MODIS数据网（ladsweb.nascom.nasa.gov）下载,内容为栅格归一化植被指数和增强型植被指数（NDVI/EVI）,MOD13A1,周期为16天,将全年划分为23个时段的500 m分辨率的3级正弦投影产品[34]。由于最大值合成法MVC的处理可以减少大气的云、颗粒、阴影、视角以及太阳高度角的影响[35],因此本文通过最大值合成法得到研究区每年NDVI最大值序列数据。利用像元二分法得到研究区2005-2015年的植被覆盖度分布图。2.2 研究方法
2.2.1 植被覆盖度遥感估算模型 在ArcGIS中利用像元二分模型计算植被覆盖度：式中：NDVIVEG为全植被覆盖覆盖像元的NDVI值;NDVISOIL为无植被覆盖的裸土像元的NDVI值[20]。
由于受大气影像和地表湿度条件的改变,以及粗超度、土壤类型等条件的不同,NDVISOIL也会随之发生变化。同时NDVIVEG值也会随着植被类型和植被的时空分布而变化,所以不能采用固定的NDVISOIL和NDVIVEG值[36-37]。因此根据冯莉莉等[20]、何慧娟[38]、张喜旺等[39]的研究,并结合本研究区的实际情况进行以下的操作,首先获取新疆2005-2009年MODIS 500 m分辨率的土地利用产品MCD12Q1的土地利用数据,从中国科学院资源环境科学数据中心（http://www.resdc.cn）下载2010年土地利用数据。由于中国科学院的土地利用数据分辨率是1000 m,因此2011-2015年使用的是2009年分辨率较高的土地利用数据。根据MCD12Q1和中国科学院土地利用数据划分的标准,共分为草地、常绿阔叶林、常绿针叶林、城市和建筑区、稀疏草原、稀疏植被、雪和冰、永久草地等17种地类;在计算时按照获得的土地利用数据把研究区的水体和冰雪区域去除。基于土地利用图针对每个单元计算NDVI数据的频率累积图;根据频率统计表,土地利用单元内取累积频率为1‰的NDVI值为NDVISOIL,土地利用单元内取累积频率为99.9%的NDVI值作为NDVIVEG。但是针对稀疏植被,发现如果仅仅利用1‰的累计频率、5%~95%或2%~98%的置信区间,对于反演稀疏植被覆盖区的结果的误差是极大的,并且对其准确的遥感估算一直是遥感应用领域的难题之一[22],因此通过反复调参并对比前人的研究结果和野外实地调查,分别取无水体和积雪区NDVI的最大和最小值作为NDVIVEG、NDVISOIL。这主要是因为稀疏植被面积广泛,且大部分位于荒漠之中,其真实覆盖度能达到1左右的像元不足1‰所致。由于涉及到不同地类,不同分区,数据量与计算量较大,因此所有过程均用python语言在ArcGIS环境中编程建模完成。
2.2.2 平均值变异系数 通过研究区历年不同分区的植被覆盖度变化情况,分析新疆整体的变化趋势。通过计算历年不同子区的标准偏差（SD）及其变异系数（CV）来描述其变幅与变异性[23, 40]。标准差SD和变异系数CV计算公式为：
式中：fvci为第i年的fvc实际观测值;
2.2.3 植被覆盖度年际变化趋势计算 一元线性回归分析可以以每个像元为单元,计算出2005-2015年的NDVI的变化趋势[5]：
式中：n为监测年数;yj是第j年的植被覆盖度;slope为多年植被覆盖度线性拟合概率。拟合直线可以反映新疆2005-2015年植被覆盖度的变化趋势及变化幅度,斜率为正,表明植被覆盖度增加,反之减少[20]。
2.2.4 线性回归分析 回归分析法提供了一种有效的估算植被覆盖度的解决方案[8]。回归分析是考察多个变量之间统计联系的一种重要方法,是研究植被长时序变化趋势的重要方法[19]。它是以时间t为自变量,对多年植被指数影像中各像素点NDVI值进行一元回归分析,其特点是以单个像素的时间变化规律反映整体的空间变化规律[40]。因此本文探讨利用2005-2014年10年的数据来预测2015年植被覆盖度,并与用像元二分法反演得到的2015植被覆盖度的结果做对比。
2.2.5 BP-ANN模型的预测研究 前人的研究多数只是用人工神经网络来结合其他模型对城市的演化和复杂土地利用系统进行了模拟研究[41-43],以及用在旱情监测和生态环境压力等研究方面[44-45]。但是这些研究多数只是模拟已知年的数据,然后做精度分析,并没有预测未来的实际变化。国外一些****运用人工神经网络来研究对于植被覆盖度、FAPAR和LAI的反演[46-48]。这些研究经过基于BELMANIP点的验证后表明均方根误差RMSE都小于0.09,精度较高,并且发布了GEOV1、CYCLOPES等产品。但国外这些研究只是预测某期影像的时空分布,并没有预测未来的变化。结合前人的研究,本文采用3层BP神经网络,来实际预测研究区未来植被覆盖度的发展变化（图2）。
显示原图|下载原图ZIP|生成PPT图2基于神经网络的预测植被覆盖度变化
-->Fig. 2Predictation on FVC change based on BP-ANN model
-->
神经网络是一种黑箱结构,多层神经网络能以任意精度逼近给定样本的分布和结构。训练过程无需人工操作,并且自动获得每个神经元的权重[43]。它具有运算效率高、自学习能力强、适应面宽等优点[45]。利用BP神经网络主要分为模型校正和模拟,主要思路为：建立三层神经网络,包括输入层,隐藏层和输出层,利用随机采样的数据对其进行训练,在利用训练好的网络对整个研究区数据进行模拟与预测（图2）。
输入层将信号输出到隐藏层,隐藏层第j个神经元所收到的信号为[41, 43]:
式中：k为输出信号对应的模拟单元;t为模拟时间;netj(k, t)为隐藏层第j个神经元所接收到的信号;wi,j为连接输入层和隐藏层之间的参数,即权重值。
隐藏层对该函数的响应为：
所以输出层第
式中：PVl(k, t)为单元k在模拟时间t时刻第l个神经元所接收到的信号;wj,l为隐藏层和输出层之间的参数,即权重值。
将每10年的植被覆盖度作为输入层数据,输出层为预测年的输出数据,由于隐藏层的神经元的数目至少为2n/3个[49]（其中n为输入层神经元的数目）,因此本文中隐藏层的神经元数目为7个。具体过程如下：
（1）采样：在ArcGIS中利用数据管理工具中的创建随机点功能,设置采样距离为20 km,最后生成了3602个采样点,其中3102个样点作为训练样本,500个样点作为测试样本。这些样点均匀分布在不同的地类、气候区、地形地貌等特征的分区当中,因此其样点代表了不同分区所独具的气候、地貌等特点使得具有代表性和预测的无偏性[47]。由于需要采集连续时间列的数据,所以2005-2014年之间都是这些采样点,每个样点所记录的是2005-2014年同一个像元中10年间的值。训练样本主要用来训练神经网络,使得输入层、隐藏层和输出层各层之间的节点之间最终能得到一个最优的权值分配矩阵[50],训练结束后就可以对输入的数据进行自动预测出输出层神经元的植被覆盖度数据。
（2）预测2015年植被覆盖度：利用Matlab创建BP神经网络,利用（1）中训练样本和测试样本的数据来训练网络。经过反复调试设置迭代次数为1500次,学习速率为0.10,梯度下降法采用Levenberg-Marquardt算法,因为这种算法是可以调节不同层之间权重的最优化方法[46]。利用训练好的网络来对测试数据进行预测,并根据测试样本做精度验证。然后用训练好的网络预测2015年植被覆盖度,并与线性预测方法的结果进行对比。
（3）预测2016-2020年植被覆盖度：用（1）同样的点来采集2006-2015年的训练样本与测试样本,依照（2）中的设置训练神经网络,然后预测新疆2016年的植被覆盖度,再训练2007-2016年间的数据后,预测出2017年的植被覆盖度数据,依此类推,最终得到2016-2020年的植被覆盖度数据。
3 结果与讨论
3.1 新疆植被覆盖度的时空变化特征
根据公式（1）反演得到2005-2015年新疆的植被覆盖分布图（图3）。经过之前对新疆典型的渭干河—库车河三角洲绿洲进行野外实际采样后得出用像元二分法的总体精度可达83.52%[27]。同时在新疆石河子地区用这种方法的可决系数（R2）达到0.86,均方根误差（RMSE）为0.10[3]。这两个地区都包含了典型的山地—绿洲—荒漠系统,因此用像元二分法来反演新疆植被覆盖度精度较高。
显示原图|下载原图ZIP|生成PPT图32005-2015年新疆植被覆盖度监测结果
-->Fig. 3Monitoring results of fractional vegetation cover in Xinjiang from 2005 to 2015
-->
新疆山地—绿洲—荒漠系统植被覆盖变化既有不同子系统之间的差异,又有分区特征[23]。各个绿洲、伊犁地区为高植被覆盖区（图3）。荒漠、绿洲、山地大体呈现出波动性的增加与减少。全疆总体趋势为不显著的上升趋势（P = 0.105）,从西北向东南植被覆盖度逐渐下降（图4）,这主要是受来自北冰洋水汽环流和高山冰雪融水的影响[51]。山地呈现出不显著的上升趋势,覆盖度维持在0.30左右,总体平稳。荒漠呈现出不显著的下降趋势,多年均值维持在0.10左右,总体也较平稳。但是,新疆的绿洲呈现出极显著的上升趋势（P = 0.006）,多年均值在0.62以上。总体上看,2009年是明显的转折期,其植被覆盖度是研究期的历史最低点,在全疆、山地、绿洲、荒漠来看都是历史最低值,然后从2010年开始有一个逐步的回升过程,总体趋势都相对平稳,这与相关****的研究是匹配的[25]。
显示原图|下载原图ZIP|生成PPT图42005-2015年新疆地区植被覆盖度变化趋势
-->Fig. 4The changing trend of fractional vegetation cover for the whole Xinjiang region from 2005 to 2015
-->
总体上东疆、南疆、北疆地区均呈现出绿洲覆盖度均值最高（图5）,山地和荒漠次之。但北疆与东疆、南疆相比有着显著的不同。山地方面：北疆的植被覆盖度在0.50~0.54之间,东疆在0.29~0.39之间,南疆在0.15~0.18之间,因此山地覆盖度从高到低排列为北疆>东疆>南疆,这与北疆有着丰富的降水和独特的气候条件有着密切的联系。杨光华等[52]研究发现年降水量的变化是导致新疆植被覆盖度变化的主导因素,降水量的下降植被覆盖也会减少。从总体趋势看,新疆全年水汽增加最明显的是新疆北部和西南部[53],同时新疆水资源北部多于南部,西部多于东部[54]。在荒漠方面：东疆与南疆有着相似之处,其多年植被覆盖度均值维持在0.1左右。但在北疆达到了0.2左右,这与北疆中高覆盖度荒漠区占较大比例密切相关[55]。但是在东疆、南疆、北疆其荒漠的年均植被覆盖度都呈现出不显著的逐年下降趋势,说明在生态环境本身就差的系统内,其生态环境可能只能变得更糟,而很难变得更好。在绿洲方面,东疆0.62~0.65,南疆0.60~0.66,北疆0.63~0.70,因此这3个地区基本一致,但北疆明显略高,其呈现极显著逐年升高趋势（P = 0.001）。在伊犁地区,由于其独特的气候条件,植被覆盖度一直处于高位。可以得出,伊犁与东疆、南疆和北疆有着显著的不同,其山地的多年均值植被覆盖度要高于平原区,这与其他3个分区是相反的。可能是因为伊犁的山区有着极为茂盛的云岭雪衫和高覆盖度的林草地[56]。山地植被覆盖度在0.65~0.74之间,平原的植被覆盖度在0.55~0.66之间,山地和平原的植被覆盖度差异明显。但是无论是从新疆总体还是从东疆、北疆、南疆分区来看,除北疆地区的山地和荒漠区的历史最低值在2008年外,其他分区的历史时期植被覆盖度的最低点都在2009年。伊犁地区的山地和平原历史的局部最低点出现在2008年,山地区域在2012与2014年为最小值,但位于2008年周围的年份值都比2008年的值大（图5）。因此以2008年作为参考年,则相应的存在“实时”（指伊犁地区）和“滞后”（指东疆、南疆与北疆地区）的效应。伊犁地区在2009-2011年呈显著的上升过程,2011-2014年呈显著的下降过程,但是2014-2015年又处于上升趋势,这几个过程明显的与东疆、南疆和北疆的趋势不同,因此说明伊犁地区总体上植被覆盖度变化波动较为剧烈,山地与平原的最高与最低值之差分别为0.09和0.10,而东疆、北疆和南疆在山地、绿洲、荒漠系统中的最大与最小值之差都没有超过0.07（除东疆的山地系统外,最大与最小值之差为0.098）。为了更好的显示新疆植被覆盖度是否随气候因素变化,研究了降水量、气温与植被覆盖度的历年变化趋势（图6,图7）。
显示原图|下载原图ZIP|生成PPT图52005-2015年新疆不同分区植被覆盖度变化趋势
-->Fig. 5Changing trends of fractional vegetation cover for different sub-regions in Xinjiang from 2005 to 2015
-->
显示原图|下载原图ZIP|生成PPT图62005-2013年伊犁地区降水量、气温与植被覆盖度的历年变化趋势
-->Fig. 6Changing trends of annual mean temperature and annual precipitation with fractionalvegetation cover in Yili from 2005 to 2013
-->
显示原图|下载原图ZIP|生成PPT图72005-2013年新疆地区降水量、气温与植被覆盖度的历年变化趋势
-->Fig. 7Changing trends of annual mean temperature and annual precipitation with fractionalvegetation cover in Xinjiang from 2005 to 2013
-->
2005-2013年7月伊犁地区山地和平原植被覆盖度与降水量和气温的趋势变化图是伊宁和昭苏两个测点的年平均值（图6）,气象数据源于中国气象局国家气象信息中心[57]。新疆地区植被覆盖度与降水和气温的历年趋势变化图（图7）是新疆除伊宁和昭苏外共52个测点的年平均值。伊犁地区的植被覆盖度与年平均降水量的变化趋势基本一致（图6）,随着降水量的波动变化而出现波动变化,不同分区的植被覆盖度在2008年都为历史最低值。但是与平均气温的变化趋势相比并没有呈现出一致的变化特征。新疆不同分区的植被覆盖度与气候因素的响应（图7）与图6基本相同,但降水量在2008年为最低值而不同分区植被覆盖度的最低值出现在2009年,仍然存在“实时”与“滞后”的效应。原因可能是由于气温的影响,伊犁地区气温在2008-2009年间较低且呈下降趋势,所以植被迅速对温度的变化产生了响应,植被长势实时凸显了出来。新疆其他地区在2008-2009年气温较高且呈不变的趋势,植被对温度的变化响应较慢,故长势的凸显出现了延迟。因此,据以上分析讨论得出新疆在近10年中的生态系统受到一系气候因素的影响,特别是降水量的变化,使得植被覆盖度波动变化明显。
3.2 植被覆盖度斜率变化趋势
新疆各分区都不同程度存在着或正或负的变化趋势（图8）,图像绝对值的大小代表近11年间植被覆盖度的变化程度[20],正值表示这11年间植被覆盖度呈增加趋势,负值表示这11年间植被覆盖度呈较少趋势。显著增改善的地区都位于绿洲的外围（图8）,主要是分布在天山南麓与北麓、沿塔克拉玛干沙漠绿洲的边缘（如渭库绿洲、阿克苏绿洲）、玛纳斯河流域中的绿洲外围、塔城绿洲边缘等。在各绿洲的外围和荒漠之间存在一个轻微改善的区域,主要位于昆仑山北麓外围—阿尔金山北麓至塔克拉玛干沙漠之间、阿克苏地区绿洲至塔克拉玛干沙漠、吐鲁番地区至塔克拉玛干沙漠、吐鲁番地区至准格尔盆地、哈密地区至准格尔盆地、塔城地区至准格尔盆地、阿勒泰地区至准格尔盆地之间等均有改善,改善的程度在0~0.028之间,因此构成了一个“绿洲—荒漠改善过渡带”。但东疆、北疆、南疆的荒漠地区基本呈现的是轻微退化的状态,但退化幅度微弱,幅度在-0.003~0之间,因此可以说明在新疆荒漠区的植被覆盖度总体趋势稳定。但北疆的准格尔盆地、托里、和布克赛尔、吉木乃等周边地区退化现象明显。伊犁山地地区退化现象极为明显。南疆沿着昆仑山北麓边缘退化现象明显,南疆山地的西北部退化严重以及墨玉、和田、洛浦、策勒、疏勒、疏附、喀什等县域周边退化现象明显。以上所有新疆植被呈现退化的区域都是历年植被覆盖度较高的区域,也是冰川积雪发育的山脉边缘和人类居住的核心区域,其植被覆盖度的降低主要是受全球气候变化和人类扰动影响而引起的[58-61]。
显示原图|下载原图ZIP|生成PPT图82005-2015年新疆植被覆盖度斜率分布
-->Fig. 8Slope map of fractional vegetation cover in Xinjiang from 2005 to 2015
-->
3.3 植被覆盖度变化幅度及变异性
总体上新疆西北部—西南部的变异性要大于东南部（图9）。植被覆盖度极低的荒漠地区、南疆昆仑山—阿尔金山非冰川积雪覆盖的地区的变异性都很小,不到20%。高植被覆盖的各绿洲外围和沿着昆仑山北麓边缘有较小的变异系数,在20%~40%之间。
显示原图|下载原图ZIP|生成PPT图92005-2015新疆植被覆盖度变异系数空间分布
-->Fig. 9Distribution of fractional vegetation cover change in Xinjiang from 2005 to 2015
-->
在昆仑山—阿尔金山、伊犁地区山脉的冰川积雪较远边缘呈现出中等的变异性,变异系数在40%~150%之间。在昆仑山—阿尔金山冰川积雪较近边缘、新疆各湖泊周围（如艾比湖、博斯腾湖、阿牙克库湖等）等有较大的变异性,范围在150%~316%之间。这与新疆气候总体正在向暖湿方向变化[53]、近50年来气温呈上升趋势[62]和近50年来降水量呈增加趋势[63]、新疆的冰川在近10年中出现了加速消减的趋势[53]、冻土融化使得释放出冻土的碳加速气候变暖[64]等有着极大的关系,这些因素对植被覆盖度和土地覆被的变化有极大的影响[53]。同时也因为灌溉面积的增大引发了土地沙化、土壤次生盐渍化、河道断流、湖泊萎缩等环境问题,严重威胁着生态安全[54]。这些环境问题改变了地表覆盖类型,使得以往的水域变为干涸的河床、耕地成为弃耕地、冰川退去留下裸露的岩石地、降水增多使部分原低植被覆盖区变为高覆盖植被区等变化影响了植被覆盖度的变化。比如在博斯腾湖附近,其附近有60%~150%的变异性。阿吉吉丽等[58]对博斯腾湖进行研究,发现近30多年来博斯腾湖小湖水域面积呈波动性变化趋势,总体上呈现萎缩的趋势,景观破碎化程度有加深的趋势。并且博斯腾湖受人类活动影响大,2002年后水位下降,总体上呈现萎缩的趋势[59]。随着气候变暖,冰川退缩加剧,融水量增大,冰川洪水灾害随着冰川融水径流的增加而增多[60]。这些灾害对山脉的生态造成影响,进而影响植被覆盖度的变化。李成秀等[61]研究了近40年来西昆仑山冰川及冰湖变化与气候的影响,表明1976-2010年西昆仑山冰川呈现微弱的退缩;气温缓慢上升是西昆仑冰川退缩的原因之一。这些研究表明,冰川、积雪、湖泊因气候和人为扰动的影响对于生态系统和植被覆盖度的影响巨大,积雪性融水的多少也会对植被覆盖度造成一定的影响,因此在冰川积雪和湖泊周围的变异系数较大。
这个变异系数并不能反映出植被区的改善与退化的情况,比如退化明显的伊犁地区其变异系数居然大部分区域只是0~20%之间（图9）,其原因就在于同趋势斜率相比,标准差只能表示变化的幅度而不能体现变化的方向[40]。
3.4 线性方程和BP-ANN方法来预测2015-2020年植被覆盖度
利用线性方程和神经网络的预测的2015年结果（图10a、10b）。2015年实际的反演结果如图11a所示,并与线性预测方法的结果进行对比。通过测试样本500个点的精度验证后可决系数R2为0.9705,精度较高。为了更好的展现两种方法的精度,从整个研究区中用ArcGIS软件随机选点的功能选取了600个验证点（图11b）,通过精度验证（图12,图13）,预测出2016-2020年的植被覆盖度（图14）。对预测结果精度验证与讨论如下：
显示原图|下载原图ZIP|生成PPT图10用线性回归模型和BP-ANN预测新疆2015年植被覆盖度的结果
-->Fig. 10The simulation of fractional vegetation cover using NDVI linear regression method and BP-ANN model in 2015
-->
显示原图|下载原图ZIP|生成PPT图11新疆2015年真实反演植被覆盖度与验证点分布图
-->Fig. 11The inversion of fractional vegetation cover and the distribution of valid points in Xinjiang in 2015
-->
显示原图|下载原图ZIP|生成PPT图12预测与实际反演的植被覆盖度的回归分析
-->Fig. 12The regression analysis of fractional vegetation cover for simulation and inversion results
-->
显示原图|下载原图ZIP|生成PPT图13部分验证点预测与真实的植被覆盖度比较
-->Fig. 13Comparison of simulation and inversion results between proportion valid points
-->
显示原图|下载原图ZIP|生成PPT图14新疆BP-ANN 2016-2020年植被覆盖度模拟结果分布
-->Fig. 14The simulation of fractional vegetation cover using BP-ANN model from 2015 to 2020 in Xinjiang
-->
（1）整体：对比图10和图11a,直观地可以看到两种方法在相应的低中高植被区都与真实的反演结果很接近。对比选择的研究区600个验证点的真实反演值和预测值（图12a、12b）,对于中低覆盖度的区域其真实值与两个模型的模拟值都很接近,但在部分高覆盖度的区域,有少部分预测值与真实值相差较大。线性预测结果的可决系数达到0.9459,均方根误差为0.053。BP-ANN预测值的可决系数达到了0.9502,均方根误差为0.050,相关性更好,更能预测未来的演变情况。为了更好的显示BP-ANN模拟的效果更加精确,从600个样点中选择前63个样点进行预测结果细节的展示（图13）。
（2）局部：从图13中可以得出在很多验证点上真实值与预测值极为接近,但很明显BP-ANN在很多点上与其真实值几乎都是相等的,但线性拟合法在多处点上没有实现。
综上,BP-ANN的拟合效果在整体上要明显优于线性拟合模型。新疆低中高植被覆盖度分布的区域并无明显变化（图14,图15）,新疆各个绿洲、伊犁、塔城地区、阿勒泰山、昆仑山—阿尔金山部分地区等均有较高的植被覆盖度。荒漠地区的植被覆盖度变化并不大,一直处于极低值的状态。从图15中可以得出对于新疆整个区域与山地出现的是不显著增加趋势,绿洲为不显著下降趋势,荒漠为微弱的显著上升趋势。东疆、南疆和北疆的荒漠区都显示为增加趋势,这可能是随着气候变暖,降雨增多,荒漠区生态环境有所改善所致。在绿洲区都显示为下降趋势。东疆与南疆的山地区域为增加趋势,北疆的山地区域为下降趋势。伊犁的平原为显著下降趋势,山地为不显著下降趋势。
显示原图|下载原图ZIP|生成PPT图15预测年份2016-2020年新疆植被覆盖度变化趋势
-->Fig. 15Predicted changing trends of fractional vegetation cover for the whole Xinjiang region from 2016 to 2020
-->
3.5 对预测后结果的整体讨论（2005-2020年）
新疆2005-2020年植被覆盖度呈极显著的改善趋势（P = 0.002）,山地呈不显著的上升趋势,覆盖度维持在0.3左右,总体趋势平稳。荒漠呈不显著上升趋势,多年均值维持在0.1左右。与2005-2015年相比,预测新疆荒漠的总体将呈改善趋势,这主要与气候变化有关。新疆绿洲呈不显著上升趋势（P = 0.119）,相比于2005-2015年的显著上升趋势,新疆绿洲受其他因素的影响较大,多年均值在0.62以上（图4,图5,图15,表1）。Tab. 1
表1
表1新疆不同生态区植被覆盖度趋势变化统计表
Tab. 1Changing trends of fractional vegetation cover for different ecological regions of Xinjiang from 2005 to 2020
| 生态分区 | 2005-2015年 | 2016-2020年 | 2005-2020年 |
|---|---|---|---|
| 新疆 | |||
| 全疆 | 不显著增加趋势 | 不显著增加趋势 | 显著增加趋势 |
| 荒漠 | 不显著下降趋势 | 微弱显著增加趋势 | 不显著增加趋势 |
| 绿洲 | 显著增加趋势 | 不显著下降趋势 | 不显著增加趋势 |
| 山地 | 不显著增加趋势 | 不显著增加趋势 | 不显著增加趋势 |
| 东疆 | |||
| 荒漠 | 不显著下降趋势 | 不显著增加趋势 | 不显著增加趋势 |
| 绿洲 | 不显著增加趋势 | 显著下降趋势 | 不显著下降趋势 |
| 山地 | 不显著增加趋势 | 不显著增加趋势 | 显著增加趋势 |
| 南疆 | |||
| 荒漠 | 不显著下降趋势 | 显著增加趋势 | 不显著增加趋势 |
| 绿洲 | 不显著增加趋势 | 显著下降趋势 | 不显著下降趋势 |
| 山地 | 不显著增加趋势 | 不显著增加趋势 | 不显著增加趋势 |
| 北疆 | |||
| 荒漠 | 不显著下降趋势 | 不显著增加趋势 | 不显著下降趋势 |
| 绿洲 | 显著增加趋势 | 不显著下降趋势 | 显著增加趋势 |
| 山地 | 不显著增加趋势 | 不显著下降趋势 | 不显著增加趋势 |
| 伊犁 | |||
| 平原 | 不显著增加趋势 | 显著下降趋势 | 不显著增加趋势 |
| 山地 | 不显著下降趋势 | 不显著下降趋势 | 不显著下降趋势 |
新窗口打开
新疆分区：东疆、南疆、北疆地区均呈现出绿洲覆盖度均值最高,山地和荒漠次之（图5,图15,表1）。其他方面也与前面论述的2005-2015年变化趋势基本一致,局部不同。① 东疆：通过预测发现,绿洲区域在2005-2015年植被覆盖度呈现的是不显著上升趋势,而在2005-2020年呈不显著下降趋势。荒漠区域在2005-2015年植被覆盖度呈现的是不显著下降趋势,在2005-2020年总体来看呈现的是不显著上升趋势。② 南疆：绿洲区域在2005-2015年植被覆盖度呈现的是不显著上升趋势,而在2005-2020年呈现出不显著下降趋势。荒漠区域在2005-2015年植被覆盖度呈现的是不显著下降趋势,在2005-2020年总体呈不显著上升趋势。③ 北疆：2005-2015年的荒漠、绿洲、山地变化趋势与2005-2020年的总体变化趋势基本一致。绿洲植被覆盖度呈显著的上升趋势（P = 0.003）,荒漠植被覆盖度呈现不显著的下降趋势,山地呈现出不显著的上升趋势。④ 伊犁：2005-2015年的发展趋势与2005-2020年总体发展趋势大体一致,平原地区植被覆盖度呈现出上升趋势。2016-2020年的变化幅度放缓,变化不超过0.02,但这几年之间总体呈下降趋势。山地植被覆盖度也是呈不显著下降趋势,2016-2020年之间交替上升与下降,总体趋势是下降的,这与伊犁地区之前波动变化的趋势一致,因此证明BP人工神经网络的确具有强大的自学习能力,能够很好的模拟未来的发展趋势。
4 结论
（1）新疆植被覆盖度总体呈改善趋势,从西北向东南逐渐下降。山地呈改善趋势,荒漠地区呈退化趋势,绿洲地区呈显著的改善趋势。植被覆盖度主要是受降水量的影响。2009年的植被覆盖度处于历史最低点。在绿洲的外围和荒漠之间存在一个轻微改善的区域,构成了一个“绿洲—荒漠改善过渡带”。新疆西北部—西南部的变异性要大于东南部,荒漠区和昆仑山—阿尔金山的非冰川周围地区变异性很小,而在各山脉的冰川积雪、湖泊周围的变异性很大,这主要是因气候变化、冰川消融和湖泊水位波动等所致。从分区看：北疆生态明显好于东疆与南疆,其绿洲区域呈现明显的改善。伊犁地区植被覆盖度变幅大,山地区域明显呈逐年退化。伊犁地区植被覆盖度的局部最低点是在2008年比其他地区的2009年提前了一年。以2008年作为参考年,相应的存在“实时”（伊犁地区）和“滞后”（东疆、南疆和北疆）的效应,这主要是降水和气温变化的结果。
（2）2016-2020年新疆低中高植被覆盖度分布的区域并无明显变化。整个区域与山地呈不显著增加趋势,绿洲为不显著下降趋势,荒漠为微弱的显著上升趋势。东疆、南疆和北疆的荒漠区均呈增加趋势,在绿洲区均呈下降趋势。东疆与南疆的山地区域为增加趋势,北疆的山地为下降趋势。伊犁的平原呈显著下降趋势,山地呈不显著下降趋势。
2005-2020年新疆低中高植被覆盖度分布的区域并无明显变化,总体呈显著的改善趋势（P = 0.002）,山地大体呈现出不显著的上升趋势,覆盖度维持在0.30左右,总体趋势平稳。荒漠总体上呈不显著的上升趋势,多年均值维持在0.10左右,相比于2005-2015年的不显著下降趋势,新疆荒漠的总体呈改善趋势,总体趋势平稳。新疆的绿洲呈不显著的上升趋势（P = 0.12）,相比于2005-2015年的显著上升趋势,呈现出新疆绿洲整个地区受降水与气温等气候因素的影响较大,多年均值在0.62以上。
预测之后各分区的发展趋势与2005-2015有较大的不同,具体表现是：2005-2020年的东疆、南疆的绿洲和荒漠区域的发展趋势与2005-2015年相反,分别是变为趋于退化和趋于改善,因此有必要在这些区域做必要的生态保护措施。北疆区域预测后的发展趋势与2005-2015年的发展趋势基本一致,但2016-2020年与2005-2015年趋势相反,绿洲和山地区域的植被覆盖度呈现下降趋势。伊犁地区预测后的发展趋势与2005-2015年基本一致,2016-2020年的变动幅度要比前期小,山地退化趋势明显。
研究表明新疆的植被覆盖度总体呈逐年上升趋势,局部地区略有下降。预测揭示出新疆的植被覆盖度会逐年改善。东疆、南疆的荒漠地区呈好转的趋势,但幅度极为微弱。东疆、南疆的绿洲区域呈逐年下降趋势,山地区域都为逐年上升趋势。伊犁地区的山地地区植被退化趋势明显,平原地区呈现波动改善的趋势,与其他分区作对比,相应的存在“实时”和“滞后”的效应。位于冰川积雪和水域周围的区域变异系数很大,这主要是因气候变化、冰川消融、湖泊水位波动变化等因素引起的。本文中利用的BP-ANN模型并没有考虑气温、降水等气候条件的影响因素,部分只是做了一些必要的定性分析。通过已有的年份和预测出来的年份进行下一年的模拟,预测出的其他年份数据也大体符合实际情况,这主要是因为已有年的数据序列本身就是受一系列影响因素的综合体,其不同年份、不同地理位置的像元所赋予的数字本身就是极为精确的空间变量的载体,所以通过验证,其模型的精度较高。以后还应该加入气温、降水、地形等的影响因素来进行预测研究。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
| [1] | . According to this extrapolation, between 2012 and 2015, no bare shifting dune landscape will remain, and the study area will be covered with sparse- and dense-level vegetation cover. Beginning in 2035, the entire study area will be covered in vegetation whose density will be between 60 and 100%. Meso-climate and land use changes are among the factors that might explain this phenomenon. |
| [2] | //Ringrose S, Chanda Ringrose S, Chanda R. |
| [3] | . This paper evaluates the usefulness of the hyperspectral imager (HSI) onboard Chinese HJ-1-A small satellite in vegetation mapping. Fractional vegetation cover (FVC) is an important surface microclimate parameter for characterizing land surface vegetation cover as well as the most effective indicator for assessing desertification and crop growth condition. The HJ-1/HSI data were used to calculate the narrow band vegetation index by using the in situ plot FVC data, which was then applied in sub-pixel de-composition model for the FVC estimation, namely the dimidiate pixel model. The FVC information in the Shihezi Area, Xinjiang, China was retrieved based on the dimidiate pixel model. Cross-checked with the in situ measured FVC data, a correlation coefficient square of 0.86, and the root mean square error of 10.9% is statistically achieved. The verification indicates that the FVC result retrieved from the HJ-1/HSI data is well correlated with the in situ measurements, demonstrating that the HJ-1/HSI data are promising for studying the potential impacts of global climate change on the arid and semi-arid landscapes. (C) 2012 Elsevier B.V. All rights reserved. |
| [4] | . 植被覆盖度信息是荒漠生态环境表征的重要指标之一。荒漠区地表植被稀疏，在遥感光谱信息中表现较弱，通用的植被覆盖度遥感提取方法应用于干旱荒漠区存在一定的局限性，为了探寻一种满足大尺度荒漠地区的植被覆盖度信息的提取方法，必须对比和分析现有的遥感方法在干旱荒漠区的应用效果。以新疆荒漠区为例，利用MODIS遥感影像和野外植被覆盖度实测数据，对常用的6种遥感植被覆盖度提取方法（改进的三波段梯度差法、像元二分法、线型混合像元分解法、归一化植被指数法、增强型植被指数法和修正型土壤调整植被指数法）的结果进行精度验证和对比分析。结果表明：MODIS影像上较难提取纯荒漠植被像元，用农作物的像元值代替会降低像元二分法和线性混合像元分解模型的模拟精度；植被指数法对地面实测数据依赖性较大，模拟的精度差异很大，仅考虑红光和近红外的归一化植被指数法模拟精度最低，而综合考虑土壤和大气因素的增强型植被指数法的模拟结果精度最高；改进的三波段最大梯度差法虽然模拟精度稍次之（<em>R</em><sup>2</sup>=0.74；<em>RMSE</em>=13.46），但依据光谱的物理特性，能显著地反映南、北疆荒漠植被覆盖度的差异，是目前大尺度的荒漠区覆盖植被信息提取较为适宜的方法之一。 . 植被覆盖度信息是荒漠生态环境表征的重要指标之一。荒漠区地表植被稀疏，在遥感光谱信息中表现较弱，通用的植被覆盖度遥感提取方法应用于干旱荒漠区存在一定的局限性，为了探寻一种满足大尺度荒漠地区的植被覆盖度信息的提取方法，必须对比和分析现有的遥感方法在干旱荒漠区的应用效果。以新疆荒漠区为例，利用MODIS遥感影像和野外植被覆盖度实测数据，对常用的6种遥感植被覆盖度提取方法（改进的三波段梯度差法、像元二分法、线型混合像元分解法、归一化植被指数法、增强型植被指数法和修正型土壤调整植被指数法）的结果进行精度验证和对比分析。结果表明：MODIS影像上较难提取纯荒漠植被像元，用农作物的像元值代替会降低像元二分法和线性混合像元分解模型的模拟精度；植被指数法对地面实测数据依赖性较大，模拟的精度差异很大，仅考虑红光和近红外的归一化植被指数法模拟精度最低，而综合考虑土壤和大气因素的增强型植被指数法的模拟结果精度最高；改进的三波段最大梯度差法虽然模拟精度稍次之（<em>R</em><sup>2</sup>=0.74；<em>RMSE</em>=13.46），但依据光谱的物理特性，能显著地反映南、北疆荒漠植被覆盖度的差异，是目前大尺度的荒漠区覆盖植被信息提取较为适宜的方法之一。 |
| [5] | . The application of a remote sensing technique enabled vegetation abundance and dynamics to be studied in an area with a steep climatological gradient, ranging between Mediterranean and arid ecosystems. The methodological differences between field surveys and remote sensing are analysed and compared with regard to the type of information derived from them, and their relative accuracy and advantages. Four vegetation cover maps were then produced from the Landsat images of the 5 May 1991, 5 April 1992, 23 May 1992 and 10 July 1992. Using these images it was possible to study both the spatial variation of vegetation cover in this area, the seasonal changes which occurred between the winter and summer of 1992 and the changes between two corresponding seasons in 1991 and 1992, with extreme precipitation levels. |
| [6] | . Fraction of green vegetation, fg, and green leaf area index, Lg, are needed as a regular space-time gridded input to evapotranspiration schemes in the two National Weather Service (NWS) numerical prediction models regional Eta and global medium range forecast. This study explores the potential of deriving these two variables from the NOAA Advanced Very High Resolution Radiometer (AVHRR) normalized difference vegetation index (NDVI) data. Obviously, one NDVI measurement does not allow simultaneous derivation of both vegetation variables. Simple models of a satellite pixel are used to illustrate the ambiguity resulting from a combination of the unknown horizontal (fg) and vertical (Lg) densities. We argue that for NOAA AVHRR data sets based on observations with a spatial resolution of a few kilometres the most appropriate way to resolve this ambiguity is to assume that the vegetated part of a pixel is covered by dense vegetation (i.e., its leaf area index is high), and to calculate fg=(NDVI-NDVI0)/(NDVI8-NDVI0), where NDVIo (bare soil) and NDVI (dense vegetation) are specified as global constants independent of vegetation/soil type. Global (0.15o)2 spatial resolution monthly maps of fg were produced from a 5-year NDVI climatology and incorporated in the NWS models. As a result, the model surface fluxes were improved. |
| [7] | . We simulated urban climate with surface boundary conditions based on satellite remote sensing (RS) data. Most previous mesoscale meteorological modeling studies use land-use data instead as the surface boundary conditions. However, small patches of vegetation-cover, such as roadside trees and garden trees, are excluded from the land-use data. Therefore, we made a fractional vegetation cover (FVC) dataset with these small patches of vegetation-cover from RS data, and then simulated the urban heat island in Tokyo with FVC data as new surface boundary conditions. In addition, we compared the above simulation results with results from a simulation that used only land-use data. The comparison shows that the air temperature with the new boundary condition is up to 1.5 lower than that with the old boundary condition. Furthermore, the new boundary condition led to predicted air temperatures closer to the measured temperatures than those with the old boundary condition. Therefore, it is important for urban climate simulations to include small vegetation cover. |
| [8] | . We compared a set of methods for estimating the fractional vegetation cover (fc) of sparse desert vegetation over an arid region of southern Xinjiang, China. Six kinds of remote sensing inversion models (an NDVI regression, a spectral mixture analysis (SMA), a pixel dichotomy model, a three-band maximal gradient difference (TGDVI) model and two modified TGDVI models) were used to derive fc from remote sensing data, and the results were compared with fc values measured in the field to select an appropriate model to derive the fractional cover of sparse desert vegetation in arid regions. The NDVI regression based on field fc and the NDVI for the sampled pixels in September 2006 showed the highest precision, while the results of 2007 showed that the NDVI regression method is inappropriate for depicting vegetation characteristics in other growing season because the empirical model highly depend on the specified in situ measurement. The SMA approaches yielded higher precision than the other models, indicating that it is applicable for analysing the coverage of sparse desert vegetation. The pixel dichotomy model can yield a high precision based on finely detailed vegetation maps. However, it requires the measurement of many parameters. The TGDVI model is simple and easy to implement, and the values that it predicted for the coverage of high-density vegetation and barren areas were close to those measured in the field, but the fc values of sparsely vegetated areas were underestimated. The predictions of the modified TGDVI models were close to the values measured in the field, indicating that these modified models can reliably and effectively extract information on the fractional cover of sparse vegetation in an arid region. We analyzed the models sensitivity with respect to rainfall because the short-wavelength infrared bands used in the two TGDVI models proposed in this study are sensitive to moisture. The results showed that the modified TGDVI models accuracy was not affected by increasing soil moisture content caused by rain. However, the NDVI regression, SMA and TGDVI were sensitive to the change of soil moisture content. Moreover, the two modified TGDVI models yielded negative values for sources, such as reservoirs and rivers, implying that they are effective for characterising bodies. However, the modified TGDVI models cannot predict fc in snow- and glacier-covered regions, producing abnormally high rather than zero values. Additionally, the predictions before and after snowfall on the top of a mountain show a linear increasing relationship, suggesting that the short-wavelength infrared band may be useful to predict snow depth. |
| [9] | . <p>基于MODIS-NDVI遥感数据以及地表气象数据,计算了2001-2013年华北地区的修正Palmer干旱指数（Palmer Drought Severity Index,PDSI）和植被覆盖度,总结出植被覆盖度以及PDSI的年际变化规律,从华北地区生态分区的角度分析了二者的相关关系。结果表明：① 华北平原的植被覆盖度呈南高北低、中部高四周低的分布特点,最低为内蒙古高原草原生态区的0.61,最高为淮阳丘陵地区的0.84;② 2001-2013年,华北平原整体植被覆盖度主要呈上升趋势,其中华北的北部、西部、南部山区及丘陵地带植被覆盖度主要呈上升趋势,而华北平原农业区以及京津唐城郊地带植被覆盖度呈下降趋势;③ 华北地区的东北部有变潮湿的趋势,南部则有变干旱的趋势,其他地区干旱条件变化不明显;④ 华北地区植被覆盖度与气候干旱程度的平均相关系数为0.20,73.37%的地区相关系数为正,正相关关系最为明显的地区为华北地区的西北部,而北京、天津、以及河北省与河南省一级、二级城市的城郊地区相关系数多为负值。⑤ 在华北大部分地区,夏季和秋季的气候干旱条件对植被覆盖度的影响最为明显。</p> . <p>基于MODIS-NDVI遥感数据以及地表气象数据,计算了2001-2013年华北地区的修正Palmer干旱指数（Palmer Drought Severity Index,PDSI）和植被覆盖度,总结出植被覆盖度以及PDSI的年际变化规律,从华北地区生态分区的角度分析了二者的相关关系。结果表明：① 华北平原的植被覆盖度呈南高北低、中部高四周低的分布特点,最低为内蒙古高原草原生态区的0.61,最高为淮阳丘陵地区的0.84;② 2001-2013年,华北平原整体植被覆盖度主要呈上升趋势,其中华北的北部、西部、南部山区及丘陵地带植被覆盖度主要呈上升趋势,而华北平原农业区以及京津唐城郊地带植被覆盖度呈下降趋势;③ 华北地区的东北部有变潮湿的趋势,南部则有变干旱的趋势,其他地区干旱条件变化不明显;④ 华北地区植被覆盖度与气候干旱程度的平均相关系数为0.20,73.37%的地区相关系数为正,正相关关系最为明显的地区为华北地区的西北部,而北京、天津、以及河北省与河南省一级、二级城市的城郊地区相关系数多为负值。⑤ 在华北大部分地区,夏季和秋季的气候干旱条件对植被覆盖度的影响最为明显。</p> |
| [10] | . ABSTRACT Step-point sampling provides a rapid, accurate, and objective method of determining the botani-cal composition and total cover of herbaceous vegetation. These de-terminations enable one to evalu-ate the forage stand on any specific area. The method has been used to inventory herbaceous cover re-lative to soil type, woody vegeta-tion cover, aspect and slope, and other environmental factors by the Soil-Vegetation Survey in Cali-fornia. Values have been assessed by this method to seeding and ferti-lizer trials in irrigated pastures and improved dryland ranges. Changes in botanical composition of improved ranges resulting from grazing manipulation have also been recorded by use of this sampl-ing method. The step-point method of sam-pling is based on point quadrat sampling. Point quadrat sampling had its origin in a suggestion made to E. B. Levy by Dr. L. Cockayne in 1925 to the effect that a pin point would prove mathematically sound as the basis of a method for charting vegetation (Levy and Madden, 1933). Cockayne vaguely referred to point quadrat sampling in 1926. From 1927 to 1930 a number of papers by Levy, Smith, and Davies appeared recording re-sults obtained by the use of this method. The first description of the method was that of Du Rietz in 1932; and in 1933 Levy and Madden published a full account of it (Goodall, 1952). The method used by Levy consisted of taking a number of locations at random and recording all vegetation that was hit as the point was projected from above into the sward. He used a frame of 10 pins spaced 2 inches apart (Levy and Madden, 1933). The use of inclined points in a frame was first developed by Tinney, et al. (1937). Eden and Bond (1948) first used a single point for analysis of herbaceous vegetation. |
| [11] | . A number of aspects of a technique recently developed to assess the agro〆cological condition of veld were evaluated by 4 independent observers. Measuring the veld composition score yielded relatively repeatable results with a’ 95% confidence limit of ±6,43 units for any single estimate which may range from 0 to 100 units. The step﹑oint method yielded results on percentage veld composition and on veld composition score which did not differ in precision or in absolute amount from those obtained using the wheel﹑oint apparatus. Adoption of the step﹑oint method in preference to the wheel﹑oint method saves in equipment and manpower, and renders the technique usable by extension officers and farmers who normally do not have a wheel﹑oint apparatus. However, the step﹑oint method does not provide, an estimate of basal cover, and perhaps should not be used on uneven terrain or bushy veld. Using a circular﹒uadrat 3,5 cm in diameter yielded a more precise index of basal cover than did the standard method using a point﹒uadrat 1 mm in diameter. However, there are disadvantages in using the relatively large quadrat. Possible bias introduced into determining percentage species composition and composition score by using the nearest plant method were negligible. |
| [12] | . Green vegetation (GV), nonphotosynthetic vegetation (NPV), and soil are important ground cover components in terrestrial ecosystems worldwide. There are many good methods for observing the dynamics of GV with optical remote sensing, but there are fewer good methods for observing the dynamics of NPV and soil. Given the difficulty of remotely deriving information on NPV and soil, the purpose of this study is to evaluate several methods for the retrieval of information on fractional cover of GV, NPV, and soil using 500-m MODIS nadir BRDF-adjusted reflectance (NBAR) data. In particular, three spectral mixture analysis (SMA) techniques are evaluated: simple SMA, multiple-endmember SMA (MESMA), and relative SMA (RSMA). In situ cover data from agricultural fields in Southern Australia are used as the basis for comparison. RSMA provides an index of fractional cover of GV, NPV, and soil, so a method for converting these to absolute fractional cover estimates is also described and evaluated. All methods displayed statistically significant correlations with in situ data. All methods proved equally capable at predicting the dynamics of GV. MESMA predicted NPV dynamics best RSMA predicted dynamics of soil best The method for converting RSMA indices to fractional cover estimates provided estimates that were comparable to those provided by SMA and MESMA. Although it does not always provide the best estimates of ground component dynamics, this study shows that RSMA indices are useful indicators of GV, NPV, and soil cover. However, our results indicate that the choice of unmixing technique and its implementation ought to be application-specific, with particular emphasis on which ground cover retrieval requires the greatest accuracy and how much ancillary data is available to support the analysis. (C) 2012 Elsevier Inc. All rights reserved. |
| [13] | . Not Available |
| [14] | . Spectral properties of a wheat canopy with vegetation fraction (VF) from 0% to 100% in visible and near-infrared (NIR) ranges of the spectrum were studied in order to devise a technique for remote estimation of VF. When VF was <60%, from emergence till middle of the elongation stage, four distinct, and quite independent, spectral bands of reflectance existed in the visible range of the spectrum: 400 to 500 nm, 530 to 600 nm, near 670 nm, and around 700 nm. When VF was between 60% and 100%, reflectance in the NIR leveled off or even decreases with an increase of VF. The decreased reflectance in the NIR, occurring at or near the midseason, can be a limiting factor in the use of that spectral region for VF estimation. It was found that for VF>60%, the information content of reflectance spectra in visible range can be expressed by only two independent pairs of spectral bands: (1) the blue from 400 to 500 nm and the red near 670 nm; (2) the green around 550 nm and the red edge region near 700 nm. We propose using only the visible range of the spectrum to quantitatively estimate VF. The green (as well as a 700-nm band) and the red (near 670 nm) reflectances were used in developing new indices, which were linearly proportional to wheat VF ranging from 0% to 100%. The Atmospherically Resistant Vegetation Index (ARVI) concept was used to correct indices for atmospheric effects. Visible Atmospherically Resistant Index in the form VARI=(R-R)/(R+R-R) was found to be minimally sensitive to atmospheric effects allowing estimation of VF with an error of <10% in a wide range of atmospheric optical thickness. Validation of the newly suggested technique was carried out using wheat independent data sets and reflectance data obtained for cornfields in Nebraska. Predicted green VF was compared with retrieved from digital images. Despite the fact that the reflectance contrast among the visible channels is much smaller than between the visible and NIR, the sensitivity of suggested indices to moderate to high values of VF is much higher than for the Normalized Difference Vegetation Index (NDVI), and the error in VF prediction did not exceed 10%. Suggested indices will complement the widely used NDVI, ARVI, Soil Adjusted Vegetation Index (SAVI) and others, which are based on the red and the NIR bands in VF estimation, and also Green Atmospherically Resistant Index (GARI), which is based on the green and the NIR bands. |
| [15] | . The continuous fields Moderate Resolution Imaging Spectroradiometer (MODIS) land cover products are 500-m sub-pixel representations of basic vegetation characteristics including tree, herbaceous and bare ground cover. Our previous approach to deriving continuous fields used a linear mixture model based on spectral endinembers of forest, grassland and bare ground training. We present here a new approach for estimating percent tree cover employing continuous training data over the whole range of tree cover. The continuous training data set is derived by aggregating high-resolution tree cover to coarse scales and is used with multi-temporal metrics based on a full year of coarse resolution satellite data. A regression tree algorithm is used to predict the dependent variable of tree cover based on signatures from the multi-temporal metrics. The automated algorithm was tested globally using Advanced Very High Resolution Radiometer (AVHRR) data, as a full year of MODIS data has not yet been collected. A root mean square error (rmse) of 9.06% tree cover was found from the global training data set. Preliminary MODIS products are also presented, including a 250-m map of the lower 48 United States and 500-m maps of tree cover and leaf type for North America. Results show that the new approach used with MODIS data offers an improved characterization of land cover. |
| [16] | . High-resolution imagery from the IKONOS satellite may be useful for many resource management applications. We assessed the utility of IKONOS imagery for applications in the mid-Atlantic region, including mapping of tree cover, impervious surface areas, and riparian buffer zone variables in relation to stream health ratings. We focused on a 1313-km 2 area in central Maryland using precision-georeferenced IKONOS products. We found the IKONOS imagery to be a valuable resource for these applications, and were able to achieve map accuracies comparable to manual aerial photo interpretation. We were also able to use derived data sets for consistent assessments over areas that would be difficult to accomplish with traditional photographic mapping methods. For example, we found that a stream health rating of excellent required no more than 6% impervious cover in the watershed, and at least 65% tree cover in the riparian zone. A rating of good required less than 10% impervious and 60% tree cover. A number of issues associated with application of the IKONOS data arose, however, including logistics of image acquisition related to phenological and atmospheric conditions, shadowing within canopies and between scene elements, and limited spectral discrimination of cover types. Cost per unit area was also a nontrivial consideration for the image data products we used, but allowed us to provide valuable derived products to agencies in support of their planning and regulatory decision-making processes. We report on both the capabilities and limitations of IKONOS imagery for these varied applications. |
| [17] | . <h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">The transformation of land cover, in particular coniferous forest, constitutes one of the most notable agents of regional-to-global-scale environmental change. Remote sensing provides an excellent opportunity for providing forest cover information at appropriate spatial and temporal scales. The optimal exploitation of remote sensing relies on the link between known forest cover and the remotely sensed dataset. This paper explores the accuracy of three methods – vegetation indices, regression analysis and neural networks – for estimating coniferous forest cover across the United States Pacific Northwest. All methods achieved a similar accuracy of forest cover estimation. However, in view of the benefits and limitations of each, the neural network approach is recommended for future consideration.</p> |
| [18] | . 植被是生态系统的重要组成部 分,以植被覆盖度为指标研究区域植被的时空动态特征,是生态系统健康评价的前提和必要基础。本文基于像元二分模型,利用归一化植被指数(NDVI),通过 1988年,1998年和2008年3个时期的TM遥感影像数据,计算出五指山市不同时期的植被覆盖度,生成该区不同时期的植被覆盖图,分析五指山地区植 被覆盖度的时空变化。结果表明:五指山市在1988—2008年间,植被覆盖度变化明显,整个地区的平均覆盖度从72%增加到77.9%。 . 植被是生态系统的重要组成部 分,以植被覆盖度为指标研究区域植被的时空动态特征,是生态系统健康评价的前提和必要基础。本文基于像元二分模型,利用归一化植被指数(NDVI),通过 1988年,1998年和2008年3个时期的TM遥感影像数据,计算出五指山市不同时期的植被覆盖度,生成该区不同时期的植被覆盖图,分析五指山地区植 被覆盖度的时空变化。结果表明:五指山市在1988—2008年间,植被覆盖度变化明显,整个地区的平均覆盖度从72%增加到77.9%。 |
| [19] | . 基于遥感的植被长时序变化特征是植被生态学研究的核心领域, 也是全球变化研究的重点方向。AVHRR、SPOT VGT和MODIS是当前研究植被长时序趋势变化的主要数据源。海量数据不断积累的同时, 植被长时序趋势特征研究方法却缺乏对比评价和分析。当前常用的方法有代数运算法、傅里叶变换、主成分分析、小波变换法、回归分析法和相关系数分析法等。在对各种方法评述和分析的基础上, 重点讨论和对比了主流方法中的回归分析法和相关系数分析与新兴方法Sen＋Mann-Kendall法。结果表明, Sen＋Mann-Kendall能克服主流方法的不足, 不需要数据服从某一特定分布, 并且对数据的误差具有较强的抵抗能力。 . 基于遥感的植被长时序变化特征是植被生态学研究的核心领域, 也是全球变化研究的重点方向。AVHRR、SPOT VGT和MODIS是当前研究植被长时序趋势变化的主要数据源。海量数据不断积累的同时, 植被长时序趋势特征研究方法却缺乏对比评价和分析。当前常用的方法有代数运算法、傅里叶变换、主成分分析、小波变换法、回归分析法和相关系数分析法等。在对各种方法评述和分析的基础上, 重点讨论和对比了主流方法中的回归分析法和相关系数分析与新兴方法Sen＋Mann-Kendall法。结果表明, Sen＋Mann-Kendall能克服主流方法的不足, 不需要数据服从某一特定分布, 并且对数据的误差具有较强的抵抗能力。 |
| [20] | . 植被覆盖度是评价气候变化影响与生态系统状况的重要指标.基于MODIS-NDVI数据对吉林省2001—2010年的植被覆盖度进行估算,并分析其时空动态变化.结果表明:1)近10年吉林省东部的植被覆盖情况明显好于西部,但西部的植被覆盖情况在10年中有显著变好的趋势.根据人口重心原理可知,吉林省10年的植被覆盖度重心有向高纬度、低经度方向移动的趋势;2)不同的土地利用类型的植被覆盖度差异很大,林地、农田和草地的植被覆盖度依次减小;3)分析气象站点10年期间的降雨数据后发现,处在东部的延吉站降雨量与植被覆盖度呈正相关,处在中西部的长春、四平及前郭尔罗斯3个气象站点的降雨量与植被覆盖度均成负相关. . 植被覆盖度是评价气候变化影响与生态系统状况的重要指标.基于MODIS-NDVI数据对吉林省2001—2010年的植被覆盖度进行估算,并分析其时空动态变化.结果表明:1)近10年吉林省东部的植被覆盖情况明显好于西部,但西部的植被覆盖情况在10年中有显著变好的趋势.根据人口重心原理可知,吉林省10年的植被覆盖度重心有向高纬度、低经度方向移动的趋势;2)不同的土地利用类型的植被覆盖度差异很大,林地、农田和草地的植被覆盖度依次减小;3)分析气象站点10年期间的降雨数据后发现,处在东部的延吉站降雨量与植被覆盖度呈正相关,处在中西部的长春、四平及前郭尔罗斯3个气象站点的降雨量与植被覆盖度均成负相关. |
| [21] | . <p>The way to get the solution for the soil alkalization is pointed. The stability of oasis ecosystem depends on evapotranspiration rate of the ecosystem which is a function of local climate, vegetation coverage, physiological chatacteristics of the plant. The impotant result is that the development of oasis ecosystem is affected sensitively by those elements. Finally, it is pointed that stability of oasis ecosystem is the interactive result of ecosystem and environment, especially local climate system.</p> |
| [22] | . <p>以Hyperion高光谱影像为数据源，选取流沙、假戈壁（影像端元）及荒漠植被（实测光谱端元）3种端元，利用非受限及全受限的混合像元分解对甘肃省民勤绿洲荒漠过渡带的稀疏植被覆盖度进行了估测.结果表明：全受限混合像元分解得到的荒漠植被分量准确地代表了地表真实稀疏植被覆盖情况，两者之间的偏差不超过5%、均方根误差<em>RMSE</em>为3.0681；而非受限的混合像元分解结果则明显小于地面实测植被覆盖度，两者之间虽具有一定相关性，但相关性不高（<em>R</em><sup>2</sup>=0.5855）；与McGwire等的相关研究相比，全受限混合像元分解对稀疏植被覆盖度的估测具有更高的精度及可靠性，具有广阔的应用前景.</p> . <p>以Hyperion高光谱影像为数据源，选取流沙、假戈壁（影像端元）及荒漠植被（实测光谱端元）3种端元，利用非受限及全受限的混合像元分解对甘肃省民勤绿洲荒漠过渡带的稀疏植被覆盖度进行了估测.结果表明：全受限混合像元分解得到的荒漠植被分量准确地代表了地表真实稀疏植被覆盖情况，两者之间的偏差不超过5%、均方根误差<em>RMSE</em>为3.0681；而非受限的混合像元分解结果则明显小于地面实测植被覆盖度，两者之间虽具有一定相关性，但相关性不高（<em>R</em><sup>2</sup>=0.5855）；与McGwire等的相关研究相比，全受限混合像元分解对稀疏植被覆盖度的估测具有更高的精度及可靠性，具有广阔的应用前景.</p> |
| [23] | . 植被覆盖变化在新疆山地-绿洲-荒漠系统(MODS)共存、平衡演变机制中扮演着重要角色。基于1982—2006年GIMMS/NDVI数据,提取新疆地区年最大植被覆盖指数(<em>fvc</em>),针对新疆MODS的基本格局,通过先地理分区再因海拔而异讨论,划分出山地、绿洲、荒漠子系统,对比分析不同分区不同子系统下<em>fvc</em>变化趋势、变率、变幅、变异性等时空动态特征。结果表明:新疆植被覆盖总体呈显著上升趋势,可分为1982—1995年的剧烈波动期和1996—2006年的相对平稳期,不同分区和子系统差异显著;在变幅和变异性上,东、南疆地区>北疆、伊犁地区,荒漠>山地>绿洲,植被覆盖度低的地区>植被覆盖度高的地区;显著改善的地区位于绿洲内部、绿洲的周边地区及部分山地,显著退化的地区大多位于东、南疆的荒漠区;不同植被覆盖度下植被覆盖变化具有不同特征,植被覆盖度低的地区,植被退化趋势明显,植被覆盖度高的地区,植被改善趋势明显。 . 植被覆盖变化在新疆山地-绿洲-荒漠系统(MODS)共存、平衡演变机制中扮演着重要角色。基于1982—2006年GIMMS/NDVI数据,提取新疆地区年最大植被覆盖指数(<em>fvc</em>),针对新疆MODS的基本格局,通过先地理分区再因海拔而异讨论,划分出山地、绿洲、荒漠子系统,对比分析不同分区不同子系统下<em>fvc</em>变化趋势、变率、变幅、变异性等时空动态特征。结果表明:新疆植被覆盖总体呈显著上升趋势,可分为1982—1995年的剧烈波动期和1996—2006年的相对平稳期,不同分区和子系统差异显著;在变幅和变异性上,东、南疆地区>北疆、伊犁地区,荒漠>山地>绿洲,植被覆盖度低的地区>植被覆盖度高的地区;显著改善的地区位于绿洲内部、绿洲的周边地区及部分山地,显著退化的地区大多位于东、南疆的荒漠区;不同植被覆盖度下植被覆盖变化具有不同特征,植被覆盖度低的地区,植被退化趋势明显,植被覆盖度高的地区,植被改善趋势明显。 |
| [24] | . 对遥感影像提出了一种分区分类的思想,根据影像所包含的局部特征 将整体影像化为几个局部的影像,然后根据局部影像的特点对图像进行分类,使得每一区域的种类数目相对于整体减少,种类的特点得以突出,分类更具有针对性, 再加以高程、坡度等地貌信息,提高分类精度.该分类法在新疆北部的植被分类中得到了应用,从NOAA影像中提出的NDVI为数据源,根据该植被区域特点, 将研究区的植被区域划分为四个区,即:新疆阿勒泰草原区、昭苏区、西准噶尔区和东天山区.利用GIS软件将整个研究区的NDVI指数图像化分为四块子图, 根据各个区域植被的特点,采用不同的分类标准,对四块子图分类.在此之后,再利用GIS软件将所有分类子图合并为整个区域的分类图.结果表明,该类方法可 以大大提高NDVI指数的植被分类精度. . 对遥感影像提出了一种分区分类的思想,根据影像所包含的局部特征 将整体影像化为几个局部的影像,然后根据局部影像的特点对图像进行分类,使得每一区域的种类数目相对于整体减少,种类的特点得以突出,分类更具有针对性, 再加以高程、坡度等地貌信息,提高分类精度.该分类法在新疆北部的植被分类中得到了应用,从NOAA影像中提出的NDVI为数据源,根据该植被区域特点, 将研究区的植被区域划分为四个区,即:新疆阿勒泰草原区、昭苏区、西准噶尔区和东天山区.利用GIS软件将整个研究区的NDVI指数图像化分为四块子图, 根据各个区域植被的特点,采用不同的分类标准,对四块子图分类.在此之后,再利用GIS软件将所有分类子图合并为整个区域的分类图.结果表明,该类方法可 以大大提高NDVI指数的植被分类精度. |
| [25] | . <b>[目的]</b> 对新疆植被覆盖变化的空间自相关性进行分析,研究植被覆盖的时间变化特征、空间分布特征及变化趋势等,为改善区域生态环境提供参考。<b>[方法]</b> 利用新疆1998—2012年NDVI数据,采用像元二分法获取植被覆盖指数(FVC)数据,在此基础上运用Sen+Mann-Kendall 趋势分析和空间自相关分析方法,研究新疆植被覆盖的变化趋势特征和空间分布的聚集性特点。<b>[结果]</b> 1) 15年间新疆植被覆盖度略有下降趋势,山地和平原均呈下降趋势,山地较平原变化大。2) Sen+Mann-Kendall趋势分析可反映新疆FVC变化趋势的空间分布特点,全疆植被改善区域占25%,退化区域占28%,47%的区域变化不大,其中明显改善区域和严重退化区域所占比例均为10%左右。植被改善区域主要分布在天山北坡一带,退化区域主要分布在山地和平原的交错带,伊犁地区退化程度尤为严重。植被覆盖度极低地区基本不变,退化区域主要分布在植被低覆盖度区域周围。3) 空间自相关分析进一步验证了Sen+Mann-Kendall 趋势分析结果,新疆植被有明显的聚集现象。全局自相关性分析表明,当距离大于3 km后,空间自相关影响不大。局部相关性分析表明,新疆植被覆盖以"高-高聚集"和"低-低聚集"为主。<b>[结论]</b> 植被盖度相对较高的地区植被覆盖越易改善,盖度较低或无覆盖的地区越难改善,而且退化越明显。根据植被盖度的聚集性可以看出,植被覆盖呈现明显的"高-高聚集"和"低-低聚集"格局,这与区域气候、水资源分布及人类活动的影响有着潜在的联系。今后可重点分析植被覆盖变化的影响因素,以了解干旱区植被覆盖变化的驱动机制。由于人类活动在短时期内对植被覆盖变化的影响比较显著,因此在空间上分析人类活动对植被覆盖变化的影响可为改善干旱区植被覆盖提供相应指导。<b>[其他]</b> 本文从植被覆盖的空间聚集性解释了植被覆盖变化特点,一方面是对Sen+Mann-Kendall 趋势分析的验证,另一方面为整体分析植被的变化特征提供了依据。 . <b>[目的]</b> 对新疆植被覆盖变化的空间自相关性进行分析,研究植被覆盖的时间变化特征、空间分布特征及变化趋势等,为改善区域生态环境提供参考。<b>[方法]</b> 利用新疆1998—2012年NDVI数据,采用像元二分法获取植被覆盖指数(FVC)数据,在此基础上运用Sen+Mann-Kendall 趋势分析和空间自相关分析方法,研究新疆植被覆盖的变化趋势特征和空间分布的聚集性特点。<b>[结果]</b> 1) 15年间新疆植被覆盖度略有下降趋势,山地和平原均呈下降趋势,山地较平原变化大。2) Sen+Mann-Kendall趋势分析可反映新疆FVC变化趋势的空间分布特点,全疆植被改善区域占25%,退化区域占28%,47%的区域变化不大,其中明显改善区域和严重退化区域所占比例均为10%左右。植被改善区域主要分布在天山北坡一带,退化区域主要分布在山地和平原的交错带,伊犁地区退化程度尤为严重。植被覆盖度极低地区基本不变,退化区域主要分布在植被低覆盖度区域周围。3) 空间自相关分析进一步验证了Sen+Mann-Kendall 趋势分析结果,新疆植被有明显的聚集现象。全局自相关性分析表明,当距离大于3 km后,空间自相关影响不大。局部相关性分析表明,新疆植被覆盖以"高-高聚集"和"低-低聚集"为主。<b>[结论]</b> 植被盖度相对较高的地区植被覆盖越易改善,盖度较低或无覆盖的地区越难改善,而且退化越明显。根据植被盖度的聚集性可以看出,植被覆盖呈现明显的"高-高聚集"和"低-低聚集"格局,这与区域气候、水资源分布及人类活动的影响有着潜在的联系。今后可重点分析植被覆盖变化的影响因素,以了解干旱区植被覆盖变化的驱动机制。由于人类活动在短时期内对植被覆盖变化的影响比较显著,因此在空间上分析人类活动对植被覆盖变化的影响可为改善干旱区植被覆盖提供相应指导。<b>[其他]</b> 本文从植被覆盖的空间聚集性解释了植被覆盖变化特点,一方面是对Sen+Mann-Kendall 趋势分析的验证,另一方面为整体分析植被的变化特征提供了依据。 |
| [26] | . <p>利用GIMMS/NDVI数据分析了1982~2006年我国西北地区植被覆盖时空变化特征及其对气温和降水变化的响应。结果表明：近25 a来,中国西北地区年均植被NDVI增速为0.5%/10a,7月、8月和10月份增加趋势最显著。天山、阿尔泰山、祁连山、青海的中东部等地区植被覆盖显著增加；青海的格尔木至玉树一线、陕西的南部地区、新疆的塔里木盆地、吐鲁番、塔河、托里等地区植被退化。植被覆盖与气温、降水的年际关系都呈弱的正相关。但年内关系则都呈显著的线性关系,植被覆盖随月均温升高而增加,当月均温超过20℃时,植被NDVI呈下降趋势；月降水量在0~100 mm之间,植被NDVI随降水呈线性增长,当月降水量超过100 mm之后,不再有明显的增长趋势。</p> . <p>利用GIMMS/NDVI数据分析了1982~2006年我国西北地区植被覆盖时空变化特征及其对气温和降水变化的响应。结果表明：近25 a来,中国西北地区年均植被NDVI增速为0.5%/10a,7月、8月和10月份增加趋势最显著。天山、阿尔泰山、祁连山、青海的中东部等地区植被覆盖显著增加；青海的格尔木至玉树一线、陕西的南部地区、新疆的塔里木盆地、吐鲁番、塔河、托里等地区植被退化。植被覆盖与气温、降水的年际关系都呈弱的正相关。但年内关系则都呈显著的线性关系,植被覆盖随月均温升高而增加,当月均温超过20℃时,植被NDVI呈下降趋势；月降水量在0~100 mm之间,植被NDVI随降水呈线性增长,当月降水量超过100 mm之后,不再有明显的增长趋势。</p> |
| [27] | . <p>以新疆典型盐渍区——渭干河-库车河三角洲绿洲为研究对象。首先,基于1989, 2001, 2006年的TM/ETM+遥感数据,以RS为技术手段,借助GIS空间分析方法、植被指数法,根据像元二分原理,采用复合植被指数VBSI估算植被覆盖度,其估算精度达到83.52%;其次,生成渭干河-库车河三角洲绿洲植被覆盖度分级图,并对其格局变化进行分析与评价,揭示出渭干河-库车河三角洲绿洲植被覆盖的时空变化规律。中高覆盖度、高覆盖度以林地、草地和耕地为主,对保持植被覆盖度起重要作用; 林地面积的变化对重心转移起关键作用,而草地、耕地的波动则会影响到重心转移方向; 林地、草地和耕地对于保持地区植被覆盖率有重要作用,应在长期土地利用规划中坚持植树造林,保持草地、保护耕地和控制未利用地; 最后,利用植被覆盖度图像所提供的各覆盖度级的数量和空间分配状况来评价该绿洲植被覆盖度的动态变化,并进一步分析植被覆盖度变化的原因。基于遥感技术进行渭干河-库车河三角洲绿洲植被覆盖度动态变化分析的研究思路和方法能够为该绿洲生态环境保护提供参考依据。</p> . <p>以新疆典型盐渍区——渭干河-库车河三角洲绿洲为研究对象。首先,基于1989, 2001, 2006年的TM/ETM+遥感数据,以RS为技术手段,借助GIS空间分析方法、植被指数法,根据像元二分原理,采用复合植被指数VBSI估算植被覆盖度,其估算精度达到83.52%;其次,生成渭干河-库车河三角洲绿洲植被覆盖度分级图,并对其格局变化进行分析与评价,揭示出渭干河-库车河三角洲绿洲植被覆盖的时空变化规律。中高覆盖度、高覆盖度以林地、草地和耕地为主,对保持植被覆盖度起重要作用; 林地面积的变化对重心转移起关键作用,而草地、耕地的波动则会影响到重心转移方向; 林地、草地和耕地对于保持地区植被覆盖率有重要作用,应在长期土地利用规划中坚持植树造林,保持草地、保护耕地和控制未利用地; 最后,利用植被覆盖度图像所提供的各覆盖度级的数量和空间分配状况来评价该绿洲植被覆盖度的动态变化,并进一步分析植被覆盖度变化的原因。基于遥感技术进行渭干河-库车河三角洲绿洲植被覆盖度动态变化分析的研究思路和方法能够为该绿洲生态环境保护提供参考依据。</p> |
| [28] | . <p>基于1982—2000年NOAA/AVHRR影像的FVC数据，对中国西北干旱区采用先分区再因海拔而异的分类方法进行植被覆盖的遥感分类，并在8 km×8 km空间分辨率下，对研究区植被覆盖变化的任意两年、连续平均和间隔平均转移概率矩阵下Markov过程进行分析与检验，探讨了研究区植被覆盖变化的Markov过程及其指示意义.结果表明：研究区植被覆盖变化受随机过程的控制和长期稳定的驱动因子影响，其转移变化是多重的Markov过程；仅使用两期的植被覆盖变化不能准确预测植被覆盖变化的发展趋势，无论这两期的时间是连续还是有一定时间间隔；对中国西北干旱区而言，连续10年以上的数据变化信息基本可以反映大部分影响该区植被覆盖的因素，采用长期平均转移概率矩阵可以得到较稳定的模拟与预测；植被覆盖变化是长期的动态平衡，平衡一旦被打破，建立新平衡是一个很长的时间过程.</p> . <p>基于1982—2000年NOAA/AVHRR影像的FVC数据，对中国西北干旱区采用先分区再因海拔而异的分类方法进行植被覆盖的遥感分类，并在8 km×8 km空间分辨率下，对研究区植被覆盖变化的任意两年、连续平均和间隔平均转移概率矩阵下Markov过程进行分析与检验，探讨了研究区植被覆盖变化的Markov过程及其指示意义.结果表明：研究区植被覆盖变化受随机过程的控制和长期稳定的驱动因子影响，其转移变化是多重的Markov过程；仅使用两期的植被覆盖变化不能准确预测植被覆盖变化的发展趋势，无论这两期的时间是连续还是有一定时间间隔；对中国西北干旱区而言，连续10年以上的数据变化信息基本可以反映大部分影响该区植被覆盖的因素，采用长期平均转移概率矩阵可以得到较稳定的模拟与预测；植被覆盖变化是长期的动态平衡，平衡一旦被打破，建立新平衡是一个很长的时间过程.</p> |
| [29] | 多 期的遥感数据可以用来分析干旱荒漠区植被的空间分布格局和变化特征。本文以1989、2000和2007年3个不同时相的Landsat TM/ETM+ 影像为数据源,利用线性光谱混合分析和RGB彩色合成法构建一个研究框架,对古尔班通古特沙漠西缘进行植被信息的提取和变化监测分析。在混合像元分解过程中,通过多种方法选择端元,比较选出最佳的端元数目及其对应光谱特征值,对植被变化监测的结果,结合气象等因子综合判定。结果表明:(1)研究区内的植被、盐碱地、裸沙和黑色砂砾等4种端元被选取出来,分析表明非受限的最小包含端元特征法所选端元光谱特征的分解结果较为理想;(2)以线性光谱混合分解技术提取的干旱荒漠区植被分量与实测植被盖度显著相关,线性相关系数为0.86,可见干旱荒漠区的植被盖度可以通过遥感影像提取的植被分量间接得到;(3)研究时段内,研究区植被覆盖变好区域占研究区总面积的41.47%,而退化区域仅占16.51%,综合分析结果也说明植 被总体情况呈现好转。 . 多 期的遥感数据可以用来分析干旱荒漠区植被的空间分布格局和变化特征。本文以1989、2000和2007年3个不同时相的Landsat TM/ETM+ 影像为数据源,利用线性光谱混合分析和RGB彩色合成法构建一个研究框架,对古尔班通古特沙漠西缘进行植被信息的提取和变化监测分析。在混合像元分解过程中,通过多种方法选择端元,比较选出最佳的端元数目及其对应光谱特征值,对植被变化监测的结果,结合气象等因子综合判定。结果表明:(1)研究区内的植被、盐碱地、裸沙和黑色砂砾等4种端元被选取出来,分析表明非受限的最小包含端元特征法所选端元光谱特征的分解结果较为理想;(2)以线性光谱混合分解技术提取的干旱荒漠区植被分量与实测植被盖度显著相关,线性相关系数为0.86,可见干旱荒漠区的植被盖度可以通过遥感影像提取的植被分量间接得到;(3)研究时段内,研究区植被覆盖变好区域占研究区总面积的41.47%,而退化区域仅占16.51%,综合分析结果也说明植 被总体情况呈现好转。 |
| [30] | . <p>选择线性混合像元分解模型、亚像元模型、最大三波段梯度差法模型以及修正的三波段梯度差法的2个变异模型来提取植被覆盖度，结合地面实测数据，探讨了提取干旱区荒漠稀疏植被覆盖度信息的适宜模型，并以简单平均法模拟了不同尺度的覆盖度影像，通过尺度上推检验了模型在MODIS尺度上的反演效应.结果表明：线性混合像元分解模型反演覆盖度的精度高于其他模型，适于稀疏植被地区，但端元的正确选取较难，从而影响其运用；亚像元分解模型是一个通用模型，植被分类图越精细，通过亚像元分解模型得到的覆盖度精度越高，但这也同时意味着该模型需要测定大量的输入参数；最大三波段梯度差法的算法简单、易于操作，其在农田等中高植被覆盖区及裸土区的预测值与实测值接近，但对干旱区稀疏植被的估计精度偏低；修正后的三波段最大梯度差法模型在稀疏植被覆盖区的预测值与实测值基本一致，在不同尺度上反演的覆盖度信息与实测值的一致性较好.该方法可有效提取干旱区低覆盖度植被信息.</p> . <p>选择线性混合像元分解模型、亚像元模型、最大三波段梯度差法模型以及修正的三波段梯度差法的2个变异模型来提取植被覆盖度，结合地面实测数据，探讨了提取干旱区荒漠稀疏植被覆盖度信息的适宜模型，并以简单平均法模拟了不同尺度的覆盖度影像，通过尺度上推检验了模型在MODIS尺度上的反演效应.结果表明：线性混合像元分解模型反演覆盖度的精度高于其他模型，适于稀疏植被地区，但端元的正确选取较难，从而影响其运用；亚像元分解模型是一个通用模型，植被分类图越精细，通过亚像元分解模型得到的覆盖度精度越高，但这也同时意味着该模型需要测定大量的输入参数；最大三波段梯度差法的算法简单、易于操作，其在农田等中高植被覆盖区及裸土区的预测值与实测值接近，但对干旱区稀疏植被的估计精度偏低；修正后的三波段最大梯度差法模型在稀疏植被覆盖区的预测值与实测值基本一致，在不同尺度上反演的覆盖度信息与实测值的一致性较好.该方法可有效提取干旱区低覆盖度植被信息.</p> |
| [31] | 本文通过分析遥感提取植被覆盖 度的经验模型法、植被指数法和混合像元分解法,归纳了它们各自的优势、精度和存在的问题,指出了影响应用较广泛的植被指数转换法精度是全植被覆盖像元的选 取。在此基础上提出了植被指数转换法的改进模型一利用高分辨率卫星图像的最大NDVI值作为均一像元的NDVI值替换中等分辨率卫星图像的NDVI值,建 立植被覆盖度提取模型,从而通过中等分辨率卫星图像获取大范围植被覆盖度的方法。经实践检验,该方法简单、实用,适合于利用中等分辨率卫星图像进行大范围 宏观监测。 . 本文通过分析遥感提取植被覆盖 度的经验模型法、植被指数法和混合像元分解法,归纳了它们各自的优势、精度和存在的问题,指出了影响应用较广泛的植被指数转换法精度是全植被覆盖像元的选 取。在此基础上提出了植被指数转换法的改进模型一利用高分辨率卫星图像的最大NDVI值作为均一像元的NDVI值替换中等分辨率卫星图像的NDVI值,建 立植被覆盖度提取模型,从而通过中等分辨率卫星图像获取大范围植被覆盖度的方法。经实践检验,该方法简单、实用,适合于利用中等分辨率卫星图像进行大范围 宏观监测。 |
| [32] | . . |
| [33] | . 以前人提取的近20 a(1982-2000年)植被覆盖度指数FVC为基础数据,根据新疆不同的自然地理区域和地貌类型,采用分区海拔的方法对FVC影像进行分类.对各地理区域植被的变化采用距平处理,初步定量分析了新疆植被的变化状况.结果表明,近20 a来新疆无论是山地还是平原,高植被覆盖度的绿洲和森林面积均有所增加.以地区论,伊犁地区植被覆盖变化幅度最小,状况最为稳定;东疆地区绿洲与高覆盖度植被稳定,低覆盖度植被变化幅度相对较大;北疆平原地区绿洲面积增加,高覆盖度植被和无植被区面积减少;北疆山地森林植被增加,不同时间增加的速率不同,高覆盖度植被与森林的变化呈一定的相互转换关系;南疆地区绿洲面积显著增加,与此相对应的是高、中覆盖度草地的面积下降,山地荒漠面积近年来有所增加,森林和高覆盖度草地面积也有所增加.从植被类型转换方式来看,在平原区,绿洲与中、高覆盖度草地面积之间具有强烈负相关;而山区的植被类型转换多发生在无植被区与低、中覆盖度草地之间或高覆盖度草地和森林之间.人工绿洲面积的变化成为新疆平原区植被类型变化的重要因素,南北疆绿洲面积增加的同时,中、高覆盖度植被减少,即绿洲与沙漠之间过渡带的植被面积减少. . 以前人提取的近20 a(1982-2000年)植被覆盖度指数FVC为基础数据,根据新疆不同的自然地理区域和地貌类型,采用分区海拔的方法对FVC影像进行分类.对各地理区域植被的变化采用距平处理,初步定量分析了新疆植被的变化状况.结果表明,近20 a来新疆无论是山地还是平原,高植被覆盖度的绿洲和森林面积均有所增加.以地区论,伊犁地区植被覆盖变化幅度最小,状况最为稳定;东疆地区绿洲与高覆盖度植被稳定,低覆盖度植被变化幅度相对较大;北疆平原地区绿洲面积增加,高覆盖度植被和无植被区面积减少;北疆山地森林植被增加,不同时间增加的速率不同,高覆盖度植被与森林的变化呈一定的相互转换关系;南疆地区绿洲面积显著增加,与此相对应的是高、中覆盖度草地的面积下降,山地荒漠面积近年来有所增加,森林和高覆盖度草地面积也有所增加.从植被类型转换方式来看,在平原区,绿洲与中、高覆盖度草地面积之间具有强烈负相关;而山区的植被类型转换多发生在无植被区与低、中覆盖度草地之间或高覆盖度草地和森林之间.人工绿洲面积的变化成为新疆平原区植被类型变化的重要因素,南北疆绿洲面积增加的同时,中、高覆盖度植被减少,即绿洲与沙漠之间过渡带的植被面积减少. |
| [34] | . 本研究以内蒙古锡林郭勒草原为研究区,基于MOD13A1遥感数据,经过遥感预处理,得到研究区2001-2013年共13年夏季6、7、8月份的NDVI值,作为分析研究区植被覆盖度的依据。在此基础上,分别从空间分布、年际变化和植被覆盖分类像元个数分析了锡林郭勒草原近13年来的植被覆盖度变化情况。结果表明:(1)锡林郭勒草原植被覆盖度总体上分布相对较为集中,呈东高西低、自东向西逐渐降低的特征,高植被覆盖度主要集中分布在研究区东部,中植被覆盖度的区域重要分布在研究区中部和中东部区域;低植被覆盖度的分布区域集中于研究区西部。(2)从年际变化来看,2001-2013年,锡林郭勒草原植被覆盖度总体t呈逐渐缓慢下降的趋势。所得结果可以为锡林郭勒草原生态建设和环境保护部门提供一定程度的科学依据。 . 本研究以内蒙古锡林郭勒草原为研究区,基于MOD13A1遥感数据,经过遥感预处理,得到研究区2001-2013年共13年夏季6、7、8月份的NDVI值,作为分析研究区植被覆盖度的依据。在此基础上,分别从空间分布、年际变化和植被覆盖分类像元个数分析了锡林郭勒草原近13年来的植被覆盖度变化情况。结果表明:(1)锡林郭勒草原植被覆盖度总体上分布相对较为集中,呈东高西低、自东向西逐渐降低的特征,高植被覆盖度主要集中分布在研究区东部,中植被覆盖度的区域重要分布在研究区中部和中东部区域;低植被覆盖度的分布区域集中于研究区西部。(2)从年际变化来看,2001-2013年,锡林郭勒草原植被覆盖度总体t呈逐渐缓慢下降的趋势。所得结果可以为锡林郭勒草原生态建设和环境保护部门提供一定程度的科学依据。 |
| [35] | . 本文以江苏省为研究区,利用美 国国家航空航天局(NASA)发布的2000-2013年MODIS NDVI数据集,研究区行政区划矢量数据集、土地利用数据集,运用最大值合成法、趋势线分析法、像元二分模型和R/S分析,研究江苏省植被覆盖状况的时空 分布特征,并从像元和区域尺度上分析植被覆盖度时空变化及持续性特征空间变化格局。结果表明:1植被NDVI、植被覆盖变化趋势与持续性变化在空间上表现 出较好的耦合性;2江苏省植被覆盖度总体呈波动上升趋势,多年平均植被覆盖度苏中苏北苏南;3苏南、苏中植被覆盖度呈波动下降趋势;苏北植被覆盖度呈波动 上升趋势;4江苏省植被覆盖未来呈现出持续退化稍大于改善的态势。 . 本文以江苏省为研究区,利用美 国国家航空航天局(NASA)发布的2000-2013年MODIS NDVI数据集,研究区行政区划矢量数据集、土地利用数据集,运用最大值合成法、趋势线分析法、像元二分模型和R/S分析,研究江苏省植被覆盖状况的时空 分布特征,并从像元和区域尺度上分析植被覆盖度时空变化及持续性特征空间变化格局。结果表明:1植被NDVI、植被覆盖变化趋势与持续性变化在空间上表现 出较好的耦合性;2江苏省植被覆盖度总体呈波动上升趋势,多年平均植被覆盖度苏中苏北苏南;3苏南、苏中植被覆盖度呈波动下降趋势;苏北植被覆盖度呈波动 上升趋势;4江苏省植被覆盖未来呈现出持续退化稍大于改善的态势。 |
| [36] | . 本文以MODIS-NDVI时间序列数据为基础，利用像元二分模型对海河流域2000年-2007年的植被覆盖度（f<sub>c</sub>）进行了估算，分析了年最大植被覆盖度的时空变化特征，并对植被覆盖度与降雨量之间的响应关系进行了深入探讨。结果表明：①海河流域2000年-2007年平原农业区植被覆盖度整体较高，f<sub>c</sub>介于60%～80%之间；永定河上游区域植被覆盖度较低，f<sub>c</sub>小于30%；②近8年来海河流域植被覆盖度整体呈增加趋势，只有东南部的部分农田及城市扩展区，植被覆盖度有所减少；③海河流域植被覆盖度与当年3至8月的降水总量相关性最高，相关系数为0.687，该时段内的降雨量与植被覆盖度年际变化总体趋势较为相似，在绝大多数年份，两者的增减具有一致性。 . 本文以MODIS-NDVI时间序列数据为基础，利用像元二分模型对海河流域2000年-2007年的植被覆盖度（f<sub>c</sub>）进行了估算，分析了年最大植被覆盖度的时空变化特征，并对植被覆盖度与降雨量之间的响应关系进行了深入探讨。结果表明：①海河流域2000年-2007年平原农业区植被覆盖度整体较高，f<sub>c</sub>介于60%～80%之间；永定河上游区域植被覆盖度较低，f<sub>c</sub>小于30%；②近8年来海河流域植被覆盖度整体呈增加趋势，只有东南部的部分农田及城市扩展区，植被覆盖度有所减少；③海河流域植被覆盖度与当年3至8月的降水总量相关性最高，相关系数为0.687，该时段内的降雨量与植被覆盖度年际变化总体趋势较为相似，在绝大多数年份，两者的增减具有一致性。 |
| [37] | . <p>植被覆盖度是植物群落覆盖地表状况的一个综合量化指标,植被覆盖及其变化是区域环境变化的重要指示,对于区域水文及生态状况、全球变化的区域响应等都具有重要意义。以MODIS NDVI为数据源,采用像元二分模型,提取2000~2007年吉林省植被覆盖度,获取不同时期的植被覆盖度图,并进一步分析了植被覆盖度变化的原因。结果表明：吉林省植被覆盖度由东部到西部逐渐降低,其中白山地区植被覆盖情况最好。过去8 a间,吉林省植被覆盖度总体呈上升趋势,2007年植被覆盖度达到最高,为83.04%。在此期间,中部地区和西部地区植被覆盖增加了 797.52 km<sup>2</sup>,占总面积变化的74.79%。生态恢复工程、降水和气温等是影响植被覆盖度变化的主要因素。</p> . <p>植被覆盖度是植物群落覆盖地表状况的一个综合量化指标,植被覆盖及其变化是区域环境变化的重要指示,对于区域水文及生态状况、全球变化的区域响应等都具有重要意义。以MODIS NDVI为数据源,采用像元二分模型,提取2000~2007年吉林省植被覆盖度,获取不同时期的植被覆盖度图,并进一步分析了植被覆盖度变化的原因。结果表明：吉林省植被覆盖度由东部到西部逐渐降低,其中白山地区植被覆盖情况最好。过去8 a间,吉林省植被覆盖度总体呈上升趋势,2007年植被覆盖度达到最高,为83.04%。在此期间,中部地区和西部地区植被覆盖增加了 797.52 km<sup>2</sup>,占总面积变化的74.79%。生态恢复工程、降水和气温等是影响植被覆盖度变化的主要因素。</p> |
| [38] | . 使用MODIS-NDVI数据和气象站点资料,通过GIS遥感技术和数理统计等方法,分析了陕西省退耕还林后(2000-2012年)植被覆盖度与湿润指数的时空变化规律及两者变化的关系。结果表明,陕西省植被覆盖度和湿润指数都呈现由南向北递减的分布规律并且有明显的季节变化特征。2000-2012年,陕西省植被覆盖度在波动中呈现大幅增加的趋势,陕北地区增加最为显著,生态环境得到明显改善,然而部分城市周边地区植被有退化的迹象。2000-2012年湿润指数年际变化波动较大,有上升的趋势,陕南地区增加显著。空间分布上随着植被覆盖度的增加湿润指数呈指数变化趋势,相关性与植被覆盖度面积取值范围有关,范围取值越大相关系数越高。植被覆盖度的年际变化受到气候和人为因素影响,陕南地区植被覆盖度与湿润指数的相关性较显著,而受到人为影响比较明显的陕北、关中地区相关性不显著。 . 使用MODIS-NDVI数据和气象站点资料,通过GIS遥感技术和数理统计等方法,分析了陕西省退耕还林后(2000-2012年)植被覆盖度与湿润指数的时空变化规律及两者变化的关系。结果表明,陕西省植被覆盖度和湿润指数都呈现由南向北递减的分布规律并且有明显的季节变化特征。2000-2012年,陕西省植被覆盖度在波动中呈现大幅增加的趋势,陕北地区增加最为显著,生态环境得到明显改善,然而部分城市周边地区植被有退化的迹象。2000-2012年湿润指数年际变化波动较大,有上升的趋势,陕南地区增加显著。空间分布上随着植被覆盖度的增加湿润指数呈指数变化趋势,相关性与植被覆盖度面积取值范围有关,范围取值越大相关系数越高。植被覆盖度的年际变化受到气候和人为因素影响,陕南地区植被覆盖度与湿润指数的相关性较显著,而受到人为影响比较明显的陕北、关中地区相关性不显著。 |
| [39] | . 植被覆盖度是衡量地表植被状况、指示生态环境变化的一个重要指标,也是许多学科的重要参数。传统的测量方法难以获取时间连续的面状数据,且耗时、耗力,很难大范围推广。遥感估算方法虽然可以弥补传统方法的不足,但由于云覆盖等天气条件的影响,获得同一时相覆盖整个研究区的遥感影像非常困难,时相的差异必然导致研究结果产生误差。针对植被覆盖度这一重要生态参数,结合低分辨率遥感数据的时间优势和中高分辨率遥感数据的空间优势,提出一种时相变换方法,将源于中高分辨率影像的植被覆盖度变换到研究需要的时相上。首先,利用像元二分模型计算MODIS尺度的时间序列植被覆盖度,并利用已经获得的SPOT影像计算其获取时相上的植被覆盖度;其次,利用土地利用图划分植被覆盖类型,并利用MODIS数据和土地利用数据之间的空间对应关系制作MODIS像元内各类植被覆盖的面积百分比数据;再次,利用面积百分比数据提取各类植被覆盖的纯像元,结合MODIS植被覆盖度时间序列,从而提取各类植被覆盖纯像元的植被覆盖度时间序列曲线;最后利用像元分解的方法提取MODIS像元内各类植被覆盖组分的植被覆盖度的变化规律,将其应用到该组分对应位置上SPOT像元的植被覆盖度上,从而将其变换到所需要的时相上。在密云水库上游进行试验,将覆盖研究区的10 景SPOT5多光谱影像计算的植被覆盖度统一变换到7 月上旬,结果显示:视觉效果上明显好转,且空间上连续一致;变换前后植被覆盖度的统计量对比结果也符合植被生长规律;利用外业样点数据与对应位置的植被覆盖度变换结果进行回归分析,结果发现各植被覆盖类型的<i>R</i><sup>2</sup>均在0.8左右,表明变换结果与实测值非常接近,时相变换的效果较好,从而可以很好地促进相关研究精度的提高。 . 植被覆盖度是衡量地表植被状况、指示生态环境变化的一个重要指标,也是许多学科的重要参数。传统的测量方法难以获取时间连续的面状数据,且耗时、耗力,很难大范围推广。遥感估算方法虽然可以弥补传统方法的不足,但由于云覆盖等天气条件的影响,获得同一时相覆盖整个研究区的遥感影像非常困难,时相的差异必然导致研究结果产生误差。针对植被覆盖度这一重要生态参数,结合低分辨率遥感数据的时间优势和中高分辨率遥感数据的空间优势,提出一种时相变换方法,将源于中高分辨率影像的植被覆盖度变换到研究需要的时相上。首先,利用像元二分模型计算MODIS尺度的时间序列植被覆盖度,并利用已经获得的SPOT影像计算其获取时相上的植被覆盖度;其次,利用土地利用图划分植被覆盖类型,并利用MODIS数据和土地利用数据之间的空间对应关系制作MODIS像元内各类植被覆盖的面积百分比数据;再次,利用面积百分比数据提取各类植被覆盖的纯像元,结合MODIS植被覆盖度时间序列,从而提取各类植被覆盖纯像元的植被覆盖度时间序列曲线;最后利用像元分解的方法提取MODIS像元内各类植被覆盖组分的植被覆盖度的变化规律,将其应用到该组分对应位置上SPOT像元的植被覆盖度上,从而将其变换到所需要的时相上。在密云水库上游进行试验,将覆盖研究区的10 景SPOT5多光谱影像计算的植被覆盖度统一变换到7 月上旬,结果显示:视觉效果上明显好转,且空间上连续一致;变换前后植被覆盖度的统计量对比结果也符合植被生长规律;利用外业样点数据与对应位置的植被覆盖度变换结果进行回归分析,结果发现各植被覆盖类型的<i>R</i><sup>2</sup>均在0.8左右,表明变换结果与实测值非常接近,时相变换的效果较好,从而可以很好地促进相关研究精度的提高。 |
| [40] | . <p>植被的空间分布及其变化都具有明显的地域分异特征。本研究以1981-2006年间的GIMMS/NDVI产品为主要数据源，在地理信息系统技术的支持下，分别从植被空间分布、植被波动和植被变化等方面，探讨了青藏高原植被覆盖变化的水平地域分异特征。研究结果显示，1981-2006年间，雅鲁藏布江河谷区、错那县和墨脱县的西北部、柴达木盆地南缘、三江源地区的顶端和青海南山北麓等区域地表植被年际波动较大。反映区域植被盖度时间变化趋势的SLOPE值以及植被盖度，具有从南部、东南部向北、西北部“下降—上升—不变”的规律。植被盖度下降显著的区域主要分布在喜马拉雅山南麓和青海湖南部，其次是三江源中南部地区；植被没有明显变化的区域主要分布在藏北高原和柴达木盆地。植被指数显著上升的区域集中在雅鲁藏布江河谷区，植被指数明显上升区域主要分布在人迹罕至的唐古拉山和念青唐古拉山等山间盆地区，轻微上升的区域分散在明显改善区的周围。依据SLOPE值的空间分异特征将整个高原划分为4个一级区：帕米尔高原植被指数上升区、藏北高原—阿里高原—柴达木盆地植被指数稳定区、高原中部—雅鲁藏布江中上游河谷植被指数上升区和三江源—横断山区植被指数下降区。</p> . <p>植被的空间分布及其变化都具有明显的地域分异特征。本研究以1981-2006年间的GIMMS/NDVI产品为主要数据源，在地理信息系统技术的支持下，分别从植被空间分布、植被波动和植被变化等方面，探讨了青藏高原植被覆盖变化的水平地域分异特征。研究结果显示，1981-2006年间，雅鲁藏布江河谷区、错那县和墨脱县的西北部、柴达木盆地南缘、三江源地区的顶端和青海南山北麓等区域地表植被年际波动较大。反映区域植被盖度时间变化趋势的SLOPE值以及植被盖度，具有从南部、东南部向北、西北部“下降—上升—不变”的规律。植被盖度下降显著的区域主要分布在喜马拉雅山南麓和青海湖南部，其次是三江源中南部地区；植被没有明显变化的区域主要分布在藏北高原和柴达木盆地。植被指数显著上升的区域集中在雅鲁藏布江河谷区，植被指数明显上升区域主要分布在人迹罕至的唐古拉山和念青唐古拉山等山间盆地区，轻微上升的区域分散在明显改善区的周围。依据SLOPE值的空间分异特征将整个高原划分为4个一级区：帕米尔高原植被指数上升区、藏北高原—阿里高原—柴达木盆地植被指数稳定区、高原中部—雅鲁藏布江中上游河谷植被指数上升区和三江源—横断山区植被指数下降区。</p> |
| [41] | . <p>提出了一种基于神经网络的单元自动机 (CA)。CA已被越来越多地应用在城市及其它地理现象的模拟中。CA模拟所碰到的最大问题是如何确定模型的结构和参数。模拟真实的城市涉及到使用许多空间变量和参数。当模型较复杂时,很难确定模型的参数值。本模型的结构较简单,模型的参数能通过对神经网络的训练来自动获取。分析表明,所提出的方法能获得更高的模拟精度,并能大大缩短寻找参数所需要的时间。通过筛选训练数据,本模型还可以进行优化的城市模拟,为城市规划提供参考依据。</p> . <p>提出了一种基于神经网络的单元自动机 (CA)。CA已被越来越多地应用在城市及其它地理现象的模拟中。CA模拟所碰到的最大问题是如何确定模型的结构和参数。模拟真实的城市涉及到使用许多空间变量和参数。当模型较复杂时,很难确定模型的参数值。本模型的结构较简单,模型的参数能通过对神经网络的训练来自动获取。分析表明,所提出的方法能获得更高的模拟精度,并能大大缩短寻找参数所需要的时间。通过筛选训练数据,本模型还可以进行优化的城市模拟,为城市规划提供参考依据。</p> |
| [42] | . 目前,元胞自动机（CA）已越来越多的被应用于城市以及其他复杂地理现象的模拟与预测中,CA建模最大的问题就是确定其复杂的空间变量及参数,即转换规则的确定。利用人工神经网络训练研究区域,以自动获取模型参数,以Matlab为开发平台,构建模型,并对喀什市城区进行实证研究,构建了该市的土地利用动态演化模型。经分析表明：此方法能极大的缩短获取空间变量的时间,且能获得更高的研究精度,能较精确地模拟城市发展过程,对城市未来发展进行较准确的预测,可为城市规划提供依据。 . 目前,元胞自动机（CA）已越来越多的被应用于城市以及其他复杂地理现象的模拟与预测中,CA建模最大的问题就是确定其复杂的空间变量及参数,即转换规则的确定。利用人工神经网络训练研究区域,以自动获取模型参数,以Matlab为开发平台,构建模型,并对喀什市城区进行实证研究,构建了该市的土地利用动态演化模型。经分析表明：此方法能极大的缩短获取空间变量的时间,且能获得更高的研究精度,能较精确地模拟城市发展过程,对城市未来发展进行较准确的预测,可为城市规划提供依据。 |
| [43] | . 城市发展过程中存在多种土地利用类型的相互转换,掌握其演化规律有助于制定出合理的土地利用 规划.传统元胞自动机(CA)在模拟城市扩张过程时,多种土地利用类型间的转换十分复杂,往往难以获得转换规则.本文利用神经网络构建了多类型演化的CA 模型；从城市演化的历史数据中进行学习,挖掘出控制土地利用方式转变的空间要素权重,利用广州市白云区2005-2007年间的土地利用历史演化数据训练 神经网络后,对2009年研究区的土地利用结构进行了模拟.对比同期的真实土地利用格局,模拟结果的平均精度达到77.65％. . 城市发展过程中存在多种土地利用类型的相互转换,掌握其演化规律有助于制定出合理的土地利用 规划.传统元胞自动机(CA)在模拟城市扩张过程时,多种土地利用类型间的转换十分复杂,往往难以获得转换规则.本文利用神经网络构建了多类型演化的CA 模型；从城市演化的历史数据中进行学习,挖掘出控制土地利用方式转变的空间要素权重,利用广州市白云区2005-2007年间的土地利用历史演化数据训练 神经网络后,对2009年研究区的土地利用结构进行了模拟.对比同期的真实土地利用格局,模拟结果的平均精度达到77.65％. |
| [44] | . 本文选择以吉林省具有气象监测要素的中部三个墒情站进行BP模型 预测。以2002-2009年降水、蒸发、气温、风速、土壤含水率均为实测资料。通过采用BP神经网络模型进行预潮分析，预测姑果显示，平均绝对误差为 -0．9，60％预测值偏小，相对误差小于±10％占70％、小于20％占93％，相对误差能够满足预测要求。表明模型预测精度较高。可以用于实际工作 中。 . 本文选择以吉林省具有气象监测要素的中部三个墒情站进行BP模型 预测。以2002-2009年降水、蒸发、气温、风速、土壤含水率均为实测资料。通过采用BP神经网络模型进行预潮分析，预测姑果显示，平均绝对误差为 -0．9，60％预测值偏小，相对误差小于±10％占70％、小于20％占93％，相对误差能够满足预测要求。表明模型预测精度较高。可以用于实际工作 中。 |
| [45] | . 城市化是社会经济发展的必然趋势,城市化发展对城市生态环境产生的压力是制约城市化发展的一个重要因素。文中运用BP神经网络对延安市1988-2009的城市化水平进行了测度。同时,应用城市生态环境压力指数对延安市的城市生态环境压力进行了定量分析,并对城市生态环境压力与城市化水平进行了相关分析和回归分析,构建了城市化水平与城市生态环境压力之间的定量回归模型。结果表明:延安市城市化水平与城市生态环境压力之间存在较明显的负相关关系。最后就如何加速城市化的发展进程,减小城市生态环境压力,使城市朝着健康有序、绿色环保的方向发展提出了几点建议。 . 城市化是社会经济发展的必然趋势,城市化发展对城市生态环境产生的压力是制约城市化发展的一个重要因素。文中运用BP神经网络对延安市1988-2009的城市化水平进行了测度。同时,应用城市生态环境压力指数对延安市的城市生态环境压力进行了定量分析,并对城市生态环境压力与城市化水平进行了相关分析和回归分析,构建了城市化水平与城市生态环境压力之间的定量回归模型。结果表明:延安市城市化水平与城市生态环境压力之间存在较明显的负相关关系。最后就如何加速城市化的发展进程,减小城市生态环境压力,使城市朝着健康有序、绿色环保的方向发展提出了几点建议。 |
| [46] | . Essential climate variables such as LAI or FAPAR are required for the monitoring, understanding and modeling of land surfaces at the global scale. While several products were already developed from the current medium resolution sensors, the few validation exercises currently achieved highlighted significant discrepancies and inconsistencies. The objective of this study is to develop improved global estimates of LAI, FAPAR and FCOVER variables by capitalizing on the development and validation of already existing products. In a first step, the performances of the MODIS, CYCLOPES, GLOBCARBON and JRC-FAPAR products were reviewed. The MODIS and CYCLOPES products were then selected since they provide higher level of consistency. These products were fused to generate the improved LAI, FAPAR and FCOVER values that were later scaled to closely match their expected range of variation. Finally, neural networks were trained to estimate these fused and scaled products from SPOT-VEGETATION top of canopy directionally normalized reflectance values. The resulting GEOV1 products are associated to quality control flags as well as quantitative estimates of uncertainties. Performances of the GEOV1 products are finally evaluated in a companion paper. The GEOV1 products are freely available to the community at www.geoland2.eu from 1999 up to present, globally at 1/112 degrees spatial sampling grid at the dekadal time step. (c) 2013 Elsevier Inc. All rights reserved. |
| [47] | . ) , which is currently considered to be the best global FVC product from SPOT VEGETATION data. Further comparison indicated that the spatial and temporal continuity of the estimates from the proposed method was superior to that of the GEOV1 FVC product. |
| [48] | . This article describes the algorithmic principles used to generate LAI, fAPAR and fCover estimates from VEGETATION observations. These biophysical variables are produced globally at 10days temporal sampling interval under lat–lon projection at 1/112° spatial resolution. After a brief description of the VEGETATION sensors, radiometric calibration process, based on vicarious desertic targets is first presented. The cloud screening algorithm was then fine tuned using a global network of cloudiness observations. Atmospheric correction is then achieved using the SMAC code with inputs coming from meteorological values of pressure, ozone and water vapour. Aerosol optical thickness is derived from MODIS climatology assuming continental aerosol type. The Roujean BRDF model is then adjusted for red, near infrared and short wave infrared bands used to the remaining cloud free observations collected over a time window of ±0215days. Outliers due to possible cloud contamination or residual atmospheric correction are iteratively eliminated and prior information is used to get more robust estimates of the three BRDF kernel coefficients. Nadir viewing top of canopy reflectance in the three bands is input to the biophysical algorithm to compute the products at 10days sampling interval. This algorithm is based on training neural networks over SAIL02+02PROPSPECT radiative transfer model simulations for each biophysical variable. Details on the way the training data base was generated and the neural network designed and calibrated are presented. Finally, theoretical performances are discussed. Validation over ground measurement data sets and inter-comparison with other similar biophysical products are presented and discussed in a companion paper. The CYCLOPES products and associated detailed documentation are available at http://postel.mediasfrance.org . |
| [49] | . <p>本文提出了基于神经网络的元胞自动机(CellularAutomata),并将其用来模拟复杂的土地利用系统及其演变。国际上已经有许多利用元胞自动机进行城市模拟的研究,但这些模型往往局限于模拟从非城市用地到城市用地的转变。模拟多种土地利用的动态系统比一般模拟城市演化要复杂得多,需要使用许多空间变量和参数,而确定模型的参数值和模型结构有很大困难。本文通过神经网络、元胞自动机和GIS相结合来进行土地利用的动态模拟,并利用多时相的遥感分类图像来训练神经网络,能十分方便地确定模型参数和模型结构,消除常规模拟方法所带来的弊端。</p> . <p>本文提出了基于神经网络的元胞自动机(CellularAutomata),并将其用来模拟复杂的土地利用系统及其演变。国际上已经有许多利用元胞自动机进行城市模拟的研究,但这些模型往往局限于模拟从非城市用地到城市用地的转变。模拟多种土地利用的动态系统比一般模拟城市演化要复杂得多,需要使用许多空间变量和参数,而确定模型的参数值和模型结构有很大困难。本文通过神经网络、元胞自动机和GIS相结合来进行土地利用的动态模拟,并利用多时相的遥感分类图像来训练神经网络,能十分方便地确定模型参数和模型结构,消除常规模拟方法所带来的弊端。</p> |
| [50] | . 高效而精确的湿地遥感分类是大范围湿地资源动态监测与管理的必要保障。使用ETM+遥感数据，借助Matlab神经网络工具箱，构建了基于BP神经网络的滨海湿地覆被分类模型，并将其应用于江苏盐城沿海湿地珍禽国家级自然保护区的核心区的自然湿地覆被分类研究中。选择3、4、7、8波段作为输入层变量，单隐藏层设为10个节点，输出层变量对应待划分的8种覆被类型，构建三层式BP神经网络滨海湿地覆被分类模型。结果显示，BP分类总精度为85.91%，Kappa系数为0.8328，与最小距离法和极大似然法的分类总精度相比，分别提高了7.99%和6.08%，Kappa系数也相比提高。研究结果表明，BP神经网络分类法是一种较为有效的湿地遥感影像分类技术，能够提高分类精度。 . 高效而精确的湿地遥感分类是大范围湿地资源动态监测与管理的必要保障。使用ETM+遥感数据，借助Matlab神经网络工具箱，构建了基于BP神经网络的滨海湿地覆被分类模型，并将其应用于江苏盐城沿海湿地珍禽国家级自然保护区的核心区的自然湿地覆被分类研究中。选择3、4、7、8波段作为输入层变量，单隐藏层设为10个节点，输出层变量对应待划分的8种覆被类型，构建三层式BP神经网络滨海湿地覆被分类模型。结果显示，BP分类总精度为85.91%，Kappa系数为0.8328，与最小距离法和极大似然法的分类总精度相比，分别提高了7.99%和6.08%，Kappa系数也相比提高。研究结果表明，BP神经网络分类法是一种较为有效的湿地遥感影像分类技术，能够提高分类精度。 |
| [51] | . 依据最新遥感影像和多种统计资料,完成了新疆维吾尔自治区85个 县区植被覆盖和土地退化指数的测定,采用全样本统计和剖面分析方法,揭示了新疆植被覆盖与土地退化的关系及空间分布格局.结果表明:基于县域的植被覆盖与 土地退化呈负指数关系,随着植被覆盖指数的降低,土地退化呈上升趋势,南疆的土地退化甚于北疆;受地形分布格局和水汽来源的影响,新疆植被覆盖与土地退化 的空间分布格局为:从东北向西南呈"三山夹两盆"结构,山地植被覆盖指数高、土地退化指数低,盆地植被覆盖指数低、土地退化指数高;受来自北冰洋水汽环流 和高山冰雪融水的影响,从西北向东南植被覆盖指数逐渐下降,土地退化指数逐渐升高.基于县域的植被覆盖与土地退化指数的空间分布,较好地再现了地形分布格 局和水汽环流形势.图6,表1,参14. . 依据最新遥感影像和多种统计资料,完成了新疆维吾尔自治区85个 县区植被覆盖和土地退化指数的测定,采用全样本统计和剖面分析方法,揭示了新疆植被覆盖与土地退化的关系及空间分布格局.结果表明:基于县域的植被覆盖与 土地退化呈负指数关系,随着植被覆盖指数的降低,土地退化呈上升趋势,南疆的土地退化甚于北疆;受地形分布格局和水汽来源的影响,新疆植被覆盖与土地退化 的空间分布格局为:从东北向西南呈"三山夹两盆"结构,山地植被覆盖指数高、土地退化指数低,盆地植被覆盖指数低、土地退化指数高;受来自北冰洋水汽环流 和高山冰雪融水的影响,从西北向东南植被覆盖指数逐渐下降,土地退化指数逐渐升高.基于县域的植被覆盖与土地退化指数的空间分布,较好地再现了地形分布格 局和水汽环流形势.图6,表1,参14. |
| [52] | . <FONT face=Verdana>利用1998-2007年SPOT VGT归一化植被指数（NDVI）数据对新疆植被覆盖的年际和空间变化进行了动态监测，并从气候变化和人类活动双重角度分析了植被覆盖演变的原因. 1998-2007年新疆植被覆盖变化经历了2个阶段：1998-2001年植被覆盖严重退化时期；2002-2007年植被覆盖由急剧上升到缓慢下降再到持续升高时期，NDVI明显高于20世纪末期水平. 新疆植被覆盖变化存在显著的空间差异，阿尔泰山地森林、巴音布鲁克草原等自然植被NDVI明显退化，农业灌溉区和生态建设地区的植被覆盖明显提高. 从不同的土地利用类型来看，沙地和耕地的NDVI上升趋势显著，林地和草地植被的NDVI退化严重. 研究表明，新疆植被覆盖变化是气候变化和人类活动共同作用的结果. 温度对植被覆盖变化的影响表现为对植被生长年内韵律的控制和春季植被生长期的延长，年降水量的波动式下降是导致新疆植被覆盖变化呈现2个阶段的主导因素. 农业生产水平的提高是新疆农业灌溉区NDVI不断上升的重要原因，同时，近年来大规模实施的生态建设工程所带来的生态效应正在呈现. </FONT> . <FONT face=Verdana>利用1998-2007年SPOT VGT归一化植被指数（NDVI）数据对新疆植被覆盖的年际和空间变化进行了动态监测，并从气候变化和人类活动双重角度分析了植被覆盖演变的原因. 1998-2007年新疆植被覆盖变化经历了2个阶段：1998-2001年植被覆盖严重退化时期；2002-2007年植被覆盖由急剧上升到缓慢下降再到持续升高时期，NDVI明显高于20世纪末期水平. 新疆植被覆盖变化存在显著的空间差异，阿尔泰山地森林、巴音布鲁克草原等自然植被NDVI明显退化，农业灌溉区和生态建设地区的植被覆盖明显提高. 从不同的土地利用类型来看，沙地和耕地的NDVI上升趋势显著，林地和草地植被的NDVI退化严重. 研究表明，新疆植被覆盖变化是气候变化和人类活动共同作用的结果. 温度对植被覆盖变化的影响表现为对植被生长年内韵律的控制和春季植被生长期的延长，年降水量的波动式下降是导致新疆植被覆盖变化呈现2个阶段的主导因素. 农业生产水平的提高是新疆农业灌溉区NDVI不断上升的重要原因，同时，近年来大规模实施的生态建设工程所带来的生态效应正在呈现. </FONT> |
| [53] | . 通过对1990年以来新疆气候变化研究的国内外文献资料的归纳总结,将新疆气候变化事实、影响、应对措施及预测等方面的最新研究进展进行了概括。结果表明:整体上,新疆的气候正在向暖湿化方向转变,这一变化事实导致了该区域水热的重新配置,对水资源和农业等都产生了较大的影响。 . 通过对1990年以来新疆气候变化研究的国内外文献资料的归纳总结,将新疆气候变化事实、影响、应对措施及预测等方面的最新研究进展进行了概括。结果表明:整体上,新疆的气候正在向暖湿化方向转变,这一变化事实导致了该区域水热的重新配置,对水资源和农业等都产生了较大的影响。 |
| [54] | . <p>基于全疆8 条代表性河流近50 年的地表径流、气温和降水数据，采用Mann-Kendall 趋势检验和突变检测法，对各条河流地表径流、年均气温和年降水进行了长期趋势检验和突变分析，同时对径流与气温、降水之间的变化关系以及水文极端事件洪水的发生频次和洪峰流量进行了分析。结果表明，20 世纪80 年代中期以来全疆各地气候一致表现为气温升高和降水增多，其中北疆地区变化最为显著，南疆其次，东疆最小。受气温、降水变化影响，河流径 流发生年际和年内分布变化。大部分河流自20 世纪90 年代初水量显著增多，有春汛提前、夏汛推后和洪峰流量增大的现象，其变化特征与河流补给类型密切相关。全疆洪水发生频次增多、洪峰流量增大。气候变暖已对区域水文循环产生重要影响。</p> . <p>基于全疆8 条代表性河流近50 年的地表径流、气温和降水数据，采用Mann-Kendall 趋势检验和突变检测法，对各条河流地表径流、年均气温和年降水进行了长期趋势检验和突变分析，同时对径流与气温、降水之间的变化关系以及水文极端事件洪水的发生频次和洪峰流量进行了分析。结果表明，20 世纪80 年代中期以来全疆各地气候一致表现为气温升高和降水增多，其中北疆地区变化最为显著，南疆其次，东疆最小。受气温、降水变化影响，河流径 流发生年际和年内分布变化。大部分河流自20 世纪90 年代初水量显著增多，有春汛提前、夏汛推后和洪峰流量增大的现象，其变化特征与河流补给类型密切相关。全疆洪水发生频次增多、洪峰流量增大。气候变暖已对区域水文循环产生重要影响。</p> |
| [55] | [D]. . |
| [56] | . <p>针对跨界流域土地利用/覆被变化(LUCC)信息十分有限，无法满足对环境变化评估需要的现状，本文以跨界流域——哈萨克斯坦境内伊犁河中下游为研究区，利用20世纪70年代的MSS、90年代的TM、2000年和2007年的ETM卫星遥感影像，采用目视解译与决策树相结合的分类方法，可较高精度提取研究区LUCC的时空信息，通过一套数理统计模型，定量分析了区域LUCC的过程和趋势。近40年来，高覆盖度林草地、中覆盖度林草地和耕地始终是伊犁河中下游地区所占比例最大的3种土地利用/覆被类型。整个研究时段内，耕地、水库坑塘和未利用地先增加后减少，其中耕地总体呈现减少的趋势，但减少幅度逐渐减小，水库坑塘和未利用地面积总体趋于增加。高覆盖度林草地和河流呈现出持续减少的态势，而建设用地面积持续增加。中覆盖度林草地、湖泊和沼泽先增加后减少，总体呈现增加趋势。低覆盖度林草地经历了减少—增加—减少的变化过程，总体呈现减少趋势。耕地和林草地相互转换频繁，其中耕地与高覆盖度林草地之间的转换和高、中覆盖度林草地之间的转换为区域内最主要的四种变化类型。1970-2007年间，伊犁河中下游地区土地利用始终处于准平衡状态，但有向不平衡状态发展的趋势。20世纪70年代卡普恰盖水库的建立和90年代初期的政策变化改变了原有变化的随机性和平稳性，使区域内相关土地利用/覆被发生显著变化。</p> . <p>针对跨界流域土地利用/覆被变化(LUCC)信息十分有限，无法满足对环境变化评估需要的现状，本文以跨界流域——哈萨克斯坦境内伊犁河中下游为研究区，利用20世纪70年代的MSS、90年代的TM、2000年和2007年的ETM卫星遥感影像，采用目视解译与决策树相结合的分类方法，可较高精度提取研究区LUCC的时空信息，通过一套数理统计模型，定量分析了区域LUCC的过程和趋势。近40年来，高覆盖度林草地、中覆盖度林草地和耕地始终是伊犁河中下游地区所占比例最大的3种土地利用/覆被类型。整个研究时段内，耕地、水库坑塘和未利用地先增加后减少，其中耕地总体呈现减少的趋势，但减少幅度逐渐减小，水库坑塘和未利用地面积总体趋于增加。高覆盖度林草地和河流呈现出持续减少的态势，而建设用地面积持续增加。中覆盖度林草地、湖泊和沼泽先增加后减少，总体呈现增加趋势。低覆盖度林草地经历了减少—增加—减少的变化过程，总体呈现减少趋势。耕地和林草地相互转换频繁，其中耕地与高覆盖度林草地之间的转换和高、中覆盖度林草地之间的转换为区域内最主要的四种变化类型。1970-2007年间，伊犁河中下游地区土地利用始终处于准平衡状态，但有向不平衡状态发展的趋势。20世纪70年代卡普恰盖水库的建立和90年代初期的政策变化改变了原有变化的随机性和平稳性，使区域内相关土地利用/覆被发生显著变化。</p> |
| [57] | . . |
| [58] | . 基于3S技术,利用博斯腾湖小湖区1976、1990、2002与2009年卫星遥感资料,分析了近30多年来博斯腾湖小湖面积变化规律及其驱动机理。结果表明,近30多年来博斯腾湖小湖水域面积呈波动性变化趋势。小湖水域面积从1990年的2 385.58 hm2扩张到2002年的3 138.12 hm2,又从2002年的3 138.12 hm2减小到2009年的2 413.53 hm2,总体上呈现萎缩的趋势。研究区景观多样性、均匀度、优势度、景观分离度呈先增加后减小趋势,说明景观破碎化程度有加深趋势。气温的升高与降水量的增大是博斯腾湖小湖湖泊水域面积扩大的主要原因。从土地利用转移矩阵可知,人类活动对湖泊的作用开始加强。 . 基于3S技术,利用博斯腾湖小湖区1976、1990、2002与2009年卫星遥感资料,分析了近30多年来博斯腾湖小湖面积变化规律及其驱动机理。结果表明,近30多年来博斯腾湖小湖水域面积呈波动性变化趋势。小湖水域面积从1990年的2 385.58 hm2扩张到2002年的3 138.12 hm2,又从2002年的3 138.12 hm2减小到2009年的2 413.53 hm2,总体上呈现萎缩的趋势。研究区景观多样性、均匀度、优势度、景观分离度呈先增加后减小趋势,说明景观破碎化程度有加深趋势。气温的升高与降水量的增大是博斯腾湖小湖湖泊水域面积扩大的主要原因。从土地利用转移矩阵可知,人类活动对湖泊的作用开始加强。 |
| [59] | [D]. . |
| [60] | . <p>新疆地区冰川、积雪广泛分布，在其融水补给河川径流的同时，也常伴有冰川洪水、融雪洪水、冰湖突发洪水、冰川泥石流、冰雪崩和风吹雪等冰雪灾害发生，这些灾害对当地居民居住地以及重要国防干线的安全运营形成较大威胁. 冰川、积雪变化直接影响到冰雪灾害发生的程度与影响范围，新疆的冰川洪水和冰湖突发洪水灾害主要发生在塔里木河流域的喀喇昆仑山、昆仑山以及天山南坡西部一带，融雪洪水灾害主要发生在新疆北部的阿勒泰地区、塔城地区和天山北坡一带，冰川泥石流、冰雪崩灾害主要发生在帕米尔高原、天山西段和西昆仑山地区，风吹雪主要在天山中、西段地区. 随着全球气候变暖，尤其是新疆从1987年开始的气候由暖干向暖湿的转型，冰川退缩加剧，融水量增大，冰川洪水和冰川泥石流灾害随着冰川融水径流的增加而增多；而融雪洪水、雪崩和风吹雪随着气候变化引起的冬季积雪增加和气温升高，其灾害强度在增强；冰崩灾害随着气温升高引起的高山冰体崩解而呈增加趋势. 在新疆地区，冰雪灾害主要表现为冰雪洪水，已观测到近十几年来在气候变化影响下冰雪洪水发生的频次和强度有增加的趋势，塔里木河流域的冰湖溃决洪水和冰川洪水及北疆春季的冰凌和融雪洪水已对当地的生命财产和社会经济发展带来巨大危害，新疆的水资源安全、灾害等问题日益凸显. 预计未来，随着气候增温引起的冰雪融水径流的增加，相关的冰雪灾害增多，因而增加了冰雪灾害的危险程度，并可能形成若干新的灾害点. 面对气候变化诱发的众多冰川、积雪灾害，目前还缺乏对灾害监测、预测预警方面的适应对策. 因此，在全球气候变化不断加速的趋势下，冰雪灾害应引起有关方面的足够重视，加强气候变化对冰雪灾害的影响评估和适应性管理对策研究，使科学技术在减灾方面发挥主导作用.</p> . <p>新疆地区冰川、积雪广泛分布，在其融水补给河川径流的同时，也常伴有冰川洪水、融雪洪水、冰湖突发洪水、冰川泥石流、冰雪崩和风吹雪等冰雪灾害发生，这些灾害对当地居民居住地以及重要国防干线的安全运营形成较大威胁. 冰川、积雪变化直接影响到冰雪灾害发生的程度与影响范围，新疆的冰川洪水和冰湖突发洪水灾害主要发生在塔里木河流域的喀喇昆仑山、昆仑山以及天山南坡西部一带，融雪洪水灾害主要发生在新疆北部的阿勒泰地区、塔城地区和天山北坡一带，冰川泥石流、冰雪崩灾害主要发生在帕米尔高原、天山西段和西昆仑山地区，风吹雪主要在天山中、西段地区. 随着全球气候变暖，尤其是新疆从1987年开始的气候由暖干向暖湿的转型，冰川退缩加剧，融水量增大，冰川洪水和冰川泥石流灾害随着冰川融水径流的增加而增多；而融雪洪水、雪崩和风吹雪随着气候变化引起的冬季积雪增加和气温升高，其灾害强度在增强；冰崩灾害随着气温升高引起的高山冰体崩解而呈增加趋势. 在新疆地区，冰雪灾害主要表现为冰雪洪水，已观测到近十几年来在气候变化影响下冰雪洪水发生的频次和强度有增加的趋势，塔里木河流域的冰湖溃决洪水和冰川洪水及北疆春季的冰凌和融雪洪水已对当地的生命财产和社会经济发展带来巨大危害，新疆的水资源安全、灾害等问题日益凸显. 预计未来，随着气候增温引起的冰雪融水径流的增加，相关的冰雪灾害增多，因而增加了冰雪灾害的危险程度，并可能形成若干新的灾害点. 面对气候变化诱发的众多冰川、积雪灾害，目前还缺乏对灾害监测、预测预警方面的适应对策. 因此，在全球气候变化不断加速的趋势下，冰雪灾害应引起有关方面的足够重视，加强气候变化对冰雪灾害的影响评估和适应性管理对策研究，使科学技术在减灾方面发挥主导作用.</p> |
| [61] | . 利用Landsat TM/ETM+影像,结合冰川编目数据,应用比值阈值法和人工目视解译法得到近40年来西昆仑山冰川和冰湖面积变化数据,结合气象数据分析冰川和冰湖变化特征及其气候背景。结果表明:1.1976—2010年,西昆仑山冰川呈现微弱的退缩,面积减少率为4.1%,冰湖面积增加率17.8%。冰川面积与冰湖面积变化呈现反相关,冰川融水补给的增加是冰湖面积扩大的主要原因。2.气温的缓慢上升是西昆仑冰川退缩的原因之一,个别气象站点显示近20 a夏季均温缓慢下降,这与近10年来研究区冰川退缩幅度较小相吻合。考虑到青藏高原多数冰川对气候变化响应的滞后时间在10~20 a,由于夏季均温的下降,我们推测在接下来几年内西昆仑山冰川可能不会出现大幅度的退缩。3.昆仑峰区可能存在的跃动冰川以及喀拉塔格山冰川的稳定,表明冰川对气候变化复杂的响应机制。气象站点数据不能完全解释冰川的变化特征,还需要进一步结合冰川区实测气象数据加以讨论。另外,西昆仑山冰川变化还受到冰川规模、地形等因素综合影响。 . 利用Landsat TM/ETM+影像,结合冰川编目数据,应用比值阈值法和人工目视解译法得到近40年来西昆仑山冰川和冰湖面积变化数据,结合气象数据分析冰川和冰湖变化特征及其气候背景。结果表明:1.1976—2010年,西昆仑山冰川呈现微弱的退缩,面积减少率为4.1%,冰湖面积增加率17.8%。冰川面积与冰湖面积变化呈现反相关,冰川融水补给的增加是冰湖面积扩大的主要原因。2.气温的缓慢上升是西昆仑冰川退缩的原因之一,个别气象站点显示近20 a夏季均温缓慢下降,这与近10年来研究区冰川退缩幅度较小相吻合。考虑到青藏高原多数冰川对气候变化响应的滞后时间在10~20 a,由于夏季均温的下降,我们推测在接下来几年内西昆仑山冰川可能不会出现大幅度的退缩。3.昆仑峰区可能存在的跃动冰川以及喀拉塔格山冰川的稳定,表明冰川对气候变化复杂的响应机制。气象站点数据不能完全解释冰川的变化特征,还需要进一步结合冰川区实测气象数据加以讨论。另外,西昆仑山冰川变化还受到冰川规模、地形等因素综合影响。 |
| [62] | . 通过分析中国北方50 a来的降水资料,结果表明:干旱气候变化的主要特征表现在20世纪90年代夏季降水量有明显的减少趋势,干旱化趋势主要发生在北方,主要包括河北、山西、山东和西北地区东部.西北地区西部降水有明显增多趋势,西北地区东部降水量持续偏少,干旱连年发生.干旱气候的产生带来了严重的干旱灾害,无论从全国或甘肃省的近50 a来干旱灾害可以看出,90年代的干旱发生最为频繁,干旱灾情最为严重,2000年是干旱最严重的一年.干旱气候变化引发干旱化趋势明显,其影响程度非常严重和深远,应重视和加强干旱气候与干旱灾害的监测预测和防御对策的研究. . 通过分析中国北方50 a来的降水资料,结果表明:干旱气候变化的主要特征表现在20世纪90年代夏季降水量有明显的减少趋势,干旱化趋势主要发生在北方,主要包括河北、山西、山东和西北地区东部.西北地区西部降水有明显增多趋势,西北地区东部降水量持续偏少,干旱连年发生.干旱气候的产生带来了严重的干旱灾害,无论从全国或甘肃省的近50 a来干旱灾害可以看出,90年代的干旱发生最为频繁,干旱灾情最为严重,2000年是干旱最严重的一年.干旱气候变化引发干旱化趋势明显,其影响程度非常严重和深远,应重视和加强干旱气候与干旱灾害的监测预测和防御对策的研究. |
| [63] | . 针对气候转型科学问题的提出,根据新疆61处国家水文气象观测站点的资料,通过5a滑动平均、模比系数差积曲线、线性趋势等方法对新疆降水分析计算.结果显示,近50a来新疆年降水量总体呈增加的变化趋势,全疆年降水量平均增幅0.67mm·a<sup>-1</sup>,天山山区增幅最大,达1.0～2.8mm·a<sup>-1</sup>.由减少转为增加变化的时间大多出现于1987年前后,以此为界,从1987年起气候转向暖湿的强劲信号不仅反映在新疆的天山西部地区,而且在全疆也有所反映,且南疆强于北疆,西部多于东部. . 针对气候转型科学问题的提出,根据新疆61处国家水文气象观测站点的资料,通过5a滑动平均、模比系数差积曲线、线性趋势等方法对新疆降水分析计算.结果显示,近50a来新疆年降水量总体呈增加的变化趋势,全疆年降水量平均增幅0.67mm·a<sup>-1</sup>,天山山区增幅最大,达1.0～2.8mm·a<sup>-1</sup>.由减少转为增加变化的时间大多出现于1987年前后,以此为界,从1987年起气候转向暖湿的强劲信号不仅反映在新疆的天山西部地区,而且在全疆也有所反映,且南疆强于北疆,西部多于东部. |
| [64] | . In spring, snowmelt releases huge quantities of meltwater, affecting the hydrology of Alpine areas. Seasonal soil frost influences these water fluxes by locally decreasing the infiltration capacity of the soil, resulting in an increased amount of surface runoff. The main goal of this study was to investigate the spatial variability of the seasonal frost depth and to quantify by how much this seasonal soil frost affects the snowmelt discharge. For this purpose, an extensive field study was run for two winter seasons (2000/2001 and 2001/2002) at Gd St Bernard (247002m) and Hannigalp (209002m) in the southern Swiss Alps. The different components of the water balance (lateral runoff, deep percolation, liquid soil water content) were measured on delimited plots of 502m 2 . The two winters investigated had opposing weather and soil frost conditions: in the first winter a thick snowpack prevented the formation of soil frost, whereas in the second winter little snow fell until January, which produced a deep and persistent soil frost. We classified the snowmelt events into several classes (mid-winter, late winter, spring and post-spring) and analysed the significance of the different water flow components for each melt situation. While 90–100% of melt water infiltrated into the ground during the first winter, 25–35% of melt water ran off laterally in the second, mainly during late winter and spring snowmelt events. In that second winter, the soil infiltration capacity was primarily reduced by the presence of a basal ice sheet after mid-winter melt events. |
