流域植被覆盖格局时空演变研究综述
海河流域生长季植被覆盖度时空变化及驱动力分析

第30卷第4期2023年8月水土保持研究R e s e a r c ho f S o i l a n d W a t e rC o n s e r v a t i o nV o l .30,N o .4A u g.,2023收稿日期:2022-06-07 修回日期:2022-07-06资助项目:流域水循环模拟与调控国家重点实验室自由探索课题(S K L 2022T S 01);国家重点研发计划(2021Y F C 3200200);国家自然科学基金(52025093,51979284) 第一作者:钤会冉(1997 ),女,河南清丰县人,硕士,研究方向为水文水资源研究㊂E -m a i l :qi a n h u i r a n 123@163.c o m 通信作者:翟家齐(1984 ),男,河南信阳人,博士,正高级工程师,主要从事平原区水循环模拟㊁农业节水潜力评估㊁区域干旱评估研究㊂E -m a i l :j i a qi z h a i @163.c o m h t t p :ʊs t b c y j .p a p e r o n c e .o r gD O I :10.13869/j.c n k i .r s w c .2023.04.037.钤会冉,翟家齐,马梦阳,等.海河流域生长季植被覆盖度时空变化及驱动力分析[J ].水土保持研究,2023,30(4):309-317.Q I A N H u i r a n ,Z H A I J i a q i ,MA M e n g y a n g ,e t a l .T e m p o r a l a n d S p a t i a l V a r i a t i o n o fV e g e t a t i o nC o v e r a g e a n d I t sD r i v i n g F o r c e sD u r i n gt h eG r o w -i n g Se a s o n i nH a i h eR i v e rB a s i n [J ].R e s e a r c hof S o i l a n d W a t e rC o n s e r v a t i o n ,2023,30(4):309-317.海河流域生长季植被覆盖度时空变化及驱动力分析钤会冉1,2,翟家齐2,马梦阳2,赵勇2,凌敏华1,王庆明2(1.郑州大学水利科学与工程学院,郑州450001;2.中国水利水电科学研究院流域水循环模拟与调控国家重点实验室,北京100038)摘 要:[目的]了解海河流域生长季植被覆盖度(F V C )的时空变化及其驱动力,以期为海河流域的生态保护㊁建设与可持续发展提供参考㊂[方法]基于MO D I SN D V I 遥感数据和同时期的18种影响因子,采用趋势分析法和M -K 显著性检验分析了2001 2019年海河流域生长季植被覆盖度的时空变化特征;并利用地理探测器探讨了其空间分异特征与驱动力㊂[结果]2001 2019年海河流域生长季植被覆盖度总体呈显著上升趋势,线性倾向率为0.063/10a ,2011年之后增速减缓㊂空间分布差异明显,植被覆盖度总体较高,仅环渤海湾地带和一些城市区域植被覆盖率较低㊂改善区域的面积远大于退化面积,其中改善部分以极显著改善为主,占流域总面积的60.42%㊂海河流域生长季植被覆盖度的空间分布差异主要由林地比例和林草混合地比例所决定,解释力均在30%以上㊂对海河流域生长季植被覆盖度交互作用解释力最强的是林草混合地比例和农田比例㊂[结论]海河流域植被覆盖度总体显著上升,空间分布差异主要驱动力为林地比例和林草混合地比例㊂关键词:植被覆盖度(F V C );生长季;地理探测器;海河流域中图分类号:Q 948 文献标识码:A 文章编号:1005-3409(2023)04-0309-09T e m p o r a l a n dS p a t i a lV a r i a t i o no fV e g e t a t i o nC o v e r a g e a n d I t sD r i v i n gF o r c e sD u r i n g t h eG r o w i n g Se a s o n i nH a i h eR i v e rB a s i n Q I A N H u i r a n 1,2,Z H A I J i a q i 2,MA M e n g y a n g 2,Z H A O Y o n g 2,L I N G M i n h u a 1,WA N G Q i n g m i n g2(1.S c h o o l o f W a t e rC o n s e r v a n c y E n g i n e e r i n g ,Z h e n g z h o uU n i v e r s i t y ,Z h e n g z h o u 450001,C h i n a ;2.S t a t eK e y L a b o r a t o r y o f S i m u l a t i o na n dR e g u l a t i o no f Wa t e r C y c l e i nR i v e rB a s i n ,C h i n aI n s t i t u t e o f W a t e rR e s o u r c e s a n d H y d r o p o w e rR e s e a r c h ,B e i j i n g 100038,C h i n a )A b s t r a c t :[O b j e c t i v e ]I no r d e rt o p r o v i d er e f e r e n c ef o re c o l o gi c a l p r o t e c t i o n ,c o n s t r u c t i o na n ds u s t a i n a b l e d e v e l o p m e n t o fH a i h eR i v e rB a s i n ,t h e t e m p o r a l a n d s p a t i a l c h a n g e s o f v e g e t a t i o n c o v e r a ge (F V C )i n g r o w -i n g s e a s o na n d i t s d r i v i n gf o r c e sw e r e i n v e s t ig a t e d .[M e th o d s ]B a s e do n MO D I SN D V I r e m o t e s e n si n g da t a a n d 18i n f l u e n c i n g f a c t o r s o f t h e s a m e p e r i o d ,t r e n d a n a l y s i s a n d M -Ks i g n i f i c a n c e t e s tw e r eu s e d t oa n a l yz e t h e s p a t i o t e m p o r a l v a r i a t i o n c h a r a c t e r i s t i c s o f v e g e t a t i o n c o v e r a g e d u r i n g t h e g r o w i n g s e a s o no fH a i h eR i v e r B a s i n f r o m2001t o 2019.T h e s p a t i a l d i f f e r e n t i a t i o n c h a r a c t e r i s t i c s a n dd r i v i n g f o r c e s a r e d i s c u s s e db y me a n s ofg e o g r a phi c d e t e c t o r .[R e s u l t s ]D u r i n g t h e g r o w i n g s e a s o no fH a i h eR i v e rB a s i nf r o m2001t o2019,t h e v e g e t a t i o n c o v e r a g e s h o w e d a s i g n i f i c a n t u p w a r d t r e n d ,w i t ha l i n e a r t e n d e n c y ra t e o f 0.063/d e c a d e ,a n d t h e g r o w t h r a t e s l o w e dd o w na f t e r 2011.T h ev e g e t a t i o nc o v e r a g ew a s r e l a t i v e l y h i g h i n t h eB o h a i B a y ar e aa n d s o m eu r b a na r e a s .T h ea r e ao f i m p r o v e m e n ta r e aw a s m u c hl a r g e r t h a nt h a to fd e gr a d a t i o na r e a ,a n dt h e Copyright ©博看网. All Rights Reserved.i m p r o v e m e n t p a r tw a s d o m i n a t e db y e x t r e m e l y s i g n i f i c a n t i m p r o v e m e n t,a c c o u n t i n g f o r60.42%o f t h e t o t a l b a s i na r e a.T h e s p a t i a l v a r i a t i o no f v e g e t a t i o n c o v e r a g e i n H a i h eR i v e rB a s i nd u r i n g t h e g r o w i n g s e a s o nw a s m a i n l y d e t e r m i n e db y t h e p r o p o r t i o no f f o r e s t l a n da n dt h e p r o p o r t i o no fm i x e df o r e s t-g r a s s l a n d,a n dt h e e x p l a n a t o r yp o w e rw a sm o r e t h a n30%.T h e s t r o n g e s t e x p l a n a t i o n f o r t h e i n t e r a c t i o no f v e g e t a t i o nc o v e r a g e i nH a i h eR i v e rB a s i nd u r i n g t h e g r o w i n g s e a s o nw a s t h e r a t i oo fm i x e d f o r e s t a n d g r a s s l a n d a n d t h e r a t i oo f f a r m l a n d.[C o n c l u s i o n]O v e r a l lv e g e t a t i o nc o v e r a g e i n c r e a s e ds i g n i f i c a n t l y i n H a i h eR i v e rB a s i n,a n dt h e m a i nd r i v i n g f o r c ew a s t h e p r o p o r t i o no f f o r e s t l a n d a n d t h e p r o p o r t i o no fm i x e d f o r e s t a n d g r a s s l a n d. K e y w o r d s:f r a c t i o n a l v e g e t a t i o n c o v e r a g e(F V C);g r o w i n g s e a s o n;g e o g r a p h i c a l d e t e c t o r;H a i h eR i v e rB a s i n植被作为陆地生态系统中一个重要的组成部分,在陆地生态系统物质循环㊁能量流动㊁信息传递等方面起到了重要的枢纽作用[1],既能促进地球生态系统平衡㊁水循环㊁气候变化[2-3],还可以用来监测生态环境变化[4]㊂植被覆盖度(f r a c t i o n a l v e g e t a t i o n c o v e r a g e,F V C)指植被(包括叶㊁茎㊁枝)在地面的垂直投影面积占观测区总面积的百分比[5],其变化能够直接或间接改变陆地地表下垫面属性,进而对气候调节㊁水土保持以及生态系统的稳定性等产生影响[6]㊂因此,开展流域尺度植被覆盖变化研究以及揭示其驱动力机制,有利于深刻认识陆地生态系统内部的相互作用,对进一步掌握生态系统恢复成效具有极大意义[7]㊂目前,国内外学者深入研究了不同区域尺度的植被覆盖时空变化规律,主要集中于海河流域㊁黄土高原地区等植被变化显著的区域[8],多年来一直是生态环境等领域研究的热点㊂对于植被覆盖度时空变化驱动力的研究主要运用多元线性回归分析㊁相关性分析等传统数学统计方法㊂为弥补仅把气温㊁降水等气候因子作为驱动因素来进行归因分析的片面性,国内外学者先后提出了残差趋势法[9]㊁回归模型法[10]㊁基于生物物理过程的模型方法[11]和地理探测器法[12]等,来定量分解气温㊁降水等自然因素和人类活动强度等人为因素对植被变化的相对贡献㊂其中,地理探测器法以统计学原理的空间方差分析为基础,对变量无限性假设,不仅能够检验气候㊁地形㊁人类活动㊁土壤等多种因子是否是形成植被覆盖时空格局的原因,还可以量化不同因子之间的交互作用对植被覆盖空间分布及其变化的影响程度,并且对数据要求低㊁运算速度较快且精确度高,能够极大程度提高归因分析的全面性,被广泛应用于植被N D V I驱动因子的探测中[13-19]㊂海河流域不仅是重要的工农业生产基地,还是我国的政治文化中心,其战略地位十分重要㊂近年来由于气候变化以及人类活动加强等原因,导致其自然灾害频发,生态系统十分脆弱[20]㊂自20世纪80年代以来,持续大规模封山育林育草㊁退耕还林还草㊁坡改梯㊁於地坝等水土保护措施,使得海河流域的植被覆盖度大幅度提升㊂目前,已有学者对该流域植被变化进行了相关研究[21-25],并且,王永财[26]和陈福军[27]等分别利用1998 2011年的S P O T/N D V I数据和2000 2016年MO D I S/N D V I数据对海河流域植被变化及其与气候因子的相关性进行了研究,对海河流域植被变化特征及其与气候的关系有了一定的认识,但对于人类活动㊁地形和土壤性质对植被覆盖的空间分布差异的影响等综合问题缺乏进一步解析㊂因此,本文利用2001 2019年MO D I S/N D V I数据和同时期18种因子,分析海河流域生长季(4 10月)植被覆盖度的时空变化特征,并利用地理探测器探讨其空间分异特征与驱动力,以期为海河流域的生态保护㊁建设与可持续发展提供参考㊂1资料和方法1.1研究区概况海河流域位于112ʎ 120ʎE,35ʎ 43ʎN,西以山西高原与黄河区接界,北以蒙古高原与内陆河接界,南界黄河,东临渤海㊂流域总面积3.182ˑ105k m2,占全国总面积的3.3%,属于半湿润半干旱的温带东亚季风气候区㊂地势总体上为西北高东南低,流域年平均气温1.5~ 14ħ,年平均相对湿度50%~70%;年平均降水量539 m m,属半湿润半干旱地带;流域由海河㊁滦河㊁徒骇马颊河三大水系㊁七大河系和十条骨干河流组成㊂其中,海河水系是主要水系,由北部的蓟运河㊁潮白河㊁北运河㊁永定河和南部的大清河㊁子牙河㊁漳卫河组成;滦河水系包括滦河及冀东沿海诸河;徒骇马颊河水系位于流域最南部,为单独入海的平原河道㊂土壤类型以褐土和棕壤为主㊂土地利用类型见图1㊂1.2数据来源及预处理植被N D V I数据为美国国家航空航天局(N A S A)提供的MO D I S MO D13A3产品,时间分辨率为月,空间分辨率为1k mˑ1k m㊂选取的数据年份范围为2001 2019年,利用A r c G I S10.8对其进行镶嵌㊁格013水土保持研究第30卷Copyright©博看网. All Rights Reserved.式和定义投影等操作,本研究为最大程度消除云㊁雾㊁大气以及非生长季的影响,选取植被生长最为旺盛的生长季(4 10月)作为研究时段㊂利用最大值合成法合成年N D V I 数据;计算植被覆盖度所需要的L A I 数据来自于中分辨率成像光谱仪M O D I S 的500m 分辨率8d合成产品(MO D 15A 2H )㊂研究共选定的18种生长季植被覆盖度空间分布变化潜在影响因子,涵盖气候㊁地形㊁人类活动㊁土壤性质4个方面,数据类型㊁来源及简要说明见表1㊂为使各因子与N D V I 数据具有相同的投影坐标并保持像元大小一致,对其进行裁剪和重采样等预处理㊂按照5k mˑ5k m 格网,利用A r c G I S10.8中的渔网工具生成12818个采样点,并获取采样点对应地理位置的气候㊁人类活动㊁土壤和地形数据㊂为有效地避免人为因素的干扰,利用A r c G I S 中的自然间断法将各因子分为10类㊂图1 海河流域2018年土地利用类型表1 影响因子数据来源及处理因子类型因子符号单位数据来源及处理气候年均降水P R E mm中国气象数据网(h t t p :ʊd a t a .c m a .c n /d a t a /)年均温Tħ年潜在蒸散发P E mm /a G D PG D P 万元/k m 2中国科学院资源环境科学与数据中心(h t t p :ʊw w w.r e s d c .c n /)人口密度P O P人/k m 2林地比例F O %美国国家航空航天局(N A S A )提供的2001 2019年国际地圈-生物圈计划(I G B P )分类㊁空间分辨率为500m 的MO D I S 土地覆盖类型产品(M C D 12Q 1),计算百分比人类活动灌丛比例B U %农田比例F A %草地比例G A %林草混合地比例S A %城镇比例U B%地形D E M D E M m 中国科学院资源环境科学与数据中(h t t p :ʊw w w.r e s d c .c n /)坡度S l o p e (ʎ)基于D E M 数据,采用A r c G I S 10.8S p a t i a lA n a l y s t 工具计算生成坡度栅格数据黏土比例C l a y%联合国粮农组织(F A O )和维也纳国际应用系统研究所(ⅡA S A )所构建的世界和谐土壤数据库(H a r m o n i z e d W o r l dS o i lD a t a b a s e )(HW S D )沙土比例S a n d %土壤性质壤土比例S i l t %有机碳含量O C %碎石含量G r a v e l %1.3 研究方法1.3.1 像元二分模型 采用改进像元二分模型[28]估算海河流域生长季的植被覆盖度㊂假设N D V I 只有植被和土壤两部分组成,N D V I =M ㊃N D V I V -N D V I S(1)M =N D V I -N D V I S N D V I V -N D V I SL A I >3M =N D V I -N D V I SN D V I V -N D V I S2L A I ɤ3ìîíïïïï(2)式中:N D V I V 为纯植被覆盖部分的N D V I 值;N D V I S为纯土壤覆盖部分的N D V I 值;M 为植被覆盖度;L A I 为叶面积指数㊂根据‘土壤侵蚀分级分类标准“(S L 190 2007)对计算得到的生长季植被覆盖度进行分级[29],见表2㊂1.3.2 线性趋势分析 采用一元线性回归分析法,逐像元分析海河流域生长季F V C 的变化趋势,计算公式如下:S l o pe =ðni =1(i -l )(N D V I i -ND V I )ðni =1(i =l )2(3)式中:S l o p e 为生长季F V C 的斜率㊂若值为正,表示海河流域生长季F V C 呈增加趋势;若值为负,则相反;若值为0,则表示没有变化㊂n 为所研究年份的时间跨度,本文n =19;i 为年份;`i 为平均年份;N D V I i 为第i 年的N D V I 值;N D V I 为年均N D V I 值㊂113第4期 钤会冉等:海河流域生长季植被覆盖度时空变化及驱动力分析Copyright ©博看网. All Rights Reserved.表2植被覆盖度等级分类等级裸地(Ⅰ)低覆盖度(Ⅱ)中低覆盖度(Ⅲ)中等覆盖度(Ⅳ)中高覆盖度(Ⅴ)高覆盖度(Ⅵ)植被覆盖度ɤ0.10.1~0.30.3~0.450.45~0.60.6~0.75ȡ0.75采用M a n n a-K e n d a l l检验(M-K检验)判断趋势的显著性,其优点为能够排除少数异常值对数据的干扰[30]㊂因此,本文将M a n n a-K e n d a l l检验与线性趋势分析相结合,根据趋势显著性检验结果将S l o p e趋势分为以下5个等级:极显著退化(S l o p e<0,p<0.01);显著退化(S l o p e<0,0.01ɤpɤ0.05),无显著变化(p>0.05);显著改善(0<S l o p e,0.01ɤpɤ0.05);极显著改善(0<S l o p e,p<0.01)㊂1.3.3地理探测器地理探测器[31]是通过探测事件空间分层异质性来揭示其背后驱动因子的一种统计学方法,空间分层异质性是指区域总方差大于层内方差之和的现象㊂该方法的核心思想为:如果某个自变量X对因变量Y有重要影响,那么自变量X与因变量Y的空间分布就具有一致性㊂地理探测器共有4个模块,分别为:因子探测器㊁交互作用探测器㊁风险探测器和生态探测器㊂本文主要应用地理探测器的因子探测器和交互作用探测器模块㊂利用因子探测器量化气候㊁人类活动㊁地形和土壤等各因子对海河流域生长季F V C的空间分异性的解释程度,其解释力大小用q值衡量,在生成q值的同时会对其进行显著性检验,表达式为:q=1-ðL h=1N hσ2hNσ2=1-S S WS S T(4)其中:S S W=ðl h=1N hσ2h,S S T=Nσ2(5)式中:h为自变量X的分层;N h和N分别为层h内和区域内的单元数;σ2h和σ2分别为第h层的方差和因变量Y的方差;S S W为层内方差之和;S S T为区域总方差㊂q的取值范围为0~1㊂q值越大表明因变量Y的空间分层异质性越强,自变量X对因变量Y的解释力也越强㊂根据q值大小可分析出各因子对海河流域生长季F V C影响的大小,能够直观地判断影响生长季F V C的主导因子㊂利用交互探测器识别不同因子之间的交互作用,即评估两个因子共同对生长季F V C的空间分布作用时,其解释力是增强还是减弱,或这些因子对生长季F V C空间分布的影响是相互独立的㊂评估方法是首先分别计算两种影响因素X1和X2对Y的q值,然后再计算它们交互作用时的q值,对三者之间的q值大小进行比较,主要结果为5种[32]㊂2结果与分析2.1生长季F V C的时空动态变化2.1.1生长季F V C年际变化特征选取每年的生长季F V C平均值代表当年植被覆盖状况,制作生长季F V C年际变化图,见图2㊂2001 2019年海河流域生长季F V C值在0.30~0.48波动,多年生长季F V C值平均值为0.41,最大值出现在2018年为0.46,2001年最小,其值为0.318,总体呈显著上升趋势,线性倾向率为0.063/10a㊂2001 2010年,生长季F V C整体上呈现明显的上升趋势,达到了多年均值水平,线性倾向率为0.087/10a,但在2006年和2010年出现低谷,原因主要是由于该年降水量偏低㊂2011年之后,生长季F V C增速减缓,均超过多年均值水平㊂图2表明,海河流域生长季植被覆盖度ɤ0.1的裸地面积占比由2001年9.85%降低到2019年的3.22%;低覆盖度的面积占比由2001年的30.37%降低到2019年的20.50%;中低植被覆盖度和中等植被覆盖度多年平均面积占比分别为32.87%,27.39%,是研究区生长季植被覆盖度的两种主要类型;中高覆盖度和高覆盖度呈现显著的增加趋势,分别由2001年的1.38%增加到2019年的17.64%和由2001年的0.00%增加到2019年的7.26%㊂总体来说,自海河流域实施持续大规模封山育林育草㊁退耕还林还草㊁坡改梯㊁於地坝等水土保护措施以来,生长季F V C一直呈增长趋势,后期出现增速减缓,主要是因为植被自然演替过程中,自然因素起主导作用㊂2.1.2生长季F V C空间分布及变化特征海河流域生长季植被覆盖度空间分布差异明显(图3A),高覆盖度区域零星分布,主要分布于流域的东北部和彰卫河山区的南部,占流域总面积的1.27%;中高覆盖度区域主要为高产草地㊁密林地用地,面积3.13ˑ104k m2,占流域总面积的9.79%,集中分布于流域东北部㊁太行山一带;中等覆盖度区域主要为中高产草地㊁林地㊁农田用地,主要分布于大清河淀西平原㊁子牙河平原㊁彰卫河平原以及徒骇马颊河区域,面积为9.83ˑ104k m2,占流域总面积的30.66%;中低覆盖度区域由中产草地㊁农田和低郁闭度林地组成,在大清河淀东平原㊁滦河平原和彰卫河山区广泛分布㊁黑龙港及运东平原,子牙河山区㊁大清河山区等均有分布,面积为1.07ˑ105k m2,占流域总面积的33.47%;低覆盖度区域主要分布于永定河山区㊁滦河山区的西北部,面积7.23ˑ104k m2,占流域总面积213水土保持研究第30卷Copyright©博看网. All Rights Reserved.的22.57%;海河流域生长季植被覆盖度小于0.1的裸地区域主要为城市工矿㊁居民用地,面积为7.17ˑ103k m2,占流域总面积的2.24%,主要分布于环渤海湾地区以及一些城市中心区域㊂总体来说生长季F V C大于0.3的区域面积占流域面积的75.19%,植被覆盖度总体较高㊂从图3B C可以看出,2001 2019年各植被覆盖度等级之间相互转化明显,主要为裸地㊁中等㊁中低植被覆盖度等级转为中等至高覆盖度等级㊂其中永定河山区的植被覆盖度得到明显改善,植被覆盖度由2001年的0.14,提升到2019年的0.35,说明山丘区人工生态修复及水土保持工程对提升植被覆盖度作用十分显著㊂综上可知,研究区19年间生长季植被覆盖度总体较高,仅环渤海湾地带和一些城市中心区域生长季植被覆盖度较低㊂图22001-2019年海河流域生长季F V C 年际变化图3海河流域生长季F V C空间分布采用s l o p e趋势分析,对研究区生长季植被覆盖度变化趋势进行分析(图4),s l o p e的值域为-0.447~ 0.347,表明植被变化趋势存在着明显的空间差异,变化速率以0~0.2为主,占流域总面积的81.51%㊂对变化趋势进行M-K显著性检验(图5),海河流域生长季F V C改善区域的面积为2.15ˑ105k m2,占流域的67.28%,远大于退化面积,其中改善部分以极显著改善为主,占流域总面积的60.42%;退化区域占流域的总面积的8.28%,主要位于城市的周围㊂变化不显著的区域主要分布于改善区域和退化区域之间,面积占流域总面积的23.90%㊂综上可知,研究区大部分地区的植被得到了明显改善,但受城市扩张等因素的影响,城市外围区域的植被退化现象较为严重㊂2.2生长季F V C空间分异的驱动力分析2.2.1因子影响力探测分析利用因子探测器计算各因子的q值以量化其对海河流域生长季F V C空间分布的解释程度㊂由结果可见(图6),不同因子对海河流域生长季F V C空间分布的解释能力如下:林地比例(0.3427)>林草混合地比例(0.3346)>年均降水(0.202)>灌丛比例(0.197)>草地比例(0.184)>坡度(0.134)>年潜在蒸散发(0.114)>年均温(0.107)>城镇比例(0.094)>高程(0.089)>G D P(0.074)>壤土比例(0.066)>人口密度313第4期钤会冉等:海河流域生长季植被覆盖度时空变化及驱动力分析Copyright©博看网. All Rights Reserved.(0.064)>沙土比例(0.062)>黏土比例(0.053)>碎石含量(0.051)>有机碳比例(0.040)>农田比例(0.027)㊂各因子对应显著性p值均小于0.01,通过显著性检验㊂综上分析可见:(1)林地比例和林草混合地比例的q值最大,分别达0.3427,0.3346,解释力均在30%以上,因此林地比例和稀疏草地比例是影响海河流域生长季植被覆盖度空间分布的主要影响因子;(2)海河流域的山区和平原区的生长季F V C空间分布的主要影响因子不同㊂林草混合地和林地比例对海河山区生长季植被覆盖度影响最大,解释力均在50%以上,G D P影响最小;农田比例和年潜在蒸散发对海河平原区植被覆盖度的分布影响最大,影响最小的因子是坡度;(3)整体来看,人类活动对海河流域生长季植被覆盖度空间分布的影响是最大的,其次是气候㊁地形,影响最小的是土壤性质㊂图42001-2019年海河流域生长季F V C线性趋势2.2.2因子交互作用探测分析本文进一步对海河流域以及其山区㊁平原区空间分布影响因子进行交互作用探测(表3 5),结果表明,在研究区域,任意两因子的叠加均会增强单因子对海河流域生长季F V C空间分布的解释能力,呈非线性增强或双因子增强作用,不存在独立关系,说明植被生长与生存往往并非受制于单一因素,而是多种因素协同作用的结果㊂由表3可见,交互作用解释力最强的是林草混合地比例和农田比例,它们双因子交互q值达到了0.58,其次是林草混合地比例和人口密度,q值达到了0.50㊂同时,林地比例㊁林草混合地比例和降水量与大多数因子相结合均呈现非线性增强,表明三者对海河流域生长季F V C空间分布影响程度占据主导地位㊂年均降水㊁年均温和年潜在蒸散发与其他因子的交互作用解释力均有显著增加,由其是与林地比例等人类活动因子的交互作用㊂因此,气候因子与人类活动因子共同作用将使生长季F V C空间分布受到更大的影响力度㊂图52001-2019年生长季F V C 线性趋势显著性图6因子探测器结果413水土保持研究第30卷Copyright©博看网. All Rights Reserved.表3 海河流域因子交互作用探测器结果因子P R ET P E G D P P O P F O B U F A G A S A U B D EM S l o p e C l a y S a n d S i l t O C G r a v e lP R E0.22T0.330.10P E 0.400.320.11G D P0.360.230.190.07P O P 0.370.270.210.110.06F O0.500.440.420.430.450.34B U 0.360.260.290.270.280.370.20F A 0.320.280.230.120.130.490.300.03G A 0.300.280.330.320.330.450.330.390.18S A 0.470.460.410.460.500.410.350.580.470.33U B 0.370.250.200.120.140.420.270.150.360.430.09D EM0.350.220.260.200.240.420.250.310.300.440.230.09S l o p e 0.370.270.260.240.280.370.240.380.390.380.230.270.13C l a y0.320.240.200.160.170.360.230.160.260.380.170.200.200.06S a n d 0.300.260.200.170.180.360.230.170.270.360.180.240.210.140.07S i l t 0.300.260.230.170.180.370.250.170.260.380.180.240.220.160.120.07O C 0.280.200.200.130.140.370.230.110.240.380.150.180.200.200.230.210.04G r a v e l 0.280.220.180.150.140.370.240.110.240.380.160.190.200.170.190.150.150.05表4 海河山区因子交互作用探测器结果因子P R E T P EG D PP O PF OB UF AG AS AU BD EMS l o pe C l a yS a n dS i l tO CG r a v e lP R E0.40T0.480.19P E 0.470.390.08G D P0.520.290.140.02P O P 0.530.380.180.050.03F O0.710.630.580.550.550.54B U 0.520.390.370.310.320.600.30F A 0.580.340.190.060.070.580.330.02G A 0.480.380.380.400.470.640.480.590.32S A 0.680.660.610.600.610.700.620.660.650.59U B 0.500.280.140.080.080.560.330.100.450.610.07D EM0.500.340.260.190.240.610.360.230.390.630.230.13S l o p e 0.530.400.330.270.270.610.420.340.530.630.280.390.25C l a y0.490.340.210.150.160.560.380.160.420.620.180.270.320.12S a n d 0.480.340.240.190.210.580.390.220.420.620.210.300.330.240.15S i l t 0.490.360.270.210.230.580.410.230.430.630.220.310.350.270.220.16O C 0.440.280.220.140.180.580.350.170.370.610.170.230.320.300.290.310.11G r a v e l0.480.360.220.150.170.570.370.160.410.620.170.280.330.260.280.280.290.12在海河山区中,降雨㊁林地比例和林草混合地比例与各因子交互均有很强的非线性增强㊂因子间交互作用对海河山区生长季植被覆盖空间分异性解释力大小前六项依次为:降雨ɘ林地比例(0.71)>林草混合地比例ɘ林地比例(0.70)>林草混合地比例ɘ降雨(0.68)>林草混合地比例ɘ农田比例(0.66)>林草混合地比例ɘ年均温(0.655)>林草混合地比例ɘ草地比例(0.65);表明:人类活动对海河流域山区生长季植被覆盖度空间分布具有重要影响,一方面通过退耕还林还草㊁生态保护修复等措施可促进植被覆盖,另一方面通过城镇化建设㊁资源过度开发等行为可破坏植被覆盖[33]㊂在海河平原中,因子间交互作用对生长季植被覆盖空间分异性解释力大小前六项依次为:农田比例ɘ高程(0.653)>农田比例ɘ年潜在蒸散发(0.649)>农田比例ɘ草地比例(0.573)>农田比例ɘ降雨(0.568)>农田比例ɘ坡度(0.560)>农田比例ɘ林地比例(0.558)㊂513第4期 钤会冉等:海河流域生长季植被覆盖度时空变化及驱动力分析Copyright ©博看网. All Rights Reserved.表5 海河平原区因子交互作用探测器结果因子P R ET P E G D P P O P F O B U F A G A S A U B D EM S l o p e C l a y S a n d S i l t O C G r a v e lP R E0.04T0.340.13P E 0.390.420.32G D P0.270.330.440.21P O P 0.390.430.480.400.29F O0.060.150.340.220.330.02B U 0.060.150.340.220.320.020.01F A 0.570.600.650.510.540.560.550.50G A 0.200.290.400.350.380.190.180.570.14S A 0.070.170.350.220.340.030.020.550.190.01U B 0.300.390.510.300.400.260.250.530.380.260.24D EM0.260.310.390.410.460.210.200.650.290.220.460.20S l o p e 0.070.160.350.220.330.030.020.560.200.030.260.210.01C l a y0.160.260.400.270.380.080.080.530.230.090.340.290.090.06S a n d 0.130.260.380.270.370.090.090.530.250.100.340.270.100.140.08S i l t 0.190.280.410.280.370.100.100.530.240.110.350.290.110.200.200.08O C 0.200.260.410.290.400.110.110.540.260.120.350.310.110.240.230.230.09G r a v e l0.160.240.370.270.360.100.100.540.240.100.320.270.100.140.150.180.160.083 讨论和结论3.1 讨论本研究基于地理探测器,对海河流域生长季植被覆盖度空间分布的影响因素进行量化归因分析,结果表明人类活动对海河流域生长季植被覆盖度空间分布的影响是最大的,其次是气候㊁地形,影响最小的是土壤性质㊂海河流域自1980年以来,实施 三北 防护林工程㊁京津风沙源治理工程㊁退耕还林还草工程等一系列生态恢复工程㊁农业化开发和城镇化,使得当地土地利用/覆盖发生剧烈变化,主要表现为海河山区森林面积占比上升,草地和农田面积占比下降,海河平原区农田比例上升,人口密度上升㊂这些人类活动显著影响了植被覆盖度的空间分异规律,并显著增加了植被覆盖度㊂林草混合地比例㊁林地比例和草地比例主要影响了海河山区生长季植被覆盖度空间分布;农田比例㊁人口密度和城镇比例这些人类活动因子主要影响了海河平原区生长季植被覆盖度空间分布㊂年均降水㊁年均温和年潜在蒸散发这些气候因子的动态变化主要决定了生长季植被覆盖度的年际变化;坡度㊁坡向通过影响坡面接受的太阳辐射量和日照时数从而对植被的生长有一定的影响,土壤性质也主要决定了植被覆盖度的空间分异规律㊂各因子交互作用呈双因子增强和非线性增强两种类型,不存在相互独立作用,关于因子间交互作用是如何增强对生长季F V C 空间分异的解释能力还需进行更加深入的讨论㊂3.2 结论(1)年际变化分析显示,2001 2019年海河流域生长季F V C 总体呈显著上升趋势,线性倾向率为0.063/10a ,各等级植被覆盖度转化明显,中高覆盖度和高覆盖度的面积占比呈现显著的增加趋势;(2)空间变化分析显示,生长季F V C 总体较高,仅环渤海湾地带和一些城市区域植被覆盖率较低,海河流域生长季F V C 改善区域的面积为2.15ˑ105k m2,占流域的67.28%,远大于退化面积,其中改善部分以极显著改善为主;(3)因子探测发现,林地比例和稀疏草地比例是影响海河流域生长季F V C 空间分布的主要影响因子;海河流域的山区和平原区的生长季F V C 空间分布的主要影响因子不同;人类活动对海河流域生长季植被覆盖度空间分布的影响是最大的;(4)交互探测发现,2001 2019年,各因子对海河流域生长季植被覆盖变化存在呈双因子增强和非线性增强两种类型的交互作用,不存在相互独立作用或对植被覆盖变化解释力减弱的交互因子㊂参考文献:[1] P e n g W F ,K u a n g T T ,T a oS .Q u a n t i f y i n g in f l u e n c e s o f n a t u r a l f a c t o r s o nv e g e t a t i o nN D V I c h a n g e sb a s e do n g e o g r a ph i c a ld e t e c t o ri n S i c h u a n ,w e s t e r n C h i n a [J ].J o u r n a l o fC l e a n e rP r o d u c t i o n ,2019,233:353-367.[2] G o n g Z ,Z h a oS ,G uJ .C o r r e l a t i o na n a l ys i sb e t w e e n 613 水土保持研究 第30卷Copyright ©博看网. All Rights Reserved.v e g e t a t i o nc o v e r a g ea n dc l i m a t ed r o u g h tc o n d i t i o n si nN o r t hC h i n ad u r i n g2001 2013[J].J o u r n a lo f G e o-g r a p h i c a l S c i e n c e s,2017,27(2):143-160.[3]赵杰,杜自强,武志涛,等.中国温带昼夜增温的季节性变化及其对植被动态的影响[J].地理学报,2018,73(3): 395-404.[4] P a r m e s a nC,Y o h eG.A g l o b a l l y c o h e r e n t f i n g e r p r i n t o fc l i m a t e c h a n g ei m p a c t s a c r o s s n a t u r a l s y s t e m s[J].N a t u r e,2003,421(6918):37-42.[5] G i t e l s o n A A,K a u f m a nYJ,S t a r kR,e t a l.N o v e l a l g o-r i t h m sf o rr e m o t e e s t i m a t i o n o f v e g e t a t i o n f r a c t i o n[J].R e m o t e S e n s i n g o o f E n v i r o n m e n t,2002,80(1):76-87. [6]刘洋,李诚志,刘志辉,等.1982 2013年基于G I MM S-N D V I的新疆植被覆盖时空变化[J].生态学报,2016,36(19):6198-6208.[7]H eB,C h e n Af,J i a n g W G,e ta l.T h er e s p o n s eo fv e g e t a t i o n g r o w t ht os h i f t si nt r e n do ft e m p e r a t u r ei nC h i n a[J].J o u r n a lo f G e o g r a p h i c a lS c i e n c e s,2017,27(7):801-816.[8]陶帅,邝婷婷,彭文甫,等.2000 2015年长江上游N D V I时空变化及驱动力:以宜宾市为例[J].生态学报,2020, 40(14):5029-5043.[9] C h e nT,B a oA,J i a p a e rG,e t a l.D i s e n t a n g l i n g t h e r e l a t i v ei m p a c t so fc l i m a t ec h a n g ea n dh u m a na c t i v i t i e so na r i da n ds e m i a r i d g r a s s l a n d s i nC e n t r a lA s i ad u r i n g19822015[J].S c i e n c eo f t h eT o t a lE n v i r o n m e n t,2019,653(25):1311-1325.[10] L i uY,L i Y,L i S,e t a l.S p a t i a l a n d t e m p o r a l p a t t e r n so f g l o b a lN D V I t r e n d s:c o r r e l a t i o n sw i t hc l i m a t ea n dh u m a nf a c t o r s[J].R e m o t e S e n s i n g,2015,7(10):13233-13250.[11] X uH,W a n g X,Z h a n g X.A l p i n e g r a s s l a n d s r e s p o n s et oc l i m a t i cf a c t o r sa n da n t h r o p o g e n i ca c t i v i t i e so nt h eT i b e t a n P l a t e a u f r o m2000t o2012[J].E c o l o g i c a lE n g i n e e r i n g,2016,92:251-259.[12]陈宽,杨晨晨,白力嘎,等.基于地理探测器的内蒙古自然和人为因素对植被N D V I变化的影响[J].生态学报,2021,41(12):4963-4975.[13]姜萍,胡列群,肖静,等.新疆植被N D V I时空变化及定量归因[J].水土保持研究,2022,29(2):212-220,242.[14]祁鹏卫,张贤.2000 2019年重庆市植被覆盖时空变化特征及其驱动因素分析[J].生态学报,2022,42(13):5427-5436.[15]李晓丽,曹敏,茆杨.基于地理探测器的西南岩溶槽谷区近20年N D V I变化特征及影响因素[J].水土保持学报,2021,35(6):38-44,54.[16]张华,李明,宋金岳,等.基于地理探测器的祁连山国家公园植被N D V I变化驱动因素分析[J].生态学杂志,2021,40(8):2530-2540.[17]彭文甫,张冬梅,罗艳玫,等.自然因子对四川植被N D V I变化的地理探测[J].地理学报,2019,74(9):1758-1776.[18]刘逸滨,刘宝元,成城,等.退耕还林草20年来榆林市植被覆盖度时空变化及影响因素分析[J].水土保持学报,2022,36(2):197-208,218.[19]付含培,王让虎,王晓军.1999 2018年黄河流域N D V I时空变化及驱动力分析[J].水土保持研究,2022,29(2):145-153,162.[20]严登华,袁喆,杨志勇,等.1961年以来海河流域干旱时空变化特征分析[J].水科学进展,2013,24(1):34-41.[21]杨艳丽,孙艳玲,王中良.2000 2013年海河流域植被覆盖的时空变化[J].干旱区资源与环境,2016,30(7):65-70.[22]吴云,曾源,赵炎,等.基于MO D I S数据的海河流域植被覆盖度估算及动态变化分析[J].资源科学,2010,32(7):1417-1424.[23]申丽娜,景悦,孙艳玲,等.基于S P O T数据的海河流域植被覆盖度变化图谱特征[J].天津师范大学学报:自然科学版,2018,38(4):60-67.[24]申丽娜,景悦,孙艳玲,等.海河流域植被覆盖度变化的图谱特征及其地形梯度差异分析[J].天津师范大学学报:自然科学版,2017,37(6):43-49,54. [25]何龙,曾晓明,钱达,等.海河流域近17年植被时空变化及其气候影响因素[J].天津师范大学学报:自然科学版,2020,40(3):54-61,68.[26]王永财,孙艳玲,王中良.1998 2011年海河流域植被覆盖变化及气候因子驱动分析[J].资源科学,2014,36(3):594-602.[27]陈福军,沈彦俊,胡乔利,等.海河流域N D V I对气候变化的响应研究[J].遥感学报,2011,15(2):401-414.[28] S uT,Z h a n g B,H eX,e t a l.R a t i o n a l p l a n n i n g o f l a n du s e c a n m a i n t a i nw a t e r y i e l dw i t h o u t d a m a g i n g e c o l o g i c a ls t a b i l i t y i nu p s t r e a mo f i n l a n d r i v e r:C a s e s t u d y i n t h eH e iR i v e rB a s i no fC h i n a[J].J o u r n a lo fG e o p h y s i c a lR e s e a r c h,2020,125(18):e2020J D032727. [29]中华人民共和国水利部.土壤侵蚀分类分级标准G B/S L190 2007[S].北京:中国水利水电出版社,2008.[30]温晓金,刘焱序,杨新军.恢复力视角下生态型城市植被恢复空间分异及其影响因素:以陕南商洛市为例[J].生态学报,2015,35(13):4377-4389. [31]王劲峰,徐成东.地理探测器:原理与展望[J].地理学报,2017,72(1):116-134.[32]祁鹏卫,张贤.2000 2019年重庆市植被覆盖时空变化特征及其驱动因素[J].生态学报,2022,42(13):5427-5436.[33]杨灿,魏天兴,李亦然,等.黄土高原典型县域植被覆盖度时空变化及地形分异特征[J].生态学杂志,2021,40(6):1830-1838.713第4期钤会冉等:海河流域生长季植被覆盖度时空变化及驱动力分析Copyright©博看网. All Rights Reserved.。
黄河流域农牧交错区植被覆盖度时空变化及驱动力分析

黄河流域农牧交错区植被覆盖度时空变化及驱动力分析黄河流域农牧交错区植被覆盖度时空变化及驱动力分析摘要:植被覆盖度是评价区域生态环境质量和生态系统稳定性的重要指标之一。
黄河流域农牧交错区作为中国重要的农牧业生产区域,其植被覆盖度的时空变化及其驱动力分析对于保护区域生态环境具有重要意义。
本文通过对黄河流域农牧交错区植被覆盖度的时空变化进行研究,并分析了影响植被覆盖度的主要驱动力。
研究结果表明,黄河流域农牧交错区植被覆盖度在近几十年间呈现出明显的时空变化趋势,驱动这一变化的主要因素包括人类活动、气候变化和土地利用方式等。
1. 引言黄河流域农牧交错区作为中国重要的农牧业生产区域,具有丰富的生态资源和重要的生态功能。
植被是维持生态平衡和保护水土的关键要素之一,而植被覆盖度则是评价区域生态环境质量和生态系统稳定性的重要指标之一。
因此,对于黄河流域农牧交错区植被覆盖度的时空变化及其驱动力进行深入研究具有重要意义。
2. 材料与方法本研究利用1980年至2018年的遥感数据,通过遥感影像解译方法提取了黄河流域农牧交错区各年份的植被覆盖度信息。
同时,结合区域气象数据和土地利用数据,对植被覆盖度的时空变化趋势进行分析,并通过相关性分析和回归模型,分析了影响植被覆盖度变化的主要驱动力。
3. 结果与讨论3.1 植被覆盖度的时空变化趋势研究结果表明,在近40年间,黄河流域农牧交错区植被覆盖度整体呈现出波动上升的趋势。
其中,20世纪80年代至90年代初期,植被覆盖度逐渐下降;而自1990年代以来,植被覆盖度开始逐渐恢复并呈现出增长的趋势。
尤其是2000年以后,植被覆盖度增长的速度明显加快。
3.2 影响植被覆盖度变化的主要驱动力我们分析了影响黄河流域农牧交错区植被覆盖度变化的主要驱动力,发现人类活动、气候变化和土地利用方式是主要的驱动因素。
首先,人类活动对植被覆盖度的影响主要体现在过度放牧、过度开发以及农作物种植等方面。
这些活动导致了土地退化、水土流失和生态环境恶化,从而使植被覆盖度下降。
渭干河流域植被覆盖时空变化特征研究

渭干河流域植被覆盖时空变化特征研究
徐婷;李少达;杨晓霞
【期刊名称】《科技创新导报》
【年(卷),期】2014(000)003
【摘要】植被是联结土壤、大气和水分等要素的自然纽带,更是自然生态系统中最活跃的因子,植被变化可用来揭示环境的演化,并且能在全球变化研究中起到“指示器”的作用.本研究利用遥感影像获取NDVI数据,借助遥感与GIS等现代手段,运用多种方法对渭干河流域1989-2007年植被覆盖变化特征和发展趋势进行了定量研究,最终得出渭干河流域植被覆盖时空变化规律.
【总页数】4页(P222-225)
【作者】徐婷;李少达;杨晓霞
【作者单位】成都理工大学地球科学学院四川成都610059;成都理工大学地球科学学院四川成都610059;成都理工大学地球科学学院四川成都610059;地学空间信息技术国土资源部重点实验室四川成都610059
【正文语种】中文
【中图分类】P2
【相关文献】
1.近20年渭干河流域土地利用与生态系统服务价值时空变化 [J], 黄凤;乔旭宁;唐宏
2.基于RS/GIS渭河流域植被覆盖时空变化特征研究 [J], 周熙
3.基于MODIS植被指数的塔河流域植被时空变化特征研究 [J], 冯志敏;辛海强;李军
4.近13年渭干河-库车河绿洲植被覆盖动态变化分析 [J], 边慧芹;王雪梅
5.渭干河-库车河三角洲绿洲地表温度时空变化特征研究 [J], 周梅;张飞;姜红涛;张严峻
因版权原因,仅展示原文概要,查看原文内容请购买。
滇西北高原纳帕海流域植被NPP时空变化研究

滇西北高原纳帕海流域植被NPP时空变化研究植被净初级生产力(Net primary production,NPP)是陆地生态系统碳循环的重要组成部分,在全球碳平衡中起着重要的作用。
滇西北高原纳帕海湿地具有重要的碳汇功能,对于保障国家的生态安全具有重要意义;近年来纳帕海流域的生态环境问题严峻,越来越引起科研人员的关注。
对纳帕海流域开展NPP估算的研究,有助于寻找该流域植被固定C02的驱动因子,为流域生态环境保护提供参考依据。
本论文选用CASA(Carnegie Ames Stanford Approach)模型,基于生物量实测数据验证模型,并结合遥感数据和气候数据,估算了纳帕海流域植被NPP的时空分布和变化特征,并分析和探讨了引发NPP变化的驱动因子。
主要研究结论如下:(1)从NPP的时间变化来看,纳帕海流域1995年、2005年、2014年的NPP总量分别为6.80×1010gC·a-1、7.13×1010 gC·a-1、6.39×1010gC·a-1,呈现先增加后减少的变化过程;纳帕海流域每年的4-10月NPP值较大,1995年、2005年、2014年的4-10月NPP分别为5.54×1010 gC、5.97×1010 gC、5.13×1010gC,占到全年NPP的81.48%、83.67%、80.29%。
(2)从NPP 空间分布来看,纳帕海流域东南部、西部、中部地区的NPP值较高;南部地区NPP 值处于中等水平;NPP最低的地区是处于纳帕海流域北部的水体及中部的机场附近。
(3)从不同土地覆被类型的NPP来看,纳帕海流域各土地覆被类型中占面积比例前两位的是草地和林地,两者NPP所占的比例也是流域各土地覆被类型的前两位。
1995年、2005年、2014年草地NPP占流域NPP总量的比例分别为45.57%、64.62%、53.09%;林地NPP占流域NPP总量的比例分别为33.00%、21.32%、23.24%。
克孜勒苏河流域植被覆盖空间格局及动态变化趋势分析

Abstract:Natural vegetation in the Kizil Su River basin plays an extremely important role in en ̄ suring the supply of river water resources and protecting the river water environment. Based on the NDVI ( Normalized Difference Vegetation Index) and NPP ( Net Primary Productivity) data from 2000 - 2016 in Kizil Su River basinꎬ NDVI and NPP mean values of 17 years were ob ̄ tained by using remote sensing satellite technologyꎬ and the vegetation coverꎬ productivity spatial pattern of vegetation growth and the dynamics of vegetation in Kizil Su River basin were ana ̄ lyzed. The results show that: on the wholeꎬ the vegetation cover and vegetation productivity in the basin show the best growth of mountain and hilly vegetation in the northꎬ west and southꎬ the worst spatial distribution of hilly and desert vegetation in the central region. And it also shows the low - value vegetation index is the most widely distributed. The analysis of dynamic change trend indicates that the vegetation in Kizil Su River basin has recovered well in the past 17 yearsꎬ and the vegetation generally shows a good trend. Key words:Kizil Su River basinꎻ NDVIꎻ NPPꎻ spatial patternꎻ change trend
植被覆盖度时空变化特征

植被覆盖度时空变化特征
植被覆盖度是反映地表植被状况的重要参数,也是决定生态系统功能与结构稳定性的第一要素。
随着世界范围内气候变暖、植被破坏和大气污染等多种因素的叠加作用,植被覆盖度的时空变化日益显现出各种现象,已经成为社会科学研究的热点中心。
首先,植被覆盖度的时空变化来源于包括传统和非传统因素。
传统因素包括季节因素,比如植被在四季分明时新绿将会成为显著特征,在春季植被覆盖度将会显著增加;非传统因素则包括土壤活性、雨水径流系统等植被受到的物理外部影响。
其次,植被覆盖度的时空变化具有较强的季节性,同一地区的植被覆盖度一般会在夏季达到高峰,并在有效利用降水期间出现持续性的变化趋势。
这种变化状态对于保护和维护生态系统的植被是非常重要的,其中夏季的植被覆盖度变化出现最为明显。
最后,植被覆盖度的时空变化特征也可被用于评价生态环境质量。
植被发育水平特征及时空变化特征可以作为反映地表植被状况及对某些因素的敏感度指标,进而作为生态定位和植被评估的重要依据,从而辅助管理者制定植被破坏补偿等综合管理策略。
总而言之,植被覆盖度的时空变化特征是一种值得深入研究的重要现象,有利于帮助管理者提升生态环境质量,维护植被资源,实现生态系统的持续发展。
黑河流域植被覆盖程度变化研究

黑河流域植被覆盖程度变化研究黑河流域植被覆盖程度变化研究李旭谱1,张福平1,魏永芬2【摘要】摘要:基于长时间序列SPOT VGT-NDVI影像数据,利用均值法、最大值合成法、最小二乘法、NDVI变化度模型等方法,研究黑河流域1999—2010年植被覆盖程度的动态变化规律。
结果表明:研究时段内流域的植被覆盖程度呈逐步改善趋势,改善面积百分比为26.65%,其高度改善区域面积为71.79 km2,几乎全部集中在黑河中游地区;但流域植被覆盖水平整体较差,从东南向西北逐步呈荒漠化态势变化;研究发现部分地区植被仍有退化现象。
【期刊名称】地域研究与开发【年(卷),期】2013(032)003【总页数】7【关键词】关键词:植被覆盖;SPOT VGT-NDVI;NDVI变化度模型;黑河流域植被覆盖面积的大小是反映区域性生态环境状况的重要指标之一,而多年植被覆盖面积的变化则直观反映了植被生态环境随时间的变化规律[1-9]。
黑河流域作为西北干旱地区的典型区域,其植被覆盖状况在很大程度上体现了我国西北干旱地区的植被模式。
由于气候的变化和人为的影响,该流域的植被覆盖发生了很大的变化[10-12]。
因此,近些年来,该流域的植被空间分布和变化规律越来越引起人们的关注[13-18]。
已有研究多局限在较短的时间内,本研究采用长时间序列的SPOT VGT数据集研究该流域的植被空间分布特征和动态变化趋势,对保护流域的植被和脆弱的生态环境具有重要的指导意义,并为政府制定相应的决策提供理论依据。
1 研究区概况黑河是我国西北地区一条重要的河流,是河西走廊最大(全国第二)的内陆河,发源于祁连山中段,流经青海省、甘肃省、内蒙古自治区,最终汇入居延海。
黑河流域地处欧亚大陆中部,位于我国西北干旱区(东经96°42'~102°00',北纬37°41'~42°42'),为典型的大陆性干旱气候,降水少而集中,日照充足,昼夜温差大,且东西和南北气候差异显著。
2000年-2020年珠江流域植被覆盖度时空变化特征研究

2000年-2020年珠江流域植被覆盖度时空变化特征研究冯建平
【期刊名称】《广东蚕业》
【年(卷),期】2023(57)1
【摘要】文章基于GoogleEarthEngine平台,在MODISEVI数据的基础上,结合像元二分法模型和一元线性回归两种方法来研究珠江流域2000年—2020年植被覆盖度时空变化特征。
结果表明:(1)2000年—2020年研究区内植被覆盖度以
0.0029/a的速率波动上升;(2)珠江流域植被覆盖度空间上明显呈西高东低分布格局,植被覆盖度呈现改善趋势的区域面积大于呈退化趋势的区域面积,且大部分低植被覆盖度区域转变为中植被覆盖度区域。
研究结果有助于了解地区生态环境演变,对于指导地区生态修复和可持续发展具有重要意义。
【总页数】4页(P34-36)
【作者】冯建平
【作者单位】西华师范大学地理科学学院
【正文语种】中文
【中图分类】Q948
【相关文献】
1.基于SPOT 4-VGT的珠江流域植被覆盖时空变化特征
2.基于GEE云平台的黄河流域植被覆盖度时空变化特征
3.2001~2020年嘉陵江流域植被覆盖度时空变化
特征4.闽江流域植被覆盖度时空变化及地形分异特征5.2010~2020年白龙江流域植被覆盖度时空变化特征研究
因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
流域植被覆盖格局时空演变研究综述Review: Analysis of Spatial and Temporal Variation of Watershed Vegetation CoverPattern1前言土地利用/土地覆被变化是全球变化研究的核心内容之一[1]。
植被是土地覆被的最主要部分, 其变化对全球能量循环及物质的生物化学循环具有重要的影响。
因此, 植被覆盖格局变化研究在全球变化研究中具有主要意义。
地表植被覆盖格局变化对地理环境演变产生着巨大影响。
对地表植被覆盖格局变化进行深入、系统研究可以为土地的合理利用、水土流失规律探讨、水土保持规划提供科学依据,对区域社会经济及生态环境建设都有参考和借鉴意义。
植被是连接大气、土壤和水分的“纽带”,具有截留降雨、减少雨滴击溅、减缓地表径流、增加土壤入渗、保土固土等功能,对削弱侵蚀、减少水土流失起着重要作用[2]。
近20多年来,随着遥感技术的发展,从不同时相、不同波段等信息可以获取植被覆盖动态信息,为研究陆地植被的时空演变提供了强有力的手段,同时由于卫星遥感数据具有空间和时间的连续性,在研究中广泛应用[3]。
在遥感图像上,植被信息主要通过绿色植物叶子光谱特征的差异及动态变化来反映。
由于不同绿色植被对不同波长光的吸收率不同,光线照射在植物上时,近红外波段的光大部分被植物反射,而可见光波段的光则大部分被植物吸收,通过对近红外和红波段反射率的线性或非线性组合,可以消除地物光谱产生的影响,得到的特征指数称为植被指数。
植被指数是遥感领域中用来表征地表植被覆盖、生长状况的一个简单、有效的度量参数[4],是根据遥感的反射波段的特性计算出来的反映地表植被生长情况、覆盖情况、生物量情况和植被种类情况的间接指标。
常用的植被指数有归一化植被指数(NormalDifferenceVegetationIndex,NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)等,其中归一化植被指数(NDVI)是反映植被所吸收的光合有效辐射比例的一个重要指数,也是目前植被监测常用的参数,因为NDVI的变化在一定程度上能代表地表覆被的变化[5-6]。
植被覆盖格局与水土流失有着密切的联系,合理的植被覆盖格局有助于控制水土流失。
因此水土流失研究不仅要研究水土流失对土壤理化性质及养分流失的影响,而且要从植被覆盖格局入手,探讨两者之关系。
国内许多研究从景观生态学的角度全面分析和探讨了流域的产沙机制,表明流域土壤侵蚀状况是由农、林、草地等生态系统之间产流与拦蓄两种作用相互影响的结果,其中作为地表径流滞纳区的林草植被斑块起重要作用。
根据其对黄土高原小流域进行的研究,发现农田、林地、草地等要素的配置与坡地的土壤侵蚀有密切的关系[14-16]。
国外的有关研究也认为植被覆盖格局即不同土地利用类型的组成对土壤侵蚀有重要影响,合理的植被覆盖格局将有利于水分和养分的循环,从而提高生物的生产力和改善区域生态环境问题,而不适宜的植被覆盖格局将导致水分和养分循环失调,带来水土流失等生态环境问题[17]。
黄土高原是中国乃至世界上土壤侵蚀最为严重的地区,也是引起黄河下游河道淤积的物源区。
该区土壤侵蚀和水土流失的发展方向受到不同领域学者和科学家的高度关注,并开展了卓有成效的研究工作[18-19]。
在诸多影响侵蚀的因素中,植被的根本作用得到人们的充分肯定。
2国内外研究现状地表是否有植被及其长势好坏是干旱区生态环境质量的重要指标。
考察植被覆盖的时空变化规律能直观地反映生态环境质量随时间的变化规律,随着遥感对地观测技术的发展,利用各种遥感数据进行植被检测和植被覆盖变化的研究日益增多。
其中,具有高时间分辨率、低空间分辨率且价格低廉的遥感数据在全球及区域等大尺度植被覆盖变化研究中得到了广泛的应用,并显示出无可比拟的优越性,使过去难以实现的大尺度植被动态变化研究成为可能[20]。
常用于植被监测的卫星传感器包括NOAA-AVHRR,SPOT,SPOT-VEGETATION,MODIS,LandsatTM和ETM+(7),ASTER,SPOT4和5,IKONOS,QuickBird。
在时间系列长度上,AVHRR从1980年开始被处理和使用,SPOT-VEGETATION从1998年开始提供完成预处理的数据,MODIS从2000年开始接收数据。
由于同时具有时间系列长、周期短、覆盖范围广、成本低、波段宽等优势,AVHRR数据是目前最常用的进行长时间系列植被年际变化研究的数据源[21]。
SPOT4 与SPOT5 卫星载有植被探测器VEGETATION,具有较高的光谱分辨率和1km空间分辨率,重复周期1天,可以提供单一的数据集,周期短,覆盖范围广,对植被与大气敏感,尤其具有多向功能。
MODIS则是中尺度遥感的一个重要里程碑,大大提高了人类对地表覆盖观测的能力,将在今后的科学和生产中发挥重要作用[22]。
2.1植被覆盖度变化研究近20年来,学者们开展了大量全球植被活动年际变化及其与侵蚀关系的研究,在这些研究中,遥感成为区域及更大尺度上最为重要的研究手段[23]。
宋怡、马明国[24]利用1998—2004年的SP0T-VEGETATION数据对中国西北植被覆盖变化进行了分析。
李忠峰等[25]利用1998-2004年的SP0T-VEGETATION数据对榆林地区土地覆盖变化进行了研究。
郭建坤、黄国满[25]利用1998—2003年的SPOT-VEGETATl0N数据对内蒙古地区土地覆被动态变化进行了分析。
刘亚玲等[27]利用1998—2003年的SPOT-VEGETATION数据对阴山北麓地区植被覆盖动态进行了分析。
李景刚等[28]利用1983-1999年的NOAA-AVHRR数据和2001年的SPOT-VEGETATION数据对近20年中国北方13省的耕地变化与驱动力进行了研究。
Zhou 等[29]利用1981-1999年NOAA-AVHRR数据, 分析了欧亚大陆和北美洲NDVI 的年、季节变化过程和趋势; Brogaard等[30]利用NOAA 数据计算了1982-1999年内蒙古地区草原初级生产力, 并分析了其时空变化规律; Piao等[31]利用1982-1999年的NOAA-AVHRR数据, 得出中国温带草原NDVI 值呈增加趋势。
李月臣等[32]基于NOAA-AVHRR数据对北方13省(市、区)l982-1999年植被动态变化进行了分析,结果表明18a间研究区植被总体呈现增加趋势。
此外,为了更好地研究植被覆盖度的变化趋势,研究人员还采用了各种分析方法。
Lambin和Strahler[33]利用变化矢量分析法分析了非洲的土地覆盖变化。
PalmerAR和vanRooyenAF[34]利用LandsatTM数据,采用差值法、均值法和最大合成法对喀拉哈里沙漠南部的植被覆盖进行了分析。
方精云等[35]利用GIMMS数据采用累积平均法和均值法研究了1982-1999年间中国地区的植被覆盖度变化,发现我国大多数地区的植被覆盖度都呈现不同程度的增加趋势,生长季节的延长和生长加速是我国植被覆盖度增加的主要原因。
朴世龙等[36]用回归分析法,采用N0AA-AVHRR数据,研究了中国1982-1999年四季植被活动的变化,发现春季是中国植被平均覆盖度上升最快的季节。
张镱锂等[37]采用趋势线分析法和影像差异法等利用N0AA-AVHRR数据分析了三江源地区植被指数变化总态势,通过分析三江源地区植被指数变化状况及其与主要环境和人类活动因素的空间分析表明,人类活动对植被有着重要的影响,尤其是在人类活动影响区。
杨胜天等[38]利用1982-1999年的NOAA-AVHRR数据通过最大合成法和均值法等对黄河流域的植被覆盖变化情况进行研究,结果表明,一些重点生态保护区植被覆盖增长率达到1~3.8,而一些没有开展保护的生态区植被覆盖呈下降趋势,下降速率最大为3。
阎福礼等[39]利用NOAA-AVHRR数据, 应用图像差分技术、生物量变化线性方程斜率和主成分分析方法, 对1981-2001年中国西部地区植被变化进行了时间序列分析。
2.2植被覆盖格局变化研究植被覆盖格局变化研究可以理解为对植被覆盖格局的时间和空间异质性的研究。
利用植被格局指数,开展不同时空尺度植被覆盖格局演变特征的定量化研究,是植被覆盖格局变化研究的一个特点。
目前研究工作主要借助FRAGSTATS 软件包,从斑块类型水平和景观水平上选取景观指数进行分析[71-73]。
遥感数据的广泛应用及其与GIS相结合,成为探讨植被覆盖格局演变,揭示空间变化规律,建立植被覆盖格局演变数量模型的有效手段。
景观的数字化往往以土地利用类型图作为参照来确定景观类型。
因此,植被格局指数的计算结果不仅受到同一景观类型图所带来的幅度效应和粒度效应的影响,而且会受到不同景观分类图所带来的影响。
赵文武等[43]以延河流域1:25万和1:50万土地利用图为对象,通过比较不同比例尺下景观指数随粒度增加(粒度值从25~400m)的变化特征发现,除多数景观指数具有明显的粒度效应之外,不同比例尺的土地利用类型图存在进行景观指数计算的适宜粒度范围,如1:25万和1:50万土地利用图的适宜粒度范围分别是70~90m,90~120m。
杨丽等[44]以泾河流域1:10万比例尺下的景观类型图为研究对象,探讨景观指数计算的适宜粒度范围。
结果表明,基于1:10万的景观类型图进行景观指数计算的适宜粒度范围为30~40m。
土壤侵蚀作为黄土高原地区主要生态环境问题,其发生和发展受植被覆盖格局演变的影响较为深刻。
常规的植被格局指数和泛泛的植被覆盖格局分析显然难以揭示这种复杂的关系。
许多学者对此进行了积极探索。
陈利顶等[45]提出了“源—汇”景观理论,并构建了源汇景观空间负荷对比指数,来定性评价一个地区植被覆盖格局对生态过程影响,已在水土流失、污染物迁移研究方面得到较好的应用和发展[46-47]。
此外,游珍等[48]从坡面尺度上,提出斑块顺坡连通度、斑块等高连通度以及斑块相对位置等指数,并以黄土高原地区黄家二岔流域进行实例研究。
研究表明这些指数可以较好地评价坡面景观空间位置对土壤侵蚀过程的影响。
植被覆盖格局演变特征总是随着时空尺度的变化而变化,在相同时间尺度下,不同空间尺度的植被覆盖格局变化特征也会有所不同。
一般认为,随着空间尺度增大,不同景观类型在各时段的变化幅度变小,但景观类型之间转换的复杂性变大。
梁峁、沟坡作为流域/区域的基本构成单元,综合了土地利用演变、水系汇流、地貌发育、土壤生成/退化等过程。
黄土高原地形破碎,沟壑纵横,众多自然和人文过程都直接发生于坡面,促进和控制着土壤侵蚀的发生和发展程度,因此植被覆盖格局演变在坡面上的变化将至关重要。