复种指数时空变化—课题申报书
植被生产力时空变化分析

9 植被生产力时空变化分析9.1数据来源植被净第一性生产力(net primary productivity,NPP)指的是绿色植物在单位时间和单位面积上所产生的有机干物质总量,作为表征植物活动的关键变量,可反映植被对大气中CO2固定能力,是陆地生态系统中物质与能量运转研究的重要环节。
植被净第一性生产力是植物自身生物学特性与外界环境因子相互作用的结果,它是评价生态系统结构与功能特征和生物圈的人承载力的重要指标。
NPP研究方法很多,有关学者从不同角度及学科对NPP的估算进行了深入细致的研究,取得了丰硕的成果。
近年来,随着遥感和计算机技术的发展,利用遥感信息和GIS技术进行NPP研究成为一种全新手段,它不仅免去了许多烦琐的实验工作,还实现了区域尺度NPP估算的可能。
具有全球观测能力的遥感技术是全球变化研究中重要的、无可替代的技术手段。
由于遥感具有周期短、时空分辨率高、覆盖面积大、获取数据便捷等特点,所以利用遥感资料对陆地植被进行动态监测,已成为当前国际植被变化研究中的前沿课题。
MODIS光谱分辨率较高,波幅窄,避免了几个大气吸收带,在计算植被指数时有更严格的去云算法和比较彻底的大气校正。
植被指数是表征地表植被特征的重要指标,MODIS植被指数可以更好地反映植被的时空变化特征,是当前植被及其变化动态宏观研究的主要遥感资料和热点问题。
本研究采用的NPP数据为美国国家航空航天局(NASA)的EOS/MODIS(TERRA卫星)提供的2001-2012年的遥感数据产品(MOD17A3)。
MOD17A3是通过BIOME-BGC模型计算出全球陆地植被净初级生产力(NPP)年际变化的资料,空间分辨率为1km。
MODIS-NPP的数据是全年365d每日光合作用产生的有机物质总量(Photosynthesis,简称PsnNet)的加和扣除全年自养呼吸后剩余的部分,称为全年植被净初级生产力(annual Net Primary Productivity,简称aNPP)。
干旱监测遥感模型和中国干旱时空分析

干旱监测遥感模型和中国干旱时空分析作者:齐述华摘要我国地处东亚,季风气候明显,年际间季风的不稳定性造成了我国干旱的频繁发生,使干旱成为对我国农业生产影响最严重的自然灾害。
随着人口增长、开垦耕地增加和复种指数提高,农业和工业用水需求量都在增大,以及在全球环境变化的大环境下,干旱化趋势还在进一步发展。
为了利用遥感资料分析较长时间我国干旱发生的时空格局,本论文致力于区域干旱监测遥感模型的研究。
具体包括以下几方面的内容:(1)VCI和SVI在干旱监测中的作用评价:探讨利用NDVI时间系列数据建立的植被状态指数(VCI)和标准植被指数(SVI)评价区域干旱的可行性,研究结果表明:VCI和SVI作为植被相对生长状况指标,对降水的响应随着植被覆盖类型、时间和空间等而表现出不同的敏感性,因此在大区域干旱监测中,特别是我国这样地形复杂多样的国家,VCI和SVI在干旱监测中的作用都是有限的;(2)利用TVDI评价全国干旱等级分布:结合陆地表面温度和植被指数建立NDVI-T s空间,在NDVI-T s空间物理意义理解的基础上,分别采用线段比值法和斜率归一化法构建温度植被干旱指数(TVDI),并利用TVDI研究了我国2000年3~5月份各旬的干旱分布,取得比较满意的结果。
受NDVI-T s 空间的启发,对比分析陆地表面温度、陆表昼夜温差、表观热惯量分别与NDVI建立相应NDVI-T s、NDVI-ΔT和NDVI-ATI空间,并分别计算TVDI、D VDI和AVDI评价区域干旱,结果表明在效果和实际操作中,TVDI都明显优于DVDI和AVDI,而且AVDI基本不适用干旱遥感监测;(3)气温的遥感数据获取方法研究:考虑到陆地表面温度纬度地带性和垂直地带性都很明显,这在一定程度上影响TVDI在大范围干旱监测中的应用。
为了减小区域陆地表面温度的地带性影响,同时考虑到陆气温差是表征陆气系统之间水汽通量主要驱动力。
根据作物水分胁迫系数(CWSI)原理,利用陆气温差与植被指数建立VIT空间研究干旱理论上更合理,因此有必要通过遥感手段获取气温的空间分布。
2024年全球粮食安全与农业可持续发展研究课题申报

2024年全球粮食安全与农业可持续发展研究课题申报一、研究课题背景和意义随着全球人口的不断增长和资源的有限性,粮食安全和农业可持续发展成为全球面临的共同挑战。
为了解决现有问题并保障人类的未来发展,本课题拟就2024年全球粮食安全和农业可持续发展进行深入研究。
二、研究目标本课题旨在通过研究全球粮食安全和农业可持续发展的现状和趋势,探索可行的解决方案和政策措施,为实现全球粮食安全和农业可持续发展提供科学的理论和实践指导,推动相关领域的发展进步。
三、研究内容和方法1. 全球粮食安全的现状和挑战:通过收集、整理和分析全球各地区的粮食安全数据,明确目前面临的主要问题和挑战,包括气候变化、自然灾害、种植技术和市场需求等。
2. 农业可持续发展的路径和策略:结合全球各地不同国家和地区的农业实践经验,研究探索可行的农业可持续发展路径和策略,包括宏观政策、科技创新、生态农业和资源利用等。
3. 农业可持续发展与粮食供应链:以粮食供应链为核心,研究农业可持续发展在粮食生产、流通、加工和消费等环节中的作用和影响,探索提高粮食供应链效率和可持续性的措施和机制。
4. 种植技术和创新应用:通过对种植技术和科技创新的研究,探索如何提高作物产量、改善品质、减少资源消耗和环境压力,促进农业可持续发展。
5. 农业政策和监管:研究全球各地的农业政策和监管体系,总结成功案例和经验教训,为制定和优化农业政策提供科学依据和参考。
本课题采用综合研究方法,包括实地调查、数据统计分析、案例研究和政策分析等,力求全面深入地了解全球粮食安全和农业可持续发展的现状和问题,并提出具体的解决方案和政策建议。
四、预期成果和影响通过本课题的研究,预期能够对全球粮食安全和农业可持续发展问题进行深入剖析和解决,推动相关领域的发展和进步。
具体成果包括但不限于:1. 发表高水平学术论文,提供科学的研究理论和实践指导;2. 撰写研究报告,为相关政府部门和决策者提供决策参考;3. 组织学术研讨会和国际交流活动,促进学术交流和合作;4. 推广农业可持续发展的先进经验和技术,促进全球农业发展;5. 提出完善的粮食安全和农业可持续发展政策建议,推动政策创新和实施。
蔬菜基地土壤、蔬菜重金属赋存水平的时空变化分析

产品进入食物链 , 从而影响人体健康。 越来越多研究显示 ,
一
般 农 产 品 中 的重 金 属 主要 来 自土壤 。重 庆 市 曾 于 直辖
之 初 调 查 分 析 多 个 蔬 菜 基 地 土 壤 、蔬 菜 中 H g 、C d 、P b 、
2 结果 与分析
2 . 1 蔬莱 基地土壤重金属含量
重庆市9区县蔬菜基地土壤重金属分析结果见表4 。土 样 中H g 、 C d 、 P b 、 A s 质量比分别为 0 . 0 5 ~0 . 5 3 、 0 . 1 1 ~0 . 5 7 、 l 3 _ 3 1 ~4 7 . 7 8 、8 . 5 4~ 4 2 . 3 3 r n g / k  ̄ ,平均值分别为 0 . 2 4 0 、
1 . 2 评价方法
1 . 2 . 1 评 价 标 准 评价采用 《 绿 色食 品标 准 》( N Y / T 3 9 1 -2 0 0 0 ) 中土 壤 重 金 属 的 质量 比限值 ( 表1 ,同 1 9 9 9 年 的文 献 ) ; 食 品重
金属 限量 卫生 标准 ( 表2 ) 。
壤的不同作用 ) ; ( P i ) 为土壤所有污染物 中最大单项污
染指数平方 ; ) 为土壤所有单项污染指数的平均值平方 。
1 . 2 . 3 土壤质 量分 级标 准
土壤 质量 分级 标 准 见 表土壤 重金属 时空变化
对比1 9 9 9 年与 2 0 1 2 年 9区县 蔬 菜 基 地 土壤 的 污染 指 数 ( 图1 ~图5 ) ,绝 大 部分 H g 、P b 污 染 指数 都 有小 幅度
以期 了解 重 庆 市蔬 菜 基 地 土 壤 、蔬 菜 重 金属 含 量 现 状 及
池州市植被覆盖度时空变化研究

第 40卷第 5期 济宁学院学报 Vol40 No5 JournalofJiningUniversity
文章编号:1004 1877(2019)05 0046 04
2019年 10月 Oct2019
池州市植被覆盖度时空变化研究
吴海中,李少杰,田晓四
(池州学院 资源环境学院,安徽 池州 247100)
K=KL+KZ
(2)
在此像元中假设植被所占面积比例为 SZ,推
出裸土所占面积比例为 1-SZ,对于只有植被信
息的像元,假设其所含的遥感信息为 CZ,只有裸
土信息所构成的像元所含遥感信息为 CL,那么:
KZ =SZCZ
(3)
KL=(1-SZ)CL
(4)
将公式(3)(4)带入(2)中得:
SZ =CKZ--CCLL
期的 植 被 覆 盖 度 。 [13] 通 过 遥 感 解 译 和 实 地 校 验[14],并利用 Arcgis软件分析植被覆盖率变化规 律[15]。
本文在像元分解模型的基础上,基于归一化 植被指数,建立植被覆盖度的遥感估算模型,定量 研究池州市近年来植被覆盖度的时空动态格局, 探讨作为我国唯一的国家级生态经济示范区池州 市在经济建设过程中植被覆盖率的变化特征,同 时为皖南地区在建设生态文明城市的道路上如何 保护植被提供借鉴和建议。
基于主成分分析的广西甘蔗种植面积时空变化及驱动力研究

的影响较大 ,可 以通过开发适宜的农业机械 、完善价格体系和建立示范基地等途径 ,稳定甘蔗种植面积 。
关键词 广西 甘蔗 面积变化 驱 动 力
土地 利用/ 土地覆 盖变 化 ( L U C C)是 国际地 圈 与 生物 圈计划 ( I G B P ) 与全 球 变化 人 文 计划 ( I HD P )
防城港 、钦州 、北海 、贵港 6市甘蔗 种植 面积不 大 、密度不 高 ,作 为优 势产 区的有力 补充 ;贺 州 、梧州 、
桂林 、玉林等 4市为非优势产 区,已基本退出糖料蔗生产 。③广西 甘蔗种植 面积变化 的主驱动力 为耕作条
件 、甘 蔗 价 格 和 农 业 人 口 ,甘 蔗 价 格 、农 业 机 械 总 动 力 、农 林 牧 渔 业 从 业 人 员 和 耕 地 面 积 对 甘 蔗 种 植 面积
姚 涛 、马卫 鹏 以 1 9 8 0~ 2 0 1 0年 的数 据为基 础 ,选取 了总 量 、年 变 化率 等 指标 进 行 研 究 ,发 现粮 食 单位 面 积产量 与粮食 总 产量 高度相 关 。刘珍 环等 分析 了 2 O世 纪 8 0年代 以来水 稻 种植 面 积 与 产量 的变化 特 征 , 发现我 国水 稻种植 面积 变化 对产 量增 减有重 要影 响 _ 9 ] 。王 宗 明等 通 过对 过 去 5 0年 间吉 林 省 中部 玉 米带 的
V o 1 . 3 6 . N o . 3 , p p l 0 3 . 1 1 1
J u n e,2 0 1 5
d o i :1 0・1 6 21 /c j a r r p ・1 0 0 5- 91 21 ・ 2 01 5 0 31 6
・
理 论探 讨 ・
基 于 主 成 分 分 析 的 广 西 甘 蔗 种 植 面 积 时 空变 化及 驱 动 力研 究 木
【课题申报】气候变化对植被分布的影响
气候变化对植被分布的影响课题标题:气候变化对植被分布的影响一、研究背景与意义随着全球气候的变化,包括温度上升、降水模式改变、极端气候事件的增加等问题,地球上的植被也受到了严重的影响。
植被作为生态系统的重要组成部分,对维持地球生态平衡具有重要作用。
研究气候变化对植被分布的影响,不仅对于预测未来植被变化、推动生态保护和恢复等具有重要意义,也对解决全球气候变化问题、促进可持续发展具有指导作用。
二、研究目标本项目旨在通过野外观测、数据分析和模型模拟等方法,系统研究气候变化对植被分布的影响机制及其空间分布特征,探讨植被分布面临的变化趋势,在此基础上提出合理的生态保护和管理对策。
三、主要内容与方法1. 气候变化对植被生长的影响机制研究:通过野外调查和实验观测,分析气候因素对植被生长的直接和间接影响,探讨温度变化、降水变化等因素对植被分布的作用机理。
2. 植被适应性与迁移研究:以生态位理论为基础,通过植物功能特性分析和数据库建立,研究植物对气候变化的适应策略和植被类型的改变趋势,分析植物群落的迁移、演替和竞争等过程。
3. 长期的植被监测与模拟:利用远程感知技术和地面调查相结合的方法,建立植被监测与模拟的长期数据集,定量评估植被分布的变化趋势,并建立合适的模型预测未来植被变化。
4. 生态保护与管理策略研究:基于研究结果和合理的模型预测,提出具体的生态保护和管理策略,包括植被改造、生态恢复、生态系统修复等,以应对气候变化对植被分布的挑战。
四、预期成果1. 植被分布变化的机理研究成果:揭示气候变化对植被分布的影响机理,为理解全球植被动态变化提供科学依据。
2. 植被分布变化趋势的预测成果:通过植被监测和模拟,预测未来植被分布的变化趋势,为生态保护和管理提供科学建议。
3. 生态保护与管理策略的提出:基于研究结果,提出针对气候变化的生态保护和管理策略,为应对气候变化挑战提供有效的解决方案。
五、工作计划与预算本项目计划历时三年,具体工作安排如下:第一年:进行植被样带调查与拍摄,获取植被分布数据。
福州市中心城区植被覆盖度的时空演变及其驱动因素
第51卷第12期东㊀北㊀林㊀业㊀大㊀学㊀学㊀报Vol.51No.122023年12月JOURNALOFNORTHEASTFORESTRYUNIVERSITYDec.20231)国家重点研发计划(2021YFE0193200)㊂第一作者简介:钟子豪,男,1996年7月生,福建农林大学风景园林与艺术学院,硕士研究生㊂E-mail:zzh99988@163.com㊂通信作者:阙晨曦,福建农林大学风景园林与艺术学院,讲师㊂E-mail:chenxi.que@fafu.edu.cn㊂收稿日期:2023年7月24日㊂责任编辑:张㊀玉㊂福州市中心城区植被覆盖度的时空演变及其驱动因素1)钟子豪㊀吴佳媚㊀朱萱㊀梁裕宁㊀胡康㊀傅伟聪㊀阙晨曦㊀丁国昌(福建农林大学,福州,350002)㊀㊀摘㊀要㊀以福州市中心城区为研究区域㊁植被覆盖度为研究对象,采用等间距法将植被覆盖度(取值范围为0 1)划分为低㊁中低㊁中㊁中高㊁高5个等级;选取11个与植被覆盖度时空动态变化密切相关的气候㊁地形地貌㊁人类活动等影响因素(地貌类型㊁高程㊁坡度㊁坡向㊁植被类型㊁夜间灯光㊁国内生产总值(GDP)密度㊁年降水量㊁年均温㊁人口密度㊁土地利用类型),以相关官网的植被覆盖度及各影响因素数据为基础,采用趋势分析法㊁变异系数㊁赫斯特(Hurst)指数㊁地理探测器,分析2002 2021年福州市中心城区植被覆盖度时空演变特征㊁量化11个影响因素对植被覆盖度空间分布的影响和不同影响因素协同作用的影响㊂结果表明:①植被覆盖度随时间的变化,2002 2021年福州市中心城区植被覆盖度总体呈显著降低趋势,变化率为0.0011㊃a-1(P<0.05),其中2002 2014年显著降低(P<0.05),但2014 2021年变化趋势不显著;各等级植被覆盖度变化差异显著,中低㊁高的植被覆盖度面积占比分别减少了0.13%㊁10.67%;低㊁中㊁中高的植被覆盖度面积占比呈增加趋势,增加幅度分别为0.03%㊁7.26%㊁3.51%㊂②植被覆盖度在空间方面的差异,总体呈现北低南高的空间格局,空间变异系数均值为0.083,以低波动为主(占比高达67.8%),保持稳定的区域面积占比最多(占比40.9%);在未来一段时间,改善的区域面积大于退化面积,其中改善部分以未来改善为主(占总面积的43.11%)㊂③地理探测器的探测结果表明,2002年夜间灯光影响力最高(分异决定力为0.473),其余年份均为土地利用类型影响力最高(分异决定力均值为0.573);交互探测显示,土地利用类型与夜间灯光的协同作用,在2002 2021年对植被覆盖度空间分布的影响力均为最强,分异决定力均值达到0.659以上㊂④综合研究结果,福州市中心城区植被覆盖度整体良好,呈现总体下降的趋势,但在2014年出现拐点,未来存在上升趋势,植被覆盖度总体呈现北高南低的分布格局;土地利用类型㊁夜间灯光,是影响植被覆盖度空间分布的主导因素㊂关键词㊀植被覆盖度;时空演变;区域环境变化;植被变化驱动因素;福州市分类号㊀S718.5Spatio⁃temporalEvolutionandDrivingFactorsAnalysisofFractionalVegetationCoverageinCentralUrbanAreaofFuzhouCity//ZhongZihao,WuJiamei,ZhuXuan,LiangYuning,HuKang,FuWeicong,QueChenxi,DingGuochang(FujianAgricultureandForestryUniversity,Fuzhou,350002,P.R.China)//JournalofNortheastForestryUniversity,2023,51(12):51-59.InthecentralurbanareaofFuzhouCity,wefocusedonFractionalVegetationCoverageanddividesitintofivelevels(low,low⁃medium,medium,medium⁃high,andhigh)usinganequalintervalmethod,withvaluesrangingfrom0to1.Elevenfactorscloselyrelatedtothespatio⁃temporaldynamicsofFractionalVegetationCoverage,includingclimate,topog⁃raphyandhumanactivities,areselected(landformtype,elevation,slope,aspect,vegetationtype,nighttimelights,GDPdensity,annualprecipitation,annualaveragetemperature,populationdensity,andlandusetype).BasedonthedataofFractionalVegetationCoverageandtheaforementionedfactorsfromrelevantofficialwebsites,trendanalysis,coefficientofvariation,Hurstindex,andgeodetectorareemployedtoanalyzethespatio⁃temporalevolutionofFractionalVegetationCov⁃erageinthecentralurbanareaofFuzhouCityfrom2002to2021,quantifytheimpactofthe11influencingfactorsonthespatialdistributionofFractionalVegetationCoverage,andexaminethesynergisticeffectsofdifferentinfluencingfactors.Theresultsindicatethefollowing:(1)From2002to2021,theoverallvegetationcoverageinthecentralurbanareaofFuzhouCityshowedasignificantdecreasingtrend,witharateofchangeof0.0011㊃a-1(P<0.05).ThedecreaseinFrac⁃tionalVegetationCoveragewassignificantfrom2002to2014(P<0.05),butthetrendwasnotsignificantfrom2014to2021.Thereweresignificantdifferencesinvegetationcoveragechangesamongdifferentlevels.TheproportionoflowandhighFractionalVegetationCoverageareasdecreasedby0.13%and10.67%,respectively.However,theproportionsoflow,medium,andmedium-highFractionalVegetationCoverageareasshowedanincreasingtrend,withincreasesof0.03%,7.26%,and3.51%,respectively.(2)ThespatialpatternofFractionalVegetationCoverageinthecentralurbanareaofFuzhouCitygenerallyshowedanorth⁃southgradient,withaspatialvariationcoefficientmeanvalueof0.083.Themajorityofareasexhibitedlowvolatility(67.8%ofthetotal)andmaintainedstability(40.9%ofthetotal).Inthefuture,theareawithFractionalVegetationCoverageimprovementisexpectedtobelargerthantheareawithdegradation,withtheimprovementportionaccountingfor43.11%ofthetotalarea.(3)Theresultsofthegeographicdetectoranalysisrevealedthatnighttimelightshadthehighestinfluencein2002,withadifferentiationpowerof0.473.Fortheotheryears,landusetypehadthehighestinfluence,withanaveragedifferentiationpowerof0.573.TheinteractivedetectionshowedthatthesynergisticeffectsoflandusetypeandnighttimelightshadthestrongestinfluenceonthespatialdistributionofFractionalVegetationCoveragefrom2002to2021,withanaveragedifferentiationpowerofabove0.659.(4)Overall,theFractionalVegetationCoverageinthecentralurbanareaofFuzhouCityisgoodbutshowedadecliningtrend,withaturningpointin2014andafutureupwardtrend.ThedistributionpatternofFractionalVegetationCoverageisgenerallyhigherinthenorthandlowerinthesouth.LandusetypeandnighttimelightswereidentifiedasthedominantfactorsinfluencingthespatialdistributionofFractionalVegetationCoverage.Keywords㊀FractionalVegetationCover;Spatial⁃temporalvariations;Regionalenvironmentalchange;Drivingfac⁃torsofvegetationchange;FuzhouCity㊀㊀植被是陆地生态系统的重要组成部分,不仅在大气圈㊁水体㊁生物圈等循环过程中发挥着不可或缺的作用,而且在水土保持㊁净化空气等维持生态环境的稳定中起着举足轻重的作用[1]㊂植被覆盖度是反映植被生长状况和健康程度的关键参数之一,也是评价生态系统健康的一个重要指标[2-4],准确评估植被覆盖度将有助于了解陆地生态系统的植被健康动态[5]㊂因此,掌握植被覆盖度的变化规律,探讨其时空演变的驱动因素,对区域的城市生态环境安全有着重要意义㊂应用遥感技术监测大范围的植被时空格局演变已成为植被覆盖度研究的主流方向,也是监测区域生态环境的有效手段之一[6-8];对植被覆盖度的时空演变,已经开展了大量研究,并取得丰硕成果㊂已有研究多采用趋势分析法[9]㊁变异系数法[10]等方法,分析植被覆盖度的时空变化趋势;李楠等[11]运用趋势分析和变异系数对若尔盖高原植被变化进行分析表明,区域内植被生长季归一化植被指数(ND⁃VI)主要呈改善状态,但未定量分析影响因素对其空间分布的影响㊂为了完善类似研究的不足,已有研究相继提出了残差分析法[12]㊁偏相关分析法[13-14],定量分析影响因素对植被覆盖度空间变化的影响程度㊂张亮等[15]运用偏相关分析㊁残差分析等方法,分析了长江流域植被覆盖度时空变化特征及气候和人为活动对植被覆盖度的影响;虽残差分析法和偏相关分析法对于植被覆盖度的空间特征和影响因素的研究已较成熟,但对各影响因素之间的协同作用研究较少㊂王劲峰等[16]提出的地理探测器能够揭示地理要素的空间分异性,可以定量分析影响因素及不同因素之间协同作用对空间因素分布的影响,已广泛应用于众多领域[17-19]㊂福州是福建省省会城市,全国首个国家生态文明试验区的重点城市,森林覆盖率较高㊂有关福州地区植被变化的研究,多数集中于自然因素的影响[20-21],缺乏多因素长时序对植被覆盖度影响的定量化分析㊁多因素之间协同作用对植被覆盖度空间分异影响的研究㊂为此,本研究以福州市中心城区为研究区域㊁植被覆盖度为研究对象,选取11个与植被覆盖度时空动态变化密切相关的气候㊁地形地貌㊁人类活动等影响因素,以相关官网的植被覆盖度及各影响因素数据为基础,采用趋势分析法㊁变异系数㊁赫斯特(Hurst)指数㊁地理探测器,分析2002 2021年福州市中心城区植被覆盖度时空演变特征㊁量化11个影响因素对植被覆盖度空间分布的影响和不同影响因素协同作用的影响,旨在为未来福州市生态环境的保护和建设提供参考㊂1㊀研究区概况福州是福建省省会城市,位于福建省东部㊂属于亚热带季风气候,年平均降水量1500mm,年均气温20ħ㊂境内有典型的河口盆地,闽江横贯市区东流入海,群山围绕,域内海拔在600 1000m,山地㊁丘陵遍布,森林覆盖率较高㊂福州市中心城区以亚热带常绿阔叶林为主,全市多种植常绿乔灌木㊂本研究选定福州市中心城区为研究区(25ʎ40ᶄ10ᵡ 26ʎ16ᶄ9ᵡN,119ʎ4ᶄ1ᵡ 119ʎ43ᶄ11ᵡE),范围包括福州市辖区等城市核心区(其中晋安区不含宦溪镇㊁寿山乡㊁日溪乡),闽侯县荆溪镇㊁上街镇㊁南屿镇㊁南通镇㊁尚干镇㊁祥谦镇㊁青口镇以及连江县琯头镇等城市外围组团,研究范围来源于‘福州市国土空间总体规划(2021 2035年)“㊂图1㊀研究区位置(福州市中心城区)2㊀研究方法数据来源及处理:卫星影像来源于91卫图助手,植被覆盖度数据来源于 国家青藏高原科学数据中心 的中国区域250m植被覆盖度数据集(2000 2022),利用最大值合成法将植被覆盖度月度数据合成年度数据,通过地理信息系统(Arc⁃GIS10.7)㊁计算机编程语言派森(Python)对数据进行处理分析㊂本研究共选取11个与植被覆盖度时空动态变化密切相关的气候㊁地形地貌㊁人类活动等影响因素(见表1),对植被覆盖度空间分异进行探测分析㊂运行地理探测器模型前,需将各影响因素进行离散化处理,再通过地理信息系统(ArcGIS10.7)创建渔网的功能提取研究区范围内各探测影响因素的栅格值,以植被覆盖度(CFV)为评价指标,11个因素为影响因素进行探测㊂植被覆盖度是指植被的叶㊁茎㊁枝在地面的垂直投影面积占统计区总面积的百分比,植被覆盖度采用像元二分模型计算,植被覆盖度值越高表示该地植被覆盖度越好,其取值范围为0 1;借鉴文献25㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第51卷[24],本研究采用等间距法将植被覆盖度划分为低㊁中低㊁中㊁中高㊁高5个等级㊂表1㊀探测的影响因素及数据来源影响因素数据来源空间分辨率地貌类型国家青藏高原科学数据中心(http://data.tpdc.ac.cn/)矢量高程地理空间数据云(https://www.gscloud.cn/)30m坡度地理空间数据云(https://www.gscloud.cn/)30m坡向地理空间数据云(https://www.gscloud.cn/)30m植被类型中国科学院资源环境科学数据中心(https://www.resdc.cn/)1000m夜间灯光[22]HarvardDataverse平台(https://dataverse.harvard.edu/)1000mGDP密度福建省统计局统计年鉴县域尺度年降水量国家科技基础条件平台-国家地球系统科学数据中心(http://www.geodata.cn/)1000m年均温国家科技基础条件平台-国家地球系统科学数据中心(http://www.geodata.cn/)1000m人口密度美国橡树岭国家实验室(https://landscan.ornl.gov/)1000m土地利用类型[23]武汉大学黄昕团队发布的CLCD数据集(https://zenodo.org/)30m㊀㊀本研究采用一元线性回归方程的斜率(S)分析变化趋势,利用计算机编程语言派森(Python)进行逐像元分析;S>0表示植被覆盖度年际变化呈增加趋势㊁S<0表示植被覆盖度年际变化呈减少趋势㊁S=0表示植被覆盖度年际无变化,计算公式参考文献[25]㊂利用变异系数值(Cv)[26]反映植被覆盖度的波动情况,借鉴文献[27]在城市区域变异系数值的分类方法,划分5个等级:低波动㊁较低波动㊁中波动㊁较高波动㊁高波动㊂赫斯特(Hurst)指数能定量描述各因素在时间上的依赖性,判断时间的走向[28-29]㊂将趋势斜率分级与赫斯特指数结果进行叠加分析,能预测未来一段时间内植被覆盖度的持续性变化㊂采用重标极差分析法(R/S)计算赫斯特指数(IH),IH的范围在0 1㊂当IHɤ0.5时,表示时间序列具有反向持续性;当0.5<IHɤ1.0时,表示时间序列具有正向持续性㊂地理探测器共有4个探测器,本研究主要采用因素探测和协同作用探测,计算方法和计算公式借鉴文献[16]的方法㊂因素探测用于分析影响因素变化趋势对植被覆盖度空间分异的影响大小,以植被覆盖度为评价指标,各因素为影响因素,引入研究区植被覆盖度分异决定力(q),q=1-VS,IL/VT,WR㊁VS,IL=ðlh=1(nhσ2h)㊁VT,WR=nσ2㊂式中:q为度量空间分异性的分异决定力,h为分类数目(h=1㊁2㊁ ㊁l),nh为层h的样本单元数,n为全区的样本单元数,σ2h为层h的方差,σ2为全区的方差,VS,IL为层内方差之和,VT,WR为全区总方差㊂q的取值范围为[0,1],q值越大,说明影响因素对植被覆盖度的影响力越强㊂3㊀结果与分析3.1㊀福州市中心城区植被覆盖度时空动态变化特征3.1.1㊀植被覆盖度时间动态变化特征通过计算福州市中心城区2002 2021年的植被覆盖度,分析其年际变化趋势(见图2)㊂植被覆盖度整体维持较高程度,多年均值为0.822,但植被覆盖度呈显著降低趋势(P<0.05),变化率为0.0011㊃a-1;年均植被覆盖度由2002年的0.857下降到2021年的0.822,减少幅度达3.5%,其中植被覆盖度平均值最大出现在2002年(为0.857),2014年最低(为0.803)㊂在此基础上再分为2个阶段进行线性拟合,2002 2014年,年均植被覆盖度呈显著下降趋势,变化率为0.0024㊃a-1(P<0.05);2014 2021年,年均植被覆盖度变化趋势不显著,但呈现波动且微增的现象,变化率为0.0003㊃a-1㊂各植被覆盖度等级变化明显(见表2),中低㊁高的植被覆盖度面积占比,分别减少了0.13%㊁10.67%;低㊁中㊁中高的植被覆盖度面积占比,增加幅度分别为0.03%㊁7.26%㊁3.51%(见表3)㊂表2㊀福州市中心城区2002—2021年各等级植被覆盖度比例年份各等级植被覆盖度比例/%低级中低级中级中高级高级年份各等级植被覆盖度比例/%低级中低级中级中高级高级20020.612.276.0016.1674.9620120.752.7212.1420.4663.9320030.592.168.4620.8267.9820130.772.0113.1020.5963.5320040.652.669.1220.8766.7020141.013.4213.3520.9861.2320050.543.089.3519.6567.3820150.951.7611.1719.3866.7320060.672.419.6118.8868.4420160.852.1812.4122.7261.8520070.652.0610.5018.9867.8220170.762.2113.9821.6961.3620080.712.7710.2917.9468.2920180.622.7114.3819.4962.8120090.733.2311.3620.3464.3420190.803.0115.4818.8561.8520100.841.8610.4520.3166.5320200.782.5916.1319.7960.7120110.803.4611.4021.1963.1520210.642.1413.2619.6764.2935第12期㊀㊀㊀㊀㊀㊀㊀㊀㊀钟子豪,等:福州市中心城区植被覆盖度的时空演变及其驱动因素公式中的t为年际变化时间,单位为a㊂图2㊀福州市中心城区2002—2021年植被覆盖度均值年际变化趋势3.1.2㊀植被覆盖度空间分布及变化特征由2002 2021年福州市中心城区植被覆盖度空间分布(见图3(a))可见:主要表现为北低南高的空间格局;中高㊁高的植被覆盖度,主要位于闽江以南的地区㊁马尾区山区㊁长乐区北部山区;中的植被覆盖度,主要分布在鼓楼区㊁仓山区㊁晋安区,呈面状分布;中低的植被覆盖度,主要分布在仓山区㊁鼓楼区,呈块状分布;低的植被覆盖度,零星分布在闽江沿岸及沙洲㊂由图3(b) (d)可见:城区中部的中低植被覆盖区面积呈现先增加后减少的特征,说45㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第51卷明近年来城区植被状况有一定程度的恢复;中㊁中高的植被覆盖度向闽江以南地区持续扩大,长乐区的东部沿海地区中㊁中高的植被覆盖度范围也在进一步扩大,高的植被覆盖度范围在减少,说明闽江以南和长乐区东部沿海地区的植被遭到破坏㊂由图4㊁表4可见:植被覆盖度变异系数的空间变化范围为0 1.853,均值为0.083,主要以低波动为主,面积占比67.8%,呈面状分布;其它波动程度面积占比较小,占比分别为17.3%㊁8.4%㊁4.6%㊁1.8%㊂表3㊀福州市中心城区2002 2021年植被覆盖度动态变化植被覆盖度(CFV)等级2002年植被覆盖度面积/km2占研究区总面积比例/%2021年植被覆盖度面积/km2占研究区总面积比例/%植被覆盖度变化幅度面积/km2占研究区总面积比例/%0<CFVɤ0.2㊀11.860.61㊀12.340.64㊀0.48㊀0.030.2<CFVɤ0.444.282.2741.592.14-2.69-0.130.4<CFVɤ0.6116.866.00257.4013.26140.547.260.6<CFVɤ0.8314.8816.16381.7319.6766.853.510.8<CFVɤ1.01460.6474.961247.7664.29-212.88-10.67图3㊀福州市中心城区2002 2021年植被覆盖度(CFV)空间分布图4㊀福州市中心城区植被覆盖度空间波动状态表4㊀福州市中心城区植被覆盖度变异系数变化特征植被覆盖度变异系数变化特征面积/km2占研究区总面积比例/%低波动1321.6867.8较低波动337.3717.3中波动164.658.4较高波动90.604.6高波动34.381.83.1.3㊀植被覆盖度变化趋势由表5可见:福州市中心城区2002 2021年各等级植被覆盖度均有转化,转出等级主要为中高㊁高的植被覆盖度,转入等级主要为中高㊁中的植被覆盖度,说明植被覆盖度有所退化㊂对植被覆盖度变化趋势进行显著性检验(见图5㊁表6),保持稳定的区域面积最大(占总区域面积40.9%)㊁极显著增加的区域占总区域面积25.9%㊁显著增加的区域占总区域面积9.1%㊁极显著减少的区域占总区域面积19.2%㊁显著减少的区域占总区域面积4.9%㊂赫斯特指数(IH)范围为0.127 0.904,植被覆盖度呈正向持续性变化(IH>0.5)面积占总区域面积35.5%,反向持续性变化(IHɤ0.5)面积占总区域面积64.5%㊂将赫斯特指数与变化趋势叠加分析(见图6㊁表7)可55第12期㊀㊀㊀㊀㊀㊀㊀㊀㊀钟子豪,等:福州市中心城区植被覆盖度的时空演变及其驱动因素见:植被覆盖度以改善为主,其中未来改善的区域面积占总区域面积43.1%,主要分布在高海拔地区,鼓楼区的植被覆盖度在未来会有一定的改善;持续性改善区域的面积占总区域面积17.5%,零星分布在研究区范围内;退化面积占总区域面积39.4%,其中持续性退化和未来退化的面积占总区域面积分别为18.0%㊁21.4%,主要分布在仓山区㊁长乐区东部㊁上街镇㊁南屿镇㊁南通镇以及闽江南岸和大樟溪沿岸地区㊂表5㊀福州市中心城区2002—2021年植被覆盖度(CFV)变化转移矩阵植被覆盖度(CFV)变化2002年不同等级CFV流出面积/km20<CFVɤ0.20.2<CFVɤ0.40.4<CFVɤ060.6<CFVɤ0.80.8<CFVɤ1.0合计2002年各等级CFV流出面积总计/km22021年不同等级CFV流入面积㊀0<CFVɤ0.25.621.53㊀1.25㊀0.69㊀0.28㊀9.37㊀3.750.2<CFVɤ0.41.326.9328.833.470.7641.3134.380.4<CFVɤ0.60.8313.7358.9233.754.92112.1553.230.6<CFVɤ0.80.2111.4490.06129.0171.41302.13173.120.8<CFVɤ1.0-3.5469.47203.921165.331442.26276.93合计7.9837.17248.53370.841242.701907.192021各等级CFV流入面积总计2.3630.24189.61241.8377.37图5㊀研究区植被覆盖度空间变化格局表6㊀福州市中心城区植被覆盖度面积空间变化特征植被覆盖度空间面积变化特征面积/km2占研究区总面积比例/%极显著改善504.4425.9显著改善176.809.1保持稳定797.784.9显著退化95.144.9极显著退化374.5319.2图6㊀研究区植被覆盖度未来空间变化格局表7㊀福州市中心城区植被覆盖度面积未来空间变化特征植被覆盖度未来面积空间变化特征面积/km2占研究区总面积比例/%持续退化328.8018.0未来退化392.0721.4持续改善321.0117.5未来改善789.5543.13.2㊀福州市中心城区植被覆盖度变化的影响因素3.2.1㊀各影响因素的影响力探测及变化特征通过因素探测器分别探测2002㊁2007㊁2012㊁2017㊁2021年5个年度11个影响因素对福州市中心城区植被覆盖度的影响㊂单因素探测结果,除坡向(2002年和2007年)外,各影响因素对福州市中心城区植被覆盖度空间分布均有显著影响(P<0.05)㊂由表8可见:2002年,植被覆盖度分异决定力(q)最大的影响因素是夜间灯光(为0.473);2007㊁2012㊁2017㊁2021年,q值最大的影响因素均为土地利用类型,分别为0.532㊁0.592㊁0.606㊁0.563㊂坡向对植被覆盖度的分异决定力在各年度均为最低,2002㊁2007㊁2012㊁2017㊁2021年q值,分别为0.003㊁0.008㊁0.018㊁0.021㊁0.025,变化较小且对植被覆盖度的分异决定力处在较弱水平㊂说明人类活动因素比自然因素的影响大,人类活动对植被覆盖度的空间分布产生主要影响㊂2002 2021年,地貌㊁坡向㊁GDP密度㊁人口密度,对植被覆盖度空间分异的影响均呈逐年增加趋势;其中高程㊁坡度㊁植被类型㊁夜间灯光㊁土地利用类型的q值,呈现先增后减的特征;年降水量㊁年均温呈现波动变化的特征㊂3.2.2㊀各影响因素协同作用的探测为了分析任意2个影响因素协同作用后对区域内植被覆盖度空间分布的影响程度,利用交互探测器探测驱动因素之间影响植被覆盖度变化的相互关系(见表9)㊂研究结果表明:2002年的非线性增强作用最多,坡向与其它影响因素均为非线性增强;2002 2021年5个时期的地貌与坡向的协同作用㊁坡向与GDP密度的协同作用,均为非线性增强;各影响因素对植被覆盖度的影响存在协同作用,影响因素之间协同作用呈现双因素增强和非线性增强关65㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第51卷系,不存在相互独立起作用的影响因素㊂表8㊀5个年度11个影响因素单因素对福州市中心城区植被覆盖度影响的探测结果年份各影响因素的植被覆盖度分异决定力(q)地貌类型高程坡度坡向植被类型夜间灯光GDP密度年降水量年均温人口密度土地利用类型20020.083∗0.243∗0.215∗0.0030.213∗0.473∗0.178∗0.087∗0.167∗0.236∗0.456∗20070.121∗0.349∗0.325∗0.0080.310∗0.471∗0.164∗0.159∗0.367∗0.240∗0.532∗20120.129∗0.442∗0.406∗0.018∗0.347∗0.496∗0.269∗0.125∗0.484∗0.296∗0.592∗20170.161∗0.483∗0.447∗0.021∗0.372∗0.461∗0.262∗0.485∗0.163∗0.288∗0.606∗20210.166∗0.456∗0.441∗0.025∗0.370∗0.463∗0.281∗0.149∗0.385∗0.418∗0.563∗㊀㊀注:∗表示影响显著(P<0.05)㊂㊀㊀交互探测结果(见表9)表明:各影响因素间有显著的协同作用,主要表现为双因素增强关系㊂2002 2021年5个时期,土地利用类型与夜间灯光协同作用的q值均为最大,分别为0.620㊁0.657㊁0.695㊁0.672㊁0.653,总体上呈现逐年增加的趋势,说明这与城镇化进程进一步提高有关㊂2002㊁2007㊁2017年,地貌与坡向协同作用的q值最小,分别为0.099㊁0.140㊁0.184;2012㊁2021年,坡向与降水协同的q值最小,分别为0.151㊁0.170㊂因此,土地利用类型和夜间灯光是影响植被覆盖度空间变化的主导驱动因素㊂表9㊀2002—2021年各个影响因素的协同作用对福州市中心城区植被覆盖度影响的探测结果年份影响因素各影响因素协同作用对植被覆盖度的分异决定力(q)地貌类型高程坡度坡向植被类型夜间灯光GDP密度年降水量年均温人口密度2002高程0.295坡度0.2820.278坡向0.099∗0.249∗0.239∗植被类型0.2440.2890.2780.221∗夜间灯光0.5050.5390.5570.497∗0.520GDP密度0.276∗0.438∗0.430∗0.194∗0.3870.488年降水量0.1510.347∗0.349∗0.103∗0.3000.5190.309∗年均温0.2100.2500.2610.173∗0.2550.5080.371∗0.236人口密度0.3060.3750.3580.260∗0.3510.5030.3570.349∗0.330土地利用类型0.5050.4810.4700.481∗0.4830.6200.5590.5330.4740.5152007高程0.408坡度0.4010.407坡向0.140∗0.3550.348∗植被类型0.3490.4160.4110.319∗夜间灯光0.5160.5860.6020.492∗0.552GDP密度0.298∗0.5060.496∗0.183∗0.4470.490年降水量0.2220.4160.4410.173∗0.3790.5600.371∗年均温0.4320.4310.4350.383∗0.4260.5600.5110.462人口密度0.3380.4480.4370.262∗0.4230.5030.3380.401∗0.448土地利用类型0.5830.5610.5460.553∗0.5670.6570.6080.5960.5780.5712012高程0.499坡度0.4770.511坡向0.157∗0.4500.424植被类型0.3850.5070.4900.359夜间灯光0.5280.6330.6390.5140.567GDP密度0.3270.5560.5390.296∗0.4600.543年降水量0.2190.4910.4860.151∗0.3960.5640.368年均温0.5280.5270.5340.4950.5210.6180.5670.543人口密度0.3760.5410.5270.322∗0.4770.5460.4070.4090.561土地利用类型0.6240.6260.6070.6030.6200.6950.6500.6270.6440.6262017高程0.539坡度0.5200.559坡向0.184∗0.4890.460植被类型0.4210.5480.5340.381夜间灯光0.5050.5970.6090.4730.536GDP密度0.3450.5830.5600.286∗0.4720.518年降水量0.5330.5660.5710.4950.5300.5610.554年均温0.2760.5160.5460.190∗0.4340.5470.4090.558人口密度0.3900.5640.5470.321∗0.4860.5290.4070.5450.445土地利用类型0.6420.6480.6290.6140.6410.6720.6660.6630.6350.64175第12期㊀㊀㊀㊀㊀㊀㊀㊀㊀钟子豪,等:福州市中心城区植被覆盖度的时空演变及其驱动因素续(表9)年份影响因素各影响因素协同作用对植被覆盖度的分异决定力(q)地貌类型高程坡度坡向植被类型夜间灯光GDP密度年降水量年均温人口密度2021高程0.532坡度0.5280.542坡向0.200∗0.4640.457植被类型0.4360.5280.5340.379夜间灯光0.5280.6000.6110.4760.546GDP密度0.3580.5790.5760.310∗0.4910.544年降水量0.2670.4810.5020.1700.4160.5030.386年均温0.4610.4860.5320.3920.4880.5350.5230.409人口密度0.5090.5850.5760.4420.5380.5730.5040.4970.554土地利用类型0.6150.6070.5940.5720.6110.6530.6460.5840.5990.627㊀㊀注:∗表示非线性增强,其余均为双因素增强㊂4 讨论与结论自然因素和人类活动等因素协同作用,对区域内植被覆盖度产生重要的影响㊂本研究表明,从时间变化方面,2002 2021年福州市中心城区植被覆盖度整体呈下降趋势,但2014 2021年表现为波动上升的特征,而福州市中心城区中低的植被覆盖度先增后减㊂福州市政府通过 旧城改造 和 新城建设 等相关政策,2014年福州启动中心城区工厂搬迁改造工作,减缓了福州市中心城区植被覆盖度的恶化趋势[30];在空间方面,西部㊁南部㊁北部山区的植被覆盖度较高,而城区中部的仓山区㊁长乐区东部㊁闽侯县上街镇㊁南屿镇沿江地带㊁南通镇沿江地带的植被覆盖度变低,在推进城市化建设的同时,应结合旧城改造,减少对绿地的占用㊂新世纪初期,福州提出了 东扩南进西拓 的城市发展战略[31],是导致闽江南岸和长乐区植被覆盖度降低的原因[32]㊂本研究表明,2002 2021年对各年份植被覆盖度探测,影响植被覆盖度的主导因素均为人类活动因素,其中土地利用类型㊁夜间灯光对植被覆盖度的影响力均排名靠前,说明人类活动是影响城市植被覆盖度的直接因素[33-34]㊂由此可见,土地利用类型是引起城市区域植被覆盖度空间分异的主要驱动力㊂驱动因素q值在时间上也发生了变化,各驱动因素对福州市植被覆盖度的影响越来越大,而坡向对于植被覆盖度的影响力始终最低,其分异决定力不足3%㊂各影响因素之间的协同作用会增强影响力,其中土地利用类型与夜间灯光的协同作用对植被覆盖度空间分异的影响力均为最大,且呈增加趋势,与近年来福州快速推进城市化有关㊂本研究利用遥感影像㊁自然因素㊁社会经济数据等,运用趋势分析法㊁变异系数㊁赫斯特(Hurst)指数对福州市中心城区植被覆盖度的时空演变特征进行了分析,并通过地理探测器对影响其时空分异的因素进行探究,定量化分析了多因素之间的协同作用对植被覆盖度空间分异的贡献率㊂结果表明:(1)2002 2021年,福州市中心城区植被覆盖度整体良好,虽呈现总体下降趋势,但2014 2021年呈现波动微增;空间分布上,研究区内植被覆盖度总体呈现北低南高的分布格局,高㊁中高的植被覆盖度主要分布在闽江以南;低㊁中低㊁高的植被覆盖度面积占比减少,中㊁中高的植被覆盖度面积占比呈现增加的特征;变异系数均值为0.083,波动较小并以低波动为主;2002 2021年植被覆盖度变化趋势以保持稳定的区域为主,植被覆盖度的赫斯特指数以反向持续性变化占比最大,未来变化趋势则以未来改善的区域为主㊂(2)土地利用类型和夜间灯光对植被覆盖度空间分布的影响最大,其中2002年q值最大的是夜间灯光㊁2007 2021年q值最大的是土地利用类型;自然因素中高程的影响力最强㊁坡向的影响力最弱,表明土地利用类型是影响福州市中心城区植被覆盖度的主导因素㊂(3)福州市中心城区植被覆盖度的空间分布由多种因素协同作用,各因素对植被覆盖度空间分布的影响存在协同作用,主要呈现双因素增强和非线性增强关系㊂协同作用影响力最强的是土地利用类型与夜间灯光的协同作用;2002㊁2007㊁2017年的协同作用最弱的是地貌与坡向的协同作用,2012㊁2021年协同作用最弱的是坡向与降水的协同作用㊂(4)引起区域植被覆盖度演变的原因是复杂多样的,其中极端天气条件㊁城市化进程㊁能源结构调整㊁农业结构调整㊁生态治理程度等,都会对区域植被覆盖度的变化产生重要影响,同时也会引起气候环境变化㊂未来还需考虑极端天气对植被生长的影响,同时结合人口与城市化㊁能源消费㊁生态保护措施㊁政策因素等进行多因素耦合研究,继续深入探究人类活动和气候变化对植被变化的影响机制,为福85㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第51卷州市中心城区高质量发展及生态文明建设提供决策参考㊂本研究表明,福州市中心城区植被覆盖度的时空变化以及各影响因素对其影响均具有显著的差异,在优化和提升福州市中心城区植被覆盖度方面,需趋利避害,精准制定复绿提升策略㊂福州市中心城区河网密布,应积极开展河道清淤工作,改善滨水绿地的周边生态环境状况,以提高滨水绿地的植被覆盖度㊂福州市中心城区存在部分老旧小区,应对该类小区进行环境整治和改造,对于其中的违建应进行清理拆除复绿,利用好街头巷尾的空地,加强社区的口袋公园绿地的建设和完善,以提升植被覆盖度㊂对中心城区的植被种植层次进一步优化调整,使其结构合理,加强中心城区植物的养护管理,以保持良好的生长状态㊂综合通过以上措施,以期为未来福州市中心城区植被覆盖状况得到进一步改善和提升㊂参㊀考㊀文㊀献[1]㊀TANGL,HEMZ,LIXR.VerificationoffractionalvegetationcoverageandNDVIofdesertvegetationviaUAVRStechnology[J].RemoteSensing,2020,12(11).doi:10.3390/rs12111742.[2]㊀YANK,GAOS,CHIHJ,etal.Evaluationofthevegetation⁃in⁃dex⁃baseddimidiatepixelmodelforfractionalvegetationcoveresti⁃mation[J].IEEETransactionsonGeoscienceandRemoteSens⁃ing,2021,60.doi:10.1109/TGRS.2020.3048493.[3]㊀马小红,林菲,原黎明,等.2000 2020年汾河流域植被覆盖度变化及其对生态工程的响应[J].中国沙漠,2023,43(3):86-95.[4]㊀SHISH,WANGXL,HUZR,etal.Geographicdetector-basedquantitativeassessmentenhancesattributionanalysisofclimateandtopographyfactorstovegetationvariationforspatialheterogeneityandcoupling[J].GlobalEcologyandConservation,2023,42.doi:10.1016/j.gecco.2023.e02398.[5]㊀IIZUKAK,KATOT,SILSIGIAS,etal.Estimatingandexami⁃ningthesensitivityofdifferentvegetationindicestofractionsofvegetationcoveratdifferentscalinggridsforearlyStageAcaciaplantationforestsusingafixed⁃wingUAS[J].RemoteSensing,2019,11(15).doi:10.3390/rs11151816.[6]㊀BOELMANNT,STIEGLITZM,GRIFFINKL,etal.Inter⁃annu⁃alvariabilityofNDVIinresponsetolong⁃termwarmingandfertili⁃zationinwetsedgeandtussocktundra[J].Oecologia,2005,143(4):588-597.[7]㊀BALDIG,NOSETTOMD,ARAG NR,etal.Long⁃termsatel⁃liteNDVIdatasets:EvaluatingtheirabilitytodetectecosystemfunctionalchangesinSouthAmerica[J].Sensors,2008,8(9):5397-5425.[8]㊀MAMATTURSUNA,YANGH,ABLIKIMK,etal.Spatiotempo⁃ralEvolutionandDrivingForcesofVegetationCoverintheUrumqiriverbasin[J].InternationalJournalofEnvironmentalResearchandPublicHealth,2022,19(22).doi:10.3390/ijerph192215323.[9]㊀朱林富,谢世友,杨华,等.基于MODIS-EVI的2000 2015年重庆植被覆盖季节变化[J].长江流域资源与环境,2017,26(12):2146-2155.[10]㊀郑杰,冯文兰,牛晓俊,等.四川省植被变化及其与气象因子的相关性分析[J].水土保持通报,2016,36(2):99-104,349-350.[11]㊀李楠,韩金锋,阳维宗,等.2000 2019年若尔盖高原植被生长季NDVI时空变化特征研究[J].西南林业大学学报(自然科学),2021,41(1):133-139.[12]㊀彭凯锋,蒋卫国,侯鹏,等.三江源国家公园植被时空变化及其影响因子[J].生态学杂志,2020,39(10):3388-3396.[13]㊀张斯琦,陈辉,宋明华,等.2000 2015年柴达木盆地植被覆盖度时空变化及其与环境因子的关系[J].干旱区地理,2019,42(5):1124-1132.[14]㊀杨少康,刘冀,魏榕,等.长江上游流域生长季植被覆盖度时空变化特征及其成因[J].长江流域资源与环境,2022,31(7):1523-1533.[15]㊀张亮,丁明军,张华敏,等.1982 2015年长江流域植被覆盖度时空变化分析[J].自然资源学报,2018,33(12):2084-2097.[16]㊀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.[17]㊀吴跃,周忠发,赵馨,等.基于遥感计算云平台高原山区植被覆盖时空演变研究:以贵州省为例[J].中国岩溶,2020,39(2):196-205.[18]㊀王建,赵牡丹,李健波,等.基于MODIS时序数据的秦巴山区生态环境质量动态监测及驱动力分析[J].山地学报,2021,39(6):830-841.[19]㊀何钊全,尚雪,张铜会,等.基于GIS耦合地理探测器模型的陕北红枣生态适宜性区划与驱动机理分析[J].灌溉排水学报,2022,41(12):97-106.[20]㊀高倩倩,陈灿,刘贺娜,等.闽江流域植被覆盖度时空变化及地形分异特征[J].林业资源管理,2022(2):91-99.[21]㊀沈中健,曾坚,梁晨.闽南三市绿地景观格局与地表温度的空间关系[J].生态学杂志,2020,39(4):1309-1317.[22]㊀WUYZ,SHIKF,CHENZQ,etal.Developingimprovedtime⁃seriesDMSP-OLS-Likedata(1992 2019)inChinabyintegratingDMSP-OLSandSNPP-VIIRS[J].IEEETransac⁃tionsonGeoscienceandRemoteSensing,2022,60.doi:10.1109/TGRS.2021.3135333.[23]㊀YANGJ,HUANGX.The30mannuallandcoverdatasetanditsdynamicsinChinafrom1990to2019[J].EarthSystemScienceData,2021,13(8):3907-3925.[24]㊀张朔川,汤军,高贤君.秦皇岛市2001 2020年植被覆盖动态变化及预测[J].科学技术与工程,2021,21(31):13254-13261.[25]㊀马梓策,于红博,曹聪明,等.中国植被覆盖度时空特征及其影响因素分析[J].长江流域资源与环境,2020,29(6):1310-1321.[26]㊀WUXF,HUANGX.Screeningofurbanenvironmentalvulnera⁃bilityindicatorsbasedoncoefficientofvariationandanti⁃imagecorrelationmatrixmethod[J].EcologicalIndicators,2023,150.doi:10.1016/j.ecolind.2023.110196.[27]㊀宋梦来,陈海涛,丁晗,等.1990 2020年天津市植被覆盖度时空演变特征及影响因素分析[J].水土保持研究,2023,30(1):154-163.[28]㊀HURSTHE.Theproblemoflong-termstorageinreservoirs[J].InternationalAssociationofScientificHydrologyBulletin,1956,1(3):13-27.[29]㊀李杰,张军,刘陈立,等.基于MODIS-NDVI的云南怒江流域植被覆盖时空变化特征研究[J].林业资源管理,2018(4):90-99.[30]㊀施智勇,胡晓婷,谢慧黎,等.基于RSEI的生态环境质量评价及驱动力分析:以闽江流域(福州段)为例[J].测绘通报,2023(2):28-33.[31]㊀欧惠,戴文远,黄万里,等.盆地型城市建设用地扩展与空间形态演变:以福州市中心城区为例[J].地域研究与开发,2020,39(3):70-75.[32]㊀吴小琼.城乡融合试验区政策执行路径研究:以福州东部片区试验区为例[J].福建建筑,2022(12):16-19.[33]㊀崔囤月,王世东,张学军.1991 2021年雄安新区土地利用与植被覆盖变化遥感研究[J/OL].自然资源遥感.https://kns.cnki.net/kcms/detail/10.1759.P.20230403.1103.002.html1-13.[34]㊀赵胜楠,王宇,乔旭宁.1987 2021年淮河流域植被覆盖度时空变化与驱动因素分析[J].农业机械学报.https://kns.cnki.net/kcms/detail//11.1964.s.20230221.1426.016.html.95第12期㊀㊀㊀㊀㊀㊀㊀㊀㊀钟子豪,等:福州市中心城区植被覆盖度的时空演变及其驱动因素。
- 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)。
同一地区使用两种方法,可将得出的结果进行对比分析,最终将使用拟合效果好、针对性强的方法所得结果。
2.2地表覆盖分类
提取MODIS植被指数,利用决策树将地物由主到次,由复杂到简单,逐级分解为均质的子集,进而得出地表覆盖类型为农作物的区域。
2.3得出复种指数
2.4复种指数时空变化特征分析
选取样区,绘制2000-2012年复种指数时间序列,分析其变化特性,利用最小二乘拟合法,预测未来几年江西省复种指数变化趋势。
3.本课题创新点、理论意义和应用价值
3.1本课题创新点
利用matlab数学分析软件,结合地理处理软件arcgis,可在Visual C#环境下对matlab所写程序进行编译,即matlab与C#混合编程,可使程序执行效率更高。利用arcgis对遥感影像进行处理,可有效避免数据的破坏。集成复合环境提取复种指数,使得研究在处理方式上更有力。本课题所采用两种拟合方法可找出对单个研究区更可行的研究方法,从而使研究结果更科学、更可靠。同时这一处理结果可为农业部门、粮食部门和环境部门提供决策性支持。
本研究着力从时空特性的变化方面分析江西省耕地复种指数,时空特征分析是地理学分析地理事物规律的有效手段。获得江西省2000-2012年的MODIS影像,利用matlab数学软件和Visual C#读取影像并提取象元值,根据植被指数特征进行土地覆盖分类,提取覆盖类型为农作物的象元,得到江西省农作物覆盖图。采用Savitzky-Golay滤波算法和小波滤波分析法,对覆盖类型为农作物的区域提取复种指数,并分析其时空变化特征,为江西省的相关政策的制订提供参考。
按照当前江西省的种植作物,大致可以分为二熟制、三熟制。单个象元复种指数为平滑的时间序列植被指数曲线波峰数。
选取合适的拟合方法,设定一个植被指数阈值,对得到的农作物区域平滑滤波处理。阈值的选取根据经验法一般设为0.33。对拟合的时间序列散点进行两次差分运算,正值赋1,负值赋-1,差分结果为-2的点后一点为波峰,值为-2点的个数即为单个象元的复种指数。将所有象元的复种指数累加除以象元数即得区域复种指数。
杨晨曾参加“全国大学生数学建模比赛”,对数学拟合和优化有很坚实的理论基础,而且作为地理科学的学生对复种指数等有深刻的理解,熟悉C++和MatLab等编程环境。
郭秋蓉和李宁曾多次参加自然地理野外实习,对专业知识有很好的理论基础。二人均具有较强的文档撰写能力。
3、时间保证(拟定如下安排):
本课题组成员都是全日制学生,且均已是高年级学生,有充足的时间进行这方面的分析研究。现做如下安排:
2013年1月-2月,完成植被指数遥感影像的下载;
2013年3月-5月,完成影像的处理和matlab程序的设计;
2013年6月,完成复种指数的提取,完成课题。
4、基本素质和资料设备
指导老师丁老师多次参加国家级项目,积累了丰富的实践经验和技术实力,尤其是在复种指数的提取方面更具有专业素养。
小组成员均具有扎实的理论知识,在编程能力和数据处理等技术方面也有较强的功底。
2.本课题研究的主要思路和基本观点:
2.1MODIS遥感影像的获取及处理
本课题是以一年24时相的MODIS数据作为数据基础。MODIS全称是中分辨率成像光谱仪(MODerate-resolution Imaging Spectroradiometer),是Terra和Aqua卫星上搭载的主要传感器之一,两颗星相互配合每1-2天可重复观测整个地球表面,得到36个波段的观测数据。我们需要的是MOD13A1的植被指数产品,该产品是Terra平台的16天合成250米分辨率。可满足我们小区域研究的需要。可在MODIS官网上下载该产品。
本课题和农业、粮食部门结合紧密,直接服务于农民生产、国计民生。所得结果可对未来粮食生产潜力进行预测,亦可作为国家宏观调控的理论依据。
4.本课题研究基础和参考文献
4.1研究基础
项目依托单位江西师范大学地理与环境学院及鄱阳湖流域资源与环境教育部重点实验室,实验室拥有电脑、扫描仪、差分定位仪、GPS等硬件设备和地理信息系统、遥感等软件设备,并且实验室有着实例雄厚的专家学者团队,为本项目的开展提供了一个良好的基础平台。
1.本课题的研究现状,选题的意义
耕地是人类赖以生存的基本条件和粮食来源,其利用合理与否直接关系到粮食安全以及生态系统的稳定性。进入20世纪以来,人类对土地的不合理利用不断加剧,开垦森林、城市化进程的加快、人口的不断增长等对生态系统以及粮食的稳定造成了极大的影响,因而,耕地利用和粮食问题成为备受人们关注的问题。
江西师范大学大学生学术课题申报书
课题名称:近十年江西省复种指数的时空变化特征分析
申报单位:地理与环境学院
申报者姓名:侯海艳、杨晨、郭秋蓉、李宁
指导老师姓名:丁明军
类别:
■自然科学类学术论文
□哲学社会科学类社会调查报告和学术论文
□新技术、新产品、新工艺的研究和制作类
说明:
1、申报者应在认真阅读此说明各项内容后按要求详细填写。
使拟合数据和实际数据的误差平方和最小,最终可得公式:
可根据此公式对植被指数进行拟合。
2.1.2小波滤波分析法
小波分析是源于傅里叶变换的一种新的分析方法,可以同时在频域和时域均具有良好的局部化性质。
小波变换是把一个信号的不同频率成分分解到互补重叠的频带上而构成一系列的函数,其基本原理是由具有在有限的区域内迅速衰减到0的母小波(MotherWavelet)ψ(t )经过伸缩、平移后生成的一组正交基。这个小波函数数学模型可以表示为:
在有限的耕地资源和环境条件下,如何提高单位土地面积上的农作物年产量成为近些年来人们热切关注的问题。
复种,亦可叫多熟,即在同一块土地上一年连续种植超过一熟作物或套种,是提高粮食增产的直接且行之有效的方法,复种是一种集约化程度较高的种植方式,是我国重要的种植制度。评价复种程度的一个重要指标是复种指数,复种指数是指一年内农作物总播种面积与耕地面积之比,是衡量耕地资源集约化利用程度的基础性指标,也是评价耕地资源利用基本状况的重要技术指标。江西省是我国水稻种植大省,通过提取耕地的复种指数,分析近10年复种指数时空变化特征,可以及时准确地掌握农作物的面积和长势,预测未来粮食发展趋势,并进行产量估算,对农业政策的制定、粮食价格的调控及粮食安全有着重要的意义。
研究特长及课题分工
侯海艳
男
22
10级地理信息系统班
擅长编程,程序设计
杨晨
男
20
10级地理科学班2班
数据处理,数学分析
郭秋蓉
女
21
10级地理科学1班
文档撰写、区域划分
李宁
女
21
10级地理科学1班
文档撰写、区域划分
二、课题设计论证
1、选题:本课题研究现状,选题的意义;2、内容:本课题研究的主要思路(包括视角、方法、途径、目的)和主要观点;3、预期价值:本课题创新点、理论意义和应用价值;4、研究基础:本课题已有研究基础,主要参考文献(限填10项以内)。(请分4部分逐项填写,限2000字内)
鄱阳湖湿地与流域研究教育部重点实验室给我们提供了一个广阔坚实的平台,给我们的研究提供了基础保证。
四、研究计划
主要研究阶段及阶段性研究目标
主要研究阶段
完成时间
课题组成员分工
阶段成果形式
第一阶段
2013年1月
杨晨负责
影像
第二阶段
2013年2月
全体组员
样区划分表单
第三阶段
2013年3月
杨晨
处理好的影像
第四阶段
3.2意义和预期价值:
近年来的部分地区耕地荒芜,农民种地积极性不高,农作物熟制减少,通过提取耕地的复种指数,可在时间尺度上对比分析耕地的利用程度,预测未来粮食生产潜力,有利于提高农民对土地的利用程度,中国的耕地资源相对较少,单位面积的土地通过提高复种指数可有效提高粮食产量,结合预测模型,适当投入耕地生产成本。
迄今为止,国内外研究者针对遥感时间序列数据滤波重建相继开展了不少研究。根据前人研究的经验结合样区实际情况我们选取Savitzky-Golay滤波算法和小波滤波分析法对样区影像进行平滑滤波处理。分述如下:
2.1.1Savitzky-Golay滤波算法
S-G滤波算法基于两点假设,(1)、时间序列植被指数要能反应植被季节生长变化和生长态势;(2)、云以及其它天气会降低NDVI的象元值,例如,对于同一象元,某一时间的植被指数值相对于相邻时间的植被指数值出现突降,这些明显不符合植被生长规律。因此应当将其视为噪声剔除。算法:设一组数据为x(i) , i的取值为 2m + 1个连续的整值, 即 i= - m,…, 0,…, m 。现 构 造 一 个 n 阶 多 项 式( n≤2m + 1 )来拟合这一组数据.
2、表内项目填写时一律用钢笔或打印,字迹要端正、清楚,此申报书可复制。
3、作品申报书须按要求由学院团委统一报送。
一、课题研究人员基本情况
负责人姓名
侯海艳
性别
男
民族
汉
年龄
22
所在学院班级
地理与环境学院地理信息系统班
联系电话
18770078939
课题组成员基本情况(不超过5人)
姓名
性别
年龄
所在学院及班级
2.小组成员
我们小组成员是分别是地理信息系统和地理科学专业的大三学生。侯海艳和杨晨均多次参加省级、校级、院级的一些项目和比赛。
侯海艳曾参加“江西省土壤侵蚀检测系统”的开发,2012年暑期参加了学校数学建模培训,多次参与老师课题研究,不仅熟练掌握C#、MatLab和ArcGis编程和应用环境,而且有很好的数学建模功底。
下载的MODIS数据需要经过预处理才能使用,预处理主要是对其进行几何校正,有三种方法,1、用Envi自带模块处理;2、用GLT,即是查找表法对图像进行几何校正;3、用IDL进行批处理。我们使用IDL进行批处理,以便处理大量数据。