植被覆盖（精选10篇）
植被覆盖 篇1
1 研究意义
坡面流是水力学的重要研究分支之一,目前水力学研究的大多为河道水力学,或者是以水槽实验为基础的河道水力学,对于坡面流而言,由于坡面流水层浅,水力学特征参数不仅与水流有关,而且与下垫面情况关系紧密[1],且坡面流是坡面侵蚀的主要动力,它的流动边界条件较明渠水流要复杂许多,另外还受雨滴滴溅作用影响明显,因此与普通明渠水流相比,坡面流具有一些特殊性[2]。姚文艺等提出,坡面流水动力学特性主要取决于降雨强度和降雨历时、植被覆盖度和植被类型、坡面随机糙率、坡面坡度和长度以及边界稳定等问题[3]。
本文的目的是研究植被覆盖下的坡面流水力学特征,特别是阻力特征,并比较柔性植被和刚性植被对阻力影响的不同之处。因为坡面流水深往往比较小,而床面坡度一般都比较大,并且其流动特性较一般的明渠水流运动受边界条件的影响又相对敏感得多[4],所以坡面流阻力规律与一般的明渠水流阻力规律可能会有非常大的不同。如果植被的存在能使水流产生较大扰动,从而耗散较大的水流能量,增加水流阻力,那么会对控制流域非点源污染和水土流失措施的选择方面起到指导作用。
2 实验设计与方法
2.1 实验装置
本实验在四川大学水力学国家重点实验室的水槽中进行,水槽长6 m,宽0.5 m,水槽坡度分别可调整为5°,10°,15°。水流从水槽的顶部进入水槽,流量控制在0.1 ～3.0 L/s,使水流流态在层流到紊流间变化,每组实验测量6组不同的流量。
植被模拟:柔性植被用5 mm宽,80 mm高,1 mm厚的PVC塑料薄膜来模拟,横向间距为5 mm,塑料薄膜的底端靠坡面一端固定在坡面上,顶端则不被固定,可以随水流自由晃动;刚性植被需将塑料薄膜顶端固定在之前安装好的铁丝上,使其在坡面来水时不被冲倒。植被分布:塑料薄膜的纵向分布密度分别为14排/m、11排/m、7排/m,相应的植被覆盖度分别为50%、37.5%、25%。实验装置如图1。
2.2 实验原理
测量流速:采用染色剂测流速法,在距离水槽收缩出水口1 m处,滴入染色剂的同时计时,当染色水流的前锋到达收缩段时停止计时。同一个流量下测量8组相应流速。测量流量:在测流速的同时用水桶在水槽V型出口处接水,然后称重,从而计算相应流速的流量。
实验开始前,调节水槽坡度和流量使其稳定。用上面方法测得的流速为水流表面流速(Vb),即为测定长度除以时间,在固定的覆盖率、坡度、流量组合下, 重复测定8次,去掉最大值、最小值后取平均值。染色剂法测定的流速需根据流态进行修正,本研究采用的修订值分别为: 0. 67(层流) ,0. 7(过渡流),0.8(紊流)。
Darcy&Weisbach 阻力系数(f)为无量纲因子,而且可以应用到不同流态的水流,因此本研究采用f来衡量水流运动过程中受到的阻力。在本实验中,因为坡面薄层水流为宽浅水流,可用平均水深近似代替水力半径R。
式中:R为水力半径,m;θ为坡度,(°) ;V为水流平均速度,m/s;h为坡面平均水深,m ;Vb为水流表面流速,m/s;α为修正系数;g为重力加速度,m/s2;b为水槽宽,m;v为运动黏滞系数,m2/s;Q为流量,L/s。
本实验采用了3个坡度:5°,10°,15°;流量: 0.1～3 L/ s;3种覆盖率:25%,37.5%,50%。
3 实验结果与分析
3.1 坡面阻力系数和单宽流量的关系分析
(1)柔性植被覆盖。
曹颖、张光辉通过地表模拟覆盖率实验认为在同坡度同覆盖率组合下,不同流量下的阻力系数相差较小, 这说明流量对阻力系数的影响较小[5]。
图2、图3、图4给出了柔性植被覆盖的不同坡度下坡面阻力系数和单宽流量的关系,通过比较可以看到坡面阻力系数随单宽流量增大均变化不大。5°坡面在3种覆盖度下阻力系数主要集中在0～0.2;10°坡面阻力系数主要集中在0～0.1;15°坡面阻力系数主要集中在0.05～0.15。柔性植被覆盖下的坡面阻力系数和单宽流量的关系符合曹颖、张光辉的结论。
(2)刚性植被覆盖。
图2、图3、图4同时给出了刚性植被覆盖的不同坡度下坡面阻力系数和单宽流量的关系,观察可知它们呈现明显的正向幂函数关系,且刚性植被覆盖的坡面阻力系数在同等其他条件下要大于柔性植被覆盖的坡面阻力系数。单宽流量较小时,刚性植被覆盖的和柔性植被覆盖的坡面阻力系数相差不大。
3.2 坡面阻力系数和坡度的关系分析
(1)柔性植被覆盖。
张光辉在坡面薄层水流水槽实验中得到在不同坡度情况下随着坡度的增大,阻力系数也随着增大,这种趋势在小流量时更明显[6]。而在我们的实验中,坡面水槽上的PVC塑料薄膜模拟了柔性植被和刚性植被覆盖的情况,区别于张光辉实验中水槽底部的平滑塑料板,实验结果自然有所差异。
图5、图6、图7给出了柔性植被覆盖的不同坡度下坡面流阻力系数和坡面流量的变化关系,通过比较可以看出随着坡度的增大,坡面流阻力系数是减小的,并且随着坡面流量的增大这种减小的趋势更加明显。表1给出了不同坡度下柔性植被50%覆盖度时坡面流阻力系数f随坡面流量的变化关系。
(2)刚性植被覆盖。
图8、图9、图10给出了刚性植被覆盖的不同坡度下坡面流阻力系数和坡面流量的变化关系,通过观察可以发现它们之间的关系和柔性植被覆盖的坡面具有一致性,但在刚性植被覆盖的坡面上还有其他更显著的特征:10°坡面和15°坡面上的坡面流阻力系数曲线非常接近,这说明当坡度大于10°时,坡度对坡面流阻力系数的影响就比较小了,这点与曹颖、张光辉通过地表模拟覆盖率实验得到的同流量同覆盖率组合下不同坡度的阻力系数大小接近的结论相似[5]。
3.3 坡面阻力系数和雷诺数的关系分析
(1)柔性植被覆盖。
王文龙、雷阿林认为黄土丘陵区坡面薄层水流基本上处于过渡流和紊流的范畴,阻力系数是雷诺数的减函数,它随雷诺数的增大有减小的趋势,同时在不同坡度和雨强条件下,递减的速率亦有差异[7]。
图11、图12、图13给出了不同坡度不同植被覆盖度下坡面流阻力系数和雷诺数的双对数关系图,可以看出当坡面为柔性植被覆盖时,15°坡面的3种覆盖度和10°坡面25%覆盖度下阻力系数和雷诺数呈现负相关关系,符合王文龙、雷阿林的结论,并且覆盖度越小,负相关关系越显著。这说明大坡度小覆盖度下的坡面流阻力系数和雷诺数的关系与丘陵区坡面薄层水流更接近。
(2)刚性植被覆盖。
图11、图12、图13同时给出了刚性植被覆盖下坡面流阻力系数和雷诺数的双对数关系,可以看出由于刚性植被的覆盖改变了水流的物理流态,坡面流阻力系数和雷诺数不是负相关关系,相反呈现一定的正比关系,并且覆盖度越大,正相关关系越显著。
3.4 坡面阻力系数和植被覆盖度的关系分析
(1)柔性植被覆盖。
从图2、图3、图4中可以看出当坡面为柔性植被覆盖时,5°坡面和10°坡面下覆盖度对坡面流阻力系数影响不大,15°坡面下覆盖度越小,坡面流阻力系数和坡面流量的负相关关系越明显,即15°坡面相同的流量下,覆盖度越大坡面流阻力系数也越大。
张光辉在坡面薄层水流水槽实验中得到坡面流阻力系数总是随着坡面流量的增大呈幂函数形式减小的结论[6]。而在图2中可以从整体上看出只有当坡度为15°,柔性植被覆盖下且植被覆盖度为25%和37.5%的情况下坡面流阻力系数才随着单宽流量的增大而呈幂函数形式减小;当覆盖度为50%时坡面流阻力系数基本不随单宽流量的变化而变化,相关关系呈现一条平行于坐标轴的直线,实验结果见图5、图6、图7中15°趋势线。这一现象说明柔性植被覆盖的大坡度小覆盖率下的实验结果和张光辉的无植被覆盖的坡面薄层水流水槽实验结果相似。表2给出了15°柔性植被覆盖坡面不同覆盖度下坡面流阻力系数f随坡面流量的变化关系。
(2)刚性植被覆盖。
从图2、图3、图4中也可以看出同样的流量变化下当坡面为刚性植被覆盖时,坡面流阻力系数随着坡面植被覆盖度的增加而增加,但小流量时不同的植被覆盖度对坡面流阻力系数影响较小。
4 实验结论
本文采用变坡水槽, 在流量0.1～3.0 L/ s、坡度5°～ 15°、模拟植被覆盖度25%～ 50%时,对柔性植被和刚性植被覆盖下的坡面流阻力规律进行了深入探讨,有助于认识坡面流阻力特征与一般明渠水流阻力的差别。研究结果表明:柔性植被覆盖下的坡面流阻力系数随单宽流量变化不显著,但随着坡度的增大,阻力系数是减小的,大坡度小覆盖度下的坡面流阻力系数和雷诺数呈现负相关关系,同时植被覆盖度越大坡面流阻力系数也越大。而刚性植被覆盖下的坡面流阻力系数和单宽流量呈现良好的正向幂函数关系,同雷诺数、植被覆盖度也都有明显的正比关系,同坡度的变化关系和柔性植被覆盖相似,并且刚性植被覆盖下的阻力系数在同等其他条件下明显大于柔性植被覆盖下的阻力系数。
综上,为了减小坡面水力侵蚀、减小水流速度、增加坡面水流阻力系数,建议在控制非点源污染和减小坡面水土流失的措施中,尽量选择刚性植被来覆盖坡面,并提高植被的覆盖度,同时减小坡面的坡度,采用乔冠草结合的种植方式,这些措施将会起到明显的控制径流作用。
摘要：主要讨论植被覆盖下的坡面流水力学特征,特别是阻力特征,并比较柔性植被和刚性植被对阻力影响的不同之处,系统地研究了坡面流阻力系数与单宽流量、雷诺数、覆盖度、坡度的关系。研究结果表明:柔性植被覆盖下的坡面流阻力系数随单宽流量变化不显著,但随着坡度的增大,阻力系数是减小的,大坡度小覆盖度下的坡面流阻力系数和雷诺数呈现负相关关系,同时植被覆盖度越大坡面流阻力系数也越大。而刚性植被覆盖下的坡面流阻力系数和坡面单宽流量呈现良好的正向幂函数关系,同雷诺数、植被覆盖度也都有明显的正比关系,同坡度的变化关系和柔性植被覆盖相似,并且刚性植被覆盖下的阻力系数在同等其他条件下明显大于柔性植被覆盖下的阻力系数。
关键词：坡面流,柔性植被,刚性植被,阻力系数,覆盖度
参考文献
[1]Horton R E.Erosional development of streams and their drainagebasins:hydrophysical approach to quantitative morphology[J].Bulletin of the Geological Society of America,1945,56:275-370.
[2]Carson M A,Kirkby M J.Hillslope form and process[M].Cam-bridge University Press,1972:23-31.
[3]姚文艺.坡面流阻力规律实验研究[J].泥沙研究,1996:74-82.
[4]周伏建.福建省天然降雨雨滴特征的研究[J].水土保持学报,1995,9(1):27-35.
[5]曹颖,张光辉.地表模拟覆盖率对坡面流阻力的影响[J].水土保持学报,2010,24(4):86-89.
[6]张光辉.坡面薄层流水动力学特性的实验研究[J].水科学进展,2002,13(2):159-165.
[7]王文龙,雷阿林.黄土丘陵区坡面薄层水流侵蚀动力机制实验研究[J].水利学报,2003,(9):66-70.
植被覆盖 篇2
基于混合像元条件下的TM影像植被覆盖度遥感反演,定量研究了甘肃省民勤绿洲1987年至植被覆盖时空变化的规律与特点.结果表明,中,民勤绿洲的植被覆盖发生了很大的变化,农田植被(耕地)面积增加了53.11%,而中、高盖度植被的面积却减少了25.21%,这对民勤绿洲的长久生态安全构成了严重的威胁.民勤绿洲植被覆盖变化的空间转化过程复杂,但总体属于开垦-植被退化型.15年中因开垦和植被退化而损失的中、高盖度植被达42204.81hm2,占原面积的81.73%,而且损失的主要是绿洲边缘的防风固沙植被,其中因开垦损失的面积为18776.08hm2,占损失面积的.44.5%.超采地下水引起的地下水位快速下降是导致绿洲边缘天然和人工灌丛植被退化的主要原因.控制开垦并培育相对稳定的灌丛型植被,应该是研究区生态环境建设的重点.
作 者：高志海 李增元 魏怀东 丁锋 GAO Zhi-hai LI Zeng-yuan WEI Huai-dong DING Feng 作者单位：高志海,GAO Zhi-hai(中国林业科学研究院资源信息研究所,林业遥感与信息技术国家林业局重点实验室,北京,100091;甘肃省治沙研究所,甘肃,武威,733000)
李增元,LI Zeng-yuan(中国林业科学研究院资源信息研究所,林业遥感与信息技术国家林业局重点实验室,北京,100091)
魏怀东,丁锋,WEI Huai-dong,DING Feng(甘肃省治沙研究所,甘肃,武威,733000)
植被覆盖 篇3
关键词：遥感图像 工作方法 解译条件评价 解译标志 应用及评价
随着遥感技术的迅速发展，使遥感与常规地质、地球物理、地球化学相结合的综合找矿方法成为现代找矿技术的主流，尤其在覆盖区区域地质调查过程中显示出巨大应用潜力。本文以1：25万小乌尔旗汉林场幅区調为例，探讨遥感技术在区域地质调查填图过程中的应用及作用。
1∶25万小乌尔旗汉林场幅区调工作选用北京市三联计算机公司制作的本测区1∶25万和1∶10万TM（5、4、3）假彩色合成卫片各一张，并收集了测区遥感图像数据资料，由于测区植被及残积碎石覆盖严重，故地质体解译效果不佳，但火山机构及线性构造等卫片影像清晰，并得到有效的验证。
一、工作方法
遥感图像的解译贯穿于整个项目生产的始终。首先，在野外踏勘之前进行室内解译，编绘解译草图，用于指导野外生产，以增加预见性；在踏勘完成之后至编写总体设计书之前，又对已有的解译图进行了修改，形成测区初步的卫片解译草图；在生产过程中，将解译标志建立不准确的再次进行了修正，重新解译，编绘新的解译草图，不断重复，以适应生产。
对已经验证或基本验证的地质体、构造等均填制了遥感解译卡片，在此基础上，进行深入的研究，去伪存真，编制出遥感解译图，并进行了系统的室内解译，进一步完善，修改部分内容，编制成现在的卫片解译图。
二、工作区解译条件评价
本区卫片影象总体以绿色调为主，水系以粉色为主体，河谷中的心滩或阶地等局部显示为褐色。
在卫片上，解译最好的是环形、线性构造影象及中生代火山机构；其次为第四系，多沿现代河谷、河漫滩分布，部分已变为农田；前中生代地质体解译效果较差，边界不清，极小部分（如侵入岩）可按地貌、水系特征等大致给予圈闭。
三、解译标志建立
解译标志建立的主要依据是野外填图过程中收集的实际资料和邻区1∶20万、1∶25万区调成果相关资料。
1. 地质体解译标志建立
测区卫片主体显示植被反射的绿色影象，地质体的平面轮廓线很难准确圈定。因此，地质体解译标志的建立难度较大，且有些解译标志带有明显的假象。
通过对测区古生代地层、部分侵入岩及个别中生代侵入岩等的圈定，初步建立如下解译标志：古生代地层出露区为浅绿色，色调较亮，一级水系多呈平行状，二级水系呈树枝状、水系密度较大，沟谷短而宽缓，山体坡面平缓，脊线不明显，微地貌较发育，山脊多呈现浑圆状，影象较粗糙，植被欠发育；石炭纪侵入岩出露区是在绿色植被上叠加淡粉色，表面较粗糙，山体低缓，浑圆状山脊，脊线不太明显，树枝状水系发育，植被发育不均；早二叠世侵入岩属中山区，呈深绿色、较暗，表面粗糙，呈斑点状，尖棱状山脊，脊线清晰，水系不太发育，呈树枝状，植被发育。中生代火山岩大面积出露，为深绿色，阴坡较暗，环状、放射状影象清晰，山体尖棱状，脊线清晰，平行状——树枝状水系，水系密度中等，植被发育；第四系火山岩为深绿色，有较明显的环形影象中间有呈粉色调的第四系沉积物，山脊呈尖棱状，脊线明显，水系不发育；第四系冲洪积均分布于沟谷中，粉色，树枝状、平行状展布，斑点状影纹。
2．构造解译标志建立
卫片上构造影象以线性为主，环形、放射状影象次之，褶皱构造影象不明显。线性影象以断裂构造最为清晰，主要解译标志是沟谷的直线延伸、陡立的山崖、山脊错位、线性排列的断层三角面、水系方向的突变等，环形影象及放射状影象主要在中生代以来的火山岩发育区显示，代表中心式火山机构及其外围构造影象特
（1） 乌尔旗汉——兴安里北东向断裂构造
沿乌尔旗汉——兴安里北东向沟谷（大雁河）线性展布，两侧山脊呈近垂直于沟谷的平行状，平行于沟谷的线性排列的断层三角面发育，沟谷宽而平坦，两侧山脊多尖棱状，脊线清晰，两侧水系平行状——树枝状，较发育，断裂南侧山麓处于大兴安岭主脊阴坡，色调为深绿色，而断裂北测一定区域色调较浅，为黄绿色。
（2） 海拉尔河地堑南东缘北东向断裂构造
卫片显示为平行排列的一系列北东向断续的线性影纹，北东端与乌尔旗汉——兴安里断裂复合，南西端从大桥龙山北延伸出图外，断裂切割山脊，造成部分山脊的明显错位，垂直于该断裂的水系在延伸到该断裂处与断裂带平行，断裂造成北西盘整体阶梯式下陷，局部呈现出平行于该断裂的断层三角面。
（3） 下其尼克其源头中心式火山机构
位于下其尼克其源头，地貌上呈高山，卫片显示清晰的环形构造及放射状构造影象，环形影象由弧形、半环状、环状山脊及环形影纹表现出来，放射状影象则主要由以火山机构为中心的放射状沟谷、水系表现，颜色为紫色、山脊脊线较清晰，近火口处脊线呈环状，外围脊线呈放射状，火口中央有较明显的凹陷，显示为破火山特征。
四、遥感资料的应用及评价
测区遥感解译作为野外地质填图的辅助工作贯穿于项目实施的全过程，在反复验证与建立解译标志的基础上升华，对地质生产具有一定的指导作用。
1．遥感解译成果与野外调查成果对比
遥感影象解译对地质体的圈闭主要是依据地形、水系及地质体的影纹、色调、粗糙度等为解译标志，吻合程度中等。
测区主体为中生代火山岩。对火山岩中局部因剥蚀、构造抬升出露的前古生代侵入岩或地层，其边界的圈闭总体较好，但局部存在明显误差，只能结合路线调查加以修正。上述地区，遥感解译已对地质填图起到的指导和预测作用，地质路线调查的重点可放在地质体边界及内部岩性变化界线处收集相关资料。中生代火山盆地的边界较为清楚，对测区中生代Ⅲ级构造单元的划分有一定指导作用，组内部不同岩性或岩段界限无法圈闭。
第四系解译效果较好，结合地貌特点对第四系各级地貌可较准确地圈定，比野外实地调查省力、省时、且精度高；另外，第四系的准确圈定，对相邻地质体的圈定起到了辅助作用。
火山机构及火山构造（包扩环状、放射状构造影象）解译效果较好，对研究测区火山作用、火山活动规律、火山岩的分布、叠置关系的确定起到一定指导作用，可以在测区拓广。
测区断裂构造解译效果较好、褶皱构造较差。可解译断裂的形态、走向、规模、切割关系等特征，局部从断层三角面的特征解译出断层面产状，结合实地验证，确定其性质，同时，对测区构造格架的建立起到明显的辅助作用。
通过野外工作和室内遥感解译，共完成了150多个地面验证点，其中，火山构造验证率达74.6％，断裂构造验证率达83.4％，以第四系为主体的地质体验证率达90％以上。
2．遥感技术在区调工作中的作用
遥感技术在地质生产过程中应用十分广泛，尤其在裸露的中高山区，能对不同的地质体形态及相互关系的确定起到指导性作用，且成果质量有明显的提高。对测区来说，虽属浅覆盖中高山区，地质体解译效果不佳，但仍可解译许多人力所不能及地区地质填图的困难，尤其是该类地区的第四系类型划分和线性、环形构造的空间位态及性质的判断等。它与航空、物探资料对线性、环形构造等吻合程度较好，优越性表现在：
（1） 增加预见性
在经过实地部分验证基础上建立起解译标志，能够较好地为后续的野外地质填图工作增加预见性。主要在第四系类型、环形、线性构造及火山构造类型划分、火山盆地的圈定及部分古生代侵入岩体的圈闭等方面提供较可靠的信息，对一些实地难以观察到的地质现象可通过遥感解译得到合理的解释。
（2） 提高图幅质量
在解译效果较好的地区，通过遥感解译工作，能较精确地圈闭各类地质体，如：第四系沟谷中，不同的沉积类型可较准确地划分开来。另外，测区加尔敦山一带交通不方便，给地质填图工作带来极大困难，但在测区邻近地方建立起的遥感解译标志对该区填图工作有明显的指导性，实践证明其填图质量比预计效果要好的多。既能够较准确地划定了地质单元；又可有目的地验证地质体间的接触关系，且与相邻图幅的接图效果明显提高。
从准备阶段至成果验收始终借助遥感技术，通过不同数据合成及3DMAX三维空间分析，对测区中生代火山岩及火山机构进行了系统解剖，尤其在火山构造的研究方面见到了较好的效果，划分出破火山、锥火山、层火山、火山穹窿及裂隙式火山机构等5种火山机构，部分地区解决了不同火山机构之产物的叠置关系，对研究火山活动规律起到有力的佐证。地质填图过程中，通过卫片解译，对个别地质界线的走向、延伸指示较好。另外，针对本区地形图老化及交通条件差的实际，通过卫片解译，可对近20年来新建的防火道路进行准确的解译，一定程度上解决了交通不便的困难，也为地质调查工作的安排、布置起到指示作用。
遥感解译是地质填图工作中不可缺少的一门技术学科，随着地质工作的发展，遥感技术可能会在更多方面发挥其作用。
参考文献：
[1] 朱亮璞.遥感地质学[M]．北京：地质出版社，1994
[2] 党安荣.王晓东.陈晓峰．等．ERDAS IMAGINE遥感图像处理方法[M]．北京：清华大学出版社，2003
[3] 张玉君.曾朝铭.陈薇．ETM+(TM)蚀变遥感异常提取方法研究与应用—方法选择和技术流程[J]，国土资源遥感，2003
植被覆盖 篇4
1 研究区概况
研究区位于四川省西南部, 行政区划隶属于攀枝花市, 范围为102°20′E-102°45′E、26°30′N-26°45′N。研究区位于金沙江和雅砻江的交汇地带, 属南亚热带亚湿润气候类型, 降雨量少, 生物种类繁多。区域内植被主要以热带及亚热带落叶大乔木, 常绿针叶林为主。
2 数据源简介
本次研究使用的数据是由美国国家宇航局 (NASA) EOS数据中心提供的MODIS数据, 数据获取时间为2005年7月23日。该数据是由搭载于EOS/Terra卫星上的中分辨率成像光谱仪 (MODIS) 获取的, 其分辨率为250m。包括Blue、Red、NIR、MIR四个波段和经过后期处理的分辨率为250m的归一化植被指数数据、增强型植被指数。适合应用于植被指数的提取以及植被覆盖度的研究。
3 研究方法
3.1 数据预处理
根据实验要求对研究区域的MODIS数据进行预处理, 主要有数据格式转换、设置投影参数、几何校正及辐射校正等。该处理利用USGS EROS数据中心开发的MRT (Modis Reprojection Tool) 软件完成。
3.2 植被指数获取
综合考虑研究区自然地理特征, 选取归一化植被指数和比值植被指数进行研究。归一化植被指数 (NDVI) 计算公式为:NDVI= (NIR-R) / (NIR+R) ;比值植被指数 (RVI) 计算公式:RVI=R/NIR。其中NIR为近红外波段反射率;R为红光波段反射率。利用遥感图像专业处理软件ENVI5.1对经预处理后的MODIS图像提取植被指数。
3.3 植被覆盖度反演
区域植被覆盖度信息可由实地测量和利用遥感图像进行反演估算两种方法获取。其中, 遥感估算法分为植被指数法和混合像元分解法, 本次研究中采用植被指数法估算研究区植被覆盖度。在众多植被指数中, 归一化植被指数被广泛运用于植被生长状况的监测, 其与植被覆盖度具有很好的相关关系, 可用于植被覆盖度的反演。采用ERDAS的Model Maker模块对已求出的归一化植被指数代入计算, 反演出研究区地表植被覆盖度。由计算结果可见, MODIS遥感影像的植被覆盖度主要分布在0.1-1之间, 该区植被覆盖度较大。
3.4 植被指数与植被覆盖度相关性
在matlab7.1软件平台下, 分别对两种植被指数图像及植被覆盖度图像进行等间隔采样。研究时, 由于植被覆盖度与不同的植被指数的关系不同, 所以建立植被覆盖度估算模型时应采取不同曲线类型进行拟合。选择拟合曲线有:直线 (y=ax+b) 、抛物线 (y=ax2+bx+c) 、幂函数 (y=axb) 和指数曲线1 (y=aexp (bx) ) 、指数曲线2 ( (y=aexp (bx) +cexp (bx) ) 。分别计算出每种曲线下的相关程度及拟合效果指标 (如相关系数、均方根误差) 。如图1-图2
曲线图 (图1、图2) 中, 横坐标为曲线函数类型, 由数字1-5分别表示直线、抛物线、幂函数、指数曲线1和指数曲线2。由曲线图可得到如下结论: (1) 对于MODIS数据, 两种植被指数与植被覆盖度的相关系数都达到很高, 其中归一化植被指数相关系数最大。 (2) 植被覆盖度与植被指数的非线性相关因选择模式不同有很大的差异, 指数曲线2的相关系数最大, 抛物线次之, 指数曲线1的相关系数最小。
4 结束语
文章选取攀枝花地区为研究区, 通过对该区MODIS图像的处理, 获得了该地区的比值植被指数 (RVI) 、归一化植被指数 (NDVI) , 再根据植被指数反演植被覆盖度。然后, 在matlab7.1软件平台下, 选择直线、二次曲线、幂函数曲线、指数曲线等几种曲线类型来拟合植被指数与植被覆盖度之间的关系, 得出结论:不同植被指数类型与植被覆盖度相关性不同, NDVI与植被覆盖度相关性最大;植被覆盖度与各种植被指数的相关性因选择曲线类型不同有很大差异, 采用二次曲线拟合时相关系数最大, 而使用幂函数曲线拟合的相关系数最小。
摘要：在植被遥感监测领域, 植被指数被普遍运用于植物生长状况及植被覆盖的研究, 其与植被覆盖度有着密切的联系。文章选取攀枝花地区MODIS遥感影像作为信息源, 对归一化植被指数、比值植被指数与植被覆盖度间的关系进行研究。结果表明:基于MODIS数据提取的植被指数与植被覆盖度之间存在较强的相关性, 且相关系数大小与植被指数类型和选取的拟合函数类型有关。各植被指数同植被覆盖度间相关性最高的是归一化植被指数, 选用相同植被指数情况下, 指数曲线拟合的相关系数最大。
关键词：MODIS图像,植被指数,植被覆盖度,植被指数与植被覆盖度相关系数
参考文献
[1]章文波, 路炳军, 石伟.植被覆盖度的照相测量及其自动计算[J].水土保持通报, 2009, 29 (2) :39-42.
植被覆盖 篇5
基于NDVI的三江源区植被覆盖及分布状况分析
以“三江源”地区为研究对象,对该区遥感影像NDVI指数的提取,对植被盖度多级灰度分剖,并通过野外的查证,对“三江源区”植被覆盖及其分布状况进行了系统的分析研究,为以后“三江源区”的.草地分布状况以及其变化趋势的研究奠定了良好的基础.
作 者：马世斌 李得林 作者单位：青海省地质调查院,青海西宁,810012刊 名：青海国土经略英文刊名：QINGHAI GUOTU JINGLUE年，卷(期)：“”(4)分类号：关键词：“三江源” 遥感影像 NDVI指数
植被覆盖 篇6
湿地植物是湿地生态系统的基本组分, 也是其存在的基础, 是连接土壤、水体和生物等要素的重要纽带[1,2]。随着遥感对地观测技术的发展, 利用各种遥感技术进行植被监测及其变化的研究日益增多[2]。NDVI (Normalized Difference Vegetation Index, 归一化植被指数) 作为一个重要的遥感参数和数据源, 由于能够敏感地反映出地表植被生长状况和生态系统参数的变化, 常用于地表植被覆盖的定量研究[3]。陕西省东部最大的河流湿地就在渭南市境内, 渭南也是关中-天水经济区和晋陕豫“黄河金三角”地区的交叉地带。针对本区域的植被指数变化研究, 对改善生态环境, 促进经济社会可持续发展, 具有十分重要的作用和意义。
1 研究区概况与数据来源
1.1 研究区概况
渭南市地处陕西省关中平原渭河谷地东部, 其地理坐标介于108°50′E-110°38′E和34°13′N-35°52′N之间, 东濒黄河与山西、河南毗邻, 西与西安、咸阳相接, 南倚秦岭与商洛为界, 北靠桥山与延安、铜川接壤, 渭水横贯其中, 南北长182.3km, 东西宽149.7km, 总面积约13134km2, 是陕西省的“东大门”。
1.2 数据来源
本文所采用的SPOT VGT数据, 来源于寒区旱区科学数据中心 (http://westdc.westgis.ac.cn) , 以及比利时弗莱芒技术研究所 (Flemish Institute for Technological Research, Vito.http://www.vito-eodata.be) 提供的SE-Asia数据集。其中, 数据的时间跨度为2004-2013年, 为逐旬S10产品, 时间分辨率为10天, 空间分辨率为1km。
本区域行政边界、地名等数据, 来源于地球系统科学数据共享网 (http://henu.geodata.cn) 提供的黄河流域1:100万基础地理数据库, 以及寒区旱区科学数据中心提供的陕西省1:10万土地利用数据集。
2 研究方法
2.1 数据处理流程
本文使用VITO网站提供的VGT Extract软件, 对SPOT VGT数据进行预处理。首先, 使用VGT Extract软件将8位量化的DN值转化为真实的NDVI值。然后使用ENVI软件进行数据的波段计算、投影转换、研究区裁剪和数据计算。最后使用Arc GIS软件进行地图绘制和分析。
2.2 研究方法
2.2.1 最大值合成法
虽然SPOT VGT数据已经是10天最大化合成的产品, 但数据中仍然存在大量的噪声, 为了避免某些极端天气的影响, 还需去噪处理, 以使数据更为真实地反映植被覆盖状况[2,3,4]。本研究将当月3个旬的NDVI数据进行最大化合成, 生成一个当月的月最大化NDVI数据, 它反映了当月植被覆盖的空间分布情况。同样的方法, 将一年12个月的月最大NDVI数据, 合成为一个年最大化NDVI数据, 它体现了当年植被覆盖的空间分布情况。
2.2.2 均值统计法
均值统计法通过计算区域内所有格网的平均值, 反映当期NDVI的整体分布情况[5,6]。本研究计算了2004-2013年的逐月、逐年统计数据, 用以反映NDVI的月际、年际变化规律。
2.2.3 差值法
差值法常用于量化两个年份间NDVI值的变化情况, 即用后一时期所有格网的NDVI值减去前一时期对应格网的NDVI值[6]。本研究使用2013年最大化NDVI数据减去2004年最大化NDVI数据, 分析本区十年来的植被覆盖变化情况。
3 植被覆盖变化分析
3.1 总体NDVI分布特征
为了研究本区域十年来NDVI的总体分布情况, 绘制了渭南市NDVI均值空间分布图 (图1) 。根据相关文献, 将NDVI分级定义为:NDVI值小于0.1的区域为非植被区;0.1-0.3为植被覆盖贫乏区;0.3-0.6为较贫乏区;0.6-0.8为较好区;大于0.8为优良区[7,8]。
图1表明:渭南市植被覆盖优良区和较好区 (NDVI>0.6) , 有的文献合称为高植被覆盖区[9], 其所占比例达84.4%, 基本覆盖全境。其中, 植被覆盖优良区 (NDVI>0.8) 所占比例为10.5%, 且集中分布于南部秦岭山地和北部山地。
植被覆盖贫乏区和非植被区 (NDVI<0.3) , 合称为低植被覆盖区, 比例为0.2%, 仅分布在韩城市东部的禹门口附近。
植被覆盖较贫乏区 (0.3
总体而看, 渭南市植被覆盖情况较好, 南部好于北部, 特别是南北山地好于中部渭河平原。
3.2 年际变化特征
根据本区域的月最大化NDVI数据和年最大化NDVI数据, 分别进行区域内的平均值统计。其结果是对应时段的区域平均值, 绘制成渭南市2004-2013 NDVI均值变化图 (图2) [5, 9-10]。图2中波浪状的黑色细线为:将120期月最大化NDVI数据, 进行均值统计后的逐月NDVI数据;带方点折线为:将10期年最大化NDVI数据, 进行均值统计后的逐年NDVI数据。
从图2可以看出:在逐年NDVI数据中, 其值在小幅波动的基础上保持稳定, 并呈现微升趋势。其初始值为2004年的0.677169, 最小值为2005年的0.631507, 最大值为2013年的0.750932, 均值为6.875612;十年间其值的变化幅度为0.119425;2013年比2004年增加了0.073763。在逐月NDVI数据中, 其值呈现出波浪起伏的状态, 波形规律而稳定, 反映了每年植被覆盖的周期变化情况。总之, 渭南市植被覆盖状况虽有波动, 但逐年好转。
3.3 年内变化特征
为了分析年内NDVI值的变化情况, 本研究将2004-2013年的月NDVI数据按年份逐月绘制为各月NDVI均值图 (图3) [3, 8-10]。
结合图2、图3可以看出:曲线上每年都有对应的波峰和波谷, 分别代表植被覆盖最好和最差的两个时期。其最主要的波峰大体分布在每年7-9月, 最主要的波谷大体分布在1-2月, 3-6月为植被生长期, 10-12月为植被衰退期。此外, 每年的6月在曲线上都有一个小波谷, 这是由于本区是小麦产区, 6月小麦收割后会造成NDVI值的短暂下降, 后续作物种植后其值随之回升并增加。总体而言, 年内各月NDVI值随着季节变化而变化, NDVI的峰值、谷值、植被的生长期、衰退期明显而又规律。
3.4 差值变化特征
使用差值法对2013年与2004年的年最大化NDVI数据进行差值运算, 分析NDVI在研究期始末的变化情况 (图4) 。根据NDVI差值的变化幅度将植被覆盖状况分为4种类型:NDVI≤-0.08, 植被覆盖严重退化;-0.08
图4中可以看到:2004-2013年植被覆盖明显增加的区域占46.5%;基本不变的区域占38.3%;轻微减少的区域占12.7%;严重退化的区域占2.5%。其中, 植被覆盖明显增加和基本不变的区域共占84.7%。
总之, 渭南市植被覆盖的变化情况在绝大多数地区是变好的, 但在大荔县和黄河沿线的局部地带有变差的情况。
4 结论
本文使用SPOT VGT数据分析了渭南市植被覆盖的时空变化特征, 能较为准确地反映本区植被覆盖的变化状况。总体而看, 渭南市植被覆盖较好, 南北山地好于中部渭河平原。植被覆盖变化状况虽然有季节尺度和年尺度的波动, 长期来看绝大多数地区是好转的, 但注意的是大荔县和黄河沿线的局部地带有变差的情况。
参考文献
[1]崔天翔, 宫兆宁, 赵文吉, 等.不同端元模型下湿地植被覆盖度的提取方法——以北京市野鸭湖湿地自然保护区为例.生态学报, 2013, 33 (4) :1160-1171.
[2]张丽, 何晓旭, 魏鸣.基于NDVI的淮河流域植被覆盖度动态变化[J].长江流域资源与环境, 2012, 21 (Z1) :51-56.
[3]殷守敬, 陈晓玲, 吴传庆, 等.基于时序NDVI的江西省植被覆盖时空变化分析[J].华中师范大学学报 (自然科学版) , 2013, 47 (1) :129-135.
[4]宋怡, 马明国.基于SPOT VEGETATION数据的中国西北植被覆盖变化分析[J].中国沙漠, 2007, 27 (1) :89-93, 173.
[5]贺振, 贺俊平.基于SPOT-VGT的黄河流域植被覆盖时空演变[J].生态环境学报, 2012, 21 (10) :1655-1659.
[6]马明国, 董立新, 王雪梅.过去21a中国西北植被覆盖动态监测与模拟[J].冰川冻土, 2003, 25 (2) :232-236.
[7]王晓利, 姜德娟, 马大喜.基于MODIS NDVI时间序列的植被覆盖空间自相关分析——以山东半岛与辽东半岛区域比较研究[J].干旱区资源与环境, 2013 (10) :139-144.
[8]戴声佩, 张勃, 王海军, 等.基于SPOT NDVI的祁连山草地植被覆盖时空变化趋势分析[J].地理科学进展, 2010, 29 (9) :1075-1080.
[9]崔晓临, 赵娟, 白红英, 等.基于MODIS NDVI的陕西省植被覆盖变化分析[J].西北农林科技大学学报 (自然科学版) , 2013 (5) :87-93.
植被覆盖 篇7
随着遥感技术的发展, 植被覆盖度测量由原来传统的地面测量发展到现在的遥感估算, 为大范围植被覆盖度监测提供可能, 目前已成为地表植被覆盖变化监测的主要技术手段[5,6,7,8,9,10,11,12,13,14]。在当前常用的遥感数据中, MODIS数据由于具有空间分辨率适中、光谱覆盖范围广、重访周期短、数据质量高、数据获取方便的特点, 而被广泛用于植被覆盖度的信息提取上。为此, 本文以MODIS数据为基础, 通过对广西区内近13年来地表植被覆盖的动态监测, 分析其植被盖度的时空变化规律, 以期为生态环境评价及管理提供科学依据。
1 研究区概况
广西区地处祖国南疆, 位于东经104°26'~112°04', 北纬20°54'~26°24'之间, 整个地势自西北向东南倾斜, 山岭连绵, 山体庞大, 岭谷相间, 四周多被山地、高原环绕, 呈盆地状, 有“广西盆地”之称。北回归线横贯全区中部, 属中亚热带季风气候区。南部地区则偏向热带季风气候, 全区各地极端最高气温为33.7~42.5℃, 极端最低气温为-8.4~2.9℃, 年平均气温在16.5~23.1℃之间。广西是全国降水量最丰富地区之一。各地年降水量均在1070毫米以上, 大部分地区为1500~2000毫米。
2 数据与方法
2.1 数据来源与预处理
本研究采用2001~2013年的MOD13Q1数据产品 (http://ladsweb.nascom.nasa.gov/data/search.html) , 时间分辨率为16d, 空间分辨率为250m, 研究区域位于h27v06及h28v06两区, 该数据已经过去云、辐射校正和大气校正等预处理。利用ENVI5.1对NDVI影像进行重投影, 将Sinusoidal投影转换为UTM-49N-WGS-84坐标, 之后将影像进行拼接、裁剪, 获取研究区的NDVI数据。通过反复比较选择每年289~321天 (9~10月) 合成的最大NDVI值, 此时植被生长比较茂盛, 可以反映一年内植被覆盖的最佳状况, 多年的均值则能反映植被生物量的平均状况。
2.2 植被覆盖度估算
归一化植被指数 (NDVI) 与植被覆盖度有显著正相关关系[15,16], 可以采用像元二分模型法将NDVI改算为植被覆盖度。它假定通过遥感传感器所观测到的信息可以表达为由绿色植被部分所贡献的信息和由无植被覆盖 (裸土) 部分所贡献的信息两部分组成。从而得到植被覆盖度估算公式为:
式中:FVC为所求的植被覆盖度, NDVI为所求像元的归一化植被指数;NDVIsoil为全裸土或无植被覆盖像元的NDVI值, NDVIveg则代表完全植被所覆盖的像元的NDVI值。也可得:
式中:NDVImax和NDVImin分别为研究区域内NDVI最小值和最大值。但NDVImax和NDVImin的取值, 不直接采用区域中NDVI的最大值与最小值, 而是MODIS图像中给定置信度区间内的最大值与最小值。本文对去了异常值的NDVI进行分析统计, 取一定的置信度获取最大和最小值, 在这里以NDVI值对应像元数量增加或减少到5位数为置信区间。
3 结果分析
3.1 广西2001~2013年植被覆盖度的总体特征
通过对广西13a生长季间月平均覆盖度的分析表明 (图1) 。研究区植被覆盖度整体较高, 中覆盖度以上面积占到总面积的78.2%。13a平均植被覆盖度为58.51%, 总体呈明显的波动起伏变化过程, 其中植被覆盖度的最高值出现在2008, 为60.74%, 最低值出现在2002年, 为56.44%, 2012年和2013年则逐渐接近平均值。
对计算得到的研究区13年9~10月的植被覆盖度均值, 参考相关文献[17,18]采用等间距重分类为5级, 即0~0.2极低覆盖度, 0.2~0.4低覆盖度, 0.4~0.6中覆盖度, 0.6~0.8中高覆盖度, 0.8~1高覆盖度, 从图2可以看出, 植被覆盖度在空间上的分布规律为东西部大于中部, 越往中部植被覆盖度越低。从行政区来看, 植被最大值出现在防城港南部, 来宾东部, 贺州西部以及梧州北部, 其次为桂林、柳州的北部和河池、百色的大部分地区。最差则出现在来宾、北海、贵港中部。其中南宁、贵港和来宾所占的面积最大。
3.2 多年植被覆盖度动态变化分析
3.2.1 植被盖度面积变化
为了分析植被覆盖度的年际变化, 每6年计算一次广西区内的植被覆盖度, 并计算了13年的平均植被盖度 (表1) 。极低植被盖度由2001年的10.22%减少到2013年的9.89%, 且都大于极低覆盖度13年的均值8.26%, 低覆盖度和中覆盖度出现先增后减的现象, 中高覆盖度和高覆盖度则先减后增。从计算的结果可看出在三个时间段内广西区内植被覆盖度主要为中、中高、和高覆盖度, 其中中高覆盖度的面积所占比例最大, 分别为31.33%、29.98%和34.92%。整体来看, 2001~2013年极低、低盖度的面积有所下降, 中、中高盖度有所上升, 高覆盖度则由25.93%减少到22.72, 中覆盖度以上在三个时间段分别为78.05%、75.24%和79.44%, 说明广西区内植被盖度总体呈上升趋势。
3.2.2 植被盖度空间变化
在2001年时, 百色、河池、崇左、来宾和贺州5市尚未成立地级市, 为了更直观的观测2001年到2013年植被盖度的变化, 在此以统一以上述5市成立地级市后的行政边界为准。
从图3可看出, 2001到2007年, 极低和低覆盖在原来的基础上不同程度的增加并向外扩散, 其中西北、东南方向出现植被退化, 河池、钦州、贵港和玉林低、中植被覆盖度的面积增加。西部的百色、崇左部分地区和南部的北海中、中高植被覆盖度的面积扩大, 植被盖度好转。
2013年较2001年和2007年, 中部极低覆被盖度明显发生好转, 大多向低、中和中高盖度转换, 全区中植被盖度增加, 特别是西、西北地区的河池、百色、崇左3市, 在原来的基础上均匀扩散开, 从三个时间段来看, 南部的钦州市13年的时间内植被盖度好转。
3.2.3 植被盖度的强度变化
为了进一步分析植被盖度的变化情况, 运用地图代数的算法, 将2007年和2001年、2013年和2007以及2013年和2001的植被覆盖度进行差值运算 (表2) , 参考相关研究[19,20]进行强度分级:<-30为剧烈减少、-30~-10为减少、-10~-5为轻微减少、-5~5为稳定、5~10为轻微增加、10~30为增加、>30为剧烈增加。结果表明三个时间段植被覆盖度变化以稳定为主, 2001年到2007年的变化以减少次之, 为23.60%, 2007年到2013年以增加次之, 为24.94%。从2001年到2013年的统计信息可看出, 各等级植被覆盖变化的程度差别不大。
3.3 不同等级植被覆盖动态分析
转移矩阵可以定量化识别出各土地利用类型在不同监测时间点间的未变化部分、转移部分及其去向、新增部分及其来源, 是一种常用的土地利用地物类型变化分析方法[21]。为了进一步研究两个时段内植被盖度的变化情况, 计算得到2001~2007、2007~2013年的植被盖度转移矩阵 (表2和表3) 。通过对表2的分析可知:在2001~2007年时间段内, 各等级植被覆盖度以较低覆盖度向高一等级覆盖度转移为主, 极低、低、中、中高分别有3524.42、86068.89、12857.89、和11618.18km2转变为低、中、中高、高植被覆盖度。低向中覆盖度转移率最大, 为36.36%。整体来看正向转移的面积为41949.13km2, 占总面积的27.48%, 负向转移的面积为29602.73km2, 占总面积的19.39%。
通过对表3的分析可知:在2007~2013年时间段内, 各等级植被覆盖度以较低覆盖度向高一等级转移的趋势并未发生太大改变, 极低、低、中、中高分别有4544.05、10001.14、14902.82、13582.32km2转变为低、中、中高、高植被覆盖度, 低向中覆盖度转移率较2001~2007上升, 为39.11%。整体来看正向转移的面积为51369.08km2, 占总面积的30.68%。负向转移的面积为34666.26km2, 占总面积的20.29%。
4 结论
本文利用2001~2013年的MODIS-NDVI数据估算了广西区内的植被覆盖度, 分析了年最大植被覆盖度的时空变化特征, 主要得出以下结论:
(1) 研究区植被覆盖度整体较高, 以中、中高、高覆盖为主, 中覆盖度以上在三个时间段分别为78.05%、75.24%和79.44%, 13a平均植被覆盖度为58.51%, 植被覆盖度在空间上的分布规律为东西部大于中部, 越往中部植被覆盖度越低。
(2) 在2001~2007和2007~2013年两个时间段内, 各等级植被覆盖度以较低覆盖度向高一等级覆盖度转移为主, 植被较多发生正向转移, 说明植被和生态环境向好的方法发展, 但局部退化的问题也不容忽视。
(3) 为了进一步分析植被盖度的变化情况, 运用地图代数的算法, 将2007年和2001年、2013年和2007以及2013年和2001的植被覆盖度进行差值运算, 得到的结果显示3个时间段的植被覆盖度变化大多处于稳定状态。
摘要：以MODIS—NDVI长时间序列数据为基础, 利用像元二分模型对广西区内2001-2013年的植被覆盖度进行了估算, 并采用转移矩阵的方法, 分析了年份间覆盖度高低变化的方向。结果表明:13年间植被覆盖度呈波动式变化, 在空间上的分布规律为东西部大于中部, 越往中部植被覆盖度越低;区内植被覆盖度处于较高覆被, 且总体呈增长趋势;13年间植被覆盖度变化大多处于稳定状态;20012007年和20072013年, 各等级植被覆盖度以较低覆盖度向高一等级覆盖度转移为主, 且正向转移大于负向转移。
植被覆盖 篇8
植被, 包括森林、灌丛、草地和农作物, 既是生态系统的主要组成部分, 也是生态系统存在的基础, 具有截流降雨、减缓径流、防沙治沙、保持水土等功能, 联结着土壤、大气和水分等自然过程, 在陆地表面的能量交换、生物地球化学循环和水文循环等过程中扮演着重要角色, 是全球变化研究中的“指示器”。
在遥感应用领域, 植被指数是一种反映地表植被信息的重要信息源之一, 已广泛用于定性和定量评价植被覆盖及其生长状况。目前, 预测植被情况的指数有很多种, 如, 比值植被指数 (RVI) 、差值植被指数 (NVI) 、土壤调节植被指数 (SAVI) 、修正突然植被指数 (MSAVI) 和归一化植被指数 (NDVI) 。研究表明归一化植被指数NDVI对植被的生长势和生长量非常敏感, 可以很好地反映地表植被的繁茂程度, 是指示植被活动和植被生产力的良好指标, 广泛应用于植被生长状况描述、土地覆盖类型分类、植被生产力估测、旱情监测分析、城市土地分等定级、荒漠化监测和城市生态环境质量评估等研究中。
2 材料与方法
2.1 数据来源与预处理
本数据由国家遥感测绘局提供, 因此数据的准确性不用怀疑, 该数据与其他NDVI数据相比, 其误差小, 精度高, 且已广泛应用于全球及区域大尺度植被变化的研究中。
2.2 遥感解译与配准
遥感解译是不同结构、构造、成分的地物对光线的吸收、反射不同, 可得到不同的波谱信息, 在遥感图像上反映出不同的灰度值。遥感解译就是在遥感图像上观察分析点、线、面等影纹信息来判断地物类型。
本次的归一化植被指数计算和地图配准主要是在ERDAS IMA-GIN 9.2中完成, 遥感解译和植被数据的提取则在ARCGIS 10.0中完成。
2.3 归一化植被指数法
归一化植被指数 (NDVI) 作为植物光合作用和同化作用的效率的代表, 在植被预测方面有着重要的作用。在遥感影像中, 近红外波段的反射值与红光波段的反射值之差与两者之和的比值定义为归一化植被指数, 其公式如下所示:
式中:NDVI为归一化植被指数, 取值范围-1到1, 其中负值表示地面覆盖为云、水、雪等, 对可见光高反射, 0值或接近0的值表示没有植被覆盖, 通常为岩石或裸土;正值, 表示有植被覆盖, 且随覆盖度增大而增大, 计算结果在IMG影像图中以白色和黑色的阈值表示;NIR为近红外波段 (0.76~0.90um) 反射值的波段4;RED为红光波段 (0.63~0.69um) 反射值的波段3。
3 结果与分析
3.1 NDVI值的计算
用ERDAS进行归一化计算后得到的, 其中植被情况通过灰度来表示, 特别白的地方, 表示高反光, 可能是裸岩、雪和云之类, 剩下的就是植被情况了, 除中间的近乎黑色的那一块是水域外, 其余的就按灰度的深浅来判断, 灰度值越大, 表示其植被情况越好, 反之则越差。通过这景归一化植被计算图我们可以很直观清晰地看到这个区域的植被情况, 不仅可以看到哪些是水体, 哪些是裸岩等非植被区域, 还可以知道哪些地方是被植被所覆盖的, 以及进一步我们还能看出植被的覆盖程度, 甚至我们还能隐约看到图中的河流的位置和走向。得出, 其绿化程度在50%以上。
3.2 解译
图1是在ARCGIS中解译完成后的图, 其中图例如右所示。在这一景中, 我们就可以更清楚地看到本区域的植被覆盖情况, 其中, 除了大部分的绿地外, 我们还能看到占有一定面积比例的沼泽地, 这些多出现在河流断流的地方以及接近水域的地方, 这也说明在本次解译的地方水源是比较充裕的, 因此决定植被生长的因素并不是水的问题, 相反还会因为大量的水体从而形成沼泽地。另外, 从图中, 我们也能看到存在一个很大的湖泊和几个小的湖泊, 这也表明了这里的水是充分的。
3.3 植被面积提取
表1是用ARCGIS在解译完成后的图中通过属性提取到的各植被类型的面积。其中高覆盖草地的面积为3034.32公顷, 占到整个区域的13.53%;沼泽地的面积达到了2674.50公顷, 占到了本区域总面积的11.93%, 这一结果也和前面图得到的是一致的;此外我们再看看湖的面积, 它拥有3446.03公顷的面积, 占到了15.37%, 这我们可以很直观地从图1看到;另外一个不可忽略的是盐碱地, 以933.18公顷的面积占到了该区域4.16%的值, 也是一个不可小觑的数目。总体上来说, 该区域有植被覆盖 (包括高覆盖草地、中覆盖草地、低覆盖草地、灌木丛、有林地以及其他林地) 的面积为9568.50公顷, 拥有42.68个百分点;而非植被覆盖区域 (除了湖泊、云以及雪地) 的面积是3793.55公顷, 是总面积的16.92%。
4 结束语
可见, 使用遥感解译的方法分析得到的结果和实地是相当吻合的, 目前, 基于遥感解译的归一化植被指数的算法分析某地区植被覆盖情况应用广泛, 对于科研人员和方案制定者来说是一个不错的理想选择。同时随着当前遥感技术的不断发展以及卫星航片图精度的不断提高, 使用这一方法对某一特定面积的植被覆盖分析更加有实际意义。
但是, 除了在归一化植被指数的算法是通过机器完成的, 而在解译的过程中是通过目视完成的, 因此在所难免的存在一定误差, 与此同时, 这一方法对于大面积的分析也存在局限。所以此方法也还需要进一步完善。
参考文献
[1]赵英时.遥感应用分析原理与方法[M].北京:科学出版社, 2003.
[2]张玉梅.基于遥感分析的城市土地定级技术研究--以武汉市为例[J].国土资源遥感, 2009 (4) :82-85.
[3]刘艳, 李杨, 张璞, 等.多源NDVI在玛纳斯河流域荒漠化监测中的应用[J].干旱地区农业研究, 2010 (3) :207-213.
植被覆盖 篇9
城市热岛效应指的是城市在发展过程中, 由于建设的需要, 造成城市下垫面性质改变、城市风道改变、人工废热、废气排放等因素产生的热量在城市空间范围内聚集, 不能有效散发, 而导致城区气温明显高于周边地区气温的现象。从热场分布图上看, 热量聚集形成一个个孤立的小岛。
热岛效应自19 世纪被英国化学家Lake Howard[1]提出, 到现在为止已经有近200 年的时间了, 此后各国学者对热岛效应的研究也在不断的进行着。Manley[2]于1958 年首次提出城市热岛 ( Urban Heat Island, UHI) 的概念。
城市热岛可看作为一种城市的微气候, 但是这种微气候对城市的经济发展以及市民的健康都会产生不利的影响。我国也有许多学者通过卫星遥感技术对我国各大城市的热岛效应进行了研究。
赣州市是一个地处两江交汇处的城市, 章江新区与老城区有着一江之隔。章江新区建设粗犷、规划有序, 而老城区用地紧缺、绿地稀少, 这也是新、老城区的最大不同。经过十几年的发展, 目前章江新区有了较大的规模, 绿地体系也基本构建完成。赣州经济技术开发区 ( 简称“黄金开发区”) 位于城西, 其规模略大于老城区与章江新区之和, 与之不同的是在用地结构上主要以工业用地、道路用地为主, 绿地占比较轻。本文通过遥感技术对赣州市这三个区域的地表温度的分布进行分析, 并结合各区域在不同时期的植被覆盖率, 旨在研究在城市建设与发展的过程中, 城市植被覆盖率对城市热岛效应的影响。
1 研究区域概况及数据准备
赣州市位于江西省南部, 是江西省面积最大、人口和下辖县市最多的地级市。本文选取赣州市章贡区范围为研究对象, 包含老城区、章江新区及黄金开发区以及周边的山体, 总研究面积约为466. 68 km2。
为更好地对比赣州市在近十余年间城市发展变化对城市热分布的影响, 研究城市绿地系统建设对城市热岛效应的影响, 本文选取赣州市2002 年9 月4 日, 2013 年8 月9 日和2014 年10 月15 日的Landsat7, 8 卫星影像数据[3]作为研究对象。
2 地表温度反演原理与反演结果
本文采用大气校正法对数据进行处理, 其原理是通过估计大气对地表热辐射的影响, 然后把这部分大气影响从卫星传感器所观测到的热辐射总量中减去, 从而得到地表热辐射强度, 再把这一热辐射强度转化为相应的地表温度。其原理如图1 所示。
根据上述操作, 我们能得到这三组数据的地表温度分布图, 其结果如图2 ~ 图4 所示。
3 反演结果对比分析
为更好对比这三组数据, 我们将研究区域划分成老城区、章江新区和黄金开发区。分区如图5 所示。
通过统计各研究区域的数据, 计算各区域内的平均温度、温差、返回expr的样本标准偏差 ( Std Dev) 以及植被覆盖率, 结果如表1 所示。
通过观察2002 年数据, 我们可以看出, 当时老城区的平均地表温度明显高于章江新区和黄金开发区, 而章江新区和黄金开发区的平均地表温度向接近, 观察温差则看出老城区的温差要明显大于另外两区, Std Dev老城区明显高于另外两区, 也说明在老城区的温度分布存在较为明显的温度聚集情况。
到了2013 年, 数据则发生了很大的变化, 经过十余年时间建设与发展, 赣州新区基本上已经建成。这导致两区用地性质发生了很大变化, 研究范围内的土地基本上由非建设用地转变成为了建设用地。通过表2 可以看出三区用地变化。
观察2013 年的数据可以发现在黄金开发区Std Dev明显升高, 并且高于另外两区。这意味着该区存在明显局部的温度聚集情况, 即存在明显的热岛效应。而章江新区的Std Dev值略微低于老城区, 也就是说该区的热岛效应要弱于老城区。
而到了2014 年, 黄金开发区的Std Dev值仍是明显高于另外两区, 并且地表温差达到了19. 7 ℃ 。章江新区的Std Dev值和温差也略微要高于老城区。
由于近十余年来, 老城区用地性质变化较小, 可将老城区作为参照组, 将其值设为1, 得出另外两区的相对于参照组的值, 如表3 所示。
从各区域植被覆盖率与Std Dev的关系上看, 植被覆盖率越高, Std Dev值越低, 表明热岛效应越弱。随着植被覆盖率的降低, 热岛效应越来越明显, 研究范围内温差也会变得越来越大。观察对比2014 年数据, 章江新区的温度和温差与老城区数据都较为接近, 而对比植被覆盖率, 两者却有较大的差距, 章江新区植被覆盖率明显要高于老城区。黄金开发区的绿地覆盖率接近于老城区, 但是其热岛效应却要远高于老城区。这就是说当城市建设到一定水平时, 城市的绿地覆盖率的高低并不会成为影响城市热岛效应的主要因素。
而通过研究赣州卫星影像图对比三区的空间结构, 我们能发现这三区在城市空间结构、路网形态、尺度以及绿地空间布局形态都有很大的不同。从路网密度上看, 老城区路网密度要明显高于另外两区, 其路网结构主要沿袭民国时期, 多以自由式布局为主。特点是路网密度大, 街区的尺寸较小。而在植被的布局上则主要采用沿街巷布局为主, 街区内部布局为辅的方式, 从整体形态上看, 老城区的植被分布较为均匀。另外两区街巷与绿地关系如表4 所示。
4 结语
当植被覆盖率越高, 控制和减少城市热岛效应的作用越明显。但是当植被覆盖率较为固定, 或是变化不大时, 城市绿地系统的空间分布形态直接影响了城市的热岛效应。密集均匀的绿地系统形式更加有利于减少城市的热岛效应。在城市规划中, 城市的绿地率都有一个变化不大的值域。如何在这个值域内设计和规划城市的绿地系统, 是每一个规划者都要认真思考的事情。在城市绿地系统规划过程中, 规划者不应该盲目被绿地率、绿化率等指标束缚, 而是要经过科学合理的分析, 对城市的绿地进行布局和规划。这样才能积极发挥城市绿地系统对减弱城市热岛效应的作用。
参考文献
[1]Howard L.Climate of London Deduced from Metrological Observations[M].3rd Edition.London:Harvey and Dorton Press, 1833:348.
[2]Manley G.On the Frequency of Snow fall in Metropolitan England[J].Quarterly Journal of the Royal Meteorological Society, 1958 (84) :70-72.
[3]中国科学院计算机网络信息中心GSCloud平台.http://www.gscloud.cn/.
植被覆盖 篇10
在众多生态环境变化的问题中,土地利用/土地覆盖变化研究显得尤为重要[1,2,3]。长期以来,国内外相关学者对土地利用/土地覆盖变化从不同角度进行了研究。IGBPII指出土地变化科学中,土地利用/土地覆盖变化在生态系统功能和服务中具有重要的战略地位,是认识人类-陆地-环境系统的关键[4];于兴修等[5]就中国的土地利用/覆被变化的现状及存在问题进行了充分的阐述;邵景安等[6]对引起土地利用变化的驱动因子及驱动力进行了明确分析;许月卿、李鹏杰等[7,8]从流域尺度上,对土地利用/覆被变化进行了研究。王秀兰、张靖等[9]对研究土地利用/覆被变化的相关方法进行了整理分析。目前,利用植被指数对土地利用进行评价的研究很少,因此,本文基于土地利用数据,应用Arc GIS平台,结合传统研究方法对淮河流域土地利用时空动态进行分析,提取归一化植被指数,进一步转为植被覆盖度,利用对应的植被覆盖度对其进行评价分析,旨在辨识淮河流域土地利用的新情势,为更合理地调整淮河土地利用结构、提高土地利用效率和改善生态环境提供参考。
1 研究区概况
研究区淮河流域涉及安徽、河南、江苏、山东、湖北五个省,于三江营汇入长江。其地理坐标为111°56'E~109°15'E、30°57'N~37°50'N,地处我国南北气候的交界区,属于气候过渡地带,北部地区为暖温带,南部地区为北亚热带。该流域面积约33万km2,地形地貌主要以山丘和平原为主。参考我国国土资源局颁布执行的《土地利用现状分类》标准,结合该流域当地的实际情况,将研究区内的土地分为耕地、林地、草地、水域、居民及城乡建设用(简称居工地)、裸地(即未利用土地)6个一级类。
2 数据及研究方法
2.1 数据来源
以2000年、2005年以及2013年3期1∶10万土地利用数据以及对应的3期MODIS遥感影像数据、淮河流域相关的矢量文件(源自国家基础地理信息网基础数据)为主要备用数据。辅助数据包括淮河流域的DEM、行政区划等其他国家基础地理数据等。
2.2 研究方法
本研究利用土地利用动态度[1](单一动态度、综合动态度)以及转移矩阵分析研究淮河流域内土地利用时空格局动态变化,通过定量描述区域土地利用动态变化速率,把握土地利用变化的趋势。
(1)单一土地利用类型动态度[1]。
式中:Ki为该研究区某种土地利用类型年动态变化率;Ua和Ub分别代表研究期初和期末某种类型土地数量;T为研究时间段。当T的时段设定为年时,Ki值为该研究区某种土地利用类型年动态变化率。
(2)综合土地利用动态。
式中:LC为研究区内综合土地利用动态度;LUi为监测起始时间第i类土地利用类型面积;ΔLUi-j为监测时段内第i类土地利用类型转为非j类土地利用类型面积的绝对值;T为监测时段长度。当T的时段设定为年时,LC值为该研究区土地利用年动态变化率。
(3)转移矩阵。土地利用转移矩阵是表征土地利用类型之间在一定时段内相互转移的一种有效的工具,从而总体上把握土地利用的转移态势。在Arc GIS10.0平台下,对2000年、2005年以及2013年3期的土地利用数据两两进行叠加分析,对所得的相关数据进行统计分析,分别获得2000-2005年以及2005-2013年的土地利用类型转移矩阵,以分析该流域土地利用时空格局动态。
(4)基于MODIS遥感影像,通过GIS平台提取该流域对应年份植被长势最好时(8月份)的归一化植被指数(NDVI)及植被覆盖度,将其与土地利用叠加分析,通过植被覆盖度大小对土地利用的合理化进行评价分析。
NDVI是反映土地覆盖植被生长状态的一种遥感指标,限定在[-1,1]范围内,在有植被的地方NDVI>0,且随植被覆盖度的增大而增大。计算公式如下:
式中:NIR为位于近红外波段的遥感通道所得到的反射率;VIS为位于可见光波段的通道得到的反射率。
植被覆盖度(Fc)[10]指植被冠层的垂直投影面积与土壤总面积之比,即植土比。
式中:NDVImax为研究区内的NDVI最大值;NDVImin为研究区内NDVI的最小值。
式中:Fcl是植被覆盖度等级。
上述公式把NDVI整体归一到区间0~255之间,根据表1像元灰度值分段将0~255之间的NDVI像元灰度值分级[10]。
3 结果分析
3.1 淮河流域土地利用空间演变
淮河流域内各土地利用类型在数量组成及空间构成上存在显著分异特征。3期土地利用中,从数量上(如图1),主要以耕地(旱地和水田)与居工地为主,其面积之和所占比例均达到82%以上。林地、草地和水域分布地面积相对较少,对应百分比依次为7%、3%和4%左右,整体植被覆盖相对较低;裸地,即未利用土地面积极少,占比均在0.2%及以下。
从空间上(如图2),各土地利用类型同样呈现出明显的地带性分布。淮河流域内耕地分为旱地与水田两大类,大致以淮河为分界线,淮河以北是旱地,淮河以南为水田;另外,在山东省、江苏省和安徽省的交界处有一定面积的水田分布。草地主要分布在淮河流域东北部(山东境内)地区;而林地则相对集中分布在流域东南边界处。居工地相对均匀散布在整个流域内,呈增加趋势;且相对流域内部地区,沿海地区居民及城乡建设用地的密度较大。水域分布相对集中于东南地区。
3.2 淮河流域土地利用时间演变
从年变化(如图3)上,13年(2000-2013)间,淮河流域土地利用类型整体上的变化为:水田、水域和居工地面积增加,其中水田增加面积约2 190 km2,水域约增加约2 271 km2,居工地增加约11 106 km2;旱地、林地、草地及裸地减少,耕地减少约9 417 km2,草地减少4 577 km2,裸地减少285 km2;增加与减少的土地利用面积基本上保持一致。
2000-2005年,水田增加-旱地增加-林地增加-草地减少-水域减少-居工地减少-裸地减少,且水田、旱地、草地和居工地变幅较大。而2005-2013年,各土地利用类型变动起伏显著,变化趋势为:水田减少、旱地减少、林地减少、草地减少、水域增加、居工地增加、裸地减少。
依据土地利用动态度(如表2),分析淮河流域土地利用时间演变规律。从单一土地利用动态角度,2000-2005年中,草地、居工地以及裸地的动态度小于0,说明该土地利用类型面积减少,年减少率分别为4.94%、1.34%、0.97%;耕地(水田和旱地)、林地以及水域的动态度大于0,说明各土地利用类型面积总量增加,年增长率分别为1.57%、0.61%、0.85%。在一定程度上,土地利用动态度的绝对值大小直接反应了各土地利用类型面积变化速度的大小。2000-2005年间,变速由快到慢依次为草地、耕地、居工地、裸地、水域和林地,可知,草地变速最快,而林地变速最慢。
2005-2013年间,草地、裸地继续减少,水域持续增加,而耕地(水田和旱地)、林地和居工地反向变化(相对2000-2005年的变化动态而言)。裸地变速最大,其次为居工地、水域、耕地(水田和旱地)、林地和草地(具体动态变化度详见表2)。
整体上2000-2013年期间,变速最大的是裸地,其次是草地、居工地、水域、耕地(水田和旱地)和林地(具体动态度变化详见表2)。
%
从综合土地利用动态度角度,2000-2005年、2005-2013年及2000-2013年的动态变化分别为0.43%、0.59%、0.36%。相对2000-2005年,2005-2013年内人们对淮河流域土地利用方式的干扰程度加大。20世纪初期,该地区人口增长加速,人均土地资源占有量减少,人类与土地矛盾激化,加上城市化、城镇化进程的推进给土地利用也造成很大压力,另外还有面源污染、生态环境脆弱、地貌复杂、水土流失以及地质灾害的发生,都在一定程度上影响土地利用[11]。2000-2013年综合土地利用动态度为0.36%,说明这期间每年每100 km2中就有0.36 km2的土地利用方式发生了改变。
3.3 淮河流域土地利用时空转移特征
淮河流域土地利用类型间的多维向转化直接决定其面积与空间分布的特征。在2000-2005年间,淮河流域发生转化的土地利用类型面积共7380.37 km2左右,约占整个流域面积的2.25%。从空间上,具体土地类型空间转移格局分布如图4(a)。由图可知,土地利用类型转移区呈斑块离散状分布相对均匀,较为显著的土地利用类型转移区集中在流域的边界区、山东半岛境内以及江苏境内。2005-2013年间,土地利用类型转移区集聚密度较大的多在流域北半区内,较2000-2005年间的土地利用类型变化,该时期内的转移土地利用类型有所不同,且聚集现象较为显著的除了山东半岛之外,流域北部的河南境内也出现大面积的土地利用类型转移[图4(b)];转移面积约为15 574.45 km2,约占研究区总面积的4.74%。
1112-水田转旱地;112-水田转林地;113-水田转草地;114-水田转水域;115-水田转居工地;116-水田转裸地;1211-旱地转水田;122-旱地转林地;123-旱地转草地;124-旱地转水域;125-旱地转居工地;126-旱地转裸地;211-林地转水田;212-林地转旱地;23-林地转草地;24-林地转水域;25-林地转居工地;26-林地转裸地;311-草地转水田;312-草地转旱地;34-草地转水域;35-草地转居工地;36-草地转裸地;411-水域转水田;412-水域转旱地;42-水域转林地;43-水域转草地;45-水域转居工地;46-水域转裸地;511-居工地转水田;512-居工地转旱地;52-居工地转林地;53-居工地转草地;54-居工地转水域;56-居工地转裸地;611-裸地转水田;612-裸地转旱地;62-裸地转林地;63-裸地转草地;64-裸地转水域;65-裸地转水域
从时间角度,在土地利用类型转移数量上,各单一土地利用类型空间转移变化(如表3,表4)主要以耕地(包括旱地和水田)、居工地及水域为主,具体表现为:
%
(1)2000-2005年间,整体上,多数土地利用类型主要转为旱地、水田和林地,约有0.94%的土地转为水田,0.59%左右的土地转为旱地,0.56%左右的土地转为林地,少量土地转化为其他土地利用类型;草地、居工地和裸地则处于减少态势;裸地利用率高达54%。具体而言,各土地类型以转为旱地为主,其面积变化百分比分别是水田约1.87%、林地约3.52%、草地18.61%、水域3.12%、居工地11.94%、裸地为30.29%。
%
(2)2005-2013年间,土地利用类型转移变化以转为旱地和居工地为主;其中,居工地面积的增加多源自水田和旱地面积的减少,另外草地和水域也有一定的贡献。裸地的利用率高达70%以上。具体各土地利用类型间的转移变化如表4所示。
综上,不同时期,随着区域经济社会的发展、人口的激增、城镇化进程的推进,对土地利用提出越来越多不同的要求。整体上,淮河流域在2000-2013年期间土地利用类型转移变化趋势相对平稳。
3.4 淮河流域土地利用覆被变化
如图5,2000-2013年间随土地利用变化对应植被指数NDVI也呈现出一定的演变规律。整体上植被指数处于中等偏上水平,植被覆盖良好。2000年,NDVI>0.7的土地利用类型面积约占淮河流域土地面积的24.80%,主要集中在淮河流域中的皖北和苏北地区,以及流域的东南边界地区;0.5<NDVI<0.7的土地利用类型面积约为58.19%,主要集中在流域内的东部山东半岛、中部安徽、河南与湖北境内布;NDVI<0.5的土地利用类型面积约17.01%,则以斑块状聚集分布于流域的西南地区和水域区;NDVI平均值约为0.61,植被覆盖良好。2005年,NDVI平均值约为0.68植被覆盖显著提升。NDVI>0.7的土地利用类型面积约占淮河流域土地面积的50.74%,大面积分布于淮河流域的西北部与东南部地区;0.5<NDVI<0.7的土地利用类型面积约占42.66%,仍以流域内的山东半岛为主要分布区;NDVI<0.5的土地利用类型面积约6.60%,零星分布于流域的东南部和山东半岛境内,且西南地区的植被覆盖大幅度改善。2013年,植被覆盖继续好转,NDVI>0.7的土地利用类型面积约淮河流域土地面积的49.45%,在2005年的基础上,西南地区与山东半岛境内植被覆盖提高;0.5<NDVI<0.7的土地利用类型面积约占40.00%;NDVI<0.5的土地利用类型面积约10.55%,零星分布于流域的西北边界区、江苏境内以及山东半岛内;NDVI平均值约为0.67,植被覆盖有所提升。淮河流域内植被指数变化表明近13年来淮河流域土地利用呈良好发展态势。
从表5~表7中可以看出,各土地利用类型的植被覆盖度各不相同。2000-2013年间,整体上良等以下植被覆盖面积大致呈现减少趋势,良等和优等植被覆盖度呈增加趋势,这主要与土地利用类型间的转变有着主要关系。从单一土地利用类型来看,植被覆盖度高的土地利用类型主要为旱地、水田和居工地,旱地的植被覆盖度几乎维持在50%左右,水田的植被覆盖度则维持在15%左右,居工地的植被覆盖度在10%以上;而林地、草地、水域及裸地的植被覆盖相对偏低。在未来的发展建设中应该着重提高林地、草地、水域及裸地的植被覆盖度,从而整体上更加合理化该地区的土地利用。
4 结语
以2000年、2005年以及2013年3期的土地利用数据为基础,基于Arc GIS技术平台分析淮河流域土地利用时空格局的动态变化,利用对应3期的MODIS遥感数据对其进行评价分析,具体结论如下。
(1)整体上,该流域内的土地利用类型在数量、空间结构上都存在明显的分异特征。在数量上,该区域内土地利用以耕地与居工地为主,其次是林地。空间上,耕地分布最为集中,林地、草地也存在聚集分布的特点,而居工地多呈斑块状分布。
(2)从年变化上看,2000-2005年,水田增加、旱地增加、林地增加、草地减少、水域减少、居工地减少、裸地减少,且水田、旱地、草地和居工地变幅较大。而2005-2013年,各土地利用类型的变动起伏显著,变化趋势为水田减少、旱地减少、林地减少、草地减少、水域增加、居工地增加、裸地减少。
(3)利用单一土地利用动态反映对应土地利用类型面积的变化速度。2000-2005年间,变速由快到慢依次为草地、耕地、居工地、裸地、水域和林地,可知,草地变速最快,而林地变速最小。利用综合土地利用动态度反映人类活动对土地利用方式的干扰程度,2000-2013年综合土地利用动态度0.36%,说明这期间每年每100 km2中就有0.36km2的土地利用方式发生了改变。
(4)土地利用类型之间的多维向转化是引起土地利用时间与空间分布变化的直接表现形式。从空间变化上,在2000-2005年,土地利用转移趋势不显著,整体转移变化量约为流域总面积的2.25%。而2005-2013年土地利用转移也不显著,转移面积约为15 574.45 km2,约占研究区总面积的4.74%。单一土地利用类型的空间转移变化主要以耕地、林地及居工地的转移变化为主。整体上,淮河流域在2000-2013年期间土地利用类型转移变化趋势相对平稳。
(5)淮河流域内植被指数的变化,表明近13年来淮河流域土地利用变化呈良好发展态势。但从单一土地利用类型来看,植被覆盖度高的土地利用类型主要为旱地、水田及居工地,而草地、林地、水域及裸地的植被覆盖相对偏低。由于其地理位置的特殊性,在未来的发展建设中仍需要进一步提高水域、林地及裸地的植被覆盖度,加强植被保护以提高该地区土地利用的适宜度,从而整体上更加合理化该地区的土地利用。□
参考文献
[1]王秀兰,包玉海.土地利用动态变化研究方法探讨[J].地理科学进展,1999,18(1):81-87.
[2]刘纪远,张增祥.中国近期土地利用变化的空间格局分析[J].中国科学:D辑,2002,32(12):1 031-1 040.
[3]Turner I B L,Lambin E F,Reenberg A.The emergence of land change science for global environmental change and sustainability[J].PNAS,2007,104(52):20 666-20 671.
[4]Ojima D,Lavorel S,Graumieh L,et al.Terrestrial human.environment systems:the future of land research in 1GBPⅡ[Z].In:Global Change News letter Issue No,2002,50.
[5]于兴修,杨桂山.中国土地利用/覆被变化研究的现状与问题[J].地理科学进展,2002,21(1):51-57.
[6]邵景安,李阳兵,魏朝富,等.区域土地利用变化驱动力研究前景展望[J].地球科学进展,2007,22(8):798-809.
[7]许月卿,彭建.贵州猫跳河流域土地利用变化及其对土壤侵蚀的影响[J].资源科学,2008,30(8):1 218-1 225.
[8]李鹏杰,何政伟,李璇琼.基于RS和GIS的土地利用/覆被动态变化监测——以九龙县为例[J].水土保持研究,2012,12(2):39-42.
[9]张靖,同丽嘎,董建军,等.土地利用/覆盖变化研究方法[J].内蒙古大学学报(自然科学版),2013,44(3):329-336.
[10]周兆叶,储少林,王志伟,等.基于NDVI的植被覆盖度的变化分析——以甘肃省张掖市甘州区为例[J].草业科学,2008,(12):25(12):23-30.
[11]张杰,赵冰,杨伟,等.基于Arc GIS的淮河流域大别山区土地利用变化与土壤侵蚀特征研究[J].水土保持通报,2009,1(1):119-122.