共查询到19条相似文献，搜索用时 590 毫秒
1.
近30年来渭河流域植被与气候变化互影响模式的探寻分析 总被引：2，自引：0，他引：2
基于1982-2006年间的GIMMS NDVI和2001-2013年的MODIS NDVI数据对渭河流域30年来植被NDVI的年际变化和空间分布特征进行了分析,并结合研究区内的气象数据探讨了植被NDVI与气候因子的相互影响关系。研究显示,近32年间渭河流域植被NDVI整体呈上升趋势,且空间差异显著,主要表现为流域西北地区的黄土丘陵沟壑区及北部的黄土高原区NDVI较低,植被覆盖较差;流域南部的秦岭山区、关中平原区等地植被生长状况较好。流域气温和降水呈现缓慢增长趋势。植被NDVI与年均气温整体上表现为负相关,与年降水量间呈正相关。总体上,降水是渭河流域植被生长的主要影响因子。 相似文献
2.
3.
宁夏不同植被类型归一化指数与气象因子分析 总被引：1，自引：0，他引：1
针对植被动态对气候变化响应的问题,提出了从小尺度范围研究植被指数与气象因子的相关性,采用2000—2010年MODIS归一化植被指数数据集和宁夏10个气象站2000—2010年逐月气象资料,分析了气象站点周围10km缓冲区内不同植被类型NDVI与气象因子的相关性。结果表明:2000—2010年宁夏不同植被类型NDVI均呈上升趋势;极端最低气温、最高气温、平均气温、平均相对湿度以及日照时数对宁夏地区植被的生长有明显的滞后效应;植被NDVI与极端最低气温的相关性系数最大,其次是平均气温;不同植被类型的NDVI与极端最高气温、极端最低气温以及平均气温的相关性由南向北呈现波动性增长,与降水量的相关性由南向北呈现明显的减小趋势;且耕地NDVI与各气象因子的相关性最大。 相似文献
4.
基于MODIS-NDVI数据和气象数据,研究了天津市蓟州区植被NDVI近16年的时空变化特征以及16年间气温、降水变化规律.研究结果表明,蓟州区2000-2015年年平均NDVI趋势为先降后升,最低值出现在2004年.月际NDVI均值与月平均降水量的相关性高于最大降水量的相关性,说明最低温度比最高温对植被的影响更大,月平均降水量比最大降水量对植被的影响更大.除去人类活动的影响,蓟州区县植被指数的变化主要归因于降水减少和温度增加,对于指导当地生产实践具有实际意义. 相似文献
5.
基于MODIS-NDVI数据分析澜沧江流域生长季植被NDVI时空特征和变化趋势,结合地形数据、气象站点数据和植被类型数据,利用趋势分析和相关性分析法研究植被NDVI变化对气候因子的响应。结果表明:1)2000-2017年澜沧江流域生长季植被NDVI均值为0.592,整体呈现出由西北向东南波动增加趋势,增长速率为0.09%/10年;2) 2000-2017年澜沧江流域气温呈上升趋势,降水呈下降趋势,植被NDVII总体与平均气温的相关性高于累积降水量;3)澜沧江流域生长季植被NDVI驱动因子分析表明,气候驱动中以气温降水联合驱动为主,流域植被NDVI变化整体为非气候驱动。 相似文献
6.
25年来秦岭NDVI指数的气候响应 总被引：1，自引：0，他引：1
利用1982-2006年的植被指数和研究区域内4个气象站的气温、降水数据，研究陕西秦岭地区植被指数、气温、降水的多年变化趋势，分析植被指数与气温和降水的相关关系。利用植被类型数据分析不同植被种类的NDVI与不同气候因子的相关程度。结果表明，1982-2006年，研究区域年均气温有明显的上升，升幅达2.1℃，而年总降水量每10年下降约72 mm，秦岭地区NDVI略有上升。整体而言，植被指数的变化与气温之间的相关性在中部最大，向东西两侧递减；与降水之间的相关性在中部最小，向东西两侧递增。气温对果树园、经济林的影响最大，降水对阔叶林的影响最大。气温是影响该地区植被指数变化的主要因素。 相似文献
7.
在全球气候变化背景下研究陆地植被的时空变化规律,探讨气候因素的驱动作用,对于预测未来气候变化对生态系统的可能影响、制定合适的生态环境保护策略具有重要意义。利用2000—2009年MODIS归一化差值植被指数(normalized difference vegetation index,NDVI)时间序列数据和地面气象站点的气温、降水量数据,从遥感角度分析环渤海地区植被的时空变化,并研究变化与气温、降水的相关关系,探讨区域植被年内和年际变化的驱动因素。结果表明,2000—2009年环渤海地区植被覆盖总体呈增加的趋势,但存在一定的空间异质性,局部有减少的倾向;区域植被的生长受温度和降水的双重驱动,对降水和温度的响应存在明显的滞后,滞后期大约为1个合成期;年际的变化主要受降水和人类活动的影响,降水增加可使区域NDVI提高;不同的人类活动会导致NDVI向相反的方向发展。 相似文献
8.
针对不同的数据源及时间和空间尺度会使植被覆盖度及其与气象因子影响的结果有所差别这一情况,该文基于青藏高原1982-2012年GIMMS NDVI和2001-2013年MODIS NDVI遥感数据集,结合研究区内12个典型的气象站点数据,进行了青藏高原地区植被覆盖时空动态变化规律及其与气象因子响应的时序分析,并利用重合时间段的数据对比分析了两种传感器在青藏高原地区对植被动态变化监测方面的差异.结果表明:近30年来,青藏高原地区植被呈整体改善趋势,尤其是高海拔地区;不同阶段植被的变化趋势有所不同;两种传感器在反映植被动态变化趋势上差异显著,但两者与气候因子的响应规律相同. 相似文献
9.
《地理空间信息》2020,(5)
基于2000-2017年石羊河流域NDVI时间系列数据,利用Landsat系列卫星的TM、ETM、OLI数据获取了研究区的NDVI;并根据NDVI时序变化特征,利用趋势分析法,结合气象数据,研究了近18a来石羊河流域NDVI时空演变的规律。研究结果表明:①2000-2017年石羊河流域时序NDVI总体呈上升趋势,说明植被覆盖程度具有明显增长的趋势;②不同区域NDVI变化差异明显,总体可划分为显著增加、增加、稳定、减少、显著减少5类;③年际NDVI平均值、最大值与气温、降水相关性分析表明,二者与气温相关性在2000-2010年为负相关、在2011-2017年为正相关,二者与降水量总体呈正相关,相关系数分别为0.09、0.29,降水量的增大有利于促进石羊河流域植物的生长。 相似文献
10.
长江上游安宁河流域植被生长变化对气候条件的响应 总被引：1，自引：0，他引：1
为探讨安宁河流域植被演变趋势及其与气候的相互作用,基于2001—2008年MODIS图像、降水量和气温数据,采用回归分析和相关分析等方法计算了安宁河流域降水、气温和归一化差值植被指数(normalized difference vegetation index,NDVI)在时间和空间上的变化情况,并对安宁河流域植被生长变化对气候条件的响应机制进行了探讨。结果表明:NDVI变化和气温、降水呈正相关;降水量和气温等气候因子的变动会直接反映在植被长势上,其中降水对安宁河流域植被生长的影响更为显著;植被长势与气温和降水存在一定的时间滞后性。 相似文献
11.
针对鄂尔多斯高原植被覆盖变化受干旱胁迫的状况,该文结合降水和气温的协同变化,以2000-2012年生长季的MODIS-NDVI数据和同期降水、温度和帕尔默干旱指数为依据,采用线性趋势分析、标准偏差分析和相关性分析等方法,对鄂尔多斯高原植被与气候变化的相关关系和干旱异常变化对植被动态的影响进行了研究.结果表明:鄂尔多斯高原生长季及季节(春季、夏季和秋季)植被归一化植被指数主要受降水的控制和干旱的制约,秋季归一化植被指数更多地受到夏季干旱的影响.与气象因子的空间相关分析表明,春季温度上升有利于研究区北部归一化植被指数像元的增加.在荒漠草原和沙漠地区,夏季干旱与归一化植被指数的相关关系最强.秋季降水对典型草原归一化植被指数的提升显著. 相似文献
12.
木里煤田地处青藏高原典型生态环境脆弱地带的大通河源头,本文以Landsat影像为数据源,基于归一化植被指数像元二分模型估算木里煤田矿区1990-2016年植被覆盖度,监测其动态变化及时空发展规律。研究发现,1990-2016年矿区裸土及低植被覆盖面积增加156.60 km^2,中植被覆盖面积增加153.37 km^2,高植被覆盖面积减少309.99 km^2。动态监测结果表明,1990-2016年木里煤田植被覆盖呈现严重退化趋势,退化最明显区域出现在矿区周边;时空格局变化分析结果表明,矿区植被覆盖等级逐渐向低植被覆盖等级转变,植被覆盖区域面积逐渐缩小。通过监测木里煤田矿区植被覆盖动态变化并分析其时空变化特征,为研究区生态环境修复,土地复垦等工作提供相关数据参考及技术支撑。 相似文献
13.
胜利矿区植被覆盖度时序变化的空间异质性监测 总被引：1，自引：0，他引：1
通过对胜利矿区的地理位置、气候条件等背景的分析，本文为实现获取时序性植被覆盖度的空间异质性的目的，使用ENVI、GIS、Matlab等软件，基于胜利矿区1985—2017年的Landsat TM/ETM+/OLI遥感数据计算NDVI，利用像元二分模型计算植被覆盖度，得到研究区植被覆盖度均值的时序变化情况。采用转移矩阵法和Sen+Mann-Kendall法对研究区域内不同等级的植被覆盖转移情况及变化趋势情况进行分析。研究表明：胜利矿区植被覆盖度均值波动较大，呈轻微下降趋势。在监测时段内68.36%的高植被覆盖区域植被发生了退化，只有3.2%左右的极低植被覆盖区域得到了良好的改善。此外，研究区植被覆盖度受到结构性因子和随机性因子的影响，空间异质性明显，灌溉区由于人为干涉，植被生长良好，极低植被覆盖面积维持在3%以下，植被覆盖显著下降区域主要集中在露天采坑、排土场等矿业景观区。 相似文献
14.
采用遥感技术对矿区生态环境进行监测与评价,对矿区生态环境的保护和可持续发展具有重要意义。本文首先提出了一种遥感生态指数（RSEI）改进方案,除了采用原模型的绿度指标、湿度指标、热度指标及干度指标4个生态指标外,引入植被净初级生产力（NPP）指标,并对矿区生态环境进行各单生态指标评价分析,然后采用改进后的遥感生态指数,对神府矿区2000—2016年的生态环境变化进行综合评价。评价结果表明,2000—2016年,神府矿区的遥感生态指数呈整体升高趋势,RSEI增幅约为0.1/10 a,大部分区域植被生产力逐渐增强,生态环境得到恢复,生态环境质量逐渐提升。 相似文献
15.
MODIS NDVI和AVHRR NDVI 对草原植被变化监测差异 总被引：5，自引：0，他引：5
以草地作为研究载体,对比分析草原植被AVHRR NDVI和MODIS NDVI两种NDVI序列的年内、年际变化特征,讨论两种NDVI序列对降水量、平均气温和水汽压3种气候因子的响应差异,为合理选择NDVI序列对植被进行监测研究提供参考。结果表明：(1)两种NDVI序列所反映的草原植被年内变化趋势相似,但MODIS NDVI对各类草原的区分度优于AVHRR NDVI;(2)两种NDVI序列所反映的2000年—2003年草原植被年际变化差异明显。较之于MODIS NDVI,AVHRR NDVI变化趋势分类图表现出更强的植被改善趋势,植被改善面积在AVHRR NDVI变化趋势分类图中占94.25%,在MODIS NDVI中为83.33%;两种NDVI变化趋势分类图反映的植被变化趋势吻合度为52.88%。(3)两种NDVI序列与水汽压、降水量相关性差异显著。MODIS NDVI与各站点平均气温的相关系数均大于GIMMS NDVI;而MODIS NDVI与水汽压的相关系数83%(10个站点)小于GIMMS NDVI,与降水量的相关系数67%(8个站点)小于GIMMS NDVI。 相似文献
16.
太湖水生植被NDVI的时空变化特征分析 总被引：2，自引：0，他引：2
为了明确太湖不同生态区水生植被长势的变化规律及其影响因子,利用MODIS传感器提供的NDVI数据,分析了太湖2000年—2015年NDVI的时间及空间变化特征。结果表明:太湖水生植被NDVI存在明显的季节变化和年际变化,NDVI每年最小值出现在冬季,最大值出现在植被生长旺盛的8月或9月,其值可达0.35;太湖全湖NDVI多年平均值为0.1,最大值为0.14,出现在2007年。太湖NDVI的空间差异可将太湖划分为不同的植被类型区,太湖西北部(竺山湾和梅梁湾)NDVI最大值可达0.2,植被类型主要以浮游藻类为主,东太湖区域最大值超过0.6,主要以沉水植被为主;太湖不同区域植被动态特征对气象因子的响应也不尽相同,沉水植物生长与平均气温有显著的正相关关系,而浮游植物区的生长状况受平均风速影响较大。 相似文献
17.
1983—1992年中国陆地植被NDVI演变特征的变化矢量分析 总被引：32，自引：2，他引：32
以NDVI时序资料为基本数据源，综合应用变化矢量分析和主成分分析方法对1983年至1992年中国陆地植被NDVI的变化强度、变化类型及空间结构变化特征进行了分析。研究结果表明在此期间中国陆地植被NDVI变化有以下特点：（1）十年间NDVI变化东西分异明显，东部变化幅度远大于西部。NDVI变化整体表现为稳中略增，增加区主要分布在台湾、福建、四川、河南等地；减少区主要分布在云南省和新疆北部等地。（2）空间结构信息表现了景观异质性，其变化主要发生在南方，反映了植被的生长和衰老过程及地形（山脉走向）变化。 相似文献
18.
基于MODIS-NDVI的内蒙古植被变化遥感监测 总被引：2，自引：0，他引：2
本文利用2002-2006年5-8月的MODIS 1B数据,建立NDVI时间序列,并结合气象数据中的月均温、月降水量、滞后1月和滞后2月累计降水量对内蒙古地区植被生长季NDVI的月际、年际变化规律以及NDVI变化同气候因子的相关性进行了分析。结果表明:月际变化上,5-8月NDVI不断增加,NDVI变化率5-6月>6-7月>7-8月;年际变化上,2002-2006年间,草地的波动性最大;在与气候因子的相关性上:滞后2月降水>滞后1月降水>月均温>月降水量;对于林地和草地来说,各种相关系数高纬高于低纬,对于农耕地来说各种相关系数基本相当;对于沙地来说,各种相关系数均不高,这与其植被稀少且几乎无变化有关。 相似文献
19.
《地理信息系统科学与遥感》2013,50(3):371-393
This study uses a multiple linear regression method to composite standard Normalized Difference Vegetation Index (NDVI) time series (1982-2009) consisting of three kinds of satellite NDVI data (AVHRR, SPOT, and MODIS). This dataset was combined with climate data and land cover maps to analyze growing season (June to September) NDVI trends in northeast Asia. In combination with climate zones, NDVI changes that are influenced by climate factors and land cover changes were also evaluated. This study revealed that the vegetation cover in the arid, western regions of northeast Asia is strongly influenced by precipitation, and with increasing precipitation, NDVI values become less influenced by precipitation. Spatial changes in the NDVI as influenced by temperature in this region are less obvious. Land cover dynamics also influence NDVI changes in different climate zones, especially for bare ground, cropland, and grassland. Future research should also incorporate higher-spatial-resolution data as well as other data types (such as greenhouse gas data) to further evaluate the mechanisms through which these factors interact. 相似文献