基于modisndvi的黄土高原地区植被覆盖度时空变化分析.docxVIP

基于modisndvi的黄土高原地区植被覆盖度时空变化分析

气候变化和人类活动对土地利用、植被变化、生态环境和植被分布有重要影响。植被作为重要的生态因子,既是气候变化的承受者,同时又对气候变化产生积极的反馈作用,植被的变化在一定程度上能代表土地覆盖的变化,所以在全球变化研究中起着“指示器”的作用。植被覆盖度是指植被冠层在地面上的垂直投影面积与土地总面积的百分比,是衡量地表植被及区域生态环境状况的重要指标。植被覆盖度是一种基于归一化植被指数(NDVI)的反映植被盖度信息的指标,它能够在一定程度上弥补归一化植被指数对于低覆盖度植被难以区分、而对高覆盖度植被易于饱和的不足,从而有效地拉伸了植被信息的值域。近年来,随着遥感技术的发展,植被覆盖度逐渐成为研究全球或区域生态、气候、水文等方面问题的基础数据,许多学者也利用植被覆盖度进行了大量的不同尺度的研究,并得出了有意义的结论[8,11,12,13,14,15,16,17],其中吴云等基于MODISNDVI数据对三北防护林工程区植被覆盖度动态变化进行分析,陈效逑等利用GIMMSNDVI数据对内蒙古地区植被类型空间分布格局的年代际变化特征以及不同植被类型间转化情况进行分析,王朗等基于MODIS影像对退耕还林、水土流失综合治理等生态恢复措施驱动下陕北黄土高原生态脆弱区的植被覆盖度进行了动态评估。

黄土高原是世界上水土流失最严重的地区之一,由于其特殊的自然环境状况和人类长期的不合理开发利用,导致原本脆弱的生态环境日趋恶化,土地质量严重退化。而植被覆盖度能够反映黄土高原地区生态环境的整体状况,因此,及时、准确地评价黄土高原地区植被覆盖动态变化及其对气候变化和人类活动的响应,对评估区域生态环境、促进区域环境-经济-社会的可持续发展以及理解气候变化与陆地生态系统的相互关系都有着重要的意义。鉴于此,我们利用2000—2009年MOD13Q1归一化植被指数(NDVI)数据,并应用像元二分原理对黄土高原地区近10年植被覆盖状况及其影响因素进行分析,旨在掌握黄土高原地区植被覆盖状况,以期为区域生态环境改善以及生态植被恢复提供依据。

2材料和方法

2.1地表植被覆盖度监测技术

遥感数据为2000—2009年6—9月的MOD13Q1数据,取自美国航空航天局(NASA)数据中心,空间分辨率为250m×250m,时间分辨率为16d。MO-DIS数据具有较高的时间、空间分辨率以及覆盖范围广的优点,能够有效监测地表植被变化信息,在全球地表覆被、气候变化以及生态环境监测等方面具有广阔的应用前景。首先,利用MRT(MODISReprojectionTool)提取NDVI数据,并基于ArcGIS9.3软件对遥感影像进行拼接和裁切处理,然后,为消除云遮蔽、大气影响等不利因素,对研究区每年6—9月的MOD13Q1NDVI数据进行最大合成法处理,以反映该地区真实的植被覆盖度信息。

气象数据为黄土高原及其周边地区131个地面气象站台的逐日气温和降水数据。

2.2像元再成像元的ndvi值

像元二分模型原理是遥感传感器所观测到的信息S可由绿色植被贡献的信息Sv与裸土部分贡献的信息Ss两部分构成:

对于一个由植被和土壤组成的混合像元,像元中植被覆盖面积所占的比例fc即为这个像元的植被覆盖度,那么土壤覆盖面积比例则为1-fc。假设纯植被、裸土像元的遥感信息为Sv和Ss,则混合像元中植被部分所贡献的信息Sveg和裸土部分贡献的信息Ssoil可分别表示为:

将公式(2)与(3)代入公式(1)并进行变换,可得

NDVI是植被生长状态的最佳指示因子,并与植被覆盖度具有很好的相关性。根据像元二分原理,即一个像元的NDVI值可以表示为有植被覆盖(NDVIveg)和无植被覆盖(NDVIsoil)两种情况,因此,植被覆盖度的计算公式可表示为:

式中:NDVIveg为植被全覆盖时的NDVI值;NDVIsoil为无植被覆盖时的NDVI值。本文根据NDVI累计频率表,提取累计频率为0.5%的NDVI值作为ND-VIsoil,累计频率为99.5%的NDVI值作为NDVIveg。

由于目前尚无统一的植被覆盖度等级阈值划分标准,本文在参照相关文献的基础上,结合黄土高原地区特有的生态环境特点,将植被覆盖度等级划分为5级(表1)。

3植被覆盖度

首先利用最大合成法逐年提取研究区2000—2009年6—9月NDVI的最大值,然后计算该年份植被覆盖度,并统计出整个研究区的平均值绘制年际变化曲线(图1),可知,黄土高原地区2000—2009年的植被覆盖度整体呈增加趋势,年增速为0.6%(p0.01)。

3.12覆盖度面积和覆盖度面积相对较低

为进一步研究黄土高原地区近10年不同等级植被覆盖度的变化情况,选取2000、2005年和2009年3个年份,对黄土高原