-
开放科学(资源服务)标志码(OSID):
-
植被是陆地生态环境的重要组成部分,在地表物质循环和能量交换中扮演着重要的角色,是连接土壤、大气和水分的自然“纽带”[1-2]. 四川是长江上游生态屏障的主体,对三峡库区及长江下游地区的经济发展和生态安全起着十分重要的作用[3-5]. 长期以来,随着人口的增长和经济的发展,资源的不合理利用、毁林开垦、过度放牧等造成地表植被破坏严重,从而导致水土流失、局部生态环境恶化、自然灾害频发[2, 5-8]. 党的十八大以来,四川省认真贯彻国家关于加强生态环境保护的指示,为实现生态优先绿色发展,积极稳步推进新一轮退耕还林、退牧还草、天然林保护等一系列植被恢复工程[2, 5].
植被覆盖度是地表植被覆盖状况的一个综合衡量指标,对生态环境具有很好的指示作用,被广泛应用于生态环境遥感监测中[2, 5, 9]. Google Earth Engine(GEE)是全球尺度卫星数据计算分析处理的云平台,在获取全球范围内遥感数据及大型地理空间数据集方面具有非常大的优势[10-12]. MODIS是目前世界上新一代的“图谱合一”光学遥感仪器,光谱和时间分辨率高,可以及时提供地表的植被、水体、温度等特征信息,实现了对地表、大气和海洋的长期全球观测. 在MODIS数据中,反映植被覆盖状况的主要是归一化植被指数(NDVI)和增强型植被指数(EVI). 相比于NDVI,EVI经过了全面的大气和土壤背景校正[13-14],并在合成算法上进行了改进[14-15],不仅克服了NDVI易饱和的问题[4, 15-19],能更好地反映高覆盖区域的植被状况[14-15, 20],还能对低覆盖区域的植被很好地区分[14, 21-23].
四川地形地貌差异大,植被类型多样,生态环境异质性高,是全球气候变化敏感区[2, 24]. 目前,关于植被覆盖变化的研究主要集中在NDVI时空变化特征[3, 8, 10, 24-26]以及与气候[1, 4, 8-9, 24-28]、地形[1, 4, 29]等因子之间的关系,而选取EVI计算植被覆盖度并采用分布指数来定量分析植被地形分布特征的研究还较少[4-5]. 本研究借助于GEE平台,以MODIS-EVI数据为基础,运用GIS技术结合像元二分模型和分布指数定量分析四川省近20年来的植被覆盖地形分布规律,有助于从宏观方面了解区域植被覆盖状况,以期为四川省生态植被恢复和健康可持续发展提供一定的参考.
Topographic Distribution Characteristics of Fractional Vegetation Coverage Based on MODIS-EVI in Sichuan
-
摘要: 借助Google Earth Engine平台,以MODIS-EVI数据为基础,运用GIS技术结合像元二分模型和分布指数定量分析四川省近20年来的植被覆盖地形分布特征. 结果表明: ① 2000-2019年四川植被覆盖度以中覆盖度为主(64.56%),低覆盖度次之(17.04%),高覆盖度第三(13.59%),劣覆盖度第四(4.03%),无植被覆盖仅占0.78%; ②无植被覆盖和劣覆盖度主要分布在高程>4 500 m、坡度>15°、北坡、东北坡、西南坡和大起伏、极大起伏山地区域; ③低覆盖度主要分布在高程3 000~4 500 m、西坡和西北坡区域; ④中覆盖度主要分布在高程≤1 000 m、坡度≤15°、台地、丘陵和小起伏山地区域; ⑤高覆盖度主要分布在高程1 000~3 000 m、平地、东坡、东南坡、南坡和平原、中起伏山地区域.Abstract: Based on the MODIS-EVI, this article uses the Google Earth Engine remote sensing big data cloud computing platform analyzing the topographical distribution characteristics of fractional vegetation coverage in Sichuan in the past 20 years with the GIS and Dimidiate Pixel Model and Distribution Index. The results indicated that, from 2000 to 2019, the vegetation coverage was mainly medium coverage (64.56%), followed in the order of low coverage (17.04%), high coverage (13.59%), and poor coverage (4.03%), and free coverage only accounted for 0.78%. Free coverage and poor coverage were mainly distributed in the areas with elevations greater than 4 500 m, slopes greater than 15°, north slopes, northeast slopes, southwest slopes, large and extremely undulating mountains. The low coverage was mainly distributed in the areas with elevations between 3 000 m and 4 500 m, west slopes and northwest slopes. The medium coverage was mainly distributed in the areas with elevations less than 1 000 m, slopes less than 15°, terraces, hills and small undulating mountains. The high coverage was mainly distributed in the areas with elevations between 1 000 m and 3 000 m, flats, east slopes, southeast slopes, south slopes and plains, and medium undulating mountains.
-
Key words:
- MODIS /
- fractional vegetation coverage /
- distribution index /
- topographical distribution .
-
[1] 彭文甫, 张冬梅, 罗艳玫, 等. 自然因子对四川植被NDVI变化的地理探测[J]. 地理学报, 2019, 74(9): 1758-1776. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB201909006.htm [2] 李美丽, 尹礼昌, 张园, 等. 基于MODIS-EVI的西南地区植被覆盖时空变化及驱动因素研究[J]. 生态学报, 2021, 41(3): 1138-1147. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-STXB202103030.htm [3] 杨存建, 赵梓健, 任小兰, 等. 基于遥感和GIS的川西绿被时空变化研究[J]. 生态学报, 2012, 32(2): 632-640. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201202035.htm [4] 荣欣, 易桂花, 张廷斌, 等. 2000-2015年川西高原植被EVI海拔梯度变化及其对气候变化的响应[J]. 长江流域资源与环境, 2019, 28(12): 3014-3028. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-CJLY201912021.htm [5] 伍宜丹, 马悦, 吴浩然, 等. 基于MODIS-EVI指数的四川省植被指数时空演变特征及驱动力[J]. 水土保持研究, 2020, 27(5): 230-236, 243, 2. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-STBY202005034.htm [6] 钟旭珍, 刘馨悦, 姚坤, 等. 基于生态功能分区的沱江流域土壤侵蚀研究[J]. 西南大学学报(自然科学版), 2021, 43(12): 127-136. doi: http://xbgjxt.swu.edu.cn/article/doi/10.13718/j.cnki.xdzk.2021.12.015 [7] 秦微, 兰安军, 李芸, 等. 铜仁地区遥感反演与大气污染物VOCs耦合分析[J]. 西南师范大学学报(自然科学版), 2019, 44(4): 71-76. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-XNZK201904014.htm [8] 周金霖, 马明国, 肖青, 等. 西南地区植被覆盖动态及其与气候因子的关系[J]. 遥感技术与应用, 2017, 32(5): 966-972. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-YGJS201705022.htm [9] 王静, 万红莲, 姚顺波. 生长季川陕不同地带植被覆盖对气候变化的时空响应[J]. 生态学报, 2019, 39(14): 5218-5231. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201914020.htm [10] 冯李, 胡文英, 李应鑫, 等. Google Earth Engine在四川省多年植被覆盖度动态监测中的应用[J]. 林业资源管理, 2019(4): 124-131. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-LYZY201904018.htm [11] 胡克宏, 张震, 郜敏, 等. 中国丝绸之路经济带沿线植被覆盖变化及自然影响因素分析[J]. 农业工程学报, 2020, 36(17): 149-157. doi: 10.11975/j.issn.1002-6819.2020.17.018 [12] ALENCAR A, SHIMBO J Z, LENTI F, et al. Mapping Three Decades of Changes in the Brazilian Savanna Native Vegetation Using Landsat Data Processed in the Google Earth Engine Platform[J]. Remote Sensing, 2020, 12(6): 924. doi: 10.3390/rs12060924 [13] QIU B W, ZENG C Y, TANG Z H, et al. Characterizing Spatiotemporal Non-Stationarity in Vegetation Dynamics in China Using MODIS EVI Dataset[J]. Environmental Monitoring and Assessment, 2013, 185(11): 9019-9035. doi: 10.1007/s10661-013-3231-2 [14] 王正兴, 刘闯, 陈文波, 等. MODIS增强型植被指数EVI与NDVI初步比较[J]. 武汉大学学报(信息科学版), 2006, 31(5): 407-410, 427. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-WHCH200605008.htm [15] 李文梅, 覃志豪, 李文娟, 等. MODIS NDVI与MODIS EVI的比较分析[J]. 遥感信息, 2010, 25(6): 73-78. doi: 10.3969/j.issn.1000-3177.2010.06.016 [16] JAFARI R, BASHARI H, TARKESH M. Discriminating and Monitoring Rangeland Condition Classes with MODIS NDVI and EVI Indices in Iranian Arid and Semi-Arid Lands[J]. Arid Land Research and Management, 2017, 31(1): 94-110. doi: 10.1080/15324982.2016.1224955 [17] ZOUNGRANA B, CONRAD C, AMEKUDZI L, et al. Land Use/Cover Response to Rainfall Variability: a Comparing Analysis between NDVI and EVI in the Southwest of Burkina Faso[J]. Climate, 2014, 3(1): 63-77. doi: 10.3390/cli3010063 [18] ALADEMOMI A S, OKOLIE C J, DARAMOLA O E, et al. Assessing the Relationship of LST, NDVI and EVI with Land Cover Changes in the Lagos Lagoon Environment[J]. Quaestiones Geographicae, 2020, 39(3): 87-109. doi: 10.2478/quageo-2020-0025 [19] 李红军, 郑力, 雷玉平, 等. 基于EOS/MODIS数据的NDVI与EVI比较研究[J]. 地理科学进展, 2007, 26(1): 26-32. doi: 10.3969/j.issn.1007-6301.2007.01.003 [20] 王正兴, 刘闯, HUETE Alfredo. 植被指数研究进展: 从AVHRR-NDVI到MODIS-EVI[J]. 生态学报, 2003, 23(5): 979-987. doi: 10.3321/j.issn:1000-0933.2003.05.020 [21] 陈燕丽, 罗永明, 莫伟华, 等. MODIS NDVI与MODIS EVI对气候因子响应差异[J]. 自然资源学报, 2014, 29(10): 1802-1812. doi: 10.11849/zrzyxb.2014.10.015 [22] WARDLOW B D, EGBERT S L. A Comparison of MODIS 250-m EVI and NDVI Data for Crop Mapping: a Case Study for Southwest Kansas[J]. International Journal of Remote Sensing, 2010, 31(3): 805-830. doi: 10.1080/01431160902897858 [23] 左丽君, 张增祥, 董婷婷, 等. MODIS/NDVI和MODIS/EVI在耕地信息提取中的应用及对比分析[J]. 农业工程学报, 2008, 24(3): 167-172. doi: 10.3321/j.issn:1002-6819.2008.03.034 [24] 伍良旭, 王晗, 邵怀勇, 等. 川西高原植被时空格局及其对气候变化的响应[J]. 水土保持研究, 2021, 28(1): 171-178. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-STBY202101025.htm [25] FENG L, YANG D, HUANG Y Y. Vegetation NDVI characteristics and response to extreme climate in Sichuan and Chongqing from 2000 to 2017[J]. Chinese Journal of Ecology, 2020, 39(7): 2316-2326. [26] 张勃, 王东, 王桂钢, 等. 西南地区近14a植被覆盖变化及其与气候因子的关系[J]. 长江流域资源与环境, 2015, 24(6): 956-964. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-CJLY201506009.htm [27] LI P, HE Z W, HE D, et al. Fractional Vegetation Coverage Response to Climatic Factors Based on Grey Relational Analysis during the 2000-2017 Growing Season in Sichuan Province, China[J]. International Journal of Remote Sensing, 2020, 41(3): 1170-1190. doi: 10.1080/01431161.2019.1657605 [28] 张国斌, 张勃, 王东, 等. 近14年西南地区植被季节变化及与气候关系[J]. 遥感信息, 2016, 31(1): 89-95. doi: 10.3969/j.issn.1000-3177.2016.01.014 [29] 陈瑶, 胥晓, 张德然, 等. 四川龙门山西北部植被分布与地形因子的相关性[J]. 生态学杂志, 2006, 25(9): 1052-1055. doi: 10.3321/j.issn:1000-4890.2006.09.009 [30] 娄佩卿, 付波霖, 林星辰, 等. 基于GEE的1998-2018年京津冀土地利用变化对生态系统服务价值的影响[J]. 环境科学, 2019, 40(12): 5473-5483. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-HJKZ201912032.htm [31] 郝斌飞, 韩旭军, 马明国, 等. Google Earth Engine在地球科学与环境科学中的应用研究进展[J]. 遥感技术与应用, 2018, 33(4): 600-611. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-YGJS201804004.htm [32] 赵丽苹. 基于MODIS数据的喀斯特地区石漠化时空演变特征研究[D]. 北京: 中国地质大学(北京), 2015. [33] FERNÁNDEZ-GUISURAGA J M, CALVO L, SUÁREZ-SEOANE S. Comparison of Pixel Unmixing Models in the Evaluation of Post-Fire Forest Resilience Based on Temporal Series of Satellite Imagery at Moderate and very High Spatial Resolution[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020, 164: 217-228. doi: 10.1016/j.isprsjprs.2020.05.004 [34] 魏石磊, 翟亮, 桑会勇, 等. 像元分解模型的植被覆盖度遥感估算[J]. 测绘科学, 2016, 41(1): 139-143. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-CHKD201601026.htm [35] 李苗苗, 吴炳方, 颜长珍, 等. 密云水库上游植被覆盖度的遥感估算[J]. 资源科学, 2004, 26(4): 153-159. doi: 10.3321/j.issn:1007-7588.2004.04.022 [36] 贾坤, 姚云军, 魏香琴, 等. 植被覆盖度遥感估算研究进展[J]. 地球科学进展, 2013, 28(7): 774-782. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-DXJZ201307006.htm [37] 童晓伟, 王克林, 岳跃民, 等. 桂西北喀斯特区域植被变化趋势及其对气候和地形的响应[J]. 生态学报, 2014, 34(12): 3425-3434. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201412031.htm [38] 马士彬, 张勇荣, 安裕伦. 山区城市土地利用动态空间分布特征——以贵州省六盘水市为例[J]. 自然资源学报, 2012, 27(3): 489-496. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201203015.htm [39] 陈利顶, 杨爽, 冯晓明. 土地利用变化的地形梯度特征与空间扩展——以北京市海淀区和延庆县为例[J]. 地理研究, 2008, 27(6): 1225-1234, 1481. doi: 10.3321/j.issn:1000-0585.2008.06.001 [40] 喻红, 曾辉, 江子瀛. 快速城市化地区景观组分在地形梯度上的分布特征研究[J]. 地理科学, 2001, 21(1): 64-69. doi: 10.3969/j.issn.1000-0690.2001.01.012 [41] 王权, 李阳兵, 刘亚香, 等. 基于地形梯度的岩溶槽谷区土地利用空间格局分析[J]. 生态学报, 2019, 39(21): 7866-7880. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201921007.htm [42] 简萍, 李阳兵, 王权. 基于地形梯度的典型峰丛洼地区土地利用空间分布格局分析[J]. 长江流域资源与环境, 2020, 29(5): 1128-1139. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-CJLY202005008.htm