以南水北调中线水源区1980、1990、2000年LANDSATMSS/TM/ETM+遥感影像为主信息源,辅以DEM、植被分布图、土地利用图、气象数据及相关社会经济资料,对该区域20年来森林覆盖的动态变化和区域分异特征进行了研究。在此基础上,采用典范对应分析(CCA)研究了林地分布及其变化与环境因子间的关系。研究结果表明水源区1980、1990、2000年林地面积分别为67631、61635、65051 km2,斑块数依次为41790、71276、69632个,平均斑块面积为1.62、0.86、0.93 km2,呈破碎化趋势;林地分布主要由海拔、降雨和坡度等因素决定,而林地变化的主要影响因子是...

【目的】监测南水北调中线水源区2000—2015年森林空间分布格局,研究森林动态变化过程及其机制,为水源区森林生态系统保护和水质安全提供理论依据。【方法】基于2000、2010和2015年3期30 m分辨率国产环境灾害卫星HJ-1 A/B CCD以及Landsat TM影像数据,采用面向对象决策树分类方法,监测南水北调中线水源区的土地覆被,并运用像元二分模型和归一化植被指数估算植被覆盖度。【结果】3期土地覆被数据精度(K)分别为89. 4%、86. 9%和84. 4%,2000年用户精度为98%,2010年用户精度为96%,2015年用户精度为94%。土地覆被监测结果表明,受退耕还林和封山育林等生态工程项目实施影响,2000—2015年,南水北调中线水源区森林面积持续增加,增幅达9. 5%,增加面积主要来自草地、耕地和建设用地;然而,随着水源区大规模移民和区域经济不断发展,也使得约4 547 km~2的森林转化为耕地、草地和建设用地。分市统计分析表明,十堰市和安康市森林面积增量最大,均超过1 300 km~2,生态修复工程效果显著。2000—2015年,水源区植被覆盖度也呈增加趋势,其中森林植被覆盖度增幅达25. 4%,且植被覆盖度在0. 6以上的森林面积比例3期均超过70%。【结论】近15年来,南水北调中线水源区森林面积和森林植被覆盖度增加显著,森林密度得到提升,高密度的森林植被能够在地表形成植被保护层,降低水源区发生水力侵蚀和沟渠侵蚀的风险,从而提高水源区水土保持能力。

【目的】分析安徽升金湖湿地保护区植被覆盖的动态变化，研究其相关驱动因子，为该地区生态系统的可持续发展提供参考。【方法】基于ＳＰＯＴ－ＶＧＴ的植被覆盖指数（ＮＤＶＩ）数据，采用最大值合成法、ＮＤＶＩ均值法、趋势分析法以及相关分析法，分析２０００－２０１０年升金湖湿地保护区植被变化的时空格局。选取气温、降水量、ＧＤＰ等１２个指标为自变量，以ＮＤＶＩ值作为因变量，构建多元线性回归模型，从中筛选出影响ＮＤＶＩ的主要驱动因子。【结果】（１）升金湖湿地保护区的实验区植被覆盖较好，缓冲区植被覆盖良好，重点保护区域核心区植被覆盖度较低。（２）从１月到１２月ＮＤＶＩ平均值和最大值均呈先增大后减小的趋势，其中４－．．．

在2008年奥运会的“绿色奥运”规划中提出2007年前北京市林木覆盖率将达到50%等系列规划方案.因此,实时、快速地获取北京市森林覆盖率,可为北京市规划、建设森林生态环境提供基础数据及决策依据.该文以2002年Landsat/ETM+影像数据为基本信息源,借助遥感软件PCI Geomatica V8.2,研究了ETM+遥感影像应用于北京地区森林覆盖统计监测的最佳波段组合和融合处理技术,采用监督分类的方法提取森林覆盖类型、位置和面积信息,并对分类结果与传统调查方法数据进行比较和分析,对分类的精度进行了定性评价.研究结果表明:遥感监测采用先分类再分区县统计的方法可快速获得令人满意的分类结果;分区县...

应用随机森林回归模型对水土流失典型区域——长汀县2000—2010年植被覆盖度变化及主要影响因子进行分析.研究表明:长汀县近11 a植被覆盖度以每年4.11%的速率增加,其中2005年植被覆盖度最低(0.12),2010年植被覆盖度最高(0.70),且2006年之后植被覆盖度均发生正向突变;随机森林模型对植被覆盖度主要驱动因子的拟合效果较好,其观测值和预测值的方差解释率均在78.30%以上,相关性为0.8850.939,极显著相关(P<0.01),且均方残差都小于0.001;当地财政支出和农村人均纯收入、

南水北调中线水源区生态环境情况直接关系南水北调中线工程的水质安全。采用遥感监测技术,根据南水北调中线水源区2000年和2013年的生态环境监测结果,对比分析了整个水源区土地覆被、水土流失、土壤侵蚀等变化情况,从宏观上评价水源区生态环境状况,为有关部门制定相关政策提供参考。研究结果表明,在十多年中,水源区森林覆盖率提高,农田面积比例明显下降,水土流失面积减少,水源区生态环境总体上呈趋向变好的态势。随着农村人口向沿江地带城镇集中,在进一步加强山地植被保护的同时,要进一步重视和加强沿江地带的生态环境保护工作。

利用GIMMS NDVI数据和气象数据,采用趋势分析、残差分析和相对作用分析对华北地区1981—2006年植被覆盖时空变化特征进行了分析,并计算了气候变化和人类活动在植被覆盖变化过程中的相对作用。结果表明,1981—2006年华北地区植被NDVI呈现显著上升趋势,其增加速率为0.009/10 a,但却存在着明显的空间差异,且植被NDVI退化区域面积大于改善区域面积;华北地区植被覆盖变化与干燥度指数和气温有很好的相关性,说明气候变化是影响植被覆盖变化的重要因素;此外,无论在华北地区植被改善区域还是退化区域,人类活动起到的作用都占据了主导地位。在植被改善区,人类活动的相对作用为68.10%,大于气...

目前,城市化的加快直接导致生态建设用地不足,而城市森林建设主要致力于解决城市绿化质量差、生态环境效能低以及维护管理成本高的问题,因此从林木树冠覆盖和空间三维绿量角度开展城市森林结构优化、生态空间扩展以及森林质量提升的研究和探讨具有重要的研究价值。本论文以北京城区居住区和机关单位为研究对象,以北京市城区2013年7-9月份经过几何校正和正射校正的分辨率为0.5m的World View 2遥感影像和2013年目视解译的北京城区树冠覆盖栅格与矢量图为数据源,结合实地调查,分别在整体水平上、不同环路、不同行政区和

【目的】校园是青少年群体的主要活动场所,本文旨在通过探究校园城市森林的数量与质量基础现状,为进一步丰富城市森林内涵,提高未来的校园环境绿化质量提供理论依据和实践参考,使未来校园城市森林的建设及城市森林功能的拓展得到重视,真正满足城市青年群体的需求。【方法】本论文以2013年北京城区0.5 m分辨率的World-View-2卫星影像以及树冠覆盖栅格与矢量图为数据源,对北京市六环内984所学校校园林木树冠覆盖率进行统计;并随机抽取了126所学校,对其城市森林结构进行典型样地调查,记录调查样地内乔灌木植物种类、胸径(乔木)或地径(灌木)、树高、冠幅指标,据此进行校园森林群落结构分析。【结果】大学、中学、小学树冠覆盖率分别为31.91%、16.52%、17.08%,潜在树冠覆盖率分别为4.81%、0.62%、0.42%。学校整体物种丰富度指数(R)、Shannon-Wiener指数(H)、Pielou指数(J)分别为6.30、1.55、0.91,大学新校区物种多样性低于老校区。校园内树木平均胸径、冠幅和树高分别为23.93 cm、6.02 m和7.80 m。【结论】北京市校园森林群落林木树冠覆盖低于北京市整体林木树冠覆盖水平,且潜在绿化空间不足。大学物种丰富度高于中小学,同类校园内部物种多样性差异也较大,校园绿化水平参差不齐。胸径在10～20 cm,冠幅在4～6 m以及树高在5～10 m等级的青、壮年树木在学校城市森林中的数量占比最多,树冠自然扩展的潜力较强,是今后提高校园林木树冠覆盖的后备力量。校园城市森林树冠覆盖率,树冠覆盖斑块大小,树木胸径平均值均与校园面积显著正相关。

Western Sichuan sub-alpine is an extension of Qinghai-Tibet Plateau to southeastern China and is covered with forests in the valleys, mainly dark coniferous ones. As a result of long-term over-logging on a large scale, they have been greatly reduced and degraded. In this paper, in order to analyse t...

森林是人类陆地上最大的生态系统,在净化空气、调节气候、涵养水源、减少风沙危害等方面起着重要作用,其数量或质量的变化对于全球生态环境、生物多样性和气候变化都有重要影响。及时准确地获取森林覆盖变化信息,对于研究环境变化和森林管理规划具有重要意义。本文利用国产高分一号(GF-1)卫星16 m分辨率多光谱(WFV)数据,在进行辐射校正、正射校正、影像配准和相对辐射归一化等处理后,构造两种森林覆盖变化检测方法:一种为基于核主成分分析(kernel principal component analysis,KPCA)

遥感影像以大范围、短重复周期对地观测的特点成为地表/森林覆盖变化检测应用的重要数据来源。在多云雨的森林覆盖区域,合成孔径雷达(SAR)可有效弥补光学影像的局限性,实现全天时、全天候对地观测。我国星载SAR遥感观测和应用技术研究发展迅速。目前在轨的高分三号是一颗具有高重复频率,可获取不同空间分辨率多极化数据的C波段SAR卫星,在区域森林资源动态变化监测方面具有独特的优势。但目前多极化SAR变化检测方法多针对地表覆盖变化检测,虽有少数“森林覆盖”变化检测研究报道,但都是采用已有森林/非森林覆盖图对“土地覆盖”

【目的】分析中东欧国家森林资源覆盖状况，了解中东欧各国林业的现实情形和独特优势，为中国与中东欧国家加强林业合作提供基础数据。【方法】基于Google Earth Engine(GEE)平台获取中东欧国家2020年生长季无云影像，利用随机森林算法对影像进行分类，应用连续变化检测和分类算法得到森林变化信息并更新初步分类结果，最终获得中东欧国家土地覆盖分类结果。利用欧盟统计局土地利用/覆盖区域框架调查（LUCAS）数据、目视解译数据以及联合国粮农组织统计数据（FAOSTAT）对本研究分类结果进行验证和评估，结合谷歌高分辨率影像对制图结果进行分析。【结果】本研究分类结果利用LUCAS数据和目视解译数据的森林类型用户精度分别为0.930和0.911，生产者精度分别为0.860和0.956，总体精度分别为0.810和0.881，整体上优于GlobeLand30 2020产品（森林类型用户精度分别为0.920和0.900，生产者精度分别为0.690和0.840，总体精度分别为0.700和0.832）。根据研究结果计算出中东欧国家总体森林覆盖率为39.6%，相比GlobeLand30 2020结果（34.4%），与FAOSTAT的森林覆盖率（40.0%）更接近。目视上看，本制图结果在细节刻画上比GlobeLand30 2020产品更丰富，更能准确反映森林分布特征。截至2020年，中东欧国家森林覆盖呈北部、东南地区和西南地区丰富密集，中部分布广泛且相对较少的特点，爱沙尼亚、拉脱维亚、斯洛文尼亚、黑山等国家森林分布茂密，波兰、匈牙利等国家森林分布较为稀少。【结论】针对中东欧国家森林覆盖应用需求，本研究提出基于产品变化更新的森林覆盖制图方法，生产了中东欧国家2020年森林覆盖产品。本研究方法可为大区域森林覆盖制图提供新的借鉴和参考，结果有助于宏观了解中东欧国家森林覆盖状况。