桂林市 2000—2020年植被覆盖时空变化特征分析

摘要

本文基于2000-2021年MODISNDVI数据、气温数据，采用像元二分模型，趋势分析，克里金插值法和相关分析法;在arcgis软件中，对桂林市年均植被覆盖度时空变化和气温因素对植被的影响进行研究，得到了以下结论：桂林市植被的空间特征：东北地区的植被覆盖高于西南地区，主要以中高植被为主和中度植被覆盖为主，在自然地理上，受到坡度的影响；桂林市植被在时间上的变化特征：通过分析，桂林市植被波动较大，可以将桂林市的植被覆盖的在时间上划分为两段，分别是2000-2008年和2008-2021年，以2008年为分界，在2008年以前植被覆盖度减少，2008年以后植被覆盖度增加，但22年里植被总体上是呈增长趋势变化的；气温对植被的影响：通过相关性分析，在2003-2017年间气温对桂林市植被覆盖减少趋势有影响，说明15年里气温变化是引起植被覆盖度减少的因素之一。

　关键词：桂林市；植被覆盖；影响因素；时空特征；arcgis软件Abstract

1绪论

　　1.1研究的目的、意义

在学校的课程中，通过遥感和地理信息系统课程的学习，对arcgis软件产生浓厚的兴趣，了解到其强大的空间分析能力和对数据可视化处理的功能，目前对arcgis软件的应用非常广泛，如森林资源监测，土地利用变化等，在地球资源的研究、管理和保护中起到很重要的作用。

桂林市土地利用以林地、耕地和草地为主，林地退化较为严重，耕地面积下降，虽然植被有所恢复，但桂林市林地覆盖率偏低，有较多耕地坡度在25°以上，容易造成水土流失现象的发生，其中，桂林市巧家县与鲁甸县植被覆盖度偏低，分别有33.05%和43.61%的低植被覆盖地区［1］。水资源受到污染，在农业上，大量使用化肥、农药等，土壤受污染的同时，河流也被污染；工业上，工业生产废水的不合理排放；养殖污染，畜禽粪便中含有大量氮、磷和有机污染物等［2］［3］。除此之外，镇雄、彝良等县由于历史遗留废渣问题，重金属污染突出，部分区域土壤中镉、砷、铅超标［4］，基于以上情况，桂林市的生态环境受到影响。生态环境脆弱，而植被作为评价生态环境的指标之一，植被在生态循环和调节中扮演着不可缺少的角色，植被会影响生物多样性变化、气候变化等［5］

［6］。通过对桂林市植被的研究，一方面是为了提高自己对软件的应用和相关知识，理论和实践相结合；另一方面，了解桂林市近年来的生态环境，植被的变化和分布，以及气温对植被的影响。所以研究桂林市的植被覆盖具有重要意义。

　1.2国内外研究现状及发展趋势

植被在陆地生态系统中占有重要地位，参与土壤，陆地水体和大气之间物质循环的过程。植被覆盖度一般定义为研究区域内植被垂直投影面积占地表面积的百分比，是指示生态环境变化的重要指标之一，根据绿色植物具有一系列特有的光谱响应特征，植被中的叶绿素对红光（0.6-0.76微米）和蓝光（0.38-0.5微米）吸收较强，反射率一般小于20%，对近红外（0.76-1.1微米）的反射较强［7］。遥感技术在研究植被时正是根据这一特征。

随着科技的发展，地球资源卫星也在增多，从1972年X发射的Landsdt-1开始，各国也相继发射了SPOT、JERS、ERS、CBERS、和QuickBird等地球资源卫星，其空间分辨率也不断提高，空间分辨率从Landsat的30米到SPOT的10米，再到IKNOS的1米和QuickBird的0.5米。遥感对地球资源的发展有着重要的意义［2］［8］。在农业上，主要应用于农作物的类型划分，种植面积的统计和病虫害的检测；在林业上，用于清查、评价、和开发利用，以及火灾和病虫灾害的动态监测；在水文和海洋方面，查看其源头及水流特点、泥沙含量和变迁，从而进行监测、评估，做出合理的管理和预测，也能研究河流、湖泊等的演变规律和过程;遥感还用于环境保护，测绘，地理学方面。

目前国内外学者通过生态环境，气候变化，水文等方面来研究植被覆盖变化特征。马天啸等通过降水、坡度、高程等因素，研究了11年间的黄河源区植被覆盖率时空变化及其影响因素，运用了分段回归和趋势转折分析并进行预测，结果显示，该地区植被有较强的纬度地带性和南北两地植被差异较大，时间段上植被变化趋势受温度的影响较大。［9］。杨瑞瑞研究了2000-2017年黄河源区植被覆盖度时空变化及其与气候变化影响，与海拔有关，以高程4000m为分界点，随高程的增加出现先高再低的趋势，并且受气候的影响较大［10］。张斯琦研究了柴达木盆地不同时间段的植被特征和影响因子，即在2000-2007年降水量增多，植被覆盖度也增加，2007年以后受人类活动的影响，植被覆盖度呈显著降低趋势，此外不同季节的植被受温度和降水的影响不同，春夏季在蒸散发影响下，覆盖度与气候为负相关，秋季除温度外，其余环境因子的相关性提高［11］。陈昀琳研究了青海湖流域植被，植被覆盖度不仅受高程因素的影响，还与降水量因素线性关系较高［12］。张玉婷等通过arcgis软件研究武威市植被覆盖度，整体呈自北向南递增趋势的空间分布［13］。符静研究庭湖流域植被覆盖度，植被覆盖度整体变化小的情况下，主要影响因素在人类活动，例如城镇化的扩展［14］。李茜荣通过极端天气研究了云南和贵州的植被NDVI，两省极端气温呈变暖趋势，极端气温变暖对NDVI起到促进作用，其低温指数的影响高于高温指数［15］。李晓丽等通过西南槽谷区植被NDVI的研究，西南槽谷区的植被NDVI主要以上升趋势为主，其中64.31%在未来会退化，其中岩溶区与温度变化存在负相关关系，而非岩溶区相反［16］，人类活动对该地区的植被恢复具有明显积极作用，人类活动促进89.60%的区域植被增长。王瑾研究内蒙古自治区的FVC，分别构造OLS模型和GWR模型，利用趋势分析和时间序列信息熵研究了植被时空演变的特点以及变化的趋势，运用气候及土壤、社会经济、地形地貌、道路交通、河流、矿区等数据，得出来其植被的空间分布特征，内蒙古自治区FVC受气温和降水的影响较大[17]。秦福莹在研究蒙古高原的植被，得出气温和降水对植被生长有一定的影响[18]。何慧娟等通过湿润指数研究陕西的退耕还林植被，陕南地区植被覆盖度与湿润指数的相关性较显著，而受到人为影响比较明显的陕北、关中地区相关性不显著[19]。综合来看，不同地方的植被受气温和降水的影响不同。

通过不断的研究发展，目前有不同的植被指数，常用的植被指数有由近红外波段与红光波段比值进的比值植被指数(ratiovegetationindex，RVI)，差至植被指数(ifferencevegetationindex，DVI)、垂直植被指数(perpendicularvegetationindex，PVI)、权重差异植被指数(weighteddifferencevegetationindex，WDVI)土壤调整植被指数(soiladjustedvegetationindex，SAVI)等[7][10][20]~[24]。

除像元二分模型，InVEST模型等常用模型之外，还有统计模型(Kppen、Kira、Whittaker)；生物地理模型(BIOME1和MAPPS模型)；生物地球化学模型

(BIOME-BGC、CENTURY、TEM和DOLY模型)；耦合模型等用于植被研究，学者们也在不断的改善和提出模型[9][10][25][27]。

　2研究区概况、数据源与研究内容及方法

　　2.1研究区概况

桂林，简称桂，隶属于广西壮族自治区下辖的地级市，桂林市位于南岭山系西南部，地处湘桂走廊南端，广西壮族自治区东北部，北部及东北部与湖南省交界，东南部与广西壮族自治区贺州市接壤，南部与广西壮族自治区梧州市及来宾市毗邻，西部及西南部与广西壮族自治区柳州市相接。截至2019年，全市下辖6区10县、代管1个县级市、总面积2.78万平方千米[1]，国家级重点科研中心7个，高校15所。

桂林是具有万年历史的人类智慧圣地，桂林历史可上溯到距今12000年的新石器时代，在距今约一万年前，根据市区宝积岩和甑皮岩洞穴发现的遗物考证，甑皮岩人已进入母系氏族社会阶段。桂林历史悠久，桂林”之名，始于秦代，秦始皇置桂林、象、南海三郡，桂林郡因当地盛产玉桂而成名，这是“桂林”名称的最早起源，但郡治不在今天的桂林市。1944年11月至1945年7月28日，为日寇占领，光复后仍为广西省辖市，民国历史上长期为广西省会。

桂林市的西南和东北落差较大，水资源丰富，因此桂林是中小性水电站287座，在建为75座，目前在建世界第二大水电站，白鹤滩水电站。桂林市植物种类丰富，有高等植物151科，草场植被资源有174科1604种，此外昼夜温差大，适合种植果树。

目前桂林市有水富县的大峡谷温泉，盐津县的豆沙关风景区，大关县的黄连河，桂林市的大山包，彝良县的小草坝原始森林等。

桂林市拥有温带气候，亚热带气候和高原气候，主要体现在垂直方向上。

　2.2数据来源与预处理

本文采用X航空航天局(NationalAeronauticsandSpaceAdministration,NASA)(https://ladsweb.nascom.nasa.gov/)数据中心提供的2010-2021年MODISNDVI(ModerateResolutionImagingSpectroradionmeter)数据集。MOD13Q1数据是3级网格陆地植被数据产品，250m空间分辨率和16天时间分辨率的高时相大尺度数据［9］。本文选取6-8月份的影像图代表全年，每月两张，影像图共132道景，合成22幅影像图。

将MOD13Q1数据进行格式转换和重投影等在MRT处理工具进行预处理，在arcgis软件中进行裁剪和最大化合成。DEM数据来源于地理空间数据云平台(http://www.gscloud.cn)250m空间分辨率，在arcgis软件中提取水系，去除水体的影响，提取坡度和坡向。

气温数据来源于国家青藏高原科学数据中心(http://data.tpdc.ac.cn)，中国2003-2017年的逐月平均气温数据集，分辨率为1km,共有496个独立的气象观测点数据验证，验证结果可信。

通过arcgis软件，统一坐标系，按掩膜提取云南省的气温分布，在栅格转点，采用协同克里金插值法，统一分辨率，得到云南省的气温分布，在按掩膜提取桂林市的气温分布，重复上面的步骤，得到桂林市的气温分布图。由于气候的对植被的滞后性，本文选取5-7月的气温代表全年进行研究。

　2.3研究内容

该研究是利用22年的MODISNDVI数据、DEM高程数据和气温数据，通过处理、叠加和统计分析，研究桂林市22年里植被覆盖时空变化及其气温对植被的影响。

(1)结果与分析

通过X航空航天局数据中心提供的22年的MODISNDVI数据，利用植被指数(NDVI)，采取像元二分法计算桂林市植被覆盖度；DEM高程数据和气温数据在arcgis软件中提取相关要素，通过地图代数来计算植被的变化，及其影响因素的相关性，在通过叠加分析和统计分析对数据进行描述。

(2)总结

根据结果和分析，对桂林植被覆盖度的时空分布及其影响影素进行综合总结，明确表述研究结果。2.4研究方法

应用像元二分模型是计算植被覆盖度最广的模型之一。假设通过传感器观测到的每一个像元S都可以由纯植被组成的信息Sv和无植被(裸土)组成的信息Ss两部分组合而成[10][28]。

S=&+Ss(2.1)

纯植被的面积比例为fvc，那么无植被(裸土)的面积则为1-fvc，全部由植被覆盖的遥感信息为Sveg；全部由裸土覆盖的遥感信息为Ssoil，公式表示如下[10][28]：

Sv=FVC x命(2.2)

Ss=(1-FVC)x Li(2.3)

根据上述公式，植被FVC可以表示为[10][28]：(2.4)FVC=NDVI-NDVIo

NDVIveg-NDVIo式中，NDVIsoii为地表无植被的NDVI值；NDVIveg为纯植被覆盖的NDVI值。一般，裸地的NDVI值小于植被的NDVI值，而水体NDVI值小于裸地的NDVI值，通过掩膜处理去除其影响，然后进行植被覆盖的估算oNDVIsoil应该是接近0，

由于外部因素的影响，其波动范围一般在(-0.1，0.2)区间内，没有实测裸土的NDVIsoil，通过分位数将NDVI值分为200份，选取0.5%和99.5%的值分别代表NDVIsoil和NDVIvego运用回归分析法逐像元计算植被FVC的变化斜率，以反映该地区植被FVC随时间的变化特征，公式如下[10]：n n n

nxE(i xFVC)—£i£FVC,slope=i=1 i=1(2.5)

n x£i’-(£i)2 i=1 i=1

n代表的是研究年数；FVC为第i年的植被覆盖度值；slope为动态斜率，其平均值体现总的变化趋势。slope大于0说明随着时间变化植被覆盖度呈增加趋势，

slope小于表示随着时间变化植被覆盖度呈减少趋势。为了检验趋势转折的显著性，F统计量的计算如下［9］:

(2-6)(2-7)X=±(y-y)2

i=1 n-a

V=£(y-y,)2 i=1

(2-8)

n为22,X是回归值与平均值之差，V是第i年的植被覆盖度与回归值之差，F取0.001的置信区的值，F代表显著情况。

气温与植被覆盖度的相关性分析的公式［10］：n–

S［3,-x)(y,y)］

r=j，T|=(2.9)

n-n-

1S(x,-x)S(y,y)2

V i=1

V i=1 x代表气温数据，y代表植被覆盖度数据，r绝对值的大小代表相关性的大小，0<r<0.2,代表不相关，0.2<r<0.4，代表相关性弱，0.4<r<0.6代表相关性中度，0.6<r<0.8代表相关性较强，0.8<r<1代表相关性强。

根据FVC高低，将桂林FVC的划分为5个等级，即低植被覆盖度(0-0.2)、中低植被覆盖度(0.2-0.4)、中植被覆盖度(0.4-0.6)、中高植被覆盖度(0.6-0.8)、高植被覆盖度(0.8-1)，通过重分类，生成植被覆盖度分级图［28］。高程等级划分:采用等自然断点，对断点值采取四舍五入方法，将高程划分为5级：一级(261-1108m)、二级(1108T592m)、三级(1592-2031m)、四级(2031-2525m)、五级(2525-4026m)，在空间分析工具中的提取分析，按属性提取不同等级的高程，在按掩膜提取不同等级的植被分布情况。

坡度分级；通过查看坡度分布直方图，将其分为平坡(0-5°)、缓坡(6。-15°)、斜坡(16°-25°)、陡坡(26°-35°)、急坡(36°-45°)、险坡(46°及其以上)六个等级。

坡向分级；在DEM中提取坡向，得到的是东、南、西、北、东北、东南、西南、西北、无坡9个等级，由于等级太多，在将其在分类为四级，分别是阴坡(0-45、315-360)、半阴坡(45-135)、阳坡(135-225)、半阳坡(225-315)

　3结果与分析

　　3.1植被覆盖度空间分布

通过2000-2021年的平均植被覆盖度图可以看出，桂林市的中高植被覆盖、高植被覆盖分布于绥江县、盐津县、大关县、永善县、彝良县、水富县威信县和镇雄县，而朝阳区、鲁甸县和巧家县以中低植被覆盖、中度植被覆盖为主，由于低度植被占0.31%，所以其分布不明显。通过图也可以看出，植被等级较高的地区河流的数量都较多。由于东北地区的高程低于西南地区，所以河流的流向是自西南流向东北，汇入东北地区。植被受气候、水文和人类活动等的影响，致使桂林市的植被分布格局，如图3.1。

图3.12000-2021年的平均植被覆盖度

通过2000-2021年植被覆盖等级图与DEM的空间叠加和统计分析，桂林市的平均高程在1700m，最高的海拔4021m，最低的为261m,落差为3760m，261-1108m的占比为17.37%、1108-1592m占比为27.07%、1592-2031m占比为27.28%、2031-2525m占比为18.93%、2525-4026m占比为9.34%，可以看出高程在1108-2031m的占比最高，通过DEM看出西南地区的高程高于东北部。

低植被覆盖度和中低植被覆盖度在高程上的分布不明显，中植被覆盖度随着高程增加而增加，中高植被覆盖度和高植被覆盖度均随高程的增加先递增，到2031m时开始递减。中高植被覆盖度在不同高程上的分布百分比最高，分别是12%、19%、17%、13%、4%，通过对比其他学者的研究结果，桂林市的植被以高程2000m为分界点，随高程的增加出现先高再低的趋势，与4000m分界点相差2000m。中度植被覆盖例外，随着高程的增加而增加，原因是桂林市多以山地为主，随着海拔的升高，耕地数量却没有减少，由于本文是选取6-8月的影像图，中度植被覆盖受到农作物的影响而导致的现象，如图3.2。

0.20-1

0.15-0.10-

　　•低度植被覆盖

,……O中低度植被覆盖

▼中崖植被覆盖

△中高度植被覆盖0.05-0.00-

　　|I I I I I I I周(rn)500 1000 1500 2000 2500 3000 3500 4000 4500—高植被覆盖图3.22000-2021年的平均植被覆盖度在高程上的分布

Figure 3.2 The distribution of average vegetation coverage in elevation from 2000 to 2021

经统计在坡度0-5°的占比为6.05%、6°-15°的占比为28.76%、16°-25°的占比为31.54%、26°-35°的占比为21.49%、36°-45°的占比为9.69%、46°及以上的占比为2.47%，可以看出桂林市的坡度在16°-35°上，通过坡度的空间分布情况，可以看出，除昭阳区外，其他县区的坡度都较陡峭。

通过2000-2021年植被覆盖等级图与坡度的空间叠加分析和统计分析，坡度在13°到35°上植被分布最丰富，总体上随坡度的先增加或减少，以35°为分界点，在0-12°的范围内，适合人类居住，在平缓的地方基本是基本农田和建设用地，随着人口的增加，建设用地也增加，所以在此坡度内植被覆盖度小是受到人类活动的影响；在46°及其以上的坡度上，等级上是险坡，在降雨时形成地表径流，下渗的水量较少，导致土壤含水量不高，而导致植被覆盖度小。由于低植被覆盖和中低植被覆盖的占比太少，其分布没有明显趋势，如图3.3。

　　1 1 1 1 1坡度（。）

0 10 20 30 40 50

图3.32000-2021年的平均植被覆盖度在坡度上的分布

Figure 3.3 The distribution of average vegetation coverage on slopes from 2000 to 2021

　　——•——低植被覆盖

…••…o••……中低植被覆盖一一-寸一一中度植被覆盖A——中高植被覆盖

•高植被覆盖I I I I坡向

阴坡半阴坡阳坡半阳坡

图3.42000-2021年的平均植被覆盖度在坡向的分布

通过2000-2021年植被覆盖等级图与坡向的空间叠加分析和统计分析，植被主

要分布于阳坡和半阳坡，且分布较平均，阴坡的植被低于半阴坡，根据统计，阴坡占14%,半阴坡的占27%,阳坡的占24%,半阳坡的占25%。受日照时数的影响。如图3.4。

　3.2植被覆盖度的年际变化

通过2000-2021年平均植被覆盖度的线性趋势分析，桂林市22年间植被覆盖度的波动较大，最大值为2014年的0.78，最小值是2008年的0.60，相差0.18，其中大于平均值的有15年，有7年的植被覆盖度小于平均值，总体趋势是上升的，在22年间，桂林的植被是以0.0058m2.a-1的趋势增加，增长较慢。在spss软件中通过线性回归分析其不同年间的显著性，其b=0.001。通过对趋势线的整理，22年里的趋势线为“V”型，由此可知，2000-2021年里主要变化趋势可分为两段，以2008年为中断，在2008年以前，桂林市植被覆盖度在减少，在2008年以后的植被覆盖度增加，且减少速率大于增加速率，如图3.5。2000-2008年的线性方程为y1=-0.0079x+0.7066(R2=0.194)，即斜率小于0，以

0.0079m2.a-1减少，2008-2021年的线性方程为y2=0.0075x+0.6828(R2=0.4634)，即斜率大于0，以0.0075m2.a-1增加。

图3.52000~2021年平均植被覆盖度的线性趋势

　　Figure 3.5 Linear trend of average vegetation coverage from 2000 to 2021

在arcgis中计算2000-2021年变化斜率在(-0.054，0.042)区间内，平均变化斜率为0.0057m2.a-1且大于0，与植被覆盖度平均值的回归方程0.0058m2.a1相差不大。通过统计，22年呈减少趋势的像元数量是28465个，占比为9.8%,呈增加趋势的像元数量为259927个，占比为90.2%，通过图3-6可以看出，相比其他县区，朝阳区的植被减少趋势占量较多，朝阳区做为桂林的行政中心，随着城市化发展的面积扩展，对植被覆盖的变化为负影响，如图3.6。

运用F检验进行显著性分析，结合2000-2021年平均植被覆盖度的线性趋势，b=0.001，f1=1,f2=n-2=22-2=20,通过查阅F检验表可知,F的临界值为8.10，小于8.10是为不显著变化，大于8.10时为显著变化，结果的值区间在（0,147）内，再与植被变化叠加，通过统计不显著减少的像元为25619个，显著减少为2846个,不显著增加为172033个，显著增加为87894个，分别为9%、1%、60%、30%，如图3-7。

将显著性栅格与植被覆盖度等级叠加统计，结果显示，低植被覆盖度主要在不显著减少区，占61.78%、中低植被覆盖度主要分布在不显著增加区，占37.77%、中植被覆盖度主要分布在不显著增加区，占53.64%、中高植被覆盖度主要分布在不显著增加区，占58.90%、高植被覆盖度主要分布在不显著增加区，占66.98%，如表3-1。

图3.62000-2021年植被变化趋势

Figure 3.6 Vegetation change trend from 2000 to 2021

图3.7F检验与2000-2021年植被变化趋势

Figure 3.7 F test and vegetation change trend from 2000 to 2021表3.12000-2021年平均植被等级与显著性的占比

Table 3.1 Average vegetation grade and proportion of significance in 2000-2021

通过统计植被覆盖等级像元的占比分析，2000-2008年里，中高植被覆盖度增加了11%，但高植被覆盖度减少了29%，所以植被覆盖度的减少与高植被覆盖度的变化有关；2008-2021年间，中低植被覆盖度、中植被覆盖度、中高植被覆盖度均在减少，但是减少的不大，分别是2%、8%、1%，只有高植被覆盖度在增加，增加了11%，意味在2008-2021年里，除低植被以外，其他等级的植被均转变为高植被覆盖，所以，是高植被覆盖的上升导致桂林市植被覆盖度的上升，如表3.2。

表3.2不同年间平均植被等级的像元数占比

在2000-2008年间，植被覆盖度的平均值在不断减小，从72%减少到60%。其减少趋势的像元值为224614,占77.88%，增加趋势的像元值为63779,占22.12%。通过数据，减少趋势的面积为增加趋势的3.5倍，桂林市2000-2008年的植被植被覆盖大面积下降，而其斜率在(-0.12,0.12)区间内，平均变化速率为-0.00787m2.a-1，说明桂林市植被总体上是递减的。通过变化斜率的栅格图看只有巧家县的植被在增加趋势最大，占增长趋势的32.46%。总体上西南地区的上升趋势最大，其他地区植被均在减少尤其是中部地区，如图3.8。

103°0’0〃东104°0’0〃东105°0’0〃东

　　图3.82000-2008年的变化趋势

Figure 3.8 Trends from 2000 to 2008

2008-2021年桂林市植被变化斜率为(-0.7,0.6)，增加和减少的面积百分比分别为87.9%,12.1%,增加趋势是减少趋势的7倍，平均变化速率为0.0075m2.a1总体来看是递增的。通过图像和统计，只有朝阳区的下降趋势最厉害，占下降趋势的17.5%，如图3.9。

103°0’0〃东104°0’0〃东105°0’0〃东

　　图3.92008-2021年的变化趋势

Figure 3.9 Trends from 2008 to 2021

　3.3温度的驱动影响

根据2003-2017年桂林市年平均气温的变化趋势可知，年平均气温呈逐年波动减少的趋势，介于18.19-20.617°C,变化趋势较大，线性减少率为-0.032°C.a-1,多年平均气温为19.17C,2011年达到年平均气温的最大值，2017年为最小值，其中有9年的平均值气温高于19.17。06年的平均气温低于19.17C。

根据多年平均气温空间分布图可知，气温的分布规律是自东北向西南呈减少趋势，局部最低气温在巧家县和永善县，局部最高气温在绥江县、盐津县和威信县。将平均气温和平均植被覆盖度叠加，植被较高的地方其温度也较高，气温较低的地区植被覆盖亦较低，说明桂林市的气温影响植被的覆盖度等级。

图3.102003-2017年气温的变化趋势

　　Figure 3.10 Variation trend of temperature from 2003 to 2017103°0’0〃东104°0’0〃东105°0’0〃东图3.11 2003-2017年平均气温AZ)HTOOoOO CXIAZ)^TTOoozz

　　Figure 3.11 Average temperature from 2003 to 2017

2003-2017年植被减少趋势的占72.31%,增加趋势的占27.69%,如图3.12。

103°0,0〃东

104°0’0〃东105°0’0〃东

图3.122003-2017年平均植被覆盖度

Figure 3.12 Average vegetation coverage from 2003 to 2017

通过气温和植被覆盖度简单相关性的分析，统计结果：不相关的占比为46%,弱相关的百分比为35%，中等相关的百分比为16%，强相关的百分比为3%，较强相关的百分比为0%，在与地区叠加，中度相关和强相关都只在盐津县和大关县，如图3.13。

103°0’0〃东104°0’0〃东

105°0,0〃东

图3.13气温与2003-2017植被覆盖度相关性

Figure 3.13 Correlation between air temperature and vegetation coverage from 2003 to2017

　　图3.14气温与2003-2017年植被覆盖度趋势变化相关性

Figure 3.14 Correlation between air temperature and trends in vegetation coverage from 2003 to 2017

表3.32003-2017年植被趋势与相关性像元数占比

Table 3.3 2003-2017 Vegetation Trend and Correlation Pixel Number Proportion

通过表3-3,可知，气温对增长趋势的相关性以不相关为主，减少趋势的相关性远大于增加趋势，所以气温主要影响植被减少趋势，但其百分比不大，中度相关和较强相关之和占总相关的17%，所以，气温是影响桂林市植被减少趋势的因素之一。

　总结

本文基于2000-2021年MODISNDVI数据、气温数据，采用像元二分模型，趋势分析，协同克里金插值法和相关分析法等，对桂林市年均植被覆盖度时空变化和气温因素对植被的影响关系进行研究，得到了以下结论：

（1）桂林市植被的空间特征：东北地区的植被覆盖高于西南地区，河流下游的植被覆盖比上游的高，朝阳区和巧家县的植被覆盖最低，主要以低植被覆盖和中度植被覆盖为主，中部以中度植被覆盖为主，东北地区以中高植被覆盖和高植被覆盖为主，总体上，高植被覆盖的百分比小，主要以中高植被为主和中度植被覆盖为主，导致桂林的整体植被覆盖不高。

（2）桂林市植被在时间上的变化特征：通过22年的植被覆盖度的计算和统计，将桂林市的植被覆盖的在时间划分为两段，分别是2000-2008年和2008-2021年，在2000-2008年的时间段里，桂林市植被在以平均-0.00787m2.a-1的速率减少，其中减少高植被覆盖的植被最多；在2008-2021年里，植被以平均0.0075m2.a1的速率增加，其中增加高植被覆盖的植被最多；整体上，桂林市的植被覆盖的是增加的，但是增加趋势较弱，其平均上升速率为0.0057m2.a1，通过变化趋势图，得知桂林市植被均在变化，没有较稳定的趋势。

（3）气温对植被的影响：通过气温对的处理，得到气温的空间分布图，从空间上看，桂林市在2003-2017年里，其平均气温由高到低的分布是自东北向西南，通过气温与植被覆盖度相关性计算，在与植被变化趋势的叠加分析和统计，最后表明，植被变化在一定程度上与温度呈中度和弱相关，气温是影响桂林市植被变化的因素之一。

（4）其他影响因素：通过植被在坡度和坡向的分析，在平坡上，受到人类活动的影响，导致植被覆盖度低，在险坡上由于坡度引起水分流失而导致植被覆盖度低；在坡向上的分布受日照的影响。

（5）不足：影响植被的因素还有土壤、降水量、相对湿度、日照时数、蒸发等，但是由于缺少相关资料，只选取了气温作为影响因素。

　参考文献

[1]李怡洁.云南省桂林市城镇化进程中生态安全评估[D].华东师范大学，2021.

[2]邓敏，马欠，晁江琴，赵菊.桂林市生态脆弱区环境保护与开发利用研究[J].资源节约与环保，2020,(04):20.

[3]钟龙.浅议桂林生态环境保护现状及对策措施[A].云南省科学技术协会、桂林市人民XX.第五届云南省科协学术年会暨乌蒙山片区发展论坛论文集[C].云南省科学技术协会、桂林市人民XX：2015:5.

[4]邓敏，严佩升，徐忠彪.桂林市生态环境保护与经济发展博弈分析[J].桂林学院学报,2019,41(03):8-12.

[5]Foley J A,Defries R,Asner G P,et al.Global Consequences of Land Use〔J).Science,2005,309:570-574.

[6]冀增胜.浅析“3S”技术在土地资源管理中的应用进展[J].农业开发与装备，2022,(01):106-108.

[7]程红芳，章文波，陈锋.植被覆盖度遥感估算方法研究进展[J].国土资源遥感，2008(01):13-18.

[8]曹宇.“3S”技术在森林资源调查规划中的应用[J].农家参谋,2021,(10):160-161.

[9]马天啸，宋现锋，赵昕，李润奎.2000—2010年黄河源区植被覆盖率时空变化及其影响因素[J].干旱区研究，2016,33(06):1217-1225.

[10]杨瑞瑞.2000-2017年黄河源区植被覆盖度时空变化及其与气候变化响应分析[D].成都理工大学，2019.

[11]张斯琦.2000-2015年柴达木盆地植被覆盖度时空变化及其与环境因子的关系[D].河北师范大学，2019.

[12]陈昀琳.基于Landsat和MODISNDVI时序数据的青海湖流域植被覆盖度提取及其变化分析[D].中国地质大学(北京)，2019.

[13]张玉婷，张祯，马吉虎.2011—2020年武威市植被覆盖度时空变化特征分析[J].防护林科技，2022(01):56-58+63.

[14]符静.2001-2013年洞庭湖流域植被覆盖度时空变化特征研究[D].湖南师范大学，2015.

[15]李茜荣.2000-2019年云贵两省极端气温对植被NDVI变化的影响研究[D].西北师范大学，2021.

[16]李晓丽，曹敏，茆杨.基于地理探测器的西南岩溶槽谷区近20年NDVI变化特征及影响因素[J].水土保持学报，2021,35(06):38-44+54.

[17]王瑾.内蒙古自治区植被覆盖度变化的驱动因素与气候因子响应[D].中国矿业大学，2020.

[18]秦福莹.蒙古高原植被时空格局对气候变化的响应研究[D].内蒙古大学,2019.

[19]何慧娟，卓静，王娟，董金芳，权文婷.陕西省退耕还林植被覆盖度与湿润指数的变化关系[J].生态学报，2016,36(02):439-447.

[20]罗亚，徐建华，岳文泽.基于遥感影像的植被指数研究方法述评[J].生态科学，2005,24(1)：75—79.

[21]Myneni R B,Asrar G.1994.Atmospheric effects and spectral vegetation indices[J].Remote Sensing of Environment，47(3):390-402.

[22]Kaufman Y J,Tanre D.1992.Atmospherically resistant vegetation index(ARVI)for EOS-MODIS[J].IEEE Transactions on Geoscience and Remote Sensing，30(2):261-270.

[23]Kimes D S.1983.Dynamics of directional reflectance factor distributions from vegetation canopies[J].Applied Opties，(22):1364-1372.

[24]许翔驰.中国植被NDVI时空变化特征及影响因素分析[D].哈尔滨师范大学，2019.

[25]李苗苗.植被覆盖度的遥感估算方法研究[D].中国科学院研究生院(遥感应用研究所),2003.

[26]李慧颖.基于遥感和InVEST模型的辽宁省退耕还林工程生态效应评估[D].吉林大学，2019.

[27]赵东升，李双成，吴绍洪.青藏高原的气候植被模型研究进展[J].地理科学进展，2006(04):68-78.

[28]彭文甫，王广杰，周介铭，徐新良，罗怀良，赵景峰，杨存建.基于多时相Landsat5/8影像的岷江汶川-都江堰段植被覆盖动态监测[J].生态学报，2016,36(07):1975-1988.

　致谢

时间如春风擦肩，吹走了年华，催动了思绪的印记。回眸间，本科阶段的学习时光即将结束，在这段时间里，回想起老师、家人和朋友对我的帮助、支持和陪伴，心中充满了感激之情。

首先感谢的是我的导师，您渊博的学识、严谨的治学态度、乐观积极的工作态度和不拘小节的人格魅力都深深的烙印在我心里。从课题的选择到最后论文的完成，您始终给予我细心的指导和不懈的支持，同时有生活上的关怀，在此谨向董老师致以诚挚的谢意和崇高的敬意。同时也非常感谢我的班主任刘婷婷老师，在学习和生活上的帮助和关心；感谢我的舍友，在学习和生活中的帮助，有你们陪我度过这欢快的岁月！特别感谢我的父母亲人们，辛苦抚养我长大成人，教会我许多做人做事的道理，对我多年求学道路的理解和支持！

桂林市 2000—2020年植被覆盖时空变化特征分析

价格 ¥9.90 发布时间 2024年1月27日

下载查看全文内容

已付费？登录 或 刷新