论文总字数：14177字

摘 要

植被指数可以指示地表绿度和植被覆盖特征，广泛地被应用于大尺度地表植被活动的监测和评估。以植被覆盖度为指标研究区域植被的时空动态特征，可为区域生态建设和可持续发展提供科学依据，是生态系统健康评价的前提和必要基础。以淮河流域为研究区域，利用MRT和IDL技术，基于长时序的MOD13Q1产品数据和趋势分析方法，对2000-2018年淮河流域植被覆盖度的变化进行分析，同时对归一化植被指数（NDVI）和增强型植被指数（EVI）的两个计算结果进行对比分析。研究表明：（1）在计算淮河流域植被覆盖度的过程中，经综合分析，选择置信度为1%、99%的像元二分模型方法统计分析效果最佳。（2）从长时间序列角度，淮河流域在2000-2018年期间，植被数量呈下降趋势。（3）从空间分布的角度，淮河流域的大别山东北沿线一带以及平原地区的植被覆盖度较高，但NDVI计算的结果整体上大于EVI的统计结果。

关键词：植被指数，淮河流域，趋势分析，变化监测

Abstract：Vegetation index can indicate the greenness and vegetation cover characteristics of the surface, and is widely used in monitoring and evaluating large-scale vegetation activities.Taking vegetation coverage as an index to study the spatial and temporal dynamic characteristics of regional vegetation can provide scientific basis for regional ecological construction and sustainable development, and is the prerequisite and necessary basis for ecosystem health assessment. Taking Huaihe River Basin as the research area, using MRT and IDL technology, based on the long-time series MOD13Q1 product data and trend analysis method, the changes of vegetation coverage in Huaihe River Basin from 2000 to 2018 were analyzed, and the results of normalized vegetation index (NDVI) and enhanced vegetation index (EVI) were compared and analyzed.The results show that: (1) In the process of calculating vegetation coverage in Huaihe River Basin, the method of pixel dichotomy model with confidence of 1% and 99% is the best method for statistical analysis. (2) From the point of view of long time series, the number of vegetation in Huaihe River Basin declined during 2000-2018. (3) From the perspective of spatial distribution, the vegetation coverage along the northern Dabie Mountains and plain areas in the Huaihe River Basin is relatively high, but the results of NDVI calculation are larger than those of EVI statistics on the whole.

Keywords：vegetation index, huaihe river basin, trend analysis, change monitoring

目 录

1 引言 3

2 研究数据与方法 3

2.1 研究区概况 3

2.2 数据获取 4

2.3 数据预处理 4

2.3.1 数据拼接 4

2.3.2 投影变换 5

2.3.3 数据裁剪 5

2.3.4 滤波处理 5

2.4 研究方法 6

2.4.1植被覆盖度的计算 6

2.4.2 趋势分析 7

3 结果与分析 8

3.1 植被覆盖度计算方法的比较分析 8

3.2 NDVI和EVI的时空分布及其植被覆盖度的对比分析 11

3.3 淮河流域2000-2018年植被覆盖度变化的趋势分析 13

结论 15

参考文献 16

致谢 17

1 引 言

植被是指地球表面某一区域所覆盖的植物群落，是陆地生态系统的重要组成部分，在维护和促进区域生态平衡可持续发展方面发挥着重要的作用^[1]。

植被覆盖作为地球表层的自然状态，是全球环境变化中许多自然、生态过程的一个重要变量。植被覆盖度(Fractional Vegetation Cover,FVC)指植被冠层的垂直投影面积与土壤总面积之比，即植土比^[2]。获取地表植被覆盖及其变化信息，对于揭示地表空间变化规律，探讨变化的驱动因子分析，评价区域生态环境具有重要现实意义^[3]。植被覆盖度具有显著的时空差异，其测量方法主要有地表实测和遥感监测两类，而野外调查工作量大、成本高，劳动强度大，正在被逐渐的取代，遥感技术因其获取周期短、速度快、信息量大、覆盖范围广等特点成为估算植被覆盖度的主要技术手段^[4]。

当前，对于陆地生态系统植被的时空变化研究多借助于遥感数据源提供的植被指数产品，常用的遥感数据源有NOAA AVHRR, SPOT-4Vegetation以及MODIS等^[5]。近年来，众多研究借助遥感获取的植被指数数据，有的是针对其他区域进行不同植被指数的对比分析^[6]，有的是针对淮河流域的某一植被指数进行计算，从不同时空尺度对植被覆盖度的时空变化特征进行了较深入的研究^[7-8]。

本文以淮河流域为研究区域，其植被类型多样，具有丰富的陆地生态系统类型^[9]。本次研究则是分别提取MODIS产品数据的归一化植被指数(NDVI )和增强型植被指数(EVI )，对比两种植被指数对植被覆盖度的影响。其中NDVI是基于植被叶绿素在690 nm处的强吸收，通过红光和近红外波段反射率的组合实现对植被状态的定量表达^[10]。EVI 在表征森林等高生物量的植被活动方面具有一定优势^[11]。

2 研究数据与方法

2.1 研究区概况

研究区域为淮河流域，地处我国东部地区，位列长江流域和黄河流域之间。其地理坐标为111°55，E-112。25，E、30。57，N-36。36，N，涵盖了安徽，江苏，湖北，河南和山东五省。淮河流域地处我国南北气候交界处，淮河以南为亚热带地区，以北为暖温带地区，气候温和。淮河流域的地形平缓广阔，其西部、西南部以及东部都为山区或者丘陵区，其他地方多为广阔的平原。在淮河流域的上游地区为淮南丘陵地区，中游则表现为淮阳的山脉区，两个地区的植被多为落叶阔叶树。在农业方面，淮河流域主要以双季稻、油菜、豌豆以及甘蔗等植物为主。淮河流域在流经五省中的地理位置如图1：

剩余内容已隐藏，请支付后下载全文，论文总字数：14177字