甘肃省高寒草甸植被覆盖度反演及其时空变化研究

doi:10.11733/j.issn.1007-0435.2021.03.021

草地学报 ›› 2021, Vol. 29 ›› Issue (3): 593-602.DOI: 10.11733/j.issn.1007-0435.2021.03.021

甘肃省高寒草甸植被覆盖度反演及其时空变化研究

何国兴^1,2, 柳小妮^1,2, 张德罡^1,2, 李强^1,2, 蒲小鹏^1,2, 刘志刚^1,2, 关文昊^1,2, 杨军银^1,2, 韩天虎³, 孙斌³, 潘冬荣³

1. 甘肃农业大学草业学院, 甘肃兰州 730070;
2. 草业生态系统教育部重点实验室(甘肃农业大学), 甘肃兰州 730070;
3. 甘肃省草原技术推广总站, 甘肃兰州 730000

收稿日期:2020-10-17 修回日期:2020-12-16 出版日期:2021-03-15 发布日期:2021-04-02
通讯作者: 柳小妮
作者简介:何国兴(1996-),男,甘肃康乐人,硕士研究生,主要从事草地生态遥感和地理信息系统应用研究,E-mail:Hegxgsau@163.com
基金资助:
国家自然科学基金（31160475）；甘肃省草原技术推广总站“甘肃省新一轮草原补奖效益评估及草原生态评价研究（XZ20191225）”；甘肃省农业财政项目“超低空微遥感技术在草原监测中的应用研究及推广示范（201647）”；甘肃省草原技术推广总站“草原综合顺序分类法在甘肃省草原资源调查中的应用及其与中国草地分类系统的整合研究（034036237）”；甘肃省林草局“东祁连山高寒草地群落监测研究（GSLC-2020-5）”项目资助

Study on Vegetation Coverage Inverse and Spatial-temporal Variation of Alpine Meadow in Gansu Province

HE Guo-xing^1,2, LIU Xiao-ni^1,2, ZHANG De-gang^1,2, LI Qiang^1,2, PU Xiao-peng^1,2, LIU Zhi-gang^1,2, GUAN Wen-hao^1,2, YANG Jun-yin^1,2, HAN Tian-hu³, SUN Bin³, PAN Dong-rong³

1. College of Pratacultural Science, Gansu Agricultural University, Lanzhou, Gansu Province 730070, China;
2. Key Laboratory of Grassland Ecosystem, Ministry of Education/Pratacultural Engineering Laboratory of Gansu Province, Lanzhou, Gansu Province 730070, China;
3. Grassland Technique Extension Station of Gansu Province, Lanzhou, Gansu Province 730000, China

Received:2020-10-17 Revised:2020-12-16 Online:2021-03-15 Published:2021-04-02

摘要/Abstract

摘要： 本研究以甘肃省高寒草甸为研究区，基于2000—2019年遥感数据和2014年实测数据，采用经验回归模型法构建植被覆盖度(fractional vegetation cover,FVC)估算模型，并研究了过去20年高寒草甸FVC时空变化规律、稳定性及变化原因，以期为FVC动态监测提供科学依据。结果表明：在6种植被指数(vegetation index,VI)中除比值植被指数(ratio vegetation index,RVI)外，其余VI与FVC相关系数均大于0.65(P<0.01)；模型精度检验发现高寒草甸FVC最佳反演模型为归一化植被指数(normalized difference vegetation index,NDVI)二项式模型：y=-0.65x²+1.97x—0.23(R²=0.81，RMSE=7.33)；甘肃省高寒草甸FVC呈现南高北低的格局，20年FVC均值处于较高水平，年均FVC呈现波动上升趋势，平均增速0.15%·a^-1,其中FVC增加的面积占52.76%,稳定的面积占27.58%,下降的面积占19.66%,FVC变异系数小于0.15的面积占86.57%。综上所述，2000—2019年甘肃省高寒草甸FVC整体上呈现增加趋势，并且稳定性较高。

关键词: 高寒草甸, 植被覆盖度, 反演, 时空变化

Abstract: In this study,the alpine meadow in Gansu Province was used as the study area. Based on remote sensing data from 2000 to 2019 and ground survey data in 2014 the remote sensing estimation model of FVC was built up by empirical regression model. The spatial-temporal variation,stability and causes of variation over the past 20 years were analyzed in alpine meadow to provide a scientific basis of dynamic monitoring in the future. The results showed that,in sex vegetation index,with the exception of RVI,the correlation coefficient between vegetation index and vegetation coverage was greater than 0.65 (P<0.01). Through model accuracy test found that the best inverse model was the NDVI quadratic polynomial model:y =-0.65x²+1.97x-0.23 (R² = 0.81,RMSE = 7.33). The FVC of alpine meadow in Gansu Province showed the pattern of high value in the south and low value in the north. The FVC of alpine meadow increased,stable and decreased percentages of FVC were 52.76%,27.58% and 19.66%,respectively. The annual average FVC in last 20 years kept a high level and it showed an increasing trend with an average growth rate of 0.15%·a^-1. The alpine meadow area with low 0.15 of coefficient of variation accounted for 86.57% over the last 20 years. In general,the FVC of alpine meadow in Gansu Province showed an increasing trend and kept a high stability from 2000 to 2019.

Key words: Alpine meadow, Fractional vegetation cover, Inversion, Spatial-temporal variation

中图分类号:

S812

何国兴, 柳小妮, 张德罡, 李强, 蒲小鹏, 刘志刚, 关文昊, 杨军银, 韩天虎, 孙斌, 潘冬荣. 甘肃省高寒草甸植被覆盖度反演及其时空变化研究[J]. 草地学报, 2021, 29(3): 593-602.

HE Guo-xing, LIU Xiao-ni, ZHANG De-gang, LI Qiang, PU Xiao-peng, LIU Zhi-gang, GUAN Wen-hao, YANG Jun-yin, HAN Tian-hu, SUN Bin, PAN Dong-rong. Study on Vegetation Coverage Inverse and Spatial-temporal Variation of Alpine Meadow in Gansu Province[J]. Acta Agrestia Sinica, 2021, 29(3): 593-602.

0
/ / 推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://manu40.magtech.com.cn/Jweb_cdxb/CN/10.11733/j.issn.1007-0435.2021.03.021

https://manu40.magtech.com.cn/Jweb_cdxb/CN/Y2021/V29/I3/593

参考文献

[1] 杨峰,李建龙,钱育蓉,等. 天山北坡典型退化草地植被覆盖度监测模型构建与评价[J]. 自然资源学报,2012,27(8):1340-1348
[2] 关欣,安沙舟,荀其蕾,等. 巴音布鲁克草原高寒草原植被覆盖度反演模型构建与评价[J]. 草业科学,2018,35(5):949-955
[3] Smith M O,Ustin S L,Adams J B,et al. Vegetation in deserts:I. A regional measure of abundance from multispectral images[J]. Remote Sensing of Environment,1990,31(1):1-26
[4] 章文波,符素华,刘宝元. 目估法测量植被覆盖度的精度分析[J]. 北京师范大学学报(自然科学版),2001,37(3):402-408
[5] Luscier J D,Thompson W L,Wilson J M,et al. Using digital photographs and object-based image analysis to estimate percent ground cover in vegetation plots[J]. Frontiers in Ecology and the Environment,2006,4(8):408-413
[6] White M A,Asner G P,Nemani R R,et al. Measuring Fractional Cover and Leaf Area Index in Arid Ecosystems:Digital Camera,Radiation Transmittance and Laser Altimetry Methods[J]. Remote Sensing of Environment,1999,74(1):45-57
[7] 温庆可,张增祥,刘斌,等. 草地覆盖度测算方法研究进展[J]. 草业科学,2009,26(12):30-36
[8] Numata I,Roberts D A,Chadwich O A,et al. Evaluation of hyperspectral data for pasture estimate in the Brazilian Amazon using field and imaging spectrometers[J]. Remote Sensing of Environment,2008,112(4):1569-1583
[9] 马琳雅,崔霞,冯琦胜,等. 2001-2011年甘南草地植被覆盖度动态变化分析[J]. 草业学报,2014,23(4):1-9
[10] 游浩妍,骆成凤,刘正军,等. 基于MODIS植被指数估算青海湖流域植被覆盖度研究[J]. 遥感信息,2012,27(5):55-60,66
[11] 周伟,刚成诚,李建龙,等. 1982-2010年中国草地覆盖度的时空动态及其对气候变化的响应[J]. 地理学报,2014,69(1):15-30
[12] 宋清洁,崔霞,张瑶瑶,等. 基于小型无人机与MODIS数据的草地植被覆盖度研究——以甘南州为例[J]. 草业科学,2017,34(1):40-50
[13] Wiesmair M,Feilhauer H,Magiera A, et al. Es-timating vegetation cover from high-resolution satellite data to assess grassland degradation in the Georgian Caucasus[J]. Mountain research and development,2016,36(1):56-66
[14] 孙斌,王炳煜,冯今,等. 甘肃省草原产草量动态监测模型[J]. 草业科学,2015,32(12):1988-1996
[15] 姚喜喜. 高寒草甸植物群落和家畜对放牧压力的响应机制研究[D]. 兰州:甘肃农业大学,2019:1-2
[16] 刘琳,吴彦,孙庚,等. 季节性雪被对青藏高原东缘高寒草甸2种优势植物碳、氮积累和分配的影响[J]. 植物研究,2011,31(4):451-460
[17] 柳小妮,孙九林,张德罡,等. 东祁连山不同退化阶段高寒草甸群落结构与植物多样性特征研究[J]. 草业学报,2008,17(4):1-11
[18] 柳小妮,张德罡,王红霞,等. 基于GIS的中国2大草地分类系统类的兼容性分析[J]. 草业学报,2019,28(6):1-18
[19] 蔡宗磊,苗正红,常雪,等. 基于无人机大样方数据及国产卫星反演草地植被覆盖度方法研究[J]. 草地学报,2019,27(5):1431-1440
[20] 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
[21] Qi J,Chehbouni A,Huete A R. A modified soil adjusted vegetation index[J]. Remote Sensing of Environment,1994,48(2):119-126
[22] 陈学兄,张小军,陈永贵,等. 陕西省1998-2008年植被覆盖度的时空变化研究[J]. 武汉大学学报(信息科学版),2013,38(6):674-678,715,757
[23] 陈京华,贾文雄,赵珍,等. 1982-2006年祁连山植被覆盖的时空变化特征研究[J]. 地球科学进展,2015,30(7):834-845
[24] 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
[25] 段峥嵘,祖拜代·木依布拉,夏建新. 基于NDVI的干旱区绿洲植被覆盖度动态变化分析——以新疆阿克苏地区为例[J]. 中央民族大学学报(自然科学版),2018,27(2):5-14
[26] 赵军,王小敏,李东成. 基于MODIS的民勤绿洲植被覆盖变化定量分析[J]. 干旱区资源与环境,2012,26(10):91-96
[27] 王浩,李文龙,杜国祯,等. 基于3S技术的甘南草地覆盖度动态变化研究[J]. 草业学报,2012,21(3):26-37
[28] 宋怡,马明国. 基于SPOTVEGETATION数据的中国西北植被覆盖变化分析[J]. 中国沙漠,2007,27(1):89-93,173
[29] Ge J,Meng B P,Liang T,et al. Modeling alpine grassland cover based on MODIS data and support vector machine regression in the headwater region of the Huanghe River,China[J]. Remote Sensing of Environment,2018,218:162-173
[30] 陈京华,贾文雄,赵珍,等. 1982-006年祁连山植被覆盖的时空变化特征研究[J]. 地球科学进展,2015,30(7):834-845
[31] 秦格霞,吴静,李纯斌,等. 中国北方草地植被物候变化及其对气候变化的响应[J]. 应用生态学报,2019,30(12):4099-4107
[32] 李辉霞,刘国华,傅伯杰. 基于NDVI的三江源地区植被生长对气候变化和人类活动的响应研究[J]. 生态学报,2011,31(19):5495-5504
[33] 黄悦悦,杨东,冯磊. 2000-2016年宁夏植被覆盖度的时空变化及其驱动力[J]. 生态学杂志,2019,38(8):2515-2523
[34] 李元春,侯蒙京,葛静,等. 甘南和川西北地区草地植被NDVI变化及其驱动因素研究[J]. 草地学报,2020,28(6):1690-1701
[35] 纪童,王波,杨军银,等. 基于高光谱的草坪草叶绿素含量模拟估算[J]. 光谱学与光谱分析,2020,40(8):2571-2577
[36] I.Pôças,A.Calera,I.Campos,et al. Remote sensing for estimating and mapping single and basal crop coefficientes:A review on spectral vegetation indices approaches[J]. Agricultural Water Management,2020,233:1-17
[37] 田庆久,闵祥军. 植被指数研究进展[J]. 地球科学进展,1998,13(4):10-16
[38] 陈建军,黄莹,赵许宁,等. 黄河源区高寒草地植被覆盖度反演模型精度评价[J]. 科学技术与工程,2019,19(15):37-45
[39] Purevdor J T,Stateishi R,Ishiyama T. Relationships between percent vegetation cover and vegetation indices[J]. International Journal of Remote Sensing,1998,19(18):3519-3535
[40] 李艺梦,祁元,马明国. 基于Landsat 8影像的额济纳荒漠绿洲植被覆盖度估算方法对比研究[J]. 遥感技术与应用,2016,31(3):590-598
[41] 王伟军,赵雪雁,万文玉,等. 2000-2014年甘南高原植被覆盖度变化及其对气候变化的响应[J]. 生态学杂志,2016,35(9):2494-2504
[42] 周伟,刚成诚,李建龙,等. 1982-2010年中国草地覆盖度的时空动态及其对气候变化的响应[J]. 地理学报,2014,69(1):5-30
[43] 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:成都理工大学,2019:30-33
[44] 白虎志,董文杰. 华西秋雨的气候特征及成因分析[J]. 高原气象,2004,23(6):884-889
[45] 王建兵,汪治桂,杨文杰. 合作、玛曲草甸禾本科牧草黄枯与气象因子的关系分析[J]. 草业科学,2010,27(10):104-109
[46] 赵振媛. 生态补奖对青藏高原牧民生产生活和草地覆盖度的影响[D]. 兰州:兰州大学,2019:38-39

甘肃省高寒草甸植被覆盖度反演及其时空变化研究

Study on Vegetation Coverage Inverse and Spatial-temporal Variation of Alpine Meadow in Gansu Province

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	许静, 李文龙, 吴鑫悦, 罗佳宁, 廖元成. 青藏高原高寒草甸种子萌发行为沿海拔梯度的分异特征[J]. 草地学报, 2021, 29(S1): 10-18.
[2]	佘延娣, 杨晓渊, 马丽, 张中华, 王党军, 黄小涛, 马真, 姚步青, 周华坤. 退化高寒草甸植物群落和土壤特征及其相互关系研究[J]. 草地学报, 2021, 29(S1): 62-71.
[3]	姚喜喜, 才华, 李长慧. 封育和放牧对高寒草甸植被群落特征和土壤特性的影响[J]. 草地学报, 2021, 29(S1): 128-136.
[4]	张振华, 刘振杰, 陈白洁, 李以康. 枯落物添加对三江源区退化高寒草甸土壤碳矿化的影响[J]. 草地学报, 2021, 29(S1): 156-164.
[5]	黄彩霞, 芦光新, 李欣, 范月君, 周华坤, 王英成, 王志慧, 姚世庭. 产漆酶真菌对高寒草甸土壤有机质矿化特性的研究[J]. 草地学报, 2021, 29(S1): 173-178.
[6]	石国玺, 王芳萍, 马丽, 张中华, 王弋博, 汪之波, 姚步青, 周华坤. 长期、短期增温对高寒草甸AM真菌群落结构的影响[J]. 草地学报, 2021, 29(S1): 179-189.
[7]	陈国茜, 祝存兄, 李素雲, 周秉荣, 李甫, 曹晓云, 周华坤. 三江源地区土壤水分的地理分区遥感模型构建及时空变化[J]. 草地学报, 2021, 29(S1): 199-207.
[8]	姚喜喜, 肖锋, 祁守忠, 陈国明, 王立亚, 严振英, 张文娟, 孙海群. 高寒草甸植被群落特征及其营养品质对围栏封育的响应[J]. 草地学报, 2021, 29(S1): 208-217.
[9]	姚世庭, 芦光新, 周华坤, 张海娟, 颜珲璘, 王军邦. 模拟增温对高寒草甸土壤性质的影响[J]. 草地学报, 2021, 29(S1): 218-224.
[10]	王占青, 张杰雪, 杨雪莲, 黄霞, 陈斯亮, 乔有明. 高寒草甸不同斑块草地土壤微生物多样性特征研究[J]. 草地学报, 2021, 29(9): 1916-1926.
[11]	向雪梅, 德科加, 冯廷旭, 魏希杰, 王伟, 徐成体. 三江源区高寒草甸草场植被和土壤对外源氮素输入的响应[J]. 草地学报, 2021, 29(9): 2010-2016.
[12]	刘晶晶, 尹亚丽, 李世雄, 赵文, 董怡玲, 苏世锋. 不同调控措施对中度退化高寒草甸植被及土壤理化性质的影响[J]. 草地学报, 2021, 29(9): 2074-2080.
[13]	段丽辉, 刘晓丽, 韩冰, 位晓婷, 才仁措, 邵新庆. 乡土物种补播对青藏高原高寒草甸群落稳定性的影响[J]. 草地学报, 2021, 29(8): 1793-1800.
[14]	王明涛, 方江平, 包赛很那, 苗彦军, 王向涛, 赵玉红, 谢文栋, 仓木德吉. 藏北燕麦草地持续利用与撂荒对高寒草甸土壤特征的影响[J]. 草地学报, 2021, 29(8): 1801-1808.
[15]	张万通, 李超群, 于露, 邵新庆. 植物根际促生菌菌肥在高寒草甸替代化肥效应研究[J]. 草地学报, 2021, 29(7): 1423-1429.