文章信息
- 胡玉福, 邓良基, 刘宇, 蒋双龙, 李翔, 陈波, 王钰婷
- Hu Yufu, Deng Liangji, Liu Yu, Jiang Shuanglong, Li Xiang, Chen Bo, Wang Yuting
- 基于RS和GIS的大渡河上游植被覆盖时空变化
- Temporal and Spatial Variation of the Vegetation Coverage in Upper Dadu River Based on RS and GIS
- 林业科学, 2015, 51(7): 49-59
- Scientia Silvae Sinicae, 2015, 51(7): 49-59.
- DOI: 10.11707/j.1001-7488.20150706
-
文章历史
- 收稿日期:2014-06-16
- 修回日期:2015-02-23
-
作者相关文章
植被作为陆地生态系统的主体,是连接大气、土壤和水分的“纽带”,在保持水土、维持气候、调节大气及整个生态系统稳定等方面都具有十分重要的作用(秦伟等,2006;Ian et al.,2010)。植被覆盖度是植被的直观量化指标,在很大程度上反映了植被的基本情况,是研究气象、水文、生态等方面区域或全球性问题的基础数据,对水土保持、水源涵养、调节径流和改善森林小气候等生态功能具有重要意义,已成为生态环境变化研究领域的核心内容之一(刘琳等,2010)。3S技术(遥感技术RS、地理信息系统GIS、全球定位系统GPS)具有客观、准确、快速、技术先进等特点,是当前地表环境信息获取和分析处理的重要工具和手段,随着遥感、地理信息系统等技术的发展和广泛应用,对植被覆盖变化研究已经越来越深入(Douglas et al.,2004;Xin et al.,2008;牛宝茹等,2005;顾晓鹤等,2012;王莺等,2010)。大量研究表明,基于归一化植被指数(NDVI)的植被覆盖度遥感估算方法模型简单,不依赖地面实测数据,可操作性强,被广泛应用于区域植被信息的动态监测(秦伟等,2006;刘琳等,2010;戴声佩等,2010;吴昌广等,2012;胡玉福等,2014)。近年来,国内外学者在不同时间和空间尺度上对植被覆盖的时间变化规律、空间分布特征进行了较多研究,但这些研究主要集中在我国西部青藏高原、西北干旱和半干旱区以及北部蒙古草原等区域,在研究内容上重点从区域整体角度分析植被覆盖度时空变化特征(戴声佩等,2010;吴昌广等,2012;孙智辉等,2010;张宝庆等,2011;马娜等,2012;王强等,2012;李双双等,2012;李军媛等,2012;王智等,2011;张飞等,2011;Piao et al.,2006;Ross et al.,2006),而对区域植被覆盖度的地形分异及变化特征的研究相对较少,尤其是同时结合海拔、坡度、坡向等地形因子定量分析区域植被覆盖度空间分异和变化特征的报道更为少见。大渡河上游地处我国横断山区东缘,四川盆地与青藏高原过渡地带,该区是我国西南林区的重要组成部分,也是长江上游重要的水源涵养地和生态环境脆弱区,其植被覆盖变化对于长江下游生态安全具有重要影响(胡玉福等,2011)。目前,关于该区域土壤、水文、地质地貌、生物多样性等方面研究已有较多报道(李婷等,2006;李宗省等,2010;姚永慧等,2010),但该区地表植被覆盖时间和空间变异特征的研究还较为缺乏。因此,本文以大渡河上游丹巴县段3期同时相遥TM遥感影像为数据源,利用遥感(RS)和地理信息系统(GIS)等技术,对1989—2012年23年来地表植被覆盖时空变化进行动态研究,以期为区域生态环境保护与建设提供理论依据。
1 研究区概况与研究方法 1.1 研究区概况研究区位于甘孜藏族自治州丹巴县南部,长江上游重要支流大渡河的上游,地理位置101°45′28″—102°03′58″E,30°38′31″—31°01′12″N,面积62 637.48 hm2(图 1)。该区地处我国横断山区东缘,境内地质构造复杂,地貌类型多样,大渡河自北向南纵贯全境,切割强烈,形成了典型的高山峡谷地貌,地势西高东低,最低海拔1 700 m,最高海拔5 820 m,相对高差4 120 m。该区属青藏高原型季风气候,呈垂直带分布,山顶与河谷的气温相差24 ℃以上。年平均气温14.2 ℃,1月平均气温4.4 ℃,8月平均气温22.4 ℃,年降水量600 mm,无霜期316天,日照充足,冬无严寒,夏无酷暑。区域土地利用类型以林草地为主,分别占42.31%和26.94%,是西南地区重点林区之一,区内动植物资源丰富,植被主要呈垂直分布。该区是以汉、藏民族为主体的多民族聚居区,农业生产以种植业和蓄牧业为主。
地表植被受摄影季节和时相的影响较大,根据研究内容的需要,同时考虑地表景观及植被物候差异的季相差异,本文选取了时相基本一致的1989年7月、2000年8月和2012年6月3期陆地资源卫星L and sat TM遥感影像作为研究数据,3期遥感影像质量良好,植被信息丰富,空间分辨率均为30 m,并已进行了辐射校正和几何粗校正。为了探讨地表植被覆盖的地形分异和变化特征,本研究还选取了美国TERRA卫星提取的30 m地面分辨率ASTER GDEM高程模型。同时,结合本研究的实际需要,收集了研究区1:5万比例尺的地形、地质地貌、土地、土壤图和植被资源分布图,以及气候、水文、植被、土壤、交通、人口和农牧业等自然和社会经济资料。在遥感图像处理软件平台Erdas Imagine 9.2的支持下,采用控制点误差纠正的方法,分别对3个时期TM遥感影像以及ASTER GDEM数字高程模型进行几何精校正和图像配准,然后结合研究区行政区划图采用AOI多边形裁剪的方法裁剪得到研究区的遥感图像和ASTER GDEM数字高程模型。
1.3 地表植被覆盖度的提取 1.3.1 地表植被指数的提取植被指数是指利用卫星不同波段探测数据组合而成的、能反映植物生长状况的指数,其与地表植被生物量和盖度等植被信息具有较好的相关性(Douglas et al.,2004; 牛宝茹等,2005)。植物叶面在可见光红光波段有很强的吸收特性,在近红外波段有很强的反射特性,这是植被遥感监测的物理基础,通过这2个波段测值的不同组合可得到不同的植被指数。其中归一化植被指数(NDVI)为近红外波段的反射值与红光波段的反射值之差除以二者之和,是目前地表植被信息提取过程中最常用的植被指数,被广泛应用于地表植被覆盖信息提取和动态变化监测(毛留喜等,2008; 吴门新等,2009)。其计算方法为:
$ {\rm{NDVI = }}\frac{{{\rm{NIR}} - R}}{{{\rm{NIR + }}R}}。 $ | (1) |
式中: NDVI为归一化植被指数;NIR为地表近红外波段反射率; R为地表可见光的红光波段反射率。
NDVI一般介于-1~1之间,负值表示地面覆盖为云、水、雪等,对可见光高反射; 0表示有岩石或裸土等,NIR和R近似相等; 正值表示有植被覆盖,其值越大,植被覆盖状况越好(沈明霞等,2007)。本文在Erdas Image 9.2 软件平台支持下,进行空间建模,采用图像运算的方法分别提取了研究区3个时相的归一化植被指数。
1.3.2 植被覆盖度估算植被覆盖度是指植被(包括叶、茎、枝)在单位面积内的垂直投影面积所占百分比,衡量地表植被状况的一个综合量化指标。目前,基于NDVI的像元二分模型估算植被覆盖度的方法在植被覆盖研究中得到了广泛应用(朱蕾等,2008;范建忠等,2012;李娟等,2011)。像元二分模型假设一个像元由植被覆盖部分和土壤覆盖部分地表组成,通过遥感传感器所观测的像元信息S可表达为由植被成分所贡献的信息Sv和由土壤成分所贡献的信息Ss构成:
$ s = {s_{\rm{v}}} + {s_{\rm{s}}}。 $ | (2) |
对于一个由土壤和植被2部分组成的混合像元,像元中有植被覆盖的面积比例为该像元的植被盖度fc,而非植被覆盖的土壤面积比例为1-fc。设全由土壤覆盖的像元信息为Ssoil,全由植被覆盖的纯像元所得的遥感信息为Sveg,则混合像元的植被成分所贡献的信息Sv可以表示为:
$ {s_{\rm{v}}} = {s_{{\rm{soil}}}} \cdot {f_{\rm{c}}}; $ | (3) |
混合像元的土壤成分所贡献的信息Ss可以表示为:
$ {s_{\rm{s}}} = {s_{{\rm{soil}}}} \cdot \left( {1 - {f_{\rm{c}}}} \right)。 $ | (4) |
将式(3)和式(4)带入式(2),可得:
$ {f_{\rm{c}}} = \frac{{s - {s_{{\rm{soil}}}}}}{{{s_{{\rm{veg}}}} - {s_{{\rm{soil}}}}}}。 $ | (5) |
将 NDVI 与像元二分模型相结合,可获得基于NDVI像元二分模型的植被覆盖度提取模型:
$ {f_{\rm{c}}} = \frac{{{\rm{NDVI - NDV}}{{\rm{I}}_{{\rm{soil}}}}}}{{{\rm{NDV}}{{\rm{I}}_{{\rm{veg}}}}{\rm{ - NDV}}{{\rm{I}}_{{\rm{soil}}}}}}。 $ | (6) |
式中:NDVIveg为全植被覆盖像元的NDVI值; NDVIsoil为裸土或无植被覆盖区域的NDVI值。
理论上,NDVIsoil值接近于0,但受地表湿度、土壤类型等多种因素的影响,其值常在-0.1~0.2之间变化(Toby et al.,1997;Rundquist,2002),但是对于特定的土壤类型,其NDVIsoil值是确定的。由于NDVIveg与植被类型、植被生长季节密切相关,在不同的时间和空间NDVIveg存在差异特征,因而,在测算区域覆盖度时,采用固定的NDVIsoil和NDVIveg值是不可取的(Kaufman et al.,1992)。另一方面,相关研究表明,采用置信度和置信区间的方法确定NDVIveg与NDVIsoil值可提高植被覆盖度测算精度和准确性(李娟等,2011;李苗苗等,2004)。因此,本文将土地利用现状图与土壤图的套合图作为确定NDVIveg和NDVIsoil值的依据,选取相同土地利用类型和相同土壤类型图斑内累计频率为95%的NDVI值作为其NDVIveg值,选取累计频率为5%的NDVI值作为其NDVIsoil值。具体来说,首先在ArcGIS 9.3软件平台支持下,将前面计算得到的NDVI值分布图与土壤图进行空间叠加和套合,确定不同土壤类型和不同土地利用方式下的NDVIsoil和NDVIveg值,然后在Erdas Image 9.2软件中进行空间建模,分别计算研究区1989,2000和2012年的地表植被覆盖度,得到地表植被覆盖度空间分布图。
依据《土壤侵蚀分类分级标准》,对研究区地表植被覆盖度进行分级:Ⅰ级植被覆盖度(fc≥0.7)、Ⅱ级植被覆盖度(0.5≤fc<0.7)、Ⅲ级植被覆盖度(0.3≤fc<0.5)、Ⅳ级植被覆盖度(0.15≤fc<0.3)和Ⅴ级植被覆盖度(fc < 0.15)。
1.3.3 植被覆盖度遥感估算的精度验证为保证本次研究结果的正确性和精度,本研究于2013年6月18—20日进行了野外实地调查和植被覆盖度实地测算。首先在遥感图像上随机产生30个验证点,并结合当地的交通条件对部分样点进行适当移位,然后记录每个样点的经纬度坐标; 野外采用手持式GPS定位对样点进行定位,采用综合运用数码照相法、样方调查法和目估法测算样点植被覆盖度。相关分析结果表明,植被覆盖度遥感估算值与实测值之间存在极显著正相关关系,r=0.880**,拟合曲线方程决定系数为R2=0.774(图 2),表明本研究中遥感估算值与观测值相关性较高。采用 Janssen等(1995)提出的比较模拟值与实测值的方法检验植被覆盖度估算模型的精度,结果表明,植被覆盖度估算最小误差为0.009,最大误差为0.298,平均误差(ME)为0.127,均方根误差(RMSE)为0.183。平均误差和均方根误差较小,说明基于NDVI像元二分模型的植被覆盖度遥感估算精度能满足区域尺度的植被覆盖度调查要求(张飞等,2011)。
本研究根据研究区具体的海拔及地形情况,运用ArcGIS 9.3软件将DEM数据裁剪后进行海拔、坡度和坡向重分类,分别得到研究区海拔、坡度和坡向图(图 3)。海拔分级为 < 2 500 m,2 500~3 500 m,3 500~4 500 m和>4 500 m; 坡向分级为阴坡(315°~360°,0°~45°)、阳坡(135°~225°)、半阳坡(45°~135°)和半阴坡(225°~315°); 坡度分级为 < 15°,15°~30°,30°~45°和>45°。在ArcGIS 9.3软件中将研究区3个年份的地表植被覆盖度空间分布图分别与海拔图、坡度图和坡向图进行空间叠加,统计分析不同海拔、不同坡度和不同坡向的植被覆盖度分布及变化特征。
研究区植被覆盖较高的Ⅰ级和Ⅱ级区域(fc≥0.5)面积比重达58%以上,其中Ⅰ级植被覆盖度(fc≥0.7)区域面积比重达30%以上,而Ⅴ级植被覆盖度(fc < 0.15)区域面积最小,其面积比重不足5%(图 4,表 1),说明研究区植被覆盖状况总体良好。研究区Ⅰ级和Ⅱ级植被覆盖度主要分布在海拔较高、人为干扰相对较少的西部、东部及东南部; Ⅲ级植被覆盖度主要分布大渡河两岸的低山区; Ⅳ级和Ⅴ级植被覆盖度主要集中分布在海拔较低、地势相对平坦、人口比较密集的大渡河沿岸以及支流沿岸地带(图 4)。
1989—2012年研究区植被覆盖度总体上呈下降特征,其中,Ⅰ级和Ⅱ级植被覆盖度区域面积分别减少567.25和950.64 hm2,降幅分别为2.98%和4.72%,而Ⅲ级、Ⅳ级和Ⅴ级植被覆盖度分别增加了1 173.71,125.73和218.45 hm2,增幅分别为10.88%,1.22%和9.39%(表 1)。
研究区不同时段植被覆盖度呈现出不同的变化特征。1989—2000年间植被覆盖呈现大幅下降的变化特征,主要表现为高植被覆盖区域面积下降,而低植被覆盖区域面积增加。Ⅰ级和Ⅱ级植被覆盖区域面积分别减少了1 361.24和11 84.19 hm2,降幅分别为6.76%和6.22%; 与此同时,Ⅳ级和Ⅴ级植被覆盖区域面积分别增加1 541.02和1 085.6 hm2,增幅分别为14.89%和46.66%。研究区植被覆盖度下降,其原因一方面是由于该区为汉藏结合区域,信息闭塞,盲目过度放牧导致草地退化; 另一方面,随着研究区人口的增长和经济的需求,人为伐木、毁林开荒等导致了部分林地退化。
2000—2012年植被覆盖度呈上升趋势。植被覆盖度fc≥0.3区域面积均有不同程度增加,其中,Ⅲ级植被覆盖度区域面积增加最多,增加了1 254.90 hm2,增幅为11.72%,Ⅰ级和Ⅱ级植被覆盖度分别增加了2.19%和3.46%;Ⅳ级和Ⅴ级植被覆盖度区域面积呈减少特征,12年间Ⅳ级和V级植被覆盖度区域面积分别减少了1 415.29和867.15 hm2,降幅分别达11.9%和25.41%。其原因是1998年长江下游发生重大水灾,国家高度重视长江上游的植被保护和生态环境建设,实施退耕还林(还草)政策和天然林保护工程,研究区大量的陡坡耕地生态退耕使植被覆盖得到有效恢复和提高;同时,研究区近年来先后启动了“绿色走廊工程”和“干热河谷造林工程”也是植被覆盖度提高的重要原因。
2.3 植被覆盖度的变化过程为了进一步研究植被覆盖度的时空变化特征和过程,本研究在Erdas Imagine 9.2软件支持下,将1989,2000和2012年3个时期的植被覆盖度等级图进行空间叠加和属性统计,研究了不同时段各等级植被覆盖区域的面积转移特征(表 2、表 3)
1989—2000年,研究区Ⅰ级和Ⅱ级植被覆盖区域面积呈下降趋势,转出面积大于转入面积,其中,植被覆盖较高的Ⅰ级植被覆盖区域转出面积达11.25%,其去向主要是转为Ⅱ级和Ⅲ级植被覆盖区域,占转出面积的61.56%,Ⅱ级植被覆盖区域转出面积达13.39%,主要转为Ⅲ级和Ⅳ级,占其转出面积的70.07%; Ⅲ级植被覆盖区域转入和转出大致相等; 总面积变化不大; Ⅳ级和Ⅴ级植被覆盖区域转出面积分别为10 347.98和2 326.41 hm2,同期转入面积分别为11 888.99和3 412.01 hm2,转入高于转出,面积有较大幅度增加,主要表现为Ⅱ级和Ⅲ级植被覆盖区域向Ⅳ级植被覆盖区域转移,以及Ⅲ级和Ⅳ级植被覆盖度区域向Ⅴ级植被覆盖区域转移(表 2)。这说明由于人类活动的影响,研究区植被覆盖度呈现出由高植被覆盖度向低植被覆盖度转化的特征。 2000—2012年,研究区Ⅰ级和Ⅱ级植被覆盖区域面积有较大幅度增加,其转入面积分别达2 088.68和2 405.81 hm2,而同期转出面积分别仅为1 678.08和1 788.86 hm2。Ⅱ级和Ⅲ级植被覆盖区域是Ⅰ级植被覆盖区域的主要转入来源,其转入面积占总转入面积的75%以上。Ⅲ级植被覆盖区域面积转入大于转出,也呈现增加趋势,其中Ⅳ级植被覆盖区域是转入的主要来源,其转入面积占总转入面积的61.13%。此研究时段内,Ⅳ级和Ⅴ级植被覆盖区域面积明显下降,其中Ⅳ级植被覆盖区域主要向Ⅲ级植被覆盖度区域转移,其转出面积占总转出面积的66.41%,而Ⅴ级植被覆盖区域主要向Ⅳ级植被覆盖度区域转移,其转出面积占总转出面积的54.87%(表 3)。这说明2000—2012年,由于1998年长江下游发生特大洪灾后,国家实施长江上游陡坡耕地退耕还林(草)和天然林保护工程,研究区加强了生态环境建设,植被得到有效恢复,低植被覆盖区域趋于向高植被覆盖区域转化。 2.4 不同海拔带植被覆盖度分布及变化特征海拔可通过影响水热分配和人类活动进而影响地表植被覆盖状况。本文研究了不同海拔带植被覆盖的空间分布及变化特征,结果表明,随着海拔的升高,研究区植被覆盖度总体呈现出先增加后降低的趋势。研究区海拔 < 2 500 m的地带,植被覆盖度以Ⅱ、Ⅲ和Ⅳ级为主,其面积比重达74%以上; 海拔2 500~3 500 m和3 500~4 500 m的地带,植被覆盖度以Ⅰ级和Ⅱ级为主,其面积比重达均66%以上; 海拔>4 500 m的地带,植被覆盖度以Ⅲ级和Ⅳ级为主,其面积比重达70%以上。研究区各海拔带Ⅴ级植被覆盖区域面积比重较小,均不超过11%,但海拔 < 2 500 m和>4 500 m的地带,其Ⅴ级植被覆盖区域面积比重明显高于2 500~3 500 m和3 500~4 500 m的地带(表 4)。这说明研究区植被覆盖同时受自然条件和人类活动的共同控制。海拔 < 2 500 m的地带由于受人类活动的影响相对较强,植被覆盖度相对较低;>4 500 m的地带温度较低,热量条件不足,部分区域常年冰雪覆盖,植被覆盖度亦相对较低;海拔2 500~3 500 m和3 500~4 500 m的地带,由于受人类活动干扰相对较少,加之水热条件相对较好,植被覆盖度相对较高。 研究时段内各海拔带植被覆盖度有不同程度的降低,其中海拔相对较低的地带(< 2 500 m)是植被覆盖度下降较为明显的区域,2012年Ⅰ级和Ⅱ级植被覆盖区域面积相对1989年减少了10.27%和7.24%,而Ⅲ,Ⅳ,Ⅴ级植被覆盖区域面积分别增加了7.43%,1.91%和12.44%。海拔2 500~3 500m的地带,植被覆盖度亦呈下降特征,但变化幅度不及海拔 < 2 500 m的地带; 海拔3 500~4 500 m和海拔>4 500 m的区域植被覆盖度变化相对较小(表 4)。这说明人类活动是引起研究区植被覆盖变化的主要原因,海拔相对较低的区域,自然条件相对较好,人口分布和人类活动相对较多,受人为活动的影响植被覆盖变化也相对较大。 2.5 不同坡度带植被覆盖度分布及变化特征统计数据表明,研究区植被覆盖具有明显的坡度分异特征,总体呈现出随着坡度增加植被覆盖度先增加后降低的特征。地面坡度 < 15°的区域以Ⅲ级和Ⅳ级植被覆盖度为主,其面积比重达60%以上,而Ⅰ级和Ⅱ级植被覆盖区域面积比重不足25%; 地面坡度15°~30°的区域以Ⅱ级、Ⅲ级和Ⅳ级植被覆盖区域面积比重较大,其面积比重达79%以上; 地面坡度30°~45°和>45°的区域以Ⅰ级和Ⅱ级植被覆盖区域为主,其面积比重达70%以上,而Ⅲ、Ⅳ和Ⅴ级植被覆盖区域面积比重不足30%(表 5)。这说明研究区植被覆盖的坡度分异特征较为明显,地面坡度 < 15°区域地势相对平缓,人口和工农业分布相对密集,由于受人类活动和工农业发展的影响,植被覆盖度相对较低;而地面坡度相对较陡的区域由于受人类活动的影响相对较小,植被覆盖度相对较高。 1989—2012年,研究区各坡度带植被覆盖度总体呈现下降的特征,其中植被覆盖变化最明显的区域主要集中在坡度小于30°的地带,植被覆盖度相对较高的Ⅰ级和Ⅱ级区域面积明显减少,而植被覆盖度相对较低的Ⅳ级和Ⅴ级区域面积明显增加,其主要原因是地面坡度较小,地势相对平缓的区域人口分布集中,地表植被覆盖受人类活动的影响较大。地面坡度30°~45°和大于45°的地带,植被覆盖变化不及坡度小于30°的地带,其原因是地面坡度较陡的地带,地表植被覆盖受人类活动干扰相对较小。 2.6 不同坡向植被覆盖度分布及变化特征在地面高差较大的山区,不同坡向所接受的太阳辐射和降雨量差异较大,本研究为了解研究区内坡向对植被覆盖度的影响,分析了不同坡向上植被覆盖度的变化情况。结果表明,3个时期植被覆盖度总体均呈现出半阳坡>阳坡>半阴坡>阴坡的特征,其原因是研究区地处北半球,阳坡和半阳坡的热量条件较阴坡和半阴坡优越。半阳坡植被覆盖度相对较高,其原因是研究区地处四川盆地与青藏高原过渡地带,地势西高东低,四川盆地的湿热气流向西移动过程中,受地形抬升的影响,易在东坡(即半阳坡)形成较丰富的地形雨,而在西坡(阴坡)易形成干冷的天气。 研究时段内研究区各坡向植被覆盖度均有不同程度的降低,其中阴坡植被覆盖度下降相对较明显,Ⅰ级和Ⅱ级植被覆盖区域面积比重分别下降了1.32和1.44个百分点,其次是半阴坡,Ⅰ级和Ⅱ级植被覆盖区域面积比重分别下降了1.42%和0.51%,阳坡和半阳坡变化相对较小(表 6)。 1)研究区植被覆盖状况总体较好,植被覆盖度fc≥0.5的区域面积比重达58%以上。1989—2012年研究区植被覆盖度总体呈下降趋势,其中,Ⅰ级(fc≥0.7)和Ⅱ级(0.5≤fc<0.7)植被覆盖区域面积分别减少了2.98%和4.72%,而Ⅲ级(0.3≤fc<0.5)、Ⅳ级(0.15≤fc<0.3)和V级(fc < 0.15)植被覆盖区域面积分别增加了10.88%,1.22%和9.39%。 2)不同时段内研究区植被覆盖度呈现出不同的变化特征。其中,1989—2000年植被覆盖度整体呈下降趋势,其原因主要是人为砍伐和过度放牧导致; 2000—2012年植被覆盖度总体呈上升趋势,其原因主要是1998年后退耕还林及天然林护工程等措施的实施使研究区植被得到较好保护,并逐步恢复。 3)研究区植被覆盖度因海拔、坡度和坡向等地形因子的差异呈现出不同的分布和变化特征。其中,海拔2 500~4 500 m和坡度30°~45°的地带植被覆盖度相对较高,而海拔 < 2 500 m及海拔>4 500 m和坡度<30°的地带,植被覆盖度相对较低; 植被覆盖度随坡向差异呈现出半阳坡>阳坡>半阴坡>阴坡的特征。植被覆盖变化较为明显区域分布在海拔<2 500 m和坡度<30°的地带,而海拔>4 500 m和坡度>45°的地带受人为活动影响小,植被覆盖变化不明显。 4)本文在RS和GIS技术支持下,开展植被覆盖度研究,克服了传统地表调查和实测的局限性,具有客观、快捷、制图方便等特点,且能够较好地反映植被覆盖度时空变化特征,但受遥感图像分辨率及时相的限制,植被覆盖信息提取的精度和准确性还有待进一步提高。同时限于篇幅和地面数据段缺乏,未能就研究区植被覆盖变化的原因及生态环境效应作系统深入的分析研究。因此,从遥感数字图像处理和信息提取入手,并结合地面数据分析植被覆盖度时空变化的原因及生态环境效应是本研究有待进一步开展的工作。
参考文献(References)
|