全 文 ：生态恢复背景下陕北地区植被覆盖的时空变化*
王摇 朗1,2 摇 傅伯杰1**摇 吕一河1 摇 曾摇 源3
( 1 中国科学院生态环境研究中心, 北京 100085; 2 中国科学院研究生院, 北京 100049; 3 中国科学院遥感应用研究所, 北京
100101)
摘摇 要摇 基于 2000—2008 年的 MODIS影像,通过归一化植被指数(NDVI)像元二分模型对退
耕还林(草)、水土流失综合治理等生态恢复措施驱动下陕北黄土高原生态脆弱区的植被覆盖
度进行了动态评估.结果表明:2000—2008 年,陕北地区植被覆盖度年内呈波动趋势,3 月的
植被覆盖度最差,8 月最好;植被覆盖度空间分布的总体趋势是从西北向东南逐渐增加;年最
大植被覆盖度在研究期间表现为明显增加;植被覆盖度组成中,低等植被覆盖度面积减少,中
等植被覆盖度面积增加;植被覆盖度增加地区的面积占全区一半以上,以研究区东北部尤为
明显.研究区植被覆盖度的显著增加是气候和人为因素综合作用的结果,一定程度上反映了
生态恢复重建措施的有效性.像元二分模型可以准确模拟区域尺度上植被覆盖度的时空变化
趋势,在区域植被恢复效果定量监测与评估方面具有适用性.
关键词摇 植被覆盖度摇 像元二分模型摇 时空变化摇 遥感摇 生态恢复摇 陕北
文章编号摇 1001-9332(2010)08-2109-08摇 中图分类号摇 Q149 摇 文献标识码摇 A
Spatio鄄temporal variations of vegetation cover in northern Shaanxi Province under the back鄄
ground of ecological restoration. WANG Lang1, 2, FU Bo鄄jie1, L譈 Yi鄄he1, ZENG Yuan3
( 1Research Center for Eco鄄Environmental Sciences, Chinese Academy of Sciences, Beijing 100085,
China; 2Graduate University of Chinese Academy of Sciences, Beijing 100049, China; 3 Institute of
Remote Sensing Applications, Chinese Academy of Sciences, Beijing 100101, China) . 鄄Chin. J. Appl.
Ecol. ,2010,21(8): 2109-2116.
Abstract: Based on the 2000-2008 MODIS鄄NDVI images and using dimidiate pixel model, a dy鄄
namic evaluation was made on the vegetation coverage in northern Shaanxi Province, one of the eco鄄
logically fragile area in China, under the backgrounds of returning farmland to forestland and grass鄄
land and of the integrated management of soil and water loss. In 2000-2008, the vegetation cover鄄
age in the study area fluctuated within a year, being the highest in August and the lowest in March,
and showed an increasing trend from the northwest to the southeast. The annual maximum vegetation
coverage had a pronounced increase, but the area of medium and high coverage increased while that
of low coverage decreased. The increased area of vegetation coverage occupied more than half of the
study area, especially in the northeast. Climate features and human activities were the main causes
inducing the pronounced increase of vegetation coverage, reflecting to a certain extent the effective鄄
ness of ecological restoration efforts. The dimidiate pixel model based on the MODIS鄄NDVI images
could well and truly simulate the spatiotemporal variation trend of the vegetation cover in northern
Shaanxi, and be applicable to quantitatively estimate and evaluate the effectiveness of vegetation
restoration at regional scale.
Key words: vegetation coverage; dimidiate pixel model; spatiotemporal variation; remote sensing;
ecological restoration; northern Shaanxi Province.
*国家重点基础研究发展计划项目(2009CB421104)、国家科技支撑计划项目(2006BAD09B10)和国家自然科学基金项目(40871085)资助.
**通讯作者. E鄄mail: bfu@ rcees. ac. cn
2009鄄12鄄11 收稿,2010鄄06鄄17 接受.
应 用 生 态 学 报摇 2010 年 8 月摇 第 21 卷摇 第 8 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Aug. 2010,21(8): 2109-2116
摇 摇 生态恢复有效性评估是当前生态学研究的前沿
和热点问题.植被恢复是陆地生态系统恢复的重要
途径.评估植被的恢复情况,是生态恢复有效性评估
的重要环节,能够揭示生态建设工程所取得的实效,
可为工程的顺利实施提供理论参考和科学支撑.
植被覆盖状态是半干旱地区重要的生态指标,
是植被生产力变化的重要反映[1-2] . 能够表征地表
植被覆盖状况的指标除了归一化植被指数(NDVI)
外,也常用到植被覆盖度(vegetation fraction). 植被
覆盖度指植被(包括叶、茎、枝)在地面的垂直投影
面积占统计区总面积的百分比[3],其与水土流失、
土地沙漠化关系密切[4-7],是很多水文和生态模型
的重要参数,也是研究区域或全球性水文、气象、生
态等方面问题的基础数据[5,8] .因此,获取陕北地区
地表植被覆盖度的时空变化信息,对于揭示陕北地
表时空变化规律、分析评价该区域生态环境质量和
生态恢复有效性具有重要意义.近年来,利用遥感手
段监测陕北地区的植被覆盖研究较多[9-14],其中大
多是通过 NDVI 直接反映植被覆盖情况,而利用植
被覆盖度监测整个陕北地区长时间尺度的植被覆盖
状态还鲜有报道. 为此,本文利用 2000—2008 年的
MODIS鄄NDVI遥感数据,通过 NDVI 像元二分模型
对植被覆盖度进行估算,分析了陕北地区植被的时
空变化规律及其驱动因子,并从植被覆盖角度分析
评价了区域生态恢复与治理效果,以期为黄土高原
地区生态系统恢复和重建提供决策参考.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
陕北地区(35毅21忆—39毅34忆 N,107毅28忆—111毅15忆
E)在行政区划上包括延安、榆林两市,下辖 25 个区
县,土地面积 8郾 06伊104 km2,占陕西省总土地面积的
38郾 9% (图 1).陕北地区属温带干旱半干旱大陆性
季风气候,年均气温 7 益 ~ 12 益,无霜期 140 ~ 180
d,年均降水量 350 ~ 600 mm,降水量自南向北、自西
向东递减,且年内降雨主要集中在夏季.
陕北地区地处半干旱地带,横跨北部风沙区和
南部黄土丘陵沟壑区两大地貌单元.在风、流水等外
营力作用下,坡面侵蚀剧烈、沟谷发育、地表破碎、地
形变化复杂,是中国典型的生态脆弱区和水土流失
严重区[1] .西北部毛乌素沙地的土地荒漠化问题突
出,东部黄土丘陵的水土流失问题严重,南部黄土高
原沟壑区的生态环境相对较好.近几十年来,陕北地
区开展了一系列改善当地生态环境的工程措施,如
图 1摇 研究区位置示意图
Fig. 1摇 Sketch map of location of the study area.
三北防护林建设、退耕还林(草)、天然林保护等治
理工程,为当地植被恢复、水土流失控制起到了一定
的作用,特别是在国家投资的重点治理区,生态环境
建设与农业生产结构都发生了显著变化[15] .
1郾 2摇 数据来源
本研究所用数据为 16 d 合成的 MODIS鄄NDVI
产品,空间分辨率为 1 km,时间跨度为 2000 年 1
月—2008 年 12 月. MODIS 数据的主要优势在于具
有较高的时间分辨率, 对于实时观测和应急处理有
较大的实用价值;数据选择余地较大, 可尽量剔除
云的影响,对于反映月度植被覆盖信息变化有很大
帮助;大部分数据可免费接收,是成本较低又实用的
遥感数据资源,适于长时间尺度的监测研究. MODIS
数据在空间分辨率上也可以满足陕北地区植被覆盖
度计算的要求.由于本研究区覆盖面积较大,逐日的
遥感影像不可避免地会有一定数量的云覆盖,为了
减少云以及太阳鄄目标鄄传感器几何角度所带来的影
响,采用 16 d 合成的 MODIS鄄NDVI 产品作为植被覆
盖度监测的基础数据,同时辅以陕北地区行政区划
图、土地利用数据和土壤数据. 其中,土地利用数据
源于中国科学院遥感应用研究所基于 TM和 CBERS
影像解译制备的 2000 和 2008 年 1 颐 10 万黄土高原
土地覆盖分类数据,土壤数据为 1 颐 100 万黄土高原
数字土壤图,以上辅助数据在像元二分模型中用于
参数的确定.
1郾 3摇 研究方法
像元二分模型[16-19]原理是将遥感传感器所观
0112 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 21 卷
测到的信息(R)表达为由绿色植被部分所贡献的信
息(Rv)和由裸土部分所贡献的信息(Rs)两部分:
R=Rv+Rs (1)
如果一个像元中植被覆盖部分所占的面积比例
(即这个像元的植被覆盖度)为 fc,那么非植被覆盖
部分的面积比例为 1-fc . 如果该像元全部由植被所
覆盖,则所得的反射率为 Rveg;如果该像元无植被覆
盖,则反射率为 Rsoil .植被部分的反射率(Rv)和非植
被部分的反射率(Rs)的算式如下:
Rv = fc伊Rveg (2)
Rs =(1-fc)伊Rsoil (3)
fc 的算式如下:
fc =(R-Rsoil) / (Rveg-Rsoil) (4)
归一化植被指数(NDVI)又称为标准化植被指
数,它是植被生长状态及植被覆盖度最直接的指示
因子[20],经过验证发现 NDVI 与植被覆盖度具有很
好的相关性,模拟植被覆盖度的灵敏度较高.根据像
元二分模型,一个像元的 NDVI 值可表达为有植被
覆盖部分的 NDVI 值(NDVIveg)和无植被覆盖部分
的 NDVI值(NDVIsoil) [18,21],其算式如下:
fc =(NDVI-NDVIsoil) / (NDVIveg-NDVIsoil) (5)
对于大多数类型的裸地表面,NDVIsoil理论上应
接近 0,且不易变化,但由于受众多因素影响,
NDVIsoil会随空间而变化,其变化范围一般在-0郾 1 ~
0郾 2[22-23] .同时,NDVIveg值也会随植被类型和植被的
时空分布而变化.因此,需要土地覆盖类型图和土壤
图辅助判断,而不能采用固定值[24] .
1郾 4摇 数据处理
本文对 NDVIveg和 NDVIsoil取值时,首先获得陕
北地区的 NDVI 值,再基于区域内的土地覆盖类型
图和土壤图,针对每个单元计算 NDVI 数据的频率
累积值;根据频率统计表,在土地覆盖类型图单元内
取累积频率为 95%的 NDVI 值为NDVIveg,在土壤图
单元内取累积频率为 5%的 NDVI 值为 NDVIsoil;最
后根据式(5)得到陕北地区不同时段的植被覆盖
度.
采用 16 d合成的 MODIS鄄NDVI 产品,通过专业
处理软件 ENVI 4郾 3、Erdas 9郾 0 和 ArcGIS 9郾 3 对数
据产品进行处理,用 NDVI 像元二分法模型估算出
植被覆盖度,按行政区域进行裁剪后,对 2000—
2008 年陕北的植被覆盖度进行年内变化分析;从中
选取每年植被生长最旺盛,即植被覆盖度最大的 16
d合成图像数据代表本年的植被覆盖度,进行年际
比较.同时分析不同时期陕北地区植被覆盖度的空
间变化. 通过软件 ArcGIS 9郾 3 进行空间分析,采用
软件 Origin 7郾 5 绘制图表.
2摇 结果与分析
2郾 1摇 陕北地区植被覆盖度的年内变化
一年内陕北地区植被覆盖度( fc)的最大值出现
在 8 月,为 48郾 7% ,最小值出现在 3 月,为 12郾 2% ,
两者相差 36郾 5% (图 2). fc 值的变化可分成 4 个时
段:当年 12 月至次年 3 月,植被处于休眠阶段,植被
覆盖度达全年最低,波动较小,变化幅度仅 2郾 2% ;
4—6 月,植被处于恢复阶段,植被覆盖度迅速上升,
一直到 6 月下旬,达到 38郾 0% ,期间的变化幅度为
23郾 4% ;7 月至 9 月中旬,植被处于生长季节,植被
覆盖度达到全年最好,最高值出现在 8 月中旬,为
48郾 7% ,期间的变幅在 7郾 9% ;9 月下旬至 11 月,植
被处于退化阶段,植被覆盖度迅速降低,11 月下旬
达本阶段最低值,为 20郾 7% ,期间的变幅为 20郾 5% .
图 2摇 2000—2008 年陕北地区平均植被覆盖度( fc)的月变
化(平均值依标准误)
Fig. 2 摇 Monthly dynamics of averaged vegetation fraction ( fc )
from 2000 to 2008 in the northern Shaanxi Province (mean依SE).
2郾 2摇 陕北地区最大植被覆盖度的年变化
2000—2008 年,陕北地区最大植被覆盖度总体
呈波动式上升趋势(图 3). 其中,2001 年的最大植
被覆盖度最差,为 43郾 0% ,2007 年最好,为 57郾 4% .
图 3摇 2000—2008 年陕北地区最大植被覆盖度( fc)的变化
Fig. 3摇 Changes of max vegetation fraction ( fc ) from 2000 to
2008 in the northern Shaanxi Province.
11128 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 王摇 朗等: 生态恢复背景下陕北地区植被覆盖的时空变化摇 摇 摇 摇 摇 摇 摇 摇
线性回归方程的斜率是 1郾 7,判定系数 R2 = 0郾 85,
P<0郾 001,表明陕北地区的植被覆盖度呈极显著的
增加趋势,说明期间陕北地区的植被状况得到了显
著改善.
2郾 3摇 陕北地区植被覆盖度等级及其变化的空间分
异
陕北地区大部分面积被黄土丘陵沟壑区占据,
土壤水蚀情况严重.按照 2008 年颁布的《土壤侵蚀
分类分级标准》 [25]中所涉及的植被覆盖度分级标
准,将植被覆盖度划分为 5 个等级:<30% (低植被
覆盖度)、30% ~ 45% (中低植被覆盖度)、45% ~
60% (中等植被覆盖度)、60% ~ 75% (中高植被覆
盖度)和>75% (高植被覆盖度).
2008 年,陕北地区植被覆盖度的等级分布总体
上有着较强的空间规律性,植被覆盖度表现为从西
北向东南逐渐增加的趋势:低等和中低等级的植被
覆盖度主要出现在陕北靠近毛乌素沙地的西北部和
工业较发达的西部一带,在东部地区也有少量条带
状分布;中等植被覆盖度主要分布在黄土丘陵沟壑
区的中部和北部,还有少部分以条带状或零星状分
布在西北部、西部和南部;中高和高等植被覆盖度主
要分布在南部地区(图 4a、b).从植被覆盖度的构成
来看(图 5),2008 年陕北各等级覆盖度植被所占的
比例较平均,其中比例最大的是中等和中低覆盖度
的植被,分别占 32郾 2%和 22郾 7% ,低覆盖度的植被
所占比例最小,为 11郾 6% .
2000—2008 年,研究区植被覆盖度等级的空间
分布发生了明显变化:低和中低植被覆盖度面积向
西北方向大面积缩小,中等植被覆盖度面积向北部
和西部大范围增加,中高和高等植被覆盖度面积向
中部和中南部有少量增加(图 4a、b);低植被覆盖度
面积减少最多,减幅达 62郾 6% ;中低植被覆盖度面
积也减少了 35郾 9% ;中等植被覆盖度面积增加最
多,增幅达 159郾 7% ;中高和高植被覆盖度面积也分
别增加了 91郾 0%和 38郾 8% . 2000 年,陕北地区各覆
盖度等级植被的分布极不均匀,表现为低和中低植
被覆盖度比例最大、中高植被覆盖度所占比例最小,
至 2008 年,转变为中等植被覆盖度占主导、各等级
均匀分布的格局(图 5).
2000 年,研究区植被覆盖度普遍偏低,年最大
植被覆盖度仅为 43郾 6% ;至 2008 年,全区年最大植
被覆盖度增至 54郾 8% . 运用地图代数的算法,将
2008 和 2000 年最大植被覆盖度的两幅图像相减,
得到 2000—2008 年研究区植被覆盖度等级变化空
间分布图(图 4c). 从中可见,全区绝大部分面积是
植被覆盖度等级保持不变和增加的地区,只有零星
地区的植被覆盖度等级有所减少.其中,植被覆盖度
等级保持不变的区域面积占 39% ,在全区均有分
布,但主要集中在植被覆盖度最低的西北和西部地
区,还有植被覆盖度较高的西南和东南地区;植被覆
盖度增加的区域面积占 58% ,主要集中在东北部、
西部、中部和南部,以东北部尤为明显;植被覆盖度
减少的区域面积占 3% ,较集中地分布在西部的少
部分地区.
图 4摇 陕北地区 2000 年(a)和 2008 年(b)植被覆盖度( fc)分级图和 2000—2008 年其等级变化的空间分布
Fig. 4摇 Grade maps of vegetation fraction ( fc) in 2000 (a) and 2008 (b) and spatial distribution of vegetation fraction ranks change
from 2000 to 2008 in the northern Shaanxi Province.
2112 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 21 卷
图 5摇 2000—2008 年陕北地区植被覆盖度( fc)等级比例的
变化
Fig. 5 摇 Change of vegetation fraction rank ratio from 2000 to
2008 in the northern Shaanxi Province.
图 6摇 陕北地区植被覆盖度(fc)调查样方的空间分布
Fig. 6摇 Spatial distribution of vegetation fraction quadrats in the
northern Shaanxi Province.
3摇 讨摇 摇 论
3郾 1摇 植被覆盖度遥感测量方法的可靠性
植被覆盖度的测量方法有多种,传统方法为地
面测量,但由于野外条件限制,难以满足范围大、时
效性强的植被覆盖度提取的需求. 遥感技术的发展
为监测大面积植被覆盖度提供了可能.目前,遥感测
量植被覆盖度的方法已发展了很多种,主要有回归
模型法、植被指数法以及像元分解模型法等.回归模
型法过程复杂、测量耗时、限制条件多,只能应用于
特定的区域或特定的植被类型,推广较困难.利用归
一化植被指数(NDVI)带入像元二分模型是一种直
接利用植被指数近似估算的方法,具有简便直接等
优点,且模型更具普适性,可以形成通用的植被覆盖
度的计算方法[21],与直接利用 NDVI 反映植被覆盖
状况相比,该方法更能够削弱大气、土壤背景与植被
类型等的影响,使植被覆盖度的信息得到相应加强,
尤其是对于植被覆盖稀疏、土壤反射辐射影响大的
干旱半干旱地区更适合,对于长时间序列的遥感观
测也更准确可靠[16-19] .
本研究对地面实测数据与遥感模型模拟数据进
行相关性分析,以验证方法的可靠性.本文中的地面
数据来自于对陕北进行的野外植被抽样调查,时间
为 2008 和 2009 年当地植物生长旺盛的 8 月上旬,
地点选在具有代表性的低植被覆盖度和高等级植被
覆盖度交替过渡的陕北中部,获得 77 个植被覆盖度
的有效数值(图 6). 将地面实测数据与同时段的遥
感模型模拟数据进行相关分析的结果表明,遥感监
测和地面实测数据之间呈极显著正相关关系(图
7),即存在相近趋势,说明利用像元二分模型模拟
的植被覆盖度结果可较好地反映植被覆盖度变化趋
势,为宏观区域上研究植被盖度的变化和进行动态
监测提供了有效手段. 本研究结果与前人在植被变
化趋势和空间格局上的结果相近,并能够满足生态、
气候、水土流失模型中对植被覆盖度参数的需
求[4,18,21,26-27] .但由于这种监测方法受到某些条件的
限制,如遥感影像的分辨率、地面实测数据的精度、
植被类型、植物群落垂直尺度上的异质性、方向覆盖
率等因素的影响,具体像元的覆盖度值与地面观测
值存在一定误差,使植被覆盖度遥感监测结果不能
完全替代地面调查结果. 提高模型精度也成为该方
法广泛应用中值得探讨的问题[16] .
3郾 2摇 植被覆盖的季节变化与侵蚀防御
植被覆盖度的年内变化与气象因子关系密切.
很多相关研究表明,植被覆盖度的年内变化与温度
和降雨具有很好的相关性,尤其与生长季(6—8 月)
的降水具有很好的正相关性[9-11,28] . 加之植被覆盖
度能够有效减少土壤侵蚀[4-5,8,29],对水土保持具有
重要意义.因此,侵蚀防御与植被覆盖度的季节变化
图 7摇 地面调查与模型模拟植被覆盖度的相关分析
Fig. 7摇 Correlation analysis between the observed data and the
simulated data of vegetation fraction ( fc).
31128 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 王摇 朗等: 生态恢复背景下陕北地区植被覆盖的时空变化摇 摇 摇 摇 摇 摇 摇 摇
密切相关.黄土高原地区具有雨热同期的气候特点,
夏季相对良好的水热条件能够促进植被生长,使植
被覆盖度处于较高水平(图 2),虽然这一时期易发
生侵蚀性降雨[30],但大量的植被能够有效削弱降雨
的侵蚀能力.温度在控制植被年内生长节律方面起
着重要作用[9-14] .近年来气候变暖,温度增加有助于
延长植被生长期[9-12] .在陕北西部沙地风蚀最强烈
的春季[7],植被生长期的延长可有效减少风蚀、固
持土壤.此外,植被覆盖度的增加对小流域径流的减
少也起到重要作用[12] .因此,在植被恢复的同时,加
强植被覆盖的管理、优化地表覆盖的垂直结构,可使
综合覆被度的变化与侵蚀敏感期相适应,并实现良
好的侵蚀防控效果.
3郾 3摇 生态恢复和重建对植被恢复的有效性
本研究期间,陕北地区的植被覆盖度呈现出转
好趋势.影响植被覆盖年际变化的主要因素可归纳
为两大类,气候因素和人为因素.植被覆盖度与气候
因素,尤其是温度和降水量有着较密切的关系.相关
研究表明,在黄土高原地区,温度主要调节植被年内
生长节律,与植被覆盖度的年际变化相关性较小,对
植被覆盖度的增长贡献不大;而降水与植被覆盖度
的年际变化有着很好的正相关关系[9-14] .但近年来,
陕北地区存在降水减少的趋势[31-33],植被覆盖度反
而上升,这反映出降水对于植被覆盖度的上升没有
起到主导作用.在人为因素中,生态恢复工程已经实
施了一段时间,在近十年来已显现成效,对该阶段植
被覆盖度的上升有着重要影响.因此,在黄土高原近
年来总体处于暖干化趋势[31-33],气候因素不利于植
被覆盖度增长的情况下,人为的生态恢复工程应该
是期间植被覆盖度显著增加的主导因素,生态恢复
和重建对于区域植被恢复具有显著效果.
3郾 4摇 需要进一步深入研究的问题
本文通过遥感动态监测的方法对陕北区域性植
被覆盖度的宏观时空变异进行了定量分析,可以作
为区域尺度生态恢复重建措施有效性的一种测度.
然而,植被覆盖度变化的空间差异性、驱动机制和环
境效应仍有待进一步深入研究,以更充分地揭示区
域植被时空变化的内在机制. 具体问题包括:1)植
被覆盖度的增减在时间和空间上与人类活动因素
(如生态恢复重建措施、矿产资源开发、城市化、交
通、农业生产等)的关系以及人类活动对植被恢复
的贡献率;2)地形、气象等自然因子对植被覆盖度
时空变异的贡献;3)植被覆盖度的变化都会伴随着
一定的生态和环境效应,如对生态系统服务的变化
也需要进行科学评估,从而为区域生态恢复重建的
科学决策和生态补偿机制的设计提供有力支撑.
4摇 结摇 摇 论
本文通过归一化植被指数(NDVI)像元二分模
型对 2000—2008 年陕北地区植被覆盖度进行了动
态监测,结果表明,期间的植被状况发生了明显改
善.陕北地区植被覆盖度年内存在较大的季节变化,
植被覆盖度最大值出现在 8 月,最小值出现在 3 月;
研究期间的植被覆盖度显著增加,其组成也从中低
等级植被覆盖度占主导转变为中等植被覆盖度为主
导.植被覆盖度等级上升的区域面积占一半以上,以
研究区东北部最明显;只有少部分区域的植被覆盖
度有所减少,主要集中在西北部.植被覆盖度的波动
上升趋势反映了气候因素和人为因素交互作用的结
果,生态保护和重建对陕北地区植被覆盖度的增长
有重要贡献,陕北地区的一系列生态恢复措施收到
了良好效果.植被覆盖度的遥感监测结果与地面调
查数据呈极显著相关,可以准确模拟植被覆盖度的
变化趋势,说明基于像元二分模型的遥感动态监测
方法在区域植被恢复效果的评估方面比较适用. 但
是,要想获知地表植被覆盖度的精确信息,像元二分
模型还需要进一步验证和改进.
参考文献
[1]摇 Liu L鄄M (刘黎明), Lin P (林 摇 培). Research on
sustainable land use system in the Loess Plateau region.
Resources Science (资源科学), 1998, 20(1): 54-61
(in Chinese)
[2]摇 Zhao J鄄B (赵景波), Zhu X鄄M (朱显谟). Evolution
and eroding history of Loess Plateau. Journal of Soil
Erosion and Soil and Water Conservation (土壤侵蚀与
水土保持学报), 1999, 5(2): 58-63 (in Chinese)
[3]摇 Gitelson AA, Kaufman YJ, Stark R, et al. Novel algo鄄
rithms for remote estimation of vegetation fraction. Re鄄
mote Sensing of Environment, 2002, 80: 76-87
[4]摇 Zhang Y鄄X (张云霞), Li X鄄B (李晓兵), Chen Y鄄H
(陈云浩). Overview of field and multi鄄scale remote
sensing measurement approaches to grassland vegetation
coverage. Advances in Earth Science (地球科学进展),
2003, 18(1): 85-93 (in Chinese)
4112 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 21 卷
[5]摇 Hu L鄄J (胡良军), Shao M鄄A (邵明安). Vegetation
coverage index in soil and water loss studies. Journal of
Northwest Forestry University (西北林学院学报),
2001, 16(1): 40-43 (in Chinese)
[6]摇 Tian J (田摇 静). Vegetation Cover Inversion Based on
the Experiment of Remote Sensing. Master Thesis.
Changchun: Jilin University, 2004 (in Chinese)
[7]摇 Zhao C鄄X (赵彩霞), Zheng D鄄W (郑大玮), He W鄄Q
(何文清). Vegetation cover changes over time and its
effects on resistance to wind erosion. Acta Phytoecologi鄄
ca Sinica (植物生态学报), 2005, 29(1): 68-73 (in
Chinese)
[8]摇 Zhang W鄄B (章文波), Fu S鄄H (符素华), Liu B鄄Y
(刘宝元). Error assessment of visual estimation plant
coverage. Journal of Beijing Normal University (Natural
Science) (北京师范大学学报·自然科学版), 2001,
37(3): 402-408 (in Chinese)
[9]摇 Li D鄄K (李登科). Vegetation change and its response
to climate in the hill and ravine region of the Loess Plat鄄
eau in northern Shaanxi. Acta Botanica Boreali鄄Occiden鄄
talia Sinica (西北植物学报), 2009, 29(5): 867 -
873 (in Chinese)
[10]摇 Xin Z鄄B (信忠保), Xu J鄄X (许炯心), Zheng W (郑
伟). The influences of climate change and human activ鄄
ity on vegetation cover change in Loess Plateau. Science
in China (Series D): Earth Sciences (中国科学 D 辑
·地球科学), 2007, 37(11): 1504-1514 ( in Chi鄄
nese)
[11]摇 Fang J鄄Y (方精云), Piao S鄄L (朴世龙), He J鄄S (贺
金生), et al. Increasing terrestrial vegetation activity in
China, 1982-1999. Science in China (Series C): Life
Sciences (中国科学 C辑·生命科学), 2003, 33(6):
554-565 (in Chinese)
[12]摇 Sun Z鄄H (孙智辉), Luo L (罗 摇 琳), Su F (苏 摇
锋), et al. Remote sensing in monitoring the vegetation
variation in the north of Northern Shaanxi as well as its
influence on the runoff. Shaanxi Forest Science and
Technology (陕西林业科技), 2006(4): 1-5 (in Chi鄄
nese)
[13]摇 Song Y (宋摇 怡), Ma M鄄G (马明国). Study on vege鄄
tation cover change in northwest China based on SPOT
VEGETATION data. Journal of Desert Research (中国
沙漠), 2007, 27(1): 89-93 (in Chinese)
[14]摇 Xia L (夏摇 露), Liu Y鄄M (刘咏梅), Ke C鄄Q (柯长
青). Study on the dynamic changes of vegetation in the
Loess Plateau based on data from SPOT4. Remote Sens鄄
ing Technology and Application (遥感技术与应用),
2008, 23(1): 67-71 (in Chinese)
[15]摇 He J鄄H (贺金红), Liao Y鄄C (廖允成), Hu B鄄H (胡
兵辉), et al. On relation between grain for green and
grain safety in sloping land of Loess Plateau. Research of
Agricultural Modernization (农业现代化研究), 2006,
27(2): 110-114 (in Chinese)
[16]摇 Chen J (陈摇 晋), Chen Y鄄H (陈云浩), He C鄄Y (何
春阳), et al. Sub鄄pixel model for vegetation fraction es鄄
timation based on land cover classification. Journal of
Remote Sensing (遥感学报), 2001, 5(6): 416-423
(in Chinese)
[17]摇 Quarmby NA, Townshend JRG, Settle JJ, et al. Linear
mixture modelling applied to AVHRR data for crop area
estimation. International Journal of Remote Sensing,
1992, 13: 415-425
[18]摇 Leprieur C, Verstraete MM, Pinty B. Evaluation of the
performance of various vegetation indices to retrieve veg鄄
etation cover from AVHRR Data. Remote Sensing Re鄄
views, 1994, 10: 265-284
[19]摇 Zribi M, Hegarat鄄Mascle SL, Taconet O, et al. Deriva鄄
tion of wild vegetation cover density in semi鄄arid re鄄
gions: ERS2 / SAR evaluation. International Journal of
Remote Sensing, 2003, 24: 1335-1352
[20] 摇 Zhao Y鄄S (赵英时). Theory and Method in Remote
Sensing Application. Beijing: Science Press, 2003 ( in
Chinese)
[21]摇 Qi J, Marsett RC, Moran MS, et al. Spatial and tempo鄄
ral dynamics of vegetation in the San Pedro River basin
area. Agricultural and Forest Meteorology, 2000, 105:
55-68
[22]摇 Carlson TN,Ripley DA. On the relation between NDVI,
fractional vegetation cover, and leaf area index. Remote
Sensing of Environment, 1997, 62: 241-252
[23]摇 Rundquist BC. The influence of canopy green vegetation
fraction on spectral measurements over Native Tallgrass
Prairie. Remote Sensing of Environment, 2002, 81: 129
-135
[24]摇 Kaufman YJ, Tanre D. Atmospherically resistant vegeta鄄
tion index (ARVI) for EOS鄄MODIS. IEEE Transactions
on Geoscience and Remote Sensing, 1992, 30: 261-270
[25]摇 Ministry of Water Resources of the Peoples Republic of
China (中华人民共和国水利部). Standards for Clas鄄
sification and Gradation of Soil Erosion ( SL 190 -
2007). Beijing: China Water Power Press, 2008 ( in
Chinese)
[26]摇 Wang K鄄Y (王奎阳). The Picking Vegetation Fraction
by SPOT5 DATA. Master Thesis. Hangzhou: Zhejiang
University, 2007 (in Chinese)
[27]摇 Li M鄄M (李苗苗), Wu B鄄F (吴炳方), Yan C鄄Z (颜
长针), et al. Estimation of vegetation fraction in the
upper basin of Miyun Reservoir by remote sensing. Re鄄
sources Science (资源科学), 2004, 26(4): 153-159
(in Chinese)
51128 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 王摇 朗等: 生态恢复背景下陕北地区植被覆盖的时空变化摇 摇 摇 摇 摇 摇 摇 摇
[28]摇 Zhang Y (张 摇 岩), Zhang Q鄄C (张清春), Liu B鄄Y
(刘宝元). Study on vegetative coverage and height var鄄
iation in Northern Loess Plateau. Advances in Earth Sci鄄
ence (地球科学进展), 2002, 17(2): 268-272 ( in
Chinese)
[29]摇 Guo Z鄄S (郭忠升). Three coverages of vegetation con鄄
struct in the water and soil conservation. Soil and Water
Conservation in China (中国水土保持), 2000(4): 30
-31 ( in Chinese)
[30]摇 Chen J (陈 摇 杰), Liu W鄄Z (刘文兆), Wang W鄄L
(王文龙), et al. Characteristics of precipitation and
soil erosive rainfall in Changwu Loess Plateau鄄gully re鄄
gion. Science of Soil and Water Conservation (中国水土
保持科学), 2009, 7(1): 27-31 (in Chinese)
[31]摇 Yang X (杨 摇 新), Yan J鄄P (延军平). Analysis on
the climatic warming鄄drying trend in the juncture of
Shaanxi and Gansu Provinces and Ningxia Hui Autono鄄
mous Region. Arid Zone Research (干旱区研究),
2002, 19(3): 67-70 (in Chinese)
[32]摇 Yao Y鄄B (姚玉璧), Wang Y鄄R (王毅荣), Li Y鄄H
(李耀辉), et al. Climate warming and drying and its
environmental effects in the Loess Plateau. Resources
Science (资源科学), 2005, 27(5): 146-152 (in Chi鄄
nese)
[33]摇 Liu X鄄Q (刘晓清), Zhao J鄄B (赵景波), Yu X鄄F (于
学峰). Study on the climatic warming鄄drying trend in
the Loess Plateau and the countermeasures. Arid Zone
Research (干旱区研究), 2006, 23(4): 627-631 (in
Chinese)
作者简介摇 王摇 朗,女,1986 年生,硕士研究生. 主要从事人
类活动影响下黄土高原地区生态环境及其功能的变化研究,
发表论文 1 篇. E鄄mail: wanglang228@ sohu. com
责任编辑摇 杨摇 弘
6112 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 21 卷