基于MODIS EVI影像的鄂温克旗地表植被覆盖演化规律研究*

遥感技术为植被信息获取提供了一种新的技术方法和手段。目前用遥感技术进行植被类型区分、以及植被覆盖趋势预测方法趋于成熟，发展到实用化水平[1]。在遥感应用方面，美国开启了植被研究的先河。Huete开发了土壤调节植被指数SAVI,引入土壤调节参数,以减少土壤背景的影响[2]。Kaufman等开发了抗大气植被指数ARVI。搭载于EOS系列卫星上的中等分辨率成像光谱仪MODIS数据为作物物候遥感监测提供了重要手段[3]。我国杨强等人利用MODIS-EVI数据做了湖南神农架地区植被覆盖演变规律的研究，研究结果显示增强植被指数EVI可减小植被冠层背景的影响可以有效地提高植被覆盖率的监测能力[4]。

本文以鄂温克旗为例，利用其2000～2014年1～9月份的MODIS-EVI数据，经过数据预处理，提取出EVI值，从三个角度分析鄂温克旗境内植被覆盖在时间序列的变化；利用2014年5月图像与2000年5月图像进行差值运算，通过对差值运算图像与2000年5月和2014年5月图像进行对比分析，得出鄂温克旗各个区域在空间层面上植被覆盖发生的变化。

1 研究区概况

鄂温克旗位于我国的东北边境内，隶属内蒙古自治区东北部、呼伦贝尔大草原东南部[5]。地理坐标为东经118°48'02"～121°09'25"，北纬47°32'50"～49°17′37″。全旗东西宽173.25 km，南北长187.75 km。鄂温克族自治旗总面积19 111 km2，占呼伦贝尔市总面积的7.39%。鄂温克旗植被覆盖度非常之高，有着丰富的自然资源[6]。全旗草原面积11 900 km2，占全旗国土总面积的62.5%；林地面积6462 km2，占全旗国土总面积的33%，木材蓄积量2 800万m3，森林覆盖率为30%。

鄂温克旗地处较高的纬度，全旗境内大部分地区均属于大陆性草原气候，东部偏北地属于中温带季风性草原气候[7]。冬季跨时长，多风且较大，平均气温达到零下20℃；夏季温和，降水较集中，跨时较短，平均气温达到19.7℃；春季和秋季气候变化明显，昼夜温差大。

2 实验数据和方法

2.1 数据源

本研究中的MODIS数据来源于MODIS WEB。MOD13Q1数据在植被指数的产品中分辨率最佳[8]，所以本研究中选用MOD13Q1数据,空间分辨率是250 m, 文件格式为hdf。拥有NDVI和EVI两种植被指数,此外，MOD13Q1还包含2个质量信息段、用来合成最终植被指数的3个原始波段和4个其他波段，总共包含11个波段的信息。

2.2 研究方法

本研究中因为数据源采用MODIS数据，我们可以直接提取EVI的波段信息。图像预处理，包括图像拼接，对2000～2014这15年的影像进行波段拼接，组合原则，把每年的1～9月组合在一起，形成9个波段，然后进行图像投影转换，图像重采样，图像裁剪等。根据要求提取出EVI值并计算统计EVI的月均值、EVI年际变化值、EVI年距平差值，研究分析鄂温克旗境内植被覆盖在时间序列上的变化。而在空间格局则利用2014年5月与2000年5月的图像进行差值运算，然后对差值运算图像与2000年5月和2014年5月的图像对比分析，得出鄂温克旗各个区域在空间位置层面上植被覆盖发生的变化。

利用ENVI 5.1中的波段运算计算EVI值，所用到的公式为：B1/10 000，由于EVI值的取值范围是0-1[9〗，需要把计算结果中小于0的数值剔除，而且需要进一步对图像进行Band Math,用到的公式为：(b1 le 0)*0+(b1 gt 1)*0+((b1 le 1)and(b1 gt 0))*b1。重复上述操作将2000年1月到2014年9月之间的所有已经裁剪好的图像进行运算。根据计算结果分别记录EVI在每年各个月份的最大值、平均值和15年每一年内前9个月EVI均值以及年EVI均值。

首先以南京颐乐康养社区项目用地类型为例，根据建设项目具体信息内容如图3，确定项目选址因子评价体系后，结合现场勘查结果最终确定的最佳选址方案（如图4）及合理合规性检测报告如图5。

3 结果与分析

3.1 植被指数的时间序列变化特征

青年价值目标，是指青年通过实践活动，在思想和行为方面想要达到的结果，是其行为产生的出发点。价值目标影响青年的发展方向和发展理念，决定着青年价值观教育的内容，是青年价值观的核心部分。

植被指数在时空演化规律不仅受到自然因素的影响，而且受到自然因素的制约[11]。本文基于鄂温克旗2000到2014年15年间的MODIS EVI数据，分析了该研究区域内植被的时间序列变化和空间格局上的演变。从而得出以下结论：

图6，2005年5月至2010年5月这5年之间，与2005年相比，2010年年植被指数增加部分的总面积为3 038.649 km2，占研究区域总面积的15.9%，主要分布在西北部地区和东部地区；减少部分总面积为7 357.735 km2，占总面积的38.5%，主要分布在中部和北部以及东南部地区。相比于2000年到2005三年的植被变化，2005年到2010年植被覆盖度整体下降。

重分类就是在原有结果的基础上，原有数据分段不足以满足应用研究，我们基于研究内容需要重新对结果进行新的分段处理。本研究中利用ArcGIS软件Arctoolbox工具对2005.5与2000.5、2010.5与2005.5、2014.5与2010.5及2014.5与2000.5的植被指数差值影像进行重分类。

  

图1 2000～2014年月植被指数EVI平均值变化曲线图

图2为鄂温克旗2000～2014年EVI年际变化曲线，它从整体反映了该研究区域内近15年植被覆盖的变化情况。通过下图可以得出，2000年～2014年的15年内鄂温克旗植被覆盖整体有增加趋势。其中2000～2001年、2002～2003年、2005～2007年、2010～2011年、2013～2014年EVI有所下降，2002～2003年年度降幅最大。2001～2002年、2003～2005年、2007～2010年、2011～2014年内EVI均有不同程度的增加，2001～2002年的年度植被指数增幅最大。

  

图2 鄂温克自治旗2000～2014年植被覆盖整体变化趋势图

3.1.3 年距平变化分析

图3为鄂温克旗2000～2014年EVI年距平变化曲线。通过图中可以看到，2000～2014年15年间鄂温克旗植被最好的年份是2013年，最差的是2007年。2000～2007年，除2000、2002、2005年之外其他年份EVI均为负距平；而2008～2014年，除2008、2009、2011年外，其他年份EVI均为正距平。在2013到2014年正平距明显增大，这一阶段相较于2006、2007年有了较大改善，说明该研究区域植被生长状况态势向好的趋势发展。

此外有研究显示，服用GLP-1类药物如阿托伐他汀等，治疗3个月后，患者的血糖、血脂基本得到控制，能够改善患者的心脏功能，减缓心室重构[14]。

  

图3 2000～2014年植被指数年距平变化曲线图

3.2 植被指数的空间变化特征

对2005.5与2000.5、2010.5与2005.5、2014.5与2010.5及2014.5与2000.5的植被指数影像进行差值运算，获得差值影像，并利用ARCGIS对差值图像进行重分类获得下图。分析15年间三个阶段植被变化情况以及15年之间整体演变趋势。

3.1.1 月平均变化特征

图5，2000年5月至2005年5月5年间鄂温克旗有部分地区的植被指数是增加的。鄂温克旗总面积19 111 km2，与2000 年相比，2005年年植被指数增加部分的总面积为6 134.631 km2，占研究区域的32.1%，主要分布在西北部地区和中东部地区；减少部分总面积为4 204.42 km2，占总面积的22%，主要分布在中部地区和东部以及东南部地区，有极少部分分布于北部和西北部地区；而所剩地区均为变化不大或没有变化的区域，占总面积的45.9%，主要分布在中东部地区。

  

图4 2014年5月和2000年5月植被指数差值图

  

图5 2005年5月和2000年5月植被指数差值图

3.1.2 年际变化趋势

  

图6 2010年5月和2005年5月植被指数差值图

矿区内地层比较单一，仅出露古元古界金水口岩群及少量第四系。地层的分布受NW向主构造控制较明显(图1)。

  

图7 2014年5月和2010年5月植被指数差值图

4 结论与展望

图1根据2000年～2014年的月平均EVI值，以1～9月份为横坐标，月均EVI值为纵坐标，表示出鄂温克旗区域内植被覆盖演变动态曲线图。它以最直观最有效的形式反映了植被生长状况的变化[10]。通过对EVI时间曲线分析看到EVI表现为上凸状。1、2月份EVI值较小，2月到3月的EVI值则有较大幅度增长，3月到5月增速放缓，5月达到一年中的最大值0.27。从5月份到6月份由于植被已经成熟到顶峰，以及温度下降的影响使得EVI值有所减少，从6月到9月份 EVI值下降至0.13，但EVI值还是略高于1月的EVI值0.11。

图7，2010年5月至2014年5月这5年之间，与2010年相比，2014年年植被指数增加部分的总面积6 746.183 km2，占研究区域总面积的35.3%，主要分布在西北和中部地区；减少部分总面积为3 726.645 km2，占总面积的19.5%，主要分布在东部以及东南部地区。相比于2005年到2010三年的植被变化，2010年到2014年植被覆盖度整体增加。

(1)植被指数EVI:本研究可以得到，应用EVI对植被覆盖动态监测是一种可行性办法，尤其是为高密度植被覆盖区的监测提供了较好的指标和手段[12]。通过对本研究结果的分析，EVI对植被覆盖度演变规律的监测有较好的效果，从时间、空间两个维度对植被覆盖变化进行定量分析。

(2)时间序列：对2000～2014年这15年间EVI值的分析，从EVI月平均值变化趋势、EVI年际变化趋势以及EVI年距平变化趋势三个方面分析了植被指数在年内月均的变化、以及15年时间段内整体的变化。由于鄂温克旗地处东北地区，位于中高纬度，全旗大部属中温带大陆性草原气候，北部偏东地区属中温带季风性森林草原气候。从研究成果知每年的5月份为植被覆盖度最高的月份。而在植被覆盖整体变化方面来讲在研究时间段内呈上升趋势。

(3)空间变化：计算2000年5月和2014年5月图像之间的差值，通过对差值图像分析对比，结合研究区域内近几年的人为活动以及自然因素的变化，分析得出植被变化的原因。与2000年相比，2014年植被指数增加部分的总面积为5 523.079 km2，占研究区域的28.9%，主要分布在中东部和南部地区。植被指数减少的占总面积的25.8%，主要分布在西北部地区。这些地区的大型基础设施建设和旅游开发等人类活动，使得植被指数减少。因此，如何在发展地方经济的同时，保护好生态环境显得尤为重要[13]。

气候变化，土壤肥力等对于植被生长有极其敏锐的影响[14]。本研究中由于没有气象数据因而缺少了从气侯因素方面对植被覆盖变化进行的研究。为了提高预测植被覆盖的精度，不仅要选择恰当的研究方法，而且对数据的处理也应该更完善。这将对于我国在植被覆盖、农作物估产、灾情监测等领域均有重要意义。

25分钟，比一顿饭时间都长。浙江桐庐县一大货车停在高速硬路肩上，车身占1/3的行车道，且未设警示牌。交警上前查看，竟然看见驾驶员竟然在用电磁炉炒菜，一会儿还准备加汤涮火锅。

施耐德电气在阿根廷的客户为了要建立无缝过程控制来驱动工厂及其子工厂的自动化系统，需要将专有IO信号转换为整个工厂使用的标准PROFINET协议。为此德国赫优讯提供了一个高效灵活的解决方案。

参考文献:

[1] 赵伟,李召良.利用 MODIS/EVI时间序列数据分析干旱对植被的影响[J].地理科学进展,2007,26(6):40-47,145.

[2] 李双双，延军平，万佳. 近10年陕甘宁黄土高原区植被覆盖时空变化特征[J].地理学报，2012,67(7):960-970.

[3] 张宏斌,唐华俊,杨桂霞，等．2000～2008 年内蒙古草原MODIS NDVI时空特征变化[J].农业工程学报,2009,25(9):168-175.

[4] 黎良财，邓利，曹颖，等. 基于 NDVI 像元二分模型的矿区植被覆盖动态监测[J].中南林业科技大学学报,2012,32(6)：18-23.

[5] 李琳,谭炳香,冯秀兰. 北京郊区植被覆盖变化动态遥感监测——以怀柔区为例[J]. 农业网络信息,2008(6):38-41.

[6] 闫娜娜, 吴炳方, 黄慧萍，等. 植被状态指数和温度条件指数的提取方法[J].世界科技研究与发展,2005,27(4):65-71.

[7] Newman B D,Wilcox B P, Archer S R, et al.Eco-hydrology of water-limited environments:a scientific vision[J]. Water Resources Research,2006,42(6):1-15.

[8] 张宏斌．基于多源遥感数据的草原植被状况变化及其驱动力研究[D]．北京:中国农业科学院，2007.

[9] 毛飞，孙涵，张艳红，等．近20年藏北草地地表参数动态变化研究[J]．农业工程学报，2008，24(4)：166-171,314.

[10] 王正兴，刘闯，植被指数研究进展：从AVHRR-NDVI到MODIS-EVI[J].生态学报，2003,23(5):979-987.

[11] 马俊飞, 吕昌河, 王茜. 基于 MODIS NDVI 时序数列的柴达木盆地土地覆盖分类研究[J].干旱区地理, 2008, 31(3): 442-448.

[12] 夏浩铭，杨永国，毕远溥.基于MODIS/EVI时间序列数据分析冰冻灾害对植被绿叶时期的影响[J]. 安徽农业科学，2009,37(23)：11163-11165,11178.

[13] 范瑛，李小雁，李广泳．基于MODIS / EVI的内蒙古高原西部植被变化[J]．中国沙漠，2014,34(6):1671-1677.

[14] 杨强，王婷婷，陈昊，等. 基于MODIS EVI数据的锡林郭勒盟植被覆盖度变化特征[J].农业工程学报，2015,31(22):191-198,315.