黄土高原植被覆盖变化归因分析及其对水储量的影响
发布时间：2021-06-01 04:41
黄土高原生态环境恶劣,自然地理条件较差,是世界上水土流失最为严重的地区。为改善黄土高原的生态环境,国家于1999年启动并实施了退耕还林还草工程。该项工程实施以来,黄土高原植被覆盖状况得到了极大的改善。但如此大规模的植被恢复势必会对该地区的陆地水储量产生影响。然而,现有研究受限于数据收集以及本地计算机性能,对植被覆盖度的研究时间序列较短,空间分辨率较低;另外大多从点尺度考虑了退耕还林还草以来黄土高原水储量的变化,缺乏区域尺度上的研究。为了对退耕还林还草工程实施以来黄土高原植被覆盖动态变化进行归因分析,并从区域尺度探究其对水储量的影响,本文基于Google earth engine,采用Landsat Surface Reflectance影像监测了1987～2015年黄土高原植被覆盖度空间分布特征及时空动态变化;同时,结合气象数据、土地利用类型数据、社会经济数据,分析了气候变化和人类活动对黄土高原植被覆盖变化的影响,寻求引起该地区植被覆盖变化的主要原因;最后,利用2003～2015年GRACE重力卫星数据及全球陆地数据同化系统（GLDAS）,探究了退耕还林还草以来黄土高原水储量对植被覆盖...
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
GEE平台工作界面
西北农林科技大学硕士学位论文10第二章研究区概况及研究方法2.1研究区概况2.1.1地理位置黄土高原地处黄河中游（33°43"~41°16"N，100°54"~114°33"E），是中华文明重要的发源地。其东起太行山，西到日月山，南至秦岭，北到阴山，涵盖了山西、河南西部、陕西中北部、甘肃中部和东部、宁夏中南部、青海东北部以及内蒙古7个省（区）的部分地区（Wangetal.2006）。南北宽约800km，东西长约1300km，面积约64万平方公里，占全国面积6.5%左右（图2-1）。图2-1黄土高原位置及概况Fig.2-1LocationandoverviewoftheLoessPlateau2.1.2地质地貌黄土高原地势西高东低，是世界上最厚、最大的黄土沉积区（Fuetal.2017），大部分地区黄土厚度在0~250米之间，部分地区甚至超过300米（Fu2007；Shietal.2000；Zhang1991），该地区黄土面积约占我国黄土区域总面积的72.4%，历史的气候变化信息都可以从这些厚厚的黄土层中获得。黄土极易被风和水侵蚀（Heetal.2006），故而黄土高原土壤侵蚀率较高，河流泥沙负荷重（Wangetal.2016b）。稀疏的植被覆盖、周期性的高强度暴雨以及悠久的农业历史加剧了该地区的侵蚀（Liangetal.2015；Zhaoetal.2013）。黄土高原独特的地貌形态在很大程度上取决于古地貌和土壤侵蚀强度。典型的地貌有黄土塬、梁、峁以及各种不同侵蚀程度的山谷。塬指的是顶面平整，周围被沟谷切割的黄土高地，而梁（长脊）和峁（圆）分别是河流侵蚀和山坡侵蚀的结果。陕北和陇东的黄土塬地区保存较好。其中最著名的是洛川园，其覆盖面积达到数十至数百
第三章黄土高原植被覆盖度时空变化特征17第三章黄土高原植被覆盖度时空变化特征本章借助GEE平台分析了1987~2015年黄土高原植被覆盖度的空间分布特征及时空变化规律。首先在GEE平台中利用时间过滤函数ee.ImageCollection.filterDate（）和空间过滤函数ee.ImageCollection.filterBounds（）获取1987~2015年经过黄土高原上空的LandsatSurfaceReflectance影像共22407景，批量对每一景影像进行去云操作；之后利用归一化差异函数ee.Image.normalizedDifference（）计算每一景影像的NDVI；然后利用图像集合最大值函数ee.ImageCollection.max（）对每年的NDVI影像进行最大值融合，并使用裁剪函数ee.Image.clip（）对黄土高原进行裁剪，获取黄土高原每年的NDVI最大值影像；最后基于已经得到的每年的NDVI影像，利用像元二分模型计算黄土高原每年的植被覆盖度图像。以上操作均在GEE平台中完成（图3-1）。图3-1GEE平台中计算植被覆盖度演示Fig.3-1DemonstrationofcalculatingvegetationcoverageinGEEplatform3.1黄土高原植被覆盖度空间分布基于已经得到的1987~2015年黄土高原植被覆盖度图像集合，在GEE平台中对该图像集合采用平均值函数ee.Reducer.mean（），得到黄土高原1987~2015年的平均植被覆盖度空间分布图（图3-2a）。黄土高原植被覆盖度呈现由东南向西北递减的态势，这与黄土高原植被类型的地带性分布相一致。黄土高原植被类型从东南到西北依次为森林植被带、森林草原植被带、典型草原植被带、荒漠草原植被带、草原化荒漠带（高健健等2016）。水利部2008年颁布的《土壤侵蚀分类分级标准》，将植被覆盖度划分为5个等级：低覆盖度［0，
【参考文献】：
期刊论文
[1]黄土高原不同植被覆被类型NDVI对气候变化的响应[J]. 刘静,温仲明,刚成诚. 生态学报. 2020(02)
[2]卫星重力监测全球地下水储量变化及其特征[J]. 冯贵平,宋清涛,蒋兴伟. 遥感技术与应用. 2019(04)
[3]利用GRACE卫星重力数据监测关中地区地下水储量变化[J]. 李婉秋,王伟,章传银,杨强,冯伟,刘阳. 地球物理学报. 2018(06)
[4]利用GRACE反演陕甘晋高原地下水储量变化[J]. 谢小伟,许才军,龚正,李伟. 测绘通报. 2018(01)
[5]黄土高原植被恢复潜力研究[J]. 高海东,庞国伟,李占斌,程圣东. 地理学报. 2017(05)
[6]基于GRACE卫星时变重力场模型的黄河中游地区水储量变化研究[J]. 李爱华,崔胜玉,王红瑞,于忱. 自然资源学报. 2017(03)
[7]黄土高原近10年植被覆盖的动态变化及驱动力[J]. 肖强,陶建平,肖洋. 生态学报. 2016(23)
[8]黄土丘陵区不同树龄旱作枣园土壤水分动态[J]. 李陆生,赵西宁,高晓东,吴普特,李虹辰,凌强,孙文浩. 农业工程学报. 2016(14)
[9]1981—2012年黄土高原植被覆盖度时空变化特征[J]. 高健健,穆兴民,孙文义. 中国水土保持. 2016(07)
[10]2000～2014年黄土高原植被覆盖时空变化特征及其归因[J]. 赵安周,刘宪锋,朱秀芳,潘耀忠,陈抒晨. 中国环境科学. 2016(05)
硕士论文
[1]基于GRACE卫星数据估算西北地区水储量变化[D]. 徐子君.中国地质大学(北京) 2018
[2]基于NDVI的黄土高原地区植被覆盖度对气候变化响应及定量分析[D]. 郭敏杰.中国科学院研究生院（教育部水土保持与生态环境研究中心） 2014
[3]气候和人类因素在黄土高原植被覆盖变化中的贡献率研究[D]. 张倩.兰州交通大学 2014
[4]植被覆盖度的遥感估算方法研究[D]. 李苗苗.中国科学院研究生院（遥感应用研究所） 2003
本文编号：3209670
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
GEE平台工作界面
西北农林科技大学硕士学位论文10第二章研究区概况及研究方法2.1研究区概况2.1.1地理位置黄土高原地处黄河中游（33°43"~41°16"N，100°54"~114°33"E），是中华文明重要的发源地。其东起太行山，西到日月山，南至秦岭，北到阴山，涵盖了山西、河南西部、陕西中北部、甘肃中部和东部、宁夏中南部、青海东北部以及内蒙古7个省（区）的部分地区（Wangetal.2006）。南北宽约800km，东西长约1300km，面积约64万平方公里，占全国面积6.5%左右（图2-1）。图2-1黄土高原位置及概况Fig.2-1LocationandoverviewoftheLoessPlateau2.1.2地质地貌黄土高原地势西高东低，是世界上最厚、最大的黄土沉积区（Fuetal.2017），大部分地区黄土厚度在0~250米之间，部分地区甚至超过300米（Fu2007；Shietal.2000；Zhang1991），该地区黄土面积约占我国黄土区域总面积的72.4%，历史的气候变化信息都可以从这些厚厚的黄土层中获得。黄土极易被风和水侵蚀（Heetal.2006），故而黄土高原土壤侵蚀率较高，河流泥沙负荷重（Wangetal.2016b）。稀疏的植被覆盖、周期性的高强度暴雨以及悠久的农业历史加剧了该地区的侵蚀（Liangetal.2015；Zhaoetal.2013）。黄土高原独特的地貌形态在很大程度上取决于古地貌和土壤侵蚀强度。典型的地貌有黄土塬、梁、峁以及各种不同侵蚀程度的山谷。塬指的是顶面平整，周围被沟谷切割的黄土高地，而梁（长脊）和峁（圆）分别是河流侵蚀和山坡侵蚀的结果。陕北和陇东的黄土塬地区保存较好。其中最著名的是洛川园，其覆盖面积达到数十至数百
第三章黄土高原植被覆盖度时空变化特征17第三章黄土高原植被覆盖度时空变化特征本章借助GEE平台分析了1987~2015年黄土高原植被覆盖度的空间分布特征及时空变化规律。首先在GEE平台中利用时间过滤函数ee.ImageCollection.filterDate（）和空间过滤函数ee.ImageCollection.filterBounds（）获取1987~2015年经过黄土高原上空的LandsatSurfaceReflectance影像共22407景，批量对每一景影像进行去云操作；之后利用归一化差异函数ee.Image.normalizedDifference（）计算每一景影像的NDVI；然后利用图像集合最大值函数ee.ImageCollection.max（）对每年的NDVI影像进行最大值融合，并使用裁剪函数ee.Image.clip（）对黄土高原进行裁剪，获取黄土高原每年的NDVI最大值影像；最后基于已经得到的每年的NDVI影像，利用像元二分模型计算黄土高原每年的植被覆盖度图像。以上操作均在GEE平台中完成（图3-1）。图3-1GEE平台中计算植被覆盖度演示Fig.3-1DemonstrationofcalculatingvegetationcoverageinGEEplatform3.1黄土高原植被覆盖度空间分布基于已经得到的1987~2015年黄土高原植被覆盖度图像集合，在GEE平台中对该图像集合采用平均值函数ee.Reducer.mean（），得到黄土高原1987~2015年的平均植被覆盖度空间分布图（图3-2a）。黄土高原植被覆盖度呈现由东南向西北递减的态势，这与黄土高原植被类型的地带性分布相一致。黄土高原植被类型从东南到西北依次为森林植被带、森林草原植被带、典型草原植被带、荒漠草原植被带、草原化荒漠带（高健健等2016）。水利部2008年颁布的《土壤侵蚀分类分级标准》，将植被覆盖度划分为5个等级：低覆盖度［0，
【参考文献】：
期刊论文
[1]黄土高原不同植被覆被类型NDVI对气候变化的响应[J]. 刘静,温仲明,刚成诚. 生态学报. 2020(02)
[2]卫星重力监测全球地下水储量变化及其特征[J]. 冯贵平,宋清涛,蒋兴伟. 遥感技术与应用. 2019(04)
[3]利用GRACE卫星重力数据监测关中地区地下水储量变化[J]. 李婉秋,王伟,章传银,杨强,冯伟,刘阳. 地球物理学报. 2018(06)
[4]利用GRACE反演陕甘晋高原地下水储量变化[J]. 谢小伟,许才军,龚正,李伟. 测绘通报. 2018(01)
[5]黄土高原植被恢复潜力研究[J]. 高海东,庞国伟,李占斌,程圣东. 地理学报. 2017(05)
[6]基于GRACE卫星时变重力场模型的黄河中游地区水储量变化研究[J]. 李爱华,崔胜玉,王红瑞,于忱. 自然资源学报. 2017(03)
[7]黄土高原近10年植被覆盖的动态变化及驱动力[J]. 肖强,陶建平,肖洋. 生态学报. 2016(23)
[8]黄土丘陵区不同树龄旱作枣园土壤水分动态[J]. 李陆生,赵西宁,高晓东,吴普特,李虹辰,凌强,孙文浩. 农业工程学报. 2016(14)
[9]1981—2012年黄土高原植被覆盖度时空变化特征[J]. 高健健,穆兴民,孙文义. 中国水土保持. 2016(07)
[10]2000～2014年黄土高原植被覆盖时空变化特征及其归因[J]. 赵安周,刘宪锋,朱秀芳,潘耀忠,陈抒晨. 中国环境科学. 2016(05)
硕士论文
[1]基于GRACE卫星数据估算西北地区水储量变化[D]. 徐子君.中国地质大学(北京) 2018
[2]基于NDVI的黄土高原地区植被覆盖度对气候变化响应及定量分析[D]. 郭敏杰.中国科学院研究生院（教育部水土保持与生态环境研究中心） 2014
[3]气候和人类因素在黄土高原植被覆盖变化中的贡献率研究[D]. 张倩.兰州交通大学 2014
[4]植被覆盖度的遥感估算方法研究[D]. 李苗苗.中国科学院研究生院（遥感应用研究所） 2003
本文编号：3209670
本文链接：https://www.wllwen.com/kejilunwen/nykj/3209670.html
