福建省植被盖度的动态变化及驱动因子分析

发布时间：2018-06-20 06:48

本文选题：福建省 + 植被覆盖度　；参考：《福建农林大学》2017年硕士论文

【摘要】：福建省位于亚热带地区,水热条件好,适宜植被生长,是我国主要的商品林产区。但历史上由于人为因素和自然灾害的影响,导致福建省部分区域的植被遭受严重破坏,植被覆盖分布存在明显的异质性。而植被覆盖度反应植被生长状况,被认为是评价区域生态环境的重要指标。因此,科学地研究福建省植被覆盖度的变化趋势及其驱动因子关系,是评价福建区域生态环境质量、维护生态环境功能和制定生态保护政策的重要前提。目前区域植被覆盖度变化及驱动因子研究多集中在气象和地形等自然因素的影响,对人为因子的研究涉及较少,且现有研究多采用相关分析和线性回归方法,无法准确揭示植被覆盖度与众多影响因素之间复杂的关系。随机森林(Random Forest,RF)作为一种非参数模型,可以分析因变量和众多自变量关系过程中有效避免各自变量之间复杂关系,已广泛应用到生态学、生物学等领域。地理加权回归分析模型(geographically weighted regression,GWR)能够将数据的空间位置嵌入到回归系数中,利用局部加权最小二乘法估计各个点的系数,通过各点空间位置上的系数估计值和空间位置的变化密切相关,探测空间关系的非平稳性,从而真实地反映植被覆盖度与区域影响因子的关系,但目前这些模型在评价区域植被覆盖度变化趋势及其驱动因子方面的研究极少。鉴于此,本研究以全国森林覆盖率最高的福建省为对象,采用分辨率为500m的MODIS NDVI遥感影像,通过提取福建省2000-2015年的植被覆盖度变化信息,应用随机森林模型分析研究区域气象、基础设施、地形地貌及社会经济因子对植被覆盖度变化的影响,确定植被覆盖度变化的主要驱动因子,最后基于选择出的主要驱动因子,利用地理加权回归模型探讨各驱动因子对植被覆盖度变化的影响,从而为评价福建区域生态环境和政府的造林政策提供科学依据。主要的研究结论如下:(1)福建省植被覆盖度在2000-2015年中总体上呈逐步上升趋势,2005年为植被覆盖度最低年,2014年为植被覆盖度最高年。在月尺度植被覆盖度中,3月份植被覆盖度最低,9-10月最高;四季植被覆盖度中,秋季植被覆盖度最大,其次为冬、夏两季,春季最低;生长季植被覆盖度变化与年植被覆盖度变化基本一致。通过模型的拟合斜率及R2可知,年植被覆盖度变化更加符合植被覆盖度的变化规律。(2)福建省植被覆盖度的空间分布及变化趋势研究表明,东南沿海区域植被覆盖度变化较为显著,各市区年植被覆盖度的均值范围为0.766-0.911,其大小排序为南平市三明市龙岩市宁德市漳州市福州市莆田市泉州市厦门市。(3)在使用随机森林模型判定影响福建省植被覆盖度的主要驱动因子过程中,模型的解释度和相关性分别为83.12%、0.913,均优于多元线性回归模型。根据模型的重要性变量及福建省植被变化的实际情况,高程、地形起伏度、坡度、到市区的最近距离、农村居民收入、年累计降水、到省道的最近距离、工业总产值、年均气压、到河流的最近距离、年累计日照时数、城市化水平、到国道的最近距离等13个因子是影响福建省植被覆盖度变化的主要驱动因子。(4)鉴于福建省植被覆盖度及主要驱动因子间具有较为强的空间异质性,因而地理加权回归模型比多元线性回归模型更能体现福建省植被覆盖度及主要驱动因子关系。相同区域内的不同驱动因子对植被覆盖度的影响存在差异,且植被覆盖度变化是人为与社会因子共同作用的结果,其中人为因子对福建省的水土流失治理区、东部经济高速发展区具有较好的影响。因此,相关部门需要高度重视生态文明建设,贯彻实施植树造林、退耕还林、退耕还草等政策,并加强宣传教育,提高人民的环保意识。
[Abstract]:In this paper , the influence of vegetation coverage on vegetation coverage and its driving factors are studied by means of local weighted least square method . ( 2 ) In view of the importance variable of the model and the change trend of vegetation coverage in Fujian Province , the spatial distribution and the correlation of vegetation coverage in Fujian Province show that the change of vegetation coverage is more obvious than that of multivariate linear regression model .
【学位授予单位】：福建农林大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：Q948.1

【参考文献】