2. 重庆大学, 400044, 重庆;
3. 自然资源部重庆典型矿区生态修复野外科学观测研究站(重庆地质矿产研究院), 401120, 重庆;
4. 重庆市万盛矿区生态环境保护修复野外科学观测研究站(重庆地质矿产研究院), 401120, 重庆
中国水土保持科学 2023, Vol. 21 Issue (6): 111-120. DOI: 10.16843/j.sswc.2023.06.012 |
矿山生态修复作为山水林田湖草沙一体化保护和系统治理中关键的一环。各地大力开展对矿山的修复,这使矿山生态突出问题得到有效缓解、生态修复成效明显呈现、水土流失得到改善、生态涵养功能明显提升[1]。矿山生态修复成效、生态状况改善可以通过植被覆盖度的动态变化进行表现。开展矿山公园植被恢复动态监测及影响因素分析对科学开展矿山生态修复、研究流域水土流失影响规律具有重要指导意义[2-3]。
目前, 植被恢复监测主要依靠人工调查测量。由于工作强度、技术难度大,这种点式传统的样方调查法费时、费力,且难以从点到面的推广,从而限制了工作规模[4]。因此, 亟需一种成本低、效益高的监测技术,能够定期为矿区提供客观准确的植被恢复动态监测[5-6]。卫星遥感具有覆盖广、周期短的特点,可以在植被恢复动态监测中发挥最要作用[7]。近年来,植被净初级生产力(net primary production,NPP)、植被归一化指数(normalized difference vegetation index,NDVI)、叶面积指数(leaf area index,LAI)等植被参数的反演,已成为植被监测的重要手段[8-9]。其中植被生长状况的监测常使用与植被覆盖度(fractional vegetation cover,FVC)、地上生物量(aboveground biomass, AGB)、LAI等紧密相关的NDVI[10-11]。如王一等[12]利用偏相关分析法对重庆市2001—2018年MODIS13Q1和气象数据进行分析,探究植被NDVI时空变化特性与气象、降水等气候因子之间的关系,定量评价人类活动、气候因子对NDVI变化的影响;王逸男等[13]利用MODIS数据计算研究区植被覆盖度,运用转移矩阵等方法分析降水、坡度等因子对植被覆盖度变化的影响;叶骏菲等[14]以广西百色市为例,基于MODIS NDVI卫星数据制作20a植被变化状况数据集,探究降水、气温等气候因子对植被变化情况的影响;牛全福等[15]结合影像数据、DEM数据等, 在空间、时间尺度上探究研究区2000—2019年植被覆盖变化特性;陈锷等[16]利用混合像元分解法对白龙江流域MODIS、Landsat数据进行植被覆盖度估算,分析其植被覆盖度的变化情况。植被恢复受较多因素影响, 土地覆盖变化、气候因子等对植被覆盖度的变化有较大影响, 分析研究区土地覆盖变化、气候因子对于植被恢复动态监测意义重大[17-18]。
近几年铜锣山-铜锣峡片区进行生态修复,但对其进行生态修复后植被覆盖度恢复趋势及空间分布特征的研究较少。因此探讨该区域植被覆盖度空间分布特征及对生态修复的响应,对保护区域内生物多样性、指导生态修复工程下一步开展具有较大意义。笔者利用2016—2020年GF-2影像数据、铜锣山矿山公园多期生态修复工程的设计、施工、管护等资料,采用象元二分模型提取该区域植被覆盖度,利用一元线性回归法分析植被覆盖度恢复趋势及空间分布特征,探究生态修复工程对不同区域植被恢复状况的影响。利用遥感数据开展铜锣山矿山公园植被恢复现状监测及影响因素分析,旨在客观反映矿山生态环境现状,为矿山生态修复成效评估提供参考和依据,为研究地表植被覆盖度变化对流域水土流失情况的影响效果提供数据支撑。
1 研究区概况本研究范围为重庆市渝北区石船镇铜锣山矿山开采及影响区(含铜锣山矿山公园),拥有沿铜锣山脉排列的矿坑40余口,地理坐标E 106°43′20″~106°48′14″、N 29°43′10″~29°49′12″,共25.016 km2,地理位置如图 1所示。
为保护生态环境,2012年关闭铜锣山片区全部矿山,“十三五”期间山水林田湖草国家试点工程在铜锣山-铜锣峡片区部署了生态修复工程,主要实施废弃矿山综合治理示范生态修复工程,对区域内40余口废弃矿坑及周边区域进行治理修复,使铜锣山南段生态突出问题得到有效缓解、生态修复成效明显呈现、生态涵养功能明显提升。鉴于此,笔者选取在铜锣山石船镇片区开展植被恢复动态监测及影响因素分析研究,以铜锣山矿山公园区域为研究重点。
2 数据处理与方法 2.1 卫星影像与预处理高分二号(GF-2)卫星是我国自主研制的空间分辨率优于1 m的光学遥感卫星,搭载有2台高分辨1 m全色、4 m多光谱相机,星下点空间分辨率全色为0.81 m、多光谱为3.24 m。相对于其他高分系列的卫星,高分二号卫星空间分辨率大幅提高,高精度的遥感影像更利于土地类型变化研究。高分二号相关参数如表 1所示。
研究区2012年关闭区域内全部矿山,但矿山地质环境治理与土地复垦工作进展缓慢。2016年11月,中央环保督察组对重庆市土地复垦率低的问题进行通报,历史遗留及关闭矿山损毁土地复垦工作逐步启动。“十三五”期间山水林田湖草国家试点工程在该区域系统部署矿山生态修复工程,2020年基本完工。故笔者选择2016—2020年作为研究周期。笔者选用了铜锣山矿山公园2016、2017、2018、2019和2020年共5景高分二号卫星影像。利用ENVI 5.1软件对多光谱和全色影像分别进行预处理,包括正射校正、辐射定标、大气校正、正射校正、融合、裁剪等,预处理完影像分辨率优于1 m。
土地利用数据来自经预处理后的高分二号影像解译成果。2016年土地利用数据由2016年9月17日GF-2数据解译得到,空间分辨率1 m,考虑数据的准确性及可行性,与第2次全国国土调查成果相比较,结果较吻合。2020年土地利用数据由2020年8月26日遥感影像解译得到,空间分辨率为1 m,考虑数据的准确性及可行性,与第3次全国国土调查成果相比较,结果较吻合。
2.2 铜锣山-铜锣峡片区生态修复工程2016年,渝北区在拟建矿山公园所在的石船镇石壁村、关兴村、天坪村实施“重庆玉峰山废弃矿山综合治理示范工程”。以恢复生态环境为目标,开展封育保护,结合后期矿山公园开发建设,有序推进铜锣山约117 hm2连片集中废弃矿山及废弃地块的治理修复。采取危岩清除、凹腔填补、裂缝封闭、防护避让、截排水沟等方式对危岩体、高陡边坡等进行治理;采用先进生态恢复工艺,部署土地复垦复绿、地貌景观恢复等工程。示范工程拟分4期实施(2016—2020年),投资金额为3.73亿元。通过工程措施、生物措施等手段,消除地质灾害隐患;恢复土地使用功能,新增建设用地(含居民点用地)2.26 km2,新增及恢复林地8.29 km2,新增及恢复耕地2.28 km2;恢复生态环境。并结合当地政府后续旅游规划意向进行工程治理,推动区域产业转型,促进“两型社会”建设。
渝北区前锋石材加工厂矿山地质环境治理修复与土地复垦项目(一期工程)、渝北区铜锣山矿山地质环境治理恢复与土地复垦项目(二期工程)、渝北区铜锣山区采石场矿山地质环境治理项目(三期工程)、渝北区铜锣山废弃矿山地质环境治理(三期工程)主要位于渝北区石船镇石壁村、关兴村、天坪村,土地复垦工程布设主要在复垦为耕地、林地区域,场地先拆除平整,然后覆土,再配套石坎挡土墙、田间道路、集水池、集水池、排水沟、沉沙凼、农涵等。
2.3 研究方法 2.3.1 FVC计算植被覆盖度的计算利用像元二分模型原理,假定只有植被和土壤构成像元信息,那么植被覆盖部分所贡献的信息Sv与土壤部分所贡献的信息Ss组成传感器观测到的像元信息S。植被覆盖度
$ C=\frac{S-S_{\mathrm{s}}}{S_{\mathrm{v}}-S_{\mathrm{s}}} \text { 。} $ | (1) |
李苗苗等[19]将NDVI代入此模型,得到:
$ C=\frac{I_{\mathrm{NDVI}}-I_{\mathrm{NDVI}, \mathrm{s}}}{I_{\mathrm{NDVI}, \mathrm{v}}-I_{\mathrm{NDVI}, \mathrm{s}}} 。$ | (2) |
式中:INDVI为年际最大化NDVI值;INDVI, s为完全为土壤或无植被覆盖区域的NDVI值;INDVI, v为完全被植被所覆盖的NDVI值,即纯植被像元的NDVI值。本研究以INDVI, s=0.106,INDVI, v=0.796来估算铜锣山矿山公园植被覆盖度。
2.3.2 植被恢复动态变化分析采用一元线性回归模拟植被的绿度变化率来计算研究区每个栅格植被覆盖度的变化情况K,计算式为
$ K=\frac{n \sum\limits_{j=1}^n j y-\sum\limits_{j=1}^n j \sum\limits_{j=1}^n y}{n \sum\limits_{j=1}^n j^2-\left(\sum\limits_{j=1}^n j\right)^2}。$ | (3) |
式中:y为第j年的植被覆盖度;j为1~5的年序号;n为总年数。其中,K为正,则说明植被覆盖度是增加的,反之减少;K的绝对值越大,则植被覆盖度变化越大,反之越小。
2.3.3 土地覆盖变化分析土地覆盖变化分析主要是建立土地利用转移矩阵,其数学表达形式为
$ S_{i j}=\left\{\begin{array}{cccccc} S_{11} & S_{12} & \cdots & S_{1 j} & \cdots & S_{1 n} \\ S_{21} & S_{22} & \cdots & S_{2 j} & \cdots & S_{2 n} \\ \cdots & \cdots & \cdots & \cdots & \cdots & \cdots \\ S_{i 1} & S_{i 2} & \cdots & S_{i j} & \cdots & S_{i n} \\ \cdots & \cdots & \cdots & \cdots & \cdots & \cdots \\ S_{n 1} & S_{n 2} & \cdots & S_{n j} & \cdots & S_{n n} \end{array}\right\} 。$ | (4) |
式中:S为面积;n为土地利用的类型数量;i、j分别为2016年与2020年的土地利用类型。笔者利用土地利用转移矩阵,对铜锣山矿山公园区2016和2020年的土地利用数据进行转移分析。
3 结果与分析 3.1 植被覆盖度空间分布经计算,铜锣山矿山公园区域2016—2020年的植被覆盖度均值为66.4%,2016、2017、2018、2019和2020年重庆市铜锣山(石船镇片区)矿山开采及影响区域的植被覆盖度的分布如图 2所示,可以看出铜锣山区域直接采掘区与其周边区域植被覆盖度存在较大差异,采掘区处于低植被覆盖区域,即2016—2020年铜锣山矿山公园植被覆盖度呈增加走势,空间上由研究区西北、东南向中间呈现递减的趋势。
从2016—2020年铜锣山矿山公园区域植被覆盖年际变化表明,2016—2020年研究区植被覆盖度年均值范围为62%~71%,矿山开采区植被覆盖度年均值范围为39%~48%,矿山开采直接导致植被覆盖度的下降。2018年,矿山开采区进行矿山生态修复,该区域植被覆盖度得到有效提升,植被覆盖度以0.025/a的速度由2016年的39%增加至48%(图 3)。这表明矿山生态修复是矿山开采区植被覆盖度增加的主要因素,植被覆盖度的有效恢复表明研究区生态环境明显改善。
为探究矿山直接采掘区生态修复成效,对该区域2016和2020年植被覆盖度年度变化情况进行统计,结合矿山开采修复区植被覆盖度年平均结果,将矿山直接采掘区植被覆盖度分为4级:< 10%时为超低植被覆盖度,≥10%~20%为低植被覆盖度,≥20%~40%为中植被覆盖度,≥40%为高植被覆盖度。2016年、2020年各级别植被覆盖度统计结果见表 2,结果表明2016年矿山开采修复区植被覆盖度以超低和低为主,且超低和低植被覆盖度占区域面积的82.65%;2020年植被覆盖度以中和高植被覆盖度为主,高植被覆盖度占区域面积的26.78%,中和高植被覆盖度占区域面积的65.21%。矿山直接采掘区经生态修复后植被覆盖度显著提高,植被呈恢复状态。
根据2016—2020年植被覆盖度计算结果,利用相关公式计算研究区内各个像元2016—2020年植被覆盖度的变化情况(K值)。近5年铜锣山地区植被覆盖度变化趋势如图 4所示。从中可看出,植被覆盖度明显提升的区域分布在关心村、天坪村等地,说明生态修复工程改善该区域的植被生长状况;植被覆盖度明显下降的区域分布在石壁村等地,结合实地调查,该区域人类活动频繁,显示植被存在退化的趋势。
铜锣山矿山公园植被覆盖度变化情况统计如表 3所示,结果表明近5 a来研究区约1.871 km2区域植被覆盖度严重退化,比例为7.48%,18.559 km2区域植被覆盖度明显改善,比例为74.19%。铜锣山矿山公园植被退化的面积比例为12.18%,基本不变的面积比例为9.04%,改善的面积比例为78.77%。植被退化地区面积小于植被改善地区面积,表明铜锣山矿山公园植被呈恢复状态,整体生态环境得到提升。
土地利用变化可以记录植被恢复工程对土地覆盖类型改变的过程,2016、2020年铜锣山矿山公园土地覆盖分类如图 5所示,2016—2020年铜锣山矿山公园土地覆盖面积变化见表 4。结合图 5和表 4及生态修复工程相关资料,土地覆盖类型变化方向由人类活动所引导主要表现出以下特点。
2016—2020年期间,由于露天开采遗留下的裸地面积变化最大,因此裸地是其他土地类型新增的主要来源,主要向林地转移,还有部分转化成耕地和坑塘水面; 而住宅用地主要来源于林地、裸地转化;坑塘水面一部分转化为耕地,一部分被恢复为林地;而交通用地面积几乎保持稳定。根据本研究结果和实地调查,矿山生态修复工程是铜锣山矿山公园土地利用类型变化最为主要的因素。
从表 4可知,从面积统计上看,2016年和2020年研究区总面积均为25.016 km2。从各个类型面积看,2016年其大小依次是林地>耕地>裸地>交通用地>住宅用地>坑塘水面,2020年其大小依次是林地>耕地>住宅用地>交通用地>裸地>坑塘水面,2016—2020年期间,林地增加0.321 km2,而裸地减少0.424 km2,耕地、坑塘水面有少量减少,而交通用地和住宅用地总体均有所增加。
表 5为研究区具体的不同类型土地覆盖转换关系。从表中可知,2016—2020年期间,由于露天开采遗留下的裸地面积变化最大,因此裸地是其他土地类型新增的主要来源,主要向林地转移,还有部分转化成耕地和坑塘水面;而住宅用地主要来源于林地、裸地转化;坑塘水面一部分转化为耕地,一部分被恢复为林地;而交通用地面积几乎保持稳定。
重庆市渝北区石船镇铜锣山矿山开采及影响区(含铜锣山矿山公园)植被覆盖度在生态修复前后有明显变化。在时间尺度上,2016—2020年间铜锣山直接采掘修复区植被覆盖度呈现增加趋势,增加倾向为0.025/a,铜锣山作为重庆主城四山之一,是重要的城市生态屏障,随着生态文明理念的普及,国家和地方意识到生态环境状况决定着该地的经济发展和民生状况,采取一系列的生态保护措施,包括矿山土地复垦、国土综合整治、生物多样性保护等。这些工程的实施一定程度上促进区域植被覆盖度的增加。2017、2018和2019年研究区大力开展矿山生态保护修复工程,区域林地得到恢复、植被生长区域稳定,这可能是造成植被覆盖度在2018和2019年提升较快的原因,2018年山水林田湖草国家试点工程在该区域系统部署生态修复工程也更推动铜锣山矿山开采及影响区(含铜锣山矿山公园)植被的恢复。
植被覆盖与气候变化有一定关联,但人口增长、土地利用类型变化、城市化进程以及政策等人为因素是影响植被覆盖变化的主要因素[20]。生态修复工程的实施, 改变区域植被覆盖低的现象, 促进区域植被覆盖的增长, 对植被覆盖增加产生积极影响[21]。本研究中植被恢复、边坡复绿、隔离带种植、林地恢复、封山育林等生态修复工程对植被覆盖度的增加起到正向的作用,区域植被处于恢复状态;生态修复中蓄水池、排水沟、集水池等配套工程的修建对植被覆盖的增加是抑制作用,这是因为生态修复中部分配套工程会造成小区域的植被退化。
5 结论1) 利用空间分辨率2 m的卫星数据,利用NDVI估算植被覆盖度,对植被恢复动态监测效果理想。
2) 2016—2020年铜锣山矿山公园植被覆盖度显著增加,以0.025/a的速度由2016年的39%增加至2020年的48%。
3) 铜锣山矿山公园植被恢复表现出明显改善趋势,植被退化的面积为3.047 km2,基本不变的面积为2.261 km2,改善的面积为19.708 km2。
4) 植被恢复工程对植被退化、改善均存在影响,人类活动对铜锣山矿山公园植被覆盖度产生正向影响,矿山开采修复区尤为突出,矿山生态修复对植被恢复和水土流失改善有明显的促进作用。
[1] |
张鸿龄, 孙丽娜, 孙铁珩, 等. 矿山废弃地生态修复过程中基质改良与植被重建研究进展[J]. 生态学杂志, 2012, 31(2): 460. ZHANG Hongling, SUN Lina, SUN Tieheng, et al. Substrate amelioration and vegetation reconstruction in ecological remediation of abandoned mines: Research advances[J]. Chinese Journal of Ecology, 2012, 31(2): 460. |
[2] |
李鹏飞, 郭小平, 顾清敏, 等. 基于可见光植被指数的乌海市矿山排土场坡面植被覆盖信息提取研究[J]. 北京林业大学学报, 2020, 42(6): 102. LI Pengfei, GUO Xiaoping, GU Qingmin, et al. Vegetation coverage information extraction of mine dump slope in Wuhai city of Inner Mongolia based on visible vegetation index[J]. Journal of Beijing Forestry University, 2020, 42(6): 102. |
[3] |
李依璇, 朱清科, 石若莹, 等. 2000—2018年黄土高原植被覆盖时空变化及影响因素[J]. 中国水土保持科学, 2021, 19(4): 60. LI Yixuan, ZHU Qingke, SHI Ruoying, et al. Spatial and temporal changes of vegetation cover and its influencingfactors in the Loess Plateau from 2000 to 2018[J]. Science of Soil and Water Conservation, 2021, 19(4): 60. |
[4] |
赵晓伟, 储鼎, 吕剑峰, 等. 基于遥感手段监测矿区植被覆盖度变化[J]. 测绘与空间地理信息, 2022, 45(S1): 133. ZHAO Xiaowei, CHU Ding, LÜ Jianfeng, et al. Monitoring of vegetation coverage change of mining area based on remote sensing[J]. Geomatics & Spatial Information Technology, 2022, 45(S1): 133. |
[5] |
何利平, 简季. 四川省2009—2020年植被覆盖度时空变化遥感动态监测[J]. 水土保持通报, 2022, 42(2): 203. HE Liping, JIAN Ji. Remote sensing dynamic monitoring on temporal and spatial changes of vegetation coverage in Sichuan province from 2009 to 2020[J]. Bulletin of Soil and Water Conservation, 2022, 42(2): 203. |
[6] |
张舒婷, 王晓慧, 彭道黎, 等. 黄土高原丘陵沟壑区植被覆盖度变化监测[J]. 浙江农林大学学报, 2020, 37(6): 1045. ZHANG Shuting, WANG Xiaohui, PENG Daoli, et al. Monitoring of vegetation coverage change in hilly and gully regions on the Loess Plateau[J]. Journal of Zhejiang A&F University, 2020, 37(6): 1045. |
[7] |
谭炳香, 沈明潭, 郄光发, 等. 冬奥会崇礼生态核心区植被覆盖时空变化遥感监测[J]. 林业科学, 2022, 58(4): 141. TAN Bingxiang, SHEN Mingtan, QIE Guangfa, et al. Temporal and spatial changes monitoring of vegetation coverage for the ecological core area of Chongli Winter Olympic Games[J]. Scientia Silvae Sinicae, 2022, 58(4): 141. |
[8] |
陈如如, 胡中民, 李胜功, 等. 不同数据源归一化植被指数在中国北方草原区的应用比较[J]. 地球信息科学学报, 2020, 22(9): 10. CHEN Ruru, HU Zhongmin, LI Shenggong, et al. Assessment of normalized difference vegetation index from different data sources in grassland of northern China[J]. Journal of Geo-information Science, 2020, 22(9): 10. |
[9] |
陈玉兰, 焦菊英, 田红卫, 等. 黄土高原归一化植被指数与自然环境因子的空间关联性: 基于地理探测器[J]. 生态学报, 2022, 42(9): 3569. CHEN Yulan, JIAO Juying, TIAN Hongwei, et al. Spatial correlation analysis between vegetation NDVI and natural environmental factors based on geographical detector on the Loess Plateau[J]. Acta Ecologica Sinica, 2022, 42(9): 3569. |
[10] |
王维, 王文杰, 李俊生, 等. 基于归一化差值植被指数的极端干旱气象对西南地区生态系统影响遥感分析[J]. 环境科学研究, 2010, 23(12): 1447. WANG Wei, WANG Wenjie, LI Junsheng, et al. Remote sensing analysis of impacts of extreme drought weather on ecosystems in southwest region of China based on normalized difference vegetation index[J]. Research of Environmental Sciences, 2010, 23(12): 1447. |
[11] |
薛利红, 曹卫星, 罗卫红, 等. 光谱植被指数与水稻叶面积指数相关性的研究[J]. 植物生态学报, 2004, 28(1): 47. XUE Lihong, CAO Weixing, LUO Weihong, et al. Relationship between spectral vegetation indices and LAI in rice[J]. Acta Phytoecologica Sinica, 2004, 28(1): 47. |
[12] |
王一, 郝利娜, 赵美龄, 等. 2001—2018年重庆植被NDVI变化及其对气候因子和人类活动的响应[J]. 水土保持研究, 2021, 28(5): 222. WANG Yi, HAO Lina, ZHAO Meiling, et al. Variation ofvegetation NDVI and its response to climatic factors and human activities in Chongqing from 2001 to 2018[J]. Research of Soil and Water Conservation, 2021, 28(5): 222. |
[13] |
王逸男, 孔祥兵, 赵春敬, 等. 2000—2020年黄土高原植被覆盖度时空格局变化分析[J]. 水土保持学报, 2022, 36(3): 130. WANG Yinan, KONG Xiangbing, ZHAO Chunjing, et al. Change of vegetation coverage in the Loess Plateau from 2000 to 2022 and its spatiotemporal pattern analysis[J]. Journal of Soil and Water Conservation, 2022, 36(3): 130. |
[14] |
叶骏菲, 陈燕丽, 莫伟华, 等. 典型喀斯特区植被变化及其与气象因子的关系: 以广西百色市为例[J]. 沙漠与绿洲气象, 2019, 13(5): 106. YE Junfei, CHEN Yanli, MO Weihua, et al. Vegetation variation and its relationship with meteorological factors in typical Karst area: A case study in Baise city of Guangxi[J]. Desert and Oasis Meteorology, 2019, 13(5): 106. |
[15] |
牛全福, 张曼, 陆铭, 等. 近20年新疆阿勒泰地区植被动态变化分析[J]. 地理空间信息, 2022, 20(6): 28. NIU Quanfu, ZHANG Man, LU Ming, et al. Analysis of vegetation dynamic change in Altay area of Xinjiang in recent 20 years[J]. Geospatial Information, 2022, 20(6): 28. |
[16] |
陈锷, 赵晓冏. 2010—2020年白龙江流域植被覆盖度时空变化特征研究[J]. 绿色科技, 2022, 24(10): 24. CHEN E, ZHAO Xiaojiong. Temporal and spatial distribution of vegetation coverage changes in Bailong River from 2010 to 2020[J]. Journal of Green Science and Technology, 2022, 24(10): 24. |
[17] |
杨旭超, 张军, 李杰, 等. 呈贡区近30年植被覆盖度时空变化特征与土地利用驱动[J]. 水土保持研究, 2019, 26(4): 232. YANG Xuchao, ZHANG Jun, LI Jie, et al. Temporal and spatial variation characteristics of vegetation coverage and land use driving in Chenggong district in recent 30 years[J]. Research of Soil and Water Conservation, 2019, 26(4): 232. |
[18] |
王思, 张路路, 林伟彪, 等. 基于MODIS-归一化植被指数的广东省植被覆盖与土地利用变化研究[J]. 生态学报, 2022, 42(6): 15. WANG Si, ZHANG Lulu, LIN Weibiao, et al. Study on vegetation coverage and land-used change of Guangdong province based on MODIS-NDVI[J]. Acta Ecologica Sinica, 2022, 42(6): 15. |
[19] |
李苗苗, 吴炳方, 颜长珍, 等. 密云水库上游植被覆盖度的遥感估算[J]. 资源科学, 2004, 26(4): 153. LI Miaomiao, WU Bingfang, YAN Changzhen, et al. Estimation of vegetation fraction in the upper basin of Miyun Reservoir by remote sensing[J]. Resources Science, 2004, 26(4): 153. |
[20] |
李毅, 杨仁斌, 伍格致, 等. 长株潭核心区植被覆盖度动态监测与分析[J]. 林业科学研究, 2015, 28(2): 265. LI Yi, YANG Renbin, WU Gezhi, et al. Monitoring and analysis of vegetation fractional cover in Changsha-Zhuzhou-Xiangtan core region based on remote sensing data[J]. Forest Research, 2015, 28(2): 265. |
[21] |
吴晶晶, 焦亮, 张华, 等. 生态修复前后祁连山地区的植被覆盖变化研究[J]. 生态学报, 2023, 43(1): 408. WU Jingjing, JIAO Liang, ZHANG Hua, et al. Vegetation coverage variation in the Qilin Mountains before and after ecological restoration[J]. Acta Ecologica Sinica, 2023, 43(1): 408. |