论文部分内容阅读
论文首先以延庆区2004年的TM影像和实测样地数据为数据源,采用像元二分模型法、改进的线性光谱混合模型和神经网络模型提取植被覆盖度,对比分析三种模型精度,找出适用性较高的模型。然后用三种模型中精度最高的模型分别计算延庆区2004年、2009年和2014年三个时相的植被覆盖度,并从总体、区域、海拔梯度、坡度梯度以及坡向等角度分析延庆区植被覆盖度的动态变化规律。最后,通过建立驱动力因子库,驱动力因子空间化,利用GIS和Logistic模型对驱动力进行定量分析。论文研究结果可以为研究区土地利用和生态环境建设提供科学依据,同时,丰富了植被覆盖度动态变化和驱动力因子之间的关联方法。论文主要研究结果如下:(1)利用三种植被覆盖度反演模型对延庆区2004年植被覆盖度进行计算,经过精度验证,像元二分模型精度为87.76%,改进的线性光谱混合模型精度为91.24%,神经网络模型精度为80.02%,总体精度结果为改进的线性光谱混合模型>像元二分模型>神经网络模型。改进的线性光谱混合模型在每个植被覆盖度模型梯度的精度均大于80%,说明将线性光谱混合模型与NDVI相结合,提高了模型精度,模型改进较为成功。(2)运用改进的线性光谱混合模型对延庆区三个时期的植被覆盖度进行计算,2004年均值为0.51,2009年均值为0.58,2014年均值为0.63。延庆区10年间的植被覆盖度为总体上升的趋势,呈现从低覆盖转变成中覆盖和高覆盖的特点。将植被覆盖度变化与高程和坡度梯度进行相关性分析,得出2004年植被覆盖度与高程的相关系数为0.83,2009年为0.91,2014年为0.87,可以看出,植被覆盖度与高程有一定的正相关性;同样,在坡度0-45°时,2004年植被覆盖度与坡度的相关系数为0.89,2009年为0.88,2014年为0.91,此时呈一定的正相关;在45-60。梯度时,2004年的相关系数为0.79,2009年为0.84,2014年为0.82,此时呈一定的负相关。植被覆盖度在坡向的均值分布规律为阳坡>半阳坡>半阴坡>阴坡>无坡。在不同地类的植被覆盖度变化分析中,林地植被覆盖度的均值是所有地类中均值最大的,在2004-2009年,耕地的植被覆盖度变化值最大,增加了 0.24,2009-2014年期间,建设用地的植被覆盖度变化均值最大,增加了 0.11。(3)经过HL指标和显著水平检验,表明Logistic模型对植被覆盖度变化的空间模拟较好,结果显示:2004-2009年植被覆盖度增加的驱动力因子按权重排序依次是距离道路的距离>退耕还林>距离村庄的距离>距离河流的距离>海拔>坡度>人口密度,2009-2014年植被覆盖度增加的驱动力因子排序依次为距离道路的距离>距离城镇的距离>海拔>坡度>人均GDP>人口密度;2004-2009年植被覆盖度减少的驱动力因子按权重排序依次是距离城镇的距离>海拔>坡度>人口密度>人均GDP>距离道路的距离,2009-2014年植被覆盖度减少的驱动力因子排序同样为距离城镇的距离>海拔>坡度>人口密度>人均GDP>距离道路的距离。