1990—2011年三峡库区生态系统服务价值演变及驱动力

作为我国西南部重要的生态屏障和生态走廊,三峡库区具有重要的战略意义,其生态问题非常值得关注。研究以覆盖三峡库区的4期Landsat TM遥感影像为数据源,通过人机交互解译分别获得1990、1998、2006、2011年的土地利用/覆盖,参照中国陆地生态系统单位面积生态服务价值当量表,采用研究区单位面积产量与全国农田粮食单位面积产量的比值作为地区修订系数,计算库区生态系统单位面积生态服务价值当量表,同时利用生物量对林地的生态系统服务价值作进一步的修订。然后结合土地利用结构和生态敏感性指数,定量分析土地利用变化引起的生态服系统务价值变化及其驱动因子。结果显示:1990—2011年间,三峡库区生态系统服务价值主要由林地支撑(占76.75%),其次是水域、耕地(共23.19%),草地的贡献率最小(0.22%),总生态系统服务价值从1990年的479.55亿元增加到2011年的680.83亿元;各项服务功能价值中,食物生产功能价值下降,其他各项功能价值上升,以土壤形成与保护功能上升幅度最大,达36.61亿元,其次是气体调节(33.10亿元);驱动力分析表明,库区生态系统服务价值变化的主要原因是人类活动,特别是自1998年实施退耕还林工程以来,各自然生态系统的面积发生较大变化,同时,自然生态系统的健康程度和社会政策对生态系统服务价值变化的影响也不忽可视。研究表明,加强林地、草地和水域等生态系统服价值高的土地利用/覆盖类型保护,是维持库区生态系统稳定性的有效措施。

基于地统计学和多源遥感数据的森林碳密度估算

【目的】基于遥感影像空间分辨率和地面样地大小不一致的现象,采用地统计学和多源遥感数据进行森林碳密度估算,为MODIS数据在区域森林碳密度估算领域的应用提供参考。【方法】以湖南省攸县为试验区,首先利用基于块的序列高斯协同模拟算法,将25.8 m×25.8 m的样地数据分别上推到250 m×250 m、500 m×500 m和1 000 m×1 000 m;然后将上推后的样地数据分别与MOD13Q1、MOD09A1、MOD15A2数据结合,利用序列高斯协同模拟算法开展区域森林碳密度估算研究;最后将最优结果用于湖南省森林碳密度估算。【结果】Landsat5和MODIS数据与森林碳密度的敏感因子具有高度相似性,排在前3位的分别为1/TM3、1/TM2、1/TM1和1/Band1、1/Band4、1/Band3;与植被指数产品MOD13Q1和MOD15A2相比,多光谱数据Landsat5和MOD09A1在攸县森林碳密度估算方面显示出巨大潜力,估算精度分别为82.02%和75.64%;基于MOD09A1的序列高斯协同模拟算法具有很好的适用性,可用于湖南省森林碳密度的空间模拟,估算精度为74.07%。【结论】采用基于块的序列高斯协同模拟算法,可以实现由地面样地到不同空间分辨率MODIS像元之间的转换;由于空间分辨率的限制,MOD09A1数据在刻画空间细节方面不如Landsat5精细。该研究方法适用于地面调查样地大小和遥感影像空间分辨率不一致的区域森林碳密度估算。

基于MODIS混合像元分解的湖南省森林碳密度反演

随着遥感技术的快速发展,基于遥感影像和地面样地的方法成为目前森林碳密度估算的常用手段.然而由于混合像元的存在严重制约了区域森林碳密度反演精度的提高,特别是MODIS这种低空间分辨率影像.本研究以MODIS影像和固定样地为数据源,开展森林碳密度的反演研究.首先利用不带约束、带约束的线性分解和非线性分解3种方法进行混合像元分解,导出不同土地利用/覆盖类型的丰度图;然后采用结合和未结合丰度图的序列高斯协同模拟算法对湖南省森林碳密度进行反演.结果表明：3种混合像元分解模型中,带约束线性分解估计的地物丰度精度最高（平均均方根误差0.002）,明显优于不带约束线性分解和非线性分解模型;通过将混合像元分解模型和序列高斯协同模拟算法结合,森林碳密度反演精度从74.1%提高到81.5%,均方根误差从7.26减小到5.18;2009年湖南省森林碳密度的平均值为30.06 t·hm^-2,变化范围介于0.00-67.35 t·hm^-2之间.这表明混合像元分解在提高区域和全球尺度森林碳密度反演精度方面显示出巨大的潜力.