2000-2014年蒙古高原植被覆盖时空变化特征及其对地表水热因子的响应

利用MODIS NDVI数据、同期地表水热组合数据和植被类型数据,对2000-2014年蒙古高原生长季和三季(春、夏、秋季)植被覆盖时空演变特征及其对地表水热因子响应模式进行分析。研究表明:这15 a来,蒙古高原生长季及三季归一化植被指数NDVI均呈增加趋势,且呈显著增加趋势区域主要集中在内蒙古地区,一定程度上反映了该地区生态恢复工程的有效性。研究区植被覆盖变化与地表水分指数LSWI有密切的关系,因此证明研究区植被覆盖的增加归因于自然和人为因素的共同作用。不同类型植被NDVI均呈增加趋势,其中荒漠植被NDVI增加最明显,森林植被增加平缓,且存在季节性差异。此外,不同类型植被NDVI受水热因子影响也存在季节性差异。

利用多源时序遥感数据提取大范围水稻种植面积

为避免大范围作物面积提取中的分区问题,提出了一种新的采用时序MODIS日反射率产品(MOD09GA)和HJ-1CCD数据的大范围水稻种植面积提取方法。利用样区多时相高分辨率HJ-1CCD数据,进行高分辨率水稻制图,获取水稻移栽期和生长期的特征。再利用时序MODIS日反射率产品自动提取移栽期稻田水分信息和生长期生长信息,实现大范围的水稻种植面积测量。以江苏省为试验区对该方法进行了试验,结果表明该方法可以较高精度的测量大范围的水稻种植面积,水稻提取精度为93.3%,Kappa系数0.88。

珠穆朗玛峰国家级自然保护区湿地分布研究

利用2000～2009年覆盖珠穆朗玛峰国家级自然保护区的MOD09A1和MOD13Q1数据集的相关数据,该保护区1∶5万DEM,并结合2008年9月采集的野外湿地数据,进行了基于增强型植被指数(EVI)、改进型调整植被指数(MSAVI)、地表水分指数(LSWI)、海拔和坡度5个参数的保护区湿地分布特征研究。结果表明,珠穆朗玛峰国家级自然保护区的湿地类型主要为河流、湖泊、沼泽和沼泽化草甸;湿地主要分布在海拔4100～4700m且坡度≤4°的佩枯错、浪强错、多布扎等湖泊密集的高原湖盆地区、佩枯错与浪强错之间的平原地带和保护区中部及北部坡度较缓的河谷地区,大部分湿地分布在保护区的实验区内;2000～2008年保护区湿地以季相变化为主,6～9月(湿季)湿地面积约占保护区总面积的11.2%;6～9月湿地面积年际变化幅度小于保护区总面积的0.1%;坡度和海拔是影响保护区湿地空间分布的关键因素和提取该地区湿地空间分布范围的有效参数。

基于地理探测器的黄土高原NPP时空变化及驱动力研究

探究黄土高原人为扰动和自然条件作用对植被净初级生产力(net primary productivity,NPP)的影响,基于遥感数据、气象数据和改进CASA模型定量估算黄土高原植被NPP;采用趋势分析、地理探测器等方法,研究自退耕还林还草等一系列生态工程后,黄土高原植被NPP时空变化特征及驱动因素。结果表明:黄土高原植被NPP空间异质性显著,总体呈现东南高西北低的特点,黄土高原20年植被NPP均值为204.0 gC·m-2·a^(-1);呈波动增长趋势,平均上升速率为3.194 gC·m^(-2)·a^(-1)。不同土地利用类型NPP存在较大差异,草地NPP总量最高,其次是耕地和林地。其中耕地面积2019年较2000年减少17943 km^(2),但NPP总量却同比增长9×10^(6)gC。降水是黄土高原的NPP变化的主导因子,其次是土地利用类型,且两者交互作用呈非线性增强。2000年后黄土高原NPP解释力最高的交互因子由降水和高程转为降水和土地利用类型,说明人为因子对黄土高原NPP的影响在逐年增强。

基于时间序列遥感的2020年黄河三角洲湿地补水效果监测

2020年汛期在防御大洪水实战演练期间进行的黄河三角洲湿地生态补水,生态补水量创历史最高,三角洲湿地首次实现漫滩式补水。基于Sentinel-1与Sentinel-2时间序列卫星遥感影像,评估了2020年三角洲生态补水前中后期湿地动态变化与补水效果。结果表明:生态补水期间清水沟、刁口河流路湿地水体淹没频率较高,大多为0.6~0.8,清水沟流路湿地水面面积由补水前的70 km2扩大到100 km2,刁口河流路湿地水面面积由补水前的不足0.1 km2扩大到5.25 km2,淹没频率的提高和水面面积的扩大改善了湿地的水分条件,满足了植被生长期的水分要求;研究区湿地地表水分指数均值由补水前的下降趋势转为上升趋势,补水期间与补水后地表水分指数明显高于补水前,有利于湿地植物群落的正向演替和湿地生态功能的维持,展现出生态补水对湿地生态恢复的正向作用。

基于哨兵2A数据的北京松柏分布及花粉致敏风险评估初步研究

开展北京松柏植被的高分辨率空间信息提取及其花粉致敏风险评估对花粉浓度监测及预报具有重要意义。本文利用2019—2020年冬季304景高分辨率哨兵2A号(Sentinel-2A)卫星影像,引入新型增强型归一化植被指数(Enhanced normalized Vegetation Index,EVI)和地表水分指数(Land Surface Water Index,LSWI),开展了10 m空间分辨率的北京松柏植被分布制图研究;同时依据风险评估原理,结合2020年北京松柏花粉浓度观测数据,建立了基于松柏植被分布的花粉致敏风险空间评估方法,并初步开展了影响松柏花粉浓度范围与花粉致敏风险空间评估研究。结果表明:(1)基于冬季合成晴空Sentinel-2A卫星影像,利用EVI和LSWI可有效提取北京10 m空间分辨率的松柏植被分布,用户精度可达80%以上;(2)松柏花粉观测站14 km范围内松柏植被对该站花粉浓度具有正贡献,其中6 km范围内的松柏植被贡献最大;(3)松柏花粉致敏相对高风险区主要分布在西北部山区、昌平北部以及门头沟东部、石景山西北和海淀西南等地区。

基于决策树模型分类多时相早稻信息提取研究

决策树模型分类算法为早稻遥感分布信息的获取提供技术方法。研究直接利用归一化植被指数计算,配合卫星影像纹理分析,逐步剔除非耕地的信息,得到耕地的初步分类结果;再结合多时相归一化植被指数和地表水分指数曲线等综合判析,进一步区分出早稻和其他作物。通过相关资料的验证,早稻的用户精度达到了87.50%,生产者精度为85.71%,总体精度达到了93.50%,Kappa系数为0.823,证实该方法在提取早稻信息的可靠性、准确性,也为后期水稻产量的预估提供科学决策依据。