基于BFAST时间序列分解与分段建模的混凝土坝多测点变形定量分析方法

大坝运行环境复杂,其变形与外部荷载之间往往存在明显的非线性关系。为此,提出一种基于BFAST时间序列分解与分段建模的混凝土坝多测点变形定量分析方法,基于重力坝垂线监测数据,首先使用主成分分析提取多个测点的综合位移;其次使用BFAST时间序列分解方法将综合位移分解为季节性和趋势性两部分;然后通过合理选择改变点,建立分段统计回归模型,分时段量化各环境量对大坝位移的影响;最后通过对安康水电站水平位移规律的分时段定量分析验证了所提方法可行、有效。研究结果为更好地分析大坝变形性态演变历程和定量解释大坝变形机理提供了有力的技术支持。

基于MODIS数据和BFAST方法的植被变化监测

植被是联结土壤、大气和水分的自然"纽带",在全球气候变化研究中具有"指示器"的作用。对归一化植被指数(normalized difference vegetation index,NDVI)时间序列分析,可以为相关部门的工作和决策提供更好的支持。使用MODIS NDVI数据结合BFAST(breaks for additive seasonal and trend)方法实现对老哈河流域及周边地区的植被变化监测,并确定其NDVI时间序列出现突变点的时间节点。结合气象数据以及数据本身的质量作为影响因子,分析出现突变点的主要原因。研究结果表明,降水量、相对湿度、温度、日照时数、流域蒸发量与NDVI变化趋势呈正相关,风速与NDVI变化趋势相关性很小。降水量对NDVI变化的影响具有滞后性,滞后时间与降水量大小有关。

BFAST——一种分析气候极端事件变化的新方法

为了分析北京气候变化对极端事件频次的影响,采用Mann-Kendall突变检验方法对北京站1952-2010年年平均温度数据进行突变分析,在不能成功地检测到北京年平均温度的突变情况时,引入BFAST方法处理月平均温度时间序列,这是由于月平均温度数据与年数据相比更加精细,灾害或极端事件发生的情况在月数据上有更加良好的反映,得到月平均温度的变化趋势和突变点后,进一步探究北京极端高温事件频次的变化。研究结果显示,BFAST监测到的气候变化趋势和突变点与极端高温频次的变化有较好的一致性,它是一个判定气候变化情况和分析气候极端事件的有力工具。

基于BFAST算法的神东矿区地表温度突变检测及影响分析

为获取神东矿区地表温度长期变化趋势,提取其地表温度突变特征,以2000—2018年16 d地表温度最大值合成的MOD11A2为数据源,对神东矿区地表温度进行回归分析,拟合其时序变化趋势,并利用BFAST算法(breaks for additive seasonal and trend)提取地表温度突变的时空分布特征、最大突变发生时间和突变幅度。在此基础上,通过空间叠加统计方法分析地表温度突变与土地覆被变化之间的关系。结果表明:2000—2018年,由于神东矿区整体植被覆盖度增加,矿区内98.63%的区域地表温度呈下降趋势;露天采区地表温度突变比例高于井工采区,露天采区和井工采区内地表温度突变面积占比分别为34.66%和19.02%,归因于露天开采比井工开采对地表扰动更加剧烈;土地覆被变化引起地表温度突变,地表温度突变方向和幅度取决于土地覆被变化的类型、规模等。研究结果可为矿区生态环境治理及评价提供科学依据。

基于云平台和BFAST算法的地表变化检测方法

准确识别地表变化的时空信息,有助于探究地表自然环境和生态系统发展演变的规律,支撑相关的科研与行政管理工作。本文以河南某生态保护修复工程部分实施范围为研究区域,基于Google Earth Engine(GEE)云平台,以2013—2020年的98景Landsat8/OLI遥感影像作为数据源,应用Breaks for additive season and trend(BFAST)算法对地表变化进行了信息提取和制图。首先基于GEE云平台对Landsat8/OLI地表反射率数据集进行调用和预处理,基于CFMask算法对遥感数据集进行云影掩膜,开展光谱指数(植被指数NDVI)的计算以及时间序列数据集的构建。其次基于时序数据集与BFAST算法构建由趋势项、季节项和残差项组成的广义线性回归模型,通过最小二乘法求解模型中的未知参数集,以此进一步构建时序拟合模型,而后基于残差的Moving sums(MOSUM)方法对时序结构变化进行检测。最后从检测结果中抽取像元样点,通过与Google Earth高分辨率影像数据叠置和目视解译,开展结果验证和精度评价。结果表明,本文提出的方法在研究区的时序地表变化检测中具有较高的检测精度(总体精度为83.7%,2018—2020年分年度检测结果精度分别为86.5%、80.7%、87.7%)。本文提出的方法是遥感大数据库构建、地表生态信息近实时变化扰动识别和监测等技术的一种基础方法,能够对国土空间生态保护修复调查监测和评估预警等工作提供技术支撑和决策支持。

基于BFAST模型的青藏高原典型草地植被变化特征

为进一步保护青藏高原草地资源,基于GIMMS NDVI3g产品,采用BFAST模型和线性趋势法分析了1982年—2015年青藏高原高寒草甸和高寒草原生长季NDVI突变特征,揭示了不同时段两种草地生长季NDVI时空变化规律.结果表明:(1)高寒草甸生长季NDVI突变发生在1988、1998和2010年,高寒草原生长季NDVI突变发生在1995、2002和2010年.(2)高寒草甸生长季NDVI在1982年—1988年变化速率为0.0021/a(P>0.05),1988年—1998年、1998年—2010年和2010年—2015年三个时段均呈下降趋势.高寒草原生长季NDVI在1982年—1995年、1995年—2002年和2002年—2010年均呈增加趋势,增长速率最大为1995年—2002年(0.0015/a,P<0.05),2010年—2015年则呈下降趋势.(3)空间上,高寒草甸生长季NDVI显著下降的面积占比在1998年—2010年为34.45%(P<0.05),2010年—2015年为17.05%(P<0.05);高寒草原生长季NDVI显著增加面积占比在1982年—1995年为29.35%(P<0.05),1995年—2002年为39.13%(P<0.05),2002年—2010年为19.03%(P<0.05).

Annual 30-m land use/land cover maps of China for 1980–2015 from the integration of AVHRR, MODIS and Landsat data using the BFAST algorithm

Annual land use land cover(LULC)change information at medium spatial resolution(i.e.at 30 m)is required in numerous subjects,such as biophysical modelling,land management and global change studies.Annual LULC information,however,is usually not available at continental or national scale due to reasons such as insufficient remote sensing data coverage or lack of computational capabilities.Here we integrate high temporal resolution and coarse spatial resolution satellite images(i.e.,Moderate Resolution Imaging Spectroradiometer(MODIS)and Global Inventory Modelling and Mapping Studies(GIMMS)normalized difference vegetation index(NDVI))with high spatial resolution datasets(China’s Land-Use/cover Datasets(CLUDs)derived from 30-meter Landsat TM/ETM+/OLI)to generate reliable annual nominal 30 m LULC maps for the whole of China between 1980 and 2015.We also test the performance of a statistical based change detection algorithm(Breaks for Additive Seasonal and Trend),originally designed for tracking forest change,in classifying all-type LULC change.As a result,a nominal 30 m annual land use/land cover datasets(CLUD-A)from 1980 to 2015 was developed for the whole China.The mapping results were assessed with a change sample dataset,a regional annual validation sample set and a three-year China sample set.Of the detected change years,75.61%matched the exact time of conversion within±1 year.Annual mapping results provided a detail process of urbanization,deforestation,afforestation,water and cropland dynamics over the past 36 years.The consistent characterization of land change dynamics for China can be further used in scientific research and to support land management for policy-makers.

基于BFAST算法和多源数据的黄河三角洲耕地退化演变及驱动因素分析

研究黄河三角洲耕地退化状态并明晰其驱动机制对保障区域粮食安全和促进耕地保护至关重要。本文基于2001—2021年MODIS NDVI数据,采用加性季节和趋势断点检测法BFAST(Breaks For Additive Seasonal and Trend)探讨黄河三角洲耕地退化状态,并应用地理探测器探究各自然和人为因子及其交互作用对不同尺度区域耕地退化状态空间分异的影响与驱动机制。结果表明:(1)与线性趋势相比,非线性趋势方法检测耕地退化状态的精度更高,不仅可以检测到耕地变化的整体趋势,还可检测到长期变化中的阶段性突变信息,可较全面、准确的评估耕地退化状态;(2)BFAST检测结果显示黄河三角洲耕地31.75%呈退化状态,61.06%为改善状态,7.19%呈非显著趋势。黄河三角洲耕地在长期变化过程中多受外界干扰而发生短期突变,其中中断减少趋势占比31.31%,主要分布在孤北水库、黄河故道西侧和东南沿海,呈沿海自内陆逐渐减少且零散化的空间分布格局;中断增加趋势占比55.13%,主要分布在黄河以南、淡水河流和水库附近,呈大规模集中分布特点;(3)黄河三角洲不同尺度区域耕地退化状态空间分异以土地利用为主导,且双因子交互影响力明显高于单因子,土地利用∩高程和距海洋距离∩土地利用分别是耕地退化和改善状态的主导交互因子,人为因素主导和自然因素协同作用导致黄河三角洲耕地退化状态空间分异。

中国植被碳源/汇时空演变特征及其驱动因素

植被生态系统对植被碳汇至关重要,是实现中国“碳中和”目标的重要路径之一。选择1981-2019年全球逐日NEP模拟数据产品,对1981-2019年中国植被碳源/汇时空演变进行分析,确定气候变化和人类活动对植被碳源/汇的影响区域,并量化生态修复治理工程对植被碳汇的成效。(1)通过使用BFAST模型监测NEP年际突变范围,确定2001年为时间断点,对比分析1981-2001年与2001-2019年NEP时空变化特征及驱动因素。(2)1981-2001年段植被碳汇大范围呈现递减趋势。2001-2019年,中国整体植被碳汇增加,尤其是北部地区NEP增长趋势显著。(3)1981-2001年中国北部地区植被固碳能力下降,受降水、辐射影响为主。2001-2019年,大部分地区NEP变化与降水相关性显著。(4)1981-2001年人类活动导致植被碳源/汇变化占总面积的4%,主要分布于东北地区和西南地区。2001-2019年中国植被碳源/汇变化由人类活动影响占比提高至26.23%,其中植被固碳能力提升占比25.22%。气候变化负向影响植被固碳能力较于1981-2001年减少约30%。说明人类活动在一定程度减少气候变化对植被的负面影响。(5)2019年相较于2001年净碳储量价值明显增长,大多地区生态修复与治理投资经济效率呈正比。此外,中国北部地区植被碳汇得到有效改善。因此,为了应对气候变化和保护生态环境,积极推进生态修复和治理投资,以实现经济、社会和环境的可持续发展。

Prevalence of vegetation browning in China’s drylands under climate change

Vegetation greening has long been acknowledged,but recent studies have pointed out that vegetation greening is possibly stalled or even reversed.However,detailed analyses about greening reversal or increased browning of vegetation remain scarce.In this study,we utilized the normalized difference vegetation index(NDVI)as an indicator of vegetation to investigate the trends of vegetation greening and browning(monotonic,interruption,and reversal)through the breaks for the additive season and trend(BFAST)method across China’s drylands from 1982 to 2022.It also reveals the impacts of ecological restoration programs(ERPs)and climate change on these vegetation trends.We find that the vegetation displays an obvious pattern of east-greening and west-browning in China’s drylands.Greening trends mainly exhibits monotonic greening(29.8%)and greening with setback(36.8%),whereas browning shows a greening to browning reversal(19.2%).The increase rate of greening to browning reversal is 0.0342/yr,which is apparently greater than that of greening with setback,0.0078/yr.This research highlights that,under the background of widespread vegetation greening,vegetation browning is pro-gressively increasing due to the effects of climate change.Furthermore,the ERPs have significantly increased vegetation coverage,with the increase rate in 2000-2022 being twice as much as that of 1982-1999 in reveg-etation regions.Vegetation browning in southwestern Qingzang Plateau is primarily driven by adverse climatic factors and anthropogenic disturbances,which offset the efforts of ERPs.

极端气候模型与气象数据分析——以苏州为例

极端气候导致的自然灾害给人类带来巨大损失.通过数学模型和数据分析给出极端气候的成因和影响,以苏州地区为例,利用MATLAB编程,结合M-K突变检测和BFAST算法研究极端气候变化.通过建立均温时间序列模型对未来五年苏州地区年平均温度进行预测,得出未来五年苏州地区年平均温度持续升高的结论.

耕地生产力隐性退化遥感监测与影响因素分析

以江苏省永久耕地为例,基于2001—2019年中分辨率成像光谱仪(Moderate resolution imaging spectroradiometer,MODIS)遥感影像,开展耕地生产力隐性退化遥感监测和影响因素分析。BFAST(Breaks for additive seasonal and trend)算法用于建模历史时期耕地生产力变化的预期行为,并以此为基准判断监测时期耕地生产力是否存在隐性退化风险。基于地理探测器,从3个准则层的8项指标变量对耕地生产力隐性退化进行了主导影响因素探测和因子交互分析。研究结果表明:江苏省存在生产力隐性退化的耕地比例为21.9%,具有显著的空间差异。西北地区的徐州市、宿迁市的耕地生产力隐性退化比例最高,分别为47.2%和43.4%,且表现出聚集性。东南地区的苏州市、无锡市和南通市的耕地生产力隐性退化比例较低,均不足10%。因子探测分析表明外流人口数量、种植业从业人员数量和农业机械化总动力3项指标对江苏省耕地生产力隐性退化的解释力最强。多因子交互耦合后,人口因素与生产条件解释力增强最为显著。耕地生产力隐性退化的地域分异类型划分为生产条件约束型、产出效益约束型和人口因素约束型。农业机械化总动力、农业产值和外流人口数量分别为3种约束类型的首要因素。从地域空间来看,人口因素约束型地区在江苏省占比最大,主要集中于苏北地区。对于不同约束类型区域分别提出加强高标准农田建设、实施惠农政策、减缓劳动力析出等相应的政策建议。

洪泽湖近50a特征水位变化规律及影响因素

根据1967—2016年蒋坝、尚咀、高良涧和老子山4个水位站逐日数据,运用Mann-Kendall检验、有序聚类分析、BFAST算法和小波分析,揭示了洪泽湖特征水位年际、年内变化规律;并通过分别构建各特征水位与同期各入湖、出湖流量及降水量、蒸发量之间的多元回归关系,揭示了驱动洪泽湖特征水位变化的主导因素。研究表明:3类特征水位(平均水位、最高水位、最低水位)显著突变时期均在1982—1985年之间,1986年后洪泽湖特征水位呈显著上升趋势,最低水位变化响应时间最早,最高水位响应时间最晚;各特征水位均存在36、17、9 a的第1、第2、第3主周期;在蓄水期(Stage1)小柳巷入湖流量是影响平均水位和最低水位变化的主要因素,分别达到36%和33%,三河闸出湖流量是影响最高水位变化的主要因素,达36%;泄水期(Stage2)双沟入湖流量对最低水位影响更加明显,达到47%;涨水期(Stage3)小柳巷入湖流量在平均水位变化中起主要作用,达到29%。研究结果对于进一步认识洪泽湖水位变化规律具有重要意义,可为洪泽湖水位及上下游径流调控提供科学依据。

1982—2018年中国植被覆盖变化非线性趋势及其格局分析

探究植被覆盖变化是评估陆地生态系统环境变化的重要手段,但现有研究多采用线性趋势来表达植被覆盖的变化情况而忽略了趋势的非线性。本文使用GLASS FVC数据,利用BFAST方法和格局分析,探讨了1982—2018年我国植被覆盖变化的非线性趋势及其分布格局。结果表明:(1)与线性趋势方法的对比发现,BFAST的检测结果揭示了四川盆地、黄土高原等地的植被覆盖显著增加趋势其实存在中断,青海和东北等地植被覆盖经历了由退化到改善的过程而并非简单的线性增加,而青藏高原中东部等地则由原先的改善趋势变为了退化趋势。(2)将非线性趋势结果进行分类,其中单调型增加类型占比最多,达到33.58%,主要分布在内蒙古、陕西及河南等地;单调型减少占比1.82%,主要分布在东南沿海地区;中断型增加占比22.91%,主要分布在四川盆地东部和华北地区;中断型减少占比2.68%,主要分布在青藏高原东南部;由增到减占比4.20%,主要分布在青海等地;由减到增占比14.62%,主要分布在吉林等地。大范围的植被覆盖增加趋势充分反映了我国过去几十年植被的改善,但同时存在的减少趋势表明潜在的植被退化风险仍不可忽视。(3)不同趋势类型发生改变的时间有所差异,总体上1988—1999年间发生的改变较少,而2000—2011年间发生的改变较多,我国21世纪以来实施的大规模生态保护和恢复工程对植被的改善过程有重要影响。(4)分布格局上,植被覆盖改善趋势类型(单调型增加,中断型增加,由减到增)呈现大聚集,小分散的特点,具有复杂的形状;退化趋势类型(单调型减少,中断型减少,由增到减)的面积均较小,分布也相对离散。全国尺度上趋势空间格局呈现一定规律但分布的异质性较大,区域尺度上植被覆盖经受的干扰显著,变化过程实际也是较为复杂的。本研究表明,使用非线性趋势方法和格局分析,可以更准确地评估植被覆盖的时空变化,从而为生态环境相关工作的开展提供科学的参考。

怒江⁃萨尔温江流域植被覆盖时空变化趋势及驱动力

植被作为陆地生态系统的主要组成部分,对区域生态系统环境变化、全球碳循环和气候调节具有非常重要的作用。怒江⁃萨尔温江流域是东南亚最重要的跨境河流之一,其植被变化会影响区域生态系统和气候。研究以怒江⁃萨尔温江流域为研究区,基于2000—2021年MODIS NDVI数据,利用BFAST模型、Hurst指数以及地理探测器研究了其植被覆盖时空演变趋势和未来可持续性以及驱动因子。结果表明:(1)2000—2021年,怒江⁃萨尔温江流域植被覆盖总体呈波动上升趋势,多年平均植被覆盖度FVC(Fractional Vegetation Cover)为0.73,以高植被覆盖和较高植被覆盖为主。植被分布具有明显的空间异质性,下游和中游植被覆盖明显优于上游。(2)BFAST趋势表明,近22年怒江⁃萨尔温江流域植被覆盖改善和退化的区域面积占比分别为71.24%、28.76%,改善的区域远大于退化的区域,说明研究区植被得到较好的保护。Hurst指数显示,未来植被将持续改善和退化的区域占比分别为94.89%、2.76%。BFAST与Hurst二者叠加共耦合了17种植被覆盖的未来趋势情形,整体上未来植被呈持续改善为主,将持续改善和持续退化状态的面积占比分别为68.99%、29.09%。(3)基于最优参数的地理探测器结果表明,海拔对研究区植被覆盖分布具有宏观控制作用,影响最大,其次是气温、降水等气象因子。各区域植被覆盖影响因素又具有差异性,其中,海拔和土地利用方式对上游地区植被覆盖的影响比中游和下游区域显著;中游高山峡谷地区以海拔以及海拔差异带来的气温、降水差异对植被覆盖影响重大;下游地区以人口、GDP等人为因素影响为主。研究结果对了解研究区生态环境状况及未来变化提供科学数据支持。

近20年来乌鲁木齐空气质量时空变化趋势分析

基于2001~2018年乌鲁木齐市空气质量监测数据及2014~2018年各监测站点的数据,采用主成分分析法、BFAST趋势分析法、及反距离权重插值法对乌鲁木齐市空气质量进行时空分析。结果表明:乌鲁木齐市空气质量在2012年前呈升高降低交替的趋势,2012年煤改气后呈急速下降的趋势;污染物以PM_(2.5),SO_(2),CO为主,方差累计贡献率达到85.37%;由BFAST对AQI时间序列进行分解与识别发现,周期为1年且AQI呈现两头高中间低的双峰型特征,6~8月为U型谷底,趋势上呈现逐年递减的趋势。由空气质量空间分布得出AQI高值区仍然聚集在新疆农科院农场和米东区环保局,低值区则集中在收费所与监测站且由北向南呈逐渐递减的趋势;变化速率最快的为铁路局,改善最好的是米东区环保局,空间插值与主成分分析结果一致。

基于多源数据的近40年黄河上游地区草地变化特征

草地不仅是黄河上游畜牧业发展的关键依托,而且其变化会对黄河上游水源涵养能力产生深远影响。探究黄河上游近40年草地植被的时空变化规律和突变特征,对其草地生态系统的治理和保护具有重要现实意义。本研究首先从13个常见的土地利用/土地覆盖(LULC)数据集中,提取了黄河上游地区的草地面积进行精度评价,再对精度最高的LULC数据集以及NDVI数据集,应用趋势分析法、累积距平法、M-K突变检验法和BFAST法分析黄河上游草地面积和NDVI的趋势变化和突变特征。结果表明:1)不同的LULC数据集在黄河上游区域表现出较大的差异性,其中CLUD-A数据集可以较为真实地反映黄河上游草地面积的变化特征。2)近40年间,黄河上游草地总面积呈现非显著(P>0.05)减小趋势;空间栅格尺度上,草地面积在黄河上游93.6%的区域保持不变,在西部和东部的少部分区域呈现减小趋势;5.4%区域的草地面积发生突变,且70%以上突变区域在突变后保持减小趋势;2001年是草地面积突变的关键年份。3)针对NDVI的分析显示,在黄河上游草地分布区域中,50.1%的区域呈现NDVI显著(P<0.05)增加趋势,集中在黄河上游的东北部、东南部和西南部地区;10.9%区域的NDVI发生突变,且75%的突变区域在突变后呈现增长趋势,2005年是NDVI突变的时间节点。综上可知,近40年间,在人类活动和气候变化的综合影响下,黄河上游西部和东部部分地区的草地面积和NDVI趋势变化较为明显,2001-2005年是两者突变的关键时间段;整体而言,黄河上游地区的草地面积呈现非显著减小趋势,草地生长状态往好的方向发展。

Detecting abrupt change in land cover in the eastern Hindu Kush region using Landsat time series(1988-2020)

Land cover change in the semi-arid environment of the eastern Hindu Kush region is driven by anthropogenic activities and environmental change impacts. Natural hazards, such as floods presumably influenced by climatic change, cause abrupt change of land cover. So far, little research has been conducted to investigate the spatiotemporal aspects of this abrupt change in the valleys. In order to explore the abrupt change in land cover and floods as its possible drivers in the eastern Hindu Kush, a semi-arid mountain region characterized by complex terrain, vegetation variation, and precipitation seasonality, we analyzed long-term Landsat image time series from 1988 to 2020 using Breaks For Additive Seasonal and Trend(BFAST). Overall, BFAST effectively detected abrupt change by using Landsat-derived Modified Soil Adjusted Vegetation Index(MSAVI). The results of our study indicate that approximately 95% of the study area experienced at least one abrupt change during 1988-2020. The years 1991, 1995, 1998, 2007, and 2016 were detected as the peak years, with the peaks occurring in different seasons. The annual trend of abrupt change is decreasing for the study area. The seasonality of abrupt change at the catchment level shows an increasing trend in the spring season for the southern catchments of Panjkora and Swat. The spatial distribution patterns show that abrupt change is primarily concentrated in the floodplains indicating that flooding is the primary driver of the land cover change in the region. We also demonstrated the accurate detection of past flood events(2015) based on the two case examples of Ayun, Rumbur, and Kalash valleys. The detection of the flood events was verified by fieldwork and historical high-resolution Google Earth imagery. Finally, our study provides an example of applying Landsat time series in a dry mountain region to detect abrupt changes in land cover and analyze impact of natural hazards such as floods.

顾及物候特征的喀斯特断陷盆地土地覆盖遥感分类

在喀斯特分布区,基岩、植被、裸地等多种地表覆盖交错分布,地物覆盖高度异质,并且呈现出短周期规律性变化和长期动态趋势变化,单一时相的影像进行土地覆盖分类精度非常有限。针对这一问题,本文提出一种顾及物候特征的多时相遥感影像分类策略,利用具有高时间分辨率的MODIS NDVI时间序列产品作为数据源,选择BFAST(Breaks For Additive Seasonal and Trend)方法进行NDVI时间序列的物候分解,采用动态阈值法对时序分解的物候轨迹进行标记,最后将物候标记特征与原始光谱时序综合特征进行组合,选择支持向量机(SVM)分类器进行土地利用覆盖分类,并且对比了不同特征空间下的分类结果。以云南省壮族苗族自治州丘北县和砚山县为研究区进行分类实验,结果表明,BFAST模型可以有效地分解出NDVI时序中的关键物候特征,相比基于单纯光谱特征的分类,物候驱动的喀斯特断陷盆地区土地覆盖分类精度有明显的提升,在NDVI、光谱和物候组合特征空间下,土地覆盖分类精度最高,总体精度和Kappa系数分别为88.94%和0.8693,尤其在灌木林、有林地、石旮旯地与稀疏植被的区分中,SOS、POS和GSG等物候特征具有较强的可分性,表明物候特征在地物识别中的有效性。

Spatio-temporal Distribution of Drought in the Belt and Road Area During 1998–2015 Based on TRMM Precipitation Data

Drought is a worldwide natural disaster that has long affected agricultural production as well as social and economic activities. Frequent droughts have been observed in the Belt and Road area, in which much of the agricultural land is concentrated in fragile ecological environment. Based on the Tropical Rainfall Measuring Mission Satellite（TRMM） 3 B43 precipitation data, we used the Precipitation Abnormity Percentage drought model to study the monthly spatio-temporal distribution of drought in south region of N50° of the Belt and Road area. It was observed that drought during winter was mainly distributed in Northeast Asia, Southeast Asia, and South Asia, while it was mainly distributed in Central Asia and West Asia during summer. The occurrence of historical droughts indicates an obvious seasonal cycle. The regional variations in drought were analyzed using the Breaks for Additive Season and Trend tool（BFAST） in six sub-regions according to the spatial distribution of six economic corridors in the Belt and Road area. The average drought conditions over the 18 years show a slight decreasing trend in Northeast Asia, West Asia, North Africa, South Asia, Central and Eastern Europe, and a slight increasing trend in Central Asia. However, it was a fluctuating pattern of first increasing and then decreasing in Southeast Asia. The results indicate that the total drought area in the Belt and Road region showed a general decreasing trend at a rate of 40,260 km^2 per year from 1998 to 2015.