云南省2000-2020年石漠化时空演变分析

【目的】在宏观尺度利用遥感手段识别和提取石漠化斑块信息,定量分析石漠化的空间分布特征和时序演变过程,可为中国西南地区石漠化的发生、发展过程研究提供技术手段和数据支撑。【方法】以云南省为研究区,基于谷歌地球引擎(Google Earth Engine)平台,以2000、2010和2020年为研究时段,采用决策树分类法定量提取石漠化斑块信息;通过时空演变模型分析云南省石漠化的时空演变过程和特征。【结果】(1)研究时段内,云南省石漠化状况整体得到改善,石漠化占国土面积比例从9.65%下降至6.48%,但局部地区仍在恶化。(2)云南省石漠化空间分布呈东多西少的特征,其中昭通、曲靖、文山、红河和昆明等地区的石漠化分布面积较大,占全省石漠化发生面积的65.42%~72.14%。(3)石漠化演变流向复杂,既转移至石漠化程度高的等级又向石漠化程度低的等级转移,边治理边破坏的现象未被遏制。(4)极重度石漠化修复所需的周期较长,近20 a间云南省极重度石漠化大部分转移至重度石漠化。(5)石漠化内部演变过程剧烈,轻度石漠化和中度石漠化的综合变化速率较快,易于改善的同时亦存在较高的恶化风险,需加以重视。【结论】依据相关规程中的石漠化等级判定标准,采用决策树分类法,可准确提取宏观尺度的石漠化斑块信息。云南省石漠化土地面积呈减少趋势,空间分布不均匀,不同石漠化等级之间存在相互转化的现象。

近20年间云南省石漠化演变过程及特征分析

在宏观尺度下精确识别石漠化斑块信息并对其演变过程进行定量分析,有助于正确认识区域石漠化的空间分布及动态变化规律,可为石漠化综合治理提供重要的决策依据。以我国西南地区典型的石漠化分布区域——云南省为研究区,以2000—2020年的Landsat TM/OLI卫星遥感影像为材料,对研究区石漠化等级的空间分布进行遥感识别和提取,分别对云南省石漠化的空间分布特征和动态演变过程进行量化分析。结果显示:(1)近20年间,云南省石漠化总面积呈减少之态势,其内部结构已发生较大变化,整体趋于向低等级的转移。(2)石漠化演变方式由大到小排序为无变化、渐变方式、跳变方式、返变方式,其中,跳变方式和返变方式的石漠化面积占比之和与渐变方式仅相差8.55%,此占比值相较同类研究明显提高,说明云南省石漠化内部结构转移的跳跃性相比同类研究明显偏高。(3)在石漠化的演变方向中,基本不变的面积占比最大,石漠化改善的面积占比远高于恶化的面积占比。(4)石漠化的时空演变特征与当地的社会经济发展存在相关性,云南省经济落后区域仍存在“越穷越垦、越垦越穷”的现象。

基于GEE的曲靖石漠化时空演变过程分析

以云南曲靖为研究区,基于Google Earth Engine平台的Landsat遥感数据,采用均值合成图像法构建高时空分辨率数据集,提取石漠化斑块信息,分析石漠化时空演变过程。结果表明:借助GEE平台及其图像处理方法,能有效降低数据下载量和运算量,减少季相变化对石漠化斑块信息提取的影响,提高了数据的可比性。曲靖地区石漠化空间分布呈北高南低,西重东轻的水平分布格局;同时,坡度在15°以下的地区,坡度与石漠化发生面积、演变幅度呈正相关;坡度大于15°的地区,坡度与石漠化发生面积、演变幅度呈负相关的垂直分布规律。曲靖2000—2020年石漠化演变过程可划分为不稳定、明显改善、严重恶化、持续改善和稳定改善5个阶段。21年间,石漠化发生面积共减少3390.42 km^(2)(占国土面积的11.73%),平均每年减少161.45 km^(2)(占国土面积的0.56%),生态环境质量得到一定改善。

基于DPSIR模型的2003—2015年文山州生态安全动态评价

基于DPSIR模型,结合文山州石漠化分布现状,从驱动力、压力、状态、影响和响应5个方面选取22个经济、社会和环境指标构建石漠化评价体系,采用熵权法和TOPSIS方法确定文山州石漠化生态安全指数,使用相应的阈值划分安全等级,分别从时间和空间2个维度对文山州8个县/市的石漠化生态安全性进行定量评价。结果表明:排名前5的指标为经济密度、农药负荷、当年造林面积、人均GDP、人均耕地面积,因此生态安全保护须做到经济、社会和环境均衡发展。2003—2015年,文山州石漠化生态安全状况不容乐观,但整体呈现上升趋势,石漠化生态安全由较不安全向临界安全改善,五大子系统石漠化生态安全指数逐渐上升。文山州石漠化生态安全状况较好的地区主要集中于经济开发的西北部,状态较为稳定。2003—2015年,临界安全等级国土面积占比由24.54%至26.25%后上升为37.91%,麻栗坡县由较不安全上升为临界安全。本研究可为文山州石漠化治理与生态环境保护提供参考。

滇东南石漠化地区地形起伏度对水土流失的影响

分析石漠化地区的水土流失地理分布格局,探究地形起伏度对其分布规律的影响,为滇东南石漠化地区水土流失的防治措施提供合理且全面的依据。以滇东南石漠化地区马关县、西畴县和麻栗坡县为研究区,基于30 m空间分辨率的DEM数据计算地形起伏度,利用10 m空间分辨率的Sentinel-2数据提取土地利用类型。研究表明,根据均值变点法确定研究区地形起伏度最佳像元分析窗口为24×24,地形起伏度在0~2.41;水土流失强度主要为极强烈等级,占研究区总面积的26.85%;水土流失强度区域多集中在0.05~0.35等级范围内,地形起伏度在0.15~0.25等级范围达到水土流失强度峰值。研究区的地形起伏度与水土流失强度等级分布具有高度相关性,充分说明地形起伏度是石漠化地区水土流失的主导因素之一。

云南省岩溶地区土地利用对石漠化景观格局演变的影响分析

以云南省为研究区,基于GlobeLand30获取土地利用分布数据,对Landsat影像进行决策树分类,获取石漠化等级分布数据,定量分析云南省岩溶地区土地利用对石漠化景观格局演变的影响程度,结果表明:1)2000—2020年云南岩溶地区土地利用类型以耕地、林地及草地为主,耕地与建设用地面积逐年增加;2)无石漠化面积逐年增加,重度石漠化面积逐年减少,整体石漠化等级有所改善,高等级石漠化斑块面积减少,即优势度降低;3)石漠化主要发生在林地与草地,发生于耕地的石漠化面积呈增加趋势,发生于林地和灌木的石漠化面积除极重度等级外,均呈减少趋势;4)土地利用及石漠化景观格局的面积周长维数分别降低了0.0007和0.0022,而凝聚度指数、聚合度指数、分离度指数、香浓多样性和香农均匀度均呈负相关,石漠化景观类型的复杂程度随土地利用的变化而降低,石漠化状况持续改善。研究将有助于对石漠化治理成效进行宏观定量评估,为今后生态恢复及石漠化科学治理提供依据。

基于无人机可见光遥感的单木树高提取方法研究

利用目前流行的高分辨率可见光无人机遥感影像生成树木冠层高度模型,采用分水岭分割算法提取单木树高的研究具有重要理论和实践意义。以位于云南省富民县的天然云南松纯林为研究对象,通过大疆Phantom 4 Pro无人机获取低空可见光遥感影像,利用Pix4D Mapper对无人机影像进行预处理及三维重建,生成三维点云,利用LiDAR360处理三维点云,构建DSM,DEM并生成CHM;采用分水岭分割算法对不同郁闭度条件下获得的CHM进行单木分割及树高提取,对提取结果进行精度评价。结果表明:分水岭分割算法能够准确分割CHM,利用无人机可见光遥感影像进行单木树高提取是可行的;将基于无人机可见光影像提取的树高值与野外实地调查得到的树高值进行对比,R^(2)为0.893,RMSE为1.23m,估测精度为87.58%;同时,林分郁闭度会对单木树高估测产生影响,根据不同郁闭度条件下提取的3组样木树高与实地测量树高的决定系数(R^(2))分别是0.857,0.939和0.921,RMSE分别为1.450,1.097,0.896m,在低郁闭度林分内树高估测的精度显著高于高郁闭度林分。

基于UAV可见光遥感的单木冠幅提取研究

为优选出云南松单木树冠的提取方法,以无人机获取的典型天然云南松纯林可见光影像为基础数据源,采用多尺度分割、标记分水岭分割和基于均值漂移的超像素分割3种方法,提取单木长冠幅、短冠幅及树冠面积,与地面实测数据对比,分析不同分割方法对单木冠幅信息提取精度的影响。结果显示:在单木尺度和样地尺度上,单木分割效果最优者均为标记分水岭算法,其准确率分别为82.23%和83.86%;基于均值漂移的超像素分割效果次之,其准确率分别为77.17%和77.11%;多尺度分割效果最差,其准确率分别为66.45%和67.66%。在单木尺度上,标记分水岭算法提取的单木冠幅信息精度最高,长冠幅、短冠幅和树冠面积提取的R^(2)分别为0.84、0.71、0.94,平均相对误差分别为9.20%、8.28%、14.05%。在样地尺度上,标记分水岭的单木树冠面积提取精度最高,平均相对误差为20.57%。对于重叠、粘连的树冠,标记分水岭算法能有效解决单木分割中合并和过度分割的问题,且能够精确提取单木冠幅信息。

我该不该认这个女儿

我二女儿未满18岁就私自和一个外省男孩交往,我知道后多次对其严厉警告,要她和男孩分手,并威胁说如果她不和这个人分手的话,我就不认她。在我的再三威胁和哄骗下,她答应和这个湖南人停止交往。但就是不肯和我在一起,我叫她去我打工的工厂上班,她死也不肯,自个儿跑到东莞找厂去了,说是和同学在一起。也许别人会说我是老封建,思想落后。

我在酒楼做DJ

不知什么原因,厂里的那些订单变得稀稀落落,昔日车间热火朝天的繁荣景象不见了。惨淡的现象一直持续着,没有人知道何时会好起来。对于这种轻闲得让人发慌的日子,也许其他姐妹耗得起,我耗不起,因为家里面还有一个弟弟在读书呢,靠我父亲一个人支撑是很艰难的,经考虑再三,我辞工了。