基于灰度共生矩阵的未利用地疑似污染遥感识别

为了加强大面积范围内未利用地监管,提出通过遥感技术识别存在潜在污染的未利用地.以甘肃省北部地区为研究区,首先,基于Landsat卫星数据进行土地利用/覆被类型遥感解译,确定该区域未利用土地范围.其次,对图像进行主成分分析,将第一主分量作为灰度共生矩阵的数据源,选用能量、熵、惯性矩、相关作为特征量,同时结合对应图像的灰度变化绝对值提取变化较大的区域.最后,通过对比2010年和2015年Landsat遥感图像的特征量变化情况,提取有明显纹理或灰度变化区域,结合Google Earth高分辨率影像与包含工矿企业位置信息的感兴趣点(point of interest,POI)数据,得到2010—2015年此区域土壤疑似污染点40处,总面积约为10 km2.对其中21处结果进行实地调查验证,其中有19处疑似污染点被证实,识别精度约为90%.提出的基于灰度共生矩阵方法识别未利用地疑似污染的方法,较传统人工解译方法,能够显著节省人力、物力,提高监测效率,并且具有较好的精度.

高寒草地生长季/非生长季植被盖度遥感反演

植被盖度是刻画陆地生态系统植被覆盖的重要生态参量。以当雄县Landsat-8OLI为数据源,从10种常用植被指数中筛选出适合反演高寒草地生长季/非生长季草地植被盖度的植被指数,引入像元三分法确定端元特征值,通过不同植被指数基于像元二分模型反演植被盖度的对比分析,确定适合生长季/非生长季植被盖度最优植被指数,根据反演结果分析了研究区草地生长季/非生长季植被盖度的时空变化特征。结果表明:1)由可见光-近红外波段构建的植被指数适用生长季植被盖度反演,由短波红外构建的植被指数适用于非生长季植被盖度反演。2)基于MSACRI的像元二分模型适合非生长季植被盖度反演,基于NDVI的像元二分模型则最适用于生长季植被盖度的反演。3)研究区草地植被盖度随海拔增加呈现先增加后减少的单峰变化格局,草地集中分布于海拔4300~5100 m处。生长季植被盖度主要集中于20%~80%,非生长季绝大部分的草地盖度小于40%。研究结果可为草地生态系统碳存储、植被生产力、土壤侵蚀、生态水文等研究提供参考依据。

融入土壤湿度指标的青藏高原近地表土壤冻融机器学习监测算法

青藏高原作为中低纬度地区最大的高山冻土区,多年冻土和季节冻土广泛分布。高精度的地表冻融监测结果对研究该区域的水热交换、碳氮循环和土壤冻融侵蚀非常重要。本文基于4个青藏高原典型地区的土壤温湿度观测网数据,开展利用LightGBM算法和随机森林算法进行土壤冻融循环监测的研究。在构建土壤冻融监测模型的过程中,发现土壤湿度是影响冻融判别的一个关键因子。使用AMSR2亮温数据和ERA5-Land土壤湿度数据,基于两种机器学习算法判别地表冻融状态,将结果与传统冻融判别式算法进行对比分析。结果表明:相比冻融判别式算法,LightGBM算法在白天和夜间的总体判对率提高了12.09%;14.45%,随机森林算法在白天和夜间的总体判对率提高了13.23%和14.96%。近80%的错分样本分布在-4.0℃~4.0℃之间,说明2个机器学习算法能够识别出稳定的土壤冻结状态和融化状态。另外,LightGBM算法和随机森林算法得到的日冻融转换天数的平均RMSE降低了112.82和117.00;冻结天数的平均RMSE降低了47.87和53.96;融化天数的平均RMSE降低了37.10和39.80。同时,基于随机森林算法计算了2014年7月—2015年6月青藏高原冻结天数、融化天数、日冻融转换天数。得到的青藏高原冻结天数图,以中国冻土区划图为参考进行精度评价,总体分类精度为96.78%。

青藏高原1982~2015年FPAR时空变化分析

植被吸收利用太阳光合有效辐射比率反映了植被固碳释氧能力,根据青藏高原GIMMS NDVI3g(1982~2015年)和MODIS NDVI(2001~2015年)数据,采用非线性半理论半经验模型进行FPAR反演及时空变化分析。结果表明:①2001~2015年GIMMS NDVI3g和MODIS NDVI反演FPAR在空间分布上具有较高的一致性,相关系数为0.82(P<0.01),年际变化趋势一致至少6年的区域占80%;②青藏高原FPAR受坡度和海拔影响较大,其中15~35坡度FPAR变化最快,700~2100 m海拔区间FPAR值最大;不同坡向对应的FPAR除南坡方向偏低外其他方向差异不大。③1982~2015年青藏高原四季FPAR时空变化研究中,冬季FPAR年际变化最明显,约78.5%的区域表现为增长趋势;秋季FPAR下降区域最多,但超过71.5%区域变化不显著;④基于MODIS NDVI和GIMMS NDVI两数据反演的所有植被类型的FPAR都在2012年间出现小幅度下降趋势,且不同植被类型FPAR的年际变化趋势各不相同。

基于植被指数季节变化曲线的年总初级生产力估算

针对年总初级生产力估算的研究,提出了一种参数简单、误差较小的估算方法。以"三北"防护林工程区域各类型植被为研究对象,获取2010年研究区全年时序的MODIS植被指数并构建植被指数季节变化曲线,建立该曲线积分ΣVIs与MODIS GPP产品的拟合关系,并研究各植被类型GPP估算适用的植被指数时间序列曲线积分ΣVIs。结果表明:①ΣVIs适用于估算研究区年总GPP并与MODIS GPP在p<0.01置信水平下,显著相关;②ΣNDVI估算郁闭灌丛、稀疏灌丛、草地、耕地以及荒地或稀疏植被GPP的效果要优于ΣEVI和ΣEVI2,但在森林及其他植被类型方面要比ΣEVI或ΣEVI2的精度低;③由于NDVI在高LAI地区趋于饱和,使ΣNDVI估算高LAI植被类型GPP的误差较大,而利用ΣEVI和ΣEVI2估算高LAI植被类型的GPP具有较好的精度,并且EVI2相对于EVI减少了来自于蓝光波段的限制,能够更好地应用于长时间序列GPP研究。