基于CA-Markov模型的乌江下游地区土地利用变化情景分析

以乌江下游的涪陵等6个区县为研究区,基于1995年、2005年、2015年的Landsat影像解译数据,综合运用GIS空间分析技术、CA-Markov模型和MCE模型,实现研究区土地利用时空格局模拟。结合情景分析方法,探讨在"快速城镇化情景"、"现状延续情景"和"生态保护情景"三种模式下研究区2020年、2035年、2050年的土地利用格局。结果表明:(1)在"快速城镇化情景"下,建设用地急剧扩张,35年间其面积增加了一倍,达到1 390.46km2,且主要来源为耕地,约占转出耕地面积的一半;林地增长十分缓慢,草地和未利用地持续减少,到2050年分别减少了186.58km^2和69.40km^2,未利用地减少了一半。(2)在"现状延续情景"下,建设用地增长仍然较快,2050年增加了347.92km^2,增幅达37.92%;耕地减幅有所下降,林地增加也比"快速城镇化情景"要快,但草地和未利用地仍在持续减少,35年间分别减少了25.9%和44.3%。(3)在"生态保护情景"下,林地、草地、未利用地等生态用地不断恢复和增加,到2050年,生态用地总面积占研究区的64%;建设用地无序扩张得到限制,到2050年其总面积为1 171.42km^2,比同期"快速城镇化情景"减少了219.04km^2;耕地虽有减少,但逐渐趋于平衡,始终保持在6 000km^2以上。因此,"生态保护情景"是研究区未来经济、社会和环境协调发展较为理想的模式。研究结果可为该地区土地规划、区域可持续发展提供科学参考。

基于地学信息图谱的重庆岩溶石漠化植被恢复演替研究

重庆岩溶石漠化区的植被恢复演替动态变化研究对于该地区的石漠化治理和生态恢复具有十分重要的指导意义。而多时相的遥感数据和地学图谱分析法为植被恢复的研究提供了一种动态性和综合性的研究方法。以重庆市中梁山的典型植被恢复区为例,在基于1996、2001、2007和2013年4期遥感影像解译分类的基础上,采用"空间代替时间"的生态学植被演替研究方法,建立重庆市中梁山区退耕还林前后的植被恢复演替图谱,并结合地学图谱的相关分析方法,得到该区的植被恢复演替动态格局演变规律,体现了空间信息科学技术、生态学方法和地学信息图谱分析法在植被恢复演替研究中的有效结合。结果表明:(1)运用BP神经网络和BP算法进行分类,分类精度达到87.42%,比传统监督分类提高了5.57%。(2)自2002年全国范围内的"退耕还林(草)"工程全面启动后,该区域植被恢复演变特征明显,耕地面积明显减少而植被面积明显增加。(3)从2001—2013年,植被演替在该时期内依然存在着进展演替和逆向演替两个方向。虽然逆向演替比例仅占到18.63%,但它却使该区的演替研究变得复杂。(4)质心反映了各植被类型在恢复演替过程中的聚散与迁移,1996—2013年,马尾松群落和落叶阔叶林群落的质心变化较小,其他植被群落的质心都有很明显的变化。

植被叶片光谱特征对烟煤病胁迫程度的响应模型研究

烟煤病是我国南方热带、亚热带地区一种非常普遍的植物病害,对我国农业生产造成巨大危害,对其监测预报是实施有效治理措施的重要基础和依据。为建立以高光谱数据为基础的烟煤病严重程度反演模型,在重庆北碚城区采集50个银木叶片样本,利用ASD FieldSpec HandHeld光谱仪获取高光谱数据,通过数码相机和ENVI软件获取叶面积数据,将银木叶片烟煤病面积与整个叶片面积的比例作为烟煤病的严重程度,建立相关性最大波段的烟煤病反演模型,探究烟煤病严重程度与光谱曲线之间可能存在的关系。结果表明:单叶尺度下,健康叶片在560nm波段附近有明显的反射峰,随着烟煤病严重程度增大,反射峰逐渐消失,在可见光与近红外波段,总体上光谱反射率与烟煤病病情严重程度呈负相关性。500~650和720~850nm为烟煤病的光谱敏感波段,其中相关度最大值点为550nm波段,相关系数达到-0.72。在烟煤病严重程度与叶片波段原始光谱信息及多波段组合关系研究中,单叶尺度下785nm波段高光谱参数与烟煤病严重程度建立的回归模型的决定系数(R^2)最大,为0.875。通过模型的显著性检验和预测精度检验,785nm处的光谱反射率建立的二次曲线模型为最优。证明在单叶尺度下,基于785nm波段的二次曲线模型反演烟煤病的效果较为理想。

夜间灯光数据驱动的成渝城市群空间形成过程重建及分析

2016年4月发布的《成渝城市群发展规划》首次正式确定了成渝城市群的内涵和具体边界,重建成渝城市群的形成过程,有利于把握未来发展趋势,并合理优化与调整其发展过程。在重建技术方面,对DMSP/OLS夜间灯光数据传统的不变目标区域校正法加以改进,将成渝城市群2013年城市市区范围内的全部像元加入校正模型的拟合中,设计了统计数据的校正规则,再通过二分比较法较好地恢复了成渝城市群内各城市建成区的时序空间信息。提取面积与统计面积总体平均相对误差为-0.38%,利用高分辨率Google Earth图像验证的建成区提取准确率达到98.29%,相比其他研究结果,经方法改进后的提取结果精度高且稳定。在结果分析方面,基于提取结果展开对城市群建成区重心转移过程与城市聚合过程的深层次研究,剖析了城市群的内部格局与时空变化特征。分析表明,成渝城市群的聚合情况与《成渝城市群发展规划》高度吻合,城市群已进入快速发育阶段,随着区域差异的持续扩大,成都、重庆都市圈的核心地位逐渐形成,而重庆的发展态势稍好。

基于CLUE-S模型的重庆市渝北区土地利用变化动态模拟

以重庆市渝北区为研究区域,运用CLUE-S模型,结合Logistic回归分析,分别以2007年和2009年为基期,对渝北区2013年土地利用情况进行模拟研究,在此基础上构建了渝北区2013~2020年3种不同情景的土地利用变化模式,模拟了3种情景模式下渝北区在2020年的土地利用空间分布格局。结果表明：（1）两期模拟的正确率分别达到了92.26%和94%,Kappa系数值分别为90.32%和92.5%,均取得了较好的模拟效果,说明CLUE-S模型适用于渝北区的土地利用空间格局变化的模拟研究,具有较好的模拟区域土地利用时空变化的能力;（2）地形、国道、省道、高速公路等主要道路、河流、城镇和村庄是影响渝北区土地利用空间格局变化的重要驱动因素;（3）在3种情景模式中,主要的用地格局变化均发生在两江新区,区内建设用地总体呈现向东北部扩张的趋势,表明区域经济社会发展政策对用地类型的变化具有较大的影响;（4）从促进城乡统筹和谐发展、土地节约集约利用、生态环境显著改善和保护耕地的区域发展目标而言,情景模式2为较为合理的发展模式。研究结果可为决策部门在土地可持续利用和土地管理方面提供参考依据。

基于面向对象的石漠化山区植被信息提取及分布特征研究

重庆东北部地区是重庆岩溶石漠化重点治理区,该区地形复杂,山高坡陡,植被退化现象严重。了解该地区的植被分布特征,对该区环境的改善和石漠化治理具有十分重要的现实意义。基于Landsat OLI等数据,运用面向对象分类方法对研究区植被信息进行提取,然后对分类后的数据进行统计、制图和分析,并在空间布局上进行总结和探讨,旨在了解该区域植被的空间分布特征和规律。结果表明:(1)在e Cognition 9.0软件中进行多尺度分割,再结合地物类型特征使用隶属度函数法进行分类,该方法符合山地地物类型的分布规律和特点,分类精度达到81.35%;(2)研究区属典型的中山地区,海拔在500~1 500 m之间的地区约占64.49%,林地和耕地是该区域主要的地物类型,所占总面积为8 872.22 km^2,占研究区总面积的96.50%,各地物类型分布受地形地势的影响较大;(3)综合研究区地形因子(高程和坡度)与植被分布的相关性可知,耕地和草灌主要分布在高程为200~1 500 m且坡度等级在2~4级(5°~35°)之间,该区域人类活动频繁,故受人类活动影响较大,植被覆盖度低,群落生长不稳定,容易受到干扰。针阔混交林主要分布在高程>500 m且坡度等级在2~4级(5°~35°)之间。马尾松林、阔叶林和柏木林主要分布在高程大于500 m且坡度等级在2~5级(5°~45°)之间。

基于Sentinel-1A极化SAR数据与面向对象方法的山区地表覆被分类

地表覆被分类对国土资源调查评估及全球变化具有基础性和关键性意义,但山区由于地形和云雾等的影响,可利用光学遥感影像和其他资源十分稀缺。因此,论文以渝东南山区为研究区,基于Sentinel-1A极化合成孔径雷达(SAR)数据,通过系列预处理,得到后向散射系数值,同时对各类地物的VV/VH极化后向散射系数、纹理、高程和坡度等特征值统计分析,综合这些特征值运用面向对象分类方法对单时相与多时相SAR数据进行地表覆被分类,最后将这两种分类方法与Landsat 8 OLI数据分类作对比。研究表明:1)在同时运用面向对象分类方法的前提下,单时相SAR数据分类和Landsat 8 OLI数据分类精度相当,多时相SAR数据面向对象分类精度最高,总精度为85.65%,Kappa系数为0.829 9;2)与光学数据相比,SAR数据对阔叶林、人工建筑提取有优势,精度提高了10%以上,多时相特征有利于耕地和针阔混交林提取,分类精度比单时相提高了9%左右;3)研究区土地覆被类型以林地为主,占总面积的42.68%,耕地、草灌次之,人工建筑、草地与河流占地面积较少。