不同时空尺度旱灾风险评价数字平台的建设

首先以降水量为主要致灾因子,结合我国的干旱分区和主要农业类型,构建了干旱区-旱地农业、半干旱区-农牧交错雨养农业、半湿润区-黄淮海平原灌溉农业、湿润区-湖南水田农业的匹配关系。在此基础上,借助于地理信息系统、数据库管理技术和网络技术等,拟搭建全球-国家-区域不同尺度的旱灾基础数据平台。基于灾害系统理论和风险评价理论,针对三个典型区,构建了横向以灾害系统的组成:致灾因子-孕灾环境-承灾体-灾情,纵向以不同的评价单元:县域-乡镇-农户-地块等多级尺度多种类型的农业旱灾风险评价指标体系。

基于历史灾情的贵州雪灾脆弱性分析

选取受灾人口、农作物受灾面积两个指标作为雪灾脆弱性分析的因素,在灾情数据标准化处理的基础上,采用参数估计方法确定灾情总体所服从的概率分布形式,结果表明,在显著性水平时,受灾人口、农作物受灾面积均服从Weibull分布,且参数最优;从概率密度函数、累积分布函数统计特征来看,约80%的雪灾事件造成的受灾人口占年末总人口的比例在50%以下,约50%的雪灾事件的造成农作物受灾面积占播种面积比例在10%以下;从脆弱性曲线函数关系来看,过程降水量(雪)大于40cm时,受灾人口趋于稳定;过程降水量(雪)大于30cm时,农作物损失趋于稳定,且农作物受灾面积占播种面积比例一般不超过50%。

中国西南地区石漠化对玉米旱灾风险的影响

为做好喀斯特地区农业旱灾风险防范,揭示石漠化程度对作物旱灾风险的影响机制。该文基于灾害系统理论,引入基于物理过程的农作物模型EPIC(erosion productivity impact calculator),考虑西南喀斯特地貌背景,以水分胁迫累加值作为致灾因子,与玉米产量损失进行脆弱性曲线模拟,基于此开展不同石漠化程度区玉米旱灾产量的致灾和成灾损失风险评估。结果显示,中国西南喀斯特地区玉米受旱减产的风险呈现从西北到东南增加的趋势。在4种风险水平(2、5、10、20年一遇)下,面积占比最大的产量损失率主要集中分布在0.4~0.5区间内,这主要由地形地势、降水差异和承灾体的脆弱性所共同决定的;受石漠化影响,土层厚度为40 cm时,4种风险水平对应的减产率分别为5.8%、6.1%、7.8%、8.2%;该研究可以为中国第三大玉米主产区-西南山地玉米区的农业灾害预警和保障国家粮食安全提供重要的科学依据和技术支持。

自然灾害风险制图研究进展与展望

自然灾害风险地图是区域灾害风险管理的基础。对国内外自然灾害风险制图的研究进展进行了综述:单灾种风险制图发展相对成熟,综合灾害风险制图有待发展;我国灾害风险制图尚处于起步阶段,但在危险性制图方面已取得一定成果。结合灾害风险与相关学科的发展,指出规范标准化、过程智能化、对象虚拟化、功能多样化、主客同一化、技术集成化是自然灾害风险地图的发展趋势。

东洞庭湖湿地生态系统健康评价

旨在确定湿地生态负荷及环境容量,为制定环境区域规划及环境法规等提供科学依据。以国家级自然保护区湖南省东洞庭湖湿地为研究区,利用Mamdani FIS模型,构建了包含水体pH值,水体悬浮物浓度、土壤pH值、土壤含水量、植被类型数量、入侵物种数量、湿地面积变化率、人口密度、产业结构等9个影响因子的指标体系,进行了湿地生态系统健康评价。结果显示:东洞庭湖湿地生态系统健康评价得分为1.37分,健康状态介于亚健康和不健康之间。Mamdani FIS模型的非线性分析能力和基于专家意见的推理规则,提高了评价结果的客观性,对湖泊湿地生态环境保护政策的合理制定具有重要参考价值。

广西壮族自治区短轮伐期人工林时空分布信息提取

短轮伐期人工林SRPs(Short-Rotation Plantations)作为主要的经济型林类,对于生态环境保护以及社会经济发展都有着重要的影响,但精细的SRPs时空分布信息十分缺乏。本研究以中国SRPs种植最为广泛的广西壮族自治区(以下简称广西)为研究区域,基于Google Earth Engine云平台以及1986年—2019年的Landsat影像数据,应用LandTrendr时间序列分割算法对SRPs的时空分布信息进行了提取。结果分析表明:(1)广西SRPs种植面积近30年呈逐年稳定快速增加的态势,1990年种植面积仅1.93×10^(5)ha,到2019年达到了4.04×10^(6)ha,年均增长速度达到1.33×10^(5)ha;(2)从空间分布来看,广西东部、南部SRPs分布较为集中,其主要分布在海拔500 m以下的低海拔地区以及地表坡度在20°左右的坡地,且河池市是广西SRPs种植分布面积最大的地级市;(3)SRPs种植面积变化趋势与林业产值存在很强的相关性(r=0.83,p<0.001),表明SRPs是影响林业经济的重要因素。本文提出的基于长时序的SRPs时空变化信息的提取方法,可以为林业管理提供决策支持,并为森林碳循环的研究提供基础数据。

基于随机森林算法的冬小麦提取研究

全球气候变化对粮食安全和农业可持续发展造成威胁,冬小麦作为全球重要粮食作物之一,其快速和准确的信息提取对保障区域粮食稳定具有重要意义。采用在农作物识别和提取领域具有明显优势的随机森林算法,结合典型冬小麦种植区光谱特征、纹理特征和主成分特征实现了30m空间分辨率遥感影像下的冬小麦地块的特征选择和快速提取,并分析了不同特征空间组合方式下的提取效果。研究表明:在"光谱特征"、"光谱特征+纹理特征"、"光谱特征+纹理特征+主成分特征"3种特征空间组合下,第3种组合方式下的冬小麦提取效果最佳,总体精度可达到84.85%,分别高于前两种方式8.08%和6.88%。因此,利用随机森林算法结合多源特征信息,可以有效实现特定农作物如冬小麦的快速提取,并为区域作物进一步应用研究提供有效数据支撑。