基于GEE的三峡蓄水对重庆地表水和植被影响研究

研究三峡工程对周边生态环境的影响对维护生态安全具有重要意义。目前,相关研究已经揭示了三峡大坝的建设与蓄水在气象、植被、土地利用以及灾害发生等方面的影响,而地表水作为地球水资源的重要组成部分,受三峡工程的影响程度还不清楚,尤其是在长江上游。本研究利用多源数据在GEE(Google Earth Engine)平台上分析了重庆地区1990—2019年间常年地表水、植被以及气象要素在三峡蓄水前期(1990—2002年)、中期(2003—2012年)和后期(2013—2019年)3个阶段的时空变化情况。结果表明:①地表水和植被在1990—2019年都表现出增长的趋势,且其不同的增长模式都表现出对三峡蓄水明显的响应,而温度和降雨表现出持续的波动,对蓄水过程无明显响应;②常年地表水面积在蓄水过程中以18.32 km^(2)/a的速度增加,而在蓄水前后变化不大,新增的常年地表水主要分布在长江及其支流沿岸,且集中在长江重庆段的中部,少数的地表水面积增加出现在湖泊和水库,如长寿湖在蓄水期间增加了超过其面积20%的水域;③归一化植被指数在3个阶段表现为台阶式增长(共增长18.55%),这一变化为地表水资源增加和生态修复工程的共同作用。本研究表明三峡蓄水对重庆地区水资源的时空动态有着较为显著的影响,同时发现了水利工程改变地表覆盖及水资源分布的有效证据,这为重庆地区乃至整个长江流域的水资源管理提供了科学依据。

像元二分模型在MODIS水陆混合像元分解中的适用性研究

遥感数据是地表水监测的重要数据源,用较低空间分辨率的遥感影像探测地表水范围时,混合像元问题常使水陆边界的提取不够准确。有必要对水陆混合像元进行分解,估算混合像元中水体所占百分比,从而为亚像元级别的水域边界制图奠定基础。借助像元二分模型的概念对水陆混合像元进行分解,验证该类模型的适用性。首先,以中分辨率成像光谱仪影像为数据源,分别基于归一化水体指数(normalized difference water index, NDWI)和改进的归一化水体指数(modified normalized difference water index, MNDWI)建立像元二分模型,对云南省高原湖泊进行水域提取及边界混合像元分解;然后,用同期更高空间分辨率的Landsat数据对提取结果进行验证。结果表明,像元二分模型在对水陆混合像元的分解中具有较好的适用性,其中,基于NDWI的像元二分模型精度略高于基于MNDWI的模型。

基于Google Earth Engine的三峡库区土地利用与陆表参数变化研究

土地利用/覆盖变化(Land Use and Land Cover Change,LUCC)对全球有着重要影响,其已对植被覆盖、地表温度(Land Surface Temperature,LST)、反照率以及其它陆表参数产生显著影响。三峡工程自建设以来,库区的土地利用变化逐渐受到外界关注。利用欧空局300 m的土地覆盖分类数据分析三峡库区2000~2015年的土地利用变化;依托先进的Google Earth Engine(GEE)平台,获取MODIS(Moderate Resolution Imaging Spectroradiometer,MODIS)NDVI(Normalized Difference Vegetation Index,NDVI)、LST和反照率数据,并分析三者的时空变化趋势;此外,探究季节性归一化植被指数(Seasonally Integrated Normalized Difference Vegetation Index,SINDVI)与LST和反照率的关系;并分析土地利用变化对SINDVI、LST和反照率的影响。结果表明:2000~2015年,三峡库区土地利用变化显著,耕地、草地、灌木地分别减少2.4%,0.05%和0.62%;林地、水域和人造地表分别增加1.98%,0.04%和1.06%。研究期间SINDVI增加2.89,LST下降0.224℃,反照率减少0.002。总体来看,三峡库区SINDVI的空间分布格局与LST和反照率的相反,且库区大部分区域SINDVI与LST和反照率呈负相关。另外,不同土地类型对SINDVI、LST和反照率影响不同。该文系统地研究了LUCC与上述关键陆表参数的定量关系,可为更好地管理该地区自然环境和土地资源提供科学的依据。

耕地复种指数遥感监测研究进展

复种指数是进行粮食估产、耕地集约利用评价、农业生态系统模拟等的关键参数,及时、准确地提取复种指数对于粮食安全、土地管理和生态环境安全具有重要意义。在传统的研究中,复种指数主要来源于地面统计数据。使用统计数据来计算复种指数虽然过程简单,但是计算结果存在信息滞后、无法体现统计单元内部的空间异质性、精度低等不足。遥感技术因具有大范围、高时效、低成本等优点而被用于耕地复种指数监测,已有学者对耕地复种指数的遥感监测开展了大量工作。本文以复种指数遥感提取的关键环节为主线,对1997—2020年国内外相关研究进行综述:首先,梳理了已有研究中的监测方法、高质量时间序列遥感数据获取方法及提取结果精度验证方法,并对不同方法的优缺点进行了总结;其次,对已有研究中存在的不足进行了探讨,并提出未来研究的侧重点:①开展已有监测方法的对比和分析;②加强地形复杂地区、小农尺度的监测力度;③提高遥感数据时空分辨率及处理效率;④对提取结果进行多尺度验证。

西南地区2001~2019年森林损失特征遥感监测与时空分析

森林在生态系统服务中起着重要作用,例如提供清洁空气、保护生物栖息地以及减少全球温室气体的排放等。全球森林变化数据集(Global Forest Change,GFC)每年以30 m的高空间分辨率绘制森林覆盖变化图,成为监测森林覆盖时空变化特征的有效工具。利用谷歌地球引擎(Google Earth Engine,GEE),基于GFC产品,结合线性回归方法和空间自相关理论对西南地区2001~2019年森林变化情况进行研究,结果表明:近19 a来,西南地区森林损失面积为375.27万hm^(2),以2008年为拐点,2008年之前呈显著增加趋势(p<0.05),在此之后波动下降,损失主要集中分布在广西、贵州东南和云南南部地区;森林损失与地形分析的关系表明损失主要分布在海拔2000 m以下、坡度小于40°的区域,并逐渐向海拔更低坡度更缓的地方转移;森林损失面积具有一定的空间关联性,2001~2019年来Moran’s I指数均为正,平均值为0.406,空间高值聚集在广西和贵州南部,低值聚集在重庆、四川和云南北部;政策因素在土地利用方式转变过程中发挥着重要作用,林业活动和农业扩张是影响损失现象发生的主要驱动因素,今后制定森林保护和管理战略时应充分考虑多方面因素造成的森林损失现象,研究结果可以为森林监测和保护提供更科学的指导。