博斯腾湖流域草地植被覆盖度时空格局变化及影响因素

草地植被是博斯腾湖流域生态系统的主体,在水生态修复和环境保护中扮演着重要角色,研究草地植被变化规律有助于生态环境保护和草地资源的可持续利用。本研究以博斯腾湖流域草地植被为研究对象,基于Landsat系列卫星1985-2020年8个不同时期的遥感影像数据、数字高程模型和气象数据,采用像元二分模型、一元线性回归趋势分析法和偏相关性分析法对植被覆盖度(FVC)时空格局变化及影响因素进行分析。结果表明:1)博斯腾湖流域草地FVC呈山区高盆地低的地带性分布规律,多年均值约为0.50,整体呈增加的变化趋势,在盆地FVC增加趋势更明显。2)各时期FVC值较高的草地主要分布在海拔2000~3500 m的区域,随着坡度的增加草地植被覆盖面积逐渐减少,在半阳坡和半阴坡FVC大于0.3的草地具有优势分布。3)1985-2020年博斯腾湖流域年平均气温和降水量均有上升趋势,两者与FVC均呈现不显著正相关关系,其中FVC与年平均气温正相关的区域面积占64.72%,主要分布在西部高海拔区域,在东部的焉耆盆地和黄水沟FVC与降水量呈正相关关系,面积在空间上相对集中,占68.70%。该研究可为博斯腾湖流域草地生态环境保护提供参考。

基于Sentinel-2时序数据的新疆焉耆盆地农作物遥感识别与评估

为及时准确地获取干旱区农作物种植信息,研究借助PIE-Engine Studio平台,以新疆焉耆盆地为研究区,基于2022年Sentinel-2影像和1948个野外定位采样数据提取农作物生育期内14种植被指数,使用See5.0决策树、随机森林(Randomforest,RF)和多元回归(Multiple regression,MR)模型优选特征参数,结合支持向量机(Support vector machine,SVM)算法构建5种分类模型和5种样方分割方案进行农作物种植信息提取,通过目视解译和混淆矩阵对比分析分类结果,确定最佳分类方案。结果表明:(1)所有分类模型的总体精度(OA)和Kappa系数均在92.20%和0.9037以上,说明在PIE平台中使用SVM算法提取农作物信息是可行的。(2)SVM-有红边的OA和Kappa系数均值为93.77%和0.9236,比SVM-无红边方法提高了0.96%和0.0120。(3)相比于SVM-有红边方法,植被指数的引入提高了SVM-RF、SVM-MR和SVM-See5.0的OA和Kappa系数。(4)5种分类模型的OA和Kappa系数均值的大小关系为:SVM-RF>SVM-MR>SVM-See5.0>SVM-有红边>SVM-无红边,表明红边波段和植被指数的加入显著提高了农作物识别的精度,其中SVM-RF(8:2)为最佳分类模型,OA和Kappa系数分别为98.72%和0.9866。研究结果可为准确快速获取大尺度干旱区农作物信息提供新的思路和参考依据。

基于不同机器学习的农作物遥感分类与精度评价研究——以新疆维吾尔自治区阜康市为例

为及时准确地获取干旱区农作物种植信息,确保干旱区粮食安全和保障农业可持续发展,文章以多时相Sentinel-2影像和野外采样为主要数据源,依据新疆阜康市农作物物候特征,提取不同时期的农作物植被指数,并按时间顺序进行统计,建立植被指数时序变化曲线,并对其特征进行分析。使用See5.0决策树算法、分类与回归树(CART)算法和随机森林(RF)算法开展农作物遥感分类研究,用传统精度评价指标和破碎度指标对分类结果进行比较、分析和验证。结果表明:See5.0算法的总体精度为93.15%,高于RF算法(84.35%)和CART算法(78.26%),Kappa系数的关系为See5.0(0.8856)>RF(0.8020)>CART(0.7441),See5.0算法的总体精度和Kappa系数均最高,表明See5.0算法的分类结果与实际作物类型及分布状况具有较好的一致性;See5.0算法对阜康市农作物的制图精度均超过85%,制图结果清晰,地块内均匀一致,没有明显的“椒盐”噪声;See5.0算法相较于RF(10.25%)和CART(17.40%)算法,分类后的农作物样方破碎度最低,为5.54%,分类效果最好。综上,See5.0机器学习算法可以实现高精度遥感农作物制图,更适合在绿洲区进行农作物高精度遥感分类与动态监测研究。

天山新疆段及南北麓草地植被覆盖度时空变化特征研究

天山草地分布面积广阔,不仅是新疆畜牧业发展的主要支撑,也在维护生态安全方面具有重要贡献。为了解天山新疆段草地植被覆盖度的动态特征与变化趋势,以2001-2020年MODIS NDVI产品为主要数据源,采用像元二分模型估算植被覆盖度,运用转移矩阵和趋势分析法研究其变化特征,并利用地理探测器模型分析驱动因素。结果表明,研究区草地多年平均植被覆盖度在0.34~0.42波动,主要以中低、中植被覆盖度为主,各等级植被覆盖度大致呈西部高覆盖东部低覆盖的分布特征;从变化趋势来看,研究区草地植被覆盖度总体上有上升趋势,盆地周围覆盖度增加、中部山区其变化基本稳定,增加和基本稳定的区域面积占总面积的10.41%和89.16%;从地理探测器运行结果来看,单因子作用解释最大的是降水量,q为18%,当降水量与海拔交互作用时对研究区草地植被覆盖度的影响更为明显。研究结果可为天山草地生态安全保护与质量评估提供参考依据。

基于遥感监测的天山新疆段草地退化时空特征及其与气候因子的关系

以植被覆盖度作为草地退化的遥感监测指标,基于2001-2020年天山新疆段MODIS NDVI和气象遥感资料,采用像元二分模型、草地退化指数、冷/热点分析、变异系数和相关性分析等方法,分析草地退化时空特征及其与气候因子的关系,结果表明:1)2001-2020年平均草地退化面积占总面积的34.04%,草地退化指数为1.67,处于轻度退化水平。2)空间上,轻度退化草地空间分异特征明显,主要集中分布在天山西部和中段山区,中度退化和重度退化草地面积较小且不集中,95%以上的区域草地植被覆盖度变异系数小于0.2,总体上覆盖度的年际波动小,变化相对稳定。3)2001-2020年草地植被覆盖度受气候因子驱动的区域占总面积的44.23%,主要分布在天山西部和东部,受非气候因子驱动的区域占总面积的55.77%,在山区和南北两侧地势较平缓的区域均有分布,说明非气候因子在天山新疆段草地的变化中起到主导作用。该研究结论可为当地草地资源保护与利用提供科学依据。

基于Sentinel-2影像的博斯腾湖芦苇沼泽湿地信息提取与动态监测研究

湿地遥感监测能够为正确掌握湿地资源变化趋势提供技术支撑。本文以博斯腾湖芦苇沼泽湿地作为研究区,基于2017-2022年Sentinel-2遥感影像和野外实测样点数据,利用最大似然法提取湿地分布信息,通过景观指数计算获取湿地植被景观格局,采用像元二分法提取植被覆盖度,并分析其时空分布特征。结果表明:(1)最大似然法分类总体精度均高于80%,分类效果较好,这表明利用该方法提取研究区湿地信息具有一定的可靠性。(2)2017-2022年间研究区湿地平均面积约为1.6×10^(5)hm^(2),其中植被面积约占31.22%,水域面积占68.78%,在博斯腾湖西北部沼泽区域植被面积扩增趋势比较明显,其面积共增加2.4×10^(3)hm^(2),水域面积总体上呈下降趋势。(3)研究时段内湿地植被景观破碎化程度较小,植被生态系统较稳定,但从覆盖度的时空特征来看,研究区东部植被覆盖度有较明显的年际波动现象。本研究可为博斯腾湖湿地资源管理与可持续利用提供数据参考。

新疆焉耆盆地主要作物需水量特征及影响因素分析

【目的】探究新疆焉耆盆地主要作物需水量特征及影响因素,为干旱区农业水资源利用和作物种植结构优化提供参考。【方法】基于2000~2020年焉耆盆地3个气象站点的逐日气象观测资料,采用Penman-Monteith公式和作物系数法,计算焉耆盆地主要作物生育期内需水量、有效降水量和灌溉需水量,并用Mann-Kendall检验、线性分析法和通径分析法对以上数据的分布特征、变化趋势及影响因素进行定量研究。【结果】①近21年参考作物蒸散量呈逐年增加趋势,变化率为6.90 mm a^(−1),分布范围为960.20~1264.50 mm,年均值为1154.70 mm。②全生育期主要作物需水量为374.94~713.37 mm,不同生育阶段作物需水量、有效降水量和灌溉需水量的峰值均出现在生育中期,分别为247.32~497.92 mm、7.14~21.94 mm和240.18~475.99 mm,高于生育初期、快速发育期和成熟期。③主要作物需水量和灌溉需水量呈增加趋势,平均变化率分别为3.86 mm a^(−1)和4.09 mm a^(−1);有效降水量呈减少趋势,平均变化率为−0.23 mm a^(−1)。④影响主要作物需水量的主要因素有平均风速、平均气温、最高气温和日照时间,影响主要作物灌溉需水量的主要因素有平均风速、日照时间、最高气温和降水量。【结论】主要作物各生育阶段的有效降水量分配不均衡,在生育中期有效降水量达到峰值情况下,仍需通过农业灌溉来满足作物生长对水分的需求。制定完善的灌溉制度,才能提高农业水资源利用效率,保障干旱区粮食产量和农业可持续发展。