基于多种植被指数TVDI京津冀地区干旱监测

以京津冀为研究区,基于MODIS数据产品获取NDVI、EVI、MSAVI及LST,利用DEM对LST进行修正,建立不同植被指数的Ⅵ-Ts特征空间,选取干湿边拟合效果好的植被指数建立TVDI,获取研究区2018年植被生长季(4—10月)干旱情况,利用同步气象站点降水数据进行相关性分析,使用同期气象公报进行结果验证。结果表明:1)利用MSAVI构建的特征空间总体拟合效果优于其他两种植被;TVDIM与同期气象站点降水数据呈显著负相关,均通过P<0.05显著检验。2)空间上,旱情主要发生在张家口和东南平原地区;时间上,旱情表现为先加剧后缓解。综上,TVDIM模型可靠性及精度较高,可用于京津冀地区干旱监测预警。

基于MODIS数据的漳滏河灌区作物种植结构提取

农作物的种植类型和布局是农业生产活动中最重要的基础数据,快速、准确地获取农业生产所需要的信息,对于农作物监测和管理具有重要意义。目前农作物种植结构提取方法多样,不同提取方法各有其优劣,因而选择一种合适的提取方法显得极为重要。以河北省邯郸市漳滏河灌区为研究区,基于2018年MODIS数据,采用决策树和广义DEM这2种分类方法对研究区作物冬小麦、夏玉米、辣椒、大棚蔬菜进行提取,其中决策树利用MODIS多个指数时序数据构建分类模型进行提取,而广义DEM采用MODIS数据作物典型时期的EVI指数影像基于“广义DEM思想”进行提取,最后通过对比二者分类结果在作物空间分布和精度验证2个方面的差异,并对其进行评价。结果表明,从空间分布来看,2种分类方法对大宗作物冬小麦—夏玉米提取具有良好的效果,其提取结果二者基本吻合,对辣椒和大棚蔬菜的提取存在一定差异,但其提取结果都集中在主要的种植区域内;从分类精度看,广义DEM分类精度略高于决策树,前者总体精度为85.33%,后者为83.37%。广义DEM作为一种新的提取方法,其相对决策树而言具有自动化程度较高、所需数据量较小、人工干预较少的优点,且还可以实现对作物的提取。

河北省2000-2017年荒漠化的时空演变及其气候驱动因子

[目的]对河北省荒漠化进行遥感监测及驱动因子分析,为该区荒漠化防治提供可靠的理论依据和数据支持。[方法]基于2000-2017年MODIS13A3的NDVI数据和气象数据,以荒漠化指数为评价指标,采用趋势分析、未来趋势变化分析、气候因子驱动分析的方法,分析了河北省荒漠化的时空演变及其驱动因素。[结果]①2000-2017年河北省荒漠化呈减少趋势,减少速率为0.009/18 a,其中极显著减少(p<0.01)比重为11.13%,显著减少(p<0.05)比重为8.86%;②河北省未来荒漠化呈持续性和反持续性的比重分别为41.29%和58.71%,其中弱持续性与弱反持续性所占比例分别为37.43%,51.35%;在现有基础上,未来趋势变化以基本不变为主,持续性特征与反持续性特征所占比例分别为14.89%,19.6%;③研究区荒漠化指数与生长季气温、降水的偏相关系数较小,相关性不显著。[结论]河北省2000-2017年荒漠化整体呈改善趋势,但具有明显的空间异质性,荒漠化区域主要集中在坝上高原地区,Hurst指数表明未来荒漠化在局部地区可能呈逆转态势;就气候因子而言,气温的升高和降雨的减少对研究区内荒漠化起到推进作用。

基于地理探测器的太行山NDVI时空变化及其驱动力分析

基于1982~2015年GIMMS NDVI数据,探究了太行山34 a来的植被覆盖状况,分析了NDVI的空间分布特征及其趋势变化;同时,基于地理探测器模型,结合自然因素和人为因素,探讨了各因子对太行山NDVI空间分布影响力的大小。结果表明:(1)太行山区的NDVI呈现波动上升的趋势,植被覆盖状况总体以改善为主;(2)各因子对NDVI分布影响程度的排序为:气温>坡向>土壤类型>降水量>地貌>植被类型>DEM>坡度>人口>GDP,其中气温、坡向、土壤类型、降水的影响力均大于10%,而GDP和人口均小于1%;(3)任意2个影响因素的交互作用都为增强,其中气温和坡向结合对研究区NDVI空间分布的影响力最大(q=0.3281)。人为因素在与自然因素相互作用之后,影响力有了很大幅度的提升。

“最严格水资源管理制度”对京津冀地区农业干旱的影响

京津冀地区多年来一直是水资源匮乏的区域,近年来随着“最严格水资源管理制度”的落实,当地的农业生产和社会经济的发展受到了严重制约。因此,系统研究京津冀地区的干旱情况,精确预测和评估旱情发生的规律和危害,可为区域水资源调控和相关部门决策提供科学依据,并对未来农业用水提供合理的解决方案。基于2000-2016年5-10月份MODIS NDVI和LST月数据,利用TVDI模型对京津冀地区进行干旱监测,探讨其干旱的时空分布,在此基础上,结合MCD12Q1 Land cover type2土地覆盖数据的马里兰分类方案,将土地覆盖分类修改合并为两大类:农用地和非农用地,作为提取农用地TVDI的底图,并进一步分析农用地受灾的情况。结果表明:2013年之后,“最严格水资源管理制度”的提出对京津冀农用地影响非常大,在很大程度上导致农用地干旱面积增加。

“最严格水资源管理制度”下的冀南地区农业种植结构调整对策

河北省作为农业大省,积极响应国务院提出"最严格水资源管理制度",并全面落实"三条红线"的考核依据。冀南地区是河北省农作物的主要种植地区,以冀南地区为研究对象,结合河北省水资源现状,基于改进型TVDI模型对京津冀地区的干旱情况进行时空分析,结果表明,在降水量年际变化不明显的情况,京津冀农用地严重干旱的区域在2013年陡增。基于上述结论,本文重点探讨了"最严格水资源管理制度"下冀南地区农业种植结构的调整对策,为未来农业可持续发展及灌溉和节水的种植体系研究提供辅助支持。

京津冀气溶胶光学厚度时空演变及气象解释

针对京津冀地区日益严重的大气污染问题,采用逐像元法对2001—2019年MCD19A2与MOD04气溶胶数据进行融合,并基于AERONET地面站点数据对其在京津冀地区的适用性进行验证后,采用EOF、ISODATA以及回归分析等方法,分析了京津冀地区气溶胶光学厚度(aerosol optical depth,AOD)时间序列的时空演变过程,同时采用地理探测器对其演变过程进行气象解释,对京津冀地区大气污染的防治工作具有重要意义。具体结论如下:从年际演变来看,AOD在2001—2013年绕平均值上下波动,2013—2019年迅速下降。空间分布模式以全局一致型为主,南北分异型为辅,且空间分布与高程呈明显的负相关性。从季节演变来看,夏季AOD较其他季节高,春季和夏季的变化幅度较大。研究期内AOD整体呈减少不显著趋势,其中春季和夏季主要趋势是减少不显著,而秋季和冬季减少不显著和增加不显著比例大致相等。在选取的5个气象因子中,气温对AOD变化的解释力最强。多个气象因子之间会相互影响,对AOD变化具有更强的影响力。气温和湿度对AOD的解释力最强,是主导交互因子。