Spatial pattern recognition for near-surface high temperature increases in mountain areas using MODIS and SRTM DEM

Abrupt near-surface temperature changes in mountainous areas are a special component of the mountain climate system.Fast and accurate measurements of the locations,intensity,and width of the near-surface changes are necessary but highly difficult due to the complicated environmental conditions and instrumental issues.This paper develops a spatial pattern recognition method to measure the near-surface high temperature increase(NSHTI),one of the lesser-attended changes.First,raster window measurement was proposed to calculate the temperature lapse rate using MODIS land surface temperature and SRTM DEM data.It fully considers the terrain heights of two neighboring cells on opposite or adjacent slopes with a moving window of 3×3 cell size.Second,a threshold selection was performed to identify the NSHTI cells using a threshold of-0.65℃/100 m.Then,the NSHTI strips were parameterized through raster vectorization and spatial analysis.Taking Yunnan,a mountainous province in southwestern China,as the study area,the results indicate that the NSHTI cells concentrate in a strip-like pattern along the mountains and valleys,and the strips are almost parallel to the altitude contours with a slight northward uplift.Also,they are located mostly at a 3/5 height of high mountains or within 400 m from the valley floors,where the controlling topographic index is the altitude of the terrain trend surface but not the absolute elevation and the topographic uplift height and cutting depth.Additionally,the NSHTI intensity varies with the geographic locations and the proportions increase with an exponential trend,and the horizontal width has a mean of about 1000 m and a maximum of over 5000 m.The result demonstrates that the proposed method can effectively recognize NSHTI boundaries over mountains,providing support for the modeling of weather and climate systems and the development of mountain resources.

基于地理栅格变量与机器学习的松材线虫病扩散风险分析

【目的】松材线虫Bursaphelenchus xylophilus病是威胁中国森林生态系统安全最为严重的病害。本研究利用地理栅格模型及地图代数运算来模拟和表达驱动变量,构建松材线虫病测报系统,并以县域与地理栅格单元双尺度形成空间连续化测报。【方法】集成对松材线虫病扩散传播有影响的地形地貌、气象、寄主、人类活动和土地利用等地理栅格空间数据集,基于随机森林和支持向量机的机器学习方法构建模型,将测报得出的扩散风险概率与松科Pinaceae植物易感性叠加进行感染概率地图代数运算,基于地理栅格表达分析松材线虫病在中国范围内扩散的风险等级。【结果】①随机森林模型预测精度为83.95%,支持向量机模型预测精度为77.97%。②海拔、年均最低降水量、年均降水量、年均低温对模型构建的贡献率分别为0.151、0.303、0.258、0.194,是影响松材线虫病发生的主要因素;人类活动变量的贡献率为0.194,是影响扩散的决定性变量。③潜在扩散区位于人类活动密集的低海拔地区、道路通达的林区、城市城镇分布区和人工林分布区。其中,极高风险分布地区主要位于华东地区的浙江、江西、福建,华南地区的广西、广东,华中地区的湖南。【结论】利用空间模拟与机器学习方法构建了松材线虫病空间化测报模型,将松材线虫病的扩散风险测报到地理栅格单元,可为中国林草灾害精准监测提供方法借鉴,对中国松材线虫病的疫情防控攻坚行动具有重要指导意义。图2表7参36。

基于空间矩阵模型及0~1测度的美国白蛾风险格局分析

【目的】分析美国白蛾在中国的扩散风险格局,为其防治和风险管理提供精准的空间位置和技术支持。【方法】收集全国2011年至2016年美国白蛾的乡镇检疫数据,进行寄主、气象要素、地理环境、人为影响变量的空间模拟。将影响有害生物发生发展的因子及风险描述为空间栅格点上的连续变量,利用GIS(地理信息系统)的空间矩阵模型表达变量,并借助SPSS筛选和建立0~1测度的多变量Logistic概率模型,以250 m为最小空间栅格,描述全国任意一个空间地理单元发生扩散的风险概率。【结果】除生物气候变量外,人流物流变量的影响显著,高风险位于东部农区、建设用地及人工植被区域,主要集中在辽宁、北京、天津、上海、河北、山东、河南、安徽、湖北、江苏、陕西等省市,并有扩散到吉林、内蒙、湖南、江西、新疆、宁夏等省区的趋势。【结论】利用矩阵模型及0~1概率化测度描述有害生物发生及扩散风险,对基层开展检疫和防治具明显的指导作用。引入人流物流扩散影响模拟变量,可有效提高测报预警精度。人为活动密集区既是疫区,又是传播通道。山地森林系统的自然植被对传播扩散具有阻隔作用,加强高风险区的近自然林修复和建设,加大重要通道的检疫,对防控具有重要意义。

气候变暖趋势下松墨天牛适生区分布模拟与预测

森林虫害是威胁森林生态健康及造成森林经济损失的重要因素,研究其在气候变化下的分布变化、发展趋势是有重要意义的。以松墨天牛为研究对象,对其在气候变暖趋势下的适生区进行分布模拟与预测。以2006—2015年6—8月月平均温度为预测指标,通过松墨天牛适生概率模型,在1km×1km空间尺度上,模拟与预测了不同增温模式下我国松墨天牛适生区分布。结果表明:1)当前,我国松墨天牛主要分布于山东、河南、安徽、广西、贵州等地区,分布较少的地区是西藏、青海及四川;2)随着温度的增加,松墨天牛的适生分布逐渐北移,其在西藏、青海等原本分布较少地区的适生概率逐渐增加。基于GIS的松墨天牛空间分布预测,为我国在全球气候变暖的背景下预防松材线虫病提供科学依据,为我国病虫害预测预报提供了理论基础。

林分尺度上的森林火险动态评估

以林分为空间单元,动态评估小班尺度潜在森林火灾风险对于火灾预防管理实践具有重要作用。研究以云南临沧市临翔区多年采脂思茅松林分为对象,采集多年未采脂、采脂条件下的林分因子样本,以火源可及性、死可燃物载量、林分易燃性,以及坡度、坡向、地表湿润度为评估变量,构建小班尺度上的森林火险评估模型,分别评估林分在全国火险等级模型下的基础火险值(BHX)、未采脂条件下的静态火险值(SHX)及采脂条件下动态火险值(DHX)。在地理信息系统(GIS)支持下,利用地图模拟表达采脂活动引起林分可燃物载量和易燃性、火源密度等增加下的火险动态变化格局,并分析林分森林火险等级大幅变化原因。研究结果表明:研究区所有林分具有一致的基础森林火险值(BHX),危险性大;林分可燃物条件差异造成的未采脂林分静态火险值差异较大,大部分小班处于高火险等级;林分因采脂经营活动使各小班火险值呈现不同程度的增加,林分火险等级主要集中在极高火险,火险上升比率大于25%的林分面积超过60%;过度、非规范的采脂经营活动是林分火险等级增加的主要原因。林分是森林经营活动的基本单位,火险评估精细化至不同经营水平下的林分小班尺度,研究对基层林火管理及其它经营措施下火险动态评估具有一定的参考及借鉴价值。

滇中云南松林地表可燃物含水率预测模型

云南松针叶富含油脂,防火期含水率低,是滇中地区林火主要地表可燃物。在2020年防火期持续采集滇中地区云南松林地表可燃物含水率数据,使用相关性分析、公因子方差、膨胀系数和多重预测回归模型,探究地形、气象、林分等因子与含水率的关系,利用离差标准化法调整模型系数及完成模型精度评价。结果表明:云南松林地表可燃物含水率影响因子排序为温度>湿度>风速>坡向>郁闭度>坡度>海拔>风向,坡向、林分郁闭度指标方差膨胀系数VIF>10,存在共线性;因此选择温度、湿度、风速、坡度、海拔构建含水率预测回归模型E_(1),k、s、g代表云南松枯枝、松针和小灌枯枝-枯草,Y_(k1)、Y_(s1)、Y_(g1)平均拟合度为74.35%,平均误差率为32.06%,误差率偏高。以强相关(r>0.70)因子温度、湿度、风速为自变量重构含水率预测增强回归模型E_(2),其Y_(k2)、Y_(s2)、Y_(g2)平均拟合度为83.99%,平均误差率为17.09%,其拟合度、误差率均优于E1。在E2基础上选择具有现实意义的弱相关性因子坡向、坡度、海拔、郁闭度为调整因子,并运用离差标准化法转化为系数,构建含水率预测系数校正回归模型E_(3),其Y_(k3)、Y_(s3)、Y_(g3)平均拟合度89.72%,平均误差率为8.48%。E_(3)精度优于E_(1)、E_(2),其Y_(k3)、Y_(s3)、Y_(g3)拟合优度分别提升9.69%、2.11%,4.84%、10.77%,8.41%、4.33%,误差率降低15.65%、6.89%,11.24%、13.69%,18.01%、5.24%。增加校正系数可提高模型预测精度,同时模型因子易获取,便于林火管理者野外快捷、精准、实时预测滇中云南松林地表可燃物含水率,为林火防控提供技术支持。

云南省地形隆起高度与切割深度分析

[目的]绝对海拔难以表达真实的地形隆起、沟谷切割或盆地塌陷程度,定义和量化地形隆起高度与切割深度对于多种山地地貌等地学现象的刻画与研究都具有支持作用。[方法]基于数字高程模型数据并以云南省为研究区,提出一种地形隆起与切割程度的指标构建方法。该方法以地理栅格地图代数为单元,利用小流域分割山地区域并选取每个流域的平均海拔为样本点构建地表平均趋势面,并以该趋势面为起算点。[结果]1)地形隆起高度与切割深度能很好地表达大型地貌的隆起与切割变化,更能表征山体特征,体现大地域间的山体构造差异。2)云南省地形隆起高度与切割深度取值主要集中于-500~500 m;它的空间分布特征与平均海拔变化规律相似,均呈倒“U”型分布。3)云南省的低海拔区地形隆起高度与切割深度为-157~599 m;中海拔区东部地形隆起高度多小于252 m而切割深度的绝对值多小于439 m,西部地形隆起高度为252~<579 m而切割深度为-439~<-157 m;高海拔区地形隆起高度为579~<1 807 m而切割深度为-1 332~<-439 m;极高海拔区地形隆起高度为1 807 m。4)云南省的地形隆起高度与切割深度在纬向上整体呈现出由西向东逐渐下降的趋势,在经向上则从北到南呈下降的趋势。[结论]地形隆起高度与切割深度指标的构建弥补了现有地学指标无法刻画山体向上隆起、沟谷向下切割特征的不足之处,更能反映大倾斜面即大地域间的山体构造状况,并为多种地学研究提供数据支撑。

森林火灾产物影响植物种子萌发响应机制研究

全球极端气候变化显著,高温干旱天气增加,导致森林火灾频发,影响生态环境稳定。林火及火后产物作为外源刺激会促进或抑制植物种子的萌发,不同萌发状态影响火后生境质量恢复。文中梳理森林火灾产物与种子萌发实验研究,阐述林火产物组成及物化作用,分析热激、烟熏和火烧灰刺激下不同科属种子发芽率的变化,探究森林火灾产物对植物种子萌发机制的影响及其作用,总结不同条件下种子萌发的响应状态,以期为制定森林火后生境恢复及树种更新策略提供参考。

多源遥感影像在森林火灾监测中的应用

随着森林火灾造成的危害越来越大,防控的科学性和有效性已引起世界各国的关注,遥感技术在监测和预警方面的突破已成为林火防控的发展方向。针对当前林火监测的遥感影像众多、火点识别方法多样等问题,文中分析和总结了各种遥感数据的优势与不足,以及监测和预警技术的发展趋势,特别是对多源信息融合及人工智能的自动化火灾监测预警进行了展望,以期对遥感林火监测理论研究、应用研发和生产实践应用提供参考。