近20年来肥城市林地时空变化及其驱动因子

[目的]提取肥城市不同时期的林地信息,分析林地时空变化特征,挖掘林地面积变化的驱动因子,为区域林地资源监测、管理和可持续发展提供参考。[方法]以肥城市为研究区,基于2000-2020年21期Landsat遥感数据,首先对Landsat遥感数据进行辐射定标、大气校正等预处理,采用决策树分类法对遥感数据进行土地类型解译,提取林地相关信息;然后揭示近20年来林地时空变化特征;最后构建新的环境压力模型(IPAT),分析林地面积变化的驱动因子。[结果]基于决策树规则提取的肥城市林地信息用户精度达94.7%,具有较高的解译精度。解译结果表明,近20年来林地面积在波动性中呈增长趋势,净增加17463.54 hm^(2);增加的林地主要分布在肥城市中部和北部矿区,减少的林地则集中分布于中部林地的边缘部分,最终呈现中部和北部集中分布、其他地区零星分布的空间特征。改进的环境压力模型(IPAT)表明,林地禀赋价值是肥城市林地面积变化的主要驱动因子(贡献率超80.3%),富裕程度是次要驱动因素,二者贡献比例超过改进IPAT模型4个因子总贡献率的92%;林业产值对国内生产总值的贡献率和人口数量对林地面积变化的影响相对较小。[结论]基于决策树分类法对遥感数据解译能够准确提取肥城市林地信息并监测林地动态变化,林地禀赋价值对林地面积变化有显著影响。

基于Landsat数据的铁山港区红树林变迁及其驱动力分析研究

红树林湿地是广西北部湾沿海地区重要的生态环境系统，具有御风消浪、促淤固滩、调节气候、保护生物多样性等重要作用。以LandsatMSS／TM／ETM＋多时相遥感图像为数据源，将归一化植被指数（NDVI）作为特征波段融入红树林遥感图像的合成，运用最大似然法提取了1977～2010年8个时相的红树林信息；并在此基础上分析了30多年间7个时期的红树林变迁动态特征及主要驱动因子。结果表明，在1977～2010年期间，红树林面积呈先增加后减少再增加，总体呈波动增长的趋势；引起这种波动变化的主要原因是围海造田、围海养殖和城市建设与发展以及建立红树林自然保护区。

基于卫星数据提取南宁城市扩张信息及驱动力研究分析

利用Landsat-TM陆地卫星数据进行南宁城市扩展及其土地利用动态变化的研究(1990年9月16日TM图像和2000年12月24日ETM+图像)。通过统计及相关分析选取合适波段;取南宁市2时相TM和ETM+的NDVI差值,采用TM和ETM+遥感图像对研究区进行土地分类,研究南宁市土地利用变化状况,分析各类土地利用面积动态变化矩阵。结果表明:10a间南宁城镇范围向其周围呈辐射状迅速扩大,且向各方向扩展的程度基本接近;最大的地物转换类型是旱地转化为城市交通用地,为27.62%,其次为城镇用地及交通用地的转换;并讨论了城市化与降水之间的可能关系城市扩展,道路面积增加可能导致城市降水减少。分析了城市扩展的驱动力,包括了人口增长,经济迅速发展,发展旅游以及交通建设等都是主要因素。

基于景观指数的吉林省西部土地类型变化及驱动因子分析

以吉林省西部地区1984年和2014年2期Landsat遥感影像数据为基础,利用景观格局指数定量分析土地景观格局动态变化,结果表明:相对于1984年,2014年景观格局指数以耕地、盐碱地和草地三种景观类型为优势景观,三者面积占研究区总面积85%以上,其中耕地的各项斑块类型指数均有显著上升,在景观格局中的作用逐渐增大;其他景观类型呈无规则、补丁状或岛状分布。景观密度指数与形状指数上升,说明景观破碎化程度加剧,斑块形状愈加复杂;均匀度指数增加,说明景观向多元化方向发展;蔓延度指数增加,说明景观连通度增大;景观多样性降低,说明异质性减弱。盐碱地、沙地荒漠化土地面积为209.77万hm2,占研究区总面积(509.22万hm2)42.64%,生态环境脆弱。人类不合理开荒放牧是土地荒漠化形成的重要驱动因子。

阿拉尔垦区近30年耕地变化及其驱动因子分析

耕地动态变化趋势及其驱动因子的明确,是确保国家粮食安全、水土资源合理开发利用和土地利用结构调整的重要依据。以南疆阿拉尔垦区为例,基于1990—2019年间7个重要时期的Landsat卫星遥感影像、人口、国内生产总值(gross domestic product,GDP)等数据,将波谱角(spectral angle mapper,SAM)、神经网络(artificial neural net,ANN)、最小距离(minimum distance classification,MDC)、最大似然(maximum likelihood classification,MLC)和支持向量机(support vector machine,SVM)5种分类方法经全连接条件随机场(fully connected conditional random field,FC—CRF)处理后进行对比,从中筛选出最佳算法来解译遥感影像,利用解译结果分析耕地面积变化、类型转化和空间动态变化特征,并探讨耕地面积变化的主要驱动因子、作用路径和强度。结果表明,在5种分类算法中,SVM—CRF算法的分类精度最高,总体精度为0.95,Kappa系数为0.94,其他4类算法的总体精度为0.65~0.89,Kappa系数为0.58~0.86。研究区1990—2019年间耕地面积呈持续增长趋势,耕地面积净增长量为729.97 km^(2)(312.21%),耕地转入和转出分别呈现出向外扩张和向内收缩趋势。总人口、GDP、全社会固定资产投资、农业生产总值和棉花价格是耕地面积变化的5个主要驱动因子,其中GDP对耕地面积变化的直接影响最大,棉花价格的直接影响最小,除GDP对耕地面积表现为负向作用外,其他4个因子对耕地面积变化均表现为正向作用。

基于Logistic回归模型的浙江省林火发生驱动因子分析

【目的】对浙江省2000-2016年林火发生的主要影响因素进行分析,确定驱动因子,建立林火预测模型并划分火险等级,为我国东南林区林火预防与管理提供科学支撑。【方法】以卫星火点数据为基础,运用Arcgis 10.2等软件,对气候因素(气温日较差、月平均气温、月平均降水量、月平均相对湿度、上年月平均降水量、上年月平均相对湿度、日累积降水量、日相对湿度、日平均风速)、地形因素(海拔、坡度)、植被数据(植被覆盖度)、社会基础设施因素(人口密度、人均GDP、距居民点距离、距铁路距离、距公路距离)进行空间信息提取,并与随机点结合后通过Logistic回归模型分析浙江省林火发生的驱动因子;使用“标准化系数”方法检验各林火驱动因子对林火发生的相对重要性;利用ROC曲线方法对模型预测能力进行拟合检验,并计算划分林火发生概率的最佳阈值。【结果】气温日较差、日相对湿度、月平均相对湿度、上年月平均降水量、日累积降水量、植被覆盖度、上年月平均相对湿度、月平均降水量、距居民点距离、距公路距离、距铁路距离等11个因素与林火发生存在显著相关;模型总体预测准确率达到79.1%;计算出浙江省划分林火发生概率的最佳阈值为0.458。【结论】浙江省高火险区主要位于东部和南部地区,东部地区的林火管理重点应放在人为活动的管理与防火宣传教育上,而南部地区应当在林火高发区增设瞭望塔和视频监测设备。

昆明市林火驱动因子及火险区划研究

【目的】对昆明市2000—2015年的火点数据进行分析,确定主要林火驱动因子,建立昆明市林火预报模型并进行火险区划,为昆明市林火预防提供参考。【方法】基于林火数据,选取气象、地形、植被、人为等17个林火驱动因子构建Logistic回归林火概率模型,并划分5个中间模型选取全样本的显著变量因子,用受试者工作特征曲线(ROC)进行模型检验与评价,基于全样本的模型结果分析昆明市主要林火驱动因子,并计算得到林火发生概率的最佳阈值,根据Logistic模型结果划分五级火险区。【结果】海拔、距居民点距离、距铁路距离、归一化植被指数(NDVI)值、月均地表温度、月均气压、月均相对湿度、月均风速、人均国内生产总值(GDP)等9个因子与昆明市林火发生概率存在显著关系;Logistic模型的预测准确率高达81.7%;ROC曲线下面积(AUC)的值为0.905;划分的最佳阈值为0.342;火险区划的五级火险区面积比率分别为48.82%、35.17%、11.26%、2.55%、2.20%。【结论】昆明市林火主要驱动因子是气象因子;昆明市高火险区集中分布在五华区、盘龙区、官渡区、呈贡区、西山区、安宁市等西南部地区。

广州市建成区空间扩张与驱动因子研究

利用Landsat与DMSP/OLS相结合的建成区提取方法分析了1993-2010年广州市建成区扩张的时空特点及其驱动因子。首先采用突变检测法提取DMSP/OLS夜间灯光数据的建成区范围,并对利用SVM监督分类方法提取的Landsat影像建成区进行过滤,得到广州市城市建成区空间分布;再通过统计数据的相关性分析验证该方法的有效性;然后采用紧凑度、扩张速度、重心迁移等指标分析了广州市建成区扩张的时空特点;最后通过建成区面积与统计数据中经济参量的回归分析探讨了建成区扩张的驱动因子。

基于回归模型的卫星地面系统价格测算方法

提出了一种基于回归模型的卫星地面系统价格测算方法,以常用的服务器为例,经过数据收集及预处理形成样本集,作为估算建模的数据基础;筛选合适的配置参数,然后分析并选择一定的数据进行统计回归分析和训练,建立费用估算模型,对模型进行了验证和评估。将此方法应用至其他典型设备,拟合结果与实际价格基本一致,估算误差小于8%。该方法低成本、高效率、高可靠,可用于对卫星地面系统进行价格测算并定量明确费用驱动因子,为卫星地面系统论证阶段的经济分析提供有效支撑。

基于多源卫星表征的中国秸秆露天燃烧CO_(2)排放特征及驱动因子分析

秸秆露天燃烧排放是中国碳排放的重要贡献源之一,现有研究中对近年来中国秸秆露天燃烧排放演变特征识别及驱动力分析还不足.本研究采用基于Himawari-8、VIIRS、MODIS监测火点融合的方法估算了2016—2020年中国秸秆露天燃烧CO_(2)排放量,并采用灰色关联分析识别其驱动因子.结果表明,2016—2020年中国秸秆露天燃烧CO_(2)排放整体呈下降趋势,尤其在2018年排放大幅下降,对中国秸秆露天焚烧减排影响最大的区域为东北地区.针对不同省份的CO_(2)月排放变化趋势分析发现,黑龙江、吉林等省份表现为双峰型排放结构,有明显的季节性特征;而福建、广东等省份没有无明显的峰值与季节特征.农作物产量、播种面积与秸秆露天焚烧CO_(2)排放之间存在强关联性.在自然、经济因素对各省份秸秆露天焚烧行为的影响方面,上海、北京等发达省份(直辖市)受经济因素影响高,而贵州、内蒙古等省份(自治区)则易受自然条件牵制.

泰山地区近三十年植被覆盖变化与地形因子分析

针对在人类活动影响下,泰山地区植被覆盖面积变化情况,以陆地卫星(Landsat TM/OLI)遥感影像为研究基础影像,采用遥感图像处理平台(ENVI)和ArcGIS软件,对泰山地区1985、1995、2003、2008、2013、2018年的6期遥感影像,通过归一化指数(NDVI)对遥感影像植被信息进行反演,通过地形因子提取实现对高程、坡度、坡向信息的提取与绿色植物覆盖的综合分析。研究发现:泰山地区植被面积由西北向中南递减,周边农村区域植被覆盖大于中心城区;伴随海拔增高,植被面积呈倒"U"变化,多在100~500 m高程范围内;植被多分布在坡度较缓,向阳区域。

CYGNSS信号对降水的时空响应及其驱动因子分析

近年来,星载全球导航卫星系统反射测量(global navigation satellite system-reflectometry,GNSS-R)技术被广泛应用于地表水文监测,但针对降水,特别是其与飓风全球导航卫星系统(cyclone global navigation satellite system,CYGNSS)信号的响应机制研究仍有限。以中国广东省为研究区域,基于距平指数和相关分析方法,探究不同尺度下研究区2019—2020年逐月的CYGNSS反射率和降水的时空响应关系,综合考虑驱动因子如数字高程模型(digital elevation model,DEM)、坡度、土壤类型、土地覆盖类型和归一化植被指数(normalized difference vegetation index,NDVI),并基于地理探测器分析各驱动因子对CYGNSS信号与降水响应关系的影响力。研究发现:(1)在2019—2020年内,月平均CYGNSS反射率值和降水量均呈现明显的季节性差异,并且二者变化趋势近乎保持同步,这验证了CYGNSS信号在监测降水方面的潜力。(2)随着空间尺度的增大,CYGNSS信号和降水呈现的正相关性逐渐增强。(3)在不同空间尺度下,DEM和坡度较小(地势较平坦)的地区、土地覆盖类型为耕地的区域,以及较低到中等植被覆盖地区的CYGNSS信号和降水之间的正相关性更强。而不同尺度下土壤类型对CYGNSS信号和降水响应关系的影响存在差异。(4)各驱动因子对CYGNSS信号与降水响应关系的影响力按大小依次排序为DEM>NDVI>坡度>土地覆盖类型>土壤类型,并且随着尺度越大,各驱动因子的影响力越强。该研究有助于对地表水文变化进行准确评估,为降水监测和水资源管理提供决策支持。

青藏高原沱沱河源多年冻土区NDVI时空变化及影响因素分析

为了更精细地刻画青藏高原多年冻土区气候变化对植被生长的影响,选取多年冻土分布较为连续的沱沱河源为研究区,基于Landsat NDVI数据,使用趋势分析、偏相关分析和地理探测器等方法,分析了2000—2021年研究区植被生长季(5—9月)NDVI对气候变化及不同地形和植被类型的响应特征。结果表明:(1)研究区NDVI整体呈波动上升趋势,增长速率为0.013 (10a)^(-1);NDVI增长区域的面积约占总面积的84.1%,其中,显著增长区域约占45.0%,主要分布于海拔较低的河流两侧及冰川区附近;而16.0%地区的植被NDVI呈降低趋势,主要分布于研究区北部的高寒荒漠草原区。不同植被类型及不同地形区的NDVI变化速率存在差异。(2)研究期间生长季降水量、气温、太阳辐射和土壤水分含量均呈波动上升趋势,生长季NDVI与降水量和土壤水分含量在年际变化中整体呈正相关关系,与土壤水分含量的相关性更强;生长季NDVI变化与气温的相关性在空间上差异较大,其中55.4%的区域呈正相关关系;生长季NDVI变化与太阳辐射整体呈负相关关系。气温升高对草甸区植被生长的促进作用更强,对草原区植被生长的抑制作用更强。(3)研究区NDVI的空间分布主要受土壤水分含量、气候因子和坡度的影响,其中,土壤水分和坡度共同作用时影响最大。本文利用多种方法量化了研究区气候因子及其交互作用对植被变化的影响,进一步揭示了区域气候环境要素对NDVI变化的影响规律,可为青藏高原多年冻土区的气候环境变化研究、生态环境保护等提供新的依据。

云南澜沧江流域土地利用和覆盖变化

由人类活动引起的土地利用和地被覆盖的变化是地球上环境变化的主要原因。上世纪90年代是云南省经济发展和环境变化的活跃时期。本文通过现代卫星遥感技术、地理信息系统和其它多学科手段相结合 ,系统调查评估了云南澜沧江流域 1990年至 1998年间土地利用和地被覆盖的变化 ,结果显示流域中林业用地面积从 1990年的 6 4 9%增长到 1998年的6 6 4 % ,但是森林有林地 (郁闭度 >30 %的天然林和人工林 )从 1990年的 5 2 6 %减少到 1998年的 35 3%。并且分析大规模商业性森林砍伐、基础建设、经济作物的种植、刀耕火种、薪材过度采集和砍伐建筑用材等引起了森林的结构的显著变化和退化 ,从而导致了生物多样性的下降。

1984～2017年太湖岛屿的动态变化及驱动因子分析

近些年来,围堰、跨区域调水、清淤等人类活动导致太湖中的岛屿面积的变化及其边界的迁移。基于Landsat遥感影像探究太湖内岛屿面积的变化趋势及边界的迁移方向,一定程度上反映人为因素对岛屿动态变化的的影响,进而指导太湖治理工作。通过波段分析、非监督分类以及分类后处理的方法从Landsat影像中提取岛屿信息,获得1984~2017年不同时期的岛屿面积和边界数据,并对岛屿面积和边界数据进行动态变化趋势的分析,最终结合从文献、年鉴和其他与太湖相关资料中总结的与太湖岛屿相关的人为活动信息分析引起太湖主要岛屿动态变化的原因。研究表明:小贡山、漫山岛和三山岛屿总面积均呈下降趋势,但下降程度与年际间波动幅度不同,岛屿面积变化的人为驱动因素可归纳为清淤和旅游开发,自然驱动因子为流水侵蚀;岛屿边界的迁移与"禁止围网养殖"、"湿地公园建设"等政策实施呈现显著相关性,且具体变化与政策颁布之间存在时间上的滞后性。

基于GIS的建设用地扩张研究

本文以Landsat影像数据为核心,运用GIS模块下的空间分析功能,从空间格局发展的角度探索万山区的建设用地扩张过程,在此基础上讨论驱动因子。从2007年至2022年间,万山区扩张速度较快,扩张强度较大;扩张过程中城市紧凑度升高,城市空间格局向外延发展;社会经济发展、城市规划等因素对万山区城市扩展作用显著。