基于NDVI-Albedo特征空间的大同煤田荒漠化遥感监测

荒漠化是威胁区域发展和人类生存的重要生态环境问题之一,因此开展荒漠化监测是荒漠化防治中的一项重要基础工作。本文以山西大同煤田为例,利用NDVI-Albedo特征空间构建2000—2021年荒漠化差值指数(DDI),监测其荒漠化时空变化,并利用地理探测器分析荒漠化的影响因素。结果显示,2000—2021年,大同煤田荒漠化由严重向轻度转换,重度和极重度荒漠化面积显著减少,而轻度荒漠化面积显著增加。整体而言,有57.75%的区域荒漠化呈显著改善趋势,但同时有0.03%的区域荒漠化呈加剧趋势。地理探测结果表明,植被是影响荒漠化的主要因子;植被与降水、高程等自然因素交互后的影响显著增大,与土地利用、人口密度等人类活动因素交互后的影响同样不可忽视。

基于NDVI-Albedo特征空间的柴达木盆地荒漠化监测研究

荒漠化目前已成为威胁全球生态环境的主要问题,开展荒漠化监测对于荒漠化防治至关重要。基于2014—2021年植被生长季(5—9月)Suomi/NPP(National Polar-orbiting Partnership)遥感数据和柴达木盆地8个气象站点观测数据,利用NDVI-Albedo(Normalized Difference Vegetation Index-Albedo)特征空间计算荒漠化差值指数(Desertification Difference Index,DDI),运用自然间断法、Sen+M-K趋势分析法、相关性分析法、精度误差矩阵计算和转移矩阵计算等方法,探讨柴达木盆地植被生长季荒漠化土地时空动态演变及气象影响因素。结果表明:(1)基于NDVI-Albedo特征空间构建的DDI在柴达木盆地荒漠化监测中适用性较高,特征方程R2≥0.65,整体分类精度79.38%,Kappa系数0.62。(2)2014—2021年,柴达木盆地荒漠化程度东部、南部较低而西部、中部较高,且东部、南部部分地区DDI值以每年超过0.01的速率增大,部分地区增大显著;荒漠化土地总面积呈减小趋势,速率为-1 173 km^(2)·a^(-1),不同程度荒漠化土地之间存在转移特征,具体表现为荒漠化程度较重的土地向较轻的土地转移。(3)相关性分析表明,降水量、平均相对湿度均与DDI呈极显著正相关(P<0.01),相关系数分别为0.91、0.86,水分是影响柴达木盆地荒漠化的主要气象因子。

基于NDVI-Albedo特征空间的陕西省干旱与荒漠化遥感监测

旱情与荒漠化遥感监测有助于了解时空分布特征并及时采取相应措施。以2000-2016年MODIS NDVI和地表反照度(Albedo)数据为基础,构建NDVI-Albedo特征空间,计算荒漠化差值指数(DDI)和植被条件反照度干旱指数(VCADI),利用气象站点实测10cm土壤湿度数据进行相关性验证,并利用DDI和VCADI分别分析17a间陕西省荒漠化和旱情的时空分布特征和规律;其次,利用一元线性回归和变异系数法分析陕西省荒漠化和旱情的变化趋势和稳定性;最后从降雨量、温度等自然因素和人为因素2个方面分析了陕西省荒漠化和旱情变化的原因。结果表明,DDI与土壤湿度呈正相关关系,相关系数为0.49～0.58,且通过了95%显著性检验;VCADI与土壤湿度呈负相关关系,相关系数为-0.36～-0.48,且通过了90%显著性检验,DDI和VCADI分别可作为土地荒漠化和旱情监测指标;陕西省旱情及荒漠化主要分布在关中东北部、西安市周边以及陕北黄土高原地区,呈现为自南向北逐渐加重的趋势;17a间陕西省旱情及荒漠化均呈逐渐减轻和减弱的趋势,旱情及荒漠化减轻和减弱的比例分别为67.94%、81.93%,主要分布在陕北黄土高原地区;DDI和VCADI变异系数<0.4所占比例分别为98.31%和84.05%,旱情及荒漠化呈较稳定状态,受干扰强度较小;DDI、VCADI分别与年降水量、年平均气温之间呈显著相关性的地区占陕西省面积比例均<20%,表明降水量、平均气温不是影响旱情与荒漠化变化的主导因素。

运用NDVI-Albedo特征空间提取石漠化信息

石漠化是西南喀斯特地貌地区面临的最主要生态环境问题之一,对石漠化进行监测是其防治的一项重要工作。本文以威宁西部典型的石漠化研究区斗古乡为例,基于Landsat 8 OLI遥感数据,计算了研究区归一化植被指数(NDVI)和地表反照率(Albedo),通过NDVI-Albedo特征空间构建石漠化差值指数(RSDDI),对石漠化信息进行提取并对其进行精度验证。研究表明:基于NDVI-Albedo特征空间法构建的石漠化差值指数能够较为准确且便捷地对石漠化信息进行提取与分级,在中度石漠化及重度石漠化的制图精度均达到89%以上,提取效果较好,有利于西南喀斯特地貌地区对石漠化的定量评估与监测。

利用NDVI-Albedo反演厦门后溪流域地表特征

利用TM影像与6S模型反演获得精确NDVI与Albedo数据,在NDVI-Albedo散点图空间综合分析了后溪流域的植被和地表反照率空间分布特征。后溪流域整体上植被丰富,土壤湿度大,裸地少,并且流域内南北地表特征变化显著,北部山区以自然地表为主,南部平原以建设用地人工地表为主。南北地表类型差异在NDVI-Albedo空间中表现直观,利用NDVI-Albedo作为指示因子,在流域内的山区平原衔接部位设置13条样带,结合小波分析的方法,将后溪流域南北划分,确定出一条长12.26 km的地表分界线。此分界线代表南北不同地表类型,反映不同的城镇化水平与人类活动强度,为流域因地制宜分区管理提供了基础数据与依据。

基于GEE的翁牛特旗土地沙漠化遥感监测

基于谷歌地球引擎(Google Earth Engine,GEE),通过提取归一化植被指数(Normalized Difference Vegetation Index,NDVI)和地表反照率(Albedo)两个参量,构建NDVI-Albedo特征空间,对翁牛特旗1991—2015年沙漠化进行监测,并利用地理探测器结合自然和人为因子分析翁牛特旗沙漠化驱动因子及其影响力。结果表明:(1)翁牛特旗土地沙漠化经历了先发展后逆转的演变进程。1991—2000年为发展期,沙漠化土地总面积增加了2130.29 km^(2);2000—2015年为逆转期,沙漠化土地总面积减少了3364.61 km^(2)。(2)翁牛特旗沙漠化严重的区域主要是分布在中东部以及北部的西辽河平原地区,而西南区域的冀北辽西山地大部分区域沙漠化程度较轻。(3)自然因子和人为因子共同驱动翁牛特旗沙漠化演变过程。地形和沙源是翁牛特旗沙漠化土地空间分布格局形成的主要原因;翁牛特旗1991—2000年沙漠化发展是在自然条件不利的背景下人口增加所带来的环境压力造成的结果,而2000—2015年沙漠化逆转是在自然条件利好的背景下一系列防沙治沙政策有效实施的结果。

小滦河流域土地沙化时空动态监测及景观格局演变特征

【目的】河北省围场满族蒙古族自治县(简称围场县)的小滦河流域位于中国北方典型的农牧交错带,土地沙化问题严重。探究小滦河流域土地沙化变化过程,了解土地利用变化和海拔对土地沙化的影响,为流域土地沙化的防治和山水林田湖草沙综合治理提供理论依据。【方法】基于谷歌地球引擎(Google Earth Engine)和ArcGIS平台分析2000、2010、2020年Landsat系列遥感数据,通过构造归一化植被指数(NDVI)和地表反照率(Albedo)特征空间,建立荒漠化差值指数(DDI)模型,对沙化土地进行程度划分,分析区域土地沙化的时空变化特征。【结果】20 a间小滦河流域土地沙化总体呈好转趋势,极重度、重度沙化土地面积分别减少近80%和56%,流域以轻度沙化、非沙化土地为主,约占流域面积的65%。沙化土地改善速率在后期有所降低,集中分布在塞罕坝林场及小滦河下游。流域沙化景观趋向于集中,景观破碎化程度持续降低。林地、草地的沙化状况改善作用明显,土地沙化程度随海拔升高呈降低趋势。【结论】2000年来小滦河流域土地沙化状况整体有所好转,而御道口镇及牧场等区域存在土地沙化恶化趋势。今后需加强对流域沙化的改善措施,开展精准治沙,进而实现小滦河流域的可持续发展。

青海木里煤田地表温度变化及其影响因素分析

在中国煤炭是一种重要的能源,大规模的开采活动严重破坏了周边的生态环境,而高原高寒地区煤矿开采对地表温度的时空影响规律有待深入研究。地表温度作为一种重要的地表参数对地表能量和水分平衡研究均具有重要意义,也可以反映区域生态环境的变化。本文以Landsat 5/8影像为数据源,利用面向对象的方法和普适性单通道算法分别得到了7期土地利用/覆盖数据和地表温度数据,研究了1990—2021年木里煤田聚乎更矿区从开采到生态修复过程的地表温度变化特征和影响因素。结果表明:利用面向对象的方法得到7期土地利用/覆盖数据很好地反映了聚乎更矿区的几个阶段,分别为缓慢开采期(1990年、2002年),快速开采期(2005年、2009年),缓慢修复期(2015年、2019年)和快速修复期(2021年);矿坑、建成区、排土场、堆煤场等煤矿土地类型地表温度最高,高寒草甸次之,高寒沼泽草甸地表温度较低,水体温度最低,裸地则在特高温和低温均有分布;草甸区地表温度影响因素的解释力大小排序为NDVI>反照率>坡向>海拔>坡度,矿区地表温度影响因素的解释力大小排序为坡向>反照率>NDVI>海拔>坡度,修复区地表温度影响因素的解释力大小排序为NDVI>反照率>海拔>坡向>坡度。研究工作有助于揭示高原矿区地表温度的变化规律,对于评估木里煤田生态修复效果具有重要的参考价值。

2000—2016年黄土高原地区荒漠化遥感分析

鉴于利用NDVI-albedo特征空间的方法进行黄土高原荒漠化的研究较少,利用MODIS归一化差异植被指数(normalized difference vegetation index,NDVI)和地表反照率(albedo)数据,构建NDVI-albedo特征空间,计算荒漠化差值指数(desertification difference index,DDI)和植被条件反照率干旱指数(vegetation condition albedo drought index,VCADI),并利用实测土壤湿度数据进行验证,分析黄土高原2000—2016年土地荒漠化和旱情的时空分布规律和影响因素。结果表明,DDI、VCADI与土壤湿度分别呈正相关和负相关,均通过了显著性检验,均可作为土地荒漠化和旱情监测指标;17年间,黄土高原重度荒漠化面积逐渐缩小,土地荒漠化改善面积占84.55%,荒漠化加重区域仅占5.61%;旱情改善面积占67.07%,加重区域占19.44%;荒漠化与降水量呈负相关关系,与气温呈正相关关系,而旱情与降雨量、年均温度均呈正相关关系。

城市热岛效应的卫星遥感分析

利用MODIS资料研究了2004年4月南京城市热岛特征及其影响因子,结合地表覆盖类型分析了植被归一化指数(Normalized Difference Vegetation Index,NDVI)、地表温度(ts)、地表反照率(α)的城乡差异及其相互关系,探讨了城市热岛(Urban Heat Island,UHI)效应形成的机制。结果表明:南京城区存在着明显的城市热岛效应;城市平均ts比乡村高约10.83%;城市NDVI和α分别比乡村低约为62%和18.75%;NDVI与ts呈负相关,相关系数为-0.73,而NDVI与α之间关系与波段有关;城乡植被覆盖差异是造成UHI的主要原因,其次是地表反照率。

Albedo-NDVI特征空间及沙漠化遥感监测指数研究

利用遥感数据和野外调查数据分析了沙漠化与地表定量参数之间的关系,提出了A lbedo-NDVI特征空间的概念以及基于A lbedo-NDVI特征空间的沙漠化遥感监测模型,即沙漠化遥感监测差值指数模型(DD I)。这个模型充分利用了多维遥感信息,指标反映了沙漠化土地地表覆盖、水热组合及其变化,具有明确的生物物理意义。而且指标简单、易于获取,有利于沙漠化的定量分析与监测。

基于Albedo-NDVI特征空间的玛曲县荒漠化时空动态监测

开展荒漠化时空动态监测是荒漠化防治的一项重要基础工作。以地处青藏高原东北缘的甘肃省玛曲县为例,以该县2001年、 2005年、 2010年的TM影像和2015年的HJ-1影像为数据来源,利用Albedo-NDVI特征空间法,从整体到局部,分别对该县全区域及其黄河沿岸地区不同尺度区域近15年的土地荒漠化进行了监测和时空动态分析。研究结果表明:Albedo-NDVI特征空间法能便捷、有效、精确地对荒漠化信息进行提取和分级,有利于荒漠化的定量分析与监测;玛曲县近15年来实施的生态恢复工程效果显著,该县荒漠化状况有所改善,荒漠化土地的面积持续减小,程度不断降低,主要发生"轻度荒漠化土地向非荒漠化土地"的转移;但是由于沙源丰富、人口密集以及过度放牧等原因,玛曲县黄河沿岸5 km带状区域荒漠化以"非荒漠化土地向轻度荒漠化土地"转移为主,荒漠化状况较全县整体水平严重,并且仍有不断恶化的趋势。

利用MODIS卫星资料分析北京地区地表反照率时空分布及变化特征

利用2000-2005年MODIS地表双向反照率（MOD4383），植被指数（MOD13A2）和地表覆盖类型（MOD12Q1）资料，分析了北京及周边地区地表反照率的时空分布，计算了2000-2005年平均地表反照率的时间变化。结果表明，北京城区年平均地表反照率为0．12，山区森林（0.11）明显小于平原地区（0.15），而永定河流域反照率较大（O．18），这主要是因为永定河流域植被覆盖度较低（植被指数低），山区地表反照率季节性变化不明显。2000-2005年6年的统计回归显示北京平原地区反照率呈略有下降。

基于荒漠化差值指数(DDI)的精河流域荒漠化研究

利用精河流域1990和2011年TM-5影像数据,基于荒漠化差值指数(DDI)构建了精河流域反照率(Albedo)—植被指数(NDVI)特征空间下的荒漠化遥感监测模型。结果表明,1990—2011年精河流域土地荒漠化类型转化以恶化为主;年蒸发量和年均温是导致研究区荒漠化面积增加的主要自然因素,该区也存在潜在风蚀荒漠化风险;由气候变化导致的荒漠化发展,近些年来正被政府的积极措施部分抵消,但人口压力大,水资源低效利用等问题仍是未来荒漠化防治过程中需要解决的重点问题。

HJ-1/CCD地表反照率估算及其与NDVI关系分析

参照TM地表反照率反演算法,建立了适用于HJ-1/CCD传感器估算地表反照率的算法。通过应用6S辐射传输模型建立查找表,对覆盖内蒙古自治区锡林浩特市的HJ-1/CCD数据进行大气校正,并根据反照率定义,回归分析得到可见光波段地表反照率;通过与地面实测数据进行对比分析,表明该算法估算得到的地表反照率精度较高,其最大相对误差为14.32%。同时,本文将估算结果与同时期NDVI进行拟合分析,得出地表反照率与NDVI存在较高的负相关关系。

秃尾河上游流域土地荒漠化遥感动态研究

针对秃尾河上游流域土地荒漠化问题,基于地表反照率-植被指数特征空间理论,利用1989年、2002年和2011年TM、ETM遥感数据为数据源,提取该区荒漠化信息,并开展动态监测研究,从中探索该区域荒漠化动态变化特征和规律,为生态环境建设和经济发展提供参考。结果表明:1)地表反照率-植被指数特征空间方法指标简单,易于获取,有利于研究区荒漠化信息提取。2)22年来研究区荒漠化总面积持续减少,程度不断减轻,不同类型荒漠化土地动态度各不相同,并且其重心均有向西北方向移动规律。3)研究区生态环境趋于好转,主要得益于一系列积极的治理沙地措施和政策。

基于植被指数和地表反照率影响的北京城市热岛变化

利用TERRA/MODIS遥感反演的地表温度资料,对2000—2006年北京城市热岛季节变化特征进行了研究,结合同期降水量、植被指数和地表反照率变化,分析了该地夏季城市热岛的年际变化成因.结果表明:北京多年四季热岛分布主要以城区为中心向周边郊区延伸,其中夏季城市热岛最强,春、秋和冬季较弱,这种热岛强度的季节性差异主要与太阳辐射强度、地表植被覆盖状况和城市人为热释放等的季节性变化密切相关.北京夏季城市热岛的年际变化特征为:2005和2006年最显著,热岛中心强度分别为10.54和9.61℃;2002和2004年城市热岛最弱,热岛中心强度分别为6.54和7.39℃.2000—2006年北京市夏季城市热岛具有明显增强趋势,热岛强度增温率为0.326℃/a.北京夏季降水对城区地表温度影响大于郊区,降水主要通过影响城区地表温度来影响城市热岛变化;夏季地表植被和地表反照率变化对地表温度和城市热岛也均有较大影响.2000年以来,北京郊区夏季地表植被指数增加率远高于城区,受地表植被和地表反照率变化的影响,郊区降温率明显大于城区,致使城郊温差增大,热岛效应加强.

利用NOAA/AVHRR数据获取地表特征参数的方法研究

地表特征参数的正确与否直接影响到区域陆面蒸散量估算精度,因此在区域非均匀陆面蒸散研究中,地表特征参数的获取方法是一个值得探讨的问题.与传统的方法相比,卫星遥感技术在求取地表特征参数时有其独特的优势.NOAA气象卫星AVHRR资料以其时间分辨率高、覆盖面广、价格低廉等优点广泛应用于非均匀陆面蒸散研究和应用中[1～6].本文建立了NOAA/AVHRR计算地表特征参数的参数化模型,选取中国东北松嫩平原西部地区2000年7月8日的AVHRR资料,试算了研究区地表温度、地表发射率、地表反照率、NDVI等主要地表特征参数,并且参照2000年研究区土地利用数据对各参数的空间分布特征及合理性进行了分析.

基于3S技术的南北方典型区荒漠化演变特征对比研究

以MODIS遥感影像为数据源,运用南北方荒漠化典型区的地表反照率和植被指数建立Albedo-NDVI特征空间,从而构建荒漠化遥感监测模型,提取2005—2015年间土地荒漠化动态信息,在此基础上研究荒漠化时空演变特征。研究表明:(1)南北典型区重度荒漠化面积比重小,轻度荒漠化面积比重大;(2)近10年,南北典型区荒漠化土地总面积逐年递减;(3)北方坝上荒漠化程度不断的加重,局部地区持续恶化;南方都阳山东南部荒漠化程度不断的减弱,生态状况有所好转。

几种典型地表类型反照率时序变化特征及其参数化研究

地表反照率对地表能量平衡、气候模式和全球变化研究具有重要的作用.受季节和下垫面影响,地表反照率呈现一定的时序变化特征,刻画这种变化特征可以为地表反照率估算提供背景信息,有利于提高反照率反演精度.目前已有许多研究致力于分析地表反照率时序变化特征和影响因素,但分析仅限于某一特定区域的一种或几种地表类型,同时对反照率与叶面积指数(leaf area index,LAI)、归一化植被指数(normalized difference vegetation index,NDVI)等影响因子的相关性还缺少参数化研究.本文使用美国通量观测网络AmeriFlux观测数据资料,利用该网络站点分布范围广、地表类型丰富的特点,选取其中代表性较强的站点观测数据,分析了落叶阔叶林、常绿针叶林、草地、农田4种典型植被类型地表反照率的时序变化特征.发现各植被地表类型反照率呈现"U"形年内变化特征,在植被生长季,落叶阔叶林、农田、草地3种地表类型反照率均先减小再增大后减小,而常绿针叶林地表反照率变化不明显.利用统计方法分别建立了地表反照率与LAI和NDVI的参数化模型,结果显示:2种估算地表反照率的参数化模型均能较好反映植被生长过程中地表反照率的变化特征,与地面实测数据相比,计算得到的地表反照率具有较高的精度;2种参数化模型估算得到的反照率一致性好,相关系数为0.721 9.该参数化方案可为地表反照率的进一步估算提供背景参考模型.