中蒙俄经济走廊荒漠化时空格局变化及其驱动因子

针对如何定量揭示中蒙俄经济走廊荒漠化的时空变化规律及其驱动因子的影响作用,在构建荒漠化程度判别标准和指标体系的基础上,基于Google Earth Engine云计算平台,在对分类回归树(CART)、支持向量机(SVM)、随机森林(RF)和Albedo-NDVI 4个模型精度进行对比分析的基础上,选取精度最高的CART模型实现中蒙俄经济走廊区域2000—2015年的荒漠化的时空变化分析。另外,在拓展线性趋势法的基础上,构建荒漠化驱动因子定量评估模型,实现气候变化和人类活动对荒漠化驱动效应的定量测度。结果表明:1)CART模型在中蒙俄经济走廊区域荒漠化信息提取精度最高,总体精度和Kappa系数分别85%和0.754;2)极重度荒漠化区域主要分布在中国内蒙古自治区西部,蒙古国的南戈壁盟、东戈壁盟和中戈壁盟;3)2000—2015年间,中蒙俄经济走廊荒漠化总体呈扩张趋势,但极重度、重度和中度荒漠化面积呈缩减趋势。其中,中国的荒漠化面积呈明显缩减趋势,荒漠化程度净改善面积为15.18万km~2,而蒙古国和俄罗斯的荒漠化现象在加重。另外,中蒙俄经济走廊荒漠化恢复区域的气候变化驱动贡献率为68.8%;而荒漠化退化区域的人类活动驱动贡献率为69.68%,表明中蒙俄经济走廊荒漠化程度加重区域的驱动作用主要来自于人类活动。     

基于RS和GIS的毛乌素沙地植被盖度定量估测

选取毛乌素沙地东北部的伊金霍洛旗为研究区域,以少量野外定位调查数据与其对应的遥感信息和GIS信息为基础,利用岭估计分析方法,对植被盖度估测模型及其影响因子进行系统研究.结果表明,植被盖度除受NDVI影响外,还与其他遥感信息紧密相关,岭估计方法明显地改善了最小二乘估计的缺陷,克服了变量间由于存在复共线性关系对求解待定参数所造成的不利影响,提高了估测精度.建立了以像元为单位的植被盖度估测模型,其模型检验精度达98.7%.此外,还建立了区域性植被盖度地理信息系统,实现了研究区域内任意一点(像元)或任意土地单元植被盖度的查询、更新及自动制图.     

长白山林区森林生物量变化定量驱动分析

根据研究区单木生物量模型及森林资源清查资料计算样地生物量,采用试验精度较高的遥感模型进行4期遥感数据的森林生物量估算,获得区域单位面积生物量变化值,并利用bootstrap方法对引起这种变化的气象因素、森林经营活动因素和社会经济因素等驱动因子进行变量筛选,利用偏最小二乘算法建立不同时间段的森林生物量变化驱动模型,计算变量投影重要性指标（VIP）定量刻画各因素对森林生物量变化的影响重要程度.结果表明：目前人为因素对长白山林区森林生物量变化的影响程度（VIP值）已经小于自然因素,说明国家对林区的森林保护政策已经起到了明显的效果.本文拓宽了森林生物量变化驱动分析的内容,引入了VIP值对森林生物量的变化驱动因子进行定量刻画,为定量分析森林生物量的变化提供了一条新的途径.     

基于多端元光谱分解的干旱区植被覆盖度遥感反演

植被覆盖度是评价陆地生态系统状况与土地荒漠化程度的重要指标.利用环境一号(HJ-1)小卫星上搭载的新型高光谱传感器HSI获取的数据,通过纯净像元指数和端元平均均方根误差相结合的方法提取合适的端元光谱,然后基于多端元混合像元分解(MESMA)模型,反演了新疆石河子地区的植被覆盖度(FVC).通过与线性光谱分解(LSMA)模型反演结果以及地面样方数据进行比较,对HJ-1/HSI数据反演结果进行精度评价与光谱验证.结果表明:MESMA模型能对不同的像元选取不同端元组合,更接近实际情况,比LSMA模型能更好地提取植被覆盖度信息;与LSMA模型相比,MESMA模型反演的FVC值与地面实测数据的相关系数从0.766提高到0.838,均方根误差从0.375减少到0.196.     

长白落叶松林生物量的模拟估测

利用样木收获法收集了34个样地中长白落叶松林分地上部分生物量信息,选取其中29个样地生物量信息分别与样地林分因子信息和TM遥感影像信息拟合建立生物量模型,利用其余5个样地的生物量信息进行模型精度检验和误差分析.结果表明：长白落叶松地上部分生物量均可用林分因子和遥感因子进行线性拟合;林分因子线性模型对长白落叶松中幼林地上生物量的估测精度较高（林分P=94.33%,遥感P=92.32%）,且检验误差较小（林分MRE=6%,遥感MRE=31%）,模型模拟效果较好;若只考虑长白落叶松中龄林,这2种模型的估测效果相当（林分模型和遥感模型的误差分别为329.9和313.6 t）.整体而言,林分因子模型估测长白落叶松树皮、干材和总生物量的效果优于遥感因子模型,对于中龄林来说,遥感模型估测叶花果、树枝和树冠生物量的效果较好.     

湿地翅碱蓬生物量遥感估算模型

以黄河三角洲HJ-1A CCD遥感数据和滨海湿地翅碱蓬生物量实测数据为数据源,通过对比分析参数回归模型（单变量线性和非线性回归模型,多元线性逐步回归模型）和人工神经网络模型（BP网络、RBF网络、GRNN网络）,构建黄河三角洲湿地翅碱蓬生长初期的生物量湿重遥感估算最优模型。研究表明：基于遥感信息变量能够建立生长初期翅碱蓬生物量湿重估算模型。尽管基于RDVI、MSAVI和PC2的3个变量的多元线性回归模型的拟合效果较优,但是以SAVI、MSAVI、RVI、DVI、RDVI和PC2等7个遥感信息变量构建的BP神经网络模型的精度更高,平均相对误差为12.73%,估算效果最优,能够满足较高精度的生物量湿重估算需求。翅碱蓬生长初期生物量湿重最优估算模型的建立,为滨海地区植被生物量监测、区域翅碱蓬生物量季节动态模拟以及黄河三角洲生态系统功能评价提供技术支持与基础。     

阿勒泰地区雪灾遥感监测模型与评价方法

利用我国新疆阿勒泰地区1996～1997年两次雪灾期间的NOAA卫星数据及地面气象台站观测资料,建立了积雪深度遥感反演模型;利用线性混合光谱分解原理,研究了基于像元的积雪覆盖率及积雪空间分类算法;提出评价积雪对草地畜牧业危害程度的两种基于格网数据结构的定量化指数.结果表明,通过积雪深度反演模型和线性混合光谱分解方法可计算基于像元的积雪深度和覆盖率,提高积雪分类的精度.建立的基于格网单元的积雪危害指数模型可系统地表达积雪区的雪情、草情、畜情和气象因子的空间分布状况,综合反映积雪对草地畜牧业的危害程度.     

基于地-空遥感耦合的冬小麦叶片氮积累量估算

利用不同冬小麦生态区同步的SPOT-5多光谱遥感影像、地面光谱数据和植株取样数据,提出一种基于波谱响应函数拟合和混合像元分解的纯净像元光谱提取方法,并对比分析了纯净像元光谱、模拟像元光谱和实测像元光谱与冬小麦叶片氮积累量（LNA）的定量关系.结果表明： 模拟像元光谱对叶片氮积累量的反演效果较好,纯净像元光谱反演效果次之,实测像元光谱最差;但基于模拟像元光谱的LNA监测模型不能直接外推至空间尺度.模型检验结果表明,基于纯净像元光谱的LNA监测模型在2个小麦生态区均具有较好的精度和稳定性,该方法综合利用了地-空遥感的优点,可以推广应用到其他不同空间分辨率和光谱分辨率的遥感数据,从而为区域性冬小麦氮素营养状况的遥感监测提供技术依据.     

基于不确定性的城市扩展用地生态适宜性评价

针对土地适宜性评价中采用定性和单因素方法而产生的主观、片面和精度低等缺点,分析了土地适宜性评价中的不确定性因素,并提出基于不确定性和灰色系统关联度的土地生态适宜性评价模型。结合长沙市生态规划,在野外生态调查的基础上,依据稳定性、独立性、主导性和综合性原则选取坡度、地基承载力、土壤生产力、植被、土壤渗透性、地表水、居民点用地程度、景观价值等土地生态适宜性评价因子。在地理信息系统（GIS）和遥感（Rs）的支持下,定量地获取各评价因子信息;采用AHP法确定各评价因子的权重;并运用改进的土地生态适宜性评价模型对长沙市城市扩展用地进行定性定量的评价,最终得到长沙市最适宜用地、适宜用地、基本适宜用地、不适宜用地、不可用地分别占总用地的14．77％、16．64％、24．07％、30．91％、13．61％,说明长沙市适宜开发的土地较多（最适宜、适宜和基本适宜用地占55．48％）。根据评价结果提出的相应对策,对城市用地的可持续性发展具有指导意义。     

基于实测光谱混合像元分解的苹果园地遥感提取技术

以山东省栖霞市为研究区,对苹果花期的TM影像进行混合像元分解,提取苹果园地信息.基于实测地物光谱端元,利用小波变换对线性分解模型进行改进,采用实测端元改进后线性分解模型、实测端元线性分解模型、TM影像端元线性分解模型分别提取研究区苹果园地信息,并以ALOS数据进行精度评价.结果表明:经过精确的大气及地形校正后,可以利用实测光谱端元进行混合像元分解,面积精度＞97％,对丰度图像的归一化植被指数(NDVI)值与ALOS数据的平均NDVI值进行回归分析,R2＞0.8;利用小波变换对线性分解模型进行改进,可在一定程度上提高分解精度.     

基于遥感和GIS的土地利用分类方法及其在土地退化程度分析中的应用——以陕西横山雷龙湾地区为例

基于陕西省横山县雷龙湾地区的遥感ETM＋影像,分别采用最大似然法和光谱角制图分类（SAM）方法进行了该区的土地利用类型分类。其中,光谱角制图分类利用最小噪声分离（MNF）及像元纯净指数（PPI）方法提取研究区的地类终端端元,在此基础上绘制土地利用类型图。最大似然法对水体及耕地的分类精度较高,而其它地类精度稍差,沙地有较大漏分;而基于像元纯净指数的光谱角制图法分类对沙地、水体分类效果较好,对建筑用地和非建筑用地区分度较高,但林地和草地有一定混分。根据研究区反照率影像、NDVI以及湿度图像构造了一个土地退化程度指数模型,并选择一定的系数对研究区的土地退化程度进行了分类,利用GIS软件成图输出。利用光谱角制图分类的纯净像元样本进行比较分析,发现土地退化程度指数与土地利用的相关性较强,表明该方法可以较好地反映当地的土地退化程度情况。     

人类活动影响下科尔沁沙地沙漠化动态的敏感性分析及灰色预测

利用90年代1◊25万和1◊50万的TM遥感影像及GIS获得的数据,结合该区70、80年代遥感调查数据,分析了科尔沁地区6个县的土地覆盖类型和潜在沙漠化动态及敏感因子。结果表明,1980～1990年该区的沙化面积从53%扩大到70%,林地下降10.7%,草地增加8.38%,主要为低覆盖草地。由于10年来人口密度增加了10人·km^-2,耕地平均增加了7%,人口增加和活动是土地覆盖变化的敏感性因子。分析该区沙漠化的自然因素表明气候变化导致沙漠化的正逆过程,人类活动是近代该区沙漠化加剧的直接原因。灰色预测表明该地区2000年以后人口增加,而沙漠化呈增加和减少两种趋势.     

基于Google Earth Engine的青藏高原土地沙化模拟与动态评估

青藏高原广布的高寒草原和高寒草甸,在气候变暖以及超载放牧等人类活动的影响下面临着沙化的风险,并且高寒干旱的气候条件使得高原草地生态系统极为脆弱,发生沙化后修复难度极大,对高原土地沙化时空动态评估极为必要。但目前针对大范围进行长时间快速沙化模拟监测的方法存在不足,通过对比实验构建了基于植被状况-地表反射率-土壤湿度(NDVI-Albedo-Wet)三维数据空间的沙化遥感模拟监测模型,利用Google Earth Engine遥感大数据对模型进行了代码实现,最终分析了青藏高原土地沙化时空格局的动态变化。结果揭示了青藏高原土地沙化总体缓解但问题依然存在的现象,具体体现在：(1)沙化总面积逐年减少,平均每年减少的面积达到55.13万hm²,但沙化模拟数据显示有大量的未沙化土地向轻度沙化转移。(2)沙化程度总体上趋于逆转状态,但部分区域土地沙化问题不断出现,主要分布于“一江两河”、唐古拉山南麓、柴达木盆地周边以及昌都地区,在三江源和川西甘南地区也有零星分布。     

呼伦贝尔沙地45年来气候变化及其对生态环境的影响水

采用数理统计和对比分析方法,对近45年呼伦贝尔沙地气象观测资料和草场沙化、退化面积、植被状况等资料进行了分析。结果表明：呼伦贝尔沙地总体气候暖干化趋势显著;气温逐年升高、降水量减少、蒸发量增加和极端气候事件增多,使流动沙地面积不断增加,植被盖度下降。卫星遥感监测和全国沙漠化普查结果进一步表明,呼伦贝尔沙地的沙漠化正在扩展,生态环境正在恶化。逐年减少的大风日数和沙尘暴日数有利于该地区生态的保护与建设。20世纪80年代以来,沙区各级政府加大了对沙化的治理力度,沙地局部植被恢复较快。     

Monitoring sandy desertification of Otindag Sandy Land based on multi-date remote sensing images

Sandy desertification is now the main ecological problem in the Otindag Sandy Land. In order to reveal the process of land degradation, especially the latest situation of sandy desertification, a method integrating remote sensing, Geographic Information System (GIS) and field survey was employed to build a sandy desertification dataset for analysis. Remote sensing images included the Landsat Thematic Mapper (TM) image in 1987, the Enhanced Thematic Mapper Plus (ETM⁺) image in 2000, and the image with the Charge-Coupled Device Camera (CCD) on the China-Brazil Earth Resources Satellite (CBERS) in 2006. Five land-cover classes, including active sand dunes, fixed sand dunes, semi-fixed sand dunes, inter-dune grassland and wetlands, were identified. Results showed that the Otindag Sandy Land has been suffering sandy desertification since 1987 with 2 different desertified stages. The first stage from 1987 to 2000 was a severe sandy desertification period, characterized by the fixed sand dunes decreasing at a high speed, and the semi-fixed and active sand dunes increasing remarkably. The second stage spanned from 2000 to 2006 and the sandy desertification was weakened greatly. Although a large area of fixed sand dunes were transformed to other types, fixed sand dunes were still the dominant type in the Ointdag region at 2006. Spatial change detection based on active sand dunes showed that the expansion area was much larger than the reversion area in the past two decades, and that several active sand belts had been formed, suggesting that sandy desertification controlling of the Otindag Sandy Land will be a long-term task.     

Monitoring sandy desertification of Otindag Sandy Land based on multi-date remote sensing images

Sandy desertification is now the main ecological problem in the Otindag Sandy Land. In order to reveal the process of land degradation, especially the latest situation of sandy desertification, a method integrating remote sensing, Geographic Information System (GIS) and field survey was employed to build a sandy desertification dataset for analysis. Remote sensing images included the Landsat Thematic Mapper (TM) image in 1987, the Enhanced Thematic Mapper Plus (ETM⁺) image in 2000, and the image with the Charge-Coupled Device Camera (CCD) on the China-Brazil Earth Resources Satellite (CBERS) in 2006. Five land-cover classes, including active sand dunes, fixed sand dunes, semi-fixed sand dunes, inter-dune grassland and wetlands, were identified. Results showed that the Otindag Sandy Land has been suffering sandy desertification since 1987 with 2 different desertified stages. The first stage from 1987 to 2000 was a severe sandy desertification period, characterized by the fixed sand dunes decreasing at a high speed, and the semi-fixed and active sand dunes increasing remarkably. The second stage spanned from 2000 to 2006 and the sandy desertification was weakened greatly. Although a large area of fixed sand dunes were transformed to other types, fixed sand dunes were still the dominant type in the Ointdag region at 2006. Spatial change detection based on active sand dunes showed that the expansion area was much larger than the reversion area in the past two decades, and that several active sand belts had been formed, suggesting that sandy desertification controlling of the Otindag Sandy Land will be a long-term task.     

基于SNIC-CNN-SVM模型的京津风沙源二期工程区土地利用/土地覆盖遥感识别研究

稀疏植被覆盖(草地、沙地、戈壁)演变能够直接表征区域生态环境和人类活动的动态影响变化。但由于大尺度稀疏植被区一般都具有地理跨度大,景观结构复杂多样,破碎化程度高,现有地表覆盖分类产品针对性不足等问题,使得该区域内林草沙的遥感提取难度较大,精度普遍偏低,直接制约生态效应评价模型的应用效果。因此,以典型大尺度稀疏植被区——京津风沙源治理二期工程区为研究区,研建了SNIC-CNN-SVM(SCS)模型,实现了大尺度稀疏植被区林草沙典型要素的信息自动提取和主要土地利用/土地覆盖类型识别。研究结果表明：1)引入惩罚性机制优化后的SNIC分割算法,有效提升了稀疏植被区与沙地区的边界区分度,有助于分类精度的提升;2)基于改进SNIC-CNN-SVM模型方案的研究区总体分类精度达89.41%,较优化前提高了11.17%,特别是乔、灌、草、沙地和戈壁的分类识别精度显著提升,表明该优化方案在以研究区为代表的稀疏植被区域分类中具有较好的应用效果和推广价值;3)分类结果显示,2020年工程区草地面积最大,占到了一半以上(51.52%),沙地占比11.96%,稀疏植被覆盖(草地、沙地、戈壁)区域占比68.68%...     

基于多时相遥感影像的浑善达克沙地沙漠化监测

沙漠化是浑善达克沙地面临的主要环境问题.为了揭示该地区沙漠化过程,特别是其最新状态,利用1987年和2000年的Landsat TM/ETM 及2006年的中巴资源卫星CCD数据,在地面考察资料及地理信息系统(GIS)的支持下,提取了固定沙地、半固定沙地、流动沙地、丘间草原及湿地5种地表覆被类型,建立了浑善达克沙地沙漠化数据库.结果表明浑善达克沙地在过去20a里发生了沙漠化,但是可分为两个阶段.第一阶段从1987年到2000年,为沙漠化快速发展期,固定沙地面积显著减少,而半固定沙地和流动沙地则明显增加;第二阶段从2000年到2006年,为沙漠化缓减期.尽管发生了沙漠化,但固定沙地仍然是浑善达克沙地面积最大的类型.针对流动沙地的空间变化检测表明在过去20a里沙地恶化的面积远远大于逆转的面积,并且已经形成了几条流动沙带,这意味着浑善达克沙地沙漠化的遏制是一个长期的过程.     

Impact of land use intensity on sandy desertification: An evidence from Horqin Sandy Land,China

It has been widely accepted that high land use intensity contributes to sandy desertification in Northern China. However, it is surprising that it is even not easy to find an explicit definition and proper indicator for the term “land use intensity” in the sandy desertification related literatures. To better understand the association between sandy desertification and its driving factors, especially in the context of the synergistic roles of both climatic and anthropogenic variables, an indicator for land use intensity was developed in this paper for quantifying the relative role of land use output on different kinds of vegetation cover. The results indicated land use intensity increased rapidly from 1980 to 1995, obviously decreased from 1995 to 2000, and increased slowly after 2000 as a result of the continued increase of socioeconomic pressures and the fluctuating changes in vegetative cover.An ARDL model was established and applied to analyze the correlation between the area of bare sand land and land use intensity with the influence of annual precipitation in temporal dimension. The area of bare sand land was significantly affected by land use intensity in the long run. However, in the short run, the area of bare sand land was mainly impacted by the auto-correlation effect of itself in temporal dimension and by the annual precipitation. The improvement of the sand dunes obviously reduced the risk of sandy desertification under the condition of specific land use intensity.Before analyzing the correlation between land use intensity and sandy desertification, specific skills were applied to improve the model, including data interpolation and regression verification, since there would be regression biases resulting from the acquisition and processing of time-series data of different sources. Results showed that the area of bare sand land (S_t)and the land use intensity (LI_t) were time-independent. Lag terms of these two variables were added to improve original model.Changes in socioeconomic pressures and ecological restoration projects had obvious influences on land use intensity. Along with the steady increase of socioecological pressures on land and the changes in vegetative cover resulting from various ecological protection strategies and ecological restoration projects, shifts in land use intensity followed a different trend with the population and the social-economic demands. Nonetheless, the continuous increase of socioeconomic demands will increase land use intensity in the long run, so that the risk of sandy desertification remains high.     

基于多源遥感数据的生态保护修复项目区监测方法评述

回顾了山水林田湖草生态保护修复项目的实施背景,针对生态保护修复项目监测监管范围广、技术难等问题,强调了基于多源遥感数据开展项目遥感监测的重要性与必要性。从监测指标拟定、遥感地物信息提取、多源遥感数据融合、动态变化检测等方面评述了基于多源遥感数据的生态保护修复项目区监测方法,包括基于中高空间分辨率遥感数据的地物信息提取、融合机器学习的非线性混合像元分析、基于混合像元分析的时空融合等。在总结技术和工作推进方面的优势、局限基础上,提出要结合实际工作,持续优化国土空间生态保护修复监测指标;充分挖掘遥感数据解析的相关算法潜力,提升地物信息提取和混合像元分析的精度;加强时空融合算法与变化检测方法的研究探索,加强相关方法的实践应用;以“山水林田湖草生态保护修复工程试点”项目为平台,建立稳定的国土空间生态保护修复遥感监测运行机制,加强科技创新,形成技术标准,指导工作开展。