东北虎豹国家公园生态环境质量动态评价及其气候响应

人类活动及气候变化对东北虎豹国家公园生态环境产生深刻的影响,探究该地区生态环境质量的时空演变规律对园区可持续发展具有重要意义。在原有遥感生态指数基础上,选用增强型植被指数代替原绿度指标中的归一化植被指数,构建2001—2020年植被生长季遥感生态指数,探讨园区内核心保护区、虎豹潜在栖息地及主要人口聚集区三大管控区生态环境质量时空变化特征,并基于像元尺度分析其对气候因素的响应。结果表明：(1)近20年虎豹公园生态环境质量呈波动微弱下降趋势,2015年后生态环境质量逐步提升,2020年达到良好水平;(2)园区内各管控区生态环境质量具有明显的空间分异性,东部核心保护区中部及虎豹潜在栖息地中部以南地区生态环境质量较好,主要人口聚集区相对较差。(3)近20年虎豹公园生态环境质量稳定性较差。未来生态环境质量变化趋势为上升的面积占60.86%,表明未来生态环境趋势总体向好,但局部地区仍存在持续恶化态势。(4)虎豹公园生态环境质量主要受降水的影响,与降水呈显著正相关关系,与气温及日照的相关性较弱。     

新疆科克苏湿地植被生物量时空分布特征及与水文连通的关系

区域植被生物量及其与水文连通之间的定量关系对于湿地保护和管理具有重要意义。基于多期Landsat-8遥感影像和野外实地调查数据,提取了新疆科克苏湿地生长季不同月份的湿地水体斑块,反演并分析了湿地植被地上生物量及时空分布特征,量化了水文连通与科克苏湿地植被地上生物量和植被碳库的关系。结果表明: 6月新疆科克苏湿地水体斑块面积最大,占保护区面积的63.12%,之后湿地水体斑块面积逐渐减少,8月水体斑块面积仅占保护区面积的6.27%,水体斑块分布具有明显的季节性特征。科克苏湿地植被生物量呈现聚集分布的空间分布模式,额尔齐斯河及克兰河河道两侧以及支流两侧湿地为高生物量区域,北部阿热勒齐及阔克苏村和东南部萨尔胡松乡为低生物量区域。7月地上生物量达到生长季最高值,该时段科克苏湿地的植被总生物量为1.09×10⁹ kg,最大总生物量为4832 g/m²,地上生物量较高区域分布在西部的阿克铁热克村及东部的巴勒喀木斯村。水文连通与植被地上生物量及植被碳库呈现抛物线关系,水文连通度为0.6左右时,植被地上生物量及植被总碳库最大,植被总碳库达到4.5×10¹¹ kg C。研究揭示了科克苏湿地植被生物量的时空分布特征,建立了科克苏湿地水文连通度与植被地上生物量及植被碳库的量化关系,明确了适宜的水文连通度对植被生物量积累存在促进作用,可为湿地水文连通调控和植被碳储存功能提升提供有效参考。     

青藏高原草地地上生物量估算

及时准确评估草地产草量对草地资源的科学管理和可持续发展具有重要意义。青藏高原自然环境特殊,气候差异显著,地形复杂,仅依靠遥感信息准确监测草地地上生物量(Aboveground Biomass,AGB)变化有较大限制。基于青藏高原草地AGB野外实测数据与Landsat遥感影像,探索了植被指数表征草地AGB信息的有效性,评估了气象和地形信息对准确估算草地AGB的影响,综合利用气象、地形和遥感信息,在新一代地球科学数据和分析应用平台(Google Earth Engine)上构建了梯度增强回归树草地AGB估算模型,绘制了青藏高原多年草地AGB空间分布图。结果表明:(1)基于单因素遥感因子的线性回归模型仅能解释8%-40%的草地AGB变化情况,其中绿色归一化植被指数(Green Normalized Difference Vegetation Index, GNDVI)对草地AGB解释能力较强(40%)。(2)基于遥感因子构建的梯度增强回归树模型测试集R²为0.57。分别添加气象、地形信息,模型对草地AGB的估测准确性有所提升,测试R²为0.62和0.63。(3)基于气象、地形和遥感因子的多因素估测模型能够提高草地AGB估测精度,经递归特征消除法优选后,基于13个特征变量的梯度增强回归树模型拟合效果最好(训练数据集R²=0.79,RMSE=43.42 g/m²,P<0.01;测试数据集R²=0.66,RMSE=53.64 g/m²,P<0.01),可以解释66%草地AGB变化情况。(4)2010年青藏高原平均AGB为94.58 g/m²,2015年93.63 g/m²,2020年100.78 g/m²。青藏高原西北部草地AGB较低,东南部草地AGB较高,整体呈现自西北向东南逐渐增加的分布格局。研究结果为准确估算青藏高原草地产草量和碳储量等研究提供重要参考。     

基于高光谱遥感的小麦叶片氮积累量

作物氮素状况是评价长势、提高产量和改善品质的重要指标,因此叶片氮积累量的实时无损估测对作物生产的氮素管理具有重要意义.以多个小麦品种在不同施氮水平下的连续3a大田试验为基础,研究了小麦叶片氮积累量与冠层高光谱参数的定量关系.结果表明,冠层叶片氮积累量随着施氮水平的提高而增加,光谱反射率在不同叶片氮积累量水平下发生相应的变化.叶片氮积累量的敏感波段主要存在于近红外平台和可见光区,其中,"红边"区域表现最为显著.通过微分等技术构造多种植被指数,对高光谱参数和叶片氮积累量间进行相关回归分析,SDr/SDb、FD742和AVHRR-GVI 3个参数与叶片氮积累量关系最密切,方程拟合决定系数R2分别为0.9163、0.9097和0.9142,估计标准误差SE分别为1.165、1.079和1.077.经不同年际独立数据的检验表明,利用光谱参数FD742建立的模型对叶片氮积累量的估测精度为0.8449,预测的RMSE为0.984;红边位置REPIG对叶片氮积累量的估测精度和预测的RMSE分别为0.8394和1.014,表明预测值与观察值之间符合精度高,比较而言,FD742为自变量建立的模型可以更好地评估不同条件下叶片氮素积累状况.     

遥感与GIS支持下的崇明东滩迁徙鸟类生境适宜性分析

崇明东滩鸟类自然保护区位于长江入海口,是国际迁徙鸟类重要的栖息地.受自然和社会因素影响,该地区鸟类栖息环境正处于快速变化.研究采用面向对象的图像分割方法提取鸟类生境适宜性多边形评价单元,根据近年来野外调查数据分析了影响迁徙鸟类生存的地类、植被、潮沟、底栖生物等关键环境因素,建立了鸟类与关键环境影响因素的定性定量关系.在此基础上利用GIS空间分析方法和技术,进行了崇明东滩鸟类保护区内主要四大鸟类种群雁鸭类、鸻鹬类、鹭类以及鸥类的生境适宜性分析.结果表明:(1)崇明东滩迁徙鸟类生境较适宜的面积占保护区总面积40%左右;(2)光滩区域、与光滩邻近的海三棱藨草带以及潮沟地带是鸟类生境适宜性较好的地理区域;(3)基于面向对象的遥感分析技术和GIS空间分析技术,能有效且简便地对生态环境处于快速动态变化中的物种生境适宜性进行快速、客观准确的分析评价,其结果可为崇明东滩鸟类种群及其生存环境规划、保护和管理提供基础科学依据.     

1973-2013年黄河三角洲湿地景观演变驱动力

1973-2013年间,日益加剧的人类活动和愈发严峻的自然环境对黄河三角洲湿地景观形成巨大威胁。人与自然双重影响下黄河三角洲湿地发生了怎样的变化,哪些因素、多大程度上导致了这种变化的发生,科学解答这些问题对于加强黄河三角洲湿地保护具有重要意义。以Landsat卫星1973-2013年40a的9期影像为数据源,利用人工目视解译方法构建研究区景观数据库,在分析研究区景观特征的基础上,通过主客观相结合的方法,构建了能够反映黄河三角洲地区景观湿地化和人工化状态的表面湿地-人工状态指数(SWCSI)。结合黄河入海水沙、区域降水以及地方生产总值(GDP)、水产品产量和原盐产量,分别从区域尺度和像元尺度上,定量分析了过去40年黄河三角洲湿地景观演变的驱动力及其空间差异。研究表明:(1)过去40年来,黄河三角洲自然湿地面积不断萎缩,人工湿地增加,湿地总面积减小,黄河三角洲整体上呈现出人工化或湿地退化趋势,同时也存在明显的空间异质性:滨海地区以人工化和湿地退化趋势为主,黄河入海口地区以湿地化趋势为主,中西部和西南部传统农耕区基本无变化。(2)黄河三角洲湿地景观的人工化或湿地退化趋势是过去40年来黄河水沙减少、人类活动加剧共同作用的结果。区域尺度上,人类社会经济活动对黄河三角洲湿地景观演变起主导作用,黄河径流量和输沙量的作用明显弱于社会经济因素。像元尺度上,驱动因素的空间异质性是导致黄河三角洲湿地景观演变空间异质性的原因。湿地的发展主要归因于自然因素,以黄河水沙作用最为关键;湿地的人工化或退化过程以人类社会经济活动的强制改造为主导,但是否伴随黄河水沙变化的潜在影响,对特定区域而言应是确定的,但仍很难从像元尺度进行量化。     

基于阈值法的山区森林常绿、落叶特征遥感自动识别方法——以贡嘎山地区为例

森林的常绿、落叶特征是土地覆被产品的重要属性。由于山区地形复杂,地表遥感辐射信号地形效应明显,导致山区森林常绿、落叶特征遥感自动识别一直是难点。提出了一种基于阈值法的山区森林常绿、落叶特征遥感自动识别简单实用方法。该方法利用多源、多时相遥感影像,选择归一化植被指数(NDVI)为指标,通过统计参考样本的NDVI在生长季和非生长季的差异,自动找出区分常绿、落叶特征的阈值,基于判别规则识别山区森林常绿、落叶特征。以贡嘎山地区为例,分别以多时相Landsat TM影像(简称TM)、多时相环境减灾卫星影像(简称HJ)为单源数据,多时相的HJ、TM组合影像为多源数据,验证该方法的有效性。实验结果表明,该方法能够有效识别山区森林常绿、落叶特征,总体精度达到93.87%,Kappa系数为0.87。该方法适用于山区大面积森林常绿、落叶特征遥感自动提取,已被成功应用于"生态十年"专项西南地区土地覆被数据的生产。     

组织学病理图像在深度学习中染色处理的研究进展

深度学习使辅助诊断的软件能够更积极有效地开发和应用,但是组织病理学图像的颜色变化降低了这些算法的性能。染色归一化可以解决扫描仪效应、不同的染色方法、患者的疾病状态、染色时间等因素产生的图像异质性。虚拟染色可以摆脱载玻片染色,减少载玻片的制备步骤,为临床缩短样本的制备时间,节省大量的成本。在缺乏注释训练数据的情况下,病理图像数据增强可用于创建具有纹理和颜色、样式逼真的人工样本来促进网络训练。本文就组织学病理图像在深度学习病理分析中染色处理的染色归一化、虚拟染色和数据增强等方面展开综述,为组织学病理图像在临床上的应用和研究提供参考。     

乌梁素海湿地芦苇最大羧化速率的高光谱遥感

湿地植被生产力和固碳潜力的研究是全球碳循环和全球变化的热点研究问题。湿地植被的光合能力能够指示其生长的健康状态。最大羧化速率是重要的植被光合参数之一,对精确模拟湿地植被光合作用和气体交换模型中的固碳过程具有重要的作用。以内蒙古乌梁素海湖泊湿地为研究区,进行了芦苇叶片光合参数和光谱的测量。芦苇叶片最大羧化速率(V_(cmax))数值是基于Farquhar光合作用模型,从光合测量获取的A-C_i曲线计算并校正到25℃得到的。分别基于bootstrap PLSR模型、单波段和高光谱植被指数(包括简单比值指数SR和归一化差值指数ND),构建湿地芦苇叶片最大羧化速率(V_(cmax))估算模型。基于高光谱遥感图像HJ-1A HSI,采用ND高光谱指数中具有较高V_(cmax)估算精度的入选波段702和756 nm,获取研究区湿地芦苇最大羧化速率空间分布图。研究结果表明,湿地植被光谱特征和高光谱植被指数,可用于估算湿地芦苇V_(cmax),其中最高精度产生于基于bootstrap PLSR模型的建模方法(R~2=0.87,RMSECV=3.90,RPD=2.72),ND高光谱指数的V_(cmax)估算精度高于SR高光谱指数的估算精度;从获取的V_(cmax)空间分布图上提取估算值,其与测量值对比,存在较好的相关性(R~2=0.80,RMSE=4.74)。     

基于多时相Landsat遥感影像的海州露天煤矿排土场植被时空特征分析

矿区土地复垦是目前土地整理的一项重要内容,也是矿区可持续发展实现的保障.矿区植被及其恢复状况是矿区土地复垦质量的一种重要的指示器,表征土地复垦的程度与质量.研究基于1975～2000年共4期遥感影像,构建植被覆盖度指数,考察辽宁省阜新市海州露天煤矿排土场25a来植被生长状况及时空变化特征.分析结果表明:1975～2000年间,研究区植被处于不断生长、逐渐恢复的状态,并存在明显的空间差异.时间尺度上,植被覆盖度较高(0.4～0.6)的区域所占面积比例从1975年的14.04%增长到2000年的34.83%;空间分布上,植被覆盖度低(0～0.25)的区域多分布在台地之间相连接的边坡位置上,植被覆盖度较高(0.25～0.6)的区域则分布于台地内部的平坦地面上.