基于“DEM-NDVI-土地覆盖分类”的天山博格达自然遗产地植被垂直带提取与变化分析

本文基于Landsat影像数据获取天山博格达自然遗产地土地覆盖分类,结合归一化植被指数(NDVI)和数字高程模型(DEM)构建"DEM-NDVI-土地覆盖分类"散点图分析研究区植被受海拔和坡向的水热空间变化影响的分布特征,通过概率统计分析提取博格达遗产地山地垂直带,并结合研究区的气温、降水数据和NDVI变化特征分析垂直带变化的原因。研究结果表明:(1)本文利用"DEM-NDVI-土地覆盖分类"散点图,揭示了研究区1989年和2016年的NDVI值和分类类别随着海拔上升的变化特征,其中NDVI值随着海拔上升呈现"倒U形"变化,而不同分类类别在一定的海拔区间内呈现出聚集效应,且不同分类类别有明显的高程界限。(2) 1989年和2016年博格达遗产地山地垂直带分带上限分别为:1278 m和1185 m(温带荒漠草原带)、1784 m和1759 m(山地草原带)、2706 m和2730 m(山地针叶林带)、3272 m和3293 m(高山草甸带)、3636 m和3690 m(高山垫状植被带)。(3)博格达遗产地1989年和2016年山地垂直带受区域气温升高和降雨增加的影响有较为明显的改变,其中温带荒漠草原带最为敏感,其上限变化最大,向下收缩93 m;山地针叶林带的分布范围则向两侧扩张49 m;山地草甸带带宽基本保持不变,但整体上移了约20 m;冰雪带则受到全球气候变暖的影响向上退缩54 m。     

欧亚大陆山地垂直带数字集成系统的设计与应用

在欧亚大陆山地垂直带880个带谱点数据采集的基础上,设计和开发了山地垂直带数字集成系统。其功能：(1)垂直带谱可视化显示功能：实时生成垂直带地理分布图、垂直带堆积柱状图、上下限高度随经纬度变化曲线;(2)垂直带上下限提取和绝对高度和相对高度转化功能：提取山地垂直自然带分布上限和下限高度,进行垂直带的宽度和垂直带上限海拔...     

不同数据源归一化植被指数在中国北方草原区的应用比较

中国北方草原区生产力在区域碳水循环、农牧业发展中举足轻重。归一化植被指数（Normalized Difference Vegetation Index,NDVI）广泛应用于生产力的计算,然而目前来源众多的NDVI数据反映中国北方草原植被时空动态的一致性仍未可知。本研究利用2000—2015年3个来源NDVI数据集（MODIS NDVI、GIMMS NDVI和SPOT NDVI）并以国际上公认的数据准确性较高的MODIS NDVI为基准对比分析了中国北方草原区NDVI时空动态的一致性,并选取适宜的NDVI产品揭示研究区NDVI长期的时空格局。结果表明：整个中国北方草原区以及部分草原类型（高寒草甸、高寒草原、高寒荒漠、温带荒漠草原）GIMMS NDVI和MODIS NDVI 2套数据集无论是数值范围,还是年际波动和变化趋势具有较高一致性（二者在高寒草甸、高寒草原、高寒荒漠、温带荒漠草原的相关系数分别为0.60、0.47、0.51、0.74）,而SPOT NDVI数值远高于其他2个数据集,尤其是在青藏高原草原区,SPOT NDVI数值每年较另外两套数据集约偏高0.15,表明该区域使用SPOT数据应慎重。部分温带草原类型（典型草原和草甸草原）GIMMS NDVI和SPOT NDVI数据集在年际波动以及变化趋势上具有较高的一致性（相关系数分别为0.85和0.60）,但温带草原区3种数据集NDVI数值范围整体相差不大,小于0.06。基于上述结果,本研究进一步采用时间序列最长且与MODIS NDVI一致性最好的GIMMS NDVI分析了研究区NDVI的时空动态,发现1982—2015年中国北方草原区NDVI整体呈增加趋势,25%的区域达显著水平（p<0.05）,主要集中在温带草原区;高寒草原区NDVI大部分区域变化不显著且有一定比例的区域NDVI呈显著下降趋势。本研究可以为模型数据集选择和预测中国北方草原区植被对未来气候变化的响应提供科学依据。     

基于垂直带谱的太白山区山地植被遥感信息提取

遥感数据因其全覆盖的优势被广泛应用于山地植被信息的调查和研究。为了实现山区植被类型的高精度提取,本文以太白山区为实验区,结合山地植被的垂直地带性分布规律,利用太白山植被垂直带谱、高分辨率遥感影像（GF1/GF2/ZY3）和1:1万的数字表面模型（Digital Surface Model, DSM）数据,进行了多层次、多尺度的影像分割,构建了具有植被垂直带谱信息的地形约束因子,并据此进行样本选择和面向对象的分类,分类总精度达92.9%,kappa系数达到0.9160。该方法相比于未辅以垂直带谱信息的分类,总精度提高了10%。研究结果表明,分类过程中加入具有垂直带谱信息的地形约束因子,能显著地提高样本选择的效率和准确率,为后续的植被分类提供了精度的保证。通过人机交互的方式,将垂直带谱知识应用到分类中,可以有效地提高山地植被分类的精度。     

阴影消除植被指数(SEVI)去除地形本影和落影干扰的性能评估与应用

地形校正是崎岖山区遥感图像预处理的关键步骤。为了评估基于DEM数据的经验校正模型、山地辐射传输模型和波段组合优化计算模型在去除地形阴影效应方面的性能,并将其应用于福州市植被覆盖监测,本文采用C模型（和SCS+C模型）、6S+C模型和阴影消除植被指数（SEVI）进行评估、比较。采用1999年和2014年两期Landsat 5 TM卫星数据和相关的 30 m ASTER GDEM V2高程数据,分别计算了C校正（和SCS+C校正）和6S+C校正后的归一化植被指数（NDVI）和比值植被指数（RVI）以及基于表观反射率数据的SEVI。通过目视比较、光谱特征比较以及太阳入射角余弦值（cos i）与植被指数的线性回归分析,可以看出C模型和SCS+C模型对本影具有较好的校正效果,但对落影的校正效果欠佳。NDVI和RVI的本影与邻近无阴影阳坡的相对误差分别从71.64%、52.57%降至4.80%、6.43%（C模型）和0.50%、9.94%（SCS + C模型）,而落影与邻近无阴影阳坡的相对误差分别从62.01%、47.57%降至31.05%、24.40%（C模型）和33.42%、16.01%（SCS + C模型）。在NDVI的落影校正效果上,6S+C模型比C模型和SCS+C模型有一定的提升,本影与邻近无阴影阳坡之间的相对误差为8.63%,落影与邻近无阴影阳坡之间的相对误差为14.27%。而SEVI在消除本影和落影方面整体效果更好,本影和落影与邻近无阴影阳坡的相对误差分别为9.86%和10.53%。最后,基于SEVI对福州市1999-2014年的植被覆盖变化进行了监测。监测结果表明： ① 1999-2014年植被覆盖增加了893.61 km ²,植被增加区域主要分布在海拔250~1250 m范围内;② SEVI均值在坡度40°附近达到峰值。     

全球土地覆被数据集中哈萨克斯坦草地分布的异同及其成因

受社会制度变迁和气候变化的影响,哈萨克斯坦是中亚地区生态退化和草畜矛盾问题最为突出的国家。近百年来,放牧方式的改变、农业开垦的占用、加之暖干化的气候变化影响,使得哈萨克斯坦各类草地生态系统变化的时空格局具有鲜明的特点。因此,研究哈萨克斯坦草地退化的过程与机制对认识中亚地区草地生态系统对气候变化和人类活动的响应尤为重要,也是对绿色丝路建设过程中区域生态可持续发展的科学支撑。土地覆被数据是生态变化研究的基础数据,但目前广泛使用的各套全球数据集间往往存在很大的差异,这会导致对生态变化成因的认知以及对未来变化的模型模拟产生更大的不确定性。本研究从对草地类型识别的定义、空间分布的一致性和空间分布差异的原因3方面对比5类全球土地覆被数据（UMD 1992-1993、MCD12Q1 2001、GLC 2000、CCI-LC 2000、Glob Cover 2005）中哈萨克斯坦草地分布的异同,以期为哈萨克斯坦的相关研究中土地覆被数据集的选择提供依据。研究结果表明：① 分类系统中对草地类型的界定、遥感数据源、辅助分类数据、分类方法、验证数据和方法的不同是5套数据草地资源分布差异的主要原因,其中MCD12Q1数据与其他4套数据的草地分布面积相差最大;② 5套数据中草地分布都重叠（完全一致）或四套数据重叠（高度一致）的区域仅占39.66%,主要位于哈萨克斯坦典型草原带和部分半荒漠草原带;围绕典型草地分布区,空间一致性由内向外逐渐降低。5套数据完全不一致区域占26.78%,主要位于荒漠草原带;③ CCI-LC2000数据与其他几类数据的重叠区域最高,有76%的草地与5套数据的完全一致以及高度一致区重叠;在分布不一致区域中,极易造成混淆的土地覆被类型主要为旱作耕地、灌溉耕地、耕地与自然植被镶嵌体、裸地以及灌丛。     

秦巴山地山体基面高度的提取及分布

秦巴山地是中国的南北分界线,也是黄河和长江的分水岭,其山体效应的定量化影响秦巴山地山体垂直带的分布格局、非地带性因素的作用强度和机理,以及中国暖温带和北亚热带的具体位置的确定。山体基面高度是影响山体效应最重要和关键的地形因子,其定量化和数字化提取是秦巴山地山体效应定量化研究的重要内容。本研究针对秦巴山地山体效应的定量化研究,使用30 m分辨率的STRM-1数据,分别基于山体特征线和流域分区2种方法提取了秦巴山地的山体基面高度分区,并根据地形起伏度和坡度,确定基面范围,计算了山体基面高度值。结果表明：① 基于山体特征线的方法将秦巴山地分为93个基面高度分区,基于流域分区的方法将秦巴山地分为209个基面高度分区,根据2种分区结果提取的基面高度值相差不大且均体现了秦巴山地地势的特点;② 秦巴山地山体基面高度从东向西呈阶梯状递增的趋势;③ 从南到北,秦巴山地的东段和中段均呈先增高后降低的趋势,即从大巴山向北至汉江谷地降低,再向北至秦岭升高;④ 山地的不同侧翼的山体基面高度不同,秦岭南坡的基面高度（1000~1809 m）明显高于北坡（850~1300 m）。秦巴山地山体基面高度与其植被带分布上限联系密切,实现山体基面高度的数字化提取,为山体效应的定量化研究提供了重要的技术支持。     

基于多源数据的生态环境质量变化研究——以广州市为例

基于Landsat影像计算遥感生态指数,结合土地覆盖数据分析广州市2000―2020年生态环境质量的时空变化,通过兴趣点(POI)核密度结果评价广州市功能设施分布现状,利用地理探测器研究广州市生态环境质量空间分异的主要影响因素。结果表明:近20年来,广州市生态环境质量优级和中级的面积占比分别上升了10.59%和2.19%,良级面积占比下降了13.16%,良级向中和优级转变的趋势显著,丘陵和山地生态环境质量呈上升趋势,城市扩张区域则有所下降;各因子对归一化差异植被指数(NDVI)、干度指标(NDBSI)和地表温度(LST)的解释力度较高,在人类活动强度较高的低海拔不透水面地区,NDVI与缨帽变换的湿度分量(Wet)偏低,NDBSI与LST偏高,对生态环境具有负效应,广州北部的丘陵山地NDVI较高,LST较低,对生态环境有利。     

西藏高原积雪覆盖空间分布及地形影响

利用2000-2014年MOD10A2积雪产品和数字高程模型DEM数据,以积雪覆盖率为指标,在分析西藏高原积雪空间分布特点的基础上,定量研究了高程、坡度和坡向等地形要素对高原积雪时空分布的影响。主要结论有：① 西藏高原积雪的空间分布差异显著,具有中东部念青唐古拉山和周边高山积雪丰富,覆盖率高,而南部河谷和羌塘高原中西部积雪少,覆盖率低的特点。② 海拔越高积雪覆盖率越高,积雪持续时间越长,年内变化越稳定。海拔2 km以下积雪覆盖率不足4%,海拔6 km以上覆盖率达75%。海拔4 km以下年内积雪覆盖呈单峰型分布特点,海拔越高,单峰型越明显;而海拔4 km以上则为双峰型,海拔越高,双峰型越明显。海拔6 km以下积雪覆盖率最低值出现在夏季,而6 km以上则出现在冬季。③ 总体上,高原地形坡度越高积雪覆盖率越高。不同坡向中,北坡积雪覆盖率最高,南坡最低,年内分布呈双峰型,而无坡向的平地积雪覆盖率要小于有坡向的山地,其年内变化呈单峰型分布特点。     

基于GEE的黄河流域植被时空变化及其地形效应研究

黄河流域作为中国东部平原的生态屏障,研讨其植被覆盖的时空变化有助于生态环境治理。本文利用GEE平台,基于Landsat数据通过像元二分模型反演了1990—2020年黄河流域植被覆盖度（FVC）,并通过Theil-Sen Median趋势分析和 Mann-Kendall检验方法剖析FVC的时空变化趋势,挖掘出FVC趋势变化与海拔、坡度、坡向等地形因子之间的响应关系。结果表明：① 黄河流域FVC整体呈现西北低东南高的空间分布趋势,其中低等FVC占整个流域面积的45%,主要集中于西北部干旱半干旱地区;② 流域中部植被覆盖改善明显,占整个流域的57.07%,西北部和东南部退化程度相对较高;③ 植被覆盖受地形效应影响较为显著,在坡度大于40°及高程（-31~637 m）时高等级FVC占比较高,坡度8~18°及高程1852~2414 m范围内植被改善效果相对较好。结果可以为黄河流域生态环境保护及高质量发展提供科学支撑。     

黑河流域中游地区作物种植结构的遥感提取

及时、准确地获取农作物种植结构对区域水资源管理与作物产量估测等具有重要意义。随着对通过遥感手段获得作物种植结构的深入研究,如何优选遥感数据和分类器成为需要重点考虑的关键问题。针对黑河流域中游地区的作物分布与种植特点,提出一种基于多时相遥感影像与多分类器组合的作物种植结构提取方法。利用2018年18景16 m分辨率的GF-1 WFV影像,构建NDVI时间序列。根据NDVI时间序列表征的作物季相节律和物候变化规律特点,采用分层的策略,首先解译一级土地覆被类型,再解译二级土地覆被类型。一级土地覆被类型解译中,使用决策树分类方法先将NDVI特殊且易提取的水体进行解译,再使用面向对象分类方法通过分区将需借助NDVI纹理信息提取的建设用地进行解译,最后使用随机森林分类方法解译耕地、林地、草地、裸地和湿地。在对耕地的进一步分类中,使用决策树分类方法首先将具有特殊物候规律且易于区分的苜蓿类别解译出来,再将与其他类别物候差异较大的小麦解译,最后将物候相似的玉米、蔬菜及其他解译。黑河流域中游研究区内一级土地覆被分类总体精度为97.24%,卡帕系数为0.96;作物种植结构解译总体精度为86.58%,卡帕系数为0.80。此外,还分析了影响黑河流域中游研究区解译精度的4个因素：对土地覆被类别的定义、混合像元、影像分割时基础影像的选择以及分类方法的选择。通过对不同分类方法的比较发现,与仅使用最大似然分类方法、支持向量机分类方法或随机森林分类方法相比,本文提出方法的解译结果更好,解译精度更高。     

蒙古国30米分辨率土地覆盖产品研制与空间格局分析

作为蒙古高原的重要组成单元,蒙古国的土地覆盖格局与变化对于东北亚的资源、环境、生态及可持续发展具有重要意义。针对本区域缺乏高精度、现势性的土地覆盖数据产品的问题,本研究利用Landsat TM影像,采用面向对象的分类方法开展蒙古国土地覆盖遥感数据产品研制与分析。首先针对蒙古国景观格局特征,自主研究了适宜于蒙古国的土地覆盖分类体系,基于面向对象的遥感解译技术方法研究了蒙古国自然地物和人工地物要素的提取算法规则与阈值,建立了一套完整的面向蒙古国的土地覆盖遥感解译技术方案,在分景解译基础上获取了蒙古国2010年土地覆盖分类产品。经验证,数据集一级类分类精度为92.34%,二级类分类精度为80.24%。蒙古国土地覆盖类型以裸地、草地、森林为主,其中裸地的面积最大,占总面积的48.64%,其分布比较集中连片,主要分布在蒙古国南部和西部;草地面积次之,占总面积的42.85%,其分布具有明显的地域性,主要集中在蒙古国北部湿润地区和河流附近;林地最少,占总面积的6.63%,以蒙古国北部及西北部高山地区为主要生长区域。整体上蒙古国土地覆盖空间格局呈现明显的区域差异与地类过渡性,从南向北依次为裸地、荒漠草地、典型草地、森林类型,其中荒漠草地在中部形成一条明显的分界条带。     

CryoSat DEM与多种南极DEM的对比分析

南极洲被巨厚冰雪覆盖,地质构造以南极横断山脉为界,总体分为东南极地盾和西南极活动带。数字高程模型（DEM）是研究南极冰盖变化的基础数据之一。通过多期次数字高程模型相比较获得高程的变化信息,是分析南极冰盖厚度变化和物质平衡的重要手段。然而不同类型DEM之间存的平面误差和垂直误差影响分析结果的精度。首先利用配准消除DEM间的水平误差,然后计算并按坡度提取CryoSat DEM与其他DEM的平均高程差和标准差,最后分析高程差的时空变化特征。通过分析发现,DEM之间存在不同的平面误差。其中TanDEM_X DEM与CryoSat DEM的高程平面偏差最小,而ICESat DEM与CryoSat DEM的高程平面偏差最大。在垂直方向上,0°~1°的坡度范围内,CryoSat DEM与TanDEM_X DEM的平均高程差在3.5~5.5 m之间,标准差小于18.0 m;CryoSat DEM和Bamber 1km DEM的平均高程差在-2.5~+1.0 m之间,标准差小于24.2 m;CryoSat DEM与ICESat DEM的平均高程差在-25.0~-1.0 m之间,标准差小于47.2 m;CryoSat DEM与RAMPv2 DEM的平均高程差在1.3~3.2 m之间,标准差小于45.6 m。通过研究发现南极冰盖内部高程增加,但西南极冰盖和东南极冰盖高程均在降低,且西南极降低明显,同时南极边缘地区高程降低明显。本研究为全球变化研究和南极物质平衡研究提供了重要参考。      

多分辨率遥感土地覆被数据质量综合评价——以湖南省桃源县为例

评价土地覆被数据质量是正确、合理使用数据的前提和保障,有助于遥感制图方法的改进。本文以1：10万土地利用数据为参考数据,选取2010年RapidEye_5 m、FROM_GLC（30 m）、MODIS_V005（500 m）,以及2009年GlobCover 2009（300 m）土地覆被数据,以湖南省桃源县为例对4种不同分辨率的遥感土地覆被数据质量,引入窗口的分类类别统计方法,进行了综合评价,并分析了其误差和空间分布。结果表明：（1）RapidEye_5 m数据总体精度最高,MODIS_V005和FROM_GLC次之,GlobCover 2009数据相对最低。高分辨率土地覆被数据对于居民地、交通用地、水体等精细地物分类较好,具有一定优越性,各数据在一级类上的面积相关性和一致性总体高于二级类;（2）各数据在建筑用地和其他未利用地类型上的生产者精度均较低,FROM_GLC和MODIS_V005数据,在灌木草地上的空间一致性较差,4种数据在以耕地为主的平坦地区空间一致性较好,混淆主要发生在灌木草地、乔木林地和耕地之间;（3）随着土地覆被数据分辨率的提高,分出较多地物类型数的面积比例也随之增加,较高分辨率的RapidEye_5 m和FROM_GLC分出的类别数集中在7-16种较高水平上,低分辨率数据集中在1-5种较低水平上,在丘陵山区差异显著,而高分辨率数据对地物区分更好,集中于11-16种地物。     

基于框架数据控制的全国土地覆盖遥感制图研究

土地覆盖研究是全球变化的一个重要内容。本文针对中国土地覆盖实际情况,从遥感制图角度和陆地生态系统观点出发,建立了一种基于陆地生态系统特点的土地覆盖遥感分类体系。充分利用目视解译的精确性和自动分类的快速性,在高精度目视解译数据提供的基本覆盖类型及其位置、边界的控制下,以250m分辨率的2005年MODIS植被指数产品为遥感分类信息源,获取主要类型的详细分类信息,并结合人机交互判读分析与相关资料等的综合运用,实现2005年全国土地覆盖遥感制图。对比实地调查结果的精度分析表明:土地覆盖制图的类型分类准确,基本上反映了各地区的土地覆盖特点和分布趋势,图斑格局与影像地理特征基本吻合,全国土地覆盖制图总体准确率为91%,各类型准确率也达89%以上。     

基于深度学习的高分辨率遥感影像土地覆盖自动分类方法

土地覆盖变化是全球变化研究的核心,而精准分类是开展土地覆盖变化研究的基础。高分辨率遥感卫星技术的快速发展对地表分类的速度和精度提出了双重挑战,近年来人工智能等新技术的发展为图像自动分割提供了实现途径,而以卷积神经网络为代表的深度学习方法在遥感图像分类领域也具有独特的优势。为对比深度学习模型设计对高分辨率图像分类结果的影响,本文以郑州市2019年高分1号影像作为输入,对比研究了基于UNet模型改进的4种不同深度学习网络模型在高分辨率影像土地覆盖自动分类应用中的差异,探讨了残差网络、模型损失函数、跳层连接和注意力机制模块等编码和解码设定对于分类精度的影响机制。研究发现：同时加入多尺度损失函数、跳层连接和注意力机制模块的MS-EfficientUNet模型对郑州市土地覆盖分类结果最优,基于像元评价的整体分类精度可达0.7981。通过在解码器中引入多尺度损失函数可有效提高林地、水体和其他类别的分类精度;而对编码器进行改进,加入跳层连接和注意力机制可进一步提高草地、水体和其他类别地物的分类精度。研究结果表明,深度学习技术在高分辨率遥感影像自动分类中具有潜在应用价值,但分类结果精度的进一步提高和多级别大范围的精细分类方法仍是下一步研究的重点。     

松嫩平原土地沙漠化评价及预防措施

松嫩平原西临大兴安岭东麓的丘陵台地，北部和东部以小兴安岭和张广才岭外围的山麓、丘陵台地为界，南部是以松辽分水岭为主的隆起带。松嫩平原属于温带半湿润、半干旱的森林草原和草甸草原带，位于松嫩盆地之中。该盆地以周边的分水岭为界，包括盆地边缘的山区、低山丘陵区、山前倾斜平原、台地、平原和低平原，面积为23．13×104km^2。松嫩平原以低丘陵、台地前缘和山前倾斜平原为界，含220m等高线以下的土地面积，为9．27×104km^2。     

1990-2010年中国土地覆盖时空变化特征

本文基于CG-LTDR土地覆盖数据产品,利用GIS空间统计等方法分析了中国1990-2010年土地覆盖的变化特点。与参考数据的比较检验表明,CG-LTDR土地覆盖数据在中国具有与其他同类数据相当甚至更高的分类精度。经逐年的长时间地表覆盖数据分析发现,由于受气候与人为因素影响,土地覆盖类型有明显的年际变化波动,尤其是云南-内蒙一线的干旱区与湿润区的过渡带。1990-2010年中国的林地和荒漠呈增加趋势,而草地和耕地呈减少趋势。利用5年的合成数据分析其年际变化,结果显示1990-2000年土地覆盖类型变化大,2000-2010年的变化较为平缓。在几种主要覆盖类型中,林地增加最明显,这主要与东南地区大部分耕地、西南和东北地区大面积草地转变为林地有关,但也有部分省份由于树木砍伐和农耕区扩张导致林地面积减小。耕地面积占比最高,其减少趋势主要与耕地变为林地和草地有关。南部的耕地减少最明显,北部略有增加,新增耕地的重心从东南向北转移。林地的增加趋势与耕地的减少趋势主要与全国大范围的退耕还林工程和生态保护政策有关。草地主要分布在生态脆弱区,其面积减少最显著,在西南及东北部分地区主要是草地变为林地,在内蒙中东部-陕西北部一线发生草地与耕地相互转换,而在内蒙北部-青藏高原一线有草地与荒漠的互相转换,在土地覆盖类型交错区,其利用类型容易发生改变。荒漠主要分布于西北地区,由于受到草地退化等因素影响,荒漠化趋势在进一步加剧。     

1982-2006年加纳植被覆盖时空变化及其气候影响

非洲陆地生态系统是气候变化的高敏感区,研究该区域植被覆盖变化及其控制因素,对深刻认识气候变化的影响具有重要意义。本文利用1982-2006年植被指数（NDVI）数据,研究位于非洲西部热带地区的加纳共和国植被覆盖的时空变化特征,结合同期的气温和降水量数据,分析其植被活动对气候变化的响应特征。研究结果表明,加纳86.4%的植被覆盖区NDVI在25 a间都呈现不同程度的增加趋势。20世纪80年代初和21世纪初这2个时期,NDVI值大于0.4的面积百分比呈增加趋势;NDVI值大于0.5的面积百分比从26%增加到38.2%;NDVI值在0.4-0.5之间的面积百分比从47.5%增加到51.9%。NDVI受降水量控制的区域占总区域面积的57.2%,而受气温控制的面积占总区域面积的42.8%。总的来看,加纳植被覆盖对降水量变化的敏感程度强于气温变化。     

基于Google Earth Engine的红树林年际变化监测研究

遥感技术已广泛应用于红树林资源调查与动态监测中,但仍然存在遥感数据获取困难、数据预处理工作量大、监测时间长而周期过大等问题,影响了学者对红树林演变过程的精细刻画与理解。本文基于Google Earth Engine（GEE）云遥感数据处理平台,选取Landsat系列卫星数据,生成长时间序列年际极少云影像集（云量少于5%）,利用3个红外波段反射率（NIR、SWIR1、SWIR2）和3个特征指数（NDVI、NDWI、NDMI）建立阈值规则集,实现对实验区越南玉显县红树林、红树林-虾塘、不透水面-裸地、水体4种目标地物的专家知识决策树分类和土地覆盖的制图,并基于分类结果监测该区域1993-2017年的红树林年际动态变化。结果表明：GEE平台可满足多云多雨地区红树林的长时间序列年际变化监测需求;本文阈值分类方法可以有效提取红树林及红树林-虾塘,实验区有86%年份的影像分类精度达到80%以上;年际变化监测可精细刻画实验区红树林面积先增后减再增的变化过程,也能准确反映红树林与红树林-虾塘养殖系统面积之间的负相关关系。红树林年际动态监测结果可以降低红树林演变分析的不确定性,并能更精细地量化红树林与其他土地覆盖类型的转化过程,从而评估经济发展、政策等因素对红树林演变的影响。