近15a陕西省植被时空变化与影响因素分析

利用2000—2014年MODIS/NDVI时间序列数据，采用栅格像元趋势分析、稳定性评价的方法，研究了陕西省近15 a植被的时空变化特征和规律；利用Hurst指数对陕西省植被未来变化趋势进行了预测；并利用相关性分析法分析了NDVI与年均温度和降雨量的关系。结果表明，2000年、2015年陕西省NDVI均值分别为0.4273、0.4942， 15 a来增加了0.067，增长了16.0%，其中陕北地区NDVI增加明显，关中部分地区出现负增长，陕南地区NDVI总体依旧维持在较高水平。陕西省植被变化趋势具有明显的空间差异性，全省植被未变化的占52.0 %，改善部分占44.27 %，退化部分占3.73%，说明15 a间陕西省植被覆盖改善面积大于退化面积，植被状况有所改善；其中陕北地区植被呈明显改善区域面积较大，关中地区植被覆盖面积有所减少，陕南地区植被变化幅度较小。陕西省植被稳定区域占50%以上（0 0.2)，说明15a间陕西省植被较为稳定，变化程度不大；其中陕西省植被最稳定地区主要集中在陕南、延安南部，榆林部分、西安、渭南少部地区变化幅度较大。Hurst指数分析表明陕西省44.54%面积的植被未来有可能面临退化，主要分布在陕北和关中地区的北部，植被未来有可能退化也有可能改善的面积占49.78%，主要分布在延安和陕南地区。陕西省近15 a气温和降水量总体呈增加趋势，增加速率分别为0.48 ℃·(10 a)-1和69.5 mm ( a)-1；相关性分析结果表明，年均降雨量是影响NDVI的主要气象因子，同时陕西省植被变化也受到了退耕还林还草、防沙治沙、生态政治等人为因素的影响。     

侵蚀红壤植被恢复后土壤呼吸日动态及日呼吸速率测定方法比较

采用密闭室红外气体分析仪法(IRGA法)观测了中亚热带红壤侵蚀裸地植被恢复后不同季节土壤呼吸速率的日动态变化,并比较了IRGA法与碱吸收法(AA法)测定的土壤呼吸速率.结果表明:侵蚀裸地植被恢复后土壤呼吸速率日动态呈单峰曲线,与土壤温度的昼夜变化基本一致,最高值一般出现在午后13∶00~17∶00,最低值出现在凌晨3∶00~7∶00;植被恢复显著提高了土壤日呼吸速率,但明显降低了土壤呼吸速率日变化幅度;马尾松林对土壤呼吸速率日变化幅度降低程度高于板栗园和百喜草地,且对夏季的降低程度影响最大.而IRGA法和AA法测定的土壤呼吸速率具有显著的幂函数关系,AA法测定的土壤呼吸速率为IRGA法的27.5%~218%,平均为76.2%.当土壤呼吸速率较低时,AA法比IRGA法高估了土壤呼吸速率;反之,AA法则低估了土壤呼吸速率.     

利用功率谱检测气枪信号

使用北京台网记录的数据,利用功率谱方法对中海油渤海勘探部在渤海湾进行的气枪试验进行了分析。通过北京台网部分台站噪声功率谱与含有气枪信号信息的噪声功率谱进行的比较,发现频率0．2Hz左右含气枪信号信息的噪声功率谱明显高于不含气枪信号信息噪声功率谱。     

侵蚀红壤植被恢复后土壤呼吸日动态及日呼吸速率测定方法比较

采用密闭室红外气体分析仪法（IRGA法）观测了中亚热带红壤侵蚀裸地植被恢复后不同季节土壤呼吸速率的日动态变化，并比较了IRGA法与碱吸收法（AA法）测定的土壤呼吸速率．结果表明：侵蚀裸地植被恢复后土壤呼吸速率日动态呈单峰曲线，与土壤温度的昼夜变化基本一致，最高值一般出现在午后13：00～17：00，最低值出现在凌晨3：00～7：00；植被恢复显著提高了土壤日呼吸速率，但明显降低了土壤呼吸速率日变化幅度；马尾松林对土壤呼吸速率日变化幅度降低程度高于板栗园和百喜草地，且对夏季的降低程度影响最大．而IRGA法和AA法测定的土壤呼吸速率具有显著的幂函数关系，AA法测定的土壤呼吸速率为IRGA法的27．5％～218％，平均为76．2％．当土壤呼吸速率较低时，AA法比IRGA法高估了土壤呼吸速率；反之，AA法则低估了土壤呼吸速率．     

神东矿区土壤侵蚀时空特征及驱动力分析

针对神东矿区土壤侵蚀生态破坏及煤炭开采对矿井采区土壤侵蚀的影响问题,该文基于RUSLE模型,提出一种基于矿区和矿井尺度探究矿区土壤侵蚀演变特征并结合地理探测器进行驱动力分析的研究方法。结果表明:(1)矿区尺度上土壤侵蚀呈加重趋势,1989—2019年土壤侵蚀量增加30.28×10~5 t,空间上以微度和轻度侵蚀散布全区,中度和强度侵蚀次之,极强度和剧烈侵蚀最少;(2)矿井尺度上,补连塔、榆家梁矿井受到采矿的负面影响,大柳塔矿井受到生态措施的正面影响,活鸡兔、石圪台矿井受到的负面影响被正面影响消除;(3)各因子对土壤侵蚀的解释力为:坡度>土地利用类型>降雨量>植被覆盖度,因子交互作用的解释力强于单因子,坡度>35°,降雨为416.10～420.69 mm、植被覆盖度为0.5～0.6及未利用地的区域为土壤侵蚀高风险区。该研究方法可摸清矿区的土壤侵蚀变化规律以及矿井受采矿活动的干扰,为矿区实行生态管理提供决策支持。     

智能开采工作面三维地质模型构建及误差分析

地质条件的复杂性是影响当前智能开采进一步发展的关键问题之一,亟需构建高精度回采工作面三维地质模型。通过分析智能开采地质模型的构建方法,并以黄陵一号矿某智能工作面为例,结合工作面所有的地质勘探资料,利用TIM-3D建模软件分别构建了工作面初始静态模型和回采工作面动态模型,搭载透明工作面数字孪生系统对智能开采地质模型进行展示;通过对比回采揭露真实煤厚值与地质模型预测煤厚值,分析静态地质模型与动态地质模型的误差,探讨模型误差产生的原因。分析认为:静态地质模型精度不能达到智能化开采的地质要求;更新后的动态地质模型可显著缩小煤厚预测误差,基本能达到智能化开采的地质需求;模型的误差是测量误差、采样数据量及其分布、插值算法选取共同造成的。综合认为模型的建立要充分融合工作面所有地质信息,模型建立巷道标志点的间隔应该小于10 m,模型动态更新的推采距离应该小于15 m。研究结果对于充分认识当前智能开采地质模型精度水平有重要意义,为下一步智能开采地质保障技术的发展具有借鉴意义。      

朱溪河小流域水土流失治理与生态环境效应

朱溪河小流域是全国水土保持生态建设"十百千"示范小流域之一.该小流域采取封禁治理、种生态林草和推广种植板栗等经济林果及实施旧果园改造的开发性治理模式,进行水土流失综合治理,实现了治理与开发的有机统一.     

侵蚀红壤植被恢复后土壤呼吸日动态及日呼吸速率测定方法比较

采用密闭室红外气体分析仪法(IRGA法)观测了中亚热带红壤侵蚀裸地植被恢复后不同季节土壤呼吸速率的日动态变化,并比较了IRGA法与碱吸收法(AA法)测定的土壤呼吸速率.结果表明:侵蚀裸地植被恢复后土壤呼吸速率日动态呈单峰曲线,与土壤温度的昼夜变化基本一致,最高值一般出现在午后13:00～17:00,最低值出现在凌晨3:00～7:00;植被恢复显著提高了土壤日呼吸速率,但明显降低了土壤呼吸速率日变化幅度;马尾松林对土壤呼吸速率日变化幅度降低程度高于板栗园和百喜草地,且对夏季的降低程度影响最大.而IRGA法和AA法测定的土壤呼吸速率具有显著的幂函数关系,AA法测定的土壤呼吸速率为IRGA法的27.5%～218%,平均为76.2%.当土壤呼吸速率较低时,AA法比IRGA法高估了土壤呼吸速率;反之,AA法则低估了土壤呼吸速率.     

MODIS数据在陕西省干旱监测中的应用

以MODIS归一化差异植被指数(normalized difference vegetation index,NDVI)和陆地表面温度(land surface temperature,Ts)数据为基础,构建双抛物线型NDVI-Ts特征空间,利用实测土壤湿度对其进行验证,并基于该特征空间的温度植被干旱指数(temperature vegetation dryness index,TVDI)监测和分析了2000—2016年间陕西省旱情时空分布特征和规律。结果表明,NDVI-Ts特征空间呈双抛物线型,基于该特征空间的TVDI与10 cm深土壤湿度呈显著负相关关系(P 0. 05)。空间上,2000—2016年间陕西省旱情主要分布在陕北西北部、北部以及关中北部、东部地区;时间上,2000年陕西省受旱面积占比为31. 95%,2016年为27. 65%。榆林市北部大部分地区、延安市中部部分地区、关中地区中部以及陕南零散地区旱情得到显著缓解,约占14. 45%,而全省84. 48%地区旱情虽发生了变化,但变化不显著;全省97. 62%地区变异系数较小,位于0～0. 8之间,主要分布在陕北北部和关中南部,表明全省旱情较稳定。全省23. 74%地区旱情与降雨量呈显著负相关关系(P 0. 1),随着降雨量的增加TVDI减少,旱情越轻,主要分布在陕西省榆林市大部分地区,延安市中部部分地区,汉中市北部、西北部,安康市、渭南市北部、商洛市东部部分地区及宝鸡市西部、北部部分地区;其余地区旱情变化并未受到降雨量显著影响。进一步分析表明,平均气温也不是影响陕西省旱情变化的主导因素。     

改进型遥感生态指数与RSEI的对比分析

为了更好对城市生态质量进行监测和评价,构建一个更精确的城市遥感生态指数十分必要。本文结合绿度、湿度、干度、热度和空气质量指标采用主成分分析PCA（Principal Component Analysis） 构建改进型遥感生态指数MRSEI（Modified Remote Sensing Ecological Index）;利用熵权法计算压力—状态—响应模型PSR （Pressure State Response Model）中各指标的权重,通过加权法获得生态环境指数EI（Eco-environmental Index）与MRSEI和RSEI进行比较。同时,综合绿度、热度、湿度、干度指标利用核主成分分析KPCA（Kernel Principal Component Analysis）构建非线性遥感生态指数NRSEI（Nonlinear Remote Sensing Ecological Index）;最后将MRSEI、NRSEI分别与常用的遥感生态指数RSEI（Remote Sensing Ecological Index）进行对比和分析。结果表明,MRSEI可体现空气质量空间分布对城市生态质量的影响,2014年和2017年MRSEI与EI的相关系数分别是0.829和0.857（P<0.01）,比RSEI与EI的相关系数分别提高0.035和0.055。在主城区MRSEI和RSEI与EI比较结果表明,MRSEI的平均绝对误差、均方根误差和平均相对误差均小于RSEI,表明MRSEI更适用于城市生态质量评价,空气质量指标对北京市生态环境监测、评价是非常重要的。同时,在实验区KPCA第一主成分贡献率比PCA提高了11.94%—21.45%;各个指标与NRSEI相关系数比与RSEI提高了0.128—0.198;NRSEI可体现生态等级间的过渡,RSEI对生态环境差的区域有时低估,对生态环境优的区域有时高估,NRSEI与遥感影像定性反映的生态状况更加相符。在监测空气质量严峻的北京市生态质量方面,MRSEI优于RSEI;顾及各指标间的弱线性或非线性问题的NRSEI监测生态环境质量效果优于利用线性变换的RSEI。