基于无人机遥感的高寒草原沙化模型及等级划分

高寒草原是青藏高原草地生态系统的主要组成，在防风固沙、野生动物保育等方面具有重要作用。近年来，在全球气候变化和人为干扰加剧的背景下，高寒草原沙化加剧，基于时空尺度监测范围及程度是防治高寒草地沙化的前提。以青海三江源区玛多县的高寒草原为研究区，结合大疆“精灵3”和“经纬M100”旋翼无人机和地面调查，探讨基于无人机遥测的植被指数在草地沙化调查方面的适宜性，以此为基础制定了高寒草原沙化模型及等级划分标准。结果显示：（1）通过对VDVI（Visible-Band Difference Vegetation Index）、ENDVI（Enhanced Normalized Difference Vegetation Index）和NGRDI（Normalized Green-Red Difference Index）指数与草地沙化指数GDI（Grassland Desertification Index）的相关分析，选取出高寒草地沙化研究最优植被指数为VDVI（R=0.9055）；（2）GDI与VDVI的关系模型为VDVI=0.3024GDI²-0.0335GDI+0.0119（R²=0.9326）。模型相对误差为1.779%（RMSE=0.165，R²=0.7447），拟合精度较高；（3）基于无人机遥感植被指数的聚类分析，将研究区高寒草原沙化划分为5个等级，即无明显沙化（VDVI>0.2247）、轻度沙化（0.1493 < VDVI < 0.2246）、中度沙化（0.0924 < VDVI < 0.1492）、重度沙化（0.0692 < VDVI < 0.0923）和极度沙化（VDVI<0.0692）。     

基于多源遥感和机器学习方法的科尔沁沙地植被覆盖度反演

植被覆盖度是监测生态系统及其功能的关键参数,如何提高大区域植被覆盖度的反演精度,对生态脆弱区环境可持续发展至关重要。本研究基于人工神经网络、支持向量回归和随机森林等机器学习方法,利用无人机、Worldview-2与Landsat 8 OLI遥感数据,对科尔沁沙地植被覆盖度进行多尺度反演。结果表明：随机森林模型比人工神经网络、支持向量回归模型表现佳,可在单元（试验区）、区域（研究区）尺度上较高精度地反演沙地的植被覆盖度,反演值与无人机实测值均在线性水平上呈显著相关（P<0.01）;在单元、区域尺度上,构建的植被覆盖度反演模型测试集R²分别为0.84、0.80,MSE分别为0.0145、0.0370,一致性指数d分别为0.9576、0.8991。利用多源遥感数据和机器学习方法,通过局部区域的高精度反演逐步实现低空间分辨率遥感影像的大区域植被覆盖度反演,不仅可有效提高沙地植被覆盖度的反演精度（R²=0.78,大于0.63）,也为区域生态环境监测与生态系统健康评价提供支持。     

基于MODIS的青海草地产草量变化遥感分析

青海省属于全国四大牧区之一，及时监测草地植被长势、准确估算牧草产量对青海牧区可持续发展与生态保护具有重要意义。草地产草量遥感估算主要基于植被指数与地面实测数据的统计关系，但是估算涉及植被指数、统计模型和建模指标等因素，不同组合建立的估算模型的精度不同。本文基于青海省MODIS数据与地面实测产草量数据，选择了6种植被指数（NDVI、EVI、RVI、DVI、RDVI、MSAVI）、5种统计模型（简单线性模型、二次多项式模型、幂函数模型、指数函数模型、对数函数模型）以及3种建模指标（植被指数年度最大值VI_max、植被指数生长季累积值VI_season-cum、植被指数年度累积值VI_annual-cum），研究不同组合下估算模型的精度差异，并从中选出最优产草量估算模型，用于估算青海省2015年和2016年的产草量。结果表明：（1）6种植被指数中，基于NDVI的产草量估算精度最高；非线性模型的估算精度高于线性模型，尤其是指数模型，适用于大多数草地类型产草量的估算；基于NDVI年度最大值的估算模型对大多数草地类型都具有最高的决定系数（R²）。（2）从干重来看，高产草量区（>1 200 kg·hm^-2）主要位于青海东部的高寒草原，中等产草量区（600~1 200 kg·hm^-2）位于青海南部和东部的高寒草原和禾草草原，低产草量区（<600 kg·hm^-2）位于青海西部和北部的高寒草甸、高寒草原、高寒荒漠和盐生草甸。（3）与2015年相比，2016年青海省干草总产量减少31.60×10⁴ t，减幅为1.36%。其中，禾草草原和高寒草甸的减产幅度最大，而荒漠草原和盐生草甸的产量则有所增加。本文可为草地产草量遥感估算的研究和实践提供参考。     

青海湖高寒湿地生态系统CO2通量和水汽通量间的耦合关系

利用涡度相关技术对青海湖高寒湿地生态系统不同时间尺度CO₂通量和水汽通量间的耦合关系进行了研究。结果显示：不同天气条件下青海湖高寒湿地生态系统30 min净CO₂交换量（NEE）与水汽通量间均显示了极显著负相关关系（P<0.0001）;30 min总生态系统生产力（GEP）与水汽通量呈极显著线性正相关关系（P<0.0001）;阴天水汽通量参与生态系统净CO₂交换和生态系统总碳吸收的比例最高。月均30 min NEE与水汽通量呈极显著线性负相关（R²=0.71,P<0.0001）。从植物返青期、生长期至枯草期,月均30 min的GEP与水汽通量不仅呈极显著线性正相关（P<0.0001）,且在生长期和枯黄期阶段表现出极显著一元二次多项式关系（P<0.0001）。在日尺度上,NEE日总量与日蒸散量呈极显著一元二次多项式负相关关系（R²=0.58,P<0.0001）;GEP日总量与日蒸散量呈极显著指数正相关（R²=0.42,P<0.0001）。在月尺度上,NEE月总量与月蒸散量呈极显著线性负相关（R²=0.60,P<0.0001）,两者还表现为极显著一元二次多项式负相关关系（R²=0.63,P<0.0001）。GEP月总量与月蒸散量呈极显著线性正相关（R²=0.51,P<0.0001）,且表现出极显著指数正相关关系（R²=0.64,P<0.0001）。     

基于无人机遥感的南岭山地树冠与树干性状关联研究

以南岭山地不同海拔高度的冠层树种为研究对象,通过无人机遥感手段获取冠幅、冠周长和冠面积（CA）等树冠性状,探讨其与基径（BD）、胸径（DBH）、2米径（D2）和4米径（D4）等树干性状间的关联性,并构建了冠面积与树干性状间的回归方程。结果表明：南岭山地树冠性状与树干性状的典型变量显著相关（R=0.89,P<0.01）,并且这种相关性随海拔的升高（600 m到1 600 m）总体呈“M”型变化。其中,冠面积与树干性状间的相关性最高,可作为单一自变量反演树干性状,具体方程为：DBH=0.35CA+14.88（R²=0.67）,BD=0.41CA+17.89（R²=0.82）,D2=0.33CA+14.14（R²=0.84）,D4=0.35CA+11.3（R²=0.86）。文章构建的冠面积与树干性状间的回归方程,可作为南岭山地森林生物量遥感反演的基础,也可用于指导南岭森林生态系统的长期监测。     

MODIS和Landsat时空融合影像在土壤盐渍化监测中的适用性研究——以渭干河—库车河三角洲绿洲为例

土壤盐渍化的遥感监测依赖于高时空分辨率影像,但受经费预算、卫星回访周期及天气的影响,高时空分辨率的遥感影像较难获取,这就限制了根据采样时间来获取对应时期遥感影像进行土壤盐渍化监测反演的应用。为此,提出融合MODIS和Landsat影像生成高时空分辨率影像来提取土壤盐渍化信息,为时空影像进行土壤盐渍化监测研究提供数据参考。以渭干河—库车河绿洲为研究区,利用增强型时空自适应融合率反射模型（Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）和灵活的时空融合模型（Flexible spatiotemporal data fusion,FSDAF）,对MODIS和Landsat影像进行时空融合,并基于融合影像数据构建了关于土壤电导率（EC）的随机森林（RF）预测模型,对比分析时空融合影像应用于土壤盐渍化遥感监测的适用性。结果表明：ESTARFM融合影像的特征波段反射率与Landsat验证影像对应波段反射率一致性决定系数R²（Red）=0.8066、R²（SWIR2）=0.8444;FSDAF融合影像的特征波段与Landsat验证影像对应波段反射率一致性决定系数R²（Red）=0.6999、R²（SWIR2）=0.7493;基于ESTARFM融合影像构建的EC值预测模型精度最高,R²=0.9268,基于FSDAF融合影像构建的EC值预测模型精度良好,R²=0.8987,基于验证影像构建的EC值预测模型R²=0.9103; ESTARFM模型的融合精度高于FSDAF模型,并且基于融合影像构建的EC值预测模型效果良好。     

半干旱沙区3种优势固沙灌木生物量分配及其生态学意义

为探究科尔沁沙地3种优势固沙灌木生物量的分配特征，以黄柳（Salix gordejevii）、差不嘎蒿（Artemisia halodendron）和小叶锦鸡儿（Caragana microphylla）为对象，采用全挖法在个体水平上研究了固沙灌木生物量构件及其占比、R/S（root-shoot ratio）、地上新生生物量占比、地上新生生物量与老枝生物量占比及其与冠幅的相关性和地下-地上生物量关系。结果表明：（1）科尔沁沙地3种优势固沙灌木生物量构件及其占比存在显著性的种间差异（P<0.05）；黄柳的老枝生物量及其占比居于首位，NAB（new aboveground biomass，新枝生物量）/OBA（old branch biomass，老枝生物量）为43.90%；差不嘎蒿的地上生物量占比居于首位，地上新生生物量是老枝生物量的2.43倍；黄柳和差不嘎蒿地下生物量集中分布在浅土层，不存在深根系（根系长度>100 cm）。（2）小叶锦鸡儿地下生物量及其占比和R/S（root/stem）均居于首位；地下生物量在根系长度>30 cm处的生物量占比达到61.61%，深根系（根系长度>100 cm）层地上生物量占比达到22.33%。（3）黄柳和差不嘎蒿的R/S、NAB/AGB（aboveground biomass，地上生物量）和NAB/OBA均与冠幅呈负线性关系，在固沙后期该两种灌木随着冠幅的增大，地上新生部分锐减，生产力下降，植被出现衰退。（4）通过非线性回归拟合得到3种灌木地上（y）-地下（x）生物量异速生长模型为：黄柳y=2.928x ^1.039（R²=0.901，P<0.01），差不嘎蒿y=32.802x ^0.685（R²=0.469，P<0.01），小叶锦鸡儿y=1.337x ^0.066（R²=0.833，P<0.01）。     

基于不同卫星光谱模拟的土壤电导率估算研究

土壤电导率 (Electrical conductivity, EC)是评价土壤盐渍化的重要指标。通过实测新疆艾比湖湿地自然保护区土壤EC及可见光—近红外光谱数据，利用波谱响应技术模拟Landsat 8 OLI、Sentinel 2、Sentinel 3卫星的宽波段数据。构建宽波段模拟数据及其5种预处理后的三维光谱指数 (Three-dimensional spectral index, TDSI)，采用梯度提升回归树算法 (Gradient boosting regression tree, GBRT) 建立3种卫星土壤EC估算模型，并比对加入TDSI后模型精度的变化。结果表明：在不同土壤EC条件下，3种卫星具有相似的光谱趋势，均在红、近红外波段附近反射率较高；TDSI与土壤EC相关性基本均在0.4以上，最大程度保留了与土壤EC敏感度高的红、绿、蓝、近红外、短波红外波段信息；GBRT对于土壤EC估算能力表现突出，3种卫星对土壤EC的最佳预测精度R²分别为0.831、0.847、0.903，在加入TDSI后，R²分别提高至0.835、0.857、0.935，综合分析发现，Sentinel 3对土壤EC估算效果最佳 (R²=0.935，均方根误差RMSE=2.986 mS·cm^-1，赤池信息准则AIC=57.500)。通过利用波谱响应技术结合TDSI深度挖掘波段间的协同信息，采用GBRT验证了不同卫星对土壤R²的估算效果，二者相结合可以有效提升模型预测精度，为干旱区土壤盐渍化定量监测与防控提供有利指导。     

科尔沁沙地优势固沙灌木的生物量预测模型

灌木生物量预测模型对于快速估算固沙灌木林生产力具有重要作用。以科尔沁沙地3种常见的固沙灌木小叶锦鸡儿（Caragana microphylla）、差不嘎蒿（Artemisia halondendron）、黄柳（Salix gordejevii）为对象,基于对灌木地上、根系和整株生物量及高度、冠幅等的测定,建立3种灌木地上、根系和总生物量的估算模型,通过决定系数（R²）、估计值的标准误（SEE）和回归检验显著水平（P<0.05）筛选最优的生物量预测模型。结果表明：小叶锦鸡儿和黄柳生物量的最佳估算变量为冠幅体积,而差不嘎蒿的最佳预测变量为冠幅面积。幂函数回归模型具有最大的R²和较小的SEE,说明相对生长方程是估算小叶锦鸡儿、黄柳、差不嘎蒿灌木生物量较理想的模型。通过实测值检验,3种灌木幂函数模型预测生物量的预估精度在93%以上,具有较好的预测精度。     

半干旱区不同类型沙丘风沙流结构特征

采用两种阶梯式集沙仪和小型气象站于2017年4—5月对科尔沁沙地流动沙丘、半固定沙丘和固定沙丘0~75 cm气流层风沙流的总输沙量、输沙率、粒径组成分布和风蚀特征值进行了观测。结果表明：（1）随着高度增加,总输沙量下降,随着风速增加,总输沙量上升;92.20%~95.60%的输沙量发生在0~21 cm高度。（2）总输沙率（Q）流动沙丘>半固定沙丘>固定沙丘,将Q与地上200 cm风速进行函数拟合,流动沙丘幂函数最佳（R²=0.986）,半固定（R²=0.990）和固定沙丘（R²=0.956）指数函数最佳。（3）将各高度的输沙率与地上200 cm风速进行函数拟合,流动沙丘（R²≥0.905）和半固定沙丘（R²≥0.968）拟合度幂函数好于指数函数,固定沙丘（R²≥0.923）指数函数优于幂函数。（4）在一定高度下,3类沙丘输沙率均随着风速的增加而增加;在一定风速下,输沙率随着高度的增加而逐渐递减。（5）3类沙丘的特征值随着风速的增加呈现出逐渐递增的趋势;流动沙丘以λ>1为主,表现出持续侵蚀输送沙粒的能力;半固定沙丘当风速>9.0 m·s^-1时逐渐出现侵蚀状态;固定沙丘以λ<1为主,近地表风沙以堆积状态为主。（6）3类沙丘主要由粒径为0.1~0.25 mm的细沙构成,在0~30 cm高度,细沙占输沙量的50.09%~85.11%,在30~75 cm高度,细沙占输沙量的43.53%~75.53%。     

干旱区大尺度土壤盐度信息环境建模——以新疆天山南北中低海拔冲积平原为例

区域空间信息有助于决策者针对特定潜在和既定的土壤盐渍化区域制定改良和优化政策,以避免灌区水土资源的不合理配置和干旱区土地生态系统持续性退化。然而现存区域尺度土壤盐度数据以矢量方式留存,多边形内部土壤属性无空间变异性,缺乏实时更新,对当下实际指导作用具有一定的局限性。随着人类活动的加剧,土壤及其结构性退化正加速危害土壤质量和健康。对此,急需更新或升级,用于刻画干旱区生态系统中土壤盐度数据,以辅助制定相关政策,减缓土壤盐渍化的危害。针对此问题,本文基于代表性等级的采样设计方法（Integrative Hierarchical Sampling Strategy, IHSS）,获取少量典型样点,结合土壤—环境推理模型（soil land inference model, SoLIM）,尝试推理区域尺度土壤盐分含量信息。研究以新疆天山南北中低海拔冲积平原为案例,仅以23个代表性样本,推理陆表（0~10 cm）土壤盐分含量,源自3个典型绿洲94个野外样本的验证数据显示,依据评判标准,预测结果与实际情况较为相符,与线性回归模型相比,具备处理土壤与环境变量之间非线性关系的SoLIM,推理精度更高。所以,研究认为模糊隶属度加权平均的方法（IHSS-SoLIM）可以通过较小的建模点得到更好的预测效果,可作为区域尺度土壤盐度推理的备选方案。     

博斯腾湖环境变化及其与焉耆盆地绿洲开发关系研究

章从自然和人类活动两方面分析了自1958年以来博斯腾湖环境变化。认为：近40年来，自然因素对湖水位变化的影响要大于人为活动对湖水位变化的贡献，绿洲开发引起的入湖水量减少和大量的高矿化度农田排水排入湖区使得博斯腾湖区迅速演变为微咸湖，控制着博斯腾湖水化学类型的变化和形成。在此基础上，探讨了博斯腾湖环境变化与恶焉煮盆地绿洲开发和绿洲环境变化相互作用的机理，指出尽管近10几年来绿洲环境的发展是可持续的，但整个焉耆盆地环境持续发展关键在于控制绿洲开发利用规模。适宜的绿洲发展规模，可保证绿洲环境和博斯腾湖环境的可持续发展。     

博斯腾湖环境变化及其与焉耆盆地[2]绿洲开发关系研究

文章从自然和人类活动两方面分析了自1958年以来博斯腾湖环境变化。认为：近40年来，自然因素对湖水位变化的影响力要大于人为活动对湖水位变化的贡献，绿洲开发引起的入湖水量减少和大量的高矿化度农田排水排入湖区使博斯腾湖迅速演变为微咸湖，控制着博斯腾湖水化学类型的变化和形成。在此基础上，探讨了博斯腾湖环境变化与焉耆盆地绿洲开发和绿洲环境变化相互作用的机理，指出尽管近10几年来绿洲环境的发展是可持续的，但整个焉耆盆地环境持续发展关键在于控制绿洲开发利用规模。适宜的绿洲发展规模，可保证绿洲环境和博斯腾湖环境的可持续发展。     

基于Ts-NDVI特征空间的绿洲土壤水分监测算法改进

土壤水分胁迫是干旱区绿洲生态环境和可持续发展面临的主要问题,开展区域尺度下大面积、高精度的土壤水分监测,有利于该地区旱情预报、作物估产、气象水文等领域研究。以T_s-NDVI特征空间为理论基础,以新疆渭干河-库车河三角洲绿洲为研究靶区,选择典型干湿季节下Landsat 8遥感影像,在传统温度-植被干旱指数（TVDI）算法基础上,考虑大尺度研究区下垫面异质性（植被覆被、地形起伏）对辐射能量平衡的影响,分别采用植被水分指数（VWIs）、加入大气温度（T_a）和DEM校正后的地表温度（T_s）与NDVI相结合,构建了植被干旱指数（VDI）和改进型温度-植被干旱指数（iTVDI）,并结合同期实测土壤水分数据对3种算法进行比较。结果表明：3种算法在一定程度上均能比较客观反映旱情特征,与表层土壤含水量呈现不同程度的负相关,其中,iTVDI相关性最好,TVDI次之,VDI相关性最低;相较植被生长初期而言,3种算法均在植被生长成熟期具有更好的水分监测能力。     

内蒙古高原等地湖泊表层沉积物孢粉与植被覆盖度定量关系研究

过去植被覆盖度重建在长尺度气候模拟和陆地生态环境演变机制研究等方面具有重要意义。基于现代过程的孢粉—植被覆盖度转换函数研究，可为利用孢粉地层数据重建过去植被覆盖度变化提供一条新的途径。以内蒙古高原等地39个湖泊和7个水库中心的表层沉积物孢粉组合与归一化植被指数（NDVI）为研究对象，利用加权平均偏最小二乘法（WA-PLS）、局部加权加权平均法（LWWA）和最佳类比法（MAT）分别建立了孢粉—NDVI转换函数；通过留一交叉检验法、自助法和空间自相关性等检验，筛选出最优模型并应用于古地层孢粉数据，实现定量重建过去植被覆盖度变化。结果表明：MAT和WA-PLS模型均受到空间自相关性的显著影响，而LWWA模型则是建立孢粉—NDVI转换函数的最优模型。与已有类似转换函数表现能力的对比表明，本研究建立的转换函数具有较强的可靠性和应用潜力。基于本研究转换函数重建的内蒙古辉腾锡勒（HTL）区域全新世植被覆盖变化与孢粉重建的植被变化具有很好的一致性，进一步印证了本研究转换函数的较强潜力，均表现出对降水变化的响应更为显著。     

基于SWAT-MODFLOW耦合模型的巴音河中游泽令沟盆地地表水−地下水转换关系研究

为准确刻画资料缺乏、地表水–地下水转换频繁的泽令沟盆地地表水?地下水不同时空尺度上的转换关系,利用河道径流数据、遥感蒸散发数据、地下水位观测数据等对SWAT-MODFLOW耦合模型进行率定和验证,在此基础上对泽令沟盆地水循环过程进行模拟分析。结果显示：① SWAT-MODFLOW耦合模型模拟效果较好,率定期和验证期月径流量的R²≥0.73,NSE≥0.67,PBIAS在?20%~20%。其各子流域实际蒸散发的R²均大于0.91,NSE均大于0.85,PBIAS在?10%~10%。此外,模拟地下水位与实测值误差在0.6 m以内,R²为0.94。② 地表水补给地下水的河道占整个河道长度90.31%,年平均补给量占年总交换水量的50.20%;季节尺度上,补给的最大值出现在7月,为331043.31 m³/d,最小值出现在12月份,为41208.33 m³/d。地下水对地表水的补给量较为稳定,季节性变幅在?2.5%~2.5%,年际变幅处于?6.5%~0.6%之间。     

基于GLDAS-Noah模型的闽江流域实际蒸散发评估

以亚热带季风区的典型流域——闽江流域为研究区域,根据Penman-Monteith（P-M）公式和双作物系数法,计算了闽江流域内8个气象观测站点的实际蒸散量,并评估了GLDAS-Noah实际蒸散产品在闽江流域的适用性。在此基础上,基于GLDAS-Noah实际蒸散发数据,解读了2000—2019年闽江流域的实际蒸散量的变化特征。结果表明：① GLDAS-Noah实际蒸散发数据在闽江流域的适用性较好(R²>0.9,NSE>0.8);② 2000年以来闽江流域的实际蒸散发呈增加趋势（3.86 mm/a,P < 0.01）,且存在显著的季节差异,表现为冬季和春季的增加速率要大于夏季和秋季;③ 闽江流域冬季和春季蒸散发增加与气温密切相关,冬季蒸散发与冬季气温呈微弱正相关（ R = 0.27）,春季蒸散发的增加与春季升温密切相关（R = 0.79）。