青藏高原湖泊面积动态监测

高原湖泊的动态变化对区域水循环具有重要影响。受全球气候变化的影响,青藏高原湖泊自20世纪90年代开始呈现剧烈扩张趋势。为揭示近年来青藏高原湖泊面积的时空变化规律,本文提出了一种改进的半自动湖泊提取算法,结合环境减灾卫星（HJ-1A/1B）和Landsat系列卫星影像数据,对青藏高原内流流域中面积大于50 km²的127个湖泊进行了连续6年的动态监测,并分析了该区域2009-2014年湖泊面积时空变化特征。研究结果表明,该区域湖泊整体呈现显著扩张趋势,年均变化速率为231.89 km²yr^-1（0.87 %yr^-1）,6年间湖泊面积扩张速率有所减缓。其中,扩张湖泊有104个,收缩湖泊有23个,变化速率分别为271.08 km²yr^-1（1.02 % yr^-1）和-39.19 km²yr^-1（-0.15 %yr^-1）。不同区域湖泊面积变化具有明显差异,主要表现为东部及北部大部分区域湖泊扩张,南部地区大部分湖泊面积稳定,萎缩湖泊主要分布于研究区四周。最后,本文通过分析冰川融水补给对湖泊面积变化的影响,发现存在冰川融水补给的湖泊面积变化率远大于不存在冰川融水补给的湖泊。由此可见,近年来冰川融水的增加是促进青藏高原内流流域湖泊扩张的主要因素之一。     

基于多源遥感数据和GEE平台的博斯腾湖面积变化及影响因素分析

作为典型的干旱区内陆湖泊,博斯腾湖的面积变化趋势与当地自然和人文环境的变迁密不可分。本文结合GIS与RS技术,利用Landsat影像和MODIS数据共2289景及JRC GSW水体掩膜产品,基于Google Earth Engine（GEE）平台采用指数法得出2000—2019年博斯腾湖面积年际和年内变化趋势,并采用2019年Sentinel-2影像进行结果对比分析,同时通过2000—2018年焉耆、库尔勒和巴音布鲁克气象站日值数据和人类活动分析其变化原因。得出如下结论：① 本结果中基于海量遥感数据提取面积的结果表明,GEE可以充分应用高时间分辨率遥感数据进行湖泊年际尤其是年内面积变化分析。相比于Landsat-5/7/8影像与MOD09GQ数据,由于Sentinel-2影像的时空分辨率优势,基于其所得的湖岸线可显示出较多细节。② 2000—2013年博斯腾湖面积共减少181.66 km²,变化速率为13.98 km/a;2013—2019年,湖泊共增加133.13 km²,变化速率为22.19 km²/a;③ 博斯腾湖面积一般在每年的3—6月呈上升趋势,且在当年6—9月保持峰值,面积在10—12月减小;④ 博斯腾湖面积年际变化与其流域内焉耆、库尔勒、巴音布鲁克气象站的降水、蒸发及积温因素变化的相关性未达到显著水平,而年内变化与上述气候要素相关性较高。     

ESTARFM模型在西藏色林错湖面积时空变化中的应用分析(1976-2014年)

湖泊（特别是内陆湖）作为全球气候变化的敏感区域,是气候变化与环境变异的指示器,其面积变化在一定程度上可反映区域的气候变化。因此,精确监测湖泊面积的时空变化,对分析区域生态环境变化具有重要的意义。本文基于ESTARFM时空数据融合模型,利用MODIS数据模拟了2000年后无法得到的Landsat数据;利用NDWI和MNDWI 2种水体指数并辅以DEM数据分析了1976-2014年西藏色林错湖湖面面积的时空变化;综合湖区周围6个气象站点的气象数据(1970-2014年),探究了湖面面积变化的原因及其对气候变化的响应。结果表明：(1)利用ESTARFM时空融合模型得到的Landsat-Like数据与真实的Landsat数据在水体信息提取方面具有较高的相关性,R²可达0.93,时空数据融合的结果可用于湖泊水体的信息提取;(2)近40年来（1976-2014年）,色林错湖处于持续扩张状态,面积呈较显著的增长趋势,增加了近711.652 km²,增幅为42.36%,年平均增长速率约为18.728 km²a^-1,增长最快时可达55.954 km²a^-1;湖面面积变化先后经历了平稳变化-迅速变化-平稳变化3个阶段;北部湖区在40年间变化最为明显,向北扩展了约22.812 km;2003-2005年,南部湖区已与雅根错湖连为一体,随后二者共同扩张;(3)气温的持续升高造成的冰雪融水补给增加可能是导致湖泊面积扩张的主要因素,风速的降低为次要因素,湖面的面积变化与降水量、日照时数的变化相关性不明显。     

“海上丝绸之路”超大城市环境变化遥感分析

随着城市化进程的加快,如何及时、精确地对城市环境的变化做出评价,进而制定出合理的发展方案,对城市可持续发展至关重要。本文综合利用卫星遥感获取的PM_2.5浓度数据、地表温度数据（Land Surface Temperature,LST）、植被指数数据（Normalized Difference Vegetation Index,NDVI）及城市用地辅助信息数据,基于综合评价指标,分析海上丝绸之路沿线12个超大城市地区2000-2013年环境质量的动态变化。研究结果表明,2000-2013年,海上丝绸之路沿线约75%的超大城市呈现出不同程度的环境恶化现象。12个超大城市用地环境恶化及逐步恶化面积占研究区域总面积的31.33%（4732.39 km²）。2000-2013年,城市扩张用地恶化和逐步恶化面积约占总扩张用地的29.48%（3765.83 km²）。平均地表温度的上升、植被覆盖度的急剧下降及PM_2.5浓度的增加均对海上丝绸之路沿线超大城市环境质量变化产生影响。其中,空气中PM_2.5浓度的大幅度增加是2000-2013年海上丝绸之路沿线超大城市扩张用地环境退化的主要原因。     

基于改进Markov-CA模型的黄土高原土地利用多情景模拟

土地利用/覆被的时空变化研究能为区域生态环境恢复和生态系统集成管理提供科学支持。集成Logistic回归模型、改进的Markov与FLUS模型模拟黄土高原2020—2050年3种典型情景土地利用变化。发现各情景土地利用面积变化及空间置换转移主要集中在农用地、草地和城镇用地;历史趋势延续情景下农用地减少15 205 km²,草地、城镇用地分别增加2742 km²和16 007 km²;生态保育管护情景中草地增加7076 km²,林草用地增长存在权衡关系（r_{主要林地-草地}=-0.66）,在典型区域的生态恢复管理中应加以重视;城镇发展建设情景中农用地减少20 256 km²,城镇用地增加22 032 km²,变化均达到极值,其中,南部城镇扩张与农用地减少存在强权衡关系（r_{农用地-城镇用地}=-1）。改进的Markov-FLUS模型适用于黄土高原地区的土地利用模拟,情景分析可有效揭示区域生态保护与城镇扩张的阈值变化,为区域土地利用政策权衡管理和水土保育提供科学依据。     

黄土高原生态退耕的时空分异特征

生态退耕是调整陆地生态系统结构与功能以应对土地利用过度干扰的重要途径之一,因此科学掌握退耕格局与耕地格局演变对黄土高原生态环境治理与生态修复具有深远意义。本文以位于黄土高原的延安市为典型区,从生态退耕的整体特征、地形因素及区域差异等角度,探究生态退耕以来其耕地变化及退耕状况的空间分异特征。结果表明：生态退耕致使延安市耕地面积由2000年的11 752.80 km²减少为2013年的9149.93 km²,退耕面积为2756.85 km²,退耕指数为22.15%,且退耕耕地主要转化为林地、草地,占退耕面积的95.29%;耕地与退耕面积主要分布于6~15°、15~25°坡度及第II级（925~1115 m）、第III级（1115~1275 m）,且2005-2013年的生态退耕速率均高于2000-2005年的生态退耕速率;县域退耕面积及退耕程度均呈现由北向南依次递减的分异特征,而退耕重心与耕地重心均在延安市几何中心以北的安塞县与宝塔区边界,且生态退耕的重心由东北向西南方向迁移,耕地重心则由北向南迁移。本文通过对延安市生态退耕的时空分异特征分析可为黄土高原更加科学合理地推进生态保育与生态文明建设提供参考。     

近20年来苏锡常地区建设用地扩展及耕地占用态势的遥感分析

本文在苏锡常地区已有三期矢量数据(1988、1995和2000年)的基础上,对2008年TM影像进行监督分类,经过人工解译辅助处理得到20世纪80年代以来4期土地利用时间序列数据。研究了近30年来,苏锡常地区建设用地扩展及其对耕地占用的态势。主要结论有:(1)从整体扩展面积看,1988年到2008年建设用地面积扩展总计2 354.55km²,其中,城市扩展面积最大,为1257.26km²,占到总扩展面积的一半,其次,是建制镇的扩展,面积达695.91km²,农村居民点扩展面积为355.96km²,扩展最少的是工矿交通用地,为45.42km²;(2) 城市扩展所占用的土地资源主要来源于对耕地的占用。从三个不同时期来看,1995-2000年耕地转化为建设用地最少,为262.36km²,1988-1995年占用耕地面积656.36km²,而在2000-2008年耕地被占用高达1 343.56km²。这些数据为我国东部城市化地区土地利用规划与管理政策的制定提供决策依据。     

基于权重线性加和模型的城市污泥土地利用适用性评估

城市污泥土地利用的环境问题是限制其大规模利用的主要因素。本文建立基于权重线性加和模型的城市污泥土地利用环境风险控制方法,提出北京市城市污泥土地利用环境风险控制方案。不同因素对城市污泥施用的环境影响依次为：土壤重金属含量（0.22）>土地利用类型（0.17）≈土壤类型（0.17）≈自然降雨（0.17）>坡度（0.13）>与自然水体距离（0.09）>与城镇居民区距离（0.05）。北京市城市污泥低风险适宜施用区域主要集中在平谷和顺义交界处、昌平-延庆中部以及房山的东部山间林地,施用面积为2033 km²。中风险施用区分布在西南部、东南部的林地和旱地的混合区域,面积为5079 km²。高风险施用区面积为380 km²,分布在石景山以及门头沟东北部、房山西南部以及平谷北部区域。禁止施用区面积达8916 km²,主要分布在城区及城区周边的郊县、延庆、怀柔、密云等部分区域。     

南美洲的地表水体制图研究

采用Landsat TM遥感影像,辅以MODIS数据产品,应用像元的分类方法,选用水体指数AWEI（Automated Water Extraction Index）提取水体,估算了2011年南美洲陆表水域总面积。同时,在南美洲各大气候带内监测其典型水域的年内季节性面积及其变化。研究表明,南美洲陆表水域总面积为30.5×10⁴ km²,水域率为1.69%,主要集中分布在亚马逊河流域、巴拉那河流域,以及南部巴塔哥尼亚高原。南美洲共计有湖泊9579个,总面积为14.2×10⁴ km²,占水域总面积的46.42%;河渠总面积达15.7×10⁴ km²,占水域总面积的51.56%;水库坑塘总面积达6144.8 km²,占南美洲地表水域总面积的2.01%。从各大气候区看,热带地区的水域面积明显受到旱雨季的影响,其中,热带沙漠气候带内水域的干湿季变化最为明显;温带地区的水域面积变化相对较小,但有明显的四季之分;高原山地气候区由于其独特的气候特征,水域面积变化较小;亚热带季风性湿润气候和地中海气候区内的水域面积季节性波动很小,但是冬夏2个季节变化明显。从南美洲各国家看,水域面积最大的国家为巴西（14.7×10⁴ km²）,占南美洲水域总面积的48.17%,水域率为1.72%;其次为阿根廷（3.4×10⁴ km²）,占南美洲水域总面积的11.24%,水域率为1.23%;委内瑞拉的水域率最大（3.08%）。     

1970-2016年青藏高原岗扎日冰川变化与物质平衡遥感监测研究

可可西里处于青藏高原腹地,是青藏高原自然环境的交接与过渡地带。近年来该区域冰川物质平衡可能有从西向东由正转负的趋势,但是其过渡地带岗扎日地区冰川状态未知。本研究利用地形图、SRTM、ASTER和Landsat等资料分析了岗扎日地区冰川面积变化和物质平衡变化,并对可可西里地区冰川变化空间规律进行了探讨,结果表明：①1970-2016年岗扎日冰川总面积年均缩小率为0.08±0.02%。2006年后冰川退缩趋势减缓。②1970-2012年岗扎日冰川平均减薄-8.64±0.30 m,体积减少1.45±0.06 km³,平均物质平衡为-0.21±0.01 m w.e. a^-1。冰川物质平衡趋势由负转正（1970-1999年：-0.34±0.01 m w.e. a^-1;1999-2012：0.16±0.02 w.e. a^-1）。③东南、南、西南朝向作为迎风坡,1970年以来其冰川物质亏损较小,1999-2012年呈现强烈的正平衡。冰川面积变化滞后于物质平衡变化,东朝向和东南朝向冰川面积缩小率最大,主要是因为冰川冰舌较长,末端所处的海拔较低。④气温升高是岗扎日冰川1970-1999年呈现负物质平衡状态的主因,降水增多是1999-2012年正平衡状态的主因。⑤可可西里地区冰川1970s以来面积年均缩小率从西向东不断增大、物质平衡下降,与西风环流和季风环流相关,但局地气候也影响冰川变化和物质平衡。     

基于LSTM神经网络的青藏高原月降水量预测

青藏高原的降水量预测不仅为该地区水资源合理规划利用提供依据,同时对中国及周边国家气候变化研究有着重要的意义。论文利用1990—2016年青藏高原降水量数据,采用长短期记忆神经网络（LSTM）对青藏高原月降水量进行预测,主要包括：① 使用青藏高原86个测站1990—2013年的月降水资料,预测各个测站2014—2016年的月降水量,并与传统的RNN、NAR、SSA和ARIMA预测模型相比,平均决定系数R²分别提高了0.07、0.15、0.13和0.36,均方根误差（RMSE）和平均绝对误差（MAE）表现更低;② 分析了降水量预测精度的空间分布特征,将各模型的R²在青藏高原地区内插值,分析R²的空间分布特征,发现所有模型降雨稀少的干旱地区和降雨多的湿润地区R²较低,在气候稳定、降水规律性明显的地区R²较高,且LSTM模型R²≥0.6的空间范围远大于传统模型;③ 分析了不同预测长度对各模型预测精度的影响,发现所有模型会随着预测长度增加而预测精度降低,但在不同的预测长度下LSTM预测的RMSE值都低于其他模型。     

亚热带福建省森林生长季与气温、降水相关性的遥感分析

植物生长季的变化反映了全球气候变化对生态环境的影响。本研究以2000-2006年间MODIS-NDVI影像数据集,使用TIMESAT软件从归一化植被指数（NDVI）时间序列中,分别提取福建省不同森林植被的生长季开始日期（Start of Season,SOS）、生长季结束日期（End of Season,EOS）和生长季长度（Length of season,LOS）等物候参数,并与全省尺度的气温与降水量进行相关分析。结果表明：不同森林类型NDVI与当月月均气温之间具有较显著的相关性（R²为0.72-0.79,p<0.01）,同期温度变化对植被生长的影响相对于降水量更重要;而植被生长对降水量的响应存在大约2个月的时滞效应（R²为0.54-0.75,p<0.01）,说明前期的降水累积对于后续植被生长有较显著影响。福建省森林植被生长季持续时间约213~223 d,开始于每年4月初到4月中旬（第98~103 d）,结束于11月中旬前后（第316~321 d）。其中,南亚热带森林生长季长于中亚热带森林,相同气候条件下的阔叶林生长季时间略长于针叶林。另外,春季（2-4月）气温变化是导致福建省内2个气候带森林生长季开始时间、生长季结束时间及生长季长度变化的关键因素,而伴随春季温度升高,植被生长季开始时间提前（R²为0.83,p<0.01）,同时生长季长度延长（R²为0.80,p<0.01）。7 a间,生长季持续时间呈现微弱延长趋势,总体延长幅度为2.4~3.1 d。     

同化叶面积指数和蒸散发双变量的冬小麦产量估测方法

同化遥感信息到作物生长过程模拟模型,是估测区域作物产量的重要方法之一。同化变量的选取对同化结果精度至关重要。本文在标定WOFOST作物模型参数的基础上,优化了WOFOST模型的默认灌溉参数。利用ET和LAI作为同化变量,分别构建了时间序列趋势信息的代价函数和四维变分代价函数;采用SCE-UA算法最小化代价函数, 重新初始化WOFOST模型初始参数——作物初始干物质重、作物35 ℃生命期和灌溉量。最后利用MODIS LAI产品（MCD15A3）、MODIS ET产品（MOD16A2）,同化到作物模型估测产量,并对比分析了水分胁迫模式下同化单变量（ET或LAI）和同化双变量（ET和LAI）的估产精度。结果表明：同化双变量ET和LAI的策略,优于同化单变量LAI或ET,双变量策略的冬小麦产量估测精度为R²=0.432,RMSE=721 kg/hm²;单独同化高精度LAI对提高估产精度具有重要作用,其冬小麦产量估测精度为R²=0.408,RMSE=925 kg/hm²;单独同化ET的趋势信息改善了WOFOST模型模拟水分平衡的参数,但是,产量估测精度（R²=0.013,RMSE=1134 kg/hm²）与模型模拟估测产量精度（R²=0.006,RMSE=1210 kg/hm²）相比改善效果有限。本研究为其他区域的遥感数据与作物模型的双变量数据同化的作物产量估测研究提供了参考价值。     

珠江三角洲地区登革热流行风险空间模拟与预测

近年来日益严重的登革热疫情已在中国南部地区形成疫情高发区,并对中国的公共卫生安全形成了一定的威胁。登革热主要受到区域内复杂的自然环境条件以及社会经济因素的影响,而利用地理空间分析方法和模型探究登革热疫情的影响因素,并对其未来流行风险的空间分布进行模拟,是有效开展登革热预防控制工作的重要基础。本文收集了珠江三角洲地区2010-2014年的登革热病例资料和土地利用、人口密度两种社会经济要素数据,构建土地利用回归（LUR）模型以分析登革热疫情与不同空间范围内的土地利用和人口密度之间的关系,并结合SLEUTH模型获取的2030年土地利用数据以及基于人口密度预测模型获取的2030年人口密度数据,预测珠江三角洲地区2030年登革热疫情风险的空间分布。结果表明,社会经济要素对登革热疫情空间分布的影响在不同范围内存在差异,半径分别为10、7、10、2和1 km的缓冲区内的人口密度、草地、城镇用地、林地和耕地进入LUR模型并对疫情有显著的影响（相关系数分别为0.779、-0.473、0.818、-0.642和-0.403）,所构建的LUR模型效果较好（调整R²为0.796,F=390.409,P<0.01）,留一交叉检验结果显示模型的相对均方根误差为0.7046,预测值与实测值的拟合精度达到0.7101。2030年城市空间扩展的区域主要分布在深圳、东莞以及广佛的交界地区,而登革热风险预测模型表明2030年登革热疫情风险较大的区域与珠江三角洲城镇用地占比、人口分布较高的地区有高度的一致性,尤其是广佛地区。因此,LUR模型可以较好地预测登革热疫情的空间分布,从而为当地卫生部门防控登革热提供方法支持。     

基于DEM修正的MODIS地表温度产品空间插值

地表温度是资源环境、气候变化、陆地生态系统等科学研究的重要参数之一。MODIS LST（Land Surface Temperature, LST）产品是地表温度相关研究的重要数据源。而现有MODIS LST产品均存在云覆盖区域,因此云覆盖区域地表温度估计已成为热红外遥感的前沿性研究难题。为解决MODIS LST产品云遮挡区域地表温度信息缺失,以秦岭地区为研究区,选用2001-2017年的MOD11A2数据,在传统的反距离权重（IDW）、规则样条函数（SPLINE）、普通克里金（OK）、趋势面（TREND）空间插值方法中引入高程因子,通过反复试验形成基于DEM修正的MODIS LST空间插值方法。分析空间插值结果表明： ① 空间插值精度由高到低为：OK>SPLINE>IDW>TREND,基于DEM修正后精度分别提高了约0.38、0.31、0.32和0.78℃; ② 空间插值结果的精度呈现季节差异,夏季6、7、8月的精度较高,1月的精度最低;③ 插值精度与云区的范围存在一定的关系,当云覆盖区域<1.1 km²时,DEM+OK方法的插值误差<0.55 ℃,当云覆盖区域<3.1 km²,插值误差<1 ℃;DEM+SPLINE方法在云覆盖区域<2.7 km²时,插值误差<0.55 ℃,云覆盖区域<10.4 km²,插值误差<1℃;当云覆盖为1.1~2.7 km²时,DEM+SPLINE方法的插值精度高于DEM+OK方法。     

基于Sentinel-1/2动态耦合移栽期特征的水稻种植模式识别

及时准确地获取水稻种植模式变化对于有效防控“非粮化”和完成“双碳”目标具有重要意义。现有研究多基于固定时间窗口挖掘水稻生长期特征,且多使用的是单一卫星影像数据,难以应用于大范围水稻制图。本文通过Sentinel-1/2数据构建动态窗口提取移栽期光学/雷达特征,利用其耦合关系实现水稻种植模式制图。将该算法应用于湖南和江西两省水稻制图。基于1402个地面参考点位对水稻提取结果进行验证,总体精度达92.80%;在县域尺度上,湖南和江西两省水稻制图面积与农业统计数据也具有高度一致性,R²达0.85以上。相比于用固定窗口进行水稻特征提取,该方法具有较强的鲁棒性和迁移能力,为实现更大范围作物制图提取提供新的思路和参考依据。2018—2021年江西省水稻制图结果表明,水稻总种植面积减少9.47%,约3460 km²,水稻种植强度从1.62下降至1.49;在种植模式上,“双改中”趋势明显,双季稻种植面积锐减21.61%,其中约84%改种中稻。