2007-2016年四川省土壤干旱时空动态分析

四川作为农业大省,旱灾是导致农业减产最主要的因素。通过遥感和GIS手段进行四川省土壤干旱程度的时空分析,提高干旱的空间可视化程度,加强干旱监测的时效性尤为重要。本研究基于四川省2007—2016年逐季度的MODIS数据和1961—2011年40个气象站的月降水资料,采用温度植被干旱指数(TVDI)计算得到四川省干旱等级分布情况,辅以标准化降雨指数(SPI)进行相关性分析,并通过线性回归、反距离权重空间插值、GIS空间分析模型重建等方法,分析近十年来四川省地区以季度为时间尺度的土壤干旱时空变化特征,制作各时相土壤干旱分布图展示其微变化。结果表明:(1)在月时间尺度上,SPI-1与TVDI呈中等至强负相关关系,即TVDI值越小,SPI值越大,干旱程度越轻;验证结果表明TVDI都能够较好地对四川省的干旱空间分布状况进行反映。(2)四川省各区域、各季节干旱分布不均:空间上,干旱频发的区域集中在四川盆地及攀西南部区域。时间上,在春季,四川盆地区域的土壤干旱程度大致呈现加剧—持续—减缓的趋势;夏季,四川盆地的干旱变化趋势是加剧—减缓—加剧;秋季,四川盆地的干旱变化趋势是加剧—减缓—持续减缓;冬季,全川干旱程度变化不明显。本文的研究结果对四川省开展农业防灾减灾,引导农业灌溉具有指导意义。     

宁夏沙湖水质评价及水污染特征

为了研究宁夏沙湖的水质状况,于2018年4月18日(春季)、7月22日(夏季)、10月25日(秋季)和2019年1月23日(冬季),在宁夏沙湖设置了9个采样点,采集水样,测定水质指标;采用综合污染指数法,对沙湖水质状况进行综合评价。研究结果表明,宁夏沙湖各采样点的综合污染指数为0.770～0.951,各采样点水体都为中污染水体;污染沙湖水体的主要污染物类型为化合氨、有机化合物、无机和有机氮、磷酸盐。     

中国西北地区水鸟保护优先区与空缺分析

中国西北地区是全球鸟类迁徙的关键区域,在全球9条迁徙路线中,有3条迁徙路线涵盖了该区域,西北地区鸟类保护有助于推动全球范围内的鸟类保护。识别西北地区的水鸟保护优先区,分析保护空缺是有效保护鸟类生物多样性的基础。以2009年之后的水鸟调查数据为基础,采用重要鸟区(Important Bird Areas,IBAs)标准及《湿地公约》中国际重要湿地标准,识别了西北地区水鸟保护优先区,使用"不可替代性指数"对优先区进行排序,并对保护空缺进行分析。结果表明:中国西北地区有48个地点满足水鸟保护优先区条件,4个地点"不可替代性指数"超过100,17个地点未受保护。西北地区水鸟数据较少,监测调查能力不足,应对尚未保护的优先区域开展保护行动,提升西北水鸟调查和监测能力、完善保护地体系,更好地保护西北地区水鸟及其栖息地。     

基于GIS的盐城国家级自然保护区生态安全评价（英文）

本研究利用遥感和GIS技术,分析盐城自然保护区1983–2018年的景观格局变化,建立了基于区域自然-社会-经济复合生态系统安全格局的评价指标体系,分析了生态安全变化的空间特征和成因。结果表明,1983–2018年由于人类活动加剧,研究区内景观格局变化强烈,从以自然景观为主发展到自然景观与人工景观并存。在整体生态安全方面,目前保护区的生态安全状况不容乐观,从保护区丹顶鹤的生存状态看,保护区总体上还是适宜丹顶鹤栖息的,但由于人类活动的增加以及政策的调整,丹顶鹤的栖息地呈现破碎化并向核心区和缓冲区等局部区域聚集。我们应从管理、政策制定以及当地居民的环境保护意识上增加宣传和投入,并相应减少保护区内人类活动的强度。     

基于Sentinel-2的潮间红树林提取方法

位于潮间带的红树林可能在高潮时被海水淹没的特点,使得传统的植被提取方法在红树林信息提取方面存在局限性。本文在对比分析了出露的红树林、高潮水位淹没的红树林、海水水体的光谱特征后,提出了一种利用归一化潮间红树林指数（NIMI）提取潮间带红树林的方法。该指数是由植被强吸收的红波段,强反射的两个红边波段和近红外波段组成的归一化表达式。利用该指数对福建省龙海九龙江口湿地的红树林进行了分类提取,提取结果与高分二号影像目视验证和现场调查结果进行了对照。结果显示,该方法提取红树林的用户精度达到93.98%,并显著优于利用归一化水体指数（NDWI）、归一化植被指数（NDVI）及随机森林的结果。     

ASTER数据的煤矿区水体信息提取

为实现多光谱数据对煤矿区水体信息提取,以萍乡市芦新岭及周边煤矿为试验区,在国内外学者对水体指数法提取水体信息和应用的启发下,对试验区不同地物的波谱特征进行分析。本文首先利用数学统计方法建立一种ASTER数据综合归一化差异水体指数模型SWI ASTER_xy,然后利用这一模型对试验区进行水体信息提取。试验表明,该模型能够有效地提取矿区各类水体,还可以运用在ASTER数据（或其他多光谱数据）对不同区域不同地物的提取,在遥感地物定量提取上具有很好的效果和潜力,具有一定的推广价值。     

青岛市生态环境变化遥感监测与分析

城市化进程不断加快带来一系列生态环境问题,本文利用植被指数、湿度指数、地表温度、建筑物—裸土指数定量表征绿度、湿度、热度、干度4个生态要素指标,通过主成分分析法,建立遥感生态指数模型,并从时间和空间两个维度对比分析2013、2019年两个时期遥感生态指数。结果表明,青岛市生态环境呈局部优化改进、整体下降趋势;同时,将青岛市遥感生态指数与人类活动相关的地表覆盖变化数据、路网交通数据、夜光数据进行耦合性分析,进一步分析探寻生态环境变化的影响因子。     

基于森林模型参数先验知识估算高分辨率叶面积指数

目前,估算高分辨率叶面积指数LAI（Leaf Area Index）的常用方法是采用大量地面测量数据和遥感数据建立统计模型,再用统计模型估算LAI。然而,与农田地面测量实验相比,森林地面测量实验获取的观测数据更加有限,这使得基于统计模型的森林高分辨率LAI的估算精度低,难以满足应用需求。为此,本文提出一种基于森林模型参数先验知识、使用森林研究区少量的LAI地面测量数据和归一化植被指数NDVI数据估算森林高分辨率LAI的方法。首先,获取全球20个森林实验区的LAI地面测量数据和NDVI数据,建立LAI-NDVI统计模型并提取森林模型参数的先验知识。然后,以一个新的森林站点Concepción作为研究区,将该研究区的数据分为建模数据和验证数据两个部分。使用研究区有限的建模数据对森林模型参数先验知识进行本地化校正得到优化模型,优化模型用于估算森林高分辨率LAI,使用验证数据评价LAI的估算精度。同时,选取了Camerons站点、Gnangara站点、Hirsikangas站点评价本文方法的LAI估算精度。使用地面测量LAI验证基于森林模型参数先验知识估算高分辨率LAI的结果精度,经验证4个森林站点的均方根误差分别为0.6680,0.4449,0.2863,0.5755。研究结果表明：在仅有少量观测数据时,采用本方法能有效地提高森林高分辨率LAI的估算精度。因此,本方法可为森林高分辨率LAI的遥感估算提供参考。     

山地叶面积指数反演理论、方法与研究进展

叶面积指数LAI（Leaf Area Index）是表征叶片疏密程度和冠层结构特征的重要植被参数,在气候变化、作物生长模型以及碳、水循环研究中发挥着重要作用。遥感是获取区域及全球尺度LAI的一个重要手段,当前LAI产品主要基于遥感数据反演得到,但是多数LAI产品算法并未考虑地形特征的影响,导致山地LAI遥感反演精度不确定性大。提高山地LAI遥感反演精度亟需考虑地形因子对冠层反射率的影响,其中山地冠层反射率模型和遥感数据地形校正是提升山地LAI遥感反演精度的关键。本文围绕山地LAI遥感反演理论与方法,综合分析了国内外山地冠层反射率模型和地形校正模型的研究进展,总结了目前山地LAI遥感反演存在的问题,并讨论了未来研究的发展趋势。