基于Google Earth Engine的典型峰丛洼地石漠化时空演变与驱动因子分析——以西畴县为例

石漠化是岩溶地区阻碍经济可持续发展、影响生态环境的重大问题,随着近几十年石漠化治理的开展,石漠化扩张的趋势已经得到了极大遏制。以我国典型峰丛洼地地貌的云南省文山州西畴县为研究区,基于遥感云计算平台Google Earth Engine(GEE)以1990年、2000年、2010年、2020年四期Landsat遥感影像为数据源,利用转移矩阵分析西畴县近30年石漠化动态变化,并采用地理探测器分析了西畴县石漠化形成的驱动因子。主要结论如下:(1)30年间西畴县石漠化演变总体呈现先小幅减少,再扩张,然后大幅减少的趋势,从时间上来看1990—2000年,石漠化类型转变主要是轻度和潜在石漠化向无石漠化转移,2000—2010年石漠化类型转变主要是无石漠化向潜在和轻度石漠化转移,2010—2020年石漠化类型转变主要是潜在、轻度和中度石漠化向无石漠化转移; 从空间上来看,西畴县石漠化分布北重南轻,在石漠化治理成效上,整体都呈现好转,石漠化改善面积为850.183 km²,在莲花塘乡西北部、新马街乡的东北部、鸡街乡和西洒镇的交界处也存在零星恶化,恶化面积为51.715 km²。(2)1990—2020年30年间,西畴县石漠化治理取得了巨大成效,到2020年西畴县无石漠化土地面积已经达到940.854 km²,共有648.476 km²的石漠化土地转化成无石漠化土地;(3)地理探测器分析结果表明西畴县石漠化形成的主要驱动因子为坡度和GDP交互作用(q=0.645),人口密度和GDP交互作用(q=0.639)这两对组合。(4)通过编程在遥感计算云平台Google Earth Engine(GEE)上在线获取和处理遥感数据,可以较大限度地提高工作效率。利用云计算实现石漠化表征因子的提取,解决相关地学问题,可为后续相关研究提供强有力的技术支撑。     

基于GEE的广西北部湾沿海水产养殖池塘遥感提取

沿海水产养殖池塘带来经济效益的同时,也会引起诸多环境问题,了解其空间分布对于海岸带的科学管理和渔业可持续发展具有重要意义。广西北部湾海岸带地形错综复杂,养殖池塘沿岸线散乱分布,导致传统遥感识别方法难以实现高精度提取。针对此问题,该研究提出一种基于Google Earth Engine（GEE）平台和全年Sentinel-1和Sentinel-2时序遥感数据的水产养殖池塘识别方法,结合多阈值分割和面向对象分类提取2019年广西北部湾海岸带的水产养殖池塘。结果表明：1）广西北部湾海岸带养殖池塘面积总计199.3 km2,遍布整个沿岸地区;识别结果总体精度达到0.921,Kappa系数为0.842;2）选取4个典型区域,对比该研究方法提取结果与Google高清影像目视解译结果,在规模化集聚型养殖区域中,识别结果占目视解译的面积比例达到90%以上,在排布密集的小型池塘区域面积占比也能达到80%以上;3）以时序遥感数据作为分类特征值,能够有效排除废弃池塘、水稻田和季节性水域。该方法在大范围复杂环境中仍具有良好性能,显著提高了水产养殖池塘遥感识别的精度,能够为海岸带生态环境的智能监控、养殖区域空间优化提供技术支持。     

基于云平台和BFAST算法的地表变化检测方法

准确识别地表变化的时空信息,有助于探究地表自然环境和生态系统发展演变的规律,支撑相关的科研与行政管理工作。本文以河南某生态保护修复工程部分实施范围为研究区域,基于Google Earth Engine(GEE)云平台,以2013—2020年的98景Landsat8/OLI遥感影像作为数据源,应用Breaks for additive season and trend(BFAST)算法对地表变化进行了信息提取和制图。首先基于GEE云平台对Landsat8/OLI地表反射率数据集进行调用和预处理,基于CFMask算法对遥感数据集进行云影掩膜,开展光谱指数(植被指数NDVI)的计算以及时间序列数据集的构建。其次基于时序数据集与BFAST算法构建由趋势项、季节项和残差项组成的广义线性回归模型,通过最小二乘法求解模型中的未知参数集,以此进一步构建时序拟合模型,而后基于残差的Moving sums(MOSUM)方法对时序结构变化进行检测。最后从检测结果中抽取像元样点,通过与Google Earth高分辨率影像数据叠置和目视解译,开展结果验证和精度评价。结果表明,本文提出的方法在研究区的时序地表变化...     

中国丝绸之路经济带沿线植被覆盖变化及自然影响因素分析

该研究基于谷歌地球引擎(Google Earth Engine, GEE)共享的遥感数据及对地分析,在线访问MOD13 Q1数据,采用一元线性回归法、最大合成法(Maximum Value Composite, MVC)和均值法,分析2000-2018年中国丝绸之路经济带沿线省份的植被覆盖时空变化趋势;并利用地理探测器模型定量分析不同自然因子对植被覆盖变化的影响。结果表明:1)2000-2018年植被覆盖变化时空差异显著,空间变化趋势以改善为主,且改善区域主要在广西、重庆、陕西、宁夏及甘肃南部;2)NDVI年最大值(NDVImax)和NDVI生长季均值(NDVISeaAvg)随时间变化均呈显著的波动增加趋势(P0.001);3)年均降水量、湿润指数、植被类型和土壤类型是NDVImax空间分布的主要驱动因子,解释力分别为0.776、0.764、0.762和0.505;4)各自然因子存在促进植被生长的最适宜范围或特征,不同自然因子之间的交互作用为双因子增强或非线性增强。研究结果有助于理解自然因子对植被覆盖变化的影响及其驱动机制,为合理利用土地、有效保护生态环境提供科学参考。     

基于GEE的陕西关中西部耕地季节性撂荒时空变化特征

【目的】研究陕西关中西部耕地季节性撂荒的时空变化特征,揭示其驱动机制,旨在为有效遏制耕地季节性撂荒,保障国家粮食安全提供参考。【方法】基于谷歌地球引擎（Google Earth Engine,GEE）平台的Landsat和Sentinel-2遥感影像,采用随机森林分类算法,对位于陕西关中西部的宝鸡扶风县、岐山县、凤翔区及陈仓区的部分区域2000-2020年耕地季节性（7-10月）撂荒的时空变化特征进行了分析。【结果】2000-2020年陕西关中西部耕地撂荒可以明显地划分为3个阶段：2000-2002年为快速增加阶段,耕地季节性撂荒呈现快速扩大趋势,撂荒率和撂荒面积分别由9.58%,16 578.83 hm²上升到了的55.85%,96 699.52 hm²;2002-2013年为波动升高阶段,耕地经历了短暂复耕又撂荒的过程,2013年耕地撂荒率和撂荒面积均攀升到了最高点,分别为63.10%,109 256.78 hm²;2013年之后为缓慢复耕阶段,耕地季节性撂荒面积逐年减少,到2020年撂荒率和撂荒面积分别为18.22%,31 554.94 hm²,撂荒面积较2013年减少约70 000 hm²,但撂荒地面积仍高于2000年。从空间分布来看,2000-2020年陕西关中西部耕地季节性撂荒面积的增加呈现由研究区周边向中心靠拢的趋势,撂荒地复耕面积的变化则相反,这与研究区北部是山地、南部是渭河、西部是千河的地貌分布有关,越靠近边缘,交通、灌溉条件越差,越易于更早撂荒。【结论】探明了陕西关中西部耕地季节性撂荒的时空变化特征,其与经济发展、政策制度和自然因素等密切相关。     

基于GEE云平台的2005-2017年云南省森林覆盖变化监测

以云南省为研究区,探究云南省2005-2017年间土地及森林覆盖情况及动态变化分析,为云南森林保护及生态环境建设提供参考依据。利用Google Earth Engine平台在大区域分类研究中的优势,选取2005、2010年和2017年3期的Landsat系列影像作为主要数据源,采用随机森林方法,监测研究区内土地及森林覆盖空间分布、动态变化及转移情况。得到总体精度分别为75.55%、75.33%和83.42% 3期影像分类结果。结果表明,森林总面积分别为2 006.19×10⁴hm²、2 015.77×10⁴hm²和2 067.21×10⁴hm²,占到研究区总面积的52.30%、52.55%和53.88%。研究期内云南省森林面积总体呈增长趋势。     

2002-2020年黄土高原土壤水变化及其相关性分析

土壤水作为植物耗水最主要的来源,其变化对整个生态系统都有重要影响。利用GRACE卫星数据与GLDAS-NOAH模型,分析2002—2020年黄土高原土壤水时空变化规律,并结合GEE平台2002—2020年的MODIS NDVI产品数据集、与2000—2017年降水资料对土壤水的变化进行相关性分析,使用M—K检验法对趋势进行检验,结果表明:(1)2002—2020年GRACE等效水高(毫米水柱高)变化月均值为(-7.56±4.38)mm,从2008年开始呈现显著减少趋势。(2)2000—2020年0—10 cm土层土壤水呈不显著增加趋势,10—40,40—100,100—200 cm呈不显著变化趋势,2012—2020年200 cm以下土层土壤水呈显著减少趋势。(3)随着土层深度的增加,黄土高原2000—2017年的降水与土壤水的相关性在显著降低。相关性系数从0—10 cm时的0.581降低到100—200 cm时的0.099。而将2002—2020年的200 cm以下土层土壤水与NDVI变化分析其相关性系数为-0.805~*,为显著负相关关系。研究结果阐述了黄土高原土壤水的变化规律,揭示了降水和NDVI变化与其的相关性联系,为下一步黄土高原的植被恢复提供了理论支撑。     

1987—2021年淮河流域FVC时空变化与驱动因素分析

植被覆盖状况及其响应是当前全球变化研究的重要议题,研究淮河流域植被覆盖度(Fraction of vegetation coverage, FVC)的时空变化趋势,对于揭示气候过渡带脆弱生态系统演化及驱动机制有重要意义。本文利用Google Earth Engine(GEE)平台上的Landsat影像计算淮河流域的植被覆盖度,分析FVC时空变化特征,并借助夜间灯光强度、气温、降水量、蒸散发、土壤和地形等数据,从年际尺度和空间尺度分析FVC的驱动因素。结果表明：1987—2021年淮河流域FVC整体呈增加态势,FVC变化趋势在空间上以稳定和改善为主,面积占比分别为45.2%和39.7%,改善区域集中在信阳、驻马店、南阳、洛阳等地,退化区域集中在南通、泰州、盐城、临沂、潍坊、郑州和阜阳等地。在年际尺度,FVC变化与夜间灯光强度的显著性高于气温和降水量,淮北区域FVC增加趋势不如淮南区域显著。在空间尺度,夜间灯光强度、潜在蒸散发、降水量和地形是淮河流域FVC空间差异的主要影响因素,夜间灯光数据表征的人类活动对FVC的影响最大;夜间灯光数据对FVC变化的影响具有空间异质性：正相关区域面积占比2...     

基于GEE的关中平原城市群植被时空演变及影响因素

[目的]探究2000—2020年关中平原城市群植被时空变化特征及驱动因素,为区域生态文明建设提供科学指导。[方法]基于Google Earth Engine(GEE)云平台,利用2000—2020年Landsat影像计算得到的增强型植被指数(enhanced vegetation index, EVI),结合趋势分析、热点分析、地理探测器模型等方法分析了关中平原城市群年最大EVI(EVI_max)变化格局及驱动因素。[结果](1)2000—2020年关中平原城市群年EVI_max整体呈上升趋势,未发生变化的土地利用/覆盖类型年EVI_max值均呈波动上升趋势,其中草地的上升速率最大。(2)空间上,关中平原城市群年EVI_max值呈由南向北递减的趋势,高值区主要位于南部的秦岭山地。趋势分析结果表明年EVI_max呈显著上升和显著下降的面积分别为70.16%和3.61%。(3)年EVI_max的空间集聚特征表现为热点和冷点数量呈轻微下降和显著下降趋势,冷点区域逐渐转化为次...     

1986—2021年彬长矿区植被覆盖度时空变化及其影响因子

[目的] 分析彬长矿区植被覆盖度变化特征及空间分布影响因素,判别矿区的生态状况断,为矿区复垦和生态恢复提供科学参考和理论依据。[方法] 基于Google Earth Engine云平台,获取1986—2021年30 m分辨率Landsat Surface Reflectance Tier 1 Data（地表反射率数据）,基于像元二分模型,采用趋势分析法、F检验等方法对彬长矿区植被覆盖度多年时空变化作出定量分析;在此基础上运用地理探测器对植被覆盖度的空间分异性进行地理因子解析。[结果] ①1986—2021年彬长矿区植被覆盖度改善状况较好,总体呈现增长趋势,平均增长率为0.64%/a;研究区多年平均植被覆盖度水平较高,中覆盖度及以上面积占87.14%,空间分布上呈现“东南高,西北低”的特点。②植被覆盖度变化趋势上,研究区以显著改善区域为主,其面积所占比例为56.65%,但仍有些许地区植被显著退化,主要集中在靠近城市河流道路区域。③各因子对植被覆盖度的影响大小排序为：坡度>高程>年降水>GDP>人口密度>年均温>植被类型>土壤类型,坡度与年降水交互作用对植被覆盖度空间分异性影响最强。[结论] 1986—2021年彬长矿区植被覆盖状况良好,整体呈现显著增长趋势,植被改善情况明显,坡度为影响研究区植被覆盖度空间分异性的主导因子。