基于GIMMS NDVI 3g.v1的近34年青海省植被生长季NDVI时空变化特征

在气候变化和人类活动的综合影响下,青海省生态环境发生了明显变化。在此背景下,以GIMMS NDVI 3g.v1为数据源,采用Sen+Mann-Kendal方法研究青海省1982-2015年植被覆盖区域NDVI时空变化,将趋势分析和R/S(rescaled range analysis)分析叠加,研究植被生长季NDVI变化的持续性特征,并揭示植被对气候变化及人类活动的响应规律。结果表明:1)近34年青海省植被NDVI整体呈从西北到东南的增加趋势;且变异系数显示,波动性较大地区集中在柴达木盆地周边和青南牧区西北部等植被NDVI较低的区域,波动性较小地区集中在祁连山东部、东部农业区和青南牧区东南部等植被NDVI较高的区域。2)近34年青海省植被NDVI整体呈增加趋势,增长率为0.38%·10a~(-1);且NDVI变化具有明显的阶段性,存在1994年和2000年两个突变点。3)近34年青海省植被改善区域(75.4%)远大于退化区域(24.6%),其中显著改善面积占植被覆盖区域面积的40.9%,退化区随时间变化在空间上表现出明显的转移现象。4)Hurst指数表明,青海省植被变化反持续性较强,趋势分析与Hurst指数叠加得出,由退化转为改善的区域占植被覆盖区面积的13.7%,由改善转为退化的区域占植被覆盖区面积的44.3%,另41.5%的区域无法确定未来变化趋势。5)青海省植被生长季NDVI受气候变化和人类活动的双重影响,且不同植被类型对气候变化的响应存在较大差异。     

土壤有机质可见光-近红外光谱预测样本优化选择

土壤有机质可见光-近红外光谱预测中建模样本的优化选择对提高有机质模型估算精度具有重要作用。本文以湟水流域土壤有机质为例,采用基于土壤单一属性信息考虑的建模样本选择方法:浓度梯度法、Kennard-Stone(KS)方法,以及基于土壤多种信息考虑的建模样本选择方法:Rank-KS(RKS)法、土壤类型结合浓度梯度法以及土壤类型结合KS法。通过偏最小二乘回归建模,探索可见光–近红外光谱预测青海湟水流域有机质的最优样本集。结果表明:不同级别样本数的最佳建模样本选择方法不同,整体表现为基于土壤多种信息挑选的建模样本集的模型精度相比土壤单一信息均较高,特别是KS方法结合土壤类型后的建模样本集模型精度明显提高且在样本数较少时更为明显。土壤类型可以优化建模样本选择方法提高模型预测精度。在保证固定验证样本模型预测精度的情况下,土壤类型参与建模样本的选择可以有效减少建模样本数,进而降低了建模成本。     

2000-2015年青海省植被覆盖的时空变化特征

【目的】以像元为基本单元,研究青海省归一化植被指数（NDVI）的时空变化特征,以揭示NDVI对气候变化的响应规律,分析青海省未来植被变化趋势,为青海省生态建设提供参考。【方法】以青海省2000-2015年的MODIS13Q1/NDVI为数据源,将反映趋势变化的Theil-Sen Median方法与检验趋势显著性的Mann-Kendall方法结合使用,研究青海省NDVI的变化趋势,并采用Hurst指数方法判断变化趋势的可持续性。【结果】1)青海省NDVI的空间分布整体呈从西北向东南逐渐增加的趋势。2)16年间NDVI整体呈增长趋势,增速为每10年1.5%,旱地及草原与稀树灌木草原增速最快,分别为每10年2.7%和2.3%。3)16年间青海省植被覆盖改善区域(60.51%)明显大于退化区域(17.87%),其中植被覆盖明显改善区占全省面积的21.26%,轻微改善占39.25%,轻微退化占15.75%,严重退化占2.12%,基本不变的占21.62%。4)青海省植被覆盖未来改善的区域占整个区域面积的62.23%,其中持续性改善占38.01%,由退化转为改善的占24.22%;植被未来有退化趋势的区域占18.30%,其中持续性退化占7.74%,由改善变为退化趋势的占10.56%;稳定不变的区域为8.43%;植被未来变化趋势不确定区域占11.04%。【结论】青海省植被覆盖变化受气候和人类活动的共同影响,大部分地区植被未来呈改善趋势。