基于Landsat影像稀疏植被斑块格局对降水响应

【目的】古尔班通古特沙漠稀疏植被斑块格局是水分稀缺的荒漠区对降水在地表的表现。【方法】基于年降水量变化特征,选择1990年TM影像、2001年ETM+、2010年TM影像和2015年OLI遥感影像为数据源,结合1990~2015年蔡家湖气象站逐年的降水数据,计算古尔班通古特沙漠南缘的植被盖度、斑块面积、斑块数量、斑块密度,分析不同植被盖度、面积变化趋势,探讨年降水量对植被盖度、斑块面积、数量、密度的影响。【结果】1990~2015年,植被盖度总体呈减少趋势,其中二级植被面积明显增加(1 089.557 km²),增幅为20.154%,一、三、四级植被面积略有减少,减幅分别为-98.752%、-61.581%、-96.889%。随着降水量的增加,斑块数量,密度增加,破碎程度变小,植被盖度增加。【结论】1990~2015年古尔班通古特沙漠南缘稀疏植被盖度随年降水的变化总体呈退化-好转-退化趋势。年降水量变化与稀疏植被盖度、斑块面积、数量、密度均呈正相关关系。     

基于面向对象的无人机遥感影像荒漠植被分类

荒漠植被分布稀疏且叶面普遍较小,导致影像中植被光谱特征较弱,分类难度较大。为提高荒漠植被分类精度,选取古尔班通古特沙漠为研究区,以无人机遥感影像和数字表面模型为数据源,采用面向对象的随机森林算法,在去相关拉伸光谱信息增强基础上对荒漠植被进行分类,分析去相关拉伸前后分类精度的变化。结果表明：基于去相关拉伸并结合面向对象和随机森林算法的轻、中、重度沙漠化区总体分类精度分别为91.01%、95.34%、93.18%,较原始影像分类精度分别提升19.94%、16.10%、17.61%,实现了对荒漠植被的高精度分类,从而为获取荒漠区植被分布状况以及荒漠化监测提供参考。     

旅游干扰下的天山北坡水蚀经济损失评估——以西白杨沟流域山地景区为例

为探讨旅游干扰下山地景区水蚀强度和经济损失变化规律,以水蚀典型区——西白杨沟流域山地景区为案例地,基于样地调查数据,采用中国土壤流失方程（Chinese soil loss equation,CSLE）与水蚀经济损失评估模型,定量估算不同旅游干扰强度下水蚀经济损失,分析西白杨沟景区水蚀经济损失变化规律及其与土壤理化性质、植被覆盖度的关系。结果表明：不同旅游干扰强度下土壤理化性质、植被覆盖度差异显著。与对照组相比,重度干扰区土壤含水量、饱和含水量及土壤孔隙度的降幅分别为51.67%、32.23%、13.30%;土壤碱解氮、有效磷及有机质含量均随干扰强度增加呈下降趋势,而速效钾含量却趋于增加;与对照组相比,轻度、中度、重度干扰区植被覆盖度分别下降14.18%、43.32%、92.35%。随旅游干扰强度的增加,土壤可蚀性K值与生物措施B值明显增加,土壤侵蚀量呈显著增长趋势（P<0.05）,与轻度干扰区相比,中度、重度干扰区土壤侵蚀模数增幅分别为79.31%、204.79%。场内经济损失、场外经济损失及水蚀经济总损失随干扰强度的增加呈上升趋势,其中场内经济损失远大于场外经济损失,土壤养分损失及植被多样性损失作为水蚀经济总损失的主要部分,二者在轻度、中度、重度干扰区分别占水蚀经济总损失的93.56%、92.68%、94.94%,且干扰强度为中度、重度时,植被多样性损失高于土壤养分损失,分别达1.17×10⁴元·hm^-2·a^-1和2.49×10⁴元·hm^-2·a^-1。植被覆盖度对水蚀经济损失响应最为敏感,植被覆盖度每减少1%,水蚀经济损失增加4.98×10⁴元。研究表明,旅游干扰强度是影响山地景区水蚀强度和经济损失的关键因素,为此应结合土壤侵蚀参数分析,加强山地景区土体裸露化管理,种植耐践踏植被,核算旅游容量,控制旅游干扰强度。     

天山北坡中段山区植被覆盖管理措施因子的时空格局动态变化

植被覆盖管理措施因子（Vegetation cover and management factor,以下简称C因子）是评估植被因素抵抗土壤侵蚀的能力及准确估算土壤侵蚀模数的重要参数,而区域尺度C因子高质量时间序列的准确估算和空间特征对于土壤侵蚀预测、水土保持规划尤为重要。为研究天山北坡中段山区C因子时空动态,采用线性光谱混合模型（Linear Spectral Mixture Model,LSMM）、像元二分模型、增强型自适应反射率时空融合模型（Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model,ESTARFM）等方法计算C因子,定量分析2000—2018年研究区C因子的时空格局特征,并对不同土地利用类型的C因子进行分析。结果表明,时间上,2000—2018年C因子总体呈现先上升后下降的趋势,不同时段C因子值不同,表现为秋季>春季>夏季、旱季>雨季。空间上,南部高山区（海拔>3 000 m）的C因子值较高,北部中低山丘陵区（2 000 m<海拔<3 000 m）的C因子值较低。C因子值的分布与土地利用类型关系密切,表现为裸土地>其他林地>采矿用地>内陆滩涂>其他草地>农村宅基地>灌木林地>旱地>天然牧草地>风景名胜设施用地>水浇地>人工牧草地>乔木林地。本研究探究C因子遥感定量估算方法,分析不同土地利用格局对C因子的影响,为开展大尺度C因子的准确估算及不同土地利用格局水土保持效益的综合评价提供了参考。