乌鲁木齐市2000-2018年“三生”空间格局演变及其风险评价

[目的] 剖析生产—生活—生态（“三生”）空间转变对绿洲城市生态风险变化的影响,实现“三生”空间的协调发展,为解决经济快速发展和社会转型中带来的国土开发秩序混乱及资源环境问题提供科学依据。[方法] 基于乌鲁木齐市2000,2010和2018年3期“三生”空间矢量数据,借助GIS空间分析、地统计分析等方法,分析“三生”空间演变特征,并构建网格尺度下的生态风险指数,对该地区生态风险时空分异特征进行定量评价。[结果] ①研究期间,研究区生活生产空间面积增加明显,增长率高达169.78%,生态生产空间面积平缓上升,生态空间和生产生态空间面积下降率达到4.27%和21.79%。“三生”空间综合动态度为0.40%,均呈现重心南移趋势。②2000—2018年生态空间区域内以高、较高风险等级为主,比例达92.15%,其他空间内风险等级相对较低;生活生产空间及生产生态空间区域内风险等级上升。③2010—2018年,该区域的生态风险程度有所减缓,生态风险等级变化以下降为主,是风险等级上升面积的1.95倍。④研究区生态风险对“三生”空间变化的响应弹性降低,表明影响生态风险的因素呈现多样化的特征。[结论] ①近20 a来该区域生活生产空间面积明显扩张,增加了606.99 km²,主要由其周边的生态空间以及生产生态空间转入; ②该区域生态安全状况后期趋于好转,但依旧属于中高风险地区,需要对生态系统极不稳定的生态空间加强管理。     

基于哑变量和因子选择的森林蓄积量估测研究

为提高森林蓄积量遥感估测精度,探讨哑变量技术在蓄积量遥感估测中的作用。以云南省普洱市思茅区为研究区,以Landsat 8 OLI和93块森林资源二类调查角规控制样地数据为基础,使用随机森林（random forest）算法进行遥感变量因子的选择,并以龄组为哑变量分别构建基于哑变量的SVR和PLSR蓄积量估测模型,采用留一交叉验证对结果进行评估。结果表明,使用随机森林算法进行变量的选择有效减少了自变量的维度,提高了计算效率;其次,哑变量引入后,PLSR和SVR 2种回归模型的估测精度都比无哑变量方法有明显的提高,且SVR的估测结果优于PLSR;在引入哑变量后SVR模型的决定系数R²由0.59提高到0.68,相对均方根误差rRMSE由36.76%降低至32.97%,PLSR模型的决定系数R²由0.53提高到0.62,相对均方根误差rRMSE由39.41%降低至35.24%。在森林蓄积量的遥感估测中,哑变量技术的应用可以在一定程度上解决不同蓄积量大小对估测结果造成的影响,进而提高蓄积量的估测精度。     

基于MPI的LEDAPS遥感影像预处理并行化方法研究

LEDAPS(Landsat生态系统干扰自适应处理系统)通过对Landsat影像进行定标、云掩模、精确配准和正射纠正、大气校正等预处理,为森林生态系统固碳能力及碳储量研究提供地表反射率产品.随着遥感数据的几何增长,传统串行使用LEDAPS进行影像预处理计算所费周期长,使得LEDAPS在实际森林碳储量研究应用中不能满足海量遥感数据的处理需求.针对这一问题,提出了一种基于MPI的LEDAPS高性能粗粒度数据并行计算方法.通过实例验证,当MPI进程数为8时,加速比最高达到7.37.该方法在大幅提高计算速度,节省计算时间的基础上,实现了计算节点的负载均衡及可扩展,有效地提高了LEDAPS处理海量遥感数据的能力,缩短了利用遥感影像进行森林碳储量计算的周期.     

基于Landsat ETM+的内陆湖泊水体信息提取方法研究

【目的】针对已有水体信息提取方法无法准确识别干旱区湖泊水体和非水体边界信息的缺点,提出一种新的水体信息提取方法,以期高精度地提取水体信息。【方法】以我国最大的干旱区内陆淡水湖———博斯腾湖及其周边地区为研究对象,以研究区Landsat ETM+遥感影像图为主要数据源,以大量的湖岸线GPS定位数据为检验依据,提出了多波段DN值比较法(CBDN),并对比分析了CBDN与常用的单波段阀值法、NDWI、MNDWI、谱间关系法和NDWI3等方法的水体信息提取效果,对各种方法提取结果的精度进行评价。【结果】CBDN法不仅能准确地提取水体信息,而且该法提取的水体与非水体之间的边界线与实际湖岸线非常接近,水体与非水体信息提取的总体精度最高,为99.29%。【结论】CBDN方法优于其他已有的常用水体信息提取方法,该法操作过程较简单、快捷方便,有一定的推广价值。     

基于TM卫星遥感影像的西安市城市热岛效应变化分析

利用2006年和2010年8月的TM卫星影像,通过定量遥感反演手段和相对亮温分析方法,反演和分析了西安市城区相应时间点上的热场温度。结果显示：其城区平均气温由2006年的26.28 ℃提高到2010年的28.14 ℃,5 a间升高了1.86 ℃。期间高温区域在市区的西部、西南部和东南部出现了较大范围的扩展,尤其以东南部的扩展范围和强度为大。从相对亮温情况来看,全市缺乏极强热岛,整个市区以弱热岛占绝对优势,2010年和2006年其面积比例分别为61.11%和58.64%;其次为绿岛,其面积比例在2010年和2006年分别为34.08%和35.98%;中等热岛和强热岛所占比例极小。绿岛面积减少的最大区域在西北部的汉长安城遗址南部以及市区东南部的三兆、东伍一带;而强热岛在2010年呈星点状分布在东郊的灞桥纺织城、西二环附近的西安电工铸造厂和西安电压力容器厂、长安区的河池寨等地。从相对亮温热力斑块的转移概率矩阵看,最稳定的热力景观斑块类型为弱热岛斑块和绿岛斑块,2006-2010年,其保持不变的面积分别达79.41%和67.82%;而最不稳定的景观类型为中等热岛和极强热岛,其发生变化的面积比例分别为70.73%和64.18%。从西安市区热场变化的原因来看,城市建设的影响最大,其中人口增长、建成区范围扩张和房地产开发是最主要的影响因素,另外全球变化背景下的区域气温升高也是西安市热岛效应加剧的另一促进因素,而城市绿化建设可以在一定范围内改善局地的热岛效应状况。     

基于Landsat数据的新疆和田地区植被覆盖变化研究

基于区域尺度的荒漠-绿洲植被覆盖变化在干旱区生态环境演变中具有重要的价值,选择干旱区典型荒漠-绿洲——新疆和田地区为研究区域,利用该地区1973年5月、1990年6月和2000年6月3个时段的Iandsat遥感影像数据（MSS、TM、ETM＋）,并结合气象数据,通过土地利用类型转移矩阵,对该区域绿洲植被覆盖面积和时空格局变化进行分析,并结合政策、人口等因素对其驱动因子进行研究。结果表明：在整个研究时期内,绿洲内的林地、耕地和水域面积呈现先减少后增加的趋势,由于受雪山融水供给的影响,该地区水域变迁幅度较剧烈;受到全球气候变暖的影响,和田地区气温呈现稳定增加的趋势,而降水呈现先增加后减少的趋势。气候变化和人类活动已经而且还将对和田地区的植被产生重要的影响。     

Using multi-source data to map and model the predisposition of forests to wind disturbance

Natural disturbances such as wind are known to cause threats to ecosystem services as well as sustainable forest ecosystem management. The objective of this research was to better understand and quantify drivers of predisposition to wind disturbance, and to model and map the probability of wind-induced forest disturbances (P_DIS) in order to support forest management planning. To accomplish this, we used open-access airborne light detection and ranging (LiDAR) data as well as multi-source National Forest Inventory (NFI) data to model P_DIS in southern Finland. A strong winter storm occurred in the study area in December 2011. High spatial resolution aerial images, acquired after the disturbance event, were used as reference data. Potential drivers associated with P_DIS were examined using a multivariate logistic regression model. The model based on LiDAR provided good agreement with detected areas susceptible to wind disturbance (73%); however, when LiDAR was combined with multi-source NFI data, the results were more promising: prediction accuracy increased to 81%. The strongest predictors in the model were mean canopy height, mean elevation, and stem volume of the main tree species (Norway spruce and Scots pine). Our results indicate that open-access LiDAR data can be used to model and map the probability of predisposition to wind disturbance, providing spatially detailed, valuable information for planning and mitigation purposes.     

秦淮河流域土地利用/覆被变化对蒸散量变化的贡献

为评估城市化造成的土地利用/覆被类型变化（Land use/cover change,LUCC）对流域尺度蒸散量变化的影响,选取长三角地区秦淮河流域为研究区,基于Landsat系列卫星数据和站点气象数据,构建决策树模型,提取2000年和2013年土地利用/覆被类型数据,同时借助SEBAL模型估算研究区四季典型日（春季：2014-05-26、夏季：2013-08-11、秋季：2013-10-14、冬季：2014-01-02）栅格尺度蒸散,探讨2000?2013年秦淮河流域主要土地利用/覆被类型间转化过程对流域尺度日蒸散量变化的贡献。结果表明：（1）相较于2000年,2013年秦淮河流域不透水面增加183.8%,而水稻田、旱地、林地和水域分别减少19.1%、10.7%、12.8%和9.5%。2000-2013年主要土地利用/覆被类型转化方向包括水稻田→不透水面、旱地→不透水面、水稻田→旱地和旱地→水稻田,转化面积分别为208、168、282和232km2;（2）仅考虑LUCC的影响,对比2000年,2013年研究区流域尺度日蒸散总量在四季典型日分别减少134万、109万、60万和5万m3。在春、夏、秋三季典型日,水稻田和旱地向不透水面转化过程造成的贡献率分别为-58.5%、-59.5%、-54.4%和-35.1%、-36.3%、-39.8%,负贡献会抵消旱地向水稻田转化过程造成的正贡献（分别为16.8%、16.3%、5.7%）,导致春、夏、秋三季典型日流域尺度日蒸散量下降;而在冬季典型日,水稻田向不透水面、旱地向不透水面和水稻田向旱地转化过程造成的负贡献（分别为-48.8%、-20.5%和-31.8%）会抵消旱地向水稻田转化过程造成的正贡献（26.1%）,导致冬季典型日流域尺度日蒸散量下降。总体而言,2000?2013年秦淮河流域城市化带来土地利用/覆被的显著变化,使蒸散较高的水稻田和旱地向蒸散较低的不透水面大面积转化,导致流域尺度日蒸散量在四季均呈下降趋势。     

Object-based forest biomass estimation using Landsat ETM+ in Kampong Thom Province, Cambodia

Information about forest biomass distribution is important for sustainable forest management and monitoring fuelwood supply. The objective of this study is to develop an accurate forest biomass map for Kampong Thom Province, Cambodia. We used a new technique (object-based approach) and a conventional technique (pixel-based approach) for the estimation of forest biomass using Landsat Enhanced Thematic Mapper Plus (ETM+). The object-based approach created segments of images, and calculated statistical and textural attributes. Our results showed that estimation accuracy of the object-based approach, with the use of band 1 and an exponential fit, was the best (R ² = 0.76), and this accuracy was comparable to that of the pixel-based approach (R ² = 0.67). Although several textural variables were related to forest biomass, they did not contribute significantly to improvement of estimation accuracy. However, the object-based method can be used for image segmentation so that the image objects are spectrally more homogeneous within individual regions than with their neighbors. Hence, they can be regarded as management units for policy-related spatial decisions. Therefore, it is possible to select either of the two methods depending upon what the situation demands.     

A predictive model of burn severity based on 20-year satellite-inferred burn severity data in a large southwestern US wilderness area

We describe and then model satellite-inferred severe (stand-replacing) fire occurrence relative to topography (elevation, aspect, slope, solar radiation, Heat Load Index, wetness and measures of topographic ruggedness) using data from 114 fires > 40 ha in area that occurred between 1984 and 2004 in the Gila Wilderness and surrounding Gila National Forest. Severe fire occurred more frequently at higher elevations and on north-facing, steep slopes and at locally wet, cool sites, which suggests that moisture limitations on productivity in the southwestern US interact with topography to influence vegetation density and fuel production that in turn influence burn severity. We use the Random Forest algorithm and a stratified random sample of burn severity pixels with corresponding pixels from 15 topographic layers as predictor variables to build an empirical model predicting the probability of occurrence for severe burns across the entire 1.4 million ha study area. Our model correctly classified severity with a classification accuracy of 79.5% when burn severity pixels were classified as severe vs. not severe (two classes). Because our model was derived from data sampled across many fires over a 20-year period, it represents average probability of severe fire occurrence and is unlikely to predict burn severity for individual fire events. However, we believe it has potential as a tool for planning fuel treatment projects, in management of actively burning fires, and for better understanding of landscape-scale burn severity patterns.