京津冀大气污染变化规律及其与植被指数相关性分析

基于2017年逐时空气质量监测数据、归一化植被指数（NDVI）16 d合成数据以及社会经济数据,对京津冀大气污染特征进行了系统分析,并利用线性回归、地理加权回归模型等探讨了其变化规律与NDVI的关系,及其受社会经济因素的影响.结果表明：①京津冀地区大气污染整体表现为南高北低、平原高山区低的分布特征,由北向南递次升高,大气污染呈现出显著的空间异质性;②从季节变化看,呈现冬季 > 秋季 > 春季 > 夏季的总体规律,京津冀地区大气污染呈现出显著的时间异质性;③SO₂、NO₂、CO、PM_2.5、PM₁₀等污染物浓度均与NDVI值呈负相关关系;在气候、地形等自然条件较为一致的前提下,NDVI值越低人类活动干扰越明显、产业经济布局越集中,进而污染排放量越大,对空气质量产生显著负面影响;④NDVI指数一定程度上反映了土地利用、人口分布以及产业布局状况,而这些因素直接或间接决定着大气污染排放水平,进而能够指示区域的污染分布特征;⑤地理加权回归模型（GWR）计算结果表明,经济发展水平越高的地区NDVI与社会经济因子、PM_2.5等污染物浓度相关性越好.NDVI的分布可以大体反映社会经济发展水平.对PM_2.5的分布也有一定的指示作用.     

微波植被指数在云南省植被动态监测中的适用性研究

基于遥感的植被指数是科学监测植被动态变化的最有效方法。然而,在我国西南地形复杂区域,基于植被光谱特征的光学植被指数常常因大气状况及环境条件等的影响而受到很大的限制。利用云南省2013年1月至2018年12月AMSR2 (Advanced Microwave Scanning Radiometer 2,即先进微波扫描辐射计2)双极化亮温数据,计算了云南省2013—2018年多年平均逐月微波植被指数,并选取草地、耕地、落叶阔叶林、常绿阔叶林及常绿针叶林五种典型植被类型区,对比分析了不同植被类型区各微波植被指数的季节变化规律及其与光学植被指数(NDVI)的相关性。结果表明:各微波植被指数的变化幅度均较小,低频和高频微波极化差异指数(MPDI)可以反映云南省各种植被类型的季节变化规律,同时低频MPDI对植被季节变化特征的响应更显著,而低频微波植被指数(MVIA和MVIB)对草地的季节变化响应更敏感。各微波植被指数与NDVI的相关性在低矮植被区更显著,更能反映低矮植被类型随季节变化规律。总体看来,各微波植被指数能够很好地识别不同类型植被的季节变化规律,可作为光学植被指数的有力补充,用于长时序、大范围植被动态监测。     

利用多信息源提高半干旱地区TM影像的森林类型制图精度:以北京西部山区为例

以地处半干旱地区的北京西部山区为例,利用研究区森林类型的季相特征、已有的少部分林相图、Google Earth免费影像数据等信息选择不同坡向的相同森林类型做训练样本,通过加入其他辅助数据(海拔和坡向数据),来提高Landsat TM影像的森林类型分类精度,同时对比了基于像元和面向对象方法提取森林类型的效果。结果表明:1)就半干旱山区的森林类型划分来说,TM影像的TM4、TM5、TM4-TM2及辅助数据DEM和坡向可作为TM影像森林类型划分的最佳数据源。2)单独加入海拔信息,阔叶林的提取精度提高23%,针叶林和混交林的分类精度只提高了4%~5%;单独加入坡向信息,阔叶林的提取精度只提高21%,但是针叶林和混交林的分类精度则分别提高了13%、18%,显著优于单独加入海拔信息的效果。同时加入海拔信息和坡向信息,至少可以准确区分出约70%以上的针叶林、阔叶林和混交林。3)就本研究区而言,坡向比海拔更有效地辅助提高森林分类精度。4)就混淆矩阵数据而言,面向对象的分类方法比基于像元分类结果总体精度低3%,Kappa系数低4%,但面向对象的分类结果更加符合研究区实际情况。该研究对中分辨率影像应用于半干旱山区森林类型划分具有一定的借鉴意义。     

Terra/MODIS时间序列数据在湖泊水域面积动态监测中的应用研究——以洞庭湖地区为例

论文利用2005年Terra/MODIS卫星8天合成的250m地表反射率数据（MODIS Terra Surface Reflectance 8-Day L3 Global 250 m: MOD09Q1）构建的时间序列数据集,通过计算NDVI指数,结合典型地物的谱间特征,并借助SRTM数字高程数据,采用多源信息提取的方法对洞庭湖地区2005年水域面积变化进行了动态监测。结合Terra/MODIS数据特点,提出了全年最大淹没时间指数的概念,并通过对该指数的构建,完成了对洞庭湖地区重点水域淹没风险评价。结果表明：①文中提出的基于Terra/MODIS MOD09Q1数据的多源信息水体提取方法,通过更高空间分辨率ENVISAT/ASAR数据以及水文测站水位数据的检验表明,是切实可行的;②2005年洞庭湖地区水域面积变化特征总体表现为,在11~4月份期间较小,而在5~10月份期间较大。其中,4月份最小,9月份最大,两者相差了几乎1.5倍,受地区季节性降雨的年内分布规律及长江主汛期的影响显著;③通过全年最大淹没时间指数的计算发现,占研究区总面积84.13%的年内持久陆地和持久水域区域,基本上没有防洪压力,而剩余的15.87%的年内变化水域,由于潜在淹没风险的存在,则需要抗洪防险部门进行重点防控;④文中有关多源信息水面提取方法的实现以及全年最大淹没时间指数概念的提出,为今后更深入地探讨三峡工程建成运营对洞庭湖地区水域变化以及江湖关系的影响奠定基础。     

浙江三门湾湿地遥感时间序列演变分析

海湾湿地演变的时空特征分析,对明晰海湾资源环境基底、了解综合开发潜力,促进湾区可持续发展具有重要意义。以浙江三门湾湿地为研究区,利用1984—2019年Landsat TM/ETM+/OLI遥感影像数据,基于湿地地物光谱指数时间序列变化特征,对三门湾湿地信息进行提取并分析了其动态变化。结果表明：1984年以来三门湾湿地面积变化显著,主要位于宁海县南部、三门县东北部以及象山县西南部地区;从海湾面积变化趋势看,1984—2002年呈波动下降趋势,2003—2009年呈加速下降趋势,2010—2019年则呈平稳发展趋势。围填海等人类活动导致海湾形态变化显著,海岸带管理政策的供给过程变化成为海湾湿地演变的重要因素之一。研究可为后围填海时代湾区建设与海湾可持续发展提供决策支持。     

太白山植被指数时空变化及其对区域温度的响应

太白山地处陕西秦岭腹地中段,是秦岭最高峰。基于5月的遥感影像提取研究区NDVI数据,结合实际调查,对太白山自然保护区1979-2009年植被指数变化特征进行分析,研究不同植被带NDVI对温度变化的响应。结果表明:近30 a来,太白山5月植被指数NDVI平均值达0.2以上的面积占研究区面积的89.5%,植被整体覆盖较高;但NDVI表现出明显的垂直性差异,中低海拔区NDVI大多分布在0.2以上,而较高海拔区NDVI则主要分布在0.2~0.5区间。有56%以上的区域NDVI基本没有发生变化;NDVI增加极显著和减少极显著区占总面积的4.88%和3.92%。近30 a来,研究区年平均温度呈明显上升趋势,线性增加趋势为0.35 ℃/10 a;随着海拔的升高,各植被带NDVI对温度的变化更为敏感,高海拔植被对温度变化的敏感性远大于低海拔植被,即人为影响相对较小、但海拔相差巨大的太白山植被生态系统,已成为气候变化影响的敏感场所。     

福建省长汀县植被覆盖度遥感动态监测研究

遥感估算植被覆盖度的关键在于:一是植被指数的选择,二是植被指数转换方法。针对中国南方多山的特点,论文提出了能较好地削弱影像中山体阴影、土壤背景、岩石、建筑用地等地物对植被覆盖度信息干扰的复合植被指数V BSI;在植被指数转换方法上,采用混合像元法,对福建省长汀县1994年和2003年的遥感影像进行了植被覆盖度的估算。研究结果表明:采用VBSI进行植被覆盖度的估算,影像阴影信息的干扰作用可以被削减为NDV I的50%,基于VBSI的混合像元法估算植被覆盖度的总体精度达到80%以上;动态监测表明,从1994至2003年研究区高植被覆盖面积增加了150.47km₂,占国土面积的比例提高了4.9个百分点,据调查,这与近年来长汀县加大水土流失治理力度有着重要关系。