时间:2020年04月26日 分类:农业论文 次数:
摘要:以1989—2016年玛纳斯河流域TM/OLI遥感影像为数据源,利用混合像元分解技术,计算玛纳斯河流域草地总覆盖度和裸沙面积。在此基础上通过监测年与基期年的比较,计算草地覆盖度相对基期年的减少率和裸沙面积相对基期年的增加率两个监测指标,依据《天然草地退化、沙化、盐渍化的分级指标》(GB19377—2003),对计算出的两个指标分别进行沙化等级评定和赋值,将两种评定结果相综合来监测草地沙化。结果表明,玛纳斯河流域近30年来荒漠草地沙漠化总体呈现先增加后降低的趋势。分析表明,玛纳斯河流域草地沙化是人为和自然因素双重作用的结果。
关键词:荒漠草地;沙化;遥感监测;玛纳斯河流域
新疆是干旱区,草地退化已成为普遍存在的问题之一,严重退化的草地有466.67多万hm2[1]。通过草地沙化监测可以为区域水资源合理利用、种植业结构调整、畜牧业规模的确定起到重要指导作用。目前,按照研究方法草地沙化遥感监测可分为5类:①根据混合像元分解获取沙化信息,该方法在阿根廷农牧交错带沙化监测[2]、苏丹稀疏草原沙漠化监测[3]、中国宁夏草地沙化动态研究[4]和中国广西大化县石漠化研究中都有应用[5]。②基于图像分类结果的草地沙化信息提取,该方法主要是在图像分类的基础上,分析监测植被覆盖度、地表覆沙面积和状态等信息的变化来监测沙化[6-10]。
③基于植被覆盖度指标的草地沙化信息提取,该类方法提取沙化信息又可分为两类,一类是直接利用与草地覆盖度建立回归关系,通过覆盖度等级决定沙化等级[11];另一类是在植被指数计算的基础上,利用植被指数构建的像元二分模型提取草地覆盖度,进而根据沙化覆盖度等级指标确定草地沙化等级[12]。④基于特征空间的草地沙化信息提取,该方法是通过构造归一化植被指数(NDVI)-反照率(Albedo)特征空间模型来进行荒漠化遥感信息提取[13-16]。⑤基于NDVI的草地沙化信息提取,该方法通过长时间序列的NDVI变化趋势分析,确定草地沙化范围和程度[17-19]。
对目前已发表的草地沙化监测技术方法梳理后得出,对县市级沙化监测,采用混合像元分解监测草地沙化是较为有效的方法。因此,今拟采用混合像元分解技术,在PPI端元提取的基础上,再进一步手动纯化端元光谱信息,结合《天然草地退化、沙化、盐渍化的分级指标》(GB19377—2003)(以下简称《分级指标》),利用草地覆盖度减少率和裸沙面积增加率二者的综合信息,实现新疆草地沙化遥感监测方法研究。该指标构建方法在目前草地沙化遥感监测中鲜有报道。
1数据与方法
1.1研究区概况
选取新疆玛纳斯县及周边两县一市(沙湾县、呼图壁县和石河子市)作为草地沙化遥感监测对象,该区位于E84°57'~E87°8',N43°7'~N45°38'之间。研究区为典型的温带大陆性气候,北部海拔600m以下平原区,年均气温为6℃,年降水量为100mm~200mm,主要集中在春夏两季[20-21]。
1.2数据来源及预处理
从地理空间数据云(http://www.gscloud.cn/)下载LandsatTM41989年8月19日、TM51998年8月26日和2009年8月8日、OLI2016年8月16日共计4幅遥感影像。对获得的遥感影像做几何校正、辐射定标、大气校正等预处理。
1.3研究方法及综合沙化指标的构建
从《分级指标》中选取草地覆盖度减少率和裸沙面积增加率两个分指标用于草地沙化遥感监测。对预处理后的各期遥感影像分别进行MNF变换,借助纯净像元指数PPI和n维可视化工具,依据MNF变换后前两个分量二维散点图获取纯植被和裸沙的端元信息,根据端元相应的NDVI数据大小,再挑选出前或后30个端元信息,利用这些点再获取更高准确性的纯沙和纯植被两种纯端元的光谱信息。在此基础上,通过线性光谱解混模型[4]获取每一像元对应的裸沙和植被的覆盖度百分比。
为使各图像计算的沙化指标结果最终具有可比性,研究以各期影像纯植被和纯沙累计百分率为0和100时(6位小数)对应的像元值为基准值,利用获取的基准值对各期影像光谱解混的结果进行归一化处理。对于个别超出基准值范围的像元作最大或最小值赋值,并归一化处理。在上述处理基础上,研究以1989年作为基准年,将1998年、2009年和2016年草地覆盖度和裸沙面积归一化结果分别与基准年计算结果相比较,计算获取监测年和基期年植被覆盖度减少率和裸沙面积增加率[见式(3)(4)]。
在此基础上按照《分级指标》对研究区沙化情况初步等级评定赋值,并综合赋值后的信息,按照两个分指标中轻度、中度或重度的赋值乘积[见式(5)]作为综合评定的临界阈值对草地沙化作出综合评价。Rv=(FVCb-FVCm)/FVCb×100%(3)Rs=(FSCm-FSCb)/FSCb×100%(4)R=Rvf×Rsf(5)式中:Rv和Rs分别为植被覆盖度减少率和裸沙面积增加率,式中FVCb和FVCm分别为归一化后的基期年和监测年草地覆盖度值。FSCb和FSCm分别为归一化后的基期年和监测年裸沙面积值。R、Rvf和Rsf分别为沙化等级综合赋值、植被覆盖度减少率和裸沙面积增加率赋值。
2结果与讨论
2.1遥感影像的光谱线性解混与归一化处理结果
利用获取的植被和裸沙端元光谱信息对预处理后的遥感影像进行光谱线性解混。对光谱解混后的植被和裸沙丰度图分别作数据分布统计,获取各期影像累计百分率为0和100(6位小数)时对应的DN值,利用这些DN值分别对各期图像作归一化处理。
2.2草地沙化分指标检测结果
基于植被和裸沙丰度图归一化结果,利用式(3)(4)分别计算出1998年、2009年和2016年草地覆盖度和裸沙面积相对于基准年1989年的变化率。
2.3草地沙化综合指标监测结果
将草地覆盖度相对基期年减少率的评价结果与裸沙面积占草地地表面积相对基期年增加率的评价结果相综合,相较于基准年(1989年),研究区草地沙漠化程度整体表现为前期加重后期减轻。在近30年间,轻度沙化范围增加较为明显,局部地区出现了中度和重度沙化。在监测年份中,2009年是草地沙漠化最重的一年,2016年草地沙化的情况有所减轻,沙化面积和沙化等级都有所下降。
2.4讨论
草地荒漠程度年际波动与可用水资源量密切相关。通过对研究区下游低洼处玛纳斯盐湖和达巴松诺尔盐湖土壤含水量(NDWI)年际分析,结果表明,2009年两湖湿润土壤(NDWI>0.5)的区域面积最小,此时监测的上游区草地沙化情况也最严重,结合地势分析,其中玛纳斯盐湖湿润土壤面积和监测区草地沙化程度有更为直接的联系。2016年两湖湿润土壤面积增加,监测的草地沙化情况也有所缓解。因此,下游盐湖特别是玛纳斯盐湖湿润土壤面积或下游泉水溢出带的有无可作为监测区草地沙化变动方向的指针。
通过3个监测年份自然降水量分析,2009年降水量最小,为248mm(以石河子气象站为例),监测的草地沙化程度也最重,1998年与2016年降水量基本相同,为266mm,监测的沙化程度也较轻。由于沙化存在一定的不可逆性,或植被恢复需要一定的过程,导致2016年沙化较1998年更严重。由知网下载的新疆统计年鉴农业统计数据分析得出,研究区1989—2016年耕地播种面积逐年增加,2016年比1989年耕地播种面积增加了1918.5km2。农业种植面积的增加对水资源的分配产生影响,使得能够用于生态环境的用水比例减少,这在缺水的年份尤为明显,表现为2009年沙化情况也最为严重。因此,研究区草地沙化动态是人为和自然双重作用的结果。
3结论
(1)研究通过混合像元分解技术获取草地沙化监测的两个重要指标———草地覆盖度的减少率和裸沙面积的增加率,依据《分级指标》对两个分指标分别进行沙化等级评定,将两项评定结果相综合,以此来监测草地沙化。(2)玛纳斯河流域近30年来荒漠草地沙漠化总体呈现先增加后降低的趋势。其中,2009年沙化最严重,2016年虽有所减轻,但比1989年还是发生了一定程度的沙化。该监测结果与人类活动及相应年份自然状况变化相吻合。研究所采用的荒漠草地沙化遥感监测方法经验证有效、可行。
[参考文献]
[1]阿依努尔·达吾提,麦麦提敏·乃依木.新疆草地退化现状、原因及防治对策[J].新疆畜牧业,2015(10):18-21.
[2]COLLADOAD,CHUVIECOE,CAMARASAA.SatelliteremotesensinganalysistomonitordesertificationprocessesinthecroprangelandboundaryofArgentina[J].JournalofAridEnvironments,2002,52(1):121-133.
[3]DAWELBAITM,MORARIF.MonitoringdesertificationinaSavannahregioninSudanusinglandsatimagesandspectralmixtureanalysis[J].JournalofAridEnvironments,2012,80:45-55.
[4]LIJY,YANGXC,JINYX,etal.MonitoringandanalysisofgrasslanddesertificationdynamicsusinglandsatimagesinNingxia,China[J].RemoteSensingofEnvironment,2013,138:19-26.
畜牧师论文投稿刊物:《新疆畜牧业》(月刊)创刊于1985年,由新疆维吾尔自治区畜牧科技资料编译室主办。本刊为畜牧兽医科技刊物。旨在交流畜牧兽医的先进技术和经验,推广最新科技成果,指导畜牧业生产,促进畜牧业发展。