论文部分内容阅读
随着人类活动的加剧以及地球气候的急剧变化,土地退化已经发展成为全球范围内的重大环境问题,对人类和自然的可持续发展造成了严重的威胁。一种精确有效的监测方法对于土地退化的治理有着重要的意义。本研究以MODIS—NDVI(Normalized Difference Vegetation Index)时间序列为研究对象,结合草地物候信息,对松嫩草地的土地退化特征进行评估。土地退化是一个漫长的演化过程,且其发生范围具有一定的“蔓延性”。MODIS—NDVI时间序列为土地退化的监测提供了基础数据,但时间序列并不能直观反映土地退化的相关信息。在干旱或半干旱地区,人类活动以及气候变化都能引起植被生产力变化。因此,剔除气候对NDVI变化的影响是利用遥感手段进行土地退化监测的重要挑战。RESTREND(Residual Trend Analysis)模型是使用最广的土地退化监测模型之一,但传统RESTREND算法没有考虑研究区内植被生长季的时空差异,而且在剔除降雨量的过程中没有考虑生长季前降雨对NDVI的影响。本文通过物候信号探测技术对草地植被的生长状况进行分析,并将物候信息与RESTREND模型相结合,对RESTREND算法进行改进。研究选取了2000-2015年可获取的MODIS09A1数据集进行NDWI(Normalized Difference Water Index)计算,构建NDWI原始时间序列;通过平滑-插值的方法对NDWI时间序列进行重建;研究利用阈值法提取草地物候信息,用以量化RESTREND算法中两个重要参数:生长季内的累积NDVI值以及累积降雨量。考虑到降雨对植被生长的影响存在滞后效应,本研究还对生长季前降雨量进行了量化,通过分析三个参数之间的回归关系确定降雨与NDVI变化的相关关系,以此进行降雨影响的剔除,继而构建NDVI残差序列;并通过趋势分析方法对植被生产力水平的年际变化进行分析,间接评估松嫩草地的土地退化情况。本文还将耦合物候信息的RESTREND算法与传统RESTREND算法进行了比较试验。研究结果表明,耦合物候信息的RESTREND算法对降雨的影响有更好的剔除效果,而且该算法能监测出传统RESTREND算法未监测出的退化区域,在监测精度上有了很大提高。