论文部分内容阅读
荒漠化危害全球,严重降低了土地资源的利用效率,是全局性的生态问题。植被覆盖度（Fractional Vegetation Coverage,FVC）可以反映土壤表面植物的生长状况,能够间接揭示区域的荒漠化程度。因此估算荒漠化区域的植被覆盖度是度量区域荒漠化程度的有效手段。目前荒漠化区域的植被覆盖度估算主要通过遥感反演实现,但由于荒漠化地区植被破碎、土壤背景强烈,运用中低尺度的影像时普遍存在混合像元,加之高成本、大劳动量等技术瓶颈客观存在,需要探讨更加适用精确的遥感反演手段。论文以京津风沙源风沙治理区为研究区,旨在构建以低空间分辨率的MODIS数据为主、实测数据和气象数据为辅、多种模型对比择优的植被覆盖度反演体系。研究主要是应用MODIS数据,结合分层随机抽样调查的160个大小为500m×500m样地的实测植被覆盖度,辅以气象数据提取特征变量,采用线性逐步回归法进行特征变量筛选。为了获得植被覆盖度反演最优模型,构建像元二分模型、多元线性逐步回归（Multiple Linear Regression,MLR）、随机森林模型（Random Forest,RF）、kNN模型（k-Nearest Neighbors,kNN）、支持向量机模型（Support Vector Machine,SVM）及梯度递升回归树模型（Gradient Boosting Regression Tree,GBRT）共6种模型进行精度对比分析,探讨适宜京津风沙源风沙治理区植被覆盖度反演的有效方法,并对京津风沙源风沙治理区植被覆盖度的时间变化趋势和空间分布特征进行定性和定量分析。主要研究结论如下:（1）随机森林模型反演效果显著优于其他模型。在建立的所有反演模型中,随机森林模型的决定系数R2达到了 0.74（RMSE=0.11,rRMSE=18.36%）。像元二分模型的精度最低,R2仅有 0.53（RMSE=0.19,rRMSE=25.70%）。MLR、kNN、SVM的决定系数都在0.70左右,但是均产生了不合理估计值。且随机森林模型的植被覆盖度空间分布与实际情况基本一致,制图效果在所有模型中表现最好。综上,说明随机森林模型可以用于京津风沙源区植被覆盖度反演。（2）2000-2016年,京津风沙源区生长季的植被覆盖度均值呈增长态势。基于随机森林方法反演得到研究区各个年份的植被覆盖度,对各年份的平均植被覆盖度进行统计后发现,2000-2016年研究区植被覆盖度总体上升。从总体分布特征上看,植被覆盖度在空间分布上呈现由东向西、由南向北递减的态势。近17年来,京津风沙源区Ⅰ级（FVC≥0.7）和Ⅱ级（0.5≤FVC<0.7）植被覆盖区域面积显著增加,而Ⅲ级（0.3≤FVC<0.5）、Ⅳ级（0.15≤FVC<0.3）和 V级（FVC<0.15）植被覆盖区域面积在逐渐减少。（3）2000-2016年,京津风沙源区逐像元的植被覆盖变化趋势总体稳中向好。通过对京津风沙源区各年份年均植被覆盖度变化趋势进行分析,得出2000-2016年70.04%的区域植被覆盖度趋势变动不显著,改善区域占26.19%,退化区域占3.77%,明显改善和显著退化的区域分别占12.58%和0.69%。植被改善的面积明显多于退化面积,整体态势良好。（4）京津风沙源区植被覆盖高度聚集,且表现出明显的地域性。空间自相关分析结果表明,京津风沙源区植被覆盖变化特征在空间上呈显著的空间正相关,且其聚集状态表现为“高-高聚集”和“低-低聚集”。