2019Esri开发竞赛ENVI-IDL组作品欣赏——基于多源遥感数据的大樟溪流域生态环境综合评价

作品单位: 福建师范大学地理科学学院

小组成员: 孙高鹏   方君君   陈方煜 林淇昕

指导教师: 沙晋明    汪洋

获奖情况:二 等奖

一、作品概述

大樟溪是中国福建省中部闽江下游的最大支流,发源于德化县赤水镇的戴云山,源头为国宝溪,大樟溪流域面积 4843 平方公里,河长 234 公里,河道平均坡降 2.1 ‰。大樟溪历来为沿岸三县通闽江与周边地区出海的主要水运通道。流域水力资源丰富,历史上干支流上建有许多中大量水库及电站等水利工程。特别是龙门滩引水发电工程,位于霞碧乡硕儒村,是跨流域引水、梯级发电、综合利用的工程,为当地经济社会发展提供了重要条件。为快速实时精准地对大樟溪流域生态环境进行监测与分析,采用遥感手段综合利用土地利用变化、热环境效应、植被有机质生产力( NPP )、生态环境指数进行大樟溪流域生态环境综合评价。

1 大樟溪流域地理位置图

二、作品技术流程

本作品利用 LANDSAT MODIS 遥感影像与气象要素等辅助数据,基于 ENVI-IDL ARCGIS 软件,分别从城市热环境、土地监测、生物量遥感监测、生态指数等多个角度对大樟溪流域的生态状况进行全方位、多视角、跨时空尺度的定量监测与定性分析,最终建立大樟溪流域生态环境综合评价。

2 作品主要技术流程图

2.1 遥感数据预处理

对遥感数据进行辐射定标、大气校正、裁剪、融合等预处理,对站点气象数据进行归一化等预处理。

2.2 热环境

2.2.1 不透水盖度

不透水面盖度( Impervious Surface Coverage ISC )增加是城市化的显著特征,对区域生态环境要素具有显著影响。本应用采用归一化差值不透水面指数( Normalized Difference Impervious Surface Index NDISI )提取不透水面,该指数计算公式如下:

式中, TIR NIR MIR1 分别代表遥感影像的热红外、近红外和中红外 1 波段, MNDWI 指归一化水体指数, 分别是绿光波段和中红外波段的反射率。

NDISI 结果进行归一化处理,将其值转换为 ISC ,并根据不同值阈范围进行从高到低的等级划分。该值计算公式如下:

2.2.2 地表温度

地表温度是常见的地表生物物理参量之一,在城市热环境、地表辐射能量平衡、全球气候变化等应用领域都有重要研究价值。单窗算法能够将大气和地表的影响直接包括在演算公式内,与辐射传输方程法相比简单易行、应用方便,能够适用于 Landsat 数据长时间序列的地表温度反演。针对 TIRS10 的单窗算法 ( 简写为 TIRS10_SC) :

   

式中 ,φ1= ε10τ10 φ2= ( 1 - τ10) [1 + ( 1 - ε10) τ10] T10 TIRS 10 的亮温 ; Ta 为大气平均作用温度 ( K) ; K2 为常数。

          图 3 2013 年与 2017 年单窗算法 LST

结果

2.2.3 植被覆盖度

植被覆盖度基于像元二分模型通过植被指数进行估算,利用 NDVI 指数与地表类型数据对大樟溪流域进行植被覆盖度反演。

2.3 土地利用变化

根据 1984 年的 LULC 分类标准,将大樟溪流域土地划分为建设用地、未利用土地、农用地、水域、林地、草地六个类别。分别利用非监督分类和基于专家知识的决策树分类方法对大樟溪流域进行土地利用变化划分并进行交互验证。

4 2013 年与 2017 年各类地物所占比

2.4 植被净初级生产力

植被净初级生产力( Net Primary Productivity,NPP )的概念和解释最早在 1932 年由丹麦科学家 P.Boysen-Jensen 提出,之后 Lieth 又于 1973 年比较全面的阐述了 NPP 将其定义为绿色植被在单位时间、单位面积内由光合作用所产生的有机质总量( Gross Primary Productivity, GPP )扣除自养呼吸( Autotrophic Respiration, RA )后的剩余部分,也称净第一性生产力,为植物光合作用有机物质的净创造。植被净初级生产力不仅直接反映了植被在自然环境下的生产能力和生产质量,同时也成为了判定全球和局部区域生态系统碳汇和碳源的重要因子。因此,在本应用中,我们将 NPP 这一指标加入到大樟溪流域生态评价模型当中,以更全面、准确的评估大樟溪流域的生态环境状况。

NPP 反演采用 CASA 模型,考虑太阳辐射、温度、降水的影响,构建基于 Landsat 8 0LI 及气象数据的大樟溪流域不同地类的 NPP 估算模型。 CASA 模型相比于与其他国内外各种植被净初级生产力来说较为简捷,利用遥感信息提取并结合 GIS 手段便能将参数分别确定,避免了参数缺乏条下,人为简化或估计参数所引入不必要的误差。 CASA 模型具体的计算过程为 :

NPP(x,t)=APAR(x,t) × (x,t)

上式中, x 表示空间位置, t 表示时间; NPP(x,t) 为像元 x t 月的植被净初级生产力( gC·m-2·month-1 ); APAR(x,t) 为像元 x t 月吸收的光合有效辐射( MJ·m-2·month-1 ); (x,t) 为像元 x t 月的实际光能利用率( gC·MJ-1 )。

5 NPP 反演流程

NIR,RED 波段以及影像 LULC 分类结果等文件,利用 IDL 二次开发一键化完成上述 NPP 全部反演算法过程。

6 NPP 结果、地表温度和植被覆盖度三维散点图 ( 2013 年右 2017 )

通过 NPP 结果与地表温度及植被覆盖度建立三维空间散点图可以发现, NPP 跟植被覆盖度有较高的相关关系。随着植被覆盖度的增加, NPP 总体呈上升的趋势。植被覆盖度一定程度上表征了地面植被的茂密情况,当植被茂盛时,其能更加充分的利用太阳辐射,产生更多的净初级生产力。

2.5 遥感生态指数

通常生态环境状况指数 (EI) 由生物丰度、植被覆盖、水网密度、土地退化和环境质量 5 个评价指数通过加权求和构成 , : EI=0.25× 生物丰度指数 +0.2× 植被覆盖指数 +0.2× 水网密度指数+ 0.2× 土地退化指数 +0.15× 环境质量指数。

由于其个别指标难以获取遂通过绿度(植被指数)、湿度(裸土指数)、热度(湿度分量)、干度(地表温度) 4 个指标作为生态指数的评价指标建立遥感生态指数 (RSEI), :  

RSEI = f (Greenness, Wetness, Heat, Dryness)

其遥感定义为 :

RSEI = f (VI, Wet, LST, SI)

式中 :Greenness 为绿度 ;Wetness 为湿度 ;Thermal 为热度 ;Dryness 为干度 ;VI 为植被指数 ;Wet 为湿度分量 ;LST 为地表 ;SI 为裸土指数。

本应用通过主成分变换来进行指标集成。其最大优点就是集成各指标的权重不是人为确定 , 而是根据数据本身的性质、根据各个指标对各主分量的贡献度来确定 , 之后将 RSEI 计算结果划分为优生态区、次优生态区、中生态区、次差生态区与差生态区五个等级,通过 ENVI Modeler 构建模型进行多期流程化处理。

7 建模结构示意图

2.6 结果分析

从大樟溪流域的热环境、土地利用变化类型、植被净初级生产量和遥感生态指数四个方面,对大樟溪流域的生态环境进行综合性评价。

8 2013 年与 2017 NPP 分级结果

9 2013 年与 2017 RSEI 分级结果

热环境方面,由于城市建设用地沿着大樟溪沿岸、支流与下游的闽江交汇口等出口的平原地区急剧扩张,热环境效应不断加大,形成了局部热岛的效应。

土地利用变化方面,大樟溪流域的植被覆盖率整体较高,达到了 60% 以上。 2017 年相较于 2013 年,林地和农用地类型,下降较明显,建设用地与未利用土地有较大幅度的上升。这表明随着城市化进程的推进,大樟溪流域的土地利用情况发生了比较明显的变化,土地利用向建设用地倾斜,部分林地和农业用地演变成了城市建设用地。

植被净初级生产量分析,大樟溪流域的 NPP 总体呈现降低的现象,且降低的区域主要为林地类型。相较于 2013 年, 2017 年的低生物量区域明显增加。以大樟溪主干为中心,其周围的区域几乎都为低生物量区,且以更加成片的形式展现。另一个比较明显的变化是 2017 年的高生物量区相较于 2013 年有一定的减少,特别在流域的西部、北部和东南部。

遥感生态指数分析, 2017 年相较于 2013 年,优生态区面积明显减少,中生态区面积增加,差生态面积减少。这说明在这几年的进程中,生态环境良好的区域遭遇到了一定程度的破坏,生态环境严重的区域得到了一定程度的改善。

三、作品关键技术与亮点

1 )本作品利用 IDL 二次开发与 ENVI Modeler 工具,将单窗算法 LST 反演、 NPP 反演、 RSEI 计算进行二次开发建模实现一键化反演,减轻了工作量。

2 )对生态过程评价中的关键步骤采用多种算法实现,通过交互式精度验证确保生态环境评价因子的真实性与可用性。

3 )本作品对大樟溪流域生态环境进行了全面细致的评价,为当地生态环境治理提供相关决策支持,具有较好的应用价值。

我来评几句
登录后评论

已发表评论数()

相关站点

热门文章