基于NDVI-Albedo特征空间的柴达木盆地荒漠化监测研究

doi:10.11755/j.issn.1006-7639(2023)-04-0560

摘要/Abstract

摘要：

荒漠化目前已成为威胁全球生态环境的主要问题，开展荒漠化监测对于荒漠化防治至关重要。基于2014—2021年植被生长季（5—9月）Suomi/NPP（National Polar-orbiting Partnership）遥感数据和柴达木盆地8个气象站点观测数据，利用NDVI-Albedo（Normalized Difference Vegetation Index-Albedo）特征空间计算荒漠化差值指数（Desertification Difference Index，DDI），运用自然间断法、Sen+M-K趋势分析法、相关性分析法、精度误差矩阵计算和转移矩阵计算等方法，探讨柴达木盆地植被生长季荒漠化土地时空动态演变及气象影响因素。结果表明：（1）基于NDVI-Albedo特征空间构建的DDI在柴达木盆地荒漠化监测中适用性较高，特征方程R²≥0.65，整体分类精度79.38%，Kappa系数0.62。（2）2014—2021年，柴达木盆地荒漠化程度东部、南部较低而西部、中部较高，且东部、南部部分地区DDI值以每年超过0.01的速率增大，部分地区增大显著；荒漠化土地总面积呈减小趋势，速率为-1 173 km²·a^-1，不同程度荒漠化土地之间存在转移特征，具体表现为荒漠化程度较重的土地向较轻的土地转移。（3）相关性分析表明，降水量、平均相对湿度均与DDI呈极显著正相关（P<0.01），相关系数分别为0.91、0.86，水分是影响柴达木盆地荒漠化的主要气象因子。

关键词: 荒漠化, NDVI-Albedo特征空间, 荒漠化差值指数, 时空动态监测, 气象影响因子, 柴达木盆地

Abstract:

Desertification has become a major threat to the global ecological environment, and the desertification monitoring is crucial for desertification prevention and control. Based on the Suomi/NPP (National Polar-orbiting Partnership) remote sensing data and the observation data of 8 meteorological stations during the vegetation growing season (from May to September) from 2014 to 2021 in the Qaidam Basin, the desertification difference index (DDI) was calculated by using NDVI-Albedo (Normalized Difference Vegetation Index-Albedo) feature space. Moreover, the natural discontinuity method, Sen+M-K trend analysis method, correlation analysis method, accuracy error matrix and transfer matrix analysis were also used to explore the spatial and temporal dynamic evolution of land desertification and the influence of meteorological factors to desertification in the Qaidam Basin from 2014 to 2020 during the vegetation growing season. The results are as follows: (1) The NDVI-Albedo feature space performs a high applicability in the Qaidam Basin (R² greater than or equal to 0.65), with an overall classification accuracy of 79.38% and a Kappa coefficient of 0.62. (2) From 2014 to 2021, the degree of land desertification in the eastern and southern Qaidam Basin is lower than that in the western and central Qaidam Basin. Furthermore, DDI shows a significantly increase in some areas, especially in southern and eastern region with the increase rate of DDI over 0.01a^-1. The total area of desertification land in the Qaidam Basin shows a decreasing trend with a rate of -1 173 km²·a^-1. Additionally, a transforming characteristic occurs between different degrees desertification land that severe desertification lands transferred to mild desertification land. (3) Correlation analysis shows that precipitation and average relative humidity are significantly positively correlated with DDI (P<0.01), and correlation coefficients are 0.91 and 0.86, respectively, indicating that the water is the dominant factor affecting desertification in the Qaidam Basin.

Key words: desertification, NDVI-Albedo feature space, desertification difference index （DDI）, spatio-temporal dynamic monitoring, meteorological affecting factor, the Qaidam Basin

中图分类号:

P931.3

孙树娇, 曹晓云, 肖建设, 孙玮婕, 祝存兄. 基于NDVI-Albedo特征空间的柴达木盆地荒漠化监测研究[J]. 干旱气象, 2023, 41(4): 560-569.

SUN Shujiao, CAO Xiaoyun, XIAO Jianshe, SUN Weijie, ZHU Cunxiong. Desertification monitoring in the Qaidam Basin based on NDVI-Albedo feature space[J]. Journal of Arid Meteorology, 2023, 41(4): 560-569.

图/表 10

图1 柴达木盆地地形及气象站点分布

Fig.1 The distribution of topography and meteorological stations in the Qaidam Basin

图2 柴达木盆地荒漠化调查样点及土地利用/土地覆盖类型分布

Fig.2 The distribution of desertification survey sample points and land use/land cover types in the Qaidam Basin

图3 2014—2021年逐年生长季柴达木盆地NDVI-Albedo特征方程

Fig.3 The NDVI-Albedo characteristic equation in the Qaidam Basin during the growing season in each year from 2014 to 2021

表1 2021年柴达木盆地荒漠化分级精度误差矩阵

Tab.1 The precision error matrix of desertification classification in the Qaidam Basin in 2021

遥感监测	野外调查
遥感监测	重度荒漠化	中度荒漠化	轻度荒漠化	未荒漠化	合计	用户精度/％
重度荒漠化	56	6	2	0	64	87.50
中度荒漠化	3	11	6	0	20	55.00
轻度荒漠化	0	0	6	2	8	75.00
未荒漠化	0	1	0	4	5	80.00
合计	59	18	14	6	97
制图精度/％	94.92	61.11	42.86	66.67

图4 2014—2021年生长季柴达木盆地荒漠化土地空间分布

Fig.4 The spatial distribution of desertification land in the Qaidam Basin during the growing season from 2014 to 2021

图5 2014—2021年生长季柴达木盆地DDI年际变化趋势（a）及其显著性检验（b）空间分布

Fig.5 The spatial distribution of inter-annual variation trend （a） and its significance test （b） of DDI in the Qaidam Basin during the growing season from 2014 to 2021

图6 2014—2021年生长季柴达木盆地不同程度荒漠化土地面积年际变化

Fig.6 The inter-annual variation of desertification land area with different degrees in the Qaidam Basin during the growing season from 2014 to 2021

表2 The transfer matrix of desertification land area with different grades in the Qaidam Basin during the growing season from 2014 to 2021 单位：km2

Tab.2

2021年	2014年
2021年	重度荒漠化	中度荒漠化	轻度荒漠化	未荒漠化	合计
重度荒漠化	119 589.00	2 798.68	80.65	24.20	122 492.54
中度荒漠化	10 217.10	42 290.90	3 737.19	265.99	56 511.18
轻度荒漠化	260.70	9 697.02	22 129.60	2 101.33	34 188.65
未荒漠化	45.48	572.15	5 193.26	11 166.30	16 977.19
合计	130 112.28	55 358.75	31 140.70	13 557.83

图7 2014—2021年生长季柴达木盆地平均气温（a）、相对湿度（b）、日照时数（c）和降水量（d）年际变化率空间分布

Fig.7 The spatial distribution of inter-annual variation rate of average temperature （a）， relative humidity （b）， sunshine duration （c） and precipitation （d） in Qaidam Basin during the growing season from 2014 to 2021

图8 2014—2021年生长季柴达木盆地不同气象要素年际变化

Fig.8 The inter-annual variation of different meteorological elements in the Qaidam Basin during the growing season from 2014 to 2021

参考文献 41

[1]	曹晓云, 祝存兄, 陈国茜, 等, 2022. 2000—2021年柴达木盆地地表绿度变化及地形分异研究[J]. 生态环境学报, 31(6): 1 080-1 090.
[2]	邓梅, 2018. 柴达木地区生态综合治理和绿色产业发展对策研究[J]. 林业经济, (1): 61-65.
[3]	丁国栋, 2004. 区域荒漠化评价中植被的指示性及盖度分级标准研究——以毛乌素沙区为例[J]. 水土保持学报, 18(1): 158-160.
[4]	冯娴慧, 曾芝琳, 2022. 粤港澳大湾区植被覆盖特征与变化趋势的自然驱动力研究[J]. 生态环境学报, 31(9): 1 713-1 724.
[5]	郭瑞霞, 管晓丹, 张艳婷, 2015. 我国荒漠化主要研究进展[J]. 干旱气象, 33(3): 505-514. DOI
[6]	贺鹏, 郑新倩, 徐立帅, 等, 2021. 基于结构相似度的巴丹吉林沙漠地表反照率时空分布特征[J]. 沙漠与绿洲气象, 15(1): 111-118.
[7]	胡云锋, 张云芝, 韩月琪, 2018. 2000—2015年中国荒漠化土地识别和监测[J]. 干旱区地理, 41(6): 1 321-1 332.
[8]	李红梅, 2018. 柴达木盆地气候变化对植被的影响分析[J]. 草业学报, 27(3): 13-23. DOI
[9]	李三旦, 2015. 青海省防沙治沙生态建设对策研究[J]. 青海农林科技, (1): 31-35.
[10]	李燕, 2014. 荒漠化动态变化及驱动机制对比研究——以张家口坝上和都阳山山区为例[D]. 桂林: 广西师范学院.
[11]	刘建宇, 聂洪峰, 肖春蕾, 等, 2021. 2010—2018年中国北方沙质荒漠化变化分析[J]. 中国地质调查, 8(6): 25-34.
[12]	刘英, 李遥, 鲁杨, 等, 2019. 2000—2016年黄土高原地区荒漠化遥感分析[J]. 遥感信息, 34(2): 30-35.
[13]	刘晓茜, 2020. 腾格里沙漠东南缘荒漠-绿洲过渡带土地沙化动态变化研究[D]. 呼和浩特: 内蒙古师范大学.
[14]	潘竟虎, 李天宇, 2010. 基于光谱混合分析和反照率-植被盖度特征空间的土地荒漠化遥感评价[J]. 自然资源学报, 25(11): 1 960-1 969.
[15]	任艳群, 刘海隆, 唐立新, 等, 2014. 基于NDVI-Albedo特征空间的沙漠化动态变化研究——以准格尔盆地南缘为例[J]. 水土保持通报, 34(2): 267-271.
[16]	史尚渝, 王飞, 金凯, 等, 2020. 黄土高原地区植被指数对干旱变化的响应[J]. 干旱气象, 38(1): 1-13.
[17]	田广庆, 2011. 青海柴达木地区荒漠化现状及防治对策研究[D]. 杨凌: 西北农林科技大学.
[18]	屠志方, 李梦先, 孙涛, 2016. 第五次全国荒漠化和沙化监测结果及分析[J]. 林业资源管理, (1): 1-5.
[19]	王林林, 刘普幸, 王允, 2015. 近14年来柴达木盆地NDVI时空变化及其影响因素[J]. 生态学杂志, 34(6): 1 713-1 722.
[20]	王玲玲, 何巍, 罗米娜, 等, 2021. 基于归一化旱情综合指数的川西高原草地伏旱监测分析[J]. 干旱气象, 39(6): 884-893.
[21]	王维坤, 胡月宏, 田松妮, 等, 2022. 内蒙古西部沙区气候变化及其植被响应[J]. 沙漠与绿洲气象, 16(3): 112-118.
[22]	王旭, 刁兆岩, 郑志荣, 等, 2021. 中蒙毗邻草原区荒漠化时空动态研究[J]. 环境科学研究, 34(12): 2 935-2 944.
[23]	汪震, 姜勇彪, 岳兵, 2021. 江西吉泰盆地荒漠化时空变化特征及影响因素分析[J]. 东华理工大学学报(自然科学版), 44(2): 150-155.
[24]	魏伟, 俞啸, 张梦真, 等, 2021. 1995—2018年石羊河流域下游荒漠化动态变化[J]. 应用生态学报, 32(6): 2 098-2 106.
[25]	徐浩杰, 杨太保, 2014. 柴达木盆地植被生长时空变化特征及其对气候要素的响应[J]. 自然资源学报, 29(3): 398-409. DOI
[26]	徐新良, 刘纪远, 张树文, 等, 2018. 中国多时期土地利用土地覆被遥感监测数据集(CNLUCC)[Z]. 中国科学院资源环境科学数据中心数据注册与出版系统. (http://www.resdc.cn/DOD).DOI:10.12078/2018070201. DOI URL
[27]	许学莲, 雷玉红, 曹雪枫, 等, 2021. 1981—2018年柴达木盆地作物生长季气象要素时空变化特征分析[J]. 湖北农业科学, 60(18): 42-49.
[28]	游宇驰, 李志威, 黄草, 等, 2017. 1990—2016年若尔盖高原荒漠化时空变化分析[J]. 生态环境学报, 26(10): 1 671-1 680.
[29]	于志翔, 2023. 基于MODIS数据的新疆大气气溶胶光学厚度时空变化分析[J]. 沙漠与绿洲气象, 17(2): 128-136.
[30]	曾永年, 向南平, 冯兆东, 等, 2006. Albedo-NDVI特征空间及沙漠化遥感监测指数研究[J]. 地理科学, 26(1): 75-81.
[31]	张钛仁, 张玉峰, 柴秀梅, 等, 2010. 人类活动对我国西北地区沙质荒漠化影响与对策研究[J]. 中国沙漠, 30(2): 228-234.
[32]	张登山, 高尚玉, 2007. 青海高原沙漠化研究进展[J]. 中国沙漠, 27(3): 367-372.
[33]	张国龙, 2020. 人类活动与气候变化影响下全球荒漠化风险研究[D]. 兰州: 兰州大学.
[34]	郑春燕, 梁俊红, 王建, 2022. 中巴经济走廊归一化植被指数(NDVI)时空变化及影响因素分析[J]. 生态与农村环境学报, 38(9): 1 147-1 156.
[35]	朱震达, 1988. 中国沙漠化的现状及其研究的若干问题[J]. 地球科学信息, 4: 20-24.
[36]	邹明亮, 韩雅敏, 曾建军, 等, 2019. 基于Albedo-NDVI特征空间的玛曲县荒漠化时空动态监测[J]. 冰川冻土, 41(1): 45-53.
[37]	HUANG J P, YU H P, GUAN X D, et al, 2015. Accelerated dryland expansion under climate change[J]. Nature Climate Change, 6(2): 166-171. DOI
[38]	LI S G, HARAZONO Y, OIKAWA T, et al, 2000. Grassland desertification by grazing and the resulting micrometeorological changes in Inner Mongolia[J]. Agricultural and Forest Meteorology, 102(2/3): 125-137. DOI URL
[39]	VERSTRAETE M, PINTY B, 1996. Designing optimal spectral indexes for remote sensing applications[J]. IEEE Transactions on Geoscience and Remote Sensing, 34(5): 1 254-1 265. DOI URL
[40]	WU Z H, LEI S G, BIAN Z F, et al, 2019. Study of the desertification index based on the Albedo-MSAVI feature space for semi-arid steppe region[J]. Environmental Earth Science, 78(6): 1-13. DOI
[41]	ZHOU Y Q, HU Z W, GENG Q Q, et al, 2023. Monitoring and analysis of desertifcation surrounding Qinghai Lake (China) using remote sensing big data[J]. Environmental Science and Pollution Research, 30(7): 17 420-17 436. DOI