2018Esri开发竞赛ENVI-IDL组作品欣赏——木兰溪下游地区的碳库格局变化定量研究

栏目: 编程工具 · 发布时间: 5年前

作品单位: 福建师范大学地理科学学院

小组成员: 方建祯、谢艺婷、何梅菊、周正龙

指导教师: 沙晋明、赵珊珊

获奖情况:二 等奖

视频地址:

一、作品概述

随着经济的快速发展,城市化建设已经蔓延到世界物质文化遗产地区的周边。近 20 年来福建省莆田市木兰溪地区国民经济持续、快速、健康发展,人民生活水平日益提高,在 2008 2009  2010 年连续三年 GDP 增幅全省首位。然而在这些城市建设项目的背后,木兰溪流域植被和土壤等资源利用发生了极大地变化,导致植被和土壤碳库发生变化。木兰溪下游是木兰陂水利工程存在的根本,也是木兰陂水利景区重要的水体旅游资源,木兰溪下游地区的保护工作成为生态保护规划的重中之重。政府间气候变化专门委员会( IPCC )评估报告认为,在过去的 20 年里至少有 1/4 的人为二氧化碳排放是由于土地利用变化造成的。由此,人类活动对碳循环的影响是气候变化研究的重要核心问题之一,在制定应对和缓解气候变暖的对策中,目前提出了通过经营土地来吸收 CO2 的策略,因此准确确定土地利用变化对有机碳库的影响对科学认识陆地生态系统碳循环规律及制定缓解和应对全球气候变暖具有重要的理论和现实意义。

本作品对木兰溪下游地区的生态环境进行遥感综合监测,准确确定木兰溪下游地区土地利用变化对该区域植被和土壤碳库格局、碳库迁移的影响,并探究 20 年来该地区的土壤碳源 / 汇是否发生转变。作品能够精确简便快速的获取植被和土壤碳库空间分布信息,对于区域碳库动态变化研究和精准农业的发展具有重要意义。

二、作品技术流程

本作品技术流程主要分为三大层。

第一层:数据层。遥感卫星数据使用前按照流程进行严格的数据预处理,例如 Landsat 数据需要经过辐射定标、 FLAASH 大气校正、研究区矢量裁剪;其他非遥感数据如气温、降水量等按照所需单位将数据标准化。

第二层:数据信息处理层。承接上一层对数据进一步处理,复杂的算法用 IDL 编写代码实现。

第三层:遥感应用层。将数据进行处理后,本作品将多源遥感数据,结合地面调查数据和气象数据 对研究地生态环境进行遥感综合监测, 分析 20 年来木兰溪下游地区土地利用变化对区域植被和土壤碳库格局、碳库迁移的影响。

2018Esri开发竞赛ENVI-IDL组作品欣赏——木兰溪下游地区的碳库格局变化定量研究
作品主要技术流程图

2.1  遥感数据预处理

对研究区 Landsat 数据进行辐射定标、大气校正、裁剪、融合等预处理,得到研究区的反射率数据以及用于分类的融合结果。

2.2  土地覆盖变化分类

使用神经网络监督分类的方法对研究区进行分类,分为 林地、草地灌丛、耕地、水体、居民地、裸地。前三种为植被类型,后三种为非植被类型。并进行分类后评价、各个类别面积统计,计算出土地利用变化矩阵。

2018Esri开发竞赛ENVI-IDL组作品欣赏——木兰溪下游地区的碳库格局变化定量研究

研究区各时期土地利用分类图

2017 年相比于 1996 年地物覆盖类型迁移矩阵 /%

地类

水体

居民地

裸地

林地

耕地

灌丛草地

水体

33.455

2.278

0.569

0.625

1.222

0.286

居民地

45.988

62.848

50.491

24.46

28.895

33.907

裸地

5.449

5.04

7.058

3.925

7.362

5.816

草地灌丛

8.701

23.191

17.735

29.872

51.169

37.811

林地

5.277

2.924

23.449

36.385

6.45

19.269

耕地

1.022

3.43

0.078

4.393

4.707

2.329

2.3  生物量计算

生物量分为地上生物量和地下生物量两部分。地上生物量用研究区 1 月的净初级生产力( NPP )来计算,地下生物量采用地下与地上生物量比例系数来计算。 NPP 所有与影像波段有关的算法都使用 IDL8.7 编写函数代码来实现

2.4  植被碳库(碳储量)计算

植被碳库由植物的地上生物量和地下生物量两部分构成,植被碳储量按照植物有机干物质中碳占的比重 ( 国际上常用转换率为 0 45) 转换为碳量,即植被碳库 =NPP*0.45 (下表)。

研究区不同时期植被碳库构成 / (t · month -1 )

年份

林地

耕地

草地灌丛

合计

地上

地下

地上

地下

地上

地下

地上

地下

1996

191.58

1166.72

52.89

5.29

115.85

512.04

360.32

1684.05

2007

157.06

956.50

33.16

3.32

193.98

857.41

384.20

1817.23

2017

188.20

1146.11

24.96

2.50

145.96

645.14

359.11

1793.75

2.5 植被碳库迁移

植被碳库迁移等于 地物覆盖类型迁移率乘上植被碳储量,且植被碳储量等于地上植被碳库与地下植被碳库之和。最终结果如下表所示。

2017 年相较于 1996 年的植被碳库迁移 /(t · month -1 )

林地

耕地

草地灌丛

林地

494.22

87.61

261.73

耕地

2.56

2.74

1.36

草地灌丛

187.56

321.28

237.41

2.6 土壤有机碳库计算

本作品缺乏土壤容重、土壤有机碳密度等物理性质,仅有土壤有机碳( SOC )含量数据。 SOC 含量数据属于点状数据,首先需要将其推广至整个研究区的 SOC 含量数据,然后我们根据 SONG 等的研究从 SOC 含量数据推至土壤有机碳密度 (SOCD) ,最终推求土壤有机碳库。

首先对研究区 2017 43 个样点土壤有机碳含量进行分析,再对选定的 7 个因子进行模型拟合,与其他方法对比,选择最优的多元线性回归模型。

2.7 地表温度反演

地表温度是反演 SOC 含量的因子之一。对 Landsat 数据使用大气传输模型法和单窗法反演每个年度的地表温度。

使用多元线性回归模型,结合各项因子,反演 SOC 含量。

2018Esri开发竞赛ENVI-IDL组作品欣赏——木兰溪下游地区的碳库格局变化定量研究

研究区不同时期 SOC 含量反演结果图

2.8 土壤有机碳密度估算

根据 SONG 等( 2004 )对中国 3456 个典型非耕作土壤样品和 4765 个典型耕作土壤样品分别建立了 SOC 与土壤有机碳密度的关系,进而推算出研究区的土壤有机碳密度,其公式为:

2018Esri开发竞赛ENVI-IDL组作品欣赏——木兰溪下游地区的碳库格局变化定量研究   (R 2 =0.7260, p<0.001)

2018Esri开发竞赛ENVI-IDL组作品欣赏——木兰溪下游地区的碳库格局变化定量研究   (R 2 =0.7870, p<0.001)

其中, y1 为非耕作地, y2 为耕作地。

2.9 土壤有机碳库估算

有机碳库 = 土壤面积 * 土壤有机碳密度,如下表所示。

表: 研究区不同时期土壤碳库组成 / 10 3 t · month -1

年份

裸地

耕地

林地

灌丛草地

1996

4.34

14.097

27.022

41.788

2007

1.21

7.56

16.995

63

2017

10.368

6.174

19.482

54.144

2.10 土壤有机碳库迁移

土壤有机碳库迁移 = 迁移百分比 * 土壤有机碳库,从而得到 1996 12 27 日到 2017 1 3 日的土壤碳库迁移矩阵,如下表所示。

2017 年相较于 1996 年土壤碳库构成 /10 3 t

裸地

耕地

林地

灌丛草地

裸地

0.306

0.553

1.989

2.430

耕地

0.770

4.211

13.827

15.800

林地

1.018

5.129

1.743

8.052

草地灌丛

0.003

0.619

1.272

0.973

2.11 结论

1996-2017 年间,木兰溪下游地区经历过截弯取直,水体面积逐渐缩小,城镇用地的扩张使耕地面积逐渐减少,农业结构大幅调整。在此期间,整个地区的生态环境发生改变,碳库分布格局也随之改变。植被碳库呈小幅上升后下降的形势;木兰溪下游地区以土壤碳库占主导,土壤碳库呈现显著上升。总体上看, 20a 来研究区呈现碳汇特征。

三、作品关键技术与亮点

作品关键技术:

l   实现在 IDL 界面中输入已经求得的参数,自动利用 CASA 模型计算多景影像的 NPP

l   IDL 编写函数代码对基于大气校正法的 Landsat TM5 影像地表温度反演处理;

l   IDL 编写函数代码对基于单窗算法的 LandsatTM5 影像地表温度反演处理;

l   精确选取每张影像的样本点,与采样库和谷歌地图反复验证样本的类别;

l   构建土壤有机碳反演模型和最佳模型选择及其精度评价。

作品亮点:

1 )用 IDL8.7 编写函数代码分别开发了两种反演算法模型,实现 TM5 反演温度的半自动化。对使用年限来说,大气校正法适合 2000 年以后的 TM 影像,单窗算法适合 2000 年以前的影像。

2 )对复杂的庞大的算法利用 IDL 编写函数代码实现,节约时间和成本。如果能掌握地表温度反演和 CASA 模型的理论和算法,对于 ENVI 软件使用的新手来说,也能够在短期内得到不错的成果。

3 )在分类器选择上,先使用 2017 OLI 影像结合野外调查和走访参观时的照片以及谷歌地球中的地图,并根据总体分类精度和 Kappa 系数筛选出最优分类器,从而对三景影像分类,使遥感分类过程中的不确定性大大降低; SOC 含量反演时利用反演得到的 SOC 含量数据和实测数据进行精度验证,并与传统克里金插值对比,择优选择反演方法。

4 )作品从土壤 - 景观理论出发,利用多元线性回归法遥感反演 SOC 含量并评价模型精度,解决了单纯的插值方法使数据过于平滑的问题。

5 )基于土地利用的变化监测,进一步分析其对研究区内植被碳库变化和土壤碳库变化的影响,辅助政府合理规划木兰溪地区的生态保护工作。


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

驾驭未来:抓住奇点冲击下的商机

驾驭未来:抓住奇点冲击下的商机

[日]斋藤和纪 / 南浩洁 / 中国友谊出版公司 / 2018-9 / 52.00元

2020年左右,AI(人工智能)将超越人类的智力水平。2045年,人类将迎来“奇点”——科技进步的速度达到无限大。 所有技术都在以空前的速度向前发展。同时,以往带来巨大财富的众多技术将走向“非货币化”。当下,人类正面临着被AI夺去工作的危机。许多传统行业(例如汽车制造业)将被彻底颠覆,但新的机会也在酝酿,技术的进步使得带宽成本、计算成本、存储成本等创新成本趋近于0,创业不再是资本、技术或信息......一起来看看 《驾驭未来:抓住奇点冲击下的商机》 这本书的介绍吧!

HTML 压缩/解压工具
HTML 压缩/解压工具

在线压缩/解压 HTML 代码

JSON 在线解析
JSON 在线解析

在线 JSON 格式化工具

HEX HSV 转换工具
HEX HSV 转换工具

HEX HSV 互换工具