云平台支持下不同喀斯特地貌类型石漠化典型区植被变化分异规律及影响机制对比研究

By analyzing the shortcomings of current research on vegetation dynamics monitoring and its influencing factors in typical rocky desertification regions of different karst geomorphologic types, this project, based on Google Earth Engine cloud computing platform, proposed a periodic synthetic data production technology at medium-high resolution by using Landsat series satellites (30m). This method was applied to produce long time series medium-high-resolution surface reflectance and vegetation index data sets from 1990 to 2020 in typical rocky desertification regions of different karst geomorphologic types (i.e. Karst Plateau, Peak Cluster Depression, Karst Trough Valley and Karst Faulted Basin) in Southwest China. Furthermore, GEE platform was also employed to construct multi-source satellite precipitation and temperature data sets by assimilating CMORPH multi-source precipitation data and multi-source satellite land surface temperature products (i.e. AVHRR, MODIS and Landsat) with in situ measurements. A comprehensive analysis of the relationship between vegetation changes and natural factors (climate, topography, lithology, etc.) and human factors in each type of study area was then conducted to compare and study the vegetation succession patterns and their influencing mechanisms in different karst geomorphologic types of Southwest China during the past three decades. Results of this project will provide data and theoretical basis for ecological restoration in rocky desertification regions of different karst geomorphologic types.

本项目利用Google Earth Engine云计算平台，以中国西南不同喀斯特地貌类型典型石漠化区域（喀斯特高原、峰丛洼地、槽谷、断陷盆地）为研究区，针对目前的石漠化区域植被动态变化监测及影响要素分析的一些不足之处，提出利用中高分辨率（Landsat系列卫星30m）周期性合成数据生产技术，研究并生产长时间序列（1990-2020）中高分辨率地表反射率和植被指数数据集；同时，在GEE平台下利用CMORPH多源卫星降水数据和多源卫星地表温度产品（AVHRR、MODIS、Landsat）数据，结合站点实测值，构建多源卫星降水、温度数据集；综合分析各类型研究区的植被变化与自然因素（气候、地形、岩性等）和人为因素的相关关系，对比研究近30年西南地区不同类型喀斯特地貌植被变化分异规律及影响机制，为不同喀斯特地貌类型石漠化区生态恢复提供数据与理论依据。

我国西南喀斯特地区是受特殊地质背景制约的典型脆弱生态系统，区域内石漠化生态问题严重，2000年以来国家在该地区实施了一系列生态恢复工程。喀斯特地区植被恢复遥感监测与生态工程成效评估，越来越受到研究者的关注。然而，以往研究大都采用较长时间序列的低空间分辨率遥感产品，考虑到喀斯特地区的高度景观异质性，粗分辨率遥感数据难以反映复杂地形条件下植被真实变化状态，这极大地增加了喀斯特植被动态监测的不确定性。.针对目前的喀斯特区域植被动态变化监测及影响要素分析的一些不足之处，项目利用Google Earth Engine云平台的海量遥感数据处理能力，以西南喀斯特区域（包括黔、滇、桂、湘、鄂、渝、川和粤等八省）为研究区，提出利用中高分辨率（Landsat系列卫星30m）周期性合成数据生产技术，研究并生产长时间序列（1987-2018）中高分辨率地表反射率和植被指数数据集；在此基础上，结合其他多源遥感数据，采用Theil-Sen median趋势分析、Mann-Kendall检验、重标极差（rescaled range analysis, R/S）分析、偏相关分析、多元回归模型以及残差趋势分析等方法，厘清了近32年西南喀斯特地区植被恢复演变时空特征；同时发展了大区域尺度植被变化驱动因素识别与量化方法，阐明了喀斯特植被变化的自然和人为驱动机制。项目取得的研究进展与成果具体如下：（1）发展了基于云平台的大区域尺度长时间序列中高分辨率时序反射率和植被指数重建方法，构建了西南喀斯特地区中高空间分辨率（30m）的长时间序列植被特征数据集；（2）重点探讨了不同喀斯特地貌条件下的植被变化分异规律，对比分析了不同岩性和地貌类型的生态恢复效果；（3）首次在30m尺度上实现了大区域尺度植被变化驱动因素识别与量化。项目研究结果可以为区域生态恢复与生态工程综合效益评估提供数据和理论支持。