基于多源遥感数据的高寒草地退化基准与评价研究

Grassland ecosystems in Gannan are extremely sensitive to climate change and human activities. In recent years, as the result of the double impact of natural and man-made factors, the serious degradation of alpine grassland has become an enormous obstacle of the social, economic and ecological sustainable development. Diagnosis of degradation degree of grassland ecosystem is the basis and the precondition of ecological restoration. In recent study, the soil degradation was ignored in most of grassland degradation assessment and the uncertainty of assessment criteria results in inconsistent and incomparable estimations. In this project, the Gannan region is selected as a typical case study area. Combining field surveying, remote sensing and meteorological data, this project is try to improve the estimation model of grassland vegetation and soil degradation and establish the assessment criteria using “3S” technologies; Using the geostatistical method to analyze the response relationship of vegetation to climate, and establish the assessment criteria of grassland degradation combining with historical data. Using analytic hierarchy process (AHP) and synthetical index method to divide the stage of Gannan grassland degradation, quantitative analysis the condition of gannan grassland degradation. This project can supply scientific evidence for restoration and management of degraded alpine grassland.

高寒草地生态系统对气候变化和人类活动都极为敏感。近年来，在自然和人为因素的影响下，高寒草地出现大范围的退化，严重制约了社会、经济、生态可持续发展，准确把握高寒草地退化程度是退化草地恢复的前提和基础。针对目前草地退化评价方法中缺乏考虑土壤退化的相关指标、草地退化评判基准不一致、退化评价结果难以比较等问题。本项目试图以甘南高寒草地为研究对象，依托“3S”技术，结合多源遥感、气象及野外观测等数据筛选草地植被和土壤退化评价指标并建立其反演模型；利用地统计方法分析植被对气候的响应关系，结合历史资料建立甘南草地退化评价基准；同时利用层次分析法和综合指数法建立高寒草地退化评价指标体系；分析甘南高寒草地退化时空分布特征，为退化草地的恢复及治理提供科学依据。

本项目研究的主要目标是结合多源遥感数据筛选草地植被和土壤退化评价指标并建立反演模型；分析80年代植被对气候的响应关系，结合气象数据资料建立甘南草地植被退化评价基准;将草地植被及土壤退化数据经过加权叠加，综合分析高寒草地退化的空间分布特征。具体进展包括以下几点：.1.草地植被退化指标监测模型建立：利用甘南州2015-2017年草地地上生物量野外实测数据及无人机获取的草地盖度数据结合MODIS NDVI产品，研究了NDVI与草地生物量、盖度之间的相关性，建立草地地上生物量、盖度遥感反演模型。研究表明基于NDVI的乘幂模型（y=586.799x3.916,R=0.715）与线性模型（y=174.520x-56.711,R=0.871）分别为甘南草地生物量和盖度最优反演模型，模型精度分别为74.95%，83.85%；利用小型无人机搭载相机获取草地大样方（30m×30m）植被盖度具有比传统方法更好的空间代表性，且操作快捷方便，效率高，所建立的模型精度较高。. 2.土壤属性高光谱监测模型建立：通过分析6种光谱变换形式与土壤全氮含量的相关性并选取特征波段，比较3种线性回归模型：多元逐步线性回归，主成分回归，偏最小二乘回归以及这3种线性回归模型与BP神经网络相结合产生的3种非线性回归模型对于土壤全氮含量估测的精度。结果表明基于光谱的微分变换形式建立的模型普遍优于基于非微分变换形式所建立的模型，且原始光谱数据倒数的一阶微分形式是估测土壤全氮含量的最优光谱变换形式；偏最小二乘回归模型计算的潜在变量与BP神经网络相结合的模型对于土壤全氮含量估测更准确。.3.甘南草地退化状况评价：选取植被及土壤的5个重要指标建立甘南草地退化评价指标体系。分析1981-1985年草地植被-气候响应模型，确立草地植被退化评价基准。对草地植被及土壤退化指标结合各自的评价基准值，计算下降率，将不同指标下降率加权叠加构成评价甘南高寒草地退化的综合指数，并划分草地退化等级。2015-2017年间甘南草地退化严重，退化草地面积占全州草地面积的41.31%，草地退化主要发生在合作市和夏河县，其中未退化草地面积比例分别仅为31.67%，39.69%，玛曲县草地状况良好，未退化草地面积比例为79.99%，且在退化草地中重度退化草地面积比例仅为1.39%。碌曲县草地退化以轻度退化为主（37.6%），中度与重度退化草地所占比例小