近30年云贵高原水蚀荒漠化遥感监测及影响因子时空分异规律

doi:10.13474/j.cnki.11-2246.2021.317

测绘通报 ›› 2021, Vol. 0 ›› Issue (10): 117-122.doi: 10.13474/j.cnki.11-2246.2021.317

近30年云贵高原水蚀荒漠化遥感监测及影响因子时空分异规律

高照忠¹, 黄雅君², 魏海霞¹, 张金兰¹

1. 广东工贸职业技术学院, 广东广州 510510;
2. 西南大学, 重庆 400715

收稿日期:2020-09-28 修回日期:2021-05-07 出版日期:2021-10-25 发布日期:2021-11-13
作者简介:高照忠(1982-),男,硕士,副教授,研究方向为测绘地理技术、遥感技术及应用。E-mail:553957601@qq.com

Remote sensing monitoring of water erosion desertification and spatio-temporal differentiation of its influencing factors in the Yunnan-Guizhou Plateau in recent 30 years

GAO Zhaozhong¹, HUANG Yajun², WEI Haixia¹, ZHANG Jinlan¹

1. Guangdong Polytechnic of Industry and Commerce, Guangzhou 510510, China;
2. Southwest University, Chongqing 400715, China

Received:2020-09-28 Revised:2021-05-07 Online:2021-10-25 Published:2021-11-13

摘要/Abstract

摘要： 云贵高原属于典型季节性干旱生态脆弱区，其中因流水造成的水蚀荒漠化已成为限制该区域持续发展的重大生态环境问题之一。本文采用长时间序列Landsat卫星数据监测云贵高原核心区云贵两省近30年水蚀荒漠化的现状与时空变化，并分析该区域荒漠化关键影响因子的时空分异规律，提出一种多指标规则分类算法用于云贵高原水蚀荒漠化遥感监测，并选用植被面积、GDP及降水3个关键影响因子，采用地理加权回归模型，分析该区域水蚀荒漠化影响因子的空间分异规律。试验结果表明：①云贵高原荒漠化的主要分布区为滇桂黔区、川滇交界地区、滇西边境区及蒙自地区。②近30年研究区水蚀荒漠化变化趋势可分为1989—2010年、2010—2013年及2013—2016年3个阶段，1989—2010年该区域的荒漠化呈现波动增长状态；2010—2013年荒漠化面积快速扩展；2013—2016年荒漠化快速扩展的趋势得到了有效遏制。③3个关键影响因子与水蚀荒漠化关系呈现数值大小不同、正负效应和因子组合效应的空间分布差异，局部地区的经济发展和气候变化加剧了其水蚀荒漠化。本文研究成果将为云贵高原水蚀荒漠化的精细化防控和治理提供一定的理论依据和技术支撑。

关键词: 云贵高原, 水蚀荒漠化, 遥感监测, 多指标规则分类, 时空分异, 地理加权回归(GWR)

Abstract: The Yunnan-Guizhou Plateau (YGP) is a typical seasonal arid ecological fragile area, and water erosion desertification (WED) that is caused by water flow has become one of the important ecological and environmental problems in the region. In this paper, long-term Landsat datasets are used to monitor the temporal and spatial variation trend of WED for the past 30 years in the YGP, and the spatial and temporal differentiation of its influencing factors is analyzed. A multi-index rule classification algorithm is proposed for remote sensing monitoring of WED in the YGP, and three key influencing factors (such as vegetation area, GDP and precipitation) are selected to analyze the spatio-temporal differentiation of the WED influencing factors using geographic weighted regression (GWR) model in the YGP. The experimental results are shown as following:① the main area of WED in YGP can be divided into Dian-Gui-Qian area, Sichuan-Yunnan border area, Dianxi area and Mengzi region. ② the WED expansion in the YGP can be divided into three stages as follows:a slow increase from 1989 to 2010, rapid expansion from 2010 to 2013, and a slight increase from 2013 to 2016. ③ The relationship between the three key infulencing factors and water-erosion desertification presents different spatial size in different numbers, positive and negative effects and the spatial distribution difference of factor combination effects. The local economic development and climate change exacerbate water-erosion desertification in local areas. The research results will provide theoretical basis and support for the fine prevention, control and treatment of water erosion and desertification in the YGP.

Key words: the Yunnan-Guizhou Plateau, water-erosion desertification, remote sensing monitoring, multi-index rule classification, spatial-temporal differentiation, geographic weighted regression (GWR)

中图分类号:

P237

高照忠, 黄雅君, 魏海霞, 张金兰. 近30年云贵高原水蚀荒漠化遥感监测及影响因子时空分异规律[J]. 测绘通报, 2021, 0(10): 117-122.

GAO Zhaozhong, HUANG Yajun, WEI Haixia, ZHANG Jinlan. Remote sensing monitoring of water erosion desertification and spatio-temporal differentiation of its influencing factors in the Yunnan-Guizhou Plateau in recent 30 years[J]. Bulletin of Surveying and Mapping, 2021, 0(10): 117-122.

参考文献

[1] 毛雨景, 赵志芳, 吴文春, 等. 云南省水蚀荒漠化遥感调查及成因分析[J]. 国土资源遥感, 2013, 25(1):123-129.
[2] 周启刚, 陈丹. 三峡库区重庆段水蚀荒漠化时空演变特征研究[J]. 水土保持研究, 2014, 21(2):58-66.
[3] 刘爱霞, 王长耀, 王静, 等. 基于MODIS和NOAA/AVHRR的荒漠化遥感监测方法[J]. 农业工程学报, 2007, 23(10):145-150, 293.
[4] WANG H B, MA M G, GENG L Y. Monitoring the recent trend of aeolian desertification using Landsat TM and Landsat 8 imagery on the north-east Qinghai-Tibet Plateau in the Qinghai Lake basin[J]. Natural Hazards, 2015, 79(3):1753-1772.
[5] XU B, LI J Y, JIN Y X, et al. Temporal and spatial variations of grassland desertification monitoring in Tibet of China[J]. International Journal of Remote Sensing, 2015, 36(19-20):.5150-5164.
[6] GUO Q, FU B H, SHI P L, et al. Satellite monitoring the spatial-temporal dynamics of desertification in response to climate change and human activities across the ordos plateau, China[J]. Remote Sensing, 2017, 9(6):525.
[7] AZZOUZI S A, VIDAL P A, BENTOUNES H A. Monitoring desertification in Biskra, Algeria using Landsat 8 and Sentinel-1A images[J]. IEEE Access, 2018(6):30844-30854.
[8] LI S, WU H G. Mapping karst rocky desertification using Landsat 8 images[J]. Remote Sensing Letters, 2015, 6(9):657-666.
[9] WANG Y F, ZHANG J Q, TONG S Q, et al. Monitoring the trends of aeolian desertified lands based on time-series remote sensing data in the Horqin Sandy Land China[J]. CATENA, 2017, 157:286-298.
[10] 边蕊. 水蚀荒漠化遥感调查与驱动因子分析[D]. 北京:中国地质大学, 2010.
[11] 陈起伟, 熊康宁, 兰安军. 基于3S的贵州喀斯特石漠化遥感监测研究[J]. 干旱区资源与环境, 2014, 28(3):62-67.
[12] 史青云, 赵志芳, 宋坤, 等. 基于RS和GIS的滇池流域水蚀荒漠化动态监测[C]//第十五届全国数字地质与地学信息学术研讨会. 长沙:中南大学, 2016.
[13] 许尔琪. 基于地理加权回归的石漠化影响因子分布研究[J]. 资源科学, 2017, 39(10):1975-1988.
[14] 徐新良.中国气象空间分布公里网格数据集[EB/OL].[2020-09-10]. http://www.resdc.cn.
[15] 贾敦新, 汤国安, 王春. 数字高程模型数据误差及分辨率对坡度精度的影响[C]//中国地理学会2007年学术年会. 南京:南京师范大学, 2007.
[16] 赵舒怡, 宫兆宁, 刘旭颖. 2001-2013年华北地区植被覆盖度与干旱条件的相关分析[J]. 地理学报, 2015, 70(5):717-729.
[17] JIANG Z C, LIAN Y Q, QIN X Q. Rocky desertification in Southwest China:impacts, causes, and restoration[J]. Earth-Science Reviews, 2014, 132:1-12.
[18] 田剑, 汤国安, 周毅, 等. 黄土高原沟谷密度空间分异特征研究[J]. 地理科学, 2013, 33(5):622-628.

近30年云贵高原水蚀荒漠化遥感监测及影响因子时空分异规律

Remote sensing monitoring of water erosion desertification and spatio-temporal differentiation of its influencing factors in the Yunnan-Guizhou Plateau in recent 30 years

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	高家骥, 李鸿奎, 白芝珍, 杨俊. GIS支持下的东北三省人居环境气候舒适度分异及影响因素分析[J]. 测绘通报, 2022, 0(6): 148-153.
[2]	李广超, 赵海盟, 伍毅, 杨彬, 李丽和, 张洪, 杨泉光, 陈伟. 2000-2016年广西防城金花茶自然保护区关键生态环境参数时空变化[J]. 测绘通报, 2021, 0(2): 13-17.
[3]	王媛, 杜明义, 杨柳忠, 蔡国印, 张宁. 多源遥感数据支持下的城市生态状况评价[J]. 测绘通报, 2021, 0(11): 16-20.
[4]	赵鹏飞, 白杨, 王盼, 吴沛卿. 黄河流域七大城市群污染气体时空变化特征卫星遥感监测[J]. 测绘通报, 2021, 0(10): 48-53.
[5]	陈王梦, 李通, 张丽, 张红日, 闫敏, 杜跃飞. 遥感技术支持下的下龙湾西岸养殖塘变化监测及其对“三生用地”影响分析[J]. 测绘通报, 2020, 0(9): 66-71.
[6]	江杉, 王益澄, 马仁锋. 中国东海叶绿素浓度变化分析及其海水温度响应[J]. 测绘通报, 2020, 0(6): 39-44.
[7]	孙久虎. 一种云端一体化的土地督察遥感监测方法[J]. 测绘通报, 2020, 0(3): 129-133.
[8]	林晓萍. 基于国产卫星影像的自然资源动态监测[J]. 测绘通报, 2020, 0(11): 28-32.
[9]	汪桂生, 仇凯健. 利用MODIS NDVI进行淮南矿区植被覆盖度动态监测[J]. 测绘通报, 2018, 0(6): 34-40.
[10]	沈谦, 朱长明, 张新, 黄巧华, 杨程子, 赵南. 植被调节下的干旱区不透水面覆盖率遥感估算方法[J]. 测绘通报, 2018, 0(2): 78-82.
[11]	卢秀, 李佳, 段平, 程峰. 利用MODIS研究徐州市气溶胶光学厚度及其时空分析[J]. 测绘通报, 2018, 0(12): 41-45.
[12]	徐秀云, 陈向, 刘宝梅. 微型无人机助力土地整治项目监管[J]. 测绘通报, 2017, 0(3): 86-90.
[13]	国安东, 李永化, 杨俊. 基于多距离空间聚类的城市建筑景观时空分异研究[J]. 测绘通报, 2017, 0(2): 102-105.
[14]	金洪芳. 省级治水管理信息系统的研究及实现——以浙江省“清三河”信息管理系统为例[J]. 测绘通报, 2016, 0(4): 117-120.
[15]	于颂, 王飞红, 杨爱民. 平朔露天煤矿土地利用变化的遥感监测[J]. 测绘通报, 2015, 0(4): 86-90.