遥感技术与应用, 2020, 35(2): 497-508 doi: 10.11873/j.issn.1004-0323.2020.2.0497

遥感应用

基于宽波段遥感光谱混合分解的干旱区土地退化监测评价理论和技术方法探讨

张平,1, 孙强强1, 张亚萍1, 孙丹峰1, 刘顺喜,2

1.中国农业大学 土地科学与技术学院,北京 100193

2.中国国土勘测规划院,北京 100035

Theory and Technology of Land Degradation Monitoring and Evaluation in Arid Area based on Linear Spectral Mixture Analysis Using Wide-band Remote Sensing

Zhang Ping,1, Sun Qiangqiang1, Zhang Yaping1, Sun Danfeng1, Liu Shunxi,2

1.College of Land Science and Technology, China Agricultural University, Beijing 100193, China

2.China Land Surveying and Planing Insitution, Beijing 100035, China

通讯作者: 刘顺喜(1962-),男,甘肃天水人,高级工程师,主要从事土地资源遥感调查与监测应用研究。E⁃mail: shunxiliu@163.com

收稿日期: 2018-10-14   修回日期: 2020-02-24   网络出版日期: 2020-06-19

基金资助: 土地勘测规划院外协项目“基于GF宽波段遥感标准端元空间的土地退化监测技术研究”.  20181011332

Received: 2018-10-14   Revised: 2020-02-24   Online: 2020-06-19

作者简介 About authors

张平(1993-),女,山东潍坊人,博士研究生,主要从事人地环境遥感研究E⁃mail:pingzh@cau.edu.cn , E-mail:pingzh@cau.edu.cn

摘要

土地退化遥感监测可以服务于政策制定、修复优化、效果评价以及安全预警,亟需建立和完善土地退化理论知识和遥感方法技术体系相结合的框架体系。在借鉴国内外干旱区土地退化(荒漠化)相关理论的基础上,以生态系统服务为连接,以植被—生境互动为核心,构建了生物—物理—社会经济系统耦合的干旱区土地退化监测理论框架。其次,围绕提出的理论框架,基于光谱混合分解端元空间的一致性、稳定性、包容性优势,以宽波段遥感为例建立干旱区遥感监测评价技术方法体系,主要包括当地环境知识挖掘、旱地生态系统景观要素提取、地表(生物物理)参数遥感反演与定标、旱地生态系统结构分析与制图、旱地生态系统功能量化与评价和旱地生态系统与社会经济综合模型七个部分。所建立的理论框架和技术体系可以为干旱区不同区域和尺度间土地退化遥感监测评价和对比分析提供参考。

关键词: 土地退化 ; 宽波段遥感 ; 监测评价 ; 理论框架 ; 技术体系

Abstract

Remote sensing monitoring of land degradation can serve policy formulation, restoration optimization, effect evaluation and security early warning, and it is urgent to establish and improve the basic theoretical framework and technical system. Based on the theory of land degradation (desertification) in arid areas in China and abroad, this paper establishes the theoretical framework of remote sensing monitoring of land degradation in arid areas coupled with bio-physical-socio-economic systems, taking ecosystem services as the link and vegetation-habitat interaction as the core. Secondly, based on the proposed theoretical framework and the consistency, stability, inclusiveness and applicability of remote sensing monitoring, a technical method system for remote sensing monitoring and evaluation in arid areas is established with wide-band remote sensing as an example, which mainly includes five parts: local environmental knowledge mining, multi-season spectral mixture decomposition, dryland ecosystem structure analysis and mapping, quantification and evaluation of dryland ecosystem function and dynamic monitoring of dryland ecosystem degradation process. The theoretical framework and technical system can provide reference for remote sensing monitoring, evaluation and comparative analysis of land degradation in different regions and scales in arid areas.

Keywords: Land degradation ; Wide band remote sensing ; Monitoring and evaluation ; Theoretical framework ; Technical system

PDF (1750KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

张平, 孙强强, 张亚萍, 孙丹峰, 刘顺喜. 基于宽波段遥感光谱混合分解的干旱区土地退化监测评价理论和技术方法探讨. 遥感技术与应用[J], 2020, 35(2): 497-508 doi:10.11873/j.issn.1004-0323.2020.2.0497

Zhang Ping, Sun Qiangqiang, Zhang Yaping, Sun Danfeng, Liu Shunxi. Theory and Technology of Land Degradation Monitoring and Evaluation in Arid Area based on Linear Spectral Mixture Analysis Using Wide-band Remote Sensing. Remote Sensing Technology and Application[J], 2020, 35(2): 497-508 doi:10.11873/j.issn.1004-0323.2020.2.0497

1 引 言

干旱区土地退化(荒漠化)对全球粮食安全、环境质量和人类福祉有着重要影响,是21世纪以来全球所面临的重要生态环境问题之一[1]。气候变化和人类活动对土地利用强度的持续增加,不断塑造着地表土地覆被格局,引发自然生产力下降、植被减少、土壤侵蚀、极端天气等一系列严重土地退化问题,并正在由区域扩展至全球[2]。联合国防治荒漠化公约(UNCCD)确立了于2030年实现全球土地退化零增长(Zero Net Land Degradation, ZNLD)的目标[3]。作为生态环境建设的绿色屏障,我国西北部干旱区生态系统脆弱、人地关系矛盾突出,土地退化成为制约当地粮食安全和生态安全、经济发展和区域协调最严重的问题之一[4,5,6]。因此,及时掌握土地退化状况及危害程度,并对其进行早期预警,以指导决策者制定优化的荒漠化防治办法和修复措施,对实现土地退化零增长的目标,推进全球荒漠生态治理、维护国家生态安全具有重要意义。

遥感技术因其覆盖范围大、时效性强、准确度高,且能记录近50 a来长时间序列地物及环境的历史状况和变迁,成为揭示干旱区土地退化状态—机理—效应的有效工具[7,8]。目前,遥感用于土地退化监测评价方面的研究主要集中在监测和评价指标的确定[9,10,11]、专题信息的提取[12,13,14]和荒漠化信息的分析与评价[15,16,17]。但由于对土地退化的概念认知、监测方法和手段不同,尚未形成统一的土地退化监测评价基准[18]。此外,土地退化遥感监测评价方面目前主要面临的困境是:①如何为不同的利益相关者(政府、机构、发展部门等)提供不同时空尺度可比较的监测信息[19];②如何将监测信息有效聚焦关键的社会经济和生物物理参数,以形成服务于政策制定的评价信息[20]。区域系统的复杂性和地域性是实现土地退化零增长所面临的巨大挑战[19,20,21,22],传统的概念认知需要向充分理解土地退化的原因和过程方向转变[23],才能为综合的监测评价和有效的政策制定提供路径。人类—环境系统(Human-Environment system, H-E)、人与自然耦合系统(Coupled Human and Natural Systems, CHANS)等一系列描述人类与环境之间相互影响和反馈作用的理论框架[24,25,26,27],为系统分析土地退化的复杂性和不确定性提供了强有力的概念框架。基于以上人地系统分析框架内涵和特征,克服当前土地退化遥感监测评价面临的难题,需要首先建立和完善基本理论框架阐明土地退化的因果关系[28]。光谱混合分解技术成为构建宽波段遥感标准端元空间、获取土地利用/覆被结构和植被—生境互动参数等土地退化遥感监测和评价重要因子的有效手段[29,30,31,32]。在科学理论框架的指导下,通过将光谱空间转换为具有实际物理意义的端元空间,实现标准端元光谱在其他区域的移植和传感器之间的传递,为不同时空条件下土地退化评价提供统一可比的基准[33,34]。在此基础上, 集成旱地系统遥感监测和评价方法模型获取土地退化的关键知识[35,36],形成综合性的土地退化监测评价方法体系,并通过综合评价模型将监测信息转化为决策信息。

因此,本文在系统梳理已有人地系统理论的基础上,尝试组织物理系统、生物系统和社会经济系统耦合下土地退化的复杂性结构和动态循环过程,建立指导土地退化遥感监测和评价的理论框架。并且基于宽波段遥感光谱混合分解模型[33],提出干旱区遥感监测评价技术体系。以期为土地资源数量结构与质量协同评价、社会经济发展和自然(生物物理)变化统一监测提供必要的支撑,为制定土地利用生态服务管理机制和生态风险预警措施,协调人地系统可持续发展服务。

2 干旱区土地退化遥感监测评价理论框架

综合性的理论框架用于指导对干旱区土地退化结构—功能—过程的认知,用于科学地界定和论证荒漠化相关概念假设,以指导表征荒漠化属性关键症状的选择和规范可操作的监测评价技术体系的建立。

2.1 干旱区土地退化的理论基础

2.1.1 DPSIR框架

针对旱地系统,FAO和UNEP 于2002年组织了干旱区土地退化评估项目(Land Degradation Assessment in Drylands, LADA),提出了基于驱动力—压力—状态—影响—响应(DPSIR)模型框架的土地退化评价体系[37,38]。该项目假设人类活动是土地退化最主要的驱动力,因此,土地利用系统制图是基础,分析导致土地退化的因果关系尤为重要。体系中包括了大量的自然指标、社会经济指标和政府管理目标,涉及多方面因素,能充分利用DPSIR框架分析不同层面的与土地退化相关因素的相互作用关系[39],为全球、国家和地方层面的土地退化防治提供政策建议和指导。

尽管DPSIR框架应用广泛,但实际却将极其复杂的人与自然耦合系统简化为一一映射关系[40],并没有真正揭示干旱区土地退化过程人地系统自适应的多向多重联系,例如土地利用强度既可能是土地退化的驱动力,又作为其系统响应的一部分。

2.1.2 人与自然耦合系统的复杂性

土地退化过程是一系列复杂的人与自然耦合因素相互作用形成的,因此,理解人类与自然系统之间的影响和反馈、系统内部要素结构-功能的变化过程等复杂的耦合作用模式是研究旱地系统演化规律的概念基础。2007年刘建国系统论述了人与自然耦合系统的复杂性,指出人与自然耦合系统复杂性的六大特征,即:系统互馈作用、非线性和阈值、弹性、突变、遗留影响和时间滞后性、异质性[41,42]

人与自然耦合系统的研究结合了传统研究所分离的社会科学和自然科学,提升了对系统综合性的认识,为系统性的研究人与自然相互作用对生态环境以及人类福祉的影响奠定了基础。尤其旱地系统资源匮乏、生态环境脆弱,更加需要以综合性的系统观来阐述不断增强的系统的复杂性,并在此基础上构建综合全面的理论框架阐述土地退化过程中人与自然耦合的相互作用。当然,人与自然耦合系统只是一个概念框架,如何将其运用到实际研究中也是一大难题(定性到定量)。到目前为止,人与自然耦合系统仍在定性和定量相结合的阶段。

2.1.3 DDP框架

在人与自然耦合系统复杂性的基础上,2007年Reynolds等提出五条旱地系统发展模式(DDP)[43],为识别旱地系统人与自然相互作用模式提供了系统集成的科学框架。首先,人与自然系统是耦合、系统、相互协作的,它们的结构、功能和相互关系是不断变化的。在这个过程中,“慢变量”(土壤肥力,家庭资本财富)有漫长的周转周期,是决定人与自然系统的关键因素[44]。而且关键慢变量的阈值表征着人与自然系统的不同状态。阈值不是固定的,可能会随时间而改变。同时,人与自然耦合系统系统有多时间尺度和空间尺度特征[45]。评价时要结合当地环境知识[46]

旱地发展模式(DDP)作为强大的、系统集成的科学框架,系统描述了旱地系统的非线性、动态性和复杂性等综合属性,揭示人地系统之间相互作用模式与系统内部各自的功能特征,可以引导全球监测和评估方案的开发(直接和间接模型,如自然环境模型、社会经济模型、Agent-based智能体模型、Land use change 土地利用模型)[47,48,49,50]。多样的旱地系统模型可以结合关键的社会经济和生物物理指标信息来监测旱地系统,为识别干旱区关键生态变量、进行干旱区生态过程监测提供了理论基础。

2.1.4 综合征

德国全球变化咨询委员会提出“综合征”,通过典型的,动态的,协同进化的人类与自然相互作用模式来综合描述和评价变化过程[7,51],能够结合变量与变量,间的相互作用,为不同的尺度过程提供组织框架,不仅是集成描述当地环境知识的有效手段,也是构建多尺度土地退化因果关系 “症状集”的概念框架[19]

传统的土地退化指标因其较少结合生物物理和社会经济变量,限制了在当地和具体情境中的应用。而以综合征概念指导的土地退化综合评价使用一系列“症状集”将各相互作用的退化环境知识在不同阶段的参数、作用程度集成,描述旱地系统人地关系的动态演变[52]。从土地退化的因果关系出发,同一尺度不同地区的退化症状往往以一般化、可重复的形式展现[53]。除干旱区土地退化(荒漠化)综合征以外,在全球尺度上相关学者概括出16种“综合征”,涉及全球气候变化、资源开发、城市扩张等诸多方面[54]

2.2 干旱区土地退化遥感监测评价理论框架

以上人地系统理论框架具有3个共同特征:①人地耦合系统相关的驱动力和结果以生态系统服务为联接;②在不同尺度上系统具有一定程度的复杂性;③在同一尺度上复杂系统的特征可以一般化,有助于政策决策和管理。科学的概念框架指导土地退化的地表状态和过程信息的获取,进一步推演退化发生的过程和机制,为政策决策者提供有效地管理/决策知识。实际上,土地退化只有发生景观(生物物理)上的衰退,才能真正界定其退化[55],因此监测评价需侧重地表特征。因此,将上述人地关系理论纳入到适用于宽波段遥感监测评价的理论框架(图1),目的在于:①理解旱地系统土地利用/覆被系统结构及各子系统间的相互反馈关系;②明晰土地退化过程中关键生物物理因子参量表征;③通过土地利用/覆被系统分析和景观生态学方法,建立干旱区土地退化遥感监测理论框架。理论框架中既适用于人地系统一般化的概念模式——社会经济系统内部组织形式及其与外部系统的反馈作用,同时体现旱地系统脆弱性和特殊性——一定环境基质下在斑块尺度上干旱区植被及其生境(土壤)之间的互动反馈过程、时空变异和演化规律[56]

图1

图1   干旱区土地退化遥感监测评价理论框架

Fig.1   Theoretical framework of remote sensing monitoring of land degradation in arid areas


土地退化受到来自自然环境和人为因素的双重驱动,是人类与自然环境进行物质能量交互的表现。其中,人为因素是土地利用/覆被系统变化的主要驱动力,自然因素(包括①气候、地形等物理因子;②景观等生态系统)作为环境基质,具体表现为社会(经济)系统、物理系统和生物系统的耦合作用。人类的土地利用行为不但受内部因子(资源禀赋、需求/意愿)和外部因子(市场、科学技术、经济发展、政策/管理)的双重影响,也是对自然条件(如气候、地形、地貌、土壤等)和生态服务价值变化的响应[57]。其中,资源禀赋(农业劳动力、家庭收入等)决定了其土地利用决策所拥有的选择范围,需求、意愿代表了形成土地利用目标的价值观和偏好(家庭消费,经济效益最优、混合型)。市场、政策、经济发展和技术进步等外部因子均通过影响农户的资源禀赋和意愿/需求间接作用于土地利用行为产生[58]。人类对具有一定内在特征和质量的自然环境基质选择合适的土地利用行为方式,其结果是改变了地表的覆被状况。同时,在斑块尺度上,植被和土壤等生境的互动变化,引起系统属性的量变过程乃至土地利用/覆被类型的改变,具体表现为地表覆被的类型、数量和空间结构的改变,以及不同覆被斑块的空间镶嵌表现出的退化/修复时空异质性,从而产生不同的结构效应,决定着相应的旱地生态系统服务功能和价值[59],并指示自然基底的生物物理质量。在此过程中土地利用/覆被系统变化引起的内在功能—质量变化势必会带来生态系统供给、支持、调节和文化等服务价值的改变。社会经济政策可以显著影响人类系统及其决策过程,社会经济活动结果、土地利用/覆被系统以及生态服务价值的改变均可以评价政策的有效性。而土地利用-生态服务政策/管理依赖于对土地退化的有效监测和生态服务价值的准确评估,以调控人与自然系统的耦合机制,促进整个系统持续良好运转。

综上所述,土地退化是人与自然共同作用下土地利用/覆被类型、数量、结构以及功能的改变而引起的生态服务价值降低。其中,人与自然因素是主要驱动力,需要生物物理因素结合社会经济(土地利用)协同监测和评价;土地利用/覆被类型、数量、结构以及功能的改变是外在表现,可以通过土地利用/覆被制图加以描述;生态服务价值的降低是最后结果,与人类福祉息息相关;植被—生境互动过程是土地退化的核心,需要获取植被—生境的互动参数。

3 基于宽波段遥感的干旱区土地退化遥感监测技术体系

图2

图2   基于宽波段遥感的干旱区土地退化遥感监测评价技术体系

Fig.2   Technical method system for remote sensing monitoring and evaluation in arid areas based on wide-band remote sensing


3.1 当地环境知识挖掘

当地环境科学知识挖掘是认识区域土地退化过程、驱动因素及其互动(农户、政府和自然等)的重要手段,并指导退化“症状”的监测,为区域土地可持续利用和管理提供参考。知识图谱结合多学科理论方法,以可视化图谱展现文献结构和研究热点,可以更直观、准确地把握文献的核心和研究热点[60,61]。结合实地采样调研和专业学科知识整合等方式,挖掘、分析、构建多学科交叉的当地科学环境知识,理清不同阶段不同尺度上社会经济和生物物理过程耦合关系。并运用综合征框架进行知识组织管理,可以剖析在人类和自然综合作用下,土地退化过程中土地利用/覆被、水资源、植被以及区域环境之间相互联系和相互影响,为区域后期系统建模和情景分析、政策响应和措施制定提供参考[52]

3.2 旱地生态系统景观要素提取

从系统论的观点出发,旱地生态系统是一个多层次结构和功能的复合体,存在“要素—结构—功能”因果链。因此,利用遥感技术提取表征植被及其生境的景观基本组成要素,对干旱区土地退化发生机理、过程差异信息的定量提取较为重要。

目前,通过不同波段亮度值的算术运算,提取表征旱地土壤、水文,植被和生物等生态景观要素应用广泛[62,63]。例如,以植被指数NDVI、增强型植被指数EVI、土壤调整植被指数MSAVI(Modified Soil Vegetation Index)等反映干旱区地表植被状况,以地表温度LST(Land Surface Temperature)、土壤湿度、归一化水体指数(NDWI)、地表反射率等作为生境的提取参数。或通过神经网络等机器学习算法,直接提取干旱区沙、盐等要素信息[64]。但往往忽略了评价的过程信息,尤其干旱区地物类型复杂、时空异质性强,混合像元普遍存在,光谱混合分解成为旱地生态系统景观要素提取的有力工具。在宽波段遥感光谱空间,一般存在3或4个概念性端元,如:土壤—植被—暗色物质空间。宽波段遥感标准光谱端元空间是将宽波段遥感(例如Landsat OLI)光谱空间转换为具有实际物理意义的端元空间,所选择的典型端元代表区域绝大部分物质组成,因此相应产生的标准端元光谱具有简易性、包容性、适用性和一致性,可以扩展至其他具有相似的光谱响应宽波段遥感传感器[65]。不同尺度下特定端元空间存在相对稳定的线性转换,Small等证明了在Landsat TM/ETM+(30m)和Worldview2(2 m)影像之间,除城市地区的土壤端元除外,植被和暗色物质端元空间存在强线性转换关系,其所构建的Landsat全球SVD(土壤—植被—暗色物质)标准端元空间可以为具有相似光谱响应特征的其他宽波段遥感提供统一的对比基准[33]

针对我国西北部干旱地区(以民勤为例),孙丹峰等基于TM影像提出沙、盐、植被、暗色物质四类端元表征干旱区的基本物理物质组成成分,其分解得到的4类端元在代表性季相的平均光谱可以作为西北干旱区标准端元光谱曲线[29]。其中,植被端元表征相应尺度上植被占比大小;暗色物质主要包括阴影及深色的岩石、土壤,其与沙、盐端元共同构成指示生境状况的关键生物物理变量,为分析植被-生境时间序列互动变化过程提供可能。姜宛贝等在此基础上,将OLI影像端元空间进一步扩展为沙、盐、植被、暗色物质、水五端元空间混合分解模型用于干旱区土地利用覆被/分类制图与监测[31]。考虑到干旱区地表时空变异性强[66],孙强强等基于GF-1/WFV影像将像元的光谱信息和空间信息相结合,采用多端元光谱混合分解方法逐像元调整端元的类型和数量动态地进行混合像元分解[67,68],比固定端元线性光谱混合模型更合理且分解精度更高,为揭示旱地系统荒漠植被对土地利用和生境的响应特征、演化路径和方向、重点生态过程调控提供了有效手段[68]

3.3 地表(生物物理)参数遥感反演与定标

开展旱地地表生物物理参数定量反演与地面数据定标既是对于旱地系统景观基本组成要素(植被、沙、盐、暗色物质、水等)信息提取的定量校验,可以定量、准确反映干旱区土地退化状态,也是作为描述土地退化量变过程的重要基础。

旱地系统土地退化监测评价的关键在于利用遥感技术表达植被与生境的互动过程信息,因此相应的关键地表生物物理定量反演参数主要分为两类:一是关于植被参数的遥感反演,如相关植被指数(NDVI, MSAVI)、植被覆盖度、光谱混合分解得到的植被丰度(GV、叶面积指数、叶绿素含量等)[69,70]。二是土壤及其生境相关参数的遥感反演[71],如:土壤盐化和碱化、土壤有机质、土壤无机碳、地表温度(LST, Land Surface Temperature)、土壤水分、地表蒸散发、温度植被干旱指数TVDI (Temperature Vegetation Dryness Index)、地形湿度指数(TWI, Terrain Wetness Index)和光谱混合分解提取的沙端元丰度(SL)、盐端元丰度(SA)、水端元丰度(WA)等。目前主要的技术实现方法包括:光谱指数法、光谱混合分解模型、多元逐步回归模型、主成分回归模型、偏最小二乘回归模型和岭回归模型、神经网络以及随机森林等机器学习算法等。

3.4 旱地生态系统结构分析与制图

生态系统结构包括旱地生态系统景观要素结构旱地生态系统(宏观)土地利用/覆被类型结构、旱地生态系统(宏观)土地利用/覆被类型结构、土地退化状态结构以及旱地生态系统景观空间结构,光谱端元混合空间作为表达景观要素结构变化的有效工具。①旱地系统景观基本组成要素(如沙、盐、植被、水等)在一定时空异构条件下存在此消彼长的互动关系,其不同的组成比例和空间依存关系形成不同的植被—生境综合体斑块。②旱地生态系统(宏观)土地利用/覆被类型结构。采用典型季相的端元组分进行三原色色度空间分析植被—生境组分季相特征,或者时频序列分析方法获取更详细的端元季相特征分类知识,可以简单地、直接明了地建立地表过程物理模型,建立分类知识库,进行土地利用/覆被结构分析与制图[29]。③土地退化类型和退化程度状态结构。在土地利用/覆被结构的基础上,考虑到不同土地利用条件下的荒漠化评价也应具有差异,以植被—生境组分丰度的季相变异量化不同土地利用/覆被类型的质量差异,建立土地覆被类型—退化类型—退化程度三级状态结构体系。④旱地生态系统景观空间结构。景观空间格局是指大小和形状不一的景观斑块在空间上的排列,它是景观异质性的重要表现,又是各种生态过程在不同尺度上作用的结果。基于土地利用/覆被结构与退化状态制图,从景观异质性原理、尺度效应和自然等级理论出发,可以实现土地覆被斑块类型水平和景观水平的空间格局分析[72]

旱地生态系统结构分析与制图通过以“一张图”集合土地利用/覆被现状、过程(如荒漠化)类型、质量(如退化程度)、空间结构(景观格局)等,为进一步开展土地数量、质量和生态三位一体化的遥感监测评价奠定基础。

3.5 旱地生态系统退化过程动态监测

旱地生态系统退化过程动态监测主要内容包括生态系统退化/修复数量变化、生态系统结构时空演变和整体退化/修复趋势等,各方面不是相互独立的,而是相互联系,彼此协同来从不同角度和层次揭示其退化/修复动态演化过程。

生态系统退化/恢复数量变化指利用遥感技术定量监测旱地生态系统退化/修复过程,关键在于利用遥感技术提取和衡量监测期内表征土地退化的关键变量和指标。传统意义上干旱区土地退化信息的提取主要依赖于对植被、土壤、水分状况和地表质地的单因素的部分评价,或一种不解释的方式(指标加权求和、模糊数学等)进行指标综合划分土地退化状态的类型和程度[73,74,75,76]。在此基础上,通过构建监测评价数量指标,如沙漠化土地总面积和百分比、不同沙漠化程度的面积、百分比和分布范围、土地退化动态度、速度、变化强度及重心漂移模型等使得土地退化总体变化趋势和空间变化特征得以量化[10,11,12,13]。但存在指标体系庞大、主观性强、指标之间相关性高,评价结果无法统一比较等问题。相比于传统监测方法,通过光谱混合空间表征旱地系统基本组成要素的关键生物物理参数—植被及其生境相关参数的信息提取,可以实现对旱地生态系统景观要素结构、旱地生态系统(宏观)土地利用/覆被类型结构和旱地生态系统土地退化状态结构状态及其变化的量化表达[77]

生态系统结构时空演变,包括4个层次:①旱地生态系统景观要素结构变化。同一类型的土地覆盖其内部景观要素结构也可能存在差别,因此,景观要素结构在一定范围内的变动不一定引起其土地利用/覆被的改变(质变),但可以进一步通过量化地类内部景观特征要素的量变过程,为旱地生态系统退化/修复过程提供更为微观和具体的解释[77]。②旱地生态系统(宏观)土地利用/覆被类型结构变化。不同土地覆被类型生态功能不同,例如:沙地和盐碱地引起生态系统稳定性和承载力下降,属于生态功能消极的地类,而植被和水域具有生态涵养功能,属于生态功能积极的地类。因此,通过监测期不同土地利用/覆被类型面积增减比例、地类之间相互转移概率等宏观类型结构变化可以表达一定时期内土地退化/修复过程[30]。③旱地生态系统土地退化状态结构变化。除土地利用/覆被类型结构变化,直接对比不同时相土地退化类型和程度状态的面积增减互动过程,更为直接揭示土地退化/修复动态变化过程,但这依赖于土地退化类型和退化程度的准确划分。④旱地生态系统景观空间结构变化。不同覆被斑块的空间镶嵌表现出的退化/修复时空异质性,旱地系统空间结构(景观格局)变化也能指示监测期内土地退化的演化过程,如景观破碎化程度和稳定性[78]

生态系统整体退化/修复趋势是在生态系统退化/修复数量的基础上,开展的长时间序列退化/修复的监测,运用时间序列分析法,例如,Theil-Sen斜率估计与Mann-Kendall趋势检验[79]、小波分析、自回归滑动平均等分析退化/修复过程的长期趋势和短期波动等,以揭示干旱区对于气候、地形等更大尺度物理因子的响应过程。

3.6 旱地生态系统服务功能量化与评价

传统的生态系统服务价值评估以价值参数法和指标市场价值法应用广泛,如:生态服务价值当量因子、碳税法、影子工程法、工业制氧法等的资产核算和评估[80],其评价结果单一,忽略了生态系统服务间的空间关系,忽视了生态系统服务价值产生所依赖的生态系统组成、结构和过程相互作用。而遥感模型为大尺度生态系统服务制图提供了可靠的数据源。基于遥感和GIS技术,目前以生态系统服务价值评估、制图、模拟和动态监测为主要研究方向,并由瞬时静态评估向空间表达、动态分析的研究转变,方法论也由传统的质性量化方法向模型分析法、时空分析法等转变[81],为准确、直观认识生态服务价值、将生态服务价值的权衡与协同纳入管理决策提供基础。

旱地生态系统覆被结构(土地覆被要素和宏观类型的比例关系及组成、空间布局特征)受人类土地利用活动的驱动,产生不同的结构效应,决定着相应的旱地生态系统服务功能和价值。因此,在利用遥感技术进行地表关键生物物理参数反演和旱地景观要素提取、旱地生态系统结构制图的基础上,结合气候、土壤、地形、社会经济等辅助数据,通过生态系统服务综合评估模型,例如INVEST模型、ARIES模型和SolVES模型等[82],实现对旱地系统多种生态系统服务功能(如生境质量、碳储存、土壤保持、产水量等)的量化和评价,重点阐述生态服务价值“容量—服务量—消费量—需求量的时空差异及互动关系。并且通过设定不同社会经济发展和生态管理策略的土地利用/覆被情形,模拟其生物服务系统物质量和价值量的变化,为挖掘全球和区域“土地利用—生态服务价值”权衡机制和政策效应提供科学依据。

3.7 旱地生态系统与社会经济综合模型

在科学理论框架指导下,集成旱地系统地表遥感参数与社会经济模型,获取土地退化的关键知识,有助于理解旱地系统人与自然耦合互馈过程和因果关系,为政策制定和管理决策提供支持。

目前已发展了诸多集成旱地生态过程与社会经济参数的综合评价和监测模型,用于将监测信息转化为决策信息,实现对政策效应的评价。土地利用/覆被变化模型将土地利用/覆被变化视为多尺度驱动力及其替代因子的函数表达,通过建立土地覆被的空间模式与潜在驱动的数学关系推断其内在作用机制。这些典型的土地退化驱动因子包括压力、时机、政策、脆弱性、社会组织、环境驱动等,所运用的关系模型包括基于数学方程(逻辑回归、多元线性回归等)建模、系统动力学模型、专家系统、元胞自动机模型等[19]。多智能体模型作为复杂系统分析与模拟的手段,更加注重对人类行为主体的模拟[57],“自下而上”地探究具有能动性的微观主体对宏观土地利用/覆被格局及功能的作用影响,因此具有描述微观主体的行为规则及其所处环境的相互影响,模拟人类土地利用行为驱动下的旱地系统土地利用/覆被宏观格局形成及演变机制的优势和潜力。综合症模型通过典型的、动态的、协同进化的人类与自然相互作用模式,来综合描述和评价变化过程的手段,为集成土地退化的原因和结果提供了有效的组织框架[7,51]。情景分析与模拟模型通过设定不同社会经济发展和生态管理策略的土地利用/覆被情形,对不同情形下未来生态系统发展的方向进行预测,从而判断何种情形下生态系统服务价值最大,采取相应的管理措施。因此,通过上述综合监测和评价模型可实现土地资源数量结构与质量协同评价、社会经济发展和自然(生物物理)变化统一监测,阐释“生态功能—生态服务—生态需求(价值)—分配管理”之间的互动关系,服务全球与区域尺度上的生态服务价值综合评价与权衡决策[83]

4 讨 论

本文梳理了干旱区土地退化监测评价理论和技术方法,一方面,为了了解并掌握干旱区自然系统组成要素和社会经济系统构成要素的状态及演化路径,并着力于挖掘干旱区生态系统的综合特征及其驱动机理机制,需要建立一套基于要素—状态—过程的科学的干旱区状态评估与监测理论方法体系,从而实现新时期干旱区自然资源的可持续管理和利用。在监测手段方面,为了兼顾社会经济和自然生态,需要结合遥感数据、地面长期定位观测进行自然系统的长时间序列观测,并且需要进行社会经济调查来进行干旱区科学的监测评估。另一方面,社会经济系统的调整和管控是实现干旱区可持续管理的重要方面,所以在进行干旱区自然-社会系统综合征框架构建基础上,需要针对影响干旱区自然-社会系统的关键社会要素进行管理,但是在管理过程中,当地环境知识对社会系统的行为和模式具有至关重要的影响,这意味着“自上而下”的生态环境治理政策和措施可能难以达到预期的效果[84]。所以需要结合当地环境知识进行干旱区可持续管理。

同时,全球气候变暖的态势可能导致干旱半干旱区面积呈现不断增加的趋势[85],而干旱区自然系统的演化对于全球气候变化和人类活动极为敏感[43]提高我们对于干旱半干旱区自然资源要素演变及其对于气候变化和人类活动响应的认识,是推进该区域自然资源要素演变的预测模拟是目前研究的重要工作之一,也为自然资源承载力评估和国土空间的合理开发利用奠定基础。

5 结 语

目前干旱区土地退化遥感监测评价所采用的概念、模型、方法众多,但尚未建立起人与自然耦合作用下土地退化的基本理论框架和统一的遥感监测评价技术方法体系,无法指导开展不同区域和尺度间的对比分析。兼具复杂性、非线性、动态性、多尺度、综合性的理论框架,包括动力—压力—状态—影响—响应(DPSIR)框架、人与自然耦合系统、旱地发展模式(DDP)和综合征理论的提出为指导干旱区土地退化与资源管理提供了借鉴。因此,本文通过系统梳理上述理论基础,研究并构建基于生物—物理—生态服务—社会经济自适应系统的干旱区土地退化遥感监测理论框架。该框架以人与自然耦合因素为驱动,以土地利用/覆被类型、数量、结构及内部要素变化为表征,以植被—生境互动过程为核心,以生态服务为连接,统筹生物系统、物理系统、社会经济系统耦合与反馈,对土地退化的本质及其关键系统表征进行系统梳理。其次,在理论框架的基础上,从当地环境知识挖掘、旱地生态系统景观要素提取、地表(生物物理)参数遥感反演与定标、旱地生态系统结构分析与制图、旱地生态系统功能量化与评价和旱地生态系统与社会经济综合模型7个层次初步形成基于宽波段遥感标准光谱端元空间的干旱区土地退化遥感监测评价技术体系。该体系具有理论和技术上的可行性,为实现西北部干旱区土地退化状态的时空分析和评价、土地退化/修复趋势的动态监测、资源环境可持续发展的政策决策提供支持。

参考文献

(Millennium Ecosystem Assessment) MEA.

Ecosystems and Human Well-Being: Desertification Synthesis

[R]. Millennium Ecosystem Assessment, 2005.

[本文引用: 1]

Kolios S, Mitrakos S, Stylios C.

Detection of Areas Susceptible to Land Degradation in Cyprus Using Remote Sensed Data and Environmental Quality Indices

[J]. Land Degradation & Development, 2018, 29(8): 2338-2350.

[本文引用: 1]

UNCCD.

Zero Net Land Degradation

[R]. A Sustainable Development Goal for Rio+ 20.2012.

[本文引用: 1]

Yang Xiaohui, Zhang Kebin,

Ci Longjun. Desertification Assessment in China: The State-of-Art, Problems and Solution Measures

[J]. Science of Soil and Water Conservation, 2004, 2(1): 22-28.

[本文引用: 1]

杨晓晖, 张克斌, 慈龙骏.

中国荒漠化评价的现状、问题及其解决途径

[J]. 中国水土保持科学, 2004, 2(1): 22-28.

[本文引用: 1]

Huang J, Li Y, Fu C, et al.

Dryland Climate Change: Recent Progress and Challenges

[J]. Reviews of Geophysics, 2017, 55(3): 719-778.

[本文引用: 1]

Wang F, Pan X, Wang D, et al.

Combating Desertification in China: Past, Present and Future

[J]. Land Use Policy, 2013, 31: 311-313.

[本文引用: 1]

Hill J, Stellmes M, Udelhoven T, et al.

Mediterranean Desertification and Land Degradation: Mapping Related Land Use Change Syndromes based on Satellite Observations

[J]. Global & Planetary Change, 2008, 64 (3): 146-157.

[本文引用: 3]

Gnacadja L.

New Challenges in Science and Policies to Combat Desertification

[J]. Journal of Arid Environments, 2015, 112: 1-4.

[本文引用: 1]

Cowie A L, Orr B J, Sanchez V M C, et al.

Land in Balance: The Scientific Conceptual Framework for Land Degradation Neutrality

[J]. Environmental Science & Policy, 2018, 79: 25-35.

[本文引用: 1]

Kang Wenping, Liu Shulin, Duan Hanchen, et al

. Monitoring and Spatial-temporal Changes Analysis of Aeolian Desertified Lands based on MODIS Data: A Case Study on the Middle-west Part of Inner Mongolia, China

[J]. Journal of Desert Research, 2016, 36(2): 307-318.

[本文引用: 2]

康文平, 刘树林, 段翰晨,.

基于MODIS时间序列数据的沙漠化遥感监测及沙漠化土地图谱分析——以内蒙古中西部地区为例

[J]. 中国沙漠, 2016, 36(2): 307-318.

[本文引用: 2]

Dong Yuxiang, Li Yihua.

Impact of Transfer-water Works on Ecological Environment in Chaiwopu Area and PossibleCountermeasures

[J]. Arid Environmental Monitoring, 1992(3): 179-182.

[本文引用: 2]

董玉祥, 刘毅华.

土地沙漠化监测指标体系的探讨

[J]. 干旱环境监测, 1992(3) : 179-182.

[本文引用: 2]

Wu Jian, Peng Daoli.

Advances in Researches on Land Desertification Remote Sensing Information Extracting Technology

[J]. World Forestry Research, 2009, 22(4): 47-52.

[本文引用: 2]

吴见, 彭道黎.

土地沙化遥感信息提取技术研究进展

[J]. 世界林业研究, 2009, 22(4): 47-52.

[本文引用: 2]

Qiao Pinglin, Zhang Jixian, Lin Zongjian.

An Artificial Neural Network Method for the Information of Desertification Extraction

[J]. Acta Geodaetica et Cartographica Sinica, 2004, 33(1): 58-62.

[本文引用: 2]

乔平林, 张继贤, 林宗坚.

基于神经网络的土地荒漠化信息提取方法研究

[J]. 测绘学报, 2004, 33(1): 58-62.

[本文引用: 2]

Dawelbait M, Morari F.

Monitoring Desertification in a Savannah Region in Sudan Using Landsat Images and Spectral Mixture Analysis

[J]. Journal of Arid Environments, 2012, 80 (5): 45-55.

[本文引用: 1]

Xu D Y, Kang X W, Zhuang D F, et al.

Multi-Scale Quantitative Assessment of the Relative Roles of Climate Change and Human Activities in Desertification-A Case Study of the Ordos Plateau, China

[J]. Journal of Arid Environments, 2010, 74 (4): 498-507.

[本文引用: 1]

Tian Lihui, Zhang Dengshan, Hu Mengjun, et.

al. Driving Forces of Land Aeolian Desertification in Gangcha County of Qinghai Province, China, during 1976~2007

[J]. Journal of Desert Research, 2012,32(4): 493-500.

[本文引用: 1]

田丽慧, 张登山, 胡梦珺, .

1976~2007年青海省刚察县土地沙漠化驱动力分析

[J].中国沙漠, 2012,32(4): 493-500.

[本文引用: 1]

Liang Wenqiong, Tian Shufang, Zhou Jiajing.

Comprehensive Assessment of Desertification Status based on Remote Sensing and Principle Component Analysis

[J]. Arid Zone Research, 2015, 32(2): 342-346.

[本文引用: 1]

梁文琼, 田淑芳, 周家晶.

基于RS和PCA的荒漠化现状综合评价

[J]. 干旱区研究, 2015, 32(2): 342-346.

[本文引用: 1]

Kang Wenping, Liu Shulin.

A Review of Remote Sensing Monitoring and Quantitative Assessment of Aeolian Desertification

[J]. Journal of Desert Research, 2014, 34(5): 1222-1229.

[本文引用: 1]

康文平, 刘树林.

沙漠化遥感监测与定量评价研究综述

[J]. 中国沙漠, 2014, 34(5): 1222-1229.

[本文引用: 1]

Reynolds J F, Grainger A, Smith D M S, et al.

Scientific Concepts for an Integrated Analysis of Desertification

[J]. Land Degradation & Development, 2011, 22 (2): 166-183.

[本文引用: 4]

Koĭnarski V, Sherkov S N.

Application of Indicator System for Monitoring and Assessment of Desertification from National to Global Scales

[J]. Land Degradation & Development, 2011, 22 (2): 184-197.

[本文引用: 2]

Stafford Smith D M, Reynolds J F.

Desertification: A New Paradigm for an Old Problem

[J]. Berlin: Dahlem University Press,2002:403-424.

[本文引用: 1]

Geist H J, Lambin E F.

Dynamic Causal Patterns of Desertification

[J]. Bioscience, 2004, 54 (9): 817-829.

[本文引用: 1]

Sun D.

Detection of Dryland Degradation Using Landsat Spectral Unmixing Remote Sensing with Syndrome Concept in Minqin County, China

[J]. International Journal of Applied Earth Observations & Geoinformation, 2015, 41: 34-45.

[本文引用: 1]

Wu J.

Landscape Sustainability Science: Ecosystem Services and Human Well-Being in Changing Landscapes

[J]. Landscape Ecology, 2013, 28 (6): 999-1023.

[本文引用: 1]

Nd T B, Kasperson R E, Matson P A, et al.

A Framework for Vulnerability Analysis in Sustainability Science

[J]. Proceedings of the National Academy of Sciences of the United States of America, 2003, 100 (14): 8074-8079.

[本文引用: 1]

Nd T B, Lambin E F, Reenberg A.

The Emergence of Land Change Science for Global Environmental Change and Sustainability

[J]. Proceedings of the National Academy of Sciences of the United States of America, 2007, 104 (52): 20666-20671.

[本文引用: 1]

Ii B L T, Fischerkowalski M, Boserup E.

An Interdisciplinary Visionary Relevant for Sustainability

[J]. Proceedings of the National Academy of Sciences of the United States of America, 2010, 107 (51): 21963-21965.

[本文引用: 1]

Verstraete M M, Hutchinson C F, Grainger A, et al.

Towards a Global Drylands Observing System: Observational Requirements and Institutional Solutions

[J]. Land Degradation & Development, 2011, 22 (2): 198-213.

[本文引用: 1]

Sun D, Liu N.

Coupling Spectral Unmixing and Multiseasonal Remote Sensing for Temperate Dryland Land-Use/Land-Cover Mapping in Minqin County, China

[J]. Taylor & Francis, Inc., 2015, 36(14): 3636-3658.

[本文引用: 3]

Jiang Wanbei, Sun Danfeng, Sun Qiangqiang.

Ecological Restoration Assessment in Minqin based on Spectral Mixture Analysis

[J]. Ecological Journal of Desert Research, 2018, 38(1): 210-218.

[本文引用: 2]

姜宛贝, 孙丹峰, 孙强强.

基于光谱混合分解的民勤生态治理效果评价

[J]. 中国沙漠, 2018,38(1):210-218.

[本文引用: 2]

Jiang Wanbei, Sun Qiangqiang, Qu Wei, et al.

Land Use Classification in Arid Region based on Multi-seasonal Linear Spectral Mixture Analysis and Decision Tree Method

[J]. Transactions of the Chinese Society of Agricultural Engineering. 2016, 32(19): 1-8.

[本文引用: 2]

姜宛贝, 孙强强, 曲葳, .

基于多季相光谱混合分解和决策树的干旱区土地利用分类

[J]. 农业工程学报, 2016, 32(19):1-8.

[本文引用: 2]

Sun D, Jiang W.

Agricultural Soil Alkalinity and Salinity Modeling in the Cropping Season in a Spectral Endmember Space of Tm in Temperate Drylands, Minqin, China

[J]. Remote Sensing, 2016, 8 (9): 714. doi:10.3390/rs8090714.

[本文引用: 1]

Small C, Milesi C.

Multi-Scale Standardized Spectral Mixture Models

[J]. Remote Sensing of Environment, 2013, 136 (5): 442-454.

[本文引用: 3]

Sousa D, Small C.

Global Cross-calibration of Landsat Spectral Mixture Models

[J]. Remote Sensing of Environment, 2017, 192: 139-149.

[本文引用: 1]

Verstraete M M, Scholes R J, Smith M S.

Climate and Desertification: Looking at an Old Problem through New Lenses

[J]. Frontiers in Ecology & the Environment, 2009, 7 (8): 421-428.

[本文引用: 1]

Grainger A, Smith M S, Squires V R, et al.

Desertification, and Climate Change: The Case for Greater Convergence

[J]. Mitigation & Adaptation Strategies for Global Change, 2000, 5 (4): 361-377.

[本文引用: 1]

Nachtergaele F, Petri M.

Mapping Land Use Systems at Global and Regional Scales for Land Degradation Assessment Analysis

[R]. Rome: FAO,2013.

[本文引用: 1]

Ponce-Hernandez R, Koohafkan P.

A Methodology for Land Degradation Assessment at Multiple Scales based on the Dpsir Approach: Experiences from Applications to Drylands

[J]. Springer Netherlands, 2010:49-56.doi:10.1007/978-90-481-8657-0-5.

[本文引用: 1]

Tscherning K, Helming K, Krippner B, et al.

Does Research Applying the Dpsir Framework Support Decision Making?

[J]. Land Use Policy, 2012, 29 (1): 102-110.

[本文引用: 1]

Malekmohammadi B, Jahanishakib F.

Vulnerability Assessment of Wetland Landscape Ecosystem Services Using Driver-pressure-State-Impact-Response (DPSIR) Model

[J]. Ecological Indicators, 2017, 82: 293-303.

[本文引用: 1]

Liu J, Dietz T, Carpenter S R, et al.

Coupled Human and Natural Systems

[J]. Ambio, 2007, 36 (8): 639-649.

[本文引用: 1]

Carter N H, Viña A, Hull V, et al.

Coupled Human and Natural Systems Approach to Wildlife Research and Conservation

[J]. Ecology & Society, 2014, 19 (3): 43. doi:10.575/ES_06881-190343.

[本文引用: 1]

Reynolds J F, Smith D M S, Lambin E F, et al.

Global Desertification: Building a Science for Dryland Development

[J]. Science, 2007, 316 (5826): 847-851.

[本文引用: 2]

Carpenter S R, Turner M G.

Hares and Tortoises: Interactions of Fast and Slow Variablesin Ecosystems

[J]. Ecosystems, 2000, 3 (6): 495-497.

[本文引用: 1]

Carpenter S R, Brock W A, Hanson P.

Ecological and Social Dynamics in Simple Models of Ecosystem Management

[J/OL]. Conservation Ecology, 1999, 3(2).

URL:

.

URL     [本文引用: 1]

Stafford Smith D M, Mckeon G M, Watson I W, et al.

Learning From Episodes of Degradation and Recovery in Variable Australian Rangelands

[J]. Proceedings of the National Academy of Sciences of the United States of America, 2007, 104 (52): 20690-20695.

[本文引用: 1]

Lambin E F.

Monitoring Forest Degradation in Tropical Regions by Remote Sensing: Some Methodological Issues

[J]. Global Ecology & Biogeography, 2010, 8 (3-4): 191-198.

[本文引用: 1]

Lambin E F, Geist H J, Lepers E.

Dynamics of Land-use and Land-cover Change in Tropical Regions

[J]. Annu Rev Environ Res, 2003, 28 (28): 205-241.

[本文引用: 1]

Walker B, Carpenter S R, Anderies J M, et al.

Resilience Management in Social-ecological Systems: A Working Hypothesis for a Participatory Approach

[J]. Ecology & Society, 2002, 6 (1): 840-842.

[本文引用: 1]

Parker D C, Manson S M, Janssen M A, et al.

Multi-agent Systems for the Simulation of Land-use and Land-cover Change: A Review

[J]. Annals of the Association of American Geographers, 2015, 93 (2): 314-337.

[本文引用: 1]

Petschel-Held G, Block A, Cassel-gintz M, et al.

Syndromes of Global Change: A Qualitative Modelling Approach to Assist Global Environmental Management

[J]. Environmental Modeling & Assessment, 1999, 4 (4): 295-314.

[本文引用: 2]

Sun Qiangqiang, Jiang Wanbei, Sun Danfeng.

Knowledge Domain Mapping and Syndrome based Scientific Environment Knowledge Mining: A Case Study of Desertification in Minqin

[J]. Arid Land Geography, 2018,(2): 426-434.

[本文引用: 2]

孙强强, 姜宛贝, 孙丹峰, .

基于知识图谱和综合征的科学环境知识挖掘——以民勤荒漠化为例

[J]. 干旱区地理, 2018,(2): 426-434.

[本文引用: 2]

Schellnhuber H J, Block A, Cassel-Gintz M, et al.

Syndromes of Global Change

[J]. GAIA - Ecological Perspectives for Science and Society, 1997, 6 (1): 19-34.

[本文引用: 1]

Joachim Schellnhuber H. Climate Change as a Security Risk[M]. London:Earthscan, 2007.

[本文引用: 1]

Prince S D.

Spatial and Temporal Scales for Detection of Desertification

[J]. Global Desertification: Do Humans Cause Deserts, 2002: 23-40.

[本文引用: 1]

Aguiar M R, Sala O E.

Patch Structure, Dynamics and Implications for the Functioning of arid Ecosystems

[J]. Trends in Ecology & Evolution,1999,14 (7):273-277.

[本文引用: 1]

Chang Xiao, Liu Liming, Liu Zhaoxu, et al.

Method of Multi-agent System for Simulating Land-use Decision-making Behavior of Farmer Households

[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(14): 227-237.

[本文引用: 2]

常 笑, 刘黎明, 刘朝旭, .

农户土地利用决策行为的多智能体模拟方法

[J]. 农业工程学报, 2013, 29(14): 227-237.

[本文引用: 2]

Tan Shuhao, Qu Futian, Huang Xianjing.

Difference of Farm Household’ Land Use Decision Making and Land Conservation Policies Under Market Economy

[J]. Journal of Nanjing Agricultural University, 2001, 24(2): 110-114.

[本文引用: 1]

谭淑豪, 曲福田, 黄贤金.

市场经济环境下不同类型农户土地利用行为差异及土地保护政策分析

[J]. 南京农业大学学报, 2001, 24(2): 110-114.

[本文引用: 1]

Liu Yansui.

Optimal Regulation Mechanism and Models of Regional Land Use System

[J]. Resources Science. 1999, 21(4): 60-65.

[本文引用: 1]

刘彦随.

区域土地利用系统优化调控的机理与模式

[J]. 资源科学, 1999, 21(4): 60-65.

[本文引用: 1]

Moya-Anegón F, Vargas-Quesada B, Herrero-Solana V, et al.

A New Technique for Building Maps of Large Scientific Domains based on the Cocitation of Classes and Categories

[J]. Scientometrics, 2004, 61 (1): 129-145.

[本文引用: 1]

Chen C.

Searching for Intellectual Turning Points: Progressive Knowledge Domain Visualization

[J]. Proceedings of the National Academy of Sciences of the United States of America[J]. 2004, 101 (Sup.1): 5303-5310.

[本文引用: 1]

Zhao Yingshi. Principle and Method of Remote Sensing Applied Analysis[M]. Beijing: Science Press, 2003.

[本文引用: 1]

赵英时. 遥感应用分析原理与方法[M]. 北京科学出版社, 2003.

[本文引用: 1]

Du Zitao Zhan Yulin, Wang Changyao, al et,

The Dynamic Monitoring of Desertification in Horqin Sandy Land on the Basis of Modis NDVI

[J]. Remote Sensing For Land & Resources, 2009, 21(2): 14-18.

[本文引用: 1]

杜子涛, 占玉林, 王长耀,.

基于MODIS NDVI的科尔沁沙地荒漠化动态监测

[J]. 国土资源遥感, 2009, 21(2): 14-18.

[本文引用: 1]

Kang Wenping, Liu Shulin.

A Review of Remote Sensing Monitoring and Quantitative Assessment of Aeolian Desertification

[J]. 2014, 34(5): 1222-1229.

康文平, 刘树林

沙漠化遥感监测与定量评价研究综述

[J]. 中国沙漠, 2014, 34(5): 1222-1229.

[本文引用: 1]

Small C.

The Landsat ETM+ Spectral Mixing Space

[J]. Remote Sensing of Environment, 2004, 93 (1): 1-17.

[本文引用: 1]

Roberts D A, Batista G T, Pereira J L, et al.

Change Identification Using Multitemporal Spectral Mixture Analysis: Applications in Eastern Amazonia

[M]. Lunetta R S, Elvidge C D. eds. Remote Sensing Change Detection: Environmental Monitoring Methods and Applications. Michigan: Ann Arbor Press,1999: 137-159.

[本文引用: 1]

Sun Q, Zhang P, Sun D, et al.

Desert Vegetation-habitat Complexes Mapping Using Gaofen-1 WFV (Wide Field of View) Time Series Images in Minqin County, China

[J]. International Journal of Applied Earth Observation and Geoinformation, 2018, 73: 522-534.

[本文引用: 1]

Sun Q, Zhang P, Wei H, et al.

Improved Mapping and Understanding of Desert Vegetation-habitat Complexes from Intraannual Series of Spectral Endmember Space Using Cross-wavelet Transform and Logistic Regression

[J]. Remote Sensing of Environment, 2020, 236: 111516.doi:10.1016/j.rse.2019.111516.

[本文引用: 2]

Lu Yuan, Lin Fengnian, Tang Ji, et al.

Remote Sensing Dynamic Monitoring and Research of Land Degradation in the West of Songnen Plain-Taking Tongyu County in Jilin Province as an Example

[J]. Geography and Geo-information Science. 2003, 19(2): 24-27.

[本文引用: 1]

卢远, 林年丰, 汤洁, .

松嫩平原西部土地退化的遥感动态监测研究——以吉林省通榆县为例

[J]. 地理与地理信息科学,200319(2):24-27.

[本文引用: 1]

Li Yayun, Yang Xiuchun, Zhu Xiaohua, et al.

The Application of Remote Sensing Technology to Land Desertification Monitoring

[J]. Progress in Geography, 2009, 28(1): 55-62.

[本文引用: 1]

李亚云, 杨秀春, 朱晓华,.

遥感技术在中国土地荒漠化监测中的应用进展

[J]. 地理科学进展, 2009, 28(1): 55-62.

[本文引用: 1]

Wang Shudong, Chen Xi, Liu Suhong, et al.

A Review on Monitoring Models of Arid Area Using Remote Sensing

[J]. Remote Sensing Information, 2006,21(6): 72-78.

[本文引用: 1]

王树东, 陈曦, 刘素红, .

区域干旱遥感监测模型研究进展

[J]. 遥感信息, 2006,21(6): 72-78.

[本文引用: 1]

Sun D, Dawson R, Li H, et al.

A Landscape Connectivity Index for Assessing Desertification: A Case Study of Minqin County, China

[J]. Landscape Ecology, 2007, 22(4):531-543.

[本文引用: 1]

Snyman H A.

Dynamics and Sustainable Utilization of Rangeland Ecosystems in Arid and Semi-Arid Climates of Southern Africa

[J]. Journal of Arid Environments, 1998, 39 (4): 645-666.

[本文引用: 1]

Illius A W, Connor T G O.

On the Relevance of Nonequilibrium Concepts to Arid and Semiarid Grazing Systems

[J]. Ecological Applications, 1999, 9(3): 798-813.

[本文引用: 1]

O'Connor T G, Haines L M, Snyman H A.

Influence of Precipitation and Species Composition On Phytomass of a Semi-Arid African Grassland

[J]. Journal of Ecology, 2001, 89 (5): 850-860.

[本文引用: 1]

Chikhaoui M, Bonn F, Bokoye A I, et al.

A Spectral Index for Land Degradation Mapping Using Aster Data: Application to a Semi-Arid Mediterranean Catchment

[J]. International Journal of Applied Earth Observations & Geoinformation, 2005, 7 (2): 140-153.

[本文引用: 1]

Zhang Ping, Sun Qiangqing, Sun Danfeng, et al.

Establishment of Land Degradation Assessment System in Arid Region based on remote sensing spectrum

[J]. Transactions of the Chinese Society of Agricultural Engineering,2019,35(9): 228-237.

[本文引用: 2]

张平,孙强强,孙丹峰,.

基于遥感光谱的干旱区土地退化评价体系构建

[J].农业工程学报,2019,35(9):228-237.

[本文引用: 2]

Sun Danfeng, Li Hong.

Evaluation Method on Minqin Oasis Desertification with Remote Sensing

[J]. Transactions of the Chinese Society of Agricultural Engineering, 2002, 18(6): 176-181.

[本文引用: 1]

孙丹峰, 李红.

民勤绿洲荒漠化遥感评价研究

[J]. 农业工程学报, 2002, 18(6): 176-181.

[本文引用: 1]

Kuang Wei, Ma Yonggang, Li Hong, et al.

Analysis of Land Degradation Intensity and Trend in Central Asia from 1999 to 2012

[J]. Remote Sensing for Land & Resources, 2014, 26(4): 163-169.

[本文引用: 1]

匡薇, 马勇刚, 李宏, .

中亚1999~2012年间土地退化强度与趋势分析

[J]. 国土资源遥感, 2014, 26(4): 163-169.

[本文引用: 1]

Xie Gaodi, Lu Chunxia, Cheng Shengkui.

Progress in Evaluating the Global Ecosystem Services

[J]. Resources Science, 2001, 23(6): 2-9.

[本文引用: 1]

谢高地, 鲁春霞, 成升魁.

全球生态系统服务价值评估研究进展

[J]. 资源科学, 2001, 23(6): 2-9.

[本文引用: 1]

Zhang Liwei,

Fu Bojie. The Progress in Ecosystem Services Mapping: A Review

[J]. Acta Ecologica Sinica, 2014, 34(2): 316-325.

[本文引用: 1]

张立伟, 傅伯杰.

生态系统服务制图研究进展

[J]. 生态学报,2014, 34(2): 316-325.

[本文引用: 1]

Huang Conghong, Yang Jun,

Zhang Wenjuan. Development of Ecosystem Services Evaluation Models: Research Progress

[J]. Chinese Journal of Ecology, 2013, 32(12): 3360-3367.

[本文引用: 1]

黄从红, 杨军, 张文娟.

生态系统服务功能评估模型研究进展

[J]. 生态学杂志, 2013, 32(12): 3360-3367.

[本文引用: 1]

Liniger H, Harari N, van Lynden G, et al.

Achieving Land Degradation Neutrality: The Role of SLM Knowledge in Evidence-based Decision-making

[J]. Environmental Science & Policy, 2019, 94: 123-134.

[本文引用: 1]

Sun Qiangqiang, Zhang Ping, Sun Danfeng. Analysis of Policy Effects on Land Deterioration Control in Minqin County, Gansu,

Northwest China

[J]. Chinese Journal of Soil Science, 2018, 49(5): 58-63.

[本文引用: 1]

孙强强, 张平, 孙丹峰.

甘肃民勤土地退化治理政策效果分析

[J]. 土壤通报,2018,49(5): 58-63.

[本文引用: 1]

Huang J, Yu H, Guan X, et al.

Accelerated Dryland Expansion Under Climate Change

[J].Nature Climate Change, 2016, 6(2): 166.doi:10.1038/nclimate2837.

[本文引用: 1]

/