期刊：Remote Sensing

微信链接：

期刊链接：

青藏高原是世界上最高的高原，平均海拔高度4500米，面积250万平方公里，有“世界屋脊”、“雪域高原”和“第三极”之称[1]。小编精选了在发表的三篇和青藏高原的相关文章，内容涵盖青藏高原区域植被、气候变化、径流观测以及土地覆盖等内容，供读者阅读赏析。

01

Greening Implication Inferred from Vegetation Dynamics Interacted with Climate Change and Human Activities over the Southeast Qinghai–Tibet Plateau

青藏高原东南部植被动态与气候变化和人类活动的相互作用对变绿的影响

Hao Li et al.

植被变化趋势的空间分布

植被是地球陆地生态系统中的重要组成部分，其调节着能量和水分循环，进而改变全球气候变化，被誉为环境变化的指示器。另一方面，气候变化也在显著改变植被的生长过程。近年来，植被-气候关系已经成为全球变化生态学领域的研究热点。众多学者从全球尺度上得出了地球变绿的事实，并且识别了气候变化对植被过程的重要作用 (Zhu et al, Nat. Clim. Chang., 2016; Chen et al. Nat. Sustain., 2019)，然而由于地形对气候变化的再分配作用，植被-气候关系在高海拔地区尚不明确。因此，本研究选取了青藏高原东南部的雅鲁藏布江流域作为研究区域，首先基于MODIS NDVI分析2000-2016年的植被动态变化，继而采用GLDAS数据探究植被-气候关系，最后应用多元线性回归模型分离了人类活动对植被变化的贡献。

研究结果表明，雅鲁藏布江流域自2000年以来呈现显著的变绿 (greening) 趋势 (Zc=2.31, p<0.05)。其中，显著变绿区域主要集中在流域下游以冰川积雪为主的帕隆藏布江和尼洋河流域，约占流域面积的1/4，而变褐 (browning) 区域主要分布在城镇化相对集中的流域中游，这在一定程度上揭示了人类活动对植被变绿的负影响。同时，作者发现高程对植被变绿具有明显的分配效应，并识别了3500 m作为关键的高程带，即在3500 m以下，植被变绿趋势随着高程增加而减少；而在3500 m以上，植被变绿趋势随高程增加而增加。基于相关性的植被-气候关系的研究结果表明，温度的升高是驱动流域变绿的关键气候变量 (r=0.472, p<0.05)，且该关系主要集中在以冰川融雪为主的地区。因此，作者进一步结合土壤水的空间变化趋势推断出由于温度升高、冰川积雪融化以及土壤水增加的陆气过程导致了这些地区的植被变绿。而植被-降水的正相关性主要集中在水分限制 (water-limited) 的上游区域。最后，基于多元线性回归模型定量识别了人类活动对植被动态的影响。

总体上，本文详细研究了雅鲁藏布江流域的植被-气候变化关系，为该地区的生态治理和社会发展提供了重要的参考信息。

02

Estimation of River Discharge Solely from Remote-Sensing Derived Data: An Initial Study Over the Yangtze River

只依赖卫星数据的径流估算方法研究——以长江为例

Arthur W. Sichangi, Lei Wang and Zhidan Hu

只依赖于卫星数据计算径流的技术流程图

径流观测在洪水预报、水库调控等水资源管理中有重要意义，因此长期时空连续的径流观测数据非常重要。但是，现存的径流观测站点存在观测不连续、空间分布不均、数据共享受限等问题。水文模型虽考虑径流物理过程，但计算颇为复杂。基于卫星数据反演径流的方法较为简便，可突破径流观测的时间连续性和空间限制，具有良好的全球覆盖性、并可进行长期径流监测。因此，亟需发展完全基于卫星数据的径流估算方法。

中科院青藏所环境变化与多圈层过程团队王磊研究员、Arthur Sichang博士等，基于卫星数据提取水力学参数 (如，流速、粗糙度系数、河宽和河深变化系列)，结合曼宁公式，在长江中游开发了只依赖于遥感数据的径流估算新方法。首先，选取两个距离较远的站点，根据一日重访的MODIS中尺度卫星影像，提取这两个站点河宽峰值变化的滞后时间差，依据两站点的河道流线距离，计算出河道内的平均水流流速。然后，根据文献查表得到粗糙度系数；根据数字高程模型提取到河道坡度；根据经验公式由流速、坡度、粗糙度系数计算出河深；根据测高卫星Envisat结合估算出的河深提取出水深变化；根据Landsat ETM+提取出河宽。最后，将河道断面分为不同的形状类型，根据不同的形状对曼宁公式进行简化，由之前计算得到的水力学参数，根据简化的曼宁公式计算得到径流。利用这一方法在长江中下游两个站点进行测试，均得到较为满意的径流反演结果 (纳什系数均大于0.5)。

这项研究的独特性在于，新方法不需要实地径流观测数据、只依赖全球卫星遥感数据，因此在全球大河具有广泛的应用前景。

03

An Integrated Land Cover Mapping Method Suitable for Low-Accuracy Areas in Global Land Cover Maps

适合于全球土地覆盖分类数据低精度区的土地覆盖分类方法研究

Tian Zeng et al.

本文研究流程图

在土地覆盖分类中，地形复杂或者类型多样区域的自动分类的精度通常较低，因此被称为低精度区。低精度区在全球土地覆盖分类中具有重要作用，因为它限制了总体精度的提高。本研究以明升中国土地覆盖分类为例，基于已有的目视解译土地覆盖分类数据，首先对全球土地覆盖分类数据中明升中国区域的低精度区进行提取，然后对分类过程中的影像选择、样本提取、特征选择和分类算法等程序进行优化，从而改善明升中国低精度区的分类精度。文章把2010年明升中国土地利用分类数据 (CLUD) 作为参考数据，对MODIS全球土地覆盖分类数据 (MODIS LCT) 明升中国区域的数据进行精度评价，将分类精度低于全国总体精度的县城定义为明升中国土地覆盖分类的低精度区。针对这个低精度区，选择8个具有代表性的样例区进行土地覆盖分类方法研究。该方法是一种综合的优化方法，它通过MODIS EVI (增强型植被指数) 数据来确定影像的最优时间范围，基于已有的目视解译分类数据 (CLUD) 提取分类样本，并通过精度比较的方法选择最优的分类特征组合和分类算法，从而改善精度的目标。最优的分类特征组合和分类算法通过16种分类特征组合和5种分类效果良好的算法比较得到。研究发现，当只有光谱波段作为分类数据时，支持向量机 (SVM) 的平均精度 (81.5%) 是最高的。坡度作为分类特征会降低分类精度，不同区域的最优分类特征组合因各地植被的地形特征不同而存在差异。采用新方法分类得到的8个样例区的平均精度 (84.4%) 超过了多数全球土地覆盖分类数据的平均精度。该研究首次专门针对全球土地覆盖分类数据低精度区的土地覆盖分类进行方法研究，弥补了已有研究的不足。

参考文献：

1. Available online: (accessed on 20 February 2021).

(ISSN 2072-4292, IF 4.509) 是一个国际型开放获取期刊。其期刊范围涵盖遥感app所有领域，从传感器的设计、验证和校准，到遥感在地球app、环境生态、城市建筑等各方面的广泛应用。采取单盲同行评审，一审周期约为19天，文章从接收到发表仅需2.9天。