基于Google Earth Engine平台的湿地景观空间格局演变分析:以白洋淀为例

孟梦 田海峰 邬明权 王力 牛铮

引用本文:
Citation:

基于Google Earth Engine平台的湿地景观空间格局演变分析:以白洋淀为例

    作者简介: 孟梦(1993−)女,河南人,硕士生,主要从事全球变化遥感研究. E-mail: 1911394686@qq.com;
    通讯作者: 田海峰, haifengd_tg@163.com ; 牛铮, niuzheng@radi.ac.cn
  • 中图分类号: X22

Evolution characteristics analysis of wetland landscape pattern based on Google Earth Engine platform: A case study on Baiyangdian

    Corresponding author: TIAN Hai-feng, haifengd_tg@163.com ;NIU Zheng, niuzheng@radi.ac.cn
  • CLC number: X22

  • 摘要: 长时间序列数据分析有助于人们更好的了解事物本质,但传统的长时间序列数据集的获取和处理需要花费大量的人力和财力,对于大尺度范围的湿地生态系统长时间序列数据的获取更加困难. 以Google数据中心数万计CPU为运算基础的Google Earth Engine平台为长时间序列数据的获取和处理提供了契机. 鉴于此,基于Google Earth Engine平台,作者生产了白洋淀地区1987—2017年的NDVI、NDWI数据集,并以此对白洋淀湿地生态系统景观类型进行分类,运用景观生态学方法研究了近30 a白洋淀湿地生态系统景观演变特征,同时表明了Google Earth Engine平台在监测湿地生态系统景观空间格局变化的可行性与优越性.
  • 图 1  研究区位置图

    Figure 1.  The location of study area

    图 2  1987—2017年白洋淀土地利用类型变化图

    Figure 2.  The change of land use types in Baiyangdian during 1987 — 2017

    图 3  1987—2017年白洋淀各类景观面积占比(a)、及面积变化趋势(b )

    Figure 3.  The proportion of various landscape areas in Baiyandian from 1987 to 2017 (a) and the trend of landscape areas change (b)

    图 4  1987—2017年白洋淀各景观类型分维度指数变化趋势

    Figure 4.  The FD index change trend of landscapes in Baiyandian during 1987 — 2017

    图 5  1987—2017年白洋淀各景观类型的连接度指数变化趋势

    Figure 5.  The cohesion index change trend of landscapes in Baiyandian during 1987 —2017

    图 6  1987—2017年白洋淀斑块密度 (a)、优势度 (b)变化趋势

    Figure 6.  The change trend of PD(a)、D(b) of Baiyangdian during 1987 — 2017

    图 7  白洋淀近35年降水量(a)、气温(b)变化

    Figure 7.  The change of precipitation (a)、temperature(b) of Baiyangdian in recent 35 years

    图 8  湿地面积与降水量(a)、气温(b)的相关关系

    Figure 8.  The correlation between the wetland area and precipitation (a)、and temperature (b)

    表 1  景观格局指数及其生态意义

    Table 1.  Landscape pattern indexes and the ecological significance of them

    指数 计算公式 应用尺度 生态意义
    斑块密度(PD) ${\rm{PD}} = \displaystyle\frac{N}{Z}$ (3) 景观 反映景观破碎程度
    优势度(D) $ D = \ln \left( m \right) + \displaystyle\sum\limits_{i = 1}^m {\left[ {{P_i}\ln \left( {{P_i}} \right)} \right]} $ (4) 景观 反映景观中某种景观类型支配景观的程度
    分维度(FD) $ {\rm{FD}} + \displaystyle\sum\limits_{i = 1}^m {\left[ {\displaystyle\frac{{2\ln \left( {0.25{P_i}} \right)}}{{\ln {a_i}}}} \right]\left( {\frac{{{a_i}}}{{{A_i}}}} \right)} $ (5) 斑块类型 描述景观斑块形状的复杂程度,其取值范围在 1.0~2.0 之间,值越大,就表示该景观类型越复杂
    连接度(COHESION) ${\rm{COHESION}} = \displaystyle\frac{{\left[ {1 - \displaystyle\frac{{\sum\limits_{j = 1}^n {P_{ij}^*} }}{{\sum\limits_{j = 1}^n {P_{ij}^*\sqrt {{a_{ij}}} } }}} \right]}}{{a - \frac{1}{{\sqrt Z }}}} \times 100 $ (6) 斑块类型 描述景观中生物体的生境连接情况
     表中N表示某一类斑块个数,Z表示景观总面积;i表示斑块类型,i = 1, $ \cdots $ mm表示景观中所有斑块类型的总数目;j表示斑块数目,j= 1, $ \cdots $ nn表示某一斑块类型中的斑块总数目;Ai表示第i类斑块类型的面积;aiaij表示景观中所有斑块类型的周长;PiPij表示第i类斑块类型的周长
    下载: 导出CSV
  • [1] 刘红玉, 李玉凤, 曹晓, 等. 我国湿地景观研究现状、存在的问题与发展方向[J]. 地理学报, 2009, 64(11): 1 394-1 401

    Liu H Y, Li Y F, Cao X, et al. The current problems and perspectives of landscape research of wetlands in China[J]. Acta Geographica Sinica, 2009, 64(11): 1 394-1 401
    [2] 侯鹏, 申文明, 王桥, 等. 基于水文平衡的湿地退化驱动因子定量研究[J]. 生态学报, 2014, 34(3): 660-666

    Hou P, Shen W M, Wang Q, et al. Quantitative analysis of driving factors for wetland degradation based on hydrology balance[J]. Acta Ecologica Sinica, 2014, 34(3): 660-666
    [3] Adam E, Mutanga O, Rugege D. Multispectral and hyperspectral remote sensing for identification and mapping of wetland vegetation: A review[J]. Wetlands Ecology & Management, 2010, 18(3): 281-296.
    [4] 刘红玉, 吕宪国, 张世奎. 湿地景观变化过程与累积环境效应研究进展[J]. 地理科学进展, 2003, 22(1): 60-70. DOI:  10.3969/j.issn.1007-6301.2003.01.008

    Liu H Y, Lv X G, Zhang S K, et al. Progress on the study of process of wetland landscape changes and cumulative environmental effects[J]. Progress in Geography, 2003, 22(1): 60-70 doi:  10.3969/j.issn.1007-6301.2003.01.008
    [5] 龚天宇, 邵全琴, 刘纪远, 等. 中国南方不同土地利用/覆被类型对气温升温的影响[J]. 地理研究, 2012, 31(8): 1 465-1 478

    Gong T Y, Shao Q Q, Liu J Y, et al. The impact of land use/cover types on climate warming in southern China[J]. Geographical Research, 2012, 31(8): 1 465-1 478
    [6] Chen L, Jin Z, Michishita R, et al. Dynamic monitoring of wetland cover changes using time-series remote sensing imagery[J]. Ecological Informatics, 2014, 24: 17-26. DOI:  10.1016/j.ecoinf.2014.06.007
    [7] 庄长伟, 欧阳志云, 徐卫华, 等. 近33年白洋淀景观动态变化[J]. 生态学报, 2011, 31(3): 839-848

    Zhuang C W, Ouyang Z Y, Xu W H, et al. Landscape dynamics of Baiyangdian Lake from 1974 to 2007[J]. Acta Ecologica Sinica, 2011, 31(3): 839-848
    [8] 刘丰, 刘静玲, 张婷, 等. 白洋淀近20年土地利用变化及其对水质的影响[J]. 农业环境科学学报, 2010, 29(10): 1 868-1 875

    Liu F, Liu J L, Zhang T, et al. Land use change and its effects on water quality in Baiyangdian Lake of North China during last 20 years[J]. Journal of Agro-Environment Science, 2010, 29(10): 1 868-1 875
    [9] 白军红, 房静思, 黄来斌, 等. 白洋淀湖沼湿地系统景观格局演变及驱动力分析[J]. 地理研究, 2013, 32(9): 1 634-1 644

    Bai J H, Fang J S, Huang L B, et al. Landscape pattern evolution and its driving factors of Baiyangdian Lake-Marsh Wetland system[J]. Geographical Research, 2013, 32(9): 1 634-1 644
    [10] Alonso A, Munoz-Carpena R, Kennedy R E, et al. Wetland landscape spatio-temporal degradation dynamics using the new google earth engine cloud-based platform: Opportunities for non-specialists in remote sensing[J]. American Society of Agricultural and Biological Engineer, 2016, 59(5): 1 333-1 344.
    [11] Huang H B, Chen Y L, Clinton N, et al. Mapping major land cover dynamics in Beijing using all Landsat images in Google Earth Engine[J]. Remote Sensing of Environment, 2017, 202: 166-176.
    [12] Midekisa A, Holl F, Savory D J, et al. Mapping land cover change over continental Africa using Landsat and Google Earth Engine cloud computing[J]. Plos One, 2017, 12(9): e0184926. DOI:  10.1371/journal.pone.0184926
    [13] Tang Z H, Li Y, Gu Y, et al. Assessing Nebraska playa wetland inundation status during 1985–2015 using Landsat data and Google Earth Engine[J]. Environmental Monitoring & Assessment, 2016, 188(12): 654.
    [14] 王九中, 田海峰, 邬明权, 等. 河南省冬小麦快速遥感制图[J]. 地球信息科学学报, 2017, 19(6): 846-853. DOI:  10.3969/j.issn.1560-8999.2017.06.014

    Wang J Z, Tian H F, Wu M Q, et al. Rapid mapping of winter wheat in Henan Province[J]. Journal of Geo-Information Science, 2017, 19(6): 846-853 doi:  10.3969/j.issn.1560-8999.2017.06.014
    [15] 刘春兰, 谢高地, 肖玉. 气候变化对白洋淀湿地的影响[J]. 长江流域资源与环境, 2007, 16(2): 245-250. DOI:  10.3969/j.issn.1004-8227.2007.02.023

    Liu C L, Xie G D, Xiao Y. Impact of climatic change on Baiyangdian Wetland[J]. Resources and Environment in the Yangtze Basi, 2007, 16(2): 245-250 doi:  10.3969/j.issn.1004-8227.2007.02.023
    [16] Skakun S, Franch B, Vermote E, et al. Early season large-area winter crop mapping using MODIS NDVI data, growing degree days information and a Gaussian mixture model[J]. Remote Sensing of Environment, 2017, 195: 244-258. DOI:  10.1016/j.rse.2017.04.026
    [17] Han Q X. Modification of normalized difference water index (NDWI) to enhance open water features in remotely sensed imagery[J]. International Journal of Remote Sensing, 2006, 27(14): 3 025-3 033. DOI:  10.1080/01431160600589179
    [18] 张浩然, 韩正之, 李昌刚. 支持向量机[J]. 计算机科学, 2002, 29(12): 135-137. DOI:  10.3969/j.issn.1002-137X.2002.12.038

    Zhang H R, Han Z Z, Li C G. Support vector machine[J]. Computer Science, 2002, 29(12): 135-137 doi:  10.3969/j.issn.1002-137X.2002.12.038
    [19] 张冬生. 支持向量机在分类问题中的应用研究[J]. 黑龙江科技信息, 2010(35): 64-264. DOI:  10.3969/j.issn.1673-1328.2010.35.059

    Zhang D S. Application of support vector machine in the problem of classification[J]. Heilongjiang Science and Technology Information, 2010(35): 64-264 doi:  10.3969/j.issn.1673-1328.2010.35.059
    [20] 董翠芳, 梁国付, 丁圣彦, 等. 不同干扰背景下景观指数与物种多样性的多尺度效应——以巩义市为例[J]. 生态学报, 2014, 34(12): 3 444-3 451

    Dong C F, Liang G F, Ding S Y, et at. Multi-scale effects for landscape metrics and species diversity under the different disturbance: a case study of Gongyi City[J]. Acta Ecologica Sinica, 2014, 34(12): 3 444-3 451
    [21] 李雪梅, 邓小文. 基于景观指数的滨海新区景观格局变化分析[J]. 环境保护与循环经济, 2011, 31(7): 38-40. DOI:  10.3969/j.issn.1674-1021.2011.07.014

    Li X M, Deng X W. Analysis of landscape pattern change in Binhai New Area based on landscape indices[J]. Liaoning Urban and Rural Environmental Science & Technology, 2011, 31(7): 38-40 doi:  10.3969/j.issn.1674-1021.2011.07.014
    [22] 林孟龙, 曹宇, 王鑫. 基于景观指数的景观格局分析方法的局限性: 以台湾宜兰利泽简湿地为例[J]. 应用生态学报, 2008, 19(1): 139-143

    Lin M L, Cao Y, Wang X. Limitations of landscape pattern analysis based on landscape indices: A case study of Lize-jian wetland in Yilan of Taiwan Province, China[J]. Chinese Journal of Applied Ecology, 2008, 19(1): 139-143
    [23] 刘常富, 李京泽, 李小马, 等. 基于模拟景观的城市森林景观格局指数选取[J]. 应用生态学报, 2009, 20(5): 1 125-1 131

    Liu C F, Li J Z, Li X M, et al. Selection of landscape metrics for urban forest based on simulated landscapes[J]. Chinese Journal of Applied Ecology, 2009, 20(5): 1 125-1 131
    [24] 傅伯杰. 景观生态学原理及应用[M]. 2版. 北京: 科学出版社, 2001.

    Fu B J. The principle and application of landscape ecology[M]. 2nd ed. Beijing: Science China Press, 2001.
    [25] 王青, 严登华, 秦天玲, 等. 人类活动对白洋淀干旱的影响[J]. 湿地科学, 2013, 11(4): 475-481. DOI:  10.3969/j.issn.1672-5948.2013.04.011

    Wang Q, Yan D H, Qin T L, et al. Impacts of human activities on drought of Baiyangdian Lake[J]. Wetland Science, 2013, 11(4): 475-481 doi:  10.3969/j.issn.1672-5948.2013.04.011
    [26] 白德斌, 宁振平. 白洋淀干淀原因浅析[J]. 中国防汛抗旱, 2007(2): 46-48

    Bai D B, Ning Z P. The dry up reasons analysis of Baiyangdian[J]. China Flood & Drought Management, 2007(2): 46-48
    [27] 祝昌汉, 张强, 陈峪. 2002年我国十大极端气候事件[J]. 灾害学, 2003, 15(2): 76-80

    Zhu C H, Zhang Q, Chen Y. Ten extreme meteorological events in 2002 in China[J]. Journal of Catastrophology, 2003, 15(2): 76-80
    [28] 郭笃发. 黄河三角洲滨海湿地土地覆被和景观格局的变化[J]. 生态学杂志, 2005, 24(8): 907-912. DOI:  10.3321/j.issn:1000-4890.2005.08.012

    Guo D F. Land cover and landscape pattern changes of costal wetland in Yellow River Delta[J]. Chinese Journal of Ecology, 2005, 24(8): 907-912 doi:  10.3321/j.issn:1000-4890.2005.08.012
    [29] 高彦春, 王晗, 龙笛. 白洋淀流域水文条件变化和面临的生态环境问题[J]. 资源科学, 2009, 31(9): 1 506-1 513

    Gao Y C, Wang H, Long D. Changes in hydrological conditions and the eco-environmental problems in Baiyangdian watershed[J]. Resource Science, 2009, 31(9): 1 506-1 513
    [30] 邵爱军, 左丽琼, 吴烨. 河北省近50年气候变化对水资源的影响[J]. 中国农村水利水电, 2008(2): 51-55

    Shao A J, Zuo L Q, Wu Y. Impacts of climatic change on water resources of Hebei Province in recent 50 years[J]. China Rural Water and Hydropower, 2008(2): 51-55
    [31] 林万涛. 生态系统在全球变化中的调节作用[J]. 气候与环境研究, 2005, 10(2): 275-280. DOI:  10.3878/j.issn.1006-9585.2005.02.15

    Lin W T. Adjustment action of ecosystem in global change[J]. Climatic and Environmental Research, 2005, 10(2): 275-280 doi:  10.3878/j.issn.1006-9585.2005.02.15
    [32] 林艳, 毛翠辉. 白洋淀: 气候变化影响几何[N]. 中国气象报, 2007-09-28.
    [33] 孟广文, 金凤君, 李国平, 等. 雄安新区: 地理学面临的机遇与挑战[J]. 地理研究, 2017, 36(6): 57-68

    Meng G W, Jin F J, Li G P, et al. Xiong'an New Area: Opportunities and challenges for geography[J]. Geographical Research, 2017, 36(6): 57-68
    [34] 江波, 陈媛媛, 肖洋, 等. 白洋淀湿地生态系统最终服务价值评估[J]. 生态学报, 2017, 37(8): 2 497-2 505

    Jiang B, Chen Y Y, Xiao Y, et al. Evaluation of the economic value of final ecosystem services from the Baiyangdian wetland[J]. Acta Ecologica Sinica, 2017, 37(8): 2 497-2 505
    [35] 常纪文. 雄安新区的科学定位与绿色发展路径[J]. 党政研究, 2017(3): 22-24. DOI:  10.3969/j.issn.1008-9187.2017.03.003

    Chang J W. The scientific orientation of the Xiongan New Area and the path of green development[J]. The Study of Party and Government, 2017(3): 22-24 doi:  10.3969/j.issn.1008-9187.2017.03.003
  • [1] 胡健生吴金亮党承林钟兴耀道美标 . 云南昭通大山包自然保护区越冬黑颈鹤的动物性食物研究. 云南大学学报(自然科学版), 2002, 24(6): 459-461.
    [2] 宋爽田大方毛靓 . 基于AHP的国家湿地公园社会功能评价. 云南大学学报(自然科学版), 2019, 41(6): 1265-1271. doi: 10.7540/j.ynu.20180592
    [3] 任伟杨桂英刘云根刘雪李梦莹赵蓉王妍 . 砷胁迫对湿地植物香蒲生长的影响及其耐受性分析. 云南大学学报(自然科学版), 2021, 43(1): 164-173. doi: 10.7540/j.ynu.20180669
    [4] 杞银凤廖峻涛彭贵鸿黄庭发 . 丽江拉市海湿地恢复区越冬水鸟栖息地适宜性的模糊综合评价. 云南大学学报(自然科学版), 2013, 35(4): 565-570. doi: 10.7540/j.ynu.20120372
    [5] 张昆吕宪国田昆 . 纳帕海高原湿地土壤有机质对水分梯度变化的响应. 云南大学学报(自然科学版), 2008, 30(4): 424-427.
    [6] 张慧娟刘云根齐丹卉王妍侯磊 . 阳宗海湖滨湿地表层沉积物重金属污染特征及生态风险评估. 云南大学学报(自然科学版), 2017, 39(3): 494-506. doi: 10.7540/j.ynu.20160328
    [7] 王玉莹杨桂英呼唤李丹蕾刘云根 . 模拟砷污染湖滨湿地水位变化和水体扰动对狭叶香蒲积累转运砷的影响. 云南大学学报(自然科学版), 2021, 43(6): 1264-1272. doi: 10.7540/j.ynu.20200687
    [8] 孔维琳王余舟向伶王崇云和兆荣杨树华 . 抚仙湖流域植被景观格局分析. 云南大学学报(自然科学版), 2012, 34(4): 468-475.
    [9] . 西双版纳地区道路发展对景观格局的影响. 云南大学学报(自然科学版), 2013, 35(1): 121-128. doi: 10.7540/j.ynu.2012.12142
    [10] 丁剑宏尹龙师小宁段兴武 . 红河流域景观格局演变特征研究. 云南大学学报(自然科学版), 2017, 39(5): 780-788. doi: 10.7540/j.ynu.20160636
    [11] 温一波赵洞明陈 尧 . 呈贡新区剪切波特征与分布. 云南大学学报(自然科学版), 2012, 34(S2): 221-226.
    [12] 段秋岑李晖 . 云南大学东陆园校区雨水景观化设计研究. 云南大学学报(自然科学版), 2013, 35(S1): 118-122. doi: 10.7540/j.ynu.2013a22
    [13] 张文专石磊 . 数据矩阵条件指数的影响评价. 云南大学学报(自然科学版), 2004, 26(4): 292-296,300.
    [14] 刘常福戴正德 . 反应扩散方程在Banach空间的指数吸引子. 云南大学学报(自然科学版), 2003, 25(5): 381-385.
    [15] 曾利江翁小勇 . 极大子群的指数皆素数的群. 云南大学学报(自然科学版), 2009, 31(4): 325-328 .
    [16] 程洁戴正德 . 耗散广义对称正则长波方程的指数吸引子. 云南大学学报(自然科学版), 2004, 26(1): 15-19.
    [17] 武婷婷贺西平杨佳婷 . 大振幅比直孔型指数形变幅杆. 云南大学学报(自然科学版), 2017, 39(3): 385-389. doi: 10.7540/j.ynu.20160759
    [18] 朱雷姚克明华中圆周小勇乔晓华 . 位置可控的含指数项鲁棒混沌系统. 云南大学学报(自然科学版), 2016, 38(2): 232-237. doi: 10.7540/j.ynu.20150541
    [19] 陈志伟邓伟李飞周家武李静徐鹏邓先能胡凤益王荔陈善娜陶大云 . 长雄野生稻紫色柱头性状的遗传和基因定位研究. 云南大学学报(自然科学版), 2010, 32(1): 103-107 .
    [20] 王兵益苏建荣张志钧 . 云南红豆杉小孢子发生和雄配子发育的研究方法比较. 云南大学学报(自然科学版), 2008, 30(3): 302-307.
  • 加载中
图(8)表(1)
计量
  • 文章访问数:  3975
  • HTML全文浏览量:  3281
  • PDF下载量:  117
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-11-28
  • 录用日期:  2018-11-13
  • 网络出版日期:  2019-03-10
  • 刊出日期:  2019-03-01

基于Google Earth Engine平台的湿地景观空间格局演变分析:以白洋淀为例

    作者简介:孟梦(1993−)女,河南人,硕士生,主要从事全球变化遥感研究. E-mail: 1911394686@qq.com
    通讯作者: 田海峰, haifengd_tg@163.com
    通讯作者: 牛铮, niuzheng@radi.ac.cn
  • 1. 中国科学院 遥感与数字地球研究所 遥感科学国家重点实验室,北京 100101
  • 2. 中国科学院大学,北京 100049

摘要: 长时间序列数据分析有助于人们更好的了解事物本质,但传统的长时间序列数据集的获取和处理需要花费大量的人力和财力,对于大尺度范围的湿地生态系统长时间序列数据的获取更加困难. 以Google数据中心数万计CPU为运算基础的Google Earth Engine平台为长时间序列数据的获取和处理提供了契机. 鉴于此,基于Google Earth Engine平台,作者生产了白洋淀地区1987—2017年的NDVI、NDWI数据集,并以此对白洋淀湿地生态系统景观类型进行分类,运用景观生态学方法研究了近30 a白洋淀湿地生态系统景观演变特征,同时表明了Google Earth Engine平台在监测湿地生态系统景观空间格局变化的可行性与优越性.

English Abstract

  • 湿地是水陆相互作用形成的自然综合体,被誉为“地球之肾”,在保护生物多样性、调节气候、调洪蓄水和维持区域生态安全等方面发挥着举足轻重的作用[1],是地球上最为重要的生态系统类型之一[2]. 近年来,由于全球气候变化以及人类活动的扰动,湿地面积正面临大幅度持续减少的威胁[3]. 湿地景观空间格局的变化对湿地生态系统的物质循环、能量流动、水文平衡等有重大影响[4],研究湿地景观空间格局演变的时空特征及其驱动机制对制定湿地保护政策和湿地的可持续发展具有重要意义[5]. 运用传统测量方法对湿地生态系统建立长期监测计划不仅消耗了大量人力和财力,且基于生态系统水平的景观变化过程监测所消耗成本更是呈指数方式增长[6],有效的数据获取方法对监测湿地生态系统动态变化具有重要意义.

    遥感技术的快速发展为地面测量数据的获取提供了选择. 遥感数据的空间分辨率、光谱分辨率、时间分辨率、以及辐射分辨率越来越高,数据类型越来越丰富,获取遥感数据的渠道也越来越多,遥感技术被越来越多的应用于监测全球土地覆盖变化以及生态系统的动态变化[7-9]. 与此同时,遥感数据的获取和存储、数据管理、数据处理、机器配置等成为了人们急需解决的问题. 2010年,由谷歌公司、卡内基梅隆大学、美国地质调查局联合开发推出的谷歌地球引擎平台(Google Earth Engine, GEE)使遥感数据处理与应用领域发生了重大变革[10]. GEE是一种先进的用于遥感数据处理和地理空间分析的云端运算平台,它存储了全球尺度上长时间序列的Landsat、MODIS、Sentinel等开源数据集以及其他数据源的PB存档,优化了用于地理空间数据并行处理的Google计算基础构架,具有强大的数据存储、管理能力以及数据处理能力. GEE的各项功能主要通过Python和JavaScript提供的应用编程接口(application programmig interface, API)实现. 该API可以实现时间序列分析、地图代数、变化监测等一系列复杂的地理空间分析,用户通过API可以完善、更新已有的算法,也可以提出新的算法. GEE平台上存储的遥感数据既有原始影像,也有完成辐射定标、大气校正等预处理后的数据集,用户也可根据需求生产新的数据集,例如归一化植被指数(normalized difference vegetation index, NDVI)数据集、归一化水体指数(normalized difference water index, NDWI)数据集等. 国内外基于GEE平台已经开展了许多相关研究,如Huang等[11]利用GEE平台和Landsat遥感影像开展了2015年北京市土地利用类型变化研究;Midekisa等[12]基于GEE平台和Landsat遥感影像,监测了近15年世界各洲的土地覆盖类型变化; Tang等[13]利用GEE和Landsat遥感影像完成内布拉斯加州(Nebraska) 1985—2015年的湿地洪水泛滥制图,并发现洪水泛滥导致了内布拉斯加州大部分的水文条件发生改变. 由于GEE具有强大的数据存储以及快速计算能力,因而被广大科研工作者所青睐,但总的来说,目前国内应用GEE的研究不多见[14],有关湿地的研究更少. 传统湿地监测方法对于大尺度范围的长时间序列数据的获取十分困难,且所耗成本高,即使在遥感技术高度发达的今天,长时间序列遥感数据的获取和处理也是一项相当繁重的工作,GEE的出现可有效解决湿地生态系统监测数据获取难、处理复杂的问题,具有广阔的应用前景.

    本文以白洋淀湿地为案例,基于GEE平台研究了湿地生态景观的变化特征. 白洋淀是华北平原为数极少的湖泊型湿地之一,近30年来,在气候变化和人类活动的综合扰动下,白洋淀湿地面积呈现大幅波动[15]. 此外,国家于2017年决定在河北雄县、容城县、安新3县及周边区域建立雄安新区,雄安新区包含白洋淀整个区域,白洋淀是建设绿色生态新区的基础,对其建设具有重大意义. 鉴于此,本文基于GEE平台和1987、1989、1992、1997、2002、2007、2012、2017年的Landsat遥感影像,分析了白洋淀近30 a景观空间格局演变特征,此外,为了更好对比分析白洋淀在干淀前后的景观格局变化,特别在1987—1992年间增加了一期(1989年)遥感影像,旨在体现GEE平台对湿地研究的优越性以及为白洋淀生态环境的修复、保护、管理以及可持续发展提供理论依据.

    • 白洋淀地处华北平原中部(地理位置大致为115°38′~116°07′ E,38°43′—39°02′ N),基于GEE平台生产的长时间序列NDWI及NDVI数据集,选取白洋淀区域水域面积最大时作为研究区域,如图1所示. 白洋淀行政区划上分属安新县、高阳县、容城县、雄县和任丘市管辖,由藻苲淀、马棚淀、腰葫芦淀等143个大小不等的淀泊组成. 该地区属于温带季风气候,气候大陆性特点显著,平均年降水量大致为552 mm,年平均气温约为10 ℃.

      图  1  研究区位置图

      Figure 1.  The location of study area

    • 基于Google Earth Engine云平台,通过编程完成了白洋淀地区1987、1989、1992、1997、2002、2007、2012和2017年的Landsat系列(Landsat5、Landsat7、Landsat8)遥感影像(共246景)的预处理工作,包括辐射校正、去除云污染、影像拼接、计算年最大NDVI值和NDWI值等. NDVI对植被具有独特的识别能力,其计算公式如下[16]

      式中: ${\rho _{\rm nir}}$ 表示近红外波段的表观反射率, ${\rho _{\rm red}}$ 表示红波段的表观反射率.

      NDWI对水体具有独特的识别能力,其计算公式如下[17]

      式中: $\,{\rho _{\rm nir}}$ 表示近红外波段的表观反射率, ${\rho _{\rm green} }$ 表示绿波段的表观反射率.

      Google Earth Engine提供了Landsat系列影像的辐射校正、去除云污染的算法模块,本文只需编程调用该算法模块即可. 按照最大值合成方法合成年度NDVI最大值,即某年中,每个像元位置上有多期遥感影像,每期影像对应一个NDVI值,本文选取每个像元的最大NDVI值用于生产当年的年度最大NDVI影像. 同理基于Google Earth Engine生产所需年份的年度最大NDWI影像.

    • 气象数据来源于中国气象科学数据共享服务网(http://cdc.nmic.cn)提供的气候资料年值数据集. 白洋淀地处保定市,选取国际交换站保定市气象站点的年降水量、气温数据,利用一元线性回归方法研究白洋淀区域气候变化特征.

    • 研究所使用的分类方法为支持向量机(support vector machine, SVM )分类. SVM是在20世纪90年代中期以统计学习理论为基础发展起来的新型机器学习方法[18],该方法的优点是具有较高的计算速度和较快的收敛速度[19]. 结合白洋淀淀区土地利用情况及前人研究成果[7],本研究将白洋淀土地利用类型划分为3类,分别是湿地、植被和其它类,其中湿地指开阔水域,其它类多指居民地.

    • 景观指数被广泛应用到景观空间格局的分析中[20-22],景观指数不仅能高度浓缩景观格局信息,而且能够反映景观空间配置和结构组成等方面的特征,是研究景观生态学的重要途径[23]. 景观指数的选取主要依赖于分析尺度、研究目标以及指数所表达的生态学意义[24],根据研究需要,本研究在景观水平上选取斑块密度(patch density, PD)、优势度指数(dominant index, D),在斑块类型上选取分维度指数(fractal dimension index, FD)、连接度(COHESION),各类景观指数采用Fragstats4.2软件计算(表1).

      指数 计算公式 应用尺度 生态意义
      斑块密度(PD) ${\rm{PD}} = \displaystyle\frac{N}{Z}$ (3) 景观 反映景观破碎程度
      优势度(D) $ D = \ln \left( m \right) + \displaystyle\sum\limits_{i = 1}^m {\left[ {{P_i}\ln \left( {{P_i}} \right)} \right]} $ (4) 景观 反映景观中某种景观类型支配景观的程度
      分维度(FD) $ {\rm{FD}} + \displaystyle\sum\limits_{i = 1}^m {\left[ {\displaystyle\frac{{2\ln \left( {0.25{P_i}} \right)}}{{\ln {a_i}}}} \right]\left( {\frac{{{a_i}}}{{{A_i}}}} \right)} $ (5) 斑块类型 描述景观斑块形状的复杂程度,其取值范围在 1.0~2.0 之间,值越大,就表示该景观类型越复杂
      连接度(COHESION) ${\rm{COHESION}} = \displaystyle\frac{{\left[ {1 - \displaystyle\frac{{\sum\limits_{j = 1}^n {P_{ij}^*} }}{{\sum\limits_{j = 1}^n {P_{ij}^*\sqrt {{a_{ij}}} } }}} \right]}}{{a - \frac{1}{{\sqrt Z }}}} \times 100 $ (6) 斑块类型 描述景观中生物体的生境连接情况
       表中N表示某一类斑块个数,Z表示景观总面积;i表示斑块类型,i = 1, $ \cdots $ mm表示景观中所有斑块类型的总数目;j表示斑块数目,j= 1, $ \cdots $ nn表示某一斑块类型中的斑块总数目;Ai表示第i类斑块类型的面积;aiaij表示景观中所有斑块类型的周长;PiPij表示第i类斑块类型的周长

      表 1  景观格局指数及其生态意义

      Table 1.  Landscape pattern indexes and the ecological significance of them

    • 采用支持向量机分类方法得到白洋淀各时期土地利用类型,1987—2017年各期遥感影像分类结果Kappa系数分别为96.5%,94.3%,94.8%,93.7%,95.9%,95.3%,96.7%,97.1%,各土地利用类型时空分布如图2所示:

      图  2  1987—2017年白洋淀土地利用类型变化图

      Figure 2.  The change of land use types in Baiyangdian during 1987 — 2017

      图3(a)可以看出,非干淀情况下湿地面积在白洋淀生态系统中所占比例较大,占研究区总面积的34%左右. 由图3(b)发现白洋淀湿地面积变化趋势为增加—减少—增加,其它类面积整体呈增加趋势,植被面积变化趋势为减少—增加—减少. 1987年白洋淀湿地面积为近30年最小,为21.79 km2,其原因为白洋淀在1983—1987年持续干旱,致使湿地面积减少[25],干旱危机直至1988年才解除. 1989—2002年,湿地面积呈下降趋势,由1989年213.17 km2下降至2002年的36.45 km2;植被和其它类面积均呈增长趋势,植被由71.92 km2增加至237.64 km2,其它类由52.92 km2增加至63.98 km2,究其原因为20世纪60年代开始,白洋淀周边县提出“向洼淀要粮,向水中要粮”的口号,围湖造田的思想促使当地人们在淀内大量修筑台田[26],直接导致湿地面积减少. 此外,1989年—2002年间,特别2002年,河北中部出现干旱,也促进了湿地的减少[27]. 2002—2017年,白洋淀湿地面积呈上升趋势,植被面积呈下降趋势,其它类面积则呈上升趋势,截至2017年,湿地面积大约为107.84 km2,植被面积约为79.48 km2,非植被面积约为150.75 km2,说明21世纪初以来,人们环保意识的日益增强以及政府采取的一系列白洋淀生态环境保护措施取得了成效.

      图  3  1987—2017年白洋淀各类景观面积占比(a)、及面积变化趋势(b )

      Figure 3.  The proportion of various landscape areas in Baiyandian from 1987 to 2017 (a) and the trend of landscape areas change (b)

    • 图4可以看出1987年湿地分维度最低,为1.383,植被的分维度最高,为1.487,表明当年植被的景观斑块形状最复杂. 1987—2017年湿地景观分维度呈先下降后增加趋势,且分维数值维持在1.35附近,1992年分维度值较高,达到1.384,说明湿地斑块形状愈发不规则,复杂度增加;其它类的景观分维度总体呈现增加趋势,且数值维持在较高水平,说明以建筑物为主的其它类呈不规则扩张态势;植被分维度在1987年值最大,为1.49,1989—2017年植被分维度变化也较大,但总体值在1.34左右.

      图  4  1987—2017年白洋淀各景观类型分维度指数变化趋势

      Figure 4.  The FD index change trend of landscapes in Baiyandian during 1987 — 2017

      景观连接度的变化对生态过程有着重要影响. 由图5可以看出1987—2017年各景观连接度变化幅度较大,表明各景观类型面积变化频繁. 1987年白洋淀处于干旱期时,湿地连接度最小;1989年白洋淀湿地面积恢复,湿地连接度达到最大,远远高于植被和其它类连接度; 2002年白洋淀再次出现干旱危机,同时湿地连接度也远远低于植被和其它类;2002—2017年湿地连接度逐渐增大,植被和其它类连接度也逐渐增加并趋于稳定,表明各景观空间连接性在逐渐增加.

      图  5  1987—2017年白洋淀各景观类型的连接度指数变化趋势

      Figure 5.  The cohesion index change trend of landscapes in Baiyandian during 1987 —2017

    • 斑块密度可以用来描述斑块的破碎程度,优势度可以用来反映斑块在景观中占有的地位以及对景观格局形成和变化的影响[28]. 图6(a) 为白洋淀1987—2017年斑块密度变化趋势,图6(b)为白洋淀1987—2017年优势度变化趋势. 1987—1989年白洋淀斑块密度呈下降趋势,表明白洋淀景观破碎化程度降低,原因为白洋淀湿地面积恢复,其中湿地面积占总面积的63%左右,以致该年优势度指数增加而总体斑块密度指数下降. 1989—2002年,斑块密度指数呈升高趋势,优势度指数变化趋势则与之相反,呈下降趋势,其原因为白洋淀湿地面积占总面积的比例逐渐减小(图2),景观破碎化程度严重. 2002—2017年斑块密度指数呈先下降后上升趋势,优势度指数则呈先增高后降低趋势,其原因为2002—2012年,白洋淀湿地面积逐渐增加,白洋淀景观优势度指数相继增加,2012—2017年白洋淀湿地面积又有所减少,白洋淀景观优势度指数下降,景观破碎化程度加剧.

      图  6  1987—2017年白洋淀斑块密度 (a)、优势度 (b)变化趋势

      Figure 6.  The change trend of PD(a)、D(b) of Baiyangdian during 1987 — 2017

    • 选取国际交换站保定市气象站点近35 a的平均年降水量、气温数据研究白洋淀地区气候变化. 由图7(a)可以看出,白洋淀平均年降雨量自20世纪80年代至21世纪持续降低,直至近几年才有缓慢增加趋势,而年平均气温却一直增加,最近几年才有所降低. 1986—1987年的平均年降水量分别为314.7 mm和472.7 mm,远远低于10 a平均年降水量511.6 mm,但年平均气温分别为12.6℃和12.8℃,均超过10 a平均气温12.53℃,降水量的减少和气温的持续升高,是白洋淀干淀的主要因素. 1997年的平均年降水量为301.3 mm,年平均气温为13.8℃,2002年的平均年降水量为408.2 mm,年平均气温为14℃,但1999年和2000年的平均年降水量仅为269.6 mm和242.1 mm,年平均气温却分别高达14.1℃和13.5℃. 1997—2002年连续高温,但降水量并没有明显增加趋势,反倒在1999年和2000年明显减少,因此湿地面积在1997年、2002年均减少(图8). 2007年及2008年,平均年降水量较高,分别为605.3 mm和564.3 mm,2006年的平均年降水量较低,仅有364.9 mm, 但2006、2007年和2008年的年平均气温分别高达13.9℃、14.2℃、13.9℃,持续的高温必然会引起水面蒸发量的增加[29],因此虽然在2007年及其前后年份平均年降水量较高,但持续高温的缘故,2007年的湿地面积相较于1997年和2002并没有大幅增加. 2012年平均年降水量为564.1 mm,略低于10 a平均降水量583.2 mm,且2012年的年平均气温为12℃,低于10 a平均气温12.4℃,相应的2012年湿地面积增加幅度较大. 气候条件关乎湿地存亡,降水量减少以及持续高温均会引起湿地面积萎缩.

      图  7  白洋淀近35年降水量(a)、气温(b)变化

      Figure 7.  The change of precipitation (a)、temperature(b) of Baiyangdian in recent 35 years

      图  8  湿地面积与降水量(a)、气温(b)的相关关系

      Figure 8.  The correlation between the wetland area and precipitation (a)、and temperature (b)

    • 雄安新区位于河北省保定市. 近年来河北省气温在全球气候变暖的影响下有所升高,年平均气温每十年变化率为0.4℃/10 a[30],湿地是地表巨大的贮水库,它能够通过蒸发和蒸腾作用调节局部的气温和湿度[31]. 林艳等[32]发现在白洋淀的影响下,当地气温增幅比周边地区略低,因此白洋淀在一定程度上能够遏制当地的变暖趋势,使雄安新区气候更加适宜人居.

      国家明确表示[33]雄安新区的建设要坚持“生态优先,绿色发展”的理念,白洋淀历史悠久,物产丰富,并且是许多珍稀动物(丹顶鹤、东方白颧等)的栖息地. 此外白洋淀还是大清河系中十分重要的蓄水枢纽[34],对当地的生物多样性保护以及气候调节均具有重要作用. 白洋淀是将雄安新区建设为“水城共融”新区的水核心,对雄安新区具有极高的生态价值. 因此建设雄安新区定会加大生态环境整治力度[35],此举对白洋淀湿地景观的恢复也会有一定的推动作用.

    • Google Earth Engine平台不仅在海量大数据的处理问题上有巨大优势,而且该平台具有开源性,给一些非遥感专业的科研工作者提供从遥感数据中提取信息、生产新的数据集的机会. 本文以白洋淀为例,表明了Google Earth Engine云平台在监测湿地生态系统景观空间格局变化的可行性与优越性. 研究表明1987—2017年,白洋淀生态景观空间格局变化显著,湿地面积呈减少趋势,生态系统景观破碎化程度加剧,且降水量和气温是白洋淀湿地景观空间格局变化的重要驱动力. 本研究存在一些不足之处,即景观分类时不够精细,仅从宏观角度描述了湿地景观的演变特征,在后续的研究中,会将研究区景观细化,达到更深层次的研究.

参考文献 (35)

目录

    /

    返回文章
    返回