基于rs和gis的呼伦贝尔草原产草量对冬季积雪的响应研究 67页

单位代码10445学号2015020850分类号TP79研究生类别全日制硕士硕士学位论文(学术学位)基于RS和GIS的呼伦贝尔草原产草量对冬季积雪的响应研究学科专业名称：地图学与地理信息系统申请人姓名：张巧云指导老师：张宝雷副教授论文提交时间：2018年6月12日 山东师范大学硕士学位论文目录摘要................................................................................................................................................IAbstract...........................................................................................................................................II1绪言.............................................................................................................................................11.1研究背景及意义...............................................................................................................11.2国内外研究进展...............................................................................................................21.2.1草原产草量研究.....................................................................................................21.2.2积雪信息提取.........................................................................................................31.3研究内容与目标...............................................................................................................51.3.1研究内容.................................................................................................................51.3.2研究目标.................................................................................................................61.4技术路线...........................................................................................................................72研究区概况.................................................................................................................................82.1地理位置...........................................................................................................................82.2地形地貌...........................................................................................................................92.3气候水文...........................................................................................................................93数据源及预处理.......................................................................................................................103.1数据源.............................................................................................................................103.1.1MODIS数据..........................................................................................................103.1.2TM影像数据.........................................................................................................113.1.3高程数据...............................................................................................................123.1.4气象数据...............................................................................................................123.1.5矢量数据...............................................................................................................133.1.6实地考察数据.......................................................................................................133.2数据预处理.....................................................................................................................133.2.1MODIS数据..........................................................................................................133.2.2TM影像数据.........................................................................................................143.2.3高程数据...............................................................................................................153.2.4气象数据...............................................................................................................154积雪信息提取与特征分析.......................................................................................................164.1研究方法.........................................................................................................................164.1.1积雪遥感指数获取...............................................................................................164.1.2积雪周期分析.......................................................................................................174.1.3积雪覆盖率统计分析...........................................................................................184.2积雪遥感指数精度检验.................................................................................................194.2.1精度检验方法.......................................................................................................194.2.2精度检验结果.......................................................................................................204.3积雪时空分布.................................................................................................................204.3.1积雪覆盖率...........................................................................................................204.3.2积雪天数...............................................................................................................224.3.3降雪量...................................................................................................................284.3.4积雪指数...............................................................................................................304.4积雪变化趋势分析.........................................................................................................30i 山东师范大学硕士学位论文4.4.1积雪天数变化趋势...............................................................................................304.4.2周期分析...............................................................................................................314.4.3积雪覆盖率特征分析...........................................................................................324.5小结.................................................................................................................................345草原产草量模拟及其时空演变分析.......................................................................................355.1研究方法.........................................................................................................................355.1.1产草量计算...........................................................................................................355.1.2产草量精度检验...................................................................................................365.1.3产草量时空分布...................................................................................................365.1.4产草量变化趋势...................................................................................................365.2草原产草量时空分布特征.............................................................................................375.3产草量变化趋势分析.....................................................................................................405.4小结.................................................................................................................................416草原产草量对积雪的响应.......................................................................................................436.1研究方法.........................................................................................................................436.1.1相关分析...............................................................................................................436.1.2灰色关联度...........................................................................................................436.1.3协调度计算...........................................................................................................446.2相关分析.........................................................................................................................476.3灰色关联分析.................................................................................................................476.4协调度分析.....................................................................................................................486.5小结.................................................................................................................................507结论与展望...............................................................................................................................517.1结论.................................................................................................................................517.2存在问题与展望.............................................................................................................52参考文献.......................................................................................................................................53攻读硕士学位期间发表的论文...................................................................................................57致谢...............................................................................................................................................58ii 山东师范大学硕士学位论文基于RS和GIS的呼伦贝尔草原产草量对冬季积雪的响应研究摘要在降水较少的干旱和半干旱地区，冰雪融水是植物生长的重要补充水源。积雪对草原植被的返青、长势及最终产量都有潜在影响。研究积雪和草原产草量之间的相关关系，分析积雪特征对不同地区产草量的影响，对指导放牧及维持草地生态健康具有重要意义。本文以呼伦贝尔草原为研究区，基于MODIS积雪产品MOD10A1提取并分析了2000-2014年间的积雪覆盖、积雪天数等的时空序列数据，基于MODIS净初级生产力产品MOD17A3计算草地产草量并对其时空演变进行了分析，在此基础上，采用灰色关联度模型和协调度方法研究了产草量对积雪的响应特征。主要结论如下：（1）呼伦贝尔草原的年积雪覆盖率在20-40%之间，2月份的积雪覆盖率最大(44.61%)；年积雪天数在30天以上，各旗(县)区(市)的积雪天数差异明显，其中鄂温克族自治旗的多年平均积雪覆盖天数最高(56.69天)，满洲里市的平均积雪天数最少(33.36天)。月积雪覆盖率(MSCF)积雪天数变化趋势均为先上升后下降，但二者峰值出现的年份不同且具有四年的变化周期。（2）2000-2014年呼伦贝尔草原的产草量呈现曲折变化总体增加的趋势，产草量(Y)与年份(x)间存在Y=0.05x3-1.10x2+7.47x+110.39(R2=0.59)的关系。各旗县的产草量存在较大差异，总体来说新巴尔虎右旗和新巴尔虎左旗的总产草量最高，但单位面积产草量较低，海拉尔区和满洲里市的总产草量低而单位面积产草量最高，这与各旗县的地理位置、植被状况和水热条件有很大的关系。多年平均产草量的空间分布特征为东多西少，整体呈现经度地带性。产草量变化趋势以增加为主，增加幅度在20-40g/m2的地区分布最广。（3）对积雪覆盖率、降雪量、积雪天数、积雪指数、积雪覆盖率极差、标准差、变率等7个积雪特征参数变量经过相关分析去除相关性高的积雪覆盖率、积雪天数和积雪覆盖率极差后，剩余自变量与产草量之间的灰色关联度从高到低排列为积雪指数＞降雪量＞积雪覆盖率变率＞积雪覆盖率标准差，积雪指数与产草量的灰色关联度最大。历年积雪和产草量协调度分析也发现，积雪和产草量的协调度总体良好，其中新巴尔虎左旗、满洲里市、鄂温克族自治旗和陈巴尔虎旗4个旗县协调性较好。关键词：积雪；产草量；灰色关联；协调度；呼伦贝尔草原分类号：TP79I 山东师范大学硕士学位论文ResponseofGrassYieldinHulunbeirGrasslandtoSnowCoverinWinterBasedonRSandGISAbstractInaridandsemi-aridregions,waterfrommeltingiceandsnowisanimportantsupplementarysourceofwaterforplantgrowth.Snowhasimportantpotentialimpactsongreening,growthandfinalyieldofgrasslandvegetation.Studyingthecorrelationbetweensnowcoverandgrasslandyield,andanalyzingtheeffectofsnowcharacteristicsongrassproductionindifferentregions,isofgreatsignificancetoguidinggrazingandreducinglossescausedbyspringdrought.Inthisstudy,theHulunbeirgrasslandwasusedastheresearcharea.BasedontheMODISsnowproductMOD10A1,thespatio-temporaldifferencesofsnowcoverandsnowdaysbetween2000and2014wereextractedandanalyzed.ThetemporalandspatialevolutionofgrasslandgrassproductionwasanalyzedbasedonNDVIdataandlightenergyutilizationmodel.Theanalysiswasperformedonthebasisofsimulationanalysis.Basedontheanalysis,principalcomponentsanalysis,greyrelationaldegreemodelandcoordinationdegreewereusedtostudytheimagefeaturesofsnowcoverongrasslandyield.Themainconclusionsareasfollows:(1)Theannualsnowcoverrate(YSCF)intheHulunBuirgrasslandisbetween20-40%,thesnowcoverrateisthehighest(44.61%)inFebruary,andtheannualsnowcoverdays(YSCD)ismorethan30days.Thenumberofsnowdaysinthecounties(cities)differedsignificantly.Amongthem,theEwenkiAutonomousBannerhadthehighestaveragesnowcoverdays(56.69days),whiletheManzhouliCityhadtheleastaveragesnowdays(33.36days).Themonthlysnowcoverrate(MSCF)changesinthenumberofdaysofsnowcoverarefirstincreasedandthendecreased,butthetwopeaksappearindifferentyearsandhaveafour-yearchangecycle.(2)ThegrassproductionintheHulunBuirgrasslandin2000-2014showedanoverallincreasetrendintortuouschanges.TherewasanequationexpressedasY=0.05x3-1.10x2+7.47x+110.39betweenthegrassproduction(Y)andtheyear(x)(R2=0.59).Largedifferencesingrassproductionwereshownincountylevel.Overall,thetotalgrassproductioninXinbalhuyouqiandXinbalhuzuoqiwererelativelyhigh,butthegrassproductionsperunitareawererelativelylower.II 山东师范大学硕士学位论文OnthecontraryandthetotalproductionsinHailarandManzhouliwererelativelylower,whilegrassyieldsperunitareawererelativelyhigh.Thiswascausedbygeographicalconditionssuchasgeographicallocation,vegetationconditionandhydrothermalconditionsofeachcounty.Thespatialdistributioncharacteristicsoftheannualaveragegrassyieldarelesseastandwest,andtheoveralllongitudeandzonality.Thegrassproductionchangesexpressedmainlyasincreasingtrend,andtheincreaserangewas20-40g/m2,andtherateofchangeofgrassproductionwaspositiveinmostareasofthestudyarea.(3)Snowcoverfraction,snowfall,snowcovedays,snowcoverindex,extremesnowcover,variance,andvariabilityforsnowcoverfractionofthesevensnowfeatureparameterswerecorrelatedtoremovehighcorrelationsnowcoveragefraction,snowcoverdaysandextremesnowcoverage.Thegreyrelationaldegreebetweentheremainingindependentvariablesandthegrassproductionisrankedfromhighesttolowestassnowcoverindex>snowfall>snowcoverfractionvariability>snowcoverfractionstandarddeviationandthegreycorrelationbetweenthesnowcoverindexandgrassproductionisthehighest.Theanalysisofcoordinationofsnowcoverandgrassproductionovertheyearsalsofoundthatthecoordinationdegreeofsnowcoverandgrassproductionhadagoodoverallcoordinationdegree.AmongthemwereXinbaerhuzuoqi,ManzhouliCity,EwenkiAutonomouscountyandChenbaerhuqiareinbettercoordination.Keywords:SnowCover,GrassYield,GreyRelation,CoordinationDegree,HulunbeirGrasslandIII 山东师范大学硕士学位论文1绪言1.1研究背景及意义积雪是指持续的降雪覆盖到地面或者冰面而形成的有一定厚度的雪层，是地球表面最为活跃的自然因素之一，地球上的许多地方都在不同时间里覆盖着深度不同的积雪，其中在冰冻圈及高纬地区分布最广泛。积雪多种特性可对地球产生不同的影响，例如高反照率特性可增加地球表面反照率30-50%，另外积雪的热辐射能力与绝对黑体十分接近，使雪面长波辐射的损失增加，而积雪消融阶段需要消耗大量热量，因此形成重要的季节性热汇，另一方面它的不良热传导性又阻止了地表向大气的热量输送，对地面具有一定的保温效果。因此积雪是影响全球热量平衡的关键气候因子，是气候系统的重要组成部分，也是气候系统研究的重要部分，具有很高的学术研究价值[1]。积雪是全球大气与地表相互作用的重要影响因素，其特征参数（如积雪覆盖面积、积雪覆盖天数、雪深、雪量等）是全球气候变化、水文、生态模型、能量平衡中重要特征参数，对生态平衡和能量循环有重要的影响[2]。积雪是季节变化最有代表性的自然因素，也是影响全球大气循环与地表物质循环相互作用的重要因素。在干旱半干旱地区，春季降水量较少，此时的冰雪融水是河流湖泊的主要补充水源[3]。在中高纬度的草原地区，春季降水量少而蒸发量大，植物生长所需水分主要由融化后的雪水提供。因此，积雪对草原植被的返青、长势及最终产量都有重要潜在影响。研究积雪和产草量之间的相关关系，分析积雪特征对不同地区产草量的影响，借以指导放牧、减少春旱带来的损失具有重要意义。草地是全球面积最大的陆地土地资源，1991年的全球草地面积有34亿hm2，约占全球陆地面积的四分之一。我国是草地资源大国，其面积约占国土面积的41.7%，仅次于澳大利亚。草地产草量是草原承载区域畜牧业的前提和基础，也是草地属性评价的重要指标，是草地退化研究、草地生态系统健康诊断、服务功能评估及草原碳汇研究的关键[4,5]。草地产草量模拟是植被生态学、草地科学、农业科学等多种学科重要研究内容，准确的模拟和有效的预测有助于评价草地生产力，对于草地资源的可持续利用、有效进行生态保护具有重要意义。本研究基于RS和GIS在对冬季积雪时空分布信息和统计特征进行提取与分析、对产草量的时空变化进行分析的基础上，研究冬季积雪对草原产草量的影响，转换了产草量原因探究的视角。将影响产草量的自然原因由单一的仅考虑气温、降水等的影响转换为1 山东师范大学硕士学位论文考虑积雪不同特征与产草量之间的关系和对产草量的影响，对多方面多角度研究影响草原产草量的自然因素具有重要意义，是对产草量影响因素研究的补充和拓展。1.2国内外研究进展1.2.1草原产草量研究（1）草原产草量估测草原产草量是大面积畜牧业生产的基础和保障，估算草原产草量、探索草原产草量的影响因素是合理保护及合理开发利用草地资源的前提和基础，是维持草原畜牧业发展的基本要求。草原产草量估测的方法有很多，传统研究方法主要有样方估算、气候模型等，样方估算是根据测定的单位范围干草的重量估测较大范围的产草量；气候模型是根据气候要素计算某一地区的净初级生产力NPP。但是两种方法在工作量和准确性上存在一定局限性，相比之下遥感技术在进行大尺度区域的产量监测时具有明显优势，并且可以花费比较少的人力和物力，同时遥感图像具有时效性、动态性、实用性等优点。利用遥感技术估测产草量主要通过对地面光谱的研究，国外利用地面光谱反射率试验数据估测生物量开始于70年代，M.A.Husse和J.H.Everitt、ComptonJ.Tucker等人的研究表明利用红外波段和红光波段的反射率比值建立线性模型进行草原资源产量估算的效果较好且已经成为遥感在草原植被应用方面的研究热点[6,7]。21世纪以来，有关研究人员利用地面光谱试验数据建立了多种有关植被产量及植被覆盖度的预测模型，可以用于估测草原产草量、草地植被状况等[8,9]。我国的学者从20世纪80年代开始研究草原光谱反射率与草原生物量之间的关系。朱世嘉等利用陆地卫星CCT数据与地面测定的光谱反射率结合，换算出草场的绿度值，再利用绿度与牧草产量的相关关系进行牧草产量估算[10]。牟新待、王艳荣在分析不同波段的反射比特征的基础上，分析草原植被光谱反射率与产草量之间关系[11,12]。近年来，随着新的传感器(MODIS)的广泛使用，大量学者利用MODIS影像提取地面植被指数，并与地面样地相匹配，利用高空遥感数据的植被指数与草地生物量之间的相关关系，来进行草原牧草产量的估测[13-17]。除了利用遥感影像的光谱特征对产草量进行估算外，近年来有很多学者，如刘及东、陈艳梅等，利用实测光谱数据对研究区的生物量进行反演，通过建立模型估算研究区的实际生物量，并根据实测数据进行了估算精度的检验[18-22]。运用实测光谱数据对生物量进行2 山东师范大学硕士学位论文反演，提高了草原产草量模拟的精度，但是对于大范围草原产草量的估算，其工作量较大，模拟精度也会受到一定影响。（2）产草量的影响因素研究在影响产草量的自然因素的研究中，国外学者VanDyne[23]、Breymeyer[24]就气候变化对草地生产力的影响进行了评估，Parton等[25-29]就气候变化对全球草地生产力、土壤有机质、C和N循环等生态系统过程的影响做了详细研究，Thorpe等[30]讨论了气候变化对草地载畜量的可能影响。我国学者从上世纪80年代开始相关研究与探讨。梁云等人在毛学诗、徐德源等研究基础上[31,32]，探究了新疆地区降水、土壤水分与天然草场产草量之间的关系，证明降水是通过土壤水分对牧草产量产生影响[33]，侯琼的研究也同样证实了这个结论[34]。此后更多学者的研究表明，产草量与降水量存在极显著正相关，降水量是影响草原产草量的主要因素[35-39]。张钛仁等根据气象数据和牧草数据分析了青海天然牧草生长与气候条件的关系，发现在干旱半干旱区，牧草产量主要与水分条件有关，而在半湿润区，牧草产量与温度的相关性更大[40]。李启良的研究发现，气候因子对牧草产量有明显影响，并且夏季降水和春季气温对产草量的影响最大[41]。降雪是呼伦贝尔草原降水的重要组成部分，降雪期从10月份到来年的3、4月份，冬季积雪融化后会对土壤含水量产生影响，因此呼伦贝尔草原冬季积雪和草原产草量必定具有一定的关联性，而以往的研究多关注产草量的遥感模拟及其气温、降水对产草量的影响，忽略了冬季积雪对产草量的影响作用。因此本文在积雪时空特征分析和产草量变化分析的基础上，探究呼伦贝尔草原冬季积雪对产草量的影响。1.2.2积雪信息提取由于积雪对全球的辐射平衡、能量变换以及对水循环、大气循环都具有重要影响，对积雪的信息监测和应用研究，能为生活和生产中的众多领域提供及时有效的信息服务。人们采用多种途径对积雪进行观测和研究，目前国内外积雪监测的途径主要有地面气象站常规监测和卫星遥感监测两种常用的方式。（1）地面常规检测地面常规观测主要是通过遍布各地的气象台站和水文观测站进行的，根据每天定时对当地的积雪进行人工观测并记录，不仅可以获得第一手可靠的观测数据，而且能获得较长时间序列的积雪资料。如王澄海、杨青、崔彩霞等[42-44]利用全国或部分地区气象站观测资料分析了区域积雪的空间分布和变化特征。地面观测能获取准确的积雪数据，但是这种方3 山东师范大学硕士学位论文法也存在一定的局限性，首先会存在一定概率的仪器故障，导致观测数据缺失和不连续，其次由于观测台站的分布不均、部分站点观测条件恶劣等条件的限制，在高海拔和高寒等自然条件恶劣及人迹罕至的地区，会有停测、漏测等情况的发生，这为大范围积雪的监测和变化趋势分析带来了困难，同时也降低了积雪的观测精度。而且采用人工观测在观测时间上也无法完全一致，不能及时、全面的反映大范围积雪的分布情况，对于长时间大量积雪的反应能力差，不利于快速对雪灾做出反应。（2）遥感监测在大面积的积雪信息提取和突发的雪灾监测等方面，遥感技术发挥了不可替代的重要作用。积雪信息提取一直是遥感信息反演研究的重点和热点，近年来，从遥感平台应用、提取方法和应用范围等方面取得了较多的研究成果。在积雪信息提取数据应用方面，遥感技术从可见光波段到微波波段都被广泛应用到各种尺度的积雪信息提取的遥感研究中。目前应用较多的积雪产品主要有AVHRR数据、MODIS数据、SMM/I数据、SMMR数据和AMSR-E数据[45-55]，每种数据都有各自的特点和适用范围，不同的分辨率的影像数据适用于不同尺度和范围的研究区，下表是各种数据产品的参数对比。表1-1主要积雪覆盖产品对比数据名称搭载卫星空间分辨率时间分辨率积雪产品类型AVHRRNOAA卫星1.1km6天北半球每周合成积雪产品SMMRNimbus-7卫星30km30天全球每月合成积雪产品与MODIS的8天积雪产品融合产SSM/IDMSP卫星25km7天生的北半球每周积雪产品MODISAquaTerra卫星500m1天每天积雪产品、8天合成积雪产品AMSR-EAqua卫星25km1天每天雪水当量产品在积雪信息提取的方法上，早期对积雪信息的提取有雪线法、手工勾绘法和计算机自动分类方法。现在遥感积雪覆盖研究方法主要是依据积雪特殊的光谱特性及微波特性结合实测数据进行研究，常用的两种积雪信息提取方法有阈值判断法和混合像元分解法。阈值判断法主要分为光学阈值判断法和微波阈值判断法。光学阈值判断法利用决策树原理，通过多次实验分析得到分类指标的阈值，从而实现积雪目标的提取。1989年Dozier利用TM数据以波段1、2和5的组合作为判断指标对积雪进行提取[56]。当前，应用最为广泛的是MODIS雪盖指数(NDSI，normalizeddifferencesnowindex)提取方法，该方法中的NDSI由4 山东师范大学硕士学位论文HALL[57]等人首先提取，不同数据采用相对应的波段进行计算，MODIS数据的NDSI是由波段4和波段6计算得来，Aqua数据的NDSI由波段4和波段7计算得来[58,59]。该方法目前在世界各地被广泛验证和应用，例如Malcher等人对阿尔卑斯区域利用雪盖指数法进行提取积雪信息研究时设定NDSI≥0.7时确定像素为全雪覆盖，0.4＜NDSI＜0.7时像素为部分雪覆盖，从而对原始算法中纯像元的假设进行修正[60]。郝晓华等在对我国西部祁连山地区的雪盖指数阈值研究发现NDSI在0.3-0.4之间反演积雪范围比较真实，准确性较高[61]。微波阈值判断法根据数据的不同可分为被动微波数据阈值判断和主动微波数据阈值判断。Foster的实验发现被动微波数据的垂直极化37-19GHZ对雪变化信息敏感[62,63]，但是被动微波经常会忽略厚度较薄的雪，从而导致对雪覆盖面积的低估[64]。主动微波则根据地面特征的不同后向散射系数和积雪含水量随时间的变化对积雪信息进行判断。混合像元法的重点是对反射率的确定，Gagrun以混合像元分解法为基础对森林区的积雪信息进行提取，提出了植被与积雪的混合反射率模拟模型[65]。在我国，延昊、梁天刚等人对内蒙古东部和东北地区、北疆牧区的积雪信息利用混合像元分解法进行提取，取得较好的效果[66,67]。在研究范围方面，当前的中国学者的研究区主要集中在青藏高原、新疆、内蒙古西北部、东北等典型区域的积雪面积时空变化分析和对气候的响应分析，以及对积雪反演参数的研究，而对呼伦贝尔草原地区积雪时空变化的研究较少，更重要的是，大多数研究的时间范围多位于十年以内，研究时间不够长，不能反映出积雪的长时间变化特征，甚至不能反映积雪变化的气象周期规律。1.3研究内容与目标1.3.1研究内容（1）基于MODIS数据的积雪特征数据提取与时空演变特征分析基于MODIS数据对呼伦贝尔草原历年积雪面积进行提取，并利用ArcGIS软件对其积雪信息(月平均积雪覆盖率、年积雪覆盖变化、每年积雪覆盖天数等)进行提取和统计。主要内容包括：○1呼伦贝尔草原积雪信息获取。a.数据预处理：采用MODIS每日积雪分类产品MOD10A1，时间段为2000-2014年共15年每年的冬半年的积雪季，即每年的10月1日到次年的3月31日，对MOD10A1遥感影像利用MRT工具进行投影转换、裁剪和重分类。同时对气象数据进行相应的处理；b.积雪特征信息提取：对重分类的图像提取每日积雪覆盖区域，采用最大面积法进行叠加，生成研究区每年积雪分布图像，对积雪分布图象提取5 山东师范大学硕士学位论文积雪覆盖率、积雪持续天数等数据。从气象数据中获取降雪量信息，并对降雪量的分布特征进行分析。○2呼伦贝尔草原冬季积雪时空演变分析。对2000-2014年积雪覆盖率、每年积雪持续天数进行时空分析，探寻呼伦贝尔草原冬季积雪的时空分布特征。○3呼伦贝尔草原积雪变化趋势分析。对积雪天数变化趋势、积雪覆盖率的周期变化和每年积雪覆盖率的标准差、标准差和极差进行统计，对积雪的变化趋势进行探究。（2）基于净初级生产力NPP的产草量模拟与时空演变分析利用MODIS数据NPP产品对呼伦贝尔草原的产草量进行计算并分析其时空演变特征。主要内容为：○1数据预处理及NPP值计算：对NPP数据进行镶嵌、投影转换和重采样、裁剪等预处理，并提取研究区范围内土地利用类型为草地的NPP数据，然后根据有关文献的草原草地地下部分和地上部分生物量比例系数计算产草量；○2产草量时空演变分析：对2001-2014年产草量数据进行时空分析，探寻呼伦贝尔地区夏季产草量的时空演变规律；○3产草量变化趋势分析：采用简单差值法和线性倾向估计两种方法对研究区2000-2014年产草量的变化趋势进行统计分析，对发生变化的区域进行对比和分析。（3）产草量对积雪的响应在积雪信息提取和产草量时空变化演变分析的基础上，分析产草量对积雪特征因子的响应。在积雪特征分析的基础上选取积雪覆盖率、积雪天数、降雪量等积雪特征因子，根据相关分析去除相关性高的积雪特征因子，然后剩余特征因子与产草量进行灰色关联度分析，分析与产草量关联度最高的积雪特征因子。最后进行积雪和产草量的协调度分析，进一步体现产草量对积雪的响应。1.3.2研究目标（1）基于MODIS每日积雪产品的影像数据（MOD10A1），获取2000-2014年呼伦贝尔草原积雪信息数据序列，探寻积雪覆盖率、积雪覆盖天数和积雪变化周期等时空演变特征。（2）基于MODIS产品NPP数据计算草原产草量，获取研究区2000-2014年产草量的空间分布，分析其时空演变特征和变化趋势。（3）选取积雪特征因子，与产草量进行灰色关联度计算和协调度分析，对影响产草量的积雪特征进行具体分析。6 山东师范大学硕士学位论文1.4技术路线本文选择呼伦贝尔草原为研究区，在积雪信息提取和产草量时空变化演变分析的基础上，分析了产草量对积雪特征因子的响应，其技术路线如下所示：MODIS影像数据MODIS日积雪产品MODIS的NPP产品MOD10A1MOD17A3气象站点数据日降雨、温度等数据预处理产草量计算模型同期TM影像Landsat4-5数据核查分析精度检验草原产草量模拟积雪覆盖率实测数据文献数据积雪天数特征参数提取精度检验积雪量积雪指数积雪特征时空数据序列草原产草量数据序列积雪特征时空分析草原产草量特征时空分析数理统计模型分析草原产草量对积雪的响应相关性协调性图1-1技术路线图7 山东师范大学硕士学位论文2研究区概况2.1地理位置呼伦贝尔市位于内蒙古自治区东北部，是内蒙古自治区最东面同时也是最北面的市，其北部以额尔古纳河中心线为界和俄罗斯相邻，东与黑龙江省相邻，南部同内蒙古自治区的兴安盟扎赉特旗、科尔沁右翼前旗毗邻，西南部与蒙古国接壤，呼伦贝尔草原是呼伦贝尔市的一部分，位于呼伦贝尔市的西南部(地理位置如图2-1)，地理坐标范围为115°31′-121°35′E，47°20′-50°51′N，总面积76277km2。主要包括满洲里市、海拉尔区、新巴尔虎右旗（以下简称新右旗）的全部、新巴尔虎左旗（以下简称新左旗）以及陈巴尔虎旗（以下简称陈旗）的大部分区域、鄂温克族自治旗（以下简称鄂温克旗）中西部区域和额尔古纳市南部区域。呼伦贝尔草原是我国纬度最高的天然草地，是我国东北地区重要的防风固沙区，作为保卫华北、东北地区的生态屏障具有不可替代的作用。图2-1呼伦贝尔草原地理位置8 山东师范大学硕士学位论文2.2地形地貌呼伦贝尔草原位于大兴安岭西侧，其主体为呼伦贝尔高原，仅南端与蒙古高原相连，平均海拔在650-700m之间，地势大致东南高，略向西北倾斜，中部略低且较为平坦，俗称呼伦贝尔陷高平原。岩屑和冲积物质广泛堆积在四周的低山丘陵山麓地带上，导致地表起伏不平。呼伦贝尔草原东部地貌为大兴安岭西坡的以花岗岩、玄武岩为主的石质低山小区。草原西部(呼伦湖以西)的低山丘陵分布广泛，海拔高度在650-1000m之间，相对高度处于50-100m之间。在呼伦贝尔草原上分布三条主要沙带，一条在海拉尔河南岸，沿满洲里到海拉尔的铁路线分布，长约150km，宽度为4km至10km不等；一条沙带是自鄂温克族自治旗的辉苏木一直向西延伸到新巴尔虎左旗的阿木古郎镇，长度约80km，宽约15km；第三条沙带是呼伦贝尔高原东部边缘的樟子松林带，从新巴尔虎左旗的罕达盖延伸到鄂温克族自治旗的莫和尔吐和锡尼河[68]。2.3气候水文呼伦贝尔草原的气候类型属于温带大陆性气候，四季气候特征明显，春季多大风，气候干燥，蒸发强烈，夏季气候温和但持续时间较短，水热同期而且降水集中，秋季温度骤降，较早出现霜冻，冬季漫长寒冷，温度低且容易发生雪灾。研究区年平均气温较低，仅为-1.5℃，自西南至东北气温逐渐降低，有记录的最低气温低至-46.6℃，最高气温达到37.7℃，极端低温与极端高温相差大。1月份最冷，平均温度-22至-18℃，4月以后温度开始逐渐上升，4月末5月初冰雪开始消融，7月份温度最高，平均气温18-21℃。无霜期较短，平均115-124天；日照充足但热量不足，年日照时数平均为2900小时，日照百分率达到61%以上；多年平均降水量325mm，降水主要集中在夏季，夏季降水量约占全年的70%。呼伦贝尔草原河流湖泊分布相对密集，河流主要有海拉尔河、额尔古纳河、伊敏河、克鲁伦河和乌尔逊河等，分属于呼伦湖水系和额尔古纳河水系。其中额尔古纳河流域面积15.36万km2，多年平均径流量约为115.21亿m3，占草原流域总面积的60.7%，其下游为中国和俄罗斯的界河。研究区两个面积最大的湖泊分别为呼伦湖和贝尔湖，呼伦贝尔草原就是由呼伦湖与贝尔湖而得名，其中呼伦湖是内蒙古自治区最大的淡水湖，同时也是全国第五大淡水湖，水域面积2339km2，贝尔湖为中国和蒙古国界湖，水域面积610km2。研究区汛期一般有两次，春汛(冰雪融水)一般为4-5月，夏汛(雨季)主要在7-8月。9 山东师范大学硕士学位论文3数据源及预处理3.1数据源3.1.1MODIS数据MODIS是搭载在Terra和Aqua两颗卫星上的中分辨率成像光谱仪，是美国地球观测系统(EOS)计划中，是用于观测全球生物和物理过程的重要仪器。它具有36个中等分辨率的光谱波段，每1-2天对地球表面观测一次。通常所说的MODIS一般为1B是特定卫星(Terra和Aqua)、特定产品的44中标准产品之一。在1B级数据产品之后，又划分为2-4级数据产品，包括大气、陆地、冰雪和海洋标准数据产品共44种标准产品。（1）MOD10A1数据MOD10A1数据来源于美国国家雪冰数据中心网站(NationalSnowandIceDataCenter，NSIDC)，空间分辨率为500m，为正弦曲线地图投影，时间段为2000-2014年每年10月1日到次年3月31日，共2836幅影像，数据格式为HDF格式，数据产品包括积雪覆盖范围、积雪面积比例、积雪反照率和质量评估四种产品。MOD10A1数据利用云和雪在可见光波段(0.545-0.565μm)相似而在近红外波段(0.545-0.565μm)差异明显的光谱特征计算归一化雪盖指数NDSI，并采用一套决策支持方法对积雪进行检验。通过建立归一化雪盖指数NDSI可区分雪和大部分积云，但是难以区分薄云和雪。因此MOD10A1数据积雪识别算法引入水陆阈值设定、云掩膜和热掩膜来区分薄云和雪，在积雪覆盖的林区，通过引入植被指数NDVI监测积雪，根据积雪识别算法最终确定11类地表类型，其编码和含义由表3-1所示[69].MODIS产品精度较高，总体精度达到93%，在部分庄稼地和农田达到99%。MOD10A1产品可较好地消除云对地表积雪分类精度的影响，晴天时MOD10A1总精度可达到98.5%，积雪分类精度为98.2%[70,71]，满足积雪信息提取的要求，因此选择MODIS每日积雪分类产品MOD10A1进行研究区积雪信息的提取。10 山东师范大学硕士学位论文表3-1MOD10A1数据的积雪覆盖范围分类编码及其含义编码含义0传感器数据缺失(Sensordatamissing)1未定义(Nodecision)11黑色体、夜晚、终止工作或极地地区(Darknessornight,terminatororpolar)25没有积雪的陆地(Land,freeofsnow)37湖泊(Lake)39开放的水体(OpenWater)50云(Cloud)100湖冰(Lakeice)200雪(Snowcoveredland)254传感器饱和(Detectorsaturated)255填充数据(Filldata)（2）MODISNPP数据本文采用MODISNPP数据计算研究区产草量，NPP遥感数据MOD17A3来源于美国航天局NASA的EOS/MODIS网站（http://reverb.echo.nasa.gov/reverb），该产品是根据生态系统模型BIOME-BGC模型估算的全球NPP年际变化，空间分辨率为1km，时间分辨率为1年，根据《MOD17User’sguide》的规定，其数据编码如下表所示：表3-2MOD17A3数据的数据编码及其含义填充值描述有效值0-65500NPP值，比例因子为0.0001，单位为kgC/(m2·a)65529未分类像元65530城市/建筑覆盖类型65531永久性湿地/淹没沼泽地类型无效值65532常年积雪或冰覆盖类型65533贫瘠、稀疏植被（岩石、冻土、沙漠）覆盖类型65534多年盐或内陆淡水水体覆盖类型65535传统的HDF-EOS填充值，赋予不属于以上类型的其他非建模像元3.1.2TM影像数据与MODIS数据相比，TM影像数据虽然时间分辨率较低，但其空间分辨率较高，因此将TM影像数据作为验证积雪分布精度的检验数据。TM影像是Landsat4-5号专题制图仪11 山东师范大学硕士学位论文所获取的多波段扫描影像，其主要特点为具较高空间分辨率、波谱分辨率、极为丰富的信息量和较高定位精度。本文所用TM影像为研究区范围内2000-2014年每年的冬半年的任意一景云量最低的TM影像数据，共15景，数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn)。TM影像已经做过地形参与的几何校正，输出格式为TIFF格式，地图投影为WGS84坐标系。3.1.3高程数据ASTERGDEM数据产品基于“先进星载热发射和反辐射计(ASTER)”数据计算生成，是目前唯一覆盖全球陆地表面的高分辨率高程影像数据。本文高程数据即采用ASTERGDEM数据V2版，来源于中国科学院计算机网络信息中心地理空间数据云(http://www.gscloud.cn)，空间分辨率为30m，数据类型为TIFF，投影方式为WGS84投影。研究区范围内需要条带号115-120、行编号47-50共24幅DEM影像。3.1.4气象数据研究区范围内有额尔古纳市(50.5°N，120.11°E)、新巴尔虎左旗(48.13°N，118.16°E)、新巴尔虎右旗(48.4°N，116.49°E)、满洲里(49.34°N，117.19°E)和海拉尔(49.13°N，119.45°E)共5个气象站点，各气象站点具体位置如图3-1所示。其建站以来的气象监测数据可从中国气象数据共享平台(http://data.cma.cn/site/index.html)提供的中国地面气候资料数据集中查询。本研究主要是利用5个气象站点的气温和降水数据，时间范围为2000-2014年的10月份至次年3月份的日气温和降水量，其单位分别为0.1摄氏度(0.1℃)和0.1毫米(0.1mm)。图3-1研究区气象站点分布图12 山东师范大学硕士学位论文3.1.5矢量数据矢量数据主要为呼伦贝尔草原边界图和研究区内各旗(县)市(区)的行政界线图，采用WGS84坐标系，由研究区的纸质地图经过扫描、坐标配准和数字化得到。3.1.6实地考察数据2017年6-9月份对呼伦贝尔草原进行了为期20天的实地考察，考察的路线一共有三条：1条是满洲里市到北面小镇室韦(图3-2左)，主要沿额尔古纳河向北，主要考察的是林缘草甸和湿地草甸类型；第2条是从阿木古郎镇到满洲里市，主要考察的是典型(干)草原和荒漠草原(图3-2中)；第3条是室韦返回海拉尔区，主要考察的是典型草原和湿地草原(图3-2右)。考察的内容有草原长势(包括地上植物量、植被覆盖度)、冰雪融水量、地形地貌和综合地理环境。图3-2野外考察路线3.2数据预处理3.2.1MODIS数据采用MODIS数据处理工具MRT(MODISReprojectionTool)。MRT是一种专门针对MODIS数据的进行预处理的工具，它能重新设置投影坐标，而且能够通过选择影像中的空间子集(spatialsubsetting)和波段子集(spectralsubsetting)进行投影转换，MRT还能对多幅MODIS影像进行无缝拼接和重采样。MRT可在多种系统平台上运行，其数据的输出格式有rawbinary，GeoTIFF和HDF-EOS。MRT通过特定格式的命令行或在MRT图形用户界面(GUI)上运行，能够实现大量影像的批处理。13 山东师范大学硕士学位论文（1）MOD10A1数据利用MRT工具对2000-2014年MOD10A1数据进行镶嵌、投影转换和重采样的批处理，将投影坐标系设置为WGS84坐标，重采样方法选择最邻近像元法，最终输出为TIFF格式影像。然后在ArcGIS10.2软件中利用研究区矢量边界数据对TIFF影像进行裁剪，得到研究区范围内的MODIS影像。根据MOD10A1数据像元编码及含义制定重分类规则，有雪的像元定义为1，无雪为0，重分类后MODIS图像只有0和1两个像元值，1代表有雪，0代表无雪。处理后得到2000-2014年研究区每日的积雪图像(如图3-3)。图3-3呼伦贝尔草原2014年11月1日积雪分布图（2）MOD17A3数据利用MODIS数据处理工具MRT对MODISNPP数据产品MOD17A3影像进行镶嵌、投影转换和重采样的批处理，将投影坐标系设置为WGS84坐标，重采样方法选择最邻近像元法，最终输出为TIFF格式影像。3.2.2TM影像数据TM数据的预处理主要包括几何校正、辐射定标和大气纠正。几何校正是利用地面控制点和几何校正数学模型来矫正非系统因素产生的误差。辐射定标是将原始DN值转换为大气顶层辐射亮度值，辐射定标后的影像如图3-4(a)所示。大气纠正是将大气顶层辐射亮度值转换为地表实际反射率，去除大气的散射、吸收、反射引起的误差，本文选择FLAASH大气纠正方法，大气纠正后的影像图如3-4(b)所示。14 山东师范大学硕士学位论文(a)(b)图3-42011年10月28日TM影像辐射定标(a)和大气纠正(b)结果3.2.3高程数据对下载的24幅ASTERGDEM数据DEM影像在ArcGIS10.2软件中进行拼接，然后利用研究区矢量图进行裁剪，得到研究区范围内的高程影像。由于下载的原影像即为WGS84投影，与积雪遥感影像的投影方式一致，因此不需要进行投影变换。对裁剪好的DEM影像进行重分类，根据研究区内的高程范围(406-1305m)每100m设置一个高程区间，为方便取值和计算，最低高程区间设置为406m-500m，即500m以下，最高高程为1305m，因此最高高程区间设置为1200-1305m，设置的高程区间分别为406-500m、500-600m、600-700m、700-800m、800-900m、900-1000m、1000-1100m、1100-1200m、1200-1305m共9个区间(所有高程区间取低值不取高值)，然后对重分类的高程范围和多年平均积雪持续天数进行加权平均的计算，得到每个高程范围积雪持续时间的平均值。3.2.4气象数据由于气象科学共享网提供的气温和降水数据的单位为0.1℃和0.1mm，首先对所有数据除以10，将单位转换为℃和mm，得到各个气象站2000-2014年冬半年每日的气温(℃)和降水量(mm)。当日温度低于0℃时，则认为此日的降水量值即为降雪量，删掉日平均气温高于0℃时的降水量，将日气温低于0℃时的降水量相加，得到每年的降雪量数据。对研究区的历年降雪量进行统计，最终得到研究区的降雪量时间变化数据序列；然后对每个气象站多年平均降雪量进行克里金插值[72]，得到研究区多年平均降雪量的空间分布。对于个别缺失的数据，以缺失日前后两天的平均值代替。15 山东师范大学硕士学位论文4积雪信息提取与特征分析4.1研究方法4.1.1积雪遥感指数获取在MODISMOD10A1数据预处理的基础上，采用定义积雪覆盖率(SnowCoverFraction，SCF)、积雪天数(SnowCoverDays，SCD)、积雪指数(Snowcoverindex，SCI)以表征积雪遥感指数。根据MOD10A1重分类数据进行积雪遥感指数计算和积雪覆盖率的统计指标计算。（1）积雪覆盖率积雪覆盖率SCF表示研究区内积雪面积占研究区总面积的比例，反映了MODIS积雪产品的积雪覆盖信息，每日积雪覆盖率的计算公式为：NSSCF(公式4.1)N式中，Ns表示积雪像元个数，N为像元总个数。月平均积雪覆盖率是将本月的每日积雪重分类数据在ArcGIS10.2软件中叠加并进行加权平均计算，年积雪覆盖率是对每年的10月至次年3月的月积雪覆盖率求取平均值。（2）积雪天数在ArcGIS10.2软件中对每年冬半年逐日积雪重分类图像进行叠加，叠加后每个象元的数值即为研究区每年的积雪覆盖时间，即积雪天数SCD，定义为整个冬半年像元i持续有积雪覆盖的时间。参考Stow等人在研究中利用绿度变化率表征植被变化，对同一像元的多年积雪天数进行最小二乘线性拟合，将斜率定义为积雪天数变化指数，以表示每年积雪天数的变化趋势，其表达式为：nnnn(iSCDi,jk)iSCDi,jki1i1i1(公式4.2)Snn22i(i)i1i1式中，S即为2000-2014年年平均积雪天数的变化指数，SCD为研究区年平均年积雪天数，i为年份顺序额，2000年为1，依次类推，到2014年为15，