第1章绪论
1.1艾比湖流域概况
艾比湖流域地处我国新疆西北边陲，是古丝绸之路新北道和当今新亚欧大陆桥所经要地及我国向西开放的***，也是北疆地区重要的粮食、棉花、畜牧业生产基地和石油化工基地。由于该流域位于西风气流进入我国的重要通道上，艾比湖又属荒漠风口湖泊，特殊的地理位置及多风、干旱的自然环境条件使它在新疆生态环境保护中凸显出重要地位。半个多世纪以来，流域内人口增多、耕地面积扩大及社会经济的发展，对水资源的需求量日益增加，致使入注艾比湖的主要河流水量迅速减少或断流，造成艾比湖水面急剧萎缩，引发了一系列的生态问题并造成严重危害，主要表现为：艾比湖水面大幅度缩小，湖周地下水位下降，湖泊生态系统和湖滨生态系统退化，天然植被衰败，荒漠化迅速扩张，生物多样性锐减；在强劲风力作用下，裸露湖盆盐漠面积的扩大，造成该地区扬沙及沙尘天气剧增，土地盐渍化危害加剧，严重影响了当地的工农业生产、交通运输及人民群众身心健康；扬沙及沙尘在天山支脉山麓的挟持或顶托作用下，对整个流域及天山北坡经济带的社会经济可持续发展和大气环境质量都造成了严重影响。
植被覆盖度作为重要的生态环境变化指示参数，在生态、水利、土壤、水土保持、植物等领域有广泛的应用，常被作为重要影响因子，参与分析评价过程。获取植被覆盖度的方法很多，但目前*常用的是实地测量法和遥感解译法。实地测量法属于传统测量法，费时低效，监测范围小，已无法适应和满足区域生态环境动态可持续监测的需要。遥感解译法具有快速、实时、高效等特点，目前已广泛用于大面积植被覆盖度动态监测。遥感解译数据方面，之前我国遥感数据较少，对国外遥感数据依赖性强，随着国产高分辨率对地观测系统的部署与应用，这一现象得到了有效改观，但国产陆地卫星应用于干旱区湿地植被覆盖度的研究尚不多见。艾比湖流域是西北荒漠区的典型代表，荒漠物种种群不仅多样，而且分布集中，是荒漠植物多样性的宝库。围绕艾比湖及周边植被覆盖度的研究广泛开展，初期以传统地面监测法获取植被覆盖度，但只能在较小区域进行且费时费工本。采用遥感监测结合实地测量方法研究艾比湖流域的植被覆盖度动态变化，不仅能评价近年来艾比湖流域的生态环境变化，而且为新疆天山北坡广大区域植被覆盖度监测研究提供范例，更可以为艾比湖湿地生态环境治理提供决策依据。
土地荒漠化问题是全球重大环境质量演变问题之一。据联合国公布的资料，目前荒漠化已影响到世界1/5的人口和全球1/3的陆地，而且每年以5万～7万km2的速度扩张，造成的经济损失每年达420亿美元。中国是世界上受荒漠化危害*为严重的国家之一，根据《联合国防治荒漠化公约》对荒漠化的定义，我国荒漠化土地面积为262.2万km2，占我国陆地面积的27.3%。土地荒漠化已成为制约我国特别是西部地区社会经济可持续发展的主要因素。监测土地荒漠化的发展趋势，掌握其动态变化的规律，对土地荒漠化程度进行评估分级，为荒漠化综合治理、全面规划、管理决策提供实时资料和动态信息，成为国内外地学界荒漠化研究的重要内容。土地荒漠化是指包括所有气候变异和人为活动在内的种种因素造成的干旱、半干旱和干旱亚湿润区的土地退化。土地退化是由于使用土地或由于一种营力或数种营力结合致使干旱、半干旱和干旱亚湿润区的雨浇地或草原、牧场、森林和林地的生物或经济生产力和复杂性下降或丧失。其中包括①风蚀和水蚀致使土壤物质流失；②土壤的物理、化学和生物特性或经济特性退化；③自然植被长期丧失等。“干旱、半干旱和干旱亚湿润区”是指年降水量与潜在蒸发散之比即湿润指数在0.05～0.65之间的地区，根据《联合国防治荒漠化公约》及国家林业和草原局关于中国土地荒漠化监测的有关技术规定，土地荒漠化类型按主导因素分为风蚀、水蚀、冻融、盐渍化四大类型。每种类型按荒漠化程度分又为轻、中、重、极重四级。荒漠化地区是一个由自然、社会经济、人文地理组成的复杂系统，是物质、能量、信息的统一体。荒漠化地区的资源、环境、人口、生产管理方面的数据都具有时间、空间、属性三大特点，因而利用遥感技术解译区划不同的荒漠化土地类型，同时利用地理信息系统，分析评价荒漠化的时空分布特点及变化规律，建立荒漠化动态监测与评价系统具有较大的现实意义。
现代化的森林调查监测技术不是一种单一的技术，其发展也不是单科*进的发展，而是多种技术乃至多种学科的综合和集成。林业信息化技术体系以GNSS技术、遥感、地理信息系统为主体，结合网络技术、多媒体技术、数据库技术等，系统地研究林业综合空间信息获取、表达、管理、分析和应用技术体系，研究森林资源与生态环境的空间格局、相互作用机制和动态变化规律，并以此为基础进行预测。以国产高分辨率影像数据和地面调查数据、GPS数据为基础，通过各种分析和处理方法，进行森林资源调查应用评价，实现林业区划更新和资源环境调查以及业务化系统应用。为了改善新疆林业可持续经营的环境与水平，国家特别针对新疆林业发展先后出台了一系列的政策与规划。这些新疆林业的重大事件都可以且必须通过国产高分辨率遥感对地观测系统进行精细的判读解译、准确的空间定位、实时的动态监测、确切的定量分析、迅捷及时的预警、客观全面的评估、分区分类指导的适应对策和优化设计的示范。迫切需要建立面向林业政务决策、森林资源管理和林业集约生产的高分辨率林业遥感观测系统，以求能迅捷地提供森林资源环境的现状与动态变化、重大林业生态工程建设效益状况、森林生态系统、森林灾害等信息数据及产品。
由于生态服务功能与人类的福祉息息相关，全球生态服务价值变化的严峻形势已经引起人们对生态服务功能的高度重视。当前生态学与生态经济学研究的热点之一就是对区域生态服务价值进行评估。虽在指标体系构建和参数选择上有所差异，但参照的方法基本上都是Costanza等（1998）的研究方法。主要表现为借用Costanza评估模型，米用各种各样的方法估算不同土地利用/覆被类型生态服务价值，从而求得各中小尺度区域的总生态服务价值。大部分的研究方法皆基于经济学和生态学的理论基础，并没有结合RS与GIS技术对研究区生态服务价值在地理空间上进行展示，以更加直观展现生态服务价值的时空分布特征。艾比湖流域作为*特的典型生态敏感地理单元，在基于RS与GIS技术基础上，研究其土地利用/覆被变化、气候因素及社会经济因素对生态服务价值的影响，对于我国整个西北地区的生态环境有着重要的指示作用。目前艾比湖流域在生态服务价值变化驱动因素方面的研究仍显不足，大多数的研究仍主要侧重于土地利用/覆被变化对生态服务价值的影响。而近几十年来，在流域内气候变化及人类活动同时变强的背景下，开展艾比湖流域生态服务价值变化及其影响因素的研究，探讨气候因子及人类活动带来的土地利用/覆被变化对生态服务价值变化的驱动作用具有重大意义。同时，生态服务价值评估关系到区域资源的*佳分配问题，如何从全域角度评估生态服务价值对区域规划和资源合理配置等问题具有重要的参考价值。
1.2艾比湖流域生态环境遥感监测发展概况
艾比湖位于准噶尔盆地西北，是这一区域的汇水中心。其*引人注目的是湖泊水位的较大幅度波动以及相应湖面积的扩大和缩小，作为一个内陆封闭湖，对气候变化的响应非常敏感，是研究干旱区气候与自然生态环境演变的理想地区。长期以来，围绕着艾比湖开展了大量的调查研究。陈旭等（1998）根据地层的发育特征和各门类生物地理分布，认为新疆西北部在早古生代属于哈萨克斯坦古板块的东延部分。早在新生代古近纪中期（约0.5亿年前），发生了喜马拉雅造山运动，天山、阿尔泰山地槽大幅度上升，海水退出了亚洲大陆，准噶尔盆地开始了干旱内陆盆地的发展历史。造山运动使得准噶尔地块和天山、阿尔泰山地槽的刚硬基底产生了许多复杂而巨大的块状断裂，艾比湖就是在这些断裂条件下生成的一个断裂陷落区，它同哈萨克斯坦境内的萨克斯湖、阿拉湖处于同一断陷带上，该陷落带呈北西一南东走向，控制着一系列的湖泊的延伸方向，各湖之间由于后期构造运动的影响而被彼此隔离。卢良才和黄宝林（1993）通过对湖东南面三道明显的古砂砾石堤的TL年龄测定研究后认为，艾比湖存在着大约5000年为周期的湖退过程。25～20.6kaB.P.艾比湖水位由230m下降至209m，若不考虑构造运动影响，湖面收缩率4.55mm/a；20.6～15.9kaB.P.，水位降至201m，湖面收缩率为1.7mm/a；15.9～8.6kaB.P.，水位降至199m，湖面收缩率为0.58mm/a。植物生态学和孢粉学方法已成为恢复北疆内陆干旱半干旱地区晚更新世以来气候与自然生态环境演化进程的重要技术手段之一。李国胜（1993）通过对藜科和蒿属生态习性和花粉比例的研究证明：冰消期以来，荒漠和荒漠草原这两种地方性植被类型在艾比湖地区的交替出现，反映出这一地区近15000a以来的气候环境演化过程大致经历了10次较为明显的波动变化。这10次气候环境波动过程不仅与冰消期以来全球性的气候变化序列、事件和规律特征基本符合，而且在中国西部干旱半干旱地区与冰川前进、黄土堆积、沙漠扩展、湖面波动等环境因素的变化紧密联系，气候变化具有普遍意义。目前，国内外形成了以多波段、多时相、高分辨率遥感数据提取植被覆盖度的研究热点。*常用的遥感监测植被覆盖度的方法按提取机理可分为回归模型法、混合像元分解法和植被指数法。陆广勇（2011）采用线性回归模型对延河流域覆盖信息成功提取；North（2002）使用ETM+NDVI数据与植被覆盖度进行线性回归分析，估算植被覆盖度；李红（2009）用归一化植被指数回归模型估算了上海崇明不同时期的植被覆盖度。非线性回归模型假设植被覆盖度与遥感信息之间是非线性关系，可能是二次多项式、指数等关系，该种模型建立一般比较麻烦。Boyd等（2002）利用非线性回归模型提取了美国太平洋西北部的针叶林覆盖度。回归模型法适用于研究区域较小时，对于大研究区要建立多个回归模型，否则精度就会明显降低。混合像元模型法基于遥感影像的混合像元由多个组分组成，每个组分对遥感信息都有贡献，据此可建立成分组成和影像信息之间关系的像元分解模型。混合像元模型主要包括线性光谱混合模型、概率模型、几何光学模型、模糊分析模型。混合像元分解模型中如果组分与像元信息是线性关系，建立的模型就是线性模型，否则就是非线性模型。目前的研究中，基于线性的混合像元分解模型使用较多，线性模型主要有像元二分模型、线性光谱分解模型。线性模型物理意义明显；非线性混合模型复杂，更难于直观地解释；概率模型的一个典型代表是*大似然模型。混合像元分解对荒漠区植被覆盖度的提取具有更高的精度，李凯等（2014）利用像元二分法成功监测了白龙江流域植被覆盖度及其变化趋势；李晓松等（2010）利用混合像元分解法对民勤植被覆盖度进行了提取。目前，混合像元分解法的难点在于确定端元，纯净像元受背景噪声的影响很大。目前研究中，主要是通过对研究尺度范围内的像元数据进行统计分析来获取这2个极值，也有学者直接从研究区域的像元数据中选取*大值和*小值分别作为纯植被和纯裸土的像元值。植被指数法直接通过建立植被覆盖度与植被指数之间的关系，而近似估算植被覆盖度。目前提出的植被指数有40多种，常用的有比值植被指数（RVI）；20世纪80年代，Tucker对RVI进行归一化处理，得到的归一化植被指数NDVI，叶贵祥等（2009）通过NDVI提取了新疆策勒地区植被覆盖度；Huete（1988）提出了土壤调整植被指数SAVI等。目前这些植被指数广泛用于土地利用调查、农作物估产、干旱监测、植被分类等方面。NDVI是目前使用*多的植被指数，该指数与植被覆盖度呈明显的正相关，NDVI各种序列产品也在全球各个区域的植被覆盖变化中得到了深入的应用。植被覆盖度提取精度与遥感数据的分辨率和提取方法关系很大。遥感数据主要用空间分辨率、光谱分辨率和时间分辨率反映其质量。空间分辨率是指遥感影像上能够分辨的相邻地物的*小距离，一般空间分辨率越高，对地物辨别能力越强，提取的精度也越高；光谱分辨率高，波段窄，能够更加真实地反映地物波谱信息，因此
展开
