标题：Ecological vulnerability assessment of a China's representative mining city based on hyperspectral remote sensing
期刊：Ecological Indicators
时间：2022/12
DOI:https://doi.org/10.1016/j.ecolind.2022.109663
作者：Xiaoai Dai et al.
一句话总结：以矿业城市为研究对象，利用高光谱影像等数据，基于SPR模型，进行生态脆弱性评价，并对比了运用多光谱与高光谱影像在计算植被与最终结果时的区别。
声明：以下内容仅代表个人对文章的理解，水平有限，难免出现错讹，欢迎批评指正！
（1）高光谱遥感有助于揭示有关植被健康的隐藏信息。
（2）提出了一种基于高光谱遥感的生态脆弱性评估框架。
（3）政策引导的生态恢复有效地促进了攀枝花市植被的恢复。
（4）密集和广泛的挖掘活动对当地的生态脆弱性产生了重大影响。
（1）在中国，四分之一的城市被定义为矿业城市（矿业社区集群），这与其他发展中国家是一致的。然而，由于对资源开发的极大依赖，这些城市的环境问题在快速城市化之后得到了充分的记录。为了减轻这种环境压力，科学界已经设计并开展了大量工作，以研究陆地生态系统对环境变化的反应机制。利用遥感技术（RS）可进行大规模快速、准确的监测，是环境调查的一种方法；（2）生态脆弱性评价中仍然可以发现明显的缺陷，包括评估系统之间的不匹配、权重的过度主观性以及参数的不确定性。更可靠的方法和更准确的数据迫切需要改进总体评估；（3）结合高光谱成像评估可建立生态脆弱性评估指标，研究人员现在能够逐步量化生态恢复过程。随着对监测植被生理学以应对环境变化的需求不断增加。因此，需要将高光谱遥感纳入生态评估。
将所有空间数据集转换为CGS2000坐标系。根据研究区域内的观测点，使用克里格法对气象数据进行插值。
（1）S因子表示陆地生态系统对源自自然环境的干扰的敏感性。（2）R因子是土地生态系统在受到自然和人类系统干扰后的恢复力，与其生态系统结构密切相关。（3）P因子表示来自人类方面的压力，如土壤经济和人为活动。（1）应用最佳指数因子（OIF）来选择合适的遥感波段，而不损失提取植被覆盖率的关键信息。OIF值与波段的标准偏差正相关，因此较高的OIF值表示给波段带组合的更多信息。（2）应用改进的二分像素模型（DPM）绘制植被覆盖率。（3）红边点（REP）被称为红边曲线的拐点，可用于定量表示植被生理、物候和相关的健康状况。使用一阶微分变换来确定REP的位置。SRP模型可以用生态脆弱性指数（EVI）定量表示，使用层次分析法（AHP）来计算因素的权重。（1）使用GeoDa软件计算了全局Moran指数，以确定整个景观的聚类、离散和随机特征。
（2）应用局部Moran指数来描述生态脆弱性自相关的局部状态及其对全局聚类统计的贡献。
（1）量化了每个波段组合的OIF，并按降序排列。资源#1-02D数据占据153个波段，最高的OIF值可以被认为是本研究中的最佳波段组合，选择55号至34号作为计算植被覆盖指数的最佳波段。（2）由于NDVI的简单性以及植被和背景土壤信息的更好指示，我们决定在以下生态脆弱性评估中使用NDVI。花岗岩矿、建筑用砂矿和石英岩矿的DVI值远高于其他矿。此外，高光谱图像的NDVI低于多光谱图像。基于多光谱图像和高光谱图像，没有发现从2020年到2021的显著变化。（1）为三种主要采矿类型（煤炭、金属和非金属）及其周围2km范围内的植被类型选择了采样点。每个采样点有20个子采样点用于验证。总体验证率约为68%，解释准确率为100%。（2）植被现场验证表明，健康植被的叶面积覆盖率大，且呈明显的深绿色，而不健康植被的叶片覆盖率低得多，且呈棕色。光谱分析还表明，不同的植被具有不同的光谱反射率。然而，即使对于相同的植被类型，当位于不同的矿区时，光谱反射率也可能表现出更大的差异。（1）根据实地调查获得的每个区域和植被类型的红边信息（表S4），我们发现，不健康植被的红边光谱约为716–719 nm，而健康植被的红色边缘为725–727 nm。（2）发现矿区周围有大量的植被异常，红色边缘有明显的半色调变化，这意味着采矿活动，尤其是煤矿、铁矿和污染水体，会对植被健康产生重大影响。这是因为来自污染物的外部环境压力会显著影响植被的冠层。研究区域植被异常的空间格局
（1）除植被指数外，评估涉及的其他因素如表所示，空间模式如图6所示。我们应用AHP方法来分配评估中涉及的因素的权重值。（2）采用自然断点进行分级，计算了2020和2021年研究区的生态脆弱性。基于2020–2021的多光谱图像和高光谱图像得出的研究区域生态脆弱性的空间格局（1）计算了全局和局部Moran指数，全局Moran指数为0.142，p=0，z=27.77，其中p代表概率，z代表标准偏差的倍数。
（2）该市的中部，包括仁和区、西区和东区，占据了大量钒钛磁铁矿和建设用砂矿的采矿业，呈现出高-高聚集性，表明这些采矿类型对环境的影响很大。观察到延边县、米易县和仁和区的大片区域呈现出低-低聚集性，它占据了煤矿、铁矿石和生态公园。基于高光谱图像得出的2020年至2021研究区域生态脆弱性的空间格局
（1）本研究中使用的高光谱遥感技术可以很好地捕捉植被光谱异常，重建其空间格局，并揭示由于采矿产生的污染物而导致的研究领域的潜在生态问题，这已被我们的实地工作充分验证。（2）在本研究中，我们在仔细比较和评估后，使用VCF和红边来表示矿区植被的健康状况。红色边缘在生态恢复期间监测矿区植被健康方面表现良好。我们将红边纳入SRP模型进行生态脆弱性评估，加强了对植被破坏、植被恢复和采矿造成的地表暴露的监测。VCF可以反映研究区域内植被的生长情况，我们使用它来监测小型区域的恢复进度。
本研究使用高光谱遥感数据建立了矿业城市的生态脆弱性评估框架。研究发现，中国政府采取的生态保护和恢复政策有效地解决了矿区植被恢复和生态管理的瓶颈问题。与多光谱数据相比，高光谱成像的生态脆弱性结果在精度和集中度方面表现得更好，并更直接地得出结论。本研究中建立的生态脆弱性评估框架，特别是针对高光谱遥感，有助于表明需要从恢复力和外部压力的角度，为减少生态脆弱性做出重大努力。本研究以攀枝花市为例，对金属、非金属和煤矿资源含量丰富的矿业城市进行了生态脆弱性评估。
单击“阅读原文”进行查看，或者输入百度网盘链接：
https://pan.baidu.com/s/1LeJGNf8lsOtwFYVWkjDbRw?pwd=rdvu,提取码: rdvu。
—END—
声明：资料源于网络，仅供学习，禁止商用，如有侵权联系我们立即删除。