本文使用1988—2021年较高空间分辨率的Landsat卫星遥感数据细致分析了位于青藏高原腹地的长江源区植被绿度变化情况,并使用地表长期形变速率、热融湖塘及热融滑塌分布定量描述多年冻土退化状态并由此明晰植被对多年冻土退化的响应。研究表明:(1)长江源区NDVI自1988年以来平均增加速率为0.003 1/a,绿化区域占总源区的91.9%,褐化区域占总源区的7.1%;(2)随着地表沉降速率增大,植被绿化速率加快,但沉降速率高于25 mm/a时,NDVI增长速率逐渐减缓,当沉降速率进一步增加时,甚至一些地区表现出了明显的NDVI减小情况;(3)热融滑塌的出现显著破坏了发生区域内植被,但周围120 m范围内植被发育情况好于全源区平均水平,热融湖塘区及其周围60 m范围内的植被绿化程度落后于全源区平均水平。长江源植被区域褐化比例为7.1%[只统计褐化植被/植被区域(NDVI>0.1部分)],其中多年冻土退化直接影响了29.6%的褐化植被(只统计褐化植被中有明显冻土影响信号的部分占褐化区域比重)。
本文使用1988—2021年较高空间分辨率的Landsat卫星遥感数据细致分析了位于青藏高原腹地的长江源区植被绿度变化情况,并使用地表长期形变速率、热融湖塘及热融滑塌分布定量描述多年冻土退化状态并由此明晰植被对多年冻土退化的响应。研究表明:(1)长江源区NDVI自1988年以来平均增加速率为0.003 1/a,绿化区域占总源区的91.9%,褐化区域占总源区的7.1%;(2)随着地表沉降速率增大,植被绿化速率加快,但沉降速率高于25 mm/a时,NDVI增长速率逐渐减缓,当沉降速率进一步增加时,甚至一些地区表现出了明显的NDVI减小情况;(3)热融滑塌的出现显著破坏了发生区域内植被,但周围120 m范围内植被发育情况好于全源区平均水平,热融湖塘区及其周围60 m范围内的植被绿化程度落后于全源区平均水平。长江源植被区域褐化比例为7.1%[只统计褐化植被/植被区域(NDVI>0.1部分)],其中多年冻土退化直接影响了29.6%的褐化植被(只统计褐化植被中有明显冻土影响信号的部分占褐化区域比重)。
本文使用1988—2021年较高空间分辨率的Landsat卫星遥感数据细致分析了位于青藏高原腹地的长江源区植被绿度变化情况,并使用地表长期形变速率、热融湖塘及热融滑塌分布定量描述多年冻土退化状态并由此明晰植被对多年冻土退化的响应。研究表明:(1)长江源区NDVI自1988年以来平均增加速率为0.003 1/a,绿化区域占总源区的91.9%,褐化区域占总源区的7.1%;(2)随着地表沉降速率增大,植被绿化速率加快,但沉降速率高于25 mm/a时,NDVI增长速率逐渐减缓,当沉降速率进一步增加时,甚至一些地区表现出了明显的NDVI减小情况;(3)热融滑塌的出现显著破坏了发生区域内植被,但周围120 m范围内植被发育情况好于全源区平均水平,热融湖塘区及其周围60 m范围内的植被绿化程度落后于全源区平均水平。长江源植被区域褐化比例为7.1%[只统计褐化植被/植被区域(NDVI>0.1部分)],其中多年冻土退化直接影响了29.6%的褐化植被(只统计褐化植被中有明显冻土影响信号的部分占褐化区域比重)。
本文使用1988—2021年较高空间分辨率的Landsat卫星遥感数据细致分析了位于青藏高原腹地的长江源区植被绿度变化情况,并使用地表长期形变速率、热融湖塘及热融滑塌分布定量描述多年冻土退化状态并由此明晰植被对多年冻土退化的响应。研究表明:(1)长江源区NDVI自1988年以来平均增加速率为0.003 1/a,绿化区域占总源区的91.9%,褐化区域占总源区的7.1%;(2)随着地表沉降速率增大,植被绿化速率加快,但沉降速率高于25 mm/a时,NDVI增长速率逐渐减缓,当沉降速率进一步增加时,甚至一些地区表现出了明显的NDVI减小情况;(3)热融滑塌的出现显著破坏了发生区域内植被,但周围120 m范围内植被发育情况好于全源区平均水平,热融湖塘区及其周围60 m范围内的植被绿化程度落后于全源区平均水平。长江源植被区域褐化比例为7.1%[只统计褐化植被/植被区域(NDVI>0.1部分)],其中多年冻土退化直接影响了29.6%的褐化植被(只统计褐化植被中有明显冻土影响信号的部分占褐化区域比重)。
本文使用1988—2021年较高空间分辨率的Landsat卫星遥感数据细致分析了位于青藏高原腹地的长江源区植被绿度变化情况,并使用地表长期形变速率、热融湖塘及热融滑塌分布定量描述多年冻土退化状态并由此明晰植被对多年冻土退化的响应。研究表明:(1)长江源区NDVI自1988年以来平均增加速率为0.003 1/a,绿化区域占总源区的91.9%,褐化区域占总源区的7.1%;(2)随着地表沉降速率增大,植被绿化速率加快,但沉降速率高于25 mm/a时,NDVI增长速率逐渐减缓,当沉降速率进一步增加时,甚至一些地区表现出了明显的NDVI减小情况;(3)热融滑塌的出现显著破坏了发生区域内植被,但周围120 m范围内植被发育情况好于全源区平均水平,热融湖塘区及其周围60 m范围内的植被绿化程度落后于全源区平均水平。长江源植被区域褐化比例为7.1%[只统计褐化植被/植被区域(NDVI>0.1部分)],其中多年冻土退化直接影响了29.6%的褐化植被(只统计褐化植被中有明显冻土影响信号的部分占褐化区域比重)。
利用1990—2024年间的Landsat遥感影像与气象数据,文章通过多时相影像计算归一化水体指数NDWI,结合K-means聚类方法计算羊卓雍措面积,并用一元线性拟合分析其变化趋势。羊湖在1996—2004年间显著扩张,受降水和融水补给增加,输入量超过输出量;2004—2014年间则经历了明显的缩减,归因于气温升高加剧蒸发,且融水和降水输入未显著变化,导致输入量小于输出量。利用傅里叶变换分析湖泊面积时序特征,发现其变化具有低频特性。在不同时间尺度上,羊湖面积的变化受降水、气温和积雪影响的具体过程各不相同。在超过15年周期(0.03 Hz,0.06 Hz)的低频变化中,羊湖面积与降水呈弱相关性,主要受到气温升高和积雪融化的影响,涉及蒸发量的增减以及积雪融化的促进或抑制。在10~15年周期(0.09 Hz,0.12 Hz)范围内,湖泊面积变化由降水和气温共同调控,影响湖泊水量的收支平衡。气候变暖是驱动羊湖面积年代尺度上变化的主要因素。
利用1990—2024年间的Landsat遥感影像与气象数据,文章通过多时相影像计算归一化水体指数NDWI,结合K-means聚类方法计算羊卓雍措面积,并用一元线性拟合分析其变化趋势。羊湖在1996—2004年间显著扩张,受降水和融水补给增加,输入量超过输出量;2004—2014年间则经历了明显的缩减,归因于气温升高加剧蒸发,且融水和降水输入未显著变化,导致输入量小于输出量。利用傅里叶变换分析湖泊面积时序特征,发现其变化具有低频特性。在不同时间尺度上,羊湖面积的变化受降水、气温和积雪影响的具体过程各不相同。在超过15年周期(0.03 Hz,0.06 Hz)的低频变化中,羊湖面积与降水呈弱相关性,主要受到气温升高和积雪融化的影响,涉及蒸发量的增减以及积雪融化的促进或抑制。在10~15年周期(0.09 Hz,0.12 Hz)范围内,湖泊面积变化由降水和气温共同调控,影响湖泊水量的收支平衡。气候变暖是驱动羊湖面积年代尺度上变化的主要因素。
利用1990—2024年间的Landsat遥感影像与气象数据,文章通过多时相影像计算归一化水体指数NDWI,结合K-means聚类方法计算羊卓雍措面积,并用一元线性拟合分析其变化趋势。羊湖在1996—2004年间显著扩张,受降水和融水补给增加,输入量超过输出量;2004—2014年间则经历了明显的缩减,归因于气温升高加剧蒸发,且融水和降水输入未显著变化,导致输入量小于输出量。利用傅里叶变换分析湖泊面积时序特征,发现其变化具有低频特性。在不同时间尺度上,羊湖面积的变化受降水、气温和积雪影响的具体过程各不相同。在超过15年周期(0.03 Hz,0.06 Hz)的低频变化中,羊湖面积与降水呈弱相关性,主要受到气温升高和积雪融化的影响,涉及蒸发量的增减以及积雪融化的促进或抑制。在10~15年周期(0.09 Hz,0.12 Hz)范围内,湖泊面积变化由降水和气温共同调控,影响湖泊水量的收支平衡。气候变暖是驱动羊湖面积年代尺度上变化的主要因素。
明确山区季节性积雪的时空变化对山区水资源管理、水文过程和生态保护至关重要。高时空分辨率的积雪面积数据是监测山区积雪变化的重要手段,然而,由于现有积雪面积遥感产品受传感器性能的限制,短时间和高空间分辨率无法兼得,难以准确捕捉高度异质的山区斑状积雪的细微变化。为监测积雪面积的时空动态变化,本研究选取祁连山北麓山区为研究对象,利用MODIS和Landsat 8两种卫星数据,构建了基于U-Net++网络多源数据融合获取高时空分辨积雪面积的方法,并使用高分辨率的Landsat数据和Sentinel数据对新发展的方法进行验证,与融合高时空反射率数据间接重建积雪面积的STARFM和DMNet时空融合算法从不同角度进行对比验证。结果表明:(1)基于U-Net++网络的30 m空间分辨率积雪面积重建算法有效恢复了山区积雪的细节特征。算法精度较高,总体精度为90.4%,制图精度为89.9%,用户精度为88.4%,Kappa系数为0.80。重建结果鲁棒性较好,在不同积雪覆盖度、不同地表下垫面和不同云量的条件下,总体精度相差<3%,且均高于88%。(2)相较于STARFM和DMNet时空融合间接重建积雪...
Key messageIntegrating airborne laser scanning and satellite time series data across the forest rotation enhances decision-making in precision forestry. This review supports forest managers by illustrating practical applications of these remote sensing technologies at different stages of intensive forest plantation management-such as site assessment, monitoring, and silviculture-helping improve productivity, sustainability, and operational efficiency.ContextIntensively managed forest plantations depend on high-resolution, timely data to guide silviculture and promote sustainability.AimsThis review explores how airborne laser scanning (ALS) and satellite time series data support precision forestry across key stages, including site assessment, establishment, monitoring, inventory updates, growth tracking, silvicultural interventions, and harvest planning.ResultsThe review highlights several key applications. ALS-derived digital elevation models and canopy metrics improve site productivity estimation by capturing micro-topographic variables and soil formation factors. Combining ALS with multispectral data enhances monitoring of seedling survival and health, although distinguishing seedlings from non-living components remains a challenge. ALS-based Enhanced Forest Inventories provide spatially detailed forest metrics, while satellite time series and vegetation indices support continuous monitoring of growth and early detection of drought, fire, and pest stress. ALS individual tree detection models offer insights into competition, stand structure, and spatial variability, informing thinning and fertilization decisions by identifying trees under stress or with high growth potential. These models also help mitigate drought and wind damage by guiding density and canopy structure management. ALS terrain data further support harvest planning by optimizing machinery routes and reducing environmental impacts.ConclusionDespite progresses, challenges remain in refining predictive models, expanding remote sensing applications, and developing tools that translate complex data into field operations. A major barrier is the technical expertise needed to interpret spatial data and integrate remote sensing into workflows. Continued research is needed to improve accessibility and operational relevance. High-resolution data still offer strong potential for adaptive management and sustainability.