基于多时相遥感与GIS的印度安得拉邦半干旱区风沙迁移诱发土地退化与荒漠化热点识别

《Scientific Reports》：Aeolian sand migration induced land degradation and desertification hotspots identification in the semi-arid rain shadow regions of Anantapur, India

本研究针对印度安得拉邦Anantapur地区半干旱雨影区面临的风沙迁移诱发土地退化问题，通过集成Landsat多时相遥感数据(1990-2020)，结合NDVI、TGSI、NDSI和LST四个光谱指数，建立了综合地理空间模型。研究成功识别出192 km2的严重退化热点区域，模型验证AUC值达0.851，为半干旱地区土地退化监测和荒漠化防治提供了可靠的技术框架和空间决策支持。

　　

在印度安得拉邦的Anantapur地区，广袤的半干旱土地正面临着日益严重的生态威胁。这里位于西高止山脉的雨影区，年均降雨量仅约550毫米，脆弱的生态环境在自然因素和人类活动的双重压力下不堪重负。1851年Hagari河流域的特大洪水沉积了大量松散沙物质，这些历史沉积物在西南季风作用下不断被风力搬运，形成移动沙丘，逐步吞噬农田和植被，导致土地生产力持续下降。当地居民主要依靠农业为生，但日益加剧的土地退化严重威胁着他们的生计安全。面对这一严峻挑战，如何准确识别退化热点区域、科学评估退化程度，成为实施有效生态恢复措施的首要难题。

为了破解这一难题，Pradeep Kumar Badapalli等研究人员在《Scientific Reports》上发表了最新研究成果。他们创新性地将多时相遥感技术与地理信息系统(GIS)相结合，通过对1990、2000、2010和2020四个时期Landsat系列卫星数据的深入分析，建立了综合性的土地退化评估模型。研究团队选取了Bommanahal、Beluguppa和Kanekal三个退化严重的乡镇作为研究区，总面积约1050.95平方公里。

研究采用了标准化的技术流程，包括辐射定标、大气校正、地表温度(LST)反演和光谱指数计算。通过提取归一化植被指数(NDVI)、表土粒度指数(TGSI)和归一化盐分指数(NDSI)等关键指标，结合地表温度数据，全面评估了植被胁迫、土壤质地变化和盐渍化状况。相关分析和回归分析揭示了各指标间的内在联系，而分层采样提取和基于缓冲区的区域统计则进一步细化了地表退化强度的空间分异。最终通过掩膜提取和像元统计融合生成复合热点图，准确识别出退化严重的区域。

主要技术方法

研究利用美国地质调查局(USGS)获取的Landsat系列卫星影像，包括Landsat 4-5 TM(1990年)、Landsat 7 ETM+(2000年、2010年)和Landsat 8 OLI/TIRS(2020年)数据。所有影像均选择旱季(1-3月)以最小化植被物候和云覆盖影响。数据经过辐射定标和大气校正后，统一重采样至30米空间分辨率，并投影至WGS 84/UTM Zone 43N坐标系。通过标准化工作流程计算TOA反射率、光谱辐射率和亮温，进而推导地表温度和各项光谱指数。采用接收者操作特征曲线(ROC)下的面积(AUC)进行模型精度评估，样本来源为研究区实地GPS采样点。

NDVI变化分析(1990-2020)

归一化植被指数分析揭示了研究区植被覆盖的显著退化趋势。1990年NDVI值域为-0.68至0.56，到2020年变为-0.15至0.46，虽然局部灌溉农业区有所恢复，但大部分地区仍表现为植被稀疏或胁迫状态。重分类结果显示，中等NDVI等级(6-9级)占主导地位，反映了半干旱植被条件和长期生态胁迫的特征。

LST变化分析(1990-2020)

地表温度分析显示明显的升温趋势。1990年LST范围为21.815°C至36.312°C，到2020年升至25.725°C至47.717°C，30年间最高温度上升约11.4°C。温度等级重分类表明高温区域持续扩张，低温区域收缩，标准偏差从4.684°C增至6.986°C，反映了地表加热加剧和空间异质性增强。

TGSI变化分析(1990-2020)

表土粒度指数分析表明地表质地空间异质性减弱。1990年TGSI值域为-0.306至0.411(标准差0.185)，2020年变为-0.136至0.202(标准差0.092)。指数范围变窄和标准差降低反映了地表质地趋于均一化，高TGSI区域与易侵蚀的粗糙地表相一致。

NDSI变化分析(1990-2020)

归一化盐分指数显示高盐分表面逐步减少。1990年NDSI值域为-0.793至0.592(标准差0.385)，2020年为-0.700至0.227(标准差0.255)。标准差降低表明地表盐分空间变异性减弱，但中部和南部仍存在中高度盐渍化区域，与干旱条件、排水不良和集约农业活动相关。

统计重分类与退化评估

通过将NDVI、LST、TGSI和NDSI四个指标图层进行统计重分类，生成15个等级的退化强度图。各指数均值计算结果显示了长期生态响应的空间格局：NDVI均值为-0.08至0.2383，TGSI均值为-0.022至0.0323，NDSI均值为-0.6427至0.3491，LST均值为24.058°C至40.192°C。中等至高强度等级在研究区占主导地位，反映了普遍的土地退化状况。

相关与回归分析

地表温度与各光谱指数表现出强烈的统计关联。LST与NDVI的决定系数(R²)为0.9482，与TGSI为0.8589，与NDSI为0.9219，均呈现正相关关系。这表明植被密度、土壤质地和地表盐分对热响应有显著影响，负值的NDVI、TGSI和NDSI对应于更高的LST范围，证实了植被丧失和土壤暴露与地表加热的密切关系。

土地退化热点识别

基于缓冲区分析和像元统计，研究成功识别出约192平方公里的土地退化与荒漠化热点区域。这些热点主要分布在Hagari河流域的中部和西南部地区，是风沙迁移、植被稀疏和持续人为压力共同作用的结果。通过掩膜提取和细胞统计方法，将表现出相似数字编号(DN)反射值范围的像元聚类融合，生成连续的热点强度梯度图，为环境监测提供了精确的空间指引。

模型验证

通过接收者操作特征曲线(ROC)和曲线下面积(AUC)分析验证模型精度，AUC值为0.851，表明模型具有较高的分类准确性和判别能力。实地验证数据与预测结果的高度一致性证明了集成地理空间方法在土地退化评估中的可靠性。

这项研究通过创新性的多指数集成框架，成功揭示了Anantapur地区土地退化的时空动态规律。研究发现，过去30年间该区域经历了显著的地表升温、植被退化、土壤粗化盐渍化过程，其中风沙迁移是驱动荒漠化的关键自然因素，而不合理的土地利用则加剧了这一趋势。研究提出的热点识别方法不仅为当地土地恢复提供了科学依据，也为全球半干旱地区的荒漠化防治建立了可推广的技术范式。尽管存在遥感数据分辨率限制和地面验证不足等局限性，但这项研究无疑为可持续土地管理和生态恢复政策制定提供了重要的空间决策支持，对保障干旱区生态安全和促进可持续发展具有深远意义。