利用混合生产力方法减少SDG 15.3.1土地退化评估中由降水驱动的气候偏差：对摩洛哥北部和中部（2000–2022年）的遥感分析 Nikhil Raghuvanshi, Nima Ahmadian, Olena Dubovyk

《Remote Sensing》：Reducing Precipitation-Driven Climatic Bias in SDG 15.3.1 Land Degradation Assessments Using a Hybrid Productivity Approach: A Remote Sensing Analysis for Northern and Central Morocco (2000–2022) Nikhil Raghuvanshi, Nima Ahmadian and Olena Dubovyk

　　

摘要

在可持续发展目标15.3.1中，土地生产力评估通常依赖于归一化植被指数（NDVI）的变化趋势。然而，这些趋势可能受到降水变化的影响较大，从而无法准确反映实际的土地状况变化，尤其是在干旱地区，因为植被生产力对降雨量的波动反应非常敏感。为了解决这个问题，本研究采用了一种完全可复制的Google Earth Engine工作流程来评估2000年至2022年的土地退化情况，该流程整合了高分辨率的30米Landsat时间序列NDVI数据、降水数据、土地覆盖数据和土壤有机碳数据。本研究的核心方法论贡献是一种基于降水条件的混合生产力评估框架，该框架能够根据当地降雨动态动态选择NDVI趋势、降雨利用效率（RUE）或残差趋势（RESTREND）进行评估。通过将生产力指标与降水条件相结合，该框架减少了因降水变化导致的植被趋势误解，实现了对可持续发展目标15.3.1中土地生产力子指标的更符合气候实际的评估，并能够系统地比较不同降雨条件下的生产力指标。2015年至2022年的监测结果显示：的土地生产力下降，的土地生产力保持稳定，的土地生产力有所提高。生产力下降主要发生在干旱和半干旱地区，而灌溉和管理良好的地区则表现出局部改善。这种混合指标为土地生产力评估提供了另一种选择，它明确考虑了降水变化的影响，有助于更准确地解读生产力趋势。这种可转移、可复制的评估方法增强了各国在可持续发展目标15.3.1报告方面的能力，并为其他易受干旱影响的地区提供了可扩展的土地退化评估框架。