一、Temporal-spatial characteristics of vegetation cover and desertification of China by using remote sensing data（论文文献综述）
贾伟,王静爱,史培军,马伟东[1]（2021）在《青藏高原冰雪消融区岩漠动态变化遥感监测研究现状与展望》文中认为青藏高原作为地球第三极增温明显,相关研究多集中于青藏高原冰雪动态,很少关注冰雪消融后岩漠的变化。岩漠通过地气相互作用影响着全球气候变化的区域差异。本文通过梳理青藏高原冰雪、冰雪消融区、岩漠动态变化遥感监测方法体系,着重分析了各遥感数据来源及提取方法的优缺点和适用性,并对基于遥感技术条件下青藏高原冰雪动态监测、冰雪消融区岩漠动态变化监测的数据来源、研究方法与技术进行了总结。目前,青藏高原冰雪动态变化遥感监测数据来源多样、研究方法成熟,而冰雪消融区岩漠动态变化遥感监测尚未形成系统研究。在人为干扰不明显背景下,青藏高原冰雪消融区岩漠的动态变化,在一定程度上也可作为对冰雪变化遥感监测的补充。
郑颖[2]（2021）在《基于数值模拟的毛乌素沙地植被变化对区域气候和水分平衡影响研究》文中指出土地利用/覆盖变化（Land use and land cover change,LUCC）对气候变化的影响是全球变化研究的重要内容之一。陆地植被变化是LUCC的重要表征,其可通过改变植被覆盖度、地表反照率等生物地球物理属性,调节地表能量平衡和水分循环,进而对区域气候要素和水分平衡产生重要影响。地处干旱半干旱区的毛乌素沙地作为“黄河流域生态保护和高质量发展”国家战略的重要组成部分,是典型的生态环境脆弱区与气候变化敏感区,曾经是我国荒漠化最严重的地区之一。自2000年以来,随着一系列生态恢复工程的实施,该地区植被状况呈现明显好转、生态环境得到显着改善,已成为我国植被恢复和荒漠化逆转最为成功的案例。然而,大规模植被变化对区域气候的生物地球物理调节效应以及对水分平衡的影响仍然缺乏定量评估,亟待开展深入研究。本文以毛乌素沙地为研究对象,首先基于归一化植被指数（Normalized Difference Vegetation Index,NDVI）查明了植被变化的时空特征,并区分了气候变化和人类活动对植被变化的相对贡献;其次,采用数值模拟法,利用WRF-Noah陆-气耦合区域气候模式,定量评估了植被变化对气温、降水等关键气候要素的影响并阐明了其物理过程和机制,在此基础上,进一步评估了植被变化对区域水分平衡的影响;最后,从极端土壤湿度变化的角度模拟了陆面蒸散改变对区域降水的影响潜力,并与外界水汽输送改变对降水的影响相比较,探讨了区域陆面过程（如蒸散）与大尺度大气过程（如外界水汽输送）对降水的相对重要性。本研究可为干旱半干旱地区植被恢复与生态建设提供理论支撑,为深入理解当地气候变化的归因、科学应对气候变化并制定适应性策略提供科学参考,并有望充实和完善植被-气候关系的基础理论。主要研究结果和结论如下:1.2001-2018年毛乌素沙地约有86%的区域植被生长季（5-9月）NDVI呈显着增长趋势（p<0.05）,区域平均变化率为0.049 decade-1。植被状况的显着好转受到气候变化和人类活动的共同影响,其中,大部分区域人类活动的贡献率超过80%,而同期气候变化的贡献率通常不足20%。2.毛乌素沙地植被恢复使夏季地表生物地球物理属性发生强烈改变,植被覆盖度和叶面积指数大幅增加,而地表反照率有所降低。模拟结果显示,响应于植被变化,夏季日均气温降低了0.13-0.32℃,并且夜间最低气温的降温幅度（0.15-0.47℃）明显大于白天最高气温（0.04-0.13℃）,这种不对称降温效应导致气温日较差增加了0.1-0.37℃。同时,植被恢复具有微弱的增湿效应,气温和比湿的联合响应使地面空气热含量减少了0.1-0.4 k J/kg,为当地夏季带来略微冷湿的气候环境条件。此外,植被恢复在一定程度上引起夏季极端高温事件强度和频率的减少以及极端低温事件强度和频率的增加。植被恢复对日均气温产生的降温效应主要归因于蒸散的增加,而土壤热通量的昼夜循环减弱在最低气温变化中发挥了更大的作用。3.毛乌素沙地植被恢复引起区域夏季蒸散增加了0.17 mm day-1,增幅为8%,相当于整个沙地的夏季蒸散耗水量增加了约3.5×108 m3。但由于水汽增加未能引起明显的降水正反馈,同时蒸散冷却作用使大气趋于稳定,在一定程度上会抵消水汽增加可能对降水产生的积极影响,因此,植被恢复对区域降水的影响可忽略不计。由于水分亏缺得不到降水反馈的补偿,使区域地表水分平衡被打破,导致0-200 cm深度的土壤湿度有所减少,且深层土壤水分的消耗超过表层。4.陆面蒸散变化对毛乌素沙地降水的影响潜力很小,当地降水变化主要受到外界水汽输送的支配。水汽通量辐合（MFC）高值时期的区域降水量比低值时期高出70%以上,同时中高强度降水(>10 mm day-1)有所增多。降水变化可分解为影响水汽供应能力的直接贡献以及影响降水效率的间接贡献。高MFC主要通过提高降水效率从而显着增加降水;土壤湿度改变引起的蒸散增加仅在MFC高值时期通过间接贡献对区域平均降水有一定的积极影响,但这种效应相对较小,对降水的作用也不显着。综上所述,毛乌素沙地植被恢复导致的蒸散增加对区域夏季气温具有明显的降温效应,这在一定程度上有助于缓解当地气候变暖以及极端气温事件对生态系统造成的负面影响,但这种变化却不足以促进区域降水的增加。该地区降水主要受到外界水汽输送变化的强烈影响,而陆面蒸散变化对降水的影响潜力很小,进一步说明即使区域陆面状况有较大程度的改变（如大规模植被恢复）,由其引发的蒸散变化对降水产生的生物地球物理反馈可能也将十分有限。需要引起重视的是,植被覆盖增加造成的水分亏缺得不到降水反馈的补偿,反而造成土壤水分减少,可能会加剧水资源短缺,将不利于维持当前植被恢复和生态系统服务的可持续性。因此,本研究建议未来干旱半干旱地区的植被恢复与生态建设,应综合权衡植被-气候-水文之间的关系,植被建设要与当地气候和生态承载力相适应,以实现区域可持续发展。
王雨晴[3]（2021）在《气候与地形因子对浑善达克沙地ANPP的影响 ——以多伦县为例》文中提出气候变化已成为当今世界重要的环境问题之一,它对生态环境和社会经济具有一定的影响。温度、降水和风速等气候要素对不同地形植被生产力的影响不同。本文以多伦县为研究对象,使用深度学习方法模拟了研究区地形要素对生态环境因子（水和热）状况空间分布的影响,并通过数学模型分析了不同气候变化情景对地上净初级生产力（ANPP）的影响。详细研究方法为:（i）通过Mann-Kendall统计检验和小波分析等方法分析了研究区1980-2019年生长季气温、降水和干旱程度（基于标准化降水指数,SPI）的变化趋势和周期性特征。（ii）通过回归分析、趋势分析和稳定性分析等方法,分析了研究区2001-2019年通过MODIS遥感数据获取的地表温度（LST）和土壤湿度（使用温度-植被干旱指数（TVDI）进行反演获得）的空间变化趋势和稳定性,并利用自然间断点分级划分方法分析了LST和TVDI在区域的空间变化规律。（iii）通过深度学习方法分别模拟了研究区LST和TVDI的空间分布与气象站点的空气温度和土壤湿度及研究区地形因子的关系。（iv）基于前述深度学习建立的模型,通过CASA模型分析了不同气候（气温和降水）变化情景模式下研究区生长季的ANPP的变化情况。主要研究结论如下:（1）研究区多年生长季温度、降水和干旱气候变化特征。气温以0.042℃/a的速率显着上升（r=0.685）,其中1980-2000年线性倾向率是2001-2019年的2倍,这表明该区域温度升高有减缓的趋势。降水量在1980-2019年总体呈下降趋势（-0.2884mm/a）。但这一趋势呈波动变化,降水量在1980-2000年呈上升趋势（4.783mm/a）,在2000和2001年急剧下降,而后从2001-2019年起又呈上升趋势（2.284mm/a）。相应地,研究区总体呈干旱化趋势（SPI指数倾向率-0.0038/a）。1980-2000年干旱减轻（SPI指数倾向率0.074/a）,2001发生极严重干旱,此后湿润度又呈增加趋势（SPI指数倾向率0.037/a）。温度、降水和SPI随年份变化并不是呈简单的线性变化,在不同时段其变化趋势具有一定差异,尤其降水和SPI时段差异性较大。在对气温、降水和干旱程度分析时,应考虑时间尺度问题,时间尺度的不同会产生不同结果。（2）LST和TVDI空间变化特征。基于2001-2019年MODIS遥感卫星数据,LST在29.05℃≤LST<30.60℃时面积占比最大,占总面积的66.66%。在2001-2019年,低温（23.05℃≤LST<27.65℃）区和次低温（27.65℃≤LST<29.05℃）区面积有扩大趋势;中温（29.05℃≤LST<29.89℃）区、次高温（29.89℃≤LST<30.60℃）区及高温（30.60℃≤LST<31.24℃）区面积有缩小趋势。TVDI指数对土壤湿度有很好的反演效果。研究区土壤湿度主要以正常状态为主（占总面积的50.48%）。区域土壤湿度状态有向湿润方向变化的趋势,土壤湿度为正常和湿润状态的面积有扩大的趋势,而干旱状态的面积有缩小的趋势。（3）深度学习方法模拟研究区生长季LST空间变化时模拟值和实测值决定系数（R2）达0.8125,平均绝对误差（MAE）为0.53℃,均方误差（MSE）为0.46℃。研究发现,影响LST空间分布的主要因子有气象站点温度、NDVI、海拔、太阳辐射、地表反射率、坡度和坡向,其特征重要度分别为0.58、0.238、0.134、0.014、0.013、0.01和0.008。在其它因子一定时,生长季LST是气温的1.7倍。随着NDVI增加,LST下降,这表明植被覆盖度对LST具有一定的调节作用。LST随海拔和坡度的增加呈先增加后减小的变化趋势,其变化幅度较小;在东、东南和南坡向的LST较高,北、西北和西坡向的LST较低,随着温度的升高,海拔、坡度和坡向的LST呈增加的趋势。（4）深度学习方法模拟TVDI时,MAE为0.06,MSE为0.01和R2为0.7765。通过定量海拔、NDVI,地表反射率等因素,进而分析LST与TVDI的变化关系。研究结果表明:在生长季,随LST的增加,土壤湿度呈减小趋势,这可能会导致区域缺水或干旱的发生。TVDI随降水的增加呈减小趋势,即降水量越大,土壤含水量越高。TVDI随海拔的升高呈先增加后减小的变化趋势,即土壤湿度呈先减小后增加的变化趋势。（5）深度学习方法模拟GDD时,MAE为23.8℃、MSE为883.22℃和R2为0.9217,GDD随温度的升高呈增加趋势,随着海拔和坡度的增加GDD呈先增加后减小的变化趋势,变化幅度较小;在东、东南和南坡向的GDD较高,北、西北和西坡向的GDD较低。随着温度的升高,海拔、坡度和坡向的GDD也呈增加的趋势。（6）地上生产力受水热共同因素的影响,本文发现温度和降水的增加对ANPP有积极作用。不同水热情景下,随海拔的升高,ANPP均呈增加趋势随坡度增加呈先减小后增加的变化趋势;北和西北坡向的ANPP较高,在西和东南坡向上ANPP较低。本文系统分析了研究区时间尺度和空间尺度下水热变化特征,并分析了气候变化对不同地形地上净初级生产力的影响,克服了遥感方法只能监测当前生态环境因子的局限,使研究不同地形条件下生态环境因子对气候变化的响应成为可能。研究结果可为气候变化下研究区生态环境保护提供理论参考、对区域可持续发展具有重要意义。
高琪[4]（2021）在《基于多源遥感数据的南疆干旱区荒漠土壤水分监测研究》文中研究表明干旱地区土壤水分是影响土地荒漠化的主要因素之一,在植被恢复和群落演替过程中具有重要作用,如何高效、无损、精准的获取土壤水分信息,并在此基础上进行表层（0～20 cm）荒漠土壤水分空间分布特征及驱动影响因素的研究是目前的热点问题。因此,本研究采用光学遥感Landsat 8 OLI/TIRS和微波遥感Sentinel-1 SAR数据的优势,以南疆阿克苏地区空台里克为研究区,以光学遥感计算多个光谱指数,同时在光谱指数的基础上进行相关改进进行有关光学遥感监测研究,以微波数据获取土壤多极化后向散射系数为基础,通过多元线性回归（Multiple Linear Regression,MLR）、偏最小二乘（Partial least squares regression,PLSR）、支持向量机（Support Vector Machine,SVM）、随机森林（Random Forest,RF）、决策树回归算法（Cubist）、分区+PLSR和分区+Cubist模型等多种算法开展基于光学数据（多光谱指数）构建综合反演模型研究干旱地区荒漠土壤水分空间分布、基于改进型光谱指数综合反演模型研究并分析荒漠土壤水分分布及驱动因素、基于多源遥感数据（微波数据、光学数据）协同反演荒漠土壤水分和分析区域最优模型的工作研究,其研究主要结论具体包括以下三点:（1）基于Landsat8 OLI/TIRS数据的荒漠土壤水分遥感反演研究温度植被干旱指数（TVDI）、红光归一化指数（NR）、绿叶指数（GLI）等26个优选的光谱指数、Ts和DEM与土壤水分均达极显着相关,可作为南疆干旱区荒漠土壤水分遥感建模的指示因子;对比三种模型,RF模型建模集和预测集的R2分别为0.93和0.91,预测集RPD为3.90,各评价指标均为最高,PLSR模型精度次之,SVM模型精度最低;以RF模型反演研究区表层土壤水分,在不同土地利用分类中土壤水分分布特征存在明显差异,特别在盐结皮区域的差异尤为突出。表明综合利用光谱指数、环境因子和地形数据构建多因子、多指数的模型能较高精度的反演干旱区荒漠表层土壤水分,研究结果为南疆干旱区荒漠土壤水分遥感监测提供了一定的理论依据和方法支持。（2）基于改进型光谱指数的荒漠土壤水分遥感反演改进后裸土指数（EBSI）、粘土指数（ECI）、碳酸盐指数（ECal）、归一化植被指数（ENDVI）和垂直干旱指数（EPDI）相关系数提升了0.02～0.11,且经相关性分析和多重共线性验证,选取改进后相关系数提升的EBSI、ECI等光谱指数和原有达到极显着水平但改进效果不明显的DVI、NDWI和GVMI为改进型建模因子,以BSI、CI、Cal等为传统型建模因子,构建改进型和传统型荒漠土壤水分预测模型;光谱指数经改进后,线性和非线性模型预测集R2分别提升了0.12和0.05,RPD值提升了0.35和0.49,其中,改进型MLR-II模型RPD值为1.83,可以粗略的估测土壤水分,而RF-II模型的RPD值高达3.12,能精准的对土壤水分进行预测;非线性模型的精度明显优于线性模型,MLR线性模型预测集的R2仅为0.59、0.71,而RF非线性模型预测集的R2达到0.86、0.91;土壤水分分布受到自然、人为两种驱动力因素影响,总体呈现东北部沙漠0～5%和5～12%,南部农田交错分布,北部及中部荒漠-绿洲过渡带受植被覆盖程度和地表盐结皮抑制土壤水分蒸散困难,多呈现15～20%和>20%。研究结果揭示了在传统光谱指数中引入热红外（b10）波段改进对提升荒漠土壤水分预测有一定效果也为相似地区旱情防治和水土保持研究提供了技术方法依据。（3）基于多源遥感数据的荒漠土壤水分遥感分区建模研究经水云模型校正因地表植被影响的土壤多极化后向散射系数,其校正后Oh反演模型的R2提升了0.11,RMSE提升了0.59;以NDVI阈值分区后,在全区内选取σvh、σvv、叶面积指数（LAI）等6个,裸土区选取σvh、σvv、差值植被指数（DVI）等8个,植被覆盖区选取σvh、σvv、归一化植被指数（NDVI）等6个与土壤水分极显着相关的特征参数为建模因子;加入不同特征参数因子的PLSR、分区+PLSR、Cubist等5种模型的精度均优于Oh模型,同时分区后的PLSR和Cubist模型预测集R2分别提升了0.12和0.03,RPD提升了0.53和0.49且模型预测效果均发生质变,其中分区+Cubist模型预测集R2为0.90,RPD高达3.09,均为模型最优值;不同分区内土壤含水量分布受植被覆盖、土壤质地和人类活动影响最为严重,裸土区受到地表盐结皮土保水作用土壤含水量偏高,高植被覆盖区作物保水作用最为明显,土壤水分量最高,低植被覆盖区受人类活动影响形成高/低交错分布的趋势。本研究通过多源遥感数据协同,同时结合分区建模的研究思路为干旱区荒漠土壤水分反演提供了科学的参考价值。
张亦然[5]（2021）在《耦合“空-天”遥感的科尔沁沙丘-草甸相间地区植被覆盖度解译及其时空演变规律》文中指出科尔沁沙地作为我国面积最大的沙地,生态系统复杂、脆弱。近年来,在全球气候变化及人类活动等诸多因素的影响下,正面临着荒漠化加剧、景观破碎度加重等生态系统健康问题的威胁,严重制约了区域生态环境的可持续发展,亟需开展相关基础研究,以支撑区域生态的科学建设和管理。植被覆盖度是衡量区域生态健康的一个重要指示因子。因此本文以科尔沁沙地内陆闭合流域为研究区,以典型沙丘-草甸相间地貌单元为重点研究区,利用无人机、Worldview-2和Landsat TM/OLI遥感影像数据,结合机器学习方法,构建高精度的植被覆盖度提取模型,并运用景观生态学相关方法,定量分析了研究区近30年植被覆盖度的动态变化特征及规律,探究了年、月植被覆盖度对降水变化的响应关系。论文主要结论如下:（1）构建的植被覆盖度提取U型神经网络深度学习模型由4个编码层、2个卷积层、4个解码层、1个Softmax层组成,其中模型使用的激活函数为Relu函数。该模型具有很好的去噪性,且精确度较高,训练集准确率为0.82,验证集准确率为0.86,可高效、便捷地提取不同地貌、复杂生境的植被覆盖度。半固定、固定沙丘高植被覆盖区均主要集中在丘间洼地,呈月牙型分布,且植被破碎度大;而草甸区块植被覆盖度边界显着,分布规整。（2）较人工神经网络、支持向量回归模型,随机森林模型更适用于科尔沁沙丘-草甸相间地区植被覆盖度的反演。利用多源遥感数据逐步实现低分辨遥感影像的植被覆盖度反演方法,可以有效提高植被覆盖度的反演精度。构建的单元尺度（重点研究区）植被覆盖度反演模型精度很高,训练集R2为0.94,MSE为0.01,d为0.98;测试集R2为0.84,MSE为0.01,d为0.96。构建的区域尺度（研究区）植被覆盖度反演模型精度较高,训练集R2为0.87,MSE为0.01,d为0.96;测试集R2为0.80,MSE为0.04,d为0.90。（3）近30年,研究区年平均植被覆盖度呈区间起伏波动,年际波动较强,抗干扰能力较差,但整体呈向好的趋势发展,平均覆盖度在62.08%-70.91%之间波动,其中,植被减少的区域主要分布在研究区西部及东南部地带,而增长区域相间分布于研究区中部及边界处。研究区主要植被覆盖类为高、中高覆盖类,其次为中低、中覆盖类,低覆盖类占比最少。1989-2019年间,高覆盖类、中高覆盖类转换面积最大且频繁,各覆盖类重心迁移具有反复的特征,主要在西南和西北方向迁移,各覆盖类标准差椭圆的变化比较平稳。（4）研究区1989-2019年年降水量表现为波浪状区间波动,范围多分布于300-500mm之间,降水主要集中在6-9月。降水为干旱半干旱地区植被生长的主要驱动力,年植被覆盖度与6-8月累积降水量呈显着相关;月植被覆盖度与降水量呈极显着相关,且在植被生长期,同期月降水量对植被覆盖度的影响从高到低依次为:半流动沙丘>半固定沙丘>固定沙丘>农田和草甸组合。
曹文梅[6]（2021）在《科尔沁沙丘草甸相间地区植被群落动态模拟及生态系统健康评价》文中提出以欧亚大陆草原为代表的寒旱区对全球及中国的可持续发展至关重要。在过去几十年中,由于人类活动和气候变化的影响,该区域面临生态退化引发的荒漠化危险。本论文选取科尔沁沙地进行此方面的研究,以其东南缘的沙丘-草甸相间区域为研究对象。基于收集筛选的大量植被和生境因子数据,采用结构方程模型（Structural Equation Model,SEM）模拟植被群落动态变化过程。参照群落动态分析结果,研制了适合荒漠化生态系统健康分析的群落尺度土地覆被分类系统。融合植被物候、生境信息和多时相遥感数据,建立适合沙丘-草甸相间地区长时间序列土地覆被识别的决策树。基于活力-组织力-恢复力-生态系统服务能力（VORS）评价框架,分析在水文条件周期性变化过程中生态系统健康的时空变异特征,最后通过构建SEM量化自然因素和人为活动对该区域生态系统健康变化的影响。主要研究成果如下:1、基于SEM分析了生境条件对植被群落组成及结构的影响,在模型构造中通过优势植物种的差异区分群落组成,同时通过丰富度和多样性反映群落的构成,在植被群落组成及结构研究方面是方法的创新。结果表明,在沙丘生境条件下,影响群落组成及结构效果最显着的是土壤水分和质地条件。在草甸生境条件下,影响群落组成及结构效果最显着的是地形特征。另外,基于SEM统计结果模拟了各植被群落组成及结构的动态变化。结果表明,虽然群落多样性和丰富度较高的冷蒿+冰草群落以及小叶锦鸡儿群落均能起到固定沙丘的作用,但是两个群落中冷蒿+冰草群落对于沙丘土壤的修复效果更好,更利于生态系统的健康可持续发展。因此,研制群落尺度的土地覆被分类系统对分析荒漠地区生态系统健康变化状况是必要的。2、融合Sentinel-2 A/B和Landsat-5/7/8多源多时相数据实现了研究区长时间序列覆被类型在群落尺度上的识别。结果表明,对于沙丘-草甸相间分布的复杂下垫面来说,参照植被生长环境条件,能减少沙生植被与草甸植被之间的混分。参照植被物候信息,能减少乔木林、灌木群落及半灌木群落之间的混分。另外,参照植被群落演替过程,能识别多样性的高低,进而区分半灌木群落。对于缺乏高精度空间分辨率历史影像数据的情况,在基于低空间分辨率Landsat系列数据解译研究区历史覆被类型时,使用基于高空间、光谱分辨率Sentinel-2数据的最优分割结果能提高解译精度。3、分析了研究区各覆被类型的转换规律和时空变异特征。结果表明,时段Ⅰ（19841988）到时段Ⅱ（19992004）土地沙漠化加剧发展,景观破碎化程度和异质性不断减小。土地覆被变化具有一定的规律,流动沙地主要和低多样性半灌木群落互相转化,而高多样性半灌木群落由于人为开垦弃荒等行为转变成低多样性半灌木群落或直接退化为流动沙地。时段Ⅱ（19992004）到时段Ⅲ（2018）研究区土地沙漠化趋势得到有效遏制,景观破碎化程度和异质性不断增强。但受人为治理活动影响,各覆被类型转化为流动沙地和低多样性半灌木群落的转变强度显着。4、基于3个时段的解译结果,利用VORS框架,评价了生态系统健康的时空变化特征。从时段Ⅰ到时段Ⅱ,生态系统活力增加,生态系统组织能力和恢复能力减少,在西北区域的服务能力逐渐减少。从时段Ⅱ到时段Ⅲ,生态系统活力、组织力和服务能力增加,生态系统恢复力在东南区域发生轻微减少,在西北区域则发生轻微增加。当生态系统健康恶化和恢复时,对于反映服务功能的综合生态健康的变化趋势更大,说明生态系统变化对人类的影响更敏感。5、定量分析了自然因素和人为修复对研究区生态系统健康变化的影响差异。从时段Ⅰ到Ⅱ以及时段Ⅱ到Ⅲ,研究区生态系统健康的变化主要由自然因素的变化引起。对于生态健康,自然因素主要体现在地形条件和自然修复的土地面积。对于综合健康,时段Ⅱ之前自然因素主要体现在降雨条件和自然修复的土地面积。时段Ⅱ之后人为修复活动的影响显着增加,自然修复的影响降低。综上所诉,建议在荒漠化生态系统健康修复过程中,继续坚持推进围封举措,加强禁牧、轮牧的监管力度。维持现有土地覆被现状,对乔木林和灌木群落进行合理管理。进一步说明,科学系统地解析土地覆被演变过程,及引起的生态系统健康变化,可为推进寒旱区生态水文学以及保护利用脆弱草原资源奠定理论信息基础。
吴童[7]（2021）在《2000-2016年京津风沙源区植被覆盖动态变化研究》文中提出荒漠化危害全球,严重降低了土地资源的利用效率,是全局性的生态问题。植被覆盖度（Fractional Vegetation Coverage,FVC）可以反映土壤表面植物的生长状况,能够间接揭示区域的荒漠化程度。因此估算荒漠化区域的植被覆盖度是度量区域荒漠化程度的有效手段。目前荒漠化区域的植被覆盖度估算主要通过遥感反演实现,但由于荒漠化地区植被破碎、土壤背景强烈,运用中低尺度的影像时普遍存在混合像元,加之高成本、大劳动量等技术瓶颈客观存在,需要探讨更加适用精确的遥感反演手段。论文以京津风沙源风沙治理区为研究区,旨在构建以低空间分辨率的MODIS数据为主、实测数据和气象数据为辅、多种模型对比择优的植被覆盖度反演体系。研究主要是应用MODIS数据,结合分层随机抽样调查的160个大小为500m×500m样地的实测植被覆盖度,辅以气象数据提取特征变量,采用线性逐步回归法进行特征变量筛选。为了获得植被覆盖度反演最优模型,构建像元二分模型、多元线性逐步回归（Multiple Linear Regression,MLR）、随机森林模型（Random Forest,RF）、kNN模型（k-Nearest Neighbors,kNN）、支持向量机模型（Support Vector Machine,SVM）及梯度递升回归树模型（Gradient Boosting Regression Tree,GBRT）共6种模型进行精度对比分析,探讨适宜京津风沙源风沙治理区植被覆盖度反演的有效方法,并对京津风沙源风沙治理区植被覆盖度的时间变化趋势和空间分布特征进行定性和定量分析。主要研究结论如下:（1）随机森林模型反演效果显着优于其他模型。在建立的所有反演模型中,随机森林模型的决定系数R2达到了 0.74（RMSE=0.11,rRMSE=18.36%）。像元二分模型的精度最低,R2仅有 0.53（RMSE=0.19,rRMSE=25.70%）。MLR、kNN、SVM的决定系数都在0.70左右,但是均产生了不合理估计值。且随机森林模型的植被覆盖度空间分布与实际情况基本一致,制图效果在所有模型中表现最好。综上,说明随机森林模型可以用于京津风沙源区植被覆盖度反演。（2）2000-2016年,京津风沙源区生长季的植被覆盖度均值呈增长态势。基于随机森林方法反演得到研究区各个年份的植被覆盖度,对各年份的平均植被覆盖度进行统计后发现,2000-2016年研究区植被覆盖度总体上升。从总体分布特征上看,植被覆盖度在空间分布上呈现由东向西、由南向北递减的态势。近17年来,京津风沙源区Ⅰ级（FVC≥0.7）和Ⅱ级（0.5≤FVC<0.7）植被覆盖区域面积显着增加,而Ⅲ级（0.3≤FVC<0.5）、Ⅳ级（0.15≤FVC<0.3）和 V级（FVC<0.15）植被覆盖区域面积在逐渐减少。（3）2000-2016年,京津风沙源区逐像元的植被覆盖变化趋势总体稳中向好。通过对京津风沙源区各年份年均植被覆盖度变化趋势进行分析,得出2000-2016年70.04%的区域植被覆盖度趋势变动不显着,改善区域占26.19%,退化区域占3.77%,明显改善和显着退化的区域分别占12.58%和0.69%。植被改善的面积明显多于退化面积,整体态势良好。（4）京津风沙源区植被覆盖高度聚集,且表现出明显的地域性。空间自相关分析结果表明,京津风沙源区植被覆盖变化特征在空间上呈显着的空间正相关,且其聚集状态表现为“高-高聚集”和“低-低聚集”。
王博[8]（2021）在《喀什噶尔河流域平原区地下水系统特征和生态环境演化分析》文中认为气候变化对人类的生存发展带来新的挑战,人类活动的影响对自然界输入了关键驱动因子,因此在人类活动带来的强烈扰动条件下,对生态环境地质在一定周期尺度内发生的变化、趋势、规律及其驱动机制进行研究尤为必要。喀什噶尔河流域位于西北内陆干旱半干旱地区,地处塔里木盆地西缘,生态环境脆弱且容量有限。地下水是维系平原区生产、生活、生态的重要水源,长期持续大规模开采已诱发一系列生态环境地质问题,进而由量变至质变导致生态环境演化发展,探究其内在机制对于合理利用资源保护生态环境具有重要的现实意义。本文以喀什噶尔河流域平原区为研究对象,结合水资源调查评价,综合运用地下水动力学、遥感解译分析、统计学、数值模型模拟等多学科研究技术手段,揭示了地下水系统水流特征和循环机理,分析了喀什噶尔河流域平原区绿洲的演化规律,重点对其盐渍化的成因和趋势进行了深入分析,还从突出实践性的角度对地下水两级功能区划分进行了优化改进,对超采区进行了划定和复核。本研究得出以下主要结论:（1）根据地形地貌、含水层特征、富水性特征、地下水流场特征、水化学特征和地表水河流展布等特点的相似性和关联密切性,将平原区第四系地下水流动系统划分为克孜勒苏河地下水流亚系统（Ⅰ1）、盖孜河-库山河-依格孜亚河地下水流亚系统(Ⅰ2-3-4)、恰克马克河-布谷孜河地下水流亚系统(Ⅰ5-6),作为调查评价研究区地下水资源的理论基础;（2）根据均衡计算得出,喀什噶尔河流域平原区地下水资源总量（M≤2g/L）为14.61×108m3/a,其中:克孜勒苏河流域平原区地下水资源量为5.02×108m3/a;盖孜河流域平原区地下水资源量为5.20×108m3/a;库山河流域平原区地下水资源量为2.48×108m3/a;依格孜亚河流域平原区地下水资源量为0.82×108m3/a;恰克马克河流域平原区地下水资源量为0.21×108m3/a;布谷孜河流域平原区地下水资源量为0.88×108m3/a;（3）根据地下水资源管理实践经验,从更加突出功能导向、更加突出水质因素、更加突出优先保护、更加突出后备水源、更加便于基层管理出发,对地下水两级功能区划分进行优化改进,将一级功能区分为生活功能区（L）、生态功能区（E）、生产功能区（P）;将二级功能区在一级功能区的基础上又分为8类功能区,分别是生活功能区（L）中的集中式供水水源区（L1）、水处理供水水源区（L2）、备用优质水源区（L3）,生态功能区（E）中的水源涵养区（E1）、生态脆弱区（E2）、生态保护区（E3）,生产功能区（P）中的生产开发区（P1）、应急水源区（P2）。按照优化后的地下水功能区划分体系,喀什噶尔河流域共划分集中式供水水源区（L1）4个,面积为49.86km2;水处理供水水源区（L2）7个,面积为75.49km2;备用优质水源区（L3）2个,面积为1952.54km2;水源涵养区（E1）8个,面积为45302.54km2;生态脆弱区（E2）14个,面积为3949.56km2;生态保护区（E3）7个,面积为3457.97km2;生产开发区（P1）11个,面积为9104.73km2;尚未规划应急水源区（P2）;（4）喀什噶尔河流域下游六县市尚未出现大范围、比较严重的生态环境地质问题,但由于地下水过度开采导致地下水位下降,引起湿地等天然水域萎缩、局部植被退化,局部已出现地下水超采,但程度尚不严重;（5）喀什噶尔河流域下游六县市2000～2010年期间、2010～2017年期间盐渍土主导变化类型均为极重度盐渍土向重度盐渍土转化。2000～2010年盐渍化严重度指数相对变化率为-6.68%,2010～2017年相对变化率为-8.05%,盐渍土的修复速度有增加趋势,表明土壤盐渍化问题总体上正在趋于好转。NDVI、ET、LST三个参数的变化与土壤盐渍化严重度的变化呈显着线性关系（P<0.01）,且△ET和△NDVI可有效解释盐渍化严重度变化量,其中△ET对盐渍化严重度变化的解释能力最强。此外,研究区地下水位正在发生一定程度的下降也是土壤盐渍化不断改善的一个重要因素;（6）对于喀什噶尔河流域平原区典型区域伽师县,现状地下水开采量方案情况下,势必将导致地下水位持续快速下降,地下水过度开采终将引起湿地等天然水域的萎缩和天然植被的退化,或将引发更加严重的生态环境问题;基于适度的地下水开采量方案情况下,地下水位在趋于稳定的情况下将略微上升,生态环境将逐步趋于好转;相对较小的地下水开采量方案情况下,地下水位将缓慢回升,虽生态环境有向好的趋势,但也存在引发较大次生盐渍化问题的风险。从有效保护生态环境和可持续利用地下水资源的角度出发,应制定适度的地下水开采计划。
王保林[9]（2020）在《内蒙古草甸草原区遥感生态评价与监测研究》文中研究说明干旱区草原退化已成为严峻的生态问题,内蒙古牧区草畜关系和畜牧业发展正面临着严峻挑战,随着大数据技术和云计算平台的发展改变了地学和生态学的研究模式。草甸草原在内蒙古广泛分布,是我国重要的草地资源和景观群落。通过将草甸草原的生态系统服务价值进行货币化度量,量化区域景观生态风险等级以及监测草原关键的生态参量,为精细化草原保护和利用的相关政策提供数据参考。对我国生态可持续发展和生态文明建设具有重要意义。本文选取内蒙古草甸草原区为研究对象,在大数据云平台的基础上以数据驱动的方式在多个维度展开研究。在谷歌地球引擎的基础上集成,将样地实测的生态参量、气象观测数据、物候观测数据等地面数据,结合Landsat 8、Sentinel-2、MODIS等遥感卫星数据构建天地一体化的评价方式,基于地理格网计算、机器学习、混合像元分解、经验模型构建等多种方法,开展草原生态评价和监测研究。研究重点包括草甸草原区土地覆盖时空分布分析、景观生态风险变化分级评价、生态系统服务价值的时空调节及货币价值核算、草甸草原的基本生态参量反演、草甸草原区牧草产量和载畜量估算以及草原退化检测等多个维度研究结果显示:（1）内蒙古草甸草原区草地恢复明显,生态风险可控。草甸草原区的土地利用特征与内蒙古全域有相似性,具体表现为草地面积逐渐上升,同时相较于全域,草甸草原区的草地面积恢复速度更快。但没有大型的人口聚集区、没有成规模的河湖湿地,未来应继续重视天然草原的保护,坚决抑制天然草原被开垦为农田。草甸草原区景观生态风险水平总体偏低,个别地区有中等或者较高的风险水平,需要引起警示。（2）生态系统服务价值逐年上升,其中贡献最大的地类是草地,其中气候调节能力产生了最大的价值。草甸草原区最重要的生态系统服务功能是调节功能,而气候调节功能是重中之重。其价值贡献其次为森林和农田等生态系统,而时间则主要是4～10月份的生长季。由此表明内蒙古的草甸草原区保护应放在生态建设的首位。（3）草甸草原区的牧草盖度和长势具有向好的趋势,返青监测反映了地面真实情况。牧草盖度和长势的定量反演和定性分析均取得了较好的结果,满足监测需求。相较于线性回归模型,应用混合像元分解模型反演草甸草原盖度结果与实际情况更加符合,一方面是线性回归模型简单,不能充分挖掘波段与盖度之间的关联,另一方面混合像元分解能够充分保留草原的植被光谱特征。分析盖度与气象环境因子之间的相关性发现降雨量是影响牧草盖度的重要因素。返青监测结果与地面物候采集数据具有强相关性且准确地表达了返青的时序特征和空间分布特征。（4）牧草产量逐年提升,降水是影响产量的决定性因素。分别利用Landsat 8、Landsat 7、Sentinel-2、MODIS影像的原始波段及相关衍生波段构建产量一元及多元统计模型,经模型验证精度对比分析,基于Landsat 8数据构建的多元线性模型精度最优,应用该模型进行时空分析制图,发现草甸草原区2013-2019年产量总体呈增加趋势,这和盖度像元二分模型监测结果相对应,也与基于MODIS数据产品土地利用研究结果一致,不同数据源和不同算法得到的草原参量一致性可以佐证结果的可靠性。研究结合产量进行载畜能力分析及专题化制图,获得了 2019年内蒙古暖季和冷季的载畜量专题图。分析产量与气象环境因子之间的相关性,发现研究区降雨量是影响产量的重要因素。（5）应用随机森林模型反演草原沙化具有较高精度,可推广至全区域草原沙化反演。基于草原沙化地面采样数据分别构建随机森林模型和混合像元分解模型,利用模型反演结果分析草甸草原区草原沙化的时空分布特征。由于混合像元的端元提取具有较大误差及不确定性,导致混合像元分解反演沙化精度较低,而基于随机森林模型能取得较高的精度,总体精度为0.6383,卡帕系数为0.4495。草原沙化随机森林模型可以用于全域时序空间制图。
魏巍[10]（2019）在《气候变化背景下中亚地区植被与土地退化评价》文中研究表明中亚地区地处亚洲大陆内部,降水量低且不稳定,在全球气候变化背景下,该地区的极端气候水文事件频繁发生,尤其是干旱经常反复发生使该区域植被出现了严重退化。作为丝绸之路经济带的重要支点,中亚地区通过文化和贸易交流将中国西部城市与欧洲乃至世界相连,其旱地生态系统支持了相当大比例的人口和经济,因此分析该生态系统对频发干旱的响应、评价植被退化风险和土地退化现状对中亚地区的可持续性发展和我国一带一路战略的推进都具有重要意义。本文基于CRU气象数据集、MODIS GPP（总初级生产力）、NPP（净初级生产力）、NDVI（归一化植被指数）、LAI（叶面积指数）数据集、ESACCI 土地覆盖数据集等,采用关联Mann-Kendall趋势检验（CMK）、Sen’slope、稳态转换指数（RSI）和趋势面分析（TSA）对中亚地区的6个气象因子、植被生长和土地覆盖、水分利用效率（WUE）、雨水利用效率（RUE）的时空动态变化进行了分析。考虑干旱延滞效应,基于WUE和RUE,应用生态弹性指数对中亚地区不同植被覆盖类型的退化风险进行了评价,指数越高,退化风险越低。基于净初级生产力、土地覆盖数据和土壤碳储量值,应用WUE校正法、回归分析和非参数检验,通过分析变化速率、频率分布、划分百分等级等,比较基线期和目标期之间的相对差异来确定土地退化、稳定和改善状态,并结合土地生产力、土地覆盖和土壤有机碳三个角度对中亚地区土地退化进行综合评价。主要发现如下:1901-2015年中亚地区的气温呈上升趋势,降水呈不显着增加趋势,潜在蒸散的增加幅度大于降水的增加幅度,随最低气温显着上升,气温日较差和霜冻天数均呈下降趋势。空间来看,气温在整个中亚地区呈显着增加趋势,气温日较差和霜冻天数在绝大部分区域呈显着下降趋势,超半数的研究区面积上降水呈增加趋势,潜在蒸散在绝大部分区域呈增加趋势,除塔吉克斯坦和吉尔吉斯斯坦,其余地区的潜在蒸散的增加幅度均高于降水的增加幅度。由SPEI（标准化降水蒸散指数）的空间变化来看,SPEI01、SPEI06、SPEI12的空间趋势变化相似,且随时间尺度的增加,干旱趋势的面积缩小;SPEI03在76.32%的区域面积上呈显着下降趋势;且SPEI03的干旱趋势面积最大,表明区域季节性干旱加剧。年 GPP（2000-2015）、NPP（2000-2014）和 NDVI（2000-2015）分别在 77.97%、79.61%和58.89%的总植被面积上呈下降趋势,主要出现在哈萨克斯坦西北部、中部和东北部、乌兹别克斯坦东部、土库曼斯坦南部以及中国新疆北部和伊犁河谷地区。1992-2015年中亚地区的水体和裸地面积呈显着减少,除草牧场之外,其余土地覆盖类型的面积呈显着增加。1992-2015年哈萨克斯坦的旱作农田和灌溉农田面积呈显着增加,旱作农田增加的主要来源是草牧场,灌溉农田增加的主要来源于草牧场和裸地了,从五个分期（1992-1995,1995-2000,2000-2005,2005-2010,2010-2015）来看,草牧场向旱作农田的转换集中于北部和东部,草牧场向灌溉农田的转换集中于中部和南部。2000-2014年,基于WUE,96.01%的旱作农田、68.02%的温带草原和62.70%的稀疏植被表现为中等退化风险,54.92%和42.09%的灌木分别呈高退化风险和中等退化风险。基于RUE,89.11%的旱作农田表现为高退化风险,56.39%和42.43%的温带草原分别呈中等退化风险和高退化风险,54.63%和42.52%的灌木呈高退化风险和中等退化风险,71.85%的稀疏植被呈高退化风险。在10.12%的旱作农田、46.03%的温带草原、41.35%的灌木和37.64%的稀疏植被上,基于WUE和RUE的退化风险评价相同。在极端干旱期间和之后,存在高退化风险的植被出现了 WUE和RUE的降低,这对植被碳积累产生了一定的负面影响。由低抵抗力引起的高退化风险的植被,其WUE和RUE消极应对干旱,随着中亚地区干旱变得持续和频繁,这些植被可能因WUE和RUE持续降低而出现退化和死亡。2001-2015年中亚地区土地退化、稳定、改善面积比例分别为13.46%、36.14%、15.39%,改善面积主要位于哈萨克斯坦西北部、东北部和东南部、乌兹别克斯坦西北部以及中国新疆中部和北部;退化面积主要出现在哈萨克斯坦的西部和南部、土库曼斯坦南部、乌兹别克斯坦中部和南部、塔吉克斯坦西南部、吉尔吉斯斯坦东部、中国新疆中部。土地退化受气候变化、植被应对干旱的机制以及人类活动共同影响。
二、Temporal-spatial characteristics of vegetation cover and desertification of China by using remote sensing data（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Temporal-spatial characteristics of vegetation cover and desertification of China by using remote sensing data（论文提纲范文）
（1）青藏高原冰雪消融区岩漠动态变化遥感监测研究现状与展望（论文提纲范文）
| 1 引言 |
| 2 冰雪消融区岩漠动态变化遥感监测研究透视 |
| 3 冰雪消融区岩漠监测遥感数据源的选择 |
| 3.1 冰雪、冰雪消融区岩漠监测的光学遥感数据源 |
| 3.2 冰雪、冰雪消融区岩漠监测的微波遥感数据源 |
| 3.3 青藏高原冰雪消融区岩漠遥感监测数据源的选择 |
| 4 冰雪、冰雪消融区及岩漠的遥感提取方法 |
| 4.1 冰雪的遥感提取方法 |
| 4.2 冰雪消融区的遥感提取方法 |
| 4.3 岩漠的遥感提取方法 |
| 4.4 青藏高原冰雪消融区岩漠提取研究构想 |
| 5 展望 |
| 6 结论 |
（2）基于数值模拟的毛乌素沙地植被变化对区域气候和水分平衡影响研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 研究进展与现状 |
| 1.2.1 植被变化影响气候的过程和机制 |
| 1.2.2 植被变化影响气候的研究方法 |
| 1.2.3 植被变化对区域气候的影响 |
| 1.2.4 植被变化对区域水分平衡的影响 |
| 1.2.5 目前研究中存在的问题与不足 |
| 1.3 科学问题与研究内容 |
| 1.3.1 拟解决科学问题 |
| 1.3.2 研究内容与技术路线 |
| 第二章 研究区概况、WRF模式及数据介绍 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 地貌 |
| 2.1.3 气候 |
| 2.1.4 水文条件 |
| 2.1.5 植被 |
| 2.1.6 土壤 |
| 2.2 WRF模式介绍 |
| 2.2.1 模式简介 |
| 2.2.2 动力学框架 |
| 2.2.3 物理模块 |
| 2.3 数据介绍 |
| 2.3.1 WRF模式输入数据 |
| 2.3.2 遥感数据 |
| 2.3.3 气象观测数据 |
| 第三章 2001-2018 年毛乌素沙地植被的时空变化特征 |
| 3.1 引言 |
| 3.2 研究方法 |
| 3.2.1 数据预处理 |
| 3.2.2 植被NDVI变化特征分析 |
| 3.2.3 相关性分析 |
| 3.2.4 多元回归残差分析 |
| 3.3 结果分析 |
| 3.3.1 生长季NDVI的空间分布与时空变化特征 |
| 3.3.2 生长季NDVI变化与气候要素之间的关系 |
| 3.3.3 气候变化和人类活动对生长季NDVI变化的相对贡献 |
| 3.4 讨论 |
| 3.5 小结 |
| 第四章 毛乌素沙地植被变化对区域气温的影响 |
| 4.1 引言 |
| 4.2 研究方法 |
| 4.2.1 WRF模式配置及物理参数化方案 |
| 4.2.2 数值模拟试验设计 |
| 4.2.3 WRF模式输入数据预处理 |
| 4.2.4 模式验证 |
| 4.2.5 植被变化对气温的影响评估 |
| 4.2.6 极端气温指数 |
| 4.2.7 地表能量平衡 |
| 4.2.8 地面空气热含量 |
| 4.3 结果分析 |
| 4.3.1 土地利用/覆盖类型及夏季地表生物物理参数的变化 |
| 4.3.2 气温模拟结果验证 |
| 4.3.3 植被恢复对2-m气温的影响 |
| 4.3.4 植被恢复对极端气温的影响 |
| 4.3.5 植被恢复对地表能量收支的影响 |
| 4.3.6 植被恢复对湿度和地面空气热含量的影响 |
| 4.4 讨论 |
| 4.4.1 WRF模式的适用性 |
| 4.4.2 植被恢复引发的区域降温效应 |
| 4.4.3 植被恢复对极端气温的影响 |
| 4.4.4 植被恢复引起降温效应的物理机制 |
| 4.4.5 植被恢复对湿度和地面空气热含量的影响 |
| 4.5 小结 |
| 第五章 毛乌素沙地植被变化对区域降水以及水分平衡的影响 |
| 5.1 引言 |
| 5.2 研究方法 |
| 5.2.1 数值模拟试验设计 |
| 5.2.2 模式验证 |
| 5.3 结果分析 |
| 5.3.1 降水模拟结果验证 |
| 5.3.2 植被恢复对日均地表能量通量的影响 |
| 5.3.3 植被恢复对降水以及区域水分平衡的影响 |
| 5.3.4 植被恢复对大气湿度和温度的影响 |
| 5.3.5 植被恢复对低层环流的影响 |
| 5.4 讨论 |
| 5.4.1 植被恢复对降水的影响 |
| 5.4.2 植被恢复影响降水的物理机制 |
| 5.4.3 植被恢复对区域水分平衡的影响 |
| 5.5 小结 |
| 第六章 毛乌素沙地陆面蒸散与水汽输送对区域降水的影响 |
| 6.1 引言 |
| 6.2 研究方法 |
| 6.2.1 WRF模式配置 |
| 6.2.2 数值模拟试验设计 |
| 6.2.3 不同过程影响降水的贡献方式 |
| 6.3 结果分析 |
| 6.3.1 土壤湿度和水汽通量辐合对降水量和低层环流的影响 |
| 6.3.2 土壤湿度和水汽通量辐合对降水频率及强度的影响 |
| 6.3.3 土壤湿度和水汽通量辐合影响降水的贡献方式 |
| 6.4 讨论 |
| 6.4.1 土壤湿度和水汽通量辐合对区域降水的影响 |
| 6.4.2 土壤湿度和水汽通量辐合影响降水的贡献方式与机制 |
| 6.4.3 陆面特征改变对区域降水以及水分平衡的影响 |
| 6.5 小结 |
| 第七章 结论与展望 |
| 7.1 主要结论 |
| 7.2 创新、不足与展望 |
| 7.2.1 特色与创新 |
| 7.2.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读博士研究生期间发表的学术论文 |
| 论文选题来源 |
（3）气候与地形因子对浑善达克沙地ANPP的影响 ——以多伦县为例（论文提纲范文）
| 摘要 |
| abstract |
| 缩略语表 |
| 1 引言 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 气候变化对区域环境的研究进展 |
| 1.2.2 植被生长对气候变化的响应研究 |
| 1.2.3 不同地形下气候变化对植被生长的影响研究 |
| 1.2.4 土壤湿度遥感研究 |
| 1.2.5 深度学习模型的常见网络结构和应用 |
| 1.2.6 环境因子对地上净初级生产力估算的研究 |
| 1.3 科学问题和研究目标 |
| 1.4 研究内容 |
| 1.5 技术路线 |
| 1.6 创新点 |
| 2 材料与方法 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 气候特征 |
| 2.1.3 地形地貌 |
| 2.1.4 土壤类型 |
| 2.1.5 植被类型 |
| 2.2 数据源 |
| 2.3 研究方法 |
| 2.3.1 研究区温度、降水和干旱特征 |
| 2.3.2 地表温度和土壤湿度空间变化统计 |
| 2.3.3 基于深度学习方法对地表温度和土壤湿度空间模拟 |
| 2.3.4 气候变化对不同地形植被地上生产力的模拟 |
| 3 研究区温度、降水和干旱特征 |
| 3.1 气温在多伦区域时间尺度研究 |
| 3.1.1 多年生长季气温变化规律 |
| 3.1.2 多年生长季气温变化周期特征 |
| 3.2 降水在多伦区域时间尺度研究 |
| 3.2.1 多年生长季降水变化规律 |
| 3.2.2 多年降水量变化周期特征 |
| 3.3 传统干旱监测方法在多伦区域时间尺度研究 |
| 3.3.1 多年生长季气象干旱指数变化规律 |
| 3.3.2 多年标准化降水指数变化周期特征 |
| 3.4 讨论 |
| 3.5 小结 |
| 4 地表温度和土壤湿度空间变化统计 |
| 4.1 地表温度基本变化特征 |
| 4.1.1 基于地表温度空间面积特征 |
| 4.1.2 地表温度空间变化趋势与稳定性 |
| 4.2 土壤湿度变化特征 |
| 4.2.1 温度-植被干旱指数(TVDI)特征空间的构建 |
| 4.2.2 基于温度-植被干旱指数(TVDI)的土壤湿度评估 |
| 4.2.3 基于温度-植被干旱指数(TVDI)对区域干-湿面积分析 |
| 4.2.4 温度-植被干旱指数(TVDI)空间变化趋势与稳定性 |
| 4.3 讨论 |
| 4.4 小结 |
| 5 基于深度学习方法对地表温度空间分布模拟 |
| 5.1 地表温度模拟变量参数选取和模型评估 |
| 5.1.1 参数选取 |
| 5.1.2 模型评估 |
| 5.2 基于生长季空间地表温度的模拟 |
| 5.3 特定环境条件下气象站温度对地表温度的影响 |
| 5.4 特定环境不同覆盖度条件下气温与地表温度的关系 |
| 5.5 气温变化条件下地表温度空间变化特征 |
| 5.5.1 生长季气温变化对地表温度空间分布的影响 |
| 5.5.2 地表温度随海拔、坡度和坡向的变化特征 |
| 5.5.3 地表温度随NDVI的变化特征 |
| 5.6 讨论 |
| 5.7 小结 |
| 6 基于深度学习方法对土壤湿度空间分布模拟 |
| 6.1 温度-植被干旱指数(TVDI)模拟变量选取和模型评估 |
| 6.1.1 参数选取 |
| 6.1.2 模型评估 |
| 6.2 基于生长季空间温度-植被干旱指数(TVDI)的模拟 |
| 6.3 特定环境温度-植被干旱指数(TVDI)随温度变化特征 |
| 6.4 干湿气候变化条件下土壤湿度变化特征 |
| 6.4.1 降水、SPI指数与TVDI相关性 |
| 6.4.2 生长季降水量变化对土壤湿度空间分布的影响 |
| 6.4.3 土壤湿度随海拔的变化特征 |
| 6.4.4 土壤湿度随NDVI的变化特征 |
| 6.5 讨论 |
| 6.6 小结 |
| 7 气候变化对不同地形地上净初级生产力的模拟 |
| 7.1 气温变化下,有效积温空间变化特征 |
| 7.1.1 气温和地表温度相关性分析 |
| 7.1.2 有效积温模拟评估 |
| 7.1.3 基于深度学习方法对有效积温的模拟评估 |
| 7.1.4 气温变化条件下有效积温变化特征 |
| 7.1.5 有效积温随海拔、坡度和坡向变化特征 |
| 7.1.6 有效积温随NDVI变化特征 |
| 7.2 水热变化对地上净初级生产力空间变化影响 |
| 7.2.1 气温不变地上净初级生产力随降水量变化特征 |
| 7.2.2 气温升高2℃地上净初级生产力随降水量变化特征 |
| 7.2.3 气温升高4℃地上净初级生产力随降水量变化特征 |
| 7.2.4 地上净初级生产力随海拔、坡度和坡向的变化特征 |
| 7.3 讨论 |
| 7.4 小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（4）基于多源遥感数据的南疆干旱区荒漠土壤水分监测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 遥感监测土壤水分方法及数字制图的国内外研究 |
| 1.2.1 土壤水分光学遥感数据的研究现状 |
| 1.2.2 土壤水分微波遥感数据的研究现状 |
| 1.2.3 土壤水分多源数据协同反演的研究现状 |
| 1.2.4 土壤水分遥感监测建模因子及建模方法的选取 |
| 1.2.5 土壤水分定量遥感监测与数字制图 |
| 1.3 研究内容 |
| 1.3.1 基于光学遥感构建综合模型反演荒漠土壤水分及制图 |
| 1.3.2 基于改进型光谱指数综合模型定量分析荒漠土壤水分分布驱动因素 |
| 1.3.3 多源数据协同反演荒漠土壤水分 |
| 1.4 技术路线图 |
| 1.5 现存在的问题 |
| 1.6 本章小结 |
| 第2章 研究区、数据处理及模型介绍 |
| 2.1 研究区概况 |
| 2.2 数据获取 |
| 2.2.1 土壤水分地面数据采集 |
| 2.2.2 遥感影像数据获取 |
| 2.3 数据处理过程 |
| 2.3.1 几何校正 |
| 2.3.2 辐射定标和大气校正 |
| 2.3.3 波段运算及土地利用类型分类 |
| 2.3.4 微波数据预处理 |
| 2.3.5 地面实测数据处理 |
| 2.4 荒漠土壤水分遥感反演模型介绍 |
| 2.4.1 线性建模方法 |
| 2.4.2 非线性建模方法 |
| 2.5 模型精度评价 |
| 2.6 本章小结 |
| 第3章 基于Landsat8 数据的荒漠土壤水分遥感反演 |
| 3.1 引言 |
| 3.2 研究数据 |
| 3.3 研究方法 |
| 3.3.1 光谱指数分析 |
| 3.3.2 地表温度(Ts)计算 |
| 3.3.3 地形数据(DEM)提取 |
| 3.4 结果与分析 |
| 3.4.1 土壤基础属性统计性描述 |
| 3.4.2 建模因子与土壤水分的相关性分析 |
| 3.4.3 不同建模方法对比分析 |
| 3.4.4 不同建模方法可信度检验 |
| 3.4.5 土壤水分空间分布特征 |
| 3.5 讨论 |
| 3.5.1 多因素建模可行性 |
| 3.5.2 土壤水分空间分布特征 |
| 3.6 本章小结 |
| 第4章 基于改进型光谱指数的荒漠土壤水分遥感反演 |
| 4.1 引言 |
| 4.2 研究数据 |
| 4.3 研究方法 |
| 4.3.1 光谱指数计算 |
| 4.3.2 方差膨胀因子分析 |
| 4.3.3 反演模型构建 |
| 4.4 结果与分析 |
| 4.4.1 建模因子筛选 |
| 4.4.2 土壤水分反演模型精度验证 |
| 4.4.3 不同模型反演土壤水分空间分布 |
| 4.5 讨论 |
| 4.5.1 土壤水分反演模型精度验证 |
| 4.5.2 土壤水分空间分布驱动因素 |
| 4.6 本章小结 |
| 第5章 基于多源遥感数据的荒漠土壤水分遥感分区建模研究 |
| 5.1 引言 |
| 5.2 研究数据 |
| 5.3 研究方法 |
| 5.3.1 遥感特征参数提取 |
| 5.3.2 水云模型分析 |
| 5.3.3 Oh模型分析 |
| 5.3.4 全区模型和分区模型 |
| 5.4 结果与分析 |
| 5.4.1 不同特征参数相关性分析 |
| 5.4.2 Oh模型反演结果分析 |
| 5.4.3 不同模型的土壤水分反演与验证 |
| 5.4.4 多源数据协同反演土壤水分空间分布特征 |
| 5.5 讨论 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 创新点 |
| 6.3 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）耦合“空-天”遥感的科尔沁沙丘-草甸相间地区植被覆盖度解译及其时空演变规律（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 基于地面测量的植被覆盖度获取 |
| 1.2.2 基于遥感技术的植被覆盖度获取 |
| 1.2.3 植被覆盖度的时空演变研究 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究目标与内容 |
| 1.3.2 技术路线 |
| 2 研究区概况与数据处理 |
| 2.1 研究区概况 |
| 2.1.1 地形与地貌特征 |
| 2.1.2 气候与水文特征 |
| 2.1.3 土壤与植被特征 |
| 2.2 数据获取与处理 |
| 2.2.1 试验布设 |
| 2.2.2 遥感数据获取与预处理 |
| 2.2.3 地面调查数据获取 |
| 2.2.4 气象数据获取 |
| 3 研究方法 |
| 3.1 传统编码器-解码器神经网络 |
| 3.2 可见光差异植被指数阈值确定 |
| 3.3 航天遥感特征参数的选取 |
| 3.4 植被覆盖度提取模型 |
| 3.4.1 像元二分模型 |
| 3.4.2 机器学习模型 |
| 3.5 模型评价 |
| 3.6 植被覆盖度时空演变规律分析方法 |
| 3.6.1 植被覆盖转移矩阵 |
| 3.6.2 重心迁移模型和标准差椭圆 |
| 3.6.3 趋势性分析法 |
| 3.7 相关性分析 |
| 4 基于无人机影像的植被覆盖度精准解译 |
| 4.1 无人机影像像素标记 |
| 4.2 植被覆盖度提取U型神经网络深度学习模型的构建 |
| 4.3 模型训练及分析 |
| 4.4 植被覆盖度提取结果 |
| 4.5 本章小结 |
| 5 耦合“空-天”遥感的植被覆盖度解译 |
| 5.1 遥感特征向量的选择 |
| 5.2 单元尺度(重点研究区)植被覆盖度反演 |
| 5.3 区域尺度(研究区)植被覆盖度反演 |
| 5.4 本章小结 |
| 6 长时序植被覆盖度的时空演变规律 |
| 6.1 植被覆盖度变化趋势分析 |
| 6.2 植被覆盖度空间分布 |
| 6.3 植被覆盖度时空变化特征 |
| 6.3.1 植被覆盖分类面积转移矩阵 |
| 6.3.2 各植被覆盖类重心变化 |
| 6.4 本章小结 |
| 7 植被覆盖度对降水变化的响应 |
| 7.1 降水的时空变化特征 |
| 7.2 年植被覆盖度与降水量的相关性分析 |
| 7.3 月植被覆盖度与环境因子的相关性分析 |
| 7.4 本章小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 存在问题与展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（6）科尔沁沙丘草甸相间地区植被群落动态模拟及生态系统健康评价（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 植被群落动态模拟研究现状 |
| 1.2.2 土地覆被分类研究现状 |
| 1.2.3 生态系统健康研究现状 |
| 1.3 研究目标内容和技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 2 研究区概况与研究方法及数据源 |
| 2.1 研究区域 |
| 2.2 试验区 |
| 2.3 研究方法 |
| 2.3.1 基于结构方程模型的群落动态模拟 |
| 2.3.2 群落尺度覆被类型识别决策树 |
| 2.3.3 土地覆被演变解析方法 |
| 2.3.4 VORS生态系统健康评价 |
| 2.4 数据获取及预处理 |
| 2.4.1 植被数据 |
| 2.4.2 土壤数据 |
| 2.4.3 地形数据 |
| 2.4.4 水文气象监测数据 |
| 2.4.5 遥感数据 |
| 3 基于结构方程模型的植被群落动态模拟 |
| 3.1 理论基础与模型构建 |
| 3.1.1 模型构建 |
| 3.1.2 内生潜变量 |
| 3.1.3 外生潜变量 |
| 3.1.4 中介潜变量 |
| 3.2 研究区植被群落结构及其生境因子统计分析 |
| 3.3 SEM的模拟结果与解释分析 |
| 3.3.1 沙丘生境条件下的模拟结果与分析 |
| 3.3.2 草甸生境条件下的模拟结果与分析 |
| 3.3.3 区域尺度下的模拟结果与分析 |
| 3.4 植被群落的动态模拟 |
| 3.5 讨论与小结 |
| 4 基于群落尺度的土地覆被识别决策树构建 |
| 4.1 土地覆被分类及其遥感参数信息 |
| 4.1.1 土地覆被分类系统 |
| 4.1.2 典型植被的物候信息 |
| 4.1.3 NDVI时序数据特征 |
| 4.1.4 不同覆被类型的光谱特征 |
| 4.1.5 远红外波段反射率时序数据特征 |
| 4.2 决策树分类模型 |
| 4.3 精度评定 |
| 4.3.1 基于Sentinel-2卫星数据分类结果的评价 |
| 4.3.2 多种覆被识别方法的对比与评价 |
| 4.4 讨论与小结 |
| 5 气候变化特征及覆被演变过程监测 |
| 5.1 气候变化特征 |
| 5.1.1 气温变化 |
| 5.1.2 植被生长季降雨 |
| 5.1.3 水分亏缺 |
| 5.2 湖泊时空变化特征 |
| 5.3 沙丘草甸相间地区土地覆被变化的遥感监测 |
| 5.3.1 决策树分类模型参数优化 |
| 5.3.2 土地覆被类型变化分析 |
| 5.3.3 不同覆被类型的时空转换规律分析 |
| 5.4 沙丘草甸相间地区景观格局变化分析 |
| 5.4.1 景观水平上景观格局变化分析 |
| 5.4.2 类型水平上景观格局变化分析 |
| 5.5 讨论与小结 |
| 6 生态系统健康评价及影响因素分析 |
| 6.1 科尔沁沙丘草甸相间地区生态系统健康评价指标 |
| 6.1.1 生态系统活力 |
| 6.1.2 生态系统组织力 |
| 6.1.3 生态系统恢复力 |
| 6.1.4 生态系统服务能力 |
| 6.2 基于乡域尺度生态健康状况的时空变化 |
| 6.3 生态系统健康变化的影响因素分析 |
| 6.3.1 影响因素与生态系统健康变化的相关分析 |
| 6.3.2 基于结构方程模型的驱动力分析 |
| 6.4 讨论与小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 特色与创新 |
| 7.3 不足与展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（7）2000-2016年京津风沙源区植被覆盖动态变化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 植被覆盖度传统测量方法研究进展 |
| 1.3.2 植被覆盖度遥感估算方法研究进展 |
| 1.3.2.1 植被覆盖度遥感反演数据源 |
| 1.3.2.2 植被覆盖度遥感反演方法 |
| 1.4 课题来源 |
| 1.5 研究方案和技术路线 |
| 1.5.1 研究内容 |
| 1.5.2 技术路线 |
| 2 研究区概况 |
| 2.1 地理位置 |
| 2.2 自然环境条件 |
| 3 数据获取与处理 |
| 3.1 外业数据采集与处理 |
| 3.2 遥感影像收集与预处理 |
| 3.2.1 MODIS及数据产品概况 |
| 3.2.2 MODIS数据获取及处理 |
| 3.3 气象数据收集与预处理 |
| 3.4 数据库建设 |
| 3.5 小结 |
| 4 植被覆盖度遥感估算 |
| 4.1 混合像元分解法 |
| 4.2 回归模型法 |
| 4.2.1 建模因子提取 |
| 4.2.2 多元线性回归模型 |
| 4.2.3 随机森林模型 |
| 4.2.4 kNN模型 |
| 4.2.5 支持向量机模型 |
| 4.2.6 梯度递升回归树模型 |
| 4.3 模型精度评价与分析 |
| 4.3.1 评价指标 |
| 4.3.2 模型精度 |
| 4.4 小结 |
| 5 植被覆盖动态变化研究 |
| 5.1 植被覆盖度空间分布 |
| 5.2 植被覆盖度动态变化 |
| 5.3 植被覆盖度空间变化 |
| 5.3.1 面积统计特征 |
| 5.3.2 变化趋势分析 |
| 5.3.3 空间自相关分析 |
| 5.4 小结 |
| 6 结论与讨论 |
| 6.1 结论 |
| 6.2 讨论 |
| 6.3 展望 |
| 参考文献 |
| 附录 攻读学位期间的主要学术成果 |
| 致谢 |
（8）喀什噶尔河流域平原区地下水系统特征和生态环境演化分析（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及技术路线 |
| 1.4 论文主要创新点 |
| 第2章 研究区概况 |
| 2.1 地理概况 |
| 2.2 气象条件概况 |
| 2.3 流域水系概况 |
| 2.4 地形地貌概况 |
| 2.5 水资源开发利用概况 |
| 2.6 社会经济概况 |
| 第3章 地下水系统特征分析 |
| 3.1 重要控水地质构造 |
| 3.2 地层岩性 |
| 3.3 地下水系统划分 |
| 3.4 平原区第四系含水层系统 |
| 3.5 本章小结 |
| 第4章 地下水系统均衡计算分析 |
| 4.1 研究中的辩证法应用 |
| 4.2 研究尺度选择 |
| 4.3 均衡计算单元 |
| 4.4 地下水均衡法 |
| 4.5 地下水均衡计算 |
| 4.6 水均衡分析 |
| 4.7 地下水资源量 |
| 第5章 基于水质考量的地下水系统功能区评价 |
| 5.1 地下水系统质量评价 |
| 5.2 地下水系统功能区划分 |
| 5.3 超采区划定 |
| 5.4 本章小结 |
| 第6章 基于遥感解译的生态环境演变及其驱动因素分析 |
| 6.1 数据与预处理 |
| 6.2 生态地貌遥感解译分析 |
| 6.3 超采区划定复核 |
| 6.4 盐渍化程度分析 |
| 6.5 本章小结 |
| 第7章 基于数值模拟的典型区域地下水系统生态策略 |
| 7.1 模拟范围 |
| 7.2 水文地质条件概化 |
| 7.3 数学建模 |
| 7.4 数值方法 |
| 7.5 参数选用 |
| 7.6 模型参数率定 |
| 7.7 模拟结果和预测分析 |
| 7.8 本章小结 |
| 第8章 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）内蒙古草甸草原区遥感生态评价与监测研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 选题依据 |
| 1.1.1 大数据技术和云计算平台成为地学和生态学的研究热点 |
| 1.1.2 干旱区草原退化已成为严峻的生态问题 |
| 1.1.3 内蒙古牧区草畜关系和畜牧业发展面临严峻挑战 |
| 1.2 研究进展 |
| 1.2.1 遥感波段指数生态评价研究进展 |
| 1.2.2 生态系统服务价值遥感估算研究进展 |
| 1.2.3 干旱区遥感生态参量估算研究进展 |
| 1.2.4 遥感草原返青和长势反演研究进展 |
| 1.2.5 草地盖度估算研究进展 |
| 1.2.6 草原普查和资源调查研究进展 |
| 1.2.7 草地产草量研究进展 |
| 1.2.8 草原退化检测研究进展 |
| 1.3 研究目标与技术路线 |
| 1.3.1 重要概念 |
| 1.3.2 研究目标 |
| 1.3.3 研究意义 |
| 1.3.4 总体框架与技术路线 |
| 1.4 研究区概况 |
| 1.4.1 气候和物候 |
| 1.4.2 植被条件 |
| 1.4.3 农牧交错特征 |
| 2 材料与方法 |
| 2.1 地面采集数据介绍 |
| 2.1.1 野外样地实测生物量 |
| 2.1.2 气象观测数据 |
| 2.2 遥感数据集成方法介绍 |
| 2.2.1 基于GEE的遥感数据集成 |
| 2.2.2 遥感数据最大值合成方法介绍 |
| 2.2.3 遥感生态指数构建方法 |
| 2.3 遥感草原生态评价方法和技术 |
| 2.3.1 土地利用变化及生态风险评估方法 |
| 2.3.2 生态系统服务价值核算关键技术 |
| 2.4 遥感草原生态监测保护方法和技术 |
| 2.4.1 统计学和机器学习方法 |
| 2.4.2 混合像元分解原理 |
| 2.4.3 返青监测原理和方法 |
| 2.4.4 沙化研究方法和技术路线 |
| 2.4.5 产量和盖度研究技术路线 |
| 2.4.6 载畜量研究方法 |
| 3 结果与分析 |
| 3.1 土地利用变化及景观生态风险评估 |
| 3.1.1 内蒙古全域土地覆盖时序特征 |
| 3.1.2 草甸草原区土地利用变化时序特征 |
| 3.1.3 草甸草原区土地利用覆盖时空分布 |
| 3.1.4 草甸草原区近20年景观生态风险变化 |
| 3.2 生态系统服务价值评估结果及分析 |
| 3.2.1 基础当量价值时空动态调节分析 |
| 3.2.2 基础当量时空调节下的动态当量表构建 |
| 3.2.3 草甸草原区生态系统服务价值季度特征 |
| 3.2.4 生态系统服务基础当量价值季度特征 |
| 3.2.5 生态系统服务货币价值时序分析 |
| 3.2.6 生态系统服务货币价值空间特征 |
| 3.3 草甸草原区关键生态参量监测 |
| 3.3.1 盖度监测 |
| 3.3.2 长势监测 |
| 3.3.3 返青监测 |
| 3.4 草原保护和利用研究 |
| 3.4.1 产量监测和载畜量估算 |
| 3.4.2 退化检测 |
| 4 讨论 |
| 5 结论 |
| 6 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（10）气候变化背景下中亚地区植被与土地退化评价（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 植被生长的动态变化 |
| 1.2.2 水分利用效率(WUE)和雨水利用效率(RUE)的时空变化 |
| 1.2.3 生态弹性对干旱的响应 |
| 1.2.4 土地退化 |
| 1.3 研究目标与内容 |
| 1.4 技术路线 |
| 2 研究区概况和数据处理方法 |
| 2.1 研究区概况 |
| 2.1.1 自然地理概况 |
| 2.1.2 社会经济概况 |
| 2.2 数据处理方法 |
| 2.2.1 数据来源与处理 |
| 2.2.2 数据分析 |
| 3 中亚地区气候变化特征分析 |
| 3.1 气温变化特征 |
| 3.1.1 气温年际变化 |
| 3.1.2 气温空间变化 |
| 3.2 降水变化特征 |
| 3.2.1 降水年际变化 |
| 3.2.2 降水空间变化 |
| 3.3 潜在蒸散变化特征 |
| 3.3.1 潜在蒸散年际变化 |
| 3.3.2 潜在蒸散空间变化 |
| 3.4 气温日较差变化特征 |
| 3.4.1 气温日较差年际变化 |
| 3.4.2 气温日较差空间变化 |
| 3.5 霜冻天数变化特征 |
| 3.5.1 霜冻天数年际变化 |
| 3.5.2 霜冻天数空间变化 |
| 3.6 标准化降水蒸散指数(SPEI)变化特征 |
| 3.7 小结 |
| 4 中亚地区植被生长与土地覆盖的动态变化 |
| 4.1 2000-2015年中亚地区气候时空特征 |
| 4.1.1 气候年际变化 |
| 4.1.2 气候空间变化 |
| 4.2 植被生长的动态变化 |
| 4.2.1 植被生长的时间变化 |
| 4.2.2 植被生长的空间变化 |
| 4.3 植被生长与气候的相关性空间分布 |
| 4.3.1 GPP与气候的相关性空间分布 |
| 4.3.2 NPP与气候的相关性空间分布 |
| 4.3.3 NDVI与气候的相关性空间分布 |
| 4.4 土地覆盖动态变化 |
| 4.4.1 土地覆盖的时间变化 |
| 4.4.2 土地覆盖变化的来源 |
| 4.5 中亚地区农田动态变化分析-以哈萨克斯坦为例 |
| 4.5.1 农田的时空变化 |
| 4.5.2 农田变化的来源 |
| 4.5.3 农田的空间格局 |
| 4.6 小结 |
| 5 中亚地区植被退化风险评价 |
| 5.1 2000-2014年中亚地区生长季气候时空特征 |
| 5.1.1 生长季气候年际变化 |
| 5.1.2 生长季气候空间变化 |
| 5.2 2000-2014年中亚地区生长季叶面积指数(LAI)时空特征 |
| 5.2.1 生长季LAI时间变化特征 |
| 5.2.2 生长季LAI空间变化特征 |
| 5.3 生长季水分利用效率(WUE)的变化特征 |
| 5.3.1 生长季WUE时间变化特征 |
| 5.3.2 生长季WUE空间变化特征 |
| 5.4 生长季雨水利用效率(RUE)的变化特征 |
| 5.4.1 生长季RUE时间变化特征 |
| 5.4.2 生长季RUE空间变化特征 |
| 5.5 生长季WUE和RUE与气候和形态因素的相关性空间分布 |
| 5.5.1 生长季WUE与气候和形态因素的相关性空间分布 |
| 5.5.2 生长季RUE与气候和形态因素的相关性空间分布 |
| 5.6 不同植被覆盖类型生长季WUE和RUE的变化特征 |
| 5.6.1 不同植被覆盖类型生长季WUE和RUE时间变化特征 |
| 5.6.2 不同植被覆盖类型生长季WUE和RUE空间变化特征 |
| 5.7 中亚地区不同植被覆盖类型的退化风险评价 |
| 5.7.1 旱作农田的退化风险评价 |
| 5.7.2 温带草原的退化风险评价 |
| 5.7.3 灌木的退化风险评价 |
| 5.7.4 稀疏植被的退化风险评价 |
| 5.8 小结 |
| 6 中亚地区土地退化评价与驱动力分析 |
| 6.1 土地生产力 |
| 6.2 土地覆盖 |
| 6.3 土壤有机碳 |
| 6.4 基于联合国可持续发展目标(SDG)的中亚地区土地退化评价及驱动力分析 |
| 6.5 小结 |
| 7 讨论与结论 |
| 7.1 讨论 |
| 7.2 结论 |
| 7.2.1 中亚地区气候变化特征 |
| 7.2.2 中亚地区植被生长和土地覆盖的动态变化 |
| 7.2.3 中亚地区植被退化风险评价 |
| 7.2.4 基于联合国可持续发展目标(SDG)的中亚地区土地退化评价及驱动力分析 |
| 7.3 创新点与展望 |
| 7.3.1 创新点 |
| 7.3.2 展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录 |
| 致谢 |
四、Temporal-spatial characteristics of vegetation cover and desertification of China by using remote sensing data（论文参考文献）
- [1]青藏高原冰雪消融区岩漠动态变化遥感监测研究现状与展望[J]. 贾伟,王静爱,史培军,马伟东. 地球信息科学学报, 2021(10)
- [2]基于数值模拟的毛乌素沙地植被变化对区域气候和水分平衡影响研究[D]. 郑颖. 内蒙古大学, 2021
- [3]气候与地形因子对浑善达克沙地ANPP的影响 ——以多伦县为例[D]. 王雨晴. 内蒙古农业大学, 2021(01)
- [4]基于多源遥感数据的南疆干旱区荒漠土壤水分监测研究[D]. 高琪. 塔里木大学, 2021(08)
- [5]耦合“空-天”遥感的科尔沁沙丘-草甸相间地区植被覆盖度解译及其时空演变规律[D]. 张亦然. 内蒙古农业大学, 2021(02)
- [6]科尔沁沙丘草甸相间地区植被群落动态模拟及生态系统健康评价[D]. 曹文梅. 内蒙古农业大学, 2021(01)
- [7]2000-2016年京津风沙源区植被覆盖动态变化研究[D]. 吴童. 中南林业科技大学, 2021
- [8]喀什噶尔河流域平原区地下水系统特征和生态环境演化分析[D]. 王博. 新疆农业大学, 2021(02)
- [9]内蒙古草甸草原区遥感生态评价与监测研究[D]. 王保林. 内蒙古农业大学, 2020(01)
- [10]气候变化背景下中亚地区植被与土地退化评价[D]. 魏巍. 北京林业大学, 2019