基于面向对象及光谱特征的植被信息提取与分析

面向对象分类方法是实现精确详细提取遥感信息的新方法.以2010年TM影像作为基础数据,采用面向对象方法着重提取了西辽河流域平原的植被信息(耕地、林地、中生偏旱和中生偏湿草).通过对不同地物的光谱和空间信息(位置、形状)进行比较分析,建立适当的隶属度函数和阈值范围,在草地的分类规则中,参考野外采集的草地植被光谱信息,辅助草地属性特征选择.最后构建分类决策树,完成自动分类,分类总体精度达到82.13％.在分类结果的基础上,讨论了植被分布特点,对不同类型的植被面积、不同区县植被面积以及植被与一级河流关系三方面进行分析.结果显示:研究区植被以林地和耕地为主,分别占总面积的38.9％和23.3％;耕地、林地、中生偏湿草地多分布于河流中下游区县,受人为因素影响较大的林地、耕地主要集中在科尔沁左翼中旗和科尔沁左翼后旗;林地、中生偏湿草较集中分布在一级河流的10km缓冲区内,耕地主要集中在5km缓冲区内,中生偏旱草与一级河流的关系不显著.     

基于流域尺度的甘肃省水资源承载力评价

水资源承载力是评价水资源状况的重要指标,基于流域尺度研究水资源承载力可为水资源规划管理、经济社会发展与人民生活提供参考依据.为得到更加符合实际的评价结果,从水资源、居民生活、社会经济、生态环境等4个方面选取14个指标,采用博弈论组合赋权法确定指标权重,利用TOPSIS综合分析法对甘肃省2009—2018年水资源承载力进...     

本期封面照片说明

独龙江为伊洛瓦底江流域的上游,地处云南省的西北部,位于北纬27°40′—28°45′,东经97°45′—98°23′之间,整个流域呈弯曲的狭长条状镶嵌在喜马拉雅弧形构造的大拐弯部位。干流总长211·3km,流域总面积4327km2。它北连深厚高耸的青藏高原,东接巍峨峻秀的高黎贡山,西界南北逶迤的担当力卡山与缅甸印度毗邻。长期以来,由于该流域区位偏僻,地形陡峭,气候环境恶劣,交通不便,其鱼类多样性状况一直是鱼类学家关注的焦点。此外,当地的生产力水平低下,除有少量的捕捞外,对自然水体中鱼类区系影响较小,这也为自然水体中研究鱼类多样性提供了较为…     

播种时期与密度对关中灌区夏玉米群体生理指标的影响

采用二次饱和D最优试验设计,运用作物群体生理学方法,研究了关中灌区玉米密度、播期与群体生理指标的关系及其影响效应.结果表明,关中灌区夏播条件下,在6月13日—7月22日,播期与玉米籽粒产量、干物质积累量(DMA)、吐丝期叶面积指数(LAImax)、总光合势(LAD)、群体净同化率(NAR)、作物生长率(CGR)呈负相关,播期对CGR、LAD的影响较大,对LAImax和NAR的影响较小;在45000～65918株·hm-2范围内,密度与玉米籽粒产量、DMA、LAImax、LAD、CGR呈正相关,而与NAR呈负相关,密度对CGR、LAImax和LAD的影响较大,而对NAR的影响较小.播期对玉米群体生理指标的总影响效应显著大于密度,实际生产中应力争早播.对密度和播期与玉米群体生理指标建立的回归模型表明,陕单8806玉米在关中灌区夏播中实现高产的适宜播期为6月10—20日,密度应控制在57767～71706株·hm-2.     

岷江流域生态安全格局评价与优化——基于最小累积阻力模型和重力模型

生态安全格局评价是维护生物多样性、改善环境质量的重要途径,对维持区域持续发展具有重要意义。以岷江流域为研究区,综合运用土地利用和归一化植被指数（NDVI）等数据,基于生态系统服务对岷江流域进行生态重要性分析,将生态极重要区识别为生态源地,采用最小累积阻力（MCR）模型中成本路径法提取潜在廊道,结合重力模型提取重要廊道和重要节点,从而实现对研究区生态安全格局的刻画,进而对岷江流域生态安全格局评价并提出优化建议。研究结果表明：（1）岷江流域安全等级总体较好,较高生态安全和高生态安全的面积占研究区面积的55.02%。（2）从空间上看,研究区内重要生态源地面积为818.32km²,破碎化严重,集中分布在岷江流域上游林地区;廊道共190条,总长度为19633.96km,其中重要廊道41条,呈半环状分布于上游和下游段;生态节点共117个,集中分布在上游段南部-西南部。（3）参考生态阻力和廊道节点空间分布特征,划分岷江流域"四区两带"生态安全格局并提出分区管控措施和相关建议。以期研究结果和调控路径可对完善岷江流域生态安全格局、保护生物多样性和增强水土保持有一定的借鉴意义。     

基于CA-Markov模型的石羊河流域生态承载力时空格局预测

生态承载力是区域可持续发展的重要物质基础。为了探讨我国干旱区内陆河流域未来生态承载力的时空格局变化,以石羊河流域为研究区,基于该流域1992、2002年和2012年3期Landsat TM遥感影像,选取10个影响生态承载力变化的主要驱动因素,利用元胞自动机-马尔科夫模型(CA-Markov),以土地利用预测为切入点,对该流域2022年的生态承载力时空格局进行了模拟预测。首先基于1992—2002年数据预测了2012年石羊河流域土地利用状况,并与当年实际土地利用状况进行对比和验证,结果显示:Kappa系数为0.7956,说明本文所选用的预测方法预测结果可靠,可以用于该流域土地利用预测;其次,以2012年为起始年,模拟预测了2022年土地利用空间数据,并计算生态承载力时空格局,结果显示:2022年石羊河流域单位面积生态承载力与1992年、2002年和2012年相比整体空间分布格局变化不大,但区域内部变化却呈明显的空间分异特征;1992—2022年流域生态承载力总量以2002年为拐点呈先减少后增加的趋势,其中建设用地的生态承载力增加最为显著;预测可知,较2012年,2022年流域上游山区的林地、中游绿洲的建筑用地生态承载力均增加较快,且呈现较明显的斑块聚集,而中、下游绿洲区耕地、草地生态承载力增、减变化复杂,斑块分布较为离散和破碎;2012—2022年土地利用类型将发生频繁转换,导致流域生态承载力结构组成变化较大,其中未利用地的转出对2022年流域生态承载力的增加贡献突出。研究结果表明自2002年以后,该流域实施的退耕还林还草、关井压田等生态工程已经并将继续对该流域生态效益的提高起到积极的作用。     

时空信息熵在延河流域生态可持续性分析中的应用

视流域为一个有生命力的不可分割的有机整体,为表征其生态可持续性,从熵的视角出发,提出结合空间信息熵和时间信息熵的时空信息熵方法。其中空间信息熵用于表征生态系统格局在空间分布的有序程度,时间信息熵用于度量生态系统的动态演变是否有序,时空信息熵方法将格局和动态有机结合,定量分析流域生态系统的可持续性。以延河流域为研究区,基于土地利用数据和归一化植被指数数据,利用时空信息熵方法分析2000-2018年延河流域生态可持续性。结果表明:(1)延河流域生态系统格局朝着有序的方向变化,此间整体处于生长期或恢复期;(2)时间信息熵结果呈现空间异质性,耕地、中低覆盖度草地和其他林地的时间信息熵值较高,生态弹性能力更强;(3)研究区生态可持续性以"强"和"较强"为主(61%),广泛分布在其中部和北部地区,表明流域的生态弹性能力总体增强,生态可持续状况明显改善。对基于熵视角研究生态可持续问题的有益探索,为延河流域及黄土高原其他类似流域的生态保护和修复提供借鉴和参考。     

基于 RBF 神经网络的蛋白质二级结构预测

蛋白质二级结构对于研究其功能具有重要作用。采用主成分分析方法对氨基酸的基本物化属性及其二级结构倾向性进行降维降噪处理,使用径向基神经网络对蛋白质二级结构进行预测。主成分分析使得之前 20 ×12 矩阵变为 20 ×4 矩阵,极大地减少了神经网络输入端的维数。在仿真过程中,当窗口大小为 21,扩展函数为 7 时,预测精确度达到了 71. 81%。实验结果表明 RBF 神经网络可以有效的用于蛋白质二级结构的预测。     

环青海湖地区天然草地和退耕恢复草地植物群落生物量对氮、磷添加的响应

植物群落生物量反映了植被的初级生产能力, 是陆地生态系统碳(C)输入的最主要来源, 往往受到自然界中氮(N)、磷(P)元素供应的限制。该试验以青藏高原环青海湖地区的高寒草原为研究对象, 探讨了天然草地和退耕恢复草地植被群落生物量对N (10 g·m^-2)、P (5 g·m^-2)养分添加的响应。N、P添加显著增加了天然草地禾草的生物量, 进而促使地上总生物量显著提高。退耕恢复草地禾草和杂类草的生物量对N添加均有一致的正响应, 从而促使地上总生物量显著增加174%, 群落地上和地下总生物量显著增加34%; 而P添加对恢复草地生物量各项参数均无显著影响。回归分析显示: 天然草地植物群落地上生物量随土壤中NO₃^--N含量的增加而增加(p < 0.05), 退耕恢复草地植被地上、地下和总生物量均与土壤NO₃^--N含量显著正相关(p < 0.01), 说明环湖地区高寒草原植物生长主要受N供应的限制, P的限制作用随土地利用方式的转变和群落演替阶段的不同而变化; 相比天然草地, 恢复草地在现阶段植被初级生产力受N的限制作用更强烈, 土壤中可利用N含量是限制其植被自然恢复和重建的关键因子。     

延河流域本氏针茅(Stipa bungeana)分布预测——广义相加模型及其应用

物种分布预测,对于物种的保护、利用和恢复具有重要意义.利用广义相加模型(GAM,Generalized Additive Model),对延河流域典型地带性物种本氏针茅(Stipa bungeana)的空间分布预测进行研究,以期为该流域本氏针茅草地的保护、恢复等提供依据.结果表明,本氏针茅分布的环境梯度较广,在坡度、坡向、温度与降雨的各个梯度上都有分布,除高平地和侵蚀剧烈的沟道外,各种地形部位上亦可以存在.建立的广义相加模型表明,本氏针茅的分布主要取决于年均蒸发量和温度季节变化两个因子,而非单纯的降雨、温度因素.从其分布概率看,本氏针茅在延河流域大部分地区都有可能分布,但其分布集中区主要在中北部,与实际观测相符.模型检验表明,建立的模型满足统计要求.