李兰[1]（2021）在《青藏高原湖泊演化及生态环境效应研究》文中认为独特且复杂的自然地理环境为青藏高原储存水资源奠定了良好的基础。雪山绵延、冰川纵横、湖泊密布,众多大江大河的源地,滋养着流域内几十亿人口,青藏高原是名实相符的“亚洲水塔”。青藏高原湖泊是“亚洲水塔”水资源的重要载体,在高原环境下,其收支主要受冰川、冻土中地下冰等固体水资源及地表水、地下水汇集和蒸散发的影响,湖泊面积、数量的改变也在一定程度上反映了区域气候的变化。在近几十年气候的显着变化的背景下,青藏高原湖泊演化、江河源径流变化等,对于区域生态环境影响甚大,急需开展青藏高原湖泊演化趋势及其生态环境效应研究。湖泊的演化经历了从自然驱动到人和自然共同驱动的历程,为探究青藏高原湖泊的演化过程及其动态变化的驱动力,本文基于RS和GIS技术,提取了1980s-2020年青藏高原的湖泊数据,依照不同成因,将湖泊分为构造湖、冰川湖、热喀斯特湖、堰塞湖、河成湖和人工湖。重点研究了1980s-2020年青藏高原构造湖、热喀斯特湖和冰川湖的数量、面积和空间变化,分析了湖泊动态变化的驱动力及其生态环境效应。主要结论如下:（1）近40年青藏高原在整体变暖、大部分区域降水波动增加的过程中,青藏高原湖泊变化显着。湖泊数量由1980s的70005个持续增长至2020年的143582个;湖泊面积整体呈减少（1980s-1990年）-加速增长（1990-2020年）的趋势,由1980s的41347.84km2降低至1990年的40441.4km2,后增长至2020年的54634.44km2。1980s-1990年湖泊面积减少的原因是大部分区域气温降低,降雨减少;1990-2020年湖泊面积渐增主要是因为气温显着升高、降水量增多和冰川融水增多。（2）构造湖在1980s-1990年湖泊面积减少,1990-2020年面积持续扩张,总面积增加了11388.13km2;数量由1089个增加至1451个。空间分布方面,构造湖变化主要发生在内陆流域。结合区域年降水量和年均气温,发现内陆流域气温升高和降水显着增加,是构造湖数量面积增加的直接原因。（3）多年冻土区是热喀斯特湖发育的区域。1980s-2020年热喀斯特湖个数由60834个增加至120374个,面积由932.5km2增长至1713.57km2。空间上主要集中在可可西里地区和北麓河区域,区域内地势平坦,显着的气候变暖导致了多年冻土区发生了广泛的退化乃至融化,地下冰融水加上降水量增加,使得青藏高原多年冻土区内热喀斯特湖成倍增加。（4）热喀斯特湖是多年冻土退化过程中的典型地貌单元,也是青藏高原整个区域中湖泊演化过程中数量和面积发生变化最为显着的类型。为此,本研究选取多年冻土区热喀斯特湖泊点密度、冻土稳定性类型、年均降水量、地表温度、土壤水分、积雪面积、NDVI和坡度等评价指标,结合前人研究成果及专家评判确定指标权重,采用综合评判法获得了青藏高原多年冻土区热喀斯特湖易发程度区划图。其中高易发区占19.02%,主要分布在青藏高原中部包括可可西里地区。（5）冰川湖形成于冰川作用过程,补给源主要为大气降水和冰川融水。1980s-2020年间冰川湖的个数由8002个增加至20329个,湖泊面积由900.1km2增长至1620.5km2。空间变化方面主要发生在唐古拉山、喜马拉雅山、西昆仑山以及青藏高原的南缘区域。（6）采用NDVI、湖泊生态系统服务价值和冰川湖溃决灾害三类指标对青藏高原湖泊生态环境效应进行了评价。整体上青藏高原NDVI呈增加趋势,文中以2000-2019年NDVI差值作为评判植被退化和改善指标,显示植被改善区占37.58%;湖泊作为独立的生态系统,随着湖泊面积的增加,青藏高原湖泊生态系统服务价值也呈增加趋势;气温的升高和冰川的广泛退化造成冰川湖溃决日益增加,危害较大。（7）青藏高原湖泊作为一种资源兼具了水源涵养、生物多样性维持和区域生态保障等重要生态服务功能。其中热喀斯特湖和冰川湖经常被视为不良地质现象,其演化过程、尤其是溃湖的发生对区域重大工程、生态环境存在着潜在或直接的危害,在相关区域规划、工程建设、环境保护中应给予足够的重视。本文所获得的成果可为《第二次青藏高原综合科学考察研究》工作查清青藏高原湖泊本底、厘清其与冻融环境间关系提供基础数据,有助于促进对全球变化下湖泊生态系统演变的科学认识,服务于湖泊生态资源的合理开发和管理,以及为热喀斯特湖和冰川湖溃决防灾减灾提供基础性支撑。
聂云超[2]（2020）在《甘肃岷县禾驮金矿区小流域生态环境质量评价》文中认为随着社会的高速发展,我国生态环境的承载力逐渐增大,生态环境问题也越发显着,成为了阻碍我国经济发展的重要影响因素。研究区因受7.22地震和长期不规则矿产开采的影响,导致区内的生态环境变得脆弱,植被、水域等自然资源都受到不同程度破坏,严重威胁研究区小流域生态系统安全,因此,治理改善小流域的生态环境显得尤为重要。本研究以中高分辨率遥感影像为基础数据,并结合其他统计资料,利用RS和GIS技术的优势,根据研究区生态环境概况,遴选了坡度、土地利用等10项指标,构建出本研究评价体系;在此基础上,提出了基于本研究评价体系的赋权方法和生态环境质量评价方法,以期为小流域生态环境质量评价提供参考。本研究取得的主要研究成果如下:（1）以甘肃岷县禾驮金矿区小流域为研究对象,对生态环境质量评价结果进行深入分析。使用层次分析法、主成分分析法及AHP-PCA组合评价法进行权重计算,基于GIS技术以图形叠置法和综合指数法进行生态环境质量评价,结果显示:PCA和AHP-PCA法均适合研究区赋权工作,AHP不适合;研究区整体生态环境质量较好,大于4级的区域较多,占研究区面积的75%以上。（2）基于RS、GIS以及数理统计方法研究分项评价指标对小流域生态环境质量的影响作用。分析结果表明,小流域土地利用开发强度较大、结构不合理,不利于小流域保固水土和自然环境修复,对小流域生态环境影响较大;植被覆盖度及土壤湿度与地震后相比整体均呈现逐渐恢复的趋势,少量的植被退化主要原因与人类工程活动有关,影响土壤生态条件恢复的主要因素为人为因素。（3）对小流域植被损毁区高精度遥感监测。遥感监测结果表明,研究区生态损毁共116处,极其严重损毁34处、重度损毁23处、中度损毁22处、轻度损毁23处、震前矿山开采和泥石流形成的生态损毁14处。从空间分布中可见,震前生态损毁区主要集中于寨上村、曙光村等附近的金矿开采区,极重度和重度生态损毁多见于拉路村至随固村轴线的陡峭边坡处。区内植被破坏主要是由人类工程活动和地震诱发要素引起的,并且人类工程活动形成的生态破坏几乎没有恢复。
张劳模[3]（2020）在《基于深度学习的林地分类与动态变化模拟技术研究》文中指出林地作为森林的主要载体,是森林长久生存和发展的根基,是生态环境的重要组成部分。目前我国基于3S技术（遥感技术、地理信息系统、全球定位系统）已成功绘制出全国林地“一张图”,它的形成能够极大提高森林资源的精细化、自动化、智能化管理水平,对于研究森林资源环境变化规律、促进我国生态文明建设等具有重大意义。目前随着人类经济社会的不断发展和全球气候的不断变化,森林环境也随之变化,但由于森林资源体系复杂多样,普查数据不及时,导致“一张图”更新滞后,难以满足森林资源变化监测的需要,因此,迫切需要研究自动化林地监测技术方法,实现林地信息的精确提取。随着卫星传感器技术和人工智能技术的快速发展,各类遥感影像越来越丰富,深度学习技术越来越成熟,利用遥感数据和深度学习技术提取林地信息已成为林业领域研究的热点。论文以甘肃省天水市麦积区为主要研究对象,通过使用基于条件随机场模型、深度卷积神经网络等方法开展复杂林地分类问题研究,提出一种双池化方式的卷积神经网络架构,为林地“一张图”更新建设提供有力保障。同时基于堆栈式稀疏自编码网络的林地动态变化模拟方法对林地时空演变规律及驱动机制进行分析,实现林地资源的动态监测。主要研究内容如下:（1）基于随机森林-条件随机场模型的林地分类方法林地类型光谱特征复杂多样,基于单一像元的分类方法往往难以取得较好的分类效果。将多时相遥感数据及空间信息融入到分类过程中,利用随机森林方法计算分类概率,将分类概率作为条件随机场模型的关联势函数,同时考虑像元之间的空间关系,利用高斯函数构建条件随机场模型的二阶势函数,实现林地的准确分类。最后将其与传统的机器学习分类方法,如支持向量机、最大似然分类、决策树等方法进行对比。结果显示:随机森林和条件随机场模型结合的分类方法得到的分类结果精度最高,对于Landsat和Sentinel2而言,总体分类精度（OA）分别为为86%和87.9%,相比于原始的随机森林分类精度均提高了约3.5%;用户精度（UA）分别为86.6%和88.4%。（2）基于双池化卷积网络和条件随机场结合的林地分类方法由于不同时期林地类型呈现出多样性变化特征,使得不同时间、空间遥感影像上相同地物光谱值并不能服从相同的概率分布。本文以深度卷积神经网络为基础,采用双通道卷积结构的多光谱遥感影像分类方法,该方法从多光谱遥感影像中提取时空谱联合特征。同时本文通过分析不同池化方法优缺点,提出了一种双池化卷积神经网络,同时又将卷积神经网络的输出作为条件随机场模型的一阶势函数,高斯函数作为二阶势函数,进一步提出条件随机场模型耦合的双池化卷积神经网络。实验结果表明:双池化的深度卷积神经网络结构结合条件随机场模型在Landsat8和Sentinel2数据上的总体分类精度（OA）分别为92.5%和95.3%,用户精度（UA）分别为93%和95.5%。在林地上的分类精度均高于一维、二维、双通道及双池化卷积神经网络方法,取得了良好的分类结果。（3）基于堆栈式稀疏自编码网络和元胞自动机模型的林地分布模拟为了能够更加准确地分析不同林地类型时空变化特征,利用逐时相分类比较法从林地类型、分布、面积等方面开展变化分析,研究多年来各种类型林地之间的转换关系,分析不同时期林地的时空演变规律,分别采用堆栈式稀疏自编码网络和Logistic回归建立各驱动因子间的关系,采用基于元胞自动机的林地变化趋势时空模拟方法,开展林地资源时空格局变化的分析研究,研究结果表明:SAE-CA模拟精度为87%,比Logistic-CA高了3%,研究模拟2018-2028年林地变化情况,建设用地呈现出增加趋势,林地面积略有下降,主要是因为人类活动频繁,加快对了对土地资源的开发和利用。综上所述,本文以多时相特征影像为基础,分别从统计学习和深度学习两个理论角度研究适用林地分类的方法。从统计学习分类角度,充分考虑像元间的空间关联性,提出了将随机森林和条件随机场模型相结合的林地分类方法。从深度学习理论角度,提出一种双池化方式的卷积神经网络架构,提高了网络特征提取能力,同时利用条件随机场模型优化网络的输出结果,使分类结果在空间分布上更加合理。最后,本文将提出的分类方法应用于林地变化模拟中,研究以元胞自动机模型为基础,充分利用深度神经网络的非线性拟合优势,提出一种堆栈式稀疏自编码网络的林地动态变化模拟方法,为掌握林地分布与变化规律提供理论参考。
张顾萍[4]（2020）在《近20年横断山区植被覆盖时空变化及驱动力研究》文中指出横断山区作为西南诸河重要的生态屏障,对我国西南及周边地区生态环境的绿色可持续发展起着至关重要的作用。但全球气候变暖已经对人类赖以生存的陆地生态系统带来了巨大的挑战。植被作为陆地生态系统最重要的组成部分,在调节气候、水土保持、防风固沙等方面发挥着重要的作用。随着人口增加,经济建设加快,区域气候变化和人类活动对植被的影响显着,加之横断山区独特的地质环境,使得该地区植被变化十分复杂。科学探索该区域植被覆盖的时空分布特征和变化规律,深入分析植被与气候和非气候之间的相互关系对于区域生态环境可持续发展和生态环境保护具有重要意义。然而,目前对横断山区植被覆盖时空变化趋势及对气候的响应研究在时空尺度方面较粗,研究内容和研究方法等存在较大差异,对影响植被覆盖的非气候因素研究也相对薄弱。因此,本文基于归一化植被指数（Normalized Difference Vegetation Index,NDVI）、增强型植被指数（Enhanced Vegetation Index,EVI）、典型地区Landsat遥感影像、气候、植被类型、地形、土地利用及其他辅助数据,采用非参数Sen趋势分析和Mankendall检验、偏相关分析、灰色关联分析（GRA）、残差趋势分析等方法,从多个时间尺度（月、季节、生长季）和多个空间尺度（像元、县域、生态区）研究了横断山区2000-2018年植被覆盖的时空变化特征,分析了植被覆盖变化的气候驱动力和非气候驱动力,并对比了NDVI与EVI在植被覆盖时空演变和驱动力研究中存在的差异。主要结论如下:（1）研究区植被覆盖时空差异显着。生长季年均NDVI和EVI分别为0.47和0.25,因地形、纬度差和植被类型不同而表现出明显的空间差异。研究区2000-2018年间植被覆盖呈增加趋势,增速最大的为阔叶林生态区、其次是草甸生态区、针叶林生态区和雨林生态区。低海拔、坡度较小的地区植被改善和退化更加显着。NDVI与EVI均值的差异表现为低覆盖区差异较小、高覆盖区差异较大;生长季年均NDVI和EVI随海拔和坡度的变化差异较小,而随坡向的变化差异较大;NDVI对低覆盖区植被变化趋势更加敏感,EVI对高覆盖区的植被变化趋势更加敏感。（2）研究区植被与气候的相关性较复杂。总体上与气温呈正相关,与降水呈微弱负相关、与相对湿度负相关性最强。高纬度地区植被与气温多呈正相关（春季最明显）,低纬度地区多呈负相关（夏季最明显）;降水和相对湿度对植被的影响随季节变化差异较大。地形会改变植被与气候的关系,河谷地区植被与气温多呈负相关、与降水和相对湿度多呈正相关,以夏季最为明显。EVI与气候的正相关性更强、而NDVI与气候的负相关性更强,但会因气候类型和季节不同而存在差异。（3）研究区影响植被的主导气候因子为气温,纬度和地形会改变植被与气候的关系。河谷地区,降水和相对湿度是影响植被的主导气候因子（夏秋季节最明显）,随着海拔升高,气温逐渐成为影响植被生长的主导气候因子;高纬度地区植被主要受气温和降水驱动;在低纬度地区,气温和相对湿度是主要驱动因子。低覆盖植被区NDVI受气候的影响普遍强于EVI,高覆盖植被区EVI受气候的影响更强,但气候因子、植被类型和季节会改变这种关系。（4）植被对气候的响应存在0-4个月或更长的滞后期,高纬度地区植被对气温的响应最快,其次是降水和相对湿度;低纬度地区植被对降水的响应最快,对温度响应最慢;河谷地区植被对气候的响应普遍快于高海拔地区。总体上对气候响应由快到慢的植被类型依次为沼泽>草甸>灌木>林地>栽培植被,但会因植被指数和气候因子不同而存在差异。高纬度地区NDVI受气温的滞后性作用强于EVI,而受降水和相对湿度的滞后性作用更弱;低纬度地区,气候对NDVI的滞后性普遍强于EVI。（5）非气候因素是影响研究区植被覆盖的重要成因。研究区植被覆盖受气候主导而显着改善的区域面积最大,其次是非气候主导的显着改善区、气候和非气候共同主导的显着改善区,而气候和非气候共同主导而显着退化的区域面积最小。非气候因素总体表现出对植被的正向促进作用远大于逆向抑制作用,且对低海拔地区植被的影响要强于高海拔地区。人类活动对植被的影响具有两面性,但人类活动在植被覆盖改善中发挥的积极作用远大于消极作用。除人类活动外,地质灾害、火灾等也是植被受非气候因素显着退化的原因之一。
孙晓慧[5]（2020）在《快速隆升金沙江上游典型河段滑坡敏感性与风险性区划研究 ——以徐龙-奔子栏河段为例》文中研究指明滑坡是国内丘陵山地最常发生的自然地质灾害之一。近些年来,我国的经济水平稳定快速提升,在全球已经跃居为第二大经济体。伴随着经济的快速发展,许多以前人迹罕至的地区,也陆续的开展了相应的基础建设与各类工程活动,因此,对这些地区进行滑坡等自然灾害的相关评价已经十分必要。受到板块运动的影响,青藏高原东南缘在快速隆升的作用下,高程从4,000 m快速下降至1,500 m,区内水力资源丰富。金沙江上游河段就位于青藏高原快速隆升的区域内,区内地质构造活动强烈、地形起伏巨大、气候特征复杂,滑坡等灾害频发。因此,对金沙江上游地区进行滑坡灾害的相关评价,对保证当地人民财产安全与水力资源的安全开发具有十分重大的现实意义。本文对金沙江上游徐龙-奔子栏河段滑坡灾害的分布特征、敏感性与风险性进行研究,可对研究区内旭龙水电站与奔子栏水电站的安全建设,提供指导性意见。论文主要成果如下:（1）基于典型滑坡的基本形态特征,建立了基于地形地貌特征、可见光学遥感解译、InSAR技术解译与现场调查相结合的研究区滑坡空间调查方法,共在研究区内50 km河段内确定滑坡、不稳定堆积体等共61处,其中定曲河两岸的滑坡共有14处,右岸确定滑坡5处,左岸确定滑坡9处;金沙江主干河流两侧滑坡共47处,右岸确定滑坡24处,左岸确定滑坡23处,滑坡总面积约38.85 km2,滑坡总体积约1.96×109 m3,并制作了研究区滑坡编录图。结合研究区内的工程地质条件,分析滑坡的规模和成因机制,结果表明该区域内滑坡规模以中层-巨厚层的大型-巨型滑坡（堆积体）为主,研究区滑坡成因机制主要有五种,其中以弯曲-拉裂型（39处）与蠕滑-拉裂型（13处）占比最高。对影响滑坡成因机制的地层岩性、地质构造特征进行分析,发现研究区滑坡主要发生于金沙江构造结合带上,该构造带上的标志性产物金沙江蛇绿岩套,岩体破碎、产状近直立、为板片状岩层,滑坡极易发生。对比测年数据,确定研究区内滑坡基本都发生于晚更新世以来的青藏高原快速隆升时期,隆升速率可达5 mm/a。通过对比研究区滑坡发生年代与冰期划分结果,发现研究区滑坡的发生与冰期也具有一定的联系。（2）通过总结滑坡敏感性评价常用的制图单元,分别选取了基于水文分析法与曲率分水岭法划分的斜坡单元作为本文所用的制图单元,通过对两种制图单元定性与定量的比较发现,基于曲率分水岭法划分的斜坡单元可以识别水平地表与倾斜地表,且划分的斜坡单元面积大小更为集中,形状大多介于等腰三角形与正方形之间,很少出现长条形单元,单元内部坡度与坡向变化更小,内部更均一。（3）基于地质环境分析与相关研究,选取岩性、构造、地形、植被、河流、降雨与地震7个大类,共计14个子评价指标作为研究区滑坡敏感性区划的评价指标。对研究区特殊地质特征:立体气候特征与快速隆升特征进行考虑。采用山地降雨经验公式对研究区降雨垂直分布规律进行拟合,采用斯特拉勒积分值表征单元内部内外营力的对抗作用。采用确定性系数分析研究区滑坡分布特征与评价指标关联性。运用主成分分析法,分析14个评价指标相关性,进行主成分提取,将包含14个预选评价指标的评价指标系统,转变为包含7个主成分的新的评价指标系统。（4）选取Logistics Regression模型、随机森林模型以及人工神经网络模型,并基于五折交叉验证、统计参数、Kappa系数以及AUC值,对研究区滑坡敏感性区划模型进行优选,优选结果显示,不论是基于水文分析法还是基于曲率分水岭法划分的斜坡单元,对研究区滑坡敏感性评价表现最好的都为随机森林模型。（5）对比两种斜坡单元的评价结果发现,两种斜坡单元对研究区滑坡敏感性的预测精度相差不大,预测能力基本相同。但是针对两种斜坡单元的划分原理、划分过程、面积分布、单元形状、单元内部均一程度以及后续人工修改的工作量等多方面进行考虑,建议在相关的评价分析中可以优先考虑采用曲率分水岭法进行斜坡单元的划分。（6）针对研究区内滑坡进行敏感性区划,区域内滑坡敏感性可以划分为以下5个等级:极低、低、中、高、极高敏感性,评价结果表明两种斜坡单元的滑坡敏感性区划图敏感性等级在极高、高敏感性区域所占滑坡面积均超过滑坡总面积的85%,表明本文基于两种斜坡单元制作的研究区滑坡敏感性区划图都较为合理。（7）采用两种斜坡单元,选取人口密度、人均收入、建筑物密度、道路密度与耕地密度五个评价指标,结合层次分析法评价区域内滑坡易损性,评价结果发现,研究区内主要以极低-低易损性等级为主,占研究区总面积的90%±。中-极高易损性等级区域主要集中于金沙江与定曲河两岸的行政村中。（8）基于研究区滑坡敏感性与易损性区划结果,评价滑坡风险性,结果显示研究区内滑坡风险性等级为极低-低的区域占研究区总面积的90%以上。中-极高风险性等级的区域主要位于从金沙江上游依次向下游分布的徐龙乡、茂顶村、奔子栏等行政村中,因此,建议在这些地区加强滑坡灾害的监测与防治工作。
李婉秋[6]（2019）在《GNSS与GRACE联合的陆地水储量变化监测及其负荷形变研究》文中研究表明陆地水是水资源中重要组成部分,准确测定区域陆地水时空变化及其负荷形变,对于揭示陆地水循环、理解地壳非线性运动地球动力学过程、以及建立和维持区域高精度地球参考框架都具有十分重要的现实和科学意义。随着空间大地测量技术的发展,测量数据具备了多元化及高精度的特点,全球卫星导航系统（Global Navigation Satellite Systems,GNSS）因其精度高、实时以及全天候的优势已成为监测地壳运动变化的重要手段。地壳运动非线性变化主要反映了非潮汐海洋负载、大气负载、水文负载以及冰川均衡调整等地球物理效应的综合作用,从GNSS大地高非线性变化时序中扣除大气与非潮汐海洋负荷效应后,可利用残余时序研究陆地水负荷。陆地水负荷运移引起地球重力场随时间的演变,基于时变重力场与地表质量变化的物理机制,可对陆地水及其负荷形变进行定量反演。重力反演与气候实验卫星GRACE（Gravity Recovery and Climate Experiment）及 GRACE-FO（GRACE-Follow On）的时变重力场模型为连续监测区域地表质量变化提供了有效的技术手段。本文研究融合GNSS和GRACE数据监测区域陆地水负荷形变的理论与方法,结合地球物理模型和实测资料分析区域陆地水储量变化及其负荷形变时空特性,本文的主要工作和研究成果如下:1、回顾了 GRACE卫星重力测量技术的发展和应用,评述了重力场模型与GNSS反演陆地水及其负荷形变的方法和研究进展,总结分析了 GRACE和GNSS数据在反演中的一些关键问题,指出了滤波方法、泄漏误差是影响GRACE反演精度的重要影响因素,改善GNSS反演模型的观测量精度是提高GNSS反演结果可靠性的关键环节;阐述了联合反演方法在水负荷形变研究中的作用和意义。2、介绍了 GRACE反演水储量变化及负荷形变计算的基本理论。研究了 GRACE时变重力场模型反演地表质量变化的球谐系数法;比较分析了单一滤波法与组合滤波法对南北条带噪声的处理效果;给出区域时变重力场提取算法计算公式;描述了冰川均衡调整的物理机制,对于GIA效应采用ICE-5G模型改正;完整推导了不同性质地球参考框架一阶负荷勒夫数的转换关系式。3、验证了 GRACE泄漏误差改正方法并进行应用分析。完整地推导了基于大尺度流域水储量泄漏误差改正的三次滤波核函数法理论公式,利用数值模拟与实测数据验证新算法的可靠性;结果表明该方法相对于偏差修正法、乘法修正法、尺度因子法估算的时间序列,其泄漏误差改正精度RMS分别提高了 15%、37%、35%,与WGHM水文模型和三峡水库蓄水实测资料吻合较好。采用尺度因子方法定量反演小尺度区域水储量变化,以关中地区为例,尺度因子改正后GRACE泄漏误差减小了 8%,反演结果与实测地下水水位及降水资料具有很好的一致性。采用正向建模方法定量估算中长空间尺度水储量变化,数值模拟结果表明改正后的信号精度提高了近30%,以青藏高原为例恢复其泄漏信号之后的陆地水储量变化与WGHM结果比较接近,低频域的信号能量显着增强。4、系统研究了基于奇异谱分析的GNSS时序处理优化方案,包括GNSS时序粗差探测、高程方向时序降噪、数据插值及信号提取四个方面。结果表明:相对于传统插值方法,SSA迭代插值法的插值精度最高,在高程方向的插值精度均优于5mm,随着时序缺失数据的增多该方法仍具有很好的稳定性;相比小波变换与快速傅里叶变换,SSA滤波法分离时序信号与噪声的效果最优,与真实值最为接近;相比最小二乘拟合法,利用SSA方法获取的GNSS序列周期项信号时间序列更为准确,与改正泄漏误差及GAC影响后的GRACE形变结果其相关系数可达到0.7以上;扣除GRACE质量负荷项后,相同测站的WRMS值也随之降低,陆地水负荷对GNSS高程方向序列的贡献率在1.6%～17%范围内。5、提取了 GNSS数据降尺度特征并精化GNSS反演模型观测量。提出了基于多通道奇异谱分析的GNSS数据降尺度方法,用于改善反演模型观测量精度与局部高频信号影响。分析38个CORS基准站的高程方向时序结果表明:MSSA方法重构的时间序列精度普遍高于FFT多周期重构法,92%的测站采用MSSA方法重构之后其精度均有不同程度地改善,精度提升了 2.01%～16.89%。采用移去恢复方法优化了大气负荷与海平面变化负荷影响的计算过程,减小了原始格网数据在进行球谐展开时产生的截断误差,结果表明:大气负荷对基准站垂直位移的影响在季节尺度上最大可达12.4mm、海平面变化负荷引起测站垂直位移最大值约为±3mm。6、验证了 GNSS高程方向位移监测区域水储量变化的方法可靠性。对于反演模型构建,按附有约束条件的方法解决了法方程秩亏的问题,避免了正则化方法中岭参数选取的困难,提高了计算效率;细致分析了反演模型中的积分半径选择与边界尺度扩充等问题;依托地壳负荷弹性形变理论,获取了 GLDAS模型的数值模拟结果,以此评估GNSS多次迭代反演算法的稳定性,其结果显示:对于测站点位密集的区域,反演结果与模拟信号比较吻合,而对于点位稀疏的局部地区信号偏差相对较大,在距离基准站覆盖范围较远的四周区域,其结果明显偏离模拟信号。说明了 GNSS高程方向位移反演方法的稳定性与基准站点的密集程度有关;相比于直接解算法,多次迭代反演结果与模拟信号局部特征一致性较好,有效验证了多次迭代反演方法的稳定性;进一步揭示了 GNSS反演的区域陆地水储量变化及其垂直负荷形变时空特征,主要从定性的角度探讨了与GRACE监测结果的时空共性。7、研究了融合GNSS与GRACE数据监测区域陆地水负荷形变的方法。联合反演结果显示了区域陆地水负荷垂直形变具有明显的季节性特征,位移形变量约为-12mm～12mm。在2015～2017年的每年1月至3月陆地水负荷迁移驱动地表产生向上位移;每年5月、7月、8月地表在陆地水负荷作用下产生向下位移;相比单一监测手段,联合反演后研究区信号产生了新的变化,在远离CORS站覆盖区的边界处出现了相对理想的物理信号,弥补了 GNSS反演在积分远场的不足;地表垂直位移变化较大的区域集中在CORS站覆盖范围,主要反映了 GNSS结果的信号特征,空间信号分布相比GRACE结果具有更高的空间分辨率。为了验证联合反演方法相比GNSS反演的优越性,推导了 Mascon等效水高转换成Mascon形变位移的计算公式,结果表明:联合反演方法得到的区域陆地水负荷垂直形变与Mascon形变解吻合较好。8、利用CSR、JPL、GFZ三家机构的GRACE-FO时变重力场模型揭示了近10个月我国陆地水储量随时间演变的时空特征;提出利用改进的Hard模型与PREM模型分析区域地球结构差异对GRACE-FO反演我国陆地水负荷垂直形变的影响。结果表明:60阶径向勒夫数的相对差异接近4.27%,前60阶垂直负荷形变最大差异位于云南一带的澜沧江流域地区,幅值约达到0.7mm/a。构建了预测GRACE与GRACE-FO衔接期水储量变化的SSA迭代方法。分析我国6个实验区水储量在短期、中短期、中期、长期等时间尺度上的预测精度,结果表明其预测精度几乎都高于ARMA模型,预测趋势与Mascon解、GLDAS模型以及GRACE-FO结果整体相一致。
王孟文[7]（2019）在《鲁东低山丘陵区县域土地系统时空演变及其模拟》文中认为土地系统作为陆地表层最核心的部分,是人类社会与自然环境相耦合的复杂系统,其变化深刻影响着物质、能量的循环过程,改变生态系统服务流动及人类福祉,威胁生态安全。随着人类活动的日益增强,土地利用类型、方式都发生了极大的变化,如何构建科学合理的土地系统研究范式已成为土地科学、景观生态学、地理学等多学科领域关注的焦点。本文提出了土地系统研究的“三棱锥”模型,以系统观下的“山、水、林、田、湖、草”人类命运共体思想为指导,以山东省东部典型的低山丘陵地区栖霞市为例,以内在演变逻辑为主线、时空尺度为标尺,研究了土地系统的数量和空间结构变化、人为扰动时空分异、土地系统驱动分析、水文生态效应、生态系统服务、生态安全格局及未来气候情景下土地系统模拟和生态风险预警七大块内容。以期为土地科学研究者以及自然资源规划与管理部门提供一种系统化、科学化研究思路。（1）基于多源遥感影像解译、实地采样、数据共享等多途径构建了研究区土地、生态环境大数据库,空间化了粮食产量及化肥施用量,评估了滑坡、泥石流等山地灾害。研究表明:栖霞市土地利用在2000-2010年变化剧烈,主要为耕地到建设用地的转移,2010-2015年变化减缓;15年间耕地共减少5485.70hm2,建设用地共减少5232.15hm2;土壤侵蚀得到有效控制;粮食产量急剧减少,化肥施用量显着增加。基本摸清了栖霞市2000-2015年土地利用类型及结构在数量、空间分布上的变化特征以及气候、土壤、植被等自然生态变化情况,作为土地系统研究体系中的格局探测模块为区域生态系统服务价值评估、生态安全格局构建及未来土地系统空间模拟等土地系统研究的子模块提供了基础数据支持。（2）利用分布指数研究研究区高程、地形起伏度、坡向、坡度变率、地形位指数等地形梯度下2000-2015年土地利用类型分布特征变化情况。研究发现:低地形梯度是栖霞市土地利用类型的分布及变化的主要梯度区域,高地形梯度自然状态保持度较高,但随着低地形梯度区域土地开发强度增加,土地利用类型的转移有向高地形梯度区域蔓延的趋势。该部分研究做为土地系统化研究的格局探测模块的子模块,是对典型区域土地系统研究的有效补充,可以反映区域土地变化特征,同时为区域在低地形梯度下合理化、集约化利用,保护山区脆弱的生态环境提供决策支持。（3）采用面积信息守恒及粒度重采样方法,以景观指数曲线拟合拐点确定研究区景观格局最佳分析粒度尺度为30m,同时,利用移动窗口法及半变异函数分析确定研究区最佳分析幅度尺度为1500m,综合粒度及幅度确定研究区特征尺度。以网格采样构建研究区人为干扰度指数,从全局自相关及局部自相关两个方面探讨了人为干扰的空间聚集和分异特征以及2000-2015年15年间的变化状况。以城镇为中心设定不同缓冲区样带,在特征尺度下分析不同城镇缓冲半径内人为干扰景观的破碎化、型状结构、聚集性以及多样性四个方面的景观格局时空演变过程,结果显示随着城镇中心距离增大,人为干扰逐渐减弱,栖霞市人为干扰下景观破碎化的距离阈值为10000m,聚集性的距离阈值为6000m,多样性的距离阈值为4000m。“人—地”关系耦合在研究区具有自身特点,该部分研究作为土地系统格局探测模块的另一个子模块,基本摸清了研究区人类活动对土地系统的影响程度及范围。（4）以国民生成总值、人口密度、化肥使用量变化等作为经济社会驱动,以高程差、降水、温度、植被净第一性生产力、土壤侵蚀等作为自然驱动因素,以研究区土地综变化动态度、耕地变化动态度、建设用地动态度为因变量,在小流域尺度下对比了“社会-自然”二元驱动下普通最小二乘法和地理加权回归两种驱动分析方法发现:地理加权回归模型优于普通最小二乘法模型,驱动因素中:地形、国民生产总值、人口密度、植被净第一生产力与土地利用综合动态变化相关,耕地、建设用地动态变化与地形、国民生产总值、人口密度密切相关,研究区土地利用综合动态度及耕地变化动态度的驱动因素存在显着的空间分异规律。根据区域特点重点研究变化剧烈土地利用类型的驱动因素,为区域土地系统可持续利用的全要素合理配置提供一定的依据。（5）通过分布式水文模型SWAT模型对栖霞市不同时期不同尺度的径流量、进入主河道的泥沙含量、有机氮、有机磷、硝酸盐含量等水文物质循环状况进行了模拟,使用SWAT-CUP工具利用决定系数及纳什系数将实地监测数据与模拟数据拟合结果进行校验,对模型参数合理率定,率定结果显示模拟精度基本符合研究要求。以非约束的主成分分析方法分析了SWAT模型自动划分的不同小流域景观格局及水文物质分布特征,利用Pearson相关研究了全流域尺度下,降水与径流量、进入主河道的泥沙及营养物的相关性、土地利用变化与径流量、泥沙含量以及营养物的相关性,发现林地为水质污染的“汇”类型,耕地及建设用地为水质污染的“源”类型。借鉴生态学中对应典范分析（CCA）及路径分析研究了小流域尺度下景观格局指数与水质相关性,景观水平下斑块密度和斑块形状在两个尺度下均对各类水质污染具有截留作用,不同尺度下斑块蔓延度的作用不同,而景观多样性在小流域尺度作用不明显。本部分研究通过模型加定量的方法深入探讨研究区“格局与过程”的关系,为从土地视角下为鲁东低山丘陵地区的生态环境保护提供了有效解决路径。（6）在土地系统格局变化探测及生态效应研究基础上,借鉴谢高地提出的生态系统服务评估价值法及修正方法,利用植被净第一生产力、降水量以及土壤保持量对生态系统服务价值当量因子进行修正,同时考虑通货膨胀等因素加入贴现率修正系数,对研究区格网尺度下生态系统服务价值进行了定量化和空间化的评估,对生态系统服务价值敏感分析,单项服务中,气候调节、水文调节及土壤保持三类生态系统价值在2000年和2015年分别占到了总价值的60.70%和61.54%,是栖霞市关键生态系统服务类型。15年间生态系统服务总价值上升1.74%,但其中粮食供给价值下降最大,达到4.51%,水资源供给价值上升最大,达7.54%。基于全局空间自相关、局部空间自相关以及利用简单克里金插值等探索性空间分析方法对2000-2015年栖霞市15年间生态系统价值时空分异特征进行研究,发现生态系统服务价值的空间尺度依赖性减弱,冷点区域增加。该部分研究是对土地系统研究中生态效应模块的延申,同时也是区域生态安全格局,再到基于生态安全格局的未来土地系统空间模拟研究的基础。（7）基于不同生态系统服务价值空间分布特征,根据各服务功能的聚集性划分不同等级生态系统服务重要度区域,构建研究区综合生态安全格局。利用人工神经网络算法,以自然和社会驱动因子数据为训练数据,获取研究区土地利用变化适应性概率。以生态安全格局最低等级区域设定为限制发展区域,构建多智能体决策单元。基于轮盘赌选择机制的元胞自动机模型模拟2010年土地利用空间分布,对模拟结果进行验证,验证结果表明该模型对水域及建设用地模拟精度较高,Kappa系数均达到90%以上。使用该模型对研究区2030、2050、2070、2100四年土地利用空间变化进行模拟,在生态安全格局约束下未来80年水域及建设用地变化不大,耕地面积显着增加,园地等其他用地显着减少。以模拟的未来土地系统空间变化为基础,分析未来水文生态环境风险,结果显示研究区水质明显改善,土壤流失量显着降低。作为土地系统性研究的最终模块,既是从生态保护角度的土地优化布局,也是检验“格局—过程”优化效应的有效途径,为研究区土地可持续利用决策具有一定的借鉴作用。本研究从系统观、可持续发展观出发,深化和完善了典型低山丘陵地区土地系统利用与保护理论方法与技术体系,有效解决了低山丘陵地区经济发展与生态保护瓶颈问题,突破了区域历史数据缺失所带来的难题,土地空间配置及生态环境风险科学合理的预测为研究区“天-地-人”和谐发展提供了可靠的技术支持。
来周翔[8]（2019）在《基于稳健线性回归的森林地类变化遥感监测》文中提出森林资源动态监测是森林资源管理的核心内容,是实现森林面积蓄积双增目标的重要信息支撑。我国已经初步建立了覆盖大陆地区和海南岛等区域的全国林地一张图,每年进行蓄积和林地数据更新。数据更新的一项重要工作是每年一次的全国性的林地变更调查。这项调查依托遥感图像计算机自动识别、人工解释和实地调查完成。随着遥感数据的不断丰富以及计算机技术的不断进步,计算机自动识别技术在变化监测中的应用变得越来越重要。在前后期的遥感数据中,没明显变化的占多数,发生明显变化的占少数,从统计学上说,变化的数据相当于“异常数据”。所以变化监测的核心是监测这些异常数据。稳健回归是监测异常值的一种重要方法。本文将稳健线性回归技术应用到森林地类的变化监测,以浙江省杭州市临安区为例,主要基于3个部分对森林地类进行变化监测:采用不处理、主成分变换、典型相关变换等3种方法进行数据预处理对比分析。在数据预处理基础上用稳健线性回归、普通最小二乘回归和差值等3种方法提取变化信息。将提取的变化信息作为特征变量,用二项逻辑回归、多元线性回归、支持向量机和BP神经网络等4种监督分类算法将前后期的地类分成变化和不变化两类,最终获得森林地类变化情况。结果表明,相较于普通最小二乘法,稳健线性回归在异常数据存在的情况下估计回归参数有更好的稳健性。稳健线性回归对数据预处理方法不敏感,普通最小二乘回归次之,图像差值法最敏感,尤其对于主成分变换的数据。基于稳健线性回归的12种结果的平均总精度、平均用户精度、平均生产者精度和平均Kappa系数均高于普通最小二乘回归和图像差值,平均总体精度和Kappa系数达到了98.65%和0.972。数据预处理方法中,典型相关变换对提高森林地类变化监测精度有一定帮助。4种判别方法中,二项逻辑回归的9种结果的平均精度最高,支持向量机最稳定,BP神经网络精度与支持向量机接近,多元线性回归表现最差。
李鸣蝉[9]（2019）在《2000-2017年澜沧江-湄公河流域植被NDVI指数与降水的关系研究》文中认为澜沧江-湄公河流域流经中国、越南、缅甸、泰国、柬埔寨、老挝,对六国的农业、能源生产、制造业、粮食安全和生态系统有重要影响。研究澜沧江-湄公河流域植被和降水的相关关系,有利于把握流域生态环境变化特征及其对降水变化的响应程度,对监测流域生态系统稳定性、预警灾害发生、减缓退化过程具有重要意义。本文基于2000-2017年的MOD13A3-NDVI数据、同期ERA-Interim日降水量资料等地理空间数据,采用空间分析、最大值合成法、均值法、趋势线分析等技术方法,分析了2000-2017年澜沧江-湄公河流域植被覆盖度和降水的时空格局,并进一步研究了植被与降水的相关性及植被对降水变化响应的时滞效应。研究主要结论如下:（1）18a来流域植被NDVI时空演变特征。澜沧江-湄公河流域植被覆盖总体状况非常好,中等及以上水平（NDVI>0.4）的植被覆盖度占比96.58%;上游NDVI分布表现出典型的纬度地带性特征,下游则具有地形地貌的分布特征;18a间超过90%的区域植被覆盖度基本不变,植被退化区和改善区主要出现在下游;流域植被的生长具有显着的季节性特征,夏、秋季节植被覆盖率较高,春、冬季节植被覆盖较低;上游NDVI峰值出现在8月,而下游NDVI峰值出现在10月,比上游延迟近2个月;18a来研究区生长季NDVI在7、8、9月增幅最大。（2）18a来流域降水的时空变化特征。流域降水呈下降趋势,年降水分布为从中部向南北两端逐渐递减,强降水中心位于滇、缅、老、泰交界处;从南到北,流域PCI逐渐增大,年降水的月间分配差异逐渐缩小;流域降水重心沿西北东南方向交替提前和推迟;上游的丰雨期在59月,下游的丰雨期则集中在410月;流域内春、夏季节降水呈减少趋势,秋、冬季节降水呈增加趋势;18a来流域降水的年内分配逐渐趋于均衡,丰雨期有不同程度的推迟。（3）流域植被与降水变化的相关性及其时滞效应。18a来澜沧江-湄公河流域NDVImax与年降水量正相关的区域占比为57.16%;NDVImax与PCI呈负相关的区域占比较大;61.91%的区域植被与PC呈正相关;草地、林地与年降水量呈显着正相关,热带草原和耕地与年降水量呈显着负相关;林地和旱地地区降水重心推迟有利于NDVImax增加,而草地、热带草原地区降水重心提前比较有利于NDVImax的增长;18a来流域NDVImax与降水量的相关系数为0.504,二者呈显着正相关关系;草地NDVI对季节间降水变化的响应敏感度高,林地、湿地和耕地的NDVI对降水变化响应的敏感度较低;流域春、夏季节的NDVI与同期降水相关程度最高,秋季NDVI对前推2个月降水变化较为敏感,冬季NDVI与同期降水和前推3个月降水的相关性都比较高。
马慧娟[10]（2019）在《基于随机森林的湟水流域土地利用/土地覆被变化检测》文中指出土地利用/土地覆被变化已成为当前全球环境变化研究的热点领域之一。中等分辨率的美国陆地资源卫星数据由于其具有连续的档案的数据提供因而成为全球及区域尺度上土地利用/土地覆被重要的遥感数据源。在土地利用类型多样、垂直差异性明显、空间异质性高的复杂地形区,很难获取较高的土地利用分类精度。研究随机森林方法对复杂地形区的适应性,对复杂地形下遥感分类准确性的提高以及探索复杂地形区湟水流域土地利用/土地覆被时空变化规律具有重要意义。本文以高海拔、地形复杂破碎的湟水流域为研究区,基于1999年Landsat7ETM+、2011年Landsat5TM以及2017年Landsat8OLI影像,结合光谱、纹理、地形信息,采用随机森林方法对湟水流域三期遥感影像分区进行土地利用/土地覆被信息提取及精度评价,最后选择分类后比较的变化检测方法对湟水流域近18年来土地利用/土地覆被变化进行动态分析。主要结论如下:（1）采用随机森林算法对1999年Landsat7 ETM+、2011年Landsat 5TM、2017年Landsat 8OLI三期湟水流域遥感影像多光谱数据的脑山区、浅山区、川水区进行土地利用/土地覆被信息提取,研究表明:1999年脑山区、浅山区、川水区的总体精度分别达到了88.53%、87.05%和84.70%,kappa系数分别为0.85、0.84和0.82;2011年脑山区、浅山区、川水区的总体精度分别达到88.50%、87.54%和85.04%,Kappa系数分别为0.85、0.84和0.82;2017年脑山区、浅山区、川水区的总体分类精度分别达到了89.17%、87.42%、85.43%,Kappa分别为0.86、0.84、0.83;以上分类结果表明,随机森林方法在对湟水流域土地利用分类时,可以得到较好的分类精度,进而表明了随机森林算法在复杂地形区土地分类的适用性。（2）对比随机森林算法下的脑山区、浅山区、川水区1999年与2017年融合与未融合影像的分类精度,得到1999年融合后脑山区、浅山区、川水区总体精度分别为88.83%、87.45%、85.01%,融合后的影像分类精度比未融合影像的分类精度分别提高了0.3%、0.4%和0.31%;2017年融合后脑山区、浅山区、川水区总体精度分别为90.01%、87.88%、85.80%,融合影像的分类精度比未融合影像的分类精度分别提高了0.84%、0.46%和0.37%。表明空间分辨率较高的影像光谱信息与纹理信息更为明显,使得分类精度明显提高,同时也证明了分辨率较高的影像可以更好的提取复杂地形区土地利用/土地覆被信息。（3）本文在构建随机森林模型时,定量的分析了各地理分区决策树的数目和特征变量,分别构建了适应于三个地理分区的随机森林模型,并采用OOB精度评估各地理分区构建的随机森林模型的有效性。研究发现,在三个地理分区均以500棵决策树构建的随机森林模型OOB精度最优。（4）湟水流域各地理分区的土地利用/土地覆被变化检测表明,从1999年到2017年的近18年期间,脑山区土地利用类型中,草地和水域的面积分别减少了88.86km2和0.99km2,林地和未利用土地的面积则分别增加了15.92km2和73.93km2,草地和水域土地利用类型面积的年变化率较大分别为0.11%和0.43%。浅山区的土地利用类型中,草地与城乡工矿居住用地的面积变化较为明显,草地面积减少了94.93km2,城乡工矿居民用地面积增加了115.17km2,其年变化率较大为10.28%,耕地的面积减少了53.59km2,而林地的面积增加了33.26km2。川水区的土地利用类型中,耕地的面积减少较为明显,减少了528.3km2,草地和城乡工矿居住用地的面积分别增加了288.67km2和237.32km2,水域与未利用土地的变化相对较稳定分别减少了3.41km2和2.6km2,其中城乡工矿居住用地和水域的年变化率较大分别为7.49%和1.25%。
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。
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。
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。
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 湖泊演化与生态环境变化息息相关 |
| 1.1.2 遥感技术已成为资源环境调查研究的重要手段和方法 |
| 1.2 国内外研究现状 |
| 1.2.1 遥感技术在水体提取中的进展 |
| 1.2.2 青藏高原湖泊动态变化及原因研究 |
| 1.2.3 青藏高原生态环境研究 |
| 1.2.4 存在的问题 |
| 1.3 本文创新点 |
| 1.4 研究内容及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 青藏高原自然地质环境背景 |
| 2.1 自然地理 |
| 2.2 气象水文 |
| 2.3 地形地貌 |
| 2.4 地质构造和新构造运动 |
| 2.5 地下水 |
| 2.6 植被及土壤概况 |
| 2.7 土地利用 |
| 2.8 生态环境 |
| 第三章 青藏高原湖泊类型及发育特征 |
| 3.1 遥感数据的选取与预处理 |
| 3.2 遥感水体提取机理及方法 |
| 3.2.1 水体提取机理 |
| 3.2.2 水体提取方法 |
| 3.3 青藏高原湖泊水体自动提取 |
| 3.4 青藏高原湖泊类型划分 |
| 3.5 青藏高原湖泊发育特征 |
| 3.5.1 青藏高原湖泊规模及数量 |
| 3.5.2 青藏高原湖泊几何形态特征 |
| 3.6 青藏高原湖泊分布规律 |
| 3.6.1 湖泊分布与海拔关系 |
| 3.6.2 湖泊分布与坡度关系 |
| 3.6.3 湖泊分布与构造关系 |
| 3.6.4 湖泊分布与土壤类型关系 |
| 3.6.5 湖泊分布与植被类型关系 |
| 3.7 本章小结 |
| 第四章 青藏高原构造湖演化规律 |
| 4.1 青藏高原构造湖演化分析 |
| 4.2 青藏高原构造湖演化驱动力因素分析 |
| 4.3 格尔木盆地典型构造湖演化分析 |
| 4.4 典型构造湖演化 |
| 4.5 本章小结 |
| 第五章 青藏高原多年冻土区热喀斯特湖演化规律 |
| 5.1 热喀斯特湖演化分析 |
| 5.2 热喀斯特湖演化驱动力因素 |
| 5.3 青藏高原多年冻土区热喀斯特湖易发程度分区 |
| 5.3.1 易发程度评价模型 |
| 5.3.2 易发程度评价指标体系 |
| 5.3.3 评价指标权重 |
| 5.3.4 评价指标量化 |
| 5.3.5 基于ArcGIS的综合评价 |
| 5.4 本章小结 |
| 第六章 青藏高原冰川湖演化规律 |
| 6.1 冰川湖演化分析 |
| 6.2 冰川湖演化驱动力因素 |
| 6.3 典型区域冰川湖演化分析 |
| 6.4 本章小结 |
| 第七章 青藏高原湖泊生态环境效应 |
| 7.1 青藏高原NDVI变化 |
| 7.2 青藏高原湖泊生态系统服务功能价值 |
| 7.3 冰川湖灾害效应 |
| 7.4 本章小结 |
| 结论与展望 |
| 主要结论 |
| 研究不足与展望 |
| 参考文献 |
| 附表 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.1.3 课题来源 |
| 1.2 国内外研究现状及趋势 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 存在问题及趋势 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 论文创新点 |
| 1.5 技术路线 |
| 第二章 研究区环境概况 |
| 2.1 自然地理 |
| 2.2.1 气候概况 |
| 2.2.2 水文概况 |
| 2.2 地质与水文地质概况 |
| 2.2.1 地质构造 |
| 2.2.2 地下水类型及补、径、排特征 |
| 2.3 植被土壤与自然资源概况 |
| 2.4 生态环境概况 |
| 2.5 本章小结 |
| 第三章 数据来源及处理 |
| 3.1 数据主要来源 |
| 3.1.1 Landsat遥感数据 |
| 3.1.2 辅助数据 |
| 3.2 数据预处理 |
| 3.3 评价指标的提取 |
| 3.3.1 地形地貌信息提取 |
| 3.3.2 土地利用信息提取 |
| 3.3.3 植被覆盖度信息提取 |
| 3.3.4 土壤湿度信息提取 |
| 3.4 本章小结 |
| 第四章 矿区小流域生态环境质量评价方法 |
| 4.1 评价指标选取原则 |
| 4.2 评价模型构建流程 |
| 4.3 标准化数据 |
| 4.4 确定指标权重 |
| 4.4.1 主成分分析法 |
| 4.4.2 层次分析法 |
| 4.4.3 AHP-PCA组合评价法 |
| 4.5 评价方法 |
| 4.5.1 方法综述 |
| 4.5.2 评价方法选择 |
| 4.6 本章小结 |
| 第五章 评价结果与分析 |
| 5.1 评价结果分级 |
| 5.2 结果及分析 |
| 5.2.1 小流域生态环境质量综合评价结果与分析 |
| 5.2.2 小流域各分项指标计算结果与分析 |
| 5.2.3 小流域植被损毁区高精度遥感监测结果分析 |
| 5.3 小流域生态环境改善对策 |
| 5.4 本章小结 |
| 第六章 结论与建议 |
| 6.1 主要结论 |
| 6.2 进一步工作建议 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 林地遥感影像分类方法研究进展 |
| 1.2.2 基于深度学习的遥感影像分类方法 |
| 1.2.3 基于元胞自动机的林地变化模拟研究进展 |
| 1.3 研究领域存在的问题 |
| 1.4 研究方案 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.4.3 技术路线 |
| 1.4.4 章节安排 |
| 1.5 项目来源与经费支持 |
| 2 研究区概况及数据处理 |
| 2.1 研究区概况 |
| 2.2 研究区数据 |
| 2.2.1 遥感数据 |
| 2.2.2 林地小班数据 |
| 2.2.3 地形数据 |
| 2.2.4 GIS空间数据 |
| 2.2.5 Globe Land30 |
| 2.3 数据预处理 |
| 2.3.1 遥感数据预处理 |
| 2.3.2 主成分特征提取 |
| 2.3.3 地形数据处理 |
| 2.3.4 GIS数据处理 |
| 2.4 分类评价标准 |
| 2.4.1 混淆矩阵 |
| 2.4.2 总体分类精度 |
| 2.4.3 Kappa系数 |
| 2.4.4 用户精度 |
| 2.4.5 生产者精度 |
| 2.5 实验环境 |
| 2.6 本章小结 |
| 3 基于随机森林-条件随机场模型的林地分类方法 |
| 3.1 概述 |
| 3.2 随机森林分类器 |
| 3.2.1 单棵决策树 |
| 3.2.2 构造随机森林 |
| 3.3 条件随机场模型 |
| 3.3.1 条件随机场模型理论基础 |
| 3.3.2 条件随机场模型架构形式 |
| 3.4 基于随机森林-条件随机场模型的林地分类方法 |
| 3.4.1 一阶势函数 |
| 3.4.2 二阶高斯势函数 |
| 3.4.3 优化方法 |
| 3.5 实验与分析 |
| 3.5.1 实验数据 |
| 3.5.2 实验设计 |
| 3.5.3 实验结果与分析 |
| 3.6 本章小结 |
| 4 基于双池化卷积网络和条件随机场结合的林地分类方法 |
| 4.1 概述 |
| 4.2 卷积神经网络理论 |
| 4.2.1 网络基本架构 |
| 4.2.2 卷积网络梯度求解 |
| 4.2.3 Softmax分类 |
| 4.3 基于双池化卷积网络和条件随机场结合的林地分类方法 |
| 4.3.1 一维卷积神经网络 |
| 4.3.2 二维卷积神经网络 |
| 4.3.3 双通道卷积神经网络 |
| 4.3.4 双池化卷积神经网络 |
| 4.3.5 双池化卷积神经网络与条件随机场耦合 |
| 4.3.6 网络优化 |
| 4.4 实验与分析 |
| 4.4.1 实验数据 |
| 4.4.2 实验设计 |
| 4.4.3 实验结果与分析 |
| 4.5 本章小结 |
| 5 基于堆栈式稀疏自编码网络和元胞自动机模型的林地分布模拟 |
| 5.1 概述 |
| 5.2 基于元胞自动机的林地空间分布模拟 |
| 5.2.1 元胞自动机 |
| 5.2.2 基于Logistic元胞自动机的林地模拟 |
| 5.2.3 基于SAE的元胞自动机林地模拟 |
| 5.2.4 元胞自动机转换规则构建 |
| 5.3 实验与分析 |
| 5.3.1 实验数据 |
| 5.3.2 实验设计 |
| 5.3.3 实验结果与分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 6.3 论文创新 |
| 参考文献 |
| 在读期间的学术研究 |
| 致谢 |
| 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 |
| 1.2.1 植被覆盖的遥感研究进展 |
| 1.2.2 植被覆盖气候驱动力研究进展 |
| 1.2.3 植被覆盖非气候驱动力研究进展 |
| 1.2.4 横断山区植被研究进展 |
| 1.3 主要研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第2章 研究区概况和研究方法 |
| 2.1 研究区概况 |
| 2.1.1 研究区地理位置 |
| 2.1.2 地形地貌特征 |
| 2.1.3 生态环境特征 |
| 2.2 研究方法 |
| 2.2.1 趋势分析 |
| 2.2.2 偏相关分析 |
| 2.2.3 灰色关联分析 |
| 2.2.4 残差分析法 |
| 2.3 数据来源 |
| 2.3.1 MODIS数据来源 |
| 2.3.2 Landsat影像 |
| 2.3.3 ASTER-GDEM数据 |
| 2.3.4 气象数据 |
| 2.3.5 其他数据 |
| 第3章 研究区遥感数据处理 |
| 3.1 MODIS数据处理 |
| 3.1.1 MODIS数据预处理 |
| 3.1.2 MODIS-NDVI/EVI时间序列重构 |
| 3.1.3 多时间尺度NDVI/EVI数据集生成 |
| 3.2 Landsat数据预处理 |
| 3.2.1 辐射定标 |
| 3.2.2 大气校正 |
| 3.2.3 云检测及处理 |
| 3.3 典型区遥感图像信息提取 |
| 3.4 气象数据和其他辅助数据处理 |
| 第4章 研究区植被覆盖时空分布特征和变化趋势 |
| 4.1 生长季植被覆盖的空间分布特征 |
| 4.2 植被覆盖随地形的分布特征 |
| 4.2.1 植被覆盖随海拔的变化 |
| 4.2.2 植被覆盖随坡度的变化 |
| 4.2.3 植被覆盖随坡向的变化 |
| 4.3 植被覆盖年际变化特征 |
| 4.4 植被覆盖变化趋势 |
| 4.4.1 植被覆盖变化趋势的空间分布特征 |
| 4.4.2 NDVI与 EVI在植被覆盖变化趋势中的差异 |
| 本章小结 |
| 第5章 研究区植被覆盖变化的气候驱动力研究 |
| 5.1 气候因子的时空分布特征 |
| 5.2 植被覆盖与气候因子的偏相关分析 |
| 5.2.1 不同时间尺度植被覆盖与气候的相关性统计 |
| 5.2.2 植被覆盖与气候的相关性空间分布情况 |
| 5.2.3 偏相关分析中NDVI与 EVI的差异 |
| 5.3 植被覆盖与气候的灰色关联分析 |
| 5.3.1 植被覆盖与气候的灰色关联分析 |
| 5.3.2 植被变化的气候驱动力分区 |
| 5.3.3 比较NDVI与 EVI在驱动力分区的差异 |
| 5.4 植被覆盖度与气候的滞后性分析 |
| 5.4.1 不同气候因子滞后期的空间分布特征 |
| 5.4.2 滞后期的空间分布特征 |
| 本章小结 |
| 第6章 研究区植被覆盖变化的非气候驱动力研究 |
| 6.1 植被覆盖受非气候因素影响的残差趋势分析方法 |
| 6.2 植被覆盖残差趋势结果分析 |
| 6.3 植被受非气候因子的驱动力分析 |
| 6.3.1 影响植被覆盖变化的非气候驱动力制图 |
| 6.3.2 影响植被覆盖的非气候驱动力分析 |
| 本章小结 |
| 结论 |
| 主要结论 |
| 主要研究进展 |
| 研究中存在的不足 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的学术成果 |
| 中文摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题依据与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 青藏高原隆升历史 |
| 1.2.2 滑坡敏感性区划研究现状 |
| 1.2.3 滑坡风险性区划研究现状 |
| 1.3 研究内容与技术路线 |
| 1.4 论文创新点 |
| 第2章 研究区概况 |
| 2.1 地理位置 |
| 2.2 地形与地貌特征 |
| 2.3 气象与水文条件 |
| 2.4 地层岩性 |
| 2.5 地质构造 |
| 2.5.1 褶皱 |
| 2.5.2 断层 |
| 2.6 地震活动特征 |
| 2.7 人类活动 |
| 2.8 小结 |
| 第3章 研究区滑坡编录数据及滑坡特征分析 |
| 3.1 滑坡发育条件、滑动特征及其形态要素 |
| 3.2 基于可见光学遥感的滑坡解译 |
| 3.3 基于InSAR技术的滑坡解译 |
| 3.4 研究区滑坡空间分布特征 |
| 3.5 研究区典型滑坡特征 |
| 3.5.1 滑坡堵江事件 |
| 3.5.2 古滑坡复活迹象 |
| 3.5.3 新生滑坡 |
| 3.6 研究区滑坡成因机制分析 |
| 3.6.1 地层岩性对滑坡成因机制的影响 |
| 3.6.2 地质构造对滑坡成因机制的影响 |
| 3.7 研究区滑坡与青藏高原隆升历史 |
| 3.8 研究区滑坡与冰期 |
| 3.9 小结 |
| 第4章 研究区滑坡敏感性区划制图单元选取与评价指标系统建立 |
| 4.1 制图单元选取 |
| 4.1.1 基于水文分析的斜坡单元划分 |
| 4.1.2 基于曲率分水岭法的斜坡单元划分 |
| 4.1.3 斜坡单元划分结果及划分效果对比 |
| 4.2 评价指标系统建立 |
| 4.2.1 研究区地质特征分析 |
| 4.2.2 研究区滑坡敏感性评价指标系统建立 |
| 4.3 评价指标提取 |
| 4.3.1 岩性指标提取 |
| 4.3.2 地形指标提取 |
| 4.3.3 构造指标提取 |
| 4.3.4 植被指标提取 |
| 4.3.5 河流指标提取 |
| 4.3.6 降雨指标提取 |
| 4.3.7 地震指标提取 |
| 4.4 评价指标关联性分析 |
| 4.4.1 岩性指标关联性分析 |
| 4.4.2 地形指标关联性分析 |
| 4.4.3 构造指标关联性分析 |
| 4.4.4 植被指标关联性分析 |
| 4.4.5 河流指标关联性分析 |
| 4.4.6 降雨指标关联性分析 |
| 4.4.7 地震指标关联性分析 |
| 4.5 评价指标多重共线性分析 |
| 4.6 小结 |
| 第5章 研究区滑坡敏感性区划 |
| 5.1 研究区滑坡敏感性区划模型选取 |
| 5.1.1 Logistics Regression模型 |
| 5.1.2 随机森林模型 |
| 5.1.3 人工神经网络模型 |
| 5.2 研究区滑坡敏感性区划模型检验算法 |
| 5.2.1 交叉验证 |
| 5.2.2 统计参数验证 |
| 5.2.3 Kappa系数检验 |
| 5.2.4 受试者工作特征曲线 |
| 5.3 研究区滑坡敏感性区划模型建立 |
| 5.3.1 数据准备 |
| 5.3.2 Logistics Regression模型建立 |
| 5.3.3 随机森林模型建立 |
| 5.3.4 人工神经网络模型建立 |
| 5.4 研究区滑坡敏感性区划模型优选 |
| 5.4.1 统计参数结果对比 |
| 5.4.2 Kappa系数结果对比 |
| 5.4.3 ROC曲线结果对比 |
| 5.5 研究区滑坡敏感性区划结果 |
| 5.6 研究区滑坡敏感性区划结果比较 |
| 5.6.1 模型预测精度对比 |
| 5.6.2 滑坡敏感性区划图对比 |
| 5.6.3 两种斜坡单元综合对比 |
| 5.7 研究区敏感性区划结果分析 |
| 5.8 小结 |
| 第6章 研究区滑坡风险性区划 |
| 6.1 研究区滑坡易损性区划 |
| 6.1.1 研究区滑坡易损性区划制图单元选取 |
| 6.1.2 研究区滑坡易损性区划评价指标选取 |
| 6.1.3 研究区滑坡易损性区划模型选取 |
| 6.1.4 研究区滑坡易损性区划结果 |
| 6.2 研究区滑坡风险性区划 |
| 6.3 小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容及安排 |
| 1.4 论文主要创新点 |
| 2 GRACE反演水储量变化及负荷形变计算的基本理论 |
| 2.1 地球重力场基本理论 |
| 2.2 时变重力场球谐系数反演方法 |
| 2.3 空间滤波方法 |
| 2.4 区域时变重力场信号提取方法 |
| 2.5 冰川均衡调整GIA改正 |
| 2.6 地壳负荷弹性形变理论 |
| 2.7 地球参考框架统一 |
| 2.8 本章小结 |
| 3 GRACE泄漏误差改正方法与应用分析 |
| 3.1 基于小尺度区域的尺度因子法 |
| 3.2 基于中长空间尺度的正向建模法 |
| 3.3 基于大尺度流域的三次滤波核函数法 |
| 3.4 本章小结 |
| 4 基于奇异谱分析的GNSS高程方向时序处理方法 |
| 4.1 奇异谱分析方法 |
| 4.2 GNSS高程方向时序降噪 |
| 4.3 GNSS坐标时序插值 |
| 4.4 GNSS高程方向时序信号提取 |
| 4.5 本章小结 |
| 5 GNSS高程方向位移监测区域陆地水储量变化的方法 |
| 5.1 加权秩亏自由网平差基本理论 |
| 5.2 GNSS数据处理 |
| 5.3 基于多通道奇异谱分析的GNSS时序降尺度方法 |
| 5.4 环境负荷形变场精化 |
| 5.5 附有约束条件的GNSS反演水储量模型构建 |
| 5.6 多次迭代反演方法可靠性评估 |
| 5.7 GNSS与GRACE监测的地表质量迁移时空特征 |
| 5.8 本章小结 |
| 6 融合GNSS与GRACE数据的水负荷形变监测方法及其应用 |
| 6.1 联合反演方法 |
| 6.2 联合反演的区域陆地水负荷垂直形变 |
| 6.3 与Mascon垂直位移比较 |
| 6.4 GRACE-FO数据反演我国陆地水储量变化 |
| 6.5 地球结构对GRACE-FO估算陆地水负荷垂直形变的影响 |
| 6.6 GRACE与GRACE-FO衔接期水储量预测方法与初步应用 |
| 6.7 本章小结 |
| 7 总结与展望 |
| 7.1 论文主要研究工作总结 |
| 7.2 今后研究工作展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
| 符号说明 |
| 中文摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 土地变化科学研究进展 |
| 1.2.2 土地系统演变中“格局-过程-尺度”研究进展 |
| 1.2.3 土地系统变化模拟模型研究进展 |
| 1.2.4 土地生态系统服务研究进展 |
| 1.2.5 土地系统可持续生态安全格局研究进展 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容及方法 |
| 1.3.2 技术路线 |
| 2 研究区概况及数据预处理 |
| 2.1 研究区概况 |
| 2.1.1 地理位置及行政区划 |
| 2.1.2 自然环境概况 |
| 2.1.3 社会经济概况 |
| 2.2 数据来源与预处理 |
| 2.2.1 数据来源 |
| 2.2.2 数据预处理 |
| 3 土地利用结构变化及其梯度效应 |
| 3.1 土地利用动态变化分析 |
| 3.1.1 土地利用数量变化 |
| 3.1.2 土地利用动态度 |
| 3.1.3 土地利用程度指数变化 |
| 3.1.4 土地利用类型转移及活跃度 |
| 3.1.5 土地利用空间结构变化 |
| 3.2 基于地形梯度的土地利用结构变化 |
| 3.2.1 不同高程梯度下土地利用结构变化 |
| 3.2.2 不同地形起伏度梯度下土地利用结构变化 |
| 3.2.3 不同坡度变率梯度下土地利用结构变化 |
| 3.2.4 不同坡向梯度下土地利用结构变化 |
| 3.2.5 基于连续变化图谱的地形梯度效应 |
| 3.3 本章小结 |
| 4 景观格局演变及其尺度分析 |
| 4.1 景观格局尺度分析 |
| 4.2 人为扰动下景观格局探索性空间分析 |
| 4.3 城镇化进程中景观格局多尺度演变分析 |
| 4.4 本章小结 |
| 5 土地系统变化驱动因素分析 |
| 5.1 基于OLS的土地系统变化驱动因素分析 |
| 5.2 基于GWR的土地系统变化驱动分析 |
| 5.3 本章小结 |
| 6 土地系统演变的水文生态效应研究 |
| 6.1 分布式水文模型构建 |
| 6.2 模型校验及参数率定 |
| 6.3 栖霞市水文生态效应 |
| 6.4 土地利用/景观格局与水文生态环境相关性 |
| 6.5 本章小结 |
| 7 基于土地系统演变的生态系统服务 |
| 7.1 生态系统服务价值当量修正及敏感性分析 |
| 7.2 区域生态系统服务价值变化估算 |
| 7.3 区域生态系统服务价值的探索性空间分析 |
| 7.4 区域生态系统服务变化影响因素分析 |
| 7.5 本章小结 |
| 8 生态安全约束的土地系统模拟 |
| 8.1 基于生态系统服务的生态安全格局构建 |
| 8.2 基于生态约束的ANN-MAS-CA土地系统模拟模型构建 |
| 8.3 未来气候情景下土地系统变化模拟 |
| 8.4 基于未来土地系统变化的水文生态环境风险预警 |
| 8.5 本章小结 |
| 9 结论与展望 |
| 9.1 结论 |
| 9.2 研究特色 |
| 9.3 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文情况 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 遥感变化监测研究现状 |
| 1.2.2 稳健线性回归在森林地类变化监测方面的研究现状 |
| 1.3 研究内容与数据 |
| 1.3.1 研究内容 |
| 1.3.2 研究技术路线 |
| 1.3.3 论文框架 |
| 2 研究区概况与数据 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 气候概况 |
| 2.1.3 植被覆盖状况 |
| 2.1.4 地形地貌 |
| 2.2 数据 |
| 2.2.1 遥感数据 |
| 2.2.2 样点数据 |
| 3 研究方法 |
| 3.1 遥感图像预处理 |
| 3.1.1 主成分变换 |
| 3.1.2 典型相关变换 |
| 3.2 变化信息提取方法 |
| 3.2.1 图像差值 |
| 3.2.2 普通最小二乘回归 |
| 3.2.3 稳健线性回归 |
| 3.3 变化判别模型 |
| 3.3.1 二项逻辑回归 |
| 3.3.2 多元线性回归 |
| 3.3.3 支持向量机SVM |
| 3.3.4 BP神经网络 |
| 4 结果分析 |
| 4.1 变化监测结果比较 |
| 4.1.1 稳健线性回归和最小二乘回归比较 |
| 4.2 判别精度比较 |
| 4.2.1 总体判别精度比较 |
| 4.2.2 按数据预处理方法比较 |
| 4.2.3 按变化信息提取方法比较 |
| 4.2.4 按变化判别方法比较 |
| 4.3 变化监测结果图像比较 |
| 4.3.1 整体比较 |
| 5 结论与讨论 |
| 5.1 结论 |
| 5.2 讨论 |
| 5.3 创新 |
| 参考文献 |
| 附录1 各方法混淆矩阵 |
| 个人简介 |
| 导师简介 |
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及述评 |
| 1.2.1 基于NDVI的植被变化研究现状 |
| 1.2.2 植被覆盖与气候因子关系研究现状 |
| 1.2.3 澜沧江-湄公河流域植被覆盖研究现状 |
| 1.2.4 研究现状评述 |
| 1.3 主要研究工作 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.4 论文组织结构 |
| 第2章 研究区与数据 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 地形地貌 |
| 2.1.3 气候水文 |
| 2.1.4 植被土壤 |
| 2.1.5 社会经济 |
| 2.2 数据及预处理 |
| 2.2.1 NDVI数据 |
| 2.2.2 降水数据 |
| 2.2.3 土地利用分类数据 |
| 2.2.4 气候区划数据 |
| 第3章 2000-2017 年流域植被NDVI的时空变化特征 |
| 3.1 流域植被NDVI年际变化分析 |
| 3.1.1 子流域NDVI年际变化分析 |
| 3.1.2 不同气候分区NDVI年际变化分析 |
| 3.2 流域植被NDVI月变化分析 |
| 3.2.1 全流域NDVI月变化分析 |
| 3.2.2 子流域NDVI月变化分析 |
| 3.2.3 不同气候分区NDVI月变化分析 |
| 3.3 流域植被NDVI生长季变化分析 |
| 3.3.1 子流域NDVI生长季变化分析 |
| 3.3.2 不同气候分区NDVI生长季变化分析 |
| 3.4 18a来流域植被变化的空间差异 |
| 3.4.1 流域植被NDVI空间分布特征 |
| 3.4.2 流域植被NDVI变化趋势的空间分布特征 |
| 本章小结 |
| 第4章 2000-2017 年流域降水的时空变化特征 |
| 4.1 流域年降水量变化分析 |
| 4.1.1 子流域年降水量变化分析 |
| 4.1.2 不同气候分区年降水量变化分析 |
| 4.2 流域月平均降水量变化分析 |
| 4.2.1 全流域月平均降水量变化分析 |
| 4.2.2 子流域月平均降水量变化分析 |
| 4.2.3 不同气候分区月平均降水量变化分析 |
| 4.3 流域降水集度变化分析 |
| 4.3.1 子流域降水集度变化分析 |
| 4.3.2 不同气候分区降水集度变化分析 |
| 4.4 流域降水重心变化分析 |
| 4.4.1 子流域降水重心变化分析 |
| 4.4.2 不同气候分区降水重心变化分析 |
| 4.5 18a来流域降水变化的空间差异 |
| 4.5.1 18a来流域降水量变化的空间分布特征 |
| 4.5.2 18a来流域降水集度变化的空间分布特征 |
| 4.5.3 18a来流域降水重心变化的空间分布特征 |
| 本章小结 |
| 第5章 流域NDVI与降水变化的相关性分析 |
| 5.1 NDVI与降水的空间相关性分析 |
| 5.1.1 年最大化NDVI与降水的空间相关性 |
| 5.1.2 季节平均NDVI与降水的空间相关性 |
| 5.2 NDVI与降水的时间相关性分析 |
| 5.2.1 子流域NDVI与降水的时间相关性 |
| 5.2.2 不同气候分区NDVI与降水的时间相关性 |
| 5.2.3 不同土地利用类型NDVI与降水的时间相关性 |
| 5.3 NDVI对降水变化响应的时滞效应 |
| 5.3.1 季节平均NDVI对降水变化响应的时滞效应 |
| 5.3.2 生长季NDVI对降水变化响应的时滞效应 |
| 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.2 存在的问题 |
| 6.3 研究展望 |
| 参考文献 |
| 附录A：图目录 |
| 附录B：表目录 |
| 硕士期间科研成果 |
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状与发展趋势 |
| 1.3 研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 论文的技术路线 |
| 第二章 研究区概况与数据 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 气候特征 |
| 2.1.3 水系 |
| 2.2 数据与处理 |
| 2.2.1 数据源 |
| 2.2.2 数据预处理 |
| 2.2.3 野外采样数据 |
| 第三章 研究方法与特征提取 |
| 3.1 随机森林算法 |
| 3.1.1 决策树原理 |
| 3.1.2 集成学习 |
| 3.1.3 随机森林算法原理与性质 |
| 3.2 土地利用/土地覆被变化检测法 |
| 3.3 特征提取 |
| 第四章 湟水流域土地利用/土地覆被随机森林分类 |
| 4.1 地理分区及分类系统的确定 |
| 4.2 样本的选择 |
| 4.3 各地理分区特征参数的确定 |
| 4.4 随机森林模型的构建 |
| 4.4.1 脑山区随机森林模型构建 |
| 4.4.2 浅山区随机森林模型构建 |
| 4.4.3 川水区随机森林模型构建 |
| 4.5 湟水流域随机森林方法分类结果 |
| 4.5.1 融合前影像分类结果 |
| 4.5.2Landsat ETM+/OLI 15m 与 30m 融合后影像分类结果 |
| 4.6 精度评价 |
| 4.7 讨论与分析 |
| 第五章 湟水流域土地利用/土地覆被变化检测 |
| 5.1 湟水流域1999-2017年土地利用/土地覆被流转变化分析 |
| 5.1.1 脑山区 1999-2017 年土地利用/土地覆被变化转移矩阵 |
| 5.1.2 浅山区 1999-2017 年土地利用/土地覆被变化转移矩阵 |
| 5.1.3 川水区 1999-2017 年土地利用/土地覆被变化转移矩阵 |
| 5.2 湟水流域 1999-2017 年土地利用/土地覆被动态变化分析 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
