三峡库区重庆段人类活动强度的景观格局梯度响应

基于三峡库区重庆段1995、2005、2015年土地利用图像,利用ArcGIS和FRAGSTATS软件,并结合夜间灯光数据构建人类活动强度带,分析了三峡库区重庆段在不同人类活动强度带3个时期的景观格局变化特征,并进一步研究了2015年研究区4种面积变化较大的景观类型格局特征随人类活动强度的梯度变化规律。研究结果表明：（1）人类活动的空间分布差异显著,强度由西向东逐渐递减,长江干线流域的人类活动强度相对周边区域更强;（2）在景观水平上,随着人类活动强度的增加,研究区景观斑块数大幅减少,多样性和均匀度指数先增加后减少,连通性有所下降;景观聚集度先减后增,破碎化程度有所增加,但在2015年得到一定改善;（3）在类型水平上,建设用地、水域、草地、低密度植被覆盖林地这4种景观类型能较好地反映景观格局变化特征,其中各景观类型的斑块密度、形状指数和分维数随人类活动强度的变化表现出较为明显的波动;除建设用地外其余景观类型的最大斑块指数和面积变化幅度较小,在人类活动强度最大时的建设用地面积占比和斑块指数分别达到71.2%、35.72%;（4）三峡工程、移民工程、城市化推进以及“退耕还林”等政策实施是三峡库区景观格局演变的重要驱动力。揭示了20a来三峡库区重庆段景观格局沿人类活动强度的梯度变化规律,可为研究区自然资源的合理开发及区域可持续发展提供参考。     

快速城市化对滨海城市景观格局演变的影响

本文综合应用面向对象的决策树和景观格局指数方法,分析厦门城市景观格局演变过程,旨在揭示快速城市化背景下的滨海城市景观格局时空演变格局。研究结果表明:11987—2007年20年间厦门城市景观整体破碎度增加,景观最大斑块指数先小幅增加而后逐年递减,各斑块类型分布趋于均匀,反映了随着社会、经济发展对土地资源需求程度加大,人类在本地区的开发活动增强。2在斑块类型指数中,森林面积先减后增,退耕还林、荒山及城市绿化等措施使得森林景观趋向良性发展;建设用地和水域面积持续递增,农田面积单调递减,反映城市建成区大肆扩张占用农田,以及受经济利益驱使的水产养殖业围田造湖、造塘的突出问题,城市、郊区建成区有连接成片的趋势。3森林于2007年超越农田成为滨海城市厦门的优势景观类型。4景观指数法适用于在快速城市化中景观格局时空演变的定量分析,可为相关滨海城市景观生态学研究提供方法借鉴。     

长江中下游流域人类活动强度及其对湿地景观格局影响研究

目前关于大尺度下人类活动强度对湿地景观格局影响的研究较少,为揭示长江中下游流域湿地景观格局与人类活动强度的关系,以1995～2015年的土地利用数据为基础,综合运用人类活动强度模型和景观指数等方法,分析研究区人类活动强度演变特征、湿地景观格局特征及人类活动强度对湿地景观格局的影响。结果表明:(1)人类活动高强度带面积增加,低强度带面积减少;1995～2015年,各强度带的人类活动强度平均值均呈增长趋势,强度带等级越高,平均值增幅越大。(2)20年间,湿地面积不断增加,占比分别为5.14%、5.27%和5.30%;湖泊和沼泽地分别减少了70.73 km~2和216.53 km~2,而水库坑塘面积增加了1 155.32 km~2,对湿地增加的贡献率达94.75%,研究期主要是人工湿地在扩张,而自然湿地在萎缩;湿地景观的破碎度减弱,景观多样性减少。(3)伴随人类活动强度的增强湿地相对变化呈"收缩"效应,且在人类活动强度越高的区域,"收缩"效应越明显;随着人类活动强度降低,湿地景观破碎度减弱,聚集度下降,景观多样性增强,景观形状趋于复杂。研究结果可为长江中下游湿地保护和人类活动管控提供决策支持。     

基于GIS的四川岷江上游杂谷脑流域农林复合景观格局优化

随着景观格局、生态过程与生态功能关系研究的深入,景观格局优化成为景观生态学研究中的前沿问题。景观格局优化的方法和判别准则随研究区的特点而异,从方法上进行景观格局优化探讨,在遥感和地理信息系统技术支持下建立了包括景观分类图(1974和2000年)、温度、降雨、地形图、土壤类型图等数据的空间数据库,利用地理信息系统强大的空间数据管理和空间分析与运算能力,以土地综合利用和土壤侵蚀为判别准则,引入了潜在土壤侵蚀强度这一概念,在地理信息系统环境中运用空间模拟和土地利用优先级规定,对岷江上游杂谷脑流域进行景观优化。结果显示优化后的景观格局显著改善土壤侵蚀问题     

人类活动影响下喀斯特区域景观格局梯度分析

在ARCGIS和景观结构分析软件FRAGSTATS 3.3的支持下,分析了喀斯特区域广西环江县不同人类活动强度样带1988年和2005年2个时期的景观格局变化特征,以及2005年研究区4种主要景观类型的格局特征随人类活动强度的梯度变化规律。研究结果表明,环江县景观分布不均匀,林地是研究区的基质景观类型;在景观水平上,随着人类活动强度的降低,样带景观的破碎化程度降低,形状复杂程度升高,景观斑块的分布趋于集中;在景观类型水平上,研究区4种主要的景观类型在梯度带中能够很好的反映出格局的变化特征,其中,各景观类型的面积比重、破碎度和分维数随人类活动强度的梯度变化趋势较为明显,聚集度和连通性的梯度变化幅度相对较小。研究揭示了景观格局沿人类活动强度的梯度变化规律,可为研究区自然资源的合理开发及可持续发展提供参考。     

洪泽湖地区土地利用与景观格局演变

基于多时点 TM/ETM影像解译数据,运用遥感、GIS和景观生态学方法,分析洪泽湖地区近 18 a的土地利用变化和景观格局演变过程,揭示该地区内各种土地利用时空变化特征,并得出3个时期景观类型分布特征、景观格局变化的趋势及特征。结果表明：（1）区域内土地利用变化显著,整体处于不平衡的状态,主要表现为耕地持续减少、建设用地迅速增加、林地先增后减及草地和水域略有增加;（2）研究区景观结构和景观异质性发生了较大变化,斑块数目增加、平均斑块面积减少,景观多样性指数、景观均匀度指数总体上升,在区域景观破碎化程度加剧的同时,各景观类型间差异缩小,景观结构趋于多样化、均匀化和破碎化。最后,指出人类活动,尤其是经济建设是土地利用景观格局变化的主要因素,并对地区的生态可持续发展提出了相应建议     

高潜水位煤矿区土地利用景观格局分析与模拟预测研究——以沛北煤矿区为例

我国东部高潜水位煤矿区因煤粮复合、煤水复合、煤村复合成为我国土地复垦难度最大的典型地区之一;研究高潜水位煤矿区土地利用景观格局的时空演变规律,可为制订有效的土地复垦策略提供重要的科学依据。本研究选择位于江苏省徐州市的沛北煤矿区为例,选用1995年TM、2005年ETM+和2015年OLI遥感影像作为数据源,运用土地利用转移轨迹、景观格局指数等分析其景观格局变化特征,并采用CA-Markov模型预测了2025年研究区的土地利用景观格局。结果表明：(1) 研究区景观变化轨迹趋势明显,耕地主要流向建设用地、塌陷积水区、水域和湿地;园林地转变为建设用地和耕地;塌陷积水面积的增加主要来源于建设用地和耕地,贡献比例分别为47.68%、19.20%;(2) CA-Markov模型情景模拟结果表明：2015～2025年,耕地、水域和湿地面积减小;建设用地和塌陷积水面积明显增加;(3) 景观格局指数分析结果表明：在类型水平上,耕地、水域和湿地是主导优势地类,但耕地、塌陷积水、水域和湿地破碎化程度较高;景观水平上,景观格局总体边缘形状趋向简单。综上表明,研究区土地利用景观变化源于区域城镇化进程加快、因采矿活动导致的地表沉陷积水情况加重;建议提前编制预计塌陷区的防治及已塌陷区的规划治理方案。 关键词： 景观格局演变;煤矿区;高潜水位;土地景观格局;CA-Markov模型     

FAST电磁波宁静区植被覆盖度及景观格局时空变化

植被覆盖度是描述区域内植被修复和生长的重要因子,定量研究了FAST项目实施前后植被覆盖度变化时空特征,并利用景观格局对该区的植被覆盖度进行分析.基于Landsat TM/OLI影像反演FAST电磁波宁静区2008～2018年5期植被覆盖度数据,利用Fragstats 4.2进行景观格局分析.结果 表明:(1)2008～2018年,林地的增长趋势明显,该区域的植被覆盖度呈现明显的时空差异特征,植被覆盖类型上,2008年集中在中、低植被覆盖度,2018年多为中高、高植被覆盖度.(2)从植被覆盖度的转移情况可以看出,植被覆盖度增加的面积远大于退化的面积,增长趋势显著.核心区2010～2016年的植被覆盖度增长面积为48.01 km2,退化面积仅为16.19 km2,实际表现为该地区的生态环境质量明显改善,森林面积增加.(3)FAST电磁波宁静区林地面积的增加对植被覆盖度具有正向影响,同时在景观格局上表现为植被覆盖度的斑块密度和斑块数量呈下降趋势,景观破碎化程度降低,连通性增强,景观格局趋于稳定,聚集度上升,说明有效的林地保护措施对该地区的景观格局影响很大,稳定的景观格局对台址的保护起到重要作用,同时为该地区不同范围的植被保护力度提供遥感监测支撑.     

近15年来长江源区土地利用变化及其生态环境效应

长江源区是我国重要的水源涵养区,也是高海拔地区生物多样性最集中的地区和生态变化最为敏感的地区。基于1986年TM和2000年ETM+卫星遥感数据和野外实地调查,采用GIS软件和景观生态空间分布格局分析方法,对长江源区近15年来土地利用类型的时空变化进行了研究。结果表明：1986～2000年,源区林地和湿地面积减少54.2 %和42.69 %,建设用地、耕地和未利用土地面积分别增加120 %、43.83 %和21.1 %。全区土地利用的空间位置转换面积大于其数量变化,土地利用类型总变化的面积大小依次是草地＞未利用土地＞湿地＞水域＞林地＞耕地＞建设用地。土地利用动态转化过程以草地转化为未利用土地、湿地转化为草地和未利用地逆转为草地为主要特征。15年里景观破碎化程度加剧,分维数和多样性指数增加,优势度降低,景观异质性增强。长江源区脆弱的生态体系对土地利用变化响应强烈,造成水土流失与沙漠化程度加剧,导致大范围高寒草甸、草原植被退化,湿地萎缩。气候变化和人类经济活动是导致研究区土地利用变化的主要因素。     

洞庭湖湿地景观格局变化以及三峡工程蓄水对其影响

通过对近20 a遥感影像的解译分析,结果表明：洞庭湖湿地景观格局变化较为迅速,在几种湿地景观类型中,芦苇分布面积稳定增长,由475 km²增至751 km²,年均增加13.1 km²,湖草的分布面积比较稳定,而水面与泥滩的分布面积则大幅减少。湿地格局演变总体上呈现芦苇挤占湖草的分布空间、湖草挤占水面泥滩的态势。分析认为泥沙淤积和湖泊水情变化改变了洲滩的淹水历时,引起植被分布的变化,是影响洞庭湖湿地景观格局的主要因素。2000年后,随着泥沙淤积减缓,湖泊水情变化对湿地景观格局影响更为重要,其中三峡水库的运行使洞庭湖中、低位洲滩提前出露,淹水历时缩短,导致湖草的分布界线明显向下延伸     

三峡库区不同退耕还林模式水土流失特征及其影响因子

三峡库区为国家水土保持重点防治区,土地利用/覆盖变化（LUCC）与水土流失的关系已成为水土流失治理研究的关注重点之一,退耕还林工程的水土保持效益对于库区生态环境的建设具有重要意义。通过对库区典型退耕还林模式的水土流失的监测,分析其不同降雨条件下水土流失特征及影响因子,结果标明：（1）退耕还林后库区的水土流失问题得到了有效控制,退耕还林后各土地利用类型的年地表径流量下降了70%~95%,泥沙流失量则比农田降低了97%以上,其中乔木林和竹林对水土保持的效果最为理想;（2）退耕还林后各土地利用类型年地表径流量与降雨量呈较好的指数关系,随着降雨量的增加而增加。除农田和板栗林外,各土地利用类型年地表径流量与雨强关系不显著;（3）泥沙流失量与降雨量和降雨强度的关系均不显著;（4）各土地利用类型地表径流的80%以上,泥沙流失量的95%以上都是发生在暴雨条件下,暴雨事件成为库区水土流失的主要气候影响因素;（5）凋落物层盖度是控制退耕还林各模式地表径流的主要因素,各土地利用类型的年地表径流量均随着凋落物层盖度的增加而显著降低     

近十年重庆市NDVI变化及对气温降水的旬响应特征分析

在利用SPOT VGT NDVI旬数据、重庆市及周边20个气象站点1999~2010年日气温与降水数据以及研究区相关图件资料的基础上,运用均值法、差值法、趋势线分析和时滞互相关分析法分析重庆市NDVI变化的时空特征及旬平均NDVI与旬均温和旬降水的相关性以及时滞情况。结果表明：1999~2010年重庆市NDVI呈稳步上升趋势;NDVI下降的区域主要集中在渝西北、渝东北、渝南等三峡库区的外围;NDVI与气温和降水之间存在较强的相关性,且NDVI与气温较与降水之间的相关性更强,表明在研究区气温对NDVI的影响大于降水;NDVI与气温和降水之间的相关性和时滞情况存在明显的东南-西北差异,东南地区时滞较长、相关性低,西北地区时滞较短,相关性高;各植被类型NDVI与气温和降水的相关程度高低以及响应速度的快慢决定于各植被类型的生长发育规律及其对气温或降水要求的高低     

三峡库区森林植被恢复与可持续经营研究

系统的野外调查数据和历史资料分析结果表明,三峡库区森林植被在空间上发展不均匀,无明显垂直分带,且分布分散,人为干扰严重。目前,在70多个植被类型中,森林类型占25个,江岸两侧海拔800 m以下地区森林已经很少。森林类型中,马尾松、柏木林的分布面积最大,并在许多疏林中成为主要树种,主要是飞播或人工种植。库区大于25°的坡耕地占耕地面积的17.5％。库区薪炭林仅能满足农村用能总需求量的10.78％。不合理的土地利用方式和对森林的不合理砍伐导致脆弱的土壤系统和森林生态系统的严重退化、生产力下降和严重的水土流失。库区土壤年侵蚀量达到2.9亿t。三峡工程建设和移民安置对库区森林生态系统的压力和影响将是长期的。调查结果同时表明,库区植物生物多样性丰富,植物种类在5 032种以上,而且乡土树种多。分析认为,只要抓住三峡工程建设的契机,紧密结合国家天然林保护和退耕还林工程建设,充分利用良好的生物学基础,科学地封山育林,分带逐步恢复,同时,因地制宜,退耕还林,发展森林能源,建设多目标复合和多种模式并存的林业经营体系,发展经济,就能从根本上改善森林经营环境,实现森林恢复,形成合理布局的水库森林防护系统,促进三峡库区生态环境建设和可持续发展。     

基于土壤侵蚀模型的滑波临界雨量估算探讨

针对滑坡临界雨量确定目前存在的问题,提出一种基于土壤侵蚀模型的滑坡临界雨量估算的新方法。该方法基本思路是：降雨引起土壤侵蚀,当土壤侵蚀达到一定强度时可诱发滑坡,因此利用土壤侵蚀模型可以推算滑坡临界雨量。以湖北省秭归县为例进行试验,从降雨-土壤侵蚀-滑坡的成灾机理入手,利用卫星资料、地理信息资料及降雨资料,计算降雨侵蚀力、土壤可蚀性、地形（坡长、坡度）、植被覆盖和土地利用类型等因子,基于USLE土壤侵蚀模型,计算滑坡发生时土壤侵蚀强度,通过分析多个滑坡个例,确定滑坡临界土壤侵蚀强度,再根据降雨侵蚀力与降雨量之间的关系,推算不同预警点滑坡临界雨量。相比以往仅仅分析灾情与降雨之间关系的传统方法,该方法有较为清晰的物理意义,实际业务中也易于实现,在滑坡预警预报中有较高实用价值     

基于MODIS像元尺度的三峡库区植被覆盖度变化的地形分布特征

区域植被覆盖变化监测是研究资源环境承载力的基础，其对区域可持续发展至关重要。基于MODIS NDVI数据，采用像元二分模型计算了2001~2018年三峡库区植被覆盖度，结合植被覆盖度变化类型提取模型及分布指数，揭示了库区植被覆盖度变化在不同地形因子上的分布特征。研究表明：（1）三峡库区植被以高和中高覆盖度为主，其分别占库区总面积的65.72%和28.61%。18年来，库区年均植被覆盖度增长率为0.14%；（2）库区植被稳定类型占总面积的79.50%，植被改善占16.71%，植被退化占3.79%。26个区（县）中，长寿区、江北区等7区的植被改善面积小于植被退化面积，存在生态退化风险；（3）高程小于500 m、坡度小于6°的区域植被退化优势显著；高程500~1 100 m的区域植被改善为主导类型；坡度6°~15°的区域无明显优势分布；高程大于1 100 m、坡度大于15°的区域植被稳定和植被改善类型为优势分布；（4）库区不同坡向上，平坡上的植被退化类型显著，当坡向由阴坡向阳坡转变（西坡→南坡，北坡→东坡）时，植被覆盖度变化优势分布类型由植被退化型转变为植被改善型。研究结果揭示了三峡库区植被覆盖的空间分布和变化特征，对库区生态环境评价和植被恢复及保护具有一定的借鉴意义。     

三峡水库156米蓄水位消落区植被恢复遥感动态监测研究

基于2007～2009年的Landsat5 TM、HJ 1A/1B CCD遥感数据,利用像元二分法对三峡水库156 m蓄水位消落区的植被覆盖度进行了计算,分析了消落区植被恢复的时空变化特征,探讨了植被恢复时空变化的影响因子。2007、2008、2009年3 a 156 m蓄水位消落区植被覆盖度分别为512%、515%、492%,其中支流消落区的植被覆盖度高于干流,这与地形条件有关,坡度的大小决定了消落区植被覆盖的空间差异。2008年与2007年消落区植被覆盖状况基本一致,而2009年的植被覆盖度低于之前两年,这与三峡大坝水位调度方案不同有关,退水较晚时,植被生长时间较短,其植被覆盖度较低。研究结果表明,在正常的调度、一定的地形条件下,淹没数月的消落区植被具有一定的自然萌生能力。     

三峡典型区农村居民点格局及人居环境适宜性评价研究

与我国平原区农村居民点呈团簇状分布不同,三峡库区农村居民点规模小、密度大、分布散乱,呈现出"满天星"状的分布格局。以渝北、万州和秭归移民区作为三峡典型区,利用面向对象分类和监督分类相结合的方法从高分辨率遥感影像提取了农村居民点。在此基础上利用GIS技术对农村居民点空间分布规律特征和制约农村居民点分布的要素如海拔、坡度、坡向、道路、水源等进行了分析;借鉴农用地评价方法,利用评价中的多指标综合评价法,结合层次分析法（AHP）生成人居环境适宜性评价图。研究结果表明,三峡农村居民点受到海拔、坡度、坡向等因子的影响呈现出较明显的空间分布规律。三峡典型区农村居民点格局及人居环境适宜性评价结果为农村居民点布局的合理规划提供了参考和依据。     

Identification of Forest Vegetation Using Vegetation Indices

Spectral feature of forest vegetation with remote sensing techniques is the research topic all over the world, because forest plays an important role in human beings' living environment. Research on vegetation classification with vegetation index is still very little recently. This paper proposes a method of identifying forest types based on vegetation indices, because the contrast of absorbing red waveband with reflecting near-infrared waveband strongly for different vegetation types is recognized as the theoretic basis of vegetation analysis with remote sensing. Vegetation index is highly related to leaf area index, absorbed photosynthetically active radiation and vegetation cover. Vegetation index reflects photosynthesis intensity of plants and manifests different forest types. According to reflectance data of forest canopy and soil line equation NIR=1.506R+0.0076 in Jingyuetan, Changchun of China, many vegetation indices are calculated and analyzed. The result shows that the relationships between veg     

Identification of Forest Vegetation Using Vegetation Indices

Abstract

Spectral feature of forest vegetation with remote sensing techniques is the research topic all over the world, because forest plays an important role in human beings' living environment. Research on vegetation classification with vegetation index is still very little recently. This paper proposes a method of identifying forest types based on vegetation indices, because the contrast of absorbing red waveband with reflecting near-infrared waveband strongly for different vegetation types is recognized as the theoretic basis of vegetation analysis with remote sensing. Vegetation index is highly related to leaf area index, absorbed photosynthetically active radiation and vegetation cover. Vegetation index reflects photosynthesis intensity of plants and manifests different forest types. According to reflectance data of forest canopy and soil line equation NIR=1.506R+0.0076 in Jingyuetan, Changchun of China, many vegetation indices are calculated and analyzed. The result shows that the relationships between vegetation indices and forest types are that perpendicular vegetation index (PVI) identifies broadleaf forest and coniferous forest the most easily; the next is transformed soil-adjusted vegetation index (TSVI) and modified soil-adjusted vegetation index (MSVI), but their calculation is complex. Ratio vegetation index (RVI) values of different coniferous forest vary obviously, so RVI can classify conifers. Therefore, the combination of PVI and RVI is evaluated to classify different vegetation types.