基于RS/GIS技术支持下的植被分类及其覆盖度研究——以昆明市为例

基于RS/GIS技术支持下的植被分类及其覆盖度研究——以昆明市为例

论文摘要

选取昆明市为研究区域,在RS和GIS技术支持下,对2013年、2014年和2015年植被分类和覆盖度时空特征进行研究。结果表明:1)2013—2015年间,研究区分布较广的植被为针叶林和阔叶林,草地主要分布在北部高山河谷地带,灌丛和人工植被主要围绕城镇及水域分布,灌丛和草地面积下降12.72%,人工植被和其他用地面积上升12.82%。2)2013—2015年植被覆盖度整体呈上升趋势,NDVI>0.5区域比例上升31.52%,而2014—2015年植被覆盖度总体呈下降趋势,NDVI>0.5区域比例下降6.1%。3)植被覆盖度因海拔、坡度差异而呈现不同的分布特征,其中:海拔>2 500m和坡度>25°区域植被覆盖度相对较高,而海拔<1 000m和坡度<5°区域植被覆盖度相对较低,变化较明显的分布在海拔1 000~2 500m和坡度<5°区域;海拔>2500m和坡度>25°区域人类活动少,植被覆盖变化不明显。

论文目录

  • 1 研究区概况
  •   1.1 研究区位置及地形
  •   1.2 气候条件
  •   1.3 植物资源
  • 2 研究方法
  •   2.1 数据采集与软件平台
  •   2.2 植被分类及覆盖度分级标准
  •     2.2.1 植被分类
  •     2.2.2 植被覆盖度分级
  •   2.3 技术路线
  •   2.4 海拔分级
  •   2.5 坡度分级
  • 3 结果与分析
  •   3.1 植被分类时间变化
  •   3.2 植被分类空间分布
  •   3.3 植被覆盖时间变化
  •   3.4 植被覆盖空间分布
  •   3.5 变化驱动力
  •     1) 研究区植被类型变化与人类活动、城镇化建设、气候条件等息息相关。
  •     2) 人类活动和自然条件是引起研究区植被覆盖变化的重要因素。
  •     3) 年均降水量的多少也是原因之一。
  • 4 结论
  • 文章来源

    类型: 期刊论文

    作者: 许新惠,刘坚,周星宇

    关键词: 遥感,地理信息系统,植被分类,植被覆盖度,变化研究

    来源: 林业资源管理 2019年03期

    年度: 2019

    分类: 农业科技,基础科学,工程科技Ⅱ辑,信息科技

    专业: 生物学,工业通用技术及设备,自动化技术

    单位: 云南大学资源环境与地球科学学院,吉林师范大学旅游与地理科学学院

    基金: 云南大学2017年度本科教材建设项目(2017JC05),教育部高教司产学合作协同育人项目(X2018-0537),教育部“春晖计划”科研项目(Z2012051),国家基金项目(41361020)

    分类号: TP79;Q948

    DOI: 10.13466/j.cnki.lyzygl.2019.03.015

    页码: 86-93

    总页数: 8

    文件大小: 1809K

    下载量: 371

    相关论文文献

    • [1].遥感植被分类方法研究进展[J]. 中国园艺文摘 2015(08)
    • [2].植被分类系统与方法综述[J]. 河北林果研究 2010(02)
    • [3].对中国植被分类系统的认知和建议[J]. 植物生态学报 2011(08)
    • [4].优势种植被分类系统的逻辑分析与示例方案化[J]. 生物多样性 2016(02)
    • [5].中国陆地与海岛植被分类研究综述与展望[J]. 海洋学报 2016(04)
    • [6].基于空间信息的高光谱遥感植被分类技术[J]. 农业工程学报 2012(05)
    • [7].一种提高喀斯特地区植被分类精度的方法——以贵州省关岭县为例[J]. 贵州师范大学学报(自然科学版) 2018(03)
    • [8].珠海市植被分类系统和主要植物群落特征[J]. 广东林业科技 2015(02)
    • [9].深度学习算法在山区植被分类中的应用[J]. 价值工程 2019(04)
    • [10].基于分区和多时相遥感数据的山区植被分类研究[J]. 遥感技术与应用 2008(04)
    • [11].多光谱遥感影像植被覆盖分类研究进展[J]. 国土资源遥感 2016(02)
    • [12].基于Sentinel-2时序多特征的植被分类[J]. 浙江农林大学学报 2019(05)
    • [13].基于融合技术的潮滩湿地植被分类[J]. 测绘 2014(01)
    • [14].基于无人机重建点云与影像的城市植被分类[J]. 国土资源遥感 2019(01)
    • [15].AVIRIS高光谱数据空-谱特征在植被分类中的对比分析[J]. 智慧农业(中英文) 2020(01)
    • [16].不同时相城市QuickBird和WorldView-2植被分类[J]. 数学的实践与认识 2018(20)
    • [17].基于旋转森林的Landsat-8影像森林植被分类[J]. 东北林业大学学报 2017(08)
    • [18].面向对象的遥感湿地植被分类与信息提取——以微山湖为例[J]. 安徽农业科学 2012(12)
    • [19].基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究[J]. 干旱区地理 2017(04)
    • [20].依据季相特征GF-2影像的植被分类[J]. 东北林业大学学报 2019(03)
    • [21].基于LiDAR点云数据的低矮植被分类方法[J]. 世界地质 2018(04)
    • [22].苏州市上方山森林植被分类及其群落学特征[J]. 江苏林业科技 2020(02)
    • [23].基于资源一号02C卫星数据的面向对象的森林植被分类[J]. 测绘与空间地理信息 2015(07)
    • [24].越南-太原省-大慈县的植被分类[J]. 农村实用技术 2018(12)
    • [25].云南热带森林植被分类纲要[J]. 广西植物 2018(08)
    • [26].利用Sentinel-2A多光谱成像仪与Landsat 8陆地成像仪影像进行普陀山岛植被分类效果比较[J]. 测绘通报 2019(10)
    • [27].山西植被分类系统修订[J]. 生态环境学报 2019(04)
    • [28].基于MODIS的藏北高原植被分类研究[J]. 高原山地气象研究 2010(02)
    • [29].高光谱遥感在植被分类中的研究[J]. 矿山测量 2014(01)
    • [30].城市植被分类研究进展[J]. 安徽农业科学 2009(16)

    标签:;  ;  ;  ;  ;  

    基于RS/GIS技术支持下的植被分类及其覆盖度研究——以昆明市为例
    下载Doc文档

    猜你喜欢