</br>
近32年三江源地区土地沙化特征及驱动力分析

doi:10.6046/gtzyyg.2010.s1.17

摘要
参考文献
相关文章
Metrics

全文: PDF(1018 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

利用1975年MSS、2000年ETM+和2007年CBERS-02B共3期影像数据开展三江源地区土地沙化遥感调查监测，在此基础上重点分析了32 a

来三江源地区土地沙化时空变化特征及其驱动力因素。三江源土地沙化总体表现为先增加后减少的过程，沙化土地主要分布于海拔相对较高

的平缓高原面上的盆地内，且具有沿河、沿交通线分布的特点。2000年以前，气候暖干化和人为活动加剧造成了土地沙化日益严重，表现为

总量在增加、程度在加重、空间分布变化频繁； 2000年以后，气候暖湿化是土地沙化趋于改善的最主要因素。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	富融科技有限公司

关键词 ：分析软件, ERDAS, 正射纠正, 雷达图像, 遥感图像, 数字摄影测量, 图像处理, 矢量数据, 正射影像, 传感器模型

Abstract：

Based on the MSS(1975), ETM+(2000) and CBERS-02b(2007) images, the authors conducted monitoring of land

desertification in Sanjiangyuan region with the emphasis placed on the characteristics and driving force of land

desertification variation. Desertification land is mainly distributed in the flat plateau, close to the river and roads.

The area of desertification land increased obviously between 1975 and 2000, especially in the Yellow River headwaters area,

because of the warming and drying as well as the disturbance of human activities such as panning and overgrazing. In

addition to the increasing desertification area, the degrading level was aggravated and the changes in spatial distribution

were frequent. After 2000, the Sanjiangyuan Reserve Area was set up with the purpose of reducing the impact of human

activities as much as possible. On the other hand, the precipitation was increasing. Since then, land desertification in

Sanjiangyuan region has tended to be improved.

收稿日期: 2010-04-23 出版日期: 2010-11-13

TP 79

通讯作者: 路云阁（1976-），男，博士，高级工程师，主要从事遥感地质调查、地表格局与变化过程等研究。

引用本文:

路云阁, 刘晓, 张振德.
近32年三江源地区土地沙化特征及驱动力分析[J]. 国土资源遥感, 2010, 22(s1): 72-76.
LU Yun-Ge, LIU Xiao, ZHANG Zhen-De. An Analysis of Characteristics and Driving Forces of Land Desertification in Sanjiangyuan Region. REMOTE SENSING FOR LAND & RESOURCES, 2010, 22(s1): 72-76.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2010.s1.17 或 https://www.gtzyyg.com/CN/Y2010/V22/Is1/72

［1］王菊英.青海省三江源区水资源特征分析［J］. 水资源与水工程学报, 2007，18(1)：91-94.

［2］于翔汉.惊心三江源［J］. 生态经济, 2008(3)：14-19.

［3］唐红玉，杨小丹，王希娟，等.三江源地区近50 年降水变化分析［J］. 高原气象, 2007，26(1)：47-54.

［4］刘玲，高素华，王兰宁.三江源地区气候突变及未来演变趋势分析［J］. 自然灾害学报, 2009，18(3)：53-59.

［5］张镱锂，丁明军，张玮，等.三江源地区植被指数下降趋势的空间特征及其地理背景［J］. 地理研究, 2007，26(3)：500-508.

［6］刘纪远，徐新良，邵全琴.近30 年来青海三江源地区草地退化的时空特征［J］. 地理学报, 2008，63(4)：364-376.

［7］孙卫国，程炳岩，李荣.黄河源区径流量与区域气候变化的多时间尺度相关［J］. 地理学报, 2009，64(1)：117-127.

［8］龙晶.三江源区位置面积及景观生态遥感研究［J］. 林业资源管理, 2005(4)：30-36.

［9］景晖，徐建龙，顾延生.三江源区草场生态恶化原因新解［J］. 生态环境, 2006，15(5)：1042-1045.

[1]	张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[2]	温银堂, 王铁柱, 王书涛, 王贵川, 刘诗瑜, 崔凯. 基于多尺度分割的高分辨率遥感影像镶嵌线自动提取[J]. 自然资源遥感, 2021, 33(4): 64-71.
[3]	李轶鲲, 杨洋, 杨树文, 王子浩. 耦合模糊C均值聚类和贝叶斯网络的遥感影像后验概率空间变化向量分析[J]. 自然资源遥感, 2021, 33(4): 82-88.
[4]	刘万军, 高健康, 曲海成, 姜文涛. 多尺度特征增强的遥感图像舰船目标检测[J]. 自然资源遥感, 2021, 33(3): 97-106.
[5]	王小兵. 融合提升小波阈值与多方向边缘检测的矿区遥感图像去噪[J]. 国土资源遥感, 2020, 32(4): 46-52.
[6]	刘尚旺, 崔智勇, 李道义. 基于Unet网络多任务学习的遥感图像建筑地物语义分割[J]. 国土资源遥感, 2020, 32(4): 74-83.
[7]	李宇, 肖春姣, 张洪群, 李湘眷, 陈俊. 深度卷积融合条件随机场的遥感图像语义分割[J]. 国土资源遥感, 2020, 32(3): 15-22.
[8]	蔡之灵, 翁谦, 叶少珍, 简彩仁. 基于Inception-V3模型的高分遥感影像场景分类[J]. 国土资源遥感, 2020, 32(3): 80-89.
[9]	叶发茂, 罗威, 苏燕飞, 赵旭青, 肖慧, 闵卫东. 卷积神经网络特征在遥感图像配准中的应用[J]. 国土资源遥感, 2019, 31(2): 32-37.
[10]	谢奇芳, 姚国清, 张猛. 基于Faster R-CNN的高分辨率图像目标检测技术[J]. 国土资源遥感, 2019, 31(2): 38-43.
[11]	葛芸, 江顺亮, 叶发茂, 姜昌龙, 陈英, 唐祎玲. 聚合CNN特征的遥感图像检索[J]. 国土资源遥感, 2019, 31(1): 49-57.
[12]	张康, 黑保琴, 李盛阳, 邵雨阳. 基于CNN模型的遥感图像复杂场景分类[J]. 国土资源遥感, 2018, 30(4): 49-55.
[13]	王彦佐, 周伟, 冯磊. 内存数据库在ZY1-02C海量数据空间检索中的应用[J]. 国土资源遥感, 2018, 30(1): 238-242.
[14]	杨萍, 李轶鲲, 胡玉玺, 杨树文. 融合相容粒理论的遥感图像检索[J]. 国土资源遥感, 2017, 29(4): 43-47.
[15]	李朋龙, 丁忆, 胡艳, 罗鼎, 段松江, 舒文强. 一种基于GPU并行计算的无人机影像快速镶嵌方法[J]. 国土资源遥感, 2017, 29(4): 57-63.

Viewed

Full text

Abstract

Cited

Shared

Discussed