青藏高原32年湿地对气候变化的空间响应
邢宇1,2
1.中国国土资源航空物探遥感中心,北京 100083
2.中国科学院生态环境研究中心,北京 100085

作者简介:邢宇(1982-),女,博士后,主要从事资源环境遥感与GIS应用研究。Email: xingyurs@163.com

摘要

青藏高原是全球气候变化敏感区,其湿地状况对该区的生态安全有重要影响。基于1975年MSS,1990年TM,2000年ETM和2006年CBERS遥感数据,建立4大类10亚类湿地的遥感解译标志;通过目视和人机交互解译,结合多年野外调查资料,获取4期湿地信息数据;经过Kriging空间插值处理获得1962—2007年青藏高原每一年的年平均降水和气温空间数据;应用ArcInfo软件进行Grid计算,以遥感数据的时相分布图为控制层,分别生成4期气温镶嵌图和降水镶嵌图;使用AML宏语言实现湿地变化与气候因子(温度和降水)基于像元的相关分析、偏相关分析和复相关分析,在空间上定量分析湿地变化与气候变化的响应关系。结果表明:青藏高原1975—2000年湿地总面积持续减少,2000年后有所回升;以干燥为主要特征的柴达木流域、祁连山区及黄河流域的湿地变化对降水变化的响应较敏感;在青藏高原整体升温、尤其是低温地区增温幅度较大的情况下,以冰川融水作为补给的湿地对气温变化的响应较为敏感。

关键词: 遥感(RS); 地理信息系统(GIS); 青藏高原; 湿地变化; 气候变化; 空间响应
中图分类号:TP 79 文献标志码:A 文章编号:1001-070X(2015)03-0099-09 doi: 10.6046/gtzyyg.2015.03.17
Spatial responses of wetland change to climate in 32 years in Qinghai-Tibet Plateau
XING Yu1,2
1.China Aero Geophysical Survey and Remote Sensing Center for Land and Resources, Beijing 100083, China
2.Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China
Abstract

The Qinghai-Tibet Plateau is an area sensitive to global climate change, and its wetland status plays an important role in the ecological security of the Plateau. Based on the remote sensing data of MSS in 1975, TM in 1990, ETM in 2000 and CBERS in 2006, the author established the interpretation keys, and obtained the wetland information data of the four periods by visual and human-computer interactive interpretation,in combination with the field data accumulated in quite a few years. The annual average precipitation and temperature spatial data were obtained by Kriging spatial interpolation processing for each year from 1962 to 2007 in the Qinghai-Tibet Plateau. With the phase distribution of the remote sensing data as the control layer, the temperature mosaic images of four periods and the precipitation mosaic images were generated by Grid computation using ArcInfo software. Using the pixel-based correlation analysis, the partial correlation analysis and multiple correlation analysis, the author analyzed quantitatively the relationship of spatial response between wetland change and climatic factors (temperature and precipitation) with AML macro language. The results show that the total area of wetlands decreased continuously in the Qinghai-Tibet Plateau from 1975 to 2000, but the total area of wetlands increased after 2000. The responses of wetland change to precipitation in the Chaidam Basin, Hexi Corridor and the Yellow River Basin characterized by dry climate are sensitive. Following the overall warming in the Qinghai-Tibet Plateau, the responses of the changes of the wetland supplied by the glacial melt water to the temperature of the region are sensitive, especially in the case of the large magnitude of warming in the low-temperature region.

Keyword: remote sensing (RS); geographic information system(GIS); Qinghai-Tibet Plateau; wetland change; climatic change; spatial response
0 引言

湿地是水生和陆生环境连接或交互延伸的生态区域, 控制着区域内自然环境以及动植物的生长状态。青藏高原很少受到人类活动的干扰, 其生态系统对全球气候变化的反应极其敏感[1], 在全球气候变化研究中具有前兆或预警的作用。气温和降水等气候因素的微小变化都可能导致地表水与地下水位的波动, 从而导致湿地的萎缩、扩展、消亡或新生, 以及湿地生物发生多样性的变化。已有很多学者对青藏高原的若尔盖草原沼泽地区[2]、三江源地区[3]、拉萨河流域[4]、雅鲁藏布江流域[5]、祁连山地区[6]及青藏铁路沿线[7]等的典型湿地区进行过研究; 从青藏高原大尺度的角度, 研究者多从湿地空间格局、动态变化等方面入手[8], 或对气候背景对湿地变化的原因进行探讨[8, 9, 10], 侧重于气候长期时间序列变化对湿地变化的影响; 仅是定性或半定量的分析, 对湿地不同类型的影像特征研究还不很成熟, 而且忽略了青藏湿地在空间上对气候变化的响应特征。本文基于不同时期获取的MSS, TM, ETM和CBERS卫星遥感数据, 通过分析湿地特征并建立完善的解译标志, 结合多年的野外调查资料, 以较高精度的目视和人机交互解译得到4期湿地信息; 结合气候数据, 充分发挥GIS技术优势, 通过空间相关性分析, 定量分析湿地变化与气候变化在空间上的响应关系。

1 数据与方法
1.1 研究区概况

我国青藏高原地域辽阔, 西起帕米尔高原, 东接秦岭, 南自东喜马拉雅山脉南麓, 北迄祁连山西段北麓, E73° 26'~102° 59', N25° 36'~39° 42', 总面积约261.5万 km2, 约占我国陆地面积的1/4[11]。地势从西北向东南逐渐倾斜, 海拔由5 000 m以上逐渐递降到4 000 m左右, 由低山、丘陵和宽谷盆地组合而成。在高原面以上, 纵横延展着许多高耸的巨大山系, 构成了高原地貌的骨架; 在高原面中间, 镶嵌着众多的湿地; 而在高原面之下, 交织着性质不同的内外流水系。

1.2 数据源及其预处理

根据青藏高原的气候特点, 遥感数据的时相首选夏季, 其次选择春季或秋季, 以突出湿地的遥感影像特征; 以扫描数字化并纠正后的1:10万地形图为基准, 对2000年ETM遥感图像进行几何纠正; 再以ETM图像为基准, 分别对2006年CBERS, 1990年TM和1975年MSS遥感图像进行几何配准。每景图像选择12~18个均匀分布的控制点, 以保证几何纠正误差控制在2个像元以内。CBERS采用B3(R)B4(G)B1(B), ETM/TM采用B7(R)B4(G)B1(B), MSS采用B5(R)B7(G)B4(B)波段组合方式, 制作了假彩色合成图像, 作为湿地解译的基础图像。

1.3 湿地信息提取

1.3.1 遥感解译标志建立

根据《湿地公约》分类系统、《中华人民共和国湿地分类标准(GB/T 24708-2009)》及《全国湿地资源调查与监测技术规程》, 参照前人湿地分类特征[8, 9, 10, 11, 12, 13]和青藏高原湿地发育的实际情况, 将青藏高原湿地划分为湖泊湿地(包括永久性咸水湖、永久性淡水湖和季节性淡水湖)、河流湿地(包括永久性河流、泛洪平原湿地、季节性或间歇性河流)、沼泽湿地(包括沼泽化草甸、草本沼泽和泥炭沼泽)及人工湿地(包括水库)4大类10亚类。在建立解译标志的过程中, 对室内分析把握性不大、尚有疑义的影像特征进行了野外考察(如对泥炭沼泽进行了多次野外验证), 利用GPS建立调查点数据库, 在掌握实地资料基础上反复修改、完善解译标志(表1)。

表1 青藏高原湿地解译标志 Tab.1 Interpretation keys of wetland in Qinghai-Tibet Plateau

1.3.2 湿地信息提取

根据上述遥感解译标志, 以MapGIS软件为平台, 采用目视和人机交互解译方法, 结合多年野外调查资料, 解译和提取出4期湿地信息数据; 通过野外抽样调查验证, 解译精度高于98%。

1.3.3 湿地数据栅格化

对所有的湿地解译数据在ArcInfo平台上进行综合分析。因4期遥感数据的空间分辨率差异较大(MSS为80 m, ETM为30 m), 考虑到动态对比的有效性, 最小图斑面积取0.1 km2(约300 m× 300 m); 然后, 生成青藏高原10 km× 10 km网格26 461个, 计算每一网格内湿地面积并记为该网格的属性(其中没有湿地落入的网格记为“ 0” 值); 最后, 将4期湿地网格信息转换为相同分辨率的栅格, 得到1975年、1990年、2000年和2006年单位网格内湿地分布的栅格图, 作为空间响应分析的基础数据。

1.4 气候数据处理

选用275个气象站点观测的1962— 2007年平均降水和气温数据(由中国气象科学数据共享服务网提供), 并对原始气候数据进行精度验证, 剔除错误数据; 然后, 对每一年的气候数据进行Kriging空间插值处理, 获得像元大小和地图投影均与湿地数据相同的气候要素栅格数据; 最后, 采用交叉检验方法, 以误差平均值和误差标准差为指标, 对插值前、后的2组数据抽样进行T检验。结果表明, 在99%的置信度下, 绝大部分数据的显著性概率均远远大于0.01, 说明插值前、后数据无显著性差异, 插值结果比较理想[14, 15]

由于青藏高原面积辽阔, 同一年的遥感数据不可能完全将其覆盖, 因此覆盖青藏高原的MSS, TM, ETM和CBERS的每一期遥感数据都是由多个时相的影像集拼接而成的。为了能精确地得到湿地对气候变化的空间响应关系, 首先生成MSS, TM, ETM和CBERS这4期遥感数据的时相分布图; 然后对4期数据所跨年代的时相进行分析, 得到MSS影像对应的5种时相(1972年、1973— 1974年、1975年、1976— 1977年及1978年)、TM影像对应的5种时相(1986年、1987— 1990年、1991年、1992— 1994年及1995年)、ETM影像对应的4种时相(1999年、2000年、2001年及2002年)和CBERS影像对应的1种时相(2006— 2007年)共15种时相的数据。利用ArcInfo软件进行Grid计算, 以时相分布图为控制层, 分别生成对应4期遥感数据的气温和降水分布镶嵌图。对各年份的气象数据进行空间插值; 处理跨年时相数据时, 对插值数据取均值。

1.5 空间相关性分析

使用AML宏语言对青藏高原湿地变化与气候因子(温度和降水)变化进行基于像元的Pearson相关分析、偏相关分析和复相关分析, 其计算公式见文献[16-17]。本文的相关系数检验是在给定的置信水平下, 通过查找相关系数检验的临界值表完成:若P< 0.1, 则相关系数达到显著相关水平; 若P< 0.01, 则相关系数达到极显著相关水平。偏相关系数和复相关系数的显著性检验分别通过T检验法和F检验法实现。

2 结果与分析
2.1 湿地分布现状及动态变化

2006年青藏高原湿地分布如图1所示。

图1 2006年青藏高原湿地分布图Fig.1 Wetland distribution of Qinghai-Tibet Plateau in 2006

图1可以看出, 羌塘高原湖泊湿地与河流湿地众多, 柴达木盆地以沼泽湿地和湖泊湿地为主, 雅鲁藏布江流域以河流湿地为主, 泥炭湿地大多分布在黄河流域, 而人工湿地仅是黄河流域北部的龙羊峡水库。

由于青藏高原受人为因素影响很小, 绝大部分湿地为天然湿地, 因此在进行与气候因素响应分析时将天然湿地看作一个整体, 不细分湿地类型。对4期青藏高原湿地面积(最小图斑面积取0.1 km2)按流域类型进行统计的结果如表2所示。

表2 青藏高原不同流域的湿地面积动态变化统计 Tab.2 Statistics of dynamic changes of wetland areas in different watersheds in Qinghai-Tibet Plateau(km2)

表2可以看出, 青藏高原1975— 2000年湿地总面积持续减少了15 224.08 km2, 其减少速度为608.96 km2/a; 2000年后湿地面积略有回升, 以610.35 km2/a的速度, 至2006年增加了3 662.09 km2。不同水系流域的湿地变化规律有所不同:青藏高原东北部、东部、东南和南部湿地面积均明显减少(如柴达木流域的湿地面积共减少了12 118.76 km2)。塔里木流域、羌塘高原、黄河流域、祁连山区、长江流域、澜沧江流域及森格藏布流域湿地面积均表现为先减少后增加的变化, 其中羌塘高原湿地面积在后期的增加最为显著(增加了5001.50 km2)。怒江流域和雅鲁藏布江流域湿地面积表现为增加与减少反复动荡变化的特点。总体而言, 1975— 2006年青藏高原除了羌塘高原和塔里木流域内湿地面积增加外, 其余流域内的湿地面积均有不同程度的减少。

2.2 湿地栅格数据的生成

根据湿地数据处理方法, 将4期湿地的矢量数据进行栅格化。限于篇幅, 图2仅示出2006年青藏高原栅格数据的湿地分布图。

图2 2006年青藏高原湿地数据的栅格化Fig.2 Rasterization of wetland data of Qinghai-Tibet Plateau in 2006

2.3 气候要素镶嵌数据的生成

以遥感数据的时相分布图为控制层生成的4个时期跨年代的气温镶嵌图如图3所示。

图3 遥感数据跨年代气温镶嵌图Fig.3 Mosaic of multiple year temperatures from remote sensing data

图3可以看出, 各时期气温的空间分布整体呈现以青藏高原腹地为中心、分别向东南和西北递增的趋势。大部分地区年均温较低, 尤其是藏北地区, 80%以上地区的年均温度低于7.5℃, 中心部分地区的年均温度低于0℃。

生成的4个时期跨年代的降水镶嵌图如图4所示。

图4 遥感数据跨年代降水镶嵌图Fig.4 Mosaic of multiple year precipitation from remote sensing data

图4可以看出, 大部分地区年降水量小于400 mm, 青藏高原各时期降水在空间分布上具有一定的规律性, 均由西北向东南递增。东南部降水大于800 mm的区域在1975年时面积较大, 1990年以后逐渐收缩, 2006年后则仅分布在青藏高原东南角。

2.4 湿地对气候变化的响应

2.4.1 湿地对气温变化的响应

对湿地面积和气温变化的响应分别进行了相关分析和偏相关分析, 得到青藏高原湿地变化对气温变化的空间响应关系(图5)。

图5 1975— 2006年湿地对气温变化的空间响应分布Fig.5 Distribution of wetland spatial response to temperature changes from 1975 to 2006

统计图5中的数据得到表3

表3 1975— 2006年青藏高原湿地与气温变化的相关分析统计 Tab.3 orrelation statistics between wetlands and temperature changes of Qinghai-Tibet Plateau from 1975 to 2006(%)

表3可以看出, 青藏高原湿地的变化与气温变化在0.1置信水平上的非显著面积比例达到了82.40%; 而在不考虑降水的情况下, 在0.1置信度水平上, 非显著相关的面积比例占75.48%。大部分区域湿地与气温的显著相关比例有所升高, 这也说明了湿地变化是在气温和降水综合作用下产生的; 单因素分析不能代表整个气候因素对湿地变化的作用, 也不能说明湿地变化对气候的响应。

表3还可以看出, 无论是相关系数, 还是偏相关系数, 湿地与气温呈正相关比例高于呈负相关的比例, 说明绝大部分湿地面积的增加是由气温升高所致。查阅资料不难得出冰川融化是其主要因素[18]的结论, 湿地增加明显, 而附近山脉地区的冰川雪线都呈退缩趋势。

由偏相关分析可知, 65.57%的湿地与气温变化呈正相关, 34.43%的湿地面积变化与气温变化呈负相关, 通过90%显著性检验的达24.52%; 其中羌塘湖盆区大部分地区、长江流域西北部及其与黄河流域交界处以及诺尔盖地区的湿地变化与气温呈正显著相关, 而柴达木流域、雅鲁藏布江流域东部地区的湿地变化与气温呈负显著相关。黄河流域的湿地变化与气温变化相关性较大, 显著和极显著相关的比例达33.60%; 且随气温升高湿地增加的地区高于减少的地区, 区域上的相关性变化规律明显, 集中分布在黄河流域西北地区。通过99%极显著性检验的达2.18%, 主要集中分布在羌塘湖盆区大部分地区、长江流域西北部及其与黄河流域交界处以及雅鲁藏布江流域西部地区。

2.4.2 湿地对降水变化的响应

对湿地面积和降水变化的响应分别进行了相关分析和偏相关分析, 得到青藏高原湿地变化对降水变化的空间响应关系(图6)。

图6 1975— 2006年湿地对降水变化的空间响应分布Fig.6 Distribution of wetland spatial response to precipitation changes from 1975 to 2006

统计图6数据得到表4

表4 1975— 2006年青藏高原湿地变化与降水变化的相关分析统计 Tab.4 Correlation statistics between wetlands and precipitation changes of Qinghai-Tibet Plateau from 1975 to 2006(%)

表4可以看出, 青藏高原湿地的变化与降水变化在0.1置信水平上的相关性分析中, 非显著相关的湿地面积所占比例为89.06%; 而偏相关分析中, 在不考虑气温的情况下, 在0.1置信度水平上, 非显著相关的湿地面积为80.19%, 显著相关的湿地面积所占比例比单相关大。

由偏相关分析可知, 湿地面积的51.17%与降水呈正相关, 其中显著正相关的地区主要有雅鲁藏布江流域西部、羌塘高原北部、黄河流域西部; 有48.83%的湿地随着降水的增加而减少, 其中显著负相关的地区有羌塘高原东南部和长江流域的西北部、雅鲁藏布江流域东部。

综上所述, 湿地与气温的偏相关都略高于降水, 且显著正相关和极显著正相关的像元所占的比例高于显著负相关和极显著负相关像元所占的比例。这主要是因为青藏高原广泛分布着冰川与河流, 水资源补给相对充足, 致使气温高低成为该地区湿地扩张与萎缩的决定性因素。

2.4.3 流域分析

各流域的湿地变化对气候要素的响应差异较大(图7), 其中祁连山区和澜沧江流域的湿地与降水的相关性大于气温, 说明湿地变化对降水比较敏感, 与降水显著正相关和极显著正相关的面积所占比例分别达到22.13%和29.51%; 因此, 降水成为影响这2个流域湿地变化的主要因素。其他各流域湿地面积变化与气温的相关性均大于降水。

图7 各流域湿地对气温和降水变化的响应Fig.7 Wetland response to temperature and precipitation change for each basin

桑格藏布江流域的湿地变化对温度和降水的响应显著分别为15.9%和12.07%, 是青藏高原流域中最低的; 与降水和温度的偏相关达到0.5以下的湿地面积分别达到总面积的63.67%和41.2%。由此可以看出, 桑格藏布江湿地动态对于同期气候因子的敏感性不强, 该地区湿地变化是气候因素与其他因素共同影响的结果, 气候波动对其湿地变化不起决定性作用。

羌塘高原是青藏高原中湿地分布最为密集的地区, 占整个研究区湿地面积的46.5%。偏相关分析的结果表明:湿地与气温呈显著相关的面积所占比例为24.01%; 偏相关系数为正的湿地面积达71.18%, 偏相关系数大于0.5以上的湿地面积达57.88%; 气温与羌塘高原中、东南部地区湿地面积呈负相关, 而羌塘高原西部和北部与气温呈现正相关趋势。这主要是由于羌塘高原四周的大山脉发育了较大规模的冰川, 随着气温的升高, 冰雪融水补给比较丰富。该区湿地对气温变化非常敏感, 相对而言受降水影响明显偏小。

2.4.4 综合响应

对湿地和气温、降水的变化进行复相关分析:羌塘高原中部的复相关系数较小(小于0.5), 表明该气候要素对湿地变化的影响关系比较复杂。面积占75.48%的湿地, 其复相关系数大于0.75, 广泛分布在在羌塘高原北部、南部和东部, 长江流域西部和黄河流域交界处延伸到若尔盖湿地等地区; 该区湿地面积变化与气温、降水的线性关系较好。整个研究区在0.1置信度上与温度和降水明显呈线性相关的湿地面积占11.11%, 在羌塘高原、长江流域西北部、黄河流域西部和若尔盖地区分布较集中; 其中极显著相关占0.46%, 显著相关占10.65%(图8)。

图8 1975— 2006年湿地对气温、降水变化的空间响应分布Fig.8 Wetland spatial response to temperature and precipitation changes from 1975 to 2006

3 结论

1)本文通过建立青藏高原湿地遥感解译标志, 进行多时相湿地信息提取, 湿地变化与气温、降水等气候因子变化的相关分析和野外验证, 取得的结果表明:青藏高原1975— 2000年湿地总面积持续减少, 由1975年的142 275.81 km2减少到2000年的127 051.73 km2; 2000年后湿地面积略有回升, 共增加了3 662.09 km2(统计最小湿地图斑面积为0.1 km2)。

2)以干燥为主要特征的大部分地区(如柴达木流域、祁连山区及黄河流域)湿地需要降水作为补给, 湿地与气候变化的响应关系表现为降水驱动型; 在青藏高原整体升温、尤其是低温地区增温幅度较大的情况下, 以冰川融水作为补给的湿地对气温变化的响应较为敏感。

3)青藏高原由干向湿发展的大部分地区, 大多是由冰雪融水量增加和潜在蒸发量降低造成的, 这与冰川退缩有关。冰川对湿地面积的增加起到了关键性作用。由此可以推断, 如果未来若干年中全球变暖仍为主要趋势, 青藏高原的气温会继续升高, 冰川补给区的湿地将继续扩大; 反之, 当冰川融水规模减小到一定程度、补给大范围减少时, 这些地区的湿地环境情况将会令人担忧。

4)本文受数据源的限制, 在空间响应研究中每个空间位置仅有4期遥感数据, 样本数量偏少; 虽然在统计学上通过了显著性检验, 但在一定程度上会影响研究效果, 故在今后研究中还需要增加数据量, 并进一步探讨能够反映小样本变化规律的新方法。

志谢:感谢吉林大学姜琦刚教授在数据获取等方面的帮助。

The authors have declared that no competing interests exist.

参考文献
[1] 白军红, 欧阳华, 徐惠风, . 青藏高原湿地研究进展[J]. 地理科学进展, 2004, 23(4): 1-9.
Bai J H, Ouyang H, Xu H F, et al. Advances in studies of wetland s in Qinghai-Tibet Plateau[J]. Progress in Geography, 2004, 23(4): 1-9. [本文引用:1]
[2] 孙妍. 基于RS和GIS的若尔盖高原湿地景观格局分析[D]. 长春: 东北师范大, 2009.
Sun Y. The Analysis of Zoige Plateau Alpine Wetland ’s Land scape Pattern Based on RS and GIS[D]. Changchun: Northeast Normal University, 2009. [本文引用:1]
[3] 陈永富, 刘华, 邹文涛, . 三江源高寒湿地动态变化趋势分析[J]. 林业科学, 2012, 48(10): 70-76.
Chen Y F, Liu H, Zou W T, et al. Analysis of dynamic change trend of alpine wetland s in three rivers’source region[J]. Scientia Silvae Sinicae, 2012, 48(10): 70-76. [本文引用:1]
[4] 王春连. 拉萨河流域湿地变化研究[D]. 北京: 中国科学院大学, 2010.
Wang C L. The Study of Wetland Changes in Lhasa River Basin[D]. Beijing: University of Chinese Academy of Sciences, 2010. [本文引用:1]
[5] Li F P, Xu Z X, Feng Y C, et al. Changes of land cover in the Yarlung Tsangpo River Basin from 1985 to 2005[J]. Environment Earth Sciences, 2013, 68(1): 181-188. [本文引用:1]
[6] Hirota M, Kawada K, Hu Q W, et al. Net primary productivity and spatial distribution of vegetation in an alpine wetland , Qinghai-Tibetan Plateau[J]. Limnology, 2007, 8(2): 161-170. [本文引用:1]
[7] 汪芳. 青藏铁路沿线湿地生态风险评价研究[D]. 成都: 西南交通大学, 2008.
Wang F. Ecological Risk Assessment for the Wetland Aside Xizang Railway[D]. Chengdu: Southwest Jiaotong University, 2008. [本文引用:1]
[8] 邢宇, 姜琦刚, 李文庆, . 青藏高原湿地景观空间格局的变化[J]. 生态环境学报, 2009, 18(3): 1010-1015.
Xing Y, Jiang Q G, Li W Q, et al. Land scape spatial patterns changes of the wetland in Qinghai-Tibet Plateau[J]. Ecology and Environmental Sciences, 2009, 18(3): 1010-1015. [本文引用:3]
[9] 张楼香, 阮仁宗, 夏双. 洪泽湖湿地纹理特征参数分析[J]. 国土资源遥感, 2015, 27(1): 75-80. doi: DOI: 106046/gtzyyg. 2015. 01. 12.
Zhang L X, Ruan R Z, Xia S. Parameter analysis of image texture of wetland in the Hongze Lake[J]. Remote Sensing for Land and Resources, 2015, 27(1): 75-80. doi: DOI:10.6046/gtzyyg.2015.01.12. [本文引用:2]
[10] 曾光, 高会军, 朱刚. 近32年塔里木盆地与准噶尔盆地湿地演化遥感分析[J]. 国土资源遥感, 2013, 25(3): 118-123. doi: DOI: 106046/gtzyyg. 2013. 03. 20.
Zeng G, Gao H J, Zhu G. Analysis of wetland s evolution process between Tarim Basin and Junggar Basin in the past 32 years[J]. Remote Sensing for Land and Resources, 2013, 25(3): 118-123. doi: DOI:10.6046/gtzyyg.2013.03.20. [本文引用:2]
[11] 方洪宾, 赵福岳, 张振德, . 青藏高原现代生态地质环境遥感调查与演变研究[M]. 北京: 地质出版社, 2009.
Fang H B, Zhao F Y, Zhang Z D, et al. Remote Sensing Survey and Evolution Study of Ecological and Geological Environment in Qinghai-Tibet Plateau[M]. Beijing: Geological Publishing House, 2009. [本文引用:2]
[12] 严婷婷, 边红枫, 廖桂项, . 森林湿地遥感信息提取方法研究现状[J]. 国土资源遥感, 2014, 26(2): 11-18. doi: DOI: 106046/gtzyyg. 2014. 02. 03.
Yan T T, Bian H F, Liao G X, et al. Research status of methods for mapping forested wetland s based on remote sensing[J]. Remote Sensing for Land and Resources, 2014, 26(2): 11-18. doi: DOI:10.6046/gtzyyg.2014.02.03. [本文引用:1]
[13] 杜培军, 陈宇, 谭琨. 江苏滨海湿地土地利用/覆盖变化与地表温度响应遥感监测[J]. 国土资源遥感, 2014, 26(2): 112-120. doi: DOI: 106046/gtzyyg. 2014. 02. 19.
Du P J, Chen Y, Tan K. The remote sensing monitoring of land use/cover change and land surface temperature responses over the coastal wetland in Jiangsu[J]. Remote Sensing for Land and Resources, 2014, 26(2): 112-120. doi: DOI:10.6046/gtzyyg.2014.02.19. [本文引用:1]
[14] 李月臣, 宫鹏, 刘春霞, . 北方13省1982年—1999年植被变化及其与气候因子的关系[J]. 资源科学, 2006, 28(2): 109-117.
Li Y C, Gong P, Liu C X, et al. Vegetation cover changes and correlation with climatic factors in northern China during 1982-1999[J]. Resources Science, 2006, 28(2): 109-117. [本文引用:1]
[15] 国志兴, 张晓宁, 王宗明, . 东北地区植被物候对气候变化的响应[J]. 生态学杂志, 2010, 29(3): 578-585.
Guo Z X, Zhang X N, Wang Z M, et al. Responses of vegetation phenology in Northeast China to climate change[J]. Chinese Journal of Ecology, 2010, 29(3): 578-585. [本文引用:1]
[16] 贾俊平. 统计学基础[M]. 2版. 北京: 中国人民大学出版社, 2014.
Jia J P. Fundamental Statistics[M]. 2nd ed. Beijing: China Renmin University Press, 2014. [本文引用:1]
[17] 尹锴, 田亦陈, 袁超, . 基于CASA模型的北京植被NPP时空格局及其因子解释[J]. 国土资源遥感, 2015, 27(1): 133-139. doi: DOI: 106046/gtzyyg. 2015. 01. 21.
Yin K, Tian Y C, Yuan C, et al. NPP spatial and temporal pattern of vegetation in Beijing and its factor explanation based on CASA model[J]. Remote Sensing for Land and Resources, 2015, 27(1): 133-139. doi: DOI:10.6046/gtzyyg.2015.01.21. [本文引用:1]
[18] 张瑞江, 方洪宾, 赵福岳. 青藏高原近30年来现代冰川的演化特征[J]. 国土资源遥感, 2010, 22(s1): 49-53. doi: DOI: 106046/gtzyyg. 2010, 22(s1). 12.
Zhang R J, Fang H B, Zhao F Y. The evolution of existing glaciers in the past 30 years in Qinghai-Tibet Plateau[J]. Remote Sensing for Land and Resources, 2010, 22(s1): 49-53. doi: DOI:10.6046/gtzyyg.2010, 22(s1). 12. [本文引用:1]