黄河流域土地荒漠化动态变化遥感研究

doi:10.6046/gtzyyg.2008.02.17

全文: PDF(425 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

利用1975年MSS、1990年TM和2000年ETM+3期遥感数据提取黄河流域土地荒漠化动态变化信息。调查结果表明，黄河流域土地荒漠化具有明显的地域性，主要分布在流域西北部。荒漠化土地面积变化总体呈增加趋势，从1975年~2000年增加了10 653.22 km2，平均每年增加426.12 km2。黄河流域地质背景和气候条件决定了荒漠化的总体分布和变化趋势，不合理的人类活动加速了荒漠化进程。

	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

关键词 ：遥感信息, 识别, 等时性地层界面, 构造演化阶段

Abstract：

Dynamic change information of land desertification in the Yellow River Drainage Area was extracted from remote sensing images of three different periods，which include MSS (1975)，TM (1990) and ETM (2000). Investigation shows that land desertification mainly occurred in the northwestern part and the area of land desertification increased 10 653.22 km2 from 1975 to 2000，i.e.，about 426.12 km2 per year. It was the geological and climate conditions that controlled the distribution and dynamic change trend of land desertification. In addition，improper human activity accelerated the desertification trend.

Key words： Information of remote sensing Picking out Chronostratigraphic interface Tectonic evolution stage

收稿日期: 2008-03-31 出版日期: 2009-07-15

TP79　

基金资助:

中国地质调查局“黄河流域基础地质环境遥感调查与监测(1212010510512)”。

通讯作者: 孙永军(1964-)，男，博士生，主要从事环境遥感研究。

引用本文:

孙永军, 周强, 杨日红. 黄河流域土地荒漠化动态变化遥感研究[J]. 国土资源遥感, 2008, 20(2): 74-78.
SUN Yong-Jun, ZHOU Qiang, YANG Ri-Hong. A STUDY OF LAND DESERTIFICATION DYNAMIC CHANGE IN YELLOW RIVER BASIN. REMOTE SENSING FOR LAND & RESOURCES, 2008, 20(2): 74-78.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2008.02.17 或 https://www.gtzyyg.com/CN/Y2008/V20/I2/74

[1]	张成业, 邢江河, 李军, 桑潇. 基于U-Net网络和GF-6影像的尾矿库空间范围识别[J]. 自然资源遥感, 2021, 33(4): 252-257.
[2]	舒慧勤, 方俊永, 鲁鹏, 顾万发, 王潇, 张晓红, 刘学, 丁兰坡. 基于多源高分辨率数据的遗址空间考古精细识别研究[J]. 国土资源遥感, 2021, 33(2): 162-171.
[3]	陈帅, 赵文玉, 廖中平. 黑臭水体遥感识别研究进展[J]. 国土资源遥感, 2021, 33(1): 20-29.
[4]	闫驰, 焦润成, 曹颖, 南赟, 王晟宇, 郭学飞. 无人机倾斜摄影在泥石流灾害识别分析中的应用——以北京房山区史家营曹家坊泥石流为例[J]. 国土资源遥感, 2020, 32(4): 251-257.
[5]	陈朋弟, 黄亮, 夏炎, 余晓娜, 高霞霞. 基于Mask R-CNN的无人机影像路面交通标志检测与识别[J]. 国土资源遥感, 2020, 32(4): 61-67.
[6]	江珊, 王春, 宋宏利, 刘玉锋. 基于SAR与光学遥感数据相结合的农作物种植类型识别研究[J]. 国土资源遥感, 2020, 32(4): 105-110.
[7]	周光宇, 刘邦权, 张亶. 基于变分模态分解的SAR图像目标识别方法[J]. 国土资源遥感, 2020, 32(2): 33-39.
[8]	林志玮, 涂伟豪, 黄嘉航, 丁启禄, 周铮雯, 刘金福. 基于FC-DenseNet的低空航拍光学图像树种识别[J]. 国土资源遥感, 2019, 31(3): 225-233.
[9]	刘畅, 杨康, 程亮, 李满春, 郭紫燕. Landsat8不透水面遥感信息提取方法对比[J]. 国土资源遥感, 2019, 31(3): 148-156.
[10]	沈丹, 周亮, 王培安. 基于夜间灯光数据的六盘山连片特困区贫困度识别[J]. 国土资源遥感, 2019, 31(2): 157-163.
[11]	杜磊, 陈洁, 李敏敏, 郑雄伟, 李京, 高子弘. 机载激光雷达技术在滑坡调查中的应用——以三峡库区张家湾滑坡为例[J]. 国土资源遥感, 2019, 31(1): 180-186.
[12]	周询, 王跃宾, 刘素红, 于佩鑫, 王西凯. 一种遥感影像自动识别耕地类型的机器学习算法[J]. 国土资源遥感, 2018, 30(4): 68-73.
[13]	金永涛, 杨秀峰, 高涛, 郭会敏, 刘世盟. 基于面向对象与深度学习的典型地物提取[J]. 国土资源遥感, 2018, 30(1): 22-29.
[14]	吴军超, 李利伟, 胡圣武. 基于多分类器集成的GF-1影像围填海地物识别[J]. 国土资源遥感, 2017, 29(1): 143-148.
[15]	冉全, 李国庆, 于文洋, 张连翀. 遥感信息模型在线可视化定制和自动化计算[J]. 国土资源遥感, 2017, 29(1): 221-226.