CN102915616B - 一种区域栅格累加土地沙漠化预警方法 - Google Patents
一种区域栅格累加土地沙漠化预警方法 Download PDFInfo
- Publication number
- CN102915616B CN102915616B CN201210144411.9A CN201210144411A CN102915616B CN 102915616 B CN102915616 B CN 102915616B CN 201210144411 A CN201210144411 A CN 201210144411A CN 102915616 B CN102915616 B CN 102915616B
- Authority
- CN
- China
- Prior art keywords
- desertification
- early warning
- region
- data
- warning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
一种区域栅格累加土地沙漠化预警方法属于资源开发与生态环境保护领域。是一种利用遥感影像数据进行长期区域土地沙漠化变化监测,根据遥感影像沙漠化监测结果以及区域栅格累加土地沙漠化预警模型对区域的土地沙漠化进行预警的一种新方法。该方法首先对遥感数据稳定性进行判定;在稳定遥感影像数据的基础上提取沙漠化程度信息,实现沙漠化长期监测;再根据沙漠化监测数据和区域栅格累加预警模型进行沙漠化预警,最后结合GIS技术构建沙漠化监测与预警信息系统,利用WEBGIS技术和.NET技术对沙漠化监测与预警的结果进行网络发布。该方法能有效的进行土地沙漠化监测和预警,可为土地沙漠化治理和防治提供指导和帮助。
Description
技术领域
本发明属于资源开发与生态环境保护领域。是一种利用遥感影像数据监测沙漠化的区域变化及对其监测结果进行综合预警的新方法。
背景技术
土地沙漠化是指气候变化和人类活动所致干旱、半干旱以及部分半湿润地区,出现以风沙活动为主要标志的土地退化,是当前世界最严重的资源与生态环境问题之一。其主要危害表现为土壤风蚀、沙埋和固定沙丘活化。目前,全球有100多个国家和地区不同程度地受到土地沙漠化危害,9亿多人口受到沙漠化影响,每年有60×103km2的土地演变成沙漠,全球每年由于土地沙漠化造成的直接经济损失达423×108美元。我国也是受土地沙漠化危害十分严重的国家之一,每年因土地沙漠化造成的直接经济损失高达540×108元。
目前,国内外就土地沙漠化成因、土地沙漠化过程进行了大量广泛研究,同时也取得了丰富的研究成果。已有的研究成果表明土地沙漠化形成是多种因素综合的结果,其既有自然因素又有人为因素,自然因素包括风速、温度、降雨量、蒸发量、土壤质地、植被类型、地形、地貌、地下水位、地下水质等因素;人为因素有如人口数量、人口质量、牲畜数量、土地利用结构、经济发展水平、社会发展状态等因素。土地沙漠化成因也十分复杂。不同时间、不同地域影响土地沙漠化的主要因素存在很大差异,有时自然因素占主导地位,有时人为因素占主导地位,且影响因素与沙漠化的定量关系异常复杂。到目前为止,大部分影响因素与土地沙漠化的定性关系已经明确,但具体的定量关系则一直未能揭示。目前的沙漠化成因系统还处于灰色系统状态,需要进一步研究。
土地沙漠化过程研究主要是对土地沙漠进行监测,并根据监测数据对沙漠化过程进行分析。目前,对沙漠化的监测主要是基于两个方面来进行,一是基于沙漠化成因基础上的因素监测;二是基于沙漠化状态的遥感监测。沙漠化成因要素较多,且监测指标具有很强的通用性,因此一般由相应的部门来完成,比如风速、风向、降雨量、温度等气象要素由气象部门监测;河道水量、水位以及水的利用分配则由水利部门来监测;社会经济状况由统计部门来监测。沙漠化状态遥感监测一般基于遥感技术和地理信息系统技术来进行监测。其利用遥感数据和图像信息提取技术对不同时期的土地沙漠化程度信息进行提取,实现不同时期的沙漠化遥感监测。最后在监测信息的基础上,运用GIS技术构建土地沙漠化的地理信息系统,并利用相应的分析模型探讨土地沙漠化动态变化及其变化原因。
土地沙漠化的预警方面,目前国内外也进行了一定的研究。土地沙漠化预警方法主要有指标预警法、统计预警法和模型预警法。指标预警法是基于沙漠化成因指标而构建的预警方法,该方法简单、实用,如董玉祥(1995)提出的沙漠化程度综合评价模型,王均厚(2000)创建的区域土地沙漠化现状预警模型,张东(2005)以植被、气候、土壤和社会经济四个方面指标构建的浑善达克地区沙漠化预警指标体系,以及刘敦利(2010)建立的栅格指标预警模型等都属于此类预警模型。统计预警法主要通过统计方法来发现沙漠化状态的波动规律,根据波动规律进行沙漠化预警,目前研究的较少。模型预警法是根据沙漠化的形成机制以及其相关指标构建预警模型,然后根据沙漠化指标和预警模型进行预警。沙漠化的预警模型主要有:层次分析法模型、系统动力学模型、元胞自动机模型、神经网络模型、荒漠化危害预警模型等。例如丁火平(2002)、陈建平(2004)基于GIS和元胞自动机构建荒漠化演化预测模型;王忠静(2004)以生产力为基础构建了生产潜力预警模型;李海龙(2006)在风沙扩散原理的基础上构建了风沙扩散阻力模型等。
从现有的研究看,土地沙漠化的监测和预警已经进行了大量的研究,并取得一定的成果,但是目前的土地沙漠化的监测和预警还不能满足现实的需求,还需要进一步的改进。
首先,因土地沙漠化成因复杂,且各成因指标与土地沙漠化之间的定量关系不明确,这使得采用成因指标监测沙漠化的方式存在一定的缺性。其不能通过成因指标的监测确切地了解沙漠进程和沙漠化状态,也不能通过成因指标确切地对沙漠化进行预警,只能定性地了解沙漠化所处的风险状态,这样使大大的局限了土地沙漠化监测指标的使用。
其次,遥感技术的快速发展推动了沙漠化状态的监测,但目前的沙漠化状态监测缺乏长时间的连续性。绝大多数的研究仅仅通过几期的遥感影像分类得出沙漠化的动态变化,而没有长时间序列的动态监测,对沙漠化的动态变化规律未完全地揭示。再者是所采用的遥感监测的数据没有进行稳定性分析,直接进行遥感分类和沙漠化信息提取,其所得到的数据以及其监测的结果也值得进一步确凿。这种种缺陷使得沙漠化遥感状态监测大大地打了折扣,还需进一步改进。
再次是在土地沙漠化预警中,虽已经建立了各种预警方法和预警模型,但绝大部分还处在探索中,要满足实际需求还需进一步改进。指标预警方法虽然简单实用,但是因监测指标与沙漠化的定量关系不明确,以及部分指标的空间信息模糊,使得利用指标预警法得到的预警结果存在预警信息模糊和空间位置信息模糊,进而影响该方法的广泛使用与推广。预警模型虽来自于沙漠化形成机制,但因数据的限制以及部分机理的简化,使得利用模型进行沙漠化预警的结果与实际情况存在较大的差别,还需要进行进一步研究。
土地沙漠化的监测与预警是沙漠化防治和治理的前提,只有确切地判断沙漠化的警情、了解沙漠化发生的原因、以及确定沙漠化发生的空间位置后才能真正的实现沙漠化防治与治理。然而目前已有的研究成果还不能很好地满足实际使用要求,因此对土地沙漠化监测和预警进深一步研究具有十分重大的实际意义。
发明内容
本发明是针对目前土地沙漠监测与预警中存在的缺性进行发明创造,其提供一种利用稳定的遥感影像数据进行长期区域土地沙漠化变化监测,并根据遥感影像数据沙漠化监测的结果以及发明的区域栅格累加土地沙漠化预警模型对区域的土地沙漠化进行预警的一种新方法。其主要步骤为三部分:一是遥感影像数据的稳定性判定;二是根据稳定遥感影像数据提取沙漠化程度信息;三是利用区域栅格累加土地沙漠化预警模型进行沙漠化预警,并构建沙漠化监测与预警数据库和预警信息系统,利用WEBGIS技术和.NET技术对沙漠化监测与预警的结果进行网络发布。
1 遥感影像数据的稳定性判定
在进行长期连续的沙漠化监测时,首先必须对遥感影像数据的稳定性进行判定,根据数据稳定性选择合适的遥感影像数据作为沙漠化监测数据源。在本发明中,根据沙漠化变化监测的需要,选用已经经过辐射标定、大气校正和空间几何校正的遥感影像数据合成最能反映沙漠化状态和沙漠化程度的时间序列数据——植被指数(NDVI),这一时间序列数据一般不能少于十期;然后利用遥感软件选取植被相对稳定的地域作为稳定性判定的感兴趣区,比如无植被的沙漠、无植被的戈壁、无人类干扰的固定沙丘、自然保护区内保护较好的草地、自然保护区内的大片森林等;再利用遥感软件根据已选好的感兴趣区,依据时间序列分别计算各感兴趣区(或地类)的NDVI均值,再根据各感兴趣区(或地类)均值序列计算标准差和极差,根据标准差大小和极差大小来判定遥感影像数据在该感兴趣区(或地类)的稳定性。
根据已有的测算,NDVI均值标准差在0.05以内,且极差在0.07以下时,该感兴趣区(或地类)具有较好的稳定性,如果NDVI均值标准差在0.05以上,或极差在0.07以外时该感兴趣区(或地类)的稳定性难以满足沙漠化监测的要求。在稳定性判定中,低植被区、中植被区和高植被区都要选择一定的地块进行判定,只有都满足稳定性要求时才能确定为沙漠化监测的数据源。如果原始的数据不能满足监测要求,可以对数据进行合成,比如月的NDVI数据满足不了沙漠化监测的要求,可以合成年NDVI最大值或平均值数据,再进行数据稳定性判定,直到数据满足稳定性要求为止。
2 沙漠化程度信息的提取
选取数据稳定性符合要求的遥感影像数据进行沙漠化程度信息提取。首先利用像元二分模型将稳定的NDVI数据转换成相应的植被盖度数据。在利用像元二分模型反演植被盖度时,植被盖度为零的区域选取在稳定性判定中已知的无植被沙漠或无植被戈壁区域,植被盖度100%的区域选取在稳定性判定中已知植被盖度很高且比较稳定的区域,比如自然保护区内保护较好的草地、自然保护区内的大片森林等,且每期选取的位置区域要求相同,并根据这两类数据计算每期的植被盖度。其次是确定土地沙漠化监测的范围。根据沙漠化已知发生的区域,沙漠化可能发生的土地类型,以及已有的研究成果,确定沙漠化监测的范围。在确定监测范围时,尽可能排除不可能发生沙漠化的地域,减少沙漠化程度判断过程中的干扰信息,达到准确的提取沙漠化信息。再次是根据植被盖度和监测范围采用GB/T24255-2009(沙化土地监测技术规程)中的沙漠化程度分类分级标准进行分类,其将每一期沙漠化土地分成5类,即非沙漠化土地、轻度沙漠化土地、中度沙漠化土地、重度沙漠化土地、极重度沙漠化土地。根据每一期沙漠化程度的分类实现沙漠化长期监测,并依据这种监测方式形成沙漠化长期监测模式。
当然,在利用像元二分模型将NDVI数据转换成植被盖度数据时,因两者之间并非是简单的线性关系,因此在根据GB/T24255-2009(沙化土地监测技术规程)进行沙漠化程度分类过程中,可以根据实际调查的数据对分类值进行适当的调整,以满足实际情况。
3 利用区域栅格累加土地沙漠化预警模型进行沙漠化预警
根据已有的研究成果可知土地沙漠化具有缓慢性、变化性(波动性)、累加性,因此土地沙漠化预警模型应该考虑沙漠化的静态性、动态性和累加性。于是本发明提出一种区域栅格累加土地沙漠化预警模型,通过此模型以及沙漠化长期遥感监测结果实现空间栅格沙漠化预警。其模型如下:
(i=1,2,3,...,n)
其中为空间栅格像元第n年的土地沙漠化预警程度,为第n年遥感影像监测的栅格像元的沙漠化等级,为基期年遥感影像监测的栅格像元的沙漠化等级,n为第n年。为实现沙漠化等级间的数学计算,对沙漠化等级进行赋值:非沙漠化赋值为0,轻度沙漠化赋值为1,中度沙漠化赋值为2,重度沙漠化赋值为3,极重度沙漠化赋值为4。
该沙漠化预警模型是基于遥感影像的空间栅格而进行计算,所以其预警的空间信息十分的明确,避免了以前预警模型中空间信息模糊的缺性。同时该预警模型采用与基期年累积差进行构建,避免了沙漠化过程中的随机波动性,同时又体现了沙漠化的累加性。另外,对沙漠化长期遥感监测实现了对沙漠化缓慢变化的监测。这些考虑使该沙漠化预警模型同时具有沙漠化的静态性、动态性、长期性和累加性。
该沙漠化预警模型的栅格计算可以在GIS软件中实现,比如美国的ARCGIS软件,中国的SurpMap软件等具有栅格运算的GIS软件;也可以在遥感软件中实现,比如美国的ENVI软件,美国的ERDAS软件等,还可以自己编程实现。根据模型计算的沙漠化栅格预警数据,结合沙漠化野外调查资料,以及已有的沙漠化成果资料,建立沙漠化预警程度分类表,如表1所示。然后依据表1将计算的沙漠化栅格预警数据进行分类,将沙漠化预警程度依据从低到高分为9类,即已减轻、重度减轻、中度减轻、轻度减轻、可能变化区域、轻度预警、中度预警、重度预警、极重度预警。并根据沙漠化预警程度类别分别赋予不同的颜色,形成沙漠化预警图。
表1 沙漠化预警程度分类表。
预警等级 | 已减轻 | 重度减轻 | 中度减轻 | 轻度减轻 | 可能变化区域 | 轻度预警 | 中度预警 | 重度预警 | 极重度预警 |
值域范围 | [-4,-2) | [-2,-1) | [-1,-0.5) | [-0.5,0) | 0 | (0,0.5] | (0.5,1] | (1,2] | (2,4] |
最后在GIS平台整合沙漠化长期监测数据、区域栅格累加土地沙漠化预警模型,构建沙漠化监测与预警数据库和预警信息系统,并运用WEBGIS技术和.NET技术对沙漠化监测与预警的结果进行网络发布,指导沙漠化治理与防治实践,同时为区域生态环境综合治理提供相关依据。
在计算区域栅格累加沙漠化预警模型时,还可以根据实际的需要调整每个栅格的大小,通常调整栅格大小不应小于选取数据源的栅格大小。如果需要比数据源更小栅格的数据,只有重新选择更小栅格的稳定数据,或与更高空间分辨率的数据进行融合生成新的数据,再进行沙漠化信息提取,进而根据区域栅格累加沙漠化预警模型进行沙漠化预警。
具体实施方式
根据本发明的原理,利用MODIS数据实现新疆区域土地沙漠化长期监测与预警。
根据本发明原理,首先,对可获取的遥感数据进行初步筛选,选择时间序列在10年以上且具有连续性的遥感数据,并对数据的稳定性进行分析。本实施实例选择MODIS数据的NDVI月尺度标准产品数据MOD13A1数据,其数据已经经过严格的辐射标定、大气校正和空间几何校正,因此本实例不再进行这些标定和校正。接着运用美国ENVI软件,选择六种典型的地类(沙漠、固定沙丘、戈壁、草地、森林、耕地)作为感兴趣区,并进行NDVI数据稳定性分析;其中沙漠选择塔克拉玛干沙漠中心无人区,其地表全部为流沙,植被盖度为0;固定沙丘选择古尔班通古特沙漠中心植被相对均匀的区域,其地表植被为梭梭和春季短命植物;戈壁选择鄯善县七克台镇东面的无人区大戈壁,其地表几乎全为戈壁石,小部分地区有低矮灌木;草地选择植被盖度很高,且保护较好那那提大草原,其地表主要是禾本植物;森林选择喀纳斯湖东岸的面积较大林区,其乔木主要为落叶松、红松、云杉,乔木下边一般生长着大量的草本植物;耕地选择石河子附近团场的耕地,其主要种植作物为棉花。为消除因为图像空间校正带来的影像栅格错位,每个固定地类区域选择4×4个栅格,即总计16个栅格。再利用美国的ENVI软件计算每年每个月的感兴趣区地类的NDVI均值,将相应的计算均值记录在Excel软件中,并计算每个月各地类NDVI均值的标准方差和极差。其计算结果表明:低植被盖度的NDVI数据各月份、各年份的稳定性都符合要求,而高植被盖度的NDVI因月份、年份的不同而存在差异,不能满足稳定性要求。进而对数据4~9月份的最大NDVI进行合成,并采用上述相同的稳定性计算方法进行分析,发现4~9月份的最大NDVI合成数据稳定性符合要求,并确定为新疆沙漠化监测的数据源。
其次,根据选定的数据源提取土地沙漠化程度信息。利用像元二分模型将每年的NDVI数据转化成植被盖度数据。在进行转换时,植被盖度为0的区域选择选择塔克拉玛干沙漠中心的无人区,植被盖度100%的区域选择那那提大草原自然保护区。根据新疆沙漠化发生的范围和沙漠化土壤演变规律,确定流动沙地、半流动沙地、固定沙地、平沙地、盐碱地、戈壁作为新疆沙漠化监测的范围。根据GB/T24255-2009(沙化土地监测技术规程)中的沙漠化程度分类分级标准,其将每一期沙漠化土地分成5类,即非沙漠化土地、轻度沙漠化土地、中度沙漠化土地、重度沙漠化土地、极重度沙漠化土地。根据每一期沙漠化程度的分类实现新疆土地沙漠化变化的长期监测。
再次,根据本发明创建的沙漠化区域栅格累加预警模型,以及新疆2000年至2011年每年的沙漠化程度分类监测数据,进行沙漠化预警。其沙漠化预警的基期年定为2000年,预警年份为2011年,沙漠化预警模型中的栅格运算、栅格重分类和重新赋予颜色均在美国ARCGIS软件中进行,沙漠化预警级别依据上述的表1将沙漠化预警程度依据从低到高分为9类,即已减轻、重度减轻、中度减轻、轻度减轻、可能变化区域、轻度预警、中度预警、重度预警、极重度预警,并赋予不同颜色形成新疆2011年沙漠预警图。
从新疆2011年沙漠预警图发现南疆土地沙漠化的警情整体大于北疆,其中土地沙漠化警情最大的是塔里木河中游,特别是英巴扎到恰拉段。另外在乌鲁木齐市的达坂城区,乌伦古湖的西北侧和西南侧,车儿臣河中游,策勒县、于田县北侧,且末县西部,麦盖提县西部,巴楚县西部均出现不同程度的沙漠化警情。针对土地沙漠警情较大的区,采用野外调查的方式对其警情进行验证,其验证结果表明,该预警方法得出的预警结果比较符合实际情况。
最后,在中国SurperMap软件平台上,利用新疆2000年至2011年每年的沙漠化程度分类监测数据、气象资料数据、社会统计数据构建新疆沙漠化监测与预警数据库,在SuperMap IS. NET和Supermap Objects 2008的平上台,运用Visual Studio 2005,采用VB编程语言,实现区域栅格累加沙漠化预警模型计算机程序化,并与预警数据库构建新疆沙漠化预警信息系统,并运用WEBGIS技术和.NET技术将新疆土地沙漠化监测与预警的结果进行网络发布。实现沙漠化监测与预警信息共享,同时指导新疆土地沙漠化治理与防治。
以上所述仅为本发明较佳的实施例子,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (9)
1.一种区域栅格累加土地沙漠化预警方法,其特征在于是一种利用遥感影像数据进行长期区域土地沙漠化变化监测,根据遥感影像沙漠化监测结果以及区域栅格累加土地沙漠化预警模型对区域的土地沙漠化进行预警的一种新方法;其主要包含三部分:一是遥感影像数据的稳定性判定;二是根据稳定遥感影像数据提取沙漠化程度信息;三是利用区域栅格累加土地沙漠化预警模型进行沙漠化预警,并构建沙漠化监测与预警数据库和预警信息系统,利用WEBGIS技术和.NET技术对沙漠化监测与预警的结果进行网络发布;其中:
根据沙漠化变化监测的需要,选用已经经过辐射标定、大气校正和空间几何校正的遥感影像数据合成最能反映沙漠化状态和沙漠化程度的时间序列数据;然后利用遥感软件选取植被相对稳定的地域作为稳定性评判的感兴趣区:无植被的沙漠、无植被的戈壁、无人类干扰的固定沙丘、自然保护区内保护较好的草地和自然保护区内的大片森林;再利用遥感软件依据时间序列分别计算各感兴趣区的NDVI均值,再根据各感兴趣区均值序列计算均值标准差和极差,根据均值标准差大小和极差大小来判定遥感影像数据在该感兴趣区的稳定性;
利用像元二分模型将NDVI数据转换成植被盖度数据;其植被盖度为零的区域选取在稳定性评判中已知的无植被沙漠或无植被戈壁区域,植被盖度100%的区域选取在稳定性评判中已知植被盖度很高且比较稳定的区域,且每期选取的位置区域要求相同;再根据沙漠化已知发生的区域,沙漠化可能发生的土地类型,以及已有的研究成果,确定沙漠化监测的范围;然后根据植被盖度和监测范围采用GB/T24255-2009沙化土地监测技术规程中的沙漠化程度分类分级标准进行分类,并依据这种监测方式形成沙漠化长期监测模式;
提出一种区域栅格累加土地沙漠化预警模型,其模型如下:
(i=1,2,3,...,n)
其中为空间栅格像元第n年的土地沙漠化预警程度,为第n年遥感影像监测的栅格像元的沙漠化等级,为基期年遥感影像监测的栅格像元的沙漠化等级,n为第n年;该沙漠化预警模型的栅格计算通过GIS软件、遥感软件或自己编程实现。
2.按权利要求1所述的区域栅格累加土地沙漠化预警方法,其特征在于,其特征在于,在GIS平台整合沙漠化长期监测数据、区域栅格累加土地沙漠化预警模型,构建沙漠化监测与预警数据库和预警信息系统,并运用WEBGIS技术和.NET技术对沙漠化监测与预警的结果进行网络发布。
3.按权利要求1或2所述的区域栅格累加土地沙漠化预警方法,其特征在于,NDVI均值的标准差在0.05以内,且极差在0.07以下时,该感兴趣区具有较好的稳定性,而NDVI均值标准差在0.05以上,或极差在0.07以外时,该感兴趣区的稳定性难以满足沙漠化监测的要求;在稳定性评判中,低植被区、中植被区和高植被区都要选择一定的地块进行评价,只有都满足稳定性要求时才能确定为沙漠化监测的数据源;如果原始的数据不能满足监测要求,可以对数据进行合成,再进行数据稳定性评判,直到数据满足稳定性要求为止。
4.按权利要求1或2所述的区域栅格累加土地沙漠化预警方法,其特征在于,在根据GB/T24255-2009沙化土地监测技术规程进行沙漠化程度分类过程中,可以根据实际调查的数据对分类值进行适当的调整,以满足实际情况。
5.按权利要求3所述的区域栅格累加土地沙漠化预警方法,其特征在于,在根据GB/T24255-2009沙化土地监测技术规程进行沙漠化程度分类过程中,可以根据实际调查的数据对分类值进行适当的调整,以满足实际情况。
6.按权利要求1或2所述的区域栅格累加土地沙漠化预警方法,其特征在于,根据模型计算的沙漠化栅格预警数据,结合沙漠化野外调查资料,以及已有的沙漠化成果资料,将沙漠化预警程度依据从低到高分为9类,即已减轻、重度减轻、中度减轻、轻度减轻、可能变化区域、轻度预警、中度预警、重度预警、极重度预警;并根据沙漠化预警程度类别分别赋予不同的颜色,形成沙漠化预警图。
7.按权利要求3所述的区域栅格累加土地沙漠化预警方法,其特征在于,根据模型计算的沙漠化栅格预警数据,结合沙漠化野外调查资料,以及已有的沙漠化成果资料,将沙漠化预警程度依据从低到高分为9类,即已减轻、重度减轻、中度减轻、轻度减轻、可能变化区域、轻度预警、中度预警、重度预警、极重度预警;并根据沙漠化预警程度类别分别赋予不同的颜色,形成沙漠化预警图。
8.按权利要求4所述的区域栅格累加土地沙漠化预警方法,其特征在于,根据模型计算的沙漠化栅格预警数据,结合沙漠化野外调查资料,以及已有的沙漠化成果资料,将沙漠化预警程度依据从低到高分为9类,即已减轻、重度减轻、中度减轻、轻度减轻、可能变化区域、轻度预警、中度预警、重度预警、极重度预警;并根据沙漠化预警程度类别分别赋予不同的颜色,形成沙漠化预警图。
9.按权利要求5所述的区域栅格累加土地沙漠化预警方法,其特征在于,根据模型计算的沙漠化栅格预警数据,结合沙漠化野外调查资料,以及已有的沙漠化成果资料,将沙漠化预警程度依据从低到高分为9类,即已减轻、重度减轻、中度减轻、轻度减轻、可能变化区域、轻度预警、中度预警、重度预警、极重度预警;并根据沙漠化预警程度类别分别赋予不同的颜色,形成沙漠化预警图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210144411.9A CN102915616B (zh) | 2012-05-11 | 2012-05-11 | 一种区域栅格累加土地沙漠化预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210144411.9A CN102915616B (zh) | 2012-05-11 | 2012-05-11 | 一种区域栅格累加土地沙漠化预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102915616A CN102915616A (zh) | 2013-02-06 |
CN102915616B true CN102915616B (zh) | 2015-07-01 |
Family
ID=47613962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210144411.9A Expired - Fee Related CN102915616B (zh) | 2012-05-11 | 2012-05-11 | 一种区域栅格累加土地沙漠化预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102915616B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108051565A (zh) * | 2017-12-14 | 2018-05-18 | 中国科学院地理科学与资源研究所 | 大尺度土地沙漠化的快速监测方法 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903014B (zh) * | 2014-04-17 | 2017-04-05 | 西安煤航遥感信息有限公司 | 一种基于卫星遥感技术的荒漠化判释方法 |
CN107797152A (zh) * | 2017-06-06 | 2018-03-13 | 青岛大学 | 一种盐湖卤水探测方法 |
CN108761447A (zh) * | 2018-05-22 | 2018-11-06 | 贵州师范大学 | 一种基于雷达后向散射系数时间序列的石漠化判断方法 |
CN109166295B (zh) * | 2018-09-21 | 2020-04-28 | 中科海慧(天津)科技有限公司 | 一种沙漠化灾害预警方法 |
CN110991332A (zh) * | 2019-11-30 | 2020-04-10 | 内蒙古蒙草生命共同体大数据有限公司 | 一种植被指数预警方法 |
CN110991333A (zh) * | 2019-11-30 | 2020-04-10 | 内蒙古蒙草生命共同体大数据有限公司 | 一种地上生物量预警方法 |
CN112733587A (zh) * | 2020-08-10 | 2021-04-30 | 长春理工大学 | 一种沙漠化进程演变监测方法 |
CN112200355B (zh) * | 2020-09-30 | 2024-01-05 | 杭州鲁尔物联科技有限公司 | 一种滑坡的预测方法、装置、设备和存储介质 |
CN112668448B (zh) * | 2020-12-24 | 2021-08-10 | 中国科学院地理科学与资源研究所 | 一种生态进程变化分析方法、装置、介质及终端设备 |
CN112527442B (zh) * | 2020-12-24 | 2021-08-10 | 中国科学院地理科学与资源研究所 | 一种环境数据多维显示方法、装置、介质及终端设备 |
CN113033477A (zh) * | 2021-04-19 | 2021-06-25 | 遥相科技发展(北京)有限公司 | 基于遥感的农耕用地沙化监测和预警方法、系统及存储介质 |
CN113295849B (zh) * | 2021-05-21 | 2022-12-13 | 新疆大学 | 一种通过沉积体系分布样式确定陆相湖盆古风向的方法 |
CN114417092B (zh) * | 2021-11-09 | 2023-06-27 | 长安大学 | 沙漠化监测指数的构建方法及沙漠化状态变化趋势评价方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1924611A (zh) * | 2005-08-29 | 2007-03-07 | 王长耀 | 土地退化(荒漠化)评价参数遥感反演与监测技术方法 |
CN101201927A (zh) * | 2006-12-14 | 2008-06-18 | 中国科学院东北地理与农业生态研究所 | 区域土地退化的动态评价及分区预警系统 |
-
2012
- 2012-05-11 CN CN201210144411.9A patent/CN102915616B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1924611A (zh) * | 2005-08-29 | 2007-03-07 | 王长耀 | 土地退化(荒漠化)评价参数遥感反演与监测技术方法 |
CN101201927A (zh) * | 2006-12-14 | 2008-06-18 | 中国科学院东北地理与农业生态研究所 | 区域土地退化的动态评价及分区预警系统 |
Non-Patent Citations (2)
Title |
---|
基于决策树分类的塔里木河下游沙漠化动态变化分析;李诚志等;《环境科学研究》;20110831;第24卷(第8期);933-941 * |
塔里木河下游土壤风蚀期0-15cm层土壤含水率分布规律;李诚志等;《地理科学》;20120430;第32卷(第4期);511-515 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108051565A (zh) * | 2017-12-14 | 2018-05-18 | 中国科学院地理科学与资源研究所 | 大尺度土地沙漠化的快速监测方法 |
CN108051565B (zh) * | 2017-12-14 | 2019-02-22 | 中国科学院地理科学与资源研究所 | 大尺度土地沙漠化的快速监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102915616A (zh) | 2013-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102915616B (zh) | 一种区域栅格累加土地沙漠化预警方法 | |
Cui et al. | Landscape ecological risk assessment in Qinling Mountain | |
El-Tantawi et al. | Monitoring and predicting land use/cover changes in the Aksu-Tarim River Basin, Xinjiang-China (1990–2030) | |
Sohail et al. | Impacts of urbanization and land cover dynamics on underground water in Islamabad, Pakistan | |
Wang et al. | Establishing an ecological security pattern for urban agglomeration, taking ecosystem services and human interference factors into consideration | |
Bednarik et al. | Landslide hazard and risk assessment: a case study from the Hlohovec–Sered’landslide area in south-west Slovakia | |
Were et al. | Remotely sensing the spatial and temporal land cover changes in Eastern Mau forest reserve and Lake Nakuru drainage basin, Kenya | |
Davudirad et al. | The impact of development plans on hydrological changes in the Shazand Watershed, Iran | |
Li et al. | Effects of land use changes on soil erosion in a fast developing area | |
Mhangara et al. | Soil erosion risk assessment of the Keiskamma catchment, South Africa using GIS and remote sensing | |
Cazorzi et al. | Drainage network detection and assessment of network storage capacity in agrarian landscape | |
Shi et al. | Physically based simulation of the streamflow decrease caused by sediment‐trapping dams in the middle Yellow River | |
Ran et al. | Delineation of reservoirs using remote sensing and their storage estimate: an example of the Yellow River basin, China | |
Schleier et al. | Robust landslide susceptibility analysis by combination of frequency ratio, heuristic GIS-methods and ground truth evaluation for a mountainous study area with poor data availability in the Three Gorges Reservoir area, PR China | |
Bozán et al. | Integrated spatial assessment of inland excess water hazard on the Great Hungarian Plain | |
Van Soesbergen et al. | Uncertainty in data for hydrological ecosystem services modelling: Potential implications for estimating services and beneficiaries for the CAZ Madagascar | |
Hobeichi et al. | Robust historical evapotranspiration trends across climate regimes | |
Shahriar et al. | Climate change projection using statistical downscaling model over Chittagong Division, Bangladesh | |
Xu et al. | Boundary demarcation of the damaged cultivated land caused by coal mining subsidence | |
Chandu et al. | Hydrological impacts of climate and land-use change in Western Ghats, India | |
Mzuri et al. | Land degradation assessment using AHP and GIS-based modelling in Duhok District, Kurdistan Region, Iraq | |
Mosase et al. | Spatial and temporal distribution of blue water in the Limpopo River Basin, Southern Africa: A case study | |
Raj et al. | Towards evaluating gully erosion volume and erosion rates in the Chambal badlands, Central India | |
Dörwald et al. | Dune movement under climatic changes on the north‐eastern Tibetan Plateau as recorded by long‐term satellite observation versus ERA‐5 reanalysis | |
Xu et al. | Driving forces of nature and human activities on water and sediment changes in the middle reaches of the Yellow River in the past 100 years |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150701 Termination date: 20190511 |