CN108388566B - 一种植物物种丰富度分布的空间模拟方法 - Google Patents

一种植物物种丰富度分布的空间模拟方法 Download PDF

Info

Publication number
CN108388566B
CN108388566B CN201710450396.3A CN201710450396A CN108388566B CN 108388566 B CN108388566 B CN 108388566B CN 201710450396 A CN201710450396 A CN 201710450396A CN 108388566 B CN108388566 B CN 108388566B
Authority
CN
China
Prior art keywords
plant species
abundance
correlation
coverage
land utilization
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.)
Active
Application number
CN201710450396.3A
Other languages
English (en)
Other versions
CN108388566A (zh
Inventor
范泽孟
黄言
岳天祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Institute of Geographic Sciences and Natural Resources of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN201710450396.3A priority Critical patent/CN108388566B/zh
Publication of CN108388566A publication Critical patent/CN108388566A/zh
Application granted granted Critical
Publication of CN108388566B publication Critical patent/CN108388566B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/30—Polynomial surface description
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种植物物种丰富度分布的空间模拟方法。该方法的实现主要包括三个步骤：首先，在收集和预处理研究区的自然保护区植物物种数据、土地利用/覆盖数据、年平均生物温度和降水数据、DEM数据和土壤数据的基础上，实现各参数因子的空间化处理和统计分析；其次，分别建立植物物种丰富度与土地利用/覆盖面积、环境因子和土地利用/覆盖类型结构指数三大类生境因子之间相关性的最佳方程；最后，实现三大类因子最佳相关方程的综合集成，构建植物物种丰富度的空间模拟方法，实现植物物种丰富度的空间模拟分析。该方法不仅能够实现中宏观尺度上的植物物种丰富度的空间分布模拟，而且具有很好模拟精度和很强的可操作性。

Description

一种植物物种丰富度分布的空间模拟方法
技术领域
本方法涉及一种植物物种丰富度分布的空间模拟方法，适用于全球变化及生态效应研究领域。
背景技术
气候条件、地形地貌、土壤、土地利用/覆盖变化等生境因子之间的互相作用决定着植物物种的空间分布格局。植物通过截留水分与养分循环来影响水土保持以及地表元素循环过程，其空间分布不仅直接决定其他物种生存所必需的物质和能量的空间分布状况，而且植物物种丰富度在一定程度上决定了其他物种的多样性。因此，如何在对气候条件、地形地貌、土壤、土地利用/覆盖变化等生境因子进行综合考虑的情况下，构建植物物种丰富度的空间模拟方法，不仅是在宏观尺度上定量分析和揭示植物物种丰富度的空间格局变化的关键方法和技术，也是区域、全国乃至全球尺度上开展生物多样性和生态安全空间分析研究的焦点内容之一。
植物物种与生境因子的相关关系研究，一直是国内外生态学领域科研究的热点问题。不管是从单一植物物种到种群及群落的定点监测、网络观测、野外调研，还是从单一生境因子到多个生境因子与植物物种分布之间的相关关系分析，都取得了长足进展。譬如，最具代表性的种-面积曲线方法，定量揭示了物种数量随取样面积增加而变化的规律（Arrhenius O, Species and area. Journal of Ecology,1921, 9: 95-99）。Stephenson研究表明气温和降水是影响植物物种类型及其分布的主要气候因子（Stephenson N L.Climatic control of vegetation distribution: the role of the water balance.American Naturalist, 1990, 135(5): 649-670）。Chapin II等人研究表明土地利用/覆盖作为全球变化的主要载体，直接影响地球系统的生物多样性，对陆地生态系统来说，土地利用/覆盖已成为致使物种多样性丧失、改变植物物种空间分布格局的主要驱动因子之一（Chapin II IFS, Zavaleta ES, Eviner VT, et al. Consequences of changingbiodiversity. Nature, 2000, 405: 234–242）。尤其是近些年来，国内外在植物物种空间分布与生境因子相关关系方面开展了大量的研究工作。但主要集中在利用样方采样和历史观测等数据，进行植物物种与生境因子之间关系的统计分析，进而对局地格局上的植物物种丰富度与生境因子之间的关系进行解释，而如何运用GIS空间分析方法，在对离散的植物物种观测数据与相应生境因子之间的相关关系分析的基础上，进行区域尺度乃至更大尺度上的植物物种分布的空间模拟分析研究则相对较少。另外，在考虑生境因子与植物物种空间分布的关系时，虽然有的研究选择了多个生境因子，但在分析过程中，往往分别统计单一生境因子与植物物种之间的相关关系，而缺乏系统地同时考虑多个生境因子与植物物种分布关系的综合分析。
另外，在对国家自然保护区的植物物种数量、土地利用/覆盖及其他环境因子分析的过程中发现，自然保护区土地利用/覆盖动态变化强度低于非保护区，而且自然保护区的植物物种丰富度的空间分布与自然保护区内特定环境因子、土地利用/覆盖类型及其结构指数具有很好的相关性特征。因此，本发明针对上述现有方法的局限性，综合考虑气候条件、地形地貌、土壤、土地利用/覆盖变化等生境因子，利用目前植物物种资料最全的自然保护区调研、观测和统计数据，发明了一种植物物种丰富度分布的空间模拟方法，并实现植物物种丰富度的空间模拟分析，对我国生物多样性保护战略实施、国际生物多样性公约谈判、以及生物多样性和生态系统服务政府间科学政策平台（IPBES）合作研究具有重要意义。
发明内容
本发明旨在针对自然保护区的植物物种丰富度的空间分布与自然保护区内特定环境因子、土地利用/覆盖类型面积及其结构指数具有很强的相关关系这一规律，以自然保护区的植物物种数据作为基准模拟情况和样本数据，充分利用现有自然保护区的植物物种调研、观测和统计数据，在对其植物物种分布丰富度与土地利用/覆盖类型（耕地、林地、草地、湿地、荒漠、建设用地）面积、环境因子（年平均降水、年平均生物温度、地形起伏度、土壤厚度、土壤有机质）、土地利用/覆盖类型结构指数（斑块连通性、破碎度、生态多样性）等三大类生境因子之间的相互作用和影响机理进行定量统计分析的基础上，筛选和确定最佳相关分析方程，构建植物物种丰富度的空间模拟分析模型，进而实现植物物种丰富度的空间模拟分析。为了实现上述目的，本发明实现的关键技术方案包括以下几个步骤：
第一步、数据收集与预处理
1-1）在收集研究区国家自然保护空间范围图及其植物物种数量的基础上，运用GIS空间制图功能，实现各个自然保护区边界矢量数字化，并结合土地利用/覆盖空间数据、DEM数据、气候因子数据和土壤数据，构建植物物种丰富度空间模拟分析模型所需基础参数的空间数据库。
1-2）运用高精度曲面建模（HASM）方法，分别实现各自然保护区年平均生物温度、年平均降水、土壤有机质、土壤厚度的空间模拟。
1-3）运用GIS空间分析方法，分别求算各个自然保护区类内每一种土地利用/覆盖类型的面积，及其结构的斑块连通性、破碎度和生态多样性指数，以及计算地形起伏度指数。
第二步、构建植物物种丰富度与生境因子相关性的最佳方程
2-1）分别采用线性相关和多种非线性相关方程对自然保护区的植物物种丰富度与土地利用/覆盖类型（耕地、林地、草地、湿地、荒漠、建设用地）面积之间的相关性进行定量求解，并以相关系数最高者对应的拟合方程作为二者之间的最佳相关方程。
2-2）分别采用线性相关和多种非线性相关方程对自然保护区的植物物种丰富度与环境因子（年平均生物温度、年平均降水、土壤有机质、土壤厚度及地形起伏度）之间的相关关系进行拟合求算，并以相关系数最高者对应的拟合方程作为二者之间的最佳相关方程。
2-3）分别采用线性相关和多种非线性相关方程对自然保护区的植物物种丰富度与土地利用/覆盖结构指数（斑块连通性、破碎度及生态多样性）的相关关系进行拟合求算，并以相关系数最高者对应的拟合方程作为二者之间的最佳相关方程。
第三步、构建植物物种丰富度空间模拟分析模型
3-1）运用第二步获得的植物物种丰富度与土地利用/覆盖类型面积、环境因子和土地利用/覆盖结构指数三大类型因子的最佳相关拟合方程，利用空间相关分析方法，建立植物物种丰富度与生境因子之间的最佳空间相关方程，进而构建研究区的植物物种丰富度空间模拟模型。
3-2）基于GIS空间模拟分析平台和运用各生境因子的空间栅格数据，调试和运行植物物种丰富度空间模拟模型，并在利用部分国家自然保护区现有植物物种丰富度数据进行精度验证和误差分析的基础上，实现研究区植物物种丰富度的空间模拟分析。
具体实施方式
为了使本发明的目的、技术方案更加清晰，以下对本发明进一步详细说明。应当理解，此处所描述的具体实时方式仅仅用以解释本发明，并不用于限定本发明。
本发明公开了一种植物物种丰富度分布的空间模拟方法，包括以下步骤：
第一步、数据收集与预处理；
第二步、构建植物物种丰富度与生境因子相关性的最佳方程；
第三步、构建植物物种丰富度空间模拟分析模型。
以下对具体步骤进行详述：
研究区数据收集与预处理。模型构建所需的基础数据包括研究区植物物种数据、自然保护区边界、土地利用/覆盖数据、气候数据、土壤数据和DEM数据。首先，运用GIS空间制图功能，实现各自然保护区边界的空间矢量化，并结合文献资料、网络搜索、野外调研等获取的植物物种数据，构建研究区自然保护区及其植物物种数据的空间数据库；其次，运用高精度曲面建模（HASM）方法，对气候数据、土壤有机质和土壤厚度数据进行高精度空间模拟，获得年平均生物温度、年平均降水、土壤有机质和土壤厚度的空间栅格数据。HASM方法是为了解决现有曲面建模方法的误差问题，运用曲面论基本定理进行曲面建模的方法。针对空间网格
Figure DEST_PATH_IMAGE001
,
Figure 493649DEST_PATH_IMAGE002
,
Figure DEST_PATH_IMAGE003
，基于高斯方程HASM方法可表达为等式约束的最小二乘问题（Yue TX. Surface Modelling: High Accuracy and High SpeedMethods. New York: CRC Press, 2011）：
Figure DEST_PATH_IMAGE005
(1)
式中，
Figure DEST_PATH_IMAGE007
和分别为采样矩阵和采样向量，
Figure DEST_PATH_IMAGE009
为采样点个数。
再次，利用GIS空间统计分析方法，实现研究区内各自然保护区内各土地覆盖类型（耕地
Figure 993507DEST_PATH_IMAGE010
、林地
Figure DEST_PATH_IMAGE011
、草地
Figure 753652DEST_PATH_IMAGE012
、湿地
Figure DEST_PATH_IMAGE013
、荒漠
Figure 833735DEST_PATH_IMAGE014
、建设用地
Figure DEST_PATH_IMAGE015
）的面积、年平均生物温度
Figure 905072DEST_PATH_IMAGE016
、年平均降水
Figure DEST_PATH_IMAGE017
、地形起伏度
Figure 449317DEST_PATH_IMAGE018
、土壤有机质
Figure DEST_PATH_IMAGE019
和土壤厚度
Figure 380364DEST_PATH_IMAGE020
进行空间统计求算；最后，选取相关的指数模型，分别对研究区内各自然保护区的土地利用/覆盖结构指数（斑块连通性、破碎度和多样性）进行计算，理论公式分别如下：
Figure DEST_PATH_IMAGE021
(2)
Figure 10059DEST_PATH_IMAGE022
(3)
Figure DEST_PATH_IMAGE023
（4）
式中，
Figure 557191DEST_PATH_IMAGE024
为土地覆盖斑块连通性指数，
Figure DEST_PATH_IMAGE025
为第i种土地覆盖类型的第j个斑块的面积占研究区域总面积的比率，
Figure 955942DEST_PATH_IMAGE026
为第i种土地利用/覆盖类型第j个斑块的面积，
Figure DEST_PATH_IMAGE027
为第i种土地利用/覆盖类型第j个斑块的周长，
Figure 323470DEST_PATH_IMAGE028
为正六边形周长的平方与其面积的比值，
Figure DEST_PATH_IMAGE029
为土地利用/覆盖的景观破碎度，
Figure 440461DEST_PATH_IMAGE030
为土地利用/覆盖的总类型数，
Figure DEST_PATH_IMAGE031
为某种土地利用/覆盖类型的斑块数，
Figure 653268DEST_PATH_IMAGE032
为土地利用/覆盖景观多样性指数，
Figure DEST_PATH_IMAGE033
为第i种土地利用/覆盖类型面积的概率，即其占总研究区土地利用/覆盖面积的比例，
Figure 231492DEST_PATH_IMAGE034
为土地利用/覆盖类型总数目，
Figure DEST_PATH_IMAGE035
为观测尺度，
Figure 504342DEST_PATH_IMAGE036
为研究区总面积，
Figure DEST_PATH_IMAGE037
=2.71828，
Figure 170946DEST_PATH_IMAGE038
为时间变量。
植物物种丰富度与生境因子相关性的最佳方程构建。在对植物物种丰富度分布与生境因子之间的相关性进行定量分析的过程中，将植物物种丰富度分别与各土地利用/覆盖类型面积、环境因子和土地利用/覆盖结构指数三大类因子进行空间相关分析，进而确定与各大类因子之间的相关性拟合的最佳方程。
首先，对自然保护区的植物物种丰富度与土地利用/覆盖类型（耕地、林地、草地、湿地、荒漠、建设用地）面积之间的相关性分别进行多种回归拟合，在各个拟合方程进行对比分析的基础上，确定二者之间的最佳相关回归方程为：
Figure DEST_PATH_IMAGE039
(5)
式中，
Figure 125127DEST_PATH_IMAGE040
代表基于土地利用/覆盖类型面积求解的植物物种丰富度，
Figure DEST_PATH_IMAGE041
为植物物种丰富度与各种土地利用/覆盖类型之间的方程系数，
Figure 560788DEST_PATH_IMAGE042
为常量，其余参数含义同上。
其次，对自然保护区的植物物种丰富度与环境因子（年平均降水、年平均生物温度、地形起伏度、土壤厚度、土壤有机质）之间的相关性分别进行多种回归拟合，在各个拟合方程进行对比分析的基础上，确定二者之间的最佳相关回归方程为：
Figure DEST_PATH_IMAGE043
(6)
式中，
Figure 270118DEST_PATH_IMAGE044
代表基于环境因子求解的植物物种丰富度，
Figure DEST_PATH_IMAGE045
为植物物种丰富度与各种环境因子之间的方程系数，
Figure 158439DEST_PATH_IMAGE046
为常量，其余参数含义同上。
再次，对自然保护区的植物物种丰富度与土地利用/覆盖结构指数（斑块连通性、破碎度及生态多样性）之间的相关性分别进行多种回归拟合，在各个拟合方程进行对比分析的基础上，确定二者之间的最佳相关回归方程为：
Figure DEST_PATH_IMAGE047
(6)
式中，
Figure 975698DEST_PATH_IMAGE048
代表基于土地利用/覆盖类型结构指数求解的植物物种丰富度，
Figure DEST_PATH_IMAGE049
为植物物种丰富度与各种土地利用/覆盖结构指数之间的方程系数，
Figure 265865DEST_PATH_IMAGE050
和
Figure DEST_PATH_IMAGE051
为常量，其余参数含义同上。
植物物种丰富度空间模拟分析模型的构建。首先，在分别获得植物物种丰富度与土地利用/覆盖类型面积、环境因子和土地利用/覆盖结构指数三大类型因子的最佳相关拟合方程的基础上，对三大类因子的最佳拟合方程进行综合集成，建立植物物种丰富度与生境因子之间的最佳空间相关方程，实现研究区植物物种丰富度空间分布的模拟分析。其理论计算公式可表达为：
Figure 146096DEST_PATH_IMAGE052
(7)
式中，
Figure DEST_PATH_IMAGE053
为t时段空间模拟单元（模拟栅格
Figure 521714DEST_PATH_IMAGE054
）上的植物物种丰富度；
Figure DEST_PATH_IMAGE055
为t时段基于土地利用/覆盖类型面积模拟的空间模拟单元（模拟栅格
Figure 880014DEST_PATH_IMAGE054
）上植物物种丰富度的模拟值；
Figure 290267DEST_PATH_IMAGE056
为t时段基于环境因子变量模拟的空间模拟单元（模拟栅格
Figure 403716DEST_PATH_IMAGE054
）上植物物种丰富度的模拟值；
Figure DEST_PATH_IMAGE057
为t时段基于土地利用/覆盖类型结构指数模拟的空间模拟单元（模拟栅格
Figure 266630DEST_PATH_IMAGE054
）上植物物种丰富度的模拟值；
Figure 428621DEST_PATH_IMAGE058
分别为植物物种丰富度与土地利用/覆盖类型面积、环境因子和土地利用/覆盖结构指数三大类型因子之间的最佳空间相关方程的权重系数。
其次，基于GIS空间模拟分析平台和各生境因子的空间栅格数据，调试和运行方程（7），利用国家自然保护区现有植物物种丰富度数据进行模拟，并对精度进行验证和误差分析，最终实现研究区植物物种丰富度的空间模拟分析。
利用本发明构建了植物物种丰富度空间模拟方法，对青藏高原维管植物物种丰富度的空间分布进行了模拟测试分析。测试结果显示，利用方程（7）对青藏高原维管植物物种与土地利用/覆盖类型面积、环境因子和土地利用/覆盖结构指数三大类型因子之间的复相关系数高达0.93，而且满足0.01的显著性相关检验。误差分析表明，该方法对青藏高原35个国家自然保护区维管植物物种丰富度的模拟误差仅约为2种/km2。模拟结果显示，对整个青藏高原范围内的维管植物物种丰富度分布的空间模拟值与该区域的维管植物物种丰富度的实际分布情况具有很好的一致性。以上案例分析表明，该方法不仅能够实现中宏观尺度上的植物物种丰富度的空间分布模拟，而且具有很好模拟精度和很强的可操作性。

Claims (1)

1.一种植物物种丰富度分布的空间模拟方法，包括三个步骤：
第一步、数据收集与预处理
1-1在收集研究区国家自然保护空间范围图及其植物物种数量的基础上，运用GIS空间制图功能，实现各个自然保护区边界矢量数字化，并结合土地利用/覆盖空间数据、DEM数据、气候因子数据和土壤数据，构建植物物种丰富度空间模拟分析模型所需基础参数的空间数据库；
1-2运用高精度曲面建模HASM方法，分别实现各自然保护区年平均生物温度、年平均降水、土壤有机质、土壤厚度的空间模拟；
1-3运用GIS空间分析方法，分别求算各个自然保护区类内每一种土地利用/覆盖类型的面积，及其结构的斑块连通性、破碎度和生态多样性指数，以及计算地形起伏度指数；
第二步、构建植物物种丰富度与生境因子相关性的最佳方程
2-1分别采用线性相关和多种非线性相关方程对自然保护区的植物物种丰富度与土地利用/覆盖类型面积之间的相关性进行定量求解，并以相关系数最高者对应的拟合方程作为二者之间的最佳相关方程，土地利用/覆盖类型为耕地、林地、草地、湿地、荒漠、建设用地；
2-2分别采用线性相关和多种非线性相关方程对自然保护区的植物物种丰富度与环境因子之间的相关关系进行拟合求算，并以相关系数最高者对应的拟合方程作为二者之间的最佳相关方程，环境环境因子为年平均生物温度、年平均降水、土壤有机质、土壤厚度及地形起伏度；
2-3分别采用线性相关和多种非线性相关方程对自然保护区的植物物种丰富度与土地利用/覆盖结构指数及生态多样性的相关关系进行拟合求算，并以相关系数最高者对应的拟合方程作为二者之间的最佳相关方程，土地利用/覆盖结构指数为斑块连通性和破碎度；
第三步、构建植物物种丰富度空间模拟分析模型
3-1运用第二步获得的植物物种丰富度与土地利用/覆盖类型面积、环境因子和土地利用/覆盖结构指数三大类型因子的最佳相关拟合方程，利用空间相关分析方法，建立植物物种丰富度与生境因子之间的最佳空间相关方程，进而构建研究区的植物物种丰富度空间模拟模型；
3-2基于GIS空间模拟分析平台和运用各生境因子的空间栅格数据，调试和运行植物物种丰富度空间模拟模型，并在利用部分国家自然保护区现有植物物种丰富度数据进行精度验证和误差分析的基础上，实现研究区植物物种丰富度的空间模拟分析。
CN201710450396.3A 2017-06-15 2017-06-15 一种植物物种丰富度分布的空间模拟方法 Active CN108388566B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710450396.3A CN108388566B (zh) 2017-06-15 2017-06-15 一种植物物种丰富度分布的空间模拟方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710450396.3A CN108388566B (zh) 2017-06-15 2017-06-15 一种植物物种丰富度分布的空间模拟方法

Publications (2)

Publication Number Publication Date
CN108388566A CN108388566A (zh) 2018-08-10
CN108388566B true CN108388566B (zh) 2021-07-27

Family

ID=63076406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710450396.3A Active CN108388566B (zh) 2017-06-15 2017-06-15 一种植物物种丰富度分布的空间模拟方法

Country Status (1)

Country Link
CN (1) CN108388566B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109359163A (zh) * 2018-08-29 2019-02-19 中国科学院地理科学与资源研究所 城市群区域空间扩展的用地生态价值指数提取方法及介质
CN109783989B (zh) * 2019-03-04 2022-07-12 中国林业科学研究院林业研究所 一种测度任意面积上树种丰富度的方法
CN110837911B (zh) * 2019-09-06 2021-02-05 沈阳农业大学 一种大尺度地表节肢动物空间分布模拟方法
CN111125285B (zh) * 2019-12-25 2023-05-16 南京大学 一种基于物种空间分布关系的动物地理区划方法
CN111581755B (zh) * 2020-04-28 2021-05-18 生态环境部南京环境科学研究所 一种陆地自然保护区孤岛效应的计算方法
CN111815772B (zh) * 2020-07-20 2023-06-23 云南财经大学 高原山地土地利用方法、系统、存储介质和计算机设备
CN113222316B (zh) * 2021-01-15 2023-07-07 中山大学 一种基于flus模型和生物多样性模型的变化情景模拟方法
CN114563079A (zh) * 2022-03-07 2022-05-31 哈尔滨理工大学 一种用于蓝莓采摘的果树受迫振动土壤波动测量方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101435873A (zh) * 2008-12-24 2009-05-20 中国中医科学院中药研究所 基于伴生物种和群落分级的药用植物资源的遥感监测方法
CN105284338A (zh) * 2015-09-01 2016-02-03 黑龙江省科学院自然与生态研究所 确定天然湿地固碳增汇植被种植的方法
BR102014007178A2 (pt) * 2014-03-26 2016-08-02 São Martinho S A processo de geração de mapas de aplicação de herbicida em função das espécies de plantas daninhas e teores de argila e matéria orgânica de solo

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101435873A (zh) * 2008-12-24 2009-05-20 中国中医科学院中药研究所 基于伴生物种和群落分级的药用植物资源的遥感监测方法
BR102014007178A2 (pt) * 2014-03-26 2016-08-02 São Martinho S A processo de geração de mapas de aplicação de herbicida em função das espécies de plantas daninhas e teores de argila e matéria orgânica de solo
CN105284338A (zh) * 2015-09-01 2016-02-03 黑龙江省科学院自然与生态研究所 确定天然湿地固碳增汇植被种植的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黑河流域植被类型分布模拟分析;周勋 等;《地理信息科学学报》;20170430;第19卷(第4期);全文 *

Also Published As

Publication number Publication date
CN108388566A (zh) 2018-08-10

Similar Documents

Publication Publication Date Title
CN108388566B (zh) 一种植物物种丰富度分布的空间模拟方法
Zhao et al. Analysis of the distribution pattern of Chinese Ziziphus jujuba under climate change based on optimized biomod2 and MaxEnt models
Feng et al. Net primary productivity of China's terrestrial ecosystems from a process model driven by remote sensing
CN104517037B (zh) 一种生态承载力的遥感估算方法
Miao et al. Vegetation dynamics and factor analysis in arid and semi-arid Inner Mongolia
Poudevigne et al. Landscape and agricultural patterns in rural areas: a case study in the Brionne Basin, Normandy, France
Khademalrasoul et al. Assessment of soil erosion patterns using RUSLE model and GIS tools (case study: the border of Khuzestan and Chaharmahal Province, Iran)
CN112215716A (zh) 农作物生长干预方法、装置、设备及存储介质
CN109657988B (zh) 基于hasm和欧氏距离算法的烟叶品质分区方法
Ighbareyeh et al. Biology and bioclimatology applied on plant in Palestine
Reger et al. The TRM model of potential natural vegetation in mountain forests
Chen et al. Spatiotemporal variation of vegetation net primary productivity and its responses to climate change in the Huainan Coal Mining Area
Liu et al. Effects of farmland landscape pattern on spatial distribution of soil organic carbon in Lower Liaohe Plain of northeastern China
Xing et al. Genotypic variation in spatiotemporal distribution of canopy light interception in relation to yield formation in cotton
Zhang et al. Distribution of hazard and risk caused by agricultural drought and flood and their correlations in summer monsoon–affected areas of China
CN117611993B (zh) 一种基于遥感实际蒸散发估算植被分类的方法
Wang et al. Determining the impact of key climatic factors on geographic distribution of wild Akebia trifoliate
Gomez Diaz et al. Soil moisture regimes in Mexico in a global 1.5 C warming scenario
CN113706357A (zh) 基于gis和csle的区域土壤侵蚀评价
An et al. The optimal soil water content models based on crop-LAI and hyperspectral data of winter wheat
Li et al. Comparison of the modeled potential yield versus the actual yield of maize in Northeast China and the implications for national food security
Gabril et al. Quantifying LULC change and landscape fragmentation in Prayagraj district, India using geospatial techniques
Kapeller et al. Provenance trials in Alpine range–review and perspectives for applications in climate change
Sprenkle-Hyppolite et al. Landscape factors and restoration practices associated with initial reforestation success in Haiti
Saha et al. Root distribution, orientation and root length density modelling in Eucalyptus and evaluation of associated water use efficiency

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant