CN110334412A - 一种无遥感数据时期湿地景观格局的重建方法 - Google Patents

一种无遥感数据时期湿地景观格局的重建方法 Download PDF

Info

Publication number
CN110334412A
CN110334412A CN201910521439.1A CN201910521439A CN110334412A CN 110334412 A CN110334412 A CN 110334412A CN 201910521439 A CN201910521439 A CN 201910521439A CN 110334412 A CN110334412 A CN 110334412A
Authority
CN
China
Prior art keywords
reconstructed
remotely
probability
sensed data
area
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.)
Granted
Application number
CN201910521439.1A
Other languages
English (en)
Other versions
CN110334412B (zh
Inventor
杜嘉
周昊昊
刘欣婷
项小云
赵博宇
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.)
Northeast Institute of Geography and Agroecology of CAS
Original Assignee
Northeast Institute of Geography and Agroecology 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 Northeast Institute of Geography and Agroecology of CAS filed Critical Northeast Institute of Geography and Agroecology of CAS
Publication of CN110334412A publication Critical patent/CN110334412A/zh
Application granted granted Critical
Publication of CN110334412B publication Critical patent/CN110334412B/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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

一种无遥感数据时期湿地景观格局的重建方法，属于湿地保护与恢复领域，解决了历史湿地景观空间分布数据面临着难以获取的问题，本发明包括：获取待重建地区无遥感数据时期地类统计数据集；获取待重建地区的适宜性概率图层；利用地形图数据对无遥感数据时期的湿地景观格局重建；将重建结果与获取的地类统计数据集中对应时期的记录进行对比，并利用适宜性概率图层对重建结果进行验证，并修正重建结果；确定待重建地区的泥炭为研究对象，获取百年尺度上所述泥炭的沉积层中各化学元素及污染物的沉积速率和通量记录，并根据该记录反演出待重建地区的土地利用状况，将该土地利用状况与修正的重建结果中的土地利用状况进行对比，验证重建结果是否准确。

Description

一种无遥感数据时期湿地景观格局的重建方法
技术领域
本发明属于湿地保护与恢复领域，具体涉及提出一种无遥感数据时期湿地景观格局的重建方法。
背景技术
湿地具有水源涵养与水文调节、生物多样性与生境维持、碳蓄积和气候调节等重要的生态服务功能，在维系区域生态安全中具有不可替代的作用。湿地对气候变化和人类活动非常敏感，尤其是近年来，在气候变化和人类活动的干扰下，湿地生态系统的结构和功能发生了巨大变化。对湿地景观空间分布数据的进一步补充完善，是开展流域湿地景观格局近百年来演变的驱动机制、未来气候情景下流域湿地景观变化预估研究的重要基础。无论对于认识中国历史湿地覆盖状况，还是估计全球自然植被覆盖变化对气候、碳收支以及生态系统服务的影响等方面均具有重要的价值。
然而，历史湿地景观空间分布数据获取面临着复杂和特殊的难题。文献记录中的土地数字存在着诸多问题，从严格意义上来说不等同于具有现在意义的土地利用和覆盖资料。在进行重建研究时，面临以下问题：一是历史文献中的土地数据可得性和可靠性如何；二是如何将不同来源、不同时期的资料进行规范化处理和数字恢复，使之接近当时土地利用的真实情况，并可彼此对比；所以现有湿地景观格局重建的过程中存在着历史湿地景观空间分布数据难以获取的技术问题。
发明内容
本发明的目的是为了解决历史湿地景观空间分布数据面临着难以获取的技术问题，提供了一种无遥感数据时期湿地景观格局的重建方法。
本发明的一种无遥感数据时期湿地景观格局的重建方法，所述方法包括：
步骤一：收集待重建地区无遥感数据时期的各种来源数据，对获取的数据进行订正与处理，通过各来源数据的关系，形成待重建地区无遥感数据时期地类统计数据集；
步骤二：获取待重建地区的适宜性概率图层，该图层中包括各种地类在空间上不同环境背景数据中每个栅格里的概率，其中栅格表示地理位置；
步骤三：对待重建地区无遥感数据时期不同年代的地形图进行数字化预处理，并对所述地形图进行矢量化，形成无遥感数据时期待重建地区湿地景观空间分布数据集，作为重建结果；
步骤四：将步骤三中的重建结果与步骤一中形成待重建地区无遥感数据时期地类统计数据集中对应时期的记录进行定性或定量的交叉对比，并利用步骤二的适宜性概率图层中每个栅格里的概率对重建结果进行验证，并修正重建结果；
步骤五：确定待重建地区的泥炭为研究对象，获取百年尺度上所述泥炭的沉积层中各化学元素及污染物的沉积速率和通量记录，并根据该记录反演出待重建地区的土地利用状况，将该土地利用状况与步骤四中修正后的重建结果中的土地利用状况进行定性或定量的交叉对比，验证重建结果是否准确。
作为优选，步骤五中，通过210Pb和137Cs放射性技术建立年代框架，通过对泥炭柱芯沉积层中理化指标、粒度、磁化率、典型地壳元素和人类污染元素、PAHs和PCBs多指标测试与分析，结合年代，获取百年尺度上所述泥炭的沉积层中各化学元素及污染物的沉积速率和通量记录。
作为优选，所述步骤二包括：
步骤二一：根据待重建地区当前的土地利用与土地覆盖变化格局，以及地形、河流、气候、人口因素对地类变化及分布的影响，获取待重建地区无遥感数据时期的未变地类数据集；
步骤二二：通过叠加待重建地区无遥感数据时期内若干时间段的地类统计数据集，求取不同地类在这些不同时期上的并集，将该并集与不同的环境背景数据库进行空间叠加，计算各种地类在空间上不同环境背景数据中每个栅格里的分布概率；
步骤二三：选择人类干扰因素和空间自相关距离因子作为影响因子，将影响因子的距离数值离散到0-255范围内来代表对应概率，获得各影响因子的概率权重；利用各影响因子的概率权重对步骤三获得每个栅格里的分布概率进行修正，作为各个栅格中每种地类的概率，再与步骤二一的未变地类数据集进行叠加，形成适宜性概率图层。
作为优选，所述人类干扰因素包括距居民点距离、距道路距离和距河流距离。
本发明的有益效果，本发明综合无遥感数据时期待重建地区地类统计数据集及适宜性概率图层和百年尺度上的泥炭沼泽沉积记录反演的区域土地利用状况，对无遥感数据时期待重建地区湿地景观空间分布数据集进行重建结果的定性和定量验证，提高湿地重建结果的准确性，解决了历史湿地景观空间分布数据难以获取的技术问题。
附图说明
图1为本发明方法的流程示意图；
图2为适宜性概率图层的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
本发明的一种无遥感数据时期湿地景观格局的重建方法，包括：
步骤一：收集待重建地区无遥感数据时期的各种来源数据，对获取的数据进行订正与处理，通过历史文献平行分析、统计分析等方法建立各来源数据的关系，从而形成待重建地区无遥感数据时期地类统计数据集；
步骤二：获取待重建地区的适宜性概率图层，该图层中包括各种地类在空间上不同环境背景数据中每个栅格里的概率，其中栅格表示地理位置；
步骤三：对待重建地区无遥感数据时期不同年代的地形图进行数字化预处理，并对所述地形图进行矢量化，形成无遥感数据时期待重建地区湿地景观空间分布数据集，作为重建结果；
步骤四：将步骤三中的重建结果与步骤一中形成待重建地区无遥感数据时期地类统计数据集中对应时期的记录进行定性或定量的交叉对比，并利用步骤二的适宜性概率图层中每个栅格里的概率对重建结果进行验证，并修正重建结果；
步骤五：确定待重建地区的泥炭为研究对象，获取百年尺度上所述泥炭的沉积层中各化学元素及污染物的沉积速率和通量记录，并根据该记录反演出待重建地区的土地利用状况，将该土地利用状况与步骤四中修正后的重建结果中的土地利用状况进行定性或定量的交叉对比，验证重建结果是否准确。
本实施方式解决了无遥感数据时期湿地景观格局的重建问题。本实施方式首先利用从历史资料及书籍中获取的地类数据进行订正与处理，形成无遥感数据时期待重建地区地类统计数据集。其次，获得适宜性概率图层。再次，对无遥感数据时期待重建地区的地形图进行矢量化处理，形成无遥感数据时期待重建地区湿地景观空间分布数据集。最后，综合无遥感数据时期待重建地区地类统计数据集及适宜性概率图层和百年尺度上的泥炭沼泽沉积记录反演的区域土地利用状况，对无遥感数据时期待重建地区湿地景观空间分布数据集进行重建结果的定性和定量验证，提高湿地重建结果的准确性。
优选实施例中，步骤五是通过210Pb和137Cs放射性技术建立年代框架，通过对泥炭柱芯沉积层中理化指标、粒度、磁化率、典型地壳元素和人类污染元素、PAHs和PCBs多指标测试与分析，结合年代，获取百年尺度上所述泥炭的沉积层中各化学元素及污染物的沉积速率和通量记录。
本实施方式的步骤二可以通过叠加若干时期的待重建地区地类统计数据集，求取不同地类在这些不同时期上的并集，将并集与不同环境背景和人类干扰因素等进行空间叠加分析，并结合无遥感数据时期待重建地区未变地类数据集，获取适宜性概率图层，具体包括：
步骤二一：根据待重建地区当前的土地利用与土地覆盖变化格局，以及地形、河流、气候、人口因素对地类变化及分布的影响，获取待重建地区无遥感数据时期的未变地类数据集；
在研究区中，根据区域发展的特点，分为自然因素主导地区和人为因素地区。在自然因素主导地区，可采用有遥感影像时期的景观格局对无遥感影像时期的景观格局进行反演；在人为因素地区中，农业发展与人口、劳动力密切相关，历史人口数据估计农业区位置。另外有几点原则需要注意：地形、热量、气候条件是耕地分配的重要因素，人们倾向于先选择地势平坦海拔低的土地开垦耕种；冲积平原的土地更适宜早期人类定居；年平均气温<0℃的地区没有农业活动；湖泊、河流等水域不含人口；
本实施方式是为了确定待重建地区为水域的未变地类数据集，作为适宜性概率图层的约束条件；
步骤二二：通过叠加待重建地区无遥感数据时期内若干时间段的地类统计数据集，求取不同地类在这些不同时期上的并集，将该并集与不同的环境背景(地貌、坡度、坡向、海拔高度、土壤类型)数据库进行空间叠加，计算各种地类在空间上不同环境背景数据中每个栅格里的分布概率；
本实施方式中步骤二二是以地貌、坡度、坡向、海拔高度、土壤类型作为自然的环境背景因素对各种地类影响，获取各种地类在空间上不同环境背景数据中每个栅格里的分布概率；
步骤二三：选择人类干扰因素和空间自相关距离因子作为影响因子，将影响因子的距离数值离散到0-255范围内来代表对应概率，获得各影响因子的概率权重；利用各影响因子的概率权重对步骤三获得每个栅格里的分布概率进行修正，作为各个栅格中每种地类的概率，再与步骤二一的未变地类数据集进行叠加，形成适宜性概率图层。
如图2所示，本实施方式的人类干扰因素包括距居民点距离、距道路距离和距河流距离。
具体实施例：
S1：利用1960s东北统计报告和俄罗斯调查材料等资料，通过将不同计量单位统一转换为清亩、瞒田比率的估计、用人口数对耕地数进行估算、利用已有的土地数据相互校正、对比和通过历史文献平行分析、统计分析等方法建立各来源数据的关系模型来进行数据的订正与处理，从而形成1960s黑龙江流域地类统计数据集。
S2：分析黑龙江流域当前土地利用与土地覆盖变化格局，以及地形、河流、气候、人口等因素，分析各因素对地类变化及分布的影响，获取1960s黑龙江流域未变地类数据集。
S3：通过叠加若干时期的黑龙江流域地类分布数据集，求取不同地类在这些不同时点上的并集，将该并集与不同的环境背景数据库(如土壤数据、地貌数据、坡度数据、坡向数据和海拔高度)进行空间叠加分析，来计算各种地类在空间上不同环境背景数据中每个栅格里的分布概率。
S4：在S3基础上，选择人类干扰因素(如距道路距离、距居民点距离和具河流)和空间自相关因子作为影响因素，将距离数值离散到0-255范围内来代表对应概率，通过各影响因子的概率权重修正各个栅格中每种地类的概率，结合S2获取的1960s黑龙江流域未变地类数据集，最终形成适宜性概率图层。
S5：以1960s期间1:10万地形图等为主要数据源，对地形图进行数字化预处理，并对所述地形图进行矢量化，形成1960s黑龙江流域湿地景观空间分布数据集，作为重建结果。
S6：将S5形成的1960s黑龙江流域湿地景观空间分布数据集与S1中形成的1960s黑龙江流域地类统计数据集中对应时期的记录进行定性或定量的交叉对比，并利用S4形成的适宜性概率图层中各个栅格每种地类的概率大小对重建结果进行验证，并修正重建结果；
S7：确定1960s黑龙江流域的景观研究对象，本实施方式选择东北地区大兴安岭摩天岭雨养泥炭、长白山地泥炭沼泽为研究对象，通过210Pb和137Cs放射性技术建立高精度年代框架，通过对泥炭柱芯沉积层中理化指标(包括干容重、灰分含量、含水量等)、粒度、磁化率、典型地壳元素和人类污染元素、PAHs和PCBs等多指标测试与分析，结合年代计算各化学元素和污染物的沉积速率和通量，并通过它们的时间变化趋势重建区域土地利用状况，形成百年尺度上景观研究对象的记录，并根据该记录反演出区域的土地利用状况，将该土地利用状况与S7中修正后的1960s黑龙江流域湿地景观空间分布数据集中的土地利用状况进行定性或定量的交叉对比，验证重建结果是否准确。
虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。

Claims (4)

1.一种无遥感数据时期湿地景观格局的重建方法，其特征在于，所述方法包括：
步骤一：收集待重建地区无遥感数据时期的各种来源数据，对获取的数据进行订正与处理，通过各来源数据的关系，形成待重建地区无遥感数据时期地类统计数据集；
步骤二：获取待重建地区的适宜性概率图层，该图层中包括各种地类在空间上不同环境背景数据中每个栅格里的概率，其中栅格表示地理位置；
步骤三：对待重建地区无遥感数据时期不同年代的地形图进行数字化预处理，并对所述地形图进行矢量化，形成无遥感数据时期待重建地区湿地景观空间分布数据集，作为重建结果；
步骤四：将步骤三中的重建结果与步骤一中形成待重建地区无遥感数据时期地类统计数据集中对应时期的记录进行定性或定量的交叉对比，并利用步骤二的适宜性概率图层中每个栅格里的概率对重建结果进行验证，并修正重建结果；
步骤五：确定待重建地区的泥炭为研究对象，获取百年尺度上所述泥炭的沉积层中各化学元素及污染物的沉积速率和通量记录，并根据该记录反演出待重建地区的土地利用状况，将该土地利用状况与步骤四中修正后的重建结果中的土地利用状况进行定性或定量的交叉对比，验证重建结果是否准确。
2.根据权利要求1所述的无遥感数据时期湿地景观格局的重建方法，其特征在于，步骤五中，通过210Pb和137Cs放射性技术建立年代框架，通过对泥炭柱芯沉积层中理化指标、粒度、磁化率、典型地壳元素和人类污染元素、PAHs和PCBs多指标测试与分析，结合年代，获取百年尺度上所述泥炭的沉积层中各化学元素及污染物的沉积速率和通量记录。
3.根据权利要求2所述的无遥感数据时期湿地景观格局的重建方法，其特征在于，所述步骤二包括：
步骤二一：根据待重建地区当前的土地利用与土地覆盖变化格局，以及地形、河流、气候、人口因素对地类变化及分布的影响，获取待重建地区无遥感数据时期的未变地类数据集；
步骤二二：通过叠加待重建地区无遥感数据时期内若干时间段的地类统计数据集，求取不同地类在这些不同时期上的并集，将该并集与不同的环境背景数据库进行空间叠加，计算各种地类在空间上不同环境背景数据中每个栅格里的分布概率；
步骤二三：选择人类干扰因素和空间自相关距离因子作为影响因子，将影响因子的距离数值离散到0-255范围内来代表对应概率，获得各影响因子的概率权重；利用各影响因子的概率权重对步骤三获得每个栅格里的分布概率进行修正，作为各个栅格中每种地类的概率，再与步骤二一的未变地类数据集进行叠加，形成适宜性概率图层。
4.根据权利要求3所述的无遥感数据时期湿地景观格局的重建方法，其特征在于，所述人类干扰因素包括距居民点距离、距道路距离和距河流距离。
CN201910521439.1A 2019-06-14 2019-06-17 一种无遥感数据时期湿地景观格局的重建方法 Active CN110334412B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910517667 2019-06-14
CN2019105176671 2019-06-14

Publications (2)

Publication Number Publication Date
CN110334412A true CN110334412A (zh) 2019-10-15
CN110334412B CN110334412B (zh) 2022-08-12

Family

ID=68142066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910521439.1A Active CN110334412B (zh) 2019-06-14 2019-06-17 一种无遥感数据时期湿地景观格局的重建方法

Country Status (1)

Country Link
CN (1) CN110334412B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111380807A (zh) * 2020-03-30 2020-07-07 中国科学院东北地理与农业生态研究所 一种基于静止卫星遥感数据的秸秆焚烧火点信息提取方法
CN113902580A (zh) * 2021-10-18 2022-01-07 四川农业大学 一种基于随机森林模型的历史耕地分布重建方法
CN117314021A (zh) * 2023-11-29 2023-12-29 中国科学院东北地理与农业生态研究所 基于遥感和历史数据的湿地恢复重建分析方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007286894A (ja) * 2006-04-17 2007-11-01 Yamatake Corp 保水能力推定装置およびプログラム
CN107665376A (zh) * 2017-08-10 2018-02-06 杭州师范大学 一种湿地空间分布变化格局模拟与预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007286894A (ja) * 2006-04-17 2007-11-01 Yamatake Corp 保水能力推定装置およびプログラム
CN107665376A (zh) * 2017-08-10 2018-02-06 杭州师范大学 一种湿地空间分布变化格局模拟与预测方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
YUANYUAN YANG等: ""Analyzing historical land use Reconstruction Model: a case study in Zhenlai County, northeastern"", 《SCIENTIFIC REPORTS》 *
万智巍等: "近百年来鄱阳湖南部湿地景观生态格局演变", 《生态环境学报》 *
刘婷等: "五个时期辽河三角洲滨海湿地格局及变化研究", 《湿地科学》 *
周杰等: "基于CA-Markov的土壤有机碳储量空间格局重建研究――以泛长三角地区为例", 《长江流域资源与环境》 *
崔莉: "基于景观格局变化分析的沿海区域生态系统保护研究――以浙江沿海地区为例", 《管理世界》 *
李雪草等: "基于元胞自动机降尺度方法的1km分辨率全球土地利用数据集(2010～2100)(英文)", 《SCIENCE BULLETIN》 *
白淑英等: "土地利用/土地覆被时空分布100年数字重建――以大庆市杜尔伯特蒙古族自治县为例", 《地理学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111380807A (zh) * 2020-03-30 2020-07-07 中国科学院东北地理与农业生态研究所 一种基于静止卫星遥感数据的秸秆焚烧火点信息提取方法
CN113902580A (zh) * 2021-10-18 2022-01-07 四川农业大学 一种基于随机森林模型的历史耕地分布重建方法
CN113902580B (zh) * 2021-10-18 2023-04-07 四川农业大学 一种基于随机森林模型的历史耕地分布重建方法
CN117314021A (zh) * 2023-11-29 2023-12-29 中国科学院东北地理与农业生态研究所 基于遥感和历史数据的湿地恢复重建分析方法及系统

Also Published As

Publication number Publication date
CN110334412B (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
Najjar et al. Carbon budget of tidal wetlands, estuaries, and shelf waters of Eastern North America
Hladik et al. Salt marsh elevation and habitat mapping using hyperspectral and LIDAR data
Quan et al. GIS-based landslide susceptibility mapping using analytic hierarchy process and artificial neural network in Jeju (Korea)
Zhou et al. Rapid urbanization and implications for river ecological services restoration: Case study in Shenzhen, China
Andualem et al. Impact of land use land cover change on stream flow and sediment yield: a case study of Gilgel Abay watershed, Lake Tana sub-basin, Ethiopia
Degefu et al. Dynamics of urban landscape nexus spatial dependence of ecosystem services in rapid agglomerate cities of Ethiopia
Hashimoto et al. Scenario analysis of land-use and ecosystem services of social-ecological landscapes: implications of alternative development pathways under declining population in the Noto Peninsula, Japan
CN108133310A (zh) 一种人类活动和气候变化对河川径流影响的综合评估方法
CN110334412A (zh) 一种无遥感数据时期湿地景观格局的重建方法
Shang et al. DNN-MET: A deep neural networks method to integrate satellite-derived evapotranspiration products, eddy covariance observations and ancillary information
Valkanou et al. Assessment of neotectonic landscape deformation in Evia Island, Greece, using GIS-based multi-criteria analysis
CN113821925B (zh) 一种基于水生土三要素的湿地动态边界确定方法
Gao et al. Clustering urban multifunctional landscapes using the self-organizing feature map neural network model
Miccadei et al. Morphoneotectonics of the Abruzzo Periadriatic area (central Italy): Morphometric analysis and morphological evidence of tectonics features
Song et al. Heuristic cellular automaton model for simulating soil organic carbon under land use and climate change: A case study in eastern China
Debanshi et al. Assessing the role of deltaic flood plain wetlands on regulating methane and carbon balance
Mutayoba et al. Assessing the impacts of land use and land cover changes on hydrology of the Mbarali River Sub-Catchment. The Case of Upper Great Ruaha Sub-Basin, Tanzania
Xiang et al. Mapping potential wetlands by a new framework method using random forest algorithm and big Earth data: A case study in China's Yangtze River Basin
Zhang et al. Soil total and organic carbon mapping and uncertainty analysis using machine learning techniques
Nelson et al. Periglacial cirque analogs: elevation trends of cryoplanation terraces in eastern Beringia
Tasker Generating efficient gauging plans for regional information
Radeva et al. Application of remote sensing data for a wetland ecosystem services assessment in the area of Negovan village
Carus et al. Which factors and processes drive the spatio-temporal dynamics of brackish marshes?—Insights from development and parameterisation of a mechanistic vegetation model
Aga Effect of land cover change on water balance components in Gilgel Abay catchment using swat model
Gupta Simulating climate change impact on soil erosion & soil carbon sequestration

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