CN114626763A - 一种林草碳汇和剩余物资源潜力评估方法 - Google Patents
一种林草碳汇和剩余物资源潜力评估方法 Download PDFInfo
- Publication number
- CN114626763A CN114626763A CN202210479966.2A CN202210479966A CN114626763A CN 114626763 A CN114626763 A CN 114626763A CN 202210479966 A CN202210479966 A CN 202210479966A CN 114626763 A CN114626763 A CN 114626763A
- Authority
- CN
- China
- Prior art keywords
- forest
- grass
- potential
- residue
- data
- 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.)
- Pending
Links
- 244000025254 Cannabis sativa Species 0.000 title claims abstract description 98
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 72
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 70
- 238000011156 evaluation Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000013210 evaluation model Methods 0.000 claims abstract description 7
- 238000007619 statistical method Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000009919 sequestration Effects 0.000 claims description 7
- 239000005431 greenhouse gas Substances 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 description 7
- 239000002028 Biomass Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000006386 neutralization reaction Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
- G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Agronomy & Crop Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Remote Sensing (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
Abstract
本发明涉及一种林草碳汇和剩余物资源潜力评估方法，其方法为：a)结合RS‑GIS分析和统计分析方法，搭建林草碳汇和林草剩余物资源潜力评估模型，所述RS‑GIS具体为遥感‑地学信息系统；b)确定输入的自然资源大数据类型和参数：c)输入预选区域内1公里分辨率的林业剩余物数据和净初级生产力数据；d)将模型在arcgis平台上运行；e)输出1公里分辨率林草碳汇和林草剩余物资源潜力评估结果；f)根据输入结果结合历史数据，进一步校准模型，提高模型输出结果的准确度。本发明提供一种林草碳汇和剩余物资源潜力评估方法，提高了林草碳汇和林草剩余物空间分辨率，预估了中国林草碳汇和林草剩余物资源潜力。
Description
技术领域
本发明涉及林草资源统计领域，具体涉及一种林草碳汇和剩余物资源潜力评估方法。
背景技术
中国提出2030年实现碳达峰和2060年实现碳中和的目标，需要在能源供应端用低碳能源替代化石能源来减少碳排放，也需要在人为固碳端通过植树造林、涵养草原等工程增加碳汇；森林和草原一方面可以提供林业和草地剩余物等生物质能源原料来降低碳排放，另一方面可以通过生态建设、土壤固碳等工程增加碳汇，吸收空气中的二氧化碳；识别未来中国林草碳汇和高分辨率农林草剩余物资源潜力，对于生物质能源的利用和发展、碳达峰以及碳中和目标的实现，都有着重要作用。
通过文献梳理，当前林草碳汇和林草剩余物生物质资源潜力评估存在以下不足：一是缺乏中国高分辨率的林草碳汇和林草剩余物资源潜力的现状评估，当前省级甚至市级或县级的林草剩余物资源核算数据，不足以支撑林草剩余物资源利用的落实实施；二是缺少未来林草碳汇和林草剩余物资源潜力的评估，导致对未来林草碳汇认识不清；三是缺少考虑气候变化影响下的林草碳汇和林草剩余物的空间格局。
发明内容
本发明的目的是：提供一种林草碳汇和剩余物资源潜力评估方法，解决以上问题。
为了实现上述目的，本发明提供如下的技术方案：
一种林草碳汇和剩余物资源潜力评估方法，其特征在于：其方法为：
a)结合RS-GIS分析和统计分析方法，搭建林草碳汇和林草剩余物资源潜力评估模型，所述RS-GIS具体为遥感-地学信息系统；
b)确定输入的自然资源大数据类型和参数：
c)输入预选区域内1公里分辨率的林业剩余物数据和净初级生产力数据；
d)将模型在arcgis平台上运行；
e)输出1公里分辨率林草碳汇和林草剩余物资源潜力评估结果；
f)根据输入结果结合历史数据，进一步校准模型，提高模型输出结果的准确度；
所述步骤a)中，所述林草碳汇的具体计算公式如公式1所示，所述林草剩余物资源潜力的计算公式如公式2和公式3所示：
Pi＝Hi*C 公式3
其中H为林草总碳汇量，Hi为1公里分辨率的网格i上林地碳汇量或草地碳汇量，n为预选区域内1公里分辨率林地网格和草地网格的总数量，P为林草剩余物总资源潜力，Pi为1公里分辨率的网格i上林地剩余物资源潜力或草地剩余物资源潜力，C为林地或草地剩余物资源量占林地或碳汇的系数。
所述林草碳汇和林草剩余物资源潜力评估模型的搭建步骤如下：
a1)输入预选区域内1公里分辨率林业剩余物和NPP数据的参数；
a2)输入土地利用数据；
a3)输入RCP情景等条件参数；
a4)组成林草剩余物资源潜力计算模型，并接受历史数据对模型进行一步校验。
所述自然资源大数据类型和参数包括RCP情景参数。
所述土地利用数据包括林地和草地利用数据，所述RCP情景可以选择多个不同的情景。
所述RCP情景具体为典型温室气体浓度路径条件，所述RCP情景包括RCP 2.6情景、RCP 4.5情景、RCP 6.0情景和RCP 8.5情景。
所述RS-GIS具体为遥感-地学信息系统，所述类型和参数还包括土地利用数据与预选区域内1公里分辨率的林业剩余物数据和净初级生产力数据。
所述土地利用数据主要指林地和草地数据。
本发明的有益效果为：提供一种林草碳汇和剩余物资源潜力评估方法，通过RS-GIS方法结合统计方法等方法，结合高分辨率土地利用数据、初级生产力数据以及林草剩余物比例等参数，预估了中国林草碳汇和林草剩余物资源潜力，提高了林草碳汇和林草剩余物空间分辨率，推动更好发挥林草碳汇和林草剩余物低碳减排作用，现状评估方面提高了林草剩余物资源潜力的空间精度，未来预估方面，建立了综合考虑典型浓度路径和共享社会经济路径综合情景影响下，中国长时间跨度的林草碳汇和林草剩余物资源潜力预估的方法学框架，可为我国林草剩余物生物质资源能源化利用提供科学支撑，可以为发挥林草碳汇作用实现碳达峰碳中和提供决策支持。
附图说明
图1为本发明实施例中林草碳汇和剩余物资源潜力评估模型流程图；
图2为本发明实施例中林草碳汇和剩余物资源潜力评估方法流程模型图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图以及实施例，对本发明作进一步的详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
一种林草碳汇和剩余物资源潜力评估方法，其制作方法为：
如图1和图2所示，林草碳汇和剩余物资源潜力评估方法主要包含五个步骤，一、结合RS-GIS分析和统计分析方法，搭建林草碳汇和林草剩余物资源潜力评估模型(如图2所示)；二、确定输入的自然资源大数据类型和参数，包括RCP情景；三、输入中国1公里分辨率的林业剩余物数据和净初级生产力数据(Net Primary Productivity，简称NPP)；四、将模型在arcgis平台上运行；五、输出1公里分辨率林草碳汇和林草剩余物资源潜力评估结果；六、根据输入结果，结合历史数据进一步校准模型，提高模型输出结果的准确度。
如图2所示，林草碳汇和林草剩余物资源潜力评估模型分为现状评估和未来预估两个部分：现状评估以历史年份2015年为基准年，主要评估林草剩余物资源潜力，其中有来自中科院地理所的1公里分辨率林业剩余物数据，来自中国科学院资源环境科学与数据中心的2015年中国1公里分辨率的NPP数据和土地利用数据中的林地和草地数据，通过2015年中国1公里分辨率上草地上NPP数据和草地资源化参数，可以得到2015年1公里分辨率草地剩余物资源潜力。
未来预估主要评估林草碳汇和林草剩余物资源潜力：草地和林地数据来自清华大学地球系统科学系模拟的、综合考虑典型浓度路径和共享社会经济路径综合情景影响下的2010-2100年中国1公里分辨率土地利用数据集中的草地和林地数据；NPP数据选取第五次模式对比计划(Coupled Model Intercomparison Project 5，简称CMIP5)的2020-2100年的模拟数据，由于当前有43个CMIP5的全球气候模式通过综合研究文献中对这些模式的历史拟合度、空间分辨率、对中国的模拟能力等特征评估，综合数据可得性、模式空间分辨率、模式对中国的模拟能力等条件，本方案取选取典型浓度路径情景下的BCC-CSM1-1-m(Beijing Climate Center-Climate System Model-version 1-1，中国专家团队开发)、IPSL-CM5A-LR(Institut Pierre Simon Laplace-Climate Modeling for 5thAssesment-Low Resolution)和HadGEM2-AO(Hadley Global Environment Model2-Atmosphere and Ocean)三个对中国降水和温度模拟质量高的模式下的未来NPP数据，来求取2010-2100年模拟NPP数据的平均值，然后计算初级生产力的年变动量，再通过来自中国科学院资源环境科学与数据中心的2010年中国1公里分辨率NPP数据进行校准和降尺度，最终获得2020-2100年中国1公里分辨率未来模拟NPP数据；林草碳汇的具体计算公式如公式1所示，林草剩余物资源潜力的计算公式如公式2和3所示：
Pi＝Hi*C 公式3
其中H为林草总碳汇量，Hi为1公里分辨率的网格i上林地碳汇量或草地碳汇量，n为中国1公里分辨率林地网格和草地网格的总数量；P为林草剩余物总资源潜力，Pi为1公里分辨率的网格i上林地剩余物资源潜力或草地剩余物资源潜力，C为林地或草地剩余物资源量占林地或碳汇的系数。
实例：
利用本方法所述的模型，评估了在典型温室气体浓度路径(RCPs)情况下，未来林草碳汇和林草剩余物资源潜力：一、选择不同的RCPs情景，包括RCP 2.6情景、RCP 4.5情景、RCP 6.0情景和RCP 8.5情景，二、输入2020-2100年中国1公里分辨率未来模拟NPP数据，以及土地利用数据中林地和草地的数据，三、将模型在arcgis平台上运行，四、输出1公里分辨率林草碳汇和林草剩余物资源潜力评估结果，五、根据输入结果，结合历史数据，进一步校准模型，提高模型输出结果的准确度。
综合模型输出结果，分析出中国林草碳汇和林草剩余物资源潜力：(1)总体上至2100年，中国草地剩余物可能源化利用潜力的空间分布集中在西藏、内蒙古、新疆、青海和甘肃等省份，同时在南方省份也有零星分布；草地剩余物的可能源化利用资源潜力大都不高于200吨/平方公里，明显低于农业剩余物和林地剩余物资源可能源化的资源潜力；(2)至2100年不同RCPs情景，草地剩余物可能源化利用潜力变化明显的区域主要集中在青海、四川等省份，说明这些省份的草原生态系统受到气候变化影响相对显著；(3)和林地剩余物可能源化资源潜力的空间分布对比，草地剩余物和林地剩余物分界线和胡焕庸线基本吻合，草地剩余物主要分布在胡焕庸线西北侧，林地剩余物主要分布在胡焕庸线东南侧，这是因为降水影响着中国林地和草地的分布，胡焕庸线西北侧降水小于400mm，森林植被覆盖多数在10％以下，较适宜草地生长和NPP积累。
上述实施例用于对本发明作进一步的说明，但并不将本发明局限于这些具体实施方式。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应理解为在本发明的保护范围之内。
Claims (7)
1.一种林草碳汇和剩余物资源潜力评估方法，其特征在于：其方法为：
a)结合RS-GIS分析和统计分析方法，搭建林草碳汇和林草剩余物资源潜力评估模型，所述RS-GIS具体为遥感-地学信息系统；
b)确定输入的自然资源大数据类型和参数：
c)输入预选区域内1公里分辨率的林业剩余物数据和净初级生产力数据；
d)将模型在arcgis平台上运行；
e)输出1公里分辨率林草碳汇和林草剩余物资源潜力评估结果；
f)根据输入结果结合历史数据，进一步校准模型，提高模型输出结果的准确度；
所述步骤a)中，所述林草碳汇的具体计算公式如公式1所示，所述林草剩余物资源潜力的计算公式如公式2和公式3所示：
Pi＝Hi*C 公式3
其中H为林草总碳汇量，Hi为1公里分辨率的网格i上林地碳汇量或草地碳汇量，n为预选区域内1公里分辨率林地网格和草地网格的总数量，P为林草剩余物总资源潜力，Pi为1公里分辨率的网格i上林地剩余物资源潜力或草地剩余物资源潜力，C为林地或草地剩余物资源量占林地或碳汇的系数。
2.根据权利要求1所述的一种林草碳汇和剩余物资源潜力评估方法，其特征在于：所述林草碳汇和林草剩余物资源潜力评估模型的搭建步骤如下：
a1)输入预选区域内1公里分辨率林业剩余物和NPP数据的参数；
a2)输入土地利用数据；
a3)输入RCP情景等条件参数；
a4)组成林草剩余物资源潜力计算模型，并接受历史数据对模型进行一步校验。
3.根据权利要求2所述的一种林草碳汇和剩余物资源潜力评估方法，其特征在于：所述自然资源大数据类型和参数包括RCP情景参数。
4.根据权利要求3所述的一种林草碳汇和剩余物资源潜力评估方法，其特征在于：所述土地利用数据包括林地和草地利用数据，所述RCP情景可以选择多个不同的情景。
5.根据权利要求4所述的一种林草碳汇和剩余物资源潜力评估方法，其特征在于：所述RCP情景具体为典型温室气体浓度路径条件，所述RCP情景包括RCP 2.6情景、RCP 4.5情景、RCP 6.0情景和RCP 8.5情景。
6.根据权利要求1所述的一种林草碳汇和剩余物资源潜力评估方法，其特征在于：所述RS-GIS具体为遥感-地学信息系统，所述类型和参数还包括土地利用数据与预选区域内1公里分辨率的林业剩余物数据和净初级生产力数据。
7.根据权利要求6所述的一种林草碳汇和剩余物资源潜力评估方法，其特征在于：所述土地利用数据主要指林地和草地数据。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111530985.5A CN114219284A (zh) | 2021-12-14 | 2021-12-14 | 一种林草碳汇和剩余物资源潜力评估方法 |
| CN2021115309855 | 2021-12-14 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114626763A true CN114626763A (zh) | 2022-06-14 |
Family
ID=80702080
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111530985.5A Pending CN114219284A (zh) | 2021-12-14 | 2021-12-14 | 一种林草碳汇和剩余物资源潜力评估方法 |
| CN202210479966.2A Pending CN114626763A (zh) | 2021-12-14 | 2022-05-05 | 一种林草碳汇和剩余物资源潜力评估方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111530985.5A Pending CN114219284A (zh) | 2021-12-14 | 2021-12-14 | 一种林草碳汇和剩余物资源潜力评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN114219284A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114626764A (zh) * | 2021-12-14 | 2022-06-14 | 无锡数据湖信息技术有限公司 | 一种农业剩余物资源潜力评估方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116992351B (zh) * | 2023-09-26 | 2023-11-28 | 云南省林业调查规划院 | 一种森林碳汇潜力预测方法及装置 |
-
2021
- 2021-12-14 CN CN202111530985.5A patent/CN114219284A/zh active Pending
-
2022
- 2022-05-05 CN CN202210479966.2A patent/CN114626763A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114626764A (zh) * | 2021-12-14 | 2022-06-14 | 无锡数据湖信息技术有限公司 | 一种农业剩余物资源潜力评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114219284A (zh) | 2022-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yin et al. | Water scarcity under various socio-economic pathways and its potential effects on food production in the Yellow River basin | |
| Verburg et al. | A multi-scale, multi-model approach for analyzing the future dynamics of European land use | |
| CN114626763A (zh) | 一种林草碳汇和剩余物资源潜力评估方法 | |
| Xu et al. | Projected changes in temperature and precipitation extremes over China as measured by 50-yr return values and periods based on a CMIP5 ensemble | |
| Zhu et al. | Ecosystem carbon storage under different scenarios of land use change in Qihe catchment, China | |
| Yuan et al. | Modeling net primary productivity of the terrestrial ecosystem in China from 1961 to 2005 | |
| Diao et al. | Active forest management accelerates carbon storage in plantation forests in Lishui, southern China | |
| CN108875002B (zh) | 一种基于遥感与gis的荒漠生态系统红色名录评估方法 | |
| Samadi et al. | Statistical downscaling of climate data to estimate streamflow in a semi-arid catchment | |
| Zhou et al. | Potential impact of future climate change on crop yield in northeastern China | |
| Zhang et al. | Spatial distribution prediction and benefits assessment of green manure in the Pinggu District, Beijing, based on the CLUE-S model | |
| Zhang et al. | Changes in precipitation extremes over eastern China simulated by the Beijing Climate Center Climate System Model (BCC_CSM1. 0) | |
| Hassan et al. | Studying the impact of climate change on the average temperature using CanESM2 and HadCM3 modelling in Iraq | |
| Li et al. | An outlook on the biomass energy development out to 2100 in China | |
| Liu et al. | Unrevealing past and future vegetation restoration on the Loess Plateau and its impact on terrestrial water storage | |
| Saidi et al. | Climate projections in Lake Maggiore watershed using statistical downscaling model | |
| Shi et al. | A method for spatial heterogeneity evaluation on landscape pattern of farmland shelterbelt networks: A case study in midwest of Jilin Province, China | |
| CN115983522B (zh) | 一种乡村生境质量评估及预测方法 | |
| Liu et al. | Projection of the potential distribution of suitable habitats for Siberian crane (Grus leucogeranus) in the middle and lower reaches of the Yangtze River basin | |
| CN116109031A (zh) | 一种考虑生态服务价值的可再生能源选址方法 | |
| CN109033568B (zh) | 一种草地产草量空间数据格网化重建方法 | |
| Pántano et al. | Soil response to long-term projections of extreme temperature and precipitation in the southern La Plata Basin | |
| Min et al. | The change in the East Asian summer monsoon simulated by the MIROC3. 2 high-resolution coupled model under global warming scenarios | |
| Li et al. | Temporal and spatial distributions of water and sediment yield in the Luanhe River Basin, China | |
| Yini et al. | Optimization of land use pattern reduces surface runoff and sediment loss in a Hilly-Gully watershed at the Loess Plateau, China |
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 |