NL2022102B1

NL2022102B1 - Prediction method for alpine vegetation in a high-altitude permafrost region

Info

Publication number: NL2022102B1
Application number: NL2022102A
Authority: NL
Inventors: Wang Zhiwei; Wu Jiahai; Song Xuelian; Wu Xiaodong; Zhao Lin; Wang Xiaoli; Wang Qian; Zhang Wen; Ruan Xirui; Wang Shuying
Original assignee: Guizhou Inst Of Prataculture Of Guizhou Academy Of Agricultural Sciences
Priority date: 2018-11-30
Filing date: 2018-11-30
Publication date: 2020-06-26

Claims

Conclusies

1. Voorspellingswerkwijze voor alpiene vegetatie in een hoger gelegen permafrostgebied omvattende: het bekomen van onderzoeksgegevens van vegetatiekenmerken in het permafrostgebied van het Tibetaanse Plateau, waarbij de gegevens 490 vegetatieplaatsen voor het onderzoek van kenmerken beslaan, vegetatieplaatsen die op alpiene moerassige weiden, alpiene weiden, alpiene steppen, alpiene woestijnen en naakte gronden zonder begroeiing gelegen zijn; het bekomen van 19 bioklimatologische parameters, waarbij elke bioklimatologische parameter de gemiddelde jaarlijkse temperatuur, het gemiddelde dagbereik, het isotherme gedrag, de seizoensgevoeligheid van de temperatuur, de maximale temperatuur van de warmste maand, de minimale temperatuur van de koudste maand, het jaarlijkse temperatuurbereik, de gemiddelde temperatuur van het vochtigste kwartaal, de gemiddelde temperatuur van het droogste kwartaal, de gemiddelde temperatuur van het warmste kwartaal, de gemiddelde temperatuur van het koudste kwartaal, de jaarlijkse neerslag, de neerslag van de vochtigste maand, de neerslag van de droogste maand, de seizoensgevoeligheid van de neerslag, de neerslag van het vochtigste kwartaal, de neerslag van het droogste kwartaal, de neerslag van het warmste kwartaal, de neerslag van het koudste kwartaal omvat; het bekomen van vier NDVI-parameters op basis van een NDVI-dataset, waarbij elke NDVI-parameter omvat: de gemiddelde NDVi-waarde, de maximale NDVl-waarde, de minimale NDVI-waarde, en het NDVI-bereik; het bekomen van de helling, de hellingsrichting en de profielkromming op elk punt van een rasterpixelelement in het permafrostgebied van het Tibetaanse Plateau op basis van een digitaal hoogtemodel (DEM - Digital Elevation Model} en het gebruik van de hoogten, de hellingen, de hellingsrichtingen en de profielkrommingen als topografische parameters; het bekomen van 12 vegetatieindelingsparameters door parameters te selecteren met correlatiecoéfficiénten groter dan 0,8 vanuit de bioklimatologische parameters, de NDVi-parameters, en vanuit de topografische parameters bij middel van een methode van de hoofdcomponentenanalyse, waarbij de vegetatieindelingsparameter omvat: de jaarlijkse gemiddelde temperatuur, het isotherme gedrag, het jaarlijkse temperatuurbereik, de jaarlijkse neerslag, de neerslag van de droogste maand, de neerslag van het vochtigste kwartaal, de neerslag van het droogste kwartaal, de neerslag van het koudste kwartaal; de gemiddelde NDVi-waarde, de maximale NDVI-waarde, de minimale NDVI-waarde, en de hoogte; en 9het bekomen van vegetatietypes in het permafrostgebied van het Tibetaanse Plateau bij gebruik van een indelingsmethode met beslissingsboom ten einde de onderzoeksgegevens van de vegetatie- kenmerken, de vegetatieindelingsparameters, onderzoekgegevens van vier klimaatscenario's en van 10 klimaatsysteemmodi in te delen, waarbij de gegevens van elk klimaatsysteemmodus omvatten ; RCP2.6, RCP4.5, RCP6.0 en RCP8.0, en elk klimaatsysteemmodus omvat; BCC-CSM1-1, CCSM4, GISS-E2-R, HadGEM2-AO, HadGEM2-ES, IPSL-CM5A-LR, MIROC-ESM, MIROC5, MRI-CGCM3, en NorESM1-M.

2. Voorspellingswerkwijze voor alpiene vegetatie in een hoger gelegen permafrostgebied volgens conclusie 1, omvattende het selecteren van de NDVl-datasets van 1982 tot 2015, het bekomen van het jaarlijkse veranderingsritme van NDVI in elk kwadrantpunt; en het bekomen van de NDVi-parameters in 2050 en 2070 door middel van NDVl-beelden en het jaarlijkse NDVi-veranderingsritme in 2015.

3. Voorspellingswerkwijze voor alpiene vegetatie in een hoger gelegen permafrostgebied volgens conclusie 1, omvattende het gebruik van het dataminingsinstrument dat software See5.0 genoemd is, om de extractie van de indelingsregel van de indelingsmethode met beslissingsboom gedurende tien keren met gebruik van 90 % van de gegevens van het onderzoek naar de vegetatiekenmerken uit te voeren, en het gebruik van de overige 10 % van de gegevens van het onderzoek naar de vegetatiekenmerken om de gegevensnauwkeurigheid na te gaan.

10