期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
新疆莫索湾垦区150团防护林防护效益分析 被引量:2
1
作者 尚白军 吴书普 +2 位作者 周智彬 宋春武 郑博文 《中国水土保持科学》 CSCD 北大核心 2021年第5期45-52,共8页
莫索湾垦区150团地处沙漠腹地,北、西、东三面被沙漠环绕,团场防沙基干林和天然荒漠林是团场农业生产和生活环境的生态屏障,研究团场防护林的防护效益能够为团场生态防护林的合理构建提供科学指导。以莫索湾垦区150团为研究对象,通过ENV... 莫索湾垦区150团地处沙漠腹地,北、西、东三面被沙漠环绕,团场防沙基干林和天然荒漠林是团场农业生产和生活环境的生态屏障,研究团场防护林的防护效益能够为团场生态防护林的合理构建提供科学指导。以莫索湾垦区150团为研究对象,通过ENVI 5.2计算疏透度,并选取疏透度和郁闭度(盖度)评估防护林的防沙效益。结果表明:1)150团各行政单位林地面积、人均林地占有量的变异系数(CV)分别为64.61%和87.89%,表明两者处于中等程度变异(10%<CV<100%),覆盖度的变异系数为163.36%,属于强变异(CV>100%),表明各行政单位林地覆盖度差异较大;各行政单位农田林网化变异系数为24.97%,属中等程度变异。2)由疏透度可知,团场防护林疏透度大多高于0.40,防护林的防护效益有待优化。3)外围灌木防护林盖度在30%~44%之间,属于中度郁闭,内部乔木防护林郁闭度大多数高于0.70,属于高度郁闭。强烈的风沙侵蚀、水分供应不足和种植密度过高是导致北部地区防护林出现大面积退化的主要原因,生态环境保护政策和生态屏障建设高投入是团场防护林整体向良性发展的主要原因。 展开更多
关键词 疏透度 郁闭度 防护效益 新疆
下载PDF
克拉玛依市玛依湖区土壤有机质空间异质性分析 被引量:5
2
作者 尚白军 郑博文 +1 位作者 周智彬 王利界 《华南农业大学学报》 CAS CSCD 北大核心 2021年第1期72-81,共10页
【目的】研究克拉玛依市东部生态屏障的水源地玛依湖区土壤有机质的空间分布规律,为湖区的生态环境保护提供科学依据和数据支撑。【方法】以玛依湖区为研究对象,通过野外采样和室内分析,利用趋势分析法、反距离权重插值法、空间自相关... 【目的】研究克拉玛依市东部生态屏障的水源地玛依湖区土壤有机质的空间分布规律,为湖区的生态环境保护提供科学依据和数据支撑。【方法】以玛依湖区为研究对象,通过野外采样和室内分析,利用趋势分析法、反距离权重插值法、空间自相关法和半变异函数法分析玛依湖区不同土层深度土壤有机质的空间分布规律。【结果】趋势法分析表明,玛依湖区土壤有机质含量在0~20、20~40、40~60和60~80 cm土层的变化速率存在差异,整体趋势为土壤有机质含量南北方向呈增加趋势、东西方向呈减少趋势。反距离权重插值法(IDW)研究表明,玛依湖区不同土层土壤有机质水平分布差异较大,局部地区土壤有机质含量存在明显的垂直分布特征,土壤有机质含量变化趋势同趋势法分析结果高度一致,整体表现为土壤有机质含量南北方向呈增加趋势、东西方向呈减少趋势。空间自相关法研究表明,0~20、20~40、40~60和60~80 cm土层的Moran指数分别为0.1643、0.1236、0.1955和0.2461,均在空间上呈现出显著正相关;4个土层的Z值分别为3.1510、2.5934、3.5903和4.6355,底层(40~60和60~80 cm)的土壤有机质空间正相关较显著、空间聚集程度最高,表层(0~20和20~40 cm)空间相关性不显著、空间聚集程度较低。半变异函数分析法表明,底层(40~60和60~80 cm)土层的块金效应分别为0.427和0.420,说明土壤有机质具有一定的空间相关性;表层(0~20和20~40 cm)土层的块金效应分别为0.033和0.045,土壤有机质的空间相关性较弱。【结论】不同土层土壤有机质含量水平差异较大,南北方向呈增加趋势,东西方向呈减少趋势,局部地区存在明显的垂直分布特征。土壤有机质在表层(0~20和20~40 cm)空间相关性不显著,空间聚集程度较低;在底层(40~60和60~80 cm)空间相关性较显著,空间聚集程度较高。土壤有机质空间异质性受土壤类型、土壤质地、外围植被类型以及湖区面积变化的影响较大;在湖区外围生态屏障建设时,防护林树种、种植深度、种植密度的选择应当结合土壤有机质含量的空间分布状况进行。 展开更多
关键词 土壤有机质 空间自相关 半变异函数 趋势分析 反距离权重插值
下载PDF
克拉玛依市玛依湖区不同土壤条件的植被生长状况及影响因子 被引量:3
3
作者 尚白军 郑博文 +2 位作者 周智彬 王著峰 王利界 《东北林业大学学报》 CAS CSCD 北大核心 2021年第1期44-49,共6页
为了更好地建设玛依湖区外围生态屏障,以玛依湖区为研究对象,通过野外采样和室内分析,利用趋势法、反距离权重插值法分析了该区植被生长与土壤理化性质之间的关系。结果表明:(1)玛依湖区土壤重度盐渍化占37.25%,轻度盐渍化占30.28%,中... 为了更好地建设玛依湖区外围生态屏障,以玛依湖区为研究对象,通过野外采样和室内分析,利用趋势法、反距离权重插值法分析了该区植被生长与土壤理化性质之间的关系。结果表明:(1)玛依湖区土壤重度盐渍化占37.25%,轻度盐渍化占30.28%,中度盐渍化占31.47%,轻度盐渍化土壤中植被NDVI值最大,植被生长较好,中度盐渍化土壤中归一化植被指数(NDVI)最小,植被生长受到抑制。(2)玛依湖区土壤以灰漠土为主,占总面积的33.49%,其次是草甸土,占总面积的21.17%,其他类型的土壤占比较少。不同土壤类型植被的生长状况差异明显,沼泽土的NDVI值最大,植被生长最好,风沙土的NDVI值最小,植被受到较强的抑制性。(3)由于地下水位的变化,越靠近湖区地下水位越高,NDVI值越大,植被生长越好,随着与湖区距离的增加,地下水位逐渐降低,植物可利用的水资源逐渐较少,植被受到干旱胁迫,影响植被正常生长,NDVI值越来越小。(4)玛依湖区阴坡和阳坡植被的生长状况差异不显著,植被生长状况受磷、氮、钾和有机质质量分数以及pH的影响更大,受分形维数和盐分的影响较小。 展开更多
关键词 归一化植被指数 土壤属性 盐渍化 玛依湖
下载PDF
Ecological environment quality evaluation of the Sahel region in Africa based on remote sensing ecological index 被引量:9
4
作者 WU Shupu GAO Xin +3 位作者 LEI Jiaqiang ZHOU Na GUO Zengkun shang baijun 《Journal of Arid Land》 SCIE CSCD 2022年第1期14-33,共20页
Long-term monitoring of the ecological environment changes is helpful for the protection of the ecological environment.Based on the ecological environment of the Sahel region in Africa,we established a remote sensing ... Long-term monitoring of the ecological environment changes is helpful for the protection of the ecological environment.Based on the ecological environment of the Sahel region in Africa,we established a remote sensing ecological index(RSEI)model for this region by combining dryness,moisture,greenness,and desertification indicators.Using the Moderate-resolution Imaging Spectroradiometer(MODIS)data in Google Earth Engine(GEE)platform,this study analyzed the ecological environment quality of the Sahel region during the period of 2001-2020.We used liner regression and fluctuation analysis methods to study the trend and fluctuation of RSEI,and utilized the stepwise regression approach to analyze the contribution of each indicator to the RSEI.Further,the correlation analysis was used to analyze the correlation between RSEI and precipitation,and Hurst index was applied to evaluate the change trend of RSEI in the future.The results show that RSEI of the Sahel region exhibited spatial heterogeneity.Specifically,it exhibited a decrease in gradient from south to north of the Sahel region.Moreover,RSEI in parts of the Sahel region presented non-zonal features.Different land-cover types demonstrated different RSEI values and changing trends.We found that RSEI and precipitation were positively correlated,suggesting that precipitation is the controlling factor of RSEI.The areas where RSEI values presented an increasing trend were slightly less than the areas where RSEI values presented a decreasing trend.In the Sahel region,the areas with the ecological environment characterized by continuous deterioration and continuous improvement accounted for 44.02%and 28.29%of the total study area,respectively,and the areas in which the ecological environment was changing from improvement to deterioration and from deterioration to improvement accounted for 12.42%and 15.26%of the whole area,respectively.In the face of the current ecological environment and future change trends of RSEI in the Sahel region,the research results provide a reference for the construction of the"Green Great Wall"(GGW)ecological environment project in Africa. 展开更多
关键词 ecological environment remote sensing ecological index human activities climate change Sahel region "Green Great Wall"(GGW)
下载PDF
基于优化随机森林回归模型的土壤盐渍化反演 被引量:13
5
作者 杨练兵 陈春波 +3 位作者 郑宏伟 罗格平 尚白军 Olaf Hellwich 《地球信息科学学报》 CSCD 北大核心 2021年第9期1662-1674,共13页
当前应用于土壤盐分含量(Soil Salinity Content,SSC)反演的随机森林回归(Random Forests Regression,RFR)较少关注对模型精度影响较大的反演参数子集和模型参数的同步优化。本研究选择渭-库绿洲和奇台绿洲为实验区,基于Landsat-5 TM、S... 当前应用于土壤盐分含量(Soil Salinity Content,SSC)反演的随机森林回归(Random Forests Regression,RFR)较少关注对模型精度影响较大的反演参数子集和模型参数的同步优化。本研究选择渭-库绿洲和奇台绿洲为实验区,基于Landsat-5 TM、SRTM、MOD11A2.006遥感数据构建反演参数。首先,利用弹性网络(Elastic Net,EN)筛选出反演参数子集,然后利用遗传算法(Genetic Algorithm,GA)和贝叶斯优化算法(Bayesian Optimization Algorithm,BOA)分别优化随机森林回归(Random Forests Regression,RFR)参数,建立反演参数子集和模型参数分步优化的RFR模型(EN-GA-RFR、EN-BOA-RFR)。建立利用GA和BOA分别同步优化反演参数子集和模型参数的RFR模型(GA-RFR、BOA-RFR)。在每个实验区,对比EN-GARFR、EN-BOA-RFR、GA-RFR、BOA-RFR的预测精度。最后分析每个实验区各类盐渍土的空间分布,并对2个实验区的反演参数进行对比分析。结果表明:每个实验区模型预测精度由高到低的排序均为BOA-RFR>GA-RFR>EN-BOA-RFR=EN-GARFR,整体上BOA的优化性能均好于GA;渭-库绿洲和奇台绿洲面积占比最大的盐渍土类型分别为盐渍土和中度盐渍土;反演参数对SSC的表征能力存在空间分异性。 展开更多
关键词 土壤盐分含量 同步优化 随机森林回归 贝叶斯优化算法 遗传算法 弹性网络 反演参数子集 模型参数
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部