Evaluation of tourism climate comfort in the Grand Shangri-La region

The Grand Shangri-La(GSL) region has strong international tourist appeal. GSL has considerable international eco-tourist potential as well as being attractive for leisure, vacation, health, explorative, and scientific research activities in addition to high-end tourism experiences. These factors could promote the development of its regional tourism. GSL has been identified as a key area for tourism development in China. In this study, we investigated tourism climate conditions in GSL from 1980 to 2016 using a tourism climate index(TCI). We found that through global warming, the number of annual and monthly good-weather days, as assessed with the TCI, showed an increase over most of GSL;that trend was especially true for very good, excellent, and ideal days. The optimal travel period was May–October. We obtained the same result using cluster heat maps, in which we categorized 31 studied meteorological stations into eight types. However, heavy rainfall tended to occur during that optimal period, and it was concentrated at certain times. The annual total number of comfortable days greater than 300 was mainly located in southern GSL. We observed significant correlations between monthly and annual excellent and ideal days with latitude and elevation;in particular, we identified a significant nonlinear correlation between excellent(and ideal) days and elevation.

Research on the Eco-tourism and Environment-friendly Land Use Patterns in Shangri-La

Through the analysis of the geographical features of the Shangri-La,the eco-tourism and environment-friendly land use patterns were proposed. And the significances of the mode of economic development in Shangri-La were analyzed.

应用Landsat8 OLI和GBRT对高山松地上生物量的估测

依据香格里拉市Landsat8 OLI提取的因子和外业调查的高山松样地地上生物量,利用梯度提升回归树(GBRT)建立了地上生物量与遥感因子的估测模型,并与随机森林、多元线性回归、偏最小二乘方法进行了对比。结果表明:纹理信息对生物量有重要影响,其中熵、相关性和Landsat8 OLI近红外波段的信息对生物量的影响最大;采用GBRT进行建模,当迭代次数大于200次时,偏差降低减缓,GBRT建模方法的精度评价指标(R2=0.96,rRMSE=8.80%,P=73.88%)均优于其他3个模型。应用Landsat数据进行森林地上生物量估测的不确定因素较多,GBRT可作为高山松及其他树种地上地上生物量遥感估测的另一新方法。

基于Landsat TM的香格里拉市高山松生物量估测重建

基于香格里拉市2006年TM影像、森林资源二类调查数据、外业调查数据,利用随机点所在小班的遥感因子平均值建立数据集,通过数据筛选和相关性分析,选出123个样地数据及14个遥感因子,建立了基于遥感因子的高山松生物量估测的非线性和线性模型,并讨论了模型精度及其预测精度。研究结果表明,线性模型(R2adj=0.406、RMSE=34.18 t/hm^2、rRMSE=38.54%)比非线性模型的精度(R_(adj)~2=0.286、RMSE=37.79 t/hm^2、rRMSE=42.60%)高;运用交叉验证法得到的线性模型的预测精度(RMSE’=35.12 t/hm^2、rRMSE’=39.59%)也要高于非线性模型的预测精度(RMSE’=38.44 t/hm^2、rRMSE’=43.34%)。与其它2个同类研究相比,重建的高山松生物量模型虽然在模型精度上还略有欠缺,但是建模数据更为随机、合理,对因子提取方法进行了一定改进,建立的模型为高海拔地区利用遥感数据和森林资源二类调查数据估测典型乔木森林生物量提供参考,为地形起伏较大区域进行森林生物量估测提供了较为完整的技术方法。

基于GEE和Landsat时间序列数据的香格里拉森林类型分类研究

基于Google Earth Engine云平台和2014—2017年Landsat OLI影像序列,根据其在时间域上的光谱特征,结合植被指数特征、地形和温度特征,采用随机森林分类算法,开展香格里拉森林类型分类研究。结果表明:不同森林类型的生长轨迹有明显差异,4种森林类型在冬季的植被指数差异最明显;时间序列影像数据能够提供不同森林类型的物候差异特征,弥补单一日期影像难以区分不同森林类型的困难;研究区森林/非森林覆盖的总体精度为97.17%,Kappa系数为0.943,森林类型分类的总体精度87.78%,Kappa系数为0.80。基于Landsat时间序列的方法能够提供一个精度较高的森林分类产品,可为基于森林类型制图的应用提供帮助。

基于Landsat TM冬季影像的香格里拉高寒草甸分布的提取与验证

根据1995年地面实测的土地利用资料,识别香格里拉市不同坡度、坡向和海拔组合下的高寒草甸和裸地的分布情况,利用1995年Landsat TM冬季影像计算裸土植被指数和归一化植被指数,以识别潜在分布区内的裸地和绿色植被,进而分析1995年香格里拉市高寒草甸的空间分布格局。结果表明:1995年香格里拉市高寒草甸和裸地集中分布区的坡度为9°~37°,坡向为南、西南、西、西北和北方向,海拔为3900~4631 m;高寒草甸和裸地的潜在分布区为1742.89 km^(2)。剔除潜在分布区内的裸地和绿色植被,提取得到1995年香格里拉市高寒草甸的面积为1070.28 km^(2),其中,在高寒草甸集中分布区域的提取面积为512 km^(2),与真实分布情况相比,其面积精度为76.10%,空间重合度为90.87%。因此,采用Landsat TM冬季遥感影像提取滇西北高寒草甸的分布(尤其在集中分布区)是可行的。

基于Landsat影像数据的香格里拉市优势树种蓄积量估测模型构建

以香格里拉市优势树种高山栎、高山松、云冷杉及云南松为研究对象,构建基于遥感的森林蓄积量估测模型。采用2006年和2016年的Landsat TM/OLI影像及二类调查数据,随机从每期数据中各选取100个小班,提取其影响因子,利用相关性强的因子构建RF模型和MLR模型。结果表明,2006年各树种蓄积量RF模型的拟合R2在0.779~0.862范围,预测精度P值为80.17%~92.16%;2016年RF模型的拟合R2为0.761~0.865,预测精度P值为81.61%~95.53%。建立MLR模型后,2006年树种蓄积量估测模型的拟合R2为0.214~0.336,预测精度P值为34.12%~47.16%;2016年模型的拟合R2为0.238~0.391,预测精度P值为34.82%~52.57%。估测结果与二类调查数据的误差为:高山栎、高山松、云冷杉、云南松分别增加了8.54×105m3、3.65×106m3、4.12×106m3、3.96×104m3,误差分别为0.36%、0.78%、0.44%、0.62%。对比二种模型估测结果表明,随机森林模型能更精确地估测优势树种蓄积量。

Estimating aboveground biomass of Pinus densata-dominated forests using Landsat time series and permanent sample plot data

Southwest China is one of three major forest regions in China and plays an important role in carbon sequestration.Accurate estimations of changes in aboveground biomass are critical for understanding forest carbon cycling and promoting climate change mitigation.Southwest China is characterized by complex topographic features and forest canopy structures,complicating methods for mapping aboveground biomass and its dynamics.The integration of continuous Landsat images and national forest inventory data provides an alternative approach to develop a long-term monitoring program of forest aboveground biomass dynamics.This study explores the development of a methodological framework using historical national forest inventory plot data and Landsat TM timeseries images.This method was formulated by comparing two parametric methods:Linear Regression for Multiple Independent Variables(MLR),and Partial Least Square Regression(PLSR);and two nonparametric methods:Random Forest(RF)and Gradient Boost Regression Tree(GBRT)based on the state of forest aboveground biomass and change models.The methodological framework mapped Pinus densata aboveground biomass and its changes over time in Shangri-la,Yunnan,China.Landsat images and national forest inventory data were acquired for 1987,1992,1997,2002 and 2007.The results show that:(1)correlation and homogeneity texture measures were able to characterize forest canopy structures,aboveground biomass and its dynamics;(2)GBRT and RF predicted Pinus densata aboveground biomass and its changes better than PLSR and MLR;(3)GBRT was the most reliable approach in the estimation of aboveground biomass and its changes;and,(4)the aboveground biomass change models showed a promising improvement of prediction accuracy.This study indicates that the combination of GBRT state and change models developed using temporal Landsat and national forest inventory data provides the potential for developing a methodological framework for the long-term mapping and monitoring program of forest aboveground biomass and its changes in Southwest China.

基于Landsat的香格里拉市高山松地上生物量动态研究

采用不同时期的Landsat5 TM卫星遥感影像数据和1987—2007年5期云南省香格里拉市森林资源连续清查样地调查数据,通过数据筛选,应用随机森林算法(RF)、梯度提升回归树算法(GBRT)等相关性分析模型,估测1987—2007年间云南省香格里拉市高山松地上生物量动态变化规律。结果表明,GBRT算法的估测模型效果最好,决定系数R^(2)为0.99,预估精度P为70.07%;RF算法次之,决定系数R^(2)为0.89,预估精度P为66.10%。1987—2007年的20年间,香格里拉高山松地上生物量总量经历了先减又增的过程,1987、1992、1997、2002、2007年地上生物量分别为1023.29、1022.38、1011.73、1018.02、1019.33万t。但截至2007年,高山松地上生物量仍然未恢复到1987年水平。结合20年的林业发展过程,对高山松地上生物量动态变化原因进行简要分析,对后续研究提出了建议。

基于ICESat2的西南山地森林LAI遥感估测模型优化

叶面积指数(leaf area index,LAI)是森林生态系统重要参数,如何以较小成本提升区域尺度的山地森林LAI的遥感估测精度,对于精确掌握森林LAI的情况和进一步了解森林生态系统有重要意义。本研究以星载激光雷达ICESAT-2/ATLAS为主要信息源,以西南山地香格里拉市为研究区,基于随机森林回归(random forest,RF)遥感估测模型,结合地面51块LAI实测样地数据,在前期进行RF超参数优化基础上,采用决定系数、均方根误差、绝对平均误差和中位数绝对误差作为模型精度评价指标,对估测效果进行分析。结果表明:使用随机表面查找算法进行RF回归模型的超参数优化,能明显提升模型估测LAI精度。提取出的地面光斑特征参数在山地森林LAI估测中有较高的贡献度和极佳的效果,可用于区域尺度的山地森林物理结构参数LAI的估测。同时,利用随机表面查找算法优化后的RF回归模型,估测精度更高,估测结果与研究区森林分布现状吻合,具有一定普适性。最后,研究确定了使用ICESat-2/ATLAS数据产品估测LAI是可行的,能为星载激光雷达估测中大范围的LAI提供一定的参考。

基于Landsat TM数据的高山松林生物量研究

以香格里拉地区高山松林为对象,对香格里拉地区高山松林生物量进行了研究。生物量模型以香格里拉地区2009年Landsat-5TM遥感图像数据和2011年野外调查获得的45个样地调查数据为基础,利用遥感数据提取各波段灰度值、植被指数和地学数据共14个因子作为自变量,分别运用逐步回归分析方法和主成分分析方法提取的的主成分建立了以样地实测生物量为因变量的生物量估算的回归模型。两个模型经方差分析及相关性检验,均达到显著相关水平,相关系数R分别为0.519和0.581,可用于高山松林生物量的估测,但是估测精度都较低。其中利用主成分分析建立的模型精度高于利用逐步回归分析法建立的生物量模型。

基于Landsat时间序列的香格里拉市土地覆盖变化检测

基于Google Earth Engine平台,使用Landsat Level遥感影像,利用归一化燃烧指数作为LandTrendr时间分割算法的光谱数值,对香格里拉市进行土地覆盖变化检测。结果表明:1986—2016年,林地、未利用地、永久性冰川雪地面积持续减少,草地、水体和建设用地面积持续增加;林地为香格里拉最主要的土地覆盖类型,总占比超过80%。香格里拉土地覆盖的变化动态度总体较低,土地覆盖变化过程较为平缓;大部分林地未发生变化,在31 a内以中度干扰和轻微恢复为主。但香格里拉林地总面积多年来持续减少,按干扰和恢复的持续时间来看,1986—2016年林地发生变化的主要类型为持续1~5 a的干扰和持续21~31 a的恢复。自然灾害与人为采伐的消耗速度远大于林分的自然增长速度,如果不健全林地保护的措施,林地资源将日益稀少。

《香格里拉松茸保护与利用白皮书》解析

《香格里拉松茸保护与利用白皮书》从香格里拉松茸发展实际出发,提出了坚持松茸可持续发展的理念,梳理了松茸的发展背景、取得成效、发展机遇、存在的问题及面临的挑战;分析了香格里拉松茸的保护现状和保护措施,香格里拉松茸的利用现状和利用措施;依据标准对香格里拉松茸进行分级,并从组织、政策、资金、科技人才、执法监督,倡导全民行动、合作交流等方面强化松茸保护措施。《白皮书》的出台,促进了香格里拉松茸产业发展“始于松茸,不止于松茸”,实现香格里拉松茸产业生态、经济和社会效益的多赢。

香格里拉市高山松林碳密度与环境因子的关系研究

以香格里拉市高山松林为研究对象,依据前期构建的高山松单木碳储量模型,结合森林资源二类调查数据推算高山松林的碳密度,利用除趋势对应分析方法探讨高山松林碳密度与各环境因子之间的关系。结果表明,在林分因素中,平均树高对高山松林碳密度的影响最大;在地形因素中,坡度对高山松林碳密度的影响最大;在温度因素中,最热月均温和最冷月均温差对高山松林的碳密度影响最大;在降水因素中,最干季降水和最冷季降水对高山松林碳密度的影响最大。环境因子的综合作用对高山松林碳密度影响的综合分析表明,DCA的第一排序轴与高山松林的碳密度相关性最大,可以很好地解释环境因子的综合作用对高山松林碳密度产生的影响,在26个环境因子中,有20个环境因子与DCA第一排序轴有极显著的相关性,其中,林分因子的相关性系数较大,说明高山松林的碳密度主要受林分因子共同作用的影响。

基于遥感技术的香格里拉地质灾害监测

香格里拉位于青藏高原横断山区腹地,该区域频繁发生泥石流、滑坡和崩塌等多种地质灾害。为监测该市重点地区的地质灾害,采用Pléiades卫星数据,在迪庆经济开发区与虎跳峡镇进行了1∶1万比例的地质灾害遥感监测。同时,使用资源三号卫星数据对全市范围内的重点地区进行了1∶5万比例的遥感监测。1∶1万比例的遥感监测在迪庆经济开发区与虎跳峡镇共发现60余处地质灾害点,而1∶5万比例的监测则在更广泛的市域重点区域发现了558处地质灾害点。野外验证结果表明,无论是1∶1万还是1∶5万比例的遥感监测,准确率均达到100%。这一研究结果强调了遥感技术在监测地质灾害方面的有效性和准确性,表明该技术非常适合用于全面了解和预防香格里拉市的地质灾害,具有广泛的应用前景。

香格里拉市高山松林碳储量空间分异研究

以香格里拉市高山松林为研究对象,构建高山松单木碳储量模型,结合森林资源二类调查数据推算香格里拉市高山松林的碳储量和碳密度,以DEM为数据源,对研究区高山松林碳储量和碳密度的空间分布特征进行分析。研究结果表明,高山松单木碳储量模型以幂函数模型精度最高,决定系数R~2=0.989,均方误差MSE=259.43,可用来进行高山松林碳储量估测;在空间分布上,研究区高山松碳储量集中分布于海拔>2 500~4 000 m地段,在海拔>2 000~2 500 m地段碳储量密度最大,为40.80 t/hm^(2);高山松林碳储量从平坡到险坡的分布呈先增大后减小的趋势,其中,在陡坡上分布最多,在平坡上分布最少;高山松林碳密度随坡度的增大呈先增大后减小的趋势,其中高山松林在急坡上的碳密度最大,为35.94 t/hm^(2),在平坡上的碳密度最小,为30.85 t/hm^(2);高山松林碳储量在平地上分布极少,在阴坡、半阴坡、半阳坡、阳坡上的分布差异不大,呈先增大后减小的趋势,其中,在半阳坡上的分布最多,在阴坡上的分布最少,高山松林碳密度大小在各坡向上相差不大,在半阳坡上最大,为34.40 t/hm^(2),在平地上最小,为32.20 t/hm^(2)。

基于知识图谱的香格里拉藏区民居装饰可视化分析

香格里拉藏区被誉为“离天堂最近的地方”,民居建筑装饰不仅是藏族悠久历史传统文化的现实印证,而且是藏族建筑文化的重要组成部分,其在装饰图案纹样上尤为绚丽多姿,向人们展示着神秘的美感。文章从装饰题材、纹样、装饰手法上进行总结分析,将CNKI数据库内有关藏族民居装饰领域的中文文献整合得出其发展历程的时区图,以保护和发扬藏族民居装饰艺术以及藏族民居建筑装饰传统文化为目的,为其传承和发展提出理论依据,从而促使香格里拉藏区民居装饰焕发新活力展现新的独特魅力。

云南省香格里拉县红坡金矿地质特征及找矿前景分析

在分析红坡金矿矿床地质特征及矿床成因的基础上,对找矿远景进行了评价。研究表明:红坡金矿含矿岩石类型主要有致密块状黄铁矿化凝灰岩、角砾状凝灰岩致密块状黄铁矿化凝灰岩型金矿石;矿床成因类型为受构造控制的与凝灰岩相关的火山及次火山热液金矿床。矿区深部具有较好的找矿前景。

香格里拉藏区传统民居大门装饰特征研究

自20世纪下半叶分形理论问世,其作为建筑评价的重要组成部分,为人类研究和计量建筑分形特征提供了数学表达工具。文章从香格里拉藏区传统民居入手,将分形理论应用于香格里拉藏区传统民居大门装饰的分析中,量化其传统民居大门装饰的组织机制和复杂性秩序,进而为少数民族传统民居的保护、更新与延续提供理论与方法基础。选取了具有代表性的实例,从而揭示了其民居大门装饰形式背后所隐含的美学法则,间接讨论了分形几何应用于建筑形式分析的现实意义。

香格里拉国家公园普达措片区景观多功能测度及权衡协同关系研究

香格里拉国家公园普达措片区位于“三江并流”世界自然遗产地核心区域,区内自然环境及多民族文化资源联系密切,对于景观多功能性研究具有典型性。研究明确了普达措片区景观多功能特征与演化情况,对研究区农业生产、景观文化、景观承载与调节服务中包含的11项景观功能进行评估,探索2006—2022年片区景观多功能性变化与权衡协同关系。结果表明:(1)普达措片区土地用途呈现多元化与生态化趋势,各类生态系统用地均衡发展。(2)区域景观多功能水平维持稳定,2006—2022年间片区的景观多功能水平均值为5.97,变化幅度约为1.67%。(3)各景观功能之间,“气候/体调节-碳固存”、“生物多样性-碳固存”与“生物多样性-生境质量”等功能间存在较为明显的协同关系,而“气候/体调节-粮食供给”、“气候/体调节-产水能力”及“气候/体调节-水质净化”等功能间存在明显的权衡关系。(4)普达措片区景观服务功能间的发展逐渐趋于协调。这表明普达措片区生态化管理对其景观多功能具有一定的积极作用,未来应当加强景观可持续性建设,促进片区及其周边社区“生产-生活-生态”功能协同发展。