古尔班通古特沙漠南缘植物群落多样性与植被覆盖变化分析

古尔班通古特沙漠南缘植物群落多样性与植被覆盖变化分析

论文摘要

以植被现地调查数据、2001、2005、2008年三期CEBERS数据为信息源,以恢复生态学、植被生态学为理论依据,以古尔班通古特沙漠南缘为研究区,运用统计学方法和遥感与地理信息技术,分析了研究区植物群落多样性特征,对研究区植被覆盖度进行估测并对2001-2008年研究区植被覆盖度变化进行了分析。主要研究结论如下:研究区共有六类植物群落,群落多样性自高至低依次为尖喙牻牛儿苗群落、角果藜群落、囊果苔草群落、沙拐枣群落、琵琶柴群落、梭梭群落;整体来看,由于研究区水分条件基本相同,植物群落间物种多样性差别不大;其中,草本植物群落多样性、丰富度大于灌木群落,优势度低于灌木群落;从丘间地到沙丘上部,植物群落多样性逐渐增高,南北走向植物群落多样性、优势度和盖度等参数变化不大,和沙丘延伸方向上地貌形态差异不显著,存在一定的对应关系。研究区植物群落分布规律是:沙拐枣零星分布在南北走向背风坡的丘坡和丘顶,其实生幼苗多生存在半固定沙丘的迎风坡;琵琶柴多分布在东西走向沙丘的丘间平地,丘顶没有分布;角果藜由于其生殖过程的特异性(地上、地下都能结实),适应性较强,可在南北走向沙丘的各个坡位生长;尖喙牻牛儿苗在丘间和各坡面都有分布,但在丘间的密度更大;囊果苔草在南北走向沙丘丘间和迎、背坡面均能生长,尤其在坡的下部生长较好;梭梭对沙漠恶劣环境有较强的适应性,是研究区分布最广泛的物种。针对QB和CEBERS数据的特点,分别对两种数据采用不同方法进行植被覆盖度估测,结果表明:基于QB数据的植被指数法、回归模型法、像元二分法植被覆盖度估测精度分别为84.44%、94.08%、97.85%,像元二分法估测效果最好;基于CEBERS数据的植被覆盖估测,以QB像元二分法估算盖度为真值,植被指数法、回归模型法、像元二分法、改进像元二分法的估测精度分别为77.78%、97.55%、97.35%和98.88%,改进像元二分法简单、实用且与实际情况吻合度好,精度最高。考虑植被覆盖估测精度、成本与数据是否容易获得等综合因素,在进行大范围、长时间植被覆盖变化分析时,以基于CEBERS数据的像元二分法方案最好。基于CEBERS数据,使用像元二分法对研究区20012008年植被覆盖度变化进行分析,结果表明,20012005年研究区植被覆盖降低,覆盖度在0.2以上的有42750hm2转移到0.2以下;20052008年,植被覆盖度0.2以下的有10860hm2转化到0.2以上。国家重点公益林保护工程的实施和围栏封育是植被恢复的主要原因。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 问题的提出
  • 1.2 荒漠植被多样性研究进展
  • 1.3 植被覆盖变化研究进展
  • 1.4 研究区相关研究进展
  • 1.5 研究的理论基础
  • 1.6 主要研究内容
  • 1.7 研究目标
  • 1.8 拟解决问题关键
  • 1.9 研究方法手段及技术路线
  • 第二章 研究区概况
  • 2.1 研究区地理条件
  • 2.2 研究区沙丘类型
  • 2.3 研究区天然植被类型
  • 2.4 研究区大型工程概况
  • 第三章 数据的收集和处理
  • 3.1 植被调查
  • 3.2 遥感数据收集
  • 3.3 遥感数据预处理
  • 第四章 研究区植物多样性调查分析
  • 4.1 研究方法
  • 4.2 结果与分析
  • 4.3 结论与讨论
  • 第五章 基于CEBERS 数据的植被覆盖遥感估测
  • 5.1 外业数据采集
  • 5.2 遥感数据预处理
  • 5.3 基于QB 数据的植被覆盖估算
  • 5.4 CEBERS 数据植被覆盖估算
  • 5.5 研究区2008 年植被覆盖状况
  • 5.6 结论与讨论
  • 第六章 不同时间序列植被覆盖变化分析
  • 6.1 研究方法
  • 6.2 CEBERS 数据预处理
  • 6.3 研究区植被覆盖度提取
  • 6.4 不同植被覆盖面积统计
  • 6.5 结果分析
  • 6.6 结论
  • 第七章 结论
  • 7.1 研究区群落分布特征及群落多样性
  • 7.2 植被覆盖度遥感监测方法研究
  • 7.3 研究区植被覆盖度变化
  • 7.4 研究区后续植被恢复与保育措施
  • 7.5 后续研究的内容及应注意问题
  • 参考文献
  • 致谢
  • 作者简介
  • 相关论文文献

    • [1].基于高分一号遥感影像的植被覆盖遥感监测——以厦门市为例[J]. 国土资源遥感 2019(04)
    • [2].气候变化与人类活动对植被覆盖的影响[J]. 西安科技大学学报 2020(01)
    • [3].北京市2005~2015年植被覆盖变化对蒸散发量的影响[J]. 水电能源科学 2020(02)
    • [4].海南岛植被覆盖变化驱动因子及相对作用评价[J]. 国土资源遥感 2020(01)
    • [5].基于NDVI数据的宝鸡市和西安市植被覆盖情况对比分析[J]. 农业科学研究 2020(01)
    • [6].恩施市植被覆盖时空特征及动态变化分析[J]. 湖北农业科学 2020(07)
    • [7].济南泉域重点渗漏带植被覆盖空间异质性[J]. 东北林业大学学报 2020(09)
    • [8].2010—2018年辽宁西部地区植被覆盖变化及其对气候的响应[J]. 测绘与空间地理信息 2020(07)
    • [9].济南市植被覆盖时空变化特征研究[J]. 绿色科技 2020(14)
    • [10].基于多期遥感数据的华蓥山中段植被覆盖变化研究[J]. 河北省科学院学报 2020(03)
    • [11].基于植被覆盖变化的塔里木河干流保护对策研究[J]. 黑龙江水利科技 2020(09)
    • [12].中国植被覆盖变化研究遥感数据源及研究区域时空热度分析[J]. 地球科学进展 2020(09)
    • [13].贵州省黔南州植被覆盖时空变化分析[J]. 地理空间信息 2018(12)
    • [14].基于Google Earth Engine分析黄土高原植被覆盖变化及原因[J]. 中国环境科学 2019(11)
    • [15].基于Google Earth Engine的京津冀2001~2015年植被覆盖变化与城镇扩张研究[J]. 遥感技术与应用 2018(04)
    • [16].闽赣自然植被覆盖格局及其驱动机制分析[J]. 长江科学院院报 2016(12)
    • [17].基于NDVI的陕北黄土高原丘陵沟壑区植被覆盖变化及其驱动力分析——以志丹县为例[J]. 林业经济 2016(12)
    • [18].基于MODIS数据的宁波市植被覆盖时空变化研究[J]. 浙江水利科技 2017(01)
    • [19].1975–2014年福建省植被覆盖变化及其驱动因素[J]. 植物生态学报 2017(02)
    • [20].2001—2014年间黄土高原植被覆盖状态时空演变分析[J]. 国土资源遥感 2017(01)
    • [21].西北干旱区植被覆盖时空动态特征[J]. 林业资源管理 2017(01)
    • [22].基于MODIS数据乌江流域植被覆盖变化与气候变化关系研究[J]. 林业资源管理 2017(01)
    • [23].黄土高原典型干旱区退耕还林后植被覆盖变化研究[J]. 生态科学 2017(01)
    • [24].2000年以来朝鲜植被覆盖变化及其与气候因子的相关性研究[J]. 干旱区地理 2017(04)
    • [25].兰州南北两山植被覆盖变化动态监测[J]. 兰州理工大学学报 2017(03)
    • [26].德清县植被覆盖时空变化遥感监测[J]. 浙江水利科技 2017(05)
    • [27].山西省植被覆盖变化及其影响因素研究[J]. 西北师范大学学报(自然科学版) 2017(06)
    • [28].植被覆盖下膨胀土长期强度特性分析[J]. 常州工学院学报 2015(05)
    • [29].石家庄1995~2015年植被覆盖变化监测及预测[J]. 遥感信息 2016(04)
    • [30].2001年~2013年准格尔旗植被覆盖变化特征[J]. 内蒙古科技与经济 2015(11)

    标签:;  ;  ;  

    古尔班通古特沙漠南缘植物群落多样性与植被覆盖变化分析
    下载Doc文档

    猜你喜欢