排序方式: 共有19条查询结果,搜索用时 15 毫秒
1.
于2017年2~5月,在辽宁辽河口国家级自然保护区和盘锦辽河口省级自然保护区中,设置了15处调查小区,研究鸟类群落组成、分布和多样性。研究结果表明,在15个调查小区中,共记录鸟类72种,隶属8目13科;其中,有冬候鸟5种,夏候鸟27种,旅鸟57种;在72种鸟中,有国家一级重点保护鸟5种,二级重点保护鸟7种,列入国家重点保护野生动物名录、CITES附录I-III、中国濒危动物红皮书中的重点监测物种9种;调查区中的鸟类群落Shannon-Wiener多样性指数和Pielou均匀度指数都较大,表明该区鸟类生境质量较好。 相似文献
2.
随着人口的不断增加,资源、环境、人口与发展之间的矛盾日益突出,土地资源能否生产足够的食物供养未来人口的问题受到普遍关注。基于1997—2006年辽宁省10 km×10 km分辨率的气象资料,通过自然植被净第一性生产力模型和农业生产力模型计算了农田、草地和湿地的生产力及其动态。结果表明:近10 a来辽宁省年平均气温呈略下降趋势,年降水量呈增加趋势。1997—2006年辽宁省植被年平均总净第一性生产力为(农田、草地和湿地)3.63×107 t8226;yr-1,其中农田、草地和湿地分别为2.18×107 t8226;yr-1、0.99×107 t8226;yr-1和0.46×107 t8226;yr-1。应用人口承载力模型计算出在宽裕型、小康型和富裕型3种消费水平下1997—2006年辽宁省的年平均总人口承载力,分别为2226.9万人、2035.3万人和2015.1万人。 相似文献
3.
概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明:MODIS具有高光谱、高时间分辨率、多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数(如NDVI、LSWI和EVI)进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法;近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。 相似文献
4.
选取QIN和SOB两种代表性劈窗算法对辽宁地区地表温度进行反演,并分析二者的精度和误差分布。结果表明:QIN和SOB算法反演的地表温度(TS)与地面气象台站准同步观测的气温和地温的线性拟合显著,SOB算法线性拟合更好;从误差分布直方图上看,两种算法的反演结果与地温更接近,SOB算法与同步气温和地温在±2 ℃之间的误差比例略高于QIN算法;在野外开展与卫星遥感空间尺度一致的地表温度观测试验,QIN和SOB算法与实测值的平均绝对误差均为1.5 ℃;与NASA官网发布的地表温度产品对比发现,QIN和SOB算法的平均绝对误差分别为1.75 ℃、1.70 ℃;因此QIN、SOB算法在辽宁地区均适用,SOB算法误差更小。 相似文献
5.
概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明:MODIS具有高光谱、高时间分辨率和多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数(如NDVI、LSWI和EVI)进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法。近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。 相似文献
6.
蒸腾蒸散比(T/ET)是阐明陆地生态系统水分散失过程中植被作用的关键参量,蒸散及其组分的准确量化是生态水文研究的基础,有助于理解蒸散与气候变化的相互作用机制。总结了国内外T/ET观测和模拟方法及其量化结果的差异,梳理了森林、草原、湿地和农田4种陆地生态系统T/ET的研究成果,阐述了不同类型陆地生态系统T/ET的时空异质性及其驱动因素。不同生态系统T/ET的差异来源于生态系统特性、时空差异、观测方法和模型或数据集选取,但各差异来源对其的贡献率还未有统一定论;T/ET的变化主要依赖于生态类型、冠层特征、气候、土壤等条件,不同时空尺度的生态系统T/ET驱动因素不同。因此,针对T/ET量化方法开展不确定研究,阐明不同陆地生态系统T/ET的时空异质性,揭示其变化规律及驱动机制将是未来的研究重点。 相似文献
7.
为建立中国风云三系列气象卫星长时间序列归一化植被指数数据集,选用滤波和函数拟合方法,针对林地、湿地、水稻、玉米、大豆、城市和水体7类地物开展数据重建效果定量分析,确定最佳数据重建方法,并在辽宁省开展时空变化分析。结果表明:非对称高斯函数拟合法(Asymmetric Gaussians,AG)、Savitzky-Golay滤波法(SG)、双Logistic函数拟合法(Double Logistic,DL)和时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS)四种方法均表现出相对较好的去噪能力。SG方法对噪声比较敏感,HANTS方法在低值区受噪声影响大。AG和DL方法平滑效果较好,DL方法的峰值更接近于原始峰值。在高植被覆盖区和季节性作物区,SG方法相关系数最高(>0.93)、均方根误差最低(< 0.1);在城市和水体低植被指数区,HANTS方法相关系数最高,为0.87,但四种方法的均方根误差均在0.06左右,差别不大。综合考虑曲线和定量分析结果,选取SG方法进行辽宁省植被指数数据集数据重建。辽宁省植被指数数值高低的空间分布与下垫面植被类型相符合,东部山区林地植被指数最高,达到0.75以上。2009-2020年,辽宁省NDVI年均值存在波动,不同地物植被指数变化存在差别,水体和城市植被指数变化相对较小,旱田作物(玉米、大豆)的植被指数受干旱年的影响植被指数变化稍大。辽宁省主要粮食作物植被指数年内均呈单峰分布,与一年一熟型吻合,均在8月上旬达到最大值。 相似文献
8.
9.
对1970-2006年大兴安岭林区森林火灾过火次数与过火面积及其影响因子进行分析.结果表明:春季是大兴安岭林区火灾易发季节,4-6月易引发较大等级的森林火灾;雷击是引起该地区森林火灾的主要原因,雷击火灾多集中在春季和夏季,6月为雷击火多发月;年尺度上,降水量与过火次数呈显著相关,气温与过火面积呈显著相关;月尺度上.气温与过火次数呈显著相关,风速、相对湿度与过火面积呈显著相关;日尺度上,过火次数与最高气温呈显著相关,过火面积与相对湿度呈显著相关;但复相关系数较小,表明对森林火灾的预测不能仅仅选取气象因子,更要考虑火源及可燃物的影响. 相似文献
10.