积雪对气候高度敏感，能够对气候变化进行响应，对积雪变化的研究具有重要意义。本文基于Landsat 7 ETM SLC、Landsat 8 OLI影像，利用eCongnition面向对象提取与人机交互解译方法提取并分析2000和2020年云南地区积雪分布数据，然后结合23个气象站点、50个插值点在2000—2020年的温度、降水、降雪量和雪深记录、高程数据和等辅助数据，使用一元线性回归分析法、Mann-Kendall趋势检验、突变检测法，进行云南地区积雪分布现状、2000—2020年积雪变化情况及气候响应分析。结果表明：（1）2000年云南地区积雪总面积为1 533.1 km2,2020年为987.8 km2,2000—2020年，积雪面积总体减少545.3 km2。其中积雪减少部分面积为945.6 km2,积雪增加部分面积为400.300 2 km2,保持不变的为587.463 3 km2。（2）云南地区积雪分布与变化表现出显著的空间差异性。积雪面积变化集...
积雪对气候高度敏感，能够对气候变化进行响应，对积雪变化的研究具有重要意义。本文基于Landsat 7 ETM SLC、Landsat 8 OLI影像，利用eCongnition面向对象提取与人机交互解译方法提取并分析2000和2020年云南地区积雪分布数据，然后结合23个气象站点、50个插值点在2000—2020年的温度、降水、降雪量和雪深记录、高程数据和等辅助数据，使用一元线性回归分析法、Mann-Kendall趋势检验、突变检测法，进行云南地区积雪分布现状、2000—2020年积雪变化情况及气候响应分析。结果表明：（1）2000年云南地区积雪总面积为1 533.1 km2,2020年为987.8 km2,2000—2020年，积雪面积总体减少545.3 km2。其中积雪减少部分面积为945.6 km2,积雪增加部分面积为400.300 2 km2,保持不变的为587.463 3 km2。（2）云南地区积雪分布与变化表现出显著的空间差异性。积雪面积变化集...
冰川时空演化不仅对河川径流、生物生存环境、地表形态产生巨大的影响,而且冰川本身对气候变化有着强烈的响应.在全球气候变暖背景下,对冰川长时间演化过程进行监测具有重要意义.文章利用TM影像、OLI影像,通过非监督分类法、监督分类法、比值阈值法、雪盖指数法（NDSI）、基于多尺度分割的面向对象法、基于神经网络的冰川识别方法对梅里雪山地区的冰川信息进行提取.结果表明,基于神经网络的冰川识别方法对于裸冰区及冰碛覆盖区的冰川信息提取效果相对较好,提取精度最高.在此基础上,基于ENVI深度学习模块,利用神经网络分类法解译1989、1998、2009年和2019年梅里雪山地区的冰川信息,并结合Google Earth和DEM数据,对其进行目视修正,最终得到了1989—2019年梅里雪山地区冰川边界变化图,结果显示1989—2019年梅里雪山地区的冰川退缩了23.77 km2,年均退缩0.79 km2,面积相对退缩率为17.03%,年均相对退缩率为0.57%.
冰川时空演化不仅对河川径流、生物生存环境、地表形态产生巨大的影响,而且冰川本身对气候变化有着强烈的响应.在全球气候变暖背景下,对冰川长时间演化过程进行监测具有重要意义.文章利用TM影像、OLI影像,通过非监督分类法、监督分类法、比值阈值法、雪盖指数法（NDSI）、基于多尺度分割的面向对象法、基于神经网络的冰川识别方法对梅里雪山地区的冰川信息进行提取.结果表明,基于神经网络的冰川识别方法对于裸冰区及冰碛覆盖区的冰川信息提取效果相对较好,提取精度最高.在此基础上,基于ENVI深度学习模块,利用神经网络分类法解译1989、1998、2009年和2019年梅里雪山地区的冰川信息,并结合Google Earth和DEM数据,对其进行目视修正,最终得到了1989—2019年梅里雪山地区冰川边界变化图,结果显示1989—2019年梅里雪山地区的冰川退缩了23.77 km2,年均退缩0.79 km2,面积相对退缩率为17.03%,年均相对退缩率为0.57%.
针对近期高寒山区生态景观急剧变化、严重影响生态敏感性的问题,为了更好地评价和分析这种变化带来的一系列生态现象,选取大峡谷为研究区,利用面向对象的分类方法确定景观类型,以多样性指数、优势度指数、均匀度指数和聚合度指数等作为指标,对研究区的生态敏感性进行评价和分析。采用面向对象的分类方法最终得到10类景观类型的斑块共1 761个,其中林地景观和草地景观的面积占比最大,分别为48.84%和22.68%,冰雪/冰川景观的占比为17.39%。从景观指数来看,研究区景观多样性指数为1.374,优势度指数为0.982,均匀度指数为0.597,聚合度指数为97.374。可以看出,大峡谷研究区拥有较高的多样性,单一景观优势度相对较低,不同景观空间分配情况更好,总体上该区域景观以原始森林、高山草甸和冰川为主,人类活动干扰较小,并主要集中在河谷地带农田和草地的转换中。综合6类影响因子对大峡谷研究区生态敏感性进行加权分析,生态敏感性主要集中在中度和高度敏感区域,占比合计95.71%。中度敏感区域集中分布于河谷周边低海拔、低坡度区域,以水域、草地、灌木林为主;高度敏感区域集中分布于山地高海拔区域,以林地景观、冰...
针对近期高寒山区生态景观急剧变化、严重影响生态敏感性的问题,为了更好地评价和分析这种变化带来的一系列生态现象,选取大峡谷为研究区,利用面向对象的分类方法确定景观类型,以多样性指数、优势度指数、均匀度指数和聚合度指数等作为指标,对研究区的生态敏感性进行评价和分析。采用面向对象的分类方法最终得到10类景观类型的斑块共1 761个,其中林地景观和草地景观的面积占比最大,分别为48.84%和22.68%,冰雪/冰川景观的占比为17.39%。从景观指数来看,研究区景观多样性指数为1.374,优势度指数为0.982,均匀度指数为0.597,聚合度指数为97.374。可以看出,大峡谷研究区拥有较高的多样性,单一景观优势度相对较低,不同景观空间分配情况更好,总体上该区域景观以原始森林、高山草甸和冰川为主,人类活动干扰较小,并主要集中在河谷地带农田和草地的转换中。综合6类影响因子对大峡谷研究区生态敏感性进行加权分析,生态敏感性主要集中在中度和高度敏感区域,占比合计95.71%。中度敏感区域集中分布于河谷周边低海拔、低坡度区域,以水域、草地、灌木林为主;高度敏感区域集中分布于山地高海拔区域,以林地景观、冰...
青藏高原是中国湿地分布较为集中的地区之一,也是全球变化的敏感区。了解青藏高原湿地分布与变化对湿地保护和全球变化研究具有重要意义。基于Landsat 8 OLI (operation land imager)数据,使用面向对象分类方法和人工解译相结合的方式得到2016年青藏高原湿地分布数据,结合2008年湿地分类数据以及高程、流域界线等辅助数据,分析了青藏高原的湿地分布现状和2008—2016年的湿地变化情况。结果表明:①2016年青藏高原研究区湿地总面积为115 584 km2。其中,湖泊湿地面积为48 737 km2,沼泽湿地面积为34698 km2,河流湿地面积为15 927 km2,洪泛湿地面积为15 035 km2,人工湿地面积为1 188 km2。②2008—2016年,青藏高原湿地总面积增加3 867 km2,主要表现为湖泊、河流和洪泛湿地的增加,但同时沼泽湿地减少5799 km2。③青藏高原的湿地分布与变化表现出显著的区域差异性。自然湿地的分布及面积变化集中在4～5km高程范围内,而人工湿地的变化则集中在2～4 km高程范围内;湖泊和洪泛湿地的增加集中在内流区,河流的增加...
青藏高原是中国湿地分布较为集中的地区之一,也是全球变化的敏感区。了解青藏高原湿地分布与变化对湿地保护和全球变化研究具有重要意义。基于Landsat 8 OLI (operation land imager)数据,使用面向对象分类方法和人工解译相结合的方式得到2016年青藏高原湿地分布数据,结合2008年湿地分类数据以及高程、流域界线等辅助数据,分析了青藏高原的湿地分布现状和2008—2016年的湿地变化情况。结果表明:①2016年青藏高原研究区湿地总面积为115 584 km2。其中,湖泊湿地面积为48 737 km2,沼泽湿地面积为34698 km2,河流湿地面积为15 927 km2,洪泛湿地面积为15 035 km2,人工湿地面积为1 188 km2。②2008—2016年,青藏高原湿地总面积增加3 867 km2,主要表现为湖泊、河流和洪泛湿地的增加,但同时沼泽湿地减少5799 km2。③青藏高原的湿地分布与变化表现出显著的区域差异性。自然湿地的分布及面积变化集中在4～5km高程范围内,而人工湿地的变化则集中在2～4 km高程范围内;湖泊和洪泛湿地的增加集中在内流区,河流的增加...