|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于Google Earth Engine分析黄土高原植被覆盖变化及原因显示文摘为探明黄土高原植被覆盖时空变化及其原因,基于Google Earth Engine(GEE),采用Landsat Surface Reflectance data(陆地卫星地表反射率数据)分析了黄土高原1987~2015年间植被覆盖度的时空变化规律,并借助累积量斜率变化率方法对引起植被覆盖度变化的气候和人为因素进行了量化分析.结果表明:黄土高原年均植被覆盖度由1987年的41.78%增加到2015年的53.23%,增速为0.38%/a(P<0.05).其中,1987~1999年年均植被覆盖度变化趋势不显著(P>0.05);而退耕还林还草工程实施以来(2000~2015年),年均植被覆盖度显著增加(P<0.05),增速达到0.59%/a.由像元尺度分析,黄土高原72.93%的区域植被覆盖度呈增加趋势,其中38.31%的区域增加趋势显著(P<0.05).植被覆盖度的变化受气候和人为因素的共同影响,以1987~1999年为基准期,气候变化和人类活动对黄土高原2000~2015年间植被覆盖度变化的相对贡献率分别为23.77%、76.23%,人类活动为引起黄土高原植被覆盖度变化的主要原因.退耕还林还草工程极大地改善了黄土高原的植被覆盖状况,但是城市的扩张使得部分地区的植被覆盖呈显著退化现象. | 郭永强 王乃江 褚晓升 李成 罗晓琦 冯浩 | 2019 | 中国环境科学2019，39，11： | 58 |
| 2 | 基于“三生空间”演化模拟的村庄类型识别研究——以湖南省常宁市为例显示文摘研究目的:以湖南省常宁市为例,探索南方丘陵山地区村庄类型的定量识别路径,为新时代国土空间规划体系下科学编制村庄规划和开展乡村振兴工作提供参考。研究方法:空间叠加分析、重心迁移模型、标准差椭圆和FLUS模型。研究结果:(1)研究区2010—2018年农业生产空间重心总体表现为向东迁移的趋势,非农生产—生活空间扩张迅速致使东北部的人地关系较为紧张,生态空间离散度较高且其重心有向西北挪移的迹象;(2)FLUS模型能对研究区村庄未来土地利用情景进行较好的模拟,模拟结果显示在空间规划约束下2025年建设用地斑块的空间聚合度显著提升;(3)常宁市村庄类型识别结果表明,城郊融合类和集聚提升类村庄主要集中在县城周边,相对稳定类呈环状围绕于外,搬迁撤并类多位于省级自然保护区内和湘江沿岸。研究结论:县域“三生空间”分布格局是村庄类型识别的重要参考因素,应进一步揭示全域村庄类型的空间分异特征和空间演变规律,以科学引导村庄规划的编制实施以及村庄产业结构的优化调整。 | 杨浩 卢新海 | 2020 | 中国土地科学2020，34，6： | 37 |
| 3 | 地理空间人工智能的近期研究总结与思考显示文摘人工智能领域的技术进步给地理空间相关领域研究的智能化发展和融合创新带来了新机遇和新挑战。地理空间人工智能(geospatial artificial intelligence,GeoAI)是指地理空间科学与人工智能相结合的交叉学科研究方向,通过研究与开发机器的空间智能,提升对于地理现象和地球科学过程的动态感知、智能推理和知识发现能力,并寻求解决人类和地球环境系统相互作用中的重大科学和工程问题。简要回顾了GeoAI发展的历史渊源,介绍空间显式与隐式的人工智能模型,总结近期研究热点话题和应用方向(包括空间表征学习、时空预测和空间插值、对地资源环境监测、地图学、地理文本语义分析),思考并提出地理空间人工智能未来发展的几个重要挑战和研究方向。 | 高松 | 2020 | 武汉大学学报(信息科学版)2020，45，12： | 24 |
| 4 | 新一代遥感技术助力生态系统生态学研究显示文摘随着气候变化和人类活动的加剧,生态系统正处于剧烈变化中,生态学家需要从更大的时空尺度去理解生态系统过程和变化规律,应对全球变化带来的威胁和挑战。传统地面调查方法主要获取的是样方尺度、离散的数据,难以满足大尺度生态系统研究对数据时空连续性的要求。相比于传统地面调查方法,遥感技术具有实时获取、重复监测以及多时空尺度的特点,弥补了传统地面调查方法空间观测尺度有限的缺点。遥感通过分析电磁波信息从而识别地物属性和特征,反演生态系统组成、能量流动和物质循环过程中的关键要素,已逐渐成为生态学研究中必不可少的数据来源。近年来,随着激光雷达、日光诱导叶绿素荧光等新型遥感技术以及无人机、背包等近地面遥感平台的发展,个人化、定制化的近地面遥感观测逐渐成熟,新一代遥感技术正在推动遥感信息'二维向三维'的转变,为传统样地观测与卫星遥感之间搭建了尺度推绎桥梁,这也给生态系统生态学带来了新的机遇,推动生态系统生态学向多尺度、多过程、多学科、多途径发展。因此,该文从生态系统生态学角度出发,重点关注陆地生态系统中生物组分,并分别从生态系统类型、结构、功能和生物多样性等方面,结合作者在实际研究工作中的主要成果和该领域国际前沿动态,阐述遥感技术在生态系统生态学中的研究现状并指出我国生态系统遥感监测领域发展方向及亟待解决的问题。 | 郭庆华 胡天宇 马勤 徐可心 杨秋丽 孙千惠 李玉美 苏艳军 | 2020 | 植物生态学报2020，44，4： | 22 |
| 5 | 遥感影像智能解译:从监督学习到自监督学习显示文摘遥感影像精准解译是遥感应用落地的核心和关键技术。近年来,以深度学习为代表的监督学习方法凭借其强大的特征学习能力,在遥感影像智能解译领域较传统方法取得了突破性进展。这一方法的成功严重依赖于大规模、高质量的标注数据,而遥感影像解译对象独特的时空异质性特点使得构建一个完备的人工标注数据库成本极高,这一矛盾严重制约了以监督学习为基础的遥感影像解译方法在大区域、复杂场景下的应用。如何破解遥感影像精准解译“最后一千米”已成为业界亟待解决的问题。针对该问题,本文系统地总结和评述了监督学习方法在遥感影像智能解译领域的主要研究进展,并分析其存在的不足和背后原因。在此基础上,重点介绍了自监督学习作为一种新兴的机器学习范式在遥感影像智能解译中的应用潜力和主要研究问题,阐明了遥感影像解译思路从监督学习转化到自监督学习的意义和价值,以期为数据源极大丰富条件下开展遥感影像智能解译研究提供新的视角。 | 陶超 阴紫薇 朱庆 李海峰 | 2021 | 测绘学报2021，50，8： | 19 |
| 6 | 土地利用/覆被深度学习遥感分类研究综述显示文摘基于遥感分类实现高精度的土地利用和土地覆被制图是研究热点问题。近年来,以卷积神经网络为代表的深度学习在计算机视觉领域取得了长足发展,同时也被引入到土地利用/覆被遥感制图领域。相比于经典机器学习,深度学习的优势表现为能够自适应提取与分类任务最相关的特征,其缺陷表现为分类精度的提高依赖于海量标签样本。基于深度学习在土地利用/覆被分类中日益增多的研究成果,本文从样本、模型、算法3个角度对其研究进展进行综述。在样本方面,归纳总结了常用的土地利用/覆被样本集,并分析了上述样本集的学术影响力;在模型方面,综述了土地利用/覆被分类中常用的深度学习模型,包括卷积神经网络、循环神经网络、全卷积神经网络等的最新研究成果;在算法方面,综述了样本稀疏条件下的土地利用/覆被分类算法的最新研究进展,具体包括主动学习、半监督学习、弱监督学习、自监督学习、迁移学习等。最后从样本、模型、算法3个角度对未来研究方向进行展望,通过构建大规模遥感样本数据集、持续优化深度学习模型结构、提升样本稀疏条件下深度学习模型的时空泛化能力等研究,可以进一步改善土地利用/覆被分类效果和精度。 | 冯权泷 牛博文 朱德海 陈泊安 张超 杨建宇 | 2022 | 农业机械学报2022，53，3： | 19 |
| 7 | 信息地理学学科体系与发展战略要点显示文摘信息时代的到来极大地促进了地理科学的发展,地理科学的研究已从传统的自然地理空间、人文地理空间拓展到了信息地理空间,催生了信息地理学的发展,并逐渐形成了地理遥感科学、地理信息科学和地理数据科学3个分支学科。在《中国学科及前沿领域发展战略研究(2021—2035)》地理科学的学科规划背景下,本文梳理了信息地理学的形成、定义和学科体系,重点阐述了信息地理学的学科发展战略布局、优先领域发展目标和重点方向。以期本文有助于促进遥感、地理信息科学与技术的发展和应用回归地理科学,进一步强化地理科学研究,使其更加系统化、科学化和现代化,促进地理科学的整体发展。 | 李新 袁林旺 裴韬 黄昕 刘广 郑东海 | 2021 | 地理学报2021，76，9： | 18 |
| 8 | 国土调查遥感40年进展与挑战显示文摘运用遥感技术进行土地资源调查,摸清其数量及分布状况,长期以来都是遥感领域研究的重要内容。本文首先回顾了过去40年来遥感技术在我国国土调查中的应用情况,然后围绕高分辨率影像的特征提取、大范围影像的样本获取、多时相/多传感器影像的迁移学习以及多源异构数据融合4个方面介绍了相关进展情况;接着归纳总结了现有遥感信息提取技术在国土调查中面临的4个挑战:①高分辨率影像分类存在如何定义、选择、挖掘高级特征的问题;②国土调查中的遥感数据集规模庞大,存在着类间不平衡和类内多样性,为这种复杂数据集获取足够、均衡、多样化的样本集是一个巨大挑战;③对于多传感器/多时相影像,如何低成本、及时地实现土地利用分类是值得考虑的问题;④从土地覆盖到土地利用存在语义鸿沟,如何合适地引入语义信息以弥合语义鸿沟需要被考虑。最后,本文对国土调查遥感技术的未来发展方向和应用点进行了展望。 | 舒弥 杜世宏 | 2022 | 地球信息科学学报2022，24，4： | 17 |
| 9 | 基于深度学习的高分辨率遥感影像土地覆盖自动分类方法显示文摘土地覆盖变化是全球变化研究的核心,而精准分类是开展土地覆盖变化研究的基础。高分辨率遥感卫星技术的快速发展对地表分类的速度和精度提出了双重挑战,近年来人工智能等新技术的发展为图像自动分割提供了实现途径,而以卷积神经网络为代表的深度学习方法在遥感图像分类领域也具有独特的优势。为对比深度学习模型设计对高分辨率图像分类结果的影响,本文以郑州市2019年高分1号影像作为输入,对比研究了基于UNet模型改进的4种不同深度学习网络模型在高分辨率影像土地覆盖自动分类应用中的差异,探讨了残差网络、模型损失函数、跳层连接和注意力机制模块等编码和解码设定对于分类精度的影响机制。研究发现:同时加入多尺度损失函数、跳层连接和注意力机制模块的MS-EfficientUNet模型对郑州市土地覆盖分类结果最优,基于像元评价的整体分类精度可达0.7981。通过在解码器中引入多尺度损失函数可有效提高林地、水体和其他类别的分类精度;而对编码器进行改进,加入跳层连接和注意力机制可进一步提高草地、水体和其他类别地物的分类精度。研究结果表明,深度学习技术在高分辨率遥感影像自动分类中具有潜在应用价值,但分类结果精度的进一步提高和多级别大范围的精细分类方法仍是下一步研究的重点。 | 李国清 柏永青 杨轩 陈正超 余海坤 | 2021 | 地球信息科学学报2021，23，9： | 16 |
| 10 | 基于GEE和Landsat时间序列数据的香格里拉森林类型分类研究显示文摘基于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。 | 李若楠 欧光龙 代沁伶 徐伟恒 王雷光 | 2020 | 西南林业大学学报(自然科学)2020，40，5： | 14 |
| 11 | 中国34个省级行政区三维生态足迹动态研究显示文摘当前中国正处于生态文明建设的关键时期,东西部环境资源不均衡的格局日益加剧,限制了区域社会经济的可持续发展。基于资源、社会经济统计数据,利用三维生态足迹模型对中国34个省级行政区进行动态研究,细化不同类型土地的均衡因子与产量因子,刻画2009-2016年人均生态足迹广度、生态足迹深度的时空特征,并探讨分析省域间的资本利用格局及其社会经济影响因素。主要结论如下:人均生态足迹广度在省域间差异较大,且生态足迹深度均已超过自然原长1.00;足迹广度在研究期间呈先降后升趋势,最高值为西藏的10.87-12.35 hm^2/cap,最小值为澳门的0.02 hm^2/cap;且资本流量占用率并不充足,广西与上海分别仅为47.68%-67.34%、66.31%-68.88%。香港、澳门、宁夏的足迹深度远高于中国均值,分别为19.24-26.02、8.60-10.88、4.60-7.46,最小值为西藏(1.64-1.79),其中耕地、化石能源用地的生态赤字贡献率最高,而林地则为生态盈余状态。将各省自然资本利用格局聚类分为4类并通过ArcGIS进行空间分析。基于改进的三维生态足迹模型并系统性地应用于中国34个省域,本研究定量化各省的自然资本利用格局,可为中国区域间资源配置、政策制定提供基础数据支撑及环境决策参考。 | 王业宁 周强 王豪伟 | 2020 | 生态学报2020，40，18： | 14 |
| 12 | Google Earth Engine在土地覆被遥感信息提取中的研究进展显示文摘谷歌地球引擎(Google Earth Engine,GEE)是一个面向全球尺度的地理空间分析平台,充分集成了Google Earth海量的地理和遥感数据资源以及Google的强大云端计算能力,为地球系统科学、特别是其重要组成部分的土地覆被遥感信息提取研究提供了一种有效便捷的方式。围绕GEE和土地覆被遥感信息提取相关的关键词,查阅了Web of Science和知网在2011—2019年间国内外发表的所有相关论文,在统计文献发表时间、研究领域、研究区、所属机构和发表期刊等信息的基础上,系统梳理了GEE在土地覆被领域的研究应用趋势,重点就大区域制图和多时相变化监测两方面,详细阐述了GEE的应用发展潜力,为进一步认识和使用GEE提供了科学参考。 | 牟晓莉 李贺 黄翀 刘庆生 刘高焕 | 2021 | 国土资源遥感2021，33，2： | 14 |
| 13 | GEE云平台支持下的西天山森林遥感监测与时空变化分析显示文摘针对区域大尺度森林遥感调查、精确信息提取和时间序列变化监测过程中存在的数据挑选困难、计算效率较低、提取精度不高等问题,本文基于谷歌云计算平台(GEE)强大的海量遥感数据组织、存储和计算功能,根据新疆干旱区森林资源的空间分布特点,结合多源遥感数据和地理要素数据集,首先构建了光谱+纹理+地形等多维分类特征集;然后在地理国情监测森林地面调查样本数据的协助下建立了西天山森林分类样本数据库;进而采用随机森林分类算法实现了对西天山森林1995、2000、2005、2010、2015和2018年6期自动分类;最后通过云端与本地相结合完成了森林资源遥感分类数据编辑检查、制图与分析。研究结果表明:①1995—2018年西天山森林总体呈动态扩张趋势,森林分布面积从1995年的3953.6 km^2年增加到2018年的4243.2 km^2,增长速率为12.6 km^2/a;在结构组成上,西天山森林以针叶林为主,阔叶林、灌木林、针阔混交林较少。②在时间变化过程上,西天山森林的扩张态势呈现缓中增强,2005—2018年增长速率要明显高于1995—2005年。③在空间变化特征上,不同森林类型之间的转化很少,新增林地主要来自非林地,2000年以来非林地转林地的面积约为520 km^2。非林地转化为林地区域主要集中在特克斯县分局、尼勒克县分局、昭苏县分局、新源林场、巩留分局、伊宁分局,转入面积分别为111.14、102.19、67.16、56.45、42.76、40.71 km^2。 | 邵亚奎 王蕾 朱长明 方晖 张新 黄端 陶莉 | 2020 | 测绘通报2020，，8： | 13 |
| 14 | 不同空间尺度土地利用结构与景观格局对龙川江流域水质的影响显示文摘为了探究龙川江流域不同尺度土地利用结构与景观格局对水质的影响,于2017年5和9月对龙川江流域的21个样点进行取样,测定水温、pH、溶解氧饱和度、氮、磷等水质指标。结合2017年10 m分辨率的土地利用数据,提取3种空间尺度(河段、河岸带、子流域)的土地利用结构与景观格局指数,运用相关分析、冗余分析(RDA)、“bioenv”分析和逐步回归模型揭示不同尺度土地利用结构与景观格局对水质的影响。结果表明,龙川江水体主要污染物为TN和TP,水质基本指标有月际性差异,N、P浓度在5月高于9月,但差异不显著。不同空间尺度土地利用结构与水质指标的相关关系不同,子流域尺度土地利用组合与总体水质之间的相关性最强,且林地对水质有正面影响,耕地、建设用地对水质有负面影响。不同尺度的景观格局指数组合与水质的相关性存在差异,河岸带景观格局组合与总体水质的相关性最高,RDA分析表明景观格局指数对总体水质的总解释率为河岸带>子流域>河段。整体上,9月土地利用结构与景观格局对水质的影响要大于5月。多元回归模型发现建设用地和耕地对养分的预测能力及预测指标依赖于空间尺度和取样月份。研究以龙川江为例,证实了土地利用结构与景观格局对水质的影响具有尺度效应,水质响应的空间尺度效应应纳入土地利用规划与水资源管理的过程中,提出长江上游更多的个案研究尤为必要,对长江上游河源区水资源保护及土地利用管理具有重要的意义。 | 胡琳 李思悦 | 2021 | 生态环境学报2021，30，7： | 13 |
| 15 | 基于斜坡单元优化的高海拔地区滑坡危险性评价——以金沙江白格滑坡为例显示文摘为了开展高海拔、人员难以到达地区滑坡危险性评价,以金沙江白格滑坡为例,利用遥感影像,通过设置最佳填洼阈值、集水面积阈值来消除斜坡单元的误差直线,优化斜坡单元,采用优化后的斜坡单元对研究区进行危险性划分,评价效果有所提高。研究结果表明,研究区有80.95%的验证滑坡位于较高危险性和高危险性区内,验证滑坡集中率为2.266,较好集中了滑坡危险性分布特点。白格滑坡危险性指数为0.75,属于高危险性滑坡区,高危险性滑坡区还涉及江达县14个村庄和白玉县12个村庄,对此类地区应加强防范意识、完善应急设施。 | 孟田 许晓露 刘汉湖 | 2021 | 河南理工大学学报(自然科学版)2021，40，1： | 12 |
| 16 | 结合Sentinel-2影像和特征优选模型提取大豆种植区显示文摘准确获取大豆的空间分布对于产量估计、灾害预警和农业政策调整具有重要意义,目前针对种植结构复杂地区所开展的大豆遥感识别研究鲜有报道。该研究以安徽省北部平原的典型大豆产区——龙山、青疃镇为研究区,基于Sentinel-2数据提出一种分层逐级提取策略的大豆识别方法。该方法首先构建决策树筛选规则,剔除研究区内非农田地物,获得田间植被的总体分布;然后生成19个候选特征因子,包括分辨率小于等于20 m的10个波段反射率以及9个植被指数。在典型地物类型样本的支持下,将ReliefF特征权重评估算法与随机森林(Random Forest,RF),BP神经网络(Back-Propagation Neural Network,BPNN)和支持向量机(Support Vector Machine,SVM)相结合,分别构建ReliefF-RF、ReliefF-BPNN、ReliefF-SVM三种组合模型筛选出对于大豆识别最有效的特征,并基于布设在研究区内6个样方(大小为1 km×1 km)的无人机影像提取得到的大豆分布来评估3种模型在大豆制图中的表现。结果表明,ReliefF-RF模型表现最佳,基于该模型筛选出7个优选特征因子,大豆制图的总体精度介于85.92%~91.91%,Kappa系数在0.72~0.81之间,各个样方的提取效果均优于其他两种模型。此外,基于优选特征达到的提取精度明显高于原始波段反射率,虽然略低于全部19个特征的结果,但是数据量降低了63.16%。该研究可以为农田景观破碎、种植结构复杂地区的大豆种植区提取相关研究提供有价值的参考和借鉴。 | 张东彦 杨玉莹 黄林生 杨琦 梁栋 佘宝 洪琪 姜飞 | 2021 | 农业工程学报2021，37，9： | 12 |
| 17 | 基于生态系统完整性与连通性的生态保护红线优化探讨——以长三角为例显示文摘研究目的:生态保护红线正处于评估与优化阶段,尝试基于生态系统完整性与连通性提出简便且易操作的优化指标与阈值。研究方法:InVEST,CASA和RUSLE模型,STARS(Sequential T-test Analysis of Regime Shift)突变检验。研究结果:(1)长三角地区破碎度持续增加导致水源涵养、土壤保持、生境质量和净初级生产力(NPP)4类生态系统服务呈显著下降趋势,存在4个以上的显著下降突变点,生态保护红线破碎度优化阈值为0.2;(2)长三角地区连通度指数持续增大显著提升4类生态系统系统服务,存在3个以上的上升趋势突变点,生态保护红线连通度优化阈值为90;(3)基于破碎度(0.2)和连通度(90)作为生态系统完整性与连通性优化阈值,长三角生态保护红线约17.25%的面积需优化,其中生态系统完整性不满足的占9.01%,生态系统连通性不满足的占0.02%,两者均不满足的占8.22%。研究结论:(1)建议将破碎度(0.2)和连通度(90)作为生态保护红线的完整性与连通性的优化指标与阈值;(2)未来应加强从生态系统结构、功能与过程完整性、生态系统稳定性与弹性等多维度筛选关键表征指标,利用更多的景观指数及不同的阈值设定方案,建立一套更加系统科学、可操作的生态保护红线优化指标体系。 | 徐昔保 马晓武 杨桂山 | 2020 | 中国土地科学2020，34，5： | 11 |
| 18 | 南方地区复杂条件下的耕地面积遥感提取方法显示文摘针对我国南方地区植被类型复杂、地形复杂和地块破碎等原因导致耕地信息提取精度较低问题,提出了一种面向对象和CART决策树结合的复杂条件下耕地面积提取方法。以广西南宁市隆安县与武鸣县地区为研究区,采用Sentinel-2A影像,结合数字高程数据(Digital Elevation Model,DEM)及归一化植被指数(Normalized Difference Vegetation Index,NDVI)等多源数据,利用面向对象分割技术识别地块信息,然后以地块为单位采用CART(Classification And Regression Tree,CART)决策树分类法,依据不同地类的形状、光谱特征,提取研究区的耕地。结果表明:面向对象的CART决策树分类方法分类总体精度和Kappa系数分别为96.1%和0.94,相比较于未加入面向对象分割的CART决策树耕地信息提取总体精度提高Kappa系数提高0.54,面向对象的分割方法有利于减少复杂背景对耕地提取的影响。基于面向对象的CART决策树分类方法相比较于传统方法对研究区耕地信息的提取有较好的精确性,能够提高耕地信息的提取精度。 | 牟昱璇 邬明权 牛铮 黄文江 杨尽 | 2020 | 遥感技术与应用2020，35，5： | 11 |
| 19 | 遥感大数据智能解译的地理学认知模型与方法显示文摘随着遥感数据和计算机算力的爆炸式增长、智能分析算法瓶颈的突破,亟须提升与之相匹配的遥感大数据处理与分析能力。针对复杂场景下遥感大数据智能处理与地理学认知耦合关联和交叉融合的关键问题,本文分析了遥感大数据与地理科学各自的特点与相互关系,提出了多模态知识融合关联的深度网络构建和面向地理制图的遥感智能解译思路,建立了遥感大数据智能处理与应用体系框架;面向技术发展和行业应用,本文提出了分别建设通用高分辨率遥感智能处理系统和智能精准应用平台的总体路线,以期推动遥感智能解译技术创新和工程化应用的全面发展。 | 张兵 杨晓梅 高连如 孟瑜 孙显 肖晨超 倪丽 | 2022 | 测绘学报2022，51，7： | 11 |
| 20 | 雄安新区生态系统服务需求空间分布格局预测显示文摘设立雄安新区是千年大计、国家大事。明晰生态系统服务需求的空间分布及时间变化趋势,有助于探究雄安新区生态系统服务对社会经济发展的促进和制约作用,支持生态系统服务管理和政策的执行。在已有对单一时间维度的生态系统服务研究基础上,增加了对时空变异性的关注,对雄安新区未来时间节点生态系统服务需求的时空分布特征进行预测,首先选取土地利用开发程度、人口密度、经济密度3个指标建立了生态系统服务需求预测模型,然后根据综合增长率法和地区类比法预测土地利用格局、人口密度和经济密度,最后叠加分析得到雄安新区2035年和2050年生态系统服务需求空间分布格局。预测结果表明,2035年起步区人口密度和经济密度将大幅增加,进而带动生态系统服务需求的增加;本世纪中叶,新区人口密度和经济密度的绝对值将大幅度提高,生态系统服务需求高值区主要集中在“一主、五辅”城区范围,与城乡空间布局相呼应。基于研究结果,提出优化土地利用结构、加强白洋淀保护与修复和建设宏观-中观-微观多尺度生态基础设施几条建议,以期为未来的生态系统服务供给、生态基础设施建设和城市规划布局等提供指导。 | 冯运双 石龙宇 | 2020 | 生态学报2020，40，20： | 11 |
您所在的机构暂未开通此部分的功能，请联系管理员