中国冰川数据集介绍pdf-中国西部环境与生态科学数据中心

合集下载

喜马拉雅山区大气与环境综合观测研究支撑青藏高原地球系统科学发展

喜马拉雅山区大气与环境综合观测研究支撑青藏高原地球系统科学发展

中国科学院野外台站CAS Field Station引用格式:马伟强, 马耀明, 谢志鹏, 等. 喜马拉雅山区大气与环境综合观测研究支撑青藏高原地球系统科学发展. 中国科学院院刊, 2023, 38(10): 1561-1571, doi: 10.16418/j.issn.1000-3045.20231008003.Ma W Q, Ma Y M, Xie Z P, et al. Comprehensive atmospheric and environmental observations in the Himalayan region advances development of Earth system science on the Tibetan Plateau. Bulletin of Chinese Academy of Sciences, 2023, 38(10): 1561-1571, doi: 10.16418/j.issn.1000-3045.20231008003. (in Chinese)喜马拉雅山区大气与环境综合观测研究支撑青藏高原地球系统科学发展马伟强1,2马耀明1,2*谢志鹏1,2*陈学龙1,2王宾宾1,2韩存博1,2李茂善2,3仲雷2,4孙方林2,5王忠彦1,2席振华1,2刘莲1,2马彬1,2胡伟1,21 中国科学院青藏高原研究所青藏高原地球系统与资源环境重点实验室北京1001012 中国科学院珠穆朗玛大气与环境综合观测研究站日喀则8582003 成都信息工程大学大气科学学院成都6102254 中国科学技术大学地球和空间科学学院合肥2300265 中国科学院西北生态环境资源研究院兰州730000摘要中国科学院珠穆朗玛大气与环境综合观测研究站(以下简称“珠峰站”)位于珠穆朗玛峰自然保护区核心区域,围绕我国青藏高原生态保护和生态文明高地建设及经济社会可持续发展的国家战略科技需求,致力于地球“第三极”复杂地形山地大气过程和环境变化研究。

中国WESTDC系列土地覆盖数据产品

中国WESTDC系列土地覆盖数据产品

中国WESTDC系列土地覆盖数据产品生产过程报告冉有华李新ranyh@lixin@中国科学院.寒区旱区环境与工程研究所遥感与地理信息科学研究室基金委中国西部环境与生态科学数据中心2006年7月目 录1.前言 (3)2.WESTDC Land Cover Products1.0的生产方法 (3)2.1.方法选择 (3)2.1.1.面积占优法 (3)2.1.2.中心点法 (3)2.1.3. 结果对比 (4)2.1.4.方法选择 (6)2.2.技术过程 (6)2.3.精度评价 (7)3.WESTDC Land Cover Products2.0的生产方法 (8)3.1.信息来源的选择与评估 (9)3.1.1.GLC2000数据集 (9)3.1.2.2.MODIS土地覆盖数据产品处理 (9)3.1.2.3.MODIS土地覆盖数据产品精度评价 (10)3.1.3.灌木信息的补充 (11)3.2.技术过程 (11)3.2.1.分类系统转换 (11)3.2.2.林地类型替换 (12)3.2.3.灌木信息补充 (12)3.2.4.CLM土地覆盖分类系统与SIB2分类系统转换 (13)4.1/4度百分比图的制作 (13)4.1. 技术过程 (13)4.2. 特别说明 (13)5.WESTDC Land Cover Products3.0设想和准备工作 (14)5.1. 设想目标 (14)5.2. 准备工作 (14)图目录图表1张掖及其周边2000年1:10万土地利用图(矢量) (5)图表2张掖及其周边2000年1公里土地利用图(中心值法) (5)图表3张掖及其周边2000年1公里土地利用图(面积占优法) (6)图表 4. MODIS土地覆盖产品与其它四种土地覆盖数据中国部分重分类后的面积对比 (10)表目录表 1. 黑河流域2000年土地利用数据两种矢栅转换的方法的比较(1KM) (5)表 2. 三种基于1:10万中国土地资源调查成果的1KM土地覆盖数据的误差 (8)表 3. 三种分类系统的异同 (9)表 3. MODIS土地覆盖产品与WESTDC_LUCC1.0重分类后的混淆矩阵 (11)表 4. MODIS土地覆盖产品与其它几种土地覆盖数据集精度对比 (11)表 5. 土地资源分类与IGBP和SIB2分类系统转换表 (12)1. 前言全球环境的种种变化日益威胁着人类及其社会的持续发展,许多国家和地区的区域环境恶化,已经严重影响了人类的生存和发展,因此越来越受到各国政府和科学家的重视。

IGBP土地覆盖数据集

IGBP土地覆盖数据集

中国土地覆盖数据集出自WestWIKI目录▪ 1 数据集名称▪ 2 概况▪ 3 数据集介绍及使用说明▪ 4 数据集整理者▪ 4.1 项目支持▪ 4.2 工作背景▪ 4.3 数据集介绍▪ 4.3.1 GLC2000▪ 4.3.1.1 第一阶段: 气候分层和数据准备▪ 4.3.1.2 第二阶段: 非监督分类和标定▪ 4.3.1.3 第三阶段: 精度评价和成图▪ 4.3.2 IGBPDIS▪ 4.3.3 MODIS▪ 4.3.4 UMd▪ 4.3.5 WESTDC▪ 4.4 数据集属性▪ 4.5 数据读取▪ 4.6 数据限制▪ 4.7 数据引用▪ 5 参考文献▪ 6 中国西部环境与生态数据中心数据集名称▪中国土地覆盖数据集介绍▪Land Cover Products of China概况中国土地覆盖数据集包括5种产品:1)由GLC2000项目开发的基于SPOT4遥感数据的全球土地覆盖数据中国子集,数据名称为GLC2000;2)由IGBP-DIS支持的基于AVHRR遥感数据的全球土地覆盖数据中国子集,数据名称为IGBPDIS;3)MODIS土地覆盖数据产品中国子集,数据名称为MODIS;4)由马里兰大学生产的基于AVHRR数据的全球土地覆盖数据中国子集,数据名称为UMd;5)由中国科学院组织实施的中国2000年1:10万土地覆盖数据,对其进行合并、矢栅转换(面积最大法),最后得到全国幅1km的土地利用数据产品,数据名称为WESTDC。

数据集介绍及使用说明数据集整理者▪姓名:冉有华▪单位:中国科学院寒区旱区环境与工程研究所遥感与地理信息科学研究室▪电话:0086-931-4967259▪电子邮箱:ranyh@▪通讯地址:甘肃省兰州市东岗西路320号,730000项目支持1.自然科学基金项目:中国西部环境与生态科学数据中心](课题号:90502010)工作背景全球环境的种种变化日益威胁着人类及其社会的持续发展,许多国家和地区的区域环境恶化,已经严重影响了人类的生存和发展,因此越来越受到各国政府和科学家的重视。

54734中国数字地貌数据文档

54734中国数字地貌数据文档

中国数字地貌数据文档(地球系统科学数据共享网编制 2008-4-4中国科学院地理科学与资源研究所北京朝阳区大屯路甲11号,100101,zhouch@;chengwm@)1.引言地貌是自然地域综合体的主导要素,直接影响甚至决定着其他要素的特征。

地貌条件与生产建设关系十分密切。

1978~1985年国家科学技术规划将“全国1:100万地貌研究”其列为全国108项重点内容之一,并立项组织全国地貌学家和相关专家共同开展中国地貌的研究工作,积累了一大批宝贵的地貌资料和图集,并编制出版了其中15幅1:100万地貌图(全国陆域共64幅)。

为了推动地学信息图谱的研究工作,使其不仅具有概念和理论的探讨,而且具有明确的应用研究目标,以“中国地貌空间格局及其演化机理”作为研究对象,试图由此而建立起地学信息图谱理论与方法体系。

自2001 年起,在国家自然科学基金委国家杰出青年基金的支持下,启动了《中国地貌(世纪网络版)》和地貌制图的试验研究工作,并组织中国科学院相关研究所和有关的大学,再度发起百万地貌图的编制工作。

之后,该项工作得到了国家科技基础条件平台建设计划“地球系统科学数据共享网”(2005年――)、国家自然科学青年基金(2005――)和中国西部环境与生态科学数据平台(2006年――)等项目的进一步支持,使中国1:100万数字地貌图得以持续发展。

1.1数据库名中国1:100万数字地貌数据1.2 编写目的为了完整地介绍中国1:100万15幅老地貌图的收集和数字化、全国1:100万数字地貌数据的遥感解译、集成、更新等地貌数据内容和方便用户的使用,特编写了本文档。

1.3 定义地貌图既是地貌学研究的重要内容,也是地貌学研究成果综合体现,可以较为全面地反映我国地貌学研究的进展和水平。

中国1:100万地貌图为普通地貌图,是按照目前国内外普遍认可的形态成因相结合分类体系的基础上编制的中小比例尺地貌图,该图的编制工作充分继承了二十世纪八十年代我国地貌学家编制百万地貌图的分类规范,并进一步构建了中国1:100万数字地貌分类体系,地貌形态成因类型数达2400多个,中国1:100万数字地貌数据以形态、成因、物质等属性的分层分级方式集成。

免费资料网站

免费资料网站

中文网站1、奇迹文库/简要介绍: 奇迹文库(/Eprint) 论文预印本项目是由一群中国年轻的科学、教育与技术工作者效仿等模式创办的非赢利性质网站,是专门为中国研究者开发定制的电子文库。

考研资料免费下载:/tag/%E5%85%8D%E8%B4%B9%E4%B8%8B%E8%B D%BD%20/2、查价网:/丰富的信息、直观快捷的服务令我们足不出户就可以找到物美价廉的商品,为我们省钱省时省力!依据平等、公正的原则,提供商品的价格比较、商品的准确信息、商品的相关论坛及每日最低行情快递等多项服务,使我们充分享受互联网的内在价值和魅力。

3、(美国)科技网:/服务及管理;网络技术咨询、网络软件开发;虚拟主机和主机托管;网络前沿技术的研究。

4、/华中数学建模网/news.php中国数学资源网/湖北数学建模网数模在线/home/中国数学建模网国际数模网站/美国杜克大学数学建模网美国数学联合会北峰数模网(浙江师范大学数模研究学会)5、中国湖泊数据库/网站简介:中国主要(河流)流域数据库:包括全国主要流域基本信息库、主要河流代码库、主要流域地理要素、流域内主要自然保护区、化学污染、降雨蒸发、旅游景点、重大事件、以及主要流域位置地图等信息;中国主要水库信息库:包括全国主要水库基本位置、水库所在地区、水库建库时间、正常库容、集水面积、海拔、所属水系等信息。

6、中国自然资源数据库/网站简介:中国自然资源数据库是由中国科学院科学数据库及其应用系统项目提供支持,中科院地理科学与地资源研究所所承建的中国资源、环境、人口、社会经济等相关数据的集合。

库内包括水资源、土地资源、气候资源、生物资源、环境灾害、环境治理、人口、劳动力以及社会经济等方面的数据。

数据按存储格式分为属性(数值)数据、空间(矢量和栅格)数据及其他图形图像数据。

目前,数据量已达6TB。

其中,属性数据库含关系表400多个,数据项8000个,约1000万个数据。

矢量数据包括1:400万及1:100万基础图件。

青海省植被净初级生产力(NPP)时空格局变化及其驱动因素

青海省植被净初级生产力(NPP)时空格局变化及其驱动因素

第40卷第15期2020年8月生态学报ACTAECOLOGICASINICAVol.40,No.15Aug.,2020基金项目:国家自然科学基金项目(31760135,31360114)收稿日期:2019⁃03⁃04;㊀㊀修订日期:2020⁃06⁃12∗通讯作者Correspondingauthor.E⁃mail:xiaminl@163.comDOI:10.5846/stxb201903040403刘旻霞,焦骄,潘竟虎,宋佳颖,车应弟,李俐蓉.青海省植被净初级生产力(NPP)时空格局变化及其驱动因素.生态学报,2020,40(15):5306⁃5317.LiuMX,JiaoJ,PanJH,SongJY,CheYD,LiLR.SpatialandtemporalpatternsofplantingNPPanditsdrivingfactorsinQinghaiProvince.ActaEcologicaSinica,2020,40(15):5306⁃5317.青海省植被净初级生产力(NPP)时空格局变化及其驱动因素刘旻霞∗,焦㊀骄,潘竟虎,宋佳颖,车应弟,李俐蓉西北师范大学地理与环境科学学院,兰州㊀730070摘要:植被净初级生产力(NPP)作为陆地生态过程的关键参数,不仅用以估算地球支持能力和评价陆地生态系统的可持续发展,也是全球碳循环的重要组成部分和关键环节㊂基于2000 2014年MOD17A3年均NPP数据和气象站点气温㊁降水资料,采用简单差值㊁趋势分析㊁相关性分析和Hurst指数等方法,分析了青海省NPP的时空变化特征及其与气候因子的关系㊂结果表明:①青海省植被年均NPP在2000 2014年间整体分布呈现由南到北㊁由东到西递减的趋势,各生态区的空间存在显著差异,表现为Ⅱ区>Ⅰ区>Ⅲ区>Ⅳ区>Ⅴ区㊂②2000 2014年,青海省NPP变化趋势由北到南㊁由西到东呈现逐渐增加趋势,平均趋势系数为0.61,NPP值增加的区域占总面积的15%,其中显著增加区域为2.8%,轻度增加区域为12.2%㊂③青海省NPP值的Hurst的值域范围为0 0.39,均值为0.12,除了河流湖泊,建筑用地和未利用土地,青海省NPP变化特征为反持续性特征㊂④气候因子(年平均降水量和年均气温)对年均NPP的分布有影响,海拔的高低造成气温㊁降水和土壤的差异,间接影响植被NPP,15年土地利用/覆被变化(LUCC)表现为草地面积减少最多,这是导致NPP减少的主要原因㊂关键词:净初级生产力(NPP);时空变化;MOD17A3;青海省SpatialandtemporalpatternsofplantingNPPanditsdrivingfactorsinQinghaiProvinceLIUMinxia∗,JIAOJiao,PANJinghu,SONGJiaying,CHEYingdi,LILirongCollegeofGeographyandEnvironmentalScience,NorthwestNormalUniversity,Lanzhou730070,ChinaAbstract:Asakeyparameterofterrestrialecologicalprocess,NPPcannotonlyestimatetheearthᶄssupportingcapacityandevaluatethesustainabledevelopmentofterrestrialecosystem,butalsoanimportantpartandkeylinkofglobalcarboncycle.BasedontheMOD17A3annualnetprimaryproductivitydataandthemeteorologicalsitetemperatureandprecipitationdatafrom2000to2014,thetemporalandspatialcharacteristicsofNPPinQinghaiProvinceanditscorrelationwithclimaticfactorswereanalyzedbymeansofsimpledifference,trendanalysiscorrelationanalysis,andHurstindex.TheresultsshowedthattheaverageannualNPPofvegetationinQinghaiProvincegraduallydecreasedfromsouthtonorthandfromeasttowestovertheperiod2000to2014,andthatthereweresignificantdifferencesinthespatialdistributionofeachecologicalregion,asfollows:areaII>areaI>areaIII>areaIV>areaV.From2000 2014,thetrendsofNPPinQinghaiProvincechangedfromnorthtosouthandfromwesttoeast,andtheaveragetrendcoefficientwas15%ofthetotalarea,withanotableincreaseof2.8%andaslightincreaseof12.2%intheareaof0.61,NPP.TherangeoftheHurstindexofNPPvaluesinQinghaiProvincewas0 0.39andthemeanvaluewas0.12;inadditiontoriversandlakes,buildingland,andunusedsoil,thecharacteristicsofNPPchangeinQinghaiProvincewerethecharacteristicsofanti⁃persistence.Climaticfactors(annualaverageprecipitationandannualaveragetemperature)hadanimpactonthedistributionoftheannualaverageNPP.Theelevationresultsindifferencesintemperature,precipitationandsoil,andindirectlyaffectsvegetationNPP.Landuseandcoverchange(LUCC)in15yearsshowedthatgrasslandareadecreasedthemost,whichwasthemainreasonforthedecreaseinNPP.KeyWords:netprimaryproductivity(NPP);temporalandspatialvariation;MOD17A3;QinghaiProvince植被净初级生产力(NetPrimaryProduction,NPP)是指植被地上部分在单位时间,单位面积上所积累的有机物的数量㊂植被净初级生产力(NPP)作为陆地生态过程的关键参数,不仅用以估算地球支持能力和评价陆地生态系统的可持续发展,也是全球碳循环的重要组成部分和关键环节㊂掌握陆地植被NPP的变化趋势,对于理解全球气候变化对陆地生态系统植被变化过程的作用机制具有重要的理论和实际意义㊂MOD17A3是基于MODIS(TERRA卫星)遥感参数,通过BIOME⁃BGC计算出全球陆地植被NPP年际变化的资料,目前已在全球不同区域对植被生长状况㊁生物量的估算,环境监测和全球变化等研究中得到验证和广泛应用㊂实地测量是NPP最早的测定方法,主要方法包括收割法㊁生物量调查法㊁光合测定法㊁值测定法㊁放射测定法㊁叶绿素测定法和原料消耗测定法等[1⁃4],但是受很多因素的限制,不利于开展,后来,学者又提出了气候统计模型估测㊁生理生态过程模型㊁光能利用率模型㊁多模型交互应用等方法[5⁃9],早在19世纪80年代,Ebermayer用基本的实地测量方法对巴伐利亚森林进行了NPP的测定;1932年丹麦科学家Boysen⁃JensenP出版了‘植物的物质生产“一书,第一次明确的提出了总生产量(Grossproduction)和净生产量(Netproduction)的概念和它们的计算公式[10];之后又以英国Watson为代表提出了著名的Watson法则,日本生态学家门司和佐伯提出了群落光合作用理论[11]㊂到21世纪之后,我国学者用光能利用率模型(CASA)来研究陆地生态系统碳循环和NPP㊂潘竟虎和李真[12]利用改进的CASA模型估算2001 2012年西北干旱区陆地生态系统的净第一性生产力(NPP),结果NPP表现出很强的季节性变化规律[13];高原利用MOD17A3数据研究新疆2000 2010年NPP时空变化特征,研究显示不同生态功能区和市㊁县行政区NPP存在区域差异[14];江源通分析了2000 2010年湘江流域植被NPP的空间格局变化特征,得到了气候变化和土地利用与湘江流域植被NPP的关系㊂对于NPP变化驱动因子的研究,之前大多局限于气候因子的研究,特别针对海拔和人为因素没有定量研究NPP的变化㊂本文以此为出发点,用气候因子结合海拔和土地利用分析了NPP的变化关系,研究2000 2014年青海省NPP时空分布变化及其与驱动因子的关系,同时,青海省是三江源的发源地,也是我国重要的生态屏障区[15⁃16],近15年来植被NPP发生很大变化,对该地区NPP时空变化特征进行定量分析,以便为青海省资源环境监测提供重要依据,以期为区域生态环境和植被碳源/汇评价㊁经济社会的可持续发展规划提供科学依据和参考背景㊂1㊀研究区与数据1.1㊀研究区概况青海省地处青藏高原东北部,介于89ʎ35ᶄ 103ʎ04ᶄE,31ʎ40ᶄ 39ʎ19ᶄN之间(图1)㊂海拔在3000 5000m之间,气候区域分布差异大,冬季寒冷,夏半年凉爽,雨热同期㊂草原分为9个草地类7个草地亚类28个草地组173个草地型,是青海天然草原的主体㊂1.2㊀数据来源植被NPP数据来源于美国NASAEOS/MODIS的2000 2014年的MOD17A3数据(http://reverb.echo.7035㊀15期㊀㊀㊀刘旻霞㊀等:青海省植被净初级生产力(NPP)时空格局变化及其驱动因素㊀图1㊀研究区概况及气象站点的空间分布㊀Fig.1㊀Studyareaandthespatialdistributionofmeteorologicalstations㊀nasa.gov),空间分辨率为1km,时间分辨率为1a;气象数据来源于中国气象科学数据共享服务网(http://cdc.cma.gov.cn);土地利用数据来源于中国科学院寒旱区科学数据中心;DEM数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn);青海省主要农作物的产量和播种面积数据来源于青海省统计年鉴;中国土地利用数据来源于中国西部环境与生态科学数据中(http://westdc.westgis.ac.cn)的WESTDC,根据中科院土地利用/覆盖分类体系(LUCC分类体系)将地表覆盖类型主要分为耕地㊁林地㊁草地㊁水体㊁建设用地和未利用地6种类型(表1)㊂1.3㊀数据处理本文选用h25v05㊁h26v05这2幅数据㊂首先利用MRT对MOD17A3数据进行拼接和投影转换,然后利用ENVI4.3以青海省行政区划图为基础进行裁剪,提取青海省的NPP数据㊂利用ArcGIS10.0采用掩膜法扣除NPP数据中的水体及建设用地,并得到不同土地利用类型的NPP值㊂气象数据为与遥感数据进行匹配,在ArcGIS10.0中,采用三角网插值方法将站点气候数据插值成空间分辨率为1000mˑ1000m地理投影的栅格数据㊂表1㊀土地利用分类及编号Table1㊀Landuseclassificationandcoding一级分类及编号Firstclassclassificationandnumber二级分类及编号Secondaryclassificationandnumber1耕地Plough11水田㊁12旱地2林地Forestry21有林地㊁22灌林地㊁23疏林地㊁24其他林地3草地Meadow31高覆盖草地㊁32中覆盖草地㊁33低覆盖草地4水体Wave41河渠㊁42湖泊㊁43水库坑塘㊁44永久性冰川雪地㊁45滩涂㊁46滩地5建设用地Construction51城镇用地㊁52农村居民点㊁53其他建设用地6未利用地Untreated61沙地㊁62戈壁㊁63盐碱地㊁64沼泽地㊁65裸土地㊁66裸岩石质山地㊁67其他未利用地(包括高寒荒漠㊁苔原等)1.4㊀NPP数据验证由于NPP的实测数据难以测得,本文利用作物产量估算NPP值和其他学者结合NPP观测数据估算的NPP值来进行验证㊂1.4.1㊀根据统计数据中作物产量估算NPP的方法农业统计中的产量㊁面积等资料估算NPP是根据不同作物的收获部分的含水量和收获指数(经济产量与作物地上部分干重的比值)将农业统计数据的产量转换成植被碳储量㊂从主要作物县级统计收获数据到县级平均NPP的转换方法可以用下面公式表达[17]:NPP=ðni=1Yiˑ1-MCi()ˑ0.45gCgHIiˑ0.9/ðni=1Ai式中,Yi是统计数据中作物i的产量,MCi是作物收获部分的含水量,HIi是作物i的收获指数,Ai是作物收获面积㊂式中的作物产量和收获面积分别来自于中国自然资源网提供的中国农业统计数据中的8大类主要农作物的产量和播种面积,作物收获部分的含水量和收获指数[18](表2)㊂8035㊀生㊀态㊀学㊀报㊀㊀㊀40卷㊀图2表明,作物产量估算的NPP值与MOD17A3值呈显著的正相关关系(P<0.01),且相关系数达到0.77,均值的标准误差是3.95,说明MOD17A3来估算青海省的NPP值是可靠的㊂1.4.2㊀本文NPP值与其他学者模型对比由表3可以看出,不同的植被类型中本文年平均NPP与其他模型NPP的值趋势大致相同,整体比较接近,变化在一定的范围之内,对比估算精度在79%左右,所以MOD17A3值具有一定的可靠性㊂表2㊀主要农作物的收获指数及含水量表3㊀不同植被类型NPP值与其他模型对比/(gCm-2a-1)Table3㊀ThispapercomparestheNPPvaluesofdifferentvegetationtypeswithothermodel土地利用类型Landusetype数据范围DatarangeMiami模型[19⁃20]MiamimodelCASA模型[21⁃23]CASAmodelThornthwaite模型[24]ThornthwaitemodelCEVSA模型[25]CEVSAmodel耕地Plough239 760558.7524.8216648.8林地Forestry114 19133737.53612.218982936.1草地Meadow364 31872684.32552.8 414.6水体Wave256 9431171.61091.4 建设用地Construction56 972628.5585.8 未利用地Untreated82 725.6951.6912.814图2㊀NPP实测值与年均NPP结果比较Fig.2㊀ComparisonbetweenmeasuredandestimatedNPP2㊀研究方法2.1㊀简单差值法简单差值法是对相同地区不同时相的图像进行相减运算,利用图像之间的差值来衡量NPP年际间变化的趋势以及大,其公式为[6]:Dij=NPPt1ij-NPPt2ij式中,Dij为第i行j列像素的差值;NPPt1ij为时相t1第i行j列像素的NPP值;t1㊁t2为时相;i㊁j为第i行j列像素的位置㊂2.2㊀趋势分析法一元线性回归分析法是分析了15年间NPP值的趋势倾向率,综合表征一定时间序列的区域格局演变规律,其公式为[26]:Slope=nˑðni=1iˑNPPi()-ðni=1iˑðni=1NPPinˑðni=1i2-ðni=1i()2式中,Slope是线性拟合方程的斜率;NPPi是第i年通过最大值合成法得到的NPP值,n为研究时段的长度,9035㊀15期㊀㊀㊀刘旻霞㊀等:青海省植被净初级生产力(NPP)时空格局变化及其驱动因素㊀Slope大于0,表示15年间NPP值增加,反之减少㊂2.3㊀Hurst指数Hurst指数的估算方法很多,本文采用R/S分析法来分析NPP的持续性特征,其公式为[27⁃28]:NPP的时间序列NPPi,i=1,2,3,4, ,n,对于任意正整数m,定义该时间序列的均值序列:NPPm()=1mðmi=1NPPi㊀㊀(m=1,2,3,4, ,n)累计离差:Xt()=ðmi=1NPPi-NPPm()()㊀㊀(1<t<m)极差:Rm()=max1<m<nXt()-min1<m<nXt()㊀㊀(m=1,2,3,4, ,n)标准差:Sm()=1mðmi=1NPPi-NPPm()()2éëêêùûúú12㊀㊀(m=1,2,3,4, ,n)比值R(m)/S(m)即R/S,R/SɖmH,则H就是Hurst指数,H值可以根据m和对应计算得R/S值,在双对数坐标系(lnm,lnR/S)中用最小二乘法拟合得到,如果0.5<H<1,表明是NPPi是一个持续性序列,如果H=0.5,则说明NPPi为随机序列,如果0<H<0.5,则表明NPPi具有反持续性㊂2.4㊀相关分析法本文采用Pearson相关系数分析法,对每一个像元相应的年均植被NPP与降雨因子和温度因子进行相关性分析,以此分析植被NPP与气候因子之间的响应关系,其计算公式为[29-30]:R=ðni=1xi- x()yi-y()ðni=1xi-x()2ðni=1yi-y()2式中,R为x㊁y两个变量的相关系数,n为研究时间的年数,xi为第i年的植被NPP,yi为第i年的年均气候因子(降水㊁温度)值㊂3㊀结果与分析3.1㊀青海省植被NPP的空间分布特征3.1.1㊀2000 2014年青海省NPP空间变化特征青海省年均NPP值的分布与区域海拔的高低分布大体一致,受到地区的差异,呈现由南到北㊁由东到西递减的趋势,其中,柴达木盆地和唐古拉山环绕的海西州,受地形的影响,东部年均NPP值高于西部,且为26.14gCm-2a-1,海北州以高山草甸和山地草甸为主,年均NPP值为212.04gCm-2a-1,西宁市㊁海东市和黄南州居于青海省东部,气温高,降水也相对较多,年均NPP值较高,分别为285.67gCm-2a-1㊁277.48gCm-2a-1和299.95gCm-2a-1,海南州四面环山,盆地居中,年均NPP值达到155.86gCm-2a-1,果洛州海拔西北高,东南低,年均NPP值随着海拔的降低在变大,且为160.80gCm-2a-1,格尔木市和玉树州处于西北部,境内雪峰连绵,沼泽众多,年均NPP值较低,分别为17.74gCm-2a-1和55.49gCm-2a-1(图3)㊂3.1.2㊀不同生态功能区2000 2014年青海省NPP空间变化特征图4表明,各生态区的空间差异显著,表现为Ⅱ区>Ⅰ区>Ⅲ区>Ⅳ区>Ⅴ区㊂其中,青海东部农牧生态区(Ⅱ区)植被NPP最大,为187.45gCm-2a-1,其次为祁连山针叶林-高寒草甸生态区(Ⅰ区),为165.94gCm-2a-1,柴达木盆地荒漠 盐壳生态区(Ⅳ区)和北羌塘高原半荒漠 荒漠生态区(Ⅴ区)植被NPP最小,分别17.10gCm-2a-1和7.96gCm-2a-1㊂因为Ⅱ区有青海省最优质的天然草原和一部分农田,植被的覆盖率高,NPP较大,柴达木盆地荒漠 盐壳生态区和北羌塘高原半荒漠 荒漠生态区都是以荒漠草甸,冰雪为主,限制了植物的生长,导致NPP较低㊂0135㊀生㊀态㊀学㊀报㊀㊀㊀40卷㊀图3㊀2000—2014年青海省NPP平均值的空间分布㊀Fig.3㊀SpatialdistributionofaverageNPPinQinghaiProvincefrom2000to20143.1.3㊀不同行政区2000 2014年青海省NPP空间变化特征黄南藏族自治州的年均NPP最高,为300.27gCm-2a-1,其中在2005年㊁2006年㊁2007年㊁2008年㊁2009年㊁2010年2012年和2013年年均NPP都大于300gCm-2a-1,这是因为该区域是在黄河㊁隆务河流域等高山峡谷地带种植很多云杉,降水较多和植被生长较好的区域,灌溉农业和天然草场较多,植被覆盖率高,导致NPP较高;西宁市NPP仅次于黄南藏族自治州,为285.91gCm-2a-1,位于湟水中游河谷盆地,草原面积为3644.94万公顷,占全省面积的53.6%,气候宜人,适宜植物的生长;海东市居第三,年均NPP为277.56gCm-2a-1,气候属于半干旱大陆性气候,水能资源丰富,人口相对集中,经济较为发达,是青海重要的农牧业经济区较发达地区之一;海北藏族自治州居第四,年均NPP为212.29gCm-2a-1,雨热同季,无绝对无霜期,植被以高图4㊀青海省生态功能区划图Fig.4㊀Eco-functionregionalizationofQinghaiProvince寒草甸土为主,并且有黑钙土㊁栗钙土㊁灰褐土等,有机质含量丰富,有利于农作物和牧草的生长;果洛藏族自治州和海南藏族自治州年均NPP基本持平,分别为160.91gCm-2a-1和156.28gCm-2a-1,海南州和果洛州主要以山地为主,地势复杂多样,不适合植被的生长;海西藏族自治州㊁玉树藏族自治州和格尔木市年均NPP低于100gCm-2a-1,分别为26.17gCm-2a-1㊁55.49gCm-2a-1和17.72gCm-2a-1,位于青海省的西部,荒漠较多,常年干旱少雨多风,气候独特,四季不分明,不利于植被的生长,覆盖率较低,NPP较小(表4)㊂3.2㊀青海省植被NPP年际变化特征3.2.1㊀年均值NPP年际变化特征图5显示NPP值的波动范围集中在68.83 92.07gCm-2a-1,平均值79.05gCm-2a-1,其中2001年出现1135㊀15期㊀㊀㊀刘旻霞㊀等:青海省植被净初级生产力(NPP)时空格局变化及其驱动因素㊀最小值,为68.83gCm-2a-1,2004年出现最大值,为92.07gCm-2a-1㊂从年均NPP的总体趋势来看,2000 2004年㊁2008 2010年㊁2011 2013年年均NPP值呈现波动上升,2004 2008年㊁2010 2011年㊁2013 2014年年均NPP值呈现波动下降㊂2008年青海省大部分地区出现旱情,植物的生长受到限制,导致2008年NPP值急速下降,2010年青海玉树发生地震,2011年青海要进行震后重建,使得生态得到破坏,NPP值下降㊂表4㊀2000 2014年分行政区年均植被NPP/(gCm-2a-1)Table4㊀AnnualNPPineachdistrictfrom2001to2014年份Year西宁市海北州海东市海西州海南州黄南州果洛州玉树州格尔木市2000244.84193.50228.1023.16127.86266.79146.1952.6313.562001250.28185.56234.9920.30130.78271.21146.5549.8814.872002292.91220.56274.3926.62154.22291.67153.9851.3018.282003291.21208.98280.3524.86146.68291.30151.1748.9215.002004268.58201.91265.2323.32138.83281.74143.8250.2414.782005299.65227.71288.2228.13168.48310.94167.7456.7319.092006294.51219.29264.1828.75172.00329.10185.1562.9819.112007305.43223.36293.2225.25162.67312.97160.4949.8616.512008294.28205.98293.3223.42150.86302.23145.1242.6711.062009293.15219.11291.8628.22168.58316.67177.4067.4620.272010290.21219.92289.5731.17181.20324.99189.9572.0127.352011282.26209.07262.0628.22161.01297.59155.6352.4518.062012295.58218.05302.4528.51168.74301.71163.3462.3723.012013300.43223.28306.8029.12169.89323.41178.2763.8921.922014292.05214.18295.5625.59148.83288.81155.5955.1515.26均值Mean285.91212.29277.5626.17156.28300.27160.9155.4917.72图5㊀2000 2014年青海省年平均NPP变化趋势㊀Fig.5㊀ThechangetrendofmonthlyaverageNPPintheQinghaiProvincefrom2001to20123.2.2㊀不同生态功能区年均值NPP年际变化特征从生态功能分区看,不同年份各生态区的NPP存在明显的差异(图6),整体上看,表现为Ⅱ区>Ⅰ区>Ⅲ区>Ⅳ区>Ⅴ区㊂其中,青海东部农牧生态区(Ⅱ区)植被NPP最大,为187.45gCm-2a-1,其次为祁连山针叶林⁃高寒草甸生态区(Ⅰ区),为165.94gCm-2a-1,柴达木盆地荒漠 盐壳生态区(Ⅳ区)和北羌塘高原半荒漠 荒漠生态区(Ⅴ区)植被NPP最小,分别17.10gCm-2a-1和7.96gCm-2a-1㊂因为Ⅱ区有青海省最优质的天然草原和一部分农田,植被的覆盖率高,NPP较大,柴达木盆地荒漠 盐壳生态区和北羌塘高原半荒漠 荒漠生态区都是以荒漠草甸,冰雪为主,限制了植物的生长,导致NPP较低㊂局部来看,Ⅳ区和Ⅴ区的变化趋势不大,基本上是持平状态,其他生态区的年际变化基本一致,均表现出降⁃升⁃降⁃升⁃降⁃升⁃降⁃升⁃降的波动状态,Ⅰ区和Ⅳ区的NPP最小值均出现在2001年,且分别为141.88gCm-2a-1和12.98gCm-2a-1,Ⅲ区和Ⅴ区的NPP最小值均出现在2008年,分别为84.80gCm-2a-1和4.90gCm-2a-1,Ⅱ区的NPP最小值出现在2000年,为156.07gCm-2a-1,此外,不同生态区NPP最大值出现的时间不全一致,Ⅱ区㊁Ⅲ区㊁Ⅳ区和Ⅴ区的NPP最大值出现在2010年,分别为207.43㊁119.68㊁21.52gCm-2a-1和12.47gCm-2a-1,Ⅰ区的NPP最大值出现在2005年,为178.58gCm-2a-1,这是因为不同生态区因受地形㊁气候㊁植被数量和质量等诸多因素影响,并且气候因子变化导致其气候型具有很大空间差异,从而使NPP的最大值和最小值出现的时间不全一致㊂2135㊀生㊀态㊀学㊀报㊀㊀㊀40卷㊀图6㊀分生态功能区植被NPP变化趋势㊀Fig.6㊀VariationtrendofvegetationNPPindifferentecologicalfunctionareas3.3㊀NPP空间变化特征3.3.1㊀2000年与2014年NPP空间变化图7表明,青海省大部分地区NPP值是增加的,在海东市㊁西宁市㊁海南州的北部和黄南州北部地区NPP的增加值大于90gCm-2a-1,占总面积的0.8%,海北州的东北部㊁海南州南部地区NPP的增加值为60 90gCm-2a-1,占总面积1.6%,黄南州南部㊁果洛州南部地区NPP的增加值30 60gCm-2a-1,占总面积的5.6%格尔木市㊁玉树州㊁果洛的中部和北部㊁海南州的东南部㊁海北州的西北部地区NPP的增加值为0 30gCm-2a-1,占总面积的42.4%,海西州的绝大部分区域NPP的增加值为-30 0gCm-2a-1,占总面积的49.1%㊂3.3.2㊀2000 2014年NPP总体趋势青海省15年间NPP由北到南㊁由西到东呈现逐渐图7㊀2000与2014年青海省NPP空间变化图㊀Fig.7㊀SpatialchangemapofNPPinQinghaiProvincein2000and2014增加趋势,平均趋势系数为0.61,NPP增加的区域占总面积的15%,其中显著增加区域为2.8%,轻度增加区域为12.2%,主要分布在海东市大部分区域㊁海北州南部㊁海南州北部㊁黄南州北部地区,基本不变区域占总面积的22.3%,主要分布在海北州中部和西北部㊁海西州东部㊁玉树州东南部㊁果洛州北部区域,NPP减少的区域占总面积的62.6%,其中显著减少占1.8%,轻度减少占60.8%,主要分布在格尔木市㊁玉树州的西北部㊁海西州的中部及以西的地区(图8)㊂3.3.3㊀NPP变化的未来趋势预测图9表明,Hurst的值域范围为0 0.39,均值为0.12,除了河流湖泊,建筑用地和未利用土地,青海省NPP变化特征为反持续性特征,将Hurst指数划分为弱㊁中㊁强3个反持续性类型,其阈值分别为:<0.1,0.1 0.15和>0.15㊂从弱㊁中㊁强的程度来看,强反持续性占流域面积的13.87%,中反持续性占流域面积的19.66%,弱反持续性占流域面积的20.73%,说明青海省有五分之一的地区未来NPP变化与过去NPP的变化一致,但这种持续性表现得不够明显,三分之一地区未来NPP的变化与过去NPP变化有较强的相关性㊂4㊀青海省NPP主要影响因素4.1㊀气候因子对NPP的影响4.1.1㊀2000 2010年研究区气温和降水变化趋势IPCC第五次评估报告指出,全球气候正在变暖,而且气候变暖与碳循环存在显著的正相关关系,但是不同地区的气候因子对NPP积累的作用也不尽相同,表现为促进或者抑制,由此表明,植被NPP对降水和气温的反应较为强烈㊂由图10可知,近15年青海省降水的波动幅度明显大于气温的波动幅度,但除了特殊年份,降水和气候总体均趋于增加的趋势,气候也是趋于暖湿化,降水从2000年到2005年处于缓慢增加,2006年降低,之后又处于上升阶段,直到2013年急速下降,在2001年,年平均降水最低为254.5mm;气温从2000年3135㊀15期㊀㊀㊀刘旻霞㊀等:青海省植被净初级生产力(NPP)时空格局变化及其驱动因素㊀图8㊀2000—2014年青海省NPP线性变化趋势图Fig.8㊀DistributionoflineartrendofannualNPPchangesintheQinghaiProvincefrom2000to2014图9㊀NPP未来趋势预测图Fig.9㊀NPPfuturetrendforecast到2015年基本上波动上升,在2004年,气温迅速骤降,2012年出现缓慢下降状态,2000年的年平均气温最低,为1.77ħ㊂4.1.2㊀2000 2010年气温㊁降水的相关性分析对NPP的影响由图11可知,青海省年平均降水量与年均NPP的相关系数为0.21,从降水逐像元来看,局部地区相关性较强,在青海省西南部和中部地区呈正相关关系,分别在格尔木市㊁玉树州和果洛州的南部,海南州和黄南州的北部,海西州东部,海东市西部以及西宁市㊂玉树州中西部㊁果洛州北部㊁海南州和黄南州南部呈负相关关系㊂从全省来看,年平均气温与年均NPP的相关系数为0.006,整体的相关性较弱,对气温进行逐像元分析,局部地区相关性较强,在玉树州和海东市东部㊁黄南州中北部㊁海北州和海南州南部和西宁市呈正相关关系,在果洛州和格尔木市大部分区域㊁玉树州的西南部呈负相关关系㊂总体来说,气温相关系数分布与降雨相关系数分布具有很好的互补性,在气温相关程度高的地区,降雨相关程度低,反之亦然㊂4.2㊀海拔高度对NPP的影响由于研究区海拔从1719m上升到6595m,落差达到4874m,造成地貌类型复杂多样,而不同的海拔高度因为水热条件组合差异,形成了显著的垂直自然分异,进而又影响NPP大小㊂图12表明,随着海拔的增加,植被NPP总体表现出缓慢增加之后迅速下降,出现低峰,又开始迅速上升,之后开始下降到0,且不同海拔高度上植被NPP差异明显,具有双峰值特征,当海拔从1719m上升到2400m时,植被NPP缓慢增加,研究发现该海拔范围正处于西宁市㊁海东市㊁黄南州的北部,植物种类丰富多样,以农田为主,是重要的农牧业经济区,NPP值较大,当海拔从2400m上升到3200m时,NPP值呈现下降趋势,出现一个低峰值,为35.65gCm-2a-1,此海拔范围正处于海南州的共和县㊁青海湖范围㊁格尔木市㊁海西州的柴达木盆地,这些区域是沙地和盐碱地带,受地形㊁水分和土质条件的限制,雨水较少,荒漠化程度较大,NPP值小,当海拔从3200m上升到4000m时,NPP值呈现上升趋势,出现一个高峰值,为167.31gCm-2a-1,此海拔范围正处于海南州的日月山㊁海北州的大坂山和果洛州的大武镇,草原面积广阔,山地森林发育较好,温度和水分条件适宜,NPP值达到较4135㊀生㊀态㊀学㊀报㊀㊀㊀40卷㊀图10㊀2000—2014年降水与气温年际变化Fig.10㊀Changesofannualtemperatureandprecipitationfrom2000to2014图11㊀年均NPP与年降水和年气温的相关系数示意图Fig.11㊀CorrelationrelationshipbetweenyearlyNPPandyearlyprecipitationandyearlymeantemperature图12㊀不同海拔高度15年平均NPP变化㊀Fig.12㊀ImpactofelevationonaverageannualNPPfrom2000to2014大,当海拔超过4000m时,NPP值持续减小,主要以裸岩㊁冰川覆盖为主,受人类的活动影响极小,高寒的环境植被的生产力受到限制,所以NPP值均低于50gCm-2a-1㊂4.3㊀土地利用/覆被变化(LUCC)对NPP的影响土地利用变化是人类活动在地理环境空间上强度大小的直观变现,为了研究青海省土地利用动态变化的时空特征,考虑到获取数据的可行性,故选取中国科学院资源环境数据云平台的2000年㊁2015年分辨率1000m的全国土地利用数据,结合青海省实际情况,故将其土地利用类型数据合并成6种土地利用类型(即耕地㊁林地㊁草地㊁水体㊁建设用地和未利用地),用以表征2000至2015年来青海省土地利用的类型变化特征(表5㊁图13)㊂(1)近15年来耕地面积减少最少,面积减少了14km2,其变化率为-0.17%,由于国家实施退耕还林政策,导致耕地面积有所减少㊂5135㊀15期㊀㊀㊀刘旻霞㊀等:青海省植被净初级生产力(NPP)时空格局变化及其驱动因素㊀(2)林地面积减少了76km2,变化率为-0.27%,受到气温㊁降水㊁海拔的影响,林地面积有一定的退化㊂(3)15年来草地面积减少最多,减少了1260km2,变化率为-0.33%,由于青海省过度的放牧,导致草地面积减少较多㊂(4)水域面积增加最为明显,增加了1500km2,变化率为5.40%,主要是由于青海省是三江源的发源地,受降水㊁冰川融化等影响,青海湖的面积也不断扩大㊂(5)城镇用地增加较多,增加了763km2,变化率为77.15%,15年来青海省经历了大规模的城镇扩张及城市化进程,一些草地和林地都转化为建设用地㊂(6)未利用地面积减少较多,减少了913km2,变化率为0.33%,该土地类型变化幅度较大㊂表5㊀2000、2015年青海省各土地利用类型面积及变化率Table5㊀TheareasandpercentageoflandcoverinQinghaiProvinceduring2000and2015土地利用类型Landusetype2000年2015年2000 2015变化面积/km2%面积/km2%面积/km2%耕地Plough82541.1582401.14-14-0.17林地Forestry283673.96282913.95-76-0.27草地Meadow37724652.6437598652.46-1260-0.33水体Wave277653.87292654.0815005.40建设用地Construction9890.1417520.2476377.15未利用地Untreated27404338.2427313038.11-913-0.33图13㊀2000年和2015年青海省土地利用现状图Fig.13㊀ThemapoflanduseinQinghaiProvincein2000and20155㊀结论本文利用2000 2014年MOD17A3数据集的年均NPP数据和青海省39个气象站点资料,通过GIS空间分析法和数理统计方法分析了青海省植被NPP的时空变化特征及气候因子的相关性,结果表明:(1)青海省植被年均NPP在2000 2014年间整体分布与区域海拔的高低分布大体致,受到地区的差异,呈现由南到北㊁由东到西递减的趋势;从生态功能区看,各生态区的空间差异显著,表现为Ⅱ区>Ⅰ区>Ⅲ区>Ⅳ区>Ⅴ区,从行政划分来看,黄南藏族自治州的年均NPP最高,为300.27gCm-2a-1,西宁市NPP仅次于黄南藏族自治州,为285.91gCm-2a-1,海北藏族自治州居第四,年均NPP为212.29gCm-2a-1,海西藏族自治州㊁玉树藏族自治州和格尔木市年均NPP低于100gCm-2a-1,分别为26.17gCm-2a-1㊁55.49gCm-2a-1和17.72gCm-2a-1㊂6135㊀生㊀态㊀学㊀报㊀㊀㊀40卷㊀(2)从年际变化来看,NPP值的波动范围集中在68.83 92.07gCm-2a-1,平均值79.05gCm-2a-1,其中2001年出现最小值,为68.83gCm-2a-1,2004年出现最大值,为92.07gCm-2a-1,整体上看,Ⅳ区和Ⅴ区的变化趋势不大,基本上是持平状态,其他生态区的年际变化基本一致,均表现出降⁃升⁃降⁃升⁃降⁃升⁃降⁃升⁃降的波动状态㊂(3)青海省在2014年与2000年间大部分地区NPP值增加,由南到北㊁由东到西递减,2000 2014年青海省NPP变化趋势由北到南㊁由西到东呈现逐渐增加趋势,平均趋势系数为0.61,NPP值增加的区域占总面积的15%,其中显著增加区域为2.8%,轻度增加区域为12.2%,青海省NPP值的Hurst的值域范围为0 0.39,均值为0.12,除了河流湖泊,建筑用地和未利用土地,青海省NPP变化特征为反持续性特征㊂(4)气候因子(年平均降水量和年均气温)对年均NPP的分布有影响,海拔的高低造成气温㊁降水和土壤的差异,间接影响植被NPP,15年土地利用/覆被变化(LUCC)表现为草地面积减少最多,这是导致NPP减少的主要原因㊂参考文献(References):[1]㊀李博.生态学.北京:高等教育出版社,2000:213⁃214.[2]㊀李高飞,任海,李岩,柳江.植被净第一性生产力研究回顾与发展趋势.生态科学,2003,22(4):360⁃365.[3]㊀吴家兵,张玉书,关德新.森林生态系统CO2通量研究方法与进展.东北林业大学学报,2003,31(6):49⁃51.[4]㊀ClarkDA,BrownS,KicklighterDW,ChambersJQ,ThomlinsonJR,NiJ.Measuringnetprimaryproductioninforests:conceptsandfieldmethods.EcologicalApplications,2001,11(2):356⁃370.[5]㊀朱文泉,陈云浩,徐丹,李京.陆地植被净初级生产力计算模型研究进展.生态学杂志,2005,24(3):296⁃300.[6]㊀朱文泉.中国陆地生态系统植被净初级生产力遥感估算及其与气候变化关系的研究[D].北京:北京师范大学,2005.[7]㊀赵俊芳,延晓冬,朱玉洁.陆地植被净初级生产力研究进展.中国沙漠,2007,27(5):780⁃786.[8]㊀王莺,夏文韬,梁天刚.陆地生态系统净初级生产力的时空动态模拟研究进展.草业科学,2010,27(2):77⁃88.[9]㊀孙金伟,关德新,吴家兵,金昌杰,袁凤辉.陆地植被净初级生产力研究进展.世界林业研究,2012,25(1):1⁃6.[10]㊀BoysenJP.DieStoffproduktionderpflanzen.1932.[11]㊀MonsiM,SaekiT.Uberdenlichtfaktorindenpflanzenesellschaftenundseinebedeutungfurdiestoffproduktion.JapaneseJournalofBotany,1953,14:22⁃52.[12]㊀潘竟虎,李真.2001 2012年西北干旱区植被净初级生产力时空变化.生态学杂志,2015,34(12):3333⁃3340.[13]㊀高原.基于遥感的新疆NPP时空变化特征及其影响因素分析[D].兰州:西北师范大学,2015.[14]㊀江源通.湘江流域植被NPP时空动态及影响因素分析[D].湘潭:湖南科技大学,2015.[15]㊀LobellDB,HickeJA,AsnerGP,FieldCB,TuckerCJ,LosSO.SatelliteestimatesofproductivityandlightuseefficiencyinUnitedStatesagriculture,1982⁃1998.GlobalChangeBiology,2002,8(8):722⁃735.[16]㊀方精云,刘国华,徐嵩龄,王庚辰,温玉璞.中国陆地生态系统的碳库.温室气体浓度和排放监测及相关过程.北京:中国环境科学出版社,1996:109⁃128.[17]㊀朱文泉,潘耀忠,张锦水.中国陆地植被净初级生产力遥感估算.植物生态学报,2007,31(3):413⁃424.[18]㊀TaoB,LiKR,ShaoXM,CaoMK.ThetemporalandspatialpatternsofterrestrialnetprimaryproductivityinChina.JournalofGeographicalScience,2003,13(2):163⁃171.[19]㊀陈晓玲,曾永年.亚热带山地丘陵区植被NPP时空变化及其与气候因子的关系 以湖南省为例.地理学报,2016,71(1):35⁃48.[20]㊀仓生海.青海省天然草地植被净初级生产力分析 基于Miami模型.安徽农业科学,2011,39(11):6409⁃6410.[21]㊀朱文泉,潘耀忠,张锦水.中国陆地植被净初级生产力遥感估算.植物生态学报,2007,31(3):413⁃424.[22]㊀范娜,谢高地,张昌顺,陈龙,李文华,成升魁.2001年至2010年澜沧江流域植被覆盖动态变化分析.资源科学,2012,34(7):1222⁃1231.[23]㊀潘竟虎,徐柏翠.中国潜在植被NPP的空间分布模拟.生态学杂志,2020,39(03):1001⁃1012.[24]㊀王亚慧,李致家,黄鹏年,戴金旺.Thornthwaite经验公式在降雨径流模拟中的适用性研究.水电能源科学,2019,37(12):6⁃9.[25]㊀李洁,张远东,顾峰雪,黄玫,郭瑞,郝卫平,夏旭.中国东北地区近50年净生态系统生产力的时空动态.生态学报,2014,34(06):1490⁃1502.[26]㊀冯磊,杨东,黄悦悦.2000 2017年川渝地区植被NDVI特征及其对极端气候的响应.生态学杂志:1⁃12[2020⁃05⁃26].https://doi.org/10.13292/j.1000⁃4890.202007.028[27]㊀赵瑞东.气候变化和人类活动对黄土高原植被NDVI的影响研究[D].兰州:西北师范大学,2018.[28]㊀潘竟虎,黄克军,李真.2001 2010年疏勒河流域植被净初级生产力时空变化及其与气候因子的关系.生态学报,2017,(6):1⁃12.[29]㊀刘旻霞,赵瑞东,邵鹏,焦骄,李俐蓉,车应弟.近15a黄土高原植被覆盖时空变化及驱动力分析.干旱区地理,2018,41(01):99⁃108.[30]㊀李金珂,杨玉婷,张会茹,黄铝文,高义民.秦巴山区近15年植被NPP时空演变特征及自然与人为因子解析.生态学报,2019,39(22):8504⁃8515.7135㊀15期㊀㊀㊀刘旻霞㊀等:青海省植被净初级生产力(NPP)时空格局变化及其驱动因素㊀。

中国数字地貌数据

中国数字地貌数据

中国数字地貌数据文档(地球系统科学数据共享网编制 2008-4-4中国科学院地理科学与资源研究所北京朝阳区大屯路甲11号,100101,;)1.引言地貌是自然地域综合体的主导要素,直接影响甚至决定着其他要素的特征。

地貌条件与生产建设关系十分密切。

1978~1985年国家科学技术规划将“全国1:100万地貌研究”其列为全国108项重点内容之一,并立项组织全国地貌学家和相关专家共同开展中国地貌的研究工作,积累了一大批宝贵的地貌资料和图集,并编制出版了其中15幅1:100万地貌图(全国陆域共64幅)。

为了推动地学信息图谱的研究工作,使其不仅具有概念和理论的探讨,而且具有明确的应用研究目标,以“中国地貌空间格局及其演化机理”作为研究对象,试图由此而建立起地学信息图谱理论与方法体系。

自2001 年起,在国家自然科学基金委国家杰出青年基金的支持下,启动了《中国地貌(世纪网络版)》和地貌制图的试验研究工作,并组织中国科学院相关研究所和有关的大学,再度发起百万地貌图的编制工作。

之后,该项工作得到了国家科技基础条件平台建设计划“地球系统科学数据共享网”(2005年――)、国家自然科学青年基金(2005――)和中国西部环境与生态科学数据平台(2006年――)等项目的进一步支持,使中国1:100万数字地貌图得以持续发展。

数据库名中国1:100万数字地貌数据编写目的为了完整地介绍中国1:100万15幅老地貌图的收集和数字化、全国1:100万数字地貌数据的遥感解译、集成、更新等地貌数据内容和方便用户的使用,特编写了本文档。

定义地貌图既是地貌学研究的重要内容,也是地貌学研究成果综合体现,可以较为全面地反映我国地貌学研究的进展和水平。

中国1:100万地貌图为普通地貌图,是按照目前国内外普遍认可的形态成因相结合分类体系的基础上编制的中小比例尺地貌图,该图的编制工作充分继承了二十世纪八十年代我国地貌学家编制百万地貌图的分类规范,并进一步构建了中国1:100万数字地貌分类体系,地貌形态成因类型数达2400多个,中国1:100万数字地貌数据以形态、成因、物质等属性的分层分级方式集成。

石羊河流域数据集介绍

石羊河流域数据集介绍
4.石羊河流域人口图。背景为各县/区人口密度;每一行政区划内的柱状图表示总人口、 农业人口和非农人口;其它要素包括行政区划中心(区、县)、行政边界。
5.石羊河流域 GDP 和产业结构图。背景为各县/区国民生产总值(GDP);每一行政区 划内的饼状图表示三产(第一产业、第二产业、服务业)结构;其它要素包括行政区划中心(区、 县)、行政边界。
3.2. 项目支持
本数据的生产得到国家自然科学基金“中国西部环境和生态科学重大研究计划” 项目“中国西部环境与生态科学数据中心(90502010)”和中国科学院知识创新项目 (KZCX1-Y-02)。
3.3. 制备背景
石羊河流域是甘肃省河西内陆河流域中人口最密集、水资源开发强度最大、生 态环境问题最严重、水资源对社会经济发展制约性最强的地区。它位于河西走廊东 部,流域面积41,600 km2,介于东经101°40'-104°20'、北纬36°30'-39°30'之间。流域 在行政上包括金昌市的金川区和永昌县,武威市的凉州区、民勤县、古浪县和天祝 藏族自治县部分乡镇,以及张掖地区肃南裕固族自治县东部飞地。近年来,由于对 水土资源的不合理开发利用,石羊河流域生态环境严重恶化,已威胁到社会经济的 可持续发展,引起国家领导人和公众的广泛关注.众多科研工作者也从不同角度、 不同区域探讨石羊河流域生态环境变化的机理及治理对策.正确分析石羊河流域生 态环境存在的问题及其成因,针对不同的生态功能区制定不同的治理对策,具有重 要的现实意义[1]。
spatial文件夹包含数字高程模型的dem文件夹甘肃省和河西走廊轮廓图的gansu文件夹站点数据文件生成shapefile文件的generate文件夹各种地理要素的栅格数据的grid文件夹遥感影像的image文件夹原始站点文本数据的meteohydro文件夹和各种地理要素的矢量数据的vector文件夹详情请看表2

我国国家科学数据中心FAIR原则的实践现状调查与分析

我国国家科学数据中心FAIR原则的实践现状调查与分析

标识符的采用元数据标准的公开访问数据许可声明的明确等方面加强规范化标准化管理
$%&'*+,- 原则国家科学数据中心科学数据管理元数据
()*+,.!//
-./01'
01,'$)%$$(23456789:&""#;2(#3:!'!#'#!
!"#$%& '() *(+,&-.- /( 01% 23450.56 /7 8*9: ;3.(5.<,6 .( =40./(4, >5.6(56 ?+0+ @6( 063 /7 @1.(+
实践现状对推动科学数据的发现访问获取和重用具有重要意义文章 通 过 分 析 *+,- 原 则 的 主放共享原则调研 !) 个国家科学数据中心对 *+,- 原则的实践现状从元数据标准和用户授权两个
层面分析结果并提出改进建议 研究发现我国国家科学数据中心对 *+,- 原则的应用还有待提升需要在持久性
基于 !"#$( 项主要原则!采用网络调研$文献调 研等方式梳理分析国家科学数据中心对 !"#$ 原则 的实践现状# 通过国家科学数据中心网站中,数据资 源-,元数据-,数据目录-,标准规范-,数据汇交,用户帮助-,用户指南-,平台介绍-等栏目$综合性 的全球研究数据仓储注册目录 $./0121&-'*23. $.456278 9: $.6.17;3 <121 $.=9652975.6+以及 !">$63175?4&@'网站 中查找检索国家科学数据中心有关元数据和用户授 权建设内容!并通过有关国家科学数据中心建设$服 务$实践等方面研究论文!补充网络调研不足的相关 建设内容#

全国1-25万地形数据库说明(2012PDF版)

全国1-25万地形数据库说明(2012PDF版)

全国1:25万地形数据库说明国家基础地理信息系统全国1:25万地形数据库共分水系、居民地、铁路、公路、境界、地形、其他要素、辅助要素、坐标网以及数据质量等十四个数据层。

该数据库按地理坐标和高斯-克吕格投影两种坐标系统分别存储。

数据量分别为4.5GB和5GB。

数据精度符合国家1:25万比例尺地形图要求。

目录全国1:25万地形数据库接图表 (5)全国1:25万地形数据库数据分层 (6)全国1:25万地形数据库数据字典 (8)数据源 (8)数据库软件环境 (8)数据记录格式 (8)数据量 (8)数据生产过程 (8)数据适用范围 (9)数据密级 (9)数据生产与维护单位 (9)标准规范 (10)国土基础信息数据分类与代码(GB、CODE) (10)HYDNT层 (10)HYDLK层 (12)RESPY层 (13)RESPT层 (13)RAILK层 (14)ROALK层 (14)BOUNT层 (15)BOUPT层 (16)TERNT层 (16)TERLK层 (17)OTHNT层 (18)ATNLK层 (18)NETLN层 (18)GGDLN层 (19)行政区划代码(CNTY_CODE、DIST_CODE、PROV_CODE) (19)国家和地区代码(PAC) (20)地形数据库与地名数据库接口码(MAPTN、TN) (21)(1)水系要素接口码定义 (22)(2)居民地要素接口码定义 (22)(3)交通要素接口码定义 (23)(4)山脉、山峰、山隘等接口码定义 (23)(5)海洋要素接口码定义 (24)河流名称代码(HYDC、HYD_CODE) (24)河流名称代码的有关定义 (24)代码结构 (25)流域分区代码表 (25)主要铁路路线临时编号(RN、RAI_CODE) (27)国家干线公路路线名称和编号(RN、ROA_CODE) (40)全国高速公路、一级公路临时编号(RN2、HIG_CODE) (42)全国主要湖泊名称临时代码(LAKE_CODE) (46)地名类别代码 (61)其它问题说明 (63)全国1:25万地形数据库元数据: (64)全国1:25万地形数据库接图表全国1:25万地形数据库数据分层全国1:25万地形数据库数据字典数据源国家基础地理信息系统(NFGIS)全国1:25万数据库采用1:25万比例尺地形图二底图作为数据源,共816幅。

基于第一次冰川编目的黑河流域冰川分布数据集.

基于第一次冰川编目的黑河流域冰川分布数据集.
缩略图和空间范围
N:43.3
W:96.1
E:104.2
S:37.7 时间范围 开始时间:1960-01-01 20:58:00 结束时间:1980-12-31 20:58:00 本数据引用方式 吴立宗,李新. 中国冰川信息系统[M]. 北京: 海洋出版社, 2004: pp135. 建议参考文献 1. 施雅风,王宗太,刘潮海,等. 简明中国冰川目录[M]. 上海: 上海科学普及出版社, 2005: 194. 2. 吴立宗,李新. 中国冰川信息系统[M]. 北京: 海洋出版社, 2004: 135. 3. 王宗太等. 中国冰川目录-祁连山区,中国科学院兰州冰川冻土研究所,1981.
关键词 主题:冰川,第一次冰川编目, 位置:黑河流域, 时间:1968-1981, 学科:冰川学, 地层:
数据分类 分类:geoscientificInformation 地学信息
数据细节 投影:+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs 数据大小(MB):5.68 数据格式:矢量
中国西部环境与生态科学数据中心 基于第一次冰川编目的黑河流域冰川分布数据集
UUID: ad7bd7dc-b485-47fb-96f0-b7c25b35ba54
基于第一次冰川编目的黑河流域冰川分布数据集 Glacier distribution map in the Heihe river basin based on the first glacier inventory
使用声明 1. 为尊重知识产权、保障数据作者的权益、扩展数据中心的服务、评估数据的应用潜力,请数据使用者在使用数据所产 生的研究成果中(包括公开发表的论文、论著、数据产品和未公开发表的研究报告、数据产品等成果),明确注明数据来 源和数据作者。对于转载(二次或多次发布)的数据,作者还须注明原始数据来源。 中文发表的成果参考以下规范注明 : 数据来源于国家自然科学基金委员会"中国西部环境与生态科学数据中心"() 英文发表 的成果依据以下规范注明: The data set is provided by Environmental and Ecological Science Data Center for West China,National Natural Science Foundation of China ()

中国东北三省地下水储量时空变化特征及其影响因素分析 

中国东北三省地下水储量时空变化特征及其影响因素分析 

第34卷第3期2023年5月㊀㊀水科学进展ADVANCES IN WATER SCIENCE Vol.34,No.3May 2023DOI:10.14042/ki.32.1309.2023.03.004中国东北三省地下水储量时空变化特征及其影响因素分析王子龙,孙昌鸿,姜秋香,刘传兴,单家珣(东北农业大学水利与土木工程学院,黑龙江哈尔滨㊀150030)摘要:为完善区域地下水开发利用措施㊁规划区域地下水资源管理,利用GRACE 卫星评估2002 2017年中国东北三省地下水储量变化规律㊂结合GRACE 和GLDAS 估算地下水储量变化,与实测地下水储量变化对比验证,并探究其影响因素㊂结果表明:GRACE 模拟地下水储量变化与实测地下水储量变化相关性较强,为0.72;地下水储量在2013年盈余最大,2008年亏损最大,平均增长率为2.23mm /a,秋冬两季有明显亏损,夏季发生盈余;地下水储量空间分布有明显差异性,2013年前东北少西南多,2013年后东北多西南少,黑龙江省变化较为明显,辽宁省和吉林省受旱灾影响亏损过多;降水量和农业用水量变化与地下水储量变化极显著相关,冬季地下水储量变化与降雪显著相关㊂研究东北三省地下水储量时空变化对中国乃至全球水资源优化配置和生态环境可持续发展具有参考价值㊂关键词:地下水储量变化;GRACE;GLDAS;降水量;农业用水中图分类号:P228;S127㊀㊀㊀文献标志码:A㊀㊀㊀文章编号:1001-6791(2023)03-0360-14收稿日期:2023-01-04;网络出版日期:2023-06-01网络出版地址:https :ʊ /kcms2/detail /32.1309.P.20230531.1450.004.html基金项目:国家自然科学基金资助项目(52179035);黑龙江省自然科学基金资助项目(YQ2019E004)作者简介:王子龙(1982 ),男,山东胶州人,教授,博士,主要从事寒区水土资源高效利用方面研究㊂E-mail:wangzilong2017@ 通信作者:姜秋香,E-mail:jiangqiuxiang2017@ 地下水作为水资源的重要组成部分,影响着作物生长㊁土壤质地以及生态环境平衡[1]㊂地下水储量作为衡量水资源量的重要评价指标之一,探究其时空变化情况及影响因素已成为亟须解决的科学问题[2]㊂此外,地下水储量的观测可用于地下水文研究和水文灾害预警[3]㊂因此,研究地下水储量变化特征对探究东北三省水储量时空分布及理解跨流域大尺度水资源优化配置有重要意义㊂目前,相比于传统的地下水储量监测方法,重力反演与气候实验(Gravity Recovery and Climate Experi-ment,GRACE)卫星技术打破了传统地基观测成本高㊁气象站点监测结果分布不均等局限性,解决了大尺度水文数据获取难的问题,数据较为精确且监测尺度统一㊂国内外学者将GRACE 卫星广泛应用于全球㊁区域和流域陆地水储量监测,进而计算地下水储量[4-6]㊂其中,国外学者针对流域范围的陆地水储量研究集中于亚马孙河流域和密西西比河流域,国内学者则关注于长江㊁黄河㊁雅鲁藏布江㊁黑河以及珠江等流域[7-10]㊂部分学者也通过监测欧洲和北极地区的陆地水储量来分析当地的水文气候特性[11-12],开展对寒旱地区的地下水储量估算研究,如印度㊁中国北方地区及华北平原地区等[13-15]㊂中国东北三省包括黑龙江省㊁辽宁省和吉林省,总面积约78万km 2,分布范围为38ʎ36ᶄN 53ʎ36ᶄN,118ʎ36ᶄE 135ʎ06ᶄE,属温带大陆性季风气候,是中国重要的商品粮基地㊂地下水资源总量相对丰富,但地下水供水量基本消耗地下水资源一半左右,年际变化不稳定且空间分布不均,部分地区中度缺水[16]㊂因冬季寒冷,监测地下水较为困难,长期存在数据稀缺问题,对评估地下水资源和识别地下水影响因素有一定的限制㊂对于东北三省水储量的研究,大部分学者停留于利用GRACE 卫星监测陆地水储量,分析地下水储量㊀第3期王子龙,等:中国东北三省地下水储量时空变化特征及其影响因素分析361㊀时空变化特征及其影响因素的研究仍然有限㊂本文基于GRACE新一代数据产品RL06结合GLDAS水文模型反演地下水储量,并与基于实测地下水数据所估算的储量变化对比验证,通过离散小波变换法研究东北三省地下水储量的变化趋势,运用Mann-Ken-dall突变检验法分析地下水储量的季节变化,借助相关分析法和频谱图研究自然因素和人类活动对其变化的影响㊂1㊀数据来源与处理方法1.1㊀GRACE数据GRACE卫星由美国国家航空航天局(NASA)和德国宇航中心(German Aerospace Center,DLR)合作研发,是监测并记录重力场变化的重力卫星[17]㊂主要为地球系统科学提供高分辨率平均时变地球重力场模型;利用GPS无线电掩星(Radio Occultation)技术获取全球温湿度剖面图;为研究海洋㊁冰川冰盖质量变化和水储量变化提供高精度的重力场模型[18]㊂GRACE数据产品主要由美国得克萨斯大学空间研究中心(Center for Space Research,CSR)㊁德国地学研究中心(Geo Forschungs Zentrum,GFZ)和美国喷气动力实验室(Jet Propulsion Laboratory,JPL)3家机构对外开放,可在ICGEM(International Centre for Global Earth Models)中心下载(http:ʊicgem.gfz-potsdam.de/se-ries)㊂本文采用GFZ中心提供的RL06月重力场数据,扣除高频非潮汐大气和海洋的质量变化影响[19],时间范围为2002年4月至2017年6月,共163个月(部分月份缺失),空间分辨率为1.00ʎˑ1.00ʎ㊂对GRACE月重力场数据进行预处理,运用海洋模型和GRACE Stokes系数所估算的1阶重力系数替换原有系数;采用高精度卫星激光测距(Satellite Laser Ranging,SLR)得到的月估计值替换原有的C20球谐系数㊂基于Swenson提出的去相关滤波器法去除GRACE数据南北条纹误差,以半径为300km的高斯滤波平滑信号噪声,滤波后的数据截取为60阶次,由此计算出球谐系数,并去除沿海区域海平面信号泄露的影响㊂将球谐系数转换为空间分辨率更高的0.25ʎˑ0.25ʎ栅格数据,同时利用gmt_cs2grid函数估算数据处理过程中的偏差和泄漏从而降低误差㊂上述处理过程基于冯伟设计的开源程序GRACE_Matlab_Toolbox(GRAMAT)[20],完善部分代码后计算陆地水储量为等效水高度,单位为mm㊂1.2㊀GLDAS数据GLDAS(Global Land Data Assimilation Systems)是由美国国家航空航天局戈达德空间飞行中心(GSFC)与美国海洋和大气局国家环境预报中心(NCEP)联合研发提供[21],数据可在美国宇航局戈达德地球科学数据和信息服务中心GES DISC下载(https:ʊ)㊂GLDAS数据集中包含CLSM和NOAH2个陆面模型和VIC水文模型㊂本研究从GLDAS-2NOAH模型数据中提取出逐月土壤水分数据,空间分辨率为0.25ʎˑ0.25ʎ,时间序列为2002 2017年㊂为削减GRACE后处理过程中信号和精度改变引起的误差,使其与真实陆地水储量近乎相似㊂对数据进行2种处理,一是将GLDAS格网数据进行同GRACE处理方法相同的滤波平滑处理,二是对0~2m土层的土壤水分求和并距平㊂比较2种处理后的GLDAS模型数据,算得尺度因子可以反映出GRACE信号衰减幅度,其中距平处理得到的土壤水分变化即为土壤水储量变化㊂本文采用单一尺度因子恢复法,2种处理方法得到的GLDAS数据之间残差平方和最小时,计算得尺度因子为1.94㊂将其与GRACE估算的陆地水储量相乘,得到最终的陆地水储量变化估计值[22]㊂1.3㊀实测地下水和影响因素数据本文根据‘中国地质环境监测地下水位年鉴“获取东北三省的地下水位实测数据,时间范围从2005 2015年共计119个月(部分月份缺失)㊂研究区实测地下水类型选取为潜水和承压水,选取的地下水位数据362㊀水科学进展第34卷㊀为地下水水位变幅㊂地下水实际监测点位于东北三省36个城市,共计56个监测点,基本覆盖整个研究区,部分监测点地下水位实测值如表1所示,研究区地下水位监测点位置分布如图1所示㊂表1㊀中国东北三省部分地区地下水位变幅Table1Groundwater level variation in some areas of the three provinces of Northeast China 省份监测点监测时间水位/m黑龙江哈尔滨市香坊木材厂2012-060.15齐齐哈尔市铁峰区新发村2012-070.41鸡西市国土资源大厦2012-090.40辽宁沈阳市康平小城子乡孟家村2013-040.13大连市甘井子区辛寨子2011-050.90鞍山市海城市高坨镇三道村2014-080.27吉林长春市体育馆旁2013-110.57白城市洮儿河王家塘坊2009-100.04四平市条子河车站2007-010.17图1㊀研究区地貌和地下水监测点位分布Fig.1Geomorphology and groundwater monitoring site distribution in the study area㊀㊀降水数据来源于中国气象数据网(http:ʊ/)和国家青藏高原科学数据中心(http:ʊ/zh-hans/),2种数据的精度同为0.1mm㊂本研究选取了位于黑龙江省的气象站降水量逐日变化资料,将其整理汇总为月度数据㊂基于较高分辨率的‘中国1km分辨率逐月降水量数据集(1901 2020)“获取吉林省和辽宁省的降水数据[23-24]㊂根据降水数据集计算得黑龙江省的月值降水量与气象站点的降水量较为相符,可用于计算东北三省的月度降水数据㊂潜在蒸散发数据来源于国家青藏高原科学数据中心,本研究根据‘中国1km逐月潜在蒸散发数据集(1990 2020)“获取黑龙江省㊁吉林省和辽宁省的潜在蒸散发数据[25-26],精度为0.1mm㊂地表径流数据来自GLDAS的CLSM陆面模型,时间分辨率为1d,空间分辨率为0.25ʎˑ0.25ʎ,时间范围为2003 2017年㊂将其整合处理为月值数据后,计算得地表径流量㊂人口数据来源于国家青藏高原科学数据中心的‘全国各地区常住人口规模(2007 2018)“[27]和‘全国各地区人口出生率㊁死亡率㊁自然增长率(2001 2008)“[28]㊂农业用水量数据来源于黑龙江省㊁吉林省和辽宁㊀第3期王子龙,等:中国东北三省地下水储量时空变化特征及其影响因素分析363㊀省的水资源公报㊂1.4㊀数据处理方法1.4.1㊀水量平衡原理陆地水储量包含有地表径流量㊁地下水量㊁土壤水量㊁雪水储量及植被冠层储水量[29]㊂由于GLDAS 监测植被含水量和冰川积雪储量变化量相对于陆地总水储量变化量微小,参考已有研究在计算水储量变化时将其忽略㊂同时地表水受水循环的作用处于相对稳定状态,探究水储量变化时也基本可以忽略[30-31]㊂由此,构建水量平衡方程如下:ΔS GW =ΔS TW -ΔS SM (1)式中:ΔS GW 为地下水储量变化,mm;ΔS TW 为陆地水储量变化,mm;ΔS SM 为土壤水储量变化,mm㊂为便于验证,需要给实测地下水数据乘以给水度,给水度反映的是含水层释水能力的强弱[32]㊂地下水实际监测点大部分位于松嫩平原㊁辽河平原和白城扇形地,含水层类型为松散岩类孔隙含水层,结合中国地质调查局所提供的含水层岩性给水度经验值,计算得区域平均给水度为0.26[33-34]㊂将观测的地下水位变幅插值平均,得到东北三省地下水位的月度数据㊂计算实测地下水储量变化量公式如下:ΔS GW,me =H ˑ0.26ˑ1000(2)式中:ΔS GW,me 为实测地下水储量变化,mm;H 为地下水水位变幅月值,m㊂1.4.2㊀评价方法为评估模型的准确性,运用了皮尔逊相关系数(r )㊁均方根误差(E RMS )和标准化均方根误差(E NRMS )3种评价指标㊂r 的绝对值越接近于1说明相关性越好;E RMS 越小表示数据一致性越好;E NRMS 有助于比较不同比例的数据集或模型,E NRMS 越接近或小于10%时,模拟值和实测值的一致性较好,但当其大于30%时,模拟值和实测值一致性较差[35]㊂计算公式如下:r =cov(X ,Y )σX σY(3)E RMS =ðn i =1(X i -Y i )2n (4)E NRMS =E RMS Y max -Y min (5)式中:X 为实测值;Y 为模拟值;Y max ㊁Y min 分别为模拟值的最大值和最小值;σX ㊁σY 分别为样本X 和Y 的标准差;n 为样本个数㊂1.4.3㊀Mann-Kendall 突变检验法Mann-Kendall(MK)检验是一种不受少数异常值影响的非参数统计检验,可用于判断水文气象数据的突变年份和变化趋势㊂通常给定显著性水平α=0.05,相应临界值U 0.05=ʃ1.96,U F 和U B 分别是按照时间序列正顺序和逆顺序计算出的统计序列㊂U F 和U B 在临界区内交点所对应的时间即为原时间序列突变开始的时间,当U F >0时序列呈上升趋势,反之呈下降趋势,位于临界值外时表示变化趋势显著[36]㊂1.4.4㊀离散小波变换法离散小波变换法(Discrete wavelet transform,DWT)是对连续小波变换的尺度㊁位移按2次方进行离散化得到的,也称为二进制小波变换,其中高频对应高时间分辨率,低频对应高频率精度,可在时间和频率上取得一定平衡㊂将时间序列分解为低频和高频部分,能有效判断时间序列中的潜在趋势,其中最大分解水平上的低频序列可用来表示时间序列的变化趋势[37]㊂364㊀水科学进展第34卷㊀2㊀结果分析与讨论2.1㊀地下水储量空间分布对于东北三省地区有部分国内学者使用CSR和JPL机构提供的GRACE数据模拟陆地水储量变化,为保证准确性和更高的精度,本文获取CSR和JPL机构提供的数据,采取相同的处理方式估算地下水储量变化㊂分析其与实测地下水量的关系,实测地下水量与GFZ㊁CSR和JPL的E RMS分别为23.7mm/月㊁24.8mm/月和24.0mm/月,其在研究区内的精度较好,且GFZ的信噪比值大于其他2种产品,由此可知GFZ产品更适用于东北三省的陆地水储量监测㊂补充GRAMAT已有的代码程序,计算当年12个月数据的平均值,以此来代表该年水储量,再将16a的年水储量距平,得到东北三省地下水储量年变化的空间分布,并运用克里金法进行空间插值如图2所示㊂地下水储量变化呈现出明显波动趋势,2002 2008年有逐渐下降趋势,2009年短暂上升后出现亏损状态,于2013年增加到最大后缓慢下降㊂整体空间上地下水储量在2013年前表现为南多北少,2013年后表现为南少北多㊂图2㊀2002 2017年基于GRACE估算东北三省地下水储量年变化的空间分布Fig.2Spatial distribution of yearly groundwater storage variations in the three provinces of Northeast China estimated from GRACE from2002to2017㊀第3期王子龙,等:中国东北三省地下水储量时空变化特征及其影响因素分析365㊀2002 2012年东北部黑龙江省一带地下水储量减少,亏损最大区域位于小兴安岭地区㊁松嫩平原㊁三江平原以及东部山地一带;大兴安岭地区地下水储量相对稳定,对比多年平均长期处于弱增长状态;辽宁省㊁吉林省大部分地区和长白山地一带地下水储量变化相对较小,处于长期稳定状态㊂2013年研究区地下水储量达到峰值,在黑龙江省西北部增长最大,与该年东北三省洪灾受损严重地区较为吻合㊂2013年后辽宁省和吉林省部分地区受旱灾影响地下水储量开始处于亏损状态且长期难以恢复至正常水平,亏损趋势逐渐向黑龙江省扩散;长白山地一带受洪灾影响较小,地下水储量在2013年短暂增长后重新归于稳定,仅在西南段有一定程度的亏损;黑龙江省大兴安岭地区地下水储量在2013 2017年间虽然存在相对缓慢的减少趋势,但较多年平均仍有一定盈余㊂2.2㊀地下水储量时间变化分析分析地下水储量变化量与实测地下水储量变化量的相关性(图3(a))㊂2002 2017年地下水储量与实测地下水储量变化量具有极显著相关性且相关系数为0.72,表明GRACE模拟的地下水储量变化可以很好地解释东北三省地下水变化㊂GRACE模拟地下水储量平均增长率为2.23mm/a,实测地下水位变化也在逐年增长,平均增长率为3.19mm/a㊂地下水储量变化具有时间差异性,在2013年底达到最大,为72.03mm;在2008年初最小,为-79.36mm;2012 2016年整体变化幅度相对多年平均有所增加㊂实测地下水储量变化幅度在-36~56mm之间㊂根据图3(b)发现,实测地下水储量变化同ΔS SM具有一定程度的负相关,满足水量平衡原理,当某一时段土壤水储量减少时,实测地下水储量变化量处于增长状态㊂实测地下水储量变化同陆地水储量变化的趋势和波动更为一致,分析两者相关性,其相关系数为0.64,且呈极显著相关关系,说明根据GRACE模拟的陆地水储量中地下水储量占据其重要组成部分㊂图3㊀2002 2017年间东北三省地下水储量的时间变化Fig.3Temporal variation of groundwater storage in the three provinces of Northeast China from2002to2017366㊀水科学进展第34卷㊀对地下水储量变化的时间序列进行MK突变分析(图3(c))和DWT趋势分析(图3(d),D5㊁D6分别表示分解层数为5和6的趋势)㊂由MK突变检验分析表明,地下水储量大部分时间呈下降趋势,在2011年底发生突变后呈现上升趋势并在2014年初显著上升㊂为更好地观察地下水储量变化的趋势,借助DWT将地下水储量序列分解为6个子序列,其中分解层数为6的低频重构序列反映的变化趋势同MK结果更为相符,趋势更加显著,由此可确定东北三省2002 2017年地下水储量总体呈波动趋势,先下降后上升最终趋于平稳㊂分离出2002 2017年间东北三省季节性地下水储量变化,并通过MK法分析其趋势和突变时段(图4)㊂地下水储量呈现明显的季节性变化,振幅基本为ʃ25mm,与实测地下水储量有较好的一致性㊂春季ΔS GW 在2002 2012年间波动较为明显并存在一定亏损,于2012年发生突变后呈现上升趋势;夏季ΔS GW趋势明晰,在2002 2010年间持续下降,于2010年发生突变后逐渐呈上升趋势,并在8月产生最大盈余,盈余24.83mm;秋冬两季地下水储量在2002 2012年呈现持续下降趋势,其中秋季ΔS GW存在短期增加,冬季2月份发生最大亏损,亏损-19.04mm,两季于2012年发生突变后逐渐恢复上升趋势,推测地下水储量减少的主要原因为该季节降水较少,而生产生活供水较大,需要地下水供给㊂由图3(c)和图4可知,地下水储量在年际㊁春季㊁秋季和冬季的突变点均在2012年左右㊂根据中国气象局发布的气候事件,春季发生突变是由于黑龙江省该年春季土壤干旱程度最为严重,土壤湿度存在明显下降趋势;秋冬两季发生突变是由于秋季多个台风登陆引起的暴雨天气和冬季大范围暴雪天气,陆地水储量呈持续上升趋势㊂图4㊀2002 2017年间地下水储量的季节变化Fig.4Seasonal variation of groundwater storage from2002to20172.3㊀地下水储量变化的影响因素探究地下水参与水循环路径会受到降水入渗㊁地表径流入渗补给㊁河道排泄和潜水层蒸发等自然因素的影响,同时灌溉补给和地下水开采等人类活动也会对其造成影响㊂东三省被认为是农业重点发展区,其地下水作为农业用水中的重要部分会受到一定程度影响[38-39]㊂运用皮尔逊相关分析法,分析自然因素和人为因素对地下水储量的影响㊂自然因素包括降水㊁潜在蒸散发㊁土壤湿度和地表径流,人为因素有人口数量和农业用水㊂由于人为因素缺乏相关月度数据,因此只比对自然因素与ΔS GW的月相关系数㊂由图5可知,自然因素与ΔS GW均存在极显著相关,其中,呈明显负相关的是土壤湿度,相关系数为-0.55,地表径流的相关性较小为-0.34;呈较明显正相关的是降水,相关系数为0.33㊂土壤湿度㊁降水和地表径流成为对ΔS GW影响较大的因素㊂在年相关关系中,人口数量与地下水储量变化量相关性不显著,但农业用水与ΔS GW显著相关,相关系数为0.58㊂本文在探究地下水开采对地下水储量变化量的响应关系时,以2002 2011年松辽流域水资源公报所提供数据为例(其大部分区域均与研究区重合),分析发现松辽流域地下水开采量以0.58mm/a的趋势增加,㊀第3期王子龙,等:中国东北三省地下水储量时空变化特征及其影响因素分析367㊀东北三省地下水储量变化量在同期虽处于下降趋势,但二者p值远大于0.05,无显著性差异㊂而且由于地下水系统的复杂性和非线性特征也会影响地下水开采对地下水储量变化量的响应关系,因此暂未考虑地下水开采对地下水储量变化量的影响㊂相对于地下水开采,农业用水与地下水储量变化量相关性最为明显,根据黑龙江省水资源公报可知,当地下水储量盈余时大部分被用于灌溉农田㊂图5㊀自然因素和人为因素与地下水储量的相关系数Fig.5Correlation coefficient of natural and human factors on groundwater storage基于偏相关分析法研究冬季地下水储量变化与自然因素的相关关系,降水与其存在显著相关性,成为气象因子中的主导因素㊂探究土壤湿度㊁潜在蒸散发㊁地表径流㊁综合变量(包括前3种变量)和无变量情况下降水和ΔS GW的相关关系(表2)㊂5种情况下降水和ΔS GW均表现出极显著相关,且在排除地表径流因素的干扰时,其相关系数达到最高㊂土壤湿度对其相关性没有明显影响,而排除潜在蒸散发和综合因素的干扰后相关性明显下降,就对ΔS GW的影响而言,冬季潜在蒸散发与降水存在拮抗关系㊂由于东北地区冬季降水基本以降雪形态出现,所以冬季地下水储量变化在一定程度上受降雪变化影响㊂表2㊀冬季地下水储量与降水的偏相关分析Table2Partial correlation analysis between groundwater storage and precipitation in winter控制变量偏相关系数显著性无变量0.4020.009土壤湿度0.4070.009潜在蒸散发0.3890.013地表径流0.4260.008综合变量0.3910.018㊀㊀如图6所示,借助降水数据发现降雪和地下水储量的变化趋势较为一致,有明显的周期性且年㊁半年周期一致,地下水储量变化量的振幅与降雪振幅较为相符㊂变化特征均呈先下降后上升的趋势,降雪在2012年底达到峰值,后续2013年底也有较大幅度增加,地下水储量随之在2013年底产生最大盈余㊂其中,2007年1月降雪量骤减现象并没有引起当月地下水储量的改变,但其1 2月明显地减少趋势对整体地下水储量变化产生了一定影响,即在2008年2月达最大亏损㊂由图7可知,地下水储量㊁降水㊁地表径流㊁潜在蒸散发和土壤湿度均呈现出很明显的周期性变化,且368㊀水科学进展第34卷㊀图6㊀冬季降雪与地下水储量变化量的频谱和时间分布Fig.6Spectrum and temporal distribution of snowfall and groundwater storage in winter各年㊁半年周期变化规律基本一致,地表径流因缺少部分数据在周期性上有些微差异㊂对地表径流影响较大的降水量与潜在蒸散发的年振幅分别为259.6mm和500.4mm,相较于其他气象因素的振幅差异明显;地下水储量年振幅与土壤湿度最为接近,在13~18mm之间;地表径流年振幅最小,为4mm㊂地表径流在很大程度上受降水和潜在蒸散发的影响,尤其受潜在蒸散发影响产生较大损失㊂地下水储量的降水补给部分,在很大程度上被地表径流和潜在蒸散发消耗㊂ΔS GW㊁降水量㊁地表径流㊁潜在蒸散发和土壤湿度年振幅的E RMS分别为2.60㊁35.66㊁0.61㊁63.92和1.84mm/月,由此分析ΔS GW和气象因子的E NRMS均在15.45%以下且差异性较小,表明ΔS GW和气象因子的频谱图较为可信㊂图7㊀东北三省自然因素与地下水储量的频谱Fig.7Spectrum of natural factors and groundwater storage in the three provinces of Northeast China 综合相关系数和频谱图2种分析方法对比可知,自然因素中土壤湿度和降水量对ΔS GW的影响最明显,又因本研究ΔS GW是依据土壤湿度计算而来,所以降水成为地下水储量变化的主要影响因素㊂2.4㊀降水量与地下水储量的时空分布关系分析计算得到的东北三省2002 2017年月度降水数据如图8(a)所示,规律与趋势同降水量的变化基本一致,2013年降水量增加,同期ΔS GW也有显著上升㊂地下水储量对降水的响应存在一定延迟,不能及时反映季节性变化㊂在6 8月降水增加的背景下,地下水储量则延迟至7 10月开始改变,相较于每年降水量的最大值和最小值ΔS GW都有少许延迟㊂分析降水量年际变化对地下水储量变化的影响㊂由图8(b)可知,降水量均集中在年平均值425.6mm以下,说明该时段产生明显亏损,与同年ΔS GW有较好的一致性㊂降水累计3a低于年均值,影响其对地下水的补给,从而在2008年初引起最大亏损㊂由图8(c)可知,降水量于2011年集中在年均值偏下处,存在一定的亏损,但在2012 2013年降水量基本集中在年均值附近,尤其是2012年下半年产生明显盈余,2012年和2013年上半年受异常值影响增加比较明显,盈余量一定程度上弥补2011年的亏损量,同期ΔS GW也有较强程。

青藏高原各主要植被类型特征及环境差异

青藏高原各主要植被类型特征及环境差异

第44卷第7期2024年4月生态学报ACTAECOLOGICASINICAVol.44,No.7Apr.,2024基金项目:第二次青藏高原综合科学考察研究项目(2019QZKK0606);国家自然科学基金重大项目(42192580,42192581)收稿日期:2022⁃11⁃16;㊀㊀网络出版日期:2024⁃01⁃12∗通讯作者Correspondingauthor.E⁃mail:zhuwq75@bnu.edu.cnDOI:10.20103/j.stxb.202211163308张慧,朱文泉,史培军,赵涔良,刘若杨,唐海萍,王静爱,何邦科.青藏高原各主要植被类型特征及环境差异.生态学报,2024,44(7):2955⁃2970.ZhangH,ZhuWQ,ShiPJ,ZhaoCL,LiuRY,TangHP,WangJA,HeBK.ThedifferencesofvegetationcharacteristicsandenvironmentalconditionsamongmainvegetationtypesontheQinghai⁃TibetPlateau.ActaEcologicaSinica,2024,44(7):2955⁃2970.青藏高原各主要植被类型特征及环境差异张㊀慧1,2,4,朱文泉1,2,4,∗,史培军3,4,5,赵涔良1,2,4,刘若杨1,2,4,唐海萍4,王静爱4,何邦科1,2,41北京师范大学遥感科学国家重点实验室,北京㊀1008752北京师范大学地理科学学部北京市陆表遥感数据产品工程技术研究中心,北京㊀1008753北京师范大学应急管理部教育部减灾与应急管理研究院,北京㊀1008754北京师范大学地理科学学部,北京㊀1008755青海省人民政府北京师范大学高原科学与可持续发展研究院,西宁㊀810016摘要:青藏高原高海拔引起的地形㊁气候和土壤空间差异造就了其独特的植被类型及其空间变化,当前研究缺乏针对青藏高原全域范围内各植被类型特征和环境差异的定量与系统性分析㊂针对青藏高原特殊的地理环境和植被类型,选用植被㊁地形㊁土壤㊁气候4个维度共计58个空间化指标,采用频数分布统计方法对这些指标开展了定量分析,系统揭示了青藏高原全域范围内各主要植被类型的特征及环境差异㊂通过定量分析发现,大部分的环境及植被特征指标对青藏高原各主要植被类型的区分度较高,其中,遥感归一化植被指数㊁植被净初级生产力㊁裸地覆盖度㊁海拔㊁土壤温度㊁年最低温度㊁年总蒸散发7个指标对青藏高原各主要植被类型的区分度较高㊂揭示的青藏高原各主要植被类型的特征及环境差异,可提高灌丛和草地之间㊁各草地类型之间㊁高山苔原⁃垫状⁃稀疏植被与其他植被类型之间的可区分性,有助于解决青藏高原植被精细分类中广泛存在的灌丛和草地区分㊁草地类型细分㊁高山苔原⁃垫状⁃稀疏植被识别和山地垂直地带植被识别四个难点问题㊂研究结果一方面可服务于青藏高原的植被精细分类,另一方面也可服务于青藏高原的自然地带划分㊁生物多样性和生态系统功能评估㊁地表物质循环研究等㊂关键词:青藏高原;植被类型;环境特征;植被特征;频数分布统计ThedifferencesofvegetationcharacteristicsandenvironmentalconditionsamongmainvegetationtypesontheQinghai⁃TibetPlateauZHANGHui1,2,4,ZHUWenquan1,2,4,∗,SHIPeijun3,4,5,ZHAOCenliang1,2,4,LIURuoyang1,2,4,TANGHaiping4,WANGJingᶄai4,HEBangke1,2,41StateKeyLaboratoryofRemoteSensingScience,BeijingNormalUniversity,Beijing100875,China2BeijingEngineeringResearchCenterforGlobalLandRemoteSensingProducts,FacultyofGeographicalScience,BeijingNormalUniversity,Beijing100875,China3AcademyofDisasterReductionandEmergencyManagement,MinistryofEmergencyManagement&MinistryofEducation,BeijingNormalUniversity,Beijing100875,China4FacultyofGeographicalScience,BeijingNormalUniversity,Beijing100875,China5AcademyofPlateauScienceandSustainability,PeopleᶄsGovernmentofQinghaiProvinceandBeijingNormalUniversity,Xining810016,ChinaAbstract:ThespatialdifferencesoftheQinghai⁃TibetPlateauinterrain,climateandsoilcausedbythehighaltitudehaveresultedintheuniquespeciesandspatialpatternsofvegetation.However,existingresearchlackscomprehensive,6592㊀生㊀态㊀学㊀报㊀㊀㊀44卷㊀quantitative,andsystematicanalysistothedifferencesinthevegetationcharacteristicsandenvironmentalconditionsofvariousvegetationtypes,especiallyfortheentireQinghai⁃TibetPlateau.ToaddressthisissueintheuniquegeographicenvironmentandvegetationtypesoftheQinghai⁃TibetPlateau,thisstudyutilizedawidearrayof58spatialindicators,organizedintofourdimensions:vegetation,topography,soil,andclimate.Throughtherigorousapplicationoffrequencydistributionstatisticalmethods,aquantitativeanalysiswasconductedtosystematicallyunveilthedistinguishingofvegetationcharacteristicsandenvironmentalconditionsamongtheprimaryvegetationtypesacrosstheQinghai⁃TibetPlateau.TheresultsofthisquantitativeanalysishaverevealedthatamajorityoftheenvironmentalandvegetationcharacteristicindicatorsexhibitahighlevelofdifferentiationamongtheprimaryvegetationtypesfoundontheQinghai⁃TibetPlateau.Notably,sevenkeyindicators,includingtheremotesensingnormalizedvegetationindex,vegetationnetprimaryproductivity,barelandcoverage,elevation,soiltemperature,annualminimumtemperature,andannualtotalevapotranspiration,exhibitparticularlyexceptionaldiscriminatorypowerincharacterizingthesediversevegetationtypes.ThefindingsofthisstudyprovidecriticalinsightsintotheuniquecharacteristicsandenvironmentaldisparitieswithinthemajorvegetationtypesacrosstheQinghai⁃TibetPlateau.Moreover,theyofferapathwaytoenhancethedifferentiationbetweenvegetationtypesthathavehistoricallybeenchallengingtodistinguish.Thesedistinctionsencompassseparatingshrublandsfromgrasslands,providinganuancedclassificationofvariousgrasslandtypes,andidentifyingalpinetundra,cushion,andsparsevegetation.Therefore,itishelpfultosolvethefourdifficultproblemsofvegetationclassificationinQinghai⁃TibetPlateau:1)thedivisionofshrublandandgrassland,2)thesubdivisionofgrasslandtype,3)theidentificationofalpinetundra,cushion,andsparsevegetation,and4)theidentificationofmountainverticalvegetation.Theoutcomesofthisresearchhavethepotentialtoservetwosignificantpurposes.First,theycansubstantiallyadvancetheprecisionofvegetationclassificationacrosstheQinghai⁃TibetPlateau.Second,theycaninformthedelineationofnaturalzones,aidinassessingbiodiversityandecosystemfunctionality,andcontributetostudiesofsurfacematerialcyclinginthishigh-altituderegion.Insummary,thiscomprehensiveanalysisbridgesanimportantgapinourunderstandingoftheQinghai⁃TibetPlateauᶄsvegetationdiversityanditscomplexrelationshipwithenvironmentalfactors.Byenhancingourabilitytodifferentiateandclassifyvegetationtypes,thisresearchispoisedtomakemeaningfulcontributionstoseveralstudiesontheecologyandenvironmentintheQinghai⁃TibetPlateau.KeyWords:theQinghai⁃TibetPlateau;vegetationtypes;environmentalcharacteristics;vegetationcharacteristics;frequencydistributionstatistics环境差异造就了植被类型差异,青藏高原海拔变化引起的地形㊁气候及土壤空间差异造就了其独特的植被类型(如高寒草甸㊁高寒草原)及其空间变化(如植被垂直分异㊁干热河谷)[1 3]㊂因此,青藏高原的植被类型及其特征与其生态环境密切相关㊂受青藏高原特殊的地理环境影响,其植被类型的遥感精细分类主要存在灌丛和草地区分㊁草地类型细分(细分为草原㊁草丛㊁草甸等)㊁高山苔原⁃垫状⁃稀疏植被(分布于森林或灌丛线以上㊁冰雪带以下,由苔原㊁垫状植被㊁稀疏植被构成的植物群落)识别和山地垂直地带植被识别四方面难点问题[4],单纯依靠更优的遥感数据或分类方法难以解决这些问题,需更多的分类特征参与以提高它们之间的区分度,而植被的特征与环境差异可增强青藏高原各植被类型的可分性㊁提高分类的精细程度[5 6]㊂此外,揭示青藏高原植被类型的特征及环境差异可为青藏高原物种多样性研究[7 9]㊁地表物质循环研究[10 11]等提供理论支持㊂现有关于各植被类型的特征及环境差异研究大多聚焦于气候㊁地形特征中的某一个或少量环境和植被特征,缺乏针对青藏高原全域范围内各植被类型特征和环境差异的定量与系统性分析㊂当前相关研究可大体归为两大类:一是基于空间化环境或植被特征数据的非定量化植被类型差异应用研究[5,12 13],二是基于实测数据㊁针对局域小范围的定量植被类型特征差异研究[14 15]㊂在基于空间化数据的定性研究方面,赵嘉玮等[16]㊁杨亮等[17]发现了青藏高原的植被和群落类型与年平均温度㊁年总降水量㊁土壤含水量㊁遥感植被指数等环境因子密切相关,且其空间特征差异明显;Xu和Zhang[5]㊁Zhang等[12]㊁贾伟等[18]的研究表明,在植被分类中使用地形特征(数字高程模型,DEM)㊁气候特征(温度和降水)㊁土壤特征(土壤类型)㊁植被特征(归一化植被指数,NDVI)等,可以更有效地识别植被分布的空间细节㊁提高植被类型识别精度,但这些研究并未定量分析各植被类型的环境及植被特征差异,仅将这些特征作为辅助数据以提高植被分类精度㊂在基于站点观测数据的定量研究方面,杨新宇等[19]㊁姚喜喜等[20]㊁Wang等[2]基于野外实测数据,对祁连山㊁青藏高原干旱区等局域小范围内植被群落的植被与环境特征差异研究结果表明,植被群落的类型和分布与草地群落盖度㊁地上生物量㊁土壤物质含量㊁土壤含水量等植被与环境特征有关,且分析了对群落类型和分布的解释度最高的特征指标,但这些研究仅反映了站点尺度而不是空间全域的特征差异㊂针对青藏高原特殊的地理环境和植被类型,非常有必要在现有研究基础上进一步开展各植被类型特征和环境差异的定量与系统性分析㊂为此,本研究基于空间化的环境及植被特征数据,采用频数分布统计方法对空间数据进行分析,旨在定量揭示青藏高原各主要植被类型在植被㊁地形㊁土壤㊁气候4个维度共计58个指标上的差异,为利用这些环境及植被特征参与青藏高原的植被遥感精细分类㊁自然地带划分㊁生物多样性和生态系统功能评估㊁地表物质循环等研究提供理论依据㊂1㊀数据与方法1.1㊀研究区概况青藏高原平均海拔在4000m以上,其生态环境随海拔㊁纬度㊁经度等变化而呈现出巨大的空间差异,这一生态环境差异进一步导致了植被类型的变化(图1)㊂青藏高原大部分区域气候寒冷干燥㊁地形起伏大㊁土壤贫瘠且极度缺氧[21 22],与平原地区相比生态环境更为恶劣,这就决定了青藏高原的植被类型与平原植被类型有一定差异,青藏高原主要的植被类型是草甸㊁草原和高山苔原⁃垫状⁃稀疏植被,这些植被类型对生态环境的变化更为敏感[23 24]㊂青藏高原具有地形起伏大且云雨多发㊁多种植被类型的特征相似(例如,草甸㊁草原与低矮灌丛)㊁高海拔区的植被稀疏等特点,这就决定了青藏高原遥感植被识别中存在多种问题[4]㊂1.2㊀数据及预处理1.2.1㊀青藏高原植被类型图(1)1ʒ100万中国植被图1ʒ100万中国植被图[24]是20世纪80年代基于实地调查和专家知识生产的植被分类图,主要反映了20世纪末的植被覆盖情况,其空间分辨率约为1km㊂虽然各植被类型斑块的边缘区域可能发生了变化,但各植被类型分布的空间趋势没有发生变化㊂所以,1ʒ100万中国植被图用作合成本研究植被类型数据的本底数据㊂(2)基于集成分类生产的青藏高原2020年植被现状图基于集成分类生产的青藏高原2020年植被现状图[4]集成了多个分类产品的优势,较1ʒ100万中国植被图更能反映青藏高原的植被类型现状,其原始空间分辨为250m,本研究通过众数聚合方法重采样为1km㊂该植被图中植被型组的类别精度较高且其空间分辨率较高㊂所以,该植被现状图主要用于修正1ʒ100万中国植被图中的植被类型变化㊂1.2.2㊀环境及植被特征数据本研究中所涉及的环境及植被特征数据主要分为植被㊁地形㊁土壤㊁气候4类,共58个指标(表1)㊂除土壤物质含量(全氮㊁全磷㊁全钾含量)数据外,所有空间化的环境及植被特征数据均下载自GoogleEarthEngine平台,土壤物质含量(全氮㊁全磷㊁全钾含量)数据下载自GSDE(GlobalSoilDatasetforuseinEarthSystemModels,http://globalchange.bnu.edu.cn/research/soilw)㊂所有数据均采用最近邻方法重采样至1km,并计算2001 2020年共20年的均值作为特征分析数据,但DEM数据和土壤物质含量数据只有单年数据,故选用单年数据作为其特征分析数据㊂由于土壤特征相关数据中最顶层数据的准确性最高[26],且各土层的统计特征7592㊀7期㊀㊀㊀张慧㊀等:青藏高原各主要植被类型特征及环境差异㊀图1㊀青藏高原2020年植被现状图[4]Fig.1㊀ThestatusvegetationmapforQinghai⁃TibetPlateau上图沿用了青藏高原2020年植被现状图中的植被分类体系,是根据青藏高原植被分布特点和各植被类型遥感光谱可分性设计的分类体系;其中,植被现状图中的郁闭灌丛和稀疏灌丛合并为本文中的灌丛类型,植被现状图中的草地类型对应本文的草丛㊁草甸和草原较为相似,所以,在结果分析中仅列出最顶层的特征统计结果㊂1.3㊀方法为定量㊁系统地分析青藏高原各主要植被类型的特征及环境差异,本研究分两步开展:(1)提取各主要植被类型空间分布的核心区域,以确保用于后续分析的各植被类型中无其它植被类型被混分进来;(2)基于频8592㊀生㊀态㊀学㊀报㊀㊀㊀44卷㊀数分布统计方法定量分析各植被类型的特征与环境差异㊂表1㊀参与特征分析的环境及植被特征数据Table1㊀Environmentalandvegetationcharacteristicdataparticipatinginfeatureanalysis类别Types数据Data特征Characteristics数据源Datasource分辨率Spatialresolution文献References植被Vegetation叶面积指数叶面积指数MOD15A2H(v006)500m[25]净初级生产力净初级生产力MOD17A3HGF(v006)500m[27]植被指数归一化植被指数MOD13Q1(v006)250m[28]增强型植被指数植被覆盖度树冠覆盖度MOD44B(v006)250m[29]非树木植被覆盖度裸地覆盖度植被物候生长季开始日期MCD12Q2(v006)500m[30]生长季结束日期生长季长度地形TerrainDEM海拔SRTMDigitalElevationDataVersion490m[31]坡度坡向土壤Soil土壤温度第1层(0 7cm)ERA5_LAND/MONTHLY11km[32]第2层(7 28cm)第3层(28 100cm)第4层(100 289cm)土壤含水量第1层(0 7cm)ERA5_LAND/MONTHLY11km[32]第2层(7 28cm)第3层(28 100cm)第4层(100 289cm)土壤物质含量土壤含氮量(0 4.5cm)GSDE1km[26]土壤含氮量(4.5 9.1cm)土壤含氮量(9.1 16.6cm)土壤含氮量(16.6 28.9cm)土壤含氮量(28.9 49.3cm)土壤含氮量(49.3 82.9cm)土壤含氮量(82.9 138.3cm)土壤含氮量(138.3 229.6cm)土壤含磷量(0 4.5cm)土壤含磷量(4.5 9.1cm)土壤含磷量(9.1 16.6cm)土壤含磷量(16.6 28.9cm)土壤含磷量(28.9 49.3cm)土壤含磷量(49.3 82.9cm)土壤含磷量(82.9 138.3cm)土壤含磷量(138.3 229.6cm)土壤含钾量(0 4.5cm)土壤含钾量(4.5 9.1cm)土壤含钾量(9.1 16.6cm)土壤含钾量(16.6 28.9cm)土壤含钾量(28.9 49.3cm)9592㊀7期㊀㊀㊀张慧㊀等:青藏高原各主要植被类型特征及环境差异㊀续表类别Types数据Data特征Characteristics数据源Datasource分辨率Spatialresolution文献References土壤含钾量(49.3 82.9cm)土壤含钾量(82.9 138.3cm)土壤含钾量(138.3 229.6cm)土壤有机碳(0cm)OpenLandMapSoilOrganicCarbonContent250m[33]土壤有机碳(10cm)土壤有机碳(30cm)土壤有机碳(60cm)土壤有机碳(100cm)土壤有机碳(200cm)气候Climate温度生长季平均温度(5 9月)MOD11A1(v061)1km[34]年最高温度年最低温度降水量年总降水量ERA5_LAND/MONTHLY11km[32]蒸散发年总蒸散发MOD16A2(v006)500m[35]潜在蒸散发饱和水气压差饱和水气压差TerraClimate4638.3m[36]1.3.1㊀各主要植被类型空间分布的核心区提取本研究基于1ʒ100万中国植被图中的植被分类原则,同时参考植被类型在环境及植被特征上的可区分性,设计了本研究的植被分类体系㊂其中,一级类(植被型组)分为森林㊁灌丛㊁草地㊁沼泽㊁高山苔原⁃垫状⁃稀疏植被㊁荒漠,二级类(植被型)将森林和草地进一步细分,森林细分为针叶林㊁针阔混交林㊁阔叶林三类,草地细分为草原㊁草甸㊁草丛三类㊂图2㊀各植被类型空间分布的内部核心区提取流程图㊀Fig.2㊀Flowchartoftheinternalcoreareaextractionforeachvegetationtype以1ʒ100万中国植被图为基础数据㊁基于集成分类生产的青藏高原2020年植被现状图为修正数据,综合其两者的植被信息,取两植被数据的交集,合成代表现状的植被分类数据(图2)㊂其中,对于植被现状图分类系统中未细分的草地类别(草原㊁草甸和草丛),在筛选出植被现状图的草地类别的基础上,按照1ʒ100万中国植被图中植被型信息划分出草原㊁草甸和草丛类别;对于植被现状图分类系统中缺少的荒漠类别,在筛选出植被现状图的其他类别的基础上,进一步筛选出1ʒ100万中国植被图中的荒漠类别;对于植被现状图分类系统中有对应类别的森林㊁灌丛㊁沼泽和高山苔原⁃垫状⁃稀疏植被,则直接使用植被现状图中的植被类别㊂为保证类别的准确性,本研究假定植被分类数据中各植被类型空间分布的内部核心区准确性最高,因此运用数学形态学的腐蚀操作以提取各植被类型空间分布的内部核心区来分析其环境空间特征(图3),具体操作是针对每一种植被类型的各个图斑,将其边界均向内腐蚀1km,然后选用腐蚀后的区域参与后续分析㊂基于此方法提取的各植被类型空间分布的内部核心区在空间上是广泛分布的,所以在一定程度上综合了青藏高原不同地理位置的植被分布的特征差异㊂青藏高原各主要植被类型内部核心区的像元数量如表2所示,但由于针阔混交林和草丛在青藏高原的分布面积很小,导致提取其内部核心区后样本数少于50个,因此,本研究只分析除针阔混交林和草丛外的其他植被类型的特征统计结果㊂0692㊀生㊀态㊀学㊀报㊀㊀㊀44卷㊀图3㊀植被类型空间分布的核心区提取示意图(以针叶林为例)Fig.3㊀Schematicdiagramoftheinternalcoreareaextractionforeachvegetationtype(Taketheneedleleafforests,forexample)表2㊀青藏高原各主要植被类型内部核心区的样本数量Table2㊀Samplequantityoftheinternalcoreareaforeachvegetationtype植被类型Vegetationtypes针叶林Needleleafforest针阔混交林Needleleafandbroadleafforest阔叶林Broadleafforest灌丛Scrub草原Steppe草丛Grass⁃forbcommunity草甸Meadow沼泽Swamp高山苔原⁃垫状⁃稀疏植被Alpinetundra⁃cushion⁃sparsevegetation荒漠Desert样本数量Samplesize290011023489523132517445033694179038604150220图4㊀青藏高原海拔特征的小提琴统计分析示意图㊀Fig.4㊀Schematicdiagramofstatisticalanalysisbasedonviolinplot(takealtitudecharacteristicsonQinghai⁃TibetPlateau,forexample)1.3.2㊀基于频数分布统计分析环境及植被特征本研究基于小提琴图来分析各主要植被类型环境与植被的频数分布特征,小提琴图是箱线图和核密度图的结合(图4),除了具有箱线图可比较多组数据间差异的功能外,还可展示数据分布区间内部的情况(小提琴图的宽度表示分布概率密度)㊂本研究针对每个环境或植被特征,均绘制了各植被类型对应的小提琴图,对比各植被类型小提琴图所展示的四分位数(下四分位数:所有样本点数据从小到大排列后第25%的数值,上四分位数:所有样本点数据从小到大排列后第75%的数值)㊁离散程度㊁分布差异等统计特征,定量分析各植被类型的特征及环境差异㊂2㊀结果2.1㊀各植被类型的特征及环境差异(1)各植被类型的植被特征差异从植被特征分植被类型统计结果(图5)来看,青藏高原各植被类型的净初级生产力㊁归一化植被指数㊁裸地覆盖度特征差异最为明显,叶面积指数㊁增强型植被指数㊁树冠植覆盖度㊁生长季开始日期和生长季长度次1692㊀7期㊀㊀㊀张慧㊀等:青藏高原各主要植被类型特征及环境差异㊀之,非树木植被覆盖度和生长季结束日期的特征差异最小㊂对比发现,叶面积指数在森林㊁草地各二级类之间图5㊀不同植被类型的植被特征统计结果Fig.5㊀Statisticalresultsofvegetationcharacteristicsfordifferentvegetationtypes图中横坐标数字表示各植被类型,详见图例;生长季开始日期㊁生长季结束日期指标的纵坐标数据表示从2022年1月1日起第多少天;特征差异主要比较各植被类型在数据分布和四分位数上的差异,若各植被类型之间的数据分布和四分位数区间差异越大,则说明它们的特征差异越大,其余特征差异比较方法同理的特征差异明显;净初级生产力在除针叶林与针阔混交林外的其他各植被类型之间存在特征差异;对于植被指数来说,归一化植被指数对青藏高原各植被类型的区分度优于增强型植被指数,对青藏高原各植被类型的2692㊀生㊀态㊀学㊀报㊀㊀㊀44卷㊀特征差异明显;对于三个覆盖度特征来说,树冠植被覆盖度和非树木植被覆盖度在各一级类的特征差异较为明显,但树冠植被覆盖度对森林㊁草地植被型的区分度更好,裸地覆盖度对除高山苔原⁃垫状⁃稀疏植被和荒漠外的其他各植被类型的特征差异明显;对于植被物候特征来说,三个物候特征在森林和草地之间存在特征差异,其中,生长季结束日期的特征差异最小,生长季开始日期在森林㊁灌丛㊁草地和沼泽之间的特征差异明显,生长季长度在除草原㊁草甸和荒漠外的其他各植被类型之间存在特征差异㊂(2)各植被类型的地形特征差异从地形特征分植被类型统计结果(图6)来看,青藏高原各植被类型的海拔特征差异最为明显,坡度次之,坡向的特征差异最小㊂对比发现,海拔特征对应的各植被类型间特征差异明显,可区分青藏高原各主要植被类型;坡度特征对应的部分植被类型间存在差异,数据分布较海拔特征更为离散,但对沼泽类型的区分度较高,且可以辅助草地(包含草原和草甸)与沼泽类型的区分;坡向特征对应的各植被类型间分布差异小,对各植被类型的区分度较低㊂图6㊀不同植被类型的地形特征统计结果Fig.6㊀Statisticalresultsofterraincharacteristicsfordifferentvegetationtypes坡向的(0ʎ)指向正北,顺时针为正值,逆时针为负值,值域为-90ʎ 270ʎ(3)各植被类型的土壤特征差异从土壤特征分植被类型统计结果(图7)来看,青藏高原各植被类型的土壤温度特征差异最为明显,土壤含水量次之,土壤物质含量的特征差异最小㊂对比发现,不同深度各土壤特征的频数分布统计特征基本一致,其中,土壤温度在阔叶林与其他各植被类型之间㊁灌丛与其他各草地类型之间㊁高山苔原⁃垫状⁃稀疏植被与其他各植被类型之间的特征差异明显;土壤含水量在各草地类型之间㊁沼泽与其他各植被类型之间㊁荒漠与其他各植被类型之间的特征差异明显;土壤物质含量特征数据离散或组间差异较小,对青藏高原各植被类型的区分度较小,但可用于辅助部分植被类型的划分,例如,土壤含磷总量特征可用于辅助阔叶林的划分㊂(4)各植被类型的气候特征差异从气候特征分植被类型统计结果(图8)来看,青藏高原各植被类型的年最低温度和年总蒸散发特征差异最为明显,生长季平均温度㊁年最高温度㊁年总降水量和饱和水气压差次之,潜在蒸散发的特征差异最小㊂对比发现,在三个温度特征中,年最低温度对青藏高原各植被类型区分度高,生长季平均温度在森林各二级类之间㊁荒漠与其他各植被类型之间的特征差异明显,年最高温度在荒漠与其他各植被类型之间的特征差异明显,年最低温度在阔叶林与其他植被类型之间㊁灌丛与其他各草地类型之间㊁高山苔原⁃垫状⁃稀疏植被与其他各植被类型之间的特征差异明显;年总降水量和年总蒸散发在森林㊁草地各二级类之间的特征差异明显;潜在蒸散发对应的各植被类型间分布差异小,特征差异较小;饱和水气压差对应的各植被类型间分布差异较小,但在森林各二级类之间的特征差异明显㊂3692㊀7期㊀㊀㊀张慧㊀等:青藏高原各主要植被类型特征及环境差异㊀图7㊀不同植被类型的土壤特征统计结果Fig.7㊀Statisticalresultsofsoilcharacteristicsfordifferentvegetationtypes因此,针对灌丛和草地区分问题,土壤温度㊁年最低温度㊁年总蒸散发㊁净初级生产力㊁植被指数(包含归一化植被指数和增强型植被指数)㊁树冠植被覆盖度七个指标在灌丛和草地类型之间的特征差异明显,可以提高灌丛和草地之间的区分度㊂针对草地类型细分的问题,海拔㊁土壤含水量㊁年总降水量㊁年总蒸散发㊁叶面积指数㊁净初级生产力㊁植被指数(包含归一化植被指数和增强型植被指数)㊁树冠植被覆盖度㊁裸地覆盖度十个指标在草原㊁草甸类型上的差异明显,可以提高草原和草甸之间的区分度㊂针对高山苔原⁃垫状⁃稀疏植被识别的问题,海拔㊁土壤温度㊁年最低温度㊁净初级生产力㊁植被指数(包含归一化植被指数和增强型植被指数)六个指标在高山苔原⁃垫状⁃稀疏植被与其他植被类型特征差异明显,可以增强高山苔原⁃垫状⁃稀疏植被与其他植被类型的区分度㊂进一步分析发现,海拔㊁土壤温度㊁年最低温度㊁年总蒸散发㊁净初级生产力㊁归一化植被指数㊁裸地覆盖度七个特征对大部分植被类型的区分度较高,可增强青藏高原各主要植被类型的区分度,即可用于增强山地垂直地带植被的区分度㊂2.2㊀青藏高原各植被类型在环境及植被特征上的数值范围通过频数分布特征分析发现,大多数环境及植被特征对青藏高原植被都有一定的区分度,而且,箱线图的下四分位数-上四分位数的数值范围可以用以区分各植被类型㊂表3列出了青藏高原各植被类型对应环境及植被特征的数值范围,可以定量标识出各植被类型的特征及环境差异,如针叶林主要分布在海拔3035 3702m的地带㊁阔叶林主要分布在海拔650 1400m的地带,灌丛的净初级生产力主要为0.19 0.33kgC/m2㊁草甸的净初级生产力主要为0.10 0.23kgC/m2㊂3㊀讨论3.1㊀青藏高原各主要植被类型的环境和植被特征在一些非青藏高原范围或青藏高原局部小范围的植被分类研究中,采用海拔㊁坡度㊁坡向等特征参与分4692㊀生㊀态㊀学㊀报㊀㊀㊀44卷㊀图8㊀不同植被类型的气候特征统计结果Fig.8㊀Statisticalresultsofclimatecharacteristicsfordifferentvegetationtypes类[5,12,30],发现他们有助于提高分类精度(相较于仅采用遥感光谱特征进行分类),但尚未对其在分类中的作用进行系统㊁定量化的分析,对环境及植被特征差异的认识和应用尚不充分㊂同时,由于青藏高原范围广阔㊁环境差异明显,不同区域㊁同一植被类型的植被与环境特征存在差异[1 3],因此,若要揭示青藏高原植被类型的特征及环境差异,需要集合青藏高原各个区域样本进行环境与植被特征分析,而本研究中提取的各植被类型空间分布的内部核心区在空间上是广泛分布的,且样本量丰富㊂例如,课题组通过对青藏高原实地考察发现,祁连山区的针叶林主要分布在海拔2800 3400m范围内,而在水热条件较好的横断山区,针叶林主要分布在海拔3500 3800m范围内㊂因此,本研究系统㊁定量地研究了青藏高原各植被类型的植被与环境特征,在宏观尺度上揭示不同植被类型之间的植被与环境特征差异,并发现大部分环境及植被特征对青藏高原部分植被类型之间的区分度较高,为解决相对复杂的青藏高原植被遥感分类问题,提供了更多差异化的分类特征,可服务于灌丛和草地区分㊁草地类型细分㊁高山苔原⁃垫状⁃稀疏植被识别和山地垂直地带植被识别等分类的难点问题㊂对于海拔变化跨度大㊁环境差异明显的整个青藏高原来说,并不是所有特征都能体现植被类型之间的特征差异㊂在非青藏高原范围或青藏高原局部小范围可以体现植被类型差异的坡向㊁土壤物质含量等特征,在青藏高原整体范围内的差异则较小㊂例如坡向特征,在山地植被分类中,坡向是区分植被类型的重要特征之。

国家自然科学基金委“中国西部环境与生态科学数据中心”项目

国家自然科学基金委“中国西部环境与生态科学数据中心”项目

国家自然科学基金委“中国西部环境与生态科学数据中心”项目网筝(NK-800)使用协议甲方:国家自然基金委“中国西部环境与生态科学数据中心”项目乙方:“中国西部环境与生态科学数据中心”(以下简称“数据中心”,)在国家自然科学基金委(以下称“基金委”)经费支持下,收集、整理和归档基金委“西部计划”开展以来的产生的环境与生态领域的科学数据,并开展数据科学研究。

作为“数据中心”文献服务的一个重要内容,“数据中心”从中国科学院资源环境信息中心(以下称“信息中心”)购买一批网筝(NK-800),为“西部计划”项目提供免费移动文献查询服务。

为规范网筝的使用,甲乙双方特签订如下协议:一、甲方向乙方免费提供一块网筝,乙方可以免费使用至2009年3月26日,期满后乙方可直接与“信息中心”联系继续购买网筝后续使用事宜。

二、乙方必须提供必要的真实信息(见附件)供“数据中心”和“信息中心”备案;网筝仅限于乙方项目内的科研工作使用,严禁转借或转让他人使用;否则,造成一切后果由乙方自负。

三、乙方在使用网筝时必须严格遵守国家有关法律,“信息中心”网筝的相关规定,保证相关信息资源的安全,遵守通行的数字信息资源使用规则,不恶意下载文献,不通过移动IP服务系统散布或下载非法信息。

“数据中心”和“信息中心”有权停止违规者的继续使用权,造成损失的,将追究乙方相关责任。

四、由于甲方向乙方提供的是免费服务,甲方不保证网筝的服务质量,但甲方会督促网筝提供者“信息中心”以提供最好的服务。

五、未尽事宜由双方友好协商解决。

六、本协议一式四份,甲乙双方各执两份。

本协议有效时限自签订日起至2009年3月26日。

乙方承诺:我同意以上条款,并保证按此执行!用户签字:年月日甲方乙方“中国西部环境与生态科学数据中心”负责人(签字):单位(公章):中国科学院寒区旱区环境与工程研究所项目名称:负责人(签字):单位(公章):年月日年月日附件:以下信息由甲方填写IP地址:网筝序号:以下信息由乙方填写项目名称:项目执行期限:使用者:单位:电话:E-mail:。

中国积雪气候调节服务价值评估

中国积雪气候调节服务价值评估

气候变化研究进展 2020年536引 言积雪是地球表面覆盖最广的冰冻圈要素[1],它不仅能够在消融季节为人类生活生产提供丰富的淡水资源,并且能够在稳定期反射大量的太阳辐射,为地球热量平衡起到冷却的作用[2]。

中国西部及东北部大部分区域在冬、春季有着大量的积雪覆盖,其较高的反照率和春、夏季消融吸热能够减少地面吸收的热量。

积雪的这些特性使其具有降低气温的功能,从而为人类提供调节气候和改善生存环境的服务,积雪的气候调节功能与DOI: 10.12006/j.issn.1673-1719.2020.001刘世伟, 王晓明, 效存德, 等. 中国积雪气候调节服务价值评估 [J]. 气候变化研究进展, 2020, 16 (5): 536-544Liu S W, Wang X, Xiao C D, et al . Evaluating climate regulation service of snow cover in China [J]. Climate Change Research, 2020, 16 (5): 536-544中国积雪气候调节服务价值评估刘世伟1,2,王晓明1,效存德3,杨 洋1,2,吴雪娇11 中国科学院西北生态环境资源研究院冰冻圈 科学国家重点实验室,兰州 730000;2 中国科学院大学,北京 100049;3 北京师范大学地表过程与资源生态国家重点实验室,北京 100875服务是冰冻圈功能与服务的重要组成部分[3-4]。

在全球变暖的背景下,1979—2013年全球积雪范围和积雪水当量都呈现出下降的趋势[5]。

1967—2018年北极地区6月份积雪范围减少了13.4%(±5.4%)[6],1979—2009年泛北极地区的2月份平均积雪水当量以0.17 cm/(10 a)的速率减少,最大与最小积雪水当量的减少趋势分别达到5.7 cm/(10 a)和2.5 cm/(10 a)[7]。

中科院地理所数据目录datalist

中科院地理所数据目录datalist

中科院地理所数据目录datalist1.4GHz美国国立射电天文台甚大阵巡天星表1855年以来黄河三角洲各亚三角洲体发育图1855年以来黄河三角洲海岸线数据1944~1997年珊瑚荧光光谱数据1954-1979黄河中游水土保持径流泥沙测验资料1971-2000年浙江省1:25万累年平均地面温度空间分布图1971-2000年浙江省1:25万累年平均降水量空间分布图1971-2000年浙江省1:25万累年月平均极端最低气温、月平均极端最高气温、月平均气温空间分布图1977年至2003年福建省分县社会经济统计数据1979年浙江省仙居县数字化地质图(1:20万)1980s以来黄河三角洲湿地变化1986-1987年中国第3次南极考察长城站潮位测量数据1987-1988年中国第4次南极考察纳尔逊冰帽雷达测厚数据集1996年浙江省1:25万数字化土地利用现状图1999-2002年南极法尔兹半岛苔原温室气体浓度数据1999年中国第1次北极考察表层沉积物硅质生物丰度分析数据集19世纪以来中国东部及长江中下游地区洪灾数据库1:100万江苏地震(1980s)与旱涝灾害数据集(1950-2000)1:100万江苏省基础地理和生态环境数据集(1998、1999、2000)1:100万青藏高原交通图1:100万青藏高原植被图1:400万中国土壤图1:400万中国土壤有机碳储量分布图(1993-1995)1:50万长江三角洲地区水文地质与第四纪地质钻孔数据集(1980s)1:100万青藏高原水系流域图1:400万县界图2000年4月7日至2004年12月31日时间分辨率为16天空间分辨率250米的浙江省MODIS-EVI数据2000年4月7日至2004年12月31日时间分辨率为16天空间分辨率250米的浙江省MODIS -NDVI数据2001-2002年中国第18次南极考察阿德雷岛沉积物16S rDNA序列2001-2002年中国第18次南极考察中山站站区地图2003年中国第2次北极考察海冰生态样品分析数据集AC2000.2星表ACE卫星电子与质子微分通量数据集(2002-2007)ACE卫星高能太阳质子通量数据集(2002-2007)ACE卫星太阳风等离子体参数数据集(2002-2007)ACE卫星行星际磁场强度数据集(2002-2007)ACT参考星表AVHRR_PathFinder_NDVI中国子集(1981-2004)BATC大视场多色巡天图像BATC大视场多色巡天星表Bonner Durchmusterung星表HDE 星图: 位置、自行HD星表及其扩展IRAS 暗源表 2.0IRAS 点源表 2.0MSX红外测光星表NOAA-AVHRR气象卫星数据(2004,8-2006,4)SAO星表SOHO卫星探测数据集(2005-2007)SPIDR中国镜像站数据集(1950-2006)SSMI中国子区亮度温度(1994-2007)UBVRIJKLMNH光电测光星表uvby-beta测光星表阿坝藏族羌族自治州社会经济统计数据(1986-2003)北极海冰考察地点A海冰表面气温梯度观测数据北极海洋综合考察海冰厚度和海冰底部形态特征图北极考察ADCP测量数据北极考察CNIS7长期冰站雪面变化测量数据集北极考察FSI-MCTD数据北极考察GPS阵列海冰漂流观测数据集北极考察XBT、XCTD测量数据集北极考察北冰洋及其邻近海域CFCs测定数据北极考察浮游植物生物量和叶绿素样品测定北极考察高空大气观测数据北极考察各冰站海冰厚度钻孔直接测量数据集北极考察海水224Ra样品分析数据北极考察海水234Th样品分析数据北极考察海水营养盐和溶解氧测量数据集北极考察海洋综合调查数据北极考察极区水文气象自动监测浮标观测数据北极考察加拿大海盆浮冰区域MCTD数据北极考察气溶胶样品离子色谱仪分析数据北极考察气溶胶样品铅同位素分析数据北极考察气溶胶样品中子活化分析数据北极考察统一站位登记表北极考察西北冰洋海水CO2体系参数测量北极考察雪龙船走航气象观测数据北极考察样品原子吸收分析数据北极考察直升机红外遥感表温观测数据北极考察走航CO2测量数据北极考察走航表层温盐测量数据集北极科学考察CTD采水层资料北京明陵地磁台1996至2006年地磁变化分均值数据集北京十三陵地磁中心台地磁数据藏药数据库长江三角洲地区社会经济、人口统计数据集(1999-2002)长江三角洲地区田野考古数据(新石器时期和隋唐时期)长江三角洲地区土壤剖面数据集(1980s)长江三角洲洪涝灾害数据集长江上游1:100万植被类型数据长江上游1:100万植被类型图长江上游1:25万道路交通分布数据长江上游1:25万水系分布数据长江上游及其典型区DEM长江上游及其典型区DEM数据集(200m空间分辨率)长江上游及其典型区域界线数据长江中下游河道、河口地形数据集(1963,1972,1985,1992,2003)(1980-2003)长江中下游遥感影像数据库(1980、1990、2000)长武大气边界层通量观测系统观测数据川中丘陵区不同集水区径流水土流失的比较研究(1982-1993)川中丘陵区小气候数据(1985-2003)川中丘陵区紫色土旱地农田水分、养分动态数据(1986-1991)川中丘陵无林区不同台位土壤持水动态(1983-1987)大安碱地站长期定位背景数据集(1986-2000年)大豆品种资源性状鉴定表(1978-1992)大气考察近地层大气综合观测数据_冰站记录地磁暴事件记录数据集(1969-2001)地磁指数数据集(1978-2007)地基遥感观测网络、大气气溶胶与土地利用关系的综合数据库第谷II星表第谷参考星表第谷输入星表集(修订版)东北草地资源(1993)东北地区畜牧业数据库(1978-2004)东北黑土理化性状数据集东北区域土壤水分特征和土壤属性数据集东北区域土壤养分级次数据集东北区域土壤障碍因素数据集东北森林资源数据集(2000年1:10万)东北沙漠化数据集(2000年1:100万)东北湿地数据集(90s-2000年)东北土壤分类数据集(1980年1:100万)东北盐碱地数据集(1990年1:50万)东北植被数据集(2000)动物资源概况(分省)(1991)风云气象卫星数据(2004,8-2006,4)福建长汀禾田、三明莘口生态因子观测数据福建海岸带若干典型站气候数据福建省1:10万地形地貌数据福建省(各地市)自然灾害数据库福建省地热资源福建省动植物名录福建省港口数据福建省海岛数据福建省矿产资源数据库福建省路网数据福建省莆田市农业资源与区划数据福建省森林资源数据福建省生态环境因子数据福建省水资源数据库福建省土壤数据福建省乡镇土地利用数据福建省行政区划数据库福建省野生动物、植物、中草药福建省自然保护区数据福建省自然灾害数据福建沿海晚更新世以来海平面变化数据福建沿海主要景观生态数据冈底斯地区冰川考察数据集岗日嘎布地区冰川考察数据集高空大气数据集(1965-1985)高频多普勒观测数据集(2006-2007)贡嘎山地区脊椎动物数据贡嘎山地区生物地球化学数据集(1987-1988)贡嘎山观景台地下水位数据(1995-2003)贡嘎山站成果档案数据1985-贡嘎山站定位观测资料1988-贡嘎山站气象观测数据集(1988-2004)贡嘎山站生物调查、观测数据(1998-2005)贡嘎山站水分观测数据(1999-2003)贡嘎山站水文观测数据(1990-2005)贡嘎山站土壤观测数据(1995-2005)贡嘎山站文献档案数据(1922-1995)贡嘎山站元数据贡嘎山周边地区背景资料(1952-1983)贡嘎山周边地区气象数据(1952-1993)国内区域电离层特征参量数据集(1964-1976)过去14万年全国代表性海域海表温度过去250万年~13万年西部地区有机质含量过去360万年西部地区风尘通量过去700万年~250万年黄土高原地层年代学数据过去700万年~7万年西部地区磁化率数据过去700万年~7万年西部地区剖面粒度数据过去700万年~7万年西部地区剖面同位素数据过去8万年西部地区铝通量数据哈勃空间望远镜导星星表V2.2哈勃空间望远镜导星星表(GSC-ACT版)海伦粮食产量空间数据集(1978-2000)海伦气候空间数据集(1978-2000)海伦人口空间数据集(1978-2000)海伦市农业区划空间数据集(1978-2000)海伦市土壤类型空间数据集(1978-2000)海伦市畜牧业空间数据集(1978-2000)海螺沟水文数据航天器故障异常事例记录(1970-2000)合成变星总表合肥激光雷达观测站钠原子数密度数据(2005-2006)河南1:10万土地利用现状数据集(2003)河南省1:5万基础地理数据库河南省1:150万农业资源、土壤背景数据库(1988)河南省1:20万分县土壤类型图(1988)河南省气候资源数据集(1949-1999多年平均)河南省行政区划历史数据库(1820年、1911年)黑河流域 Aster L1B黑河流域观测数据黑河流域基础数据黑河流域遥感数据黑河流域专题数据黑龙江省山产品资源(1980)黑龙江省中药材资源(1980)黑土典型小流域水土流失成因(1991-1995)黑土分布数据集soil黑土农田化肥氮素去向和磷肥残效研究(1985-1990)黑土农田作物生物量观测(1990-1994)黑土区农田蒸散力与蒸散量、光能利用率观测(1993-1995)黑土土壤水分长期定位观测数据集(1990-1994)湖泊水化学成分图怀柔太阳观测数据黄河历史文献和图片数据集黄河流域1:100万交通数据库(2005)黄河流域MSS(1970s)黄河流域近2000年来旱涝灾害水文气候数据资料黄河流域遥感图片(1980-2002)黄河流域影响区(津、冀、苏、皖)1:100万交通数据库(2005)黄河三角洲1:20万地貌数据(1980s)黄河三角洲2002、2003、2006年野外土壤采样数据集黄河三角洲2004-2005年野外定点观测数据集黄河下游河道基础地理数据集(2003)黄河下游山东省土壤要素数据集黄河下游湿地数据库(1987,2002)黄河下游主河道变迁空间数据库(1855-2005)黄河影响区域数据库(2005)黄河中下游SRTM整理数据库(2005)黄河中游多沙粗沙区气候要素图黄河中游流域1:400万土壤侵蚀系列图(1955)黄土的物质成分和结构数据集黄土高原-秦岭植物数据库(1970年-1985年)黄土高原/黄河流域1:100万土壤侵蚀系列图(1956)黄土高原1:100万土壤系列图(1956)黄土高原地区1:50万资源与环境遥感系列图矢量数据集(1987-1990)黄土高原地区500M分辨率资源与环境遥感系列图栅格数据集(1987-1990)黄土高原地区耕地坡度分级数据集黄土高原地区资源环境社会经济数据(1985年)黄土高原分省区地理概况数据集(2004年汇编)黄土高原沟壑区长武站生态要素长期监测数据集(1998年-2005年) 黄土高原沟壑区旱作水分产量潜势与水肥效应研究(长武站,1986年-1995年)黄土高原沟壑区轮作与土壤培肥定位试验研究(长武站,1985年-1994年)黄土高原降重要水文站次降水数据库(1950年-1990年,177个雨量站)黄土高原丘陵区安塞站生态要素长期监测数据集(1998年-2005年)黄土高原视频数据集(重塑黄土地,1995年前后)黄土高原水土保持1988年统计数据库黄土高原水土流失与水土保持图黄土高原土壤地球化学数据集黄土高原土壤水分研究数据集黄土高原延河流域1:10万系列图(1980-2000)黄土高原综合研究文献摘录数据库(1960年-2000年)黄土与环境数据集极光全天空电视摄象机数据近250万年来全国代表性区域同位素数据近500年西部地区径流量重建数据近800年西部地区温度重建数据喀喇昆仑山、昆仑山地区流域水文数据喀喇昆仑山地区冰川考察数据集开封城墙历史资料历史人口与环境变迁数据库两微米全天巡天(2MASS)全天暗源星表亮星星表第5版陆地卫星MSS/TM/ETM+(1973-2003、覆盖全国)美国海军天文台A2.0星表美国海军天文台B1.0星表美国斯隆数字巡天SDSS DR6光谱密歇根HD星星表(第四卷)密歇根HD星星表(第五卷)密歇根HD星星表(第一卷)民国河南省数字历史地图数据末次冰期以来中国东部环境演变数据集漠河地磁台地磁数据南极长城湾潮间带底栖硅藻数量南极海水化学主题数据库南极考察ADCP预处理数据南极考察CTD数据南极考察XBT观测数据南极考察长城湾初级生产力测定数据南极考察长城湾生态调查采样站位图南极考察长城湾水环境记录表南极考察长城湾微生物分析记录表南极考察长城站常规气象观测数据南极考察长城站近岸水域叶绿素测定数据南极考察队内拉湾冰下水柱盐度、pH、DO数据南极考察队内拉湾冰柱-水柱上层温度数据南极考察浮游动物52GG网样品记录数据南极考察浮游动物IKMT样品记录数据南极考察浮游动物高速采集器样品记录数据南极考察海水颗粒有机碳样品分析数据南极考察海洋化学海水营养盐样品分析数据南极考察环南极及普里兹湾海区大磷虾生长状况及丰度数据南极考察环球重力测量分析数据南极考察民防湾CTD测量数据南极考察南大洋CTD站位登记表南极考察南大洋磷虾数量调查数据南极考察南大洋铁加富试验测量数据南极考察南极磷虾体长、性期、眼径测量分析数据南极考察普里兹湾MARK-III CTD数据南极考察普里兹湾海鸟25-CTD测量数据站位表南极考察普里兹湾海水细菌生产力测定数据南极考察普里兹湾海水氘含量测量数据南极考察普里兹湾叶绿素含量测量数据南极考察普里兹湾营养盐、DO数据南极考察乔治王岛环境综合调查样品分析数据南极考察物理海洋学CTD站位登记表南极考察物理海洋学长城湾海流观测数据南极考察小红蛤的生理生态研究数据南极考察雪龙船雷达冰山观测数据南极考察中山站常规天气观测数据南极考察中山站臭氧观测数据南极考察中山站海冰观测数据南极考察中山站重力固体潮观测数据南极考察走航表层温盐数据南极考察走航冰山观测数据南极考察走航气溶胶样品采集站位图南极考察走航气象观测数据南极科学考察XBT、XCTD数据南极中山站2002年地磁变化分均值数据集南极中山站成像式宇宙噪声接收机数据南极中山站磁通门磁力计数据南极中山站地面气象要素月平均值南极中山站扫描光度计数据南水北调西线一期工程滑坡、泥石流数据泥石流观测数据(1966-2003)念青唐古拉地区冰川考察数据集欧洲南方天文台SciSoft 天文软件集普里兹湾测区CTD站位登记表普里兹湾浮游动物摄食实验数据气象与气候研究数据青藏地形地貌背景数据青藏高原1:100万生态系统分布图青藏高原TM影像青藏高原冰冻圈数据集 QZPLAT青藏高原哺乳类动物数据青藏高原不同海拔高度主要畜种生态结构数据集青藏高原草地资源(分省)青藏高原草地资源(分县)青藏高原草地资源物种营养成分数据集青藏高原草甸、高寒草地、森林生态系统数据库青藏高原草甸生态系统分布图青藏高原草原生态系统数据集青藏高原地貌地质文献青藏高原地区冰川概况青藏高原地区地质数据青藏高原地区工业经济统计数据(分县)青藏高原地区农业经济统计数据(分省)青藏高原地区农业经济统计数据(分县)青藏高原地区人口数据(分省)青藏高原地区人口数据(分县)青藏高原地区水资源数据(分县)青藏高原地区土地资源(分县)青藏高原地区土壤背景数据青藏高原地区自然灾害青藏高原分区域气候数据青藏高原风景名胜青藏高原高寒草地生态系统数据库青藏高原高寒草甸生态系统气候因子数据集青藏高原高寒草甸生态系统数据库青藏高原高寒草原土壤CO2,CH4,N2O排放数据集青藏高原工业经济统计数据(分省)青藏高原湖泊分类分布数据集青藏高原环境文献青藏高原环境污染青藏高原蝗虫数据库青藏高原交通背景数据青藏高原交通运输数据青藏高原考察研究成果信息数据库青藏高原两栖类数据青藏高原鸟类数据青藏高原农田系统生态因子数据集青藏高原其它文献青藏高原气候数据青藏高原气象、气候资源文献青藏高原区划图青藏高原人口、农业、工业主要指标数据集青藏高原森林生态系统数据库青藏高原森林土壤CO2,CH4,N2O排放数据集青藏高原森林资源数据(分省)青藏高原森林资源数据(分县)青藏高原森林资源数据集青藏高原森林资源系统生态因子数据集青藏高原生物基础研究数据青藏高原生物文献青藏高原数值模拟试验青藏高原水分、水文研究数据青藏高原水文、水资源文献青藏高原水资源数据(分省)青藏高原土地资源青藏高原土壤、土地资源文献青藏高原土壤研究数据青藏高原野生动物数据青藏高原鱼类数据青藏高原植被背景数据青藏气候背景数据青藏水系湖泊背景数据青藏自然区划背景数据青海1:25万乡界图清代河南省赋税数据库区域基础地理信息和社会经济数据全国1:100万土地利用区划(1996)全国1:100万主要牧草空间分布图集全国1:400万耕地质量数据(1980s)全国1:400万宜农荒地数据(1980s)全国1km网格分行业产值数据集(2000)全国1km网格人口数据(1995,2000,2003)全国1km网格生活用水数据集(2000)全国1km网格水资源数据集(2000)全国1km网格土地利用数据(1980s,1995,2000) 全国AVHRR植被指数数据库(1998-1999)全国modis产品系列数据集(2002-2006)全国草地类型及其分布数据(1980s)全国草地资源数据库(分省,分县,80年代)全国多年平均干燥度分布图(1km)(建站到1996)全国多年平均积温分布图(1km)(建站到1996)全国多年平均降雨分布图(1km)(建站到1996)全国多年平均气温分布图(1km)(建站到1996)全国多年平均湿润指数分布图(1km)(建站到1996)全国分省草地等级数据(1980s)全国分省草地类型数据(1980s)全国分省土地利用面积属性数据库(1980s,1995)全国分县草地资源数据(1980s)全国工业经济数据库(分省:1949-1998;分县1980,1985)全国公里网格GDP数据(1995,2000,2003)全国公里网格风能数据(1951-2000)全国公里网格光温生产潜力数据全国公里网格历年月平均气温数据集(1951-1990)全国公里网格年太阳总辐射估算数据(1950-1980年均)全国公里网格农田光温生产潜力(1980s,2000)全国公里网格气候生产潜力数据全国及西南典型区域山地灾害(泥石流、滑坡)空间分布数据集全国及西南典型区域山地灾害(泥石流、滑坡)空间分布数据集全国近500年旱涝分布图全国近代降水数据库(1840年-1950年,1181个站)全国能源资源数据库(全国,分省1986-1998)全国农业经济数据库(分省:1949-1998;分县:1980-2000)全国人口统计数据(分省、市、县)全国森林生物量碳密度图(2003 1km)全国森林碳密度变化数据(1km)(1970s-1990s)全国森林样地主要森林类型数据(1970s-1990s)全国森林植被分布图(1km)(2000、2005年)全国森林资源数据库(分省,1950-1993)全国社会发展其他指标数据库(分省:1949-1998;分县1990-2001)全国土地利用数据库(分省:80年代,1987-2001;分县:80年代)全国土地资源数据库(分省:80年代,1987-2001)全国乡镇界线数据全国综合经济数据库(分省:1949-1998;分县1990-2000)全新世全球风场模拟输出全新世全球海平面气压模拟输出全新世全球降水模拟输出全新世全球温度模拟输出全新世以来中国东部海面变化数据集三江湿地系列数据集(1949-1991年)三亚地磁台地磁数据森林资源数据集(1934-1980)山东1:10万土地利用现状数据集(2003)山东省、河南省乡级行政单元人口、社会和经济地理数据库(2005) 陕西安塞纸坊沟流域1:1万系列图陕西省1:10万土地利用现状图神舟系列飞船(二、三、四号)大气成份探测数据集神舟系列飞船(二、三、四号)大气密度探测数据集石羊河流域基础数据石羊河流域遥感影像石羊河流域专题数据数字式电离层测高仪观测数据水土流失数据四川省航空遥感影像数据台湾三维固体地球结构数据集太湖流域数据集太阳光学观测数据集(2003-2007)太阳光学耀斑事件数据集(1996-2007)太阳黑子观测数据集(1818-2007)太阳活动区观测数据集(1996-2007)太阳射电流量观测数据集(1932-2007)太阳手绘太阳黑子图数据集(1999-2006)太阳质子事件数据集(1976-1995)唐古拉羌塘高原地区冰川考察数据集土壤梯温仪与玻璃曲管地温表测定土壤梯温对比试验数据(1983-1985)土壤养分观测数据集(1990-1994)位置自行星表(北天)乌鲁木齐河流域冰川变化综合数据集西北大气化学性质观测数据西北气溶胶实时观测数据西北气象观测数据西藏部分河流的水文数据西藏草地分布面积、类型、经济特性数据集西藏土壤数据库西藏乡界图西藏盐湖的经济矿床数据集西藏盐湖的理化成分数据集西藏盐湖分布图西南三省一市1:10万环境数据(土地利用/覆被、冰川、土壤侵蚀、湖泊、沼泽湿地)西南三省一市1:10万冰川分布数据西南三省一市1:10万湖泊分布数据西南三省一市1:10万土地利用数据集(1986,1995,2000)西南三省一市1:10万土壤侵蚀等级数据西南三省一市1:10万沼泽湿地分布数据西南三省一市1:25万行政界线数据西南三省一市1:25万栅格地形图数据西南三省一市1:50万地质类型数据西南三省一市1:50万地质类型数据集西南三省一市TM影像数据(1986,1995,2000)西南三省一市社会经济统计数据集喜马拉雅地区冰川考察数据集雅鲁藏布江地区气候资源考察研究数据雅鲁藏布江流域水资源数据雅鲁藏布江主要水文站数据盐亭县气候观测数据(1985-1994)盐亭站定位观测资料1988-盐亭站旱地水分、养分动态观测数据集(1985-1994)盐亭站土壤理化实验观测数据集(1983-1995)盐亭站土壤侵蚀特征观测数据集(1982-1993)盐亭站文献档案数据(1975-1998)盐亭站小气候观测数据集(1997-1998)盐亭站有林区、无林区不同台位土壤持水动态数据集(1982-1987)盐亭站有林区、无林区农田生态系统区域径流动态数据集(1982-1992)盐亭站有林区、无林区小气候观测数据集(1985-1994)延安示范区降水量图沿中山站至Dome A内陆冰盖考察路线考察数据遥感影像中国西部ASTER遥感影像中国西部ETM(2000年左右)遥感影像中国西部TM(90年左右)依巴谷和第谷星表依巴谷输入星表集第二版宇宙线观测数据集(2005-2007)云南省东川市蒋家沟泥石流观测数据(1966-2003)云南省东川市蒋家沟泥石流录像数据浙江大学华家池实验小区农作物中澳合作考察南极戴维斯站近岸水域考察数据中国1:100万地貌图(1980s,2000)中国1:100万土地资源数据(1980s)中国1:100万植被数据(2000)中国1:400万草地资源图(1980s)中国1:400万地貌图(形态)中国1:400万全要素基础数据(1970s-1990s)中国1:400万资源环境数据(中国地形)中国1:400万资源环境数据(中国沼泽分布区)中国1:100万沙漠数据集中国1:10万冰川编目数据集中国1:10万沙漠分布图(2000年左右)中国1:1500万土壤侵蚀图和中国水土保持图中国GIMMS NDVI数据子集(1981-2003)中国长序列地表冻融数据集(25公里分辨率,1994-2004)中国城市建设数据库(分城市:1949-1998)中国的黄土堆积数据集中国地区时空连续NDVI数据集中国地区时空连续蒸发散数据集中国地区植被物候数据集中国地震目录数据(4000多年时间跨度)中国典型地形冰川数据集中国冻土数据集中国分省、分地区、分县区域发展社会经济数据库(1980、1985、1990-2005年)中国风电场装机台数/容量统计(1980-2004) 中国风沙地貌专题数据集中国公里格网土地适宜类数据集(1980s)中国公里网格多年平均风速(1951-2000)中国公里网格土壤氮分布(1980s-1990s,多年平均)中国公里网格土壤碳分布(1980s-1990s,多年平均)中国海岸带和海涂资源80年代综合调查数据中国海岸带基础地理数据中国海岸带遥感影像2000年镶嵌数据。

《简明〈中国冰川目录〉》简介

《简明〈中国冰川目录〉》简介

《简明〈中国冰川目录〉》简介
王宗太;刘潮海
【期刊名称】《冰川冻土》
【年(卷),期】2005(27)5
【总页数】1页(P782-782)
【关键词】中国西部;冰川学;目录;简介;生态环境保护;水资源研究;科学普及;冰川编目;基础数据
【作者】王宗太;刘潮海
【作者单位】中国科学院寒区旱区环境与工程研究所
【正文语种】中文
【中图分类】P343.6;TP316.7
【相关文献】
1.《四库全书简明目录标注》--中国重要的古籍版本目录 [J], 段晶晶
2.《增订四库简明目录标注》《朱修伯批本四库简明目录》及其异同——以经部《易》类为例 [J], 陈晓华
3.中国西部大陆性冰川与海洋性冰川物质平衡变化及其对气候响应——以乌源1号冰川和帕隆94号冰川为例 [J], 牟建新;李忠勤;张慧;徐春海;金爽;梁鹏斌
4.中国冰川资源及其分布特征——中国冰川目录编制完成 [J], 刘潮海;施雅风;王宗太;谢自楚
5.从文献目录看中国冰川冻土研究的发展 [J], 刘经仁;马世敏
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
相关文档
最新文档